ADAPTACJA FUNKCJI KWADRATOWEJ DO OPISU ZMIAN JAKOŚCI MIESZANKI ZIARNISTEJ
|
|
- Radosław Sowa
- 7 lat temu
- Przeglądów:
Transkrypt
1 Inżynieria Rolnicza 9(107)/008 ADAPTACJA FUNKCJI KWADRATOWEJ DO OPISU ZMIAN JAKOŚCI MIESZANKI ZIARNISTEJ Dominika Matuszek, Marek Tukiendorf Katedra Techniki Rolniczej i Leśnej, Politechnika Opolska Streszczenie: Autorzy dokonali opisu zmian jakości dwuskładnikowych niejednorodnych mieszanek ziarnistych podczas mieszania systemem funnel flow z zastosowaniem wkładek wspomagających. Modelowanie zmian wariancji rozkładu trasera (wyznacznik jakości) przeprowadzono w oparciu o dwa parametry: stosunek gęstości mieszanych komponentów (przy czym: ρ 1 / ρ > od jedności, < od jedności i równy jeden) oraz średnica wkładki daszkowej (przy czym d 1 =10 mm, d =150 mm, d 3 =180 mm). Zależność dwuwymiarową stanowił wzór funkcji kwadratowej. Modelowanie wykonano w oparciu o analizę regresji nieliniowej. Model dwuwymiarowy dobrze odzwierciedlał zmianę danych empirycznych. Słowa kluczowe: materiały ziarniste, system funnel flow, modelowanie statystyczne Wstęp Wiedza inżynierska bazuje na znajomości praw rządzących procesem i na możliwości wyrażania tych praw za pomocą odpowiedniego opisu matematycznego. Prowadzenie badań w skali przemysłowej jest niezwykle trudne i kosztowne. Z powodu złożoności procesów empirycznych badania laboratoryjne są w stanie przybliżyć charakter procesu w warunkach przemysłowych i wyjaśnić najważniejsze własności zjawiska [Lewicki i inni 1999, Tukiendorf 003b]. W zależności od sposobów mieszania i rodzaju mieszanych komponentów, przebieg procesu może wykazywać cechy różnych modeli. Złożoność zjawiska prowadzi do konieczności indywidualnego rozpatrywania konkretnych przypadków mieszania i poszukiwania innowacyjnych metod modelowania [Tukiendorf 003a]. Podstawowe modele mieszania materiałów ziarnistych to: kinetyczny, dyfuzyjny i stochastyczny. Ze względu na losowy charakter procesu mieszania ciał stałych, model stochastyczny w postaci łańcucha Markowa i procesu Markowa zyskał najwięcej zwolenników. Tukiendorf przedstawił przydatność sieci neuronowych do opisu zmian jakościowych układu ziarnistego mieszanego metodą wysypu normalnego oraz w urządzeniu statycznym [Tukiendorf 003a; Matuszek, Tukiendorf 005]. Obserwacja konkretnego zjawiska niejednokrotnie pozwala, na zastosowanie istniejących w fizyce i matematyce zależności. W badaniu procesu mieszania paszy dla gołębi w mieszalniku pionowym z mieszadłem ślimakowym zauważono, iż przebieg procesu w czasie przypomina funkcję harmoniczną z tłumieniem [Królczyk, Tukiendorf 006]. W mieszaniu niejednorodnych układów ziarnistych systemem funnel-flow zastosowano 19
2 Dominika Matuszek, Marek Tukiendorf matematyczny dwuwymiarowy model mieszania funkcję ekspotencjalną [Tukiendorf 003c,d]. Modelowanie opiera się na wielu zależnościach statystycznych, których wykorzystanie w łatwy sposób doprowadza do uzyskania parametrów estymacji danego zjawiska. Autorzy w niniejszej pracy zaproponowali użycie regresji nieliniowej do opisu zmian jakości mieszanki ziarnistej w czasie mieszania metodą przesypu z zastosowaniem wkładek systemu Roof Shaped Insert. Cel badań Celem badań była analiza przebiegu procesu mieszania metodą przesypu dwuskładnikowych niejednorodnych układów ziarnistych przy zmianie parametrów konstrukcyjnych mieszalnika oraz statystyczny opis zmian jakości mieszaniny w ujęciu dwuwymiarowym. Metodyka badań Materiał oraz elementy metodyki badań podzielono na kilka etapów, które przedstawiały się następująco: 1. Urządzenie mieszające laboratoryjny mieszalnik do systemu funnel-flow (rys. 1). Mieszanie prowadzono na drodze kolejnych dziesięciu przesypów. Rys. 1. Fig. 1. Stanowisko badawcze - mieszalnik do sytemu funnel flow Test stand - mixer for the funnel flow system 0
3 Adaptacja funkcji kwadratowej.... Materiał poddawany mieszaniu - dwuskładnikowe niejednorodne układy ziarniste o stałym stosunku średnic ziaren d 1 /d =1,6 i różnych gęstościach ρ 1 /ρ =0,7; 1,0;,1. Dwie grupy składające się z trzech układów ziarnistych: A traser posiadał średnicę mniejszą od średnicy składnika rozpraszającego, B traser stanowił składnik o większej średnicy. Stosunek objętościowy składników 1:9. 3. Zmiana parametrów konstrukcyjnych mieszalnika montaż, wewnątrz mieszalnika, elementów wspomagających systemu Roof Shaped Insert o jednakowym kącie rozwarcia α=110 i różnych średnicach podstawy d 1 =10mm, d =150mm, d 3 =180mm. 4. Ocena zmian jakości mieszanki ziarnistej komputerowa akwizycja obrazu. 5. Parametr jakości mieszaniny wariancja rozkładu trasera na powierzchni wybranych przekrojów poprzecznych mieszalnika. Poszczególne etapy metodyki badań wraz z parametrami urządzenia mieszającego opisano szczegółowo w poszczególnych pracach autorów [Matuszek, Tukiendorf 006, 007a,b]. Modelowanie statystyczne Model dwuwymiarowy stanowiły: zmienna zależna jednowymiarowa i dwie zmienne niezależne. Zależność wariancji rozkładu trasera od stosunku gęstości mieszanych materiałów (ρ 1 /ρ ) i zastosowanej wkładki przy stałym stosunku średnic (d 1 /d ). z=f(x,y) (1) gdzie: z wariancja rozkładu trasera, x stosunek gęstości mieszanych komponentów, y średnica zastosowanej wkładki RSI. Zauważono, iż rozrzut danych empirycznych przypomina przebieg zależności funkcji kwadratowej, której wzór dla badanych przypadków przedstawiał się następująco: z = ax + bx + c + dxy + ey + fy + g () gdzie: z wariancja rozkładu trasera, x stosunek gęstości składników ziarnistych, y średnica wkładki daszkowej, a, b, c, d, e, f, g współczynniki regresji kwadratowej. Wyniki modelowania statystycznego Interpretację graficzną dopasowania danych teoretycznych do empirycznych przedstawiono na przykładowo wybranych wykresach (rys. i 3 dla grupy A, rys. 4 i 5 dla grupy B). 1
4 Dominika Matuszek, Marek Tukiendorf z = 01989, x 5197x xy y R = 0, y 057 0,09 0,119 0,145 0,171 0,198 0,4 ponad wartości empiryczne Rys.. Fig.. Przestrzenny rozkład zależności z=f(x,y) uzyskany po pięciu przesypach mieszania układów grupy A. Model teoretyczny Spatial distribution of the z=f(x,y) relation obtained after five pourings of patterns from mixing group A. Theoretical model z = 0, 317x 6174x xy + 6, 5618e R = 0, 95 7 y 00013y ,074 0,103 0,13 0,161 0,19 0,19 ponad wartości empiryczne Rys. 3. Fig. 3. Przestrzenny rozkład zależności z=f(x,y) uzyskany po dziesięciu przesypach mieszania układów grupy A. Model teoretyczny Spatial distribution of the relationship z=f(x,y) gotten after ten flows mixing the systems of the A group. Theoretical model
5 Adaptacja funkcji kwadratowej... z = 0, 035x 6304x xy 4, 9697e R = 0, 91 7 y 000 y 77 0,063 0,086 0,11 0,133 0,157 0,18 ponad wartości empiryczne Rys. 4. Fig. 4. Przestrzenny rozkład zależności z=f(x,y) uzyskany po pięciu przesypach mieszania układów grupy B. Model teoretyczny Spatial distribution of the z=f(x,y) relation obtained after five pourings of patterns from mixing group B. Theoretical model z = 01803, x 5475x xy 9, 4169e R = 0, 93 7 y 0004 y 464 0,065 0,087 0,109 0,131 0,154 0,176 ponad wartości empiryczne Rys. 5. Fig. 5. Przestrzenny rozkład zależności z=f(x,y) uzyskany po dziesięciu przesypach mieszania układów grupy B. Model teoretyczny Spatial distribution of the z=f(x,y) relation obtained after ten pourings of patterns from mixing group B. Theoretical model 3
6 Dominika Matuszek, Marek Tukiendorf Wprowadzenie do modelu regresji kwadratowej dwóch wyrazów wolnych dla zmiennych x i y pozwoliło na lepsze dopasowanie danych teoretycznych do empirycznych. Estymację parametrów założonego modelu dokonano przy użyciu aplikacji komputerowej; moduł regresja nieliniowa. W wyniku analizy uzyskano estymatory regresji, wartości przewidywane, wielkość dopasowania danych empirycznych do modelu w postaci współczynnika determinacji. Dodatkowo dokonano porównania parametrów estymacji uzyskanych dla kolejnych 10 przesypów w oparciu o test t Studenta, gdzie odrzucenie hipotezy zerowej pozwala na stwierdzenie odmienności przebiegów funkcji y=f(x,y) dla poszczególnych grup układów ziarnistych (A i B). Wyniki statystycznej analizy porównawczej (test t Studenta) parametrów estymacji dla obu grup układów ziarnistych zestawiono w tabeli 1. Tabela 1. Wyniki testu t-studenta Table 1. Student s t-test results test t Studenta dla parametrów grupy A i B dla p<0,05 rodzaj parametru t p parametr a -7,03 4,50E-16 parametr b 6,508 7,097E-16 parametr c -4,07 3,844E-15 parametr d -8,53 9,684E-08 parametr e -0,878 0,39 parametr f 7,098 1,87E-06 parametr g -4,07 3,844E-15 Źródło: obliczenia własne autorów Wartości przewidywane uzyskane w oparciu o model regresji funkcji kwadratowej odzwierciedlają zmiany empiryczne. Wartości współczynnika determinacji dla badanych przypadków są wysokie i mieszczą się w granicach 89,40% 95,90% dla układów ziarnistych grupy A, natomiast dla układów ziarnistych grupy B 83,30% 95,40%. Tak więc dopasowanie linii regresji do danych jest bardzo dobre. Dodatkowo poprawność zaproponowanej postaci zależności, potwierdza graficzna interpretacja wyników (rys., 3, 4, 5). Zauważono, iż zależność przestrzenna przedstawia się odmiennie dla grupy A i B, wykresy przyjmują dokładnie odwrotne postaci. Fakt zróżnicowania potwierdza testowanie różnic między średnimi parametrów estymacji. Test t-studenta wykazał istotne statystycznie różnice estymatorów regresji (tab. 1). Wnioski 1. Wartości przewidywane uzyskane w oparciu o model regresji funkcji kwadratowej odzwierciedlają zmiany empiryczne.. Dopasowanie modelu regresji nieliniowej do danych empirycznych jest bardzo dobre. 4
7 Adaptacja funkcji kwadratowej Przebieg zależności przestrzennej dla układów grupy A i B jest zupełnie odwrotny, tak więc wielkość składnika kluczowego znacznie wpływa na jakość uzyskiwanej mieszanki. 4. Test t-studenta wykazał istotne statystycznie różnice estymatorów regresji. Bibliografia Lewicki P., Lenart A., Kowalczyk R., Pałacha Z Inżynieria procesowa i aparatura przemysłu spożywczego. Wydawnictwa Naukowo-Techniczne. Warszawa. ISBN Królczyk J., Tukiendorf M Modelowanie udziałów wieloskładnikowej paszy za pomocą funkcji harmonicznej. Inżynieria Rolnicza. Nr 3(78). Kraków. s Matuszek D., Tukiendorf M Prognozowanie rozkładu cząstek podczas mieszania systemem funnel-flow. Inżynieria Rolnicza. Nr 14(74). Kraków. s Matuszek D., Tukiendorf M Ocena wpływu wkładek daszkowych na proces mieszania układów ziarnistych. Inżynieria Rolnicza. Nr 1(87). Kraków. s Matuszek D., Tukiendorf M. 007a. Komputerowa analiza obrazu w ocenie mieszania układów ziarnistych (system funnel-flow). Inżnieria Rolnicza. Numer (90), Kraków 007, s Matuszek D., Tukiendorf M. 007b. Rozkład koncentracji składników podczas mieszania funnelflow z systemem RSI. Inżynieria Rolnicza. Nr 6(94). Kraków. s Tukiendorf M. 003a. Modelowanie neuronowe procesów mieszania niejednorodnych układów ziarnistych. Rozprawy Naukowe Akademii Rolniczej w Lublinie. Zeszyt 7. Lublin. Tukiendorf M. 003b. Wpływ zmiany skali urządzenia mieszającego na wyniki procesu mieszania materiałów ziarnistych podczas wysypu ze zbiorników. XI Ogólnopolska Konferencja Postęp w Inżynierii Żywności. Frombork. s Tukiendorf M. 003c. Optymalizacja procesu mieszania metodą ze zbiornika do zbiornika układów niejednorodnych. Matematyczny model dwuwymiarowy cz. I. Postęp Techniki Przetwórstwa Spożywczego. Nr 1. Warszawa. s Tukiendorf M. 003d. Optymalizacja procesu mieszania metodą ze zbiornika do zbiornika ziarnistych układów niejednorodnych. Matematyczny model dwuwymiarowy cz. II. Postęp Techniki Przetwórstwa Spożywczego. Nr. Warszawa. s
8 Dominika Matuszek, Marek Tukiendorf ADAPTATION OF SQUARE FUNCTION TO THE DESCRIPTION OF CHANGES IN GRANULAR MIX QUALITY Abstract. The authors described quality changes for binary non-homogeneous granular mixes during mixing by the funnel flow system, with supporting inserts. Modelling of tracer distribution variance changes (quality determinant) was based on two parameters: the ratio of mixed components density (where: ρ 1 /ρ > one, < one and equal to one), and roof insert diameter (where: d 1 =10 mm, d =150 mm, d 3 =180 mm). Square function formula constituted the two-dimensional relation. The modelling was carried out on the basis of nonlinear regression. The two-dimensional model illustrated well the change in empirical data. Key words: granular materials, funnel flow system, statistical modelling Adres do korespondencji: Dominika Matuszek; mail: d.matuszek@po.opole.pl Katedra Techniki Rolniczej i Leśnej Politechnika Opolska ul. Mikołajczyka Opole 6
REGRESYJNA ANALIZA ZMIAN JAKOŚCI MIESZANKI ZIARNISTEJ W CZASIE MIESZANIA METODĄ PRZESYPU
Inżynieria Rolnicza 6(104)/2008 REGRESYJNA ANALIZA ZMIAN JAKOŚCI MIESZANKI ZIARNISTEJ W CZASIE MIESZANIA METODĄ PRZESYPU Dominika Matuszek, Marek Tukiendorf Katedra Techniki Rolniczej i Leśnej, Politechnika
KOMPUTEROWA ANALIZA OBRAZU W OCENIE MIESZANIA UKŁADÓW ZIARNISTYCH (SYSTEM FUNNEL-FLOW)
Inżynieria Rolnicza 2(90)/2007 KOMPUTEROWA ANALIZA OBRAZU W OCENIE MIESZANIA UKŁADÓW ZIARNISTYCH (SYSTEM FUNNEL-FLOW) Dominika Matuszek, Marek Tukiendorf Katedra Techniki Rolniczej i Leśnej, Politechnika
ANALIZA ZASTOSOWANIA WKŁADEK DASZKOWYCH W MIESZANIU KOMPONENTÓW ZIARNISTYCH
Inżynieria Rolnicza 1(110)/2009 ANALIZA ZASTOSOWANIA WKŁADEK DASZKOWYCH W MIESZANIU KOMPONENTÓW ZIARNISTYCH Dominika Matuszek, Marek Tukiendorf Katedra Techniki Rolniczej i Leśnej, Politechnika Opolska
WPŁYW WYMIARÓW NASION NA PROCES MIESZANIA W MIESZALNIKU PRZESYPOWYM Z ZASTOSOWANIEM DODATKOWYCH ELEMENTÓW WSPOMAGAJĄCYCH
Inżynieria Rolnicza 8(96)/2007 WPŁYW WYMIARÓW NASION NA PROCES MIESZANIA W MIESZALNIKU PRZESYPOWYM Z ZASTOSOWANIEM DODATKOWYCH ELEMENTÓW WSPOMAGAJĄCYCH Dominika Matuszek, Marek Tukiendorf Katedra Techniki
WSPOMAGANIE PROCESU MIESZANIA NIEJEDNORODNYCH UKŁADÓW ZIARNISTYCH WKŁADKĄ TYPU DOUBLE CONE
Inżynieria Rolnicza 2(9)/27 WSPOMAGANIE PROCESU MIESZANIA NIEJEDNORODNYCH UKŁADÓW ZIARNISTYCH WKŁADKĄ TYPU DOUBLE CONE Dominika Matuszek, Marek Tukiendorf Katedra Techniki Rolniczej i Leśnej, Politechnika
WYKORZYSTANIE SIECI NEURONOWYCH (FBM) DO MODELOWANIA PROCESU MIESZANIA DWUSKŁADNIKOWYCH UKŁADÓW ZIARNISTYCH
Inżynieria Rolnicza 7(105)/2008 WYKORZYSTANIE SIECI NEURONOWYCH (FBM) DO MODELOWANIA PROCESU MIESZANIA DWUSKŁADNIKOWYCH UKŁADÓW ZIARNISTYCH Katedra Techniki Rolniczej i Leśnej, Politechnika Opolska Streszczenie.
KOMPUTEROWA ANALIZA OBRAZU W OCENIE MIESZANIA JEDNORODNEJ MIESZANINY ZIARNISTEJ
Inżynieria Rolnicza 9(118)/2009 KOMPUTEROWA ANALIZA OBRAZU W OCENIE MIESZANIA JEDNORODNEJ MIESZANINY ZIARNISTEJ Joanna Rut, Katarzyna Szwedziak Katedra Techniki Rolniczej i Leśnej, Politechnika Opolska
ELEMENTY DASZKOWE W MIESZALNIKU PRZESYPOWYM A JAKOŚĆ MIESZANEK ZIARNISTYCH
Inżynieria Rolnicza 9(118)/2009 ELEMENTY DASZKOWE W MIESZALNIKU PRZESYPOWYM A JAKOŚĆ MIESZANEK ZIARNISTYCH Dominika Matuszek, Marek Tukiendorf Katedra Techniki Rolniczej i Leśnej, Politechnika Opolska
PROGNOZOWANIE ROZKŁADU CZĄSTEK PODCZAS MIESZANIA SYSTEMEM FUNNEL-FLOW
InŜynieria Rolnicza 14/200 Dominika Matuszek, Marek Tukiendorf Wydział Mechaniczny Politechnika Opolska PROGNOZOWANIE ROZKŁADU CZĄSTEK PODCZAS MIESZANIA SYSTEMEM FUNNEL-FLOW Wstęp Streszczenie W pracy
OCENA WPŁYWU WKŁADEK DASZKOWYCH NA PROCES MIESZANIA UKŁADÓW ZIARNISTYCH SYSTEMEM FUNNEL-FLOW
InŜynieria Rolnicza 12/2006 Dominika Matuszek, Marek Tukiendorf Katedra Techniki Rolniczej i Leśnej Politechnika Opolska OCENA WPŁYWU WKŁADEK DASZKOWYCH NA PROCES MIESZANIA UKŁADÓW ZIARNISTYCH SYSTEMEM
OCENA WYBRANYCH CECH JAKOŚCI MROŻONEK ZA POMOCĄ AKWIZYCJI OBRAZU
Inżynieria Rolnicza 4(129)/2011 OCENA WYBRANYCH CECH JAKOŚCI MROŻONEK ZA POMOCĄ AKWIZYCJI OBRAZU Katarzyna Szwedziak, Dominika Matuszek Katedra Techniki Rolniczej i Leśnej, Politechnika Opolska Streszczenie:
OKREŚLENIE EFEKTYWNEGO CZASU MIESZANIA Z RECYRKULACJĄ SKŁADNIKÓW DLA DZIESIĘCIOSKŁADNIKOWEJ MIESZANKI PASZOWEJ
Inżynieria Rolnicza 5(130)/2011 OKREŚLENIE EFEKTYWNEGO CZASU MIESZANIA Z RECYRKULACJĄ SKŁADNIKÓW DLA DZIESIĘCIOSKŁADNIKOWEJ MIESZANKI PASZOWEJ Jolanta Królczyk Katedra Techniki Rolniczej i Leśnej, Politechnika
WYZNACZENIE EFEKTYWNEGO CZASU MIESZANIA W MIESZALNIKU Z MIESZADŁEM ŚLIMAKOWYM
Inżynieria Rolnicza 6(104)/2008 WYZNACZENIE EFEKTYWNEGO CZASU MIESZANIA W MIESZALNIKU Z MIESZADŁEM ŚLIMAKOWYM Jolanta Królczyk, Marek Tukiendorf Katedra Techniki Rolniczej i Leśnej, Politechnika Opolska
ADAPTACJA FUNKCJI GEOSTATYSTYCZNEJ DO ANALIZY RZESTRZENNEGO ROZKŁADU DWUSKŁADNIKOWEJ MIESZANINY ZIARNISTEJ
Inżynieria Rolnicza 2(90)/2007 ADAPTACJA FUNKCJI GEOSTATYSTYCZNEJ DO ANALIZY RZESTRZENNEGO ROZKŁADU DWUSKŁADNIKOWEJ MIESZANINY ZIARNISTEJ Piotr Kokoszka Mathematics and Statistics, Utah State University
ENERGIA MIESZANIA WYBRANYCH MATERIAŁÓW ZIARNISTYCH W MIESZALNIKU Z MIESZADŁEM ŚLIMAKOWYM PIONOWYM
Inżynieria Rolnicza 6(94)/2007 ENERGIA MIESZANIA WYBRANYCH MATERIAŁÓW ZIARNISTYCH W MIESZALNIKU Z MIESZADŁEM ŚLIMAKOWYM PIONOWYM Marek Węgrzyn Katedra Techniki Rolniczej i Leśnej, Politechnika Opolska
ANALIZA ZMIAN JAKOŚCI WIELOSKŁADNIKOWEJ MIESZANINY ZIARNISTEJ W PRZEMYSŁOWYM MIESZALNIKU PASZ
Inżynieria Rolnicza 8(117)/2009 ANALIZA ZMIAN JAKOŚCI WIELOSKŁADNIKOWEJ MIESZANINY ZIARNISTEJ W PRZEMYSŁOWYM MIESZALNIKU PASZ Jolanta Królczyk, Marek Tukiendorf Katedra Techniki Rolniczej i Leśnej, Politechnika
OCENA MIESZANINY NIEJEDNORODNEJ Z BIOMASĄ ZA POMOCĄ KOMPUTEROWEJ AKWIZYCJI OBRAZU
Inżynieria Rolnicza 6(104)/2008 OCENA MIESZANINY NIEJEDNORODNEJ Z BIOMASĄ ZA POMOCĄ KOMPUTEROWEJ AKWIZYCJI OBRAZU Katedra Techniki Rolniczej i Leśnej, Politechnika Opolska Streszczenie. W niniejszej pracy
BADANIE PROCESU MIESZANIA WIELOSKŁADNIKOWEJ MIESZANINY ZIARNISTEJ W ZALEŻNOŚCI OD SPOSOBU PODAWANIA SKŁADNIKÓW
Inżynieria Rolnicza 2(1)/28 BADANIE PROCESU MIESZANIA WIELOSKŁADNIKOWEJ MIESZANINY ZIARNISTEJ W ZALEŻNOŚCI OD SPOSOBU PODAWANIA SKŁADNIKÓW Jolanta Królczyk, Marek Tukiendorf Katedra Techniki Rolniczej
OKREŚLENIE PRĘDKOŚCI PORUSZANIA SIĘ SZKODNIKÓW Z WYKORZYSTANIEM KOMPUTEROWEJ ANALIZY OBRAZU
Inżynieria Rolnicza 2(90)/2007 OKREŚLENIE PRĘDKOŚCI PORUSZANIA SIĘ SZKODNIKÓW Z WYKORZYSTANIEM KOMPUTEROWEJ ANALIZY OBRAZU Joanna Rut, Katarzyna Szwedziak, Marek Tukiendorf Zakład Techniki Rolniczej i
MIESZANIE I SEGREGACJA PODCZAS PROCESU UJEDNORODNIANIA PASZ
Inżynieria Rolnicza 6(94)/27 MIESZANIE I SEGREGACJA PODCZAS PROCESU UJEDNORODNIANIA PASZ Jolanta Królczyk, Marek Tukiendorf Katedra Techniki Rolniczej i Leśnej, Politechnika Opolska Streszczenie: W pracy
OCENA JAKOŚCI WIELOSKŁADNIKOWEJ, NIEJEDNORODNEJ MIESZANINY ZIARNISTEJ
Inżynieria Rolnicza 2(90)/2007 OCENA JAKOŚCI WIELOSKŁADNIKOWEJ, NIEJEDNORODNEJ MIESZANINY ZIARNISTEJ Jolanta Królczyk, Marek Tukiendorf Katedra Techniki Rolniczej i Leśnej, Politechnika Opolska Streszczenie:
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
PRZYKŁAD ZASTOSOWANIA SIECI NEURONOWEJ W MODELOWANIU PROCESU MIESZANIA UKŁADÓW ZIARNISTYCH
InŜynieria Rolnicza 7/2005 Marek Tukiendorf Zakład Techniki Rolniczej i Leśnej Politechnika Opolska PRZYKŁAD ZASTOSOWANIA SIECI NEURONOWEJ W MODELOWANIU PROCESU MIESZANIA UKŁADÓW ZIARNISTYCH Streszczenie
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
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej
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
Współczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ
Współczynnik korelacji Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ Własności współczynnika korelacji 1. Współczynnik korelacji jest liczbą niemianowaną 2. ϱ 1,
ANALIZA ZMIAN JAKOŚCI WIELOSKŁADNIKOWYCH MIESZANIN ZIARNISTYCH NA LINII MIESZANIA W PRZEMYSŁOWEJ WYTWÓRNI PASZ
Inżynieria Rolnicza 5(130)/2011 ANALIZA ZMIAN JAKOŚCI WIELOSKŁADNIKOWYCH MIESZANIN ZIARNISTYCH NA LINII MIESZANIA W PRZEMYSŁOWEJ WYTWÓRNI PASZ Jolanta Królczyk Katedra Techniki Rolniczej i Leśnej, Politechnika
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 7
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 7 Analiza korelacji - współczynnik korelacji Pearsona Cel: ocena współzależności między dwiema zmiennymi ilościowymi Ocenia jedynie zależność liniową. r = cov(x,y
OGRANICZENIE SEGREGACJI MIESZANEK PASZOWYCH DLA PTAKÓW PODCZAS WIELOPUNKTOWEGO ZASYPU ZBIORNIKA
Inżynieria Rolnicza 6(104)/2008 OGRANICZENIE SEGREGACJI MIESZANEK PASZOWYCH DLA PTAKÓW PODCZAS WIELOPUNKTOWEGO ZASYPU ZBIORNIKA Marek Węgrzyn Katedra Techniki Rolniczej i Leśnej, Politechnika Opolska Streszczenie.
Inżynieria Środowiska. II stopień ogólnoakademicki. przedmiot podstawowy obowiązkowy polski drugi. semestr zimowy
Załącznik nr 7 do Zarządzenia Rektora nr../12 z dnia.... 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2017/2018 STATYSTYKA
Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa
Spis treści Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis treści Spis treści 1 Wstęp Bardzo często interesujący
REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji
Statystyka i opracowanie danych Ćwiczenia 5 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ MODEL REGRESJI LINIOWEJ Analiza regresji
FORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS
FOLIA UNIVERSITATIS AGRICULTURAE STETINENSIS Folia Univ. Agric. Stetin. 007, Oeconomica 54 (47), 73 80 Mateusz GOC PROGNOZOWANIE ROZKŁADÓW LICZBY BEZROBOTNYCH WEDŁUG MIAST I POWIATÓW FORECASTING THE DISTRIBUTION
WPŁYW TECHNICZNEGO UZBROJENIA PROCESU PRACY NA NADWYŻKĘ BEZPOŚREDNIĄ W GOSPODARSTWACH RODZINNYCH
Inżynieria Rolnicza 4(102)/2008 WPŁYW TECHNICZNEGO UZBROJENIA PROCESU PRACY NA NADWYŻKĘ BEZPOŚREDNIĄ W GOSPODARSTWACH RODZINNYCH Sławomir Kocira Katedra Eksploatacji Maszyn i Zarządzania w Inżynierii Rolniczej,
OCENA WPŁYWU PRĘDKOŚCI OBROTOWEJ ŚLIMAKA MIESZAJĄCEGO Z PIONOWYM ELEMENTEM ROBOCZYM NA STOPIEŃ ZMIESZANIA KOMPONENTÓW PASZY
InŜynieria Rolnicza 3/2006 Andrzej Karbowy, Marek Rynkiewicz Zakład UŜytkowania Maszyn i Urządzeń Rolniczych Akademia Rolnicza w Szczecinie OCENA WPŁYWU PRĘDKOŚCI OBROTOWEJ ŚLIMAKA MIESZAJĄCEGO Z PIONOWYM
Metody Ilościowe w Socjologii
Metody Ilościowe w Socjologii wykład 2 i 3 EKONOMETRIA dr inż. Maciej Wolny AGENDA I. Ekonometria podstawowe definicje II. Etapy budowy modelu ekonometrycznego III. Wybrane metody doboru zmiennych do modelu
Wykorzystanie testu Levene a i testu Browna-Forsythe a w badaniach jednorodności wariancji
Wydawnictwo UR 2016 ISSN 2080-9069 ISSN 2450-9221 online Edukacja Technika Informatyka nr 4/18/2016 www.eti.rzeszow.pl DOI: 10.15584/eti.2016.4.48 WIESŁAWA MALSKA Wykorzystanie testu Levene a i testu Browna-Forsythe
PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com
Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych
MODELOWANIE STANÓW CZYNNOŚCIOWYCH W JĘZYKU SIECI BAYESOWSKICH
Inżynieria Rolnicza 7(105)/2008 MODELOWANIE STANÓW CZYNNOŚCIOWYCH W JĘZYKU SIECI BAYESOWSKICH Katedra Podstaw Techniki, Uniwersytet Przyrodniczy w Lublinie Streszczenie. Zastosowanie sieci bayesowskiej
Statystyka i Analiza Danych
Warsztaty Statystyka i Analiza Danych Gdańsk, 20-22 lutego 2014 Zastosowania wybranych technik regresyjnych do modelowania współzależności zjawisk Janusz Wątroba StatSoft Polska Centrum Zastosowań Matematyki
Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych
Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych 3.1. Estymacja parametrów i ocena dopasowania modeli z jedną zmienną 23. Właściciel komisu w celu zbadania
Ekonometria. Zajęcia
Ekonometria Zajęcia 16.05.2018 Wstęp hipoteza itp. Model gęstości zaludnienia ( model gradientu gęstości ) zakłada, że gęstość zaludnienia zależy od odległości od okręgu centralnego: y t = Ae βx t (1)
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 5
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 5 Analiza korelacji - współczynnik korelacji Pearsona Cel: ocena współzależności między dwiema zmiennymi ilościowymi Ocenia jedynie zależność liniową. r = cov(x,y
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
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
Inżynieria danych I stopień Praktyczny Studia stacjonarne Wszystkie specjalności Katedra Ekonomii i Finansów Dr Katarzyna Brzozowska-Rup
KARTA MODUŁU / KARTA PRZEDMIOTU Z-ID-104 Elementy rachunku prawdopodobieństwa i sta- Kod modułu Nazwa modułu tystyki Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2015/2016 Elements
Kilka uwag o testowaniu istotności współczynnika korelacji
341 Zeszyty Naukowe Wyższej Szkoły Bankowej we Wrocławiu Nr 20/2011 Piotr Peternek Uniwersytet Ekonomiczny we Wrocławiu Marek Kośny Uniwersytet Ekonomiczny we Wrocławiu Kilka uwag o testowaniu istotności
Statystyka. Wykład 8. Magdalena Alama-Bućko. 10 kwietnia Magdalena Alama-Bućko Statystyka 10 kwietnia / 31
Statystyka Wykład 8 Magdalena Alama-Bućko 10 kwietnia 2017 Magdalena Alama-Bućko Statystyka 10 kwietnia 2017 1 / 31 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki
Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Spis treści I. Wzory ogólne... 2 1. Średnia arytmetyczna:... 2 2. Rozstęp:... 2 3. Kwantyle:... 2 4. Wariancja:... 2 5. Odchylenie standardowe:...
Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.
tel. 44 683 1 55 tel. kom. 64 566 811 e-mail: biuro@wszechwiedza.pl Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: gdzie: y t X t y t = 1 X 1
ĆWICZENIE 11 ANALIZA KORELACJI I REGRESJI
ĆWICZENIE 11 ANALIZA KORELACJI I REGRESJI Korelacja 1. Współczynnik korelacji 2. Współczynnik korelacji liniowej definicja 3. Estymacja współczynnika korelacji 4. Testy istotności współczynnika korelacji
ZASTOSOWANIE MODELU GOMPERTZ A W INŻYNIERII ROLNICZEJ
Inżynieria Rolnicza 7(105)/2008 ZASTOSOWANIE MODELU GOMPERTZ A W INŻYNIERII ROLNICZEJ Zofia Hanusz Katedra Zastosowań Matematyki, Uniwersytet Przyrodniczy w Lublinie Zbigniew Siarkowski, Krzysztof Ostrowski
Załóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb
Współzależność Załóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb (x i, y i ). Geometrycznie taką parę
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.
WPŁYW STOPNIA ROZDROBNIENIA GRANULOWANEJ MIESZANKI PASZOWEJ NA WYTRZYMAŁOŚĆ KINETYCZNĄ GRANUL I WYDAJNOŚĆ PRODUKCJI ZWIERZĘCEJ
Inżynieria Rolnicza 5(103)/2008 WPŁYW STOPNIA ROZDROBNIENIA GRANULOWANEJ MIESZANKI PASZOWEJ NA WYTRZYMAŁOŚĆ KINETYCZNĄ GRANUL I WYDAJNOŚĆ PRODUKCJI ZWIERZĘCEJ Marek Rynkiewicz Instytut Inżynierii Rolniczej,
Korelacja krzywoliniowa i współzależność cech niemierzalnych
Korelacja krzywoliniowa i współzależność cech niemierzalnych Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki Szczecińskiej
Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X1, X2, X3,...) na zmienną zależną (Y).
Statystyka i opracowanie danych Ćwiczenia 12 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA WIELORAKA Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych
ĆWICZENIE 11 NIEPARAMETRYCZNE TESTY ISTOTNOŚCI
ĆWICZENIE 11 NIEPARAMETRYCZNE TESTY ISTOTNOŚCI ANALIZA KORELACJI Korelacja 1. Współczynnik korelacji 2. Współczynnik korelacji liniowej definicja 3. Estymacja współczynnika korelacji 4. Testy istotności
Regresja i Korelacja
Regresja i Korelacja Regresja i Korelacja W przyrodzie często obserwujemy związek między kilkoma cechami, np.: drzewa grubsze są z reguły wyższe, drewno iglaste o węższych słojach ma większą gęstość, impregnowane
MODELOWANIE KOSZTÓW USŁUG ZDROWOTNYCH PRZY
MODELOWANIE KOSZTÓW USŁUG ZDROWOTNYCH PRZY WYKORZYSTANIU METOD STATYSTYCZNYCH mgr Małgorzata Pelczar 6 Wprowadzenie Reforma służby zdrowia uwypukliła problem optymalnego ustalania kosztów usług zdrowotnych.
Marek Tukiendorf, Katarzyna Szwedziak, Joanna Sobkowicz Zakład Techniki Rolniczej i Leśnej Politechnika Opolska. Streszczenie
InŜynieria Rolnicza 12/26 Marek Tukiendorf, Katarzyna Szwedziak, Joanna Sobkowicz Zakład Techniki Rolniczej i Leśnej Politechnika Opolska OKREŚLENIE CZYSTOŚCI ZIARNA KONSUMPCYJNEGO ZA POMOCĄ KOMPUTEROWEJ
Analiza współzależności zjawisk. dr Marta Kuc-Czarnecka
Analiza współzależności zjawisk dr Marta Kuc-Czarnecka Wprowadzenie Prawidłowości statystyczne mają swoje przyczyny, w związku z tym dla poznania całokształtu badanego zjawiska potrzebna jest analiza z
STATYSTYKA MATEMATYCZNA
Zał. nr 4 do ZW WYDZIAŁ ELEKTRONIKI KARTA PRZEDMIOTU Nazwa w języku polskim STATYSTYKA MATEMATYCZNA Nazwa w języku angielskim Mathematical Statistics Kierunek studiów (jeśli dotyczy): Specjalność (jeśli
Weryfikacja hipotez statystycznych za pomocą testów statystycznych
Weryfikacja hipotez statystycznych za pomocą testów statystycznych Weryfikacja hipotez statystycznych za pomocą testów stat. Hipoteza statystyczna Dowolne przypuszczenie co do rozkładu populacji generalnej
przedmiot podstawowy obowiązkowy polski drugi
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 07/08 IN--008 STATYSTYKA W INŻYNIERII ŚRODOWISKA Statistics in environmental engineering
Opis programu studiów
IV. Opis programu studiów Załącznik nr 9 do Zarządzenia Rektora nr 35/19 z dnia 1 czerwca 019 r. 3. KARTA PRZEDMIOTU Kod przedmiotu I-IŚ-103 Nazwa przedmiotu Statystyka w inżynierii środowiska Nazwa przedmiotu
Weryfikacja hipotez statystycznych za pomocą testów statystycznych
Weryfikacja hipotez statystycznych za pomocą testów statystycznych Weryfikacja hipotez statystycznych za pomocą testów stat. Hipoteza statystyczna Dowolne przypuszczenie co do rozkładu populacji generalnej
OPTYMALIZACJA STEROWANIA MIKROKLIMATEM W PIECZARKARNI
Inżynieria Rolnicza 6(131)/2011 OPTYMALIZACJA STEROWANIA MIKROKLIMATEM W PIECZARKARNI Leonard Woroncow, Ewa Wachowicz Katedra Automatyki, Politechnika Koszalińska Streszczenie. W pracy przedstawiono wyniki
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
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
KOMPUTEROWY MODEL UKŁADU STEROWANIA MIKROKLIMATEM W PRZECHOWALNI JABŁEK
Inżynieria Rolnicza 8(117)/2009 KOMPUTEROWY MODEL UKŁADU STEROWANIA MIKROKLIMATEM W PRZECHOWALNI JABŁEK Ewa Wachowicz, Piotr Grudziński Katedra Automatyki, Politechnika Koszalińska Streszczenie. W pracy
W2. Zmienne losowe i ich rozkłady. Wnioskowanie statystyczne.
W2. Zmienne losowe i ich rozkłady. Wnioskowanie statystyczne. dr hab. Jerzy Nakielski Katedra Biofizyki i Morfogenezy Roślin Plan wykładu: 1. Etapy wnioskowania statystycznego 2. Hipotezy statystyczne,
STATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.
( 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
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA Powtórka Powtórki Kowiariancja cov xy lub c xy - kierunek zależności Współczynnik korelacji liniowej Pearsona r siła liniowej zależności Istotność
1. Jednoczynnikowa analiza wariancji 2. Porównania szczegółowe
Zjazd 7. SGGW, dn. 28.11.10 r. Matematyka i statystyka matematyczna Tematy 1. Jednoczynnikowa analiza wariancji 2. Porównania szczegółowe nna Rajfura 1 Zagadnienia Przykład porównania wielu obiektów w
STATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny 2. Zmienne losowe i teoria prawdopodobieństwa 3. Populacje i próby danych 4. Testowanie hipotez i estymacja parametrów 5. Najczęściej wykorzystywane testy statystyczne
ZASTOSOWANIE APLIKACJI KOMPUTEROWEJ TRACE DO OCENY IDENTYFIKACJI OBIEKTÓW RUCHOMYCH
Inżynieria Rolnicza 2(100)/2008 ZASTOSOWANIE APLIKACJI KOMPUTEROWEJ TRACE DO OCENY IDENTYFIKACJI OBIEKTÓW RUCHOMYCH Joanna Rut, Katarzyna Szwedziak, Marek Tukiendorf Katedra Techniki Rolniczej i Leśnej,
Matematyka - Statystyka matematyczna Mathematical statistics 2, 2, 0, 0, 0
Nazwa przedmiotu: Kierunek: Matematyka - Statystyka matematyczna Mathematical statistics Inżynieria materiałowa Materials Engineering Rodzaj przedmiotu: Poziom studiów: forma studiów: obowiązkowy studia
OCENA JEDNORODNOŚCI JEDENASTOSKŁADNIKOWEJ MIESZANKI PASZ
I N Ż YNIERIA R OLNICZA A GRICULTURAL E NGINEERING 2013: Z. 2(143) T.1 S. 175-181 ISSN 1429-7264 Polskie Towarzystwo Inżynierii Rolniczej http://www.ptir.org OCENA JEDNORODNOŚCI JEDENASTOSKŁADNIKOWEJ MIESZANKI
Metody matematyczne w analizie danych eksperymentalnych - sygnały, cz. 2
Metody matematyczne w analizie danych eksperymentalnych - sygnały, cz. 2 Dr hab. inż. Agnieszka Wyłomańska Faculty of Pure and Applied Mathematics Hugo Steinhaus Center Wrocław University of Science and
ZJAZD 4. gdzie E(x) jest wartością oczekiwaną x
ZJAZD 4 KORELACJA, BADANIE NIEZALEŻNOŚCI, ANALIZA REGRESJI Analiza korelacji i regresji jest działem statystyki zajmującym się badaniem zależności i związków pomiędzy rozkładami dwu lub więcej badanych
Elementy statystyki wielowymiarowej
Wnioskowanie_Statystyczne_-_wykład Spis treści 1 Elementy statystyki wielowymiarowej 1.1 Kowariancja i współczynnik korelacji 1.2 Macierz kowariancji 1.3 Dwumianowy rozkład normalny 1.4 Analiza składowych
Akademia Morska w Szczecinie. Wydział Mechaniczny
Akademia Morska w Szczecinie Wydział Mechaniczny ROZPRAWA DOKTORSKA mgr inż. Marcin Kołodziejski Analiza metody obsługiwania zarządzanego niezawodnością pędników azymutalnych platformy pływającej Promotor:
MODEL MATEMATYCZNY OCENY WYTRZYMAŁOŚCI KINETYCZNEJ GRANULATU
InŜynieria Rolnicza 3/63 Andrzej Grieger, Marek Rynkiewicz Zakład UŜytkowania Maszyn i Urządzeń Rolniczych Akademia Rolnicza w Szczecinie MODEL MATEMATYCZNY OCENY WYTRZYMAŁOŚCI KINETYCZNEJ GRANULATU Streszczenie
Modelowanie zależności. Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski
Modelowanie zależności pomiędzy zmiennymi losowymi Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski P Zmienne losowe niezależne - przypomnienie Dwie rzeczywiste zmienne losowe X i Y
OPTYMALIZACJA PARAMETRÓW PRACY PNEUMATYCZNEGO SEPARATORA KASKADOWEGO
InŜynieria Rolnicza 7/2006 Zbigniew Oszczak Katedra InŜynierii i Maszyn SpoŜywczych Akademia Rolnicza w Lublinie OPTYMALIZACJA PARAMETRÓW PRACY PNEUMATYCZNEGO SEPARATORA KASKADOWEGO Streszczenie W pracy
Stosowana Analiza Regresji
prostej Stosowana Wykład I 5 Października 2011 1 / 29 prostej Przykład Dane trees - wyniki pomiarów objętości (Volume), średnicy (Girth) i wysokości (Height) pni drzew. Interesuje nas zależność (o ile
MODELOWANIE UDZIAŁÓW WIELOSKŁADNIKOWEJ PASZY ZA POMOCĄ FUNKCJI HARMONICZNEJ
InŜynieria Rolnicza 3/2006 Jolanta Królczyk, Marek Tukiendorf Wydział Mechaniczny Politechnika Opolska MODELOWANIE UDZIAŁÓW WIELOSKŁADNIKOWEJ PASZY ZA POMOCĄ FUNKCJI HARMONICZNEJ Streszczenie W artykule
KARTA KURSU. Kod Punktacja ECTS* 1
KARTA KURSU Nazwa Nazwa w j. ang. Wprowadzenie do statystyki Introduction to statistics Kod Punktacja ECTS* 1 Koordynator Prof. dr hab. Jerzy Wołek Zespół dydaktyczny Prof. dr hab. Jerzy Wołek doktoranci
Informatyka I stopień (I stopień / II stopień) ogólno akademicki (ogólno akademicki / praktyczny) podstawowy (podstawowy / kierunkowy / inny HES)
KARTA MODUŁU / KARTA PRZEDMIOTU Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013
STATYSTYKA Statistics. Inżynieria Środowiska. II stopień ogólnoakademicki
Załącznik nr 7 do Zarządzenia Rektora nr../12 z dnia.... 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/13 STATYSTYKA
ANALIZA WYDAJNOŚCI PRODUKCYJNEJ RODZINNEGO GOSPODARSTWA ROLNEGO PRZY POMOCY SIECI NEURONOWEJ
InŜynieria Rolnicza 12/2006 Katarzyna Siejka, Andrzej Tukiendorf Katedra Techniki Rolniczej i Leśnej Politechnika Opolska ANALIZA WYDAJNOŚCI PRODUKCYJNEJ RODZINNEGO GOSPODARSTWA ROLNEGO PRZY POMOCY SIECI
WPŁYW WIELKOŚCI WYDZIELEŃ GRAFITU NA WYTRZYMAŁOŚĆ ŻELIWA SFEROIDALNEGO NA ROZCIĄGANIE
15/12 ARCHIWUM ODLEWNICTWA Rok 2004, Rocznik 4, Nr 12 Archives of Foundry Year 2004, Volume 4, Book 12 PAN Katowice PL ISSN 1642-5308 WPŁYW WIELKOŚCI WYDZIELEŃ GRAFITU NA WYTRZYMAŁOŚĆ ŻELIWA SFEROIDALNEGO
Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych
dr Piotr Sulewski POMORSKA AKADEMIA PEDAGOGICZNA W SŁUPSKU KATEDRA INFORMATYKI I STATYSTYKI Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych Wprowadzenie Obecnie bardzo
METODY STATYSTYCZNE W BIOLOGII
METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne
PODYPLOMOWE STUDIA ZAAWANSOWANE METODY ANALIZY DANYCH I DATA MINING W BIZNESIE
UNIWERSYTET WARMIŃSKO-MAZURSKI W OLSZTYNIE PODYPLOMOWE STUDIA ZAAWANSOWANE METODY ANALIZY DANYCH I DATA MINING W BIZNESIE http://matman.uwm.edu.pl/psi e-mail: psi@matman.uwm.edu.pl ul. Słoneczna 54 10-561
Nazwa przedmiotu: Informatyczne systemy statystycznej obróbki danych. Informatics systems for the statistical treatment of data Kierunek:
Nazwa przedmiotu: Informatyczne systemy statystycznej obróbki danych I KARTA PRZEDMIOTU CEL PRZEDMIOTU Informatics systems for the statistical treatment of data Kierunek: Forma studiów Informatyka Stacjonarne
Zmienne zależne i niezależne
Analiza kanoniczna Motywacja (1) 2 Często w badaniach spotykamy problemy badawcze, w których szukamy zakresu i kierunku zależności pomiędzy zbiorami zmiennych: { X i Jak oceniać takie 1, X 2,..., X p }