BADANIE NIEZAWODNOŚCI DIAGNOZ
|
|
- Judyta Janiszewska
- 7 lat temu
- Przeglądów:
Transkrypt
1 ZAKŁA EKSOATACJI SYSTEMÓW EEKTOICZYCH ISTYTUT SYSTEMÓW EEKTOICZYCH WYZIAŁ EEKTOIKI WOJSKOWA AKAEMIA TECHICZA OSTAWY EKSOATACJI SYSTEMÓW ĆWICZEIE ABOATOYJE 7 BAAIE IEZAWOOŚCI IAGOZ. arzędza wspomagające realzację ćwczena: komputerowy program B(S)-28- oraz B(S)-28-2, symulujący generowane dagnoz przy nepewnośc symptomów syndromów. 2. rzedmot ćwczena: obekt dagnozowana: wrtualny 8-modułowy obekt o szeregowej strukturze nezawodnoścowej. 3. Cel ćwczena: a) wyznaczene wybranych wskaźnków nezawodnośc dagnoz. b) dyskusja pojęć: warygodność dagnozy, dagnoza skrócona, dagnoza rozwnęta, nepewność symptomu, nepewność syndromu, nezawodność dagnoz Warszawa 23/24
2 . OSTAWY TEOETYCZE I ZAŁOŻEIA agnoza prawdzwa jest uwarunkowana prawdzwym syndromem (ys.). Syndrom jest prawdzwy wtedy, gdy zawera symptomy prawdzwe, charakterystyczne dla rzeczywstego stanu obektu dagnozowanego. W praktyce eksploatacyjnej nerzadko występuje fałszowane symptomów, a w konsekwencj fałszowane syndromów dagnoz. owodować to mogą różne czynnk, mędzy nnym: losowe zakłócena sygnałów; nepewnośc wynków pomarów; błędy operacj wnoskowana tp. OBIEKT OMIAY SYMTOMY SYOM WIOSKOWAIE IAGOZA ys.. Ilustracja procedury dagnozowana W zwązku z tym, że procedura dagnozowana ne jest w pełn warygodna, to dagnosta pownen meć ogranczone zaufane do tego, że otrzymana dagnoza jest prawdzwa. ownen węc doberać procedury dagnostyczne pozwalające uzyskwać wymaganą nezawodność dagnoz. agnozę można przedstawć ogólne w postac zboru par: = STA AWOOOBIEŃSTWO STAU Jest to tzw. dagnoza pełna: agnoza stanu (E ) (E ) (E 2 ) (E ) rawdopodobeństwo prawdzwośc dagnozy ((E )) ((E )) ((E 2 )) ((E )) W warunkach nepewnośc symptomów przy formułowanu dagnozy należy analzować rozkład prawdopodobeństw stanów na tej podstawe formułować dagnozę. Często w praktyce używa sę skróconej postac dagnozy, podając jedyne dagnozę najbardzej prawdopodobną czyl taką, która spełna warunek: * * ( E ) : ( ( E ) = max (( E )) (2) =,, 2,..., Oparce wyboru dagnozy tylko na kryterum (2) często ne jest zadowalające, poneważ warygodność wybranej w ten sposób dagnozy może być nska. Oznacza to nską nezawodność dagnozy. Z tego powodu należy przyjąć dodatkowo kryterum (3): * ( E ) (3) ( ) gr Oznacza to, że należy uzyskać dagnozę ne tylko o najwększym prawdopodobeństwe, lecz także prawdopodobeństwe ne mnejszym od pewnej wartośc grancznej. Wartość ta pownna być blska jednośc gdyż to zapewna wysoką nezawodność przyjętej dagnozy. () 2
3 Jeśl kryterum (3) ne jest spełnone to należy powtarzać testowane. Testowanem nazywa sę realzację procedury dagnostycznej. Take testowane można powtarzać welokrotne. Zbór testowań nazywany jest sesją dagnostyczną. owtarzane sę w sesj takego samego syndromu potwerdza warygodność dagnozy opartej na syndrome występującym w najwększej lczbe testowań. owtarzane testowań jest równoznaczne z uzyskwanem nadmaru nformacyjnego. Wydłuża to rzecz jasna wymagany czas dagnozowana, zatem uzyskane nadmaru nformacyjnego wymaga dysponowana nadmarem czasowym. ależy jednak wząć pod uwagę, że współczesne procedury dagnostyczne wykorzystują szybke systemy nformatyczne (komputerowe), co znaczne zmnejsza wymagana dotyczące nadmaru czasowego. ostawmy pytane: Czy w jak sposób przez powtarzane testowana można uzyskać dostateczne warygodną dagnozę mmo pojawana sę fałszywych symptomów, a w konsekwencj fałszywych syndromów? Zagadnene to rozpatrzmy na przykładze prostego obektu o nezawodnoścowej funkcjonalnej strukturze szeregowej, zawerającej elementów (ys. 2). We e e 2 e Wy s s 2 s ys.2. rzykładowa struktura obektu dagnozowanego Oznaczena: e,e 2,..., e elementy obektu dagnozowana; s,s2,..., s wynk pomarów (sprawdzeń), które w najprostszym przypadku stanową zarazem symptomy stanu elementów. rzyjmjmy następujące założena:. W badanym obekce = Wszystke elementy obektu mogą być zdatne lub co najwyżej jeden element może być nezdatny. 3. Obekt jest zdatny jeśl wszystke elementy są zdatne, a jest nezdatny jeśl jeden element jest nezdatny; zatem obekt badany może znajdować sę w jednym z 8 + = 9 stanów: E = { E, E, E 2,..., E } gdze: E stan zdatnośc; E, E2,, E8 stany nezdatnośc. 4. Stany elementów są wzajemne nezależne. 5. Stan obektu jest stablny tzn. ne zmena sę w trakce sesj dagnostycznej a zbór jednakowych syndromów dotyczy tego samego stanu. 6. W procedurze dagnozowana (testowana) sprawdzane są wszystke elementy, sygnał dagnostyczny każdego elementu merzony jest ndywdualne (ys.2). 7. Wynk -tego pomaru determnuje symptom s stanu elementu e ( =,2,,8); w rozpatrywanym przypadku symptom jest jednowymarowy (oparty jest na jednym wynku pomaru), tor symptomu jest jednoelementowy (tzn. symptom zależy od stanu tylko jednego elementu), tory różnych symptomów są rozłączne. 3
4 8. Symptom może przyjmować logczną wartość lub ; symptom negatywny jest symptomem charakterystycznym dla stanu nezdatnośc elementu, symptom pozytywny jest symptomem charakterystycznym dla stanu zdatnośc elementu. 9. Zbór symptomów stanow syndrom stanu obektu; zatem rozróżna sę + =9 charakterystycznych syndromów. rzykład zboru stanów oraz odpowadających m charakterystycznych symptomów syndromów pokazuje tabela.. Każdy syndrom jest wnoskowany z odpowadających mu symptomów. Każdy fałszywy symptom determnuje fałszywość syndromu, a w konsekwencj fałszywą dagnozę.. Syndrom zawerający węcej nż jeden symptom negatywny uznaje sę za fałszywy odrzuca (fltracja wstępna) zgodne z założenem (2). 2. Znane są á pror prawdopodobeństwa uzyskana prawdzwego wynku każdego pomaru, a węc: znane są prawdopodobeństwa z+,z2+,..., z+ uzyskana prawdzwych symptomów pozytywnych oraz prawdopodobeństwa z-, z2-,..., z- uzyskana prawdzwych symptomów negatywnych. Zatem prawdopodobeństwa uzyskana błędnych symptomów wynoszą odpowedno Q z+ = z+ ; Q z - = z - ; =,2,,8 3. la uproszczena przyjmjmy, że wartość prawdopodobeństwa otrzymana prawdzwego symptomu negatywnego oraz wartość prawdopodobeństwa otrzymana prawdzwego symptomu pozytywnego są take same: = = z+ z2+ = z- z2... z = z+ = z = z 4. Znane są prawdopodobeństwa zdatnośc á pror, 2,..., każdego elementu obektu. Tabela zeczywsty stan obektu Symptom Syndrom Stan zdat. obektu z2 Stany nezdatnośc obektu E E E2 E3 E4 E5 E6 E7 E8 S S S 2 S 3 S 4 S 5 S 6 S 7 S 8 s s2 s3 s 4 s5 s6 s 7 s8 elacja: syndrom dagnoza Wnoskowana dagnoza (E ) (E) ( E2) (E 3 ) (E 4 ) (E5) (E6) (E 7 ) (E8) (4) 4
5 erwszą operacją w procedurze dagnozowana jest pomar sygnałów dagnostycznych oraz zarejestrowane ch wynków np. w postac zboru lczb: X = x,x,..., (5) 2 x rugą operacją jest przetworzene tych wynków na symptomy stanu na podstawe zastosowanej relacj np. w postac: [ x x x ] [ s = ] d g [( x < x ) ( x > x )] [ s = ] d g (6) =, 2,..., gdze: x d, x g wartośc granczne przedzału dopuszczalnych wartośc sygnału dagnostycznego dla stanu E. Trzecą operacją jest synteza syndromu na podstawe zboru otrzymanych symptomów. Te trzy operacje (jako fragment procedury dagnostycznej) zazwyczaj nazywa sę testowanem. Zauważmy, że wynk pomarów, wnoskowane pomarowe oraz wnoskowane symptomowe mogą być nepewne. Zatem jednorazowe testowane utworzony syndrom może być nepewny, a zatem jednosyndromowa dagnoza z zasady jest nepewna. W takm przypadku należy zastosować testowane welokrotne, a syntezę dagnozy oprzeć na wnoskowanu welosyndromowym. 2. MOE IAGOZOWAIA ZY IEEWYCH SYOMACH Zgodne z przyjętym założenam obekt znajduje sę w jednym ze stanów należących do zboru: E = { E, E,..., E } (tutaj: = 8) (7) Zgodne z tabelą tym stanom odpowadają charakterystyczne syndromy tworzące zbór: S = { S,S,..., S} (8) Można wyznaczyć: prawdopodobeństwo a pror stanu zdatnośc E obektu (wszystke elementy zdatne): ( ) = E (9) = prawdopodobeństwa a pror poszczególnych stanów nezdatnośc E j (jeden element nezdatny): ( j) = ( j) E () j =, 2,, Zgodne z założenem (2) obekt znajduje sę w jednym ze stanów należących do zboru (7), zatem można wyznaczyć warunkowe prawdopodobeństwa tych stanów: = j 5
6 ( A) ( E j) ( E ) j = E j = () = j =,, 2,, gdze: A warunek, polegający na tym, że stan obektu E j należy do zboru E. la sformułowana dagnozy pełnej należy zrealzować algorytm dagnostyczny, pokazany na rys.. W tym celu trzeba wstępne ustalć lczbę testowań M oraz wykonać kolejne operacje wymenone ponżej.. Wybrać dostępne sygnały dagnostyczne. 2. Zrealzować sesję dagnostyczną. Wynkem tej sesj jest zbór syndromów S o lcznośc S (z każdego testowana otrzymuje sę jeden syndrom). 3. rzeprowadzć wzajemną komparację otrzymanych syndromów utworzyć następujące podzbory charakterystycznych syndromów: podzbór S syndromów zawerających węcej nż jeden symptom negatywny (np.:,,,,...,), czyl podzbór syndromów charakterystycznych dla stanów obektu, w których występuje węcej nż jeden element nezdatny; na mocy założena () syndromy te są fałszywe poneważ obekt może zawerać co najwyżej jeden element nezdatny; syndromy te należy zatem odrzucć; podzbór S syndromów zawerających wszystke symptomy pozytywne, czyl syndromy charakterystyczne dla stanu E zdatnośc obektu (s =, s 2 =,..., s = ) o lcznośc ; podzbór S syndromów zawerających perwszy symptom negatywny wszystke pozostałe symptomy pozytywne, czyl syndromy charakterystyczne dla stanu E nezdatnośc obektu (s =, s 2 =,..., s = ) o lcznośc ; podzbór S 2 syndromów zawerających drug symptom negatywny wszystke pozostałe symptomy pozytywne, czyl syndromy charakterystyczne dla stanu E 2 nezdatnośc obektu (s =, s 2 =,..., s = ) o lcznośc 2 ; podzbór S syndromów zawerających -ty symptom negatywny wszystke pozostałe symptomy pozytywne, czyl syndromy charakterystyczne dla stanu E nezdatnośc obektu (s =, s 2 =,..., s = ) o lcznośc. 4. Wyznaczyć lcznośc utworzonych podzborów charakterystycznych syndromów: = [,, 2,..., ]; jest oczywste, że nektóre podzbory mogą być puste. 5. Stwerdzć, które z następujących zdarzeń są możlwe (w określonej sytuacj zachodz tylko jedno z nch): zdarzene Z, polegające na tym, że wystąpł stan E oraz -krotne pojawł sę syndrom S oraz -krotne pojawł sę syndrom S oraz 2 -krotne pojawł sę syndrom S 2 oraz... oraz -krotne pojawł sę syndrom S (jest to loczyn logczny zdarzeń); zdarzene Z, polegające na tym, że wystąpł stan E oraz -krotne pojawł sę syndrom S oraz -krotne pojawł sę syndrom S oraz 2 -krotne pojawł sę syndrom S 2 oraz... oraz -krotne pojawł sę syndrom S ; zdarzene Z 2, polegające na tym, że wystąpł stan E 2 oraz -krotne pojawł sę syndrom S oraz -krotne pojawł sę syndrom S oraz 2 -krotne pojawł sę syndrom S 2 oraz... oraz -krotne pojawł sę syndrom S ; 6
7 zdarzene Z, polegające na tym, że wystąpł stan E oraz -krotne pojawł sę syndrom S oraz -krotne pojawł sę syndrom S oraz 2 -krotne pojawł sę syndrom S 2 oraz... oraz -krotne pojawł sę syndrom S. gdze: 6. Wyznaczyć prawdopodobeństwa możlwych zdarzeń: [ ( )] S j ( ) [ ( )] [ ( )] [ ( )] [ ( )] 2 Z S E S E S E... E = (2.) 2 S ( ) [ ( )] [ ( )] [ ( )] [ ( )] 2 Z S E S E S E... E = (2.) 2 S ( ) [ ( )] [ ( )] [ ( )] [ ( )] 2 Z S E S E S E... E = (2.2) S ( ) [ ( )] [ ( )] [ ( )] [ ( )] 2 Z S E S E S E... S E = (2.) E wartość prawdopodobeństwa -krotnego wystąpena syndromu S pod warunkem wystąpena stanu E j ; =,, 2,..., ; j =,, 2,..., Wartośc tych prawdopodobeństw określają następujące zależnośc: [ ( )] j j E j = z prawdopodobeństwo zdarzena polegającego na j -krotnym = S j wystąpenu prawdzwego syndromu S j pod warunkem stnena stanu E j czyl na tym, że wszystke symptomy pozytywne negatywne zostaną j -krotne odczytane bezbłędne (ne zostaną zakłócone); j =,, 2,, ; j j [ ( Sj E )] = ( zj) z prawdopodobeństwo zdarzena polegającego na = j j -krotnym wystąpenu fałszywego syndromu S j pod warunkem stnena stanu E czyl na tym, że pozytywny symptom s j zostane odczytany fałszywe jako symptom negatywny oraz, że wszystke pozostałe symptomy pozytywne zostaną j -krotne odczytane bezbłędne (ne zostaną zakłócone); j =, 2,, ; [ ( S E j) ] = ( zj) z prawdopodobeństwo zdarzena polegającego na = j -krotnym wystąpenu fałszywego syndromu S pod warunkem stnena stanu E j czyl na tym, że negatywny symptom s j zostane odczytany fałszywe jako symptom pozytywny oraz, że wszystke pozostałe symptomy pozytywne zostaną -krotne odczytane bezbłędne (ne zostaną zakłócone); j =, 2,, ; 2 2 7
8 j j [ ( S j k )] E = ( zk )( zj) z prawdopodobeństwo zdarzena polegającego = j k na j -krotnym wystąpenu fałszywego syndromu S j pod warunkem stnena stanu E k czyl na tym, że negatywny symptom s k zostane odczytany fałszywe jako symptom pozytywny oraz, że pozytywny symptom s j zostane odczytany fałszywe jako symptom negatywny oraz, że wszystke pozostałe symptomy pozytywne zostaną j -krotne odczytane bezbłędne (ne zostaną zakłócone); j =, 2,..., ; k =, 2,..., 7. Wyznaczyć względne prawdopodobeństwa a posteror stanów obektu (na mocy poczynonych założeń zastnene zdarzena Z n jest równoznaczne z zastnenem stanu E n ): ( ) ( Z ) = ( Z ) n E n = n = (3) ( Z ) gdze: n =,, 2,..., ; zbór podzborów uznanych (tj. przyjętych) syndromów. 3. OBJAŚIEIA WYKOAWCZE rzyjmjmy następujące oznaczena: S lczba sesj dagnostycznych zrealzowanych w badanu nezawodnośc dagnoz; t lczba testowań syndromowych w sesj; (2), (3) lczba dagnoz przyjętych odpowedno wg kryterum (2) lub (2) + (3); r (2), r (3) lczba prawdzwych dagnoz przyjętych odpowedno wg kryterum (2) lub (2) + (3); f (2), f (3) lczba fałszywych dagnoz przyjętych odpowedno wg kryterum (2) lub (2) + (3); t t czas realzacj jednego testu (w ćwczenu przyjmujemy, że jest to jednostka umowna czasu przypsujemy jej wartość: t t = ); Q Z prawdopodobeństwo zakłócena symptomu Sm; p (Sn) = ( Q z ) 8 prawdopodobeństwo a pror prawdzwośc syndromu; (E n ) prawdopodobeństwo a posteror stanu E n (tym samym na mocy podanych w pkt. 2 założeń jest to prawdopodobeństwo a posteror prawdzwośc syndromu wskazującego na ten stan); (, E k ) gr wartość granczna prawdopodobeństwa prawdzwośc przyjętej dagnozy wskazującej na k-ty stan nezdatnośc przy kryterum (2) +(3) (w ćwczenu przyjmujemy dentyczne wartośc granczne dla wszystkch rozróżnanych stanów nezdatnośc; k =, 2,.., 8); (, E o ) gr wartość granczna prawdopodobeństwa prawdzwośc przyjętej dagnozy wskazującej na stan zdatnośc obektu przy kryterum (2) + (3). 8
9 Wskaźnk charakteryzujące uzyskane wynk badana przy kryterum (2): () 2 () 2 W = średna skuteczność sesj; S () 2 () 2 r W2 () 2 = nezawodność (warygodność) przyjętej dagnozy; S t W 3( 2) = t średn czas uzyskana przyjętej dagnozy (jako welokrotność ( ) t 2 czasu testowana). Wskaźnk charakteryzujące uzyskane wynk przy kryterum (2) + (3): W = średna skuteczność sesj; S r W2 = nezawodność przyjętej dagnozy; W = średn czas uzyskana przyjętej dagnozy (jako welokrotność S t 3 t () t 3 czasu testowana). 4. ZAAIE. Uruchomć programy B(S)-28- oraz B(S) la każdego programu zrealzować po 5 sesj dagnostycznych dla wybranych wartośc prawdopodobeństwa zakłócena symptomu Q Z. ealzacja sesj: wyzerować lcznk używając wskazanego pola, a następne ustawć kursor na wskazanym, zelonym polu nacskać klawsz delete. 3. Wypełnć załączone tabele (nr nr 2) uzyskanym wynkam. 4. Oblczyć wskaźnk charakteryzujące uzyskane wynk wg przytoczonych wyżej wzorów. 5. rzeprowadzć dyskusję uzyskanych wynków wskaźnków. okonać oceny nezawodnośc dagnoz. 9
BADANIE NIEZAWODNOŚCI DIAGNOZ
ZAKŁA EKSPLOATACJI SYSTEMÓW ELEKTROICZYCH ISTYTUT SYSTEMÓW ELEKTROICZYCH WYZIAŁ ELEKTROIKI WOJSKOWA AKAEMIA TECHICZA -----------------------------------------------------------------------------------------------------------------------------
Bardziej szczegółowoAnaliza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)
Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH
STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj
Bardziej szczegółowoWeryfikacja hipotez dla wielu populacji
Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w
Bardziej szczegółowoBADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda
BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp
Bardziej szczegółowoZapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.
Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane
Bardziej szczegółowoBADANIE PROCESU EKSPLOATACJI W ASPEKCIE NIEZAWODNOŚCIOWO- EKONOMICZNYM
ZAKŁAD EKSPLOATACJI SYSTEMÓW ELEKTRONICZNYCH INSTYTUT SYSTEMÓW ELEKTRONICZNYCH WYDZIAŁ ELEKTRONIKI WOJSKOWA AKADEMIA TECHNICZNA ---------------------------------------------------------------------------------------------------------------
Bardziej szczegółowoPrawdopodobieństwo geometryczne
Prawdopodobeństwo geometryczne Przykład: Przestrzeń zdarzeń elementarnych określona jest przez zestaw punktów (x, y) na płaszczyźne wypełna wnętrze kwadratu [0 x ; 0 y ]. Znajdź p-stwo, że dowolny punkt
Bardziej szczegółowoProces narodzin i śmierci
Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do
Bardziej szczegółowoSystemy Ochrony Powietrza Ćwiczenia Laboratoryjne
ś POLITECHNIKA POZNAŃSKA INSTYTUT INŻYNIERII ŚRODOWISKA PROWADZĄCY: mgr nż. Łukasz Amanowcz Systemy Ochrony Powetrza Ćwczena Laboratoryjne 2 TEMAT ĆWICZENIA: Oznaczane lczbowego rozkładu lnowych projekcyjnych
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej
Bardziej szczegółowoW praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.
Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas
Bardziej szczegółowoPattern Classification
attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 11
Stansław Cchock Natala Nehrebecka Wykład 11 1 1. Testowane hpotez łącznych 2. Testy dagnostyczne Testowane prawdłowośc formy funkcyjnej: test RESET Testowane normalnośc składnków losowych: test Jarque-Berra
Bardziej szczegółowoTwierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że
Twerdzene Bezouta lczby zespolone Javer de Lucas Ćwczene 1 Ustal dla których a, b R można podzelć f 1 X) = X 4 3X 2 + ax b przez f 2 X) = X 2 3X+2 Oblcz a b Z 5 jeżel zak ladamy, że f 1 f 2 s a welomanam
Bardziej szczegółowoAnaliza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A
Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe
Bardziej szczegółowoProjekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE
Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:
Bardziej szczegółowoPROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE
PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE Janusz Wątroba, StatSoft Polska Sp. z o.o. W nemal wszystkch dzedznach badań emprycznych mamy do czynena ze złożonoścą zjawsk procesów.
Bardziej szczegółowo( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X
Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są
Bardziej szczegółowoWYZNACZANIE OPTYMALIZOWANYCH PROCEDUR DIAGNOSTYCZNO-OBSŁUGOWYCH
ZAKŁAD EKSPLOATACJI SYSTEMÓW ELEKTRONICZNYCH INSTYTUT SYSTEMÓW ELEKTRONICZNYCH WYDZIAŁ ELEKTRONIKI WOJSKOWA AKADEMIA TECHNICZNA ---------------------------------------------------------------------------------------------------------------
Bardziej szczegółowoStatystyka Opisowa 2014 część 1. Katarzyna Lubnauer
Statystyka Opsowa 2014 część 1 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,
Bardziej szczegółowo65120/ / / /200
. W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę
Bardziej szczegółowo) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4
Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =
Bardziej szczegółowoĆWICZENIE 4 WYZNACZANIE OPTYMALIZOWANYCH PROCEDUR DIAGNOSTYCZNO-OBSŁUGOWYCH
ĆWICZENIE 4 WYZNACZANIE OPTYMALIZOWANYCH PROCEDUR DIAGNOSTYCZNO-OBSŁUGOWYCH Cel ćwiczenia: - zapoznanie z podstawowymi metodami wyznaczania optymalizowanych procedur diagnozowania (m. in. z metodą skuteczności
Bardziej szczegółowoSZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW
SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.
Bardziej szczegółowoLaboratorium ochrony danych
Laboratorum ochrony danych Ćwczene nr Temat ćwczena: Cała skończone rozszerzone Cel dydaktyczny: Opanowane programowej metody konstruowana cał skończonych rozszerzonych GF(pm), poznane ch własnośc oraz
Bardziej szczegółowoTeoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru
Pomary fzyczne - dokonywane tylko ze skończoną dokładnoścą. Powodem - nedoskonałość przyrządów pomarowych neprecyzyjność naszych zmysłów borących udzał w obserwacjach. Podawane samego tylko wynku pomaru
Bardziej szczegółowoWYZNACZANIE WSPÓŁCZYNNIKA LEPKOŚCI CIECZY METODĄ STOKESA
WYZNACZANIE WSPÓŁCZYNNIKA LEPKOŚCI CIECZY METODĄ STOKESA. Ops teoretyczny do ćwczena zameszczony jest na strone www.wtc.wat.edu.pl w dzale DYDAKTYKA FIZYKA ĆWICZENIA LABORATORYJNE.. Ops układu pomarowego
Bardziej szczegółowoStatystyka Inżynierska
Statystyka Inżynerska dr hab. nż. Jacek Tarasuk AGH, WFIS 013 Wykład DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE Zmenna losowa, Funkcja rozkładu, Funkcja gęstośc, Dystrybuanta, Charakterystyk zmennej, Funkcje
Bardziej szczegółowoD Archiwum Prac Dyplomowych - Instrukcja dla studentów
Kraków 01.10.2015 D Archwum Prac Dyplomowych - Instrukcja dla studentów Procedura Archwzacj Prac Dyplomowych jest realzowana zgodne z zarządzenem nr 71/2015 Rektora Unwersytetu Rolnczego m. H. Kołłątaja
Bardziej szczegółowoSprawozdanie powinno zawierać:
Sprawozdane pownno zawerać: 1. wypełnoną stronę tytułową (gotowa do ćw. nr 0 na strone drugej, do pozostałych ćwczeń zameszczona na strone 3), 2. krótk ops celu dośwadczena, 3. krótk ops metody pomaru,
Bardziej szczegółowoProblemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA
Problemy jednoczesnego testowana welu hpotez statystycznych ch zastosowana w analze mkromacerzy DNA Konrad Furmańczyk Katedra Zastosowań Matematyk SGGW Plan referatu Testowane w analze mkromacerzy DNA
Bardziej szczegółowoĆWICZENIE 1 BADANIE WYBRANYCH PROCEDUR I STRATEGII EKSPLOATACYJNYCH
ĆWICNI BADANI WYBANYCH POCDU I STATGII KSPLOATACYJNYCH Cel ćwczena: - lustracja zagadneń zwązanych z zarządzanem esploatacją; - lustracja zależnośc mędzy dagnostyą nezawodnoścą a efetem procesu esploatacj.
Bardziej szczegółowoBADANIE WYBRANYCH PROCEDUR I STRATEGII EKSPLOATACYJNYCH
AKŁAD KSPLOATACJI SYSTMÓW LKTONICNYCH INSTYTUT SYSTMÓW LKTONICNYCH WYDIAŁ LKTONIKI WOJSKOWA AKADMIA TCHNICNA ---------------------------------------------------------------------------------------------------------------
Bardziej szczegółowoZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 5(96)/2013
ZESZYTY NAUKOWE NSTYTUTU POJAZDÓW 5(96)/2013 Hubert Sar, Potr Fundowcz 1 WYZNACZANE MASOWEGO MOMENTU BEZWŁADNOŚC WZGLĘDEM OS PODŁUŻNEJ DLA SAMOCHODU TYPU VAN NA PODSTAWE WZORÓW DOŚWADCZALNYCH 1. Wstęp
Bardziej szczegółowoMIĘDZYNARODOWE UNORMOWANIA WYRAśANIA ANIA NIEPEWNOŚCI POMIAROWYCH
MIĘDZYNARODOWE UNORMOWANIA WYRAśANIA ANIA NIEPEWNOŚCI POMIAROWYCH Adam Mchczyńsk W roku 995 grupa nstytucj mędzynarodowych: ISO Internatonal Organzaton for Standardzaton (Mędzynarodowa Organzacja Normalzacyjna),
Bardziej szczegółowoOBLICZANIE NIEPEWNOŚCI METODĄ TYPU B
OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B W przypadku gdy e występuje statystyczy rozrzut wyków (wszystke pomary dają te sam wyk epewość pomaru wyzaczamy w y sposób. Główą przyczyą epewośc pomaru jest epewość
Bardziej szczegółowoBadanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej
Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.
Bardziej szczegółowoParametry zmiennej losowej
Eonometra Ćwczena Powtórzene wadomośc ze statysty SS EK Defncja Zmenną losową X nazywamy funcję odwzorowującą przestrzeń zdarzeń elementarnych w zbór lczb rzeczywstych, taą że przecwobraz dowolnego zboru
Bardziej szczegółowoRegulamin promocji 14 wiosna
promocja_14_wosna strona 1/5 Regulamn promocj 14 wosna 1. Organzatorem promocj 14 wosna, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 lutego 2014 do 30
Bardziej szczegółowoWikiWS For Business Sharks
WkWS For Busness Sharks Ops zadana konkursowego Zadane Opracowane algorytmu automatyczne przetwarzającego zdjęce odręczne narysowanego dagramu na tablcy lub kartce do postac wektorowej zapsanej w formace
Bardziej szczegółowoPAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W PILE INSTYTUT POLITECHNICZNY. Zakład Budowy i Eksploatacji Maszyn PRACOWNIA TERMODYNAMIKI TECHNICZNEJ INSTRUKCJA
PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W PILE INSTYTUT POLITECHNICZNY Zakład Budowy Eksploatacj Maszyn PRACOWNIA TERMODYNAMIKI TECHNICZNEJ INSTRUKCJA Temat ćwczena: PRAKTYCZNA REALIZACJA PRZEMIANY ADIABATYCZNEJ.
Bardziej szczegółowoPodstawy teorii falek (Wavelets)
Podstawy teor falek (Wavelets) Ψ(). Transformaca Haara (97).. Przykład pewne metody zapsu obrazu Transformaca Haara Przykład zapsu obrazu -D Podstawy matematyczne transformac Algorytmy rozkładana funkc
Bardziej szczegółowoI. Elementy analizy matematycznej
WSTAWKA MATEMATYCZNA I. Elementy analzy matematycznej Pochodna funkcj f(x) Pochodna funkcj podaje nam prędkość zman funkcj: df f (x + x) f (x) f '(x) = = lm x 0 (1) dx x Pochodna funkcj podaje nam zarazem
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Zajęcia 4
Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja
Bardziej szczegółowoZjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych)
Statystyka - nauka zajmująca sę metodam badana przedmotów zjawsk w ch masowych przejawach ch loścową lub jakoścową analzą z punktu wdzena nauk, do której zakresu należą.
Bardziej szczegółowo± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości
Podstawowe pojęca procesu pomarowego kreślene jakośc poznana rzeczywstośc Δ zmerzone rzeczywste 17 9 Zalety stosowana elektrycznych przyrządów 1/ 1. możlwość budowy czujnków zamenających werne każdą welkość
Bardziej szczegółowoKomputerowe generatory liczb losowych
. Perwszy generator Komputerowe generatory lczb losowych 2. Przykłady zastosowań 3. Jak generuje sę lczby losowe przy pomocy komputera. Perwszy generator lczb losowych L. H. C. Tppet - 927 Ksąż ążka -
Bardziej szczegółowoZestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.
Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL W standardowym modelu lnowym zakładamy,
Bardziej szczegółowoZaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych
Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,
Bardziej szczegółowoPODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH
PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH Z a k ł a d U b e z p e c z e ń S p o ł e c z n y c h Wprowadzene Nnejsza ulotka adresowana jest zarówno do osób dopero ubegających
Bardziej szczegółowoRegulamin promocji upalne lato 2014 2.0
upalne lato 2014 2.0 strona 1/5 Regulamn promocj upalne lato 2014 2.0 1. Organzatorem promocj upalne lato 2014 2.0, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa
Bardziej szczegółowoStatystyka. Zmienne losowe
Statystyka Zmenne losowe Zmenna losowa Zmenna losowa jest funkcją, w której każdej wartośc R odpowada pewen podzbór zboru będący zdarzenem losowym. Zmenna losowa powstaje poprzez przyporządkowane każdemu
Bardziej szczegółowoDobór zmiennych objaśniających
Dobór zmennych objaśnających Metoda grafowa: Należy tak rozpąć graf na werzchołkach opsujących poszczególne zmenne, aby występowały w nm wyłączne łuk symbolzujące stotne korelacje pomędzy zmennym opsującym.
Bardziej szczegółowoMETODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.
Opracowane: Dorota Mszczyńska METODA UNITARYZACJI ZEROWANEJ Porównane obektów przy ocene welokryteralnej. Rankng obektów. Porównane wybranych obektów (warantów decyzyjnych) ze względu na różne cechy (krytera)
Bardziej szczegółowoTeoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru
Pomary fzyczne - dokonywane tylko ze skończoną dokładnoścą. Powodem - nedoskonałość przyrządów pomarowych neprecyzyjność naszych zmysłów borących udzał w obserwacjach. Podawane samego tylko wynku pomaru
Bardziej szczegółowoO PEWNYM MODELU POZWALAJĄCYM IDENTYFIKOWAĆ K NAJBARDZIEJ PODEJRZANYCH REKORDÓW W ZBIORZE DANYCH KSIĘGOWYCH W PROCESIE WYKRYWANIA OSZUSTW FINANSOWYCH
Mateusz Baryła Unwersytet Ekonomczny w Krakowe O PEWNYM MODELU POZWALAJĄCYM IDENTYFIKOWAĆ K NAJBARDZIEJ PODEJRZANYCH REKORDÓW W ZBIORZE DANYCH KSIĘGOWYCH W PROCESIE WYKRYWANIA OSZUSTW FINANSOWYCH Wprowadzene
Bardziej szczegółowoDiagonalizacja macierzy kwadratowej
Dagonalzacja macerzy kwadratowej Dana jest macerz A nân. Jej wartośc własne wektory własne spełnają równane Ax x dla,..., n Każde z równań własnych osobno można zapsać w postac: a a an x x a a an x x an
Bardziej szczegółowoSTATYSTYKA. Zmienna losowa skokowa i jej rozkład
STATYSTYKA Wnosowane statystyczne to proces myślowy polegający na formułowanu sądów o całośc przy dysponowanu o nej ogranczoną lczbą nformacj Zmenna losowa soowa jej rozład Zmenną losową jest welość, tóra
Bardziej szczegółowoMikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński
Mkroekonometra 5 Mkołaj Czajkowsk Wktor Budzńsk Uogólnone modele lnowe Uogólnone modele lnowe (ang. Generalzed Lnear Models GLM) Różną sę od standardowego MNK na dwa sposoby: Rozkład zmennej objaśnanej
Bardziej szczegółowoANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XVI/3, 2015, str. 248 257 ANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ Sławomr
Bardziej szczegółowo-Macierz gęstości: stany czyste i mieszane (przykłady) -równanie ruchu dla macierzy gęstości -granica klasyczna rozkładów kwantowych
WYKŁAD 4 dla zanteresowanych -Macerz gęstośc: stany czyste meszane (przykłady) -równane ruchu dla macerzy gęstośc -granca klasyczna rozkładów kwantowych Macerz gęstośc (przypomnene z poprzednch wykładów)
Bardziej szczegółowoPlanowanie eksperymentu pomiarowego I
POLITECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA ENERGETYKI INSTYTUT MASZYN URZĄDZEŃ ENERGETYCZNYCH Plaowae eksperymetu pomarowego I Laboratorum merctwa (M 0) Opracował: dr ż. Grzegorz Wcak
Bardziej szczegółowoSYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.
SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA Częstochowa 4 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TWIERDZENIE BAYESA Wedza pozyskwana przez metody probablstyczne ma
Bardziej szczegółowoRegulamin promocji zimowa piętnastka
zmowa pętnastka strona 1/5 Regulamn promocj zmowa pętnastka 1. Organzatorem promocj zmowa pętnastka, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 grudna
Bardziej szczegółowoKURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1
KURS STATYSTYKA Lekcja 1 Statystyka opsowa ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 W statystyce opsowej mamy pełne nformacje
Bardziej szczegółowoNatalia Nehrebecka. Zajęcia 4
St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających
Bardziej szczegółowo2012-10-11. Definicje ogólne
0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj
Bardziej szczegółowoWyznaczanie współczynnika sztywności zastępczej układu sprężyn
Wyznaczane zastępczej sprężyn Ćwczene nr 10 Wprowadzene W przypadku klku sprężyn ze sobą połączonych, można mu przypsać tzw. współczynnk zastępczej k z. W skrajnych przypadkach sprężyny mogą być ze sobą
Bardziej szczegółowoWYZNACZANIE PRZYSPIESZENIA ZIEMSKIEGO ZA POMOCĄ WAHADŁA RÓŻNICOWEGO
I PRACOWNIA FIZYCZNA, INSYU FIZYKI UMK, ORUŃ Instrukca do ćwczena nr WYZNACZANIE PRZYSPIESZENIA ZIEMSKIEGO ZA POMOCĄ WAHADŁA RÓŻNICOWEGO 1. Cel ćwczena Celem ćwczena est poznane ruchu harmonczneo eo praw,
Bardziej szczegółowoTRANZYSTOR BIPOLARNY CHARAKTERYSTYKI STATYCZNE
POLITHNIKA RZSZOWSKA Katedra Podstaw lektronk Instrkcja Nr4 F 00/003 sem. letn TRANZYSTOR IPOLARNY HARAKTRYSTYKI STATYZN elem ćwczena jest pomar charakterystyk statycznych tranzystora bpolarnego npn lb
Bardziej szczegółowoProcedura normalizacji
Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane
Bardziej szczegółowoRealizacja logiki szybkiego przeniesienia w prototypie prądowym układu FPGA Spartan II
obert Berezowsk Natala Maslennkowa Wydzał Elektronk Poltechnka Koszalńska ul. Partyzantów 7, 75-4 Koszaln Mchał Bałko Przemysław Sołtan ealzacja logk szybkego przenesena w prototype prądowym układu PG
Bardziej szczegółowoNowe europejskie prawo jazdy w celu większej ochrony, bezpieczeństwa i swobodnego przemieszczania się
KOMISJA EUROPEJSKA NOTATKA Bruksela, 18 styczna 2013 r. Nowe europejske prawo jazdy w celu wększej ochrony, bezpeczeństwa swobodnego przemeszczana sę W dnu 19 styczna 2013 r., w ramach wejśca w życe trzecej
Bardziej szczegółowoKwantowa natura promieniowania elektromagnetycznego
Efekt Comptona. Kwantowa natura promenowana elektromagnetycznego Zadane 1. Foton jest rozpraszany na swobodnym elektrone. Wyznaczyć zmanę długośc fal fotonu w wynku rozproszena. Poneważ układ foton swobodny
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =
Bardziej szczegółowoRachunek niepewności pomiaru opracowanie danych pomiarowych
Rachunek nepewnośc pomaru opracowane danych pomarowych Mędzynarodowa Norma Oceny Nepewnośc Pomaru (Gude to Epresson of Uncertanty n Measurements - Mędzynarodowa Organzacja Normalzacyjna ISO) http://physcs.nst./gov/uncertanty
Bardziej szczegółowoRozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1
Rozkład dwupunktowy Zmenna losowa przyjmuje tylko dwe wartośc: wartość 1 z prawdopodobeństwem p wartość 0 z prawdopodobeństwem 1- p x p 0 1-p 1 p suma 1 Rozkład dwupunktowy Funkcja rozkładu prawdopodobeństwa
Bardziej szczegółowoWPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO
Walenty OWIECZKO WPŁYW PARAMETRÓW DYSKRETYZACJI A IEPEWOŚĆ WYIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO STRESZCZEIE W artykule przedstaono ynk analzy nepenośc pomaru ybranych cech obektu obrazu cyfroego. Wyznaczono
Bardziej szczegółowoTESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego).
TESTY NORMALNOŚCI Test zgodośc Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład ormaly). Hpoteza alteratywa H1( Cecha X populacj e ma rozkładu ormalego). Weryfkacja powyższych hpotez za pomocą tzw. testu
Bardziej szczegółowoModele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.
Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można
Bardziej szczegółowoWykłady Jacka Osiewalskiego. z Ekonometrii. CZĘŚĆ PIERWSZA: Modele Regresji. zebrane ku pouczeniu i przestrodze
Wykłady Jacka Osewalskego z Ekonometr zebrane ku pouczenu przestrodze UWAGA!! (lstopad 003) to jest wersja neautoryzowana, spsana przeze mne dawno temu od tego czasu ne przejrzana; ma status wersj roboczej,
Bardziej szczegółowoXXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne
XXX OLIMPIADA FIZYCZNA ETAP III Zadane dośwadczalne ZADANIE D Nazwa zadana: Maszyna analogowa. Dane są:. doda półprzewodnkowa (krzemowa) 2. opornk dekadowy (- 5 Ω ), 3. woltomerz cyfrowy, 4. źródło napęca
Bardziej szczegółowoNieparametryczne Testy Istotności
Neparametryczne Testy Istotnośc Wzory Neparametryczne testy stotnośc schemat postępowana punkt po punkce Formułujemy hpotezę główną odnoszącą sę do: zgodnośc populacj generalnej z jakmś rozkładem, lub:
Bardziej szczegółowo(M2) Dynamika 1. ŚRODEK MASY. T. Środek ciężkości i środek masy
(MD) MECHANIKA - Dynamka T. Środek cężkośc środek masy (M) Dynamka T: Środek cężkośc środek masy robert.szczotka(at)gmal.com Fzyka astronoma, Lceum 01/014 1 (MD) MECHANIKA - Dynamka T. Środek cężkośc środek
Bardziej szczegółowoarchitektura komputerów w. 3 Arytmetyka komputerów
archtektura komputerów w. 3 Arytmetyka komputerów Systemy pozycyjne - dodawane w systeme dwójkowym 100101011001110010101 100111101000001000 0110110011101 1 archtektura komputerów w 3 1 Arytmetyka bnarna.
Bardziej szczegółowo= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału
5 CML Catal Market Lne, ynkowa Lna Katału Zbór ortolo o nalny odchylenu standardowy zbór eektywny ozważy ortolo złożone ze wszystkch aktywów stnejących na rynku Załóży, że jest ch N A * P H P Q P 3 * B
Bardziej szczegółowo5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim
5. Pocodna funkcj Defncja 5.1 Nec f: (a, b) R nec c (a, b). Jeśl stneje granca lm x c x c to nazywamy ją pocodną funkcj f w punkce c oznaczamy symbolem f (c) Twerdzene 5.1 Jeśl funkcja f: (a, b) R ma pocodną
Bardziej szczegółowoNatalia Nehrebecka. Zajęcia 3
St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy
Bardziej szczegółowoWOJSKOWA AKADEMIA TECHNICZNA ĆWICZENIA LABORATORYJNE Z FIZYKI. SPRAWOZDANIE Z PRACY LABORATORYJNEJ nr 0. Badanie rozkładu rzutu śnieżkami do celu
WOJSKOWA AKADEMIA TECHNICZNA ĆWICZENIA LABORATORJNE Z FIZKI trzec termn wpsu zalczena do USOSu upływa...prowadząca(y)... grupa... podgrupa... zespół... semestr roku akademckego... student(ka)... SPRAWOZDANIE
Bardziej szczegółowoStatyczna alokacja kanałów (FCA)
Przydzał kanałów 1 Zarys wykładu Wprowadzene Alokacja statyczna a alokacja dynamczna Statyczne metody alokacj kanałów Dynamczne metody alokacj kanałów Inne metody alokacj kanałów Alokacja w strukturach
Bardziej szczegółowoWOJSKOWA AKADEMIA TECHNICZNA ĆWICZENIA LABORATORYJNE Z FIZYKI. SPRAWOZDANIE Z PRACY LABORATORYJNEJ nr 0. Badanie rozkładu rzutu śnieżkami do celu
WOJSKOWA AKADEMIA TECHNICZNA ĆWICZENIA LABORATORJNE Z FIZKI trzec termn wpsu zalczena do USOSu upływa...prowadząc(a/y)... grupa... podgrupa... zespół... semestr... roku akademckego... student(ka)... SPRAWOZDANIE
Bardziej szczegółowoRozwiązywanie zadań optymalizacji w środowisku programu MATLAB
Rozwązywane zadań optymalzacj w środowsku programu MATLAB Zagadnene optymalzacj polega na znajdowanu najlepszego, względem ustalonego kryterum, rozwązana należącego do zboru rozwązań dopuszczalnych. Standardowe
Bardziej szczegółowoMinister Edukacji Narodowej Pani Katarzyna HALL Ministerstwo Edukacji Narodowej al. J. Ch. Szucha 25 00-918 Warszawa Dnia 03 czerwca 2009 r.
Mnster Edukacj arodowej Pan Katarzyna HALL Mnsterstwo Edukacj arodowej al. J. Ch. Szucha 25 00-918 arszawa Dna 03 czerwca 2009 r. TEMAT: Propozycja zmany art. 30a ustawy Karta auczycela w forme lstu otwartego
Bardziej szczegółowoWYZNACZENIE CHARAKTERYSTYK DYNAMICZNYCH PRZETWORNIKÓW POMIAROWYCH
Zakład Metrolog Systemów Pomarowych P o l t e c h n k a P o z n ańska ul. Jana Pawła II 6-965 POZNAŃ (budynek Centrum Mechatronk, Bomechank Nanonżyner) www.zmsp.mt.put.poznan.pl tel. +8 6 665 35 7 fa +8
Bardziej szczegółowoRegulamin promocji fiber xmas 2015
fber xmas 2015 strona 1/5 Regulamn promocj fber xmas 2015 1. Organzatorem promocj fber xmas 2015, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 grudna 2015
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej
Rachunek prawdopodobeństwa statstka W 11: Analz zależnoścpomędz zmennm losowm Model regresj welokrotnej Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Model regresj lnowej Model regresj lnowej prostej
Bardziej szczegółowo