PODSTAWOWE ZAGADNIENIA METODOLOGICZNE

Wielkość: px
Rozpocząć pokaz od strony:

Download "PODSTAWOWE ZAGADNIENIA METODOLOGICZNE"

Transkrypt

1 PODSTAWOWE ZAGADNIENIA METODOLOGICZNE. Wprowadzeie W ekoomii i aukach o zarządzaiu obserwuje się tedecję do ilościowego opisu zależości miedzy zjawiskami ekoomiczymi. Umożliwia to - zobiektywizowaie i usprawieie procesu podejmowaia ajlepszych decyzji (podejście aktywe), - wykrywaie współzależości i stawiaie progoz (podejście pasywe), a szczeblu - mikro (przedsiębiorstwo), - makro (gospodarka, gałąź). Ekoometria zajmuje się poszukiwaiem zależości ilościowych wykorzystaiu metod aalizy statystyczej i stawiaiem progoz. w życiu gospodarczym przy Badaia operacyje : dziedzia wiedzy zajmująca się poszukiwaiem sposobów podejmowaia ajlepszych (optymalych) decyzji.. Etapy podejmowaia decyzji W sformalizowaym podejściu do podejmowaia decyzji wyróżia się astępujące etapy : a) sformułowaie problemu, b) budowa modelu matematyczego, c) wyzaczeie rozwiązaia, d) ocea rozwiązaia, e) podjęcie decyzji. Ad. a). Opisujemy w sposób werbaly sytuację decyzyją : określamy cel aalizy i waruki w jakich działamy. Dokoujemy jakościowego opisu uwzględiając : - cel badaia, - wiedzę teoretyczą o przebiegu zjawisk gospodarczych, - możliwości zebraia materiału statystyczego, - koszty aalizy, wymagaia dot. czasu i dokładości uzyskaia wyików, itp. Ad. b). Dokoujemy 'przetłumaczeia' opisu słowego problemu decyzyjego a język matematyki kostruując model matematyczy sytuacji decyzyjej. Nie może być oo całkowicie wiere. Model ie może być zbyt duży (wielkość modelu mierzy się ilością zmieych i waruków ograiczających) a zależości występujące w modelu zbyt skomplikowae. Budując model musimy zaleźć kompromis pomiędzy wierością opisu a złożoością modelu. Abstrahujemy więc od - związków, które uzajemy za ieistote, - zbyt skomplikowaych zależości. Otrzymujemy problem programowaia matematyczego (PPM). Ad. c). Wyzaczamy rozwiązaie optymale bądź przybliżoe. Ad. d). Kofrotujemy model z rzeczywistością - porówując p. dotychczas podejmowae decyzje z decyzjami sugerowaymi przez model. Najczęściej iezbęda jest przebudowa modelu (uwzględieie pomiiętych zależości, bardziej realistycze modelowaie skomplikowaych związków itp.). Ad. e). Podejmujemy decyzję i dokoujemy jej wdrożeia.

2 3. Wybrae elemety aalizy decyzyjej Sytuacja decyzyja sytuacja w której istieje więcej iż jede sposób postępowaia. Decydet : osoba lub grupa osób podejmujących decyzję. W pierwszym przypadku mówimy o decydecie idywidualym, drugim zbiorowym (kolegialym). Każdy decydet działając w pewych warukach stawia sobie jakieś cele. Waruki te ograiczają swobodę działaia decydeta dlatego oszą azwę waruków ograiczających. Decyzja spełiająca te waruki azywa się decyzją dopuszczalą. Ze względu a postawioy cele jede decyzje są lepsze, ie gorsze. Decyzję ajpełiej realizującą postawioy cel azywamy decyzją optymalą. Waruki ograiczające przedstawiać będziemy w postaci układu rówań/ierówości. Preferecje (cele) decydeta przedstawiamy w postaci pewej fukcji liczbowej azywaej fukcją celu lub kryterium optymalizacji. Wyika z tego, ze ograiczamy się do przypadku, kiedy zarówo cele i waruki ograiczające są kwatyfikowale. Wielkości a które decydet może wpływać azywamy zmieymi decyzyjymi, a wielkości które pozostają poza kotrolą decydeta parametrami. Podejmowaie decyzji od stroy formalej sprowadza się do adaia zmieym decyzyjym pewych wartości. Decydet maksymalie realizuje cel adając zmieym decyzyjym wartości maksymalizujące bądź miimalizujące fukcję celu, spełiające waruki ograiczające. 4. Model matematyczy sytuacji decyzyjej Każda z decyzji jest określoa przez wektor x = [ x,..., x ], gdzie x j wartość przyjmowaa przez j tą zmieą. Ozaczmy przez D zbiór decyzji dopuszczalych. Stopień realizacji celu day jest przez fukcję liczbową f x,..., x ), krótko f (x). T ( Problem wyboru Wyzaczyć takie x dla którego f (x) osiąga ekstremum, tj. zaleźć x *, x* D, dla którego : () f ( x*) = max{ f ( x)} lub f ( x*) = mi{ f ( x)} : x D x D azywamy rozwiązaiem dopuszczalym, a x * optymalym. Zbiór D wyzacza się - eumeracyjie, podając wszystkie jego elemety, - określa się defiiując zależości fukcyje, jakie muszą spełiać x D. x D Pierwszy sposób jest mało praktyczy (zbyt liczy zbiór D), lub iestosowaly (zbiór ieskończoy).

3 Problem wyboru możemy przedstawić w postaci problemu programowaia matematyczego (PPM). Ograiczymy się do aalizy przypadku, gdy fukcja celu i waruki ograiczające są liiowymi fukcjami zmieych. Problem programowaia matematyczego przybiera wówczas postać problemu programowaia liiowego (PL), azywaego także liiowym zadaiem decyzyjym (LZD). 5. Liiowe zadaie decyzyje Problem programowaia liiowego w postaci ogólej przybiera postać: () c j x j max (3) a x b, i,..., m, ij j i = (4) a x b, i = m,..., p, ij j i + (5) a x = b, i = p,..., r, ij j i + (6) 0, j =,...,. x j, Parametrami są a ij, c j, bi, a zmiee to x j : c j azywa się wagami, a b i ograiczeiami prawych stro. Zbiór D jest określoy przez waruki (3) - (6). Problem () (6) jest problemem poszukiwaia ekstremum warukowego. Niekiedy, ze względów iterpretacyjych, jest o azyway zadaiem LZD (liiowym zadaiem decyzyjym). Problemem programowaia liiowego w postaci stadardowej azywamy problem : (7) c j x j max (8) a x b, i,..., m, ij j i = (9) x j 0, j =,...,, a w postaci kaoiczej problem : c j x j max aij x j = bi, i =,..., m, x j 0, j =,...,. 3

4 Zbór rozwiązań zadaia PL jest zbiorem wypukłym. Zbiór te może być - ograiczoy, - ieograiczoy, - pusty. 6. Własości zadań programowaia liiowego Jeżeli zbiór D jest pusty, to mówimy, że problem jest sprzeczy. W przeciwym przypadku problem jest iesprzeczy. Niesprzeczy problem PL może mieć - jedo rozwiązaie optymale, - ieskończeie wiele rozwiązań optymalych, - może ie mieć skończoego rozwiązaia. Problem ie ma skończoego rozwiązaia, jeżeli fukcja celu ie jest ograiczoa z góry (z dołu). Rozwiązaie optymale problemu PL jest puktem brzegowym (w szczególości wierzchołkowym) zbioru D. Waruek i ty azywamy - istotym, gdy jego usuięcie zmieia zbiór D, - ieistotym, gdy jego usuięcie ie powoduje takiej zmiay. Pomiięcie waruków ieistotych, zmiejszając rozmiar zadaia, ułatwia jego rozwiązaie. Waruek i ty azywamy wiążącym ze względu a rozwiązaie optymale, gdy jego pomiięcie powoduje zmiaę rozwiązaia optymalego. W przeciwym przypadku waruek azywamy iewiążącym. Jeżeli PL będący modelem problemu decyzyjego jest sprzeczy, świadczy to o uwzględieiu zbyt wielu ograiczeń. Nieograiczoość fukcji celu świadczy o ieuwzględieiu istotych ograiczeń. 7. Formułowaie zadań - zagadieie wyboru optymalego asortymetu produkcji. Sformułowaie problemu w postaci werbalej Przedsiębiorstwo wytwarza wyrobów zużywając m surowców. Na podstawie badań marketigowych i daych z ewidecji księgowej i orm techiczych określoo cey zbytu wyrobów, ormy zużycia surowców oraz ich możliwości przerobu w rozpatrywaym okresie. Wyzaczyć asortymet produkcji maksymalizujący przychód.. Sformułowaie problemu w postaci problemu programowaia liiowego Wprowadźmy astępujące ozaczeia : - - ilość wyrobów, - m - ilość surowców, - a ij - akład i-tego surowca iezbędy do wytworzeia jedostki j -tego wyrobu, - b i - możliwości przerobu i-tego surowca w okresie plaistyczym, - c j - cea zbytu j - tego wyrobu, - x j - wielkość produkcji wyrobu j. 4

5 T Asortymet produkcji określa wektor x = [ x,..., x ]. Pozostałe wielkości są parametrami. Przy przyjętych ozaczeiach postulat maksymalizacji przychodu moża skwatyfikować przy pomocy (7), a ograiczeia możliwości przerobu surowców a wyroby przez (8). Zatem (7) - (9) jest modelem matematyczym sytuacji decyzyjej. Formułując model przyjęto astępujące założeia: - cea zbytu ie zależy od wielkości sprzedaży (co jest prawdą tylko w przypadku małego przedsiębiorstwa), - zużycie surowca jest proporcjoale do wielkości produkcji. Uzasadieiem ekoomiczym dla maksymalizacji przychodu może być chęć zdobycia ryku. Poadto, maagemet firmy jest często wyagradzay w zależości ie od zysku, ale wielkości sprzedaży. Wybór fukcji celu ie jest oczywisty. Właściciele mogą być zaiteresowai maksymalizacją zysku (p. gdy firma jest spółką akcyją). Pracowicy mogą być zaiteresowai asortymetem produkcji maksymalizującym liczbę przepracowaych godzi. Wybór celu oraz postępowaie w przypadku istieia wielu celów staowi przedmiot zaiteresowań programowaia wielokryterialego. Wyzaczeie wartości parametrów w rozsądym czasie i przy rozsądych kosztach decyduje o możliwości praktyczego wykorzystaia modelu. Skłoość do sprowadzaia problemów decyzyjych do zadań PL wyika z - łatwości wyzaczeia rozwiązaia optymalego zadań PL, - powszechej dostępości iezbędych pakietów obliczeiowych (tzw. solverów). 3. Wyzaczaie rozwiązaia optymalego problemy wyboru optymalego asortymetu produkcji Rozważmy zadaie, w którym występują dwa wyroby i dwa surowce. Powiedzmy, że cey zbytu wyrobów wyoszą zł za jedostkę, możliwości przerobu surowców w okresie plaistyczym 8 i 4 t, a jedostkowe akłady surowców iezbęde do wytworzeia wyrobów podaje tabela (kg/jedostke) : 6 A = Zadaie PL przyjmuje astępującą postać : x 6x 3x + x + 4x x, x + 4x 0 max 4 8 Zadaie z dwiema zmieymi moża rozwiązać metodą geometryczą. 8. Metoda geometrycza. Obrazem geometryczym ierówości ieostrej (ostrej) jest półpłaszczyza z brzegiem (bez brzegu). Zbiór D staowi wspólą część półpłaszczyz. Zbiór puktów, dla których fukcja przyjmuje tą samą wartość, azywamy izokwatą (warstwicą). Jeżeli fukcja jest fukcją liiową, to izokwata jest prostą. W celu wyzaczeia optimum zadaia PL ależy wyzaczyć izokwatę, dla której fukcja celu przyjmuje maksymalą (miimalą) wartość, mającą pukt (pukty) wspóle ze zbiorem D. 5

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

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

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

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

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

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Modele i arzędzia optymalizacji w systemach iformatyczych zarządzaia Prof. dr hab. iż. Joaa Józefowska Istytut Iformatyki Orgaizacja zajęć 8 godzi wykładów prof. dr hab. iż. J. Józefowska www.cs.put.poza.pl/jjozefowska

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

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

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

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

Elementy rach. macierzowego Materiały pomocnicze do MES Strona 1 z 7. Elementy rachunku macierzowego

Elementy rach. macierzowego Materiały pomocnicze do MES Strona 1 z 7. Elementy rachunku macierzowego Elemety rach macierzowego Materiały pomocicze do MES Stroa z 7 Elemety rachuku macierzowego Przedstawioe poiżej iformacje staowią krótkie przypomieie elemetów rachuku macierzowego iezbęde dla zrozumieia

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

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

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

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

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

a) symbole logiczne (wspólne dla wszystkich języków) zmienne przedmiotowe: x, y, z, stałe logiczne:,,,,,, symbole techniczne: (, )

a) symbole logiczne (wspólne dla wszystkich języków) zmienne przedmiotowe: x, y, z, stałe logiczne:,,,,,, symbole techniczne: (, ) PROGRAMOWANIE W JĘZYU OGII WPROWADZENIE OGIA PIERWSZEGO RZĘDU Symbole języka pierwszego rzędu dzielą się a: a symbole logicze (wspóle dla wszystkich języków zmiee przedmiotowe: x y z stałe logicze: symbole

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

Rekursja 2. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Rekursja 2. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak Rekursja Materiały pomocicze do wykładu wykładowca: dr Magdalea Kacprzak Rozwiązywaie rówań rekurecyjych Jedorode liiowe rówaia rekurecyje Twierdzeie Niech k będzie ustaloą liczbą aturalą dodatią i iech

Bardziej szczegółowo

Materiał ćwiczeniowy z matematyki Marzec 2012

Materiał ćwiczeniowy z matematyki Marzec 2012 Materiał ćwiczeiowy z matematyki Marzec 0 Klucz puktowaia do zadań zamkiętych oraz schemat oceiaia do zadań otwartych POZIOM PODSTAWOWY Marzec 0 Klucz puktowaia do zadań zamkiętych Nr zad 3 5 6 7 8 9 0

Bardziej szczegółowo

Poziom rozszerzony. 5. Ciągi. Uczeń:

Poziom rozszerzony. 5. Ciągi. Uczeń: PIOTR LUDWIKOWSKI Materiał z wykładu z aalizy dla uczestików koerecji Podstawa programowa z kometarzami Tom 6 Edukacja matematycza i techicza w szkole podstawowej, gimazjum i liceum matematyka, zajęcia

Bardziej szczegółowo

Analiza matematyczna. Robert Rałowski

Analiza matematyczna. Robert Rałowski Aaliza matematycza Robert Rałowski 6 paździerika 205 2 Spis treści 0. Liczby aturale.................................... 3 0.2 Liczby rzeczywiste.................................... 5 0.2. Nierówości...................................

Bardziej szczegółowo

UKŁADY RÓWNAŃ LINOWYCH

UKŁADY RÓWNAŃ LINOWYCH Ekoeergetyka Matematyka. Wykład 4. UKŁADY RÓWNAŃ LINOWYCH Defiicja (Układ rówań liiowych, rozwiązaie układu rówań) Układem m rówań liiowych z iewiadomymi,,,, gdzie m, azywamy układ rówań postaci: a a a

Bardziej szczegółowo

Analiza numeryczna. Stanisław Lewanowicz. Aproksymacja funkcji

Analiza numeryczna. Stanisław Lewanowicz. Aproksymacja funkcji http://www.ii.ui.wroc.pl/ sle/teachig/a-apr.pdf Aaliza umerycza Staisław Lewaowicz Grudzień 007 r. Aproksymacja fukcji Pojęcia wstępe Defiicja. Przestrzeń liiową X (ad ciałem liczb rzeczywistych R) azywamy

Bardziej szczegółowo

Wektory Funkcje rzeczywiste wielu. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Wektory Funkcje rzeczywiste wielu. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski Wektory Fukcje rzeczywiste wielu zmieych rzeczywistych Matematyka Studium doktorackie KAE SGH Semestr leti 2008/2009 R. Łochowski Wektory pukty w przestrzei R Przestrzeń R to zbiór uporządkowaych -ek liczb

Bardziej szczegółowo

Parametryzacja rozwiązań układu równań

Parametryzacja rozwiązań układu równań Parametryzacja rozwiązań układu rówań Przykład: ozwiąż układy rówań: / 2 2 6 2 5 2 6 2 5 //( / / 2 2 9 2 2 4 4 2 ) / 4 2 2 5 2 4 2 2 Korzystając z postaci schodkowej (środkowa macierz) i stosując podstawiaie

Bardziej szczegółowo

Metody badania zbieżności/rozbieżności ciągów liczbowych

Metody badania zbieżności/rozbieżności ciągów liczbowych Metody badaia zbieżości/rozbieżości ciągów liczbowych Ryszard Rębowski 14 grudia 2017 1 Wstęp Kluczowe pytaie odoszące się do zagadieia badaia zachowaia się ciągu liczbowego sprowadza się do sposobu opisu

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

Materiał ćwiczeniowy z matematyki marzec 2012

Materiał ćwiczeniowy z matematyki marzec 2012 Materiał ćwiczeiowy z matematyki marzec 0 Klucz puktowaia do zadań zamkiętych oraz schemat oceiaia do zadań otwartych dla iewidomych POZIOM PODSTAWOWY Klucz puktowaia do zadań zamkiętych Nr zad 3 4 6 7

Bardziej szczegółowo

CIĄGI LICZBOWE. Poziom podstawowy

CIĄGI LICZBOWE. Poziom podstawowy CIĄGI LICZBOWE Poziom podstawowy Zadaie ( pkt) + 0 Day jest ciąg o wyrazie ogólym a =, N+ + jest rówy? Wyzacz a a + Czy istieje wyraz tego ciągu, który Zadaie (6 pkt) Marek chce przekopać swój przydomowy

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

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

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

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy przydziału

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy przydziału Istrukcja do ćwiczeń laboratoryjych z przediotu: Badaia operacyje Teat ćwiczeia: Probley przydziału Zachodiopoorski Uiwersytet Techologiczy Wydział Iżyierii Mechaiczej i Mechatroiki Szczeci 20 Opracował:

Bardziej szczegółowo

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień.

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień. Metoda aalizy hierarchii Saaty ego Ważym problemem podejmowaia decyzji optymalizowaej jest często występująca hierarchiczość zagadień. Istieje wiele heurystyczych podejść do rozwiązaia tego problemu, jedak

Bardziej szczegółowo

BADANIA DOCHODU I RYZYKA INWESTYCJI

BADANIA DOCHODU I RYZYKA INWESTYCJI StatSoft Polska, tel. () 484300, (60) 445, ifo@statsoft.pl, www.statsoft.pl BADANIA DOCHODU I RYZYKA INWESTYCJI ZA POMOCĄ ANALIZY ROZKŁADÓW Agieszka Pasztyła Akademia Ekoomicza w Krakowie, Katedra Statystyki;

Bardziej szczegółowo

MARIUSZ KAWECKI zbiór zadań dla zainteresowanego matematyką licealisty

MARIUSZ KAWECKI zbiór zadań dla zainteresowanego matematyką licealisty MARIUSZ KAWECKI zbiór zadań dla zaiteresowaego matematyką licealisty Copyright by M. Kawecki 07 Spis treści Wstęp 3. Logika w praktyce 5. Liczby i działaia 0 3. Rówaia i układy rówań 6 4. Własości fukcji

Bardziej szczegółowo

2 n < 2n + 2 n. 2 n = 2. 2 n 2 +3n+2 > 2 0 = 1 = 2. n+2 n 1 n+1 = 2. n+1

2 n < 2n + 2 n. 2 n = 2. 2 n 2 +3n+2 > 2 0 = 1 = 2. n+2 n 1 n+1 = 2. n+1 Tekst a iebiesko jest kometarzem lub treścią zadaia. Zadaie 1. Zbadaj mootoiczość i ograiczoość ciągów. a = + 3 + 1 Ciąg jest mootoiczie rosący i ieograiczoy poieważ różica kolejych wyrazów jest dodatia.

Bardziej szczegółowo

Laboratorium Sensorów i Pomiarów Wielkości Nieelektrycznych. Ćwiczenie nr 1

Laboratorium Sensorów i Pomiarów Wielkości Nieelektrycznych. Ćwiczenie nr 1 1. Cel ćwiczeia: Laboratorium Sesorów i Pomiarów Wielkości Nieelektryczych Ćwiczeie r 1 Pomiary ciśieia Celem ćwiczeia jest zapozaie się z kostrukcją i działaiem czujików ciśieia. W trakcie zajęć laboratoryjych

Bardziej szczegółowo

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie Metrologia: miary dokładości dr iż. Paweł Zalewski Akademia Morska w Szczeciie Miary dokładości: Najczęściej rozkład pomiarów w serii wokół wartości średiej X jest rozkładem Gaussa: Prawdopodobieństwem,

Bardziej szczegółowo

KADD Metoda najmniejszych kwadratów

KADD Metoda najmniejszych kwadratów Metoda ajmiejszych kwadratów Pomiary bezpośredie o rówej dokładości o różej dokładości średia ważoa Pomiary pośredie Zapis macierzowy Dopasowaie prostej Dopasowaie wielomiau dowolego stopia Dopasowaie

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

Technikum Nr 2 im. gen. Mieczysława Smorawińskiego w Zespole Szkół Ekonomicznych w Kaliszu

Technikum Nr 2 im. gen. Mieczysława Smorawińskiego w Zespole Szkół Ekonomicznych w Kaliszu Techikum Nr 2 im. ge. Mieczysława Smorawińskiego w Zespole Szkół Ekoomiczych w Kaliszu Wymagaia edukacyje iezbęde do uzyskaia poszczególych śródroczych i roczych oce klasyfikacyjych z obowiązkowych zajęć

Bardziej szczegółowo

qwertyuiopasdfghjklzxcvbnmqwerty uiopasdfghjklzxcvbnmqwertyuiopasd fghjklzxcvbnmqwertyuiopasdfghjklzx cvbnmqwertyuiopasdfghjklzxcvbnmq

qwertyuiopasdfghjklzxcvbnmqwerty uiopasdfghjklzxcvbnmqwertyuiopasd fghjklzxcvbnmqwertyuiopasdfghjklzx cvbnmqwertyuiopasdfghjklzxcvbnmq qwertyuiopasdfghjklzxcvbmqwerty uiopasdfghjklzxcvbmqwertyuiopasd fghjklzxcvbmqwertyuiopasdfghjklzx cvbmqwertyuiopasdfghjklzxcvbmq Model ekoometryczy wertyuiopasdfghjklzxcvbmqwertyui Ekoometria: projekt

Bardziej szczegółowo

Ekonometria Mirosław Wójciak

Ekonometria Mirosław Wójciak Ekoometria Mirosław Wójciak Literatura obowiązkowa Barczak A, ST. Biolik J, Podstawy Ekoometrii, Wydawictwo AE Katowice, Katowice 1998 Dziechciarz J. Ekoometria Metody, przykłady, zadaia (wyd. ) Kukuła

Bardziej szczegółowo

Ekonomia matematyczna - 2.1

Ekonomia matematyczna - 2.1 Ekoomia matematycza - 2.1 Przestrzeń produkcyja Zakładamy,że w gospodarce występuje towarów, każdy jako akład ( surowiec ) lub wyik ( produkt ) w procesach produkcji. Kokrety proces produkcji jest reprezetoway

Bardziej szczegółowo

METODY APROKSYMACJI MATEUSZ WAGA. Gimnazjum im. Jana Matejki w Zabierzowie

METODY APROKSYMACJI MATEUSZ WAGA. Gimnazjum im. Jana Matejki w Zabierzowie METODY APROKSYMACJI MATEUSZ WAGA Gimazjum im. Jaa Matejki w Zabierzowie SPIS TREŚCI 1 WSTĘP... 2 2 MODEL MATEMATYCZNY... 3 3 UOGÓLNIENIE MODELU MATEMATYCZNEG... 6 4 MODEL INFORMATYCZNY... 7 5 PRZYKŁADY

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

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

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I)

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I) Elemety statystyki opisowej Izolda Gorgol wyciąg z prezetacji (wykład I) Populacja statystycza, badaie statystycze Statystyka matematycza zajmuje się opisywaiem i aalizą zjawisk masowych za pomocą metod

Bardziej szczegółowo

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO Agieszka Jakubowska ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO. Wstęp Skąplikowaie współczesego życia gospodarczego powoduje, iż do sterowaia procesem zarządzaia

Bardziej szczegółowo

OPTYMALIZACJA W ZADANIACH LOGISTYKI ANALITYCZNEJ

OPTYMALIZACJA W ZADANIACH LOGISTYKI ANALITYCZNEJ Igor AREFYEV Akademia Morska w Szczeciie Wydział Iżyieryjo-Ekoomiczy Trasportu, Istytut Iżyierii Trasportu Zakład Techologii Trasportu Zitegrowaego i Ochroy Środowiska 70-507, Szczeci, ul. Heryka Pobożego

Bardziej szczegółowo

Zadania z analizy matematycznej - sem. I Szeregi liczbowe

Zadania z analizy matematycznej - sem. I Szeregi liczbowe Zadaia z aalizy matematyczej - sem. I Szeregi liczbowe Defiicja szereg ciąg sum częściowyc. Szeregiem azywamy parę uporządkowaą a ) S ) ) ciągów gdzie: ciąg a ) ciąg S ) jest day jest ciągiem sum częściowych

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

Artykuł techniczny CVM-NET4+ Zgodny z normami dotyczącymi efektywności energetycznej

Artykuł techniczny CVM-NET4+ Zgodny z normami dotyczącymi efektywności energetycznej 1 Artykuł techiczy Joatha Azañó Dział ds. Zarządzaia Eergią i Jakości Sieci CVM-ET4+ Zgody z ormami dotyczącymi efektywości eergetyczej owy wielokaałowy aalizator sieci i poboru eergii Obeca sytuacja Obece

Bardziej szczegółowo

EGZAMIN MATURALNY Z MATEMATYKI

EGZAMIN MATURALNY Z MATEMATYKI Miejsce a aklejkę z kodem szkoły dysleksja EGZAMIN MATURALNY Z MATEMATYKI MMA-RAP-06 POZIOM ROZSZERZONY Czas pracy 0 miut Istrukcja dla zdającego. Sprawdź, czy arkusz egzamiacyjy zawiera 4 stro (zadaia

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

Lista 6. Estymacja punktowa

Lista 6. Estymacja punktowa Estymacja puktowa Lista 6 Model metoda mometów, rozkład ciągły. Zadaie. Metodą mometów zaleźć estymator iezaego parametru a w populacji jedostajej a odciku [a, a +. Czy jest to estymator ieobciążoy i zgody?

Bardziej szczegółowo

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA Ćwiczeie ETYMACJA TATYTYCZNA Jest to metoda wioskowaia statystyczego. Umożliwia oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej

Bardziej szczegółowo

Algorytmy ewolucyjne

Algorytmy ewolucyjne Algorytmy ewolucyje Piotr Lipiński Iformacje ogóle Iformacje i materiały dotyczące wykładu będą publikowae a PIAZZA.com, m.i. prezetacje z wykładów UWAGA: prezetacja to ie książka, otatki czy skrypt to

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

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

ANALIZA DANYCH DYSKRETNYCH

ANALIZA DANYCH DYSKRETNYCH ZJAZD ESTYMACJA Jest to metoda wioskowaia statystyczego. Umożliwia oa oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej estymatorem,

Bardziej szczegółowo

Struktura czasowa stóp procentowych (term structure of interest rates)

Struktura czasowa stóp procentowych (term structure of interest rates) Struktura czasowa stóp procetowych (term structure of iterest rates) Wysokość rykowych stóp procetowych Na ryku istieje wiele różorodych stóp procetowych. Poziom rykowej stopy procetowej (lub omialej stopy,

Bardziej szczegółowo

AGH, Wydział Elektrotechniki, Automatyki Informatyki i Elektroniki Katedra Automatyki METODY OPTYMALIZACJI. Wojciech Grega

AGH, Wydział Elektrotechniki, Automatyki Informatyki i Elektroniki Katedra Automatyki METODY OPTYMALIZACJI. Wojciech Grega AGH, Wydział Elektrotechiki, Automatyki Iformatyki i Elektroiki Katedra Automatyki METODY OPTYMALIZACJI Wojciech Grega Kraków, 6 . Wykład I. Problemy optymalizacji: formułowaie, klasyfikacja, przykłady.

Bardziej szczegółowo

Wprowadzenie. metody elementów skończonych

Wprowadzenie. metody elementów skończonych Metody komputerowe Wprowadzeie Podstawy fizycze i matematycze metody elemetów skończoych Literatura O.C.Ziekiewicz: Metoda elemetów skończoych. Arkady, Warszawa 972. Rakowski G., acprzyk Z.: Metoda elemetów

Bardziej szczegółowo

Ciągi liczbowe wykład 3

Ciągi liczbowe wykład 3 Ciągi liczbowe wykład 3 dr Mariusz Grządziel semestr zimowy, r akad 204/205 Defiicja ciągu liczbowego) Ciagiem liczbowym azywamy fukcję odwzorowuja- ca zbiór liczb aturalych w zbiór liczb rzeczywistych

Bardziej szczegółowo

Definicja interpolacji

Definicja interpolacji INTERPOLACJA Defiicja iterpolacji Defiicja iterpolacji 3 Daa jest fukcja y = f (x), x[x 0, x ]. Zamy tablice wartości tej fukcji, czyli: f ( x ) y 0 0 f ( x ) y 1 1 Defiicja iterpolacji Wyzaczamy fukcję

Bardziej szczegółowo

ALGORYTM OPTYMALIZACJI PARAMETRÓW EKSPLOATACYJNYCH ŚRODKÓW TRANSPORTU

ALGORYTM OPTYMALIZACJI PARAMETRÓW EKSPLOATACYJNYCH ŚRODKÓW TRANSPORTU Łukasz WOJCIECHOWSKI, Tadeusz CISOWSKI, Piotr GRZEGORCZYK ALGORYTM OPTYMALIZACJI PARAMETRÓW EKSPLOATACYJNYCH ŚRODKÓW TRANSPORTU Streszczeie W artykule zaprezetowao algorytm wyzaczaia optymalych parametrów

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

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH POMIAR FIZYCZNY Pomiar bezpośredi to doświadczeie, w którym przy pomocy odpowiedich przyrządów mierzymy (tj. porówujemy

Bardziej szczegółowo

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy. MIARY POŁOŻENIA I ROZPROSZENIA WYNIKÓW SERII POMIAROWYCH Miary położeia (tedecji cetralej) to tzw. miary przecięte charakteryzujące średi lub typowy poziom wartości cechy. Średia arytmetycza: X i 1 X i,

Bardziej szczegółowo

Wymagania edukacyjne na poszczególne oceny z matematyki w klasie III poziom rozszerzony

Wymagania edukacyjne na poszczególne oceny z matematyki w klasie III poziom rozszerzony Wymagaia edukacyje a poszczególe ocey z matematyki w klasie III poziom rozszerzoy Na oceę dopuszczającą, uczeń: zazacza kąt w układzie współrzędych, wskazuje jego ramię początkowe i końcowe wyzacza wartości

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

Teoria i metody optymalizacji

Teoria i metody optymalizacji eoria i metody optymalizaci Programowaie liiowe całowitoliczbowe PCL Metodologia podziału i ograiczeń Brach ad Boud (B&B) ma c A Z echique Metodologia podziału i ograiczeń B&B { A b i Z } Podstawą metodologii

Bardziej szczegółowo

VII MIĘDZYNARODOWA OLIMPIADA FIZYCZNA (1974). Zad. teoretyczne T3.

VII MIĘDZYNARODOWA OLIMPIADA FIZYCZNA (1974). Zad. teoretyczne T3. KOOF Szczeci: www.of.szc.pl VII MIĘDZYNAODOWA OLIMPIADA FIZYCZNA (1974). Zad. teoretycze T3. Źródło: Komitet Główy Olimpiady Fizyczej; Olimpiada Fizycza XXIII XXIV, WSiP Warszawa 1977 Autor: Waldemar Gorzkowski

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

8. Udowodnić, że: a) macierz X X jest macierzą symetryczną; b) jeśli M jest macierzą idempotentną, o wyznaczniku różnym od 0, to M = I;

8. Udowodnić, że: a) macierz X X jest macierzą symetryczną; b) jeśli M jest macierzą idempotentną, o wyznaczniku różnym od 0, to M = I; Powtórzeie z algebry, rachuku prawdopodobieństwa i statystyki Zadaia. Pokazać, że dla dowolego odwracalego A,.. Pokazać z defiicji, że macierz jest ieujemie określoa. 3. Pokazać (z defiicji liiowej iezależości),

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

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

Rozsądny i nierozsądny czas działania

Rozsądny i nierozsądny czas działania ZŁOŻONOŚĆ OBLICZENIOWA Wyzaczaie złożoości obliczeiowej dokładej i asymptotyczej Złożoość obliczeiowa algorytmów Chcemy podać miarodają oceę efektywości algorytmu, abstrahując od komputera, techiki (języka)

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

Politechnika Poznańska

Politechnika Poznańska Politechika Pozańska Temat: Laboratorium z termodyamiki Aaliza składu spali powstałych przy spalaiu paliw gazowych oraz pomiar ich prędkości przepływu za pomocą Dopplerowskiego Aemometru Laserowego (LDA)

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2013/14

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2013/14 Wykład: zad. 35-43 Kowersatoriu 8..03: zad. 44-6 Ćwiczeia 9..03: zad. 6-340 Kolokwiu r 6 5..03 (poiedziałek, 3:5-4:00: ateriał z zad. -384 Kresy zbiorów. Defiicja: Zbiór Z R azyway ograiczoy z góry, jeżeli

Bardziej szczegółowo

IMPUTACJE I JĄDRO GRY

IMPUTACJE I JĄDRO GRY IMPUTACJE I JĄDRO GRY Staisław Kowalik Katedra Zarządzaia i Iżyierii bezpieczeństwa, Politechika Śląska Akademicka 2, 44-100 Gliwice, Polska e-mail: Staislaw.Kowalik@polsl.pl Abstrakt: Praca dotyczy gier

Bardziej szczegółowo

PRZYKŁADY ROZWIAZAŃ STACJONARNEGO RÓWNANIA SCHRӦDINGERA. Ruch cząstki nieograniczony z klasycznego punktu widzenia. mamy do rozwiązania równanie 0,,

PRZYKŁADY ROZWIAZAŃ STACJONARNEGO RÓWNANIA SCHRӦDINGERA. Ruch cząstki nieograniczony z klasycznego punktu widzenia. mamy do rozwiązania równanie 0,, PRZYKŁADY ROZWIAZAŃ STACJONARNEGO RÓWNANIA SCHRӦDINGERA Ruch cząstki ieograiczoy z klasyczego puktu widzeia W tym przypadku V = cost, przejmiemy V ( x ) = 0, cząstka porusza się wzdłuż osi x. Rozwiązujemy

Bardziej szczegółowo

Zadania z Matematyka 2 - SIMR 2008/ szeregi zadania z rozwiązaniami. n 1. n n. ( 1) n n. n n + 4

Zadania z Matematyka 2 - SIMR 2008/ szeregi zadania z rozwiązaniami. n 1. n n. ( 1) n n. n n + 4 Zadaia z Matematyka - SIMR 00/009 - szeregi zadaia z rozwiązaiami. Zbadać zbieżość szeregu Rozwiązaie: 0 4 4 + 6 0 : Dla dostateczie dużych 0 wyrazy szeregu są ieujeme 0 a = 4 4 + 6 0 0 Stosujemy kryterium

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

ANALIZA MATEMATYCZNA 1 (MAP 1024) LISTY ZADAŃ

ANALIZA MATEMATYCZNA 1 (MAP 1024) LISTY ZADAŃ ANALIZA MATEMATYCZNA (MAP 0) LISTY ZADAŃ Listy zadań przezaczoe są dla studetów którzy program matematyki szkoły poadgimazjalej zają jedyie a poziomie podstawowym Obejmują iezbęde do dalszej auki zagadieia

Bardziej szczegółowo

PRÓBNY EGZAMIN MATURALNY Z NOWĄ ERĄ 2016/2017 MATEMATYKA POZIOM ROZSZERZONY. Copyright by Nowa Era Sp. z o.o.

PRÓBNY EGZAMIN MATURALNY Z NOWĄ ERĄ 2016/2017 MATEMATYKA POZIOM ROZSZERZONY. Copyright by Nowa Era Sp. z o.o. PRÓBNY EGZAMIN MATURALNY Z NOWĄ ERĄ 06/07 MATEMATYKA POZIOM ROZSZERZONY Zasady oceiaia rozwiązań zadań Copyright by Nowa Era Sp z oo Próby egzami maturaly z Nową Erą Uwaga: Akceptowae są wszystkie odpowiedzi

Bardziej szczegółowo

STATYSTYKA OPISOWA WYKŁAD 1 i 2

STATYSTYKA OPISOWA WYKŁAD 1 i 2 STATYSTYKA OPISOWA WYKŁAD i 2 Literatura: Marek Cieciura, Jausz Zacharski, Metody probabilistycze w ujęciu praktyczym, L. Kowalski, Statystyka, 2005 2 Statystyka to dyscyplia aukowa, której zadaiem jest

Bardziej szczegółowo

Wzór Taylora. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Wzór Taylora. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski Wzór Taylora Szeregi potęgowe Matematyka Studium doktorackie KAE SGH Semestr leti 8/9 R. Łochowski Graica fukcji w pukcie Niech f: R D R, R oraz istieje ciąg puktów D, Fukcja f ma w pukcie graicę dowolego

Bardziej szczegółowo

Statystyka matematyczna. Wykład II. Estymacja punktowa

Statystyka matematyczna. Wykład II. Estymacja punktowa Statystyka matematycza. Wykład II. e-mail:e.kozlovski@pollub.pl Spis treści 1 dyskretych Rozkłady zmieeych losowych ciągłych 2 3 4 Rozkład zmieej losowej dyskretej dyskretych Rozkłady zmieeych losowych

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

Scenariusz lekcji: Kombinatoryka utrwalenie wiadomości

Scenariusz lekcji: Kombinatoryka utrwalenie wiadomości Sceariusz lekcji: Kombiatoryka utrwaleie wiadomości 1 1. Cele lekcji a) Wiadomości Uczeń: za pojęcia: permutacja, wariacja i kombiacja, zdarzeie losowe, prawdopodobieństwo, za iezbęde wzory. b) Umiejętości

Bardziej szczegółowo

x R, (1) Ogólnie równanie o jednej niewiadomej x można przedstawić w postaci

x R, (1) Ogólnie równanie o jednej niewiadomej x można przedstawić w postaci Metody rozwiązywaia rówań ieliiowyc i ic układów Rozwiązywaie rówań ieliiowyc Ogólie rówaie o jedej iewiadomej moża przedstawić w postaci 0 R gdzie jest wystarczająco regularą ukcją. Naszym celem ie jest

Bardziej szczegółowo

Model ciągły wyceny opcji Blacka Scholesa - Mertona. Wzór Blacka - Scholesa na wycenę opcji europejskiej.

Model ciągły wyceny opcji Blacka Scholesa - Mertona. Wzór Blacka - Scholesa na wycenę opcji europejskiej. Model ciągły wycey opcji Blacka Scholesa - Mertoa Wzór Blacka - Scholesa a wyceę opcji europejskiej. Model Blacka Scholesa- Mertoa Przełomowe prace z zakresu wycey opcji: Fischer Black, Myro Scholes The

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 2B, lato 2015/16

Jarosław Wróblewski Analiza Matematyczna 2B, lato 2015/16 Egzami,.9.6, godz. :-5: Zadaie. ( puktów) Wyzaczyć wszystkie rozwiązaia rówaia z 4 = 4 w liczbach zespoloych. Zapisać wszystkie rozwiązaia w postaci kartezjańskiej (bez używaia fukcji trygoometryczych)

Bardziej szczegółowo