Materiały wykładowe (fragmenty)

Wielkość: px
Rozpocząć pokaz od strony:

Download "Materiały wykładowe (fragmenty)"

Transkrypt

1 Materiały wykładowe (fragmenty) 1

2 Robert Susmaga Instytut Informatyki ul. Piotrowo 2 Poznań kontakt mail owy Robert.Susmaga@CS.PUT.Poznan.PL kontakt osobisty Centrum Wykładowe, blok informatyki, pok. 7 2

3 Wyłączenie odpowiedzialności Prezentowane materiały, będące dodatkiem pomocniczym do wykładów, z konieczności fragmentarycznym i niedopracowanym, naleŝy wykorzystywać z pełnąświadomością faktu, Ŝe mogą nie być pozbawione przypadkowych błędów, braków, wypaczeń i przeinaczeń :-) Autor 3

4 4

5 Charakterystyka metody Electre TRI rozwiązuje problematykę β realizuje model relacyjny implementowane relacje pomiędzy wariantami: P, I, R działa w trybie wsadowym wymagane dane tabela decyzyjna wagi kryteriów parametry charakteryzujące kryteria profile (słuŝące do definiowania klas) aparat matematyczny przekształcenia algebraiczne 5

6 Zadaniem metody Electre TRI jest posortowanie wariantów (czyli przydzielenie ich do ustalonych z góry klas jakości) problematyka β klasy te są zdefiniowane niezaleŝnie od wariantów Problemy typu β powinny być formalnie odróŝniane od problemów typu γ; wprawdzie elementem wspólnym obu problematyk jest wprowadzenie pewnego zróŝnicowania do zbioru wariantów, ale w problematyce γ zróŝnicowanie to wynika z porównania wariantów pomiędzy sobą (względy wewnętrzne) w problematyce β zróŝnicowanie to wynika z porównania wariantów z definicjami klas (względy zewnętrzne) 6

7 Idea podziału na klasy historycznie: podział na 3 klasy jakości, np. warianty dobre, niedobre i pośrednie (po uporządkowaniu klas wg jakości: niedobre, pośrednie, dobre) w obecnej wersji liczba klas jest dowolna interpretacja jakości klas w stosunku do klas istnieje zawsze jasno określona preferencja decydenta: im wyŝsza klasa tym lepiej (decydent preferuje warianty z wyŝszych klas nad warianty z niŝszych klas) O klasach zakłada się, Ŝe są od siebie oddzielone moŝliwymi do zdefiniowania wartościami granicznymi definiowanie wartości granicznych jest zadaniem decydenta wartości graniczne definiuje się dla kaŝdego kryterium z osobna są one definiowane niezaleŝnie od wariantów decyzyjnych 7

8 Przykłady sortowania wariantów (podziału na klasy) wstępna ewaluacja kandydatów trzy klasy: C 1 : odrzuceni, C 2 : do rozstrzygnięcia, C 3 : przyjęci 8

9 Przykłady sortowania wariantów (podziału na klasy), c.d. wystawianie ocen końcowych sześć klas (stary system szkolny): C 1 : ndst, C 2 : dst, C 3 : dst+, C 4 : db, C 5 : db+, C 6 : bdb sześć klas (na Politechnice Poznańskiej) C 1 : 2.0, C 2 : 3.0, C 3 : 3.5, C 4 : 4.0, C 5 : 4.5, C 6 : 5.0 9

10 Sortowanie kandydatów na przykładzie rekrutacji wariantami są kandydaci kaŝdy wariant ma być przydzielony do jednej z klas C 1 : odrzuceni, C 2 : do rozstrzygnięcia, C 3 : przyjęci rolę kryteriów pełnią np. oceny uzyskane w szkole średniej matematyka, fizyka i angielski klasy definiuje się ustalając ich dolne granice klasa najwyŝsza C 3 : aby znaleźć się w klasie przyjęci kandydat musi wykazać się przynajmniej następującymi ocenami: db+ z matematyki, db z fizyki, db z angielskiego klasa pośrednia C 2 : aby znaleźć się w klasie do rozstrzygnięcia kandydat musi wykazać się się przynajmniej nast. ocenami: db z matematyki, dst+ z fizyki, dst z angielskiego klasa najniŝsza C 1 : zawiera warianty, które nie zostały przydzielone do Ŝadnej z powyŝszych klas 10

11 Powstałe w powyŝszy sposób granice pomiędzy klasami nazywane są profilami w poprzednim przykładzie wystąpiły dwa profile: b 2 : (db+, db, db) oddziela klasę C 2 od C 3 b 1 : (db, dst+, dst) oddziela klasę C 1 od C 2 specyfikacja profilu bardzo przypomina specyfikację wariantu aby zdefiniować wariant trzeba podać wartości opisujące go na kaŝdym kryterium z osobna i podobnie: aby zdefiniować profil trzeba podać wartości opisujące go na kaŝdym kryterium z osobna oznacza to, Ŝe profil moŝna traktować jak sztucznie utworzony wariant waŝne: profile powinny być od siebie wyraźnie oddzielone (na kaŝdym kryterium!) 11

12 W ogólności stosuje się oznaczenia n+1 klas: C 1, C 2,..., C n+1 C 1 : klasa najgorsza C n+1 : klasa najlepsza n profili: b 1, b 2,..., b n b 1 : oddziela klasę C 1 od C 2 b 2 : oddziela klasę C 2 od C 3 itd., ogólnie: b i : oddziela klasę C i od C i+1 (jest istotne, Ŝe liczba klas jest większa o jeden od liczby profili) konsekwencją takiego oznaczenia jest to, Ŝe: klasa C 1 jest ograniczona wartościami najgorszymi i profilem b 1 kaŝda z klas C 2, C 3,..., C n jest ograniczona dwoma profilami klasa C n+1 jest ograniczona profilem b n i wartościami najlepszymi 12

13 Schemat demonstrujący klasy i profile załóŝmy istnienie czterech klas: C 1, C 2, C 3 i C 4 oddzielonych od siebie trzema profilami b 1, b 2 i b 3 na pięciu kryteriach g 1, g 2, g 3, g 4 i g 5 g * C 1 b 1 C 2 b 2 C 3 b 3 C 4 g * kryterium g 1 kryterium g 2 kryterium g 3 kryterium g 4 kryterium g 5 Schemat ten abstrahuje od typu kryterium dzięki temu, Ŝe najmniej korzystne wartości (oznaczenie: g * ) danego kryterium przedstawiono z lewej a najbardziej korzystne (oznaczenie: g * ) z prawej strony 13

14 Działanie metody Electre TRI działanie to polega na porównywaniu ze sobą profili i wariantów zadanie: przydziel wariant a g * C 1 b 1 C 2 b 2 C 3 b 3 C 4 g * kryterium g 1 kryterium g 2 kryterium g 3 kryterium g 4 a kryterium g 5 rozwiązanie: wariant a powinien zostać przydzielony do klasy C 3, na co wyraźnie wskazuje jego połoŝenie pomiędzy profilami b 2 a b 3 14

15 Działanie metody Electre TRI, c.d. sytuacja analogiczna do poprzedniej: zadanie: przydziel wariant b g * C 1 b 1 C 2 b 2 C 3 b 3 C 4 g * kryterium g 1 kryterium g 2 kryterium g 3 kryterium g 4 b kryterium g 5 rozwiązanie: wariant b powinien zostać przydzielony do klasy C 1, na co wyraźnie wskazuje jego połoŝenie na lewo od profilu b 1 15

16 Działanie metody Electre TRI, c.d. sytuacja trudniejsza: zadanie: przydziel wariant c g * C 1 b 1 C 2 b 2 C 3 b 3 C 4 g * kryterium g 1 kryterium g 2 kryterium g 3 kryterium g 4 c kryterium g 5 wariant c charakteryzuje się takimi wartościami jak profil b 2 ; powstaje pytanie: do której klasy powinien być przydzielony? 16

17 Działanie metody Electre TRI, c.d. sytuacja jeszcze trudniejsza: zadanie: przydziel wariant d g * C 1 b 1 C 2 b 2 C 3 b 3 C 4 g * kryterium g 1 kryterium g 2 kryterium g 3 kryterium g 4 d kryterium g 5 wariant d charakteryzuje się wartościami przynaleŝącymi do róŝnych klas; pytanie: do której powinien być przydzielony? 17

18 Formalny schemat postępowania implementowany w metodzie Electre TRI porównywanie wariantów z profilami przyjmuje formę poszukiwania relacji pomiędzy wariantami a profilami (stwierdzenie zachodzenia pewnej relacji pomiędzy jakimiś obiektami jest bowiem formą porównywania tych obiektów) poszukiwanymi relacjami są rozwaŝane wcześniej: preferencja (P) nierozróŝnialność (I) nieporównywaność (R) 18

19 Wzajemne połoŝenia wariantów i profili na schemacie oraz występowanie pomiędzy nimi konkretnych relacji jest ze sobą w pewien sposób powiązane stwierdzenie, Ŝe pomiędzy wariantem x a profilem b i zachodzi relacja P w postaci xpb i oznacza, Ŝe wariant jest preferowany od profilu (wariant leŝy na prawo od profilu) stwierdzenie, Ŝe pomiędzy wariantem x a profilem b i zachodzi relacja P w postaci b i Px oznacza, Ŝe profil jest preferowany od wariantu (wariant leŝy na lewo od profilu) stwierdzenie, Ŝe pomiędzy wariantem x a profilem b i zachodzi relacja I (tzn. xib i, równowaŝne z b i Ix) oznacza, Ŝe wariant jest nierozróŝnialny z profilem (wariant leŝy blisko lub na profilu) stwierdzenie, Ŝe pomiędzy wariantem x a profilem b i zachodzi relacja R (tzn. xrb i, równowaŝne z b i Rx) oznacza, Ŝe wariant jest nieporównywalny z profilem (wariant przecina profil) 19

20 Modelowanie relacji pomiędzy wariantami i profilami do ustalenia relacji {P, I, R} pomiędzy wariantami a profilami moŝna by wykorzystać relację przewyŝszania S z Electre Is najpierw ustala się wartości współczynników C(a,b) i D(a,b) następnie ustala się wartości współczynników S(a,b) itd. Uwaga: W praktyce metoda Electre TRI wprowadza nieco inną definicję relacji przewyŝszania, ale idea jej wykorzystania jest taka sama jak w Electre Is po ustaleniu faktycznych relacji pomiędzy wariantami a profilami informacja o tych relacjach jest wykorzystywana do przydzielenia wariantów do klas (obrazowanie połoŝeń wariantów i profili na przedstawionych wcześniej schematach ma jedynie znaczenie ilustracyjne) 20

21 Relacje pomiędzy wariantami i profilami podstawową róŝnicą pomiędzy metodami Electre Is i Electre TRI jest jednak to, Ŝe: w Electre Is określa się relacje dla kaŝdej pary wariant-wariant wynikowe relacje moŝna więc zamieścić w macierzy kwadratowej o rozmiarach mxm, gdzie m jest liczbą wariantów w Electre TRI określa się relacje dla kaŝdej pary wariant-profil wynikowe relacje moŝna więc zamieścić w macierzy prostokątnej o rozmiarach mxn, gdzie m jest liczbą wariantów, a n liczbą profili dalsze róŝnice dotyczą samej definicji relacji przewyŝszania, która w metodzie Electre TRI jest ogólniejsza zasadniczo w Electre TRI moŝna by wykorzystać dowolną definicję relacji przewyŝszania, takŝe tę zdefiniowaną w Electre Is (tzn. bez uwzględniania wprowadzonych w Electre TRI uogólnień tej definicji) 21

22 Specyfika zapisywania relacji w metodzie Electre TRI macierze przechowujące relacje są prostokątne (a tym samym niesymetryczne), przy czym wiersze tych macierzy reprezentują warianty, a kolumny profile przykładowa poniŝsza macierz przedstawia relacje pomiędzy wariantami x i y a profilami b 1, b 2 i b 3 b 1 b 2 b 3 x P R R y P I??? relacje dla wariantu x xpb 1, xrb 2, xrb 3 relacje dla wariantu y ypb 1, yib 2, b 3 Py powstaje pytanie, jak w tej macierzy zapisać informację, Ŝe profil jest preferowany nad wariant (a nie wariant nad profil) przykładowo relacja ta zachodzi pomiędzy profilem b 3 a wariantem y uwaga: wpisanie P oznaczałoby zachodzenie relacji ypb 3 a nie b 3 Py! 22

23 Rozwiązanie: wprowadza się następujące oznaczenia: kaŝdy z trzech poniŝszych (równowaŝnych sobie) zapisów apb a b b a oznacza, Ŝe a jest preferowane nad b oznaczenia te pozwalają na jednoznaczne wypełnienie macierzy b 1 b 2 b 3 x R R y I relacje dla wariantu x xpb 1, xrb 2, xrb 3, inaczej: x b 1, xrb 2, xrb 3 relacje dla wariantu y ypb 1, yib 2, b 3 Py, inaczej: y b 1, yib 2, y b 3 23

24 Sortowanie wariantów podejście intuicyjne po ustaleniu relacji wariant- profil przydział wariantów do klas jest w wielu przypadkach (ale nie wszystkich) intuicyjnie jasny b 1 b 2 b 3 a b c d I e R f R R klasa C 3 (a leŝy pomiędzy b 2 i b 3 ) klasa C 4 (b leŝy na prawo od b 3 ) klasa C 1 (c leŝy na lewo od b 1 ) klasa C 3 (d leŝy na profilu b 2 ) klasa C 3 albo C 4 (e przecina profil b 3 ) klasa C 1, C 2 albo C 3 (f przecina profile b 1 i b 2 ) g R R R klasa C 1, C 2, C 3 albo C 4 (g przecina wszystkie profile) 24

25 Sortowanie wariantów podejście formalne formalny system przydzielania wariantów do klas jednoznacznie rozwiązuje (moŝliwe do rozwiązania) sytuacje konfliktowe wynikające z wnoszonych przez zachodzące relacje niejasności relacja preferencji nie wnosi Ŝadnych niejasności relacja nierozróŝnialności wnosi łatwe do wyjaśnienia niejasności istota niejasności: co robić z wariantem, który jest nierozróŝnialny z b i? rozwiązanie: wariant nierozróŝnialny z b i moŝna traktować jak identyczny z b i (dzięki tolerancji implikowanej na etapie definiowania relacji S przez progi nierozróŝnialności q i ), a wariant identyczny z b i naleŝy przydzielić do klasy C i+1 (co wynika z definicji klasy/profilu)» przypomnienie: np. klasę C 4 definiuje się tak, aby przydzielone do niej zostały warianty charakteryzujące się wartościami co najmniej następującymi: (i tu wymienia się wartości stanowiące definicję profilu b 3 ) relacja nieporównywalności wnosi pewne niejasności, których nie rozwiązuje się jednoznacznie w metodzie Electre TRI 25

26 Sortowanie wariantów podejście formalne c.d. występowanie nieporównywalności pomiędzy wariantem a profilem b i oznacza, Ŝe istniejące dane nie pozwalają na jednoznaczne zadecydowanie, czy wariant ten powinien być przydzielony do klasy C i czy do C i+1 im więcej nieporównywalności tym większa niepewność przydziału aby dać temu wyraz, metoda implementuje dwie róŝne procedury procedurę pesymistyczną przydziału procedurę optymistyczną przydziału obowiązuje zasada: procedura optymistyczna nigdy nie przydziela do klas niŝszych niŝ procedura pesymistyczna jeŝeli tak jest, to prawdopodobnie błędnie zdefiniowano klasy/profile gdy wynikowe przydziały się róŝnią, ostatecznego przydziału dokonuje decydent (niezgodność ta sygnalizuje występowanie pewnych niejednoznaczności) 26

27 Definicje procedur przydziału Procedura pesymistyczna Aby przydzielić wariant x do jednej z n+1 klas wykonuj: Dla i równego kolejno n, n 1,..., 1 określ relację pomiędzy x a b i jeŝeli relacją tą jest lub I, to przydziel wariant x do klasy C i+1 JeŜeli nigdzie nie wystąpiła relacja ani I to przydziel x do C 1 Procedura optymistyczna Aby przydzielić wariant x do jednej z n+1 klas wykonuj: Dla i równego kolejno 1, 2,..., n określ relację pomiędzy x a b i jeŝeli relacją tą jest to przydziel wariant x do klasy C i JeŜeli nigdzie nie wystąpiła relacja to przydziel x do C n+1 27

28 Przykładowe przydziały dokonane przez procedury pesymistyczną i optymistyczną b 1 b 2 b 3 Pes Opt a C 3 C 3 b C 4 C 4 c C 1 C 1 d I C 3 C 3 e R C 3 C 4 klasa C 3 (a leŝy pomiędzy b 2 i b 3 ) klasa C 4 (b leŝy na prawo od b 3 ) klasa C 1 (c leŝy na lewo od b 1 ) klasa C 3 (d leŝy na profilu b 2 ) klasa C 3 albo C 4 (e przecina profil b 3 ) f R R C 1 C 3 g R R R C 1 C 4 klasa C 1, C 2 albo C 3 (f przecina profile b 1 i b 2 ) klasa C 1, C 2, C 3 albo C 4 (g przecina wszystkie profile) 28

29 Uogólnienie definicji relacji przewyŝszania w Electre TRI uogólniono metodę ustalania relacji przewyŝszania w ten sposób, Ŝe składające się na definicję tej relacji współczynniki d i (a,b) mogą przyjmować wartości z przedziału 0,1 w Electre Is przyjmowały one wartości ze zbioru {0,1} 29

30 Uogólnienie definicji relacji przewyŝszania, c.d. c i (a,b) <0,1> jest zdefiniowane z wykorzystaniem q i p analogicznie do Electre Is (gdzie takŝe d i (a,b) <0,1>) d i (a,b) <0,1> jest zdefiniowany z wykorzystaniem p i v rozszerzenie w stosunku do Electre Is (gdzie d i (a,b) {0,1}) c i (a,b) i d i (a,b) 1.0 q p v 0.0 g i (a) g i + warunki q p < v wykluczają sytuację, w której c i (a,b) > 0 d i (a,b) > 0 30

31 Uogólnienie definicji relacji przewyŝszania, c.d. wprowadzone uogólnienie wymaga innej formy agregowania współczynników d i (a,b) (a tym samym określania relacji asb) w Electre Is odbywało się to z wykorzystaniem zagregowanego współczynnika C(a,b) i zagregowanego współczynnika D(a,b) w Electre TRI zagregowany współczynnik C(a,b) nie ulega zmianie zagregowanego współczynnika D(a,b) się nie stosuje współczynniki d i (a,b) nie podlegają pośredniej agregacji do D(a,b) zamiast współczynnika S(a,b) stosuje się (odpowiadający mu) współczynnik σ(a,b) współczynnik σ(a,b) zaleŝy (bezpośrednio) od C(a,b) oraz (takŝe bezpośrednio) od współczynników d i (a,b) 31

32 Uogólnienie definicji relacji przewyŝszania, c.d. wzór definiujący współczynnik C(a,b): C(a, b) = (identycznie jak w Electre Is) N i = 1 k i N c i = 1 i k (a, b) i 32

33 Uogólnienie definicji relacji przewyŝszania, c.d. wzór definiujący współczynnik σ(a,b): σ(a, b) 1 d i(a, b) = C(a, b) i: d (a,b) > C(a, b) 1 C(a, b) i (rozszerzenie metody Electre Is) zapis i: d i (a,b)>c(a,b) oznacza, Ŝe iloczyn w powyŝszym wzorze powinien być budowany tylko z ilorazów budowanych dla takich współczynników d i (a,b), które mają wartość większą niŝ C(a,b) czyli spełniają warunek d i (a,b) > C(a,b) 33

34 Uogólnienie definicji relacji przewyŝszania, c.d. cechy definicji współczynnika σ(a,b): 1 d i(a, b) σ(a, b) = C(a, b) i: d (a,b) > C(a, b) 1 C(a, b) i dzięki faktowi, Ŝe d i (a,b) <0,1> warunek d i (a,b) > C(a,b) nie moŝe być spełniony dla C(a,b) = 1 w rezultacie nie tworzy sięŝadnego ilorazu przy C(a,b) = 1, a tym samym unika się kłopotliwej sytuacji, w której do mianownika tego ilorazu trafiłaby wartość 1 C(a,b) = 0 34

35 Uogólnienie definicji relacji przewyŝszania, c.d. cechy definicji współczynnika σ(a,b), c.d.: 1 d i(a, b) σ(a, b) = C(a, b) i: d (a,b) > C(a, b) 1 C(a, b) i dzięki faktom, Ŝe d i (a,b) <0,1> i C(a,b) <0,1> oraz postawionemu warunkowi d i (a,b) > C(a,b) zawsze zachodzi 1 d i (a,b) < 1 C(a,b) 1 di(a,b) w rezultacie ilorazy postaci 1 C(a, b) spełniają 1 di (a,b) < 1 1 C(a, b) a więc przemnoŝenie wartości C(a,b) przez jeden taki iloraz powoduje zmniejszenie się wynikowej wartości σ(a,b) kolejne mnoŝenie wartości C(a,b) przez kolejne takie ilorazy powoduje stopniowe zmniejszanie się wartości wynikowej wartości σ(a,b) 35

36 Uogólnienie definicji relacji przewyŝszania, c.d. cechy definicji współczynnika σ(a,b): 1 d i(a, b) σ(a, b) = C(a, b) i: d (a,b) > C(a, b) 1 C(a, b) i dzięki implikacji C(a,b) = 1 i :d i (a,b) = 0 wykluczona jest sytuacja C(a,b) = 1 i :d i (a,b) = 1 w tej kłopotliwej sytuacji nie powstałby Ŝaden iloraz, a tym samym zachodziłoby σ(a,b) = C(a,b) = 1, choć istnienie d i (a,b) = 1 wymagałoby, aby σ(a,b) = 0 36

37 Uogólnienie definicji relacji przewyŝszania, c.d. podsumowując: 1 d i(a, b) σ(a, b) = C(a, b) i: d (a,b) > C(a, b) 1 C(a, b) i jeŝeli wszystkie d i (a,b) = 0, to nie powstająŝadne ilorazy, i wtedy σ(a,b) = C(a,b) im więcej współczynników d i (a,b) spełnia warunek d i (a,b) > C(a,b), tym więcej ilorazów powstaje, co prowadzi do zmniejszenia wynikowej wartości współczynnika σ(a,b) jeŝeli przynajmniej jeden d i (a,b) = 1 (co jest moŝliwe tylko wtedy, gdy C(a,b) < 1), to powstaje przynajmniej jeden iloraz o wartości zerowej, i wtedy σ(a,b) = 0 37

38 Samodzielna wersja wzoru na σ(a,b) k ici(a, b) i 1 d = i(a, b) σ(a, b) k i i: d (a,b) > C(a, b) 1 C(a, b) i i część addytywna część multiplikatywna 38

39 Przykład obliczania σ(a,b) dla trzech kryteriów wagi k i kryteriów: k 1 = 2, k 2 = 5, k 3 = 1 współczynniki c i (a,b) na kryteriach: c 1 (a,b) = 0.5, c 2 (a,b) = 0.0, c 3 (a,b) = 1.0 współczynniki d i (a,b) na kryteriach: d 1 (a,b) = 0.0, d 2 (a,b) = 0.5, d 3 (a,b) =

40 Przykład obliczania σ(a,b) dla trzech kryteriów wzór na C(a,b): wynik: C(a, b) = N i = 1 k i N i = 1 C(a,b) = ( ) / ( ) = = ( ) / 8 = 2/8 = 1/4 = 0.25 c i k (a, i b) 40

41 Przykład obliczania σ(a,b) dla trzech kryteriów wzór na σ(a,b): 1 di (a, b) σ(a, b) = C(a, b) i: d (a,b) > C(a, b) 1 C(a, b) i tworzone ilorazy: i=1: d 1 (a,b) = 0.0, C(a,b) = 0.25, warunek d 1 (a,b) > C(a,b) nie jest spełniony, iloraz nie powstaje i=2: d 2 (a,b) = 0.5, C(a,b) = 0.25, warunek d 2 (a,b) > C(a,b) jest spełniony, powstaje iloraz 1 d2 (a,b) = = = 1 C(a, b) i=3: d 3 (a,b) = 0.0, C(a,b) = 0.25, 2 3 warunek d 3 (a,b) > C(a,b) nie jest spełniony, iloraz nie powstaje 41

42 Przykład obliczania σ(a,b) dla trzech kryteriów ostateczny wynik: 1 d 2 (a, b) 2 1 σ(a, b) = C(a, b) = 0.25 = = 0.1(6) 1 C(a, b)

43 Uogólnienie definicji relacji przewyŝszania, c.d. na podstawie obliczonego współczynnika σ(a,b) oraz zadanego z góry progu odcięcia λ > 0 zachodzenie relacji przewyŝszania S określa się w tej sytuacji następująco: asb wtedy i tylko wtedy gdy σ(a,b) λ ~asb wtedy i tylko wtedy gdy σ(a,b) < λ 43

44 Uogólnienie definicji relacji przewyŝszania, c.d. w praktyce mamy więc 4 róŝne moŝliwe sytuacje (prowadzące do ustalenia 4 róŝnych moŝliwych relacji pomiędzy porównywanymi parami wariant-profil) σ(a,b) λ σ(b,a) λ asb bsa aib (a tym samym bia) σ(a,b) λ σ(b,a) < λ asb ~bsa apb σ(a,b) < λ σ(b,a) λ ~asb bsa bpa σ(a,b) < λ σ(b,a) < λ ~asb ~bsa arb (a tym samym bra) 44

45 ... 45

Materiały wykładowe (fragmenty)

Materiały wykładowe (fragmenty) Materiały wykładowe (fragmenty) 1 Robert Susmaga Instytut Informatyki ul. Piotrowo 2 Poznań kontakt mail owy Robert.Susmaga@CS.PUT.Poznan.PL kontakt osobisty Centrum Wykładowe, blok informatyki, pok. 7

Bardziej szczegółowo

Teoria Informacji i Metody Kompresji Danych

Teoria Informacji i Metody Kompresji Danych Teoria Informacji i Metody Kompresji Danych 1 Materiały wykładowe (fragmenty) 2 Robert Susmaga Instytut Informatyki ul. Piotrowo 2 Poznań kontakt mail owy Robert.Susmaga@CS.PUT.Poznan.PL kontakt osobisty

Bardziej szczegółowo

Dane są następujące reguły gry losowej: losujemy jedną kartę z pełnej talii (bez jokerów) i sprawdzamy wynik:

Dane są następujące reguły gry losowej: losujemy jedną kartę z pełnej talii (bez jokerów) i sprawdzamy wynik: Elementy teorii gier Dane są następujące reguły gry losowej: losujemy jedną kartę z pełnej talii (bez jokerów) i sprawdzamy wynik: wylosowanie karty w kolorze czerwonym (kier lub karo) oznacza wygraną

Bardziej szczegółowo

Robert Susmaga. Instytut Informatyki ul. Piotrowo 2 Poznań

Robert Susmaga. Instytut Informatyki ul. Piotrowo 2 Poznań ... Robert Susmaga Instytut Informatyki ul. Piotrowo 2 Poznań kontakt mail owy Robert.Susmaga@CS.PUT.Poznan.PL kontakt osobisty Centrum Wykładowe, blok informatyki, pok. 7 Wyłączenie odpowiedzialności

Bardziej szczegółowo

Teoria Informacji i Metody Kompresji Danych

Teoria Informacji i Metody Kompresji Danych Teoria Informacji i Metody Kompresji Danych 1 Przykładowe zadania (dodatkowe materiały wykładowe) 2 Robert Susmaga Instytut Informatyki ul. Piotrowo 2 Poznań kontakt mail owy Robert.Susmaga@CS.PUT.Poznan.PL

Bardziej szczegółowo

ANALIZA HIERARCHICZNA PROBLEMU W SZACOWANIU RYZYKA PROJEKTU INFORMATYCZNEGO METODĄ PUNKTOWĄ. Joanna Bryndza

ANALIZA HIERARCHICZNA PROBLEMU W SZACOWANIU RYZYKA PROJEKTU INFORMATYCZNEGO METODĄ PUNKTOWĄ. Joanna Bryndza ANALIZA HIERARCHICZNA PROBLEMU W SZACOWANIU RYZYKA PROJEKTU INFORMATYCZNEGO METODĄ PUNKTOWĄ Joanna Bryndza Wprowadzenie Jednym z kluczowych problemów w szacowaniu poziomu ryzyka przedsięwzięcia informatycznego

Bardziej szczegółowo

Materiały wykładowe (fragmenty)

Materiały wykładowe (fragmenty) Materiały wykładowe (fragmenty) 1 Robert Susmaga Instytut Informatyki ul. Piotrowo 2 Poznań kontakt mail owy Robert.Susmaga@CS.PUT.Poznan.PL kontakt osobisty Centrum Wykładowe, blok informatyki, pok. 7

Bardziej szczegółowo

Układy równań liniowych. Ax = b (1)

Układy równań liniowych. Ax = b (1) Układy równań liniowych Dany jest układ m równań z n niewiadomymi. Liczba równań m nie musi być równa liczbie niewiadomych n, tj. mn. a a... a b n n a a... a b n n... a a... a b m m mn n m

Bardziej szczegółowo

POWSZECHNE KRAJOWE ZASADY WYCENY (PKZW)

POWSZECHNE KRAJOWE ZASADY WYCENY (PKZW) POWSZECHNE KRAJOWE ZASADY WYCENY (PKZW) NOTA INTERPETACYJNA NR 1 NI 1 ZASTOSOWANIE PODEJŚCIA PORÓWNAWCZEGO W WYCENIE NIERUCHOMOŚCI 1. WPROWADZENIE...2 2. PRZEDMIOT I ZAKRES STOSOWANIA NOTY...2 3. ZAŁOśENIA

Bardziej szczegółowo

Zestaw 12- Macierz odwrotna, układy równań liniowych

Zestaw 12- Macierz odwrotna, układy równań liniowych Zestaw - Macierz odwrotna, układy równań liniowych Przykładowe zadania z rozwiązaniami ZałóŜmy, Ŝe macierz jest macierzą kwadratową stopnia n. Mówimy, Ŝe macierz tego samego wymiaru jest macierzą odwrotną

Bardziej szczegółowo

WIELOKRYTERIALNE WSPOMAGANIE DECYZJI METODA UTA

WIELOKRYTERIALNE WSPOMAGANIE DECYZJI METODA UTA WIELOKRYTERIALNE WSPOMAGANIE DECYZJI METODA UTA Zastosowania Informatyki w Medycynie semestr zimowy, 2013-2014 Szymon Wilk, Instytut Informatyki, PP Przygotowane na podstawie materiałów prof. R. Słowińskiego,

Bardziej szczegółowo

15. Macierze. Definicja Macierzy. Definicja Delty Kroneckera. Definicja Macierzy Kwadratowej. Definicja Macierzy Jednostkowej

15. Macierze. Definicja Macierzy. Definicja Delty Kroneckera. Definicja Macierzy Kwadratowej. Definicja Macierzy Jednostkowej 15. Macierze Definicja Macierzy. Dla danego ciała F i dla danych m, n IN funkcję A : {1,...,m} {1,...,n} F nazywamy macierzą m n ( macierzą o m wierszach i n kolumnach) o wyrazach z F. Wartość A(i, j)

Bardziej szczegółowo

Wykład 3. Opis struktury zbiorowości. 1. Parametry opisu rozkładu badanej cechy. 3. Średnia arytmetyczna. 4. Dominanta. 5. Kwantyle.

Wykład 3. Opis struktury zbiorowości. 1. Parametry opisu rozkładu badanej cechy. 3. Średnia arytmetyczna. 4. Dominanta. 5. Kwantyle. Wykład 3. Opis struktury zbiorowości 1. Parametry opisu rozkładu badanej cechy. 2. Miary połoŝenia rozkładu. 3. Średnia arytmetyczna. 4. Dominanta. 5. Kwantyle. W praktycznych zastosowaniach bardzo często

Bardziej szczegółowo

Optymalizacja wielokryterialna

Optymalizacja wielokryterialna Optymalizacja wielokryterialna Optymalizacja wielokryterialna Dział badań operacyjnych zajmujący się wyznaczaniem optymalnej decyzji w przypadku, gdy występuje więcej niż jedno kryterium Problem wielokryterialny

Bardziej szczegółowo

Analiza matematyczna i algebra liniowa Macierze

Analiza matematyczna i algebra liniowa Macierze Analiza matematyczna i algebra liniowa Macierze Wojciech Kotłowski Instytut Informatyki Politechniki Poznańskiej email: imię.nazwisko@cs.put.poznan.pl pok. 2 (CW) tel. (61)665-2936 konsultacje: poniedziałek

Bardziej szczegółowo

Met Me ody numer yczne Wykład ykład Dr inż. Mic hał ha Łanc Łan zon Instyt Ins ut Elektr Elektr echn iki echn i Elektrot Elektr echn olo echn

Met Me ody numer yczne Wykład ykład Dr inż. Mic hał ha Łanc Łan zon Instyt Ins ut Elektr Elektr echn iki echn i Elektrot Elektr echn olo echn Metody numeryczne Wykład 3 Dr inż. Michał Łanczont Instytut Elektrotechniki i Elektrotechnologii E419, tel. 4293, m.lanczont@pollub.pl, http://m.lanczont.pollub.pl Zakres wykładu Pojęcia podstawowe Algebra

Bardziej szczegółowo

Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych.

Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych. Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych. Statystyka zajmuje się prawidłowościami zaistniałych zdarzeń. Teoria prawdopodobieństwa dotyczy przewidywania, jak często mogą zajść

Bardziej szczegółowo

jest rozwiązaniem równania jednorodnego oraz dla pewnego to jest toŝsamościowo równe zeru.

jest rozwiązaniem równania jednorodnego oraz dla pewnego to jest toŝsamościowo równe zeru. Układy liniowe Układ liniowy pierwszego rzędu, niejednorodny. gdzie Jeśli to układ nazywamy jednorodnym Pamiętamy, Ŝe kaŝde równanie liniowe rzędu m moŝe zostać sprowadzone do układu n równań liniowych

Bardziej szczegółowo

Definicja pochodnej cząstkowej

Definicja pochodnej cząstkowej 1 z 8 gdzie punkt wewnętrzny Definicja pochodnej cząstkowej JeŜeli iloraz ma granicę dla to granicę tę nazywamy pochodną cząstkową funkcji względem w punkcie. Oznaczenia: Pochodną cząstkową funkcji względem

Bardziej szczegółowo

Robert Susmaga. Instytut Informatyki ul. Piotrowo 2 Poznań

Robert Susmaga. Instytut Informatyki ul. Piotrowo 2 Poznań ... Robert Susmaga Instytut Informatyki ul. Piotrowo 2 Poznań kontakt mail owy Robert.Susmaga@CS.PUT.Poznan.PL kontakt osobisty Centrum Wykładowe, blok informatyki, pok. 7 Wyłączenie odpowiedzialności

Bardziej szczegółowo

Teoria automatów i języków formalnych. Określenie relacji

Teoria automatów i języków formalnych. Określenie relacji Relacje Teoria automatów i języków formalnych Dr inŝ. Janusz ajewski Katedra Informatyki Określenie relacji: Określenie relacji Relacja R jest zbiorem par uporządkowanych, czyli podzbiorem iloczynu kartezjańskiego

Bardziej szczegółowo

Materiały wykładowe (fragmenty)

Materiały wykładowe (fragmenty) Materiały wykładowe (fragmenty) 1 Robert Susmaga Instytut Informatyki ul. Piotrowo 2 Poznań kontakt mail owy Robert.Susmaga@CS.PUT.Poznan.PL kontakt osobisty Centrum Wykładowe, blok informatyki, pok. 7

Bardziej szczegółowo

Materiały wykładowe (fragmenty)

Materiały wykładowe (fragmenty) Materiały wykładowe (fragmenty) 1 Robert Susmaga Instytut Informatyki ul. Piotrowo 2 Poznań kontakt mail owy Robert.Susmaga@CS.PUT.Poznan.PL kontakt osobisty Centrum Wykładowe, blok informatyki, pok. 7

Bardziej szczegółowo

P r a w d o p o d o b i eństwo Lekcja 1 Temat: Lekcja organizacyjna. Program. Kontrakt.

P r a w d o p o d o b i eństwo Lekcja 1 Temat: Lekcja organizacyjna. Program. Kontrakt. P r a w d o p o d o b i eństwo Lekcja 1 Temat: Lekcja organizacyjna. Program. Kontrakt. Lekcja 2 Temat: Podstawowe pojęcia związane z prawdopodobieństwem. Str. 10-21 1. Doświadczenie losowe jest to doświadczenie,

Bardziej szczegółowo

Równania kwadratowe. Zad. 4: (profil matematyczno-fizyczny) Dla jakich wartości parametru m równanie mx 2 + 2x + m 2 = 0 ma dwa pierwiastki mniejsze

Równania kwadratowe. Zad. 4: (profil matematyczno-fizyczny) Dla jakich wartości parametru m równanie mx 2 + 2x + m 2 = 0 ma dwa pierwiastki mniejsze Równania kwadratowe Zad : Dany jest wielomian W(x) = x mx + m m + a) Dla jakich wartości parametru m wielomian ten ma dwa pierwiastki, których suma jest o jeden większa od ich iloczynu? *b) Przyjmij, Ŝe

Bardziej szczegółowo

Funkcje liniowe i wieloliniowe w praktyce szkolnej. Opracowanie : mgr inż. Renata Rzepińska

Funkcje liniowe i wieloliniowe w praktyce szkolnej. Opracowanie : mgr inż. Renata Rzepińska Funkcje liniowe i wieloliniowe w praktyce szkolnej Opracowanie : mgr inż. Renata Rzepińska . Wprowadzenie pojęcia funkcji liniowej w nauczaniu matematyki w gimnazjum. W programie nauczania matematyki w

Bardziej szczegółowo

Kodowanie transformacyjne. Plan 1. Zasada 2. Rodzaje transformacji 3. Standard JPEG

Kodowanie transformacyjne. Plan 1. Zasada 2. Rodzaje transformacji 3. Standard JPEG Kodowanie transformacyjne Plan 1. Zasada 2. Rodzaje transformacji 3. Standard JPEG Zasada Zasada podstawowa: na danych wykonujemy transformacje która: Likwiduje korelacje Skupia energię w kilku komponentach

Bardziej szczegółowo

PRÓBNA NOWA MATURA z WSiP. Matematyka dla klasy 2 Poziom podstawowy. Zasady oceniania zadań

PRÓBNA NOWA MATURA z WSiP. Matematyka dla klasy 2 Poziom podstawowy. Zasady oceniania zadań PRÓBNA NOWA MATURA z WSiP Matematyka dla klasy Poziom podstawowy Zasady oceniania zadań Copyright by Wydawnictwa Szkolne i Pedagogiczne sp. z o.o., Warszawa 0 Matematyka dla klasy Poziom podstawowy Kartoteka

Bardziej szczegółowo

Gramatyki, wyprowadzenia, hierarchia Chomsky ego. Gramatyka

Gramatyki, wyprowadzenia, hierarchia Chomsky ego. Gramatyka Gramatyki, wyprowadzenia, hierarchia Chomsky ego Teoria automatów i języków formalnych Dr inŝ. Janusz Majewski Katedra Informatyki Gramatyka Gramatyką G nazywamy czwórkę uporządkowaną gdzie: G =

Bardziej szczegółowo

SIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa

SIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa SIMR 06/07, Analiza, wykład, 07-0- Przestrzeń wektorowa Przestrzeń wektorowa (liniowa) - przestrzeń (zbiór) w której określone są działania (funkcje) dodawania elementów i mnożenia elementów przez liczbę

Bardziej szczegółowo

Programowanie celowe #1

Programowanie celowe #1 Programowanie celowe #1 Problem programowania celowego (PC) jest przykładem problemu programowania matematycznego nieliniowego, który można skutecznie zlinearyzować, tzn. zapisać (i rozwiązać) jako problem

Bardziej szczegółowo

Artykuł przedstawia w zarysie problematykę inŝynierii finansowej, wyjaśniając podstawowe pojęcia, takie jak:

Artykuł przedstawia w zarysie problematykę inŝynierii finansowej, wyjaśniając podstawowe pojęcia, takie jak: InŜynieria finansowa Prof. Leszek S. Zaremba Autor jest wykładowcą w POU WyŜsza Szkoła Zarządzania / Polish Open University wprowadza do programu nauczania wykład poświęcony inŝynierii finansowej, przeznaczony

Bardziej szczegółowo

Technologia informacyjna

Technologia informacyjna Technologia informacyjna Pracownia nr 9 (studia stacjonarne) - 05.12.2008 - Rok akademicki 2008/2009 2/16 Bazy danych - Plan zajęć Podstawowe pojęcia: baza danych, system zarządzania bazą danych tabela,

Bardziej szczegółowo

Ćwiczenie nr 1: Systemy liczbowe

Ćwiczenie nr 1: Systemy liczbowe Ćwiczenie nr 1: Systemy liczbowe Barbara Łukawska, Adam Krechowicz, Tomasz Michno Podstawowym systemem liczbowym uŝywanym na co dzień jest system dziesiętny. Podstawą tego systemu jest 10 cyfr 0, 1, 2,

Bardziej szczegółowo

Ćwiczenie nr 25: Interferencja fal akustycznych

Ćwiczenie nr 25: Interferencja fal akustycznych Wydział PRACOWNIA FIZYCZNA WFiIS AGH Imię i nazwisko 1. 2. Temat: Rok Grupa Zespół Nr ćwiczenia Data wykonania Data oddania Zwrot do popr. Data oddania Data zaliczenia OCENA Ćwiczenie nr 25: Interferencja

Bardziej szczegółowo

Temat: Liczby definicje, oznaczenia, własności. A n n a R a j f u r a, M a t e m a t y k a s e m e s t r 1, W S Z i M w S o c h a c z e w i e 1

Temat: Liczby definicje, oznaczenia, własności. A n n a R a j f u r a, M a t e m a t y k a s e m e s t r 1, W S Z i M w S o c h a c z e w i e 1 Temat: Liczby definicje, oznaczenia, własności A n n a R a j f u r a, M a t e m a t y k a s e m e s t r, W S Z i M w S o c h a c z e w i e Kody kolorów: pojęcie zwraca uwagę A n n a R a j f u r a, M a

Bardziej szczegółowo

Lista zadań. Babilońska wiedza matematyczna

Lista zadań. Babilońska wiedza matematyczna Lista zadań Babilońska wiedza matematyczna Zad. 1 Babilończycy korzystali z tablicy dodawania - utwórz w arkuszu kalkulacyjnym EXCEL tablicę dodawania liczb w układzie sześćdziesiątkowym, dla liczb ze

Bardziej szczegółowo

Spis treści. spis treści wygenerowany automatycznie

Spis treści. spis treści wygenerowany automatycznie Spis treści Rozdział 2.Wymagania edytorskie 2 2.1. Wymagania ogólne 2 2.2. Tytuły rozdziałów i podrozdziałów 2 2.3. Rysunki, tabele i wzory 3 2.3.1. Rysunki 3 2.3.2. Tabele 4 2.3.3. Wzory 4 2.4. Odsyłacze

Bardziej szczegółowo

Programowanie deklaratywne

Programowanie deklaratywne Programowanie deklaratywne Artur Michalski Informatyka II rok Plan wykładu Wprowadzenie do języka Prolog Budowa składniowa i interpretacja programów prologowych Listy, operatory i operacje arytmetyczne

Bardziej szczegółowo

Wprowadzenie do Scilab: macierze

Wprowadzenie do Scilab: macierze Wprowadzenie do Scilab: macierze Narzędzia Informatyki Magdalena Deckert Izabela Szczęch Barbara Wołyńska Bartłomiej Prędki Politechnika Poznańska Instytut Informatyki Agenda Definiowanie macierzy Funkcje

Bardziej szczegółowo

Wspomaganie Decyzji Biznesowych

Wspomaganie Decyzji Biznesowych Wspomaganie Decyzji Biznesowych wprowadzenie i modele preferencji w postaci relacji przewyższania Jurek Błaszczyński Institute of Computing Science, Poznań University of Technology, 60-965 Poznań, Poland

Bardziej szczegółowo

LUBELSKA PRÓBA PRZED MATURĄ

LUBELSKA PRÓBA PRZED MATURĄ Klasa POZIOM PODSTAWOWY Czas pracy 170 minut Instrukcja dla piszącego 1. Sprawdź, czy arkusz zawiera 18 stron.. W zadaniach od 1. do 0. są podane 4 odpowiedzi: A, B, C, D, z których tylko jedna jest prawdziwa.

Bardziej szczegółowo

Macierze. Rozdział Działania na macierzach

Macierze. Rozdział Działania na macierzach Rozdział 5 Macierze Funkcję, która każdej parze liczb naturalnych (i, j) (i 1,..., n; j 1,..., m) przyporządkowuje dokładnie jedną liczbę a ij F, gdzie F R lub F C, nazywamy macierzą (rzeczywistą, gdy

Bardziej szczegółowo

PROGRAMOWANIE KWADRATOWE

PROGRAMOWANIE KWADRATOWE PROGRAMOWANIE KWADRATOWE Programowanie kwadratowe Zadanie programowania kwadratowego: Funkcja celu lub/i co najmniej jedno z ograniczeń jest funkcją kwadratową. 2 Programowanie kwadratowe Nie ma uniwersalnej

Bardziej szczegółowo

ZAJĘCIA 25. Wartość bezwzględna. Interpretacja geometryczna wartości bezwzględnej.

ZAJĘCIA 25. Wartość bezwzględna. Interpretacja geometryczna wartości bezwzględnej. ZAJĘCIA 25. Wartość bezwzględna. Interpretacja geometryczna wartości bezwzględnej. 1. Wartość bezwzględną liczby jest określona wzorem: x, dla _ x 0 x =, x, dla _ x < 0 Wartość bezwzględna liczby nazywana

Bardziej szczegółowo

ALGEBRA LINIOWA. Wykład 2. Analityka gospodarcza, sem. 1. Wydział Zarządzania i Ekonomii Politechnika Gdańska

ALGEBRA LINIOWA. Wykład 2. Analityka gospodarcza, sem. 1. Wydział Zarządzania i Ekonomii Politechnika Gdańska ALGEBRA LINIOWA Wykład 2 Analityka gospodarcza, sem 1 Wydział Zarządzania i Ekonomii Politechnika Gdańska dr inż Natalia Jarzębkowska, CNMiKnO semzimowy 2018/2019 2/17 Macierze Niech M = {1, 2,, m} i N

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA. rachunek prawdopodobieństwa

STATYSTYKA MATEMATYCZNA. rachunek prawdopodobieństwa STATYSTYKA MATEMATYCZNA rachunek prawdopodobieństwa treść Zdarzenia losowe pojęcie prawdopodobieństwa prawo wielkich liczb zmienne losowe rozkłady teoretyczne zmiennych losowych Zanim zajmiemy się wnioskowaniem

Bardziej szczegółowo

Średnie. Średnie. Kinga Kolczyńska - Przybycień

Średnie. Średnie. Kinga Kolczyńska - Przybycień Czym jest średnia? W wielu zagadnieniach praktycznych, kiedy mamy do czynienia z jakimiś danymi, poszukujemy liczb, które w pewnym sensie charakteryzują te dane. Na przykład kiedy chcielibyśmy sklasyfikować,

Bardziej szczegółowo

; B = Wykonaj poniższe obliczenia: Mnożenia, transpozycje etc wykonuję programem i przepisuję wyniki. Mam nadzieję, że umiesz mnożyć macierze...

; B = Wykonaj poniższe obliczenia: Mnożenia, transpozycje etc wykonuję programem i przepisuję wyniki. Mam nadzieję, że umiesz mnożyć macierze... Tekst na niebiesko jest komentarzem lub treścią zadania. Zadanie. Dane są macierze: A D 0 ; E 0 0 0 ; B 0 5 ; C Wykonaj poniższe obliczenia: 0 4 5 Mnożenia, transpozycje etc wykonuję programem i przepisuję

Bardziej szczegółowo

Interpretacja krzywych sondowania elektrooporowego; zagadnienie niejednoznaczności interpretacji (program IX1D Interpex) Etapy wykonania:

Interpretacja krzywych sondowania elektrooporowego; zagadnienie niejednoznaczności interpretacji (program IX1D Interpex) Etapy wykonania: Interpretacja krzywych sondowania elektrooporowego; zagadnienie niejednoznaczności interpretacji (program IX1D Interpex) Etapy wykonania: 1. Opisać problem geologiczny, który naleŝy rozwiązać (rozpoznanie

Bardziej szczegółowo

Gramatyki grafowe. Dla v V, ϕ(v) etykieta v. Klasa grafów nad Σ - G Σ.

Gramatyki grafowe. Dla v V, ϕ(v) etykieta v. Klasa grafów nad Σ - G Σ. Gramatyki grafowe Def. Nieskierowany NL-graf (etykietowane wierzchołki) jest czwórką g = (V, E, Σ, ϕ), gdzie: V niepusty zbiór wierzchołków, E V V zbiór krawędzi, Σ - skończony, niepusty alfabet etykiet

Bardziej szczegółowo

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem Zestaw zadań 9: Przestrzenie wektorowe. Podprzestrzenie () Wykazać, że V = C ze zwykłym dodawaniem jako dodawaniem wektorów i operacją mnożenia przez skalar : C C C, (z, v) z v := z v jest przestrzenią

Bardziej szczegółowo

Kod znak-moduł. Wartość liczby wynosi. Reprezentacja liczb w kodzie ZM w 8-bitowym formacie:

Kod znak-moduł. Wartość liczby wynosi. Reprezentacja liczb w kodzie ZM w 8-bitowym formacie: Wykład 3 3-1 Reprezentacja liczb całkowitych ze znakiem Do przedstawienia liczb całkowitych ze znakiem stosowane są następujące kody: - ZM (znak-moduł) - U1 (uzupełnienie do 1) - U2 (uzupełnienie do 2)

Bardziej szczegółowo

Podstawowe struktury algebraiczne

Podstawowe struktury algebraiczne Maciej Grzesiak Podstawowe struktury algebraiczne 1. Wprowadzenie Przedmiotem algebry było niegdyś przede wszystkim rozwiązywanie równań. Obecnie algebra staje się coraz bardziej nauką o systemach matematycznych.

Bardziej szczegółowo

Macierz o wymiarach m n. a 21. a 22. A =

Macierz o wymiarach m n. a 21. a 22. A = Macierze 1 Macierz o wymiarach m n A = a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn Mat m n (R) zbiór macierzy m n o współczynnikach rzeczywistych Analogicznie określamy Mat m n (Z), Mat m n (Q) itp 2

Bardziej szczegółowo

macierze jednostkowe (identyczności) macierze diagonalne, które na przekątnej mają same

macierze jednostkowe (identyczności) macierze diagonalne, które na przekątnej mają same 1 Macierz definicja i zapis Macierzą wymiaru m na n nazywamy tabelę a 11 a 1n A = a m1 a mn złożoną z liczb (rzeczywistych lub zespolonych) o m wierszach i n kolumnach (zamiennie będziemy też czasem mówili,

Bardziej szczegółowo

Formy kwadratowe. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 14. wykład z algebry liniowej Warszawa, styczeń 2017

Formy kwadratowe. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 14. wykład z algebry liniowej Warszawa, styczeń 2017 Formy kwadratowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 14. wykład z algebry liniowej Warszawa, styczeń 2017 Mirosław Sobolewski (UW) Warszawa, 2017 1 / 10 Definicja Funkcja

Bardziej szczegółowo

4. Postęp arytmetyczny i geometryczny. Wartość bezwzględna, potęgowanie i pierwiastkowanie liczb rzeczywistych.

4. Postęp arytmetyczny i geometryczny. Wartość bezwzględna, potęgowanie i pierwiastkowanie liczb rzeczywistych. Jarosław Wróblewski Matematyka dla Myślących, 008/09. Postęp arytmetyczny i geometryczny. Wartość bezwzględna, potęgowanie i pierwiastkowanie liczb rzeczywistych. 15 listopada 008 r. Uwaga: Przyjmujemy,

Bardziej szczegółowo

ELEMENTY STATYSTYKI 1. DANE

ELEMENTY STATYSTYKI 1. DANE ELEMENTY STATYSTYKI 1. DANE W badaniach statystycznych populacją nazywamy grupę osób, zwierząt, roślin lub przedmiotów badanych. Interesują nas przy tym pewne wybrane cechy tych populacji. Takie cechy

Bardziej szczegółowo

Chcąc wyróżnić jedno z działań, piszemy np. (, ) i mówimy, że działanie wprowadza w STRUKTURĘ ALGEBRAICZNĄ lub, że (, ) jest SYSTEMEM ALGEBRAICZNYM.

Chcąc wyróżnić jedno z działań, piszemy np. (, ) i mówimy, że działanie wprowadza w STRUKTURĘ ALGEBRAICZNĄ lub, że (, ) jest SYSTEMEM ALGEBRAICZNYM. DEF. DZIAŁANIE DWUARGUMENTOWE Działaniem dwuargumentowym w niepsutym zbiorze nazywamy każde odwzorowanie iloczynu kartezjańskiego :. Inaczej mówiąc, w zbiorze jest określone działanie dwuargumentowe, jeśli:

Bardziej szczegółowo

Macierze - obliczanie wyznacznika macierzy z użyciem permutacji

Macierze - obliczanie wyznacznika macierzy z użyciem permutacji Macierze - obliczanie wyznacznika macierzy z użyciem permutacji I LO im. F. Ceynowy w Świeciu Radosław Rudnicki joix@mat.uni.torun.pl 17.03.2009 r. Typeset by FoilTEX Streszczenie Celem wykładu jest wprowadzenie

Bardziej szczegółowo

WyŜsza Szkoła Zarządzania Ochroną Pracy MS EXCEL CZ.2

WyŜsza Szkoła Zarządzania Ochroną Pracy MS EXCEL CZ.2 - 1 - MS EXCEL CZ.2 FUNKCJE Program Excel zawiera ok. 200 funkcji, będących predefiniowanymi formułami, słuŝącymi do wykonywania określonych obliczeń. KaŜda funkcja składa się z nazwy funkcji, która określa

Bardziej szczegółowo

Analiza matematyczna i algebra liniowa Macierze

Analiza matematyczna i algebra liniowa Macierze Analiza matematyczna i algebra liniowa Macierze Wojciech Kotłowski Instytut Informatyki Politechniki Poznańskiej email: imię.nazwisko@cs.put.poznan.pl pok. 2 (CW) tel. (61)665-2936 konsultacje: poniedziałek

Bardziej szczegółowo

MACIERZE I WYZNACZNIKI

MACIERZE I WYZNACZNIKI Wykłady z matematyki inżynierskiej IMiF UTP 07 MACIERZ DEFINICJA. Macierza o m wierszach i n kolumnach nazywamy przyporza dkowanie każdej uporza dkowanej parze liczb naturalnych (i, j), gdzie 1 i m, 1

Bardziej szczegółowo

Laboratorium nr 8. Temat: Podstawy języka zapytań SQL (część 2)

Laboratorium nr 8. Temat: Podstawy języka zapytań SQL (część 2) Laboratorium nr 8 Temat: Podstawy języka zapytań SQL (część 2) PLAN LABORATORIUM: 1. Sortowanie. 2. Warunek WHERE 3. Eliminacja powtórzeń - DISTINCT. 4. WyraŜenia: BETWEEN...AND, IN, LIKE, IS NULL. 5.

Bardziej szczegółowo

Wykład 4. Informatyka Stosowana. Magdalena Alama-Bućko. 25 marca Magdalena Alama-Bućko Wykład 4 25 marca / 25

Wykład 4. Informatyka Stosowana. Magdalena Alama-Bućko. 25 marca Magdalena Alama-Bućko Wykład 4 25 marca / 25 Wykład 4 Informatyka Stosowana Magdalena Alama-Bućko 25 marca 2019 Magdalena Alama-Bućko Wykład 4 25 marca 2019 1 / 25 Macierze Magdalena Alama-Bućko Wykład 4 25 marca 2019 2 / 25 Macierza wymiaru m n

Bardziej szczegółowo

Rozdział 22 Pole elektryczne

Rozdział 22 Pole elektryczne Rozdział 22 Pole elektryczne 1. NatęŜenie pola elektrycznego jest wprost proporcjonalne do A. momentu pędu ładunku próbnego B. energii kinetycznej ładunku próbnego C. energii potencjalnej ładunku próbnego

Bardziej szczegółowo

Rektor: oznacza Rektora Polsko-Japońskiej WyŜszej Szkoły Technik Komputerowych. Komputerowych. oznacza Dziekanat Polsko-Japońskiej.

Rektor: oznacza Rektora Polsko-Japońskiej WyŜszej Szkoły Technik Komputerowych. Komputerowych. oznacza Dziekanat Polsko-Japońskiej. Projekt Wsparcie studentów informatyki jako klucz do rozwoju gospodarki opartej o wiedzę wzbogacenie programu dydaktycznego w Polsko-Japońskiej WyŜszej Szkole Technik Komputerowych współfinansowany przez

Bardziej szczegółowo

Przetwarzanie i transmisja danych multimedialnych. Wykład 7 Transformaty i kodowanie. Przemysław Sękalski.

Przetwarzanie i transmisja danych multimedialnych. Wykład 7 Transformaty i kodowanie. Przemysław Sękalski. Przetwarzanie i transmisja danych multimedialnych Wykład 7 Transformaty i kodowanie Przemysław Sękalski sekalski@dmcs.pl Politechnika Łódzka Katedra Mikroelektroniki i Technik Informatycznych DMCS Wykład

Bardziej szczegółowo

Rozdział 5. Macierze. a 11 a a 1m a 21 a a 2m... a n1 a n2... a nm

Rozdział 5. Macierze. a 11 a a 1m a 21 a a 2m... a n1 a n2... a nm Rozdział 5 Macierze Funkcję, która każdej parze liczb naturalnych (i,j) (i = 1,,n;j = 1,,m) przyporządkowuje dokładnie jedną liczbę a ij F, gdzie F = R lub F = C, nazywamy macierzą (rzeczywistą, gdy F

Bardziej szczegółowo

PRZETWARZANIE OBRAZÓW Sprawozdanie z ćwiczeń. Ćwiczenie 2. Korekcja zniekształceń radiometrycznych

PRZETWARZANIE OBRAZÓW Sprawozdanie z ćwiczeń. Ćwiczenie 2. Korekcja zniekształceń radiometrycznych WyŜsza Szkoła Informatyki Stosowanej i Zarządzania Warsaw School of Information Technology WIT Grupa ID306, Zespół 2 PRZETWARZANIE OBRAZÓW Sprawozdanie z ćwiczeń Ćwiczenie 2 Temat: : Korekcja zniekształceń

Bardziej szczegółowo

KaŜdemu atrybutowi A przyporządkowana jest dziedzina Dom(A), czyli zbiór dopuszczalnych wartości.

KaŜdemu atrybutowi A przyporządkowana jest dziedzina Dom(A), czyli zbiór dopuszczalnych wartości. elacja chemat relacji chemat relacji jest to zbiór = {A 1,..., A n }, gdzie A 1,..., A n są artybutami (nazwami kolumn) np. Loty = {Numer, kąd, Dokąd, Odlot, Przylot} KaŜdemu atrybutowi A przyporządkowana

Bardziej szczegółowo

POD- I NADOKREŚLONE UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH

POD- I NADOKREŚLONE UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH POD- I NADOKREŚLONE UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH Transport, studia I stopnia rok akademicki 2011/2012 Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko

Bardziej szczegółowo

1. Wykład NWD, NWW i algorytm Euklidesa.

1. Wykład NWD, NWW i algorytm Euklidesa. 1.1. NWD, NWW i algorytm Euklidesa. 1. Wykład 1 Twierdzenie 1.1 (o dzieleniu z resztą). Niech a, b Z, b 0. Wówczas istnieje dokładnie jedna para liczb całkowitych q, r Z taka, że a = qb + r oraz 0 r< b.

Bardziej szczegółowo

Algebra WYKŁAD 3 ALGEBRA 1

Algebra WYKŁAD 3 ALGEBRA 1 Algebra WYKŁAD 3 ALGEBRA 1 Liczby zespolone Postać wykładnicza liczby zespolonej Niech e oznacza stałą Eulera Definicja Równość e i cos isin nazywamy wzorem Eulera. ALGEBRA 2 Liczby zespolone Każdą liczbę

Bardziej szczegółowo

Przestrzeń unitarna. Jacek Kłopotowski. 23 października Katedra Matematyki i Ekonomii Matematycznej SGH

Przestrzeń unitarna. Jacek Kłopotowski. 23 października Katedra Matematyki i Ekonomii Matematycznej SGH Katedra Matematyki i Ekonomii Matematycznej SGH 23 października 2018 Definicja iloczynu skalarnego Definicja Iloczynem skalarnym w przestrzeni liniowej R n nazywamy odwzorowanie ( ) : R n R n R spełniające

Bardziej szczegółowo

Co to jest algorytm? przepis prowadzący do rozwiązania zadania, problemu,

Co to jest algorytm? przepis prowadzący do rozwiązania zadania, problemu, wprowadzenie Co to jest algorytm? przepis prowadzący do rozwiązania zadania, problemu, w przepisie tym podaje się opis czynności, które trzeba wykonać, oraz dane, dla których algorytm będzie określony.

Bardziej szczegółowo

FUNKCJE. Kurs ZDAJ MATURĘ Z MATEMATYKI MODUŁ 5 Teoria funkcje cz.1. Definicja funkcji i wiadomości podstawowe

FUNKCJE. Kurs ZDAJ MATURĘ Z MATEMATYKI MODUŁ 5 Teoria funkcje cz.1. Definicja funkcji i wiadomości podstawowe 1 FUNKCJE Definicja funkcji i wiadomości podstawowe Jeżeli mamy dwa zbiory: zbiór X i zbiór Y, i jeżeli każdemu elementowi ze zbioru X przyporządkujemy dokładnie jeden element ze zbioru Y, to takie przyporządkowanie

Bardziej szczegółowo

Sprawiedliwość i efektywność tradycyjnych i skomputeryzowanych metod organizacji masowego naboru do szkół średnich

Sprawiedliwość i efektywność tradycyjnych i skomputeryzowanych metod organizacji masowego naboru do szkół średnich Sprawiedliwość i efektywność tradycyjnych i skomputeryzowanych metod organizacji masowego naboru do szkół średnich Andrzej P.Urbański Instytut Informatyki Politechnika Poznańska Rozwiązywane problemy podział

Bardziej szczegółowo

LUBELSKA PRÓBA PRZED MATURĄ

LUBELSKA PRÓBA PRZED MATURĄ POZIOM PODSTAWOWY Czas pracy 170 minut Klasa 3 Instrukcja dla piszącego 1. Sprawdź, czy arkusz zawiera 18 stron.. Rozwiązania zadań i odpowiedzi zamieść w miejscu na to przeznaczonym. 3. W zadaniach od

Bardziej szczegółowo

a 11 a a 1n a 21 a a 2n... a m1 a m2... a mn x 1 x 2... x m ...

a 11 a a 1n a 21 a a 2n... a m1 a m2... a mn x 1 x 2... x m ... Wykład 15 Układy równań liniowych Niech K będzie ciałem i niech α 1, α 2,, α n, β K. Równanie: α 1 x 1 + α 2 x 2 + + α n x n = β z niewiadomymi x 1, x 2,, x n nazywamy równaniem liniowym. Układ: a 21 x

Bardziej szczegółowo

Jednostki informacji. Bajt moŝna podzielić na dwie połówki 4-bitowe nazywane tetradami (ang. nibbles).

Jednostki informacji. Bajt moŝna podzielić na dwie połówki 4-bitowe nazywane tetradami (ang. nibbles). Wykład 1 1-1 Informatyka nauka zajmująca się zbieraniem, przechowywaniem i przetwarzaniem informacji. Informacja obiekt abstrakcyjny, który w postaci zakodowanej moŝe być przechowywany, przesyłany, przetwarzany

Bardziej szczegółowo

LABORATORIUM Systemy teletransmisji i transmisja danych

LABORATORIUM Systemy teletransmisji i transmisja danych LABORATORIUM Systemy teletransmisji i transmisja danych INSTRUKCJA NR:3 TEMAT: Podstawy adresowania IP w protokole TCP/IP 1 Cel ćwiczenia: WyŜsza Szkoła Technik Komputerowych i Telekomunikacji Zapoznanie

Bardziej szczegółowo

ROZKŁAD MATERIAŁU DLA KLASY IV SZKOŁY PODSTAWOWEJ

ROZKŁAD MATERIAŁU DLA KLASY IV SZKOŁY PODSTAWOWEJ ROZKŁAD MATERIAŁU DLA KLASY IV SZKOŁY PODSTAWOWEJ Prezentowany rozkład materiału jest zgodny z nową podstawą programową z 23 grudnia 2008 r., obowiązującą w klasie IV od roku szkolnego 202/203 oraz stanowi

Bardziej szczegółowo

Klasa I szkoły ponadgimnazjalnej matematyka

Klasa I szkoły ponadgimnazjalnej matematyka Klasa I szkoły ponadgimnazjalnej matematyka. Informacje ogólne Badanie osiągnięć uczniów I klas odbyło się 7 września 2009 r. Wyniki badań nadesłało 2 szkół. Analizie poddano wyniki 992 uczniów z 4 klas

Bardziej szczegółowo

Wektory i wartości własne

Wektory i wartości własne Treść wykładu Podprzestrzenie niezmiennicze Podprzestrzenie niezmiennicze... Twierdzenie Cayley Hamiltona Podprzestrzenie niezmiennicze Definicja Niech f : V V będzie przekształceniem liniowym. Podprzestrzeń

Bardziej szczegółowo

Języki i operacje na językach. Teoria automatów i języków formalnych. Definicja języka

Języki i operacje na językach. Teoria automatów i języków formalnych. Definicja języka Języki i operacje na językach Teoria automatów i języków formalnych Dr inŝ. Janusz Majewski Katedra Informatyki Definicja języka Definicja języka Niech Σ będzie alfabetem, Σ* - zbiorem wszystkich łańcuchów

Bardziej szczegółowo

Rekurencje. Jeśli algorytm zawiera wywołanie samego siebie, jego czas działania moŝe być określony rekurencją. Przykład: sortowanie przez scalanie:

Rekurencje. Jeśli algorytm zawiera wywołanie samego siebie, jego czas działania moŝe być określony rekurencją. Przykład: sortowanie przez scalanie: Rekurencje Jeśli algorytm zawiera wywołanie samego siebie, jego czas działania moŝe być określony rekurencją. Przykład: sortowanie przez scalanie: T(n) = Θ(1) (dla n = 1) T(n) = 2 T(n/2) + Θ(n) (dla n

Bardziej szczegółowo

Paweł Gładki. Algebra. pgladki/

Paweł Gładki. Algebra.  pgladki/ Paweł Gładki Algebra http://www.math.us.edu.pl/ pgladki/ Konsultacje: Środa, 14:00-15:00 Jeżeli chcesz spotkać się z prowadzącym podczas konsultacji, postaraj się powiadomić go o tym przed lub po zajęciach,

Bardziej szczegółowo

Wyszukiwanie. Wyszukiwanie binarne

Wyszukiwanie. Wyszukiwanie binarne Wyszukiwanie Wejście: posortowana, n-elementowa tablica liczbowa T oraz liczba p. Wyjście: liczba naturalna, określająca pozycję elementu p w tablicy T, bądź 1, jeŝeli element w tablicy nie występuje.

Bardziej szczegółowo

Granica funkcji wykład 4

Granica funkcji wykład 4 Granica funkcji wykład 4 dr Mariusz Grządziel 27 października 2008 Problem obliczanie prędkości chwilowej Droga s, jaką przemierzy kulka ołowiana upuszczona z wysokiej wieży po czasie t: s = gt2 2, gdzie

Bardziej szczegółowo

Programowanie Współbieżne. Algorytmy

Programowanie Współbieżne. Algorytmy Programowanie Współbieżne Algorytmy Sortowanie przez scalanie (mergesort) Algorytm :. JEŚLI jesteś rootem TO: pobierz/wczytaj tablice do posortowania JEŚLI_NIE to pobierz tablicę do posortowania od rodzica

Bardziej szczegółowo

Matematyka wykªad 1. Macierze (1) Andrzej Torój. 17 wrze±nia 2011. Wy»sza Szkoªa Zarz dzania i Prawa im. H. Chodkowskiej

Matematyka wykªad 1. Macierze (1) Andrzej Torój. 17 wrze±nia 2011. Wy»sza Szkoªa Zarz dzania i Prawa im. H. Chodkowskiej Matematyka wykªad 1 Macierze (1) Andrzej Torój Wy»sza Szkoªa Zarz dzania i Prawa im. H. Chodkowskiej 17 wrze±nia 2011 Plan wykªadu 1 2 3 4 5 Plan prezentacji 1 2 3 4 5 Kontakt moja strona internetowa:

Bardziej szczegółowo

Baza w jądrze i baza obrazu ( )

Baza w jądrze i baza obrazu ( ) Przykład Baza w jądrze i baza obrazu (839) Znajdź bazy jądra i obrazu odwzorowania α : R 4 R 3, gdzie α(x, y, z, t) = (x + 2z + t, 2x + y 3z 5t, x y + z + 4t) () zór ten oznacza, że α jest odwzorowaniem

Bardziej szczegółowo

Wektory i wartości własne

Wektory i wartości własne Treść wykładu Podprzestrzenie niezmiennicze... Twierdzenie Cayley Hamiltona Podprzestrzenie niezmiennicze Definicja Niech f : V V będzie przekształceniem liniowym. Podprzestrzeń W V nazywamy niezmienniczą

Bardziej szczegółowo

INSTRUKCJE ITERACYJNE

INSTRUKCJE ITERACYJNE INSTRUKCJE ITERACYJNE Zadanie nr 1 Przedstaw algorytm za pomocą a i schematów blokowych, który wyświetla na ekranie monitora 10 kolejnych liczb całkowitych począwszy od 1. Zrealizuj problem za pomocą instrukcji

Bardziej szczegółowo

wagi cyfry 7 5 8 2 pozycje 3 2 1 0

wagi cyfry 7 5 8 2 pozycje 3 2 1 0 Wartość liczby pozycyjnej System dziesiętny W rozdziale opiszemy pozycyjne systemy liczbowe. Wiedza ta znakomicie ułatwi nam zrozumienie sposobu przechowywania liczb w pamięci komputerów. Na pierwszy ogień

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 10. WNIOSKOWANIE W LOGICE ROZMYTEJ Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska WNIOSKOWANIE W LOGICE DWUWARTOŚCIOWEJ W logice

Bardziej szczegółowo

Treści programowe. Matematyka. Efekty kształcenia. Literatura. Terminy wykładów i ćwiczeń. Warunki zaliczenia. tnij.org/ktrabka

Treści programowe. Matematyka. Efekty kształcenia. Literatura. Terminy wykładów i ćwiczeń. Warunki zaliczenia. tnij.org/ktrabka Treści programowe Matematyka Katarzyna Trąbka-Więcław Elementy algebry liniowej. Macierze i wyznaczniki. Ciągi liczbowe, granica ciągu i granica funkcji, rachunek granic, wyrażenia nieoznaczone, ciągłość

Bardziej szczegółowo