PRZYBLIŻENIE WZOREM TABLIC CIEPŁA WŁAŚCIWEGO POWIETRZA SUCHEGO
|
|
- Mirosław Adamski
- 7 lat temu
- Przeglądów:
Transkrypt
1 Stanisław Polanowski Akademia Morska w Gdyni PRZYBLIŻENIE WZOREM TABLIC CIEPŁA WŁAŚCIWEGO POWIETRZA SUCHEGO W artykule przedstawiono metody wyłonienia modeli aproksymujących dwuwymiarowe tablice termodynamiczne Lemmona dla ciepła właściwego powietrza w zakresie temperatur K i ciśnień 0, MPa. Generalnie w tym celu wykorzystano metodę najmniejszych kwadratów oraz minimalizację maksymalnych odchyleń. Rozpatrywane modele są liniowymi kombinacjami funkcji bazowych. Rozpatrzono dwuwymiarowe wielomiany pełne i niepełne wyższych stopni oraz kombinacje dowolnych funkcji bazowych. Przeanalizowano także model bazujący na aproksymacji warstwicowej dla p=idem i T=idem. Pozwoliło to wyłonić funkcje bazowe odpowiednie do charakteru aproksymowanych danych. Opracowane wzory umożliwiają obliczanie wartości ciepła właściwego przy stałym ciśnieniu i stałej objętości w podanych wyżej przedziałach ciśnień i temperatur z błędami nie większymi od 0,083% wartości tablicowej. Słowa kluczowe: przybliżenie tablic wzorami, ciepło właściwe powietrza suchego. WSTĘP Zapis tablic parametrów termodynamicznych za pomocą wzorów ułatwia obliczenia procesów sprężania i spalania, a w tym charakterystyk wydzielania ciepła. Zapis danych w formie wzoru może szczególnie ułatwić operacje różniczkowania i całkowania w porównaniu z bezpośrednim wykorzystaniem w tym celu tablic liczbowych. Problem poszukiwania modelu przybliżającego tablice parametrów termodynamicznych rozpatrzono na przykładzie aproksymacji fragmentu tablicy ciepła właściwego przy stałym ciśnieniu c p dla powietrza suchego [1]. W artykule ograniczono się do zakresu przedziału temperatur T = K oraz zakresu ciśnień p = 0, MPa, kierując się potrzebami obliczeniowymi procesu sprężania w okrętowych silnikach tłokowych. Dane wyjściowe, zawarte w tabeli (Załącznik) mają zasadniczo charakter obliczeniowy [1], gdzie w modelu obliczeniowym uwzględniono pewne dane eksperymentalne, zawierające błędy pomiarowe o charakterze losowym. Należy oczekiwać, że głównymi błędami danych są błędy modelu fizycznego. Autorzy tablic szacują maksymalne błędy wyznaczenia wartości ciepła właściwego powietrza na 1% [1]. Wartości tablicowe ciepła właściwego zostały zaokrąglone do dwóch miejsc po przecinku, więc maksymalna wartość bezwzględna błędu
2 212 ZESZYTY NAUKOWE AKADEMII MORSKIEJ W GDYNI, nr 83, sierpień 2014 zaokrąglenia wynosi 0,005 J/mol K. Ponieważ najmniejsza wartość c p wynosi 29,15 J/mol K [1], to maksymalny bezwzględny błąd procentowy prezentacji danych można oszacować na 0,017%. Przyjęto, że aproksymacja ciepła właściwego z błędami bezwzględnymi δc p 0,1% wartości tablicowych będzie wystarczająco dokładna. 1. APROKSYMACJA WIELOMIANAMI I INNYMI FUNKCJAMI ELEMENTARNYMI Jeżeli model fizyczny nie jest znany, do przybliżenia zbiorów danych metodą najmniejszych kwadratów wykorzystuje się funkcje, stanowiące kombinacje liniowe (sumy) iloczynów współczynników (stałych) a i i funkcji bazowych f i. Funkcja aproksymująca ma postać:. (1) Problem obliczeniowy sprowadza się do wyznaczenia wartości współczynników a i z układu równań liniowych o wymiarze k + 1, kierując się kryterium najmniejszych kwadratów. Bazując na doświadczeniu w zakresie aproksymacji średniokwadratowej różnych wielkości oraz graficznym obrazie tablicy, przyjęto wstępnie k = 15 (16 funkcji bazowych) jako wystarczające dla zapewnienia założonej dokładności aproksymacji. Zakładając, że model fizyczny nie jest znany, rozpatrzono aproksymacje różnymi funkcjami elementarnymi. W pierwszej kolejności rozpatrzono aproksymację pełnym wielomianem potęgowym:. (2) Kolejne funkcje bazowe wielomianu (2) przytoczono w tabeli 1. Ostatnią w zbiorze funkcją bazową funkcji jest jednomian piątego stopnia (tab. 1). Maksymalna wartość bezwzględna odchylenia procentowego dla funkcji, wynosząca 2,4%, jest znaczna w porównaniu z dokonanym wyżej założeniem 0,1%. W kolejnym kroku aproksymację wykonano funkcją wielomianową, (3) włączając do modelu funkcje bazowe ze zbioru jednomianów pełnego wielomianu 12. stopnia. Przy włączaniu funkcji bazowych kierowano się największym wkładem w zmniejszenie sumy kwadratów odchyleń oraz zmniejszaniem się bezwzględnej wartości błędu aproksymacji (tab. 1). Maksymalne wartości potęg dla parametrów i przyjęto równe 6. Uzyskano ponad dwukrotnie mniejsze
3 S. Polanowski, Przybliżenie wzorem tablic ciepła właściwego powietrza suchego 213 maksymalne odchylenie 1,1% niż w przypadku funkcji. Wartość ta jest nadal bardzo duża w porównaniu z założonym błędem maksymalnym aproksymacji danych tablicowych. Kolejną funkcję aproksymującą (4) utworzono, włączając do zbioru funkcji bazowych funkcje bazowe ze wzoru (5), kierując się największym wkładem w zmniejszenie sumy kwadratów 0,5; 3 3; n 0,5; 6 6; 1 3; 1 6; ln 15 ; ln (5) 1; 2 odchyleń oraz osiąganiem założonej wartości błędu bezwzględnego 0,1%. Spełnienie założenia osiągnięto już w przypadku aproksymacji funkcją (tab. 1). Dla 16-elementowej funkcji wartość błędu jest szczególnie mała i wynosi 0,034%. Tabela 1. Maksymalne błędy bezwzględne aproksymacji tabeli funkcjami (2), (3), (4) Table 1. Maximum absolute errors of table approximation using functions (2), (3), (4),,%,%,% ,6 3 8,9 8,9 1,9 4 9,0 6,7 0,88 5 9,1 4,0 0,91 6 6,5 4,2 0,72 7 6,7 3,1 0,77 8 5,7 2,3 0,31 9 5,9 2,0 0, ,9 1,6 0, ,2 1,3 0, ,2 1,2 0, ,2 1,2 0, ,5 1,1 0, ,4 1,1 0,034 Przybliżenie c pc10 i kolejne mogą być wystarczające do niektórych celów obliczeniowych. Wątpliwości może budzić struktura tych modeli. Mogą one być nieadekwatne w sensie fizycznym pomimo adekwatności statystycznej. Nieadekwatność fizyczna modelu w zagadnieniach obliczeniowych może przejawić się np. przy próbach generowania pochodnych funkcji c p. W przypadku całkowania znacznie wzrośnie złożoność wzorów ze względu na występujące potęgi logarytmów.
4 214 ZESZYTY NAUKOWE AKADEMII MORSKIEJ W GDYNI, nr 83, sierpień APROKSYMACJA OPARTA NA ANALIZIE WARSTWIC 2.1. Analiza i aproksymacja warstwic tabeli c p Tabela c p (Załącznik) jest tabelą dwuwymiarową. Analizując ją warstwicowo, można wyróżnić przebiegi c pt dla T = const i c pp dla p = const (rys. 1). c c p [J/mol K] pp T [K] p [MPa] 0,1 0,2 0, c p [J/mol K] c pt p [MPa] T [K] Rys. 1. Warstwice c p : c pp dla p = const, c pt dla T = const Fig. 1. Contours c p : c pp for p = const, c pt for T = const Już wizualna analiza warstwic (rys. 1) pozwala domniemać, że do ich aproksymacji celowe jest zastosowanie wielomianów potęgowych. Widoczne jest, że warstwica najbardziej odchyla się od prostej. Kierując się zmniejszaniem się sum kwadratów odchyleń ; (tab. 2), przyjęto wielomian 3. stopnia jako wystarczająco dobrze aproksymujący warstwice. Tabela 2. Zmniejszanie się sum kwadratów odchyleń ; dla aproksymacji warstwicy wielomianami ; ; Table 2. Decrease of the sum of squared deviations ; for approximation using polynomials ; ;, ; 55,1 0,33 0,0105 0, ,000055
5 S. Polanowski, Przybliżenie wzorem tablic ciepła właściwego powietrza suchego 215 W przypadku niektórych warstwic zwiększanie stopnia wielomianu powyżej 3 powoduje znaczący spadek sumy kwadratów w kolejnym kroku, lecz odchylenie standardowe wzrasta ze względu na malejącą liczbę stopni swobody. Każdy zbiór liczy tylko 8 punktów i stosowanie wielomianów z 3 powoduje aproksymację zakłóceń. W wyniku aproksymacji przebiegów otrzymano cztery zbiory wartości współczynników,,,, 1 31, będących funkcjami zmiennej /100, wprowadzonej dla wygody obliczeniowej. Jeżeli aproksymować powyższe zbiory funkcjami,,,, wzór przybliżający tablicę przyjmie postać:. (6) 2.2. Wyznaczenie funkcji f a i f b Analizując modele termodynamiczne dla gazów, należy zauważyć, że równanie stanu dla gazu rzeczywistego tworzy się, wprowadzając do równania gazu doskonałego poprawki wirialne. Kierując się powyższym, można przewidywać, że wzór przybliżający może zawierać funkcje bazowe, np. postaci ; 0, 0. Sugerowały to już postaci funkcji bazowych włączone do modelu w procesie tworzenia funkcji aproksymującej (tab. 1). Jak wynika z obserwowanego zmniejszania się sumy kwadratów odchyleń, odpowiednią funkcją aproksymującą zbiór może być funkcja lub (tab. 3). Tabela 3. Zmniejszanie się sum kwadratów odchyleń dla aproksymacji zbioru współczynników funkcjami ; Table 3. Decrease of the sum of squared deviations for the set of coefficients approximation using functions ;, ,7 1,16 0,041 0,024 0,0017, , , , , , , W przypadku zbioru najlepsze przybliżenie daje funkcja (tab. 4). Na rysunku 2 za pomocą łamanych zobrazowano uzyskane wyniki aproksymacji.
6 216 ZESZYTY NAUKOWE AKADEMII MORSM KIEJ W GDYNI, nr 83, sierpień 2014 Tabela 4.. Zmniejszanie sięę summ kwadratóww odchyleń dla aproksymacji zbioruu wspów ółczynników funkcjami ;, 0 Table 4. Decrease of thee summ off squaredd deviations for f the set of coefficients approa oximationn using functionss ;, 0, ,033 0, , , Rys. 2. Porównanie przebiegóww współczynnikóww i i ich aproksymacji i Fig. 2. A comparison off graphs of coefficients and and their approximations and 2.3. Wyznaczenie funkcji f c(t) W przypadku współczynnikóww wystaw arczające przybliżenie lubb (tab. 5). 5 daje funkcja Tabela 5.. Zmniejszanie sięę summ kwadratóww odchyleń dla aproksymacji zbioru współczynnikóww funkcjami ;,, Table 5. Decrease of thee summ of squaredd deviations for the set of coefficients approximation using functions ; ;,,,, ,1E-0,5 2,0E-0,6 1,5E-0,6 1,4E-0,6 1,2E-0,6 1,2E-0,6 Analiza zobrazowania wyników aproksymacji (rys. 3) potwp wierdza, ciwą funkcją aproksymującą jestt funkcjaa lubb. że właś-
7 S. PolanoP owski,, Przybliżenie wzoremm tablicc ciepła właściwego powietrza suchegoo 217 Rys. R 3. Porównanie przebieguu współczynnikóww i ich wybranych aproksymacji f,f,f Fig. 3. A comparison off graphs of coefficients c and theirr selected approximationss f, f, f f 2.4. Wyznaczenie funkcji fd (t) W przypadkuu zbioruu wystarczające przybliżenie dajee funkcjaa 5 (ta ab. 6), coo pokazuje porównanie przebiegóww funkcji na rysunkuu 4. Tabela 6. Zmniejszanie sięę summ kwadratóww odchyleń dla aproksymacji zbioru współczynnikóww funkcjami ;, 0, 1 Tablee 6. Decreasee of the sum s of squared deviad ationss forr the set of coefficients approximationn using functionss ;,,, ,8E-088 2,7E-099 1,9E-0,9 1, 6E-0,9 1,5E-09 Rys. R 4. Porównanie przebiegóww współczynników d j i ichh wybranych aproa oksymacji 4 Fig. 4. A comparison of graphss of coefficients d j andd their selected approximations
8 218 ZESZYTY NAUKOWE AKADEMII MORSKIEJ W GDYNI, nr 83, sierpień Ocena przybliżenia na podstawie aproksymacji warstwicowej W wyniku dokonanych aproksymacji warstwicowych wzór (6) przyjmie postać:. (7) Maksymalny bezwzględny błąd procentowy przybliżenia (7) wynosi 0,024%, lecz wzór ten zawiera aż 29 wyznaczanych współczynników. Kierując się dostatecznym spełnieniem założenia 0,1%, można w pewnym stopniu zredukować liczbę współczynników do modelu (8):. (8) Maksymalny błąd przybliżenia (8) wynosi 0,058%, a liczba wyznaczanych współczynników Aproksymacja bezpośrednia Należy wykorzystać informację o postaci funkcji bazowych w modelach warstwicowych (punkty ) do aproksymacji bezpośredniej modelem (1), metodą włączania lub eliminacji funkcji bazowych, kierując się kryterium największego wkładu w zmniejszanie się sumy kwadratów odchyleń w kolejnych krokach aproksymacji oraz spełnieniem warunku dopuszczalnego błędu maksymalnego aproksymacji. Poniżej przytoczono uzyskane modele aproksymujące tablicę c p z błędami mniejszymi od 0,1% wartości tablicowych tych wielkości w zakresie temperatur K i w zakresie ciśnień 0, MPa. 39,541 56,76 358,2 3752, , , ,346 5,6 14,7 0,0053 0,081%. (9) Wykorzystując analogiczne funkcje bazowe dla aproksymacji ciepła właściwego przy stałej objętości w przyjętych zakresach ciśnień i temperatur, otrzymano wzór: 31, ,86 355, , , ,9 0,0436 0, ,013 0, ,084%. (10)
9 S. Polanowski, Przybliżenie wzorem tablic ciepła właściwego powietrza suchego 219 PODSUMOWANIE Aproksymacja dwuwymiarowej tabeli c p 16-elementowym wielomianem pełnym (2) oraz wielomianami niepełnymi (3) nie spełniła postawionych wymagań dokładnościowych. W przypadku modelu (4) uzyskano dobre przybliżenie, lecz wątpliwości budzi struktura modelu, tym bardziej, że zastosowanie tego modelu do aproksymacji ciepła właściwego przy stałej objętości c v nie daje zadowalających wyników. Modele (7) i (8), bazujące na aproksymacji warstwicowej, pozwoliły uzyskać wysoką dokładność przybliżenia, lecz zawierają znaczną liczbę współczynników. Modele te nie minimalizują sumy kwadratów odchyleń dla kombinacji liniowej wszystkich funkcji bazowych w nim zawartych. Można pokazać, że aproksymacje zbiorów współczynników z użyciem innych funkcji bazowych mogą prowadzić do znacznych błędów aproksymacji. Jednakże aproksymacja warstwicowa umożliwiła ujawnienie postaci funkcji bazowych dobrze aproksymujących zbiory danych. Aproksymacja bezpośrednia (1) z zastosowaniem wyłonionych funkcji bazowych umożliwiła uzyskanie aproksymacji (9) i (10), spełniających przyjęte założenia co do dokładności aproksymacji przy względnie małej liczbie współczynników. Metoda analizy warstwicowej tabeli dwuwymiarowej może mieć zastosowanie także w procesie budowania modelów aproksymacji tablic innych wielkości termodynamicznych. LITERATURA 1. Lemmon E.W., Jacobsen R.T., Penocello S.G., Friend D.G., Thermodynamic Properties of Air Mixtures of Nitrogen, Argon and Oxygen From 60 to 2000 K AT Pressures to 2000 MPa, J. Phys. Chem. Ref. Data, 2000, Vol. 29, No. 3.
10 T [K] Załącznik. Tabela aproksymowanego zakresu wartości c J K p [1] mol Annex. The table of approximated range of values of c J K p [1] mol p [MPa] 0, ,2 0, ,15 29,20 29,33 29,56 30,03 31,42 33,66 36, ,16 29,20 29,33 29,54 29,97 31,24 33,28 36, ,18 29,21 29,33 29,53 29,92 31,09 32,95 35, ,19 29,23 29,34 29,52 29,88 30,96 32,67 35, ,21 29,24 29,35 29,52 29,85 30,85 32,42 34, ,23 29,26 29,36 29,52 29,83 30,76 32,21 34, ,26 29,29 29,37 29,52 29,82 30,68 32,03 34, ,28 29,31 29,39 29,53 29,81 30,61 31,87 33, ,31 29,34 29,41 29,54 29,80 30,56 31,73 33, ,34 29,37 29,44 29,56 29,80 30,51 31,61 33, ,38 29,40 29,47 29,58 29,81 30,47 31,50 33, ,58 29,59 29,65 29,73 29,91 30,41 31,18 32, ,83 29,84 29,89 29,95 30,09 30,48 31,08 32, ,13 30,14 30,17 30,22 30,33 30,64 31,12 31, ,45 30,46 30,48 30,53 30,62 30,87 31,27 31, ,79 30,80 30,82 30,86 30,93 31,14 31,47 32, ,14 31,14 31,16 31,19 31,26 31,43 31,71 32, ,48 31,49 31,51 31,53 31,58 31,74 31,97 32, ,82 31,83 31,84 31,87 31,91 32,04 32,24 32, ,47 32,47 32,48 32,5 32,53 32,63 32,79 33, ,05 33,05 33,06 33,07 33,1 33,18 33,3 33, ,57 33,57 33,57 33,58 33,61 33,67 33,76 33, ,02 34,02 34,03 34,03 34,05 34,1 34,18 34, ,42 34,42 34,42 34,43 34,44 34,48 34,55 34, ,77 34,77 34,77 34,77 34,79 34,82 34,88 34, ,08 35,08 35,08 35,09 35,1 35,12 35,17 35, ,35 35,35 35,36 35,36 35,37 35,39 35,43 35, ,6 35,6 35,6 35,61 35,61 35,63 35,66 35, ,82 35,82 35,83 35,83 35,83 35,85 35,88 35, ,03 36,03 36,03 36,03 36,04 36,05 36,07 36, ,21 36,21 36,21 36,22 36,22 36,23 36,25 36,29
11 S. Polanowski, Przybliżenie wzorem tablic ciepła właściwego powietrza suchego 221 APPROXIMATION OF TABLES OF DRY AIR SPECIFIC HEAT USING FORMULA Summary The paper presents a methods of approximation models identification of two-dimensional Lemmon thermodynamic tables of specific heat of the air in the temperature range 300 to 2000 K and pressures to 20 MPa. The method of least squares and minimization of the maximum deviations was used for this purpose. Considered models are linear combinations of basic functions. There are considered two-dimensional polynomials complete and incomplete higher degrees and combinations of any of basic functions. Also there is analyzed a model based on the approximation of the contour lines for p = idem and T = idem. This allowed to emerge basis functions corresponding to the nature of the approximated data. The elaborated formulas allow calculation of the specific heat at constant pressure and at constant volume value in the above ranges of pressures and temperatures with errors of no more than 0.083% of the table values. Keywords: specific heat of dry air, table approximation by formula.
Approximation of the tables of the air molar specific heat of the dry air in the range of compression
Article citation info: POLANOWSKI S. Approximation of the tables of the air molar specific heat of the dry air in the range of compression. Combustion Engines. 2015, 162(3), 582-586. ISSN 2300-9896. Stanisław
w analizie wyników badań eksperymentalnych, w problemach modelowania zjawisk fizycznych, w analizie obserwacji statystycznych.
Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(), zwaną funkcją aproksymującą
Aproksymacja funkcji a regresja symboliczna
Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(x), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(x), zwaną funkcją aproksymującą
Aproksymacja. funkcji: ,a 2. ,...,a m. - są funkcjami bazowymi m+1 wymiarowej podprzestrzeni liniowej X m+1
Założenie: f(x) funkcja którą aproksymujemy X jest przestrzenią liniową Aproksymacja liniowa funkcji f(x) polega na wyznaczeniu współczynników a 0,a 1,a 2,...,a m funkcji: Gdzie: - są funkcjami bazowymi
INTERPOLACJA I APROKSYMACJA FUNKCJI
Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Wprowadzenie Na czym polega interpolacja? Interpolacja polega
METODY NUMERYCZNE. Wykład 3. Plan. Aproksymacja Interpolacja wielomianowa Przykłady. dr hab.inż. Katarzyna Zakrzewska, prof.agh. Met.Numer.
METODY NUMERYCZNE Wykład 3. dr hab.inż. Katarzyna Zakrzewska, prof.agh Met.Numer. wykład 3 1 Plan Aproksymacja Interpolacja wielomianowa Przykłady Met.Numer. wykład 3 2 1 Aproksymacja Metody numeryczne
ĆWICZENIE 3 REZONANS AKUSTYCZNY
ĆWICZENIE 3 REZONANS AKUSTYCZNY W trakcie doświadczenia przeprowadzono sześć pomiarów rezonansu akustycznego: dla dwóch różnych gazów (powietrza i CO), pięć pomiarów dla powietrza oraz jeden pomiar dla
ALGORYTM I APLIKACJA W PROGRAMIE EXCEL DLA KROKOWEJ APROKSYMACJI DANYCH DROGĄ ROZWIĄZANIA UKŁADU RÓWNAŃ METODĄ GAUSSA
Zeszyty Naukowe Akademii Morskiej w Gdyni Scientific Journal of Gdynia Maritime University Nr 105/2018, 124 135 Złożony/submitted: 01.06.2018 ISSN 2451-2486 (online) Zaakceptowany/accepted: 08.06.2018
MODELOWANIE CHARAKTERYSTYK MOMENTU OBROTOWEGO I POCHODNYCH CHARAKTERYSTYK UKŁADU NAPĘDOWEGO ZE ŚRUBĄ O STAŁYM SKOKU
Stanisław Polanowski Akademia Morska w Gdyni MODELOWANIE CHARAKTERYSTYK MOMENTU OBROTOWEGO I POCHODNYCH CHARAKTERYSTYK UKŁADU NAPĘDOWEGO ZE ŚRUBĄ O STAŁYM SKOKU W artykule scharakteryzowano problem wyznaczenia
MODELOWANIE I WYZNACZANIE CHARAKTERYSTYK MOCY UKŁADU NAPĘDOWEGO STATKU WYPORNOŚCIOWEGO ZE ŚRUBĄ O STAŁYM SKOKU
Rafał Pawletko, Stanisław Polanowski Akademia Morska w Gdyni MODELOWANIE I WYZNACZANIE CHARAKTERYSTYK MOCY UKŁADU NAPĘDOWEGO STATKU WYPORNOŚCIOWEGO ZE ŚRUBĄ O STAŁYM SKOKU W artykule scharakteryzowano
Metody Obliczeniowe w Nauce i Technice
5. Aproksymacja Marian Bubak Department of Computer Science AGH University of Science and Technology Krakow, Poland bubak@agh.edu.pl dice.cyfronet.pl Contributors Paweł Urban Jakub Ptak Łukasz Janeczko
Pochodna i różniczka funkcji oraz jej zastosowanie do rachunku błędów pomiarowych
Pochodna i różniczka unkcji oraz jej zastosowanie do rachunku błędów pomiarowych Krzyszto Rębilas DEFINICJA POCHODNEJ Pochodna unkcji () w punkcie określona jest jako granica: lim 0 Oznaczamy ją symbolami:
Obliczanie niepewności rozszerzonej metodą analityczną opartą na splocie rozkładów wielkości wejściowych
Obliczanie niepewności rozszerzonej metodą analityczną opartą na splocie rozkładów wejściowych Paweł Fotowicz * Przedstawiono ścisłą metodę obliczania niepewności rozszerzonej, polegającą na wyznaczeniu
PROGRAMOWANIE DYNAMICZNE W ROZMYTYM OTOCZENIU DO STEROWANIA STATKIEM
Mostefa Mohamed-Seghir Akademia Morska w Gdyni PROGRAMOWANIE DYNAMICZNE W ROZMYTYM OTOCZENIU DO STEROWANIA STATKIEM W artykule przedstawiono propozycję zastosowania programowania dynamicznego do rozwiązywania
Regresja nieparametryczna series estimator
Regresja nieparametryczna series estimator 1 Literatura Bruce Hansen (2018) Econometrics, rozdział 18 2 Regresja nieparametryczna Dwie główne metody estymacji Estymatory jądrowe Series estimators (estymatory
Interpolacja, aproksymacja całkowanie. Interpolacja Krzywa przechodzi przez punkty kontrolne
Interpolacja, aproksymacja całkowanie Interpolacja Krzywa przechodzi przez punkty kontrolne Aproksymacja Punkty kontrolne jedynie sterują kształtem krzywej INTERPOLACJA Zagadnienie interpolacji można sformułować
Rozdział 8. Regresja. Definiowanie modelu
Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność
Pochodna i różniczka funkcji oraz jej zastosowanie do obliczania niepewności pomiarowych
Pochodna i różniczka unkcji oraz jej zastosowanie do obliczania niepewności pomiarowych Krzyszto Rębilas DEFINICJA POCHODNEJ Pochodna unkcji () w punkcie określona jest jako granica: lim 0 Oznaczamy ją
WYGŁADZANIE WYKRESÓW INDYKATOROWYCH RUCHOMYMI OBIEKTAMI APROKSYMUJĄCYMI Z WIĘZAMI ŁAMANYMI
ZESZYTY NAUKOWE AKADEMII MARYNARKI WOJENNEJ ROK XLVII NR 1 (164) 2006 Stanisł aw Polanowski WYGŁADZANIE WYKRESÓW INDYKATOROWYCH RUCHOMYMI OBIEKTAMI APROKSYMUJĄCYMI Z WIĘZAMI ŁAMANYMI STRESZCZENIE W pracy
INFORMATYKA ELEMENTY METOD NUMERYCZNYCH.
INFORMATYKA ELEMENTY METOD NUMERYCZNYCH http://www.infoceram.agh.edu.pl METODY NUMERYCZNE Metody numeryczne zbiór metod rozwiązywania problemów matematycznych za pomocą operacji na liczbach. Otrzymywane
parametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,
诲 瞴瞶 瞶 ƭ0 ƭ 瞰 parametrów strukturalnych modelu Y zmienna objaśniana, = + + + + + X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających, α 0, α 1, α 2,,α k parametry strukturalne modelu, k+1 parametrów
1. Sporządzić tabele z wynikami pomiarów oraz wyznaczonymi błędami pomiarów dotyczących przetwornika napięcia zgodnie z poniższym przykładem
1 Sporządzić tabele z wynikami pomiarów oraz wyznaczonymi błędami pomiarów dotyczących przetwornika napięcia zgodnie z poniższym przykładem Znaczenie symboli: Tab 1 Wyniki i błędy pomiarów Lp X [mm] U
Techniki Optymalizacji: Metody regresji
Techniki Optymalizacji: Metody regresji Wojciech Kotłowski Instytut Informatyki Politechniki Poznańskiej email: imię.nazwisko@cs.put.poznan.pl pok. 2 (CW) tel. (61)665-2936 konsultacje: piątek 15:10-16:40
Całkowanie numeryczne
Całkowanie numeryczne Poniżej omówione zostanie kilka metod przybliżania operacji całkowania i różniczkowania w szczególności uzależnieniu pochodnej od jej różnic skończonych gdy równanie różniczkowe mamy
APROKSYMACJA. Rys. 1. Funkcja aproksymująca zbiór punktów pomiarowych (1) (2) (3) (4) (5) (6) (7) ... Zmienna y
40 APROKSYMACJA Zmienna y 36 33 30 27 24 21 18 15 12 9 6 3 0 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 Zmienna x Rys. 1. Funkcja aproksymująca zbiór punktów pomiarowych (1) (2) (3) (4) (5) (6) (7)...
KORELACJA 1. Wykres rozrzutu ocena związku między zmiennymi X i Y. 2. Współczynnik korelacji Pearsona
KORELACJA 1. Wykres rozrzutu ocena związku między zmiennymi X i Y 2. Współczynnik korelacji Pearsona 3. Siła i kierunek związku między zmiennymi 4. Korelacja ma sens, tylko wtedy, gdy związek między zmiennymi
Ćwiczenie 3. MatLab: Algebra liniowa. Rozwiązywanie układów liniowych
Ćwiczenie 3. MatLab: Algebra liniowa. Rozwiązywanie układów liniowych Wszystko proszę zapisywać komendą diary do pliku o nazwie: imie_ nazwisko 1. Definiowanie macierzy i odwoływanie się do elementów:
Metody numeryczne. materiały do wykładu dla studentów. 7. Całkowanie numeryczne
Metody numeryczne materiały do wykładu dla studentów 7. Całkowanie numeryczne 7.1. Całkowanie numeryczne 7.2. Metoda trapezów 7.3. Metoda Simpsona 7.4. Metoda 3/8 Newtona 7.5. Ogólna postać wzorów kwadratur
Badanie zależności temperatury wrzenia wody od ciśnienia
Ćwiczenie C2 Badanie zależności temperatury wrzenia wody od ciśnienia C2.1. Cel ćwiczenia Celem ćwiczenia jest pomiar zależności temperatury wrzenia wody od ciśnienia (poniżej ciśnienia atmosferycznego),
ĆWICZENIE 13 TEORIA BŁĘDÓW POMIAROWYCH
ĆWICZENIE 13 TEORIA BŁĘDÓW POMIAROWYCH Pomiary (definicja, skale pomiarowe, pomiary proste, złożone, zliczenia). Błędy ( definicja, rodzaje błędów, błąd maksymalny i przypadkowy,). Rachunek błędów Sposoby
PRACA MINIMALNA ZIĘBNICZEGO OBIEGU LEWOBIEŻNEGO
Dariusz Nanowski Akademia Morska w Gdyni PRACA MINIMALNA ZIĘBNICZEGO OBIEGU LEWOBIEŻNEGO W artykule odniesiono się do dostępnej literatury i zawarto własne analizy związane z określaniem pracy minimalnej
Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna
Regresja wieloraka Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna zmienna niezależna (można zobrazować
KADD Minimalizacja funkcji
Minimalizacja funkcji Poszukiwanie minimum funkcji Foma kwadratowa Metody przybliżania minimum minimalizacja Minimalizacja w n wymiarach Metody poszukiwania minimum Otaczanie minimum Podział obszaru zawierającego
Rozdział 1 PROGRAMOWANIE LINIOWE
Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 1 PROGRAMOWANIE LINIOWE 1.2 Ćwiczenia komputerowe Ćwiczenie 1.1 Wykorzystując
Analiza niepewności pomiarów
Teoria pomiarów Analiza niepewności pomiarów Zagadnienia statystyki matematycznej Dr hab. inż. Paweł Majda www.pmajda.zut.edu.pl Podstawy statystyki matematycznej Histogram oraz wielobok liczebności zmiennej
Wyznaczanie sprawności grzejnika elektrycznego i ciepła właściwego cieczy za pomocą kalorymetru z grzejnikiem elektrycznym
Politechnika Łódzka FTIMS Kierunek: Informatyka rok akademicki: 2008/2009 sem. 2. grupa II Termin: 24 III 2009 Nr. ćwiczenia: 215 Temat ćwiczenia: Wyznaczanie sprawności grzejnika elektrycznego i ciepła
Wprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
WYKŁAD 8 ANALIZA REGRESJI
WYKŁAD 8 ANALIZA REGRESJI Regresja 1. Metoda najmniejszych kwadratów-regresja prostoliniowa 2. Regresja krzywoliniowa 3. Estymacja liniowej funkcji regresji 4. Testy istotności współczynnika regresji liniowej
( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie:
ma postać y = ax + b Równanie regresji liniowej By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : xy b = a = b lub x Gdzie: xy = też a = x = ( b ) i to dane empiryczne, a ilość
Algorytmy i struktury danych. Wykład 4
Wykład 4 Różne algorytmy - obliczenia 1. Obliczanie wartości wielomianu 2. Szybkie potęgowanie 3. Algorytm Euklidesa, liczby pierwsze, faktoryzacja liczby naturalnej 2017-11-24 Algorytmy i struktury danych
OPTYMALIZACJA ZBIORNIKA NA GAZ PŁYNNY LPG
Leon KUKIEŁKA, Krzysztof KUKIEŁKA, Katarzyna GELETA, Łukasz CĄKAŁA OPTYMALIZACJA ZBIORNIKA NA GAZ PŁYNNY LPG Streszczenie Praca dotyczy optymalizacji kształtu zbiornika toroidalnego na gaz LPG. Kryterium
Ekonometryczna analiza popytu na wodę
Jacek Batóg Uniwersytet Szczeciński Ekonometryczna analiza popytu na wodę Jednym z czynników niezbędnych dla funkcjonowania gospodarstw domowych oraz realizacji wielu procesów technologicznych jest woda.
DOPASOWYWANIE KRZYWYCH
DOPASOWYWANIE KRZYWYCH Maciej Patan Uniwersytet Zielonogórski Motywacje Przykład 1. Dane o przyroście światowej populacji są aktualizowane co każde 10 lat, celem szacowania średniego przyrostu rocznego.
Metody numeryczne. Sformułowanie zagadnienia interpolacji
Ćwiczenia nr 4. Sformułowanie zagadnienia interpolacji Niech będą dane punkty x 0,..., x n i wartości y 0,..., y n, takie że i=0,...,n y i = f (x i )). Szukamy funkcji F (funkcji interpolującej), takiej
Dopasowywanie modelu do danych
Tematyka wykładu dopasowanie modelu trendu do danych; wybrane rodzaje modeli trendu i ich właściwości; dopasowanie modeli do danych za pomocą narzędzi wykresów liniowych (wykresów rozrzutu) programu STATISTICA;
WYMAGANIA EDUKACYJNE Z MATEMATYKI DLA KLASY 7SP. V. Obliczenia procentowe. Uczeń: 1) przedstawia część wielkości jako procent tej wielkości;
WYMAGANIA EDUKACYJNE Z MATEMATYKI DLA KLASY 7SP Liczby. TEMAT Rozwinięcia dziesiętne liczb wymiernych. Zaokrąglanie liczb. Szacowanie wyników. Dodawanie i odejmowanie liczb dodatnich. Mnożenie i dzielenie
KORELACJE I REGRESJA LINIOWA
KORELACJE I REGRESJA LINIOWA Korelacje i regresja liniowa Analiza korelacji: Badanie, czy pomiędzy dwoma zmiennymi istnieje zależność Obie analizy się wzajemnie przeplatają Analiza regresji: Opisanie modelem
Matematyka stosowana i metody numeryczne
Ewa Pabisek Adam Wosatko Piotr Pluciński Matematyka stosowana i metody numeryczne Konspekt z wykładu 8 Interpolacja Interpolacja polega na budowaniu tzw. funkcji interpolujących ϕ(x) na podstawie zadanych
Klasa 1 technikum. Poniżej przedstawiony został podział wymagań na poszczególne oceny szkolne:
Klasa 1 technikum Przedmiotowy system oceniania wraz z wymaganiami edukacyjnymi Wyróżnione zostały następujące wymagania programowe: konieczne (K), podstawowe (P), rozszerzające (R), dopełniające (D) i
PORÓWNANIE WYBRANYCH SCHEMATÓW RÓŻNICO- WYCH NA PRZYKŁADZIE RÓWNANIA SELECTED DIFFERENTIAL SCHEMES COMPARISON BY MEANS OF THE EQUATION
Mirosław GUZIK Grzegorz KOSZŁKA PORÓWNANIE WYBRANYCH SCHEMATÓW RÓŻNICO- WYCH NA PRZYKŁADZIE RÓWNANIA SELECTED DIFFERENTIAL SCHEMES COMPARISON BY MEANS OF THE EQUATION W artykule przedstawiono niektóre
KADD Minimalizacja funkcji
Minimalizacja funkcji n-wymiarowych Forma kwadratowa w n wymiarach Procedury minimalizacji Minimalizacja wzdłuż prostej w n-wymiarowej przestrzeni Metody minimalizacji wzdłuż osi współrzędnych wzdłuż kierunków
Metody numeryczne. dr Artur Woike. Ćwiczenia nr 2. Rozwiązywanie równań nieliniowych metody połowienia, regula falsi i siecznych.
Ćwiczenia nr 2 metody połowienia, regula falsi i siecznych. Sformułowanie zagadnienia Niech będzie dane równanie postaci f (x) = 0, gdzie f jest pewną funkcją nieliniową (jeżeli f jest liniowa to zagadnienie
Pakiet edukacyjny do nauki przedmiotów ścisłych i kształtowania postaw przedsiębiorczych
ZESPÓŁ SZKÓŁ HANDLOWO-EKONOMICZNYCH IM. MIKOŁAJA KOPERNIKA W BIAŁYMSTOKU Pakiet edukacyjny do nauki przedmiotów ścisłych i kształtowania postaw przedsiębiorczych Mój przedmiot matematyka spis scenariuszy
Inżynierskie metody analizy numerycznej i planowanie eksperymentu / Ireneusz Czajka, Andrzej Gołaś. Kraków, Spis treści
Inżynierskie metody analizy numerycznej i planowanie eksperymentu / Ireneusz Czajka, Andrzej Gołaś. Kraków, 2017 Spis treści Od autorów 11 I. Klasyczne metody numeryczne Rozdział 1. Na początek 15 1.1.
Badanie własności diód krzemowej, germanowej, oraz diody Zenera
23 kwietnia 2001 Ryszard Kostecki Badanie własności diód krzemowej, germanowej, oraz diody Zenera Streszczenie Celem tej pracy jest zapoznanie się z tematyką i zbadanie diód krzemowej, germanowej, oraz
BADANIA ZRÓŻNICOWANIA RYZYKA WYPADKÓW PRZY PRACY NA PRZYKŁADZIE ANALIZY STATYSTYKI WYPADKÓW DLA BRANŻY GÓRNICTWA I POLSKI
14 BADANIA ZRÓŻNICOWANIA RYZYKA WYPADKÓW PRZY PRACY NA PRZYKŁADZIE ANALIZY STATYSTYKI WYPADKÓW DLA BRANŻY GÓRNICTWA I POLSKI 14.1 WSTĘP Ogólne wymagania prawne dotyczące przy pracy określają m.in. przepisy
Analiza współzależności zjawisk
Analiza współzależności zjawisk Informacje ogólne Jednostki tworzące zbiorowość statystyczną charakteryzowane są zazwyczaj za pomocą wielu cech zmiennych, które nierzadko pozostają ze sobą w pewnym związku.
MATEMATYKA Z PLUSEM DLA KLASY VII W KONTEKŚCIE WYMAGAŃ PODSTAWY PROGRAMOWEJ. programowej dla klas IV-VI. programowej dla klas IV-VI.
MATEMATYKA Z PLUSEM DLA KLASY VII W KONTEKŚCIE WYMAGAŃ PODSTAWY PROGRAMOWEJ TEMAT LICZBA GODZIN LEKCYJNYCH WYMAGANIA SZCZEGÓŁOWE Z PODSTAWY PROGRAMOWEJ UWAGI. LICZBY I DZIAŁANIA 6 h Liczby. Rozwinięcia
METODY ROZWIĄZYWANIA RÓWNAŃ NIELINIOWYCH
METODY ROZWIĄZYWANIA RÓWNAŃ NIELINIOWYCH Jednym z zastosowań metod numerycznych jest wyznaczenie pierwiastka lub pierwiastków równania nieliniowego. W tym celu stosuje się szereg metod obliczeniowych np:
Symulacyjne metody wyceny opcji amerykańskich
Metody wyceny Piotr Małecki promotor: dr hab. Rafał Weron Instytut Matematyki i Informatyki Politechniki Wrocławskiej Wrocław, 0 lipca 009 Metody wyceny Drzewko S 0 S t S t S 3 t S t St St 3 S t St St
WYKŁAD 9 METODY ZMIENNEJ METRYKI
WYKŁAD 9 METODY ZMIENNEJ METRYKI Kierunki sprzężone. Metoda Newtona Raphsona daje dobre przybliżenie najlepszego kierunku poszukiwań, lecz jest to okupione znacznym kosztem obliczeniowym zwykle postać
Estymacja wektora stanu w prostym układzie elektroenergetycznym
Zakład Sieci i Systemów Elektroenergetycznych LABORATORIUM INFORMATYCZNE SYSTEMY WSPOMAGANIA DYSPOZYTORÓW Estymacja wektora stanu w prostym układzie elektroenergetycznym Autorzy: dr inż. Zbigniew Zdun
Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817
Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817 Zadanie 1: wiek 7 8 9 1 11 11,5 12 13 14 14 15 16 17 18 18,5 19 wzrost 12 122 125 131 135 14 142 145 15 1 154 159 162 164 168 17 Wykres
Stanisław Cichocki. Natalia Nehrebecka. Wykład 9
Stanisław Cichocki Natalia Nehrebecka Wykład 9 1 1. Dodatkowe założenie KMRL 2. Testowanie hipotez prostych Rozkład estymatora b Testowanie hipotez prostych przy użyciu statystyki t 3. Przedziały ufności
UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH
Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Postać układu równań liniowych Układ liniowych równań algebraicznych
Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych
Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych dla studentów Chemii (2018) Autor prezentacji :dr hab. Paweł Korecki dr Szymon Godlewski e-mail: szymon.godlewski@uj.edu.pl
Wstęp do teorii niepewności pomiaru. Danuta J. Michczyńska Adam Michczyński
Wstęp do teorii niepewności pomiaru Danuta J. Michczyńska Adam Michczyński Podstawowe informacje: Strona Politechniki Śląskiej: www.polsl.pl Instytut Fizyki / strona własna Instytutu / Dydaktyka / I Pracownia
Twierdzenia Rolle'a i Lagrange'a
Twierdzenia Rolle'a i Lagrange'a Zadanie 1 Wykazać, że dla dowolnych zachodzi. W przypadku nierówność (a właściwie równość) w treści zadania spełniona jest w sposób oczywisty, więc tego przypadku nie musimy
Kształcenie w zakresie podstawowym. Klasa 1
Kształcenie w zakresie podstawowym. Klasa 1 Poniżej podajemy umiejętności, jakie powinien zdobyć uczeń z każdego działu, aby uzyskać poszczególne stopnie. Na ocenę dopuszczającą uczeń powinien opanować
WYMAGANIA EDUKACYJNE Z MATEMATYKI DLA KLASY VII SZKOŁY PODSTAWOWEJ
WYMAGANIA EDUKACYJNE Z MATEMATYKI DLA KLASY VII SZKOŁY PODSTAWOWEJ Ocenę niedostateczną otrzymuje uczeń, jeśli nie opanował wiadomości i umiejętności na ocenę dopuszczającą, nie wykazuje chęci poprawy
WYMAGANIA NA POSZCZEGÓLNE OCENY MATEMATYKA KL.VII
WYMAGANIA NA POSZCZEGÓLNE OCENY MATEMATYKA KL.VII ROZDZIAŁ I LICZBY 1. rozpoznaje cyfry używane do zapisu liczb w systemie rzymskim w zakresie do 3000 2. odczytuje liczby naturalne dodatnie zapisane w
Liczby. Wymagania programowe kl. VII. Dział
Wymagania programowe kl. VII Dział Liczby rozpoznaje cyfry używane do zapisu liczb w systemie rzymskim w zakresie do 3000 odczytuje liczby naturalne dodatnie zapisane w systemie rzymskim w zakresie do
Rozwiązywanie równań nieliniowych
Rozwiązywanie równań nieliniowych Marcin Orchel 1 Wstęp Przykłady wyznaczania miejsc zerowych funkcji f : f(ξ) = 0. Wyszukiwanie miejsc zerowych wielomianu n-tego stopnia. Wymiar tej przestrzeni wektorowej
Uczenie sieci typu MLP
Uczenie sieci typu MLP Przypomnienie budowa sieci typu MLP Przypomnienie budowy neuronu Neuron ze skokową funkcją aktywacji jest zły!!! Powszechnie stosuje -> modele z sigmoidalną funkcją aktywacji - współczynnik
WYMAGANIA EDUKACYJNE Z MATEMATYKI KLASA VII
WYMAGANIA EDUKACYJNE Z MATEMATYKI KLASA VII Ocena Dopuszczający Osiągnięcia ucznia rozpoznaje cyfry używane do zapisu liczb w systemie rzymskim w zakresie do 3000 odczytuje liczby naturalne dodatnie zapisane
Wymagania edukacyjne z matematyki w klasie VII szkoły podstawowej
Wymagania edukacyjne z matematyki w klasie VII szkoły podstawowej ROZDZIAŁ I LICZBY Uczeń otrzymuje ocenę dopuszczającą jeśli: 1. rozpoznaje cyfry używane do zapisu liczb w systemie rzymskim w zakresie
Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
DRUGA ZASADA TERMODYNAMIKI
DRUGA ZASADA TERMODYNAMIKI Procesy odwracalne i nieodwracalne termodynamicznie, samorzutne i niesamorzutne Proces nazywamy termodynamicznie odwracalnym, jeśli bez spowodowania zmian w otoczeniu możliwy
Porównanie metod określania własności termodynamicznych pary wodnej
LABORATORIUM TERMODYNAMIKI I TECHNIKI CIEPLNEJ Porównanie metod określania własności termodynamicznych pary wodnej prof. dr hab. inż. Krzysztof Urbaniec ZAKŁAD APARATURY PRZEMYSŁOWEJ POLITECHNIKA WARSZAWSKA,
Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych
Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych dla studentów Chemii 2007 Paweł Korecki 2013 Andrzej Kapanowski Po co jest Pracownia Fizyczna? 1. Obserwacja zjawisk i
Próbny egzamin z matematyki dla uczniów klas II LO i III Technikum. w roku szkolnym 2012/2013
Próbny egzamin z matematyki dla uczniów klas II LO i III Technikum w roku szkolnym 2012/2013 I. Zakres materiału do próbnego egzaminu maturalnego z matematyki: 1) liczby rzeczywiste 2) wyrażenia algebraiczne
Technikum Nr 2 im. gen. Mieczysława Smorawińskiego w Zespole Szkół Ekonomicznych w Kaliszu
Technikum Nr 2 im. gen. Mieczysława Smorawińskiego w Zespole Szkół Ekonomicznych w Kaliszu Wymagania edukacyjne niezbędne do uzyskania poszczególnych śródrocznych i rocznych ocen klasyfikacyjnych z obowiązkowych
1. Sporządzić tabele z wynikami pomiarów oraz wyznaczonymi błędami pomiarów dotyczących pomiaru prędkości obrotowej zgodnie z poniższym przykładem.
Sporządzić tabele z wynikami pomiarów oraz wyznaczonymi błędami pomiarów dotyczących pomiaru prędkości obrotowej zgodnie z poniższym przykładem Tab Wyniki i błędy pomiarów U [V] U [V] f [Hz] U [V] δ U
Wykład 4 Wybór najlepszej procedury. Estymacja parametrów re
Wykład 4 Wybór najlepszej procedury. Estymacja parametrów regresji z wykorzystaniem metody bootstrap. Wrocław, 22.03.2017r Wybór najlepszej procedury - podsumowanie Co nas interesuje przed przeprowadzeniem
Regresja logistyczna (LOGISTIC)
Zmienna zależna: Wybór opcji zachodniej w polityce zagranicznej (kodowana jako tak, 0 nie) Zmienne niezależne: wiedza o Unii Europejskiej (WIEDZA), zamieszkiwanie w regionie zachodnim (ZACH) lub wschodnim
Całki nieoznaczone. 1 Własności. 2 Wzory podstawowe. Adam Gregosiewicz 27 maja a) Jeżeli F (x) = f(x), to f(x)dx = F (x) + C,
Całki nieoznaczone Adam Gregosiewicz 7 maja 00 Własności a) Jeżeli F () = f(), to f()d = F () + C, dla dowolnej stałej C R. b) Jeżeli a R, to af()d = a f()d. c) Jeżeli f i g są funkcjami całkowalnymi,
Analiza składowych głównych. Wprowadzenie
Wprowadzenie jest techniką redukcji wymiaru. Składowe główne zostały po raz pierwszy zaproponowane przez Pearsona(1901), a następnie rozwinięte przez Hotellinga (1933). jest zaliczana do systemów uczących
Zagadnienia na egzamin poprawkowy z matematyki - klasa I 1. Liczby rzeczywiste
Zagadnienia na egzamin poprawkowy z matematyki - klasa I 1. Liczby rzeczywiste Liczby naturalne Liczby całkowite. Liczby wymierne Liczby niewymierne Rozwinięcie dziesiętne liczby rzeczywistej Pierwiastek
Rys Szkic sieci kątowo-liniowej. Nr X [m] Y [m]
5.14. Ścisłe wyrównanie sieci kątowo-liniowej z wykorzystaniem programu komputerowego B. Przykłady W prezentowanym przykładzie należy wyznaczyć współrzędne płaskie trzech punktów (1201, 1202 i 1203) sieci
Wykład 3 Hipotezy statystyczne
Wykład 3 Hipotezy statystyczne Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu obserwowanej zmiennej losowej (cechy populacji generalnej) Hipoteza zerowa (H 0 ) jest hipoteza
Przegląd termodynamiki II
Wykład II Mechanika statystyczna 1 Przegląd termodynamiki II W poprzednim wykładzie po wprowadzeniu podstawowych pojęć i wielkości, omówione zostały pierwsza i druga zasada termodynamiki. Tutaj wykorzystamy
x y
Przykłady pytań na egzamin końcowy: (Uwaga! Skreślone pytania nie obowiązują w tym roku.). Oblicz wartość interpolacji funkcjami sklejanymi (przypadek (case) a), dla danych i =[- 4 5], y i =[0 4 -]. Jaka
Metody numeryczne Technika obliczeniowa i symulacyjna Sem. 2, EiT, 2014/2015
Metody numeryczne Technika obliczeniowa i symulacyjna Sem. 2, EiT, 2014/2015 1 Metody numeryczne Dział matematyki Metody rozwiązywania problemów matematycznych za pomocą operacji na liczbach. Otrzymywane
Matematyka z kluczem. Szkoła podstawowa nr 18 w Sosnowcu. Przedmiotowe zasady oceniania klasa 7
Matematyka z kluczem Szkoła podstawowa nr 18 w Sosnowcu Przedmiotowe zasady oceniania klasa 7 KlasaVII wymagania programowe- wymagania na poszczególne oceny ROZDZIAŁ I LICZBY 1. rozpoznaje cyfry używane
Plan wynikowy z wymaganiami edukacyjnymi z matematyki w zakresie podstawowym dla klasy 1 zsz Katarzyna Szczygieł
Plan wynikowy z wymaganiami edukacyjnymi z matematyki w zakresie podstawowym dla klasy 1 zsz Katarzyna Szczygieł Lp. Temat Kształcone umiejętności 1 Zasady pracy na lekcjach matematyki. Dział I. LICZBY
LISTA 5. C++ PETLE for, while, do while
WSTEP DO INFORMATYKI I PROGRAMOWANIA LISTA 5. C++ PETLE for, while, do while Zadanie. Przeanalizuj działanie poniższego programu. cout
Wymagania edukacyjne na poszczególne oceny branżowa szkoła I stopnia klasa 1 po gimnazjum
Wymagania edukacyjne na poszczególne oceny branżowa szkoła I stopnia klasa 1 po gimnazjum I. Liczby rzeczywiste 1. Liczby naturalne 2. Liczby całkowite. 3. Liczby wymierne 4. Rozwinięcie dziesiętne liczby
5. Rozwiązywanie układów równań liniowych
5. Rozwiązywanie układów równań liniowych Wprowadzenie (5.1) Układ n równań z n niewiadomymi: a 11 +a 12 x 2 +...+a 1n x n =a 10, a 21 +a 22 x 2 +...+a 2n x n =a 20,..., a n1 +a n2 x 2 +...+a nn x n =a