Modele i narzędzia optymalizacji w systemach informatycznych zarządzania

Wielkość: px
Rozpocząć pokaz od strony:

Download "Modele i narzędzia optymalizacji w systemach informatycznych zarządzania"

Transkrypt

1 Modele i arzędzia optymalizacji w systemach iformatyczych zarządzaia Prof. dr hab. iż. Joaa Józefowska Istytut Iformatyki Orgaizacja zajęć 8 godzi wykładów prof. dr hab. iż. J. Józefowska dyżur: poiedziałek , p..6. BT 8 godzi laboratorium prof. dr hab. iż. J. Józefowska Ok. 20 godzi pracy poza zajęciami Obecość a laboratoriach jest obowiązkowa! 2 Program zajęć. Programowaie liiowe 2. Zagadieie trasportowe 3. Programowaie dyamicze. Gry dwuosobowe o sumie zerowej Zaliczeie Laboratorium: Opracowaie modelu matematyczego Rozwiązaie zadaia Iterpretacja rozwiązaia Wykoaie sprawozdaia wg wzorca a stroie Każde ćwiczeie jest oceiae średia jest oceą a zaliczeie. Przedmiotu: Zaliczeie laboratorium jest warukiem dopuszczeia do egzamiu Krótkie sprawdziay przed każdym wykładem Egzami odbędzie się zgodie z harmoogramem sesji możliwy przedtermi 3 Orgaizacja zajęć laboratoryjych spotkaia obecość obowiązkowa. Nieobecość musi być odrobioa w iym termiie. Zadaia są realizowae w grupach dwuosobowych. Literatura. Badaia operacyje, red. E. Igasiak, PWE, Warszawa Błażewicz J., Cellary W., Słowiński R., Węglarz J., Badaia operacyje dla iformatyków, skrypt Politechiki Pozańskiej 37, Wydawictwo Politechiki Pozańskiej, Pozań Chapma C. B., Cooper D. F., Page M. J., Maagemet for Egiers, Joh Wiley & Sos, Chichester, Ecker J. G., Kupferschmidt M., Itroductio to Operatios Research, Joh Wiley & Sos, New York Faure R., Boss J., Badaia operacyje, PWN, W-wa Fideise W., Szymaowski J., Wierzbicki A., Teoria i metody obliczeiowe optymalizacji, PWN, Warszawa Jędrzejczyk Z., Kukuła K., Skrzypek J., Waosz A., Badaia operacyje w przykładach i zadaiach, red. K. Kukuła, Pracowia Poligraficza Akademii Ekoomiczej w Krakowie, Kraków Neal F., Share R., Proces budowy modeli ekoomiczych, PWN, W-wa Siudak M., Badaia operacyje, Oficya Wydawicza Politechiki Warszawskiej, Warszawa Trzaskalik T., Wprowadzeie do badań operacyjych z komputerem, Polskie Wydawictwo Ekoomicze, W-wa Wager H., Badaia operacyje, PWE, W-wa

2 Literatura. Badaia operacyje, red. E. Igasiak, PWE, Warszawa Błażewicz J., Cellary W., Słowiński R., Węglarz J., Badaia operacyje dla iformatyków, skrypt Politechiki Pozańskiej 37, Wydawictwo Politechiki Pozańskiej, Pozań Chapma C. B., Cooper D. F., Page M. J., Maagemet for Egiers, Joh Wiley & Sos, Chichester, Ecker J. G., Kupferschmidt M., Itroductio to Operatios Research, Joh Wiley & Sos, New York Faure R., Boss J., Badaia operacyje, PWN, W-wa Fideise W., Szymaowski J., Wierzbicki A., Teoria i metody obliczeiowe optymalizacji, PWN, Warszawa Jędrzejczyk Z., Kukuła K., Skrzypek J., Waosz A., Badaia operacyje w przykładach i zadaiach, red. K. Kukuła, Pracowia Poligraficza Akademii Ekoomiczej w Krakowie, Kraków Neal F., Share R., Proces budowy modeli ekoomiczych, PWN, W-wa Siudak M., Badaia operacyje, Oficya Wydawicza Politechiki Warszawskiej, Warszawa Trzaskalik T., Wprowadzeie do badań operacyjych z komputerem, Polskie Wydawictwo Ekoomicze, W-wa Wager H., Badaia operacyje, PWE, W-wa 990. Badaia operacyje Problem Model matematyczy Metoda rozwiązaia Zaleźć optymaly program produkcji. Zmaksymalizować () Przy ograiczeiach (2) (3) (), 2, 3 0 (5) Algorytm simple Metoda Chaczijaa Algorytm programowaia dyamiczego 7 8 Programowaie liiowe Pla wykładu Problem programowaia liiowego Postać kaoicza Postać stadardowa Algorytm simple Początkowa baza dopuszczala Tablica simpleks Waruek optymalości rozwiązaia Zmiaa bazy Trasformacja tablicy Metoda sztuczej bazy Metoda graficza 9 0 Przykład zastosowaia PL Mały warsztat aprawia trzy rodzaje urządzeń B, B2, B3. Każde urządzeie zawiera trzy podstawowe elemety: E, E 2, E 3. Naprawa polega a demotażu i/lub motażu elemetów E,E 2,E 3 według określoej techologii. Tabela przedstawia przebieg każdej aprawy, zysk z aprawy urządzeia określoego typu oraz zapas elemetów E,E 2, E 3 wfirmie. Przykład zastosowaia PL Elemet Urządzeie E E2 E3 zysk [$/szt] B B2-3 3 B Zapas [szt.] Aby określić optymaly z puktu widzeia maksymalizacji zysku zakres apraw budujemy model liiowy problemu. 2 2

3 Sformułowaie problemu Niech ozacza plaowaą liczbę sztuk urządzeia B 2 ozacza plaowaą liczbę sztuk urządzeia B2 3 ozacza plaowaą liczbę sztuk urządzeia B3 Całkowity zysk z aprawy urządzeń: Zakład ma zapas 7 sztuk elemetu E Liczba sztuk elemetu E potrzeba do realizacji produkcji: Sformułowaie problemu Zmaksymalizować () Przy ograiczeiach (2) (3) () Podobie dla elemetów E2 i E3: , 2, 3 0 (5) 3 Model liiowy zmaksymalizować cjj fukcja celu (kryterium) przy ograiczeiach aij j bi, i =, K,m Model liiowy zmiea decyzyja zmaksymalizować cj j przy ograiczeiach aijj bi, i =, K,m (i) (ii) ograiczeia j 0, j =, K, parametry j 0, j =, K, (iii) 5 6 Model liiowy postać kaoicza zmaksymalizować cj j przy ograiczeiach aijj bi, i =, K,m Model liiowy zmiimalizować cj j przy ograiczeiach aij j bi, i =, K,m j 0, j =, K, j 0, j =, K, 7 8 3

4 c = Model liiowy postać stadardowa zmaksymalizować przy ograiczeiach [ c,c, K,c ] 2 2 = K c A = b 0 a K a A = K K K am K am b b 2 b = K bm Podstawowe defiicje Rozwiązaiem dopuszczalym zagadieia programowaia liiowego jest wektor =(, 2,..., ), spełiający waruki (ii) oraz (iii). Rozwiązaiem bazowym układu rówań (ii) azywamy rozwiązaie układu powstałego przez przyrówaie do zera m zmieych przy założeiu, że wyzaczik współczyików pozostałych m zmieych jest iezerowy. Te m zmieych azywamy zmieymi bazowymi. Niezdegeerowaym rozwiązaiem bazowym dopuszczalym azywamy bazowe rozwiązaie dopuszczale, w którym wszystkie zmiee bazowe są dodatie. Maksymalym (miimalym) rozwiązaiem dopuszczalym jest rozwiązaie dopuszczale, które maksymalizuje (miimalizuje) fukcję celu (i) sprowadzić problem do postaci stadardowej; 2. zaleźć dopuszczale rozwiązaie bazowe;. wybrać ajwiększy elemet wiersza wskaźikowego ( m+,k ); 5. jeżeli jego wartość jest dodatia, to a. wyzaczyć elemet o ajmiejszym ilorazie b ik / ik dla ik >0, i B; b. przekształcić tablicę simple przyjmując elemet za elemet cetraly przekształceia stosując astępujące wzory: ' = ik ij ij ' =. sprowadzić problem do postaci stadardowej; 2. zaleźć dopuszczale rozwiązaie bazowe;. wybrać ajwiększy elemet wiersza wskaźikowego ( m+,k ); 5. jeżeli jego wartość jest dodatia, to a. wyzaczyć elemet o ajmiejszym ilorazie b ik / ik dla ik 0, i B; b. przekształcić tablicę simple przyjmując elemet za elemet cetraly przekształceia stosując astępujące wzory: ' = ik ij ij ' = 2 22 Postać kaoicza problemu PL Zmaksymalizować: Przy ograiczeiach: , 2, 3 0 Postać stadardowa problemu PL Wszystkie ograiczeia mają postać rówań dodajemy zmiee osłabiające (s i 0), z Jak to zrobić? zerowymi współczyikami w fukcji celu Wektor prawych stro ograiczeń jest ieujemy (b 0) możymy obustroie rówaie przez ( ) Fukcja celu jest maksymalizowaa Jak to zrobić? możymy fukcję celu przez ( ) Jak to zrobić? 23 2

5 Sprowadzeie ograiczeń do postaci rówań Fukcja celu jest maksymalizowaa Problem w postaci stadardowej Zmaksymalizować: s + 0s 2 + 0s 3 Zmaksymalizować: s + 0s 2 + 0s 3 Przy ograiczeiach: s = 7 Przy ograiczeiach: s = s 2 = s 2 = s 3 0 = s 3 = 0 Wektor prawych stro ograiczeń jest dodati, 2, 23, s 3, s 2 0, s 3 0, 2, 3, s, s 2, s sprowadzić problem do postaci stadardowej; 2. zaleźć dopuszczale rozwiązaie bazowe;. wybrać ajwiększy elemet wiersza wskaźikowego ( m+,k ); 5. jeżeli jego wartość jest dodatia, to a. Wyzaczyć elemet o ajmiejszym ilorazie b ik / ik dla ik 0, i B; b. Przekształcić tablicę simple przyjmując elemet za elemet cetraly przekształceia stosując astępujące wzory: ' = ik ij ij ' = Dopuszczale rozwiązaie bazowe Rozwiązaiem bazowym jest rozwiązaie, które powstaje przez przyrówaie do zera m zmieych i rozwiązaie powstałego układu rówań. Jeżeli w rozwiązaiu bazowym Uwaga: wartości w postaci stadardowej zawsze >m wszystkich zmieych są ieujeme, to jest oo rozwiązaiem bazowym dopuszczalym Zalezieie bazy początkowej Zalezieie bazy początkowej Zmaksymalizować: Przy ograiczeiach: s = s = s 2 = s 2 = s 3 = s 3 = 0 Niech = 2 = 3 = 0, 2, 23, s 3, s 2 0, s Niech = 2 = 3 = 0 Jest to rozwiązaie bazowe dopuszczale 30 5

6 . sprowadzić problem do postaci stadardowej; 2. zaleźć dopuszczale rozwiązaie bazowe;. wybrać ajwiększy elemet wiersza wskaźikowego ( m+,k ); 5. jeżeli jego wartość jest dodatia, to a. Wyzaczyć elemet o ajmiejszym ilorazie b ik / ik dla ik 0, i B; b. Przekształcić tablicę simple przyjmując elemet za elemet cetraly przekształceia stosując astępujące wzory: ' = ik ij ij ' = i i Numer wiersza tablicy. Liczba wierszy: m+. i B Nazwy wektorów tworzących bazę. s 2 2 s s i B c B s 0 Współczyiki przy zmieych bazowych w fukcji celu. i B c B Wartości zmieych RHS bazowych w bieżącym rozwiązaiu. s s s s s

7 i B c B RHS 2 3 s s 2 s 3 Współczyiki przy zmieych w fukcji i B c B celu RHS 2 3 s s 2 s 3 s 0 7 s s s Nazwy wszystkich 3 s 3 0 zmieych. 0 3 s Współczyiki przy zmieych i w ograiczeiach. B c B RHS 2 3 s s 2 s 3 zj = ciij i B i B c B RHS 2 3 s s 2 s 3 s s s s s s Wiersz wskaźikowy. 39 Wartości c j -z j 0 zj = ciij i B i B c B RHS 2 3 s s 2 s 3 i B c B RHS 2 3 s s 2 s 3 s s s s s s Wiersz wskaźikowy. Wartości c j -z j Wartość fukcji celu w bieżącym rozwiązaiu. 2 7

8 i B c B RHS 2 3 s s 2 s 3 s s s sprowadzić problem do postaci stadardowej; 2. zaleźć dopuszczale rozwiązaie bazowe;. wybrać ajwiększy elemet wiersza wskaźikowego ( m+,k ); 5. jeżeli jego wartość jest dodatia, to a. Wyzaczyć elemet o ajmiejszym ilorazie b ik / ik dla ik 0, i B; b. Przekształcić tablicę simple przyjmując elemet za elemet cetraly przekształceia stosując astępujące wzory: ' = ik ij ij ' = 3 i B c B RHS 2 3 s s 2 s 3 i B c B RHS 2 3 s s 2 s 3 s s s s s s sprowadzić problem do postaci stadardowej; 2. zaleźć dopuszczale rozwiązaie bazowe;. wybrać ajwiększy elemet wiersza wskaźikowego ( m+,k ); 5. jeżeli jego wartość jest dodatia, to a. Wyzaczyć elemet o ajmiejszym ilorazie b ik / ik dla ik >0, i B; b. Przekształcić tablicę simple przyjmując elemet za elemet cetraly przekształceia stosując astępujące wzory: ' = ik ij ij ' Jeżeli wszystkie ik 0, i B, = to fukcja celu może przyjmować dowolie duże c. wrócić wartości do kroku (rozwiązaie. ieograiczoe). koluma k i B c B RHS 2 3 s s 2 s 3 s s s

9 koluma k i B c B RHS 2 3 s s 2 s 3 koluma k i B c B RHS 2 3 s s 2 s 3 s s s s wiersz l 3 s s / < 0/3 9 elemet cetraly przekształceia 50 koluma k i B c B RHS 2 3 s s 2 s 3 s wiersz l 3 s zmiea 2 (z kolumy k) zastępuje w bazie zmieą s 2 (z wiersza l). sprowadzić problem do postaci stadardowej; 2. zaleźć dopuszczale rozwiązaie bazowe;. wybrać ajwiększy elemet wiersza wskaźikowego ( m+,k ); 5. jeżeli jego wartość jest dodatia, to a. Wyzaczyć elemet o ajmiejszym ilorazie b ik / ik dla ik 0, i B; b. Przekształcić tablicę simple przyjmując elemet za elemet cetraly przekształceia stosując astępujące wzory: ' = ik ij ij ' = 5 52 koluma j koluma k i B c B RHS 2 3 s s 2 s 3 koluma j koluma k i B c B RHS 2 3 s s 2 s 3 s wiersz i wiersz l s wiersz i wiersz l 3 s s * =2,

10 koluma k i B c B RHS 2 3 s s 2 s 3 koluma k i B c B RHS 2 3 s s 2 s 3 s 0 5/2 0 2 / 0 0 s 0 5/2 0 2 / wiersz l 3 s 3 0 5/ / /2 0 0 / 0 3 wiersz l 3 s 3 0 5/ / / / 0 / / sprowadzić problem do postaci stadardowej; 2. zaleźć dopuszczale rozwiązaie bazowe;. wybrać ajwiększy elemet wiersza wskaźikowego ( m+,k ); 5. jeżeli jego wartość jest dodatia, to a. Wyzaczyć elemet o ajmiejszym ilorazie b ik / ik dla ik 0, i B; b. Przekształcić tablicę simple przyjmując elemet za elemet cetraly przekształceia stosując astępujące wzory: ' = ik ij ij ' = Tablica simpleks i B c B RHS 2 3 s s 2 s 3 s 0 5/2 0 2 / /2 0 0 / s 3 0 5/ / / / Tablica simpleks i B c B RHS 2 3 s s 2 s 3 Tablica simpleks i B c B RHS 2 3 s s 2 s 3 s 0 5/2 0 2 / 0 0 s 0 5/2 0 2 / /2 0 0 / /2 0 0 / s 3 0 5/ / 3 s 3 0 5/ / / / 0 9 / /

11 Tablica simpleks i B c B RHS 2 3 s s 2 s 3 Końcowa tablica simpleks i B c B RHS 2 3 s s 2 s 3 s 0 5/2 0 2 / /5 2/5 / /2 0 0 / /5 /5 3/ s 3 0 5/ / 3 s /2 / / /5 -/5 -/ = Rozwiązaie 2 =5 optymale 3 =0 z= s i=0 B c B RHS s 2 =0 s 3 = 2 3 s s 2 s 3 0 /5 2/5 / /5 /5 3/ s / /5 -/5 -/5 0 Iterpretacja rozwiązaia Maksymaly zysk to $. Należy aprawić szt. urządzeia B i 5 szt. urządzeia B2, atomiast ie ależy przyjmować zleceń a aprawę urządzeia B3. Wartości zmieych uzupełiających ozaczają zapas części, który pozostaie w magazyie po zakończeiu produkcji. Elemety E i E2 zostaą zużyte, atomiast pozostaie szt. Elemetu E Problem w postaci stadardowej Przykład 2 Zmaksymalizować: s + 0s 2 + 0s 3 Zmiimalizować: Przy ograiczeiach: s = 7 Przy ograiczeiach: s 2 = s 3 = , 2, 3, s, s 2, s 3 0, 2,

12 Postać stadardowa Zmaksymalizować: Metoda sztuczej bazy Przy ograiczeiach: s = 3 Baza dopuszczala? s 2 = s 3 = 2, 2, 3 0 Algorytm simple Metoda sztuczej bazy I. Wprowadzamy k m zmieych sztuczych. Zmiee te są ieujeme, a ich współczyiki w fukcji celu przyjmują wartość ( M), gdzie M jest dużą liczbą dodatią. II. Tablicę simpleks ze sztuczymi wektorami przekształcamy jak zwykłą tablicę, dopóki:. wszystkie sztucze wektory zostaą wyelimiowae z bazy, tj. mamy bazę dopuszczalą pierwotego zagadieia; 2. brak dodatich współczyików przy M w wierszu wskaźikowym a. jeżeli sztucza część fukcji celu jest dodatia, to zagadieie ie ma rozwiązaia dopuszczalego; b. jeśli sztucza część fukcji celu jest rówa zero, to mamy zdegeerowae rozwiązaie dopuszczale pierwotego zagadieia, które zawiera co ajwyżej jede sztuczy wektor. Przekształcamy tablicę simpleks wprowadzając do bazy wektor, który odpowiada ajwiększemu dodatiemu elemetowi wiersza wskaźikowego przy zerowej wartości współczyika przy M. III. Kolumy odpowiadające zmieym sztuczym, które opuściły bazę moża elimiować z obliczeń. IV. Po otrzymaiu bazy dopuszczalej zagadieia pierwotego kotyuujemy realizację algorytmu simpleks aż do otrzymaia rozwiązaia problemu pierwotego. 69 Sztucza baza Zmaksymalizować: Ma Ma 3 Przy ograiczeiach: s + a = s 2 = s 3 + a 3 = 2, 2, 3, s, s 2, s 3, a, a 3 0 = 2 = 3 = s = s 3 = 0 70 Sztucza baza i B c B M -M RHS 2 3 s s 2 s 3 a a 3 Zmaksymalizować: Ma Ma 3 a -M Przy ograiczeiach: a = 3 2 s s 2 = 5 a 3 = 2 3 a 3 -M M +5M +2M -M 0 -M 0 0-5M = 2 = 3 = s = s 3 =

13 Rozwiązaie Przykład 3 Zmiimalizować: Zmaksymalizować: Przy ograiczeiach: EploreLP.ee , Rozwiązaie EploreLP.ee Podsumowaie Sformułowaie problemu PL w postaci stadardowej Metoda sztuczej bazy Metoda graficza

Programowanie liniowe

Programowanie liniowe Badania operacyjne Problem Model matematyczny Metoda rozwiązania Znaleźć optymalny program produkcji. Zmaksymalizować 1 +3 2 2 3 (1) Przy ograniczeniach 3 1 2 +2 3 7 (2) 2 1 +4 2 12 (3) 4 1 +3 2 +8 3 10

Bardziej szczegółowo

Badania operacyjne. Algorytm simpleks. Organizacja zajęć. Zaliczenie. Literatura. Program zajęć

Badania operacyjne. Algorytm simpleks. Organizacja zajęć. Zaliczenie. Literatura. Program zajęć Algorytm smpleks adaa operacyje Wykład adaa operacyje dr hab. ż. Joaa Józefowska, prof.pp Istytut Iformatyk Orgazacja zajęć 5 godz wykładów dr hab. ż. J. Józefowska, prof. PP Obecość a laboratorach jest

Bardziej szczegółowo

MACIERZE STOCHASTYCZNE

MACIERZE STOCHASTYCZNE MACIERZE STOCHASTYCZNE p ij - prawdopodobieństwo przejścia od stau i do stau j w jedym (dowolym) kroku, [p ij ]- macierz prawdopodobieństw przejść (w jedym kroku), Własości macierzy prawdopodobieństw przejść:

Bardziej szczegółowo

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU Przedmiot: Iformatyka w logistyce Forma: Laboratorium Temat: Zadaie 2. Automatyzacja obsługi usług logistyczych z wykorzystaiem zaawasowaych fukcji oprogramowaia Excel. Miimalizacja pustych przebiegów

Bardziej szczegółowo

UKŁADY RÓWNAŃ LINOWYCH

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

Bardziej szczegółowo

Parametryzacja rozwiązań układu równań

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

Bardziej szczegółowo

PODSTAWOWE ZAGADNIENIA METODOLOGICZNE

PODSTAWOWE ZAGADNIENIA METODOLOGICZNE PODSTAWOWE ZAGADNIENIA METODOLOGICZNE. Wprowadzeie W ekoomii i aukach o zarządzaiu obserwuje się tedecję do ilościowego opisu zależości miedzy zjawiskami ekoomiczymi. Umożliwia to - zobiektywizowaie i

Bardziej szczegółowo

D. Miszczyńska, M.Miszczyński KBO UŁ, Badania operacyjne (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assignment Problem)

D. Miszczyńska, M.Miszczyński KBO UŁ, Badania operacyjne (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assignment Problem) D. Miszczyńska, M.Miszczyński KBO UŁ, Badaia operacyje (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assigmet Problem) Bliskim "krewiakiem" ZT (w sesie podobieństwa modelu decyzyjego) jest zagadieie

Bardziej szczegółowo

8. Optymalizacja decyzji inwestycyjnych

8. Optymalizacja decyzji inwestycyjnych 8. Optymalizacja decyzji iwestycyjych 8. Wprowadzeie W wielu różych sytuacjach, w tym rówież w czasie wyboru iwestycji do realizacji, podejmujemy decyzje. Sytuacje takie azywae są sytuacjami decyzyjymi.

Bardziej szczegółowo

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii O pewych zastosowaiach rachuku różiczkowego fukcji dwóch zmieych w ekoomii 1 Wielkość wytwarzaego dochodu arodowego D zależa jest od wielkości produkcyjego majątku trwałego M i akładów pracy żywej Z Fukcję

Bardziej szczegółowo

ALGORYTM OPTYMALIZACJI PARAMETRÓW EKSPLOATACYJNYCH ŚRODKÓW TRANSPORTU

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

Bardziej szczegółowo

Dualność w programowaniu liniowym

Dualność w programowaniu liniowym 2016-06-12 1 Dualność w programowaniu liniowym Badania operacyjne Wykład 2 2016-06-12 2 Plan wykładu Przykład zadania dualnego Sformułowanie zagadnienia dualnego Symetryczne zagadnienie dualne Niesymetryczne

Bardziej szczegółowo

Estymacja przedziałowa

Estymacja przedziałowa Metody probabilistycze i statystyka Estymacja przedziałowa Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej 3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17 Egzami, 18.02.2017, godz. 9:00-11:30 Zadaie 1. (22 pukty) W każdym z zadań 1.1-1.10 podaj w postaci uproszczoej kresy zbioru oraz apisz, czy kresy ależą do zbioru (apisz TAK albo NIE, ewetualie T albo

Bardziej szczegółowo

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzeie macierzowe Defiicja: Zakresem macierzy AŒ mâ azywamy podprzestrzeń R(A) przestrzei m geerowaą przez zakres fukcji ( ) : m f x = Ax ( A) { Ax x } = Defiicja: Zakresem macierzy A Œ âm azywamy

Bardziej szczegółowo

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

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

Bardziej szczegółowo

LABORATORIUM MODELOWANIA I SYMULACJI. Ćwiczenie 3 MODELOWANIE SYSTEMÓW DYNAMICZNYCH METODY OPISU MODELI UKŁADÓW

LABORATORIUM MODELOWANIA I SYMULACJI. Ćwiczenie 3 MODELOWANIE SYSTEMÓW DYNAMICZNYCH METODY OPISU MODELI UKŁADÓW Wydział Elektryczy Zespół Automatyki (ZTMAiPC) ZERiA LABORATORIUM MODELOWANIA I SYMULACJI Ćwiczeie 3 MODELOWANIE SYSTEMÓW DYNAMICZNYCH METODY OPISU MODELI UKŁADÓW I. Cel ćwiczeia Celem ćwiczeia jest zapozaie

Bardziej szczegółowo

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzeie macierzowe Defiicja: Zakresem macierzy AŒ mâ azywamy podprzestrzeń R(A) przestrzei m geerowaą przez zakres fukcji : m f x = Ax RAAx x Defiicja: Zakresem macierzy A Œ âm azywamy podprzestrzeń

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna A1, zima 2011/12. Kresy zbiorów. x Z M R

Jarosław Wróblewski Analiza Matematyczna A1, zima 2011/12. Kresy zbiorów. x Z M R Kresy zbiorów. Ćwiczeia 21.11.2011: zad. 197-229 Kolokwium r 7, 22.11.2011: materiał z zad. 1-249 Defiicja: Zbiór Z R azywamy ograiczoym z góry, jeżeli M R x Z x M. Każdą liczbę rzeczywistą M R spełiającą

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ALGEBRA LINIOWA Informatyka 2015/2016 Kazimierz Jezuita. ZADANIA - Seria 1. Znaleźć wzór na ogólny wyraz ciągu opisanego relacją rekurencyjną: x

ALGEBRA LINIOWA Informatyka 2015/2016 Kazimierz Jezuita. ZADANIA - Seria 1. Znaleźć wzór na ogólny wyraz ciągu opisanego relacją rekurencyjną: x Iformatyka 05/06 Kazimierz Jezuita ZADANIA - Seria. Relacja rekurecyja kowecja sumacyja suma ciągu geometryczego. Zaleźć wzór a ogóly wyraz ciągu opisaego relacją rekurecyją: x sprowadzając problem do

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi.

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi. Jarosław Wróblewski Aaliza Matematycza 1A, zima 2012/13 Ciągi. Ćwiczeia 5.11.2012: zad. 140-173 Kolokwium r 5, 6.11.2012: materiał z zad. 1-173 Ćwiczeia 12.11.2012: zad. 174-190 13.11.2012: zajęcia czwartkowe

Bardziej szczegółowo

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny TEMATYKA: Regresja liiowa dla prostej i płaszczyzy Ćwiczeia r 5 DEFINICJE: Regresja: metoda statystycza pozwalająca a badaie związku pomiędzy wielkościami daych i przewidywaie a tej podstawie iezaych wartości

Bardziej szczegółowo

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11 RÓWNANIA RÓŻNICZKOWE WYKŁAD Szeregi potęgowe Defiicja Fukcja y = f () jest klasy C jeżeli jest -krotie różiczkowala i jej -ta pochoda jest fukcją ciągłą. Defiicja Fukcja y = f () jest klasy C, jeżeli jest

Bardziej szczegółowo

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

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

Bardziej szczegółowo

1 Układy równań liniowych

1 Układy równań liniowych Katarzya Borkowska, Wykłady dla EIT, UTP Układy rówań liiowych Defiicja.. Układem U m rówań liiowych o iewiadomych azywamy układ postaci: U: a x + a 2 x 2 +... + a x =b, a 2 x + a 22 x 2 +... + a 2 x =b

Bardziej szczegółowo

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek Zajdowaie pozostałych pierwiastków liczby zespoloej, gdy zay jest jede pierwiastek 1 Wprowadzeie Okazuje się, że gdy zamy jede z pierwiastków stopia z liczby zespoloej z, to pozostałe pierwiastki możemy

Bardziej szczegółowo

Metody badania zbieżności/rozbieżności ciągów liczbowych

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

Bardziej szczegółowo

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12 Wykład Korelacja i regresja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Wykład 8. Badaie statystycze ze względu

Bardziej szczegółowo

Ekonomia matematyczna 2-2

Ekonomia matematyczna 2-2 Ekoomia matematycza - Fukcja produkcji Defiicja Efektywym przekształceiem techologiczym azywamy odwzorowaie (iekiedy wielowartościowe), które kazdemu wektorowi akładów R przyporządkowuje zbiór wektorów

Bardziej szczegółowo

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe Metody probabilistycze i statystyka Wykład 1 Zdarzeia losowe, defiicja prawdopodobieństwa, zmiee losowe Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki

Bardziej szczegółowo

( ) WŁASNOŚCI MACIERZY

( ) WŁASNOŚCI MACIERZY .Kowalski własości macierzy WŁSNOŚC MCERZY Własości iloczyu i traspozycji a) możeie macierzy jest łącze, tz. (C) ()C, dlatego zapis C jest jedozaczy, b) możeie macierzy jest rozdziele względem dodawaia,

Bardziej szczegółowo

METODY NUMERYCZNE dr inż. Mirosław Dziewoński

METODY NUMERYCZNE dr inż. Mirosław Dziewoński Metody Numerycze METODY NUMERYCZNE dr iż. Mirosław Dziewoński e-mail: miroslaw.dziewoski@polsl.pl Pok. 151 Wykład /1 Metody Numerycze Aproksymacja fukcji jedej zmieej Wykład / Aproksymacja fukcji jedej

Bardziej szczegółowo

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy transportowe cd, Problem komiwojażera

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy transportowe cd, Problem komiwojażera Istrukcja do ćwiczeń laboratoryjych z przedmiotu: Badaia operacyje Temat ćwiczeia: Problemy trasportowe cd Problem komiwojażera Zachodiopomorski Uiwersytet Techologiczy Wydział Iżyierii Mechaiczej i Mechatroiki

Bardziej szczegółowo

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa Matematyka fiasowa 8.05.0 r. Komisja Egzamiacyja dla Aktuariuszy LX Egzami dla Aktuariuszy z 8 maja 0 r. Część I Matematyka fiasowa WERJA EU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut

Bardziej szczegółowo

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2. Zagadieia estymacji Puktem wyjścia badaia statystyczego jest wylosowaie z całej populacji pewej skończoej liczby elemetów i zbadaie ich ze względu a zmieą losową cechę X Uzyskae w te sposób wartości x,

Bardziej szczegółowo

Pierwiastki z liczby zespolonej. Autorzy: Agnieszka Kowalik

Pierwiastki z liczby zespolonej. Autorzy: Agnieszka Kowalik Pierwiastki z liczby zespoloej Autorzy: Agieszka Kowalik 09 Pierwiastki z liczby zespoloej Autor: Agieszka Kowalik DEFINICJA Defiicja : Pierwiastek z liczby zespoloej Niech będzie liczbą aturalą. Pierwiastkiem

Bardziej szczegółowo

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to

Bardziej szczegółowo

I. Ciągi liczbowe. , gdzie a n oznacza n-ty wyraz ciągu (a n ) n N. spełniający warunek. a n+1 a n = r, spełniający warunek a n+1 a n

I. Ciągi liczbowe. , gdzie a n oznacza n-ty wyraz ciągu (a n ) n N. spełniający warunek. a n+1 a n = r, spełniający warunek a n+1 a n I. Ciągi liczbowe Defiicja 1. Fukcję określoą a zbiorze liczb aturalych o wartościach rzeczywistych azywamy ciągiem liczbowym. Ciągi będziemy ozaczać symbolem a ), gdzie a ozacza -ty wyraz ciągu a ). Defiicja.

Bardziej szczegółowo

Moduł 4. Granica funkcji, asymptoty

Moduł 4. Granica funkcji, asymptoty Materiały pomocicze do e-learigu Matematyka Jausz Górczyński Moduł. Graica fukcji, asymptoty Wyższa Szkoła Zarządzaia i Marketigu Sochaczew Od Autora Treści zawarte w tym materiale były pierwotie opublikowae

Bardziej szczegółowo

I. Podzielność liczb całkowitych

I. Podzielność liczb całkowitych I Podzielość liczb całkowitych Liczba a = 57 przy dzieleiu przez pewą liczbę dodatią całkowitą b daje iloraz k = 3 i resztę r Zaleźć dzieik b oraz resztę r a = 57 = 3 b + r, 0 r b Stąd 5 r b 8, 3 więc

Bardziej szczegółowo

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y Zadaie. Łącza wartość szkód z pewego ubezpieczeia W = Y + Y +... + YN ma rozkład złożoy Poissoa z oczekiwaą liczbą szkód rówą λ i rozkładem wartości pojedyczej szkody takim, że ( Y { 0,,,3,... }) =. Niech:

Bardziej szczegółowo

Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne

Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne Wykład 4 Niezależość zmieych, fukcje i charakterystyki wektora losowego, cetrale twierdzeia graicze Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki

Bardziej szczegółowo

Definicja interpolacji

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

Bardziej szczegółowo

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja Charakterystyki liczbowe zmieych losowych: wartość oczekiwaa i wariacja dr Mariusz Grządziel Wykłady 3 i 4;,8 marca 24 Wartość oczekiwaa zmieej losowej dyskretej Defiicja. Dla zmieej losowej dyskretej

Bardziej szczegółowo

Laboratorium Sensorów i Pomiarów Wielkości Nieelektrycznych. Ćwiczenie nr 1

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

Bardziej szczegółowo

WYZNACZENIE CHARAKTERYSTYK STATYCZNYCH PRZETWORNIKÓW POMIAROWYCH

WYZNACZENIE CHARAKTERYSTYK STATYCZNYCH PRZETWORNIKÓW POMIAROWYCH Zakład Metrologii i Systemów Pomiarowych P o l i t e c h i k a P o z ańska ul. Jaa Pawła II 4 60-96 POZNAŃ (budyek Cetrum Mechatroiki, Biomechaiki i Naoiżerii) www.zmisp.mt.put.poza.pl tel. +48 6 66 3

Bardziej szczegółowo

ANALIZA DANYCH DYSKRETNYCH

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

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 2B, lato 2015/16

Jarosław Wróblewski Analiza Matematyczna 2B, lato 2015/16 Egzami,.6.6, godz. 9:-: Zadaie. puktów) Wyzaczyć wszystkie rozwiązaia rówaia z i w liczbach zespoloych. Zapisać wszystkie rozwiązaia w postaci kartezjańskiej bez używaia fukcji trygoometryczych) oraz zazaczyć

Bardziej szczegółowo

INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW

INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW INSTYTUT MASZYN I URZĄDZEŃ ENERGETYCZNYCH Politechika Śląska w Gliwicach INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW BADANIE ODKSZTAŁCEŃ SPRĘŻYNY ŚRUBOWEJ Opracował: Dr iż. Grzegorz

Bardziej szczegółowo

Politechnika Poznańska

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

Bardziej szczegółowo

Wykład 11. a, b G a b = b a,

Wykład 11. a, b G a b = b a, Wykład 11 Grupy Grupą azywamy strukturę algebraiczą złożoą z iepustego zbioru G i działaia biarego które spełia własości: (i) Działaie jest łącze czyli a b c G a (b c) = (a b) c. (ii) Działaie posiada

Bardziej szczegółowo

Ekonomia matematyczna - 1.1

Ekonomia matematyczna - 1.1 Ekoomia matematycza - 1.1 Elemety teorii kosumeta 1. Pole preferecji Ozaczmy R x x 1,...,x : x j 0 x x, x j1 j. R rozpatrujemy z ormą x j 2. Dla x x 1,...,x,p p 1,...,p Ip x, p x j p j x 1 p 1 x 2 p 2...x

Bardziej szczegółowo

O trzech elementarnych nierównościach i ich zastosowaniach przy dowodzeniu innych nierówności

O trzech elementarnych nierównościach i ich zastosowaniach przy dowodzeniu innych nierówności Edward Stachowski O trzech elemetarych ierówościach i ich zastosowaiach przy dowodzeiu iych ierówości Przy dowodzeiu ierówości stosujemy elemetare przejścia rówoważe, przeprowadzamy rozumowaie typu: jeżeli

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2014/15. n = Rozwiązanie: Stosując wzór na wartość współczynnika dwumianowego otrzymujemy

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2014/15. n = Rozwiązanie: Stosując wzór na wartość współczynnika dwumianowego otrzymujemy 12. Dowieść, że istieje ieskończeie wiele par liczb aturalych k < spełiających rówaie ( ) ( ) k. k k +1 Stosując wzór a wartość współczyika dwumiaowego otrzymujemy ( ) ( )!! oraz k k! ( k)! k +1 (k +1)!

Bardziej szczegółowo

MATURA 2014 z WSiP. Zasady oceniania zadań

MATURA 2014 z WSiP. Zasady oceniania zadań MATURA 0 z WSiP Matematyka Poziom rozszerzoy Zasady oceiaia zadań Copyright by Wydawictwa Szkole i Pedagogicze sp z oo, Warszawa 0 Matematyka Poziom rozszerzoy Kartoteka testu Numer zadaia Sprawdzaa umiejętość

Bardziej szczegółowo

Analiza matematyczna. Robert Rałowski

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

Bardziej szczegółowo

Zadania z analizy matematycznej - sem. I Szeregi liczbowe

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

Bardziej szczegółowo

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum MATEMATYKA (poziom podstawowy) przykładowy arkusz maturaly wraz ze schematem oceiaia dla klasy II Liceum Propozycja zadań maturalych sprawdzających opaowaie wiadomości i umiejętości matematyczych z zakresu

Bardziej szczegółowo

Metody numeryczne Laboratorium 5 Info

Metody numeryczne Laboratorium 5 Info Metody umerycze Laboratorium 5 Ifo Aproksymacja - proces określaia rozwiązań przybliżoych a podstawie rozwiązań zaych, które są bliskie rozwiązaiom dokładym w ściśle sprecyzowaym sesie. Metoda ajmiejszych

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym)

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym) Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych (w zakresie materiału przedstawioego a wykładzie orgaizacyjym) Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli

Bardziej szczegółowo

Algorytmy ewolucyjne

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

Bardziej szczegółowo

ANALIZA MATEMATYCZNA 1 (MAP 1024) LISTY ZADAŃ

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

Bardziej szczegółowo

Chemia Teoretyczna I (6).

Chemia Teoretyczna I (6). Chemia Teoretycza I (6). NajwaŜiejsze rówaia róŝiczkowe drugiego rzędu o stałych współczyikach w chemii i fizyce cząstka w jedowymiarowej studi potecjału Cząstka w jedowymiarowej studi potecjału Przez

Bardziej szczegółowo

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7 Metody probabilistycze i statystyka Estymacja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

Twierdzenie Cayleya-Hamiltona

Twierdzenie Cayleya-Hamiltona Twierdzeie Cayleya-Hamiltoa Twierdzeie (Cayleya-Hamiltoa): Każda macierz kwadratowa spełia swoje włase rówaie charakterystycze. D: Chcemy pokazać, że jeśli wielomiaem charakterystyczym macierzy A jest

Bardziej szczegółowo

EKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą

EKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą EKONOMETRIA Tema wykładu: Liiowy model ekoomeryczy (regresji z jedą zmieą objaśiającą Prowadzący: dr iż. Zbigiew TARAPATA e-mail: Zbigiew.Tarapaa Tarapaa@isi.wa..wa.edu.pl hp:// zbigiew.arapaa.akcja.pl/p_ekoomeria/

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadaie. Wykoujemy rzuty symetryczą kością do gry do chwili uzyskaia drugiej szóstki. Niech Y ozacza zmieą losową rówą liczbie rzutów w których uzyskaliśmy ie wyiki iż szóstka a zmieą losową rówą liczbie

Bardziej szczegółowo

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2012 POZIOM PODSTAWOWY CZĘŚĆ I WYBRANE: Czas pracy: 75 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2012 POZIOM PODSTAWOWY CZĘŚĆ I WYBRANE: Czas pracy: 75 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY Cetrala Komisja Egzamiacyja Arkusz zawiera iformacje prawie chroioe do mometu rozpoczęcia egzamiu. Układ graficzy CKE 2010 KOD WPISUJE ZDAJĄCY PESEL Miejsce a aklejkę z kodem EGZAMIN MATURALNY Z INFORMATYKI

Bardziej szczegółowo

Kolejny krok iteracji polega na tym, że przechodzimy do następnego wierzchołka, znajdującego się na jednej krawędzi z odnalezionym już punktem, w

Kolejny krok iteracji polega na tym, że przechodzimy do następnego wierzchołka, znajdującego się na jednej krawędzi z odnalezionym już punktem, w Metoda Simpleks Jak wiadomo, problem PL z dowolną liczbą zmiennych można rozwiązać wyznaczając wszystkie wierzchołkowe punkty wielościanu wypukłego, a następnie porównując wartości funkcji celu w tych

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Egzamin maturalny z matematyki CZERWIEC 2011

Egzamin maturalny z matematyki CZERWIEC 2011 Egzami maturaly z matematyki CZERWIEC 0 Klucz puktowaia do zadań zamkiętych oraz schemat oceiaia do zadań otwartych POZIOM PODSTAWOWY Poziom podstawowy czerwiec 0 Klucz puktowaia do zadań zamkiętych Nr

Bardziej szczegółowo

LABORATORIUM MODELOWANIA I SYMULACJI. Ćwiczenie 5

LABORATORIUM MODELOWANIA I SYMULACJI. Ćwiczenie 5 Wydział Elektryczy Zespół Automatyki (ZTMAiPC) ZERiA LABORATORIUM MODELOWANIA I SYMULACJI Ćwiczeie 5 ANALIZA WŁASNOŚCI DYNAMICZNYCH WYBRANEGO OBIEKTU FIZYCZNEGO 1. Opis właściwości dyamiczych obiektu Typowym

Bardziej szczegółowo

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X Matematyka ubezpieczeń majątkowych.0.0 r. Zadaie. Mamy day ciąg liczb q, q,..., q z przedziału 0,. Rozważmy trzy zmiee losowe: o X X X... X, gdzie X i ma rozkład dwumiaowy o parametrach,q i, i wszystkie

Bardziej szczegółowo

P π n π. Równanie ogólne płaszczyzny w E 3. Dane: n=[a,b,c] Wówczas: P 0 P=[x-x 0,y-y 0,z-z 0 ] Równanie (1) nazywamy równaniem ogólnym płaszczyzny

P π n π. Równanie ogólne płaszczyzny w E 3. Dane: n=[a,b,c] Wówczas: P 0 P=[x-x 0,y-y 0,z-z 0 ] Równanie (1) nazywamy równaniem ogólnym płaszczyzny Rówaie ogóle płaszczyzy w E 3. ae: P π i π o =[A,B,C] P (,y,z ) Wówczas: P P=[-,y-y,z-z ] P π PP PP= o o Rówaie () azywamy rówaiem ogólym płaszczyzy A(- )+B(y-y )+C(z-z )= ( ) A+By+Cz+= Przykład

Bardziej szczegółowo

x 1 2 3 t 1 (x) 2 3 1 o 1 : x 1 2 3 s 3 (x) 2 1 3. Tym samym S(3) = {id 3,o 1,o 2,s 1,s 2,s 3 }. W zbiorze S(n) definiujemy działanie wzorem

x 1 2 3 t 1 (x) 2 3 1 o 1 : x 1 2 3 s 3 (x) 2 1 3. Tym samym S(3) = {id 3,o 1,o 2,s 1,s 2,s 3 }. W zbiorze S(n) definiujemy działanie wzorem 9.1. Izomorfizmy algebr.. Wykład Przykłady: 13) Działaia w grupach często wygodie jest zapisywać w tabelkach Cayleya. Na przykład tabelka działań w grupie Z 5, 5) wygląda astępująco: 5 1 3 1 1 3 1 3 3

Bardziej szczegółowo

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2011 POZIOM ROZSZERZONY WYBRANE: CZĘŚĆ I. Czas pracy: 90 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2011 POZIOM ROZSZERZONY WYBRANE: CZĘŚĆ I. Czas pracy: 90 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY Cetrala Komisja Egzamiacyja Arkusz zawiera iformacje prawie chroioe do mometu rozpoczęcia egzamiu. Układ graficzy CKE 2010 KOD WISUJE ZDAJĄCY ESEL Miejsce a aklejkę z kodem EGZAMIN MATURALNY Z INORMATYKI

Bardziej szczegółowo

Zaawansowane programowanie

Zaawansowane programowanie Zaawasowae programowaie wykład 5: algorytmy dokłade prof. dr hab. iż. Marta Kasprzak Istytut Iformatyki, Politechika Pozańska lgorytmy dokłade lgorytmy dokłade służą rozwiązywaiu problemów w sposób dokłady

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0, Zadaie iech X, X,, X 6 będą iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), a Y, Y,, Y6 iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), gdzie, są iezaymi

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Matematyka ubezpieczeń majątkowych 6..003 r. Zadaie. W kolejych okresach czasu t =,, 3, 4, 5 ubezpieczoy, charakteryzujący się parametrem ryzyka Λ, geeruje szkód. Dla daego Λ = λ zmiee N, N,..., N 5 są

Bardziej szczegółowo

d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistyczna Definicja Odwzorowanie X: Ω R nazywamy 1-wymiarowym wektorem

d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistyczna Definicja Odwzorowanie X: Ω R nazywamy 1-wymiarowym wektorem d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistycza Defiicja Odwzorowaie X: Ω R d azywamy d-wymiarowym wektorem losowym jeśli dla każdego (x 1, x 2,,x d ) є R d zbiór Uwaga {ω є Ω: X(ω)

Bardziej szczegółowo

Lista 6. Estymacja punktowa

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

Bardziej szczegółowo

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych Wokół testu Studeta Wprowadzeie Rozkłady prawdopodobieństwa występujące w testowaiu hipotez dotyczących rozkładów ormalych Rozkład ormaly N(µ, σ, µ R, σ > 0 gęstość: f(x σ (x µ π e σ Niech a R \ {0}, b

Bardziej szczegółowo

Elementy Modelowania Matematycznego

Elementy Modelowania Matematycznego Elementy Modelowania Matematycznego Wykład 6 Metoda simpleks Spis treści Wstęp Zadanie programowania liniowego Wstęp Omówimy algorytm simpleksowy, inaczej metodę simpleks(ów). Jest to stosowana w matematyce

Bardziej szczegółowo

Wprowadzenie. metody elementów skończonych

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

Bardziej szczegółowo

Internetowe Kółko Matematyczne 2004/2005

Internetowe Kółko Matematyczne 2004/2005 Iteretowe Kółko Matematycze 2004/2005 http://www.mat.ui.toru.pl/~kolka/ Zadaia dla szkoły średiej Zestaw I (20 IX) Zadaie 1. Daa jest liczba całkowita dodatia. Co jest większe:! czy 2 2? Zadaie 2. Udowodij,

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych w zakresie materiału przedstawioego a wykładzie orgaizacyjym Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli doświadczeie,

Bardziej szczegółowo

Badania operacyjne Operation research. Transport I stopień (I stopień / II stopień) Ogólnoakademicki (ogólno akademicki / praktyczny)

Badania operacyjne Operation research. Transport I stopień (I stopień / II stopień) Ogólnoakademicki (ogólno akademicki / praktyczny) Załącznik nr 7 do Zarządzenia Rektora nr../12 z dnia.... 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2013/2014 Badania

Bardziej szczegółowo

2. Schemat ideowy układu pomiarowego

2. Schemat ideowy układu pomiarowego 1. Wiadomości ogóle o prostowikach sterowaych Układy prostowikowe sterowae są przekształtikami sterowaymi fazowo. UmoŜliwiają płya regulację średiej wartości apięcia wyprostowaego, a tym samym średiej

Bardziej szczegółowo

Ekonometria Mirosław Wójciak

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

Bardziej szczegółowo

BADANIA OPERACYJNE i teoria optymalizacji. Prowadzący: dr Tomasz Pisula Katedra Metod Ilościowych

BADANIA OPERACYJNE i teoria optymalizacji. Prowadzący: dr Tomasz Pisula Katedra Metod Ilościowych BADANIA OPERACYJNE i teoria optymalizacji Prowadzący: dr Tomasz Pisula Katedra Metod Ilościowych e-mail: tpisula@prz.edu.pl 1 Literatura podstawowa wykorzystywana podczas zajęć wykładowych: 1. Gajda J.,

Bardziej szczegółowo

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja Podstawowe ozaczeia i wzory stosowae a wykładzie i laboratorium Część I: estymacja 1 Ozaczeia Zmiee losowe (cechy) ozaczamy a wykładzie dużymi literami z końca alfabetu. Próby proste odpowiadającymi im

Bardziej szczegółowo

Relacje rekurencyjne. będzie następująco zdefiniowanym ciągiem:

Relacje rekurencyjne. będzie następująco zdefiniowanym ciągiem: Relacje rekurecyje Defiicja: Niech =,,,... będzie astępująco zdefiiowaym ciągiem: () = r, = r,..., k = rk, gdzie r, r,..., r k są skalarami, () dla k, = a + a +... + ak k, gdzie a, a,..., ak są skalarami.

Bardziej szczegółowo

1 Twierdzenia o granicznym przejściu pod znakiem całki

1 Twierdzenia o granicznym przejściu pod znakiem całki 1 Twierdzeia o graiczym przejściu pod zakiem całki Ozaczeia: R + = [0, ) R + = [0, ] (X, M, µ), gdzie M jest σ-ciałem podzbiorów X oraz µ: M R + - zbiór mierzaly, to zaczy M Twierdzeie 1.1. Jeżeli dae

Bardziej szczegółowo

Lista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym

Lista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym Lista 5 Zadaia a zastosowaie ierówosci Markowa i Czebyszewa. Zadaie 1. Niech zmiea losowa X ma rozkład jedostajy a odciku [0, 1]. Korzystając z ierówości Markowa oszacować od góry prawdopodobieństwo, że

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/ n 333))

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/ n 333)) 46. Wskazać liczbę rzeczywistą k, dla której graica k 666 + 333)) istieje i jest liczbą rzeczywistą dodatią. Obliczyć wartość graicy przy tak wybraej liczbie k. Rozwiązaie: Korzystając ze wzoru a różicę

Bardziej szczegółowo

Plan wykładu. Przykład. Przykład 3/19/2011. Przykład zagadnienia transportowego. Optymalizacja w procesach biznesowych Wykład 2 DECYZJA?

Plan wykładu. Przykład. Przykład 3/19/2011. Przykład zagadnienia transportowego. Optymalizacja w procesach biznesowych Wykład 2 DECYZJA? /9/ Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład --9 Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów

Bardziej szczegółowo

Zadania z algebry liniowej - sem. I Liczby zespolone

Zadania z algebry liniowej - sem. I Liczby zespolone Zadaia z algebry liiowej - sem. I Liczby zespoloe Defiicja 1. Parę uporządkowaą liczb rzeczywistych x, y azywamy liczbą zespoloą i ozaczamy z = x, y. Zbiór wszystkich liczb zespoloych ozaczamy przez C

Bardziej szczegółowo