Ocena zdolności procesów o dużej asymetrii względem granic tolerancji

Wielkość: px
Rozpocząć pokaz od strony:

Download "Ocena zdolności procesów o dużej asymetrii względem granic tolerancji"

Transkrypt

1 ARCHIVES of FOUNDRY ENGINEERING Published quarterly as the orga of the Foudry Commissio of the Polish Academy of Scieces ISSN ( ) Volume 0 Special Issue 3/ /3 Ocea zdolości procesów o dużej asymetrii względem graic toleracji L. Bukowski, A. Lichota* Akademia Góriczo-Huticza, Wydział Zarządzaia, Katedra Zarządzaia i Iżyierii Systemów *Kotakt korespodecyjy alichota@zarz.agh.edu.pl Received ; accepted i revised form Streszczeie W artykule przedstawioo aalizę podstawowych wskaźików zdolości procesów produkcyjych C p, C pk oraz wskaźika C pm dla procesów asymetryczych względem graic toleracji. Zaprezetowao metodę ocey dopuszczalej asymetrii procesu ze względu a dotrzymaie odpowiediego poziomu PPM. W pracy wykazao, że obiektywa ocea zdolości procesów asymetryczych możliwa jest jedyie w przypadku uwzględieia pary wskaźików C p i C pk. Jako przykład przeprowadzoo aalizę daych z produkcji łożysk samochodowych. Obliczeia wykoao w programie KWSPP. Słowa kluczowe: zarządzaie jakością, statystycze sterowaie procesem, wskaźiki zdolości procesu. Wstęp Wdrożeie systemu sterowaia jakością w przedsiębiorstwie wymaga dobrego rozpozaia procesów produkcyjych. Proces produkcyjy, który jest ustabilizoway i pod kotrolą daje gwaracje powtarzalości produkcji w graicach zdolości tego systemu. Podstawowe arzędzia, jakimi są karty kotrole opracowae przez W. Shewharta oraz ich modyfikacje, umożliwiają jedyie adzorowaie stabilości procesu produkcyjego. Zaś podstawowym arzędziem opisującym zdolość procesu produkcyjego uzawaym dzisiaj w całym przemyśle jest grupa wskaźików zdolości jakościowej oparta a odchyleiu stadardowym procesu produkcyjego σ. Poieważ podstawowym założeiem do statystyczego sterowaia procesem (SPC) jest to, że proces te podlega rozkładowi ormalemu ( x s) dwa parametry: położeie i rozrzut procesu. N, musimy zawsze kotrolować Najczęściej wykorzystywaym wskaźikiem mierzącym położeie procesu jest średia arytmetycza (wzór ) []. x Gdzie: x i i ( ) x i (i,,) są idywidualymi obserwacjami w zbiorze daych Podstawową miarą rozrzutu stosowaą w obliczeiach statystyczych jest odchyleie stadardowe (wzór ) []. s ( x x i ) i ( ) ARCHIVES of FOUNDRY ENGINEERING Volume 0, Special Issue 3/00,

2 Jedak do potrzeb SPC częściej wykorzystuje się estymator odchyleia stadardowego (wzór 3) zway sigmą procesu. Jego obliczaie jest związae ściśle z próbkowym sposobem gromadzeia daych pomiarowych do aalizy SPC i zależy od liczości próbki []. R σ ( 3) d Gdzie: R - wartość średia rozstępu z próbek elemetowych d - stała zależa od liczości próbki (tabela ) [] Tabela. Wartość stałej d. w zależości od liczości próbki d,8,693,059,36,534,704,847 Rys.. Potecjał procesu dla C p Wskaźik te ie mówi am ic o położeiu procesu względem graic toleracji i dla tej samej wartości wskaźika C p możemy mieć różą liczbę wyrobów poza graicami toleracji (rysuek ) Koieczość kotrolowaia położeia oraz rozrzutu procesu dotyczy ie tylko kart kotrolych, ale rówież wskaźików zdolości jakościowej procesu.. Wskaźiki zdolości jakościowej procesu Pod pojęciem wskaźika zdolości jakościowej rozumie się wartość, będącą wyikiem porówaia przedziału toleracji T do miary rozrzutu procesu. Wskaźiki te możemy podzielić a dwie grupy, jeda z ich mierzy potecjał procesu, druga zaś jego zdolość. Potecjał procesu opisują wskaźiki Cp, Pp i są oe defiiowae jako stosuek przedziału toleracji do przedziału zmieości procesu. Akceptując przedział zmieości procesu a poziomie ±3σ (dla obliczeń długotermiowych) lub ±3s (dla obliczeń krótkotermiowych), wskaźik te moża wyrazić jako [3]: GGS DGS T C p 6σ 6σ GGS DGS T P p 6s 6s Gdzie: GGS, DGS góra i dola graica specyfikacji T szerokość pola toleracji ( 4) ( 5) Iloraz te mówi jaka część zakresu krzywej ormalej mieści się w zadaych graicach specyfikacji. Akceptacja przedziału zmieości procesu a poziomie ±3σ powoduje, że dla C p średia liczba produktów będąca poza graicami specyfikacji (przy założeiu, że proces leży cetralie względem pola toleracji) wyosi 0,7% (rysuek ), a wyrażoa w PPM (liczba wyrobów iezgodych a milio) wyiesie 700 sztuk. Rys.. Róże położeie procesu względem graic toleracji Druga grupa wskaźików określająca zdolość procesu produkcyjego to wskaźiki C pk, P pk. Wskaźiki te iformują o przesuięciu procesu względem graic toleracji. C pl x DGS 3σ x DGS P pl 3s pk pk ( P P ) pl C pu GGS x 3σ ( C ) pl pu ( 6) C mi C, ( 7) pu GGS x P pu 3s ( 8) P mi, ( 9) Jeżeli wskaźik C pl C pu ozacza to, że proces jest położoy cetralie względem graic toleracji. Z powyższych wzorów wyika, że wskaźiki opisujące zdolość procesu oceiają ie tylko wielkość rozrzutu procesu w stosuku do zadaej toleracji. Wskaźiki te oceiają rówież miarę położeia tego procesu, czyli iformują o przesuięciu wartości średiej procesu od środka pola toleracji (rysuek 3). 64 ARCHIVES of FOUNDRY ENGINEERING Volume 0, Special Issue 3/00, 63-68

3 Rys. 3. Iterpretacja graficza wskaźików C pl i C pu Jedak wskaźiki opisujące potecjał procesu czy jego zdolość ie badają położeia procesu względem wartości omialej. W przypadku wskaźików badających zdolość procesu (wzory 7 i 9) istieje milczące założeie, że wartości graicze specyfikacji są symetryczie położoe względem wartości omialej. Jedak ie wszystkie procesy mają tak położoe wartości graicze. W takim przypadku moża skorzystać z wskaźików C pm i C pkm różiących się od wskaźików C p i C pk, jedyie obliczeiem wartości odchyleia stadardowego, które jest liczoe ie względem wartości średiej procesu, ale względem wartości omialej N (wzór 0). m ( N x i ) i s ( 0) Wzór te moża przekształcić do postaci i takie wartości stosować do obliczaia wskaźików C pm, P pm, C pkm, P pkm [4]: s m s + ( X N ) σ + ( X N ) σ ( ) m Wskaźiki te stosujemy w przypadku gdy proces ma podaą wartość omialą N ustawioą iesymetrycze względem graic toleracji (rysuek 4). Moża też stosować te wskaźiki gdy omiał jest określoy symetryczie względem wartości toleracji, ale proces jest ie wycetroway (rysuek 3). Iterpretacja wskaźika C pkm jest podoba do iterpretacji wskaźika C pk, jedak tutaj otrzymujemy iformację o zdolości procesu do trzymaia się wartości omialej, a ie wartości cetralej w odiesieiu do pola toleracji. Wyika z tego, że C pkm jest miejszy od C pk gdy średia procesu odbiega od wartości ormatywej. Rys. 4. Proces produkcyjy z wartością omialą N ustawioą iesymetrycze względem graic toleracji Najczęściej w praktyce stosuje się wskaźiki C p oraz C pk lub P p i P pk w zależości od horyzotu w jakim chcemy badać proces. Należy pamiętać o badaiu tych wskaźików parami, aby zawsze mieć pod kotrolą zarówo potecjał procesu wyrażay jego zmieością, jak i zdolość procesu wykazującą jego położeie i zdolość krytyczą względem pola toleracji. 3. Aaliza wskaźików zdolości jakościowej dla procesów o silej asymetrii względem graic toleracji Procesy produkcyje często są iesymetrycze względem pola toleracji. Może to być spowodowae różymi powodami, p. świadomym ustawieiem w te sposób położeia procesu, lub jego przesuięciem losowym. Pojawia się wiec pytaie, jaka może być różica pomiędzy wskaźikami C p i C pk. Kiedy możemy powiedzieć, że proces pomimo iewycetrowaia spełia założoe kryteria. Jeżeli te kryteria są wyrażoe w wartości PPM, to przy założeiu, że akceptujemy C p,66 to wartość PPM 0,5733. Na rysuku 5 przedstawioo zależość zmia PPM w zakresie (0 0 6 ) od różicy C p - C pk dla kilku charakterystyczych wartości wskaźika C p. ARCHIVES of FOUNDRY ENGINEERING Volume 0, Special Issue 3/00,

4 zmia w liczbie wadliwych elemetów, które spowodowałoby uzaie procesu za iedopuszczaly. Dla wskaźika C p możemy już dopuścić do większego przesuięcia procesu, tutaj różica miedzy tymi wskaźikami może osiągąć wartość awet 0,4 czyli C pk,6. 4. Przykład Rys. 5. Zależość zmia PPM w zakresie od różicy C p - C pk dla różych wartości wskaźika C p Poieważ w praktyce ie iteresują as tak wielkie wartości PPM, gdyż dążymy do miimalizacji wadliwych produktów, w tabeli przedstawioo obliczeia dla różych wskaźików C p dla miejszych wartości PPM. Tabela. Zależość wskaźika PPM od różicy C p - C pk C p -C pk 0, 0, 0,3 0,4 0,5 C p, C p, C p, C p, ,6 0,7 0,8 0,9 C p, C p, C p, C p, Wartość PPM dla dowolej różicy C p - C pk moża obliczyć przy pomocy tablicy rozkładu ormalego z wzoru 3. ( ) Z 3 C pk C p Z 3 C pk 6 [ Φ( Z ) + ( Φ( ))] 0 ( ) PPM Z ( 3) Gdzie: ( Z ) Φ ozacza dystrybuatę rozkładu ormalego stadaryzowaego zmieej Z Jak widać w tabeli dla wskaźika C p,66 przesuięcie procesu dające różice wskaźików C p C pk 0, ie powoduje Jako przykład zostaie przeprowadzoa aaliza daych pobraych z procesu produkcji łożysk toczych dla przemysłu samochodowego. Jeżeli produkoway elemet poddaway jest w astępym etapie produkcji pasowaiu jego wymiar omialy często jest rówy graicy toleracji (specyfikacji) albo wręcz leży poza tym polem (tabela 3). Tabela 3. Przykłady różego rodzaju tolerowaia Zapis toleracji GGS DGS N Uwagi 0, ,000 40,05 40,000 40,000 N DGS 0, ,05 40,000 39,075 40,000 N GGS 0, ,005 40,005 40,030 40,000 Poza toleracją Aalizując awet ajlepszy proces o dużym potecjale jakościowym ustawieie omiału rówego graicy specyfikacji (N DGS lub N GGS) spowoduje, że 50% wyrobów będzie poza tą graicą (rysuek ). Te zapis wartości omialej N jest jedyie formaly, gdyż do pasowaia wymagae jest by były pasowae z sobą dwa elemety o jedakowej wartości omialej. Stwarza to jedak problem jak ustawić w procesie wartość omialą. Najprostszym rozwiązaiem jest ustawieie wartości środkowej względem pola toleracji. Jedak jeżeli mamy proces o dużym potecjale (duży wskaźik Cp) możemy spróbować ustawić proces iecetryczie, tak aby spełić wymagaia braku wadliwych elemetów czyli PPM<. Takie ustawieie może spowodować oszczędości w materiale lub skróceie procesu produkcji (krótsza obróbka). Pozostaje tylko pytaie jak daleko moża przesuąć proces od środka pola toleracji. Dla zobrazowaia tego problemu zostaie wykoaa aaliza dla procesu produkcyjego którego specyfikację (toleracje) przedstawioo w tabeli 4. Tabela 4. Dae dotyczące toleracji do aalizowaego przykładu wyrażoe w milimetrach Zapis toleracji GGT DGT N T ,0 60,0 5 Na rysuku 6 przedstawioo wyiki pomiarów. Dae zostały już poddae wstępej aalizie statystyczej, polegającej a obliczeiu wartości średiej z 4 pomiarów, co staowiło jedą próbkę i aiesioe a kartę kotrolą Xśr. 66 ARCHIVES of FOUNDRY ENGINEERING Volume 0, Special Issue 3/00, 63-68

5 toleracji (DGS i DGS) to od zdolości aszego procesu zależy o ile możemy przesuąć wartość średią procesu produkcyjego. Tabela 6. Aaliza wyików PPM dla dużych odchyłek wartości średiej od środka pola toleracji Xśr 6,5 63,0 63,5 64,0 64,3 64,4 64,5 Cp 7,80 7,80 7,80 7,80 7,80 7,80 7,80 Cpk 7,80 6,4 4,68 3,,8,87,56 PPM 0,0 0,0 0,0 0,0 0,0 0,0,4 Rys. 6. Dae pomiarowe aiesioe a kartę kotrolą Xśr Aalizę zdolości jakościowej przeprowadzoo programem KWSSP opracowaym przez autorów publikacji. Program jest stadardową akładką do pakietu biurowego MS Excel [5][6]. W tabeli 5 przedstawioo zestawieie aalizy wskaźików C p, i P p. Iterpretację graficzą przedstawioo a rysuku 7. Jako omiał wybrao środek pola toleracji. Tabela 5. Wyiki aalizy zdolości jakościowej badaego procesu GGS 65 W. omiala 6,5 DGS 60 X śr 6,44 Cp 7,80 Pp 7,7 Cpk 7,6 Ppk 7,5 R śr /d 0,07 s 0,08. W wybraym przykładzie proces produkcyjy został przesuięty w stroę GGS. Miało to a celu skróceie obróbki elemetu. Moża rówież przesuąć proces w stroę DGS p. w przypadku gdy zależy producetowi a oszczędościach materiału zużytego a pojedyczy elemet. Rys. 8. Graficza aaliza procesu z przesuiętą wartością średią Jak wyika z aalizy wyików zestawioych w tabeli 6 proces produkcyjy moża ajdalej przesuąć w prawo do wartości Xśr 64,4 (rysuek 8). Nawet tak zacze odchyleie procesu od wartości cetralej pola toleracji daje zerową wartość wskaźika PPM. Rys. 7. Graficza iterpretacja zdolości jakościowej badaego procesu Dzięki tak wysokiej wartości wskaźika Cp 7,80 potecjał procesu jest bardzo duży. Daje to dużą rezerwę dla położeia wartości średiej procesu. Jeżeli z jakiś względów (p. ekoomicze, czasowe) zależy am a iym położeiu iż cetrale, moża przesuąć proces w dowolą stroę o pewą wartość. W tabeli 6 zestawioo wyiki aalizy zdolości procesu dla asymetryczego procesu względem środka toleracji. Poieważ tak aprawdę w specyfikacji podae są tylko graice Rys. 9. Karta Xśr dla procesu przesuiętego do LC 64,4 ARCHIVES of FOUNDRY ENGINEERING Volume 0, Special Issue 3/00,

6 Jak wykazała aaliza przesuięcie wartości cetralej procesu do wartości Xśr 64,5 powoduje spadek wskaźika Cpk poiżej ogólie akceptowalej wartości,66 (rysuek 8) ale dalej liczba wadliwych elemetów a milio waha się w graicy (PPM rówy,4). Aaliza wyików zestawioych w tabeli 6 pokazuje, że duży potecjał procesu pozwala przesuąć te proces awet do wartości Cpk miejszej iż stadardowo przyjęto w przemyśle samochodowym. 5. Podsumowaie W artykule przedstawioo aalizę podstawowych wskaźików zdolości procesów produkcyjych C p, C pk oraz wskaźika C pm dla procesów asymetryczych względem graic toleracji. W pracy wykazao, że obiektywa ocea zdolości procesów asymetryczych możliwa jest jedyie w przypadku uwzględieia pary wskaźików C p i C pk. Zaprezetowaa metoda aalizy pozwala a oceę jak duża może być asymetria procesu względem jego pola toleracji ze względu a dotrzymaie odpowiediego poziomu PPM. Aaliza ta jest przydata zwłaszcza w procesach, gdzie ie mamy ustaloej wartości omialej, a podae są jedyie graice toleracji. Z przypadkiem takim mamy do czyieia, gdy produkt ma być pasoway w dalszym procesie obróbki. Zapis taki daje operatorowi systemu dowolość w ustawieiu omiału procesu pod warukiem, że mieści się o w określoej toleracji. Jeżeli z jakiś względów (p. ekoomicze, czasowe) zależy am a iym położeiu iż cetrale, moża przesuąć proces względem środka pola toleracji. Trzeba pamiętać, aby ie tylko ie przekroczyć graic toleracji, ale rówież poruszać się w graicach wyzaczoych przez potecjał jakościowy procesu, który określa wskaźik C p. Przytoczoy przykład praktyczy udowadia, że awet relatywie małe wartości wskaźika C pk ie dyskwalifikują procesu, pod warukiem osiągaia wysokich wartości C p. W pracy wykazao, że obiektywa ocea jakości procesów asymetryczych możliwa jest jedyie w przypadku uwzględieia pary wskaźików C p i C pk. Literatura [] J. Jóźwiak, J. Podgórski, Statystyka od podstaw, PWE, Warszawa 998. [] Chrysler Corporatio, Ford Motor Compay, ad Geeral Motors Corporatio 005. Statistical Process Cotrol (SPC). AIAG. [3] E. Dietrich, A. Schulze, Metody statystycze w kwalifikacji środków pomiarowych maszy i procesów produkcyjych, Notica System. Warszawa 000. [4] T. Greber, Badaie zdolości procesu iebezpiecze wskaźiki, Zarządzaie jakością, r /005 (). [5] L. Bukowski, J. Feliks, M. Karkula, A. Lichota 009. Metody statystycze w kotroli i sterowaiu procesem SPC II. CID Ltd. Kraków. [6] A. Lichota 009. Istrukcja obsługi programu KWSSP, CID Ltd. Kraków. Assessmet of capability idex of processes revealig sigificat asymmetry with respect to tolerace limits Abstract The paper presets a aalysis of basic capability idices for productio processes, C p ad C pk, as well as the C pm idex for processes asymmetric with respect to tolerace limits. A method is preseted for the estimatio of process admissible asymmetry, whe a appropriate PPM level of defective products is to be maitaied. It is proved that a ubiased capability assessmet for asymmetric processes is oly feasible if the pair of idices C p ad C pk is icluded i the assessmet. A example is give of a aalysis of data o the productio of automotive bearigs. The computatios were performed with use of the KWSPP program. 68 ARCHIVES of FOUNDRY ENGINEERING Volume 0, Special Issue 3/00, 63-68

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

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

Bardziej szczegółowo

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy. MIARY POŁOŻENIA I ROZPROSZENIA WYNIKÓW SERII POMIAROWYCH Miary położeia (tedecji cetralej) to tzw. miary przecięte charakteryzujące średi lub typowy poziom wartości cechy. Średia arytmetycza: X i 1 X i,

Bardziej szczegółowo

STATYSTYKA I ANALIZA DANYCH

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

Bardziej szczegółowo

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elemety kombiatoryki 2. Zmiee losowe i ich rozkłady 3. Populacje i próby daych, estymacja parametrów 4. Testowaie hipotez 5. Testy parametrycze 6. Testy

Bardziej szczegółowo

Estymacja przedziałowa

Estymacja przedziałowa Metody probabilistycze i statystyka Estymacja przedziałowa Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

Moda (Mo, D) wartość cechy występującej najczęściej (najliczniej).

Moda (Mo, D) wartość cechy występującej najczęściej (najliczniej). Cetrale miary położeia Średia; Moda (domiata) Mediaa Kwatyle (kwartyle, decyle, cetyle) Moda (Mo, D) wartość cechy występującej ajczęściej (ajlicziej). Mediaa (Me, M) dzieli uporządkoway szereg liczbowy

Bardziej szczegółowo

Wykład nr 2. Statystyka opisowa część 2. Plan wykładu

Wykład nr 2. Statystyka opisowa część 2. Plan wykładu Wykład r 2 Statystyka opisowa część 2 Pla wykładu 1. Uwagi wstępe 2. Miary tedecji cetralej 2.1. Wartości średie 2.2. Miary pozycyje 2.3. Domiata 3. Miary rozproszeia 4. Miary asymetrii 5. Miary kocetracji

Bardziej szczegółowo

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA Ćwiczeie ETYMACJA TATYTYCZNA Jest to metoda wioskowaia statystyczego. Umożliwia oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej

Bardziej szczegółowo

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO Agieszka Jakubowska ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO. Wstęp Skąplikowaie współczesego życia gospodarczego powoduje, iż do sterowaia procesem zarządzaia

Bardziej szczegółowo

ANALIZA DANYCH DYSKRETNYCH

ANALIZA DANYCH DYSKRETNYCH ZJAZD ESTYMACJA Jest to metoda wioskowaia statystyczego. Umożliwia oa oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej estymatorem,

Bardziej szczegółowo

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I)

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I) Elemety statystyki opisowej Izolda Gorgol wyciąg z prezetacji (wykład I) Populacja statystycza, badaie statystycze Statystyka matematycza zajmuje się opisywaiem i aalizą zjawisk masowych za pomocą metod

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

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

Bardziej szczegółowo

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407 Statystyka i Opracowaie Daych W7. Estymacja i estymatory Dr Aa ADRIAN Paw B5, pok407 ada@agh.edu.pl Estymacja parametrycza Podstawowym arzędziem szacowaia iezaego parametru jest estymator obliczoy a podstawie

Bardziej szczegółowo

STATYSTYKA OPISOWA WYKŁAD 1 i 2

STATYSTYKA OPISOWA WYKŁAD 1 i 2 STATYSTYKA OPISOWA WYKŁAD i 2 Literatura: Marek Cieciura, Jausz Zacharski, Metody probabilistycze w ujęciu praktyczym, L. Kowalski, Statystyka, 2005 2 Statystyka to dyscyplia aukowa, której zadaiem jest

Bardziej szczegółowo

Jak obliczać podstawowe wskaźniki statystyczne?

Jak obliczać podstawowe wskaźniki statystyczne? Jak obliczać podstawowe wskaźiki statystycze? Przeprowadzoe egzamiy zewętrze dostarczają iformacji o tym, jak ucziowie w poszczególych latach opaowali umiejętości i wiadomości określoe w stadardach wymagań

Bardziej szczegółowo

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

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

Bardziej szczegółowo

STATYSTKA I ANALIZA DANYCH LAB II

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

Bardziej szczegółowo

Struktura czasowa stóp procentowych (term structure of interest rates)

Struktura czasowa stóp procentowych (term structure of interest rates) Struktura czasowa stóp procetowych (term structure of iterest rates) Wysokość rykowych stóp procetowych Na ryku istieje wiele różorodych stóp procetowych. Poziom rykowej stopy procetowej (lub omialej stopy,

Bardziej szczegółowo

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2 Wykład 5 Przedziały ufości Zwykle ie zamy parametrów populacji, p. Chcemy określić a ile dokładie y estymuje Kostruujemy przedział o środku y, i taki, że mamy 95% pewości, że zawiera o Nazywamy go 95%

Bardziej szczegółowo

Statystyka opisowa. (n m n m 1 ) h (n m n m 1 ) + (n m n m+1 ) 2 +1), gdy n jest parzyste

Statystyka opisowa. (n m n m 1 ) h (n m n m 1 ) + (n m n m+1 ) 2 +1), gdy n jest parzyste Statystyka opisowa Miary statystycze: 1. miary położeia a) średia z próby x = 1 x = 1 x = 1 x i - szereg wyliczający x i i - szereg rozdzielczy puktowy x i i - szereg rozdzielczy przedziałowy, gdzie x

Bardziej szczegółowo

Elementy modelowania matematycznego

Elementy modelowania matematycznego Elemety modelowaia matematyczego Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Modelowaie daych (ilościowe): Metody statystycze: estymacja parametrów modelu,

Bardziej szczegółowo

Plan wykładu. Analiza danych Wykład 1: Statystyka opisowa. Literatura. Podstawowe pojęcia

Plan wykładu. Analiza danych Wykład 1: Statystyka opisowa. Literatura. Podstawowe pojęcia Pla wykładu Aaliza daych Wykład : Statystyka opisowa. Małgorzata Krętowska Wydział Iformatyki Politechika Białostocka. Statystyka opisowa.. Estymacja puktowa. Własości estymatorów.. Rozkłady statystyk

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA Mamy populację geeralą i iteresujemy się pewą cechą X jedostek statystyczych, a dokładiej pewą charakterystyką liczbową θ tej cechy (p. średią wartością

Bardziej szczegółowo

Rozkład normalny (Gaussa)

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

Bardziej szczegółowo

Statystyczny opis danych - parametry

Statystyczny opis danych - parametry Statystyczy opis daych - parametry Ozaczeia żółty owe pojęcie czerwoy, podkreśleie uwaga * materiał adobowiązkowy Aa Rajfura, Matematyka i statystyka matematycza a kieruku Rolictwo SGGW Zagadieia. Idea

Bardziej szczegółowo

COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH. Kierunek: Finanse i rachunkowość. Robert Bąkowski Nr albumu: 9871

COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH. Kierunek: Finanse i rachunkowość. Robert Bąkowski Nr albumu: 9871 COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH Kieruek: Fiase i rachukowość Robert Bąkowski Nr albumu: 9871 Projekt: Badaie statystycze cey baryłki ropy aftowej i wartości dolara

Bardziej szczegółowo

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

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

Bardziej szczegółowo

2.1. Studium przypadku 1

2.1. Studium przypadku 1 Uogóliaie wyików Filip Chybalski.. Studium przypadku Opis problemu Przedsiębiorstwo ŚRUBEX zajmuje się produkcją wyrobów metalowych i w jego szerokim asortymecie domiują różego rodzaju śrubki i wkręty.

Bardziej szczegółowo

SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY

SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY Weryfikacja hipotez statystyczych WNIOSKOWANIE STATYSTYCZNE Wioskowaie statystycze, to proces uogóliaia wyików uzyskaych a podstawie próby a całą

Bardziej szczegółowo

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona Ćwiczeie r 4 Porówaie doświadczalego rozkładu liczby zliczeń w zadaym przedziale czasu z rozkładem Poissoa Studeta obowiązuje zajomość: Podstawowych zagadień z rachuku prawdopodobieństwa, Zajomość rozkładów

Bardziej szczegółowo

Statystyka powtórzenie (I semestr) Rafał M. Frąk

Statystyka powtórzenie (I semestr) Rafał M. Frąk Statystyka powtórzeie (I semestr) Rafał M. Frąk TEORIA Statystyka Statystyka zajmuje się badaiem procesu zbieraia oraz iterpretacji daych liczbowych lub jakościowych. Przedmiotem statystyki są metody badaia

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

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

Bardziej szczegółowo

Statystyka opisowa - dodatek

Statystyka opisowa - dodatek Statystyka opisowa - dodatek. *Jak obliczyć statystyki opisowe w dużych daych? Liczeie statystyk opisowych w dużych daych może sprawiać problemy. Dla przykładu zauważmy, że aiwa implemetacja średiej arytmetyczej

Bardziej szczegółowo

PODSTAWY BIOSTATYSTYKI ĆWICZENIA

PODSTAWY BIOSTATYSTYKI ĆWICZENIA PODSTAWY BIOSTATYSTYKI ĆWICZENIA FILIP RACIBORSKI FILIP.RACIBORSKI@WUM.EDU.PL ZAKŁAD PROFILAKTYKI ZAGROŻEŃ ŚRODOWISKOWYCH I ALERGOLOGII WUM ZADANIE 1 Z populacji wyborców pobrao próbkę 1000 osób i okazało

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Zeszyty naukowe nr 9

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

Bardziej szczegółowo

BADANIA DOCHODU I RYZYKA INWESTYCJI

BADANIA DOCHODU I RYZYKA INWESTYCJI StatSoft Polska, tel. () 484300, (60) 445, ifo@statsoft.pl, www.statsoft.pl BADANIA DOCHODU I RYZYKA INWESTYCJI ZA POMOCĄ ANALIZY ROZKŁADÓW Agieszka Pasztyła Akademia Ekoomicza w Krakowie, Katedra Statystyki;

Bardziej szczegółowo

2. ANALIZA BŁĘDÓW I NIEPEWNOŚCI POMIARÓW

2. ANALIZA BŁĘDÓW I NIEPEWNOŚCI POMIARÓW . ANALIZA BŁĘDÓW I NIEPEWNOŚCI POMIARÓW Z powodu iedokładości przyrządów i metod pomiarowych, iedoskoałości zmysłów, iekotrolowaej zmieości waruków otoczeia (wielkości wpływających) i iych przyczy, wyik

Bardziej szczegółowo

Materiały do wykładu 4 ze Statystyki

Materiały do wykładu 4 ze Statystyki Materiały do wykładu 4 ze Statytyki CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (dok.) 1. miary położeia - wykład 2 2. miary zmieości (dyperji, rozprozeia) - wykład 3 3. miary aymetrii (kośości) 4.

Bardziej szczegółowo

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7 Metody probabilistycze i statystyka Estymacja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

Analiza potencjału energetycznego depozytów mułów węglowych

Analiza potencjału energetycznego depozytów mułów węglowych zaiteresowaia wykorzystaiem tej metody w odiesieiu do iych droboziaristych materiałów odpadowych ze wzbogacaia węgla kamieego ależy poszukiwać owych, skutecziej działających odczyików. Zdecydowaie miej

Bardziej szczegółowo

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

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

Bardziej szczegółowo

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

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

Bardziej szczegółowo

Analiza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora

Analiza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora Aaliza wyików symulacji i rzeczywistego pomiaru zmia apięcia ładowaego kodesatora Adrzej Skowroński Symulacja umożliwia am przeprowadzeie wirtualego eksperymetu. Nie kostruując jeszcze fizyczego urządzeia

Bardziej szczegółowo

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

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

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA. Wykład wstępy. Teoria prawdopodobieństwa i elemety kombiatoryki 3. Zmiee losowe 4. Populacje i próby daych 5. Testowaie hipotez i estymacja parametrów 6. Test t 7. Test 8. Test

Bardziej szczegółowo

Statystyka opisowa. () Statystyka opisowa 24 maja / 8

Statystyka opisowa. () Statystyka opisowa 24 maja / 8 Część I Statystyka opisowa () Statystyka opisowa 24 maja 2010 1 / 8 Niech x 1, x 2,..., x będą wyikami pomiarów, p. temperatury, ciśieia, poziomu rzeki, wielkości ploów itp. Przykład 1: wyiki pomiarów

Bardziej szczegółowo

Przykład Obliczenie wskaźnika plastyczności przy skręcaniu

Przykład Obliczenie wskaźnika plastyczności przy skręcaniu Przykład 10.5. Obliczeie wskaźika plastyczości przy skręcaiu Obliczyć wskaźiki plastyczości przy skręcaiu dla astępujących przekrojów: a) -kąta foremego b) przekroju złożoego 6a 16a 9a c) przekroju ciekościeego

Bardziej szczegółowo

14. RACHUNEK BŁĘDÓW *

14. RACHUNEK BŁĘDÓW * 4. RACHUNEK BŁĘDÓW * Błędy, które pojawiają się w czasie doświadczeia mogą mieć włase źródła. Są imi błędy związae z błędą kalibracją torów pomiarowych, szumy, czas reagowaia przyrządu, ograiczeia kostrukcyje,

Bardziej szczegółowo

Opracowanie danych pomiarowych. dla studentów realizujących program Pracowni Fizycznej

Opracowanie danych pomiarowych. dla studentów realizujących program Pracowni Fizycznej Opracowaie daych pomiarowych dla studetów realizujących program Pracowi Fizyczej Pomiar Działaie mające a celu wyzaczeie wielkości mierzoej.. Do pomiarów stosuje się przyrządy pomiarowe proste lub złożoe.

Bardziej szczegółowo

16 Przedziały ufności

16 Przedziały ufności 16 Przedziały ufości zapis wyiku pomiaru: sugeruje, że rozkład błędów jest symetryczy; θ ± u(θ) iterpretacja statystycza przedziału [θ u(θ), θ + u(θ)] zależy od rozkładu błędów: P (Θ [θ u(θ), θ + u(θ)])

Bardziej szczegółowo

Estymacja przedziałowa:

Estymacja przedziałowa: Estymacja przedziałowa: Zamiast szukad ajlepszego estymatora, tak jak w estymacji puktowej będziemy poszukiwad przedziału, do którego będzie ależał szukay parametr z odpowiedio dużym prawdopodobieostwem.

Bardziej szczegółowo

LABORATORIUM METROLOGII

LABORATORIUM METROLOGII AKADEMIA MORSKA W SZCZECINIE Cetrum Iżyierii Ruchu Morskiego LABORATORIUM METROLOGII Ćwiczeie 5 Aaliza statystycza wyików pomiarów pozycji GNSS Szczeci, 010 Zespół wykoawczy: Dr iż. Paweł Zalewski Mgr

Bardziej szczegółowo

Metoda łączona. Wykład 7 Dwie niezależne próby. Standardowy błąd dla różnicy dwóch średnich. Metoda zwykła (niełączona) n2 2

Metoda łączona. Wykład 7 Dwie niezależne próby. Standardowy błąd dla różnicy dwóch średnich. Metoda zwykła (niełączona) n2 2 Wykład 7 Dwie iezależe próby Często porówujemy wartości pewej zmieej w dwóch populacjach. Przykłady: Grupa zabiegowa i kotrola Lekarstwo a placebo Pacjeci biorący dwa podobe lekarstwa Mężczyźi a kobiety

Bardziej szczegółowo

INSTRUKCJA NR 06-2 POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ

INSTRUKCJA NR 06-2 POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ LABORATORIUM OCHRONY ŚRODOWISKA - SYSTEM ZARZĄDZANIA JAKOŚCIĄ - INSTRUKCJA NR 06- POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ 1. Cel istrukcji Celem istrukcji jest określeie metodyki postępowaia w celu

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym)

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym) Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych (w zakresie materiału przedstawioego a wykładzie orgaizacyjym) Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli

Bardziej szczegółowo

ZASTOSOWANIE KART KONTROLNYCH DO LICZBOWEJ OCENY PROCESU WYTWARZANIA MASY FORMIERSKIEJ

ZASTOSOWANIE KART KONTROLNYCH DO LICZBOWEJ OCENY PROCESU WYTWARZANIA MASY FORMIERSKIEJ 46/19 ARCHIWUM ODLEWNICTWA Rok 2006, Roczik 6, Nr 19 Archives of Foudry Year 2006, Volume 6, Book 19 PAN - Katowice PL ISSN 1642-5308 ZASTOSOWANIE KART KONTROLNYCH DO LICZBOWEJ OCENY PROCESU WYTWARZANIA

Bardziej szczegółowo

Estymacja parametrów populacji

Estymacja parametrów populacji Estymacja parametrów populacji Estymacja parametrów populacji Estymacja polega a szacowaiu wartości parametrów rozkładu lub postaci samego rozkładu zmieej losowej, a podstawie próby statystyczej. Estymacje

Bardziej szczegółowo

TESTY LOSOWOŚCI. Badanie losowości próby - test serii.

TESTY LOSOWOŚCI. Badanie losowości próby - test serii. TESTY LOSOWOŚCI Badaie losowości próby - test serii. W wielu zagadieiach wioskowaia statystyczego istotym założeiem jest losowość próby. Prostym testem do weryfikacji tej własości jest test serii. 1 Dla

Bardziej szczegółowo

Zastosowanie kart kontrolnych do analizy zdolności systemu pomiarowego w przedsiębiorstwie branży motoryzacyjnej

Zastosowanie kart kontrolnych do analizy zdolności systemu pomiarowego w przedsiębiorstwie branży motoryzacyjnej Zastosowaie kart kotrolych do aalizy zdolości systemu pomiaroweo w przedsiębiorstwie braży motoryzacyjej Beata Mrualska, Aelika Oleszyńska **, Żaeta Mądrawska *** Słowa kluczowe: jakość, karty kotrole,

Bardziej szczegółowo

Prawo odbicia i załamania. Autorzy: Zbigniew Kąkol Piotr Morawski

Prawo odbicia i załamania. Autorzy: Zbigniew Kąkol Piotr Morawski Prawo odbicia i załamaia Autorzy: Zbigiew Kąkol Piotr Morawski 207 Prawo odbicia i załamaia Autorzy: Zbigiew Kąkol, Piotr Morawski Jeżeli światło pada a graicę dwóch ośrodków, to ulega zarówo odbiciu a

Bardziej szczegółowo

Estymacja przedziałowa - przedziały ufności

Estymacja przedziałowa - przedziały ufności Estymacja przedziałowa - przedziały ufości Próbę -elemetową charakteryzujemy jej parametrami (p. x, s, s ). Służą oe do ocey wartości iezaych parametrów populacji (m, σ, σ). Nazywamy je estymatorami puktowymi

Bardziej szczegółowo

Estymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności)

Estymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności) IV. Estymacja parametrów Estymacja: Puktowa (ocea, błędy szacuku Przedziałowa (przedział ufości Załóżmy, że rozkład zmieej losowej X w populacji geeralej jest opisay dystrybuatą F(x;α, gdzie α jest iezaym

Bardziej szczegółowo

Projekt ze statystyki

Projekt ze statystyki Projekt ze statystyki Opracowaie: - - Spis treści Treść zaia... Problem I. Obliczeia i wioski... 4 Samochó I... 4 Miary położeia... 4 Miary zmieości... 5 Miary asymetrii... 6 Samochó II... 8 Miary położeia:...

Bardziej szczegółowo

Obserwacje odstające mają duży wpływ na średnią średnia nie jest odporna.

Obserwacje odstające mają duży wpływ na średnią średnia nie jest odporna. Wykład 8. Przedziały ufości dla średiej Średia a mediaa Mediaa dzieli powierzchię histogramu a połowy. Jest odpora ie mają a ią wpływu obserwacje odstające. Obserwacje odstające mają duży wpływ a średią

Bardziej szczegółowo

Metody badania zbieżności/rozbieżności ciągów liczbowych

Metody badania zbieżności/rozbieżności ciągów liczbowych Metody badaia zbieżości/rozbieżości ciągów liczbowych Ryszard Rębowski 14 grudia 2017 1 Wstęp Kluczowe pytaie odoszące się do zagadieia badaia zachowaia się ciągu liczbowego sprowadza się do sposobu opisu

Bardziej szczegółowo

Statystyka. Katarzyna Chudy Laskowska

Statystyka. Katarzyna Chudy Laskowska Statystyka Katarzya Chudy Laskowska http://kc.sd.prz.edu.pl/ WNIOSKOWANIE STATYSTYCZNE Celem aalizy statystyczej ie jest zwykle tylko opisaie (prezetacja) posiadaych daych, czyli tzw. próby statystyczej.

Bardziej szczegółowo

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

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

Bardziej szczegółowo

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW.

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW. Statytycza ocea wyików pomiaru STATYSTYCZNA OCENA WYNIKÓW POMIARÓW CEL ĆWICZENIA Celem ćwiczeia jet: uświadomieie tudetom, że każdy wyik pomiaru obarczoy jet błędem o ie zawze zaej przyczyie i wartości,

Bardziej szczegółowo

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017 STATYSTYKA OPISOWA Dr Alia Gleska Istytut Matematyki WE PP 18 listopada 2017 1 Metoda aalitycza Metoda aalitycza przyjmujemy założeie, że zmiay zjawiska w czasie moża przedstawić jako fukcję zmieej czasowej

Bardziej szczegółowo

2. INNE ROZKŁADY DYSKRETNE

2. INNE ROZKŁADY DYSKRETNE Ie rozkłady dyskrete 9. INNE ROZKŁADY DYSKRETNE.. Rozkład dwumiaowy - kotyuacja Przypomijmy sobie pojęcie rozkładu dwumiaowego prawdopodobieństwa k sukcesów w próbach Beroulli ego: P k k k k = p q m =

Bardziej szczegółowo

Aplikacyjne aspekty metody Six Sigma w kwalitatywnej ocenie funkcjonowania systemów logistycznych

Aplikacyjne aspekty metody Six Sigma w kwalitatywnej ocenie funkcjonowania systemów logistycznych Aplikacyje aspekty metody Six Sigma w kwalitatywej oceie fukcjoowaia systemów logistyczych Applicatio aspects of the Six Sigma method i qualitative ratig of the workig of logistic systems Moika Dopytalska*,

Bardziej szczegółowo

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Statystyka Opisowa. w2: podstawowe miary. Jerzy Stefanowski Instytut Informatyki Politechnika Poznańska. Poznań, 2015/16 aktualizacja 2017

Statystyka Opisowa. w2: podstawowe miary. Jerzy Stefanowski Instytut Informatyki Politechnika Poznańska. Poznań, 2015/16 aktualizacja 2017 Statystyka Opisowa w2: podstawowe miary Jerzy Stefaowski Istytut Iformatyki Politechika Pozańska Pozań, 205/6 aktualizacja 207 STATYSTYKA OPISOWA Techiki wstępej aalizy daych i ich prezetacji: gromadzeie,

Bardziej szczegółowo

INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW

INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW INSTYTUT MASZYN I URZĄDZEŃ ENERGETYCZNYCH Politechika Śląska w Gliwicach INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW BADANIE ODKSZTAŁCEŃ SPRĘŻYNY ŚRUBOWEJ Opracował: Dr iż. Grzegorz

Bardziej szczegółowo

8. Optymalizacja decyzji inwestycyjnych

8. Optymalizacja decyzji inwestycyjnych 8. Optymalizacja decyzji iwestycyjych 8. Wprowadzeie W wielu różych sytuacjach, w tym rówież w czasie wyboru iwestycji do realizacji, podejmujemy decyzje. Sytuacje takie azywae są sytuacjami decyzyjymi.

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych w zakresie materiału przedstawioego a wykładzie orgaizacyjym Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli doświadczeie,

Bardziej szczegółowo

Wadliwość rzeczywista złączy obwodowych w rurociągach

Wadliwość rzeczywista złączy obwodowych w rurociągach Wadliwość rzeczywista złączy obwodowych w rurociągach Tadeusz Morawski Eergomotaż Półoc Techika Spawalicza i Laboratorium, Warszawa level_tmo@oet.pl 1. Wstęp Bezawaryja eksploatacja rurociągów wiąże się

Bardziej szczegółowo

Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15

Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15 Testowaie hipotez ZałoŜeia będące przedmiotem weryfikacji azywamy hipotezami statystyczymi. KaŜde przypuszczeie ma swoją alteratywę. Jeśli postawimy hipotezę, Ŝe średica pia jedoroczych drzew owej odmiay

Bardziej szczegółowo

Kolorowanie Dywanu Sierpińskiego. Andrzej Szablewski, Radosław Peszkowski

Kolorowanie Dywanu Sierpińskiego. Andrzej Szablewski, Radosław Peszkowski olorowaie Dywau ierpińskiego Adrzej zablewski, Radosław Peszkowski pis treści stęp... Problem kolorowaia... Róże rodzaje kwadratów... osekwecja atury fraktalej...6 zory rekurecyje... Przekształcaie rekurecji...

Bardziej szczegółowo

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ LABORATORIUM RACHUNEK EKONOMICZNY W ELEKTROENERGETYCE INSTRUKCJA DO ĆWICZENIA

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi.

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi. Jarosław Wróblewski Aaliza Matematycza 1A, zima 2012/13 Ciągi. Ćwiczeia 5.11.2012: zad. 140-173 Kolokwium r 5, 6.11.2012: materiał z zad. 1-173 Ćwiczeia 12.11.2012: zad. 174-190 13.11.2012: zajęcia czwartkowe

Bardziej szczegółowo

TRANSFORMACJA DO UKŁADU 2000 A PROBLEM ZGODNOŚCI Z PRG

TRANSFORMACJA DO UKŁADU 2000 A PROBLEM ZGODNOŚCI Z PRG Tomasz ŚWIĘTOŃ 1 TRANSFORMACJA DO UKŁADU 2000 A ROBLEM ZGODNOŚCI Z RG Na mocy rozporządzeia Rady Miistrów w sprawie aństwowego Systemu Odiesień rzestrzeych już 31 grudia 2009 roku upływa termi wykoaia

Bardziej szczegółowo

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

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

Bardziej szczegółowo

SYSTEM OCENY STANU NAWIERZCHNI SOSN ZASADY POMIARU I OCENY STANU RÓWNOŚCI PODŁUŻNEJ NAWIERZCHNI BITUMICZNYCH W SYSTEMIE OCENY STANU NAWIERZCHNI SOSN

SYSTEM OCENY STANU NAWIERZCHNI SOSN ZASADY POMIARU I OCENY STANU RÓWNOŚCI PODŁUŻNEJ NAWIERZCHNI BITUMICZNYCH W SYSTEMIE OCENY STANU NAWIERZCHNI SOSN ZAŁĄCZNIK B GENERALNA DYREKCJA DRÓG PUBLICZNYCH Biuro Studiów Sieci Drogowej SYSTEM OCENY STANU NAWIERZCHNI SOSN WYTYCZNE STOSOWANIA - ZAŁĄCZNIK B ZASADY POMIARU I OCENY STANU RÓWNOŚCI PODŁUŻNEJ NAWIERZCHNI

Bardziej szczegółowo

Optymalizacja sieci powiązań układu nadrzędnego grupy kopalń ze względu na koszty transportu

Optymalizacja sieci powiązań układu nadrzędnego grupy kopalń ze względu na koszty transportu dr hab. iż. KRYSTIAN KALINOWSKI WSIiZ w Bielsku Białej, Politechika Śląska dr iż. ROMAN KAULA Politechika Śląska Optymalizacja sieci powiązań układu adrzędego grupy kopalń ze względu a koszty trasportu

Bardziej szczegółowo

Podstawowe pojęcia. Próba losowa. Badanie próby losowej

Podstawowe pojęcia. Próba losowa. Badanie próby losowej METODY PROBABILISTYCZNE I STATYSTYKA WYKŁAD 8: STATYSTYKA OPISOWA. ROZKŁADY PRAWDOPODOBIEŃSTWA WYSTĘPUJĄCE W STATYSTYCE. Małgorzata Krętowska Wydział Iforatyki Politechika Białostocka Podstawowe pojęcia

Bardziej szczegółowo

Pierwiastki z liczby zespolonej. Autorzy: Agnieszka Kowalik

Pierwiastki z liczby zespolonej. Autorzy: Agnieszka Kowalik Pierwiastki z liczby zespoloej Autorzy: Agieszka Kowalik 09 Pierwiastki z liczby zespoloej Autor: Agieszka Kowalik DEFINICJA Defiicja : Pierwiastek z liczby zespoloej Niech będzie liczbą aturalą. Pierwiastkiem

Bardziej szczegółowo

Uwarunkowania rozwojowe województw w Polsce analiza statystyczno-ekonometryczna

Uwarunkowania rozwojowe województw w Polsce analiza statystyczno-ekonometryczna 3 MAŁGORZATA STEC Dr Małgorzata Stec Zakład Statystyki i Ekoometrii Uiwersytet Rzeszowski Uwarukowaia rozwojowe województw w Polsce aaliza statystyczo-ekoometrycza WPROWADZENIE Rozwój społeczo-gospodarczy

Bardziej szczegółowo

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja Podstawowe ozaczeia i wzory stosowae a wykładzie i laboratorium Część I: estymacja 1 Ozaczeia Zmiee losowe (cechy) ozaczamy a wykładzie dużymi literami z końca alfabetu. Próby proste odpowiadającymi im

Bardziej szczegółowo

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej 3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi

Bardziej szczegółowo

MIANO ROZTWORU TITRANTA. Analiza statystyczna wyników oznaczeń

MIANO ROZTWORU TITRANTA. Analiza statystyczna wyników oznaczeń MIANO ROZTWORU TITRANTA Aaliza saysycza wyików ozaczeń Esymaory pukowe Średia arymeycza x jes o suma wyików w serii podzieloa przez ich liczbę: gdzie: x i - wyik poszczególego ozaczeia - liczba pomiarów

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

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

Bardziej szczegółowo

ZESZYTY NAUKOWE NR 11(83) AKADEMII MORSKIEJ W SZCZECINIE. Analiza dokładności wskazań obiektów nawodnych. Accuracy Analysis of Sea Objects

ZESZYTY NAUKOWE NR 11(83) AKADEMII MORSKIEJ W SZCZECINIE. Analiza dokładności wskazań obiektów nawodnych. Accuracy Analysis of Sea Objects ISSN 1733-8670 ZESZYTY NAUKOWE NR 11(83) AKADEMII MORSKIEJ W SZCZECINIE IV MIĘDZYNARODOWA KONFERENCJA NAUKOWO-TECHNICZNA E X P L O - S H I P 2 0 0 6 Adrzej Burzyński Aaliza dokładości wskazań obiektów

Bardziej szczegółowo

Histogram: Dystrybuanta:

Histogram: Dystrybuanta: Zadaie. Szereg rozdzielczy (przyjmujemy przedziały klasowe o długości 0): x0 xi i środek i*środek i_sk częstości częstości skumulowae 5 5 8 0 60 8 0,6 0,6 5 5 9 0 70 7 0,8 0, 5 5 5 0 600 0, 0,6 5 55 8

Bardziej szczegółowo

2 n < 2n + 2 n. 2 n = 2. 2 n 2 +3n+2 > 2 0 = 1 = 2. n+2 n 1 n+1 = 2. n+1

2 n < 2n + 2 n. 2 n = 2. 2 n 2 +3n+2 > 2 0 = 1 = 2. n+2 n 1 n+1 = 2. n+1 Tekst a iebiesko jest kometarzem lub treścią zadaia. Zadaie 1. Zbadaj mootoiczość i ograiczoość ciągów. a = + 3 + 1 Ciąg jest mootoiczie rosący i ieograiczoy poieważ różica kolejych wyrazów jest dodatia.

Bardziej szczegółowo

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o 1. Wioskowaie statystycze. W statystyce idetyfikujemy: Cecha-Zmiea losowa Rozkład cechy-rozkład populacji Poadto miaem statystyki określa się także fukcje zmieych losowych o tym samym rozkładzie. Rozkłady

Bardziej szczegółowo

1 Dwuwymiarowa zmienna losowa

1 Dwuwymiarowa zmienna losowa 1 Dwuwymiarowa zmiea loowa 1.1 Dwuwymiarowa zmiea loowa kokowa X = x i, Y = y k = p ik przy czym i, k N oraz p ik = 1; i k p i = X = x i = p ik dla i N; p k = Y = y k = p ik dla k N; k i F 1 x = p i dla

Bardziej szczegółowo