ODBIERZ TWÓJ BONUS :: »

Wyznaczanie niepewności wyników badań wytrzymałościowych Lesław Brunarski

Autor:
Lesław Brunarski
Ocena:
Bądź pierwszym, który oceni tę książkę
Stron:
54
Dostępny format:
     PDF
Czytaj fragment

Ebook

19,90 zł

Dodaj do koszyka lub Kup na prezent Kup 1-kliknięciem

Poleć tę książkę znajomemu Poleć tę książkę znajomemu!!

Przenieś na półkę

Do przechowalni

Prezent last minute w ebookpoint.pl

W poradniku podano podstawy teoretyczne, zasady i przykłady obliczania i wyrażania niepewności wyników badań wytrzymałościowych betonu oraz podobnie niejednorodnych materiałów budowlanych. Omówiono szczegółowo metodę szacowania niepewności średnich wyników badań wykonywanych na próbkach w warunkach laboratoryjnych oraz in situ metodami nieniszczącymi. Metoda ta, zgodna z ogólnymi zaleceniami podstawowych dokumentów odniesienia (wytyczne GUM, EA oraz ILAC), dostosowana jest do specyfiki badań materiałów budowlanych oraz uwzględnia doświadczenia z dotychczas stosowanej metody estymacji statystycznej wyników badań. Pozwala ona na obiektywną ocenę niepewności całkowitej (rozszerzonej) wyników badań, na podstawie odchylenia standardowego średniej oraz racjonalnego w badaniach wytrzymałościowych materiałów budowlanych poziomu ufności. Jako uzasadnione do wyznaczania niepewności średnich wyników badań tych materiałów rekomendowane są zróżnicowane poziomy ufności 0,75 lub 0,95, odpowiednio do różnych poziomów ufności wymaganych w normowych kryteriach zgodności wytrzymałości materiałów budowlanych.

Wybrane bestsellery

Instytut Techniki Budowlanej - inne książki

Zamknij

Przenieś na półkę
Dodano produkt na półkę
Usunięto produkt z półki
Przeniesiono produkt do archiwum
Przeniesiono produkt do biblioteki

Zamknij

Wybierz metodę płatności

Ebook
19,90 zł
Dodaj do koszyka
Sposób płatności
Zabrania się wykorzystania treści strony do celów eksploracji tekstu i danych (TDM), w tym eksploracji w celu szkolenia technologii AI i innych systemów uczenia maszynowego. It is forbidden to use the content of the site for text and data mining (TDM), including mining for training AI technologies and other machine learning systems.