ODPORNY WYBÓR PROJEKTÓW INWESTYCYJNYCH. 1. Wstęp
|
|
- Wacława Pawlak
- 6 lat temu
- Przeglądów:
Transkrypt
1 B A D A N I A O P E R A C Y J N E I D E C Y Z J E Nr 4 28 Dorota KUCHTA* ODPORNY WYBÓR PROJEKTÓW INWESTYCYJNYCH Zapropoowao zastosowae podeśca odporego do wyboru edego spośród zboru proektów westycyych. Omówoo zasady podeśca odporego róże stosowae w m krytera decyzye. Zapropoowao algorytm pozwalaący zastosować to podeśce do wyboru proektów westycyych zwracaąc uwagę a umeryczą stroę zastosowaa algorytmu. Następe zaprezetowao przykład lczbowy. Słowa kluczowe: proekt westycyy wybór proektów epewość. Wstęp Proekty westycye charakteryzuą sę coraz wększym stopem epewośc formac w momece podemowaa decyz dokoue sę oczywśce estymac akładów kosztów stopy dyskotowe w poszczególych latach realzac proektu ale wadomo że w rzeczywstośc aprawdopodobe wystąpą e kwoty ekedy zacze różące sę od wykazaych z estymac. Dlatego bardzo waże są metody ocey proektów w sytuac epewośc epełośc formac. Jedym z owych podeść do wyboru rozwązaa optymalego w takch właśe sytuacach est tzw. podeśce odpore (ag. robust [] [3]). Ideą tego podeśca est szukae takego rozwązaa czy dokoae takego wyboru z którego będzemy w marę zadowole w przypadku gdy rzeczywste wartośc parametrów decyz okażą sę ame korzyste z przewdywaych (akłady okażą sę awyższe z przewdywaych wydatk aższe tp.). Podeśce odpore reprezetue zatem podeśce pesymsty który uważa że zazwycza e ma szczęśca e lub ryzyka a przegraych. * Istytut Orgazac Zarządzaa Poltechka Wrocławska ul. Smoluchowskego Wrocław e-mal: Dorota.Kuchta@pwr.wroc.pl
2 62 D. KUCHTA W eszym artykule zapropouemy zastosowae podeśca odporego do wyboru spośród klku proektów edego który będze ostatecze realzoway ako akorzysteszy. Na początku sformalzuemy deę podeśca odporego wyboru a astępe zastosuemy ą do wyboru proektów. Podeśce zlustrowao przykładem lczbowym. 2. Odpory wybór akorzysteszego waratu Załóżmy że mamy do wyboru m waratów W ( =... m) których aważeszą charakterystyką est welkość N ( =... m) która powa być ak amesza lub ak awększa w zależośc od sytuac (tu przymuemy że chodz o mmalzacę te charakterystyk). Nestety w momece podemowaa decyz wadomo tylko że welkość ta będze przymować (zae) wartośc N (s) ( =... m) gdze s może być dowolym scearuszem ze (zaego) zboru scearuszy S e wadomo atomast który ze scearuszy wystąp w rzeczywstośc. To okaże sę dopero po dokoau wyboru waratu. Podeśce odpore akazue dokoać wyboru waratu po zastosowau edego z dwóch kryterów:. Kryterum agorszego przypadku Stosuąc kryterum agorszego przypadku zakładamy że ezależe od tego który warat wyberzemy zrealzue sę te scearusz w którym wybray warat W ma ame korzystą wartość N. Dlatego wyberamy tak warat W który speła astępuący waruek: ) przy maksymalzac charakterystyk: m N = (m N ) =... m ) przy mmalzac charakterystyk: N = m ( N ) =... m czyl dla którego ame korzysty scearusz dae lepszą wartość charakterystyk waratu ż ame korzysty scearusz dla wszystkch ych waratów. 2. Kryterum ameszego żalu Stosuąc kryterum ameszego żalu zakładamy że decyduący dla decydeta est właśe żal odczuway przez decydeta w momece kedy uż wadomo ak wystąpł scearusz żal spowodoway wyborem e tego rozwązaa ake w faktycze zastałym scearuszu byłoby alepsze. Żal te merzymy różcą mędzy osągętą charakterystyką wybraego waratu charakterystyką waratu który w zastałym scearuszu byłby alepszy. Stosuąc kryterum mmalego żalu wyberamy tak warat który zapewa ameszy możlwy żal zakładamy bowem poowe pesymstycze że sytuaca okaże sę ekorzysta: okaże sę że wybralśmy e te warat który ależało wybrać będzemy odczuwać żal. Kryte-
3 Odpory wybór proektów westycyych 63 rum mmalego żalu prowadz zatem do wyboru takego waratu W który speła astępuący waruek: ) przy maksymalzac charakterystyk: Nl N = m l =... m =... ) przy mmalzac charakterystyk: N m l =... m N l = m =... m Nl N l =... m m N m Nl. l =... m 3. Zastosowae kryterum agorszego scearusza ameszego żalu do wyboru proektów westycyych Przy ocee proektów westycyych stosue sę róże charakterystyk z których często występuącą est teraźesza wartość etto przepływów ake maą być geerowae przez proekt. Jeśl proekt ma geerować węce wydatków ż wpływów lczy sę NPV wydatków etto (po odęcu wpływów) wówczas chodz o mmalzacę te charakterystyk proektów. Jeśl proekt ma geerować węce wpływów lczy sę NPV wpływów etto wówczas chodz oczywśce o maksymalzacę tak rozumae NPV. Naszym waratam W ( =... m) będą zatem róże proekty z których ma być wybray ede. Załóżmy że wszystke maą trwać lat. Ozaczmy estymowae zdyskotowae [4] przepływy proektu W w poszczególych latach =... przez F. Nech N ( =... m) ozacza NPV poszczególych proektów. Mamy wówczas N = F Wybór proektu byłby oczywsty gdyby przepływy F mogły być dokłade oszacowae w momece podemowaa decyz. Tak może być edak bardzo rzadko. Załóżmy zatem że przepływy F mogą być oszacowae tylko ako fukce para- metru t [] w postac astępuącego wzoru: F = + f t f f..
4 64 D. KUCHTA Parametr t [] reprezetue w pewym sese scearusz. Jeśl przepływy proektu są zdyskotowaym wydatkam to dobry scearusz odpowada wartośc t = (amesze wydatk rówe f ) a zły scearusz t = (awększe wydatk rówe f ). W przypadku zdyskotowaych wpływów t = odpowada agorszemu scearuszow t = atomast alepszemu. Nas edak teresue terpretaca scearusza e w stosuku do edego roku lecz w stosuku do całego proektu czyl waratu. Załóżmy że dla każdego z proektów day rok ozacza tak samo złą lub dobrą passę czyl że t est dla ustalo- ego detycze; możemy zatem mówć po prostu o t. Założee to ozacza ż przymuemy że day rok będze dla frmy dobry lub zły że odbe sę to w każdym realzowaym proekce. Scearuszem będze zatem -ka lczb ( t... t ) t... t [] a charakterystyką oceaącą proekt W dla daego scearusza t... t ) będze N ( t... t ) = f ( Oczywśce w momece podemowaa decyz scearusz e est zay. Do wyboru proektów zastosuemy zatem podae wyże metody. Posłużmy sę aperw kryterum agorszego scearusza. Wybray zostae przy m proekt W który speła astępuący waruek: przy maksymalzac NPV t + t f f. m N (( t... t )) = ( ) = m ((... N t t t... t... m ( t... t )... t [ ] t... t [ ] przy mmalzac NPV t N (( t... t )) = m ( ) = ((... N t t t... t... m ( t... t )... t [ ] t... t [ ] )) )). Wzory te moża w rozpatrywaym przypadku moco uproścć. Poeważ w przypadku wydatków agorsze NPV est osągae dla wartośc parametru a w przypadku wpływów dla wartośc zero wzory te ależy wyrazć w astępuące postac: przy mmalzac NPV N ((...)) = ( N ((...))) czyl f = f =... m =... m
5 Odpory wybór proektów westycyych 65 przy maksymalzac NPV N ((... )) = ( N ((... ))) czyl f = f =... m =... m. Wybór proektu przy zastosowau kryterum agorszego scearusza est zatem bardzo prosty wystarczy polczyć NPV wszystkch proektów dla scearusza ( ) lub ( ) wybrać te dla którego otrzymao wartość maksymalą (mmalą). Zammy sę teraz kryterum mmalego żalu. Przy zastosowau tego kryterum zostae wybray proekt W który speła astępuący waruek: przy maksymalzac NPV Nl N l =... m przy mmalzac NPV N m l =... m = N l = m Nl N l =... m =... m m N m =... m l =... m N l. W przypadku rozpatrywaego przez as rozumea scearuszy otrzymuemy astępuące waruk: przy maksymalzac NPV = Nl ( t... t) N ( t... t ) l =... m... t [ ] t m =... m t przy mmalzac NPV = Nl ( t... t) N ( t... t ) l =... m... t [ ] N ( t... t ) t... t [ ] m ( t... t ( t... t ) ( t... t ) m N ( t... t ) ) (... ) m (... ) N t t Nl t t ( t... t ) l =... m [ ] =... m t... t l =... m Przedstawmy teraz praktycze wyzaczee proektu który będze alepszy zgode z kryterum mmalego żalu. Będze oo polegało a realzac astępuących kroków: l
6 66 D. KUCHTA Krok. Wyzaczee dla każdego =... m podzboru: w przypadku maksymalzac NPV S ( t... t) : t... t [] Nl ( t... t) = N ( t... t) l =... m w przypadku mmalzac NPV S ( t... t) : t... t [] m Nl ( t... t) = N ( t... t) l =... m czyl takego podzboru zboru scearuszy S dla których proekt W ma alepszą wartość charakterystyk. Numerycza realzaca tego kroku polega a rozwązau układu m + 2 erówośc lowych z ewadomym: ewadomym będą parametry t... t erówośc perwszego typu to m porówań mędzy NPV proektu W NPV pozostałych proektów czyl Nl ( t... t) N ( t... t) =... m przy maksymalzac NPV Nl ( t... t) N ( t... t) =... m przy mmalzac NPV 2 erówośc zapewaących że t... []. t l zadaa pro- Krok 2. Rozwązae dla każdego = m l = m gramowaa lowego: w przypadku maksymalzac NPV N ( t... t l ( t... t ) N ) S w przypadku mmalzac NPV N ( t... t ( t... t l ) S. ( t... t ) N ( t... t l l ) ) Otrzymaą optymalą wartość fukc celu ozaczamy przez R l. Numerycza realzaca tego kroku polega a zastosowau p. powszeche zaego algorytmu smpleks. Krok 3. Wyzaczee dla każdego = m wartośc R = R l =.. m R będze maksymalym żalem ak decydet może odczuwać eśl wyberze proekt W łatwo bowem pokazać że: l
7 Odpory wybór proektów westycyych 67 przy maksymalzac NPV R = Nl ( t... t) N ( t... t) ( t... t ) l =... m [ ] t... t przy mmalzac NPV R = N ( t... t) m Nl ( t... t). ( t... t ) l =... m [ ] t... t Krok 4. Wybrae do realzac proektu W o mmalym R Przedstawoy algorytm est łatwy do umerycze realzac. Pozwala wyzaczyć proekt spełaący kryterum mmalego żalu. W astępym rozdzale zaprezetuemy przykład lustruący opsay sposób postępowaa przy wyborze proektów bądź zgode z kryterum agorszego scearusza bądź ameszego żalu. 4. Przykład lczbowy Rozpatrzmy zbór astępuących czterech proektów z których każdy ma trwać trzy lata. Należy wybrać tylko ede z ch. Plaowae zdyskotowae przepływy dla każdego z proektów (zakładamy że chodz o proekty geeruące tylko wydatk zatem alepsze będą proekty maące ak ameszą NPV) przedstawoo w tabel. Tabela. Dae lczbowe do przykładu t t 2 t3 [ ] Rok Rok 2 Rok 3 NPV W 2 + t 4 + t t t + t 2 + 2t 3 W t 3 + 3t t t + 3t 2 + 6t 3 W 3 + t 8 + t 2 + 2t t + t 2 + 2t 3 W t 6 + t t t + t 2 + t 3 Zastosowae kryterum agorszego scearusza wymaga zalezea proektu który charakteryzue sę ameszą NPV przy agorszym scearuszu czyl dla t = t2 = t3 =. Łatwo polczyć że stosuąc to kryterum dokoamy wyboru W. Zastosumy teraz kryterum ameszego żalu. Po zrealzowau perwszego kroku algorytmu zapropoowaego w poprzedm rozdzale otrzymamy astępuące podzbory zboru {( t t2 t3) : t t2 t3 []} : S = {( t t2 t3) : 2t + 2t2 + 4t3 5 t t2 t3 []} S 2 = {( t t2 t3) : 2t + 2t2 + 4t3 5 t t2 t3 []} S S są zboram pustym. 3 4
8 68 D. KUCHTA Wartośc R l dla = l = 2 (a skrzyżowau wersza W kolumy S l ) oraz R dla = podao w tabel 2. Tabela 2. Wartośc R l dla = l = 2 S S 2 R W 5 5 W W W 4 6 Wdzmy zatem że maksymaly żal ak może odczuwać decydet będze ameszy w przypadku wyboru proektu W 2. W omawaym przykładze występue zatem typowa sytuaca z aką mamy do czyea w przypadku podemowaa decyz w warukach epełośc/epewośc formac. Wybór proektu e est edozaczy edo kryterum wskazue a W druge a W 2. Zasadczą rolę odgrywa tuta decydet; to o mus wedzeć czy aważesze est dla ego to co sę stae przy agorszym scearuszu czy też decyduące zaczee ma żal ak może odczuwać z powodu wyboru e tego rozwązaa co trzeba. Waże est edak zastosowae węce ż edego kryterum. W aszym przypadku oba krytera wyłoły po edym kadydace których moża mędzy sobą porówać. Warto też rozważać e tylko proekty które przy poszczególych kryterach są alepsze ale róweż te które są blske tym alepszym. Take proekty łatwo wyzaczyć poprzez drobą modyfkacę metody. U as rozpatrzee przy obu kryterach zarówo proektu alepszego ak koleego pod względem wartośc kryterum wskazałoby w obu przypadkach a proekty W W 2 a także pokazałoby że proekty te e różą sę bardzo pomędzy sobą pod względem wartośc obu kryterów. Te fakt potwerdzłby że są to proekty alepsze aczkolwek wybór kokretego proektu spośród ch e est edozaczy. W takm przypadku moża zastosować e krytera e loścowe które występuą w każde sytuac w praktyce. 5. Podsumowae W eszym artykule zapropoowao sposób wyboru edego spośród zboru alteratywych proektów w warukach epewośc formac kedy parametry proektów (przepływy peęże) e są zae dokłade wadomo tylko w ak sposób zależą od wystąpea różych scearuszy (p. lepszego lub gorszego roku). Podstawowym kryterum ocey proektów ak wykorzystao est teraźesza
9 Odpory wybór proektów westycyych 69 wartość etto ale zaprezetowae w artykule rezultaty moża przeeść róweż a e krytera ocey proektów p. zysk czy okres zwrotu poeważ w warukach epełe formac samo zastosowae kryterum teraźesze wartośc etto (czy akegokolwek ego kryterum ocey proektów) e wystarczy. Ne dae oo bowem edozaczego wyku poeważ to który proekt est alepszy pod względem daego kryterum zależy od scearusza. Z różorodośc możlwych scearuszy lteratura propoue stosowae kryterum agorszego scearusza lub ameszego żalu przy czym oba te krytera są kryteram prowadzącym do decyz tzw. odporych czyl dość zadowalaących awet w agorszym przypadku. Właśe to podeśce zostało zastosowae do wyboru proektów w eszym artykule. Podao odpowed algorytm postępowaa oraz omówoo umeryczą stroę ego zastosowaa. Bblografa [] AVERBAKH A. M regret solutos for m optmzato problems wth ucertaty Operatos Research Letters [2] KUCHTA D. Optmzato wth Fuzzy Preset worth Aalyss ad Applcatos [w:] Kahrama Cegz (red.) Fuzzy Egeerg Ecoomcs wth Applcatos Sprger-Verlag [3] KUCHTA D. Robust selecto of vestmet proects. Odpory wybór proektów westycyych [w:] Iteratoal Coferece o Fuzzy Sets ad Soft Computg Ecoomcs ad Face FSSCEF 24 Proceedgs Sat-Petersburg Russa Jue Vol. 2. Mexco: Isttuto Mexcao del Petroleo [4] SIERPIŃSKA M. JACHNA T. Ocea przedsęborstwa według stadardów śwatowych PWN Warszawa 27. Robust choce of vestmet proects I the paper we dscuss the problem of selectg oe vestmet proect from a set cotag several proects the stuato whe ther parameters (above all the cash flows) are stll ukow exactly. I such a stuato the choce of oe proect s ot uequvocal. Whle takg smlar decsos varous approaches are used: probablstc fuzzy ad recetly more ad more ofte the robust oe. The robust approach a approach whch assures us that we wll choose a far proect o matter what ts actual parameters wll be (whch wll become kow oly the future). I the robust approach varous crtera are appled most ofte the crtero of the worst scearo ad the oe of the smallest regret. It s these crtera that we apply here to the choce of vestmet proects. For both crtera we gve a exact algorthm allowg to determe the best proect the respect to the respectve crtero. The algorthm s good from the computatoal pot of vew also for a bg umber of proects from amog whch we are to choose oe because t s based o the well kow smplex algorthm. We llustrate our approach wth a umercal example. It shows that both crtera may gve dfferet solutos thus the method proposed here does ot a uequvocal aswer. However whe we aalyze
10 7 D. KUCHTA both solutos we otce that t s precsely both crtera together that ca dstgush a set of those proects whch are the best oes. The decso maker ca choose from ths heavly reduced proects group oe proect usg o-quattatve crtera (ofte poltcal oes) whch exst each decso stuato but whch are dffcult to clude the geeral model. Keywords: vestmet proect proect selecto ucertaty
ZAGADNIENIE TRANSPORTOWE
ZAGADNIENIE TRANSPORTOWE ZT.. Zagadee trasportowe w postac tablcy Z m puktów (odpowedo A,...,A m ) wysyłamy edorody produkt w loścach a,...,a m do puktów odboru (odpowedo B,...,B ), gdze est odberay w
System finansowy gospodarki
System fasowy gospodark Zajęca r 7 Krzywa retowośc, zadaa (mat. f.), marża w hadlu, NPV IRR, Ustawa o kredyce kosumeckm, fukcje fasowe Excela Krzywa retowośc (dochodowośc) Yeld Curve Krzywa ta jest grafczym
Matematyczny opis ryzyka
Aalza ryzyka kosztowego robót remotowo-budowlaych w warukach epełe formac Mgr ż Mchał Bętkowsk dr ż Adrze Powuk Wydzał Budowctwa Poltechka Śląska w Glwcach MchalBetkowsk@polslpl AdrzePowuk@polslpl Streszczee
Podprzestrzenie macierzowe
Podprzestrzee macerzowe werdzee: Dla dwóch macerzy A B o tych samych wymarach zachodz: ( ) ( ) wersz a) R A R B A ~ B Dowód: wersz a) A ~ B stee P taka że PA B 3 0 A 4 3 0 0 E A B 0 0 0 E B 3 6 4 0 0 0
1. Relacja preferencji
dr Mchał Koopczyńsk EKONOMIA MATEMATYCZNA Wykłady, 2, 3 (a podstawe skryptu r 65) Relaca preferec koszyk towarów: przestrzeń towarów: R + = { x R x 0} x = ( x,, x ) X X R+ x 0 x 0 =, 2,, x~y xf y x y x
( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min
Fukca warogodośc Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x;. Fukcą warogodośc dla próby x azywamy welkość: ( x; f ( x ; L Twerdzee (Cramera-Rao: Mmala wartość warac m dowolego eobcążoego
OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B
OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B W przypadku gdy e występuje statystyczy rozrzut wyków (wszystke pomary dają te sam wyk epewość pomaru wyzaczamy w y sposób. Główą przyczyą epewośc pomaru jest epewość
N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.
3 Metody estymacj N ( µ, σ ) Wyzacz estymatory parametrów µ 3 Populacja geerala ma rozład ormaly mometów wyorzystując perwszy momet zwyły drug momet cetraly z prób σ metodą 3 Zmea losowa ma rozład geometryczy
Funkcja wiarogodności
Fukca warogodośc Defca: Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x; θ. Fukcą warogodośc dla próby x azywamy welkość: ( x; θ f ( x ; θ L Uwaga: Fukca warogodośc to e to samo co łącza
UOGÓLNIONA ANALIZA WRAŻLIWOŚCI ZYSKU W PRZEDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW. 1. Wprowadzenie
B A D A N I A O P E R A C Y J N E I D E C Y J E Nr 2 2007 Aa ĆWIĄKAŁA-MAŁYS*, Woletta NOWAK* UOGÓLNIONA ANALIA WRAŻLIWOŚCI YSKU W PREDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW Przedstawoo ajważejsze elemety
Modelowanie niezawodności i wydajności synchronicznej elastycznej linii produkcyjnej
Dr hab. ż. Ato Śwć, prof. adzw. Istytut Techologczych ystemów Iformacyych oltechka Lubelska ul. Nadbystrzycka 36, 2-68 Lubl e-mal: a.swc@pollub.pl Dr ż. Lech Mazurek aństwowa Wyższa zkoła Zawodowa w Chełme
5. OPTYMALIZACJA NIELINIOWA
5. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często, że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też, oprócz lowych zadań decyzyjych, formułujemy także elowe
ANALIZA INPUT - OUTPUT
Aalza put - output Notatk S Dorosewcz J Staseńko Stroa z 28 SŁAWOMIR DOROSIEWICZ JUSTYNA STASIEŃKO ANALIZA INPUT - OUTPUT NOTATKI Istytut Ekoometr SGH Aalza put - output Notatk S Dorosewcz J Staseńko Stroa
Statystyczne charakterystyki liczbowe szeregu
Statystycze charakterystyk lczbowe szeregu Aalzę badaej zmeej moża uzyskać posługując sę parametram opsowym aczej azywaym statystyczym charakterystykam lczbowym szeregu. Sytetycza charakterystyka zborowośc
08 Model planowania sieci dostaw 1Po_2Pr_KT+KM
Nr Tytuł: Autor: 08 Model plaowaa sec dostaw 1Po_2Pr_KT+KM Potr SAWICKI Zakład Systeów Trasportowych WIT PP potr.sawck@put.poza.pl potr.sawck.pracowk.put.poza.pl www.facebook.co/potr.sawck.put Przedot:
3. OPTYMALIZACJA NIELINIOWA
Wybrae zaadea badań operacyjych dr ż. Zbew Tarapata 3. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też oprócz
FINANSE II. Model jednowskaźnikowy Sharpe a.
ODELE RYNKU KAPITAŁOWEGO odel jedowskaźkowy Sharpe a. odel ryku kaptałowego - CAP (Captal Asset Prcg odel odel wycey aktywów kaptałowych). odel APT (Arbtrage Prcg Theory Teora artrażu ceowego). odel jedowskaźkowy
ρ (6) przy czym ρ ij to współczynnik korelacji, wyznaczany na podstawie następującej formuły: (7)
PROCES ZARZĄDZANIA PORTFELEM PAPIERÓW WARTOŚCIOWYCH WSPOMAGANY PRZEZ ŚRODOWISKO AUTOMATÓW KOMÓRKOWYCH Ageszka ULFIK Streszczee: W pracy przedstawoo sposób zarządzaa portfelem paperów wartoścowych wspomagay
W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =
4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ ). W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,
Badania Operacyjne (dualnośc w programowaniu liniowym)
Badaa Operacye (dualośc w programowau lowym) Zadae programowaa lowego (PL) w postac stadardowe a maksmum () c x = max, podczas gdy spełoe są erówośc () ax = b ( m ), x 0 ( ) Zadae programowaa lowego (PL)
Pomiary parametrów napięć i prądów przemiennych
Ćwczee r 3 Pomary parametrów apęć prądów przemeych Cel ćwczea: zapozae z pomaram wartośc uteczej, średej, współczyków kształtu, szczytu, zekształceń oraz mocy czyej, berej, pozorej współczyka cosϕ w obwodach
Portfel złożony z wielu papierów wartościowych
Portfel westycyy ćwczea Na odst. Wtold Jurek: Kostrukca aalza, rozdzał 4 dr Mchał Kooczyńsk Portfel złożoy z welu aerów wartoścowych. Zwrot ryzyko Ozaczea: w kwota ulokowaa rzez westora w aery wartoścowe
Lista 6. Kamil Matuszewski 26 listopada 2015
Lsta 6 Kaml Matuszews 6 lstopada 5 4 5 6 7 8 9 4 5 X X X X X X X X X X X D X X N Gdze X-spsae, D-Delarowae, N-edelarowae. Zadae Zadae jest westą odpowedego pomalowaa. Weźmy sobe szachowcę x, poumerujmy
Predyktywne harmonogramowanie projektów informatycznych
Predyktywe harmoogramowae proektów formatyczych mgr Ŝ. Marc Klmek Istytut Iformatyk Państwowa WyŜsza Szkoła Zawodowa m. PapeŜa Jaa Pawła II w Bałe Podlaske Streszczee: W artykule przedstawoo problem predyktywego
Zaawansowane metody numeryczne
Zaawasowae metod umercze Programowae lowe (problem dual, program low w lczbach całkowtch) Dualość est kluczowm poęcem programowaa lowego. Pozwala a udowodee że otrzmwae rozwązaa są optmale. Zagadee duale
Współczynnik korelacji rangowej badanie zależności między preferencjami
Współczyk korelacj ragowej badae zależośc mędzy preferecjam Przemysław Grzegorzewsk Istytut Badań Systymowych PAN ul. Newelska 6 01-447 Warszawa E-mal: pgrzeg@bspa.waw.pl Pla referatu: Klasycze metody
KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny
KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA Adra Kapczyńsk Macej Woly Wprowadzee Rozwój całego spektrum coraz doskoalszych środków formatyczych
Planowanie eksperymentu pomiarowego I
POLITECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA ENERGETYKI INSTYTUT MASZYN URZĄDZEŃ ENERGETYCZNYCH Plaowae eksperymetu pomarowego I Laboratorum merctwa (M 0) Opracował: dr ż. Grzegorz Wcak
METODY KOMPUTEROWE 1
MTODY KOMPUTROW WIADOMOŚCI WSTĘPN MTODA ULRA Mcał PŁOTKOWIAK Adam ŁODYGOWSKI Kosultacje aukowe dr z. Wtold Kąkol Pozań 00/00 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN Metod umercze MN pozwalają a ormułowae matematczc
Badania Maszyn CNC. Nr 2
Poltechka Pozańska Istytut Techolog Mechaczej Laboratorum Badaa Maszy CNC Nr 2 Badae dokładośc pozycjoowaa os obrotowych sterowaych umerycze Opracował: Dr. Wojcech Ptaszy sk Mgr. Krzysztof Netter Pozań,
Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym?
Oblczae średej, odchylea tadardowego meday oraz kwartyl w zeregu zczegółowym rozdzelczym? Średa medaa ależą do etymatorów tzw. tedecj cetralej, atomat odchylee tadardowe to etymatorów rozprozea (dyperj)
Problem plecakowy (KNAPSACK PROBLEM).
Problem plecakowy (KNAPSACK PROBLEM). Zagadnene optymalzac zwane problemem plecakowym swą nazwę wzęło z analog do sytuac praktyczne podobne do problemu pakowana plecaka. Chodz o to, by zapakować maksymalne
WYBÓR WARIANTU PRZEDSIĘWZIĘCIA BUDOWLANEGO PRZY ROZMYTYM MODELOWANIU RYZYKA TECHNOLOGICZNO- ORGANIZACYJNEGO
THEORETICAL FOUNDATIONS OF CIVIL ENGINEERING Polsh-Ukraa Trasactos Vol. 21, pp. 405-412, Warsaw 2013 WYBÓR WARIANTU PRZEDSIĘWZIĘCIA BUDOWLANEGO PRZY ROZMYTYM MODELOWANIU RYZYKA TECHNOLOGICZNO- ORGANIZACYJNEGO
RÓWNOWAGA STACKELBERGA W GRACH SEKWENCYJNYCH
Stansław KOWALIK e-mal: skowalk@wsb.edu.pl Wyższa Szkoła Bznesu Dąbrowa Górncza RÓWNOWAGA STACKELBERGA W GRACH SEKWENCYJNYCH Streszczene Praca dotyczy nekooperacynych sekwencynych ger dwuosobowych o sume
Metoda Monte-Carlo i inne zagadnienia 1
Metoda Mote-Carlo e zagadea Metoda Mote-Carlo Są przypadk kedy zamast wykoać jakś eksperymet chcelbyśmy symulować jego wyk używając komputera geeratora lczb (pseudolosowych. Wększość bblotek programów
Projekt 2 2. Wielomiany interpolujące
Proekt Weloma terpoluące Rodzae welomaów terpoluącc uma edomaów Nec w przedzale a, b określoa będze fukca f: ec będze ustaloc m wartośc argumetu :,,, m, m L prz czm: < < L < < m m Pukt o tc odcztac azwa
Modelowanie i Analiza Danych Przestrzennych
Modelowae Aalza Daych Przestrzeych Wykład 8 Adrze Leśak Katedra Geoformatyk Iformatyk Stosowae Akadema Górczo-Hutcza w Krakowe Jaką postać ma warogram daych z tredem? Moża o wylczyć teoretycze prostego
Typ może być dowolny. //realizacja funkcji zamiana //przestawiajacej dwa elementy //dowolnego typu void zamiana(int &A, int &B) { int t=a; A=B; B=t; }
Idea: Wyzaczamy ameszy elemet w cągu tablcy zameamy go mescam z elemetem perwszym, astępe z pozostałego cągu wyberamy elemet ameszy ustawamy go a druge mesce tablcy zmeamy, td. Realzaca w C++ vod seleca
i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3
35 Iterpoaca Herte a 3 f ( x f ( x,,, 3, 4 f ( x,,, 3 f ( x,, 3 f ( x, 4 f ( x 33,5,698,87,5!, 34,83,785,9,3 36,598,877,95 38,475,97 4,447 Na podstawe wzoru (38 ay zate 87,, 5, L4 ( t 335, +, 698t+ t(
INWESTYCJE MATERIALNE
OCENA EFEKTYWNOŚCI INWESTYCJI INWESTCJE: proces wydatkowaia środków a aktywa, z których moża oczekiwać dochodów pieiężych w późiejszym okresie. Każde przedsiębiorstwo posiada pewą liczbę możliwych projektów
WRAŻLIWOŚĆ WYNIKU TECHNICZNEGO ZAKŁADU UBEZPIECZEŃ NA ZMIANĘ POZIOMU REZERWY SZKODOWEJ
Aca Woy WRAŻLIWOŚĆ WYNIKU TECHNICZNEGO ZAKŁADU UBEZPIECZEŃ NA ZMIANĘ POZIOMU REZERWY SZKODOWEJ Wstęp Załad ubezpeczeń est zobgoway do tworzea fuduszu ubezpeczeowego sładaącego sę z rezerw techczo-ubezpeczeowych
Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej
Podstawy Mary położea wskazują mejsce wartośc ajlepej reprezetującej wszystke welkośc daej zmeej. Mówą o przecętym pozome aalzowaej cechy. Średa arytmetycza suma wartośc zmeej wszystkch jedostek badaej
Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu
DYNAMICZNE MODELE EKONOMERYCZNE X Ogólopolske Semarum Naukowe, 4 6 wrześa 2007 w oruu Katedra Ekoometr Statystyk, Uwersytet Mkołaja Koperka w oruu Moka Jezorska - Pąpka Uwersytet Mkołaja Koperka w oruu
PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X
PERMUTACJE Permutacą zboru -elemetowego X azywamy dowolą wzaeme edozaczą fucę f : X X f : X X Przyład permutac X = { a, b, c, d } f (a) = d, f (b) = a, f (c) = c, f (d) = b a b c d Zaps permutac w postac
PŁASKA GEOMETRIA MAS. Środek ciężkości figury płaskiej
PŁAKA GEOMETRIA MA Środek cężkośc fgury płaskej Mometam statyczym M x M y fgury płaskej względem os x lub y (rys. 7.1) azywamy gracę algebraczej sumy loczyów elemetarych pól d przez ch odległośc od os,
Sprawdzenie stateczności skarpy wykopu pod składowisko odpadów komunalnych
Sprawdzee stateczośc skarpy wykopu pod składowsko odpadów koualych Ustalee wartośc współczyka stateczośc wykoae zostae uproszczoą etodą Bshopa, w oparcu o poższą forułę: [ W s( α )] ( φ ) ( φ ) W ta F
Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.
Wrażlwość oblgacj Jedym z czyków ryzyka westowaa w oblgacje jest zmeość rykowych stóp procetowych. Iżyera fasowa dyspouje metodam pozwalającym zabezpeczyć portfel przed egatywym skutkam zma stóp procetowych.
POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1
POPULACJA I PRÓBA POPULACJĄ w statystyce matematyczej azywamy zbór wszystkch elemetów (zdarzeń elemetarych charakteryzujących sę badaą cechą opsywaą zmeą losową. Zbadae całej populacj (przeprowadzee tzw.
Indukcja matematyczna
Iducja matematycza Twerdzee. zasada ducj matematyczej Nech T ozacza pewą tezę o lczbe aturalej. Jeżel dla pewej lczby aturalej 0 teza T 0 jest prawdzwa dla ażdej lczby aturalej 0 z prawdzwośc tezy T wya
Laboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI
Laboatoum Metod tatystyczych ĆWICZENIE WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI Oacowała: Katazya tąo Weyfkaca hotez Hoteza statystycza to dowole zyuszczee dotyczące ozkładu oulac. Wyóżamy hotezy: aametycze
Regresja REGRESJA
Regresja 39. REGRESJA.. Regresja perwszego rodzaju Nech (, będze dwuwyarową zeą losową, dla które steje kowaracja. Nech E( y ozacza warukową wartość oczekwaą zdefowaą dla przypadku zeych losowych typu
STATYKA. Cel statyki. Prof. Edmund Wittbrodt
STATYKA Cel statyk Celem statyk jest zastąpee dowolego układu sł ym, rówoważym układem sł, w tym układem złożoym z jedej tylko sły jedej pary sł (redukcja do sły mometu główego) lub zbadae waruków, jake
W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =
4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ. W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,
Matematyka dyskretna. 10. Funkcja Möbiusa
Matematyka dyskreta 10. Fukcja Möbusa Defcja 10.1 Nech (P, ) będze zborem uporządkowaym. Mówmy, że zbór uporządkoway P jest lokale skończoy, jeśl każdy podzał [a, b] P jest skończoy, a, b P Uwaga 10.1
MATERIAŁY I STUDIA. Efektywność sektora publicznego na poziomie samorządu lokalnego. Zesz y t nr 242. Barbara Karbownik, Grzegorz Kula
MATERAŁY STUDA Zesz y t r 242 Efektywość sektora publczego a pozome samorządu lokalego Barbara Karbowk, Grzegorz Kula Warszawa 2009 Barbara Karbowk Narodowy Bak Polsk, barbara.karbowk@bp.pl Grzegorz Kula
Analiza wyniku finansowego - analiza wstępna
Aalza wyku fasowego - aalza wstępa dr Potr Ls Welkość wyku fasowego determuje: etowość przedsęborstwa Welkość podatku dochodowego Welkość kaptałów własych Welkość dywded 1 Aalza wyku fasowego ma szczególe
L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH
L.Kowalsk PODSTAWOWE TESTY STATYSTYCZNE TESTY STATYSTYCZNE poteza statystycza to dowole przypuszczee dotyczące rozkładu cechy X. potezy statystycze: -parametrycze dotyczą ezaego parametru, -parametrycze
Lista 6. Kamil Matuszewski X X X X X X X X X X X X
Lsta 6 Kaml Matuszewsk 9..205 2 3 4 5 6 7 9 0 2 3 4 5 6 7 X X X X X X X X X X X X Zadae Lewa stroa: W delegacj możemy meć od do osób. Wyberamy ( k) osób a k sposobów wyberamy przewodczącego. k =.. węc
Zmiana bazy i macierz przejścia
Auomaya Roboya Algebra -Wyład - dr Adam Ćmel cmel@agh.edu.pl Zmaa bazy macerz prześca Nech V będze wymarową przesrzeą lową ad całem K. Nech Be e będze bazą przesrze V. Rozważmy ową bazę B e... e. Oczywśce
06 Model planowania sieci dostaw 1Po_1Pr_KT+KM
Nr Tytuł: Autor: 06 Model plaowaa sec dostaw 1Po_1Pr_KT+KM Potr SAWICKI Zakład Systeów Trasportowych WIT PP potr.sawck@put.poza.pl potr.sawck.pracowk.put.poza.pl www.facebook.co/potr.sawck.put Przedot:
Analiza Matematyczna Ćwiczenia. J. de Lucas
Aalza Matematycza Ćwczea J. de Lucas Zadae. Oblczyć grace astępujących fucj a lm y 3,y 0,0 b lm y 3 y ++y,y 0,0 +y c lm,y 0,0 + 4 y 4 y d lm y,y 0,0 3 y 3 e lm,y 0,0 +y 4 +y 4 f lm,y 0,0 4 y 6 +y 3 g lm,y
f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu
METODA RÓŻIC SKOŃCZOYCH (omówee a przykładze rówań lowych) ech ( rówaa różczkowe zwyczaje lowe I-rz.) lub jedo II-rzędu f / / p( x) f / + q( x) f + r( x) a x b, f ( a) α, f ( b) β dea: a satce argumetu
Elementy arytmetyki komputerowej
Elemety arytmetyk komputerowej cz. I Elemety systemów lczbowych /materał pomocczy do wykładu Iformatyka sem II/ Sps treśc. Wprowadzee.... Wstępe uwag o systemach lczbowych... 3. Przegląd wybraych systemów
Rozdział III Dynamiczna ocena projektów inwestycyjnych 1. Ocena projektu inwestycyjnego
Rozdzał III Dynamczna ocena proektów nwestycynych. Ocena proektu nwestycynego,t Stopa nomnalna y 9 Przykład y w w K w 2 b w, 2 K w w,, w 2, Kb- stopa kosztu użyca kredytu bankowego ( z wyłączenem prowz
Politechnika Gdańska Wydział Elektrotechniki i Automatyki
PORZĄDKOWANIE WARIANTÓW PRZY NIEKOMPLETNYCH MACIERZACH PORÓWNAŃ PARAMI Mosław Kweselewcz Poltechka Gdańska Wydzał Elektotechk Automatyk PORZĄDKOWANIE WARIANTÓW PRZY NIEKOMPLETNYCH MACIERZACH PORÓWNAŃ PARAMI
Wykład 2: Uczenie nadzorowane sieci neuronowych - I
Wykład 2: Uczene nadzorowane sec neuronowych - I Algorytmy uczena sec neuronowych Na sposób dzałana sec ma wpływ e topologa oraz funkconowane poszczególnych neuronów. Z reguły topologę sec uznae sę za
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania MODELOWANIE I PODSTAWY IDENTYFIKACJI
Poltechka Gdańska Wydzał Elektrotechk Automatyk Katedra Iżyer Systemów Sterowaa MODELOWANIE I PODSAWY IDENYFIKACI Wybrae zagadea z optymalzacj. Materały pomoccze do zajęć ćwczeowych 5 Opracowae: Kazmerz
System finansowy gospodarki
System fasowy gospodark Zajęca r 6 Matematyka fasowa c.d. Rachuek retowy (autetowy) Maem rachuku retowego określa sę regulare płatośc w stałych odstępach czasu przy założeu stałej stopy procetowej. Przykłady
WYBRANE MOŻLIWOŚCI WSPOMAGANIA INWESTYCJI
WYBRANE MOŻLIWOŚCI WSPOMAGANIA INWESTYCJI GIEŁDOWYCH PRZY UŻYCIU ALGORYTMÓW GENETYCZNYCH mgr ż. Marc Klmek Katedra Iformatyk Państwowa Wyższa Szkoła Zawodowa m. Papeża Jaa Pawła II w Bałej Podlaskej Streszczee:
Zależność kosztów produkcji węgla w kopalni węgla brunatnego Konin od poziomu jego sprzedaży
Gawlk L., Kasztelewcz Z., 2005 Zależość kosztów produkcj węgla w kopal węgla bruatego Ko od pozomu jego sprzedaży. Prace aukowe Istytutu Górctwa Poltechk Wrocławskej r 2. Wyd. Ofcya Wydawcza Poltechk Wrocławskej,
11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej.
/22/24 Dwuosobowe gry o sume zero DO NAUCZENIA I ZAPAMIĘTANIA: Defnca zaps ger o sume zero, adaptaca ogólnych defnc. Punkt sodłowy Twerdzena o zwązkach punktu sodłowego z koncepcam rozwązań PRZYPOMNIENIE:
Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski
Różczkowae fukcj rzeczywstych welu zmeych rzeczywstych Matematyka Studum doktoracke KAE SGH Semestr let 8/9 R. Łochowsk Pochoda fukcj jedej zmeej e spojrzee Nech f : ( α, β ) R, α, β R, α < β Fukcja f
Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)
Tablca Galtoa. Mechaczy model rozkładu ormalego (M) I. Zestaw przyrządów: Tablca Galtoa, komplet kulek sztuk. II. Wykoae pomarów.. Wykoać 8 pomarów, wrzucając kulk pojedyczo.. Uporządkować wyk pomarów,
L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5
L.Kowalsk zadaa ze statystyk opsowej-zestaw 5 Zadae 5. X cea (zł, Y popyt (tys. szt.. Mając dae ZADANIA Zestaw 5 x,5,5 3 3,5 4 4,5 5 y 44 43 43 37 36 34 35 35 Oblcz współczyk korelacj Pearsoa. Oblcz współczyk
Bajki kombinatoryczne
Artyuł powstał a podstawe odczytu pod tym samym tytułem, wygłoszoego podczas XXXVI Szoły Matematy Poglądowej Pomysł czy rachue? w Grzegorzewcach, styczeń 006. Baj ombatorycze Joaa JASZUŃSKA, Warszawa Ja
ĆWICZENIE 10 OPTYMALIZACJA STRUKTURY CZUJKI TEMPERATURY W ASPEKCIE NIEZWODNOŚCI
ĆWICZENIE 0 OPTYMALIZACJA STUKTUY CZUJKI TEMPEATUY W ASPEKCIE NIEZWODNOŚCI Cel ćwczea: zapozae z metodam optymalzac wewętrze struktury mozakowe czuk temperatury stosowae w systemach sygalzac pożaru; wyzaczee
ELEMENTY TEORII MOŻLIWOŚCI
ELEMENTY TEORII MOŻLIWOŚCI Opracował: M. Kweselewcz Zadeh (978) wprowadzł pojęce rozkładu możlwośc jako rozmyte ograczee, kóre odzaływuje w sposób elastyczy a wartośc przypsae daej zmeej. Defcja. Nech
POLSKA FEDERACJA STOWARZYSZEŃ RZECZOZNAWCÓW MAJĄTKOWYCH POWSZECHNE KRAJOWE ZASADY WYCENY (PKZW) KRAJOWY STANDARD WYCENY SPECJALISTYCZNY NR 4 KSWS 4
POZECHNE KRAJOE ZAADY YCENY (PKZ) KRAJOY TANDARD YCENY PECJALITYCZNY NR 4 K 4 INETYCJE LINIOE - ŁUŻEBNOŚĆ PRZEYŁU I BEZUMONE KORZYTANIE Z NIERUCHOMOŚCI 1. PROADZENIE 1.1. Nejszy stadard przedstawa reguły
[ ] WSPÓŁCZYNNIK EKSCESU WEKTORA LOSOWEGO. Wprowadzenie. Katarzyna Budny =, (1)
Katarzya Budy Uwersytet Ekoomczy w Krakowe WSPÓŁCZYNNIK EKSCESU WEKTORA LOSOWEGO Wprowadzee Jedą z podstawowych mar spłaszczea czy też kocetrac rozkładu zmee losowe edowymarowe wokół średe est kurtoza
Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)
Podstawy aalzy epewośc pomarowych (I Pracowa Fzyk) Potr Cygak Zakład Fzyk Naostruktur Naotecholog Istytut Fzyk UJ Pok. 47 Tel. 0-663-5838 e-mal: potr.cygak@uj.edu.pl Potr Cygak 008 Co to jest błąd pomarowy?
Prawdopodobieństwo i statystyka r.
Zadae. W ure zajduje sę 5 kul, z których 5 jest bałych czarych. Losujemy bez zwracaa kolejo po jedej kul. Kończymy losowae w momece, kedy wycągęte zostaą wszystke czare kule. Oblcz wartość oczekwaą lczby
11/22/2014 STRATEGIE MIESZANE - MOTYWACJA. ROZWAśMY PRZYKŁAD:
//4 Gry o sue zero - gry rozgrywae w strategach eszaych STRATEGIE IESZANE - OTYWACJA. ROZWAśY PRZYKŁAD: 5 DEFINICJA..6 Strategą eszaą π gracza P azyway kaŝdy rozkład prawdopodobeństwa określoy a zborze
WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ
9 Cel ćwczea Ćwczee 9 WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANE PODCZAS ZDERZENIA CIAŁ Celem ćwczea jest wyzaczee wartośc eerg rozpraszaej podczas zderzea cał oraz współczyka restytucj charakteryzującego
Klasyfikacja inwestycji materialnych ze względu na ich cel:
Metodologia obliczeia powyższych wartości Klasyfikacja iwestycji materialych ze względu a ich cel: mające a celu odtworzeie środków trwałych lub ich wymiaę w celu obiżeia kosztów produkcji, rozwojowe:
będą niezależnymi zmiennymi losowymi z rozkładu o gęstości
Prawdopodobeństwo statystyka 4.0.00 r. Zadae Nech... będą ezależym zmeym losowym z rozkładu o gęstośc θ f ( x) = θ xe gdy x > 0. Estymujemy dodat parametr θ wykorzystując estymator ajwększej warogodośc
TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA
Ćwczee 8 TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA 8.. Cel ćwczea Celem ćwczea jest wyzaczee statyczego współczyka tarca pomędzy walcową powerzchą cała a opasującą je lą. Poadto a drodze eksperymetalej
PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH
PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I Pracowa IF UJ Luy 03 PODRĘCZNIKI Wsęp do aalzy błędu pomarowego Joh R. Taylor Wydawcwo Naukowe PWN Warszawa 999 I Pracowa
J. Wyrwał, Wykłady z mechaniki materiałów METODA SIŁ Wprowadzenie
J. Wyrwał Wykłady z mechak materałów.. ETODA SIŁ... Wprowadzee etoda sł est prostą metodą rozwązywaa (obczaa reakc podporowych oraz wyzaczaa sł przekroowych) statycze ewyzaczaych (zewętrze wewętrze) układów
Zarządzanie ryzykiem w przedsiębiorstwie i jego wpływ na analizę opłacalności przedsięwzięć inwestycyjnych
dr nż Andrze Chylńsk Katedra Bankowośc Fnansów Wyższa Szkoła Menedżerska w Warszawe Zarządzane ryzykem w rzedsęborstwe ego wływ na analzę ołacalnośc rzedsęwzęć nwestycynych w w w e - f n a n s e c o m
Niezawodność. systemów nienaprawialnych. 1. Analiza systemów w nienaprawialnych. 2. System nienaprawialny przykładowe
Nezawoość sysemów eaprawalych. Aalza sysemów w eaprawalych. Sysemy eaprawale - przykłaowe srukury ezawooścowe 3. Sysemy eaprawale - przykłay aalzy. Aalza sysemów w eaprawalych Sysem eaprawaly jes o sysem
Statystyka Opisowa 2014 część 3. Katarzyna Lubnauer
Statystyka Opsowa 014 część 3 Katarzya Lubauer Lteratura: 1. Statystyka w Zarządzau Admr D. Aczel. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucja Kowalsk. 4. Statystyka opsowa, Meczysław
POLSKA FEDERACJA STOWARZYSZEŃ RZECZOZNAWCÓW MAJĄTKOWYCH POWSZECHNE KRAJOWE ZASADY WYCENY (PKZW) KRAJOWY STANDARD WYCENY SPECJALISTYCZNY NR 4 KSWS 4
POZECHNE KRAJOE ZAADY YCENY (PKZ) KRAJOY TANDARD YCENY PECJALITYCZNY NR 4 K 4 YCENA ŁUŻEBNOŚCI PRZEYŁU I OKREŚLANIE KOTY YNAGRODZENIA ZA BEZUMONE KORZYTANIE Z NIERUCHOMOŚCI PRZY INETYCJACH LINIOYCH 1.
Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8
Stasław Cchock Natala Nehreecka Zajęca 7-8 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartość oczekwaa eocążoość estymatora Waracja
Wykład 2: Uczenie nadzorowane sieci neuronowych - I
Wykład 2: Uczene nadzorowane sec neuronowych - I Algorytmy uczena sec neuronowych Na sposób dzałana sec ma wpływ e topologa oraz funkconowane poszczególnych neuronów. Z reguły topologę sec uznae sę za
opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn
ROZKŁAD PRAWDOPODBIEŃSTWA WIELU ZMIENNYCH LOSOWYCH W przpadku gd mam do czea z zmem losowm możem prawdopodobeństwo, ż przjmą oe wartośc,,, opsać welowmarową fukcją rozkładu gęstośc prawdopodobeństwa f(,,,.
Statystyka Matematyczna Anna Janicka
Statystyka Matematycza Aa Jacka wykład II, 3.05.016 PORÓWNANIE WIĘCEJ NIŻ DWÓCH POPULACJI TESTY NIEPARAMETRYCZNE Pla a dzsaj 1. Porówywae węcej ż dwóch populacj test jedoczykowej aalzy waracj (ANOVA).
Modele wartości pieniądza w czasie
Joaa Ceślak, Paula Bawej Modele wartośc peądza w czase Podstawowe pojęca ozaczea Kaptał (ag. prcpal), kaptał początkowy, wartośd początkowa westycj - peądze jake zostały wpłacoe a początku westycj (a początku
Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych
dr Ewa Wycka Wyższa Szkoła Bakowa w Gdańsku Wtold Komorowsk, Rafał Gatowsk TZ SKOK S.A. Statystycza aalza mesęczych zma współczyka szkodowośc kredytów hpoteczych Wskaźk szkodowośc jest marą obcążea kwoty/lczby
Podstawy opracowania wyników pomiarowych, analiza błędów
Podstawy opracowaa wyków pomarowych, aalza błędów I Pracowa Fzycza IF UJ Grzegorz Zuzel Lteratura I Pracowa fzycza Pod redakcją Adrzeja Magery Istytut Fzyk UJ Kraków 2006 Wstęp do aalzy błędu pomarowego
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