Matematyczny opis ryzyka

Podobne dokumenty
Analiza ryzyka kosztowego robót remontowo-budowlanych w warunkach niepełnej informacji

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. dr Michał Silarski

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

Funkcja wiarogodności

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego).

Planowanie eksperymentu pomiarowego I

Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1

Podstawy opracowania wyników pomiarowych, analiza błędów

ZAGADNIENIE TRANSPORTOWE

Wyrażanie niepewności pomiaru

. Wtedy E V U jest równa

Statystyka Matematyczna Anna Janicka

ma rozkład normalny z nieznaną wartością oczekiwaną m

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu

Statystyczne charakterystyki liczbowe szeregu

Prawdopodobieństwo i statystyka r.

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe.

[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i=

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

JEDNOWYMIAROWA ZMIENNA LOSOWA

Podprzestrzenie macierzowe

ELEMENTY TEORII MOŻLIWOŚCI

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

Portfel złożony z wielu papierów wartościowych

Prawdopodobieństwo i statystyka r.

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

Pomiary parametrów napięć i prądów przemiennych

PDF created with FinePrint pdffactory Pro trial version WIII/1

Laboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym?

Modelowanie i Analiza Danych Przestrzennych

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5

AKADEMIA MORSKA W SZCZECINIE

Estymacja to wnioskowanie statystyczne koncentrujące się wokół oszacowania wartości parametrów rozkładu populacji.

ρ (6) przy czym ρ ij to współczynnik korelacji, wyznaczany na podstawie następującej formuły: (7)

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA

ĆWICZENIE 5 TESTY STATYSTYCZNE

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji

będą niezależnymi zmiennymi losowymi o tym samym 2 x

1. Relacja preferencji

Rachunek prawdopodobieństwa i statystyka matematyczna. Estymacja przedziałowa parametrów strukturalnych zbiorowości generalnej

METODY ANALIZY DANYCH DOŚWIADCZALNYCH

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2

WIELOWYMIAROWE REGUŁY ASOCJACJI W MODELOWANIU TENDENCJI ROZWOJOWYCH MSP

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

METODY KOMPUTEROWE 1

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

STATYSTYKA MORANA W ANALIZIE ROZKŁADU CEN NIERUCHOMOŚCI

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

Matematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona:

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH

Opracowanie wyników pomiarów

Badania niezawodnościowe i statystyczna analiza ich wyników

FINANSE II. Model jednowskaźnikowy Sharpe a.

Materiały do wykładu 7 ze Statystyki

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ

OKREŚLANIE NIEPEWNOŚCI POMIARÓW (poradnik do Laboratorium Fizyki)

Mh n. 2 ε. h h/ n n. Ekstrapolacja Richardsona (szacowanie błędu) błąd. ekstrapolowana wartość całki I. kwadratury z adaptowanym krokiem

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne

Badania Maszyn CNC. Nr 2

Analiza niepewności pomiarów Definicje

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu

KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny

ANALIZA INPUT - OUTPUT

Portfel. Portfel pytania. Portfel pytania. Analiza i Zarządzanie Portfelem cz. 2. Katedra Inwestycji Finansowych i Zarządzania Ryzykiem

WYZNACZANIE PRZERWY ENERGETYCZNEJ GERMANU

Matematyka dyskretna. 10. Funkcja Möbiusa

Projekt 2 2. Wielomiany interpolujące

Analiza danych pomiarowych

Podstawy teorii falek (Wavelets)

Statystyka. Analiza zależności. Rodzaje zależności między zmiennymi występujące w praktyce: Funkcyjna

5. OPTYMALIZACJA NIELINIOWA

Niepewności pomiarów. DR Andrzej Bąk

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

11/22/2014 STRATEGIE MIESZANE - MOTYWACJA. ROZWAśMY PRZYKŁAD:

Współczynnik korelacji rangowej badanie zależności między preferencjami

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

VI. TWIERDZENIA GRANICZNE

Wnioskowanie statystyczne dla korelacji i regresji.

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej

Metoda Monte-Carlo i inne zagadnienia 1

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości

STATYSTYKA MATEMATYCZNA WYKŁAD 1. Wiadomości wstępne

KALIBRACJA NIE ZAWSZE PROSTA

Ćwiczenia nr 3 Finanse II Robert Ślepaczuk. Teoria portfela papierów wartościowych

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

Lekcja 1. Pojęcia podstawowe: Zbiorowość generalna i zbiorowość próbna

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84

Transkrypt:

Aalza ryzyka kosztowego robót remotowo-budowlaych w warukach epełe formac Mgr ż Mchał Bętkowsk dr ż Adrze Powuk Wydzał Budowctwa Poltechka Śląska w Glwcach MchalBetkowsk@polslpl AdrzePowuk@polslpl Streszczee Jedym z kluczowych problemów w procese budowlaym est oszacowaa ryzyka Podstawową barerą est brak warygodych statystycze daych W artykule autorzy przedstawl autorską kocepce zmee losowe o parametrach rozmytych ako arzędza łączącego zalety podeśca probablstyczego opartego o algebrę zborów rozmytych przy elmac podstawowych ograczeń obu podeść Matematyczy ops ryzyka Z ryzykem mamy do czyea wtedy gdy poesoe koszty realzac proektu wększe od założoego pozomu kosztów maksymalych Z będą Z Z brak ryzyka ryzyko () W przypadku gdy dyspouemy odpowedo dużą lczbą formac to możemy statystycze opsać wartośc poesoych kosztów realzac przy pomocy zmee losowe ( ) : R () Teraz moża zdefować ryzyko ako prawdopodobeństwo przekroczea założoego pozomu kosztów ( ) : ( ) Z Z R = P (3) Jak wdać ryzyko est fukcą założoego pozomu kosztów zmee losowe Z Jeśl zamy dystrybuatę Z ( ) ( ) : ( ) = P = f x dx (4) Z Z to ryzyko może zostać określoe astępuąco : : ( ) ( ) R = P = P = (5) Z Z Z Z

Przedzałowe charakterystyk ryzyka Z uwag a różego rodzau epewośc bardzo trudo precyzye przewdzeć całkowty koszt westyc budowlae epewośc ake ależy uwzględć w tym procese moża ogóle rzecz borąc podzelć a trzy grupy: - epewośc przypadkowe wykaące z losowego charakteru welu zawsk - epewośc systematycze wykaą z braku warygodego źródła formac - błędy grube zwykle są to różego rodzau pomyłk W przypadku gdy mamy wystarczaącą lość daych epewośc przypadkowe moża opsywać przy pomocy teor prawdopodobeństwa W takm przypadku zakładamy że dyspouemy pewym zborem pomarów daego kosztu składowego : (6) Lczby (6) moża uzać za realzace pewe zmee losowe W takm przypadku moża kostruować probablstycze charakterystyk (statystk) opsuące zmeą losową : R aczęśce oblczamy wartość średą /lub waracę: ( ) = ( ) s = (7) Przy pomocy oblczoych statystyk możemy dokoywać dalsze obróbk statystycze otrzymaych daych ależy edak podkreślć że każdy pomar obarczoy est róweż błędam systematyczym a czasem róweż grubym Zatem zamast puktowe wartośc pomaru ależy rozważyć cały przedzał możlwych wartośc które może przymować (8) Górą dolą grace przedzału moża zwykle oszacować a podstawe ogóle wedzy o daym koszce Dowola statystyka h zmee losowe est fukcą daych pomarowych ( ) ( ) Zatem eśl pomary będą przedzałam przedzałem h = h (9) zatem statystyka ( ) ( ) h też będze h = h = h : (0) Przykładowo przedzałową wartość średą moża określć astępuąco: = = : ()

To samo dotyczy dowolych ych probablstyczych charakterystyk takch ak p fukc gęstośc rozkładu prawdopodobeństwa W tym przypadku otrzymuemy f ( x) przedzałową fukcę gęstośc rozkładu prawdopodobeństwa gdze ( ) f ( x) f x = f x : () f x est empryczą fukcą gęstośc otrzymaą a podstawe pomarów Ryzyko może zostać oszacowae est a podstawe zboru pewych formac dotyczących kosztów Zbór te moża przedstawć ako macerz o zmee lczbe elemetów w każdym werszu M = M M = (3) M M Zatem ryzyko est fukcą zboru daych gdze ( ) R( ) R = (4) Z Z Z est założoym pozomem kosztów oraz ryzyko określoe est przy pomocy wzoru otrzymuemy astępuąco: (3) Zatem przedzałową wartość ryzyka ( ) ( ) ( ) Z : Z = R Z R Z = R Z (5) Rozmyte charakterystyk ryzyka Przedzałowe charakterystyk ryzyka daą abardze pesymstycze oszacowae wartośc ryzyka ( ) = f ( ) : + R ( ) R ( ) R R Z Z Z = sup : (6) Poadto oszacowae e uwzględa zależośc pomędzy różym wartoścam Przykładowo błędy systematycze zwykle aczkolwek e zawsze maą podoby wpływ a część pomarów e trzeba uwzględać całego zakresu zmeośc przedzału Poadto przedzały są czasem zbyt szeroke zęścowym rozwązaem tych problemu est kocepca zborów rozmytych [] W tym uęcu zbór daych e składa sę tylko z przedzałów Składa sę z zageżdżoe rodzy daych przedzałowych (tzw -przekroów) Z (7) 0

Zakładamy przy tym że przedzałowe dae stotośc czyl zostały utworzoe a pewym pozome ( \ ) ( ) ( ) P R = P + = W tym przypadku dla każdego -przekrou możemy oblczyć przedzałowe ryzyko ( ) ( ) (8) : Z = R Z R Z = R Z (9) Teraz moża zbudować fukcę przyależośc rozmytego ryzyka ( ) sup : ( ) x = x R (0) R F Z Z Zmee losowe z rozmytym parametram W dotychczasowych rozważaach e uwzględalśmy formac a temat charakteru rozkładu prawdopodobeństwa Jedak w pewych zastosowaach e trzeba rozważać wszystkch możlwych fukc gęstośc moża sę ograczyć do pewe klasy fukc aczęśce mamy do czyea p z rozkładam ormalym beta beta-pert W takm przypadku zamy rozkład prawdopodobeństwa a e zamy ego parametrów Przykładowo parametry rozkładu ormalego określamy a podstawe wartośc średe z próby oraz warac z próby a skutek występowaa bardzo trudych do usuęca błędów grubych systematyczych dae a temat kosztów są obarczoe epewoścam Moża e edak oszacować przy pomocy przedzałów R F Z lub bardze dokłade przy pomocy lczb rozmytych o -przekroach Dlatego parametry rozkładu ormalego będą odpowedo rozmytą (przedzałową) wartoścą średą: oraz rozmytą (przedzałową) waracą = : () ( ) s = : () W tak opsay sposób moża otrzymać fukcę przyależośc rozmyte wartośc średe warac s F F ( ) sup : ( ) sup : x = x (3) F x = x s s (4) F

W podoby sposób moża zdefować rozmyte charakterystyk dowolych rozkładów prawdopodobeństwa Poprzez uwzględee dodatkowe formac o charakterze rozkładu prawdopodobeństwa uzyskuemy zwykle węższe oszacowae ż w przypadku zastosowaa metody opsae w poprzedm pukce Jeśl mamy day rozkład prawdopodobeństwa zależy od wektora parametrów h f ( x h) który charakteryzue rozkład kosztu całkowtego westyc budowlae to ryzyko (zależe od parametru h) moża oblczyć astępuąco ( ) ( ) R Z h = f x h dx (5) Z Teraz moża oblczyć ryzyko ako lczbę rozmytą określoą przy pomocy wzoru (5) oraz metody -przekroów : Z = R Z h h h (6) sup : ( ) x = x R (7) R F Z Z Tak określoe rozmyte ryzyko ( ) zmodyfkowae metody Mote arlo [] R F Z może zostać oblczoe p przy wykorzystau Lteratura [] eumaer A louds fuzzy sets ad probablty tervals Relable omputg 0: 004 [] Bętkowsk M Powuk A Szacowae ryzyka kosztowego procesu budowlaego z wykorzystaem zmee losowe o parametrach rozmytych w oparcu o metodę Mote- arlo ofereca aukowo-techcza pt BUDOWITWO POLSIE W RO PO WSTAPIEIU DO UII EUROPEJSIEJ Gdańsk 9 - czerwca 005