PIERWIASTKI ROZMYTE RÓWNAŃ PRZEDZIŁOWYCH

Wielkość: px
Rozpocząć pokaz od strony:

Download "PIERWIASTKI ROZMYTE RÓWNAŃ PRZEDZIŁOWYCH"

Transkrypt

1 Marusz GONERA, Ludmła DYMOWA, Paweł SEWASTJANOW Instytut Informatyk Teoretyczne Stosowane ul. Dąbrowskego, 73, Częstochowa PIERWIASTKI ROZMYTE RÓWNAŃ PRZEDZIŁOWYCH 285 słów Znaczna cześć problemów przy modelowanu procesów, zawsk w narozmatszych dzedznach sprowadza sę do rozwązywana układów równań lnowych algebracznych. Dzś można powedzeć, że problemy ch rozwązywana w przypadku opsu parametrów przez lczby rzeczywste są w zasadze rozwązane. Jednak w rzeczywstośc parametry tych układów równań są często wadome z dokładnoścą do przedzałów. Konstatuemy, że, ścśle mówąc, układ równań, realzuący, na przykład, zagadnene mechank, rozwązywany za pomocą metody elementów skończonych, ma być przedstawony w kształce przedzałowym. Równeż dotyczy to systemów ekonometrycznych, których parametry maą awne przedzałowy charakter uż na zasadze wewnętrznych właścwośc metod statystycznych, wykorzystywanych dla ch otrzymana. Problem rozwązywana równań przydzałowych est ednym z ważneszych zagadneń arytmetyk przedzałowe. Mmo, że formalne rozszerzene przedzałowe systemów zwykłych z punktu wdzena algebracznego wydae sę banalnym, konkretne realzace, na przykład, rozmytoprzedzałowe odmany procedury Gaussa doprowadzą do znacznego rozszerzena wynkowych przedzałów. Odnotowana cecha to est wewnętrzny problem arytmetyk przedzałowe, w zwązku z czym powstało klka e modyfkac. Wszystke te sposoby są efektywne w odnesenu do określonych klas sytuac. W całośc wzrost przedzałów wynkowych całkowce odzwercedla rzeczywstość w stoce odpowada zasadze wzrastana neoznaczonośc (entrop). Przyczyną ch powstana est właśne dążene do skonstruowana matematyk przedzałowe, pozwalaące otrzymywać wynk w forme dosyć wąskch przedzałów. Drug metodologczny problem rozwązywana równań przedzałowych, to problem stnena zera przedzałowego. W nnesze pracy zaproponowana została metoda rozwązywana równań przedzałowych, całkowce rozwązuąca problem drug w znaczącym stopnu problem perwszy. Naturalny efekt osąga sę w skutku wprowadzena nektórych ogranczeń, które będzemy nazywal naturalnym. Przy tym perwastk równań przedzałowych otrzymuemy w forme dosyć wąskch przedzałów rozmytych. W nnesze pracy opsane są ogólne metodologczne zasady zaproponowane metody. Metoda została zlustrowana przykładem rozwązywana układu równań lnowych przedzałowych. Otrzymane wynk są porównane z wynkam rozwązywana tego samego zagadnena przez bezpośredne rozszerzene przedzałowe procedury Gaussa. SŁOWA KLUCZOWE: ranga, lczba przedzałowa, przedzałowa metoda Gaussa 1.WPROWADZENIE Znaczna cześć problemów przy modelowanu procesów, zawsk w narozmatszych dzedznach sprowadza sę do rozwązywana układów równań lnowych algebracznych. Dzś można powedzeć, że problemy ch rozwązywana w przypadku opsu parametrów przez lczby rzeczywste są w zasadze rozwązane. Jednak w rzeczywstośc parametry tych układów równań są często wadome z dokładnoścą do przedzałów. Na przykład, dobre nformatorze właścwośc materałów podaą z reguły dane w forme m±σ, gdze σ charakteryzue sę szerokoścą przedzałów zadanego parametru. Ne będzemy tuta zagłębać sę w flozofę nepewnośc danych weścowych (zwykle est zwązana z nedokładnoścą pomarów, prognoz, - 1 -

2 wpływu zewnętrznego otoczena tp.). Konstatuemy, że, ścsłe mówąc, układ równań, realzuący, na przykład, zagadnene mechank, rozwązywany za pomocą metody elementów skończonych, ma być przedstawony w kształce przedzałowym. Równeż dotyczy to systemów ekonometrycznych, których parametry maą awne przedzałowy charakter uż na zasadze wewnętrznych właścwośc metod statystycznych, wykorzystywanych dla ch otrzymana. Problem rozwązywana równań przydzałowych est ednym z ważneszych zagadneń arytmetyk przedzałowe [1]. Mmo, że formalne rozszerzene przedzałowe systemów zwykłych z punktu wdzena algebracznego wydae sę banalnym, konkretne realzace, na przykład, rozmyto-przedzałowe odmany procedury Gaussa doprowadzą do znacznego rozszerzena wynkowych przedzałów. Odnotowana cecha to est wewnętrzny problem arytmetyk przedzałowe, w zwązku z czym powstało klka e modyfkac. Nabardze znanym spośród nch są: arytmetyka przedzałowa z nestandardowym odemowanem dzelenem [2], uogólnona arytmetyka przedzałowa [3], matematyka segmentowa [4], forma scentrowana [1], MV-forma [5]. Wszystke te sposoby są efektywne w odnesenu do określonych klas sytuac. W całośc wzrost przedzałów wynkowych całkowce odzwercedla rzeczywstość w stoce odpowada zasadze wzrastana neoznaczonośc (entrop). Przyczyną ch powstana est właśne dążene do skonstruowana matematyk przedzałowe, pozwalaące otrzymywać wynk w forme dosyć wąskch przedzałów. Drug metodologczny problem rozwązywana równań przedzałowych, to problem stnena zera przedzałowego. Na przykład, mamy bazowe rzeczywste równane f(x) = 0. Jego naturalne rozszerzene przedzałowe [1] może być przedstawone przez zastępstwo zwykłych zmennych przez zmenne przedzałowe wszystkch operac arytmetycznych przez odpowedne operace przedzałowe. W wynku otrzymuemy równana przedzałowe w forme: [f]([x]) = 0. Ścsłe mówąc, równane ne ma sensu, poneważ ego lewa część przedstawa przedzał, a prawa degenerowane zero. Rzeczywśce, eżel ([ ]) [ f ] x = [ f, f ], to wtedy równane [f]([x]) = 0 est prawdzwe tylko, eśl f = f = 0. To znaczy, że przychodzmy do sprzecznośc. W nnesze pracy zaproponowana została metoda rozwązywana równań przedzałowych, całkowce rozwązuąca problem drug w znaczącym stopnu problem perwszy. Naturalny efekt osąga sę w skutku wprowadzena pewnych ogranczeń, które będzemy nazywal naturalnym. Przy tym perwastk równań przedzałowych otrzymuemy w forme dosyć wąskch przedzałów rozmytych. Pozostała część nnesze pracy zorganzowana została w następny sposób. W sekc 2 opsane są ogólne metodologczne zasady zaproponowane metody. W sekc 3 metoda została zlustrowana przykładem rozwązywana układu równań lnowych przedzałowych. Otrzymane wynk są porównane z wynkam rozwązywana tego samego zagadnena przez bezpośredne rozszerzene przedzałowe procedury Gaussa. 2. METODA ROZWIĄZYWANIA UKŁADÓW RÓWNAŃ LINIOWYCH PRZEDZIAŁOWYCH Aby móc prześć do formułowana metody rozwązywana układów równań lnowych przedzałowych przedstawmy nektóre podstawy arytmetyk przedzałowe, które szczegóły można znaleźć w prace - 2 -

3 [1]. Załóżmy na początku, że lczby przedzałowe [x] oraz [y] opszemy za pomocą przedzałów wartośc odpowedno [ x, x ], oraz [ y, y ]. Przemuemy naczęśce używane operac przedzałowe [1]: dodawane: [x]+[y] = [ x + y, x + y ], (1) odemowane: [x]-[y] = [ x y, x y ], (2) mnożene: [x]*[y] = [ mn{ x y},max{ x y} ], (3) dzelene: [x]/[y] = [x]*(1/[y]). (4) Zawarta w pracy [1] metoda rozwązywana układów równań lnowych za pomocą metody Gaussa w werse przedzałowe wygląda w następuący sposób. Nech mamy układ n zwykłych równań lnowych w postac macerzowe A*x = b. Stosuąc rozkładu macerzy A na dwe macerze tróątne otrzymuemy algorytm dwuprzebegowy, na który składaą sę postępowane wprost, polegaące na elmnac do zer elementów, leżących pod dagonalną macerzy A, oraz postępowane odwrotne. Przedzałowy odpowednk metody Gaussa budue sę poprzez zastosowane analogcznych etapów przetwarzana macerzy A oraz wektorów x b, których elementy składowe [ ] [ będą mały postać: [ ] a, a ] a =, [ x ] = [ x x ] [,, oraz b = b, b ], przy czym, = 1, 2,..., n. W wynku rekurencynych przekształceń, zgodne z klasycznym algorytmem Gaussa, otrzymuemy następuący algorytm: a) Etap postępowana wprost: [ m, m ] [ a, a ]/[ a, a ]; [ a, a ] = [ a, a ] [ m, m ]*[ a, a ] = ; (5) [ m, m ] [ a, a ]/[ a, a ]; [ b, b ] = [ b, b ] [ m, m ]*[ b, b ] = (6) k k gdze = 1, 2,, n, = +1, ; k =,,n. b) Postępowane odwrotne: = n, n s = [, s] [ a, a ]*[ x, x ]; = (7) = 0, = [ x, x ] ([ b, b ] [ s, s] ) /[ a, a = ] (8) - 3 -

4 gdze: = n, n - 1,,0; = = n, n - 1,,. gdze [m ], [s ] zmenne pomocncze. W wynku otrzymuemy przedzałowy wektor [x] = [[ x 1, x1],[ x2, x2 ],...,[ x n, xn ]]. Skupmy sę na etape postępowana odwrotnego. Równane (8) przewdue welokrotne dzelene wartośc przedzałowe przez przedzał. Poneważ, ak wadomo, operaca dzelena powodue znaczne rozszerzene przedzału wynkowego, proponuemy następuące rozwązane tego problemu. Aby wyelmnować z równana dzelene należy e przekształcć do równo ważne postac: [ a ]*[ x] [ b] = [0], gdze przez zaps [0] rozumemy przedzałową postać zera. Z zasad arytmetyk przedzałowe (1)-(4) wynka, że [ a, a] [ a, a] = [ a a, a ]. a. To znaczy, że odemowane od sebe te same wartośc dae w wynku symetryczny wokół rzeczywste lczby zero przedzał. Zgodne z tą wdzą możemy zdefnować [0] ako następuący przedzał [0]=[-y, y], gdze y oznaczać będze symetryczną odchyłkę wokół zera rzeczywstego. Ostateczne nasze równane będze meć postać: [ a, a] *[ x, x] [ b, b] = [ y, y] (9) ako: Otrzymane równane przedzałowe można zgodne z zasadam arytmetyk przedzałowe przedstawć [ a * x, a * x] [ b, b] = [ y, y]. (10) Powyższe równane może być z kole rozpsane na dwa równana dotyczące lewych prawych granc przedzałów borących w nm udzał: a * x b = y, a * x b = y. (11) W wynku te transformac otrzymalśmy układ dwóch równań z trzema newadomym. Aby uproścć otrzymany układ równań możemy oba równana dodać stronam w wynku czego otrzymamy edno równane lnowe z dwoma newadomym: a * x b + a * x b = 0. (12) - 4 -

5 Należałoby sę teraz zastanowć, w ak sposób możemy otrzymać rozwązana szczegółowe w ake one będą postac? W celu rozwązana równana (11) musmy dodać pewne ogranczene. Nabardze naturalnym w przypadku wększośc zagadneń fzyk albo ekonomk wygląda ogranczene typu x >0, czyl przepuszczene, że wartość pozyskwanego przez nas parametru może być wyłączne dodatne. Gdy przeanalzuemy równane (11) maąc na uwadze ogranczene typu x >0, to dodzemy do wnosku, że gdy warto ść x będze namnesza, czy l x = 0, to x osągne wartość maksymalną, z czego wynka, że długość przedzału [ x, x ] będze nawększa. Gdy wartość x przesuwać będzemy na prawo od zera to w pewnym momence rozpętość przedzału [ x, x ] osągne wartość 0, gdyż x przesuwaąc sę w kerunku początku układu współrzędnych zrówna sę wartoścą z x. Oczywśce, że w praktyce x ne obowązkowo pownno być równym zero. To znaczy, że w ogóle x = x 0, gdze x 0 ogranczene, wynkaące z sensu rozwązywanego problemu. Na perwszy rzut oka wprowadzene takego rodzau ogranczeń w algebrze lnowe (co prawda, przedzałowe) wygląda dość nezwykłe. Jednak wystarczy wspomneć, że w zagadnenach programowana lnowego ogranczena są uż nezbędnym elementem zagadnena. Wprowadzaąc ogranczena w nasze sytuac faktyczne ne zmneszamy dokładnośc otrzymanego rozwązana, poneważ w realnych zagadnenach możlwe grancy poszukwanego rozwązana z reguły są wadome. Rozpatrywane przypadk podsuwaą rozwązane postac, aką przyme w nasze metodze wynk dzelena dwóch przedzałów. W wynku otrzymamy ne przedzał, lecz lczbę rozmytą (ang. fuzzy number) w postac tróątne x ~ =[l, m, u], gdze l, m, u oznaczaą charakterystyczne dla tróątne lczby rozmyte parametry: l-lewa granca, u-prawa granca, m - środek przedzału. Rozważmy procedurę otrzymana rozmytego wynku, gdy przymuemy x = x 0, gdze x 0 mnmalna możlwa wartość dolne grancy. Wtedy z równana (12) otrzymamy maksymalną wartość x z kole maksymalną szerokość przedzału w([x]) = x - x = w max. Gdy przesunemy x na prawo, otrzymamy mnesze x mneszą szerokość przedzałowego rozwązana w. Oczywśce względną szerokość przedzału w/ w max możemy traktować ak naturalny względny stopeń nepewnośc przedzałowego rozwązana. Jeżel skoarzyć stopeń nepewnośc w/ w max z α- pozomem lczby rozmyte, możemy przedstawć cągły zbór możlwych przedzałowych rozwązań (równane (12)) w forme lczby rozmyte, przedstawone na rys. 1. µ(x) 1 α-pozome 0 x mn =x 0 x= x x max Rys. 1. Przedstawene grafczne rozmytego rozwązana równana przedzałowego - 5 -

6 Z rysunku 1 równana (12) wynka, że przy x = x, (w=0) mamy mnmalną nepewność rozwązana, czemu w zgodnośc z zasadam teor zborów rozmytych odpowada maksymalna wartość α = 1. Aby móc porównać wynk, uzyskane za pomocą klasyczne operac dzelena przedzałów, z wynkam, uzyskanym przy pomocy nasze metody, która ch dae w postac ne przedzałów, lecz lczb rozmytych, rozpatrzymy przykład dzelena dwóch przedzałów: [b]/[a], gdze [a] = [1, 3], [b] = [3, 5]. Dzelene [b]/[a]według reguły (4) da w wynku przedzał [x] = [1, 5]. Wynkem operac dzelena według równana (12) będze lczba rozmyta ~ x =[0, 2, 2.7] z nośnkem [x] = [0, 2.7]. Analzuąc powyższe wynk, możemy zauważyć, że proponowana przez nas metoda dzelena przedzałowego ma klka charakterystycznych cech. Uzyskuemy znaczne węższe przedzały wynkowe (szerokość przedzału [x] równa est 4, nośnk lczby rozmyte ~ x ma szerokość 2.7). Jądrem lczby rozmyte x~ est wartość, która równa sę wartośc asymptotyczne, równe wynku dzelena centrów przedzałów [b] [a], w naszym przykładze to: 4/2 = 2. Natomast centrum przedzału, otrzymanego w wynku dzelena klasycznego w naszym przykładze równe est 3. To znaczy, że nasze podeśce gwarantue ne tyko mnesze szerokośc przedzałów wynkowych, ale też w odróżnenu od dzelena klasycznego zachowywane poważnych asymptotycznych cech. Lczba rozmyta ~ x w dalszych wylczenach może być wykorzystywana albo w te same postac, albo w postac zwykłego przedzału, którego grancy można łatwo wylczyć, w zależnośc od pożądanego stopnu ryzyku, zwązanego z szerokoścą wynków przedzałowych. 3. ROZWIĄZYWANIE UKŁADU RÓWNAŃ LINIOWYCH PRZEDZIAŁOWYCH Opracowaną przez nas metodę rozwązywana równań typu (8) na etape postępowana odwrotnego w metodze Gaussa zademonstruemy na przykładze przedzałowe macerzy, zaweraące przedzały uemne dodatne różne szerokośc. Macerz (13) zaczerpnęta została z zagadnena poszukwana współczynnków względne ważnośc na podstawe macerzy parzystych porównań [6]. Cechą charakterystyczną tego zadana est koneczność, aby [x 1 ], [x 2 ], [x 3 ] były dodatne, co pozwała wprowadzć naturalne ogranczena x1 = x 2 = x 3 = 0. [ 2.112,2.67] [ 3.9, 2.79] [ 6.25, 4.17] [ 3.9, 2.79] [ 8.41,15.58] [ 3.17, 1.9] [ ] [ ] [ ] 6.25, , ,44.25 [ ] x1 * [ ] x2 [ x3] = 0 0 (13) 0 Równane macerzowe (13) mus zostać poddane dzałanu specalzowanego algorytmu Gaussa dla lczb przedzałowych, którego propozycę przedstawlśmy w sekc 2 nnesze pracy. Efektem rozwązana są szukane współczynnk względne ważnośc kryterów szczegółowych (rang) w postac tróątnych lczb - 6 -

7 rozmytych. W tabel 1 przedstawone zostały wynk rozwązywana tego samego zagadnena, uzyskane w postac zwykłych przedzałów na podstawe algorytmu Gaussa, proponowanego przez Moore a [1]. TABELA 1. Współczynnk względne ważnośc uzyskane z wykorzystanem zmodyfkowanego algorytmu Gaussa na podstawe algorytmu Gaussa, proponowanego przez Moore a [1]. Nośnk lczb rozmytych, uzyskanych na podstawe zmodyfkowanego przedzałowego algorytmu Gaussa Przedzały, uzyskane na podstawe kla- sycznego przedzałowego algorytmu Gaussa [x 1 ] [0, 0.84, 0.912] [0.2, 15] [x 2 ] [0, 0.27, 0.356] [0.1, 7.2] [x 3 ] [0, 0.16, 0.189] [0.08, 0.74] Łatwo zauważyć, że nośnk lczb rozmytych w kolumne 2 tabel 1 są znaczne mnesze, nż odpowedne rozstępy przedzałów w kolumne 3, a to w sposób nepodważalny śwadczy o tym, że proponowany przez nas zmodyfkowany przedzałowy algorytm Gaussa est lepszy od standardowego przedzałowego algorytmu Gaussa, przedstawonego w [1]. PODSUMOWANIE Proponowana metoda modyfkowanego dzelena przedzałów pozwala na rozwązane zarówno poedynczych równań przedzałowych, ak ch układów. Przy tym wynk otrzymywane są w postac lczb rozmytych. Na konkretnym przykładze pokazano, że dla układu równań lnowych otrzymane nośnk wynkaących lczb przedzałowych maą szerokośc około dzesęć węce razy mnesze, nż odpowedne prze- z klasycznego przedzałowego algorytmu dzały, wynkaące Gaussa. LITERATURA [1] Moore R.E., Interval analyss, Englewood Clffs. N.J., Prentce-Hall [2] Markov S.M., A non-standard subtracton of ntervals, Serdca 1977, 3, [3] Hansen E., A generalzed nterval arthmetc. Interval Mathematcs/ Ed. by K.Ncke, Lecture Notes n Computer Scence, 29, Berln - Hedelberg: Sprnger-Verl. 1975, [4] Sendov B., Some topcs of segment analyss, Interval Mathematcs, 1980/ Ed. by K.Nckel. N.Y.e.a.: Academc Press 1980, [5] Capran O., Madsen K., Mean value forms n nterval analyss, Computng 1980, 25, 2, [6] Mkhalov L., Dervng prortes from fuzzy parwse comparson udgments, Fuzzy Sets and Systems 2003, 134,

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:

Bardziej szczegółowo

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,

Bardziej szczegółowo

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni. Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :

Bardziej szczegółowo

ROZMYTE WARTOŚCI WIELKOŚCI PRODUKCJI I INTERWAŁOWE WARTOŚCI KOSZTÓW W ANALIZIE WEJŚCIA WYJŚCIA.

ROZMYTE WARTOŚCI WIELKOŚCI PRODUKCJI I INTERWAŁOWE WARTOŚCI KOSZTÓW W ANALIZIE WEJŚCIA WYJŚCIA. Marusz GONERA Instytut Informatyk Teoretyczne Stosowane ul. Dąbrowskego, 73, 42-2 Częstochowa ROZMYTE WARTOŚCI WIELKOŚCI PRODUKCJI I INTERWAŁOWE WARTOŚCI KOSZTÓW W ANALIZIE WEJŚCIA WYJŚCIA. (2 słów) Współczesne

Bardziej szczegółowo

Wykład 1 Zagadnienie brzegowe liniowej teorii sprężystości. Metody rozwiązywania, metody wytrzymałości materiałów. Zestawienie wzorów i określeń.

Wykład 1 Zagadnienie brzegowe liniowej teorii sprężystości. Metody rozwiązywania, metody wytrzymałości materiałów. Zestawienie wzorów i określeń. Wykład Zagadnene brzegowe lnowe teor sprężystośc. Metody rozwązywana, metody wytrzymałośc materałów. Zestawene wzorów określeń. Układ współrzędnych Kartezańsk, prostokątny. Ose x y z oznaczono odpowedno

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 : Przestrzene wektorowe. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar : C C C, (z, v) z v := z v jest przestrzeną lnową nad całem lczb zespolonych

Bardziej szczegółowo

Diagonalizacja macierzy kwadratowej

Diagonalizacja macierzy kwadratowej Dagonalzacja macerzy kwadratowej Dana jest macerz A nân. Jej wartośc własne wektory własne spełnają równane Ax x dla,..., n Każde z równań własnych osobno można zapsać w postac: a a an x x a a an x x an

Bardziej szczegółowo

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB Rozwązywane zadań optymalzacj w środowsku programu MATLAB Zagadnene optymalzacj polega na znajdowanu najlepszego, względem ustalonego kryterum, rozwązana należącego do zboru rozwązań dopuszczalnych. Standardowe

Bardziej szczegółowo

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy rozkroju materiałowego, zagadnienia dualne

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy rozkroju materiałowego, zagadnienia dualne Instrukca do ćwczeń laboratorynych z przedmotu: Badana operacyne Temat ćwczena: Problemy rozkrou materałowego, zagadnena dualne Zachodnopomorsk Unwersytet Technologczny Wydzał Inżyner Mechanczne Mechatronk

Bardziej szczegółowo

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4 Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja

Bardziej szczegółowo

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że Twerdzene Bezouta lczby zespolone Javer de Lucas Ćwczene 1 Ustal dla których a, b R można podzelć f 1 X) = X 4 3X 2 + ax b przez f 2 X) = X 2 3X+2 Oblcz a b Z 5 jeżel zak ladamy, że f 1 f 2 s a welomanam

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne XXX OLIMPIADA FIZYCZNA ETAP III Zadane dośwadczalne ZADANIE D Nazwa zadana: Maszyna analogowa. Dane są:. doda półprzewodnkowa (krzemowa) 2. opornk dekadowy (- 5 Ω ), 3. woltomerz cyfrowy, 4. źródło napęca

Bardziej szczegółowo

Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311

Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311 Sztuczne sec neuronowe Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyk, p. 311 Wykład 6 PLAN: - Repetto (brevs) - Sec neuronowe z radalnym funkcjam bazowym Repetto W aspekce archtektury: zajmowalśmy

Bardziej szczegółowo

Problem plecakowy (KNAPSACK PROBLEM).

Problem plecakowy (KNAPSACK PROBLEM). Problem plecakowy (KNAPSACK PROBLEM). Zagadnene optymalzac zwane problemem plecakowym swą nazwę wzęło z analog do sytuac praktyczne podobne do problemu pakowana plecaka. Chodz o to, by zapakować maksymalne

Bardziej szczegółowo

ZASTOSOWANIE KLASYCZNEGO ALGORYTMU GENETYCZNEGO DO ROZWIĄZANIA ZBILANSOWANEGO ZAGADNIENIA TRANSPORTOWEGO

ZASTOSOWANIE KLASYCZNEGO ALGORYTMU GENETYCZNEGO DO ROZWIĄZANIA ZBILANSOWANEGO ZAGADNIENIA TRANSPORTOWEGO Studa Materały. Mscellanea Oeconomcae Rok 6, Nr 2/22 Wydzał Zarządzana Admnstrac Unwersytetu Jana Kochanowskego w Kelcach Z a r z ą d z a n e f n a n s e Rafał Prońko ZASTOSOWANIE KLASYCZNEGO ALGORYTMU

Bardziej szczegółowo

Wykład 2: Uczenie nadzorowane sieci neuronowych - I

Wykład 2: Uczenie nadzorowane sieci neuronowych - I Wykład 2: Uczene nadzorowane sec neuronowych - I Algorytmy uczena sec neuronowych Na sposób dzałana sec ma wpływ e topologa oraz funkconowane poszczególnych neuronów. Z reguły topologę sec uznae sę za

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 4

Natalia Nehrebecka. Zajęcia 4 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających

Bardziej szczegółowo

Kwantowa natura promieniowania elektromagnetycznego

Kwantowa natura promieniowania elektromagnetycznego Efekt Comptona. Kwantowa natura promenowana elektromagnetycznego Zadane 1. Foton jest rozpraszany na swobodnym elektrone. Wyznaczyć zmanę długośc fal fotonu w wynku rozproszena. Poneważ układ foton swobodny

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane

Bardziej szczegółowo

7. Wykład VII: Warunki Kuhna-Tuckera

7. Wykład VII: Warunki Kuhna-Tuckera Wocech Grega, Metody Optymalzac 7 Wykład VII: Warunk Kuhna-Tuckera 7 Warunk koneczne stnena ekstremum Rozważane est zadane z ogranczenam nerównoścowym w postac: mn F( x ) x X X o F( x ), o { R x : h n

Bardziej szczegółowo

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup Jednoczynnkowa Analza Waranc (ANOVA) Wykład 11 Przypomnene: wykłady zadana kursu były zaczerpnęte z podręcznków: Statystyka dla studentów kerunków techncznych przyrodnczych, J. Koronack, J. Melnczuk, WNT

Bardziej szczegółowo

Laboratorium ochrony danych

Laboratorium ochrony danych Laboratorum ochrony danych Ćwczene nr Temat ćwczena: Cała skończone rozszerzone Cel dydaktyczny: Opanowane programowej metody konstruowana cał skończonych rozszerzonych GF(pm), poznane ch własnośc oraz

Bardziej szczegółowo

11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej.

11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej. /22/24 Dwuosobowe gry o sume zero DO NAUCZENIA I ZAPAMIĘTANIA: Defnca zaps ger o sume zero, adaptaca ogólnych defnc. Punkt sodłowy Twerdzena o zwązkach punktu sodłowego z koncepcam rozwązań PRZYPOMNIENIE:

Bardziej szczegółowo

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.

Bardziej szczegółowo

u u u( x) u, x METODA RÓŻNIC SKOŃCZONYCH, METODA ELEMENTÓW BRZEGOWYCH i METODA ELEMENTÓW SKOŃCZONYCH

u u u( x) u, x METODA RÓŻNIC SKOŃCZONYCH, METODA ELEMENTÓW BRZEGOWYCH i METODA ELEMENTÓW SKOŃCZONYCH METODA RÓŻNIC SKOŃCZONYCH, METODA ELEMENTÓW BRZEGOWYCH METODA ELEMENTÓW SKOŃCZONYCH Szkc rozwązana równana Possona w przestrzen dwuwymarowe. Równane Possona to równae różnczkowe cząstkowe opsuące wele

Bardziej szczegółowo

Sortowanie szybkie Quick Sort

Sortowanie szybkie Quick Sort Sortowane szybke Quck Sort Algorytm sortowana szybkego opera sę na strateg "dzel zwycęża" (ang. dvde and conquer), którą możemy krótko scharakteryzować w trzech punktach: 1. DZIEL - problem główny zostae

Bardziej szczegółowo

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5 MATEMATYKA POZIOM ROZSZERZONY Krytera ocenana odpowedz Arkusz A II Strona 1 z 5 Odpowedz Pytane 1 2 3 4 5 6 7 8 9 Odpowedź D C C A B 153 135 232 333 Zad. 10. (0-3) Dana jest funkcja postac. Korzystając

Bardziej szczegółowo

WikiWS For Business Sharks

WikiWS For Business Sharks WkWS For Busness Sharks Ops zadana konkursowego Zadane Opracowane algorytmu automatyczne przetwarzającego zdjęce odręczne narysowanego dagramu na tablcy lub kartce do postac wektorowej zapsanej w formace

Bardziej szczegółowo

Programowanie Równoległe i Rozproszone

Programowanie Równoległe i Rozproszone Programowane Równoległe Rozproszone Wykład Programowane Równoległe Rozproszone Lucjan Stapp Wydzał Matematyk Nauk Informacyjnych Poltechnka Warszawska (l.stapp@mn.pw.edu.pl) /38 PRR Wykład Chcemy rozwązać

Bardziej szczegółowo

Wstęp do metod numerycznych Faktoryzacja SVD Metody iteracyjne. P. F. Góra

Wstęp do metod numerycznych Faktoryzacja SVD Metody iteracyjne. P. F. Góra Wstęp do metod numerycznych Faktoryzacja SVD Metody teracyjne P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ 2013 Sngular Value Decomposton Twerdzene 1. Dla każdej macerzy A R M N, M N, stneje rozkład

Bardziej szczegółowo

RÓWNOWAGA STACKELBERGA W GRACH SEKWENCYJNYCH

RÓWNOWAGA STACKELBERGA W GRACH SEKWENCYJNYCH Stansław KOWALIK e-mal: skowalk@wsb.edu.pl Wyższa Szkoła Bznesu Dąbrowa Górncza RÓWNOWAGA STACKELBERGA W GRACH SEKWENCYJNYCH Streszczene Praca dotyczy nekooperacynych sekwencynych ger dwuosobowych o sume

Bardziej szczegółowo

Badania operacyjne w logistyce i zarządzaniu produkcją

Badania operacyjne w logistyce i zarządzaniu produkcją Państwowa Wyższa Szkoła Zawodowa w Nowym Sączu Badana operacyne w logstyce zarządzanu produkcą cz. I Andrze Woźnak Nowy Sącz Komtet Redakcyny doc. dr Zdzsława Zacłona przewodncząca, prof. dr hab. nż. Jarosław

Bardziej szczegółowo

Wykład 2: Uczenie nadzorowane sieci neuronowych - I

Wykład 2: Uczenie nadzorowane sieci neuronowych - I Wykład 2: Uczene nadzorowane sec neuronowych - I Algorytmy uczena sec neuronowych Na sposób dzałana sec ma wpływ e topologa oraz funkconowane poszczególnych neuronów. Z reguły topologę sec uznae sę za

Bardziej szczegółowo

Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2007/08 Podstawowe fakty Równane Ax = b, x, b R N, A R N N (1) ma jednoznaczne

Bardziej szczegółowo

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA Krzysztof Serżęga Wyższa Szkoła Informatyk Zarządzana w Rzeszowe Streszczene Artykuł porusza temat zwązany

Bardziej szczegółowo

n liczba zmiennych decyzyjnych c współczynniki funkcji celu a współczynniki przy zmienych decyzyjnych w warunkach

n liczba zmiennych decyzyjnych c współczynniki funkcji celu a współczynniki przy zmienych decyzyjnych w warunkach Problem decyzyny cel różne sposoby dzałana (decyze) warunk ogranczaące (determnuą zbór decyz dopuszczalnych) kryterum wyboru: umożlwa porównane efektywnośc różnych decyz dopuszczalnych z punktu wdzena

Bardziej szczegółowo

I. Elementy analizy matematycznej

I. Elementy analizy matematycznej WSTAWKA MATEMATYCZNA I. Elementy analzy matematycznej Pochodna funkcj f(x) Pochodna funkcj podaje nam prędkość zman funkcj: df f (x + x) f (x) f '(x) = = lm x 0 (1) dx x Pochodna funkcj podaje nam zarazem

Bardziej szczegółowo

Przykład 5.1. Kratownica dwukrotnie statycznie niewyznaczalna

Przykład 5.1. Kratownica dwukrotnie statycznie niewyznaczalna rzykład.. Kratownca dwukrotne statyczne newyznaczana oecene: korzystaąc z metody sł wyznaczyć sły w prętach ponższe kratowncy. const Rozwązane zadana rozpoczynamy od obczena stopna statyczne newyznaczanośc

Bardziej szczegółowo

Metody gradientowe poszukiwania ekstremum. , U Ŝądana wartość napięcia,

Metody gradientowe poszukiwania ekstremum. , U Ŝądana wartość napięcia, Metody gradentowe... Metody gradentowe poszukwana ekstremum Korzystają z nformacj o wartośc funkcj oraz jej gradentu. Wykazując ch zbeŝność zakłada sę, Ŝe funkcja celu jest ogranczona od dołu funkcją wypukłą

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne

Bardziej szczegółowo

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

ZAGADNIENIE TRANSPORTOWE ZAGADNIENIE TRANSPORTOWE ZT.. Zagadee trasportowe w postac tablcy Z m puktów (odpowedo A,...,A m ) wysyłamy edorody produkt w loścach a,...,a m do puktów odboru (odpowedo B,...,B ), gdze est odberay w

Bardziej szczegółowo

XLI OLIMPIADA FIZYCZNA ETAP WSTĘPNY Zadanie teoretyczne

XLI OLIMPIADA FIZYCZNA ETAP WSTĘPNY Zadanie teoretyczne XLI OLIMPIADA FIZYCZNA ETAP WSTĘPNY Zadane teoretyczne Rozwąż dowolne rzez sebe wybrane dwa sośród odanych nże zadań: ZADANIE T Nazwa zadana: Protony antyrotony A. Cząstk o mase równe mase rotonu, ale

Bardziej szczegółowo

WPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO

WPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO Walenty OWIECZKO WPŁYW PARAMETRÓW DYSKRETYZACJI A IEPEWOŚĆ WYIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO STRESZCZEIE W artykule przedstaono ynk analzy nepenośc pomaru ybranych cech obektu obrazu cyfroego. Wyznaczono

Bardziej szczegółowo

Podstawy teorii falek (Wavelets)

Podstawy teorii falek (Wavelets) Podstawy teor falek (Wavelets) Ψ(). Transformaca Haara (97).. Przykład pewne metody zapsu obrazu Transformaca Haara Przykład zapsu obrazu -D Podstawy matematyczne transformac Algorytmy rozkładana funkc

Bardziej szczegółowo

Wykład 5 12/15/2013. Problemy algebry liniowej w Matlabie

Wykład 5 12/15/2013. Problemy algebry liniowej w Matlabie Wykład 5. Problemy algebry lnowej w Matlabe. Analza sygnałów a) w dzedzne częstotlwośc b) w dzedzne czasu c) częstotlwoścowo-czasowa d) nagrywane analza dźwęku e) Sgnal Processng Toolbox Problemy algebry

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych

Bardziej szczegółowo

2. STOPIEŃ KINEMATYCZNEJ NIEWYZNACZALNOŚCI

2. STOPIEŃ KINEMATYCZNEJ NIEWYZNACZALNOŚCI Część. STOPIEŃ KINEMATYCZNEJ NIEWYZNACZALNOŚCI.. STOPIEŃ KINEMATYCZNEJ NIEWYZNACZALNOŚCI W metodze sł w celu przyjęca układu podstawowego należało odrzucć węzy nadlczbowe. O lczbe odrzuconych węzów decydował

Bardziej szczegółowo

Analiza ryzyka kosztowego robót remontowo-budowlanych w warunkach niepełnej informacji

Analiza ryzyka kosztowego robót remontowo-budowlanych w warunkach niepełnej informacji Analza ryzyka kosztowego robót remontowo-budowlanych w warunkach nepełne nformac Mgr nż. Mchał Bętkowsk, dr nż. Andrze Pownuk Wydzał Budownctwa Poltechnka Śląska w Glwcach Mchal.Betkowsk@polsl.pl, Andrze.Pownuk@polsl.pl

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj

Bardziej szczegółowo

ZESTAW ZADAŃ Z INFORMATYKI

ZESTAW ZADAŃ Z INFORMATYKI (Wpsue zdaąc przed rozpoczęcem prac) KOD ZDAJĄCEGO ZESTAW ZADAŃ Z INFORMATYKI CZĘŚĆ II (dla pozomu rozszerzonego) GRUDZIEŃ ROK 004 Czas prac 50 mnut Instrukca dla zdaącego. Proszę sprawdzć, cz zestaw zadań

Bardziej szczegółowo

APROKSYMACJA QUASIJEDNOSTAJNA

APROKSYMACJA QUASIJEDNOSTAJNA POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 73 Electrcal Engneerng 213 Jan PURCZYŃSKI* APROKSYMACJA QUASIJEDNOSTAJNA W pracy wykorzystano metodę aproksymacj średnokwadratowej welomanowej, przy

Bardziej szczegółowo

(M2) Dynamika 1. ŚRODEK MASY. T. Środek ciężkości i środek masy

(M2) Dynamika 1. ŚRODEK MASY. T. Środek ciężkości i środek masy (MD) MECHANIKA - Dynamka T. Środek cężkośc środek masy (M) Dynamka T: Środek cężkośc środek masy robert.szczotka(at)gmal.com Fzyka astronoma, Lceum 01/014 1 (MD) MECHANIKA - Dynamka T. Środek cężkośc środek

Bardziej szczegółowo

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie. Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane

Bardziej szczegółowo

ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO

ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO NA PODSTAWIE REFERATU JUSTYNY KOSAKOWSKIEJ. Moduły prnjektywne posety skończonego typu prnjektywnego Nech I będze skończonym posetem. Przez max

Bardziej szczegółowo

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa.   PARA ZMIENNYCH LOSOWYCH Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy

Bardziej szczegółowo

Zadane 1: Wyznacz średne ruchome 3-okresowe z następujących danych obrazujących zużyce energ elektrycznej [kwh] w pewnym zakładze w mesącach styczeń - lpec 1998 r.: 400; 410; 430; 40; 400; 380; 370. Zadane

Bardziej szczegółowo

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4 Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =

Bardziej szczegółowo

Stateczność układów ramowych

Stateczność układów ramowych tateczność układów ramowych PRZYPONIENIE IŁ KRYTYCZN DL POJEDYNCZYCH PRĘTÓW tateczność ustrou tateczność ustrou est to zdoność ustrou do zachowana nezmennego położena (kształtu) ub nacze mówąc układ po

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 1 Statystyka opsowa ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 W statystyce opsowej mamy pełne nformacje

Bardziej szczegółowo

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja) Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz

Bardziej szczegółowo

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego Portel nwestycyjny ćwczena Na podst. Wtold Jurek: Konstrukcja analza rozdzał 5 dr chał Konopczyńsk Portele zawerające walor pozbawony ryzyka. lementy teor rynku kaptałowego 1. Pożyczane penędzy amy dwa

Bardziej szczegółowo

Statystyka. Zmienne losowe

Statystyka. Zmienne losowe Statystyka Zmenne losowe Zmenna losowa Zmenna losowa jest funkcją, w której każdej wartośc R odpowada pewen podzbór zboru będący zdarzenem losowym. Zmenna losowa powstaje poprzez przyporządkowane każdemu

Bardziej szczegółowo

Zarządzanie ryzykiem w przedsiębiorstwie i jego wpływ na analizę opłacalności przedsięwzięć inwestycyjnych

Zarządzanie ryzykiem w przedsiębiorstwie i jego wpływ na analizę opłacalności przedsięwzięć inwestycyjnych dr nż Andrze Chylńsk Katedra Bankowośc Fnansów Wyższa Szkoła Menedżerska w Warszawe Zarządzane ryzykem w rzedsęborstwe ego wływ na analzę ołacalnośc rzedsęwzęć nwestycynych w w w e - f n a n s e c o m

Bardziej szczegółowo

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1 Rozkład dwupunktowy Zmenna losowa przyjmuje tylko dwe wartośc: wartość 1 z prawdopodobeństwem p wartość 0 z prawdopodobeństwem 1- p x p 0 1-p 1 p suma 1 Rozkład dwupunktowy Funkcja rozkładu prawdopodobeństwa

Bardziej szczegółowo

2012-10-11. Definicje ogólne

2012-10-11. Definicje ogólne 0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj

Bardziej szczegółowo

Wykład IX Optymalizacja i minimalizacja funkcji

Wykład IX Optymalizacja i minimalizacja funkcji Wykład IX Optymalzacja mnmalzacja funkcj Postawene zadana podstawowe dee jego rozwązana Proste metody mnmalzacj Metody teracj z wykorzystanem perwszej pochodnej Metody teracj z wykorzystanem drugej pochodnej

Bardziej szczegółowo

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru Pomary fzyczne - dokonywane tylko ze skończoną dokładnoścą. Powodem - nedoskonałość przyrządów pomarowych neprecyzyjność naszych zmysłów borących udzał w obserwacjach. Podawane samego tylko wynku pomaru

Bardziej szczegółowo

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów. Opracowane: Dorota Mszczyńska METODA UNITARYZACJI ZEROWANEJ Porównane obektów przy ocene welokryteralnej. Rankng obektów. Porównane wybranych obektów (warantów decyzyjnych) ze względu na różne cechy (krytera)

Bardziej szczegółowo

METODA STRZAŁÓW W ZASTOSOWANIU DO ZAGADNIENIA BRZEGOWEGO Z NADMIAROWĄ LICZBĄ WARUNKÓW BRZEGOWYCH

METODA STRZAŁÓW W ZASTOSOWANIU DO ZAGADNIENIA BRZEGOWEGO Z NADMIAROWĄ LICZBĄ WARUNKÓW BRZEGOWYCH RAFAŁ PALEJ, RENATA FILIPOWSKA METODA STRZAŁÓW W ZASTOSOWANIU DO ZAGADNIENIA BRZEGOWEGO Z NADMIAROWĄ LICZBĄ WARUNKÓW BRZEGOWYCH APPLICATION OF THE SHOOTING METHOD TO A BOUNDARY VALUE PROBLEM WITH AN EXCESSIVE

Bardziej szczegółowo

Statystyka Opisowa 2014 część 1. Katarzyna Lubnauer

Statystyka Opisowa 2014 część 1. Katarzyna Lubnauer Statystyka Opsowa 2014 część 1 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,

Bardziej szczegółowo

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim 5. Pocodna funkcj Defncja 5.1 Nec f: (a, b) R nec c (a, b). Jeśl stneje granca lm x c x c to nazywamy ją pocodną funkcj f w punkce c oznaczamy symbolem f (c) Twerdzene 5.1 Jeśl funkcja f: (a, b) R ma pocodną

Bardziej szczegółowo

(Dantzig G. B. (1963))

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

Bardziej szczegółowo

5. OPTYMALIZACJA GRAFOWO-SIECIOWA

5. OPTYMALIZACJA GRAFOWO-SIECIOWA . OPTYMALIZACJA GRAFOWO-SIECIOWA Defncja grafu Pod pojęcem grafu G rozumemy następującą dwójkę uporządkowaną (defncja grafu Berge a): (.) G W,U gdze: W zbór werzchołków grafu, U zbór łuków grafu, U W W,

Bardziej szczegółowo

1. Komfort cieplny pomieszczeń

1. Komfort cieplny pomieszczeń 1. Komfort ceplny pomeszczeń Przy określanu warunków panuących w pomeszczenu używa sę zwykle dwóch poęć: mkroklmat komfort ceplny. Przez poęce mkroklmatu wnętrz rozume sę zespół wszystkch parametrów fzycznych

Bardziej szczegółowo

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4. Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można

Bardziej szczegółowo

Natalia Nehrebecka. Wykład 2

Natalia Nehrebecka. Wykład 2 Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej

Bardziej szczegółowo

NAFTA-GAZ marzec 2011 ROK LXVII. Wprowadzenie. Tadeusz Kwilosz

NAFTA-GAZ marzec 2011 ROK LXVII. Wprowadzenie. Tadeusz Kwilosz NAFTA-GAZ marzec 2011 ROK LXVII Tadeusz Kwlosz Instytut Nafty Gazu, Oddzał Krosno Zastosowane metody statystycznej do oszacowana zapasu strategcznego PMG, z uwzględnenem nepewnośc wyznaczena parametrów

Bardziej szczegółowo

ZASTOSOWANIE METOD ANALIZY WRAŻLIWOŚCI DO MODELOWANIA KONSTRUKCJI Z PRZEDZIAŁOWYMI PARAMETRAMI. 1 Wprowadzenie

ZASTOSOWANIE METOD ANALIZY WRAŻLIWOŚCI DO MODELOWANIA KONSTRUKCJI Z PRZEDZIAŁOWYMI PARAMETRAMI. 1 Wprowadzenie Andrze POWNUK ZASTOSOWANIE METOD ANALIZY WRAŻLIWOŚCI DO MODELOWANIA KONSTRUKCJI Z PRZEDZIAŁOWYMI PARAMETRAMI Wprowadzene Wartośc wszystkch parametrów układów mechancznych obarczone są pewną nepewnoścą

Bardziej szczegółowo

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.

Bardziej szczegółowo

Klasyfkator lnowy Wstęp Klasyfkator lnowy jest najprostszym możlwym klasyfkatorem. Zakłada on lnową separację lnowy podzał dwóch klas mędzy sobą. Przedstawa to ponższy rysunek: 5 4 3 1 0-1 - -3-4 -5-5

Bardziej szczegółowo

Zadanie na wykonanie Projektu Zespołowego

Zadanie na wykonanie Projektu Zespołowego Zadane na wykonane Projektu Zespołowego Celem projektu jest uzyskane następującego szeregu umejętnośc praktycznych: umejętnośc opracowana równoległych wersj algorytmów (na przykładze algorytmów algebry

Bardziej szczegółowo

Zjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych)

Zjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych) Statystyka - nauka zajmująca sę metodam badana przedmotów zjawsk w ch masowych przejawach ch loścową lub jakoścową analzą z punktu wdzena nauk, do której zakresu należą.

Bardziej szczegółowo

TRANZYSTOR BIPOLARNY CHARAKTERYSTYKI STATYCZNE

TRANZYSTOR BIPOLARNY CHARAKTERYSTYKI STATYCZNE POLITHNIKA RZSZOWSKA Katedra Podstaw lektronk Instrkcja Nr4 F 00/003 sem. letn TRANZYSTOR IPOLARNY HARAKTRYSTYKI STATYZN elem ćwczena jest pomar charakterystyk statycznych tranzystora bpolarnego npn lb

Bardziej szczegółowo

Matematyczny opis ryzyka

Matematyczny opis ryzyka Aalza ryzyka kosztowego robót remotowo-budowlaych w warukach epełe formac Mgr ż Mchał Bętkowsk dr ż Adrze Powuk Wydzał Budowctwa Poltechka Śląska w Glwcach MchalBetkowsk@polslpl AdrzePowuk@polslpl Streszczee

Bardziej szczegółowo

KONSPEKT WYKŁADU. nt. MECHANIKA OŚRODKÓW CIĄGŁYCH. Piotr Konderla

KONSPEKT WYKŁADU. nt. MECHANIKA OŚRODKÓW CIĄGŁYCH. Piotr Konderla Studa doktorancke Wydzał Budownctwa Lądowego Wodnego Poltechnk Wrocławskej KONSPEKT WYKŁADU nt. MECHANIKA OŚRODKÓW CIĄGŁYCH Potr Konderla paźdzernk 2014 2 SPIS TREŚCI Oznaczena stosowane w konspekce...

Bardziej szczegółowo

Metoda wyznaczania najtańszych 1-diagnozowalnych struktur opiniowania diagnostycznego

Metoda wyznaczania najtańszych 1-diagnozowalnych struktur opiniowania diagnostycznego BIULETYN INSTYTUTU AUTOMATYKI I ROBOTYKI NR 7, 2002 Metoda wyznaczana natańszych -dagnozowalnych struktur opnowana dagnostycznego Roman KULESZA Zakład Automatyk, Instytut Automatyk Robotyk WAT, ul. Kalskego

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =

Bardziej szczegółowo

RUCH OBROTOWY Można opisać ruch obrotowy ze stałym przyspieszeniem ε poprzez analogię do ruchu postępowego jednostajnie zmiennego.

RUCH OBROTOWY Można opisać ruch obrotowy ze stałym przyspieszeniem ε poprzez analogię do ruchu postępowego jednostajnie zmiennego. RUCH OBROTOWY Można opsać ruch obrotowy ze stałym przyspeszenem ε poprzez analogę do ruchu postępowego jednostajne zmennego. Ruch postępowy a const. v v at s s v t at Ruch obrotowy const. t t t Dla ruchu

Bardziej szczegółowo

Egzamin poprawkowy z Analizy II 11 września 2013

Egzamin poprawkowy z Analizy II 11 września 2013 Egzamn poprawkowy z nalzy II 11 wrześna 13 Uwag organzacyjne: każde zadane rozwązujemy na osobnej kartce Każde zadane należy podpsać menem nazwskem własnym oraz prowadzącego ćwczena Na wszelk wypadek prosmy

Bardziej szczegółowo

Wprowadzenie. Support vector machines (maszyny wektorów wspierających, maszyny wektorów nośnych) SVM służy do: Zalety metody SVM

Wprowadzenie. Support vector machines (maszyny wektorów wspierających, maszyny wektorów nośnych) SVM służy do: Zalety metody SVM SVM Wprowadzene Support vector machnes (maszyny wektorów wsperających, maszyny wektorów nośnych) SVM służy do: w wersj podstawowej klasyfkacj bnarnej w wersj z rozszerzenam regresj wyboru najważnejszych

Bardziej szczegółowo

p Z(G). (G : Z({x i })),

p Z(G). (G : Z({x i })), 3. Wykład 3: p-grupy twerdzena Sylowa. Defncja 3.1. Nech (G, ) będze grupą. Grupę G nazywamy p-grupą, jeżel G = dla pewnej lczby perwszej p oraz k N. Twerdzene 3.1. Nech (G, ) będze p-grupą. Wówczas W

Bardziej szczegółowo

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer Statystyka Opsowa 2014 część 2 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,

Bardziej szczegółowo

Plan wykładu. Sztuczne sieci neuronowe. Neuronu dyskretny. Neuron dyskretny (perceptron prosty)

Plan wykładu. Sztuczne sieci neuronowe. Neuronu dyskretny. Neuron dyskretny (perceptron prosty) Plan wykładu Dzałane neuronu dyskretnego warstwy neuronów dyskretnych Wykład : Reguły uczena sec neuronowych. Sec neuronowe ednokerunkowe. Reguła perceptronowa Reguła Wdrowa-Hoffa Reguła delta ałgorzata

Bardziej szczegółowo

Ć W I C Z E N I E N R M-6

Ć W I C Z E N I E N R M-6 INSTYTUT FIZYKI WYDZIAŁ INŻYNIERII PRODUKCJI I TECHNOLOGII MATERIAŁÓW POLITECHNIKA CZĘSTOCHOWSKA PRACOWNIA MECHANIKI Ć W I C Z E N I E N R M-6 WYZNACZANIE MODUŁU SZTYWNOŚCI DRUTU ZA POMOCĄ WAHADŁA TORSYJNEGO

Bardziej szczegółowo

Proste modele ze złożonym zachowaniem czyli o chaosie

Proste modele ze złożonym zachowaniem czyli o chaosie Proste modele ze złożonym zachowanem czyl o chaose 29 kwetna 2014 Komputer jest narzędzem coraz częścej stosowanym przez naukowców do ukazywana skrzętne ukrywanych przez naturę tajemnc. Symulacja, obok

Bardziej szczegółowo