4.3 Grupowanie według podobieństwa

Wielkość: px
Rozpocząć pokaz od strony:

Download "4.3 Grupowanie według podobieństwa"

Transkrypt

1 4.3 Grupowanie według podobieństwa Przykłady obiektów to coś więcej niż wektory wartości atrybutów. Reprezentują one poszczególne rasy psów. Ważnym pytaniem, jakie można sobie zadać, jest to jak dobrymi danymi dysponujemy. Czy informacje jakie posiadamy odzwierciedlają naturalną hierarchię ras. Jednym ze sposobów na znalezienie odpowiedzi, jest zastosowania algorytmów grupowania według podobieństwa. Ten proces uczenia powoduje wyznaczenie pewnego podziału zbioru trenującego na kategorie. Podział odbywa sie przy wykorzystaniu oceny podobieństwa pomiędzy obiektami. W rezultacie otrzymujemy zbiór grup, który możemy wykorzystać nie tylko do oceny poprawności danych. Jednym z możliwych zastosowań jest porównanie różnych metod grupowania i wygenrowanie na tej podstawie wag, określających istotność pewnych cech w ocenie podobieństwa psów. Przykładowo intuicyjnie wielkość psa wydaje się bardziej istotna dla ludzie, niż cecha określająca długość ogona Definicja grupowania Grupowanie jest jednym z rodzajów uczenia bez nadzoru. Zbiór trenujący składa się z przykładów nieetykietowanych. Algorytm polega na zaproponowaniu podziału przykładów na kategorię (inaczej zwane grupami, lub też klastrami) i dodatkowo skonstrułowaniu dobrego opisu każdej grupy. Obiekty we wspólnej kategorii powinny być maksymalnie podobne i maksymalnie zróżnicowane między różnymi grupami. Wybór algroytmu grupowania ogranicza się do nastpujących kroków[6]: definicja funkcji podobieństwa określenie metody grupowania Dodatkowo niektóre algorytmy wymagają jeszcze kroku wstępnego, polegającego na selekcji cech, które mają być wykrzystywane w procesie grupowania. Ale nie jest to krok zawsze wymagany Grupowanie hierarchiczne Wynikiem grupowania hierarchicznego jest dendrogram. Dendrogram jest diagramem w kształcie drzewa ukazującym związki pomiędzy grupami na podstawie przyjętego kryterium określającego podobieństwo. Standardowy algorytm grupowania przyrostowego 59

2 Algorithm 4.1 Standard Agglomerative Clustering function agglomerative( E: zbiór_przykładów) returns dendrogram, dla k = 1 do E begin i C i = x i } for k = E down to 1 endloop dendrogram k = C 1... C k i j d i j) = D C i C j ) l m = argmin a b d a b) C l = Join C l C m ) Remove(C m ) end Źródło: Agglomerative Hierarchical Clustering with Constraints: Theoretical and Empirical Results [5] został przedstawiony w listingu 4.1. W pierwszym kroku, każdy z przykładów x i jest umieszczony w osobnej grupie C i. Następnie tworzone są poszczególne elementy dendrogramu. Funkcja odległości D C i C j ) określa podobieństwo pomiędzy parami klastrów. Następnie wybierane są i łączone w jedną, dwie najbardziej podobne grupy. Kryterium stopu, może być umieszczenie wszystkich przykładów w jednym klastrze, lub otrzymanie określonej liczby grup. Większość hierarchicznych algorytmów grupowania opiera się na trzech podstawowych metodach: single-link, complete-link i minimum-variance. Najpopularniejsze są single-link i complete-link. Różnią się one sposobem okreslania odległości pomiędzy kategoriami[6]: single-link: odległość pomiędzy dwiema kategoriami to minimalna odległość pomiędzy wszystkimi parami z tych kategorii (jeden przykład z pierwszej grupy, drugi z drugiej) complete-link: odległość pomiędzy dwiema kategoriami to maksymalna odległość pomiędzy wszystkimi parami z tych kategorii Single-link cierpi na efekt zwany: chaining effect. Ma tendencję do wytwarzania grup, które są nadmiernie wydłużone. Natomiast metoda complete-ling cierpi na inny problem. 60

3 Wykres 4.1: Maltańczyk i pekińcznyk Źródło: Poświęca za dużo uwagi wartościom skrajnym, punktów, które nie mieszczą się w globalnej strukturze klastra Przykładowe dendrogramy Przy użyciu programu Orange w wersji 1.0b 1 został wykonany dendrogram dla danych psy_29.csv. Jako funkcję oceny wykorzystano jedną z najprostszych miar, każda różnica w wartościach cech podowodwuje wzrost odległości o 1. Algorytm korzysta z metody single-link. W rezultacie otrzymano dendrogram zaprezetowanty na rysunku 4.2. Bardzo podobne do siebie psy zostały połączone w prawidłowe kategorię. Przykładowo maltese i pekingese trafiły do jednego klastra. Podkreślone zostało ich spore podobieństwo, co widać między innymi na rysunku 4.1. W bardziej ogólnej analizie, można zauważyć utworzenie dwóch dużych grup. Jedna zawiera psy rasy od poodle do otterhound, druga resztę psów z wyjątkiem komodora. Jednak ten podział zawiera już błędy. W jednym klastrze znalazły się zarówno shih tzu oraz rottweiler, w drugim np. pekingese i newfoundland. Rasy te są bardzo odmienne i małe jest prawdopodobieństwo, by zostały uznane za podobne. Przyczyną takich pomyłek mogą być: błędy w danych, czyli złe wartości niektórych atrybutów zbyt mała liczba cech 1 Orange: 61

4 Wykres 4.2: Dendrogram dla danych psy_25.csv Źródło: Opracowanie własne 62

5 jednakowe traktowanie wszystkich atrybutów Jednym z możliwych sposobów radzenia sobie z błędami jest przypisywanie atrybutom wag, które mogą być użyte do obliczania podobieństwa. Wyznaczanie wag, może być wykonane poprzez analizę ocen podobieństwa ras, jakie dokonują ludzie. Powinno zapobiec to umieszczaniu skrajnie niepodobnych psów w jednej grupie. 63

CLUSTERING. Metody grupowania danych

CLUSTERING. Metody grupowania danych CLUSTERING Metody grupowania danych Plan wykładu Wprowadzenie Dziedziny zastosowania Co to jest problem klastrowania? Problem wyszukiwania optymalnych klastrów Metody generowania: k centroidów (k - means

Bardziej szczegółowo

Text mining w programie RapidMiner Michał Bereta www.michalbereta.pl

Text mining w programie RapidMiner Michał Bereta www.michalbereta.pl Text mining w programie RapidMiner Michał Bereta www.michalbereta.pl 1. Wstęp Aby skorzystać z możliwości RapidMinera w zakresie analizy tekstu, należy zainstalować Text Mining Extension. Wybierz: 1 Po

Bardziej szczegółowo

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie.

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie. SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:

Bardziej szczegółowo

Grupowanie stron WWW. Funkcje oceniające.

Grupowanie stron WWW. Funkcje oceniające. Eksploracja zasobów internetowych Wykład 6 Grupowanie stron WWW. Funkcje oceniające. mgr inż. Maciej Kopczyński Białystok 2015 Wstęp Rolą algorytmów grupujących jest pogrupowanie dokumentów na bazie ich

Bardziej szczegółowo

5. Wprowadzenie do prawdopodobieństwa Wprowadzenie Wyniki i zdarzenia Różne podejścia do prawdopodobieństwa Zdarzenia wzajemnie wykluczające się i

5. Wprowadzenie do prawdopodobieństwa Wprowadzenie Wyniki i zdarzenia Różne podejścia do prawdopodobieństwa Zdarzenia wzajemnie wykluczające się i Spis treści Przedmowa do wydania polskiego - Tadeusz Tyszka Słowo wstępne - Lawrence D. Phillips Przedmowa 1. : rola i zastosowanie analizy decyzyjnej Decyzje złożone Rola analizy decyzyjnej Zastosowanie

Bardziej szczegółowo

Procesy ETL. 10maja2009. Paweł Szołtysek

Procesy ETL. 10maja2009. Paweł Szołtysek Procesy 10maja2009 Paweł Szołtysek 1/12 w praktyce w praktyce 2/12 Zagadnienie Business Inteligence w praktyce 3/12 Czym jest proces? w praktyce Dane: dowolny zbiór danych ze źródeł zewnętrznych. Szukane:

Bardziej szczegółowo

Wycena nieruchomości za pomocą wyboru wielokryterialnego w warunkach niepewności rozmytej oraz klasycznie: metodą pp i kcś

Wycena nieruchomości za pomocą wyboru wielokryterialnego w warunkach niepewności rozmytej oraz klasycznie: metodą pp i kcś Wycena nieruchomości za pomocą wyboru wielokryterialnego w warunkach niepewności rozmytej oraz klasycznie: metodą pp i kcś Materiały reklamowe ZAWAM-Marek Zawadzki Wybór wielokryterialny jako jadna z metod

Bardziej szczegółowo

Grupowanie. Wprowadzanie Definicja problemu Klasyfikacja metod grupowania Grupowanie hierarchiczne. Eksploracja danych. Grupowanie wykład 1

Grupowanie. Wprowadzanie Definicja problemu Klasyfikacja metod grupowania Grupowanie hierarchiczne. Eksploracja danych. Grupowanie wykład 1 Grupowanie Wprowadzanie Definicja problemu Klasyfikacja metod grupowania Grupowanie hierarchiczne Grupowanie wykład 1 Tematem wykładu są zagadnienia związane z grupowaniem. Rozpoczniemy od krótkiego wprowadzenia

Bardziej szczegółowo

4.1. Wprowadzenie...70 4.2. Podstawowe definicje...71 4.3. Algorytm określania wartości parametrów w regresji logistycznej...74

4.1. Wprowadzenie...70 4.2. Podstawowe definicje...71 4.3. Algorytm określania wartości parametrów w regresji logistycznej...74 3 Wykaz najważniejszych skrótów...8 Przedmowa... 10 1. Podstawowe pojęcia data mining...11 1.1. Wprowadzenie...12 1.2. Podstawowe zadania eksploracji danych...13 1.3. Główne etapy eksploracji danych...15

Bardziej szczegółowo

Kierunek i poziom studiów: Biologia, poziom drugi Sylabus modułu: Metody statystyczne w naukach przyrodniczych

Kierunek i poziom studiów: Biologia, poziom drugi Sylabus modułu: Metody statystyczne w naukach przyrodniczych Uniwersytet Śląski w Katowicach str. 1 Kierunek i poziom studiów: Biologia, poziom drugi Sylabus modułu: Metody statystyczne w naukach przyrodniczych kod modułu: 2BL_02 1. Informacje ogólne koordynator

Bardziej szczegółowo

10. Wstęp do Teorii Gier

10. Wstęp do Teorii Gier 10. Wstęp do Teorii Gier Definicja Gry Matematycznej Gra matematyczna spełnia następujące warunki: a) Jest co najmniej dwóch racjonalnych graczy. b) Zbiór możliwych dezycji każdego gracza zawiera co najmniej

Bardziej szczegółowo

B jest globalnym pokryciem zbioru {d} wtedy i tylko wtedy, gdy {d} zależy od B i nie istnieje B T takie, że {d} zależy od B ;

B jest globalnym pokryciem zbioru {d} wtedy i tylko wtedy, gdy {d} zależy od B i nie istnieje B T takie, że {d} zależy od B ; Algorytm LEM1 Oznaczenia i definicje: U - uniwersum, tj. zbiór obiektów; A - zbiór atrybutów warunkowych; d - atrybut decyzyjny; IND(B) = {(x, y) U U : a B a(x) = a(y)} - relacja nierozróżnialności, tj.

Bardziej szczegółowo

OKRĘGOWA KOMISJA EGZAMINACYJNA W ŁODZI INFORMACJE O WYNIKACH UCZNIÓW ROZWIĄZUJĄCYCH ARKUSZE NIESTANDARDOWE

OKRĘGOWA KOMISJA EGZAMINACYJNA W ŁODZI INFORMACJE O WYNIKACH UCZNIÓW ROZWIĄZUJĄCYCH ARKUSZE NIESTANDARDOWE OKRĘGOWA KOMISJA EGZAMINACYJNA W ŁODZI INFORMACJE O WYNIKACH UCZNIÓW ROZWIĄZUJĄCYCH ARKUSZE NIESTANDARDOWE SPRAWDZIAN W ROKU 2009 SPIS TREŚCI 1. DANE STATYSTYCZNE UCZNIÓW ROZWIĄZUJĄCYCH DOSTOSOWANE ARKUSZE

Bardziej szczegółowo

Testy nieparametryczne

Testy nieparametryczne Testy nieparametryczne Testy nieparametryczne możemy stosować, gdy nie są spełnione założenia wymagane dla testów parametrycznych. Stosujemy je również, gdy dane można uporządkować według określonych kryteriów

Bardziej szczegółowo

Alicja Marszałek Różne rodzaje baz danych

Alicja Marszałek Różne rodzaje baz danych Alicja Marszałek Różne rodzaje baz danych Rodzaje baz danych Bazy danych można podzielić wg struktur organizacji danych, których używają. Można podzielić je na: Bazy proste Bazy złożone Bazy proste Bazy

Bardziej szczegółowo

Czym jest analiza skupień?

Czym jest analiza skupień? Statystyczna analiza danych z pakietem SAS Analiza skupień metody hierarchiczne Czym jest analiza skupień? wielowymiarowa technika pozwalająca wykrywać współzależności między obiektami; ściśle związana

Bardziej szczegółowo

Algorytmy genetyczne

Algorytmy genetyczne Algorytmy genetyczne Motto: Zamiast pracowicie poszukiwać najlepszego rozwiązania problemu informatycznego lepiej pozwolić, żeby komputer sam sobie to rozwiązanie wyhodował! Algorytmy genetyczne służą

Bardziej szczegółowo

2. Reprezentacje danych wielowymiarowych sposoby sobie radzenia z nimi. a. Wprowadzenie, aspekt psychologiczny, wady statystyki

2. Reprezentacje danych wielowymiarowych sposoby sobie radzenia z nimi. a. Wprowadzenie, aspekt psychologiczny, wady statystyki 1. Wstęp 2. Reprezentacje danych wielowymiarowych sposoby sobie radzenia z nimi a. Wprowadzenie, aspekt psychologiczny, wady statystyki b. Metody graficzne i. Wykres 1.zmiennej ii. Rzut na 2 współrzędne

Bardziej szczegółowo

Łukasz Michałek, Mariusz Tykarski. Państwowa Wyższa Szkoła Zawodowa w Krośnie

Łukasz Michałek, Mariusz Tykarski. Państwowa Wyższa Szkoła Zawodowa w Krośnie PONADPLATFORMOWY SYSTEM REKRUTACJI STUDENTÓW Łukasz Michałek, Mariusz Tykarski Państwowa Wyższa Szkoła Zawodowa w Krośnie Streszczenie: Aplikacja ta ma za zadanie wspomóc działanie systemu rekrutacji w

Bardziej szczegółowo

INDUKOWANE REGUŁY DECYZYJNE ALORYTM APRIORI JAROSŁAW FIBICH

INDUKOWANE REGUŁY DECYZYJNE ALORYTM APRIORI JAROSŁAW FIBICH INDUKOWANE REGUŁY DECYZYJNE ALORYTM APRIORI JAROSŁAW FIBICH 1. Czym jest eksploracja danych Eksploracja danych definiowana jest jako zbiór technik odkrywania nietrywialnych zależności i schematów w dużych

Bardziej szczegółowo

Rysunek 1: Przykłady graficznej prezentacji klas.

Rysunek 1: Przykłady graficznej prezentacji klas. 4 DIAGRAMY KLAS. 4 Diagramy klas. 4.1 Wprowadzenie. Diagram klas - w ujednoliconym języku modelowania jest to statyczny diagram strukturalny, przedstawiający strukturę systemu w modelach obiektowych przez

Bardziej szczegółowo

Sieci Kohonena Grupowanie

Sieci Kohonena Grupowanie Sieci Kohonena Grupowanie http://zajecia.jakubw.pl/nai UCZENIE SIĘ BEZ NADZORU Załóżmy, że mamy za zadanie pogrupować następujące słowa: cup, roulette, unbelievable, cut, put, launderette, loveable Nie

Bardziej szczegółowo

Identyfikacja istotnych atrybutów za pomocą Baysowskich miar konfirmacji

Identyfikacja istotnych atrybutów za pomocą Baysowskich miar konfirmacji Identyfikacja istotnych atrybutów za pomocą Baysowskich miar konfirmacji Jacek Szcześniak Jerzy Błaszczyński Roman Słowiński Poznań, 5.XI.2013r. Konspekt Wstęp Wprowadzenie Metody typu wrapper Nowe metody

Bardziej szczegółowo

METODY OBLICZENIOWE. Projekt nr 3.4. Dariusz Ostrowski, Wojciech Muła 2FD/L03

METODY OBLICZENIOWE. Projekt nr 3.4. Dariusz Ostrowski, Wojciech Muła 2FD/L03 METODY OBLICZENIOWE Projekt nr 3.4 Dariusz Ostrowski, Wojciech Muła 2FD/L03 Zadanie Nasze zadanie składało się z dwóch części: 1. Sformułowanie, przy użyciu metody Lagrange a II rodzaju, równania różniczkowego

Bardziej szczegółowo

MEODY GRUPOWANIA DANYCH

MEODY GRUPOWANIA DANYCH Sztuczna inteligencja 9999 pages 17 MEODY GRUPOWANIA DANYCH PB 1 CWICZENIE I 1. Ze zbioru danych iris.tab wybra nastepuj ce obiekty: ID SL SW PL PW C 1 5.1 3.5 1.4 0.2 Iris-setosa 2 4.9 3.0 1.4 0.2 Iris-setosa

Bardziej szczegółowo

Jak przekształcać zmienne jakościowe?

Jak przekształcać zmienne jakościowe? Data Preparation Jak przekształcać zmienne jakościowe? Marta Płonka Predictive Solutions W ostatnim artykule zobaczyliśmy, jak sprawdzić, czy między wybranymi przez nas predyktorami a zmienną przewidywaną

Bardziej szczegółowo

Przykładowa analiza danych

Przykładowa analiza danych Przykładowa analiza danych W analizie wykorzystano dane pochodzące z publicznego repozytorium ArrayExpress udostępnionego na stronach Europejskiego Instytutu Bioinformatyki (http://www.ebi.ac.uk/). Zbiór

Bardziej szczegółowo

W jakim stopniu uczniowie opanowali umiejętność Wykorzystywania wiedzy w praktyce? Analiza zadań otwartych z arkusza Sprawdzian 2012

W jakim stopniu uczniowie opanowali umiejętność Wykorzystywania wiedzy w praktyce? Analiza zadań otwartych z arkusza Sprawdzian 2012 Jerzy Matwijko Okręgowa Komisja Egzaminacyjna w Krakowie W jakim stopniu uczniowie opanowali umiejętność Wykorzystywania wiedzy w praktyce? Analiza zadań otwartych z arkusza Sprawdzian 2012 W Pracowni

Bardziej szczegółowo

Podstawy pozycjonowania CSS

Podstawy pozycjonowania CSS Podstawy pozycjonowania CSS Żeby pokazać w jaki sposób przeglądarka rozkłada elementy na stronie posłużę się prostym przykładowym fragmentem kodu html. div id="before"

Bardziej szczegółowo

Optymalizacja parametrów w strategiach inwestycyjnych dla event-driven tradingu dla odczytu Australia Employment Change

Optymalizacja parametrów w strategiach inwestycyjnych dla event-driven tradingu dla odczytu Australia Employment Change Raport 4/2015 Optymalizacja parametrów w strategiach inwestycyjnych dla event-driven tradingu dla odczytu Australia Employment Change autor: Michał Osmoła INIME Instytut nauk informatycznych i matematycznych

Bardziej szczegółowo

Michał Kozielski Łukasz Warchał. Instytut Informatyki, Politechnika Śląska

Michał Kozielski Łukasz Warchał. Instytut Informatyki, Politechnika Śląska Michał Kozielski Łukasz Warchał Instytut Informatyki, Politechnika Śląska Algorytm DBSCAN Algorytm OPTICS Analiza gęstego sąsiedztwa w grafie Wstępne eksperymenty Podsumowanie Algorytm DBSCAN Analiza gęstości

Bardziej szczegółowo

Wstęp do programowania

Wstęp do programowania Wstęp do programowania Algorytmy zachłanne, programowanie dynamiczne Paweł Daniluk Wydział Fizyki Jesień 2014 P. Daniluk(Wydział Fizyki) WP w. IX Jesień 2014 1 / 26 Algorytmy zachłanne Strategia polegająca

Bardziej szczegółowo

Inżynieria oprogramowania

Inżynieria oprogramowania Inżynieria oprogramowania Wykład 8 Inżynieria wymagań: analiza przypadków użycia a diagram czynności Patrz: Stanisław Wrycza, Bartosz Marcinkowski, Krzysztof Wyrzykowski, Język UML 2.0 w modelowaniu systemów

Bardziej szczegółowo

Projektowanie bazy danych przykład

Projektowanie bazy danych przykład Projektowanie bazy danych przykład Pierwszą fazą tworzenia projektu bazy danych jest postawienie definicji celu, założeń wstępnych i określenie podstawowych funkcji aplikacji. Każda baza danych jest projektowana

Bardziej szczegółowo

Ocena nadzoru nad samodzielnością tworzenia prac dyplomowych

Ocena nadzoru nad samodzielnością tworzenia prac dyplomowych Ocena nadzoru nad samodzielnością tworzenia prac dyplomowych XIX Zgromadzenie Plenarne Konferencji Rektorów Publicznych Szkół Zawodowych w Polsce Sulechów, 24 stycznia 2013. Marek Rocki, 24 stycznia 2013

Bardziej szczegółowo

ERGODESIGN - Podręcznik użytkownika. Wersja 1.0 Warszawa 2010

ERGODESIGN - Podręcznik użytkownika. Wersja 1.0 Warszawa 2010 ERGODESIGN - Podręcznik użytkownika Wersja 1.0 Warszawa 2010 Spis treści Wstęp...3 Organizacja menu nawigacja...3 Górne menu nawigacyjne...3 Lewe menu robocze...4 Przestrzeń robocza...5 Stopka...5 Obsługa

Bardziej szczegółowo

METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA

METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA AMFETAMINY Waldemar S. Krawczyk Centralne Laboratorium Kryminalistyczne Komendy Głównej Policji, Warszawa (praca obroniona na Wydziale Chemii Uniwersytetu

Bardziej szczegółowo

Poznań, 14 grudnia 2002. Case Study 2 Analiza skupień

Poznań, 14 grudnia 2002. Case Study 2 Analiza skupień Poznań, 14 grudnia 2002 Case Study 2 Analiza skupień Celem ćwiczenia jest przeprowadzenie procesu grupowania / analizy skupień dla jednego z wybranych zbiorów danych (tj. dostarczonych przez prowadzącego).

Bardziej szczegółowo

P R Z E T W A R Z A N I E S Y G N A Ł Ó W B I O M E T R Y C Z N Y C H

P R Z E T W A R Z A N I E S Y G N A Ł Ó W B I O M E T R Y C Z N Y C H W O J S K O W A A K A D E M I A T E C H N I C Z N A W Y D Z I A Ł E L E K T R O N I K I Drukować dwustronnie P R Z E T W A R Z A N I E S Y G N A Ł Ó W B I O M E T R Y C Z N Y C H Grupa... Data wykonania

Bardziej szczegółowo

Sztuczna Inteligencja Projekt

Sztuczna Inteligencja Projekt Sztuczna Inteligencja Projekt Temat: Algorytm LEM2 Liczba osób realizujących projekt: 2 1. Zaimplementować algorytm LEM 2. 2. Zaimplementować klasyfikator Classif ier. 3. Za pomocą algorytmu LEM 2 wygenerować

Bardziej szczegółowo

Inwestycje finansowe. Wycena obligacji. Stopa zwrotu z akcji. Ryzyko.

Inwestycje finansowe. Wycena obligacji. Stopa zwrotu z akcji. Ryzyko. Inwestycje finansowe Wycena obligacji. Stopa zwrotu z akcji. yzyko. Inwestycje finansowe Instrumenty rynku pieniężnego (np. bony skarbowe). Instrumenty rynku walutowego. Obligacje. Akcje. Instrumenty pochodne.

Bardziej szczegółowo

Metody Programowania

Metody Programowania POLITECHNIKA KRAKOWSKA - WIEiK KATEDRA AUTOMATYKI i TECHNIK INFORMACYJNYCH Metody Programowania www.pk.edu.pl/~zk/mp_hp.html Wykładowca: dr inż. Zbigniew Kokosiński zk@pk.edu.pl Wykład 8: Wyszukiwanie

Bardziej szczegółowo

Wykrywanie anomalii w zbiorze danych o dużym wymiarze

Wykrywanie anomalii w zbiorze danych o dużym wymiarze Wykrywanie anomalii w zbiorze danych o dużym wymiarze Piotr Kroll Na podstawie pracy: Very Fast Outlier Detection In Large Multidimensional Data Set autorstwa: A. Chandhary, A. Shalay, A. Moore Różne rozwiązania

Bardziej szczegółowo

Optymalizacja zapytań. Proces przetwarzania i obliczania wyniku zapytania (wyrażenia algebry relacji) w SZBD

Optymalizacja zapytań. Proces przetwarzania i obliczania wyniku zapytania (wyrażenia algebry relacji) w SZBD Optymalizacja zapytań Proces przetwarzania i obliczania wyniku zapytania (wyrażenia algebry relacji) w SZBD Elementy optymalizacji Analiza zapytania i przekształcenie go do lepszej postaci. Oszacowanie

Bardziej szczegółowo

Plan wynikowy. Klasa III Technik pojazdów samochodowych/ Technik urządzeń i systemów energetyki odnawialnej. Kształcenie ogólne w zakresie podstawowym

Plan wynikowy. Klasa III Technik pojazdów samochodowych/ Technik urządzeń i systemów energetyki odnawialnej. Kształcenie ogólne w zakresie podstawowym Oznaczenia: wymagania konieczne, P wymagania podstawowe, R wymagania rozszerzające, D wymagania dopełniające, W wymagania wykraczające. Plan wynikowy lasa III Technik pojazdów samochodowych/ Technik urządzeń

Bardziej szczegółowo

Inżynieria Programowania Laboratorium 3 Projektowanie i implementacja bazy danych. Paweł Paduch paduch@tu.kielce.pl

Inżynieria Programowania Laboratorium 3 Projektowanie i implementacja bazy danych. Paweł Paduch paduch@tu.kielce.pl Inżynieria Programowania Laboratorium 3 Projektowanie i implementacja bazy danych Paweł Paduch paduch@tu.kielce.pl 06-04-2013 Rozdział 1 Wstęp Na dzisiejszych zajęciach zajmiemy się projektem bazy danych.

Bardziej szczegółowo

Analiza korespondencji

Analiza korespondencji Analiza korespondencji Kiedy stosujemy? 2 W wielu badaniach mamy do czynienia ze zmiennymi jakościowymi (nominalne i porządkowe) typu np.: płeć, wykształcenie, status palenia. Punktem wyjścia do analizy

Bardziej szczegółowo

Wojewódzki Konkurs Przedmiotowy z Matematyki etap szkolny. Przykładowe rozwiązania i propozycja punktacji rozwiązań

Wojewódzki Konkurs Przedmiotowy z Matematyki etap szkolny. Przykładowe rozwiązania i propozycja punktacji rozwiązań Wojewódzki Konkurs Przedmiotowy z Matematyki etap szkolny Przykładowe rozwiązania i propozycja punktacji rozwiązań Ustalenia do punktowania zadań otwartych: 1. Jeśli uczeń przedstawił obok prawidłowej

Bardziej szczegółowo

Badanie rozkładu pola magnetycznego przewodników z prądem

Badanie rozkładu pola magnetycznego przewodników z prądem Ćwiczenie E7 Badanie rozkładu pola magnetycznego przewodników z prądem E7.1. Cel ćwiczenia Prąd elektryczny płynący przez przewodnik wytwarza wokół niego pole magnetyczne. Ćwiczenie polega na pomiarze

Bardziej szczegółowo

Polcode Code Contest PHP-10.09

Polcode Code Contest PHP-10.09 Polcode Code Contest PHP-10.09 Przedmiotem konkursu jest napisanie w języku PHP programu, którego wykonanie spowoduje rozwiązanie zadanego problemu i wyświetlenie rezultatu. Zadanie konkursowe Celem zadania

Bardziej szczegółowo

QUERY język zapytań do tworzenia raportów w AS/400

QUERY język zapytań do tworzenia raportów w AS/400 QUERY język zapytań do tworzenia raportów w AS/400 Dariusz Bober Katedra Informatyki Politechniki Lubelskiej Streszczenie: W artykule przedstawiony został język QUERY, standardowe narzędzie pracy administratora

Bardziej szczegółowo

Język programowania zbiór reguł określających, które ciągi symboli tworzą program komputerowy oraz jakie obliczenia opisuje ten program.

Język programowania zbiór reguł określających, które ciągi symboli tworzą program komputerowy oraz jakie obliczenia opisuje ten program. PYTHON Język programowania zbiór reguł określających, które ciągi symboli tworzą program komputerowy oraz jakie obliczenia opisuje ten program. Aby program napisany w danym języku mógł być wykonany, niezbędne

Bardziej szczegółowo

TWORZENIE SCHEMATÓW BLOKOWYCH I ELEKTRYCZNYCH

TWORZENIE SCHEMATÓW BLOKOWYCH I ELEKTRYCZNYCH Wydział Elektryczny Katedra Elektrotechniki Teoretycznej i Metrologii Instrukcja do pracowni z przedmiotu Podstawy Informatyki Kod przedmiotu: TS1C 100 003 Ćwiczenie pt. TWORZENIE SCHEMATÓW BLOKOWYCH I

Bardziej szczegółowo

Algorytm hybrydowy dla alokacji portfela inwestycyjnego przy ograniczonych zasobach

Algorytm hybrydowy dla alokacji portfela inwestycyjnego przy ograniczonych zasobach Adam Stawowy Algorytm hybrydowy dla alokacji portfela inwestycyjnego przy ograniczonych zasobach Summary: We present a meta-heuristic to combine Monte Carlo simulation with genetic algorithm for Capital

Bardziej szczegółowo

Analiza i projektowanie oprogramowania. Analiza i projektowanie oprogramowania 1/32

Analiza i projektowanie oprogramowania. Analiza i projektowanie oprogramowania 1/32 Analiza i projektowanie oprogramowania Analiza i projektowanie oprogramowania 1/32 Analiza i projektowanie oprogramowania 2/32 Cel analizy Celem fazy określania wymagań jest udzielenie odpowiedzi na pytanie:

Bardziej szczegółowo

STATYSTYKA REGIONALNA Marcin Salamaga Wydatki gospodarstw domowych według województw w 2006 r.

STATYSTYKA REGIONALNA Marcin Salamaga Wydatki gospodarstw domowych według województw w 2006 r. Spis treści nr 4/2009 Wiadomości Statystyczne STUDIA METODOLOGICZNE Jacek Białek, Henryk Gadecki Szacowanie współczynników w teście normalności Shapiro-Wilka Andrzej Młodak Hierarchiczność a porządkowanie

Bardziej szczegółowo

Ćwiczenie 12. Metody eksploracji danych

Ćwiczenie 12. Metody eksploracji danych Ćwiczenie 12. Metody eksploracji danych Modelowanie regresji (Regression modeling) 1. Zadanie regresji Modelowanie regresji jest metodą szacowania wartości ciągłej zmiennej celu. Do najczęściej stosowanych

Bardziej szczegółowo

Opinia prawna na temat projektu ustawy o zmianie ustawy Prawo ochrony środowiska i ustawy Prawo wodne (druk nr 678)

Opinia prawna na temat projektu ustawy o zmianie ustawy Prawo ochrony środowiska i ustawy Prawo wodne (druk nr 678) Warszawa, dnia 7 sierpnia 2002 r. Opinia prawna na temat projektu ustawy o zmianie ustawy Prawo ochrony środowiska i ustawy Prawo wodne (druk nr 678) Celem projektu ustawy o zmianie ustawy Prawo ochrony

Bardziej szczegółowo

EGZAMIN MATURALNY Z INFORMATYKI

EGZAMIN MATURALNY Z INFORMATYKI Miejsce na naklejkę z kodem szkoły dysleksja MIN-R2A1P-052 EGZAMIN MATURALNY Z INFORMATYKI POZIOM ROZSZERZONY Czas pracy 150 minut ARKUSZ II MAJ ROK 2005 Instrukcja dla zdającego 1. Sprawdź, czy arkusz

Bardziej szczegółowo

Rozpoznawanie: Klasteryzacja zbioru ofert sprzedaży mieszkania.

Rozpoznawanie: Klasteryzacja zbioru ofert sprzedaży mieszkania. Rozpoznawanie: Klasteryzacja zbioru ofert sprzedaży mieszkania. Paweł Szołtysek Spis treści 1 Wstęp 2 2 Wygląd oferty sprzedaży nieruchomości 2 2.1 Ogłoszenia problematyczne.................... 3 3 Wybór

Bardziej szczegółowo

1.7. Eksploracja danych: pogłębianie, przeszukiwanie i wyławianie

1.7. Eksploracja danych: pogłębianie, przeszukiwanie i wyławianie Wykaz tabel Wykaz rysunków Przedmowa 1. Wprowadzenie 1.1. Wprowadzenie do eksploracji danych 1.2. Natura zbiorów danych 1.3. Rodzaje struktur: modele i wzorce 1.4. Zadania eksploracji danych 1.5. Komponenty

Bardziej szczegółowo

MOŻLIWOŚCI WERYFIKACJI WYCEN WARTOŚCI NIERUCHOMOŚCI Z POMOCĄ NARZĘDZI ANALIZY WIELOKRYTERIALNEJ

MOŻLIWOŚCI WERYFIKACJI WYCEN WARTOŚCI NIERUCHOMOŚCI Z POMOCĄ NARZĘDZI ANALIZY WIELOKRYTERIALNEJ MOŻLIWOŚCI WERYFIKACJI WYCEN WARTOŚCI NIERUCHOMOŚCI Z POMOCĄ NARZĘZI ANALIZY WIELOKRYTERIALNEJ Mirosław YTCZAK, Grzegorz GINA, Maciej SZPRINGIER Streszczenie: Wycena uwarunkowana jest wieloma prawnymi

Bardziej szczegółowo

WYKŁAD 12. Analiza obrazu Wyznaczanie parametrów ruchu obiektów

WYKŁAD 12. Analiza obrazu Wyznaczanie parametrów ruchu obiektów WYKŁAD 1 Analiza obrazu Wyznaczanie parametrów ruchu obiektów Cel analizy obrazu: przedstawienie każdego z poszczególnych obiektów danego obrazu w postaci wektora cech dla przeprowadzenia procesu rozpoznania

Bardziej szczegółowo

Pomiar ogniskowych soczewek metodą Bessela

Pomiar ogniskowych soczewek metodą Bessela Ćwiczenie O4 Pomiar ogniskowych soczewek metodą Bessela O4.1. Cel ćwiczenia Celem ćwiczenia jest wyznaczenie ogniskowych soczewek skupiających oraz rozpraszających z zastosowaniem o metody Bessela. O4.2.

Bardziej szczegółowo

Sposoby prezentacji problemów w statystyce

Sposoby prezentacji problemów w statystyce S t r o n a 1 Dr Anna Rybak Instytut Informatyki Uniwersytet w Białymstoku Sposoby prezentacji problemów w statystyce Wprowadzenie W artykule zostaną zaprezentowane podstawowe zagadnienia z zakresu statystyki

Bardziej szczegółowo

Analiza wyników egzaminacyjnych 2013

Analiza wyników egzaminacyjnych 2013 Analiza wyników egzaminacyjnych 2013 z wykorzystaniem wskaźników edukacyjnej wartości dodanej (EWD) 1. Zestawienie ogólne wskaźników EWD dla egzaminu 2013 Wskaźniki EWD dla tegorocznego egzaminu gimnazjalnego

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela Wykład 3: Analiza struktury zbiorowości statystycznej. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.

Statystyka w pracy badawczej nauczyciela Wykład 3: Analiza struktury zbiorowości statystycznej. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin. Statystyka w pracy badawczej nauczyciela Wykład 3: Analiza struktury zbiorowości statystycznej dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Zadania analityczne (1) Analiza przewiduje badanie podobieństw

Bardziej szczegółowo

Praca Magisterska. Automatyczna kontekstowa korekta tekstów na podstawie Grafu Przyzwyczajeń. internetowego dla języka polskiego

Praca Magisterska. Automatyczna kontekstowa korekta tekstów na podstawie Grafu Przyzwyczajeń. internetowego dla języka polskiego Praca Magisterska Automatyczna kontekstowa korekta tekstów na podstawie Grafu Przyzwyczajeń Lingwistycznych zbudowanego przez robota internetowego dla języka polskiego Marcin A. Gadamer Promotor: dr Adrian

Bardziej szczegółowo

Zagadnienia: równanie soczewki, ogniskowa soczewki, powiększenie, geometryczna konstrukcja obrazu, działanie prostych przyrządów optycznych.

Zagadnienia: równanie soczewki, ogniskowa soczewki, powiększenie, geometryczna konstrukcja obrazu, działanie prostych przyrządów optycznych. msg O 7 - - Temat: Badanie soczewek, wyznaczanie odległości ogniskowej. Zagadnienia: równanie soczewki, ogniskowa soczewki, powiększenie, geometryczna konstrukcja obrazu, działanie prostych przyrządów

Bardziej szczegółowo

Testowanie modeli predykcyjnych

Testowanie modeli predykcyjnych Testowanie modeli predykcyjnych Wstęp Podczas budowy modelu, którego celem jest przewidywanie pewnych wartości na podstawie zbioru danych uczących poważnym problemem jest ocena jakości uczenia i zdolności

Bardziej szczegółowo

Outlier to dana (punkt, obiekt, wartośd w zbiorze) znacznie odstająca od reszty. prezentacji punktów odstających jest rysunek poniżej.

Outlier to dana (punkt, obiekt, wartośd w zbiorze) znacznie odstająca od reszty. prezentacji punktów odstających jest rysunek poniżej. Temat: WYKRYWANIE ODCHYLEO W DANYCH Outlier to dana (punkt, obiekt, wartośd w zbiorze) znacznie odstająca od reszty. prezentacji punktów odstających jest rysunek poniżej. Przykładem Box Plot wygodną metodą

Bardziej szczegółowo

Przykład: budowa placu zabaw (metoda ścieżki krytycznej)

Przykład: budowa placu zabaw (metoda ścieżki krytycznej) Przykład: budowa placu zabaw (metoda ścieżki krytycznej) Firma budowlana Z&Z podjęła się zadania wystawienia placu zabaw dla dzieci w terminie nie przekraczającym 20 dni. Listę czynności do wykonania zawiera

Bardziej szczegółowo

ANALIZA CZYNNIKÓW ROKOWNICZYCH I METOD LECZENIA U CHORYCH NA ZIARNICĘ ZŁOŚLIWĄ

ANALIZA CZYNNIKÓW ROKOWNICZYCH I METOD LECZENIA U CHORYCH NA ZIARNICĘ ZŁOŚLIWĄ ANALIZA CZYNNIKÓW ROKOWNICZYCH I METOD LECZENIA U CHORYCH NA ZIARNICĘ ZŁOŚLIWĄ prof. dr hab. Andrzej Sokołowski, dr Adam Sagan Jednym z ważniejszych obszarów zastosowań programu STATISTICA w badaniach

Bardziej szczegółowo

INFILTRACJA POWIETRZA WSPÓŁCZYNNIK a

INFILTRACJA POWIETRZA WSPÓŁCZYNNIK a www.ltb.org.pl strona 1 / 5 INFILTRACJA POWIETRZA WSPÓŁCZYNNIK a Wymagania krajowe a norma PN-EN 14351-1:2006 mgr inż. Andrzej Żyła Norma europejska PN-EN 14351-1:2006 Okna i drzwi. Norma wyrobu, właściwości

Bardziej szczegółowo

Ćwiczenie 1. Modelowanie prostego procesu

Ćwiczenie 1. Modelowanie prostego procesu Ćwiczenie 1. Modelowanie prostego procesu Część 1. Definiowanie nowego projektu 1. Uruchom narzędzie TIBCO Business Studio. 2. Z menu wybierz File -> New -> Project... 3. W oknie dialogowym New Project

Bardziej szczegółowo

Sponsorem wydruku schematu odpowiedzi jest wydawnictwo

Sponsorem wydruku schematu odpowiedzi jest wydawnictwo Kujawsko-Pomorskie Centrum Edukacji Nauczycieli w Bydgoszczy PLACÓWKA AKREDYTOWANA Sponsorem wydruku schematu odpowiedzi jest wydawnictwo KRYTERIA OCENIANIA POZIOM PODSTAWOWY Katalog poziom podstawowy

Bardziej szczegółowo

Automatyczny dobór parametrów algorytmu genetycznego

Automatyczny dobór parametrów algorytmu genetycznego Automatyczny dobór parametrów algorytmu genetycznego Remigiusz Modrzejewski 22 grudnia 2008 Plan prezentacji Wstęp Atrakcyjność Pułapki Klasyfikacja Wstęp Atrakcyjność Pułapki Klasyfikacja Konstrukcja

Bardziej szczegółowo

Analiza Statystyczna

Analiza Statystyczna Lekcja 5. Strona 1 z 12 Analiza Statystyczna Do analizy statystycznej wykorzystać można wbudowany w MS Excel pakiet Analysis Toolpak. Jest on instalowany w programie Excel jako pakiet dodatkowy. Oznacza

Bardziej szczegółowo

Wyznaczanie momentu magnetycznego obwodu w polu magnetycznym

Wyznaczanie momentu magnetycznego obwodu w polu magnetycznym Ćwiczenie E6 Wyznaczanie momentu magnetycznego obwodu w polu magnetycznym E6.1. Cel ćwiczenia Na zamkniętą pętlę przewodnika z prądem, umieszczoną w jednorodnym polu magnetycznym, działa skręcający moment

Bardziej szczegółowo

PODSTAWOWE ANALIZY I WIZUALIZACJA Z WYKORZYSTANIEM MAP W STATISTICA

PODSTAWOWE ANALIZY I WIZUALIZACJA Z WYKORZYSTANIEM MAP W STATISTICA PODSTAWOWE ANALIZY I WIZUALIZACJA Z WYKORZYSTANIEM MAP W STATISTICA Krzysztof Suwada, StatSoft Polska Sp. z o.o. Wstęp Wiele różnych analiz dotyczy danych opisujących wielkości charakterystyczne bądź silnie

Bardziej szczegółowo

Nowy wymiar jakości danych w ubezpieczeniach. Wojciech Partyka

Nowy wymiar jakości danych w ubezpieczeniach. Wojciech Partyka Nowy wymiar jakości danych w ubezpieczeniach Wojciech Partyka Znaczenie jakości danych Wymiana danych z podmiotami zewnętrznymi Integracja systemów informatycznych Zapewnienie możliwości uczestniczenia

Bardziej szczegółowo

Ocena efektywności pracy. Opracowanie: Aneta Stosik

Ocena efektywności pracy. Opracowanie: Aneta Stosik Ocena efektywności pracy Opracowanie: Aneta Stosik Zarządzanie zasobami ludzkimi Strategiczne i spójne podejście do zarządzania najbardziej wartościowymi aktywami organizacji Proces celowego grupowania

Bardziej szczegółowo

Zasady Nazewnictwa. Dokumentów XML 2007-11-08. Strona 1 z 9

Zasady Nazewnictwa. Dokumentów XML 2007-11-08. Strona 1 z 9 Zasady Nazewnictwa Dokumentów 2007-11-08 Strona 1 z 9 Spis treści I. Wstęp... 3 II. Znaczenie spójnych zasady nazewnictwa... 3 III. Zasady nazewnictwa wybrane zagadnienia... 3 1. Język oraz forma nazewnictwa...

Bardziej szczegółowo

Dokumentacja Końcowa

Dokumentacja Końcowa Metody Sztucznej Inteligencji 2 Projekt Prognozowanie kierunku ruchu indeksów giełdowych na podstawie danych historycznych. Dokumentacja Końcowa Autorzy: Robert Wojciechowski Michał Denkiewicz Wstęp Celem

Bardziej szczegółowo

Geoportal.gov.pl Przewodnik użytkownika Załącznik 1 Dokumentacja profilu GUGIK usługi OpenLS

Geoportal.gov.pl Przewodnik użytkownika Załącznik 1 Dokumentacja profilu GUGIK usługi OpenLS Geoportal.gov.pl Przewodnik użytkownika Załącznik 1 Dokumentacja profilu GUGIK usługi OpenLS Spis treści 1. Wprowadzenie... 2 2. gugik_ols: AddressPoint... 2 3. gugik_ols: AdministrativeUnit... 3 4. gugik_ols:

Bardziej szczegółowo

Zagadnienie klasyfikacji (dyskryminacji)

Zagadnienie klasyfikacji (dyskryminacji) Zagadnienie klasyfikacji (dyskryminacji) Przykład Bank chce klasyfikować klientów starających się o pożyczkę do jednej z dwóch grup: niskiego ryzyka (spłacających pożyczki terminowo) lub wysokiego ryzyka

Bardziej szczegółowo

Wyznaczanie symulacyjne granicy minimalnej w portfelu Markowitza

Wyznaczanie symulacyjne granicy minimalnej w portfelu Markowitza Wyznaczanie symulacyjne granicy minimalnej w portfelu Markowitza Łukasz Kanar UNIWERSYTET WARSZAWSKI WYDZIAŁ NAUK EKONOMICZNYCH WARSZAWA 2008 1. Portfel Markowitza Dany jest pewien portfel n 1 spółek giełdowych.

Bardziej szczegółowo

Badania operacyjne: Wykład Zastosowanie kolorowania grafów w planowaniu produkcji typu no-idle

Badania operacyjne: Wykład Zastosowanie kolorowania grafów w planowaniu produkcji typu no-idle Badania operacyjne: Wykład Zastosowanie kolorowania grafów w planowaniu produkcji typu no-idle Paweł Szołtysek 12 czerwca 2008 Streszczenie Planowanie produkcji jest jednym z problemów optymalizacji dyskretnej,

Bardziej szczegółowo

Nowości w wersji 10.2 Comarch CDN XL Business Intelligence

Nowości w wersji 10.2 Comarch CDN XL Business Intelligence Nowości w wersji 10.2 Comarch CDN XL Business Intelligence Wersja 2.1 Spis treści Spis treści... 2 1 Business Intelligence... 3 1.1 Rozwój obszarów analitycznych... 3 1.1.1 Atrybuty analityczne oraz kody

Bardziej szczegółowo

Katedra Genetyki i Podstaw Hodowli Zwierząt Wydział Hodowli i Biologii Zwierząt, UTP w Bydgoszczy

Katedra Genetyki i Podstaw Hodowli Zwierząt Wydział Hodowli i Biologii Zwierząt, UTP w Bydgoszczy Ćwiczenie: Analiza zmienności prosta Przykład w MS EXCEL Sprawdź czy genotyp jagniąt wpływa statystycznie na cechy użytkowości rzeźnej? Obliczenia wykonaj za pomocą modułu Analizy danych (jaganova.xls).

Bardziej szczegółowo

Demografia Liczba, rozmieszczenie i struktura ludności

Demografia Liczba, rozmieszczenie i struktura ludności Demografia Liczba, rozmieszczenie i struktura ludności Materiały dydaktyczne Opracowano na podst. J. Holzer, Demografia, Warszawa 2003. Podstawowe czynniki determinujące rozmieszczenie ludności 1. Czynniki

Bardziej szczegółowo

WYMAGANIA EDUKACYJNE Z MATEMATYKI DLA KLASY I GIMNAZJUM

WYMAGANIA EDUKACYJNE Z MATEMATYKI DLA KLASY I GIMNAZJUM WYMAGANIA EDUKACYJNE Z MATEMATYKI DLA KLASY I GIMNAZJUM LICZBY I DZIAŁANIA zna pojęcie liczby naturalnej, całkowitej, wymiernej rozumie rozszerzenie osi liczbowej na liczby ujemne umie zaznaczać liczbę

Bardziej szczegółowo

Podstawowa dokumentacja metodyczna w pracy nauczyciela Konspekt i scenariusz lekcji. Oprac: Beata Rutkowska doradca metodyczny

Podstawowa dokumentacja metodyczna w pracy nauczyciela Konspekt i scenariusz lekcji. Oprac: Beata Rutkowska doradca metodyczny Podstawowa dokumentacja metodyczna w pracy nauczyciela Konspekt i scenariusz lekcji Oprac: Beata Rutkowska doradca metodyczny Czym jest konspekt lub scenariusz? Najogólniej konspekt czy scenariusz to pisemny

Bardziej szczegółowo

System transakcyjny oparty na średnich ruchomych. ś h = + + + + gdzie, C cena danego okresu, n liczba okresów uwzględnianych przy kalkulacji.

System transakcyjny oparty na średnich ruchomych. ś h = + + + + gdzie, C cena danego okresu, n liczba okresów uwzględnianych przy kalkulacji. Średnie ruchome Do jednych z najbardziej znanych oraz powszechnie wykorzystywanych wskaźników analizy technicznej, umożliwiających analizę trendu zaliczyć należy średnie ruchome (ang. moving averages).

Bardziej szczegółowo

EGZAMIN MATURALNY OD ROKU SZKOLNEGO

EGZAMIN MATURALNY OD ROKU SZKOLNEGO EGZAMIN MATURALNY OD ROKU SZKOLNEGO 2014/2015 INFORMATYKA POZIOM ROZSZERZONY ROZWIĄZANIA ZADAŃŃ I SCHEMATY PUNKTOWANIA (A1, A2, A3, A4, A6, A7) GRUDZIEŃ 2013 Zadanie 1. Test (0 5) Wymagania ogólne I. [

Bardziej szczegółowo

PORÓWNANIE TREŚCI ZAWARTYCH W OBOWIĄZUJĄCYCH STANDARDACH EGZAMINACYJNYCH Z TREŚCIAMI NOWEJ PODSTAWY PROGRAMOWEJ

PORÓWNANIE TREŚCI ZAWARTYCH W OBOWIĄZUJĄCYCH STANDARDACH EGZAMINACYJNYCH Z TREŚCIAMI NOWEJ PODSTAWY PROGRAMOWEJ PORÓWNANIE TREŚCI ZAWARTYCH W OBOWIĄZUJĄCYCH STANDARDACH EGZAMINACYJNYCH Z TREŚCIAMI NOWEJ PODSTAWY PROGRAMOWEJ L.p. 1. Liczby rzeczywiste 2. Wyrażenia algebraiczne bada, czy wynik obliczeń jest liczbą

Bardziej szczegółowo

Jednym z najważniejszych zagadnień, z którym może się zetknąć twórca

Jednym z najważniejszych zagadnień, z którym może się zetknąć twórca Uwierzytelnianie w PHP 01 Jednym z najważniejszych zagadnień, z którym może się zetknąć twórca stron internetowych, jest identyfikacja i uwierzytelnienie uprzywilejowanego użytkownika. Od zaprojektowania

Bardziej szczegółowo

Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego

Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego Dorota Witkowska Szkoła Główna Gospodarstwa Wiejskiego w Warszawie Wprowadzenie Sztuczne

Bardziej szczegółowo

JAK TO DZIAŁA? Strona 4. Przewód : Obroża z odbiornikiem : Nadajnik :

JAK TO DZIAŁA? Strona 4. Przewód : Obroża z odbiornikiem : Nadajnik : JAK TO DZIAŁA? Przewód : Rozciągnięty w ogrodzie, połączony z nadajnikiem, przesyła sygnały w kierunku obroży. Wyznacza obszar po którym może się poruszać pies. Obroża z odbiornikiem : Umieszczona na szyi

Bardziej szczegółowo

Podstawy programowania 2. Przygotował: mgr inż. Tomasz Michno

Podstawy programowania 2. Przygotował: mgr inż. Tomasz Michno Instrukcja laboratoryjna 2 Podstawy programowania 2 Temat: Zmienne dynamiczne tablica wskaźników i stos dynamiczny Przygotował: mgr inż. Tomasz Michno 1 Wstęp teoretyczny 1.1 Tablice wskaźników Tablice

Bardziej szczegółowo