ISSN 0137-3676

Estymatory jdrowe jako narzdzie opisu

jednostkowego rocznego zuycia ciepa
w lokalach mieszkalnych
Kernel Estimators as a Tool Describing Annual Unitary Heat Consumption
in Residential Premisses
GRZEGORZ BARTNICKI*)
AGNIESZKA KAMOLA**)

Sowa kluczowe: estymatory jdrowe, zuycia ciepa

Keywords: kernel estimators, heat consumption

Streszczenie

Abstract

W artykule przedstawiono teoretyczne podstawy

wykorzystania estymatorw jdrowych jako narzdzia
matematycznego do analizy danych pomiarowych. Zastosowano je nastpnie do opracowania danych pomiarowych dotyczcych sezonowego zuycia ciepa w budownictwie mieszkaniowym w postaci jednostkowego,
rocznego zuycia ciepa do ogrzewania odniesione do
powierzchni mieszkania. Zaprezentowano wyniki uzyskane na podstawie pomiarw w latach 2008-2011.

The paper presents the theoretical basis for the use of

kernel estimators as a mathematical tool for analyzing
measurement data. They are then used to develop the
data for seasonal heat consumption in residential buildings as unitary annual heat consumption related to the
flat surface. The measurement results obtained in 20082011 are presented.

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-

ficzne przedstawienie badanych danych oraz opisanie ich

okrelonym modelem matematycznym.
Ze struktur danych pomiarowych nierozcznie zwizana jest funkcja gstoci, ktra stanowi naturalny opis rozkadu zmiennej losowej. Model ten moe by wykorzystany do przeprowadzenia bada symulacyjnych oraz analiz
i porwna. Z tego te powodu znaczenie tej charakterystyki funkcyjnej jest szczeglnie podkrelane w literaturze
[1, 2, 3]. Znajomo funkcji gstoci pozwala na obliczenie prawdopodobiestwa wystpienia konkretnej wartoci
zmiennej losowej z ustalonego zbioru, a wykres funkcji,
moe by np. wykorzystywany do zilustrowania badanego zagadnienia. W praktyce gsto prawdopodobiestwa
jest nieznana, zazwyczaj jest wic wyznaczana na podstawie zebranych eksperymentalnie danych. Do oszacowania
postaci funkcji okrelajcej ten rozkad lub wyznaczenia
parametrw okrelonego rozkadu prawdopodobiestwa
stosowane s odpowiednie, z katalogu dostpnych, metody nieparametryczne lub metody parametryczne.

*) Dr in. Grzegorz Bartnicki; grzegorz.bartnicki@pwr.wroc.pl

**) Mgr in. Agnieszka Kamola

Instytut Klimatyzacji i Ogrzewnictwa, Wydzia Inynierii rodowiska, Politechnika Wrocawska

CIEPOWNICTWO, OGRZEWNICTWO, WENTYLACJA 43/10 (2012)

2006-2012 Wydawnictwo SIGMA-NOT Sp. z o.o.

All right reserved

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

Ciepownictwo, Ogrzewnictwo, Wentylacja 43/10 (2012) 449453

www.cieplowent.pl

danych, przy okrelonym kryterium takiej optymalizacji.

Zasadnicz cech takiej estymacji jest prostota procedury
obliczeniowej i dua dostpno w literaturze wytycznych
do interpretacji.
Wrd rozkadw prawdopodobiestwa zmiennej losowej niewtpliwie centralne miejsce zajmuje rozkad normalny. Funkcja gstoci tego rozkadu odgrywa wan role
w opisie zjawisk przyrodniczych i zakce czysto losowych. Dodatkowo, wiele rozkadw zmiennych losowych
po prostych przeksztaceniach da si sprowadzi do rozkadu normalnego. Suy on moe rwnie jako aproksymacja, czyli przyblienie dla innych rozkadw zmiennych losowych skokowych i cigych. Inne popularnie stosowane
rozkady prawdopodobiestwa to: jednostajny, trjktny,
beta, gamma, wykadniczy, Weibulla, t-Studenta, chi-kwadrat, Poissona [1]. Wybrane rozkady pokazano na rys. 1.
Do zweryfikowania hipotezy o konkretnym rozkadzie
badanej zmiennej losowej stosowane s odpowiednie testy
statystyczne, ktre pozwalaj przyj lub odrzuci postawion hipotez z zadanym prawdopodobiestwem popenienia bdu. Wan decyzj jest wybr waciwego testu
statystycznego i sprawdzenie zaoe dla niego wymaganych. Jako miar dopasowania modelu, mona wybra
jeden z testw zgodnoci, np.: Koomogorowa-Smirnowa,
Chi-kwadrat itd. Najczciej zalecanym testem do oceny
a)

b)

normalnoci rozkadu jest test Shapiro-Wilka. Wspomnie

naley, e do analizy normalnoci suy rwnie test Lilieforsa, ale nie jest on czsto stosowany [3].
W inynierii rodowiska wykorzystanie moliwoci probalistycznego modelowania jest od wielu lat analizowane
i stosowane. Stosowano, np. rne rozkady statystyczne
do okrelenia zmiennoci poboru ciepej wody uytkowej.
Wedug [5] empiryczny rozkad maksymalnego dobowego
zuycia wody moe by aproksymowany zoonym rozkadem Poissona. W [6] podjto prb dopasowanie rozkadu
logarytmiczno-normalnego do modelowania zmiennoci
zapotrzebowania na ciep wod uytkow dla jednego
mieszkania. W [7] autor sformuowa model redniego dobowego zapotrzebowania dla jednego mieszkania zakadajc, e podlega on rozkadowi normalnemu. W analizach
tych dominuje podejcie, w ktrym dy si do budowy
modeli matematycznych badanych zjawisk i procesw,
a nastpnie na podstawie analizy otrzymanych modeli dokonuje si wyjanienia opisywanej rzeczywistoci.

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

CIEPOWNICTWO, OGRZEWNICTWO, WENTYLACJA 43/10 (2012)

W praktyce funkcja K najczciej przyjmuje posta tzw.

jdra Epanecznikowa zdefiniowanego zalenoci:

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].

Dobr postaci jdra i parametru wygadzenia

Na jako estymacji jdrowej duy wpyw ma wybr
postaci jdra oraz zastosowanie odpowiedniej wartoci
parametru wygadzenia. Przy wyborze funkcji jdra K(x)
naley kierowa si przede wszystkim cechami otrzymanego estymatora, takimi jak np. klasa regularnoci, prostota obliczeniow, ograniczono nonika lub inne cechy
istotne z punktu widzenia badanego zagadnienia. Istotna
jest rwnie efektywno jdra, tj. stopie, w jakim minimalizowana jest przy jego zastosowaniu warto scakowanego bdu redniokwadratowego MISE. Najwysz
warto ma jdro Epanicznikowa, jednak efektywno ta
dla poszczeglnych typw jder niewiele rni si midzy
sob. Jedynie jdro jednostajne jest jedynie o 7% mniej
efektywne ni jdro Epanicznikowa [2]. W przypadku pozostaych typw rnica ta jest jeszcze mniejsza, a w praktyce wrcz mao znaczca. Dobr konkretnej funkcji jdra
nie jest wic tak istotny, gdy wszystkie dostpne jego postacie pozwalaj uzyska podobne wyniki. Dziki temu,
ich wybr moe by podyktowany spenieniem wymaga
konkretnego jej zastosowania, np. mona przyj jdro
normalne, gdy korzystne jest, aby funkcja gstoci prawdopodobiestwa f(x) posiadaa pochodne dowolnego rzdu. Natomiast, jeeli konieczne jest ograniczenie zbioru,
gdzie estymator przyjmuje wartoci dodatnie, a istnienie
pochodnej nie jest niezbdne, wwczas literatura przedmiotu proponuje zastosowanie jdra Epanicznikowa.
Funkcja gstoci prawdopodobiestwa zaley przede
wszystkim od wartoci parametru h. Zbyt maa jego warto powoduje pojawienie si nadmiernej iloci ekstremw
lokalnych estymatora f (x), zbyt dua powoduje nadmierne
wygadzenie estymatora, nie oddajc realnych waciwoci
empirycznej prby. Na rysunku 2 wida, jaki wpyw ma
wspczynnik wygadzenia h na ksztat funkcji gstoci.
Wyznaczenie optymalnej wartoci wspczynnika wygadzenia opiera si rwnie na kryterium minimalizacji scakowanego bdu redniokwadratowego MISE. Z jego analizy wynika, e optymalna warto parametru wygadzenia
zaley od funkcji jdra oraz od nieznanej gstoci funkcji.
W badaniach praktycznych wykorzystuje si najczciej
dwie metody wyboru tego parametru: metod podstawie
(plig-in) oraz metod krzyowego uwiarygodnienia (crossvalidation). Przy estymacji gstoci jednowymiarowej
zmiennej losowej oraz dla zmiennej wielowymiarowej, gdy
estymator konstruowany jest na podstawie jdra produktowego, wwczas zalecana jest metoda podstawie [2].

Jednostkowe roczne zuycie ciepa

Obiektem bada by lokalny system zaopatrzenia
w ciepo kompleksu czterech wielorodzinnych budynkw
mieszkalnych. Budynki wzniesiono w latach 2003-2004.
Wszystkie budynki s 4-kondygnacyjne, podpiwniczoCIEPOWNICTWO, OGRZEWNICTWO, WENTYLACJA 43/10 (2012)

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

ne, zlokalizowane w II strefie klimatycznej (projektowa

temperatura zewntrzna: -18 oC). Na poziomie piwnic
usytuowano podziemne garae oraz komrki lokatorskie.
Wspczynnik przenikania ciepa przez przegrody zewntrzne nieprzezroczyste (zgodnie z projektem) wynosi
U=0,3 W/(m2K), a okna (PCV) maj szyby o wspczynniku U=1,2 W/(m2K). cznie we wszystkich czterech
budynkach znajduj si 254 lokale mieszkalne oraz dwa
niewielkie lokale usugowe. Obliczeniowe zapotrzebowanie na ciepo na cele grzewcze caego kompleksu
mieszkaniowego wynosi 622 kW. Ciepo wytwarzane jest
wdwch niezalenych lokalnych kotowniach gazowych
(wbudowanych) i dostarczane jest na potrzeby ogrzewania
i przygotowania ciepej wody uytkowej. Kada z central
grzewczych zasila w ciepo dwa budynki. Instalacja centralnego ogrzewania w mieszkaniach zostaa wykonana
w systemie rozdzielaczowym. Wszystkie mieszkania wyposaone s w ukad pomiarowy poboru ciepa (ciepomierz z przepywomierzem skrzydekowym). Pomiary,
ktre s podstaw dalszych analiz przeprowadzone zostay
451

w latach 2008-2011. Roczne zuycie ciepa do ogrzewania

pomieszcze w kadym z lokali mieszkalnych zostao wyznaczone jako rnica wskaza ciepomierzy z pocztku
i koca analizowanego roku. Na tej podstawie nastpnie
obliczono jednostkowe roczne zuycie ciepa, odniesione
do powierzchni uytkowej mieszkania. Takie sparametryzowanie wynikw umoliwio uzyskanie porwnywanych
wskanikw dla pojedynczych lokali o rnej wielkoci
i caego budynku. Na rysunku 3 przedstawiono histogram
zbudowany na podstawie tak obliczonego jednostkowego
rocznego zuycia ciepa do ogrzewania (odniesionego do
powierzchni mieszkania), z prb dopasowania do niego
kilku wybranych rozkadw statystycznych (estymacja parametryczna). Najwicej obserwacji odnotowano w przedziale 0,150,20 GJ/(m2a), gdzie mieci si a 18% punktw pomiarowych. Widoczne te jest dua zmienno jednostkowego zuycia ciepa. Wynika to moe z rnego
trybu ycia mieszkacw, np. czstego przebywania poza
domem, rnych przyzwyczaje i zachowa uytkownikw, warunkw uytkowania instalacji ogrzewczej (np.
zakrcanie zaworw termostatycznych podczas przewietrzania mieszkania), usytuowania lokalu w bryle budynku,
wymiany ciepa pomidzy mieszkaniami w wyniku utrzymywania rnej temperatury w ogrzewanych pomieszczeniach. Nie tyle jednak gwnym celem opisywanych bada
jest wyznaczenie konkretnego modelu opisujcego jednostkowe roczne straty ciepa, ale dla wykazania przydatnoci
statystyki matematycznej i jej narzdzi do opisu tej wielkoci. Naley bowiem pamita, e wskanik zobrazowany
histogramem na rys. 3 dotyczy konkretnego roku kalendarzowego (2011 r.) i okrelonego osiedla mieszkaniowego.
Dokonujc wstpnej (wizualnej) oceny typowych rozkadw gstoci prawdopodobiestwa przedstawionych na
rys. 3, mona sformuowa stwierdzenie, e najbardziej dopasowany do danych pomiarowych jest rozkad Weibulla. Spostrzeenie to potwierdzaj rwnie podstawowe waciwoci
badanych rozkadw. Za odrzuceniem rozkadu normalnego
przemawia widoczna asymetryczno danych (rozkad skony prawostronnie). Wystpuje rwnie tzw. gruby ogon,
ktry informuje o tym, e prawdopodobiestwo otrzymania
wartoci odbiegajcej od redniej jest stosunkowo due. Dodatkowo, przeciw dopasowaniu rozkadu normalnego przemawia brak wartoci ujemnych w zbiorze danych pomiarowych. Rozkad logarytmiczno-normalny charakteryzuje si
stosunkowo maym wspczynnikiem kurtozy i zbyt du
skonoci w stosunku do zbioru danych.

TABELA. Wyniki testu dla Shapiro-Wilka i Chi-kwadrat

Test
zgodnoci

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)

Rys. 3. Dopasowanie rozkadu normalnego, gamma, lognormalnego

i Weibulla do jednostkowego rocznego zuycia ciepa do ogrzewania
w roku 2011, GJ/(m2a): 1 rozkad normalny, 2 rozkad Gamma,
3 rozkad Weibulla, 4 rozkad lognormalny

452

0.0

0.5

0,04

0.0

0.2

0.4

0.6

0.8

GJ/m2a

Rys. 4. Estymatory funkcji gstoci jednostkowego rocznego zuycia

ciepa do ogrzewania w roku 2011, uzyskane dla rnych rodzajw
jder
CIEPOWNICTWO, OGRZEWNICTWO, WENTYLACJA 43/10 (2012)

Najnowsze rozwizania dla ciepownictwa i ogrzewnictwa

zaprezentowane zostan na listopadowych targach ochrony rodowiska

Ciepo, cieplej, Poleko

Wymagania dotyczce ochrony rodowiska oraz minimalizacja kosztw ogrzewania i ciepej wody, wymuszaj generowanie najnowszych
rozwiza z zakresu ogrzewnictwa
oraz ciepownictwa. Nowe technologie z tego zakresu bdzie mona zobaczy podczas najbliszych targw
Poleko w Poznaniu, ktre potrwaj
od 20 do 23 listopada br.

3.0

Midzynarodowe Targi Ochrony

rodowiska POLEKO s najwaniejszym i najwikszym w Polsce wydarzeniem prezentujcym zaawansowane rozwizania dla ochrony

rodowiska i propagujcym aktualne

trendy oraz innowacje. Tegoroczna
oferta wystawcw zostanie zaprezentowana w pawilonach 3,3A, 4, 5
oraz 5G.
Zakres ekspozycji POLEKO to najnowsze rozwizania dedykowane rwnie sektorowi ciepownictwa i ogrzewnictwa, jak choby: sieci i wzy cieplne, bloki energetyczne, kotownie,
palniki i koty, turbiny gazowe, systemy
i techniki pomiarowe czy magazynowanie i oszczdno energii.
Take dla brany ciepowniczej powicone s dwie przestrzenie specjalne: Salon Czystej Energii oraz
Miasteczko Ekologiczne, gdzie bdzie
mona zapozna si z najnowsz ofert
m.in. kotw, piecw, czy pomp ciepa.
Nie braknie take prezentacji nowoci wystawcw, jak choby firma ZPD
Siepko zaprezentuje na POLEKO
pierwszy bezobsugowy, cakowicie
samoczyszczcy si palnik na pellet do
kotw c.o. i procesw technologicznych. Palnik ma obrotowe palenisko,

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)

Rys. 5. Estymatory funkcji gstoci jednostkowego rocznego zuycia

ciepa w latach 2008-2011 z zastosowaniem metody jdra Epanicznikowa

stawiono na rys. 5. Wynika z niego, e w kolejnych latach

rozkad jednostkowego rocznego zuycia ciepa jest bardzo
do siebie zbliony. Najwiksz liczb obserwacji w takiej
grupie danych notuje si dla wartoci ok. 0,20 GJ/(m2 a),
niezalenie od roku pomiaru. W czteroletnim okresie rejestracji pomiarw wystpoway zarwno zimy agodne, jak
rwnie sezony ogrzewcze, w ktrych odnotowywano temperatur zewntrzn nis ni wartoci projektowe ustalone w przepisach prawnych. Trzeba zauway, e wystpuj
rwnie wartoci na poziomie 0,80 GJ/(m2 a), czyli czterokrotnie wiksze ni najczciej wystpujce.

Podsumowanie
Podstawow zalet zastosowania estymatorw jdrowych jest atwo interpretacji analizowanych danych
pomiarowych. Zastosowanie metod nieparametrycznych

czyci si w sposb cigy w czasie

palenia i cakowicie na koniec cyklu
palenia.
Okazj do zapoznania si z najnowszymi zagranicznymi technologiami
dedykowanymi ochronie rodowiska,
bd take wystpienia narodowe, ktre w tym roku na POLEKO zapowiedziay: Austria, Belgia, Chiny, Czechy,
Kanada, Korea Poudniowa, Niemcy,
Norwegia, Rosja i Szwajcaria.
Wicej informacji:
www.poleko.mtp.pl

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