ZASTOSOWANIE KART KONTROLNYCH DO LICZBOWEJ OCENY PROCESU WYTWARZANIA MASY FORMIERSKIEJ

Wielkość: px
Rozpocząć pokaz od strony:

Download "ZASTOSOWANIE KART KONTROLNYCH DO LICZBOWEJ OCENY PROCESU WYTWARZANIA MASY FORMIERSKIEJ"

Transkrypt

1 46/19 ARCHIWUM ODLEWNICTWA Rok 2006, Roczik 6, Nr 19 Archives of Foudry Year 2006, Volume 6, Book 19 PAN - Katowice PL ISSN ZASTOSOWANIE KART KONTROLNYCH DO LICZBOWEJ OCENY PROCESU WYTWARZANIA MASY FORMIERSKIEJ J. SZYMSZAL 1, A. SMOLIŃSKI 2, F. BINCZYK 3 Katedra Techologii Stopów Metali i Kompozytów, Politechika Śląska, ul. Krasińskiego 8, Katowice STRESZCZENIE W pracy przedstawioo możliwości wykorzystaia kart kotrolych do ocey jakości procesu wytwarzaia wybraych mas formierskich. Oceę oparto a aalizie różych typów kart kotrolych przy oceie liczbowej. Przedstawioo specyfikę, którą ależy uwzględić przy wdrażaiu metod statystyczych do doskoaleia jakości procesu wytwarzaia mas formierskich. Aalizowao astępujące parametry wytwarzaia: temperaturę masy obiegowej, zawartość gliy aktywej, wilgotość oraz ważą właściwość masy formierskiej jaką jest przepuszczalość. Key words: cotrol charts, statistical process cotrol 1. WSTĘP Żade proces ie przebiega ie będąc zakłócay przez róże czyiki: tzw. zakłóceia losowe i zakłócei specjale. Pierwsze z tych zakłóceń to czyiki, które ależy koieczie zidetyfikować. Występują zwykle w dużej liczbie, przy czym każdy z ich ma względie mały wpływ a zmieość procesu). Drugie atomiast z ich to czyiki zwae przyczyami wyzaczalymi, powodujące zmiay właściwości jakościowych lub zmiay poziomu procesu Dobrym arzędziem do idetyfikacji zakłóceń specjalych są karty kotrole, dzięki którym moża określić tzw. aturale zachowaie się procesu. 1 dr iż., ja.szymszal@polsl.pl 2 dr iż., aleksader.smoliski@polsl.pl 3 prof. dr. hab. iż., fraciszek.biczyk@polsl.pl 363

2 2. IDEA KART KONTROLNYCH Karty kotrole przy oceie liczbowej wykorzystuje się w przypadkach dyspoowaia kokretymi wyiki pomiarowymi sprawdzaych właściwości. Podstawowym warukiem jaki powiie zostać spełioy przy wykorzystaiu tych kart jest ro z- kład ormaly uzyskaych wyików. Dodać ależy, że opracowao już procedury tworzeia kart kotrolych dla rozkładów iych iż ormale, lecz są oe dość skomplikowae. Przed wykorzystaiem tych kart ależy sprawdzić hipotezę o rozkładzie o r- malym uzyskaych wyików. Obecie ajczęściej do weryfikacji tej hipotezy stosuje się ieparametrycze testy: 2 Pearsoa lub zgodości Kołmogorowa-Smirowa [1] lub metodę wykreślą wykorzystującą Normaly wykres prawdopodobieństwa [2]. Po sprawdzeiu hipotezy o rozkładzie ormalym wyików badań daej właściwości przystępuje się do obliczeń związaych z przedstawieiem daej karty w postaci wykresu, który w sposób jedozaczy odzwierciedla zachowaie się moitorowaego procesu. Na wykresie karty kotrolej zajdują się cztery podstawowe liie: liia cetrala (ag. CL Cetral Lie) - przedstawia średią wartość ze wszystkich aalizowaych wyików, góra graica kotrola (ag. UCL Upper Cotrol Limit) oraz dola graica kotrola (ag. LCL Lover Cotrol Limit) Ostatia z liii ukazuje wykres mierzoej charakterystyki daej właściwości w postaci kolejych puktów. Istota aalizy kart kotrolych sprowadza się do tego, aby a podstawie uzyskaych wyików (czyli kształtu sporządzoych wykresów) stwierdzić, czy są podst a- wy do uzaia moitorowaego procesu za rozreguloway. Procedura kotrola polega ajczęściej (szczególie w początkowej fazie) a sprawdzeiu, czy ie występu-ją któreś z ośmiu wzorów wykresu przedstawioych w Polskiej Normie PN-ISO W tym celu dzieli się obszar pomiędzy graicami kotrolymi a 6 pasm, każdy o szerokości 1, przy czym dwie przylegające strefy do liii cetralej są ozaczoe jako C, dwie dalsze po obu stroach liii cetralej jako B, a dwie koleje jako A. Opierając się a właściwościach rozkładu ormalego (a których bazują testy wzorca przebiegu) około 68% wyików powio zawierać się w strefach C, a tylko ielicze wyiki (ok. 4,3%) powiy zajdować się w strefach poza C. Podstawowe wzory świadczące o rozreg u- lowaiu procesu to: jede pukt poza strefą A; piętaście puktów w strefie C powyżej lub poiżej liii cetralej, dziewięć kolejych puktów w strefie C lub poza ią po tej samej stroie liii cetralej, sześć kolejych puktów stale rosących lub malejących, czteraście puktów po kolei przemieie rosących i malejących, dwa z trzech kole j- ych puktów w strefie A lub poza ią, cztery z pięciu kolejych puktów w strefie B lub poza ią, osiem kolejych puktów po obu stroach liii cetralej lecz żade w strefie C. Karta kotrola X R (X śr R) W karcie tego typu aalizę opiera się a wartości średiej X oraz rozstępach R wyików w poszczególych próbkach. Na rys. 1a i b przedstawioo wygląd karty kotrolej dla wilgotości badaej masy o wielkości próbki rówej odpowiedio =2 i =5. Poszczególe wartości oblicza się astępująco: 364

3 dla karty X - kolejy pukt LCL X A2 R; ARCHIWUM ODLEWNICTWA X ; CL X ; UCL X A2 R; k R dla karty R - kolejy pukt R X max X ; mi CL R ; UCL D4 R; k LCL D3 R; przy czym: A2, D3, D to współczyiki statystycze dobrae w zależości od wielkości próbki z odpowiedich tablic. 4 a) b) Rys. 1. Karty kotrole X R wyzaczoa dla wilgotości badaej masy formierskiej [%] dla wielkości próbki: =2 (a) i =5 (b) Fig. 1. The cotrol charts X R the appoited for the humidity of studied sad-mix [%] for size of sample: = 2 (a) ad = 5 (b) Podstawowym warukiem wykorzystaia tej karty jest aby dae miały rozkład orma l- y. Do sprawdzeia tego waruku moża wykorzystać ormaly wykres prawdopodobieństwa (rys. 2a), test Kołmogorowa-Smirowa lub test Shapiro-Wilka (rys. 2b). a) b) Rys. 2. Sprawdzeie ormalości rozkładu daych wilgotości masy [%] Fig. 2. The checkig the ormality of schedule of data humidity of the sad mix mass [%] 365

4 Dla uzyskaych kart kotrolych ( X i R) moża przeprowadzić testy wzorców przebiegu. Przykład tablicy ilustrującej te testy dla wilgotości masy [%] i próbki rówej =2 przedstawia tabela 1. Testy wzorca przebiegu (karta R) Od pomiaru Do pomiaru 9 po tej samej stroie l. cetr koleje rosące lub malejące OK OK 14 aprzemiee w górę i w dół OK OK 2 z 3 w strefie A lub poza ią z 5 w strefie B lub poza ią OK OK 15 w strefie C OK OK 8 poza strefą C OK OK Tabela 1. Testy wzorca przebiegu dla karty R wilgotości masy [%] dla próbki =2 Table 1. The tests of patter of course for card R of the humidity of the sad mix [%] for sample = 2 Aalizując wyiki kart X (rys.1a i b) moża stwierdzić istote rozregulowaie procesu wytwarzaia masy formierskiej w pierwszej i w jego końcowej fazie. Porówując uzyskae wyiki moża stwierdzić, że wyiki testów wzorca przebiegu zależą od liczebości pobieraych próbek, zaim jedak obliczy się i wykreśli liię środkową i graice kotrole ależy dyspoować daymi z co ajmiej próbek, które w omawiaym typie kart powiy mieć stałą liczebość (p. =2 lub =5). Karta kotrola X S (X śr S) W karcie tego typu aalizę opiera się a wartości średiej X oraz odchyleiach stadardowych S wyików w poszczególych próbkach. Na rys. 3a i b przedstawioo wygląd karty kotrolej dla zawartości gliy aktywej [%] w badaej masie formierskiej o wielkości próbki rówej odpowiedio =5 i =10. Poszczególe wartości oblicza się astępująco: dla karty LCL X A3 S; X - kolejy pukt dla karty S - kolejy pukt S X ; i 1 X 2 i X 1 CL X ; UCL X A3 S ; k ; S CL S ; UCL B4 S ; k LCL B3 S ; przy czym: A3, B3, B 4 to współczyiki statystycze dobrae w zależości od wielkości próbki z odpowiedich tablic. Karta X S jest dokładiejsza od karty X S, co wyika ze specyfiki użytej miary zmieości. Dla licziejszych próbek odchyleie stadardowe jest lepszą miarą zmie - ości, iż rozstęp. Przy wykorzystaiu tych kart wymagay jest rówież waruek ro z- kładu ormalego aalizowaych daych, liczości próbek powyżej 20 oraz stałej i dużej ich liczebości. Należy rówież dodać, że za pomocą tej karty (jak i karty X R) może być kotroloway tylko jede parametr. Chcąc więc moitorować kilka parametrów ależy dla każdego z ich prowadzić oddzielą kartę kotrolą. 366

5 ARCHIWUM ODLEWNICTWA a) b) Rys. 3. Karty kotrole X S wyzaczoe dla zawartości gliy aktywej w badaej masie formierskiej [%] dla wielkości próbki: =5 (a) i =10 (b) Fig. 3. The cotrol charts X S appoited for cotet activated clay i studied sad mix [%] for size sample: = 5 (a) ad = 10 (b) Rówież w przypadku tej karty moża zauważyć różicę w oceie stabilości kotrolowaej właściwości w przypadku różej liczebości próbek (rys. 3a i b). Karta kotrola I X MR Zdecydowaa większość kart kotrolych tworzoa jest dla kilkuelemetowych próbek, co ie zawsze jest techiczie, ekoomiczie lub (co ajważiejsze) merytoryczie uzasadioe. Badaie z kilku- lub kilkuastoelemetowymi próbkami jest dość czasochłoe może być bardzo kosztowe. Poza tym przyjęte założeie w tego typu kartach o braku korelacji właściwości wyrobów w próbce ie zawsze jest spełioe. Tak jest a przykład z temperaturą masy, gdyż jej wartość w jedym obszarze próbki zależy od temperatury w sąsiedim obszarze.. W karcie I X MR jako miarę położeia moitoruje się pojedycze pomiary wybraej właściwości, atomiast jako miarę zmieości tzw. ruchome odstępy MR (ag. Movig Rage), które są wartością bezwzględą różicy pomiędzy dwoma kolejymi pomiarami. Średia wartość z tych ruchomych rozstępów staowi pukt wyjścia do obliczeia położeia graic kotrolych tej karty. Na rys. 4 przedstawioo wygląd karty kotrolej dla temperatury badaej masy fo r- mierskiej [ C] o wielkości próbki rówej =1. Poszczególe wartości oblicza się astępująco: dla karty IX - kolejy pukt LCL X 2,66 MR; X i ; CL i X ; 2,66 UCL X MR; 367

6 dla karty MR - kolejy pukt MR Xi Xi 1 ; UCL 3,27 MR; LCL 0 ; MR CL MR 1 ; Rys. 4. Karta kotrola I X MR wyzaczoa dla temperatury masy formierskiej [ C] Fig. 4. The cotrol chart I X MR appoited for temperature of the sad-mix [ C] Z rys. 4. wyika, że proces pod względem temperatury masy formierskiej jest w dość dużym stopiu rozreguloway. Widać to zarówo a karcie IX(góra cześć rys.4) jak i a karcie MR (dola część rys.4). Karta kotrola X S 2 (X śr S 2 ) W karcie tego typu aalizę opiera się a wartości średiej X oraz wariacjach S 2 wyików w poszczególych próbkach. Graice kotrole dla tego typu karty są wyz a- czae dla pewego prawdopodobieństwa w oparciu o rozkład 2. Ze względu a dużą pracochłoość i skomplikowaie, do wyzaczaia poszczególe wartości liii cetra l- ej i graic wykorzystuje się pakiety komputerowe. Należy dodać, że dla ustaleia położeia graic kotrolych wymagae jest podaie poziomu prawdopodobieństwa alfa. Istieje możliwość ustaleia różych poziomów wielkości tego prawdopodobie ń- stwa oddzielie dla górej i dolej graicy kotrolej. Na rys. 5a i b przedstawioo wygląd karty kotrolej dla wytrzymałości a ściskaie badaej masy formierskiej o wielkości próbki rówej odpowiedio =5 i =10 oraz dla przyjętego prawdopodobieństwa, dla górej graicy kotrolej rówego 0,001 i dolej rówego 0,999. Rówież w przypadku karty X S 2 moża zauważyć różicę w oceie stabilości kotrolowaej właściwości w przypadku różej liczebości próbek (rys. 5a i b). Z przedstawioego przykładu wyika, że dla większej liczebości próbki zaikają iformacje o rozregulowaiu wytrzymałości a ściskaie badaej masy. 368

7 ARCHIWUM ODLEWNICTWA a) b) Rys. 5. Karty kotrole X S 2 wyzaczoa dla wytrzymałości a ściskaie badaej masy formierskiej [MPa] dla wielkości próbki: =5 (a) i =10 (b) Fig. 5. The cotrol charts X S 2 the appoited for compressio stregth of studied sad-mix [MPa] for size sample: = 5 (a) ad = 10 (b) 3. PODSUMOWANIE Wykorzystaie do wyzaczeie liii cetralej wartości średiej z wszystkich zebraych pomiarów jest merytoryczie poprawe, lecz takie postępowaie przy długoczasowym sterowaiu procesem i uwzględiaiu w wyzaczaiu tej liii bieżących wyików doprowadza do sytuacji w której karta adoptuje się do owego poziomu procesu. Może to utrudić lub wręcz uiemożliwić prawidłowym jego sterowaiem. Poprawe postępowaie powio polegać a tym, aby po stwierdzeiu ustabilizowaia procesu ustalić stale położeie liii cetralej wraz z graicami kotrolymi i zmieiać je tylko w uzasadioych przypadkach, a przykład po zmiaie waruków produkcyjych lub techologii. Należy pamiętać, że jeśli odchyleie stadardowe wszystkich wyików jest rówe, to odchyleie stadardowe rozkładu wartości średich z próbek (tzw. SEM Stadard Error of Mai) wyosi. Rozkład wartości średich z populacji ulegać będzie tym większemu zwężeiu, im licziejsza będzie pobieraa do badaia pró b- x ka z populacji. Tak więc karta kotrola uwzględia: rozkład całej populacji wyików, rozkład średich z próbek oraz rozkłady poszczególych próbek [3]. Przy stosowaiu kart kotrolych X R zaleca się aby wielkość próbki wyosiła od 2 do 6. Przy większych próbkach zalecae jest stosowaie kart X S lub X S

8 Staowi to pewą iedogodość wykorzystaia tych ostatich ze względu a wzrost kosztów i zwiększeie złożoości obliczeń. Należy z dużą rozwagą iterpretować wyiki testów wzorców przebiegu, gdyż przy stosowaiu kilku z ich rówolegle zaczie wzrasta prawdopodobieństwo pojawiaia się fałszywych sygałów o rozregulowaiu się procesu a proces przebiega prawidłowo. LITERATURA [1] Maliński M., Szymszal J.: Współczesa statystyka matematycza w medycyie w arkuszach kalkulacyjych. Wyd. Śl. Akademii Medyczej, Katowice (1999). [2] Greber T.: Jak czytać karty kotrole Shewharta. Normalizacja, 11 (1999). [3] Szymszal J., Blacha L.: Wspomagaie decyzji optymalych w metalurgii i iżyierii materiałowej. Wyd. Pol. Śl., Wyd. II., Gliwice (2005). APPLICATION OF THE CONTROL CHARTS TO NUMERICAL OPINION IN PROCESS PRODUCTION OF THE SAND MIXES SUMMARY I this work the possibility of utilizatio of to opiio of quality of process the cotrol charts of productio of chose of sad- mixes was itroduced. The opiio was based o aalysis of differet types of cotrol charts ear umerical opiio. Sp e- cific it which was oe should was cosider ear iitiatio the statistical methods to improvemet of quality of process of productio of sad- mixes was itroduced. Recezował: prof. zw. dr hab. iż. Adam Gierek 370

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Jak obliczać podstawowe wskaźniki statystyczne?

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

Bardziej szczegółowo

STATYSTYKA OPISOWA WYKŁAD 1 i 2

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Estymacja przedziałowa

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

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

STATYSTYKA I ANALIZA DANYCH

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

Bardziej szczegółowo

Elementy modelowania matematycznego

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Statystyczny opis danych - parametry

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

Bardziej szczegółowo

Statystyka powtórzenie (I semestr) Rafał M. Frąk

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

Bardziej szczegółowo

Statystyka opisowa. () Statystyka opisowa 24 maja / 8

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

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

Bardziej szczegółowo

INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW

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

Bardziej szczegółowo

Parametryczne Testy Istotności

Parametryczne Testy Istotności Parametrycze Testy Istotości Wzory Parametrycze testy istotości schemat postępowaia pukt po pukcie Formułujemy hipotezę główą H odośie jakiegoś parametru w populacji geeralej Hipoteza H ma ajczęściej postać

Bardziej szczegółowo

WYKORZYSTANIE ANALIZY WSKAŹNIKÓW ZDOLNOŚCI DO OPTYMALIZACJI PROCESU WYTWARZANIA MASY FORMIERSKIEJ

WYKORZYSTANIE ANALIZY WSKAŹNIKÓW ZDOLNOŚCI DO OPTYMALIZACJI PROCESU WYTWARZANIA MASY FORMIERSKIEJ 168/18 ARCHIWUM ODLEWNICTWA Rok 2006, Rocznik 6, Nr 18 (2/2) ARCHIVES OF FOUNDRY Year 2006, Volume 6, N o 18 (2/2) PAN Katowice PL ISSN 1642-5308 WYKORZYSTANIE ANALIZY WSKAŹNIKÓW ZDOLNOŚCI DO OPTYMALIZACJI

Bardziej szczegółowo

2.1. Studium przypadku 1

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

Bardziej szczegółowo

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

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

Bardziej szczegółowo

ZASTOSOWANIE ESTYMACJI JĄDROWEJ DO MONITOROWANIA PROCESU O NIEZNANYM ROZKŁADZIE

ZASTOSOWANIE ESTYMACJI JĄDROWEJ DO MONITOROWANIA PROCESU O NIEZNANYM ROZKŁADZIE Magdalea Chmielińska Uiwersytet Ekoomiczy w Katowicach ZASTOSOWANIE ESTYMACJI JĄDROWEJ DO MONITOROWANIA PROCESU O NIEZNANYM ROZKŁADZIE Wprowadzeie Karta kotrola jest prostym i efektywym arzędziem statystyczej

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

INSTRUKCJA NR 06-2 POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

1 Testy statystyczne. 2 Rodzaje testów

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

Bardziej szczegółowo

BADANIA DOCHODU I RYZYKA INWESTYCJI

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

Bardziej szczegółowo

Aplikacyjne aspekty metody Six Sigma w kwalitatywnej ocenie funkcjonowania systemów logistycznych

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA

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

Bardziej szczegółowo

PODSTAWY BIOSTATYSTYKI ĆWICZENIA

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

Bardziej szczegółowo

Analiza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora

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

Bardziej szczegółowo

INWESTYCJE MATERIALNE

INWESTYCJE MATERIALNE OCENA EFEKTYWNOŚCI INWESTYCJI INWESTCJE: proces wydatkowaia środków a aktywa, z których moża oczekiwać dochodów pieiężych w późiejszym okresie. Każde przedsiębiorstwo posiada pewą liczbę możliwych projektów

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

STATYSTKA I ANALIZA DANYCH LAB II

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

Bardziej szczegółowo

Wykład nr 2. Statystyka opisowa część 2. Plan wykładu

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

Bardziej szczegółowo

ANALIZA ODDZIAŁYWANIA SYSTEMU ZARZĄDZANIA JAKOŚCIĄ NA STABILIZACJĘ WYBRANYCH WŁAŚCIWOŚCI WALCÓW HUTNICZYCH

ANALIZA ODDZIAŁYWANIA SYSTEMU ZARZĄDZANIA JAKOŚCIĄ NA STABILIZACJĘ WYBRANYCH WŁAŚCIWOŚCI WALCÓW HUTNICZYCH 54/19 ARCHIWUM ODLEWNICTWA Rok 2006, Rocznik 6, Nr 19 Archives of Foundry Year 2006, Volume 6, Book 19 PAN - Katowice PL ISSN 1642-5308 ANALIZA ODDZIAŁYWANIA SYSTEMU ZARZĄDZANIA JAKOŚCIĄ NA STABILIZACJĘ

Bardziej szczegółowo

Statystyczne sterowanie procesem

Statystyczne sterowanie procesem Statystyczne sterowanie procesem SPC (ang. Statistical Process Control) Trzy filary SPC: 1. sporządzenie dokładnego diagramu procesu produkcji; 2. pobieranie losowych próbek (w regularnych odstępach czasu

Bardziej szczegółowo

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW.

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

Bardziej szczegółowo

Statystyka matematyczna dla leśników

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

Bardziej szczegółowo

Analiza potencjału energetycznego depozytów mułów węglowych

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

KADD Metoda najmniejszych kwadratów

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

MIANO ROZTWORU TITRANTA. Analiza statystyczna wyników oznaczeń

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

Bardziej szczegółowo

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i. Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Opracowanie danych pomiarowych. dla studentów realizujących program Pracowni Fizycznej

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

Bardziej szczegółowo

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i. Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA OPOLSKA POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Inżynierii Jakości Ćwiczenie nr 10 Temat: Karta kontrolna pojedynczych obserwacji i ruchomego

Bardziej szczegółowo

Podstawowe pojęcia. Próba losowa. Badanie próby losowej

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

Bardziej szczegółowo

Statystyka. Katarzyna Chudy Laskowska

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

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

L.Kowalski zadania ze statystyki matematycznej-zestaw 3 ZADANIA - ZESTAW 3

L.Kowalski zadania ze statystyki matematycznej-zestaw 3 ZADANIA - ZESTAW 3 L.Kowalski zadaia ze statystyki matematyczej-zestaw 3 ZADANIA - ZESTAW 3 Zadaie 3. Cecha X populacji ma rozkład N m,. Z populacji tej pobrao próbę 7 elemetową i otrzymao wyiki x7 = 9, 3, s7 =, 5 a Na poziomie

Bardziej szczegółowo

POLITECHNIKA ŚLĄSKA, WYDZIAŁ ELEKTRYCZNY, INSTYTUT ELEKTROTECHNIKI I INFORMATYKI. Wykresy w Excelu TOMASZ ADRIKOWSKI GLIWICE,

POLITECHNIKA ŚLĄSKA, WYDZIAŁ ELEKTRYCZNY, INSTYTUT ELEKTROTECHNIKI I INFORMATYKI. Wykresy w Excelu TOMASZ ADRIKOWSKI GLIWICE, POLITECHNIKA ŚLĄSKA, WYDZIAŁ ELEKTRYCZNY, INSTYTUT ELEKTROTECHNIKI I INFORMATYKI Wykresy w Excelu TOMASZ ADRIKOWSKI GLIWICE, -- EXCEL Wykresy. Kolumę A, B wypełić serią daych: miesiąc, średia temperatura.

Bardziej szczegółowo

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

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

Bardziej szczegółowo

14. RACHUNEK BŁĘDÓW *

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

Bardziej szczegółowo

ANALIZA DANYCH DYSKRETNYCH

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Wykład 11 ( ). Przedziały ufności dla średniej

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

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2014/15. n = Rozwiązanie: Stosując wzór na wartość współczynnika dwumianowego otrzymujemy

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2014/15. n = Rozwiązanie: Stosując wzór na wartość współczynnika dwumianowego otrzymujemy 12. Dowieść, że istieje ieskończeie wiele par liczb aturalych k < spełiających rówaie ( ) ( ) k. k k +1 Stosując wzór a wartość współczyika dwumiaowego otrzymujemy ( ) ( )!! oraz k k! ( k)! k +1 (k +1)!

Bardziej szczegółowo

Ocena zdolności procesów o dużej asymetrii względem granic tolerancji

Ocena zdolności procesów o dużej asymetrii względem granic tolerancji ARCHIVES of FOUNDRY ENGINEERING Published quarterly as the orga of the Foudry Commissio of the Polish Academy of Scieces ISSN (897-330) Volume 0 Special Issue 3/00 63 68 3/3 Ocea zdolości procesów o dużej

Bardziej szczegółowo

ANALIZA SKORELOWANIA WYNIKÓW POMIAROWYCH W OCENACH STANU ZAGROŻEŃ HAŁASOWYCH ŚRODOWISKA

ANALIZA SKORELOWANIA WYNIKÓW POMIAROWYCH W OCENACH STANU ZAGROŻEŃ HAŁASOWYCH ŚRODOWISKA SYSTEMY WSPOMAGANIA W INŻYNIERII PRODUKCJI Środowisko i Bezpieczeństwo w Iżyierii Produkcji 2013 5 ANALIZA SKORELOWANIA WYNIKÓW POMIAROWYCH W OCENACH STANU ZAGROŻEŃ HAŁASOWYCH ŚRODOWISKA 5.1 WPROWADZENIE

Bardziej szczegółowo

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO

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

Bardziej szczegółowo

2. INNE ROZKŁADY DYSKRETNE

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

Bardziej szczegółowo

Kolorowanie Dywanu Sierpińskiego. Andrzej Szablewski, Radosław Peszkowski

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

Bardziej szczegółowo

TESTY LOSOWOŚCI. Badanie losowości próby - test serii.

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

Bardziej szczegółowo

STATYSTYKA OPISOWA PODSTAWOWE WZORY

STATYSTYKA OPISOWA PODSTAWOWE WZORY MIARY POŁOŻENIA Średia Dla daych idywidualych: STATYSTYKA OPISOWA PODSTAWOWE WZORY Q i = x lmi + i mi 1 4 j h m i mi x = 1 x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału

Bardziej szczegółowo

PRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1).

PRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1). TATYTYKA MATEMATYCZNA WYKŁAD 3 RZEDZIAŁY UFNOŚCI Niech θ - iezay parametr rozkład cechy. Niech będzie liczbą z przedział 0,. Jeśli istieją statystyki, U i U ; U U ; których rozkład zależy od θ oraz U θ

Bardziej szczegółowo

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

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

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA TATYTYKA MATEMATYCZNA ROZKŁADY PODTAWOWYCH TATYTYK zmiea losowa odpowiedik badaej cechy, (,,..., ) próba losowa (zmiea losowa wymiarowa, i iezależe zmiee losowe o takim samym rozkładzie jak (taką próbę

Bardziej szczegółowo

Struktura czasowa stóp procentowych (term structure of interest rates)

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

Bardziej szczegółowo

STATYSTYKA OPISOWA PODSTAWOWE WZORY

STATYSTYKA OPISOWA PODSTAWOWE WZORY MIARY POŁOŻENIA Średia Dla daych idywidualych: x = 1 STATYSTYKA OPISOWA PODSTAWOWE WZORY x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału Domiata (moda Liczba ajczęściej

Bardziej szczegółowo

Projekt ze statystyki

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

Bardziej szczegółowo

Statystyka opisowa - dodatek

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

Bardziej szczegółowo

Niepewności pomiarowe

Niepewności pomiarowe Niepewości pomiarowe Obserwacja, doświadczeie, pomiar Obserwacja zjawisk fizyczych polega a badaiu ych zjawisk w warukach auralych oraz a aalizie czyików i waruków, od kórych zjawiska e zależą. Waruki

Bardziej szczegółowo

LABORATORIUM METROLOGII

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Damian Doroba. Ciągi. 1. Pierwsza z granic powinna wydawać się oczywista. Jako przykład może służyć: lim n = lim n 1 2 = lim.

Damian Doroba. Ciągi. 1. Pierwsza z granic powinna wydawać się oczywista. Jako przykład może służyć: lim n = lim n 1 2 = lim. Damia Doroba Ciągi. Graice, z których korzystamy. k. q.. 5. dla k > 0 dla k 0 0 dla k < 0 dla q > 0 dla q, ) dla q Nie istieje dla q ) e a, a > 0. Opis. Pierwsza z graic powia wydawać się oczywista. Jako

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

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

Bardziej szczegółowo

Zestaw II Odpowiedź: Przeciętna masa ciała w grupie przebadanych szczurów wynosi 186,2 g.

Zestaw II Odpowiedź: Przeciętna masa ciała w grupie przebadanych szczurów wynosi 186,2 g. Zadaia przykładowe z rozwiązaiami Zadaie Dokoao pomiaru masy ciała 8 szczurów laboratoryjych. Uzyskao astępujące wyiki w gramach: 70, 80, 60, 90, 0, 00, 85, 95. Wyzaczyć przeciętą masę ciała wśród zbadaych

Bardziej szczegółowo

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

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

Bardziej szczegółowo

WYZNACZENIE CHARAKTERYSTYK STATYCZNYCH PRZETWORNIKÓW POMIAROWYCH

WYZNACZENIE CHARAKTERYSTYK STATYCZNYCH PRZETWORNIKÓW POMIAROWYCH Zakład Metrologii i Systemów Pomiarowych P o l i t e c h i k a P o z ańska ul. Jaa Pawła II 4 60-96 POZNAŃ (budyek Cetrum Mechatroiki, Biomechaiki i Naoiżerii) www.zmisp.mt.put.poza.pl tel. +48 6 66 3

Bardziej szczegółowo

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

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

Bardziej szczegółowo

METODYKA WYKONYWANIA POMIARÓW ORAZ OCENA NIEPEWNOŚCI I BŁĘDÓW POMIARU

METODYKA WYKONYWANIA POMIARÓW ORAZ OCENA NIEPEWNOŚCI I BŁĘDÓW POMIARU METODYKA WYKONYWANIA POMIARÓW ORAZ OCENA NIEPEWNOŚCI I BŁĘDÓW POMIARU Celem każdego ćwiczeia w laboratorium studeckim jest zmierzeie pewych wielkości, a astępie obliczeie a podstawie tych wyików pomiarów

Bardziej szczegółowo

Estymacja przedziałowa - przedziały ufności

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

Bardziej szczegółowo

Wpływ warunków eksploatacji pojazdu na charakterystyki zewnętrzne silnika

Wpływ warunków eksploatacji pojazdu na charakterystyki zewnętrzne silnika POLITECHNIKA BIAŁOSTOCKA WYDZIAŁ MECHANICZNY Katedra Budowy i Eksploatacji Maszy Istrukcja do zajęć laboratoryjych z przedmiotu: EKSPLOATACJA MASZYN Wpływ waruków eksploatacji pojazdu a charakterystyki

Bardziej szczegółowo