System M/M/1/L. λ = H 0 µ 1 λ 0 H 1 µ 2 λ 1 H 2 µ 3 λ 2 µ L+1 λ L H L+1. Jeli załoymy, e λ. i dla i = 1, 2,, L+1 oraz

Wielkość: px
Rozpocząć pokaz od strony:

Download "System M/M/1/L. λ = H 0 µ 1 λ 0 H 1 µ 2 λ 1 H 2 µ 3 λ 2 µ L+1 λ L H L+1. Jeli załoymy, e λ. i dla i = 1, 2,, L+1 oraz"

Transkrypt

1 System M/M// System ten w odrónenu do wczenej omawanych systemów osada kolejk. Jednak jest ona ogranczona, jej maksymalna ojemno jest wartoc skoczon <. Maksymalne w systeme moe znajdowa s zgłosze, z czego jedno bdze obsługwane a ozostałe bdze oczekwa w kolejce. Zgłoszena naływajce w czase, gdy jest ełny otrzymuj odmow obsług odchodz neobsłuone, rzy czym ne ma to wływu na rzebeg rocesów w systeme. Zgłoszena ju obsłuone te, które otrzymały odmow, natychmast ouszczaj system. W danej chwl system jest w stane k, jel lczba znajdujcych s w nch zgłosze jest równa k. Stany systemu: H brak zgłosze w systeme, H jedno zgłoszene w systeme zgłoszene jest obsługwane, H dwa zgłoszena w systeme jedno zgłoszene jest obsługwane, a druge czeka w kolejce, H zgłosze w systeme jedno zgłoszene jest obsługwane znajduje s w kolejce. H zgłosze w systeme jedno zgłoszene na stanowsku obsług w kolejce; kade rzybyłe w tym czase zgłoszene jest tracone. Graf stanów: H λ H λ H λ λ H Jel załoymy, e λ λ λ λ λ oraz to: Q λ Q. Prawdoodobestwo, e w systeme w danej chwl jest zgłosze oblczmy stosujc dla,,, oraz nastujcy wzór: j j dla,,,.

2 Po uroszczenu tego wzoru otrzymujemy:, gdze. Suma rawdoodobestw w oszczególnych stanach jest równa jeden:. Charakterystyk systemu: Prawdoodobestwo straty zgłoszena, czyl rawdoodobestwo tego, e oczekalna s zaełn, a rzybyłemu zgłoszenu system odmów obsług zostane utracone: str. Prawdoodobestwo obsług zgłoszena, czyl rawdoodobestwo tego, e stanowsko obsług bdze wolne lub bdze wolne mejsce w oczekaln: obs str. redna długo kolejk kolejka zaczyna s tworzy od stanu H : [ ] v. redna lczba zgłosze na stanowsku obsług stanowsko obsług jest zajte w stanach od H do H : l. redna lczba zgłosze znajdujcych s w systeme, czyl zgłoszena w kolejce oraz zgłoszene obsługwane w danej chwl stany od H do H : [ ] l v n redn czas obytu zgłoszena w kolejce, czyl czas jak zgłoszene sdza w kolejce zanm zostane obsłuone: [ ] λ v w redn czas obsług zgłoszena na stanowsku obsług: λ l s obs redn czas obytu zgłoszena w systeme, czyl suma czasu obytu zgłoszena w kolejce czasu jego obsług: λ n s w q. Por. Walenty Onszczuk: Metody modelowana, Poltechnka Bałostocka, Bałystok 995, s. 6

3 Przykład Gabnet dentystyczny Pewen dentysta osada gabnet z oczekaln, w której s trzy mejsca. W cgu godzny do gabnetu rzychodz redno acjentów. redno jeden acjent jest obsługwany rzez mnut. Zakładamy, e acjenc rzychodz do gabnetu nezalene od sebe, a osty mdzy ojawanem s kolejnych zgłosze czasy ch obsług mona rzybly rozkładow wykładnczemu. Naley dokona dokładnej analzy dzałana osanego systemu. Zadany system jest systemem z markowowskm rocesam rzybywana zgłosze do systemu ch obsług, osada ogranczon oczekalne jedno stanowsko obsług. Jest to zatem system M/M//, gdze. redna ntensywno naływu nowych zgłosze λ wynos zgłoszena w cgu godzny, zatem λ λ λ λ λ redno czas trwana obsług jednego zgłoszena trwa mnut, czyl godzny, zatem redna ntensywno obsług zgłosze wynos zgłoszena na godzn oraz. System moe znajdowa s w czterech stanach: - H brak zgłosze gabnet oczekalna s uste; - H jedno zgłoszene w systeme dentysta obsługuje klenta a w oczekaln ne ma nkogo; - H dwa zgłoszena w systeme dentysta obsługuje klenta w oczekaln czeka jeden klent; - H trzy zgłoszena w systeme dentysta obsługuje klenta w oczekaln czeka dwóch klent, kade rzybyłe w tym czase zgłoszene jest tracone; Prawdoodobestwa stanów: H λ H λ H λ H λ H Por. Tadeusz Czachórsk: Modele kolejkowe systemów komuterowych, Wydawnctwo Poltechnk lskej, Glwce 999, s. 7-7 Por. Walenty Onszczuk: Metody modelowana, Poltechnka Bałostocka, Bałystok 995, s. 75

4 k Q k Q Q Q Q Prawdoodobestwo odmowy obsług acjenta: redna lczba acjentów oczekujcych na obsług: 6 str v redna lczba acjentów obsługwanych zgłosze na stanowsku obsług: l. redna lczba klentów u dentysty w gabnece oczekaln: v redn czas oczekwana na obsług w godznach: w λ n vl.

5 redn czas, o jakm acjent ouszcza gabnet czas obsług oczekwana na n: n 96 q. λ Obserwujc rozkład rawdoodobestw moemy stwerdz, e nasz dentysta ne ma zbyt welu klentów. Najbardzej rawdoodobne jest to, e gabnet bdze usty. Prawdoodobestwo odmowy zabegu jest newelke wynos 6. 75, czyl ok. 7% rzybywajcych acjentów ne zostaje obsłuona. redna lczba acjentów w gabnece wynos 9. 86, moemy wc stwerdz, e zwykle u dentysty jest tylko dwóch acjentów jeden obsługwany oczekujcy w kolejce 6. 6 jeden.. Zwykle acjenc musz czeka na obsług.6 godzny, czyl ok. 7 mnut, zatem sdzaj u dentysty około godzny. Zadana. Przechwytywane obrazu Na komuterze rzechwytywany jest obraz z karty telewzyjnej ze redn szybkoc n klatek/sekund. Obraz jest zasywany w ostac skomresowanej. Program rzechwytujcy ma ustawony bufor na neskomresowane klatk. Moe on omec klatek. redno czas komresowana ojedynczej klatk trwa m mlsekund. Zakładamy, e rocesy naływu klatek ch komresj s rocesam markowowskm. Oblcz rawdoodobestwo skomresowana klatk jej utracena, redn lczb komresowanych klatek redn lczb klatek znajdujcych s w buforze, redn lczb traconych klatek, redn czas, jak uływa od chwl rzechwycena klatk do momentu ukoczena jej komresj, obcene komutera systemu, jeel: a n 5; 5; m.6,,.85,.7,.57; b n 5; ; m.85,.7,.57,.5,.; c n ; 5; m.6,.85,.57,.5,.; d n ; 5,, 5,, ; m ; e n 5;, 5,, 5, ; m.7;

6 f n ; 5, 5, 5,, 5; m.85; Przedstaw wynk grafczne.. Gabnet kosmetyczny Dzałane ewnego gabnetu kosmetycznego moemy osa modelem M/M//. W cgu omogodznnego dna racy rzybywa redno n klentek. Jedna klentka sdza na fotelu redno m mnut. Oblcz rawdoodobestwa stanów systemu, redn lczb oczekujcych na zabeg klentek oraz redn czas jak kada z nch mus czeka na obsług, redn lczb klentek w gabnece w systeme, redn czas, jak klentka mus sdz w gabnece w systeme, obcene kosmetyczk. a n ; ; m, 5,, 5, ; b n ; ; m 5, 8,,, 5; c n,,, 6,8; ; m ; d n 8, 9,,, 5; ; m 5; e n 5;,,,, 5; m ; f n ;,,,, 5; m 5; Przedstaw wynk grafczne.. Stacja benzynowa z dystrybutorem gazu Pewna stacja benzynowa osada jeden dystrybutor gazu, do którego maksymalne moe s ustaw ojazdów. Dzenne na stacj rzyjeda redno n klentów, aby zatankowa gaz. redno jeden ojazd jest obsługwany rzez m mnut. Oblcz rawdoodobestwa stanów systemu, redn lczb oczekujcych ojazdów nadzanych gazem oraz redn czas, jak musz sdz na stacj zanm zostan obsłuen. Jake jest rawdoodobestwo, e klent zastane wolny dystrybutor? Jake jest rawdoodobestwo, e ne bdze mejsca w kolejce? a n ; ; m,.5,,.5, ; b n ; ; m.,.,.,.,.5; c n,,, 6,8; ; m.5; d n 8, 9,,, 5; 5; m.; e n 5;,,, 5,6; m.; f n ;,,,, 5; m.5; Przedstaw wynk grafczne.

System M/M/c/N. System róni si od wyej omawianego tym, e posiada c kanałów obsługi. ródła zgłosze. Stanowiska obsługi. 2 kolejka

System M/M/c/N. System róni si od wyej omawianego tym, e posiada c kanałów obsługi. ródła zgłosze. Stanowiska obsługi. 2 kolejka System M/M// System rón s od wyej omawanego tym, e posada kanałów obsług. ródła zgłosze kolejka Stanowska obsług Rysunek Przykład welostanowskowego systemu ze skozonym ródłem Stany systemu: H 0 brak zgłosze

Bardziej szczegółowo

Proces narodzin i śmierci

Proces narodzin i śmierci Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do

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

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

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4 Zad. 1. Dana jest unkcja prawdopodobeństwa zmennej losowej X -5-1 3 8 p 1 1 c 1 Wyznaczyć: a. stałą c b. wykres unkcj prawdopodobeństwa jej hstogram c. dystrybuantę jej wykres d. prawdopodobeństwa: P (

Bardziej szczegółowo

aij - wygrana gracza I bij - wygrana gracza II

aij - wygrana gracza I bij - wygrana gracza II M.Mszczsk KBO UŁ, Badana operacjne I (cz.) (wkład B 7) GRY KONFLIKTOWE GRY -OSOBOWE O SUMIE WYPŁT ZERO I. DEFINICJE TWIERDZENI Konflktowe gr dwuosobowe opsuje macerz wpłat ( a ) [ ] mxn j,b j gdze: aj

Bardziej szczegółowo

ochrona przed em mgr Mikołaj Kirpluk

ochrona przed em mgr Mikołaj Kirpluk ochrona przed em mgr Mkołaj Krpluk 0-502 216620 www.ntlmk.com Okrelane nepewnoc oblczanego / merzonego równowanego pozomu dwku: wpływ wybranej statystyk pomarów krótkookresowych, w zalenoc od czasu pomaru

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

Ćw. 2. Wyznaczanie wartości średniego współczynnika tarcia i sprawności śrub złącznych oraz uzyskanego przez nie zacisku dla określonego momentu.

Ćw. 2. Wyznaczanie wartości średniego współczynnika tarcia i sprawności śrub złącznych oraz uzyskanego przez nie zacisku dla określonego momentu. Laboratorum z Podstaw Konstrukcj aszyn - - Ćw.. Wyznaczane wartośc średnego współczynnka tarca sprawnośc śrub złącznych oraz uzyskanego przez ne zacsku da okreśonego momentu.. Podstawowe wadomośc pojęca.

Bardziej szczegółowo

LABORATORIUM METROLOGII TECHNIKA POMIARÓW (M-1)

LABORATORIUM METROLOGII TECHNIKA POMIARÓW (M-1) LABORATORIUM METROLOGII TECHNIKA POMIARÓW (M-) wwwmuepolslpl/~wwwzmape Opracował: Dr n Jan Około-Kułak Sprawdzł: Dr hab n Janusz Kotowcz Zatwerdzł: Dr hab n Janusz Kotowcz Cel wczena Celem wczena jest

Bardziej szczegółowo

Instrukcja uytkownika

Instrukcja uytkownika Przewodowa centrala alarmowa Instrukcja uytkownka 1 Wstp 2 11 Główne cechy central 2 12 Opsy kodów 2 13 Sterowane central 2 2 Klawatura V-LCD 2 21 Wstp 2 22 Funkcje systemowe 3 23 Funkcje programowalne

Bardziej szczegółowo

ZASTOSOWANIE PROGRAMOWANIA DYNAMICZNEGO DO OPRACOWANIA STRATEGII REDUKCJI EMISJI GAZÓW

ZASTOSOWANIE PROGRAMOWANIA DYNAMICZNEGO DO OPRACOWANIA STRATEGII REDUKCJI EMISJI GAZÓW ZASTOSOWANIE PROGRAOWANIA DYNAICZNEGO DO OPRACOWANIA STRATEGII REDUKCJI EISJI GAZÓW ANDRZEJ KAŁUSZKO Instytut Bada Systemowych Streszczene W pracy opsano zadane efektywnego przydzału ogranczonych rodków

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

ZAŁĄCZNIK NR 1C KARTA USŁUGI Utrzymanie Systemu Kopii Zapasowych (USKZ)

ZAŁĄCZNIK NR 1C KARTA USŁUGI Utrzymanie Systemu Kopii Zapasowych (USKZ) Załącznk nr 1C do Umowy nr.. z dna.2014 r. ZAŁĄCZNIK NR 1C KARTA USŁUGI Utrzymane Systemu Kop Zapasowych (USKZ) 1 INFORMACJE DOTYCZĄCE USŁUGI 1.1 CEL USŁUGI: W ramach Usług Usługodawca zobowązany jest

Bardziej szczegółowo

VIII. MODELE PROCESÓW EKSPLOATCJI OBIEKTÓW TECHNICZNYCH

VIII. MODELE PROCESÓW EKSPLOATCJI OBIEKTÓW TECHNICZNYCH VIII. MODL PROCSÓW KSPLOATCJI OBIKTÓW TCHNICZNYCH. WSTP Ja ju nejednorone swerdzono model w uroszczony sosób osuje rzebeg rzeczywsych rocesów esloaacj obeów echncznych w sysemach dzałana, na rzyład: rzemysłowych,

Bardziej szczegółowo

GOSPODARKA N^RoDoW^ str^tfol^ spójnocl UNIA EUROPE.'SKA EtjRoPE]5Kl FUNDUsŻ RozWoJU REGlÓNALNEGo DOTAOE NA INNOWAOE Projekt wspofnansowany przez Un Europejską w ramach Po lnnowacyjna Gospodarka Dzaane

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

Badanie energetyczne płaskiego kolektora słonecznego

Badanie energetyczne płaskiego kolektora słonecznego Katedra Slnów Salnowych Pojazdów ATH ZAKŁAD TERMODYNAMIKI Badane energetyczne łasego oletora słonecznego - 1 - rowadzene yorzystane energ celnej romenowana słonecznego do celów ogrzewana, chłodzena oraz

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

PORÓWNANIE METOD ANALIZY EFEKTYWNOŚCI NA PRZYKŁADZIE SERWERA APLIKACJI W SIECI LOKALNEJ

PORÓWNANIE METOD ANALIZY EFEKTYWNOŚCI NA PRZYKŁADZIE SERWERA APLIKACJI W SIECI LOKALNEJ STUDI IFORMTIC Volume 3 umber 3 (98) Tadeusz CZCHÓRSKI, Krzysztof GROCHL Instytut Informatyk Teoretycznej Stosowanej Polskej kadem auk dam JÓZEFIOK, Tomasz YCZ Poltechnka Śląska, Instytut Informatyk PORÓWIE

Bardziej szczegółowo

ANALIZA I MODELOWANIE SIECI TRANSPORTOWYCH Z WYKORZYSTANIEM SIECI Z O ONYCH

ANALIZA I MODELOWANIE SIECI TRANSPORTOWYCH Z WYKORZYSTANIEM SIECI Z O ONYCH PRACE NAUKOWE POLITECHNIKI WARSZAWSKIEJ z. 97 Transport 2013 Zbgnew Tarapata Wojskowa Akadema Technczna, Wydza Cybernetyk ANALIZA I MODELOWANIE SIECI TRANSPORTOWYCH Z WYKORZYSTANIEM SIECI ZOONYCH Rkops

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

Konstrukcja gier sprawiedliwych i niesprawiedliwych poprzez. określanie prawdopodobieństwa.

Konstrukcja gier sprawiedliwych i niesprawiedliwych poprzez. określanie prawdopodobieństwa. Fundacja Centrum Edukacj Obyatelskej, ul. Noakoskego 10, 00-666 Warszaa, e-mal: ceo@ceo.org.l; Akadema ucznoska, Tel. 22 825 04 96, e-mal: au@ceo.org.l; ęcej nformacj:.akademaucznoska.l 1 Konstrukcja ger

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

Ćwiczenie 18. Anna Jakubowska, Edward Dutkiewicz ADSORPCJA NA GRANICY FAZ CIECZ GAZ. IZOTERMA ADSORPCJI GIBBSA

Ćwiczenie 18. Anna Jakubowska, Edward Dutkiewicz ADSORPCJA NA GRANICY FAZ CIECZ GAZ. IZOTERMA ADSORPCJI GIBBSA Ćwczene 18 Anna Jakubowska, Edward Dutkewcz ADSORPCJA NA GRANICY FAZ CIECZ GAZ. IZOTERMA ADSORPCJI GIBBSA Zagadnena: Zjawsko adsorpcj, pojęce zotermy adsorpcj. Równane zotermy adsorpcj Gbbsa. Defncja nadmaru

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

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

Dywersyfikacja portfela poprzez inwestycje alternatywne. Prowadzący: Jerzy Nikorowski, Superfund TFI.

Dywersyfikacja portfela poprzez inwestycje alternatywne. Prowadzący: Jerzy Nikorowski, Superfund TFI. Dywersyfkacja ortfela orzez nwestycje alternatywne. Prowadzący: Jerzy Nkorowsk, Suerfund TFI. Część I. 1) Czym jest dywersyfkacja Jest to technka zarządzana ryzykem nwestycyjnym, która zakłada osadane

Bardziej szczegółowo

Komputerowe generatory liczb losowych

Komputerowe generatory liczb losowych . Perwszy generator Komputerowe generatory lczb losowych 2. Przykłady zastosowań 3. Jak generuje sę lczby losowe przy pomocy komputera. Perwszy generator lczb losowych L. H. C. Tppet - 927 Ksąż ążka -

Bardziej szczegółowo

PROGNOZOWANIE I SYMULACJE - zadania powtórzeniowe

PROGNOZOWANIE I SYMULACJE - zadania powtórzeniowe PROGNOZOWANIE I SYMULACJE - zadana powórzenowe Zadana I. Na podsawe danych z la 88- zbudowano model: y = + 3, 5 s = szuk, R =,3 opsujcy lczb sprzedawanych arówek w yscach szuk w pewnej frme. Wyznaczy prognoz

Bardziej szczegółowo

Terminarz rozgrywek Ekstraklasy w sezonie 2016/2017

Terminarz rozgrywek Ekstraklasy w sezonie 2016/2017 1. kolejka 16 lipca 2. kolejka 23 lipca 3. kolejka 30 lipca 4. kolejka 6 sierpnia 5. kolejka 13 sierpnia 6. kolejka 20 sierpnia 7. kolejka 27 sierpnia 8. kolejka 10 września 9. kolejka 17 września 10.

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

PORADNIK KANDYDATA. Wkrótce w nauka w szkole w jaki sposób je. zasadniczych szkole

PORADNIK KANDYDATA. Wkrótce w nauka w szkole w jaki sposób je. zasadniczych szkole Drog Gmnazjalsto, Wkrótce w nauka w szkole w jak sposób je jedno z z w pracodawców. zasadnczych szkole racjonalnego wyboru przestrz W prowadzona przy pomocy systemu elektroncznego. Rekrutacja wspomagana

Bardziej szczegółowo

DOBÓR SERWOSILNIKA POSUWU. Rysunek 1 przedstawia schemat kinematyczny napędu jednej osi urządzenia.

DOBÓR SERWOSILNIKA POSUWU. Rysunek 1 przedstawia schemat kinematyczny napędu jednej osi urządzenia. DOBÓR SERWOSILNIKA POSUWU Rysunek 1 rzedstawa schemat knematyczny naędu jednej os urządzena. Rys. 1. Schemat knematyczny serwonaędu: rzełożene rzekładn asowej, S skok śruby ocągowej, F sła orzeczna, F

Bardziej szczegółowo

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału 5 CML Catal Market Lne, ynkowa Lna Katału Zbór ortolo o nalny odchylenu standardowy zbór eektywny ozważy ortolo złożone ze wszystkch aktywów stnejących na rynku Załóży, że jest ch N A * P H P Q P 3 * B

Bardziej szczegółowo

BADANIE PROCESU EKSPLOATACJI W ASPEKCIE NIEZAWODNOŚCIOWO- EKONOMICZNYM

BADANIE PROCESU EKSPLOATACJI W ASPEKCIE NIEZAWODNOŚCIOWO- EKONOMICZNYM ZAKŁAD EKSPLOATACJI SYSTEMÓW ELEKTRONICZNYCH INSTYTUT SYSTEMÓW ELEKTRONICZNYCH WYDZIAŁ ELEKTRONIKI WOJSKOWA AKADEMIA TECHNICZNA ---------------------------------------------------------------------------------------------------------------

Bardziej szczegółowo

* * * * * * * * * O. * * * 2 5 l * * * * * * 9 WYBORY BURMISTRZA NOWE MIASTECZKO

* * * * * * * * * O. * * * 2 5 l * * * * * * 9 WYBORY BURMISTRZA NOWE MIASTECZKO WYBORY BURMISTRZA NOWE MIASTECZKO ",!, PROTOKOL WYNIKOW GLOSOWANIA I WYNIKOW WYBpROW BURMISTRZA GMINY I MIASTA NOWE MIASTECZKO Sporządzony dna 2014-11-18 r. przez Mejską Komsję Wyborczą w Nowym Masteczku

Bardziej szczegółowo

Zastosowanie priorytetów dynamicznych do optymalizacji wieloproduktowych systemów produkcyjnych w poligrafii

Zastosowanie priorytetów dynamicznych do optymalizacji wieloproduktowych systemów produkcyjnych w poligrafii Zachodnopomorsk Unwersytet Technologczny w Szczecne Wydzał Informatyk Zastosowane prorytetów dynamcznych do optymalzacj weloproduktowych systemów produkcyjnych w polgraf Autoreferat rozprawy doktorskej

Bardziej szczegółowo

SYSTEM ZALICZEŃ ĆWICZEŃ

SYSTEM ZALICZEŃ ĆWICZEŃ AMI, zma 010/011 mgr Krzysztof Rykaczewsk System zalczeń Wydzał Matematyk Informatyk UMK SYSTEM ZALICZEŃ ĆWICZEŃ z Analzy Matematycznej I, 010/011 (na podst. L.G., K.L., J.M., K.R.) Nnejszy dokument dotyczy

Bardziej szczegółowo

dr Adam Sojda Wykład Politechnika Śląska Badania Operacyjne Teoria kolejek

dr Adam Sojda Wykład Politechnika Śląska Badania Operacyjne Teoria kolejek dr Adam Sojda Badania Operacyjne Wykład Politechnika Śląska Teoria kolejek Teoria kolejek zajmuje się badaniem systemów związanych z powstawaniem kolejek. Systemy kolejkowe W systemach, którymi zajmuje

Bardziej szczegółowo

OŚWIADCZENIE MAJĄTKOWE radnego gminy. (miejscowość)

OŚWIADCZENIE MAJĄTKOWE radnego gminy. (miejscowość) OŚWIADCZENIE MAJĄTKOWE radnego gmny (mejscowość). dna Uwaga: 1. Osoba składająca ośwadczene obowązana jest do zgodnego z prawdą, starannego zupełnego wypełnena każdej z rubryk. 2. Jeżel poszczególne rubryk

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej

Bardziej szczegółowo

AUTOMATYKA I STEROWANIE W CHŁODNICTWIE, KLIMATYZACJI I OGRZEWNICTWIE L3 STEROWANIE INWERTEROWYM URZĄDZENIEM CHŁODNICZYM W TRYBIE PD ORAZ PID

AUTOMATYKA I STEROWANIE W CHŁODNICTWIE, KLIMATYZACJI I OGRZEWNICTWIE L3 STEROWANIE INWERTEROWYM URZĄDZENIEM CHŁODNICZYM W TRYBIE PD ORAZ PID ĆWICZENIE LABORAORYJNE AUOMAYKA I SEROWANIE W CHŁODNICWIE, KLIMAYZACJI I OGRZEWNICWIE L3 SEROWANIE INWEREROWYM URZĄDZENIEM CHŁODNICZYM W RYBIE PD ORAZ PID Wersja: 03-09-30 -- 3.. Cel ćwczena Celem ćwczena

Bardziej szczegółowo

Plan wykładu. Sztuczne sieci neuronowe. Uczenie nienadzorowane (bez nauczyciela) Uczenie nienadzorowane - przykłady

Plan wykładu. Sztuczne sieci neuronowe. Uczenie nienadzorowane (bez nauczyciela) Uczenie nienadzorowane - przykłady Plan yładu Wyład 10: Sec samoorganzuce s na zasadze spółzaodncta Sec samoorganzuace s na zasadze spółzaodncta: uczene nenadzoroane uczene onurencyne reguła WTA reguła WTM antoane etoroe mapa cech Kohonena

Bardziej szczegółowo

Zagadnienia do omówienia

Zagadnienia do omówienia Zarządzane produkcją dr nż. Marek Dudek Ul. Gramatyka 0, tel. 6798 http://www.produkcja.zarz.agh.edu.pl Zagadnena do omówena Zasady projektowana systemów produkcyjnych część (organzacja procesów w przestrzen)

Bardziej szczegółowo

Analiza Matematyczna I.1

Analiza Matematyczna I.1 Aalza Matematycza I. Sera, Potr Nayar Zadae. Nech a k >, k =,..., b d lczbam rzeczywstym o tym samym zaku. Udowodj,»e prawdzwa jest erówo± + a + a... + a + a + a +... + a. Czy zaªo»ee,»e lczby a k maj

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

65120/ / / /200

65120/ / / /200 . W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę

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

XII. EFEKTYWNO FUNKCJONOWANIA SYSTEMÓW DZIAŁANIA

XII. EFEKTYWNO FUNKCJONOWANIA SYSTEMÓW DZIAŁANIA XII. EFETYWO FUCJOOWAIA SYSTEMÓW DZIAŁAIA. WSTP Modele rocesów eksloatacj obektów techncznych umolwaj odejmowane włacwych decyzj dotyczcych urzdze techncznych w zakrese nezawodnoc, trwałoc dagnozowana,

Bardziej szczegółowo

HEURYSTYCZNA PROCEDURA SZEREGOWANIA ZADA W SYSTEMIE MASZYN RÓWNOLEGŁYCH PRZY OGRANICZONEJ DOST PNO CI ZASOBÓW

HEURYSTYCZNA PROCEDURA SZEREGOWANIA ZADA W SYSTEMIE MASZYN RÓWNOLEGŁYCH PRZY OGRANICZONEJ DOST PNO CI ZASOBÓW EURYSYCA PROCEDURA SEREGOWAIA ADA W SYSEMIE MASY RÓWOLEGŁYC PRY OGRAICOEJ DOSPOCI ASOBÓW BIGIEW BUCALSKI Poltechna Wrocławsa Streszczene Cele artył jest prezentacja rezltatów bada proble czasowo-optyalnego

Bardziej szczegółowo

Algorytmy rysowania grafów

Algorytmy rysowania grafów Krzysztof T. Zwerzysk Algorytmy rysowana grafów Plan wykładu Defncje Rysowane grafów planarnych Rysowane grafów na okrgu Rysowane grafów w ogranczonym obszarze Rysowane grafów metod Psanskego Przekształcena

Bardziej szczegółowo

Badanie symulacyjne obciążenia stanowiska obsługowego za pomocą teorii kolejek

Badanie symulacyjne obciążenia stanowiska obsługowego za pomocą teorii kolejek GLINKA Marek 1 Badane symulacyjne obcążena stanowska obsługowego za pomocą teor kolejek WSTĘP Teora kolejek nazywana naczej teorą masowej obsług należy do badań operacyjnych będących częścą matematyk stosowanej.

Bardziej szczegółowo

Analiza korelacji i regresji

Analiza korelacji i regresji Analza korelacj regresj Zad. Pewen zakład produkcyjny zatrudna pracownków fzycznych. Ich wydajność pracy (Y w szt./h) oraz mesęczne wynagrodzene (X w tys. zł) przedstawa ponższa tabela: Pracownk y x A

Bardziej szczegółowo

Dzielenie. Dzielenie pozycyjne

Dzielenie. Dzielenie pozycyjne zelene ozycyjne zelene dzelene całkowte: dzelna (dvdend), dzelnk 0 (dvor) Iloraz (uotent) rezta R (remander) z dzelena to lczby take, e R, R rozw zana (,R ) oraz (,R ) take, e R, rzy tym R R, R, R oraz

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

Urządzenia wejścia-wyjścia

Urządzenia wejścia-wyjścia Urządzena wejśca-wyjśca Klasyfkacja urządzeń wejśca-wyjśca. Struktura mechanzmu wejśca-wyjśca (sprzętu oprogramowana). Interakcja jednostk centralnej z urządzenam wejśca-wyjśca: odpytywane, sterowane przerwanam,

Bardziej szczegółowo

Zobacz jak sam możesz stworzyć skuteczny e-mailing krok po kroku

Zobacz jak sam możesz stworzyć skuteczny e-mailing krok po kroku Stwórz skuteczny e-malng krok po kroku Zobacz jak sam możesz stworzyć skuteczny e-malng krok po kroku JAK ZAROBIĆ NA E-MAIL MARKETINGU I WZMOCNIĆ RELACJE Z ODBIORCAMI? E-MAILING W BRANŻY EDUKACYJNEJ Branża

Bardziej szczegółowo

Regulamin rozgrywek Śląskiej Ligi Biznesowej

Regulamin rozgrywek Śląskiej Ligi Biznesowej S t r o n a Regulamn rozgrywek Śląskej Lg Bznesowej Postanowena ogólne. Organzatoram rozgrywek Śląskej Lg Bznesowej są Fundacja Edukacj Przedsęborczej z sedzbą w Chorzowe oraz Górnośląska Wyższa Szkoła

Bardziej szczegółowo

Bayesowskie testowanie modeli tobitowych w analizie spłaty kredytów detalicznych

Bayesowskie testowanie modeli tobitowych w analizie spłaty kredytów detalicznych Jerzy Marzec, Katedra Ekonometr Badań Oeracyjnych, Unwersytet Ekonomczny w Krakowe 1 Bayesowske testowane model tobtowych w analze słaty kredytów detalcznych Wstę Podstawowym narzędzem wsomagającym racę

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

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

WPROWADZENIE DO TEORII DECYZJI STATYSTYCZNYCH

WPROWADZENIE DO TEORII DECYZJI STATYSTYCZNYCH Ćwczene nr 1 Statystyczne metody wspomagana decyzj Teora decyzj statystycznych WPROWADZENIE DO TEORII DECYZJI STATYSTYCZNYCH Problem decyzyjny decyzja pocągająca za sobą korzyść lub stratę. Proces decyzyjny

Bardziej szczegółowo

termodynamika fenomenologiczna p, VT V, teoria kinetyczno-molekularna <v 2 > termodynamika statystyczna n(v) to jest długi czas, zachodzi

termodynamika fenomenologiczna p, VT V, teoria kinetyczno-molekularna <v 2 > termodynamika statystyczna n(v) to jest długi czas, zachodzi fzka statstczna stan makroskopow układ - skończon obszar przestrzenn (w szczególnośc zolowan) termodnamka fenomenologczna p, VT V, teora knetczno-molekularna termodnamka statstczna n(v) stan makroskopow

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska Statystyka Inżynerska dr hab. nż. Jacek Tarasuk AGH, WFIS 013 Wykład DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE Zmenna losowa, Funkcja rozkładu, Funkcja gęstośc, Dystrybuanta, Charakterystyk zmennej, Funkcje

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

Załącznik nr 3 do zarządzenia Nr 79/2013/DSOZ Prezesa NFZ z dnia 13 grudnia 2013 r.

Załącznik nr 3 do zarządzenia Nr 79/2013/DSOZ Prezesa NFZ z dnia 13 grudnia 2013 r. Prezesa NFZ z dna 3 grudna 203 r. lub 2 3 4 5 6 7 8 04..02.02 śwadczena psychatryczne dla dorosłych zgodne z załącznkem nr, l.p., kolumna 3, rozporządzena ) zajęca rehabltacyjne zgodne z odrębnym przepsam;

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 18. ALGORYTMY EWOLUCYJNE - ZASTOSOWANIA Częstochowa 2014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska ZADANIE ZAŁADUNKU Zadane załadunku plecakowe

Bardziej szczegółowo

Kompleksowa automatyzacja i monitorowanie sieci sn kluczowym elementem poprawy niezawodności i ciągłości dostaw energii

Kompleksowa automatyzacja i monitorowanie sieci sn kluczowym elementem poprawy niezawodności i ciągłości dostaw energii mgr nż. Stansław Kuback dr nż. Jacek Śwdersk mgr nż. Marcn Tarasuk Kompleksowa automatyzacja montorowane sec sn kluczowym elementem poprawy nezawodnośc cągłośc dostaw energ 1. Wstęp Prawodawstwo Un Europejskej

Bardziej szczegółowo

ORGANIZACJA ZAJĘĆ OPTYMALIZACJA GLOBALNA WSTĘP PLAN WYKŁADU. Wykładowca dr inż. Agnieszka Bołtuć, pokój 304, e-mail: aboltuc@ii.uwb.edu.

ORGANIZACJA ZAJĘĆ OPTYMALIZACJA GLOBALNA WSTĘP PLAN WYKŁADU. Wykładowca dr inż. Agnieszka Bołtuć, pokój 304, e-mail: aboltuc@ii.uwb.edu. ORGANIZACJA ZAJĘĆ Wykładowca dr nż. Agneszka Bołtuć, pokój 304, e-mal: aboltuc@.uwb.edu.pl Lczba godzn forma zajęć: 15 godzn wykładu oraz 15 godzn laboratorum 15 godzn projektu Konsultacje: ponedzałk 9:30-11:00,

Bardziej szczegółowo

Weryfikacja hipotez dla wielu populacji

Weryfikacja hipotez dla wielu populacji Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w

Bardziej szczegółowo

STATECZNOŚĆ SKARP. α - kąt nachylenia skarpy [ o ], φ - kąt tarcia wewnętrznego gruntu [ o ],

STATECZNOŚĆ SKARP. α - kąt nachylenia skarpy [ o ], φ - kąt tarcia wewnętrznego gruntu [ o ], STATECZNOŚĆ SKARP W przypadku obektu wykonanego z gruntów nespostych zaprojektowane bezpecznego nachylena skarp sprowadza sę do przekształcena wzoru na współczynnk statecznośc do postac: tgφ tgα = n gdze:

Bardziej szczegółowo

ANALIZA JEDNOSTKOWYCH STRAT CIEPŁA W SYSTEMIE RUR PREIZOLOWANYCH

ANALIZA JEDNOSTKOWYCH STRAT CIEPŁA W SYSTEMIE RUR PREIZOLOWANYCH ZESZYTY NAUKOWE POLITECHNIKI RZESZOWSKIEJ Nr 83 Budownctwo Inżynera Środowska z. 59 (4/1) 01 Bożena BABIARZ Barbara ZIĘBA Poltechnka Rzeszowska ANALIZA JEDNOSTKOWYCH STRAT CIEPŁA W SYSTEMIE RUR PREIZOLOWANYCH

Bardziej szczegółowo

Ekonometria egzamin 01/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora.

Ekonometria egzamin 01/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora. mę, nazwsko, nr ndeksu: Ekonometra egzamn 1//19 1. Egzamn trwa 9 mnut.. Rozwązywane zadań należy rozpocząć po ogłoszenu początku egzamnu a skończyć wraz z ogłoszenem końca egzamnu. Złamane tej zasady skutkuje

Bardziej szczegółowo

Systemy kolejkowe z histerezą- wprowadzenie

Systemy kolejkowe z histerezą- wprowadzenie Systemy kolejkowe z histerezą- wprowadzenie dr Marcin Ziółkowski Instytut Matematyki i Informatyki Akademia im. Jana Długosza w Częstochowie 25 kwietnia 2014 r. System kolejkowy z histerezą System kolejkowy

Bardziej szczegółowo

KRYTERIA WYBORU ARCHITEKTURY SIECI NEURONOWYCH - FINANSOWE CZY BŁ DU PROGNOZY

KRYTERIA WYBORU ARCHITEKTURY SIECI NEURONOWYCH - FINANSOWE CZY BŁ DU PROGNOZY KRYTERIA WYBORU ARCHITEKTURY SIECI NEURONOWYCH - FINANSOWE CZY BŁDU PROGNOZY HENRYK MARJAK Zachodnopomorsk Unwersytet Technologczny w Szczecne Streszczene Klasyczne podejce do zastosowana sec neuronowych

Bardziej szczegółowo

Rys. 1. Temperatura punktu rosy na wykresie p-t dla wody.

Rys. 1. Temperatura punktu rosy na wykresie p-t dla wody. F-Pow wlot / Powetrze wlotne. Defncje odstawowe Powetrze wlotne jest roztwore (lub eszanną) owetrza sucheo wody w ostac: a) ary rzerzanej lub b) ary nasyconej suchej lub c) ary nasyconej suchej ły cekłej

Bardziej szczegółowo

MINISTER EDUKACJI NARODOWEJ

MINISTER EDUKACJI NARODOWEJ 4 MINISTER EDUKACJI NARODOWEJ DWST WPZN 423189/BSZI13 Warszawa, 2013 -Q-4 Pan Marek Mchalak Rzecznk Praw Dzecka Szanowny Pane, w odpowedz na Pana wystąpene z dna 28 czerwca 2013 r. (znak: ZEW/500127-1/2013/MP),

Bardziej szczegółowo

Badanie turbiny parowej

Badanie turbiny parowej Badane trbny arowej Instrkcja do ćwczena nr Badane aszyn - laborator Oracował: dr nŝ. Andrzej Tatarek Zakład Mernctwa Ochrony Atosfery Wrocław, kweceń 009 r. . Cel zakres ćwczena Cele ćwczena jest rzerowadzene

Bardziej szczegółowo

PtOCKA MI^DZYSZKOLNA LIGA PRZEDMIOTOWA MATEMATYKA - klasa II szkofa podstawowa

PtOCKA MI^DZYSZKOLNA LIGA PRZEDMIOTOWA MATEMATYKA - klasa II szkofa podstawowa POCKA M^DZYSZKOLNA LGA PRZEDMOTOWA MATEMATYKA - klasa szkofa podsawowa KARTA PUNKTACJ ZADAN (wypefna komsa konkursowa): Numer zadana Zad. Zad. 2 Zad. 3 Poprawna odpowedz Zad. 4 Zad. 5 Zad. 6 Zad. 7 Zad.

Bardziej szczegółowo

PARAMETRY ELEKTRYCZNE CYFROWYCH ELEMENTÓW PÓŁPRZEWODNIKOWYCH

PARAMETRY ELEKTRYCZNE CYFROWYCH ELEMENTÓW PÓŁPRZEWODNIKOWYCH ARAMETRY ELEKTRYZNE YFROWYH ELEMENTÓW ÓŁRZEWODNIKOWYH SZYBKOŚĆ DZIAŁANIA wyrażona maksymalną częsolwoścą racy max MO OBIERANA WSÓŁZYNNIK DOBROI D OBIĄŻALNOŚĆ ELEMENTÓW N MAKSYMALNA LIZBA WEJŚĆ M ODORNOŚĆ

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

Sprężarki. Wykres pracy indykowanej w tłokowej sprężarce jednostopniowej przedstawiono na rysunku. 1 2 p s. V sk

Sprężarki. Wykres pracy indykowanej w tłokowej sprężarce jednostopniowej przedstawiono na rysunku. 1 2 p s. V sk Srężrk Wykres rcy ndykownej w łokowej srężrce jednosonowej rzedswono n rysunku. 3 4 2 =cons =cons s 2 s s (ssne) o sk rysunku rzyjęo nsęujące oznczen: s oory ssn, oory zworu łocznego, s cśnene ssn, cśnene

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

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

Podstawowe pojcia. Metody probabilistyczne i statystyka Wykład 7: Statystyka opisowa. Rozkłady prawdopodobiestwa wystpujce w statystyce.

Podstawowe pojcia. Metody probabilistyczne i statystyka Wykład 7: Statystyka opisowa. Rozkłady prawdopodobiestwa wystpujce w statystyce. Metody probablstycze statystyka Wykład 7: Statystyka opsowa. Rozkłady prawdopodobestwa wystpujce w statystyce. Podstawowe pojca Populacja geerala - zbór elemetów majcy przyajmej jed włacwo wspól dla wszystkch

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

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

TEKST 3. Nasz mi przed Bogiem. w dniu [data lubu] o godzinie [godzina lubu] w [miejsce lubu]

TEKST 3. Nasz mi przed Bogiem. w dniu [data lubu] o godzinie [godzina lubu] w [miejsce lubu] Przygotowal my dla Pa stwa gotowe szablony tekstów dost pne do druku na naszych zaproszenach. Je l masz pomys na w asny tekst, mo emy go wydrukowa. Pam taj jedyne, aby d ugo tekstu w asnego by a dostosowana

Bardziej szczegółowo

Analiza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009

Analiza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009 Mara Konopka Katedra Ekonomk Organzacj Przedsęborstw Szkoła Główna Gospodarstwa Wejskego w Warszawe Analza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009 Wstęp Polska prywatyzacja

Bardziej szczegółowo

banków detalicznych Metody oceny efektywnoœci operacyjnej

banków detalicznych Metody oceny efektywnoœci operacyjnej Metody oceny efektywnoœc operacyjnej banków detalcznych Danuta Skora, mgr, doktorantka Wydza³u Nauk Ekonomcznych, Dyrektor Regonu jednego z najwêkszych banków detalcznych Adran Kulczyck, mgr, doktorant

Bardziej szczegółowo

Elementy modelowania matematycznego

Elementy modelowania matematycznego Eleenty odelowania ateatycznego Systey kolejkowe. Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ RZYKŁAD KOLEJKI N(t) długość kolejki w chwili t T i czas obsługi i-tego klienta Do okienka

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

Analiza modyfikacji systemów bonus-malus w ubezpieczeniach komunikacyjnych AC na przykładzie wybranego zakładu ubezpieczeń

Analiza modyfikacji systemów bonus-malus w ubezpieczeniach komunikacyjnych AC na przykładzie wybranego zakładu ubezpieczeń Analza modyfkacj systemów bonus-malus Ewa Łazuka Klauda Stępkowska Analza modyfkacj systemów bonus-malus w ubezpeczenach komunkacyjnych AC na przykładze wybranego zakładu ubezpeczeń Tematyka przedstawonego

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

Model IS-LM-BP. Model IS-LM-BP jest wersją modelu ISLM w gospodarce otwartej. Pokazuje on zatem jak

Model IS-LM-BP. Model IS-LM-BP jest wersją modelu ISLM w gospodarce otwartej. Pokazuje on zatem jak Ćwczena z Makroekonom II Model IS-LM- Model IS-LM- jest wersją modelu ISLM w gospodarce otwartej. Pokazuje on zatem jak gospodarka taka zachowuje sę w krótkm okrese, w efekce dzałań podejmowanych w ramach

Bardziej szczegółowo

Wprowadzenie do Sieci Neuronowych Sieci rekurencyjne

Wprowadzenie do Sieci Neuronowych Sieci rekurencyjne Wprowadzene do Sec Neuronowych Sec rekurencyjne M. Czoków, J. Persa 2010-12-07 1 Powtórzene Konstrukcja autoasocjatora Hopfelda 1.1 Konstrukcja Danych jest m obrazów wzorcowych ξ 1..ξ m, gdze każdy pojedynczy

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

INDUKCJA ELEKTROMAGNETYCZNA. - Prąd powstający w wyniku indukcji elektro-magnetycznej.

INDUKCJA ELEKTROMAGNETYCZNA. - Prąd powstający w wyniku indukcji elektro-magnetycznej. INDUKCJA ELEKTROMAGNETYCZNA Indukcja - elektromagnetyczna Powstawane prądu elektrycznego w zamknętym, przewodzącym obwodze na skutek zmany strumena ndukcj magnetycznej przez powerzchnę ogranczoną tym obwodem.

Bardziej szczegółowo