wiczenie nr 3 z przedmiotu Metody prognozowania kwiecie«2015 r. Metodyka bada«do±wiadczalnych dr hab. in». Sebastian Skoczypiec Cel wiczenia Zaªo»enia



Podobne dokumenty
Planowanie do±wiadcze«

Ekonometria. wiczenia 2 Werykacja modelu liniowego. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej

Metody numeryczne. Wst p do metod numerycznych. Dawid Rasaªa. January 9, Dawid Rasaªa Metody numeryczne 1 / 9

Statystyka opisowa. Wykªad II. Elementy statystyki opisowej. Edward Kozªowski.

Materiaªy do Repetytorium z matematyki

Ekonometria - wykªad 8

Elementarna statystyka Wnioskowanie o regresji (Inference 2 czerwca for regression) / 13

Statystyka. Šukasz Dawidowski. Instytut Matematyki, Uniwersytet l ski

Interpolacja Lagrange'a, bazy wielomianów

In»ynierskie zastosowania statystyki wiczenia

Statystyka matematyczna

Zasilacz stabilizowany 12V

1 Bª dy i arytmetyka zmiennopozycyjna

ANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15

CAŠKOWANIE METODAMI MONTE CARLO Janusz Adamowski

1 Trochoidalny selektor elektronów

12. Wyznaczenie relacji diagnostycznej oceny stanu wytrzymało ci badanych materiałów kompozytowych

LXIV OLIMPIADA FIZYCZNA ZAWODY III STOPNIA

Metody numeryczne i statystyka dla in»ynierów

Aproksymacja funkcji metod najmniejszych kwadratów

Opis matematyczny ukªadów liniowych

przewidywania zapotrzebowania na moc elektryczn

Ukªady równa«liniowych - rozkªady typu LU i LL'

Funkcje, wielomiany. Informacje pomocnicze

Koªo Naukowe Robotyków KoNaR. Plan prezentacji. Wst p Rezystory Potencjomerty Kondensatory Podsumowanie

Optyka geometryczna. Soczewki. Marcin S. Ma kowicz. rok szk. 2009/2010. Zespóª Szkóª Ponadgimnazjalnych Nr 2 w Brzesku

Analiza regresji Konspekt do zaj : Statystyczne metody analizy danych

Informacje pomocnicze

Zasilanie urzdze elektronicznych laboratorium IV rok Elektronika Morska

x y x y x y x + y x y

Caªkowanie numeryczne - porównanie skuteczno±ci metody prostokatów, metody trapezów oraz metody Simpsona

Logika matematyczna (16) (JiNoI I)

Modele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 6

c Plan nauczania z matematyki dla kursu maturalnego

Schematy blokowe ukªadów automatyki

Ukªady równa«liniowych

i, lub, nie Cegieªki buduj ce wspóªczesne procesory. Piotr Fulma«ski 5 kwietnia 2017


Listy Inne przykªady Rozwi zywanie problemów. Listy w Mathematice. Marcin Karcz. Wydziaª Matematyki, Fizyki i Informatyki.

Uczenie Wielowarstwowych Sieci Neuronów o

Modele wielorównaniowe. Estymacja parametrów

KRYTERIA WYBORU INSTYTUCJI SZKOLENIOWEJ OBOWIĄZUJĄCE W POWIATOWYM URZĘDZIE PRACY W USTRZYKACH DOLNYCH 1 I. POSTANOWIENIA OGÓLNE

Modele wielorównaniowe. Problem identykacji

11.1. Zale no ć pr dko ci propagacji fali ultrad wi kowej od czasu starzenia

Numeryczne zadanie wªasne

Obwody sprzone magnetycznie.

Janusz Adamowski METODY OBLICZENIOWE FIZYKI Zastosowanie eliptycznych równa«ró»niczkowych

Granular Computing 9999 pages 15 METODY SZTUCZNEJ INTELIGENCJI - PROJEKTY

Temat: Co to jest optymalizacja? Maksymalizacja objętości naczynia prostopadłościennego za pomocą arkusza kalkulacyjngo.

MODEL HAHNFELDTA I IN. ANGIOGENEZY NOWOTWOROWEJ Z UWZGL DNIENIEM LEKOOPORNO CI KOMÓREK NOWOTWOROWYCH

Elementy geometrii w przestrzeni R 3

det A := a 11, ( 1) 1+j a 1j det A 1j, a 11 a 12 a 21 a 22 Wn. 1 (Wyznacznik macierzy stopnia 2:). = a 11a 22 a 33 +a 12 a 23 a 31 +a 13 a 21 a 32

Matematyka z elementami statystyki

Metody bioinformatyki (MBI)

STATYSTYCZNE MODELOWANIE DANYCH BIOLOGICZNYCH

Liniowe równania ró»niczkowe n tego rz du o staªych wspóªczynnikach

Macierze i Wyznaczniki

EDUKARIS - O±rodek Ksztaªcenia

Stacjonarne szeregi czasowe

Ekonometria. wiczenia 1 Regresja liniowa i MNK. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej

Rynek biegowy w Polsce Stan i kierunki rozwoju. Akredytacje, Atesty, Licencje Profesjonalny Rynek Biegowy w Polsce

Metody probablistyczne i statystyka stosowana

Kwantowa teoria wzgl dno±ci

WZÓR. klasa I. klasa II

Lab. 02: Algorytm Schrage

Modele ARIMA prognoza, specykacja

1 Metody iteracyjne rozwi zywania równania f(x)=0

POLITECHNIKA WROCŠAWSKA WYDZIAŠ ELEKTRONIKI PRACA DYPLOMOWA MAGISTERSKA

1 Poj cia pomocnicze. Przykªad 1. A A d

WYKŁAD 4 PLAN WYKŁADU. Sieci neuronowe: Algorytmy uczenia & Dalsze zastosowania. Metody uczenia sieci: Zastosowania

Ramowy program i plan szkolenia przygotowujący nauczycieli. do realizacji projektu w zakresie wykorzystania interfejsów

Politechnika Krakowska im. Tadeusza Kościuszki. Karta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2015/2016

6. Projektowanie składu chemicznego stali szybkotn cych o wymaganej twardo ci i odporno ci na p kanie

3. (8 punktów) EGZAMIN MAGISTERSKI, Biomatematyka

JĘZYK ANGIELSKI. Przedmiotowy system oceniania w klasach 1-3

Informatyka. z przedmiotu RACHUNEK PRAWDOPODOBIE STWA

System Zarządzania Relacyjną Bazą Danych (SZRBD) Microsoft Access 2010

Liniowe zadania najmniejszych kwadratów

Wektory w przestrzeni

Zadania z z matematyki dla studentów gospodarki przestrzennej UŠ. Marek Majewski Aktualizacja: 31 pa¹dziernika 2006

Dyskretyzacja sygnałów cigłych.

Rozdziaª 13. Przykªadowe projekty zaliczeniowe

Wybrane dane demograficzne województwa mazowieckiego w latach

Podstawy logiki i teorii zbiorów wiczenia

punkcie. Jej granica lewostronna i prawostronna w punkcie x = 2 wynosz odpowiednio:

1 Przypomnienie wiadomo±ci ze szkoªy ±redniej. Rozwi zywanie prostych równa«i nierówno±ci

WFiIS Imi i nazwisko: Rok: Zespóª: Nr wiczenia: Fizyka Dominik Przyborowski IV 5 22 J drowa Katarzyna Wolska

PRAWA ZACHOWANIA. Podstawowe terminy. Cia a tworz ce uk ad mechaniczny oddzia ywuj mi dzy sob i z cia ami nie nale cymi do uk adu za pomoc

SPRAWOZDANIE Z REALIZACJI XXXII BADAŃ BIEGŁOŚCI I BADAŃ PORÓWNAWCZYCH HAŁASU W ŚRODOWISKU Warszawa kwiecień 2012r.

1. Koło Naukowe Metod Ilościowych,zwane dalej KNMI, jest Uczelnianą Organizacją Studencką Uniwersytetu Szczecińskiego.

Wyznaczanie współczynnika sprężystości sprężyn i ich układów

Rys.2 N = H (N cos = N) : (1) H y = q x2. y = q x2 2 H : (3) Warto± siªy H, która mo»e by uto»samiana z siª naci gu kabla, jest równa: z (3) przy

Zagadnienia na wej±ciówki z matematyki Technologia Chemiczna

Kolegium Międzywydziałowych Indywidualnych Studiów Humanistycznych

Ekonometria. wiczenia 5 i 6 Modelowanie szeregów czasowych. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej

2. Wykonanie zarządzenia powierza się Sekretarzowi Miasta. 3. Zarządzenie wchodzi w życie z dniem podpisania.

Interpolacja funkcjami sklejanymi

Stabilno± ukªadów liniowych

PRZEWODNIK PO PRZEDMIOCIE

Statystyka matematyczna - ZSTA LMO

Transkrypt:

wiczenie nr 3 z przedmiotu Metody prognozowania kwiecie«2015 r.

wiczenia 1 2 do wiczenia 3 4 Badanie do±wiadczalne 5 pomiarów 6 7

Cel Celem wiczenia jest zapoznanie studentów z etapami przygotowania i realizacji zgodnie z teori i technik eksperymentu.

Charakterystyka Obiektu Zakªada si,»e na podstawie analizy merytorycznej obiektu przyj to nast puj c charakterystyk obiektu : liczba wielko±ci wej±ciowych:i = 3; zakresy wielko±ci wej±ciowych: < x 1min, x 1max >, < x 2min, x 2max >, < x 3min, x 3max > jedn wielko± wyj±ciow : z; zbiór wielko±ci staªych i zbiór wielko±ci zakªócaj cych; Zakresy zmienno±ci oraz dane wyj±ciowe podane zostan w instrukcji do wiczenia.

Cel Celem jest wyznaczenie funkcji obiektu o postaci: z = b 0 + b 1 x 1 + b 2 x 2 + b 3 x 3 (1)

Na podstawie charakterystyki obiektu i zaªo»onego celu jako plan wybrano plan Hartleya PS/DS - P:Ha3(hK) o nast puj cej charakterystyce: rami gwiezdne planu α = 1.73205, liczba ukªadów planu n = 11, liczba ró»nych warto±ci ka»dej wielko±ci wej±ciowej n x = 5, Przyj to,»e w ka»dym ukªadzie planu liczba powtórze«r u = r = 3

dla warto±ci unormowanych Ukªad PD x k u x 1 x 2 x 3 1-1 -1 +1 2 +1-1 -1 3-1 +1-1 4 +1 +1 +1 5 α 0 0 6 +α 0 0 7 0 α 0 8 0 +α 0 9 0 0 +α 10 0 0 α 11 0 0 0 Tablica : plan Hartleya PS/DS - P:Ha3(hK)

Zadanie 1 Utworzy plan do±wiadczenia dla warto±ci rzeczywistych wielo±ci wej±ciowych x k (przedziaªy zmienno±ci zadane indywidualnie dla ka»dego zespoªu). Zwi zek pomi dzy warto±ciami rzeczywistymi x k a warto±ciami normowanymi ˆx k okre±la tzw. relacja normowania: ˆx k = x k x k x k (2) gdzie: x k = (x kmin + x kmax )/2 - ±rednia arytmetyczna, x k = (x kmax x k )/α) - jednostka zmienno±ci

Realizacja - pomiarów Pomiary okre±lone przez wybrany plan do±wiadczenia, ª cznie z przyj tym sposobem i liczb powtórze«realizowane s na odpowiednio przygotowanym stanowisku badawczym. Dla celów dydaktycznych (brak czasu) nie wykonujemy pomiarów. Wyniki - symulowane komputerowo - zostan przekazane dla ka»dego zespoªu w trakcie zaj.

dla warto±ci rzeczywistych UkadPD Wyniki pomiarów (r = 3) u 1 2 3 1 34,53 34,12 34,25 2 46,22 47,95 47,79 3 42,50 41,80 41,64 4 57,55 59,16 59,93 5 31,53 30,28 31,64 6 49,89 49,01 50,21 7 38,00 37,45 38,54 8 56,34 56,11 54,26 9 41,01 41,95 41,77 10 56,29 56,75 57,83 11 59,38 57,85 60,50 Tablica : Przykªadowe wyniki pomiarów z uwzgl dnieniem 3 powtórze«w ka»dym ukªadzie planu

Oszacowanie zakªóce«losowych Kolejnym krokiem jest oszacowanie zakªóce«losowych obiektu Wykonano trzy powtórzenia w ka»dym ukªadzie planu, dlatego te» dla ka»dego ukªadu planu nale»y obliczy parametry statystyczne tj. ±rednia arytmetyczna, warto± minimalna, maksymalna, rozst p, wariancja próbki, wariancja skorygowana, odchylenie standardowe skorygowane itp.

Zadanie 2 Obliczy dla ka»dego ukªadu planu nast puj ce parametry statystyczne: ±rednia arytmetyczna z, rozst p R = z max z min, r odchylenie standardowe próbki s(z) u i=1 = (z i z) 2, r wariancja próbki s 2 (z) u = [s(z) u ] 2, odchylenie standardowe skorygowane S(z) u = r i=1 (z i z) 2 r 1 wariancja skorygowana S 2 (z) u = [S(z) u ] 2.

Zadanie 2 wariancj niedokªadno±ci dla planu S 2 (z) (±rednia arytmetyczna z wariancji skorygowanych w ukªadach planu). Wariancja niedokªadno±ci stanowi reprezentatywn dla obiektu miar rozproszon wielko±ci wyj±ciowej z.

Zadanie 3 Zakªadamy nast puj c posta funkcji obiektu : z = b 0 + b 1 x 1 + b 2 x 2 + b 3 x 3 (3) Celem jest znalezienie wspóªczynników b 0, b 1, b 2, b 3 funkcji obiektu. W tym celu nale»y u»y np. pakietu OpenOce i wykorzysta funkcj REGLINP.

Zadanie 3 Obliczy bª dy aproksymacji w ukªadach planu (bª d aproksymacji w ukªadzie dz = z za, wzgl dny bª d aproksymacji (%), z - ±rednia arytmetyczna w ukªadzie, za - warto± funkcji w ukªadzie,

1 2 do wiczenia 3 4 Badanie do±wiadczalne 5 pomiarów 6 7 8 Werykacja adekwatno±ci i istotno±ci 9 Przedstawienie graczne otrzymanej zale»no±ci funkcyjnej

Adekwatno± funkcji, werykacja istotno±ci W kolejnych krokach nale»y przeprowadzi : werykacj adekwatno±ci funkcji (test F), czyli uznanie (lub nie) funkcji jako zgodnej z wynikami pomiarów. werykacj istotno±ci wspóªczynników funkcji obiektu (test t Studenta).

Adekwatno± funkcji Jako miar adekwatno±ci nale»y przyj bª d ±redniokwadratowy aproksymacji: u n=1 ( z za)2 M = (4) n Proponuje arbitralnie przyj dopuszczaln warto± tego bª du e max = 0.05z max. W przypadku gdy speªniony jest warunek: M < e max (5) otrzyman funkcj nale»y uzna za adekwatn. UWAGA: ze wzgl du na brak mo»liwo±ci technicznych nie przeprowadzamy werykacji istotno±ci wspóªczynników.

1 2 do wiczenia 3 4 Badanie do±wiadczalne 5 pomiarów 6 7 8 Werykacja adekwatno±ci i istotno±ci 9 Przedstawienie graczne otrzymanej zale»no±ci funkcyjnej

Przedstawienie otrzymanej zale»no±ci funkcyjnej na wykresach powierzchniowych Nale»y narysowa nast puj ce wykresy powierzchniowe: z = f (x 1, x 2 ) przy x 3 = const, z = f (x 2, x 3 ) przy x 1 = const, z = f (x 1, x 3 ) przy x 2 = const. nale»y przygotowa w dowolnym programie matematcznym.

Opracowano na podstawie: Roma Górecka Teoria i technika eksperymentu Wydawnictwo PK, Kraków, 1995 r.