METODY ANALIZY DANYCH PRZESTRZENNYCH W BADANIACH ODCHY EK GEOMETRYCZNYCH WYZNACZANYCH W POMIARACH WSPÓ RZ DNO CIOWYCH POWIERZCHNI SWOBODNYCH

Wielkość: px
Rozpocząć pokaz od strony:

Download "METODY ANALIZY DANYCH PRZESTRZENNYCH W BADANIACH ODCHY EK GEOMETRYCZNYCH WYZNACZANYCH W POMIARACH WSPÓ RZ DNO CIOWYCH POWIERZCHNI SWOBODNYCH"

Transkrypt

1 K O M I S J A B U D O W Y M A S Z Y N P A N O D D Z I A W P O Z N A N I U Vol. 9 r Archiwum Techologii Maszy i Automatyzacji 009 MAGORZATA PONIATOWSKA * METODY ANALIZY DANYCH PRZESTRZENNYCH W BADANIACH ODCHYEK GEOMETRYCZNYCH WYZNACZANYCH W POMIARACH WSPÓRZDNOCIOWYCH POWIERZCHNI SWOBODNYCH Pomiary wspórzdociowe s ródem cyfrowych daych w postaci wspórzdych puktów pomiarowych o dyskretym rozkadzie a mierzoej powierzchi. Odchyki geometrycze powierzchi swobodych wyzacza si w kadym pukcie jako odchyki ormale tych puktów od powierzchi omialej (modelu CAD). Róe przyczyy bdów w procesie wytwarzaia prowadz do powstawaia odchyek o odmieym charakterze, determiistyczym i losowym. Udzia zjawisk losowych w odchykach geometryczych powierzchi zaley od rodzaju obróbki. W artykule zapropoowao stosowaie metod aalizy daych przestrzeych do bada losowoci odchyek geometryczych powierzchi swobodych, polegajce a testowaiu ich przestrzeej autokorelacji. Sowa kluczowe: pomiary wspórzdociowe, powierzchia swoboda, odchyki geometrycze, przestrzea autokorelacja 1. WPROWADZENIE Wspórzdociowa techika pomiarowa polega a okrelaiu wartoci wspórzdych puktów pomiarowych lokalizowaych a powierzchi przedmiotu. W wyiku pomiaru otrzymuje si zbiór daych dyskretych w postaci wspórzdych puktów pomiarowych. Z puktu widzeia techik CAD/CAM ajwaiejsz cech pomiarów wspórzdociowych jest dostarczaie daych o geometrii przedmiotu w postaci cyfrowej. W pomiarach wspórzdociowych typowych czci maszy, opisaych za pomoc prostych figur geometryczych, wykorzystuje si wbudowae w oprogramowaia makroistrukcje; a podstawie wspórzdych puktów pomiarowych wyzaczae s skojarzoe elemety geometrycze, a astpie ich wy- * Dr i. Katedra Iyierii Materiaowej i Techologii Maszy Politechiki Biaostockiej. Praca aukowa fiasowaa przez MNiSW ze rodków a auk w latach jako projekt badawczy N N

2 64 M. Poiatowska miary oraz odchyki ksztatu i pooeia. Kotrola dokadoci sprowadza si do porówaia wyzaczoych wymiarów z daymi zawartymi a rysukach kostrukcyjych. Dla zapewieia fukcjoaloci, ergoomii i estetyki wyrobów czsto projektuje si czci maszy zooe z powierzchi swobodych 3D. Tego typu czci s uksztatowae przez powierzchie, których ie da si opisa prostymi rówaiami matematyczymi. W projektowaiu, wytwarzaiu i pomiarach powierzchi swobodych wykorzystuje si techiki CAD/CAM. Kotrola dokadoci polega a digitalizacji badaego obiektu (pomiar wspórzdociowy metod skaigu wedug regularej siatki puktów), a astpie a porówaiu otrzymaych wspórzdych puktów pomiarowych z projektem (modelem) CAD. Wartoci odchyek geometryczych powierzchi swobodej, czyli ormale odchyki puktów pomiarowych od powierzchi omialej, moa obliczy, wyzaczajc uprzedio skadowe bdów w kierukach X, Y, Z [6]. Za pomoc oprogramowaia wspórzdociowych maszy pomiarowych wykouje si automatyczie takie obliczeia dla kadego puktu pomiarowego w opcji skaowaia UV, przezaczoej do skaowaia a podstawie modelu CAD (UV kieruki parametryzacji powierzchi B-sklejaej). Wyiki kotroli dokado- ci wykoaia moa przedstawi w postaci przestrzeego wykresu. Odchyki geometrycze w kadym pukcie pomiarowym s skutkiem oddziaywaia róych przyczy, zarówo o charakterze zdetermiowaym jak i losowym. Odchyki zdetermiowae s przestrzeie skorelowae, brak przestrzeej korelacji ozacza ich losowo. Do bada autokorelacji odchyek powierzchi swobodych w ujciu przestrzeym aley stosowa metody aalizy daych przestrzeych. Statystyka przestrzea, propoowae w iej metody umoliwiaj ilociowy opis przestrzeych powiza daych.. CHARAKTERYSTYKA ODCHYEK GEOMETRYCZNYCH POWIERZCHNI Odchyki geometrycze powierzchi s spowodowae wieloma czyikami. lady a powierzchi s spowodowae róymi bdami w procesie wytwarzaia. Odchyki geometrycze s czym skutkiem tych bdów. Na przykad, bdy frezowaia wykaczajcego mog by podzieloe a trzy skadowe: odchyki ksztatu, falisto i chropowato. Skadowe zwizae z odchykami ksztatu i falistoci s aooymi a powierzchi omial ieregularo- ciami powierzchi dajcymi w efekcie gadk powierzchi. Skadowa zwizaa ze zjawiskami losowymi, m.i. chropowatoci powierzchi, to ieregularo- ci o duej czstotliwoci. Powierzchia rzeczywista to wyik aoeia falisto- ci i chropowatoci a powierzchi omial. Udzia zjawisk losowych w odchykach geometryczych powierzchi zaley od rodzaju obróbki. Dae lite-

3 Metody aalizy daych przestrzeych w badaiach odchyek geometryczych raturowe i badaia wase wskazuj, e po wykaczajcej obróbce frezowaiem przypadkowe odchyki geometrycze powierzchi maj wiksze wartoci i odchyki zdetermiowae [3, 4]. Przyczyami odchyek ksztatu s m.i. odchyki prowadic obrabiarki, odksztaceia obrabiaego przedmiotu lub elemetów obrabiarki, ieprawidowe zamocowaie. Falisto powierzchi powoduj m.i. odchyki geometrycze lub odchyki ruchu arzdzia, drgaia obrabiarki lub arzdzia. Chropowato jest spowodowaa ksztatem ostrza arzdzia oraz posuwem wzduym lub wgbym arzdzia, a take drgaiami a styku przedmiot arzdzie. W pomiarach wspórzdociowych okrela si wspórzde skoczoej liczby puktów a powierzchi elemetu. Celem tych pomiarów jest wyzaczeie gadkiej powierzchi aooej a powierzchi omial. Jedak w procesie pomiarowym skadowa losowa akada si a skadow zdetermiowa. W kosekwecji przestrzee wspórzde zebrae w kadym pukcie pomiarowym zawieraj dwie odrbe skadowe. Skadowa zwizaa z odchykami zdetermiowaymi reprezetuje tred gadkiej powierzchi i jest przestrzeie skorelowaa. Natomiast skadowa losowa jest sabo skorelowaa i jest uwaaa za przestrzeie losow. Powierzchia zbudowaa z puktów pomiarowych jest wic bardziej zooa i powierzchia omiala. Odchyki geometrycze powierzchi maj wic charakter mieszay, zarówo co do wartoci jak i co do przestrzeego rozkadu. Jeli obserwacja rozkadu przestrzeego daych wykazuje systematycz zmieo, a graficze odzwierciedleie wartoci a mapie daje swoisty wzór, mówi si o ich przestrzeej autokorelacji, o przewadze zjawisk zdetermiowaych ad losowymi. W przeciwym razie ieuporzdkoway rozkad odchyek wskazuje a przewag wpywów przestrzeie losowych. Na rysukach i 3 zamieszczoo przestrzey rozkad, a a rys. 5 map wyzaczoych odchyek geometryczych powierzchi przedmiotu ze stopu alumiium (zaprezetowaego a rys. 1) w odiesieiu do omialych wspórzdych x i y. Zastosowao obróbk wykaczajc frezowaiem: frez kulisty o redicy 6 mm, prdko obrotowa wrzecioa 7500 obr/mi, posuw roboczy 300 mm/mi oraz dwustro obróbk metod wierszowaia w paszczyie XY. Pomiary wykoao a wspórzdociowej maszyie pomiarowej Mistral Stadard Brow&Sharpe. Wykorzystao gowic pomiarow TP00 z trzpieiem pomiarowym dugoci 0 mm, zakoczoym kulist kocówk pomiarow o redicy mm. Powierzchi o wymiarach podstawy mm skaowao metod UV i otrzymao 500 rówomierie rozmieszczoych puktów pomiarowych (50 wierszy i 50 kolum).

4 66 M. Poiatowska Rys. 1. Model CAD powierzchi przedmiotu Fig. 1. Model CAD of the surface Moa zaobserwowa, e pukty pomiarowe zawieraj zarówo skadowe przestrzeie zdetermiowae, jak i losowe (rys. i 3). Badaie losowoci wartoci otrzymaych odchyek, ieuwzgldiajce przestrzeych powiza, wykazao, e dae podlegaj ormalemu rozkadowi prawdopodobiestwa, co ilustruje rys. 4. Dae uzyskae w pomiarach powierzchi swobodych maj charakter 3D, aaliza ograiczoa do wartoci odchyek ie daje wielu iformacji. Dla wioskowaia o przebiegu obróbki a frezarkach wieloosiowych bardzo cee s iformacje o przestrzeym rozkadzie odchyek. Z [mm] 0,000-0,005-0,010-0,015-0,0 0-0, Y [mm] 0-0,05-0,00-0,015-0,010-0,005 0, X [m m ] Rys.. Wartoci odchyek geometryczych w odiesieiu do paszczyzy XY Fig.. Geometric deviatios versus XY plae

5 Metody aalizy daych przestrzeych w badaiach odchyek geometryczych Z [mm] -0, ,0 1-0, , , ,0 0 Y [mm] ,0 0-0, , , ,0 1-0, X [m m ] Rys. 3. Wybray fragmet wykresu z rys. w powikszeiu Fig. 3. Elarged selected sector of the plot i Fig Liczba obs ,06-0,01-0,016-0,011-0,007-0,00 0,003-0,04-0,019-0,014-0,009-0,004 0,001 mm Rys. 4. Histogram odchyek geometryczych powierzchi Fig. 4. Histogram of geometric deviatios Przestrzey rozkad odchyek w odiesieiu do paszczyzy XY ajatwiej moa obserwowa a barwej mapie (rys. 5). W tym przypadku w odiesieiu do losowych wartoci wykres wskazuje a przewag przestrzeej struktury zdetermiowaej. Niemoliwe jest jedak podjcie jedozaczej decyzji bez zastosowaia odpowiedich metod ujmujcych ilociowo przestrzee zwizki daych. Takie moliwoci daje statystyka przestrzea i zwizae z i metody aalizy daych przestrzeych.

6 68 M. Poiatowska Y [mm] ,05-0,00-0,015-0,010-0,005 0, X [mm] Rys. 5. Mapa odchyek geometryczych powierzchi Fig. 5. Map of geometric deviatios 3. METODY BADA PRZESTRZENNEJ AUTOKORELACJI DANYCH Przestrzea autokorelacja daych odosi si do systematyczych zmia przestrzeych. W ujciu ogólym dodatia autokorelacja ozacza, e obserwowae wartoci cech w wybraym regioie s podobiejsze do cech regioów ssiedich, i wyikaoby to z losowego rozmieszczeia tych wartoci. Ujema autokorelacja przestrzea wartoci w regioach ssiedich ozacza, e s oe róe bardziej, i wyikaoby to z ich rozoeia losowego. Brak autokorelacji przestrzeej ozacza przestrze losowo. Wartoci obserwowae w daym obszarze ie zale od wartoci obserwowaych w obszarach ssiedich, a obserwoway wzorzec przestrzey jest tak samo prawdopodoby jak kady iy wzorzec przestrzey. Do testowaia istieia zaleoci przestrzeej wykorzystuje si statystyki globale i lokale Moraa i Geary ego dla daej zmieej. Zasig efektów przestrzeych moe by baday przez aaliz opóieia w procesie przestrzeym, a struktura zaleoci przestrzeej przez testowaie i wybór macierzy wag, defiiowaych wedug róych kryteriów [1, ]. Z daych literaturowych wyika, e czciej wykorzystuje si statystyk I Moraa, która moe by stosowaa do aalizy daych przestrzeych zarówo

7 Metody aalizy daych przestrzeych w badaiach odchyek geometryczych o rozkadach ormalych, jak i ieokreloych rozkadach prawdopodobiestwa [1, ]. Adaptujc metody statystyki przestrzeej stosowae w badaiach przestrzeej autokorelacji do bada odchyek geometryczych, aley wyzaczy: i odchyki geometrycze w kadym pukcie pomiarowym, redi arytmetycz odchyek geometryczych w puktach pomiarowych, w ij wspóczyiki wag, elemety macierzy wag bdce miar przestrzeej relacji midzy i i j. Macierz wag przestrzeych defiiuje struktur przestrzeego ssiedztwa. Pozwala mierzy przestrzee powizaia, jest kostruowaa w celu specyfikacji przestrzeej zaleoci. Przyjmuje si jed z moliwych struktur zaleo- ci, p. ssiedztwo wedug wspólej graicy, ssiedztwo w przyjtym promieiu czy odwrotoci odlegoci. Do bada odchyek geometryczych ajbardziej odpowiedie jest uzaleieie przestrzeej relacji od odlegoci midzy puktami pomiarowymi, a w szczególoci od odwrotoci odlegoci. W wyiku skaowaia otrzymujemy wspórzde (oraz odchyki geometrycze) puktów rozmieszczoych a powierzchi wedug regularej siatki. Odlego midzy puktami i i j, zgodie z miar euklidesow, opisuje wzór: d ij 1 x x y y, (1) i j gdzie: x i, y i wspórzde puktu i, x j, y j wspórzde puktu j, d ij odlego midzy puktami pomiarowymi i i j. Jeli przyjmiemy, e zaleo midzy wartociami odchyek w puktach i i j maleje ze wzrostem odlegoci, relacj t moemy wyrazi astpujco: k i j w ij d ij, () gdzie: w ij = 0 dla i = j, k staa (k 1). Wspóczyik przestrzeej autokorelacji ma posta: gdzie I w ij i1 j 1 0 i1 S i i j, (3) S 0 w ij j i1 j1 i.

8 70 M. Poiatowska Statystyka I Moraa ma rozkad asymptotyczie ormaly (dla ). W dalszej kolejoci, po wyzaczeiu wspóczyika I, aley zweryfikowa hipotez zerow o braku przestrzeej autokorelacji a zaooym poziomie ufoci [5]. Momety rozkadu moa wyzaczy przy zaoeiu, e odchyki pochodz z populacji o rozkadzie ormalym oraz z populacji o ieokreloym (radomizowaym) rozkadzie prawdopodobiestwa. Przyjmujc radomizoway rozkad prawdopodobiestwa dla odchyek geometryczych, warto oczekiwa E(I) i wariacj var(i) oblicza si ze wzorów [1, 5]: gdzie: 3 3S S 3S b 1 S 1 EI, (4) 1 var( I ) 6S , S 1 1 S b, 1 w ij w ji i1 j1 w i (.) w(.) j, i1 S S i j, w i (.) w ij, w (.) j w ji. j i Warto oczekiwaa (4) statystyki I Moraa (3) jest bliska 0, co moa iterpretowa jako losowo [1,, 5]. Weryfikacja hipotezy o braku przestrzeej autokorelacji (losowoci) badaej próbki odchyek geometryczych przebiega wedug astpujcego plau: 1. Postawieie hipotezy zerowej H 0 : odchyki geometrycze ie s przestrzeie skorelowae. Hipoteza alteratywa H 1 : odchyki geometrycze s przestrzeie skorelowae.. Przyjcie poziomu istotoci, czyli prawdopodobiestwa odrzuceia hipotezy zerowej, gdy jest prawdziwa. z I p E I / var I, I p wspóczyik 3. Obliczeie statystyki testowej obliczoy z próby, momety rozkadu obliczoe ze wzorów (4) i (5). 1 (5)

9 Metody aalizy daych przestrzeych w badaiach odchyek geometryczych Wyzaczeie graiczej wartoci statystyki z g dla przyjtego poziomu; gdy warto statystyki testowej z < z g, brak jest podstaw do odrzuceia hipotezy zerowej i przyjmujemy wówczas hipotez zerow; w przeciwym razie hipotez alteratyw. W badaiach odchyek geometryczych przyjcie hipotezy zerowej ozacza przestrze losowo badaej próby odchyek. 4. PODSUMOWANIE Do bada odchyek geometryczych powierzchi swobodych ajodpowiediejsze s metody aalizy daych przestrzeych, gdy pozwalaj oe uzyska iformacje o przestrzeej zaleoci midzy wartociami odchyek w poszczególych puktach pomiarowych. Iformacje o dokadoci wykoaia powierzchi s istote zarówo ze wzgldu a waciwoci tej powierzchi, jak i proces techologiczy. Metody te moa wykorzysta do bada surowych daych, czyli otrzymaych bezporedio z pomiarów, jak rówie do bada reszt powierzchiowych modeli regresji w badaiach adekwatoci modeli. Wykrycie dodatiej korelacji przestrzeej dowodzi istieia systematyczych bdów obróbki, charakter bdów pozwala a okreleie ich wartoci, a astpie elimiacj przez usuicie róde bdów czy korekcj programu obróbkowego. LITERATURA [1] Cliff A. D., Ord J. K., Spatial Processes, Lodo, Pio Ltd [] Kopczewska K., Ekoometria i statystyka przestrzea, Warszawa, CeDeWu 007. [3] Poiatowska M., Characteristics of geometric errors determied usig discrete measuremet data, Archiwum Techologii Maszy i Automatyzacji, 008, vol. 8, o., s [4] Poiatowska M., Determiig the ucertaity of fittig discrete measuremet data to a omial surface, Metrology ad Measuremet Systems, 008, vol. 15, o. 4, s [5] Upto G. J. G., Figleto B., Spatial Data Aalysis by Example, vol. 1, New York, Wiley [6] Werer A., Poiatowska M., Determiig errors i complex surfaces machiig with the use of CNC machie tools, Archiwum Techologii Maszy i Automatyzacji, 006, vol. 6, o., s Praca wpya do Redakcji Recezet: prof. dr i. Eugeiusz Ratajczyk

10 7 M. Poiatowska METHODS OF SPATIAL DATA ANALYSIS IN RESEARCH ON GEOMETRIC DEVIATIONS DETERMINED IN COORDINATE MEASUREMENTS OF FREEFORM SURFACES S u m m a r y Coordiate measuremets are the source of digital data i the form of coordiates of the measuremet poits of a discrete distributio o the measured surface. The geometric deviatios of freeform surfaces are determied at each poit as ormal deviatios of these poits from the omial surface (the CAD model). Differet sources of errors i the productio process result i deviatios of differet character, determiistic ad radom. The cotributio of radom pheomea o the surface depeds o the type of processig. The article suggests applyig the methods of aalysis of spatial data i research o the geometric deviatios radomess of freeform surfaces, cosistig i testig their spatial autocorrelatio. Key words: coordiate measuremets, freeform surface, geometric deviatios, spatial autocorrelatio

KLUCZ ODPOWIEDZI I ZASADY PUNKTOWANIA PRÓBNEGO EGZAMINU MATURALNEGO Z MATEMATYKI POZIOM PODSTAWOWY

KLUCZ ODPOWIEDZI I ZASADY PUNKTOWANIA PRÓBNEGO EGZAMINU MATURALNEGO Z MATEMATYKI POZIOM PODSTAWOWY KLUCZ ODPOWIEDZI I ZASADY PUNKTOWANIA PRÓBNEGO EGZAMINU MATURALNEGO Z MATEMATYKI POZIOM PODSTAWOWY Nr zadaia Odpowiedzi Pukty Badae umiejtoci Obszar stadardu 1. B 0 1 plauje i wykouje obliczeia a liczbach

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

218 MECHANIK NR 3/2015

218 MECHANIK NR 3/2015 8 MECHANIK NR 3/05 Włodzimierz MAKIEŁA Damia GOGOLEWSKI trasformata falkoa, chropoatość poierzchi, dekompozycja, korelacja, autokorelacja, etropia avelet trasform, surface roughess, decompositio, correlatio,

Bardziej szczegółowo

BOOTSTRAPOWA WERYFIKACJA HIPOTEZ O WARTO CI OCZEKIWANEJ POPULACJI O ROZK ADZIE ASYMETRYCZNYM

BOOTSTRAPOWA WERYFIKACJA HIPOTEZ O WARTO CI OCZEKIWANEJ POPULACJI O ROZK ADZIE ASYMETRYCZNYM A C T A U N I V E R S I T A T I S L O D Z I E N S I S FOLIA OECONOMICA 27, 22 OOTSTRAPOWA WERYFIKACJA HIPOTEZ O WARTOCI OCZEKIWANEJ POPULACJI O ROZKADZIE ASYMETRYCZNYM Streszczeie. W pracy przedstawioa

Bardziej szczegółowo

L a b o r a t o r i u m (hala 20 ZOS)

L a b o r a t o r i u m (hala 20 ZOS) Politechika Pozańska Istytut Techologii Mechaiczej Zakład Obróbki Skrawaiem : Studium: iestacjoare I st. : Kieruek: MiBM Specjalość: IME Rok akad.: 05/6 Liczba godzi - Zaawasowae Procesy Wytwarzaia L a

Bardziej szczegółowo

ANALIZA ZJAWISKA STARZENIA SIĘ LUDNOŚCI ŚLĄSKA W UJĘCIU PRZESTRZENNYM

ANALIZA ZJAWISKA STARZENIA SIĘ LUDNOŚCI ŚLĄSKA W UJĘCIU PRZESTRZENNYM Katarzya Zeug-Żebro Uiwersytet Ekoomiczy w Katowicach Katedra Matematyki katarzya.zeug-zebro@ue.katowice.pl ANALIZA ZJAWISKA STARZENIA SIĘ LUDNOŚCI ŚLĄSKA W UJĘCIU PRZESTRZENNYM Wprowadzeie Zjawisko starzeia

Bardziej szczegółowo

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12 Wykład Korelacja i regresja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Wykład 8. Badaie statystycze ze względu

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

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

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

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

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

Pojcie estymacji. Metody probabilistyczne i statystyka Wykład 9: Estymacja punktowa. Własnoci estymatorów. Rozkłady statystyk z próby.

Pojcie estymacji. Metody probabilistyczne i statystyka Wykład 9: Estymacja punktowa. Własnoci estymatorów. Rozkłady statystyk z próby. Pojcie estymacji Metody probabilistycze i statystyka Wykład 9: Estymacja puktowa. Własoci estymatorów. Rozkłady statystyk z próby. Szacowaie wartoci parametrów lub rozkładu zmieej losowej w populacji geeralej

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

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

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

Bardziej szczegółowo

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

Matematyczne aspekty modelowania paj czynowego obiektów

Matematyczne aspekty modelowania paj czynowego obiektów BIULETY ISTYTUTU SYSTEÓW IFORATYCZYCH 4-8 (009) atematycze aspekty modelowaia pajczyowego obiektów A. AELJACZYK e-mail:aameljaczyk@wat.edu.pl Istytut Systemów Iformatyczych Wydzia Cyberetyki WAT ul. S.

Bardziej szczegółowo

lim a n Cigi liczbowe i ich granice

lim a n Cigi liczbowe i ich granice Cigi liczbowe i ich graice Cigiem ieskoczoym azywamy dowol fukcj rzeczywist okrelo a zbiorze liczb aturalych. Dla wygody zapisu, zamiast a() bdziemy pisa a. Elemet a azywamy -tym wyrazem cigu. Cig (a )

Bardziej szczegółowo

WYBÓR PUNKTÓW POMIAROWYCH

WYBÓR PUNKTÓW POMIAROWYCH Scientific Bulletin of Che lm Section of Technical Sciences No. 1/2008 WYBÓR PUNKTÓW POMIAROWYCH WE WSPÓŁRZĘDNOŚCIOWEJ TECHNICE POMIAROWEJ MAREK MAGDZIAK Katedra Technik Wytwarzania i Automatyzacji, Politechnika

Bardziej szczegółowo

Analiza algorytmów to dział informatyki zajmujcy si szukaniem najefektywniejszych, poprawnych algorytmów dla danych problemów komputerowych

Analiza algorytmów to dział informatyki zajmujcy si szukaniem najefektywniejszych, poprawnych algorytmów dla danych problemów komputerowych Temat: Poprawo całkowita i czciowa algorytmu. Złooo obliczeiowa algorytmu. Złooo czasowa redia i pesymistycza. Rzd fukcji. I. Literatura 1. L. Baachowski, K. Diks, W. Rytter Algorytmy i struktury daych.

Bardziej szczegółowo

Wprowadzenie. metody elementów skończonych

Wprowadzenie. metody elementów skończonych Metody komputerowe Wprowadzeie Podstawy fizycze i matematycze metody elemetów skończoych Literatura O.C.Ziekiewicz: Metoda elemetów skończoych. Arkady, Warszawa 972. Rakowski G., acprzyk Z.: Metoda elemetów

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

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

Elastyczno silników FIAT

Elastyczno silników FIAT ARCHIWU OTORYZACJI 4, pp. 319-35 (009) Elastyczo silików FIAT JANUSZ YSŁOWSKI, WAWRZYNIEC GOŁBIEWSKI Zachodiopomorski Uiwersytet Techologiczy W artykule przedstawioo elastyczo silików FIAT. Pierwszym aspektem

Bardziej szczegółowo

ROZDZIAŁ VIII OPTYMALIZACJA W DIAGNOSTYCE MASZYN

ROZDZIAŁ VIII OPTYMALIZACJA W DIAGNOSTYCE MASZYN ... auka zaczya si wtedy, kiedy zaczya si mierzeie... ROZZIAŁ VIII OPTYMALIZACJA W IAGNOSTYCE MASZYN 8. Wprowadzeie 8.2 Jako maszy w aspekcie diagostyki 8.3 Model destrukcji maszy 8.4 Optymalizacja testów

Bardziej szczegółowo

SYMULACJA MIKROSKOPOWA RUCHU W MODELU OBSZAROWYM SIECI DROGOWEJ

SYMULACJA MIKROSKOPOWA RUCHU W MODELU OBSZAROWYM SIECI DROGOWEJ PRACE NAUKOWE POLITECHNIKI WARSZAWSKIEJ z. 86 Trasport 202 Staisaw Krawiec, Ireeusz Celiski Wydzia Trasportu, Politechika lska SYMULACJA MIKROSKOPOWA RUCHU W MELU OBSZAROWYM SIECI DROGOWEJ Rkopis dostarczoo,

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

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

EKONOMETRIA. Temat wykładu: Co to jest model ekonometryczny? Dobór zmiennych objaśniających w modelu ekonometrycznym CZYM ZAJMUJE SIĘ EKONOMETRIA?

EKONOMETRIA. Temat wykładu: Co to jest model ekonometryczny? Dobór zmiennych objaśniających w modelu ekonometrycznym CZYM ZAJMUJE SIĘ EKONOMETRIA? EKONOMETRIA Temat wykładu: Co to jest model ekoometryczy? Dobór zmieych objaśiających w modelu ekoometryczym Prowadzący: dr iż. Zbigiew TARAPATA e-mail: Zbigiew.Tarapata Tarapata@isi.wat..wat.edu.pl http://

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

EGZAMIN MATURALNY Z MATEMATYKI

EGZAMIN MATURALNY Z MATEMATYKI Miejsce a aklejk z kodem szkoy dysleksja EGZAMIN MATURALNY Z MATEMATYKI MMA-RAP-06 POZIOM ROZSZERZONY Czas pracy 0 miut Istrukcja dla zdajcego Sprawd, czy arkusz egzamiacyjy zawiera 4 stro (zadaia ) Ewetualy

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

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17 Egzami, 18.02.2017, godz. 9:00-11:30 Zadaie 1. (22 pukty) W każdym z zadań 1.1-1.10 podaj w postaci uproszczoej kresy zbioru oraz apisz, czy kresy ależą do zbioru (apisz TAK albo NIE, ewetualie T albo

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

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

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

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

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

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

Bardziej szczegółowo

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

Wybór systemu klasy ERP metod AHP

Wybór systemu klasy ERP metod AHP BIULETYN INSTYTUTU SYSTEMÓW INFORMATYCZNYCH 5 3-22 (200) Wybór systemu klasy ERP metod AHP A. CHOJNACI, O. SZWEDO e-mail: adrzej.chojacki@wat.edu.pl Wydzia Cyberetyki WAT ul. S. aliskiego 2, 00-908 Warszawa

Bardziej szczegółowo

EGZAMIN MATURALNY 2012 MATEMATYKA

EGZAMIN MATURALNY 2012 MATEMATYKA etrala Komisja Egzamiacyja EGZAMIN MATURALNY 01 MATEMATYKA POZIOM PODSTAWOWY Kryteria oceiaia odpowiedzi ZERWIE 01 Zadaie 1. (0 1) Obszar stadardów i iterpretowaie iformacji Opis wymaga Usuwaie iewymieroci

Bardziej szczegółowo

KATEDRA TECHNIK WYTWARZANIA I AUTOMATYZACJI. Obróbka skrawaniem i narzędzia

KATEDRA TECHNIK WYTWARZANIA I AUTOMATYZACJI. Obróbka skrawaniem i narzędzia KATEDRA TECHNIK WYTWARZANIA I AUTOMATYZACJI Przedmiot: Temat ćwiczeia: Obróbka skrawaiem i arzędzia Frezowaie Numer ćwiczeia: 5 1. Cel ćwiczeia Celem ćwiczeia jest pozaie odmia frezowaia, parametrów skrawaia,

Bardziej szczegółowo

( 0) ( 1) U. Wyznaczenie błędów przesunięcia, wzmocnienia i nieliniowości przetwornika C/A ( ) ( )

( 0) ( 1) U. Wyznaczenie błędów przesunięcia, wzmocnienia i nieliniowości przetwornika C/A ( ) ( ) Wyzaczeie błędów przesuięcia, wzmocieia i ieliiowości przetworika C/A Celem ćwiczeia jest wyzaczeie błędów przesuięcia, wzmocieia i ieliiowości przetworika C/A. Zając wartości teoretycze (omiale) i rzeczywiste

Bardziej szczegółowo

Iwona Foryś, Ewa Putek-Szeląg Uniwersytet Szczeciński s:

Iwona Foryś, Ewa Putek-Szeląg Uniwersytet Szczeciński  s: PRACE NAUKOWE UNIWERSYTETU EKONOMICZNEGO WE WROCŁAWIU RESEARCH PAPERS OF WROCŁAW UNIVERSITY OF ECONOMICS r 508 2018 Taksoomia 31 ISSN 1899-3192 Klasyfikacja i aaliza daych teoria i zastosowaia e-issn 2392-0041

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

2. Schemat ideowy układu pomiarowego

2. Schemat ideowy układu pomiarowego 1. Wiadomości ogóle o prostowikach sterowaych Układy prostowikowe sterowae są przekształtikami sterowaymi fazowo. UmoŜliwiają płya regulację średiej wartości apięcia wyprostowaego, a tym samym średiej

Bardziej szczegółowo

Czas trwania obligacji (duration)

Czas trwania obligacji (duration) Czas rwaia obligacji (duraio) Do aalizy ryzyka wyikającego ze zmia sóp proceowych (szczególie ryzyka zmiay cey) wykorzysuje się pojęcie zw. średiego ermiu wykupu obligacji, zwaego rówież czasem rwaia obligacji

Bardziej szczegółowo

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum MATEMATYKA (poziom podstawowy) przykładowy arkusz maturaly wraz ze schematem oceiaia dla klasy II Liceum Propozycja zadań maturalych sprawdzających opaowaie wiadomości i umiejętości matematyczych z zakresu

Bardziej szczegółowo

Analiza algorytmów to dział informatyki zajmujcy si szukaniem najefektywniejszych, poprawnych algorytmów dla danych problemów komputerowych.

Analiza algorytmów to dział informatyki zajmujcy si szukaniem najefektywniejszych, poprawnych algorytmów dla danych problemów komputerowych. Temat: Poprawo całkowita i czciowa algorytmu. Złooo obliczeiowa algorytmu. Złooo czasowa redia i pesymistycza. Rzd fukcji. I. Literatura 1. A. V. Aho, J.E. Hopcroft, J. D. Ullma - Projektowaie i aaliza

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

TEST SYMETRYCZNO CI LI

TEST SYMETRYCZNO CI LI A C T A U N I V E R S I T A T I S L O D Z I E N S I S FOLIA OECONOMICA 7, 0 Aleksadra Baszczyska TEST SYMETRYCZNOCI LI Streszczeie. Test symetryczoci rozkadu zmieej losowej zapropooway przez Li w 997 roku

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

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

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

Bardziej szczegółowo

OBWODY LINIOWE PRĄDU STAŁEGO

OBWODY LINIOWE PRĄDU STAŁEGO Politechika Gdańska Wydział Elektrotechiki i Automatyki 1. Wstęp st. stacjoare I st. iżyierskie, Eergetyka Laboratorium Podstaw Elektrotechiki i Elektroiki Ćwiczeie r 1 OBWODY LINIOWE PRĄDU STAŁEGO Obwód

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

POMIARY WARSZTATOWE. D o u ż y t k u w e w n ę t r z n e g o. Katedra Inżynierii i Aparatury Przemysłu Spożywczego. Ćwiczenia laboratoryjne

POMIARY WARSZTATOWE. D o u ż y t k u w e w n ę t r z n e g o. Katedra Inżynierii i Aparatury Przemysłu Spożywczego. Ćwiczenia laboratoryjne D o u ż y t k u w e w ę t r z e g o Katedra Iżyierii i Aparatury Przemysłu Spożywczego POMIARY WARSZTATOWE Ćwiczeia laboratoryje Opracowaie: Urszula Goik, Maciej Kabziński Kraków, 2015 1 SUWMIARKI Suwmiarka

Bardziej szczegółowo

Informatyka Stosowana-egzamin z Analizy Matematycznej Każde zadanie należy rozwiązać na oddzielnej, podpisanej kartce!

Informatyka Stosowana-egzamin z Analizy Matematycznej Każde zadanie należy rozwiązać na oddzielnej, podpisanej kartce! Iformatyka Stosowaa-egzami z Aalizy Matematyczej Każde zadaie ależy rozwiązać a oddzielej, podpisaej kartce! y, Daa jest fukcja f (, + y, a) zbadać ciągłość tej fukcji f b) obliczyć (,) (, (, (,) c) zbadać,

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

Ekstremalna teoria grafów Filip Lurka V Liceum ogólnoksztaªc ce w Krakowie

Ekstremalna teoria grafów Filip Lurka V Liceum ogólnoksztaªc ce w Krakowie Ekstremala teoria grafów Filip Lurka V Liceum ogóloksztaªc ce w Krakowie 1 Ekstremala Teoria Grafów 1 Ekstremala Teoria Grafów Filip Lurka 1.1 Teoria Deicja 1.1 Klik azywamy graf peªy; ka»de dwa wierzchoªki

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

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

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

WYZNACZANIE PARAMETRÓW ZASTĘPCZYCH LINIOWEGO ODBIORNIKA ENERGII ELEKTRYCZNEJ NA PODSTAWIE ANALIZY WIDMOWEJ

WYZNACZANIE PARAMETRÓW ZASTĘPCZYCH LINIOWEGO ODBIORNIKA ENERGII ELEKTRYCZNEJ NA PODSTAWIE ANALIZY WIDMOWEJ Prace aukowe Istytutu Maszy, apędów i Pomiarów Elektryczych r 56 Politechiki Wrocławskiej r 56 Studia i Materiały r 4 4 Józef KOLASA *, Grzegorz KOSOBUDZKI Układ zastępczy odbiorika, parametry zastępcze,

Bardziej szczegółowo

Równoliczno zbiorów. Definicja 3.1 Powiemy, e niepuste zbiory A i B s równoliczne jeeli istnieje. Piszemy wówczas A~B. Przyjmujemy dodatkowo, e ~.

Równoliczno zbiorów. Definicja 3.1 Powiemy, e niepuste zbiory A i B s równoliczne jeeli istnieje. Piszemy wówczas A~B. Przyjmujemy dodatkowo, e ~. 16 Rówoliczo zbiorów Defiicja 3.1 Powiemy, e iepuste zbiory A i B s rówolicze jeeli istieje f : A B. Piszemy wówczas A~B. Przyjmujemy dodatkowo, e ~. Twierdzeie 3.1 (podstawowa właso rówoliczoci zbiorów)

Bardziej szczegółowo

RAPORT Etap 1. Poznanie mechanizmów trybologicznych procesu HPC

RAPORT Etap 1. Poznanie mechanizmów trybologicznych procesu HPC RAPORT Etap 1 Poznanie mechanizmów trybologicznych procesu HPC Badania procesów wysokowydajnej obróbki powierzchni złożonych części z materiałów trudnoobrabialnych Nr WND-EPPK.01.03.00-18-017/13 1. Stanowisko

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

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

Statystyka matematyczna. Wykład II. Estymacja punktowa

Statystyka matematyczna. Wykład II. Estymacja punktowa Statystyka matematycza. Wykład II. e-mail:e.kozlovski@pollub.pl Spis treści 1 dyskretych Rozkłady zmieeych losowych ciągłych 2 3 4 Rozkład zmieej losowej dyskretej dyskretych Rozkłady zmieeych losowych

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

Prawdopodobieństwo i statystyka r.

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

Bardziej szczegółowo

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

1 Testy statystyczne. 2 Rodzaje testów

1 Testy statystyczne. 2 Rodzaje testów 1 Testy statystycze Podczas sprawdzaia hipotez statystyczych moga¾ wystapić ¾ dwa rodzaje b ¾edów. Prawdopodobieństwo b ¾edu polegajacego ¾ a odrzuceiu hipotezy zerowej (H 0 ), gdy jest oa prawdziwa, czyli

Bardziej szczegółowo

ZASTOSOWANIE MODELU CIE Lab W BADANIACH BARWY LOTNYCH POPIOŁÓW

ZASTOSOWANIE MODELU CIE Lab W BADANIACH BARWY LOTNYCH POPIOŁÓW 3-2012 PROBLEMY EKSPLOATACJI 177 Jarosław MOLENDA, Małgorzata WRONA, ElŜbieta SIWIEC Istytut Techologii Eksploatacji PIB, Radom ZASTOSOWANIE MODELU CIE Lab W BADANIACH BARWY LOTNYCH POPIOŁÓW Słowa kluczowe

Bardziej szczegółowo

Zadania - powtórzenie do egzaminu dojrzałoci

Zadania - powtórzenie do egzaminu dojrzałoci Zadaia - powtórzeie do egzamiu dojrzałoci. Dla jakich wartoci parametru m rozwizaie układu rówa y = m y = m jest par liczb o przeciwych zakach. Sformułuj waruek zbieoci ieskoczoego cigu geometryczego i

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

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

KADD Metoda najmniejszych kwadratów

KADD Metoda najmniejszych kwadratów Metoda ajmiejszych kwadratów Pomiary bezpośredie o rówej dokładości o różej dokładości średia ważoa Pomiary pośredie Zapis macierzowy Dopasowaie prostej Dopasowaie wielomiau dowolego stopia Dopasowaie

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

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

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

W³adys³aw Duliñski*, Czes³awa Ewa Ropa* ANALIZA RÓWNAÑ PRZEP YWU DLA USTALENIA ODLEG OŒCI POMIÊDZYT OCZNIAMI NA TRASIE GAZOCI GU WYSOKOPRÊ NEGO

W³adys³aw Duliñski*, Czes³awa Ewa Ropa* ANALIZA RÓWNAÑ PRZEP YWU DLA USTALENIA ODLEG OŒCI POMIÊDZYT OCZNIAMI NA TRASIE GAZOCI GU WYSOKOPRÊ NEGO WIERTNICTWO NAFTA GAZ TOM /1 005 W³ady³aw Duliñki*, Cze³awa Ewa Ropa* ANALIZA RÓWNAÑ RZE YWU DLA USTALENIA ODLEG OŒCI OMIÊDZYT OCZNIAMI NA TRASIE GAZOCI GU WYSOKORÊ NEGO 1. WSTÊ Sytem przey³owy azu ziemeo

Bardziej szczegółowo

Analiza dokładności pomiaru, względnego rozkładu egzytancji widmowej źródeł światła, dokonanego przy użyciu spektroradiometru kompaktowego

Analiza dokładności pomiaru, względnego rozkładu egzytancji widmowej źródeł światła, dokonanego przy użyciu spektroradiometru kompaktowego doi:1.15199/48.215.4.38 Eugeiusz CZECH 1, Zbigiew JAROZEWCZ 2,3, Przemysław TABAKA 4, rea FRYC 5 Politechika Białostocka, Wydział Elektryczy, Katedra Elektrotechiki Teoretyczej i Metrologii (1), stytut

Bardziej szczegółowo

Statystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )

Statystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( ) Statystyka Rozkład prawdopodobieństwa Testowanie hipotez Wykład III (04.01.2016) Rozkład t-studenta Rozkład T jest rozkładem pomocniczym we wnioskowaniu statystycznym; stosuje się go wyznaczenia przedziału

Bardziej szczegółowo

Opracowanie i analiza materiału statystycznego 419[01].O1.04

Opracowanie i analiza materiału statystycznego 419[01].O1.04 MINISTERSTWO EDUKACJI NARODOWEJ Ewa Kawczyńska-Kiełbasa Opracowaie i aaliza materiału statystyczego 419[01].O1.04 Poradik dla uczia Wydawca Istytut Techologii Eksploatacji Państwowy Istytut Badawczy Radom

Bardziej szczegółowo

OBLICZENIE SIŁ WEWNĘTRZNYCH DLA BELKI SWOBODNIE PODPARTEJ SWOBODNIE PODPARTEJ ALGORYTM DO PROGRAMU MATHCAD

OBLICZENIE SIŁ WEWNĘTRZNYCH DLA BELKI SWOBODNIE PODPARTEJ SWOBODNIE PODPARTEJ ALGORYTM DO PROGRAMU MATHCAD OBLICZENIE SIŁ WEWNĘTRZNYCH DLA BELKI ALGORYTM DO PROGRAMU MATHCAD 1 PRAWA AUTORSKIE BUDOWNICTWOPOLSKIE.PL GRUDZIEŃ 2010 Rozpatrujemy belkę swobodie podpartą obciążoą siłą skupioą, obciążeiem rówomierie

Bardziej szczegółowo

DIAGNOZOWANIE STANÓW ZDOLNO CI JAKO CIOWEJ PROCESU PRODUKCYJNEGO

DIAGNOZOWANIE STANÓW ZDOLNO CI JAKO CIOWEJ PROCESU PRODUKCYJNEGO DIAGNOSTYKA 27 ARTYKUY GÓWNE SZKODA, Diagnozowanie stanów zdolnoci jakociowej 89 DIAGNOZOWANIE STANÓW ZDOLNOCI JAKOCIOWEJ PROCESU PRODUKCYJNEGO Jerzy SZKODA Katedra Eksploatacji Pojazdów i Maszyn Uniwersytetu

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

DO POMIARU I ANALIZY STRUKTURY GEOMETRYCZNEJ

DO POMIARU I ANALIZY STRUKTURY GEOMETRYCZNEJ DO POMIARU I ANALIZY STRUKTURY GEOMETRYCZNEJ Tatiana MILLER, Krzysztof GAJDA 1 1 i W i wystar pomiaru i i obecnych na rynku europejskim w tej dziedzinie pomiarów dysponuje obecnie takimi systemami. Zakres

Bardziej szczegółowo

Elementy nieliniowe w modelach obwodowych oznaczamy przy pomocy symboli graficznych i opisu parametru nieliniowego. C N

Elementy nieliniowe w modelach obwodowych oznaczamy przy pomocy symboli graficznych i opisu parametru nieliniowego. C N OBWODY SYGNAŁY 1 5. OBWODY NELNOWE 5.1. WOWADZENE Defiicja 1. Obwodem elektryczym ieliiowym azywamy taki obwód, w którym występuje co ajmiej jede elemet ieliiowy bądź więcej elemetów ieliiowych wzajemie

Bardziej szczegółowo

MATERIAŁY POMOCNICZE DO WYKŁADU Z PODSTAW ZASTOSOWAŃ ULTRADŹWIĘKÓW W MEDYCYNIE (wyłącznie do celów dydaktycznych zakaz rozpowszechniania)

MATERIAŁY POMOCNICZE DO WYKŁADU Z PODSTAW ZASTOSOWAŃ ULTRADŹWIĘKÓW W MEDYCYNIE (wyłącznie do celów dydaktycznych zakaz rozpowszechniania) MATRIAŁY POMOCNICZ DO WYKŁADU Z PODSTAW ZASTOSOWAŃ ULTRADŹWIĘKÓW W MDYCYNI (wyłączie do celów dydaktyczych zakaz rozpowszechiaia) 4. Drgaia brył prętów, membra i płyt. ****************************************************************

Bardziej szczegółowo

Analiza autokorelacji

Analiza autokorelacji Analiza autokorelacji Oblicza się wartości współczynników korelacji między y t oraz y t-i (dla i=1,2,...,k), czyli współczynniki autokorelacji różnych rzędów. Bada się statystyczną istotność tych współczynników.

Bardziej szczegółowo

Wykład 11 ( ). Przedziały ufności dla średniej

Wykład 11 ( ). Przedziały ufności dla średniej Wykład 11 (14.05.07). Przedziały ufości dla średiej Przykład Cea metra kwadratowego (w tys. zł) z dla 14 losowo wybraych mieszkań w mieście A: 3,75; 3,89; 5,09; 3,77; 3,53; 2,82; 3,16; 2,79; 4,34; 3,61;

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

Statystyka matematyczna dla leśników

Statystyka matematyczna dla leśników Statystyka matematycza dla leśików Wydział Leśy Kieruek leśictwo Studia Stacjoare I Stopia Rok akademicki 0/0 Wykład 5 Testy statystycze Ogóle zasady testowaia hipotez statystyczych, rodzaje hipotez, rodzaje

Bardziej szczegółowo

Ocena możliwości zastosowania rozkładu normalnego do opisu wybranych parametrów ruchu drogowego w miastach na przykładzie Radomia

Ocena możliwości zastosowania rozkładu normalnego do opisu wybranych parametrów ruchu drogowego w miastach na przykładzie Radomia Marzea Dębowska-Mróz, Ewa Feresztaj-Galardos, Reata Krajewska, Adrzej Rogowski Ocea możliwości zastosowaia rozkładu ormalego do opisu wybraych parametrów drogowego w miastach a przykładzie Radomia JEL:

Bardziej szczegółowo

Wykªad 05 (granice c.d., przykªady) Rozpoczniemy od podania kilku przykªadów obliczania granic ci gów. n an = + dla a > 1. (5.1) lim.

Wykªad 05 (granice c.d., przykªady) Rozpoczniemy od podania kilku przykªadów obliczania granic ci gów. n an = + dla a > 1. (5.1) lim. Wykªad 05 graice cd, przykªady Rozpocziemy od podaia kilku przykªadów obliczaia graic ci gów Niech a > Ozaczmy a = c > 0 Mamy Poiewa» c = +, wi c tak»e a = + c + c c a = + dla a > 5 Poadto, zauwa»amy,»e

Bardziej szczegółowo