Dorota Miszczyńska, Marek Miszczyński, KBO UŁ - Optymalizacja liniowa w liczbach całkowitych (PLC)

Wielkość: px
Rozpocząć pokaz od strony:

Download "Dorota Miszczyńska, Marek Miszczyński, KBO UŁ - Optymalizacja liniowa w liczbach całkowitych (PLC)"

Transkrypt

1 Drta Mizczyńka Marek Mizczyńki KBO UŁ - Optymalizaca liiwa w liczbach całkwitych (PLC) W iektórych ytuacach decyzyych które daą ię przedtawić w frmie mdeli prgramwaia matematyczeg muimy zrezygwać z załżeia pdzielści i z załżea addytywści pewych wartści pzimów działalści. Na przykład ie zawze mżemy zaakceptwać fakt że pewe zmiee decyzye będą przymwać wartści ułamkwe lub też ie mżemy przyąć załżeia że akłady gółem ą umą akładów idywidualych prceów. Załżeia te pzwalały am przyąć że kreśla w mdelu fukca celu ak i kreśle waruki maą charakter liiwy. W pierwzym przypadku rzważamy ytuacę braku załżeia pdzielści i zakładamy że część zmieych decyzyych lub wzytkie przymuą wartści całkwite. Przykładwe prblemy decyzye: Przykład Przediębirtw przewzwe zamierza zakupić amchdy ciężarwe d bługi dwu w twartych liii. Dae pzczególych typach amchdów zawiera tabela : Dae Typy amchdów I II Ładwść (w t.) 4 Przebieg (w t/km dzieie) 5 5 Cea ( w ty. zł) Całkwita ładwść wych amchdów ma wyieść ie mie iż 4 t a przebieg dziey ie mie iż 5 t/km. Ze względu a rdza przewżych ładuków amchdów drugieg typu pwi być dwa razy więce iż pierwzeg. Zbudwać mdel i wyzaczyć ile amchdów pzczególych typów ależy zakupić żeby łącza uma zakupu była mżliwie aiżza. Przykład Właściel ieci retauraci Smak zamierza twrzyć kilka wych lkali w Łdzi w różych e częściach. Wybór lkalizaci dtyczy ześciu rózych puktów które bemuą kreśle bzary miata. Grupa ekpertów zebrała iezbęde ifrmace raz zacwała pewe parametry takie ak: czay dazdu z pzczególych bzarów mżliwści parkwaia przypływ kumetów rczy zyk raz czyz związay z wyaęciem lkali. Wzytkie iezbęde ifrmace pda w tabeli. Obzar Pukt Zyk (ty zł) 5 7 Czyz (ty zł) Przykład z D. Rgalka Prgramwaie liiwe wyd. Uiwerytetu Łódzkieg Łódź 998 pracwa a pdtawie H.M. Wager Badaia Operacye PWE Warzawa 98

2 Drta Mizczyńka Marek Mizczyńki KBO UŁ - Optymalizaca liiwa w liczbach całkwitych (PLC) [] Rczy zyk aki przyieie retauraca zacwa przy załżeiu że każdy bzar et bługiway tylk przez edą retauracę. Sfrmułu dpwiedi mdel i rzwiąż prblem decyzyy. Załóż że każdy z bzarów mże być bługiway przez więce iż edą retauracę a celem et miimalizaca kztów dzierżawy wzytkich wybraych puktów lkalizaci. Sfrmułu dpwiedi mdel decyzyy. Zadaia przedtawie w przykładach i rzwiąż przy pmcy mdułu Slver w Ecelu

3 Drta Mizczyńka Marek Mizczyńki KBO UŁ - Optymalizaca liiwa w liczbach całkwitych (PLC) [] Optymalizaca liiwa w liczbach całkwitych (PLC) DEFINICJE Zadaiem PLC azywamy atępuące zadaie ptymalizaci liiwe: (4) () () () ma(mi) C C b a a b a a c c z m m m Zadaie (-) azywamy zadaiem regularym. Zadaie (-4) azywamy zadaiem PLC. Stwie d teg pdziału zaczymy zbiry rzwiązań dpuzczalych: X - zbiór rzwiązań dpuzczalych zadaia regulareg (wypukły). X C - zbiór rzwiązań dpuzczalych zadaia PLC (iewypukły); zbiór te pełia czywity waruek X C X Z faktu że zbiór X C ie et zbirem wypukłym wyika iemżść wykrzytaia twierdzeia Weiertraa d zadwaia rzwiązaia ptymaleg zadaia PLC. PRZYKŁAD Rzważmy atępuące zadaie PLC: C C b a z ) ( 7 ) ( ma Na ryuku przedtawi zbiry rzwiązań dpuzczalych X raz X C. Elemety zbiru X C awią ię ak izlwae pukty zawieraące ię w zbirze X.

4 Drta Mizczyńka Marek Mizczyńki KBO UŁ - Optymalizaca liiwa w liczbach całkwitych (PLC) [4] Rzwiązaie ptymale () zadaia regulareg (-) ie pełia waruku całkwitliczbwści (4). Rzwiązaie ptymale (4) zadaia PLC (-4) waruek te czywiście pełia. Ry.. Ilutraca zbiru X C dla zadaia PLC z przykładu METODY ROZWIĄZYWANIA ZADAŃ PLC I. Prte. przegląd zupeły zbiru X C. regularyzaca (zakrągleie) rzwiązaia ptymaleg zadaia (-) II. Złże. regularyzaca zadaia (-4); metdy płazczyz dciaących 4. wykrzytaie kmbiatryczeg charakteru przeglądu zbiru X C ; metda pdziału i graiczeń (brach & bud methd) 5. pzukiwaia przypadkwe i metdy przybliże Ad.. Przegląd zupeły zbiru X C. Pdeście mał elegackie. Mżliwe tylk wtedy gdy zbiór X C et małliczy i kńczy (pr. przykład ). W przeciwym przypadku przegląd et ie d zrealizwaia.

5 Drta Mizczyńka Marek Mizczyńki KBO UŁ - Optymalizaca liiwa w liczbach całkwitych (PLC) [5] Ad.. Regularyzaca (zakrągleie) rzwiązaia ptymaleg zadaia (-). Częt twae pdeście. Mża e zaliczyć d klay metd przybliżych. Ptępwaie takie krye w bie iebezpieczeńtw geerwaia rzwiązań PLC dalek dbiegaących d zbiru rzwiązań dpuzczalych X C. Skala dtęptwa zależy d wielkści liczb piuących rzwiązaie ptymale zadaia (-). Zilutruemy te prblem a przykładzie (pr. przykład 4). PRZYKŁAD 4 Rzważmy atępuące zadaie PLC: z 4 C C C ma Rzwiązaie zadaia (-) et tuta atępuące: P 4 () () () (4) regularyzaci (zakrągleiu) teg rzwiązaia trzymuemy: 5. Jak miary dpuzczalści (iedpuzczalści) rzwiązaia zakrągleg użyemy tuku różicy prawe try graiczeń (RHS) i lewe try graiczeń (LHS) d prawe try graiczeń t. (RHS-LHS)/RHS. Miarę taką (w wyrażeiu prcetwym mża iterpretwać ak prcetwe pełieie (iepełieie) daeg graiczeia. Uema wartść takie miary wkazue a iepełieie daeg graiczeia. Miary te kztałtuą ię atępuąc: gr ~ 75% gr ~ % gr ~ ()%. Otrzymuemy ygał że zakrągleie rzwiązaia pwdue -prcetwe iepełieie drugieg graiczeia. Zatem prpwae rzwiązaie et rzwiązaiem mc iedpuzczalym. Iacze zachwa ię takie ptępwaie eżeli będziemy zakrąglać duże liczby. Zamieiaąc w przykładzie rygiale parametry RHS ( b 4 b b ) a ie b 45 b 5 b 5 trzymamy ak rzwiązaie zadaia (-): P regularyzaci (zakrągleiu) teg rzwiązaia trzymamy: Omówie wcześie miary zgdści (iezgdści) graiczeń ą teraz atępuące: gr ~ 99% gr ~ % gr ~ %. Wyika z teg że w tym przypadku zakrągleie rzwiązaia zadaia (-) ie prwadzi d zaprpwaia rzwiązaia iedpuzczaleg.

6 Drta Mizczyńka Marek Mizczyńki KBO UŁ - Optymalizaca liiwa w liczbach całkwitych (PLC) [6] Ad.. Metdy płazczyz dciaących. Ogólą ideę rzwiązywaia zadań PLC pdał w rku 957 twórca metdy implek Gergie B. Datzig. Zgdie z ią eżeli p rzwiązaiu zadaia (-) ie trzymuemy rzwiązaia w liczbach całkwitych t d zadaia (-) ależy dłączyć we graiczeia które muzą pełić dwa waruki: detą (ie bemą) uzykaeg wcześie rzwiązaia zadaia (-); ie był t rzwiązaie w liczbach całkwitych raz będzie wiadm że we graiczeia ie detą wzytkich rzwiązań w liczbach całkwitych t. bemą przyamie ed rzwiązaie dpuzczale w liczbach całkwitych. Tę tukw prtą ideę ilutruą dwa algrytmy. Są t pdeścia zaprpwae przez:. Niezczeriakva (płazczyzami dciaącymi będą wartwice fukci celu) raz. Gmry eg (płazczyzami dciaącymi będą dpwiedi przekztałce rówaia z tablicy implekwe zawieraące rzwiązaie ptymale rzzerzaeg zadaia (-)). W bu pdeściach wykrzytue ię zwykłe metdy rzwiązywaia zadań PL (klayczy algrytm implek dualy algrytm implek itp.). Ad. 4. Metda pdziału i graiczeń. Ogóla idea metdy plega a ciągłym pdziale i rzwiązywaiu zadaia (-). Zadaie (-) et dziele a klee zadaia w których zbiór rzwiązań dpuzczalych X et w wyiku każdeg pdziału zawężay. P kńcze liczbie pdziałów zadaia (-) uzykue ię rzwiązaie zadaia PLC ( ile itiee). W każdym pdziale d rzwiązaia zadaia pdzieleg wykrzytue ię zwykłe metdy rzwiązywaia zadań PL (klayczy algrytm implek zrewidway algrytm implek zmdyfikway algrytm implek itp.). Ad. 5. Pzukiwaia przypadkwe i metdy przybliże. Trud tuta wymieić kkrete pby rzwiązywaia zadaia PLC. Naczęście ą t ptępwaia związae z kkretymi zatwaiami. Wchdzą tuta w grę ptępwaia które gólie azwać mżemy ptępwaiami heurytyczymi. Częt wykrzytuą e uprzcze fragmety ygalizwaych wcześie ptępwań. Geeralie chdzi w ich t aby zybk i prawie rzwiązać prblem PLC i trzymać rzwiązaie ak abliżze iezaemu rzwiązaiu ptymalemu PLC. Z gólie mówiych metd zaprezetuemy metdę Gmry eg raz pdziału i graiczeń. G.B.Datzig Dicrete-variable etremum prblem Op. Re

7 Drta Mizczyńka Marek Mizczyńki KBO UŁ - Optymalizaca liiwa w liczbach całkwitych (PLC) [7] Algrytm GOMORY eg!!! ZAŁOŻENIE!!! Wzytkie parametry LHS i RHS graiczeń muzą być liczbami całkwitymi. Jeżeli rygiale graiczeia ie pełiaą teg waruku t ależy pmżyć każde z ich z ba przez dpwiedi dbraą dla ieg ddatią tałą a p uzykaiu rzwiązaia ptymaleg ależy wartść zmiee wbde pdzielić przez tą tałą. Iteraca Ptępwaie rzpczyamy d rzwiązaia zadaia regulareg (-). Jeżeli zadaie et przecze alb ie piada kńczeg rzwiązaia ptymaleg t kńczymy ptępwaie. Jeżeli rzwiązaie ptymale dae et w liczbach całkwitych t kńczymy ptępwaie. Jeżeli rzwiązaie ie pełia waruku całkwitliczbwści t przechdzimy d klee iteraci. Iteraca k (k) W zbirze wartści zmieych bazwych zaduemy wartść awiękze części ułamkwe. W przypadku ieedzaczeg wybru kieruemy ię zaadą iżzeg umeru (iżze pzyci a liście zmieych bazwych). Niech taką zmieą będzie zmiea bazwa umerze (l) t. B B l : l l i i i B B ma. Obciamy zbiór rzwiązań dpuzczalych X zadaia regulareg (-) ddaąc d zbiru graiczeń półpłazczyzę zdefiiwaą atępuąc: B B yl yl l l i rzwiązuemy we zadaie regulare (-). Nawiay [ ] zaczaą fukcę Etier a elemety B y l raz l pchdzą z l-teg wierza tablicy implekwe zawieraące rzwiązaie ptymale zadaia (-) rzwiązywaeg w iteraci k-. Techiczie ptępwaie bciaia zbiru X aktualeg zadaia regulareg (-) realizuemy atępuąc:. D tablicy implekwe zawieraące rzwiązaie ptymale zadaia (-) rzwiązywaeg w iteraci k- dkładamy ddatkwe rówaie : B B yl yl l l

8 Drta Mizczyńka Marek Mizczyńki KBO UŁ - Optymalizaca liiwa w liczbach całkwitych (PLC) [8]. Jak kleą (tatią) zmieą bazwą w we tablicy przymuemy zmieą.. Tablica taka zawiera zawze rzwiązaie bazwe dualie dpuzczale które et edak iedpuzczle prymalie (kładwa z wartścią we zmiee bazwe dkleeg rówaia et uema). 4. Wykuemy itercę DLSX udpuzczaliaącą prymalie aktuale rzwiązaie bazwe dualie dpuzczale. W krku 4 mgą zaitieć trzy ytuace. Mża wykać iteracę DLSX i trzymae rzwiązaie et całkwitliczbwe. Kiec ptępwaia. Mża wykać iteracę DLSX ale trzymae rzwiązaie ie et całkwitliczbwe. Przechdzimy d iteraci k+. Nie mża wykać iteraci DLSX (brak elemetów uemych w wierzu (l)). Kiec ptępwaia. Rzwiązywae zadaie ie piada rzwiązaia ptymaleg w liczbach całkwitych. PRZYKŁAD 4 Rzważmy zadaie PLC z przykładu. z C C Ograiczeia teg zadaia ie pełiaą załżeia wtępeg algrytmu Gmry eg. Mżymy graiczeia (b) przez tałą. P takim zabiegu we zadaie PLC pełia uż załżeie wtępe algrytmu. Rzwiązywae zadaie regulare ma ptać: z ma ( a) C C ma 7 7 ( a) ( b) ( b)

9 Drta Mizczyńka Marek Mizczyńki KBO UŁ - Optymalizaca liiwa w liczbach całkwitych (PLC) [9] Iteraca Tablica implekwa zawieraąca rzwiązaie ptymale et atępuąca: B Zmiee / / B c bazwe / / / / / / c z /4 / / Rzwiązaie ie et całkwitliczbwe. Przechdzimy d iteraci. Iteraca Pzycą w bazie awiękze części ułamkwe przy wartści zmiee bazwe et (l=).. Rówaie bciaące zbiór X ależy wygeerwać z rówaia dla zmiee Rówaie t ma atępuącą ptać: Rzzerza tablica implekwa z rzwiązaiem ptymalym zadaia regulareg (-) z iteraci raz iteraca udpuzczaliaąca DLSX ą atępuące: B Zmiee / / B c bazwe / / / / / / / / c z /4 / / c z / y /6 l / / / / z c /4 /6 /4 Otrzymae w wyiku zatwaia DLSX rwiązaie ie et całkwitliczbwe. Należy prześć d klee iteraci.

10 Drta Mizczyńka Marek Mizczyńki KBO UŁ - Optymalizaca liiwa w liczbach całkwitych (PLC) [] Iteraca Pzycą w bazie awiękze części ułamkwe przy wartści zmiee bazwe et teraz (l=). Klee rówaie bciaące zbiór X ależy wygeerwać z rówaia dla zmiee. Rówaie t ma atępuącą ptać: 4 4 Rzzerza tablica implekwa z rzwiązaiem ptymalym zadaia regulareg (-) z iteraci raz iteraca udpuzczaliaąca DLSX ą atępuące: B c Zmiee bazwe / / 4 / / / / 4 / / c z /4 /6 /4 c z / yl / / / c z /6 / Otrzymae w wyiku zatwaia DLSX rwiązaie et całkwitliczbwe. Kńczymy ptępwaie. Rzwiązaie kńcwe przykładweg zadaia PLC et atępuące: ma z Klee dcięcia zbiru X w algrytmie Gmry eg mża prześledzić a ryuku. B

11 Drta Mizczyńka Marek Mizczyńki KBO UŁ - Optymalizaca liiwa w liczbach całkwitych (PLC) [] Kmetarz d ryuku. Pkazae a ryuku dcięcia i ą dwzrwaiami płazczyz dciaących z przetrzei -wymiarwe (>) a płazczyzę (przetrzeń R ). I tak 4 : ierówść et dwzrwaiem w przetrzei R ierówści dciaące (iteraca ) z przetrzei R 4 ierówść 5 et dwzrwaiem w przetrzei R ierówści dciaące (iteraca ) z przetrzei R 5. Ry.. Ilutraca dcięć zbiru X w algrytmie Gmry eg (dla przykładu 4) 4 Opiae przekztałceia wyka tradycyie ( ręczie ) wykrzytuąc ptaci kaicze mdeli zadaia regulareg (-) z kle dłączaymi zmieymi wbdymi raz rówaiami dcięć. Prce zadwaia dwrwań mża zautmatyzwać wykrzytuąc przekztałceia liiwe przetrzei wektrwe (pr. E.Żółtwka E.Prazińka J.Żółtwki Algebra liiwa Wydawictw ABSOLWENT Łódź rzdział II).

12 Drta Mizczyńka Marek Mizczyńki KBO UŁ - Optymalizaca liiwa w liczbach całkwitych (PLC) [] Metda PODZIAŁU i OGRANICZEŃ (Brach & Bud Methd) Metda ie wymaga żadych załżeń dśie d parametrów zadaia PLC (-4). Dla uprzczeia piu zakładamy że zadaie plega a zadwaiu wartści awiękze fukci celu (makymalizaca). Jeżeli et dwrtie (miimalizaca) t mżymy fukcę celu przez (-) a p zakńczeiu ptępwaia e wartść ptymalą ależy pmżyć przez (-). D zadaia PLC (-4) dłączamy ddatkwe waruki (5). Waruki (5) ą graiczeiami widełkwymi dla zmieych t. arzucaą idywidualie zakre dpuzczalych wartści pzczególych zmieych. Ograiczeia (5) maą ptać: d g (5) Graice graiczeń widełkwych (5) t. parametry d raz g pwiy być liczbami całkwitymi. Naczęście przymue ię że dle graiczeia dla zmieych ą rówe zer (d =). Z klei dla górych graiczeń (g ) przymue ię dtateczie dużą całkwitą liczbę M (M>>). W eie gemetryczym dbór parametrów kreślaących dlą (d ) i górą (g ) wartść zmiee ( ) et taki że hiperprtpadłścia H geerway przez (5) pkrywa a pczątek zbiór rzwiązań dpuzczalych X zadaia regulareg (-) t. H X. W całym prceie bliczeiwym metdy pdziału i graiczeń rzwiązywae et zadaie regulare (-)(5). Z uwagi a graiczeia (5) wygdą metdą rzwiązywaia zadaia regulareg (-)(5) et zmdyfikwaa metda implek 5 (GUB; Geeral Upper Bud methd). Iteraca Ptępwaie rzpczyamy d rzwiązaia zadaia regulareg (-)(5). Jeżeli zadaie et przecze t kńczymy ptępwaie. Jeżeli rzwiązaie ptymale dae et w liczbach całkwitych t kńczymy ptępwaie. UWAGA!!! Jeżeli ptymala wartść akieklwiek zmiee et rówa rygiale (pczątkwe) wartści e góreg graiczeia (g ) t zadaie PLC (-4) ie piada kńczeg rzwiązaia ptymaleg. Jeżeli rzwiązaie ie pełia waruku całkwitliczbwści t przechdzimy d krku 4 w iteraci. 5 Mdyfikaca metdy implek plega tuta a tym że w tablicy implekwe przetwarzay et tylk układ graiczeń (). Ograiczeia (5) ą ktrlwae pza tablicą implekwą pprzez rzbudwaie kryterium ptymalści weścia i wyścia. Kmplikue t iezaczie am przepatrywaie rzwiązań ale rzmiary zadaia PL ą zdecydwaie mieze. Zwiękza t w eie umeryczym tabilść i dkładść prceu bliczeiweg. Z ppularych prgramów kmputerwych metdę GUB d rzwiązywaiu regularych zadań PL (-) wykrzytue pakiet WiStrm.

13 Drta Mizczyńka Marek Mizczyńki KBO UŁ - Optymalizaca liiwa w liczbach całkwitych (PLC) [] Iteraca k (k) Klee krki każde iteraci ą atępuące.. Prządkwaie lity zadań. Z lity zadań uuwamy: zadaia uż pdziele zadaia przecze raz zadaia które maą wartść fukci celu miezą lub rówą wartści fukci celu zadań pełiaących waruki całkwitliczbwści. Pztałe a liście zadaia azywamy zadaiami aktywymi.. Sprawdzaie czy mża zakńczyć ptępwaie. Sprawdzamy czy itiee takie zadaie aktywe któreg rzwiązaie ptymale pełia waruki całkwitliczbwści a edcześie a liście ie ma żadeg ieg zadaia aktyweg lub wzytkie pztałe zadaia aktywe maą wartść fukci celu ie więkzą iż w takim zadaiu. Jeżeli itiee takie zadaie aktywe t kńczymy ptępwaie. Zadaie t geerue rzwiązaie ptymale zadaia PLC (-4). [UWAGA!!! Jeżeli ptymala wartść akieklwiek zmiee et rówa rygiale (pczątkwe) wartści e góreg graiczeia (g ) t zadaie PLC (-4) ie piada kńczeg rzwiązaia ptymaleg]. Jeżeli ie itiee takie zadaie aktywe t przechdzimy d kleeg krku.. Wybór zadaia d pdziału. Jak zadaie d pdziału wybieramy t zadaie które ma awiękzą wartść fukci celu i ie pełia waruków całkwitliczbwści. 4. Wybór zmiee wg które dkamy pdziału zadaia. Pdziału zadaia dkuemy zawze ze względu a dwlie wybraą zmieą która w rzwiązaiu ptymalym ie miała wartści całkwite (p.zmiea k ). Załóżmy że graiczeie widełkwe (5) dla te zmiee ma aktualie ptać: dk k gk. 5. Pdział zadaia. W wyiku pdziału zadaia z krku (zadaie matka ) pwtaą zawze dwa we zadaia (zadaie córka raz zadaie y ). Oba we zadaia ą kpiami zadaia dzieleg i różią ię wyłączie graiczeiem widełkwym dla zmiee k które mdyfikuemy atępuąc: dla pierwzeg z zadań ( córka ) przymuemy d ] k k [ k dla drugieg z zadań ( y ) przymuemy [ ] g. k k k W eie gemetryczym w zbirze rzwiązań dpuzczlych X zadaia matka wyciae et pam [ k ] k [ k ] c prwadzi d pdziału teg zbiru a dwa pdzbiry związae dpwiedi z zadaiami córka i y. 6. Rzwiązaie zadań z aktualeg pdziału. P rzwiązaiu bu wych zadań przechdzimy d klee iteraci

14 Drta Mizczyńka Marek Mizczyńki KBO UŁ - Optymalizaca liiwa w liczbach całkwitych (PLC) [4] PRZYKŁAD 5 Rzważmy atępuące zadaie PLC: z 4 C C C (4) W celu rzwiązaia zadaia PLC metdą pdziału i graiczeń uzupełiamy graiczeia () zepłem ierówści widełkwych (5). ma Iteraca Ozaczeia zadań którymi będziemy pługiwali ię d kńca teg przykładu ą atępuące: Z r bieżący zadaia / r zadaia matki. Rzwiązuemy zadaie regulare (-)(5) i trzymuemy rzwiązaie ptymale: aktuale wartść graiczeia (5) Z / (5) 4 z ma Jak widać zadaie (-)(5) t. zadaie Z / ie et przecze i ma kńcze rzwiązaie ptymale. Rzwiązaie ptymale zadaia Z / ie et edak całkwitliczbwe. Przechdzimy d krku 4 w iteraci. d g () () () Iteraca Krk 4. Wybór zmiee wg które dkamy pdziału zadaia Z /. Zadaiem które ztaie pdziele et zadaie Z /. Zmiea względem które dkamy pdziału t zmiea =4. Krk 5. Pdział zadaia Z /. Dzielimy graiczeie widełkwe (5) dla zmiee które w zadaiu Z / wyglądał atępuąc:. W zadaiu córka (Z / ) będzie atępuące:

15 zadaie et przecze Drta Mizczyńka Marek Mizczyńki KBO UŁ - Optymalizaca liiwa w liczbach całkwitych (PLC) [5] [4] czyli 4 W zadaiu y (Z / ) będzie atępuące: [4]+ czyli 5 Krk 6. Rzwiązaie zadań z aktualeg pdziału t.zadań Z / i Z /. Rzwiązaia bu zadań ą atępuące: Z / wartść aktuale graiczeia (5) Z / wartść aktuale graiczeia (5) d g d g z ma z ma Przechdzimy d iteraci. Iteraca Krk. Prządkwaie lity zadań. Aktuala lita zadań et atępuąca: Z / z ma = rzwiązaie iecałkwitliczbwe Z / z ma = rzwiązaie iecałkwitliczbwe Z / zadaie et przecze. Uuwamy z lity zadaie Z / (uż pdziele) raz zadaie Z / (przecze). Uprządkwaa lita zadań t: Z / z ma = rzwiązaie iecałkwitliczbwe Krk. Sprawdzaie czy mża zakńczyć ptępwaie. Jedye a uprządkwae liście zadaie aktywe ie dae rzwiązaia w liczbach całkwitych. Należy prześć d kleeg krku. Krk. Wybór zadaia d pdziału. Wybieramy zadaie awiękze wartści fukci celu pśród zadań adaących ię d pdziału. Jet im zadaie Z /. Krk 4. Wybór zmiee wg które dkamy pdziału zadaia Z /. Zadaiem które ztaie pdziele et zadaie Z /. Zmiea względem które dkamy pdziału t zmiea =5. Krk 5. Pdział zadaia Z /. Dzielimy graiczeie widełkwe (5) dla zmiee które w zadaiu Z / wyglądał atępuąc:. W zadaiu córka (Z 4/ ) będzie atępuące: [5] czyli W zadaiu y (Z 5/ ) będzie atępuące: [5]+ czyli

16 Drta Mizczyńka Marek Mizczyńki KBO UŁ - Optymalizaca liiwa w liczbach całkwitych (PLC) [6] Krk 6. Rzwiązaie zadań z aktualeg pdziału t.zadań Z 4/ i Z 5/. Rzwiązaia bu zadań ą atępuące: Z 4/ wartść aktuale graiczeia (5) Z 5/ wartść aktuale graiczeia (5) d g d g z ma 75 z ma Przechdzimy d iteraci. Iteraca Krk. Prządkwaie lity zadań. Aktuala lita zadań et atępuąca: Z / z ma = rzwiązaie iecałkwitliczbwe Z 4/ z ma =75 rzwiązaie iecałkwitliczbwe Z 5/ z ma = rzwiązaie iecałkwitliczbwe. Uuwamy z lity zadaie Z / (uż pdziele). Uprządkwaa lita zadań t: Z 4/ z ma =75 rzwiązaie iecałkwitliczbwe Z 5/ z ma = rzwiązaie iecałkwitliczbwe. Krk. Sprawdzaie czy mża zakńczyć ptępwaie. Brak zadań aktywych rzwiązaiu w liczbach całkwitych. Należy prześć d kleeg krku. Krk. Wybór zadaia d pdziału. Wybieramy zadaie awiękze wartści fukci celu pśród zadań adaących ię d pdziału. Jet im zadaie Z 5/. Krk 4. Wybór zmiee wg które dkamy pdziału zadaia Z 5/. Zadaiem które ztaie pdziele et zadaie Z 5/. Zmiea względem które dkamy pdziału t zmiea =67. Krk 5. Pdział zadaia Z 5/. Dzielimy graiczeie widełkwe (5) dla zmiee które w zadaiu Z 5/ wyglądał atępuąc: 4. W zadaiu córka (Z 6/5 ) będzie atępuące: [67] czyli W zadaiu y (Z 7/5 ) będzie atępuące: [67]+ 4 czyli 4 4 Krk 6. Rzwiązaie zadań z aktualeg pdziału t.zadań Z 6/5 i Z 7/5. Rzwiązaia bu zadań ą atępuące:

17 zadaie et przecze Drta Mizczyńka Marek Mizczyńki KBO UŁ - Optymalizaca liiwa w liczbach całkwitych (PLC) [7] Z 6/5 wartść aktuale graiczeia (5) Z 7/5 wartść Aktuale graiczeia (5) d g d g 4 4 z ma z ma Przechdzimy d iteraci 4. Iteraca 4 Krk. Prządkwaie lity zadań. Aktuala lita zadań et atępuąca: Z 4/ z ma =75 rzwiązaie iecałkwitliczbwe Z 5/ z ma = rzwiązaie iecałkwitliczbwe Z 6/5 z ma = rzwiązaie całkwitliczbwe Z 7/5 zadaie przecze. Uuwamy z lity zadaie Z 5/ (uż pdziele) zadaie Z 4/ (ie da ię z ieg p pdziałach wygeerwać zadaia z wartścią fukci celu więkzą lub rówą ) raz zadaie Z 7/5 (przecze). Uprządkwaa lita zadań t: Z 6/5 z ma = rzwiązaie całkwitliczbwe Krk. Sprawdzaie czy mża zakńczyć ptępwaie. Lita zawiera ed zadaie z rzwiązaiem w liczbach całkwitych. Brak a ie zadań aktywych adaących ię d dalzeg pdziału. Rzwiązaiem ptymalym zadaia PLC (-4) et więc rzwiązaie zadaia Z 6/5. Kiec ptępwaia. Rzwiązaie kńcwe przykładweg zadaia PLC et atępuące: z ma

0, co implikuje tezę. W interpretacji geometrycznej: musi istnieć punkt, w którym styczna ( f (c)

0, co implikuje tezę. W interpretacji geometrycznej: musi istnieć punkt, w którym styczna ( f (c) RACHUNEK RÓŻNCZKOWY cd Twierdzeie Lagrage a: Jeżeli jest ciągła w [a,b], jest różiczkwala w a,b), t ca,b) : b)-a)= c) b-a) b) Dwód Wystarczy rzpatrzyć ukcję t) t) t a), t[a,b], która b a spełia załżeia

Bardziej szczegółowo

WYKORZYSTANIE METOD PL DO ROZWIĄZYWANIA PROBLEMÓW DECYZYJNYCH Z NIELINIOWĄ FUNKCJĄ CELU

WYKORZYSTANIE METOD PL DO ROZWIĄZYWANIA PROBLEMÓW DECYZYJNYCH Z NIELINIOWĄ FUNKCJĄ CELU M.Miszzyńsi KBO UŁ, Badania perayjne I (wyład 7A 7) [] WYKORZYSANIE MEOD PL DO ROZWIĄZYWANIA PROBLEMÓW DECYZYJNYCH Z NIELINIOWĄ FUNKCJĄ CELU Omówimy tutaj dwa prste warianty nieliniwyh mdeli deyzyjnyh,

Bardziej szczegółowo

Analiza układu II rzędu

Analiza układu II rzędu Akademia Mrka w Gdyi Katedra Autmatyki Okrętwej Teria terwaia Aaliza układu II rzędu Matlab Mirław Tmera. WPROWADZENIE Ocea jakści terwaia plega a ceie dwóch taów układu regulacji: tau przejściweg tau

Bardziej szczegółowo

Analiza układu II rzędu Matlab

Analiza układu II rzędu Matlab Uiwerytet Mrki w Gdyi atedra Autmatyki Okrętwej Teria terwaia Aaliza układu II rzędu Matlab Mirław Tmera. WPROWADZENIE Ocea jakści terwaia plega a ceie dwóch taów układu regulacji: tau przejściweg tau

Bardziej szczegółowo

MACIERZE STOCHASTYCZNE

MACIERZE STOCHASTYCZNE MACIERZE STOCHASTYCZNE p ij - prawdopodobieństwo przejścia od stau i do stau j w jedym (dowolym) kroku, [p ij ]- macierz prawdopodobieństw przejść (w jedym kroku), Własości macierzy prawdopodobieństw przejść:

Bardziej szczegółowo

Statystyka - wprowadzenie

Statystyka - wprowadzenie Statystyka - wprwadzenie Obecnie pjęcia statystyka używamy aby mówić : zbirze danych liczbwych ukazujących kształtwanie się kreślneg zjawiska jak pewne charakterystyki liczbwe pwstałe ze badań nad zbirwścią

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17 Egzami, 18.02.2017, godz. 9:00-11:30 Zadaie 1. (22 pukty) W każdym z zadań 1.1-1.10 podaj w postaci uproszczoej kresy zbioru oraz apisz, czy kresy ależą do zbioru (apisz TAK albo NIE, ewetualie T albo

Bardziej szczegółowo

D. Miszczyńska, M.Miszczyński KBO UŁ, Badania operacyjne (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assignment Problem)

D. Miszczyńska, M.Miszczyński KBO UŁ, Badania operacyjne (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assignment Problem) D. Miszczyńska, M.Miszczyński KBO UŁ, Badaia operacyje (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assigmet Problem) Bliskim "krewiakiem" ZT (w sesie podobieństwa modelu decyzyjego) jest zagadieie

Bardziej szczegółowo

punktów i przyjmowani są do szkoły niezależnie od osiągniętych wyników wymienionych na świadectwie ukończenia gimnazjum i egzaminie gimnazjalnym. 5.

punktów i przyjmowani są do szkoły niezależnie od osiągniętych wyników wymienionych na świadectwie ukończenia gimnazjum i egzaminie gimnazjalnym. 5. Regulami Rekrutacji a rk szkly 2015/2016 d II Liceum Ogólkształcąceg i Techikum r 2 w Zesple Szkół Padgimazjalych r 2 im ppłk. dr. Staisława Kuklińskieg w Wągrwcu I. Pdstawa prawa: 1. Rzprządzeie Miistra

Bardziej szczegółowo

Zintegrowany interferometr mikrofalowy z kwadraturowymi sprzęgaczami o obwodzie 3/2λ

Zintegrowany interferometr mikrofalowy z kwadraturowymi sprzęgaczami o obwodzie 3/2λ VII Międzynardwa Knferencja Elektrniki i Telekmunikacji Studentów i Młdych Pracwników Nauki, SECON 006, WAT, Warzawa, 08 09.. 006r. ppr. mgr inż. Hubert STADNIK ablwent WAT, Opiekun naukwy: dr inż. Adam

Bardziej szczegółowo

ANALIZA I BADANIE MAGNETOREOLOGICZNEGO SPRZĘGŁA ROZRUCHOWO-PRZECIĄŻENIOWEGO

ANALIZA I BADANIE MAGNETOREOLOGICZNEGO SPRZĘGŁA ROZRUCHOWO-PRZECIĄŻENIOWEGO ` Mazyy Elektrycze Zezyty Prblemwe Nr 3/25 (7) 27 Cezary Jędryczka, Wjciech Szeląg, Adam Myzkwki, Mariuz Barańki, Plitechika Pzańka ANALIZA I BADANIE MAGNETOREOLOGICZNEGO SPRZĘGŁA ROZRUCHOWO-PRZECIĄŻENIOWEGO

Bardziej szczegółowo

Optymalizacja liniowa w liczbach całkowitych (PLC)

Optymalizacja liniowa w liczbach całkowitych (PLC) * ) && &&& % ( - &&(() n && - n% ( ' n!"#$ Optymalizacja liniowa w liczbach całkowitych (PLC) (( & ' nn nn Zadanie (-) nazywamy zadaniem regularnym Zadanie (-) nazywamy zadaniem PLC Stosownie do tego podziału

Bardziej szczegółowo

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum MATEMATYKA (poziom podstawowy) przykładowy arkusz maturaly wraz ze schematem oceiaia dla klasy II Liceum Propozycja zadań maturalych sprawdzających opaowaie wiadomości i umiejętości matematyczych z zakresu

Bardziej szczegółowo

Wykład 4 Soczewki. Przyrządy optyczne

Wykład 4 Soczewki. Przyrządy optyczne Wykład 4 Soczewki. Przyrządy optycze Soczewka cieka - rówaie zlifierzy oczewek Rozważyy teraz dwie powierzchi ferycze oddzielające ośrodki o wpółczyikach załaaia kolejo i odległych od iebie o d. Niech

Bardziej szczegółowo

W(s)= s 3 +7s 2 +10s+K

W(s)= s 3 +7s 2 +10s+K PRZYKŁAD (LINIE PIERWIASTKOWE) Tramitacja operatorowa otwartego układu regulacji z jedotkowym ujemym przęŝeiem zwrotym daa jet wzorem: G O K ( + )( + 5) a) Podaj obraz liii pierwiatkowych układu zamkiętego.

Bardziej szczegółowo

3. Wykład III: Warunki optymalności dla zadań bez ograniczeń

3. Wykład III: Warunki optymalności dla zadań bez ograniczeń 3 Wkład III: Waruki optmalości dla zadań bez ograiczeń Podae poiże waruki optmalości dla są uogólieiem powszechie zach waruków dla fukci ede zmiee (zerowaie się pierwsze pochode i lokala wpukłość) 3 Twierdzeie

Bardziej szczegółowo

Edyta Kujawska BADANIA PROCESU SEDYMENTACJI W OSADNIKU Z WYPEŁNIENIEM PŁYTOWYM I PROFILOWYM

Edyta Kujawska BADANIA PROCESU SEDYMENTACJI W OSADNIKU Z WYPEŁNIENIEM PŁYTOWYM I PROFILOWYM BADANIA PROCESU SEDYMENTACJI W OSADNIKU Z WYPEŁNIENIEM PŁYTOWYM I PROFILOWYM Edyta Kujawka Katedra Aparatury Chemicej i Prcewej, Plitechika Śląka, Gliwice WPROWADZENIE Sedymetacja jak prce wydielaia cątek

Bardziej szczegółowo

Mechanika analityczna wprowadzenie

Mechanika analityczna wprowadzenie Mechaika aalitycza wprowadzeie 1. Więzy i wpółrzęde uogólioe Jeśli rozważamy ruch układów iewobodych ależy określić ograiczeia ałożoe a ruch tzw. więzy. Gdy układ puktów jet ograiczoy więzami wówcza wpółrzęde

Bardziej szczegółowo

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek Zajdowaie pozostałych pierwiastków liczby zespoloej, gdy zay jest jede pierwiastek 1 Wprowadzeie Okazuje się, że gdy zamy jede z pierwiastków stopia z liczby zespoloej z, to pozostałe pierwiastki możemy

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/ n 333))

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/ n 333)) 46. Wskazać liczbę rzeczywistą k, dla której graica k 666 + 333)) istieje i jest liczbą rzeczywistą dodatią. Obliczyć wartość graicy przy tak wybraej liczbie k. Rozwiązaie: Korzystając ze wzoru a różicę

Bardziej szczegółowo

Przykład 3.1. Wyznaczanie prędkości i przyśpieszenia ruchu płaskim

Przykład 3.1. Wyznaczanie prędkości i przyśpieszenia ruchu płaskim Przykład 31 Wyzaczaie prędkści i przyśpieszeia ruchu płaskim Prędkść chwilwa i przyśpieszeie chwilwe puktu pręta w płżeiu przedstawiym a rysuku 1 wyszą: = a = a, Zaleźć prędkść i przyśpieszeie puktu pręta

Bardziej szczegółowo

Przykładowe zadania dla poziomu rozszerzonego

Przykładowe zadania dla poziomu rozszerzonego Przkładowe zadaia dla poziomu rozszerzoego Zadaie. ( pkt W baku w pierwszm roku oszczędzaia stopa procetowa bła rówa p%, a w drugim roku bła o % iższa. Po dwóch latach, prz roczej kapitalizacji odsetek,

Bardziej szczegółowo

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny TEMATYKA: Regresja liiowa dla prostej i płaszczyzy Ćwiczeia r 5 DEFINICJE: Regresja: metoda statystycza pozwalająca a badaie związku pomiędzy wielkościami daych i przewidywaie a tej podstawie iezaych wartości

Bardziej szczegółowo

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej 3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi

Bardziej szczegółowo

8. Optymalizacja decyzji inwestycyjnych

8. Optymalizacja decyzji inwestycyjnych 8. Optymalizacja decyzji iwestycyjych 8. Wprowadzeie W wielu różych sytuacjach, w tym rówież w czasie wyboru iwestycji do realizacji, podejmujemy decyzje. Sytuacje takie azywae są sytuacjami decyzyjymi.

Bardziej szczegółowo

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych Wokół testu Studeta Wprowadzeie Rozkłady prawdopodobieństwa występujące w testowaiu hipotez dotyczących rozkładów ormalych Rozkład ormaly N(µ, σ, µ R, σ > 0 gęstość: f(x σ (x µ π e σ Niech a R \ {0}, b

Bardziej szczegółowo

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i =

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i = Zastosowaie symboli Σ i Π do zapisu sum i iloczyów Teoria Niech a, a 2,..., a będą dowolymi liczbami. Sumę a + a 2 +... + a zapisuje się zazwyczaj w postaci (czytaj: suma od k do a k ). Zak Σ to duża grecka

Bardziej szczegółowo

ELEKTROTECHNIKA I ELEKTRONIKA

ELEKTROTECHNIKA I ELEKTRONIKA UNIWERSYTET TECHNOLOGICZNO-RZYRODNICZY W BYDGOSZCZY WYDZIAŁ INŻYNIERII ECHANICZNEJ INSTYTUT EKSLOATACJI ASZYN I TRANSORTU ZAKŁAD STEROWANIA ELEKTROTECHNIKA I ELEKTRONIKA ĆWICZENIE: E7 BADANIE INDUKCYJNEGO

Bardziej szczegółowo

MATURA 2014 z WSiP. Zasady oceniania zadań

MATURA 2014 z WSiP. Zasady oceniania zadań MATURA 0 z WSiP Matematyka Poziom rozszerzoy Zasady oceiaia zadań Copyright by Wydawictwa Szkole i Pedagogicze sp z oo, Warszawa 0 Matematyka Poziom rozszerzoy Kartoteka testu Numer zadaia Sprawdzaa umiejętość

Bardziej szczegółowo

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii O pewych zastosowaiach rachuku różiczkowego fukcji dwóch zmieych w ekoomii 1 Wielkość wytwarzaego dochodu arodowego D zależa jest od wielkości produkcyjego majątku trwałego M i akładów pracy żywej Z Fukcję

Bardziej szczegółowo

P π n π. Równanie ogólne płaszczyzny w E 3. Dane: n=[a,b,c] Wówczas: P 0 P=[x-x 0,y-y 0,z-z 0 ] Równanie (1) nazywamy równaniem ogólnym płaszczyzny

P π n π. Równanie ogólne płaszczyzny w E 3. Dane: n=[a,b,c] Wówczas: P 0 P=[x-x 0,y-y 0,z-z 0 ] Równanie (1) nazywamy równaniem ogólnym płaszczyzny Rówaie ogóle płaszczyzy w E 3. ae: P π i π o =[A,B,C] P (,y,z ) Wówczas: P P=[-,y-y,z-z ] P π PP PP= o o Rówaie () azywamy rówaiem ogólym płaszczyzy A(- )+B(y-y )+C(z-z )= ( ) A+By+Cz+= Przykład

Bardziej szczegółowo

Opis i specyfikacja interfejsu SI WCPR do wybranych systemów zewnętrznych

Opis i specyfikacja interfejsu SI WCPR do wybranych systemów zewnętrznych Załącznik nr 1 d OPZ Opis i specyfikacja interfejsu SI WCPR d wybranych systemów zewnętrznych Spis treści 1. OPIS I SPECYFIKACJA INTERFEJSU DO SYSTEMÓW DZIEDZINOWYCH... 2 1.1. Integracja z systemami dziedzinwymi...

Bardziej szczegółowo

KLASYCZNE ZAGADNIENIE TRANSPORTOWE (ZT) (minimalizacja łącznych kosztów transportu)

KLASYCZNE ZAGADNIENIE TRANSPORTOWE (ZT) (minimalizacja łącznych kosztów transportu) D. Miszczyńska, M.Miszczyński KBO UŁ, Badania peracyne (wykład 4 _KT) [1] KLASYCZNE ZAGADNIENIE TRANSPORTOWE (ZT) (inializaca łącznych ksztów transprtu) D klasycznych zagadnień decyzynych należy prble

Bardziej szczegółowo

Wprowadzenie do laboratorium 1

Wprowadzenie do laboratorium 1 Wprowadzeie do laboratorium 1 Etymacja jedorówaiowego modelu popytu a bilety loticze Etapy budowy modelu ekoometryczego Specyfikacja modelu Zebraie daych tatytyczych Etymacja parametrów modelu Weryfikacja

Bardziej szczegółowo

Internetowe Kółko Matematyczne 2004/2005

Internetowe Kółko Matematyczne 2004/2005 Iteretowe Kółko Matematycze 2004/2005 http://www.mat.ui.toru.pl/~kolka/ Zadaia dla szkoły średiej Zestaw I (20 IX) Zadaie 1. Daa jest liczba całkowita dodatia. Co jest większe:! czy 2 2? Zadaie 2. Udowodij,

Bardziej szczegółowo

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y Zadaie. Łącza wartość szkód z pewego ubezpieczeia W = Y + Y +... + YN ma rozkład złożoy Poissoa z oczekiwaą liczbą szkód rówą λ i rozkładem wartości pojedyczej szkody takim, że ( Y { 0,,,3,... }) =. Niech:

Bardziej szczegółowo

(Dantzig G. B. (1963))

(Dantzig G. B. (1963)) (Dantzig G.. (1963)) Uniwersalna metoda numeryczna dla rozwiązywania zadań PL. Ideą metody est uporządkowany przegląd skończone ilości rozwiązań bazowych układu ograniczeń, które możemy utożsamiać, w przypadku

Bardziej szczegółowo

Twierdzeie Closa Problem: Jak duże musi być m, aby trzysekcye pole Closa ν(m,, r) )było ieblokowale w wąskim sesie? Twierdzeie Closa: Dwustroe trzysek

Twierdzeie Closa Problem: Jak duże musi być m, aby trzysekcye pole Closa ν(m,, r) )było ieblokowale w wąskim sesie? Twierdzeie Closa: Dwustroe trzysek Sieci i Systemy z Itegracą Usług Trzysekcye pole Closa m r r m Własości kombiatorycze pól komutacyych Prof. dr hab. iż. Wociech Kabaciński r m Pole Closa est edozaczie defiiowae przez trókę m,, r i ozaczae

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadaie. Wykoujemy rzuty symetryczą kością do gry do chwili uzyskaia drugiej szóstki. Niech Y ozacza zmieą losową rówą liczbie rzutów w których uzyskaliśmy ie wyiki iż szóstka a zmieą losową rówą liczbie

Bardziej szczegółowo

PODSTAWOWE ZAGADNIENIA METODOLOGICZNE

PODSTAWOWE ZAGADNIENIA METODOLOGICZNE PODSTAWOWE ZAGADNIENIA METODOLOGICZNE. Wprowadzeie W ekoomii i aukach o zarządzaiu obserwuje się tedecję do ilościowego opisu zależości miedzy zjawiskami ekoomiczymi. Umożliwia to - zobiektywizowaie i

Bardziej szczegółowo

Optymalne przydzielanie adresów IP. Ograniczenia adresowania IP z podziałem na klasy

Optymalne przydzielanie adresów IP. Ograniczenia adresowania IP z podziałem na klasy Optymalne przydzielanie adresów IP Twórcy Internetu nie przewidzieli ppularnści, jaką medium t cieszyć się będzie becnie. Nie zdając sbie sprawy z długterminwych knsekwencji swich działań, przydzielili

Bardziej szczegółowo

POCHODNA RZĘDU DRUGIEGO I WZÓR TAYLORA W WYKŁADNICZYM RACHUNKU RÓŻNICZKOWYM

POCHODNA RZĘDU DRUGIEGO I WZÓR TAYLORA W WYKŁADNICZYM RACHUNKU RÓŻNICZKOWYM M A T H E M A T I C A L E C O N O M I C S N. 4 ( 7 Tadeusz Jaaszak (Wrcław POCHODNA RZĘDU DRUGIEGO I WZÓR TAYLORA W WYKŁADNICZYM RACHUNKU RÓŻNICZKOWYM Abstract. This paper presets a cstructi f the classical

Bardziej szczegółowo

Informatyka Stosowana-egzamin z Analizy Matematycznej Każde zadanie należy rozwiązać na oddzielnej, podpisanej kartce!

Informatyka Stosowana-egzamin z Analizy Matematycznej Każde zadanie należy rozwiązać na oddzielnej, podpisanej kartce! Iformatyka Stosowaa-egzami z Aalizy Matematyczej Każde zadaie ależy rozwiązać a oddzielej, podpisaej kartce! y, Daa jest fukcja f (, + y, a) zbadać ciągłość tej fukcji f b) obliczyć (,) (, (, (,) c) zbadać,

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi.

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi. Jarosław Wróblewski Aaliza Matematycza 1A, zima 2012/13 Ciągi. Ćwiczeia 5.11.2012: zad. 140-173 Kolokwium r 5, 6.11.2012: materiał z zad. 1-173 Ćwiczeia 12.11.2012: zad. 174-190 13.11.2012: zajęcia czwartkowe

Bardziej szczegółowo

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy transportowe cd, Problem komiwojażera

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy transportowe cd, Problem komiwojażera Istrukcja do ćwiczeń laboratoryjych z przedmiotu: Badaia operacyje Temat ćwiczeia: Problemy trasportowe cd Problem komiwojażera Zachodiopomorski Uiwersytet Techologiczy Wydział Iżyierii Mechaiczej i Mechatroiki

Bardziej szczegółowo

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe Metody probabilistycze i statystyka Wykład 1 Zdarzeia losowe, defiicja prawdopodobieństwa, zmiee losowe Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki

Bardziej szczegółowo

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU Przedmiot: Iformatyka w logistyce Forma: Laboratorium Temat: Zadaie 2. Automatyzacja obsługi usług logistyczych z wykorzystaiem zaawasowaych fukcji oprogramowaia Excel. Miimalizacja pustych przebiegów

Bardziej szczegółowo

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to

Bardziej szczegółowo

Zadania z algebry liniowej - sem. I Liczby zespolone

Zadania z algebry liniowej - sem. I Liczby zespolone Zadaia z algebry liiowej - sem. I Liczby zespoloe Defiicja 1. Parę uporządkowaą liczb rzeczywistych x, y azywamy liczbą zespoloą i ozaczamy z = x, y. Zbiór wszystkich liczb zespoloych ozaczamy przez C

Bardziej szczegółowo

KO OF Szczecin:

KO OF Szczecin: OF_III_T KO OF Szczeci: wwwfszcpl Źródł: XI OLIMPIADA FIZYCZNA (96/96) Stpień III zadaie teretycze T Nazwa zadaia: Działy: Słwa kluczwe: Kmitet Główy Olimpiady Fizyczej; Czesław Ścisłwski Fizyka w Szkle

Bardziej szczegółowo

Arkusz ćwiczeniowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE. W zadaniach od 1. do 21. wybierz i zaznacz poprawną odpowiedź. 1 C. 3 D.

Arkusz ćwiczeniowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE. W zadaniach od 1. do 21. wybierz i zaznacz poprawną odpowiedź. 1 C. 3 D. Arkusz ćwiczeiowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE W zadaiach od. do. wybierz i zazacz poprawą odpowiedź. Zadaie. ( pkt) Liczbę moża przedstawić w postaci A. 8. C. 4 8 D. 4 Zadaie. ( pkt)

Bardziej szczegółowo

ANALIZA MECHANIZMU DŹWIGNIOWEGO. 1. Synteza strukturalna i geometryczna mechanizmu

ANALIZA MECHANIZMU DŹWIGNIOWEGO. 1. Synteza strukturalna i geometryczna mechanizmu NLIZ MECHNIZMU DŹWIGNIOWEGO 1. Syteza strukturala i gemetrycza mechaizmu 1. 1. Budwa łańcucha kiematyczeg schemat idewy. Symbliczy zapis struktury i parametrów prjektwaeg mechaizmu przedstawia tabela 1

Bardziej szczegółowo

Adres strony internetowej, na której Zamawiający udostępnia Specyfikację Istotnych Warunków Zamówienia: www.domeyko.edu.pl

Adres strony internetowej, na której Zamawiający udostępnia Specyfikację Istotnych Warunków Zamówienia: www.domeyko.edu.pl Adres strny internetwej, na której Zamawiający udstępnia Specyfikację Isttnych Warunków Zamówienia: www.dmeyk.edu.pl Warszawa: Dstawa i przesył (dystrybucja) energii cieplnej d budynku Zespłu Szkół nr

Bardziej szczegółowo

Lista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym

Lista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym Lista 5 Zadaia a zastosowaie ierówosci Markowa i Czebyszewa. Zadaie 1. Niech zmiea losowa X ma rozkład jedostajy a odciku [0, 1]. Korzystając z ierówości Markowa oszacować od góry prawdopodobieństwo, że

Bardziej szczegółowo

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X Matematyka ubezpieczeń majątkowych.0.0 r. Zadaie. Mamy day ciąg liczb q, q,..., q z przedziału 0,. Rozważmy trzy zmiee losowe: o X X X... X, gdzie X i ma rozkład dwumiaowy o parametrach,q i, i wszystkie

Bardziej szczegółowo

40:5. 40:5 = 500000υ5 5p 40, 40:5 = 500000 5p 40.

40:5. 40:5 = 500000υ5 5p 40, 40:5 = 500000 5p 40. Portfele polis Poieważ składka jest ustalaa jako wartość oczekiwaa rzeczywistego, losowego kosztu ubezpieczeia, więc jest tym bliższa średiej wydatków im większa jest liczba ubezpieczoych Polisy grupuje

Bardziej szczegółowo

Bożena Czyż-Bortowska, Biblioteka Pedagogiczna w Toruniu

Bożena Czyż-Bortowska, Biblioteka Pedagogiczna w Toruniu WYSZUKIWANIE PROGRAMÓW NAUCZANIA W PROGRAMIE INFORMACYJNO- WYSZUKIWAWCZYM SYSTEMU KOMPUTEROWEJ OBSŁUGI BIBLIOTEKI "SOWA" - scenariusz zajęć warsztatwych dla człnków Gruwy Satkształceniwej WUZ BP w Truniu

Bardziej szczegółowo

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa Matematyka fiasowa 8.05.0 r. Komisja Egzamiacyja dla Aktuariuszy LX Egzami dla Aktuariuszy z 8 maja 0 r. Część I Matematyka fiasowa WERJA EU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut

Bardziej szczegółowo

1 Przedziały ufności. ). Obliczamy. gdzie S pochodzi z rozkładu B(n, 1 2. P(2 S n 2) = 1 P(S 2) P(S n 2) = 1 2( 2 n +n2 n +2 n ) = 1 (n 2 +n+2)2 n.

1 Przedziały ufności. ). Obliczamy. gdzie S pochodzi z rozkładu B(n, 1 2. P(2 S n 2) = 1 P(S 2) P(S n 2) = 1 2( 2 n +n2 n +2 n ) = 1 (n 2 +n+2)2 n. Przedziały ufości W tym rozdziale będziemy zajmować się przede wszystkim zadaiami związaymi z przedziałami ufości Będą as rówież iteresować statystki pozycyje oraz estymatory ajwiększej wiarygodości (Eg

Bardziej szczegółowo

stworzyliśmy najlepsze rozwiązania do projektowania organizacji ruchu Dołącz do naszych zadowolonych użytkowników!

stworzyliśmy najlepsze rozwiązania do projektowania organizacji ruchu Dołącz do naszych zadowolonych użytkowników! Wrcław, 29.08.2012 gacad.pl stwrzyliśmy najlepsze rzwiązania d prjektwania rganizacji ruchu Dłącz d naszych zadwlnych użytkwników! GA Sygnalizacja - t najlepszy Plski prgram d prjektwania raz zarządzania

Bardziej szczegółowo

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ LABORATORIUM RACHUNEK EKONOMICZNY W ELEKTROENERGETYCE INSTRUKCJA DO ĆWICZENIA

Bardziej szczegółowo

Oznaczenie CE. Ocena ryzyka. Rozwiązanie programowe dla oznakowania

Oznaczenie CE. Ocena ryzyka. Rozwiązanie programowe dla oznakowania Ocena zgdnści Analiza zagrżeń Oznaczenie CE Ocena ryzyka Rzwiązanie prgramwe dla znakwania safexpert.luc.pl www.luc.pl W celu wybru najbardziej dpwiednich mdułów prgramu Safexpert plecamy zapznad się z

Bardziej szczegółowo

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty MODELE MATEMATYCZNE W UBEZPIECZENIACH WYKŁAD 2: RENTY. PRZEPŁYWY PIENIĘŻNE. TRWANIE ŻYCIA 1. Rety Retą azywamy pewie ciąg płatości. Na razie będziemy je rozpatrywać bez żadego związku z czasem życiem człowieka.

Bardziej szczegółowo

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 + Zadaia róże W tym rozdziale zajdują się zadaia ietypowe, często dotyczące łańcuchów Markowa oraz własości zmieych losowych. Pojawią się także zadaia z estymacji Bayesowskiej.. (Eg 8/) Rozważamy łańcuch

Bardziej szczegółowo

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA Aaliza iepewości pomiarowych w esperymetach fizyczych Ćwiczeia rachuowe TEST ZGODNOŚCI χ PEARSONA ROZKŁAD GAUSSA UWAGA: Na stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna A1, zima 2011/12. Kresy zbiorów. x Z M R

Jarosław Wróblewski Analiza Matematyczna A1, zima 2011/12. Kresy zbiorów. x Z M R Kresy zbiorów. Ćwiczeia 21.11.2011: zad. 197-229 Kolokwium r 7, 22.11.2011: materiał z zad. 1-249 Defiicja: Zbiór Z R azywamy ograiczoym z góry, jeżeli M R x Z x M. Każdą liczbę rzeczywistą M R spełiającą

Bardziej szczegółowo

Estymacja przedziałowa

Estymacja przedziałowa Metody probabilistycze i statystyka Estymacja przedziałowa Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

= n ESTYMACJA PUNKTOWA. 1. Estymacja punktowa dla wartości średniej - określanie błędu standardowego s s sˆ n

= n ESTYMACJA PUNKTOWA. 1. Estymacja punktowa dla wartości średniej - określanie błędu standardowego s s sˆ n ESTYMACJA PUNKTOWA 1. Estymacja puktwa dla wartści średiej - kreślaie błędu stadardweg s s sˆ s( x) = = 1 k k 1 s( p*) = = p * q * Zad. 1. Oblicz średi błąd szacwaia s raz przecięty błąd względy v dla

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1 LUX, zima 2016/17

Jarosław Wróblewski Analiza Matematyczna 1 LUX, zima 2016/17 585. Wskaż liczbę rzeczywistą k, dla której podaa graica istieje i jest dodatią liczbą rzeczywistą. Podaj wartość graicy dla tej wartości parametru k. Jeżeli odpowiedź jest liczbą wymierą, podaj ją w postaci

Bardziej szczegółowo

Wykład 11. a, b G a b = b a,

Wykład 11. a, b G a b = b a, Wykład 11 Grupy Grupą azywamy strukturę algebraiczą złożoą z iepustego zbioru G i działaia biarego które spełia własości: (i) Działaie jest łącze czyli a b c G a (b c) = (a b) c. (ii) Działaie posiada

Bardziej szczegółowo

Egzamin maturalny z matematyki CZERWIEC 2011

Egzamin maturalny z matematyki CZERWIEC 2011 Egzami maturaly z matematyki CZERWIEC 0 Klucz puktowaia do zadań zamkiętych oraz schemat oceiaia do zadań otwartych POZIOM PODSTAWOWY Poziom podstawowy czerwiec 0 Klucz puktowaia do zadań zamkiętych Nr

Bardziej szczegółowo

Ekonomia matematyczna - 1.1

Ekonomia matematyczna - 1.1 Ekoomia matematycza - 1.1 Elemety teorii kosumeta 1. Pole preferecji Ozaczmy R x x 1,...,x : x j 0 x x, x j1 j. R rozpatrujemy z ormą x j 2. Dla x x 1,...,x,p p 1,...,p Ip x, p x j p j x 1 p 1 x 2 p 2...x

Bardziej szczegółowo

zadań z pierwszej klasówki, 10 listopada 2016 r. zestaw A 2a n 9 = 3(a n 2) 2a n 9 = 3 (a n ) jest i ograniczony. Jest wiec a n 12 2a n 9 = g 12

zadań z pierwszej klasówki, 10 listopada 2016 r. zestaw A 2a n 9 = 3(a n 2) 2a n 9 = 3 (a n ) jest i ograniczony. Jest wiec a n 12 2a n 9 = g 12 Rozwiazaia zadań z pierwszej klasówki, 0 listopada 06 r zestaw A Ciag a ) jest zaday rekuryjie: a a, a + a a 9, a R, a

Bardziej szczegółowo

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Podstawy Automatyki

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Podstawy Automatyki Politechika dańska Wydział Elektrotechiki i Automatyki Katedra Iżyierii Systemów Sterowaia Podstawy Automatyki Charakterystyki częstotliwościowe Nyquist'a i Bode'a Materiały pomocicze do ćwiczeń termi

Bardziej szczegółowo

Zasada indukcji matematycznej. Dowody indukcyjne.

Zasada indukcji matematycznej. Dowody indukcyjne. Zasada idukcji matematyczej Dowody idukcyje Z zasadą idukcji matematyczej i dowodami idukcyjymi sytuacja jest ajczęściej taka, że podaje się w szkole treść zasady idukcji matematyczej, a astępie omawia,

Bardziej szczegółowo

Skróty klawiszowe Window-Eyes

Skróty klawiszowe Window-Eyes Skróty klawiszwe Windw-Eyes Table f Cntents 1 Parametry mwy 2 Klawisze nawigacji 3 Klawisze myszy 4 Skróty Windw-Eyes dla MS Excel 5 Skróty Windw-Eyes dla MS Wrd 6 Skróty Windw-Eyes dla MS Internet Explrer

Bardziej szczegółowo

są niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X

są niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X Prawdoodobieństwo i statystyka 5..008 r. Zadaie. Załóżmy że 3 są iezależymi zmieymi losowymi o jedakowym rozkładzie Poissoa z wartością oczekiwaą λ rówą 0. Obliczyć v = var( 3 + + + 3 = 9). (A) v = 0 (B)

Bardziej szczegółowo

CZAS TRWANIA ZDERZENIA KUL

CZAS TRWANIA ZDERZENIA KUL Mechaika, Elektryczść i magetyzm CZAS TRWANIA ZDERZENIA KUL Opis teretyczy d ćwiczeia zamieszczy jest a strie wwwwtcwatedupl w dziale DYDAKTYKA FIZYKA ĆWICZENIA LABORATORYJNE Opis układu pmiarweg Celem

Bardziej szczegółowo

Wykład 25 Soczewki. Przyrządy optyczne

Wykład 25 Soczewki. Przyrządy optyczne Wykład 5 Soczewki. Przyrządy optycze Soczewka cieka - rówaie oczewek Rozważyy teraz dwie powierzchi erycze oddzielające ośrodki o wpółczyikach załaaia kolejo i odległych od iebie o d. Niech proień krzywizy

Bardziej szczegółowo

2. RÓWNOWAGA PRZESTRZENNEGO UKŁADU SIŁ

2. RÓWNOWAGA PRZESTRZENNEGO UKŁADU SIŁ . RÓWOWG PRZETRZEEGO UKŁDU IŁ Zadaie. Wyzaczyć siły siwe w trzech prętach przegubwych twrzących wysięgik przedstaw a rysuku.. Wysięgik bciąży jest piwą siłą przyłżą w pukcie. Rys.. Rzwiązaie Zakładamy

Bardziej szczegółowo

Rachunek operatorowy Matlab

Rachunek operatorowy Matlab Akaemia Mrka w Gyi Kaera Aumayki Okręwej Teria erwaia Rachuek perarwy Malab Mirław Tmera Rachuek perarwy je jeym z arzęzi maemayczych łużących rzwiązywaia liiwych rówań różiczkwych zwyczajych. W prówaiu

Bardziej szczegółowo

imię kod ulica prześlij Dzięki formularzom możliwe jest pobieranie danych, a nie tylko ich wyświetlanie.

imię kod ulica prześlij Dzięki formularzom możliwe jest pobieranie danych, a nie tylko ich wyświetlanie. Frmularze w HTML Struktura frmularza: ... imię nazwisk miejscwść kd ulica prześlij Dzięki frmularzm mżliwe jest pbieranie danych,

Bardziej szczegółowo

WYSTAWIANIE FAKTUR I FAKTUR KORYGUJĄCYCH W DZIAŁALNOŚCI GOSPODARCZEJ ŚRODA Z KSIĘGOWĄ JOANNA MATUSIAK

WYSTAWIANIE FAKTUR I FAKTUR KORYGUJĄCYCH W DZIAŁALNOŚCI GOSPODARCZEJ ŚRODA Z KSIĘGOWĄ JOANNA MATUSIAK WYSTAWIANIE FAKTUR I FAKTUR KORYGUJĄCYCH W DZIAŁALNOŚCI GOSPODARCZEJ ŚRODA Z KSIĘGOWĄ JOANNA MATUSIAK WYSTAWIANIE FAKTUR WYSTAWIANIE FAKTUR Od 1 stycznia 2014 r. c d zasady fakturę należy wystawić d 15.

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2014/15. n = Rozwiązanie: Stosując wzór na wartość współczynnika dwumianowego otrzymujemy

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2014/15. n = Rozwiązanie: Stosując wzór na wartość współczynnika dwumianowego otrzymujemy 12. Dowieść, że istieje ieskończeie wiele par liczb aturalych k < spełiających rówaie ( ) ( ) k. k k +1 Stosując wzór a wartość współczyika dwumiaowego otrzymujemy ( ) ( )!! oraz k k! ( k)! k +1 (k +1)!

Bardziej szczegółowo

Chemia Teoretyczna I (6).

Chemia Teoretyczna I (6). Chemia Teoretycza I (6). NajwaŜiejsze rówaia róŝiczkowe drugiego rzędu o stałych współczyikach w chemii i fizyce cząstka w jedowymiarowej studi potecjału Cząstka w jedowymiarowej studi potecjału Przez

Bardziej szczegółowo

INWESTYCJE MATERIALNE

INWESTYCJE MATERIALNE OCENA EFEKTYWNOŚCI INWESTYCJI INWESTCJE: proces wydatkowaia środków a aktywa, z których moża oczekiwać dochodów pieiężych w późiejszym okresie. Każde przedsiębiorstwo posiada pewą liczbę możliwych projektów

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład VI: Metoda Mote Carlo 17 listopada 2014 Zastosowaie: przybliżoe całkowaie Prosta metoda Mote Carlo Przybliżoe obliczaie całki ozaczoej Rozważmy całkowalą fukcję f : [0, 1] R. Chcemy zaleźć przybliżoą

Bardziej szczegółowo

I. 1) NAZWA I ADRES: 26 Wojskowy Oddział Gospodarczy - JW 4809, ul. Juzistek 2, 05-131 Zegrze, woj. mazowieckie, tel. 22 6883888, faks 22 6883868.

I. 1) NAZWA I ADRES: 26 Wojskowy Oddział Gospodarczy - JW 4809, ul. Juzistek 2, 05-131 Zegrze, woj. mazowieckie, tel. 22 6883888, faks 22 6883868. Zegrze: Świadczenie usług rezerwacji i sprzedaży biletów ltniczych na trasach zagranicznych dla Jednstek Wjskwych administrwanych przez JW 4809 w Zegrzu Numer głszenia: 75038-2014; data zamieszczenia:

Bardziej szczegółowo

Stwierdzenie 1. Jeżeli ciąg ma granicę, to jest ona określona jednoznacznie (żaden ciąg nie może mieć dwóch różnych granic).

Stwierdzenie 1. Jeżeli ciąg ma granicę, to jest ona określona jednoznacznie (żaden ciąg nie może mieć dwóch różnych granic). Materiały dydaktycze Aaliza Matematycza Wykład Ciągi liczbowe i ich graice. Graice ieskończoe. Waruek Cauchyego. Działaia arytmetycze a ciągach. Podstawowe techiki obliczaia graic ciągów. Istieie graic

Bardziej szczegółowo

Ekonomia matematyczna 2-2

Ekonomia matematyczna 2-2 Ekoomia matematycza - Fukcja produkcji Defiicja Efektywym przekształceiem techologiczym azywamy odwzorowaie (iekiedy wielowartościowe), które kazdemu wektorowi akładów R przyporządkowuje zbiór wektorów

Bardziej szczegółowo

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja Charakterystyki liczbowe zmieych losowych: wartość oczekiwaa i wariacja dr Mariusz Grządziel Wykłady 3 i 4;,8 marca 24 Wartość oczekiwaa zmieej losowej dyskretej Defiicja. Dla zmieej losowej dyskretej

Bardziej szczegółowo

Adres strony internetowej, na której Zamawiający udostępnia Specyfikację Istotnych Warunków Zamówienia:

Adres strony internetowej, na której Zamawiający udostępnia Specyfikację Istotnych Warunków Zamówienia: Adres strny internetwej, na której Zamawiający udstępnia Specyfikację Isttnych Warunków Zamówienia: www.dmeyk.edu.pl Warszawa: Dstawa i przesył (dystrybucja) energii cieplnej d budynku szkły i hali sprtwej

Bardziej szczegółowo

MODELOWANIE W UML DO OPISU BIZNESU, CZY SYSTEMÓW?

MODELOWANIE W UML DO OPISU BIZNESU, CZY SYSTEMÓW? MODELOWANIE W UML DO OPISU BIZNESU, CZY SYSTEMÓW? Mdelwanie prcesów bizneswych w UML TOMASZ GZIK M A R Z E C 2 0 1 6 www.tigacnsulting.pl Wszystkie prawa zastrzeżne tgzik@tigacnsulting.pl WPROWADZENIE

Bardziej szczegółowo

1 Twierdzenia o granicznym przejściu pod znakiem całki

1 Twierdzenia o granicznym przejściu pod znakiem całki 1 Twierdzeia o graiczym przejściu pod zakiem całki Ozaczeia: R + = [0, ) R + = [0, ] (X, M, µ), gdzie M jest σ-ciałem podzbiorów X oraz µ: M R + - zbiór mierzaly, to zaczy M Twierdzeie 1.1. Jeżeli dae

Bardziej szczegółowo

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2. Zagadieia estymacji Puktem wyjścia badaia statystyczego jest wylosowaie z całej populacji pewej skończoej liczby elemetów i zbadaie ich ze względu a zmieą losową cechę X Uzyskae w te sposób wartości x,

Bardziej szczegółowo

Adres strony internetowej, na której Zamawiający udostępnia Specyfikację Istotnych Warunków Zamówienia: www.bip.podkarpackie.pl

Adres strony internetowej, na której Zamawiający udostępnia Specyfikację Istotnych Warunków Zamówienia: www.bip.podkarpackie.pl Adres strny internetwej, na której Zamawiający udstępnia Specyfikację Isttnych Warunków Zamówienia: www.bip.pdkarpackie.pl Rzeszów: Kmplekswa rganizacja raz bsługa imprezy plenerwej prmującej Reginalny

Bardziej szczegółowo

Relacje rekurencyjne. będzie następująco zdefiniowanym ciągiem:

Relacje rekurencyjne. będzie następująco zdefiniowanym ciągiem: Relacje rekurecyje Defiicja: Niech =,,,... będzie astępująco zdefiiowaym ciągiem: () = r, = r,..., k = rk, gdzie r, r,..., r k są skalarami, () dla k, = a + a +... + ak k, gdzie a, a,..., ak są skalarami.

Bardziej szczegółowo

Zadanie 3. ( ) Udowodnij, że jeśli (X n, F n ) jest martyngałem, to. X i > t) E X n. . t. P(sup

Zadanie 3. ( ) Udowodnij, że jeśli (X n, F n ) jest martyngałem, to. X i > t) E X n. . t. P(sup Szkice rozwiązań zadań z serii dwuastej oraz części zadań z kartkówki. Zadaie 1. Niech (X, F ) będzie martygałem. Czy X jest domykaly, jeśli ciąg EX l X jest zbieży? X jest zbieży prawie a pewo? X jest

Bardziej szczegółowo

Pierwiastki z liczby zespolonej. Autorzy: Agnieszka Kowalik

Pierwiastki z liczby zespolonej. Autorzy: Agnieszka Kowalik Pierwiastki z liczby zespoloej Autorzy: Agieszka Kowalik 09 Pierwiastki z liczby zespoloej Autor: Agieszka Kowalik DEFINICJA Defiicja : Pierwiastek z liczby zespoloej Niech będzie liczbą aturalą. Pierwiastkiem

Bardziej szczegółowo

( ) σ v. Adam Bodnar: Wytrzymałość Materiałów. Analiza płaskiego stanu naprężenia.

( ) σ v. Adam Bodnar: Wytrzymałość Materiałów. Analiza płaskiego stanu naprężenia. Adam Bdnar: Wtrzmałść Materiałów Analiza płaskieg stanu naprężenia 5 ANALIZA PŁASKIEGO STANU NAPRĘŻENIA 5 Naprężenia na dwlnej płaszczźnie Jak pamiętam płaski stan naprężenia w punkcie cechuje t że wektr

Bardziej szczegółowo