Академический Документы
Профессиональный Документы
Культура Документы
Streszczenie
Abstract
WSPCZESNA nauka powszechnie korzysta ze statystyki matematycznej, ktra zajmuje si, m.in. metodami badania prawidowoci wystpujcych w zjawiskach
masowych. Znajduje ona zastosowanie w dziedzinach
wiedzy, w ktrych mamy do czynienia z analiz danych.
Techniki statystyczne umoliwiaj uzyskanie odpowiedzi
na wiele istotnych pyta, ujawnienie prawidowoci i zalenoci, ktre w inny sposb trudno byoby wykry lub
udowodni. Zgromadzone dane pomiarowe maj wymiern warto dopiero wtedy, gdy mona na ich podstawie
sformuowa okrelone wnioski lub uoglnienia. atwo
pomiaru i rejestracji danych pomiarowych i w efekcie ich
bardzo dua liczba, wymagaj sprawnych narzdzi analitycznych. Szczeglnie przydatne s takie metody analizy,
ktre pozwalaj spojrze na dane z moliwie szerokiej
perspektywy. Klasyczne miary, takie, jak np. liczno, mediana, warto rednia, maj skoczon warto poznawcz i wnioskowanie tylko na ich podstawie nie zawsze jest
efektywne. Warto zatem wwczas wykorzysta bardziej
zaawansowane techniki, dziki ktrym moliwe jest gra-
Metody parametryczne
Estymacja parametryczna jest metod polegajc na
wyborze jednego z kilkunastu typowych rozkadw prawdopodobiestw, a nastpnie dobraniu waciwych parametrw tego rozkadu dopasowujcych go do analizowanych
449
OGRZEWNICTWO
b)
Metody nieparametryczne
Postp nauki i techniki obliczeniowej otwiera cakowicie
nowe moliwoci teoretyczne i praktyczne, dziki ktrym
moliwe jest wykorzystywanie metod nieparametrycznych.
Obecnie podstaw estymacji nieparametrycznej staje si
stosowanie estymatorw jdrowych, ktrych wykorzystanie
byo praktycznie niemoliwe bez pomocy oblicze komputerowych, na maszynach o stosunkowo duej mocy obliczeniowej oraz moliwoci przedstawiania na ekranie monitora
otrzymanych wynikw. Estymatory te umoliwiaj wyznaczenie funkcji gstoci rozkadu prawdopodobiestwa bez
koniecznoci zakadania okrelonego typu rozkadu. Warto
je zatem stosowa w wypadku odbiegajcych od standardowych rozkadw gstoci, dla ktrych metody parametryczne nie maj zastosowania (np. w przypadku rozkadw wielomodalnych). Wyniki otrzymane za pomoc estymatorw
jdrowych maj prost interpretacj statystyczn, szczeglnie jeli chodzi o wartoci modalne. W przypadku analizy
rzeczywistych systemw technicznych, socjologicznych
lub ekonomicznych, mody stanowi zazwyczaj informacj
o rnych cechach badanego zjawiska. Wyznaczenie ich
umoliwia dokadniejsze poznanie badanego obiektu oraz
znalezienie nowych czynnikw, ktre maj wpyw na jego
zachowanie. Dziki estymatorom moemy dodatkowo wyznaczy takie waciwoci funkcji, jak symetria i zachowanie rozkadu dla wartoci skrajnych.
Estymatory jdrowe
c)
Estymator jdrowy funkcji gstoci rozkadu prawdopodobiestwa n-wymiarowej zmiennej losowej X definiuje
si jako:
1 m x-x i
f(x)=
K
mh n i=1 h
(1)
gdzie:
h wspczynnik wygadzenia,
x1, x2, , xm prba losowa zmiennej X,
m liczno prby losowej.
Funkcja K jest okrelona mianem jdra i jest ona symetryczna wzgldem zera majc w tym punkcie sabe maksimum globalne oraz spenia warunek
Rys. 1. Przykadowe rozkady prawdopodobiestw: a) rozkad normalny, b) rozkad wykadniczy, c) rozkad gamma
450
K (x) dx = 1.
(2)
Rn
3
2
(1 x ) dla
K (x) = 4
0 dla x > 1
x 1
a)
(3)
Inne, czsto stosowane funkcje jdra to jdro normalne, jednostajne, dwuwagowe oraz trjktne. W przypadku wielowymiarowym stosuje si jdra radialne lub jdra
produktowe [2].
b)
c)
Rys. 2. Wpyw parametru h na estymatory jdrowe: a) za maa warto wspczynnika wygadzenia, b) za dua warto wspczynnika
wygadzenia, c) optymalna warto parametru wygadzenia
Shapiro-Wilka
0,0000
Rozkad gamma
0,00773
Rozkad lognormalny
0,0000
Rozkad Weibulla
X2
0,0697
Rozkad teoretyczny
Rozkad normalny
Aby sprawdzi zgodno tych rozkadw z rozkadem empirycznym przeprowadzono test Shapiro-Wilka w przypadku badania normalnoci oraz test Chi-kwadrat dla pozostaych
rozkadw teoretycznych. Wykonane testy za pomoc prawdopodobiestwa testowego p, ktrych wyniki zaprezentowano w tabeli potwierdzaj, e najlepiej dopasowany do danych
pomiarowych jest rozkad Weibulla (p = 0,0697), a zdecydowanie najgorsze dopasowanie wykazuje rozkad normalny
(p= 0,0000) i logarytmiczno normalny (p = 0,0000).
Na podstawie tych samych danych pomiarowych wyznaczono funkcje gstoci za pomoc estymatorw jdrowych. Do wykonania prezentowanych wykresw gstoci
prawdopodobiestwa wykorzystano pakiet statystyczny R
i dostpn funkcj den sity, a do wyboru wspczynnika
wygadzania h wykorzystano metod podstawie. Na rysunku 4 zaprezentowano funkcje gstoci wyznaczone rnymi metodami. Podobnie jak na histogramie (rys. 3) mona zauway wyran asymetri prawostronn rozkadu
wartoci jednostkowego rocznego zuycia ciepa. Z duo
wiksz precyzj mona korzystajc z tych narzdzi statystycznych wskaza wartoci wystpujce najczciej, ktre
mieszcz si w przedziale 0,18 0,26 GJ/(m2a). W tym
przedziale znajduje si 25% punktw pomiarowych.
Rozszerzeniem tej analizy jest porwnanie rezultatw
estymacji funkcji gstoci jednostkowego rocznego zuycia ciepa dla rnych typw jder. Na wykresie zastosowano lewostronne ograniczenie nonika zmiennej losowej
dla wartoci 0, tak, aby odda rzeczywist wasno zuycia ciepa do ogrzewania. Ten przykad estymacji funkcji
gstoci potwierdza, e nie ma istotnych rnic przy wyborze metody jdrowej. Rne postacie funkcji jdra wykorzystywane w jdrowej procedurze estymacji czy weryfikacji hipotez nie musz wic mie wikszego wpywu na
rezultat zastosowanych procedur.
Biorc dodatkowo dane pomiarowe dla lat 2008, 2009,
2010, 2011 wykonano kolejn analiz, ktrej wynik przed3.0
0,20
czsto
2
3
0,08
1.5
0,12
1.0
czsto
2.0
2.5
0,16
JDRO NORMALNE
JDRO EPANECZNIKOWA
JDRO COSINUSOWE
JDRO TRJKTNE
0,00
0,05
0,15
0,25
0,35
0,45
0,55
0,65
0,75
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
GJ/(m2a)
452
0.0
0.5
0,04
0.0
0.2
0.4
0.6
0.8
GJ/m2a
3.0
2.0
1.5
0.0
0.5
1.0
czsto
2.5
2011
2010
2009
2008
0.0
0.2
0.4
0.6
0.8
GJ/(m2a)
Podsumowanie
Podstawow zalet zastosowania estymatorw jdrowych jest atwo interpretacji analizowanych danych
pomiarowych. Zastosowanie metod nieparametrycznych
umoliwia uniezalenienie stworzonego modelu matematycznego od bdu niewaciwego wyboru typu rozkadu.
Warto rwnie podkreli, e utworzony estymator funkcji
gstoci lepiej prezentuje rzeczywisty rozkad wartoci ni
klasyczne parametryczne funkcje gstoci.
Zuycie ciepa do ogrzewania lokali mieszkalnych uzalenione jest nie tylko od kryteriw obiektywnych, w tym
od powszechnie wykorzystywanego liniowego modelu
zalenoci od rnicy temperatury, ale rwnie od czynnikw losowych, w tym preferencji uytkownikw. W takich
przypadkach warto stosowa rwnie modele stochastyczne, przez dopasowanie rozkadw gstoci prawdopodobiestwa, np. w celu porwnywania wynikw pomiarw
uzyskanych dla rnych obiektw wielolokalowych.
Zaprezentowana metoda estymacji nieparametrycznej
moe mie szerokie zastosowanie w inynierii rodowiska,
zwaszcza w sytuacji gdy moc obliczeniowa powszechnie
dostpnych komputerw jest coraz wiksza i nie stanowi
bariery w stosowaniu tego narzdzia. Uatwieniem jest
rwnie obecno stosownych moduw rozszerzajcych
w stosownych pakietach do analizy statystycznej.
LITERATURA
[1] Aczel A. D.: Statystyka w zarzdzaniu. Peny wykad, PWN, Warszawa 2000
[2] Kulczycki P.: Estymatory jdrowe w analizie systemowej, WNT,
Warszawa 2005
[3] Domaski Cz., Pruska K.: Nieklasyczne metody statystyczne, Polskie
Wydawnictwo Ekonimiczne, Warszawa 2000
[4] Kamler W.: Ciepownictwo, PWN; Warszawa 1979
[5] Szaflik W.: Projektowanie instalacji ciepej wody uytkowej
w budynkach mieszkalnych, Wydawnictwo Uczelniane Politechniki
Szczeciskiej, Szczecin 2008
[6] Jeowiecki J., Tiukao A.: Modelowanie matematyczne poboru ciepej wody uytkowej, Prace Naukowe Instytutu In. Chem. i Urz.
Cieplnych Politechniki Wrocawskiej nr 43, Wydawnictwo Politechniki Wrocawskiej, Wrocaw 1984
[7] Bartnicki G., Paduchowska J.: Zuycie ciepej wody w lokalach
mieszkalnych budynku wielorodzinnego, Ciepownictwo, Ogrzewnictwo, Wentylacja 7-8/2011