ZAGROŻENIE SEJSMICZNE OD WSTRZĄSÓW GÓRNICZYCH W WARUNKACH NIEPEWNEJ INFORMACJI

Wielkość: px
Rozpocząć pokaz od strony:

Download "ZAGROŻENIE SEJSMICZNE OD WSTRZĄSÓW GÓRNICZYCH W WARUNKACH NIEPEWNEJ INFORMACJI"

Transkrypt

1 GÓRICTWO I GEOLOGIA 013 Tom 8 Zeszyt Piotr KOŁODZIEJCZYK, Jerzy KOROWKI, Ioa GOŁDA Poitechika Śąska, Giice ZAGROŻEIE EJMICZE OD WTRZĄÓW GÓRICZYCH W WARUKACH IEPEWEJ IFORMACJI treszczeie. W artykue opisao i yjaśioo estymatory zagrożeia sejsmiczego, przypadku kiedy baza daych iezbęda do ich użycia (tz. iformacja ejścioa obciążoa jest iepeością co zazyczaj ma miejsce. Poadto, zaprezetoao także bardzo użytecze praktyce estymatory miimaej iczebości bazy strząsó mi, iezbędej do zapeieia zdefiioaego przez użytkoika yterium jakości ( Z <. W tym ceu zdefiioao ięc także ieziearyzoae i ziearyzoae estymatory stadardoej iepeości oce ( Z zagrożeia sejsmiczego. Głóym yikiem iiejszej pracy jest bardzo prosta metoda estymacji stadardoej iepeości zagrożeia sejsmiczego oraz iczebości kataogu strząsó iezbęda da spełieia yterium jakości. Proste, ecz praktycze użyciu przykłady obiczeioe iustrują działaie metody oraz (reae yiki, jakie moża otrzymać za jej pomocą. EIMIC HAZARD AOCIATED WITH MIIG TREMOR WITH UCERTAI IFORMATIO ummary. We describe ad expai estimators of the seismic hazard he the iput iformatio is as usua i practice ucertai ad aso e preset very usefu estimators of mi, miima size of tremors cataogue, ecessary to fufi the hazard estimate quaity criterio, ( Z <, predefied by the user. Give are both oiear ad iearized estimates of seismic hazard ad its stadard ucertaity (of hazard estimate. The mai resut of the paper is the very simpe method of stadard ucertaity estimatio ad evauatio of cataogue voume demaded by quaity criterio. impe but practica exampes are used to iustrate the resuts. 1. Wproadzeie Ocea i progoza zagrożeia sejsmiczego (Z aeżą do ajażiejszych zadań sejsmoogii stosoaej górictie, ecz mimo ysiłkó praktykó i aukocó,

2 48 P. Kołodziejczyk, J. Koroski, I. Gołda zagadieia te ciąż pozostają odegłe od satysfakcjoującego roziązaia. Jedą z przyczy tego stau rzeczy jest iepeość iformacji, a której z koieczości oparte są ocey i progozy. Wszechobecość tej iepeości i iemożiość jej uikięcia spoodoały, że spółczese metody ocey i progozy zagrożeia przyjęły charakter probabiistyczy, gdzie metodami statystyki i rachuku pradopodobieństa usiłuje się oszacoać parametry zagrożeia i ich rozproszeie okół artości ajbardziej pradopodobych. Ozacza to róocześie podejście pełi iościoe i podejście ymagające dokładego zdefiioaia szystkich iekości, tym oczyiście samego zagrożeia sejsmiczego. W zamia podejście to może am zapeić ogiczą popraość stosoaych metod ocey i progozy (bez garacji dokładości yikó, zaeżej od iości i jakości dostępej iformacji. W pubikacji tej zajmiemy się, po zdefiioaiu iezbędych pojęć i iekości, oceami i iepeością oce zagrożeia sejsmiczego arukach iepeej iformacji, a także oceami miimaej iczebości bazy ( kataogu ub archium strząsó potrzebej, by ograiczyć iepeość (oce zagrożeia do artości (, którą użytkoik zechce uzać za toeroaą. Poieaż Z estymuje się a podstaie zaej zaeżości Guteberga-Richtera (G-R, której ażym eemetem jest parametr patrz róaia (. oraz (.3 a róocześie ajosze ydaie Istrukcji Metody Kompeksoej [] sym pukcie 6.4 sugeruje moitoroaie zmia tego parametru ruchomym okie iformacyjym, postały okoiczości zachęcające, by opisać sposób i jakość ocey Z a podstaie okaej, empiryczej reacji G-R [13]. Poio być od początku oczyiste, że ocea zagrożeia oparta (zasze! a ograiczoej iościoo i iepeej iformacji (o miioych strząsach jest i musi być iepea, a łaściym arzędziem do jej aaizy jest probabiistyka (czyi rachuek pradopodobieństa i statystyka. Ozacza to także, że Z jest zmieą osoą opisaą sym okaym rozkładem. Pojęcie iepeości ocey ieu dziedziach auki przez długi czas iązało się (i częstooć ada iąże z egatyymi odczuciami, gdyż iesłuszie kojarzoo je z błędem tej ocey. Jedakże 1995 roku został opracoay przez Międzyarodoą Orgaizację ormaizacyją (ag. Iteratioa Orgaizatio for tadardizatio, IO i przyjęty przez iee orgaizacji aukoo-techiczych Guide to the Expressio of Ucertaity i Measuremet (GUM [6], który 1999 roku został przetłumaczoy a język poski, jako przeodik omaiający yrażaie iepeości pomiaru [17]. Dokumet te traktoay jest jako Międzyarodoa orma Ocey iepeości pomiaru i poszechie

3 Zagrożeie sejsmicze od strząsó góriczych uzaay a całym śiecie, czego efektem są jak podaje Zięba [18] icze prace będące streszczeiem [16] czy też adaptacją do różych dziedzi auki [14]. Według GUM, iepeość ocey ie jest błędem ocey, ecz iąże się z jej rozkładem pradopodobieństa, czyi z rozproszeiem artości zmieej osoej okół jej artości średiej. Poadto, yik pomiaru tyko tedy jest kompety, gdy zaiera zaróo artość iekości mierzoej, jak i iepeość pomiaru, ziązaą z tą artością [4]. Podobie będziemy móić o propagacji iepeości miejsce tradycyjego oeśeia propagacja błędu. Popuarą miarą iepeości jest iepeość stadardoa, róoaża odchyeiu stadardoemu przypadku rozkładu ormaego i oeśająca rozproszeie zmieej osoej okół jej artości średiej. a koiec tego proadzeia moża zapytać, jaki jest ce ocey iepeości i jaki z tego yika pożytek. Pomijając ciekaość i możiość yjaśieia ietrafych progoz, zauażmy, że praktyce artość Z okoaa jest a kikustopioej skai staó (A,, C..., a ze staami iążą się działaia profiaktycze i koszty. Liczboe oeśeie iepeości stadardoej (Z, obok artości Z, umożiia uokoaie a te skai zagrożeń a rysuku ub yobraźi rozkładu Z ~ ℵ ( Z, (co jest zgrubą aproksymacją iesymetryczego rozkładu Z i oszacoaie, a oko ub komputeroo, szas popraej ub błędej kasyfikacji stau zagrożeia, zatem szas popraej ub błędej profiaktyki. A to już ma, aszym zdaiem, jasą artość praktyczą. Ie, róie jase zastosoaie spotykamy przypadku (sugeroaego Istrukcji Metody Kompeksoej moitoroaia zmia Z ruchomym okie: zając artość, moża oceić istotość (ub jej brak zmia Z koejych okach oka i uikąć pochopych ioskó o zmiaach zagrożeia. Pubikacja ta opisuje m.i. dasze yiki badań, o których pisaiśmy [9], staoiąc kotyuację tamtej pracy (daje możiość popraieia zauażoych błędó. Z. Defiicje i estymatory Defiicje stosoae artykue, przedstaioe były i aaizoae dokładie m.i. pubikacjach ([10], [11], jedak da ygody iektóre z ich potórzymy. Zagrożeie sejsmicze ie jest strząsem sejsmiczym i progoza zagrożeia ie jest progozą strząsu. Wbre rozposzechioym yobrażeiom, progoza zagrożeia (Z ie oeśa miejsca, czasu i eergii (MCE przyszłego, być może zbiżającego się (?, być może

4 50 P. Kołodziejczyk, J. Koroski, I. Gołda siego (? 1 strząsu, ecz oeśa Z, czyi pradopodobieństo strząsu z góry zadaych przez użytkoika graicach czasu, przestrzei, eergii. Przyjmuje się ięc, że iżyier ds. tąpań ub iżyier odpoiedziay za obszar R (p. ściaę ie, jaki iteresuje go przedział czasu ( ajbiższa doba, przestrzei ( ściaa XY i eergii ( E> J opisaa tu metoda oeśa pradopodobieństo takiego zdarzeia. iiejsza defiicja umożiia racjoaą, iościoą progozę Z. Pamiętać także aeży, że próba progozy MCE przyszłego zdarzeia, przy obecym staie iedzy i techiki, jest jak dotąd iemożia. W przypadku ogóym zagrożeie sejsmicze [1] defiiuje się jako: Z P I > I, (.1 ( yt gdzie: P to pradopodobieństo, a I to itesyość ymuszeia, która może być rozmaicie defiioaa. W zagadieiu tąpań itesyość I zyke (choć ieściśe utożsamiaa jest z eergią strząsu pomijając pły odegłości, ecz za to otrzymując jedą artość Z badaym obszarze, co zakomicie ułatia podejmoaie decyzji o profiaktyce. DEFIICJA ZAGROŻEIA EJMICZEGO Z : Zagrożeie sejsmicze Z 1 ( Z T jest to pradopodobieństo strząsu o eergii E1<E<E oesie T i obszarze R. Przedziały czasu, przestrzei i eergii oeśa użytkoik. Moża estymoać Z kiku przedziałach róocześie i moża dopuścić E. Obseracje i archia strząsó góriczych uzasadiają ([1], [13] aproksymację ciągó (odstępó międzystrząsoych okaie stacjoarym procesem Poissoa (z okaie estymoaą itesyością oraz aproksymację rozkładu eergii strząsó za pomocą zaeżości G-R (z okaie estymoaym parametrem : og, (. = A og E gdzie: A, to okae stałe, to iczba strząsó o eergii iększej od eergia uormoaa czyikiem ormującym obseroaej przez sieć. Gdy E / E _ = 1 (tz. og E = 0, to A = og. Estymatorem zagrożeia sejsmiczego [5] jest róaie: ( Z E, E = E / E _ to E _ róym ajmiejszej eergii zasze T = P( E > E1 T = 1 exp[ T ( E1 ], (.3 gdzie: T azyamy horyzotem progozy (p. T=1 doba, to itesyość emisji, czyi średia ( bazie, a jedostkę czasu iczba strząsó o eergii E. > E1 1 Zaki zapytaia mają podeśić, że żądaie progozy MCE jest źe zdefiioae. Gdy ie oeśimy miimaej eergii, to progoza staje się tryiaa, poieaż miostrząsy ystępują co chię. Gdy oeśimy, p. móiąc, że progoza ma dotyczyć E> J, to pojai się probem, czy progoza była dobra czy zła, gdy ystąpiły da strząsy E= J.

5 Zagrożeie sejsmicze od strząsó góriczych W iteraturze agojęzyczej aaiza zagrożeia Z m.i. a podstaie (.3 osi azę PHA Probabiistic eismic Hazard Aaysis [15]. Warto też iedzieć, że PHA często by uikąć iemie idziaych pojęć ziązaych z pradopodobieństem stosuje opis zagrożeia formie odrotej, tz. zamiast roczego pradopodobieństa P(A, T=1 rok ystąpieia zdarzeia A, oeśa się oczekiaą (średią iczbę zdarzeń ciągu roku ub tz. (średi czas porotu T P [gdy P(A,T<<1, to T P 1/P(A,T]. Przykładoo, gdy pradopodobieństo takiej poodzi, że poziom ody osiągie artość X, yosi 0,01, to czas porotu T P 100 i móimy o poodzi stuecia. Estymatorem parametru jest poiższe róaie ([13]: /[ E ( i] i= 1 Jest to zmiea osoa o rozkładzie ormaym: gdzie: to iczba strząsó o eergii (.4 ~ ℵ (, (.5a =, (.5b / E > E _, ℵ to symbo rozkładu. Podobie itesyość estymoaa jest jako średia iczba strząsó ( E > E _ jedostce czasu, jest ięc zmieą osoą, której rozkład jest aproksymoay rozkładem ormaym ([7], s. 8 3 : Ocea Z ~ ℵ(, (.6a = / (.6b, pradziej, ecz iezaej artości zagrożeia (.3, sama jest ięc zmieą osoą o rozproszeiu zaym iepeością (tej ocey, zaeżym od iepeości estymat i. Rozkład Z jest iesymetryczy, stąd iepeość stadardoą Z defiiujemy jako odegłość między katyami rzędu 0,84 i rzędu 0,5 zmieej ideks przy Z : Z Z (daej pomijamy góry Z = Z 84 Z, (.7 b ( 50 gdzie: symbo iformuje, że jest to iekość ieziearyzoaa, a b iformuje, że to iepeość bezzgęda, odróżieiu od zgędej: ( Z = b ( Z / Z ( 100% (.8 Parametr te estymoay jest metodą ajiększej iarygodości. 3 We cześiejszej pubikacji [9], róaiu tym uciekła spod pieriastka.

6 5 P. Kołodziejczyk, J. Koroski, I. Gołda W popuarej iteraturze dotyczącej propagacji iepeości [8] zazyczaj spotykamy defiicję ziearyzoaej iepeości stadardoej 4 : Gdy X 0 to ( Z ( Z. b ( Z = dz / dx (.9 X Zaeżość (.3, badaa jako fukcja jedej tyko zmieej, p. ub, jest fukcją mootoiczą. tąd estymacja dokładych artości katyi zmieej Z a podstaie zaych artości katyi zmieej ( ub o zaym rozkładzie ormaym jest łata (opisują to ejami i Core soim podręcziku [3]. Katy Z p zmieej Z otrzymuje się, podstaiając do (.3 te sam katy zmieej ub (a yzaczaie katyi zmieej ormaej jest łate iemy p., że 0,95 = + 1, 645 itd.. X 0, 84 = +, 0,90 = + 1, 816, W przypadku fukcji dóch zmieych osoych, p. Z = f (,, gdzie i są zajemie iezaeże, moża posługiać się przybiżoą róością [8]:, = ( Z + ( Z (.10 ( Z 3. Estymatory stadardoej iepeości oce zagrożeia i estymatory miimaej iczebości bazy W rozdziae tym przedstaioe zostały estymatory iepeości stadardoej (Z ocey zagrożeia Z, zaróo popuarej formie ziearyzoaej (co zazaczamy ideksem, jak i dokładej formie ieziearyzoaej (ozaczaej ideksem. Gdy użytkoik oce zagrożeia potrafi oeśić ytyczą/toeroaą ( daym zastosoaiu artość iepeości stadardoej ( bezzgędą ub = / Z ( 100% b b zgędą/ procetoą, to możie jest też oeśeie mi (, czyi miimaej iczebości bazy iezbędej, by spełić yterium jakości: ( Z < (3.1 Jesteśmy przekoai, że podae estymatory okażą się użytecze praktyce sejsmoogii góriczej, iformując o jakości oce zagrożeia i o arukach, które trzeba spełić, by ocey te były peiejsze. 4 Ocea ziearyzoaa ykorzystuje tyko iioy czło p. (.9 roziięcia fukcji szereg Tayora.

7 Zagrożeie sejsmicze od strząsó góriczych Da ułatieia odołań przypomijmy pochode: dz / d = T ( E exp[ T ( E ], (3.a * dz / d = T ( E ( E exp[ T ( E ] (3.b i iioe aproksymacje ( oraz ieiearyzoae defiicje ( iepeości stadardoej bezzgędej, przypadku gdy jedyym źródłem iepeości jest iepeość estymaty ub iepeość estymaty : b ( Z = dz / d ; ( Z = dz / d b (3.3a,b b ( Z = Z(, Z(, ; b ( Z = Z(, + Z(, (3.3c,d (defiicje (3.3c,d dotyczą dooych mootoiczych przekształceń zmieej iezaeżej (p. ub zmieą zaeżą [3, s. 96], a estymatory z ich yikające są dokłade. Estymatory stadardoej iepeości oce zagrożeia, a także estymatory miimaej iczebości bazy strząsó, zapeiającej spełieie yterium jakości (3.1, yproadzoe były cześiej [9], stąd rozdziae tym przedstaiamy ich zestaieie tabei 1 raz z przykładami iustrującymi ich działaie różych arukach. Tabea 1 Ziearyzoae (z eej i ieiioe (z praej estymatory stadardoej iepeości ( zagrożeia oraz (miimaej iczebości ( bazy strząsó zaeżości od źródła iepeości ( ub ub i, gdy yterium jakości dotyczy bezzgędej ( ub zgędej ( stadardoej iepeości ytyczej. [ G = T E1 (, G1 = G, Z=1-exp(-G 1, P=1-Z, E 1 = E1/ E _ ; podae estymatory ieiioe da przypadku (, są tyko (bardzo dobrym przybiżeiem]. W symbou iepeości bezzgędej doy ideks (b pomijamy źródło iepeości iepeość ytycza iepeość stadardoa zagrożeia (Z ziearyzoaa zapeiająca, że i miimaa iczebość ( ( Z < ieiioa bazy. ( Z = P G / ( Z = P[1 exp( G / ] ( > P G / ( > G / [( P / P] ( Z = P G /( Z ( Z = P[1 exp( G / ]/ Z ( > P G /( Z ( > G / [( P Z / P]

8 54 P. Kołodziejczyk, J. Koroski, I. Gołda cd. tabei 1 ( Z 1 = P G ( E1 / ( > P G1 ( E1 / ( Z ( > = P exp( G E1 1 E1 E1 / [ P + T ] Z ( = P G1 ( E1 /( Z ( 1 > P G ( E1 /( Z / { P exp( G1 E1 } Z ( Z = / E1 ( > [ P Z E1 + T ] i [ ( Z, ] = [ ( Z ] + [ ( Z ], ( > [1 + ( E1 ] P G [ ( Z, ] [ ( Z ] + [ ( Z ] mi, ( ( + ( [ ( Z, ] = [ ( Z ] + [ ( Z ], ( > [1 + ( E1 ] P G Z [ ( Z, ] [ ( Z ] + [ ( Z ] mi, ( ( + ( Tabei 1 dotyczą astępujące kometarze: 1. We szystkich przypadkach stosuje się róości: = Z (3.4a / mi ( = mi ( (3.4b a. Gdy jedyym źródłem iepeości jest iepeość ocey, to gdy / 0, to [ 1 exp( G / ] G /, zatem. b. Gdy jedyym źródłem iepeości jest iepeość ocey, to gdy / 0, to po duotej iearyzacji (metodą szeregu Tayora moża ykazać, że 3. Przez bezpośredie podstaieie moża udoodić, że. mi, ( = mi ( + mi (. 4. ieiioa (dokłada estymacja mi, ( ymaga umeryczego roziązaia (zgędem X = 1/ ieiioego róaia: P X [1 exp( GX ] + [ P exp( G1 E1 ] = ( (3.5

9 Zagrożeie sejsmicze od strząsó góriczych (gdzie: G = T ( E1, G1 = G, Z=1-exp(-G 1, P=1-Z. Da estymatora ziearyzoa- ego ystępuje dokłada róość ( = ( + (, a da ieziearyzoaego, suma ( + ( jest bardzo dobrym i zazyczaj ystarczającym pierszym przybiżeiem roziązaia dokładego. postrzeżeie to jest praktyce ajażiejszym yikiem tej pracy. 4. Przykłady obiczeioe a podstaie przykładó 1-3, zamieszczoych e cześiejszej pracy [9], poiżej zostały przedstaioe także trzy przykłady obiczeioe. Ich zadaiem jest iustracja estymacji (ziearyzoaej i ieziearyzoaej bezzgędego odchyeia stadardoego Z oraz miimaej iczebości bazy spełiającej yterium jakości (3.1, przypadku gdy źródłem iepeości Z jest (przykład 1 ub (przykład ub i (przykład 3. Obiczeia ykoae zostały a podstaie róań zestaioych tabei 1. Przykład 1: Poróaie oce dokładych ( i ziearyzoaych, gdy jedyym źródłem iepeości jest estymata. Obserując ciąg =50 strząsó o eergiach 4 E > E _ = 1 10 J, oszacoao 5 artości 0, 95 i 1, 6 [strząsó E > E _ a dobę] oraz doboe (T=1 zagrożeie sejsmicze strząsem 5 E1 > 1 10 J (tz. E 1 = E1/ _ = 10, E ( Z 1 0,95 1 = 1 exp[ 1, ] 0, (jest to pradopodobieństo ystąpieia 5 E > 1 10 J ciągu doby, gdy 0, 95 i 1, 6. Pamiętając, że = T( E1 = 0, G ; 1 = G = 0, G ; Z=1-exp(-G 1 =0,164331; P=1-Z=0, oraz dopuszczając artości = 0, 05 i = 0, 05, obiczamy: Zatem podaych tu arukach: ( Z = 0, ,14195/ 50 0, ( Z = 0, [1 exp( 0,14195/ 50] 0, pradopodobieństo, że Z > 0, yosi 50%; pradopodobieństo, że pradopodobieństo, że Z Z yosi 16%; > Z + (Z yosi,3%. > Z + ( Z

10 56 P. Kołodziejczyk, J. Koroski, I. Gołda Poadto: mi (0,05 3 ; mi (0,05 6; mi (0,05 ; mi (0,05 5. Przykład te pokazuje, że gdy iepeość ocey Z itesyości, to: yika tyko z iepeości ocey - różice między oceami iepeości iioą i ieiioą ( dokładą są ieiekie, - miimaa iczebość mi bazy, iezbęda, by zapeić kadratu, <, zmieia się odrotie do - umiarkoaą iepeość ocey Z zauażmy, że (0,05/0, % =15,% moża osiągąć stosując umiarkoaie iczebą (mi 3 bazę daych. Przykład : Poróaie oce dokładych ( i ziearyzoaych, gdy jedyym źródłem iepeości jest estymata, parametru reacji G-R. a podstaie daych jak przykładzie 1, da = 0, 05 oraz = 0, 05, aeży obiczyć iepeości ocey Z i artości mi ( zaróo dokłade, jak i ziearyzoae: ( Z = 0, ,17953 (10 0,95/ 50 0, ( Z = 0, exp[ 0, ,95 / 50 ] 0,05657 Zatem podaych arukach: pradopodobieństo, że Z > 0, yosi 50%; pradopodobieństo, że Z Z + ( Z = 0, yosi 16% itd. Poadto: > mi (0,05 17 ; mi (0,05 43; mi (0, ; mi (0, Poróaie tych yikó z yikami obiczeń przykładzie 1 proadzi do astępujących ioskó: - iepeość parametru siiej iż iepeość płya a iepeość yikoej ocey zagrożeia Z i zaczie siiej płya a ymagaą iczebość bazy strząsó, - różice między oceami iepeości iioą i dokładą są yraźe: (0,05657/0, , %; podobie jak różice między mi ( i mi ( : 196/17 1,139 14%, 5 Gdzie: /( E, atomiast to itesyość, czyi iczba strząsó jedostce czasu. i= 1

11 Zagrożeie sejsmicze od strząsó góriczych artość mi ( zmieia się odrotie do kadratu - arukach tego przykładu, baza o iczebości =50 strząsó geeruje zgędą iepeość stadardoą [ ( Z / Z] 100% 8,4% przypadku ocey iioej i 3,04% przypadku ocey dokładej., Przykład 3: Poróaie oce ziearyzoaych i ieziearyzoaych, gdy iepeość ystępuje zaróo estymacie, jak i estymacie. Da daych jak przykładach 1 i oraz da = 0, 05 i da = 0, 05 aeży obiczyć iepeość ocey Z i artości mi ystarczające, by iepeość ie przeyższyła artości ytyczych. Wykorzystując artości podstaie (.10: a bez iearyzacji: (Z i (Z, obiczoe przykładach 1 i, zapisać moża a [ ( Z, ] = [ ( Z ] + [ ( Z ] ( Z, = (0, (0, , b ( Z, = (0, (0, ,05514 Estymata ieziearyzoaa skazuje ięc, że stadardoa iepeość ocey Z jest ok. 1% iększa od iepeości ziearyzoaej. W poiższej tabei zestaioo artości mi obiczoe przy ykorzystaiu iearyzacji i bez iearyzacji, da du artości. Wartość mi, obiczoo bezpośredio z odpoiediego róaia tabei 1, atomiast mi, obiczoo umeryczie, roziązując róaie (3.5 zgędem X, a astępie podstaiając = X. Tabea Wartości mi (, gdy iepeość pochodzi zaróo z, jak i z estymacja iioa estymacja ieiioa = 0, = 0, Poróując yiki z trzech przykładó (P1-P3, ioskujemy, że: - artość mi zasze zmieia się (dokładie ub przybiżeiu odrotie do kadratu zadaej iepeości yteriaej bezzgędej,

12 58 P. Kołodziejczyk, J. Koroski, I. Gołda - iepeość oszoa (do ocey Z przez estymatę zazyczaj zaczie przeyższa iepeość oszoą przez itesyość i decyduje o yikoej iepeości ocey Z, przypadku iterakcji obu źródeł iepeości ( i, - ocey ziearyzoae są zazyczaj zaiżoe. 5. Wioski 1. W iiejszym artykue podao kompet estymatoró stadardoej iepeości ocey zagrożeia sejsmiczego Z i miimaej iczebości bazy daych mi (, iezbędej da spełieia yterium jakości ocey Z. Zaróo iepeości stadardoe, jak i miimae iczebości są z jedym yjątkiem estymatora (3.5 łate do obiczeia.. Ziearyzoae estymatory są zazyczaj zaiżoe. Zaeca się stosoaie oce dokładych/ieziearyzoaych i reaistycze zakładaie, że zaróo, jak i są źródłami iepeości. 3. Użytkoika dyspoującego programem umożiiającym umerycze roziązaie róaia (3.5 zachęcamy do dokładego obiczeia miimaej artości,, gdy ystępują da źródła iepeości (zatem praktyce zasze. Użytkoikom, którzy z dooych poodó ie obiczą dokładej artości mi,, doradzamy aproksymację, mi + skazaą tabei Poieaż opisae tu estymatory są parametrami rozkładó zmieych osoych ( Z to z defiicji średie pradopodobieństo, ( Z to jego iepeość stadardoa, ięc eksperymetaa ich eryfikacja ymaga aaizy zbioru yikó (estymat i yacza poza ramy tej pubikacji. Użytkoik poiie pamiętać, że spradzeie artości pradopodobieńst (p. artości eksperymetu (tz. yiku jedej progozy jest bezceoe. Z a podstaie yiku jedego Pierszy autor ośiadcza, że iiejszy artykuł jest yikiem reaizacji części projektu badaczego łasego r fiasoaego przez arodoe Cetrum auki ykoyaego Istytucie Ekspoatacji Złóż Poitechiki Śąskiej.

13 Zagrożeie sejsmicze od strząsó góriczych ILIOGRAFIA 1. Aderso J.G.: trog-motio seismoogy, [:] Lee W., Kaamori H., Jeigs P., Kissiger C.: Iteratioa Hadbook of Earthquake ad Egieerig eismoogy. Academic P., arański A., Drzeiecki J., Kabiesz J., Koopko W., Koroski J., Krzyżoski A., Mutke G.: Zasady stosoaia metody kompeksoej i metod szczegółoych ocey stau zagrożeia tąpaiami kopaiach ęga kamieego. GIG, s. Istrukcje, r 0, Katoice (yd. 007, (yd ejami J.R., Core C.A.: Rachuek pradopodobieństa, statystyka matematycza i teoria decyzji da iżyieró. Wydaicto aukoo - Techicze, Warszaa 1977, s EA-4/0 Wyrażaie iepeości pomiaru przy zorcoaiu. Zakład Metroogii Ogóej Głóego Urzędu Miar, Giboicz.J., Kijko A.: A Itroductio to Miig eismoogy. Academic Press, e York Guide to the Expressio of Ucertaity i Measurmet. IO, itzerad Haight F.A.: Hadbook of the Poisso Distributio. J. Wiey, e York Kirkup L., Freke.: A Itroductio to Ucertaity i Measuremet. Cambridge Uiversity Press, e York Kołodziejczyk P., Koroski J., Gołda I.: Iościoa ocea iepeości zagrożeia sejsmiczego górictie. Materiały II Koferecji aukoo-techiczej Aktuae probemy zaczaia zagrożeń góriczych, rea, 7-9 istopada 01, s Koroski J., Kurzeja J.: Predictio of rockburst probabiity give seismic eergy ad factors defied by Expert Method of Hazard Evauatio (MRG. Acta Geophysica, PA, Warszaa Koroski J., Gołda I., Tarski Ł.: Iościoa ocea zagrożeia g Metody Kompeksoej. Część I: Defiicje i pojęcia. GIG, Góricto i Środoisko, r 4//011, s , Katoice Koroski J., Kurzeja J.: Krótkooesoa progoza zagrożeia sejsmiczego górictie. GIG, Katoice Lasocki.: Predykcja siych strząsó góriczych. Zeszyty aukoe AGH im. taisłaa taszica, s. Geofizyka stosoaa, z. 7, Krakó Quatifyig Ucertaity i Aaytica Measuremet. EURACHEM/CITAC Guide, ecod Editio, Lodo Reiter L.: Earthquake Hazard Aaysis. Uiv. Press, Coumbia zydłoski H.: Międzyarodoe ormy ocey iepeości pomiaroych. Postępy fizyki, r 51, z., 000, s Wyrażaie iepeości pomiaru: Przeodik. Głóy Urząd Miar, Warszaa Zięba A.: atura rachuku iepeości pomiaru a jego oa kodyfikacja. Postępy fizyki, r 5, z. 5, 001, s Abstract I this paper e describe ad expai estimators of the seismic hazard he the iput iformatio is as usua i practice ucertai. The sources of ucertaity are to radom variabe: parameter of Guteberg-Richter reatio ad parameter seismic emissio itesity. Vaue of both parameters are determied by estimatio, so therefore shoud be

14 60 P. Kołodziejczyk, J. Koroski, I. Gołda iterpreted as mea of radom variabes. Ucertaity of ad parameters propagates to the fia resut (seismic hazard Z ad e preset estimators of ucertaity of Z he: oy parameter is the source of ucertaity; oy parameter is the source of ucertaity; both of parameters ( ad are sources of ucertaity. O the basis of the above e ca aso preset very usefu estimators of mi, miima size of tremors cataogue, ecessary to fufi the hazard estimate quaity criterio, predefied by the user. Give are both oiear ad iearized estimates of seismic hazard ad its stadard ucertaity (of hazard estimate. The mai resut of the paper is the very simpe method of stadard ucertaity estimatio ad evauatio of cataogue voume demaded by quaity criterio. Liearized estimates are geeray oer tha oiear, so e recommed the oiear estimates ad reaistic assumptio that both parameters ( ad are sources of ucertaity i the seismic hazard (Z estimator. impe but practica exampes are used to iustrate the resuts.

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

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n Maemayka ubezpieczeń mająkowych 9.0.006 r. Zadaie. Rozważamy proces adwyżki ubezpieczyciela z czasem dyskreym posaci: U = u + c S = 0... S = W + W +... + W W W W gdzie zmiee... są iezależe i mają e sam

Bardziej szczegółowo

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

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

Bardziej szczegółowo

16 Przedziały ufności

16 Przedziały ufności 16 Przedziały ufości zapis wyiku pomiaru: sugeruje, że rozkład błędów jest symetryczy; θ ± u(θ) iterpretacja statystycza przedziału [θ u(θ), θ + u(θ)] zależy od rozkładu błędów: P (Θ [θ u(θ), θ + u(θ)])

Bardziej szczegółowo

Zeszyty naukowe nr 9

Zeszyty naukowe nr 9 Zeszyty aukowe r 9 Wyższej Szkoły Ekoomiczej w Bochi 2011 Piotr Fijałkowski Model zależości otowań giełdowych a przykładzie otowań ołowiu i spółki Orzeł Biały S.A. Streszczeie Niiejsza praca opisuje próbę

Bardziej szczegółowo

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

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

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

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

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

Materiał ćwiczeniowy z matematyki Marzec 2012

Materiał ćwiczeniowy z matematyki Marzec 2012 Materiał ćwiczeiowy z matematyki Marzec 0 Klucz puktowaia do zadań zamkiętych oraz schemat oceiaia do zadań otwartych POZIOM PODSTAWOWY Marzec 0 Klucz puktowaia do zadań zamkiętych Nr zad 3 5 6 7 8 9 0

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

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

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y Zadaie. Łącza wartość szkód z pewego ubezpieczeia W = Y + Y +... + YN ma rozkład złożoy Poissoa z oczekiwaą liczbą szkód rówą λ i rozkładem wartości pojedyczej szkody takim, że ( Y { 0,,,3,... }) =. Niech:

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład VI: Metoda Mote Carlo 17 listopada 2014 Zastosowaie: przybliżoe całkowaie Prosta metoda Mote Carlo Przybliżoe obliczaie całki ozaczoej Rozważmy całkowalą fukcję f : [0, 1] R. Chcemy zaleźć przybliżoą

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

Pierwiastki z liczby zespolonej. Autorzy: Agnieszka Kowalik

Pierwiastki z liczby zespolonej. Autorzy: Agnieszka Kowalik Pierwiastki z liczby zespoloej Autorzy: Agieszka Kowalik 09 Pierwiastki z liczby zespoloej Autor: Agieszka Kowalik DEFINICJA Defiicja : Pierwiastek z liczby zespoloej Niech będzie liczbą aturalą. Pierwiastkiem

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

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 + Zadaia róże W tym rozdziale zajdują się zadaia ietypowe, często dotyczące łańcuchów Markowa oraz własości zmieych losowych. Pojawią się także zadaia z estymacji Bayesowskiej.. (Eg 8/) Rozważamy łańcuch

Bardziej szczegółowo

Artykuł techniczny CVM-NET4+ Zgodny z normami dotyczącymi efektywności energetycznej

Artykuł techniczny CVM-NET4+ Zgodny z normami dotyczącymi efektywności energetycznej 1 Artykuł techiczy Joatha Azañó Dział ds. Zarządzaia Eergią i Jakości Sieci CVM-ET4+ Zgody z ormami dotyczącymi efektywości eergetyczej owy wielokaałowy aalizator sieci i poboru eergii Obeca sytuacja Obece

Bardziej szczegółowo

Statystyka matematyczna. Wykład II. Estymacja punktowa

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

Bardziej szczegółowo

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek Zajdowaie pozostałych pierwiastków liczby zespoloej, gdy zay jest jede pierwiastek 1 Wprowadzeie Okazuje się, że gdy zamy jede z pierwiastków stopia z liczby zespoloej z, to pozostałe pierwiastki możemy

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadaie 1 Rzucamy 4 kości do gry (uczciwe). Prawdopodobieństwo zdarzeia iż ajmiejsza uzyskaa a pojedyczej kości liczba oczek wyiesie trzy (trzy oczka mogą wystąpić a więcej iż jedej kości) rówe jest: (A)

Bardziej szczegółowo

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej 3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Chemia Teoretyczna I (6).

Chemia Teoretyczna I (6). Chemia Teoretycza I (6). NajwaŜiejsze rówaia róŝiczkowe drugiego rzędu o stałych współczyikach w chemii i fizyce cząstka w jedowymiarowej studi potecjału Cząstka w jedowymiarowej studi potecjału Przez

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

x 1 2 3 t 1 (x) 2 3 1 o 1 : x 1 2 3 s 3 (x) 2 1 3. Tym samym S(3) = {id 3,o 1,o 2,s 1,s 2,s 3 }. W zbiorze S(n) definiujemy działanie wzorem

x 1 2 3 t 1 (x) 2 3 1 o 1 : x 1 2 3 s 3 (x) 2 1 3. Tym samym S(3) = {id 3,o 1,o 2,s 1,s 2,s 3 }. W zbiorze S(n) definiujemy działanie wzorem 9.1. Izomorfizmy algebr.. Wykład Przykłady: 13) Działaia w grupach często wygodie jest zapisywać w tabelkach Cayleya. Na przykład tabelka działań w grupie Z 5, 5) wygląda astępująco: 5 1 3 1 1 3 1 3 3

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

O liczbach naturalnych, których suma równa się iloczynowi

O liczbach naturalnych, których suma równa się iloczynowi O liczbach aturalych, których suma rówa się iloczyowi Lew Kurladczyk i Adrzej Nowicki Toruń UMK, 10 listopada 1998 r. Liczby aturale 1, 2, 3 posiadają szczególą własość. Ich suma rówa się iloczyowi: Podobą

Bardziej szczegółowo

Matematyka finansowa 08.10.2007 r. Komisja Egzaminacyjna dla Aktuariuszy. XLIII Egzamin dla Aktuariuszy z 8 października 2007 r.

Matematyka finansowa 08.10.2007 r. Komisja Egzaminacyjna dla Aktuariuszy. XLIII Egzamin dla Aktuariuszy z 8 października 2007 r. Matematyka fiasowa 08.10.2007 r. Komisja Egzamiacyja dla Aktuariuszy XLIII Egzami dla Aktuariuszy z 8 paździerika 2007 r. Część I Matematyka fiasowa WERSJA TESTU A Imię i azwisko osoby egzamiowaej:...

Bardziej szczegółowo

Lista 6. Estymacja punktowa

Lista 6. Estymacja punktowa Estymacja puktowa Lista 6 Model metoda mometów, rozkład ciągły. Zadaie. Metodą mometów zaleźć estymator iezaego parametru a w populacji jedostajej a odciku [a, a +. Czy jest to estymator ieobciążoy i zgody?

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

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

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

0.1 ROZKŁADY WYBRANYCH STATYSTYK

0.1 ROZKŁADY WYBRANYCH STATYSTYK 0.1. ROZKŁADY WYBRANYCH STATYSTYK 1 0.1 ROZKŁADY WYBRANYCH STATYSTYK Zadaia 0.1.1. Niech X 1,..., X będą iezależymi zmieymi losowymi o tym samym rozkładzie. Obliczyć ES 2 oraz D 2 ( 1 i=1 X 2 i ). 0.1.2.

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

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

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

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

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

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

Przemysław Jaśko Wydział Ekonomii i Stosunków Międzynarodowych, Uniwersytet Ekonomiczny w Krakowie

Przemysław Jaśko Wydział Ekonomii i Stosunków Międzynarodowych, Uniwersytet Ekonomiczny w Krakowie MODELE SCORINGU KREDYTOWEGO Z WYKORZYSTANIEM NARZĘDZI DATA MINING ANALIZA PORÓWNAWCZA Przemysław Jaśko Wydział Ekoomii i Stosuków Międzyarodowych, Uiwersytet Ekoomiczy w Krakowie 1 WROWADZENIE Modele aplikacyjego

Bardziej szczegółowo

1 Układy równań liniowych

1 Układy równań liniowych Katarzya Borkowska, Wykłady dla EIT, UTP Układy rówań liiowych Defiicja.. Układem U m rówań liiowych o iewiadomych azywamy układ postaci: U: a x + a 2 x 2 +... + a x =b, a 2 x + a 22 x 2 +... + a 2 x =b

Bardziej szczegółowo

System SCADA we współpracy ze specjalnym algorytmem sterowania

System SCADA we współpracy ze specjalnym algorytmem sterowania Pomiary Automatyka Robotyka 6/009 System SCADA e spółpracy ze specjalym algorytmem steroaia Krzysztof Oprzędkieicz W pracy omóioo zasady realizacji systemu SCADA spółpracującego ze specjalymi algorytmami

Bardziej szczegółowo

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X Matematyka ubezpieczeń majątkowych.0.0 r. Zadaie. Mamy day ciąg liczb q, q,..., q z przedziału 0,. Rozważmy trzy zmiee losowe: o X X X... X, gdzie X i ma rozkład dwumiaowy o parametrach,q i, i wszystkie

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

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

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0, Zadaie iech X, X,, X 6 będą iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), a Y, Y,, Y6 iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), gdzie, są iezaymi

Bardziej szczegółowo

Zmienna losowa N ma rozkład ujemny dwumianowy z parametrami (, q) = 7,

Zmienna losowa N ma rozkład ujemny dwumianowy z parametrami (, q) = 7, Matematyka ubezpieczeń majątkowych.0.008 r. Zadaie. r, Zmiea losowa N ma rozkład ujemy dwumiaowy z parametrami (, q), tz.: Pr( N k) (.5 + k) (.5) k! Γ Γ * Niech k ozacza taką liczbę aturalą, że: * k if{

Bardziej szczegółowo

ZADANIA NA ĆWICZENIA 3 I 4

ZADANIA NA ĆWICZENIA 3 I 4 Agata Boratyńska Statystyka aktuariala... 1 ZADANIA NA ĆWICZENIA 3 I 4 1. Wygeeruj szkody dla polis z kolejych lat wg rozkładu P (N = 1) = 0, 1 P (N = 0) = 0, 9, gdzie N jest liczbą szkód z jedej polisy.

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

Wykład 11. a, b G a b = b a,

Wykład 11. a, b G a b = b a, Wykład 11 Grupy Grupą azywamy strukturę algebraiczą złożoą z iepustego zbioru G i działaia biarego które spełia własości: (i) Działaie jest łącze czyli a b c G a (b c) = (a b) c. (ii) Działaie posiada

Bardziej szczegółowo

Politechnika Poznańska

Politechnika Poznańska Politechika Pozańska Temat: Laboratorium z termodyamiki Aaliza składu spali powstałych przy spalaiu paliw gazowych oraz pomiar ich prędkości przepływu za pomocą Dopplerowskiego Aemometru Laserowego (LDA)

Bardziej szczegółowo

Numeryczny opis zjawiska zaniku

Numeryczny opis zjawiska zaniku FOTON 8, iosa 05 7 Numeryczy opis zjawiska zaiku Jerzy Giter ydział Fizyki U Postawieie problemu wielu zagadieiach z różych działów fizyki spotykamy się z astępującym problemem: zmiay w czasie t pewej

Bardziej szczegółowo

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty MODELE MATEMATYCZNE W UBEZPIECZENIACH WYKŁAD 2: RENTY. PRZEPŁYWY PIENIĘŻNE. TRWANIE ŻYCIA 1. Rety Retą azywamy pewie ciąg płatości. Na razie będziemy je rozpatrywać bez żadego związku z czasem życiem człowieka.

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

Współzależności między wykluczeniem społecznym a edukacją

Współzależności między wykluczeniem społecznym a edukacją Współzależości między ykluczeiem społeczym a edukacją Tomasz Paek Warszaa, 30 czerca 2014 ZWIĄZKI POMIĘDZY WYKLUCZENIEM SPOŁECZNYM A EDUKACJĄ Wykształceie oraz kompetecje są jedym z podstaoych yzaczikó

Bardziej szczegółowo

c 2 + d2 c 2 + d i, 2

c 2 + d2 c 2 + d i, 2 3. Wykład 3: Ciało liczb zespoloych. Twierdzeie 3.1. Niech C R. W zbiorze C określamy dodawaie: oraz możeie: a, b) + c, d) a + c, b + d) a, b) c, d) ac bd, ad + bc). Wówczas C, +, ) jest ciałem, w którym

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

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

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja Charakterystyki liczbowe zmieych losowych: wartość oczekiwaa i wariacja dr Mariusz Grządziel Wykłady 3 i 4;,8 marca 24 Wartość oczekiwaa zmieej losowej dyskretej Defiicja. Dla zmieej losowej dyskretej

Bardziej szczegółowo

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

ĆWICZENIA NR 1 Z MATEMATYKI (Finanse i Rachunkowość, studia zaoczne, I rok) Zad. 1. Wyznaczyć dziedziny funkcji: 1 = 1, b) ( x) , c) h ( x) x x

ĆWICZENIA NR 1 Z MATEMATYKI (Finanse i Rachunkowość, studia zaoczne, I rok) Zad. 1. Wyznaczyć dziedziny funkcji: 1 = 1, b) ( x) , c) h ( x) x x ĆWICZENIA NR Z MATEMATYKI (Fiase i Rachukowość studia zaocze I rok) Zad Wyzaczyć dziedziy fukcji: a) f ( ) b) ( ) + + 6 f c) f ( ) + + d) f ( ) + e) ( ) f l f) f ( ) l( + ) + l( ) g) f ( ) l( si ) h) f

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

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy transportowe cd, Problem komiwojażera

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy transportowe cd, Problem komiwojażera Istrukcja do ćwiczeń laboratoryjych z przedmiotu: Badaia operacyje Temat ćwiczeia: Problemy trasportowe cd Problem komiwojażera Zachodiopomorski Uiwersytet Techologiczy Wydział Iżyierii Mechaiczej i Mechatroiki

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

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU Przedmiot: Iformatyka w logistyce Forma: Laboratorium Temat: Zadaie 2. Automatyzacja obsługi usług logistyczych z wykorzystaiem zaawasowaych fukcji oprogramowaia Excel. Miimalizacja pustych przebiegów

Bardziej szczegółowo

Statystyka Matematyczna Anna Janicka

Statystyka Matematyczna Anna Janicka Statystyka Matematycza Aa Jaicka wykład XIII, 30.05.06 STATYSTYKA BAYESOWSKA Pla a dzisiaj. Statystyka Bayesowska rozkłady a priori i a posteriori estymacja Bayesowska: Bayesowski Estymator Największej

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 2 (LUX), lato 2017/18. a n n = 10.

Jarosław Wróblewski Analiza Matematyczna 2 (LUX), lato 2017/18. a n n = 10. Czy istieje ciąg (a ) taki, że (podać przykład lub dowieść, że ie istieje) : 576. a > 1 dla ieskończeie wielu, a > 0, szereg a jest zbieży. N 577. a = 1 2 dla ieskończeie wielu, a = 10. 578. a 2 = 1 N,

Bardziej szczegółowo

Obliczeniowy wykres CTPc-S. Ilościowa ocena składu fazowego na podstawie wykresów CTPc-S

Obliczeniowy wykres CTPc-S. Ilościowa ocena składu fazowego na podstawie wykresów CTPc-S Obliczeioy ykres CTPc-S. Ilościoa ocea składu fazoego a podstaie ykresó CTPc-S Z poodu zaczej różorodości ykresó CTPc-S ich peły, aalityczy opis jest zaczym stopiu utrudioy. Istieją atomiast zory pozalające

Bardziej szczegółowo

Minimalizacja ryzyka strukturalnego, podejście Vapnika

Minimalizacja ryzyka strukturalnego, podejście Vapnika Miimalizacja ryzyka strukturalego, podejście Vapika Wykład IV Wisła, grudzień 2009 Miimalizacja ryzyka strukturalego Problem klasyfikacji dla dwóch klas, g = 2. L(f (x), y) = I {f (x) y}. Załóżmy, że daa

Bardziej szczegółowo

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe Metody probabilistycze i statystyka Wykład 1 Zdarzeia losowe, defiicja prawdopodobieństwa, zmiee losowe Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki

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

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

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

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa Matematyka fiasowa 8.05.0 r. Komisja Egzamiacyja dla Aktuariuszy LX Egzami dla Aktuariuszy z 8 maja 0 r. Część I Matematyka fiasowa WERJA EU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut

Bardziej szczegółowo

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2011 POZIOM ROZSZERZONY WYBRANE: CZĘŚĆ I. Czas pracy: 90 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2011 POZIOM ROZSZERZONY WYBRANE: CZĘŚĆ I. Czas pracy: 90 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY Cetrala Komisja Egzamiacyja Arkusz zawiera iformacje prawie chroioe do mometu rozpoczęcia egzamiu. Układ graficzy CKE 2010 KOD WISUJE ZDAJĄCY ESEL Miejsce a aklejkę z kodem EGZAMIN MATURALNY Z INORMATYKI

Bardziej szczegółowo

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2 Wykład 5 Przedziały ufości Zwykle ie zamy parametrów populacji, p. Chcemy określić a ile dokładie y estymuje Kostruujemy przedział o środku y, i taki, że mamy 95% pewości, że zawiera o Nazywamy go 95%

Bardziej szczegółowo

Szeregi liczbowe. Szeregi potęgowe i trygonometryczne.

Szeregi liczbowe. Szeregi potęgowe i trygonometryczne. Szeregi iczbowe. Szeregi potęgowe i trygoometrycze. wykład z MATEMATYKI Automatyka i Robotyka sem. I, rok ak. 2008/2009 Katedra Matematyki Wydział Iformatyki Poitechika Białostocka Szeregi iczbowe Defiicja..

Bardziej szczegółowo

3. Funkcje elementarne

3. Funkcje elementarne 3. Fukcje elemetare Fukcjami elemetarymi będziemy azywać fukcję tożsamościową x x, fukcję wykładiczą, fukcje trygoometrycze oraz wszystkie fukcje, jakie moża otrzymać z wyżej wymieioych drogą astępujących

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

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

θx θ 1, dla 0 < x < 1, 0, poza tym,

θx θ 1, dla 0 < x < 1, 0, poza tym, Zadaie 1. Niech X 1,..., X 8 będzie próbą z rozkładu ormalego z wartością oczekiwaą θ i wariacją 1. Niezay parametr θ jest z kolei zmieą losową o rozkładzie ormalym z wartością oczekiwaą 0 i wariacją 1.

Bardziej szczegółowo

2. ANALIZA BŁĘDÓW I NIEPEWNOŚCI POMIARÓW

2. ANALIZA BŁĘDÓW I NIEPEWNOŚCI POMIARÓW . ANALIZA BŁĘDÓW I NIEPEWNOŚCI POMIARÓW Z powodu iedokładości przyrządów i metod pomiarowych, iedoskoałości zmysłów, iekotrolowaej zmieości waruków otoczeia (wielkości wpływających) i iych przyczy, wyik

Bardziej szczegółowo

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7 Metody probabilistycze i statystyka Estymacja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

Ekonomia matematyczna 2-2

Ekonomia matematyczna 2-2 Ekoomia matematycza - Fukcja produkcji Defiicja Efektywym przekształceiem techologiczym azywamy odwzorowaie (iekiedy wielowartościowe), które kazdemu wektorowi akładów R przyporządkowuje zbiór wektorów

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

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

Bardziej szczegółowo

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

8. Optymalizacja decyzji inwestycyjnych

8. Optymalizacja decyzji inwestycyjnych 8. Optymalizacja decyzji iwestycyjych 8. Wprowadzeie W wielu różych sytuacjach, w tym rówież w czasie wyboru iwestycji do realizacji, podejmujemy decyzje. Sytuacje takie azywae są sytuacjami decyzyjymi.

Bardziej szczegółowo

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2012 POZIOM PODSTAWOWY CZĘŚĆ I WYBRANE: Czas pracy: 75 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2012 POZIOM PODSTAWOWY CZĘŚĆ I WYBRANE: Czas pracy: 75 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY Cetrala Komisja Egzamiacyja Arkusz zawiera iformacje prawie chroioe do mometu rozpoczęcia egzamiu. Układ graficzy CKE 2010 KOD WPISUJE ZDAJĄCY PESEL Miejsce a aklejkę z kodem EGZAMIN MATURALNY Z INFORMATYKI

Bardziej szczegółowo

Arkusz ćwiczeniowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE. W zadaniach od 1. do 21. wybierz i zaznacz poprawną odpowiedź. 1 C. 3 D.

Arkusz ćwiczeniowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE. W zadaniach od 1. do 21. wybierz i zaznacz poprawną odpowiedź. 1 C. 3 D. Arkusz ćwiczeiowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE W zadaiach od. do. wybierz i zazacz poprawą odpowiedź. Zadaie. ( pkt) Liczbę moża przedstawić w postaci A. 8. C. 4 8 D. 4 Zadaie. ( pkt)

Bardziej szczegółowo

Mirosława Gazińska. Magdalena Mojsiewicz

Mirosława Gazińska. Magdalena Mojsiewicz STUDIA DEMOGRAFICZNE 1(145) 2004 Mirosława Gazińska Katedra Ekoometrii i Statystyki Magdalea Mojsiewicz Katedra Ubezpieczeń i Ryków Kapitałowych Uiwersytet Szczeciński MODELOWANIE CZASU TRWANIA ŻYCIA BEZ

Bardziej szczegółowo

METODY NUMERYCZNE dr inż. Mirosław Dziewoński

METODY NUMERYCZNE dr inż. Mirosław Dziewoński Metody Numerycze METODY NUMERYCZNE dr iż. Mirosław Dziewoński e-mail: miroslaw.dziewoski@polsl.pl Pok. 151 Wykład /1 Metody Numerycze Aproksymacja fukcji jedej zmieej Wykład / Aproksymacja fukcji jedej

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

Dydaktyka matematyki III-IV etap edukacyjny (wykłady)

Dydaktyka matematyki III-IV etap edukacyjny (wykłady) Dydaktyka matematyki III-IV etap edukacyjy (wykłady) Wykład r 12: Fukcja wykładicza cd. Ciągłość fukcji. Pochoda fukcji Semestr zimowy 2018/2019 Fukcja wykładicza (cd.) propozycja Podobie jak w przykładach

Bardziej szczegółowo

Ze względu na sposób zapisu wielkości błędu rozróżnia się błędy bezwzględne i względne.

Ze względu na sposób zapisu wielkości błędu rozróżnia się błędy bezwzględne i względne. Katedra Podsta Systemó Techczych - Podstay metrolog - Ćczee 3. Dokładość pomaró, yzaczae błędó pomaroych Stroa:. BŁĘDY POMIAROWE, PODSTAWOWE DEFINICJE Każdy yk pomaru bez określea dokładośc pomaru jest

Bardziej szczegółowo

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11 RÓWNANIA RÓŻNICZKOWE WYKŁAD Szeregi potęgowe Defiicja Fukcja y = f () jest klasy C jeżeli jest -krotie różiczkowala i jej -ta pochoda jest fukcją ciągłą. Defiicja Fukcja y = f () jest klasy C, jeżeli jest

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