Przykład: budowa placu zabaw (metoda ścieżki krytycznej)

Wielkość: px
Rozpocząć pokaz od strony:

Download "Przykład: budowa placu zabaw (metoda ścieżki krytycznej)"

Transkrypt

1 Przykład: budowa placu zabaw (metoda ścieżki krytycznej) Firma budowlana Z&Z podjęła się zadania wystawienia placu zabaw dla dzieci w terminie nie przekraczającym 20 dni. Listę czynności do wykonania zawiera poniższa tabelka Czy możliwe jest ukończenie przedsięwzięcia w terminie? Jeśli tak, czy ewentualne opóźnienia w wykonaniu poszczególnych czynności jednakowo wpływają na ostateczny termin zakończenia budowy? Diagram Gantta

2

3

4

5 Metoda ścieżki krytycznej. Metoda CPM (critical path method) opracowana została z końcem lat 50-tych równolegle dla celów wojskowych i gospodarczych. Celem CPM/PERT jest optymalizacja organizacji dużych przedsięwzięć, na które składa się wiele czynności o złożonej strukturze zależności. Poszczególne czynności przedstawia się najczęściej jako krawędzie skierowanego grafu. Chwila rozpoczęcia czynności kojarzona jest z węzłem, z którego krawędź wychodzi, a chwila zakończenia z węzłem do którego krawędź wchodzi. Graf konstruowany jest tak, by odzwierciedlał zależności kolejnościowe: każda czynność może zostać rozpoczęta nie wcześniej nim zakończone zostaną wszystkie czynności kończące się w węźle, w którym czynność ta się rozpoczyna. Sam węzeł oznacza zdarzenie polegające na zakończeniu wszystkich czynności, które maja w nim swój koniec co umożliwia rozpoczęcie wszystkich czynności, które w tym węźle maja swój początek. Celem algorytmu jest ustalenie: czasów najwcześniejszego i najpóźniejszego wystąpienia (CNwW i CNpW) dla wszystkich węzłów, czasów najwcześniejszego rozpoczęcia (CNwR) i najpóźniejszego zakończenia (CNpZ) dla wszystkich czynności, rezerw czasowych dla wszystkich czynności oraz ścieżki krytycznej, t.j. wszystkich czynności z zerowa rezerwa czasowa. Algorytm ścieżki krytycznej. Cześć A - czasy najwcześniejsze 1. Węzłowi początkowemu przypisujemy CNwW=0. 2. Rozważamy wszystkie czynności wychodzące z węzłów z już wyznaczonym CNwW. Jeśli takich czynności nie ma, przechodzimy do części B. W przeciwnym razie każdej czynności przypisujemy CNwR równy CNwW węzła z którego wychodzi, a CNwZ równy sumie CNwR i czasu trwania czynności. 3. Każdemu węzłowi, dla którego ustalono CNwZ wszystkich czynności w nim się kończących przypisujemy CNwW równy maksimum CNwZ czynności w nim się kończących. 4. Wracamy do punktu 2.

6 Cześć B - czasy najpóźniejsze 1. Węzłowi końcowemu przypisujemy CNpW równy jego CNwW. 2. Rozważamy wszystkie czynności kończące się w węzłach z już wyznaczonym CNpW. Jeśli takich czynności nie ma, przechodzimy do części C. W przeciwnym razie każdej czynności przypisujemy CNpZ równy CNpW węzła w którym się kończy, a CNpR równy różnicy CNpZ i czasu trwania czynności. 3. Każdemu węzłowi, dla którego ustalono CNpR wszystkich czynności w nim się rozpoczynających przypisujemy CNpW równy minimum CNpR czynności w nim się kończących. 4. Wracamy do punktu 2. Cześć C - ścieżka krytyczna 1. Dla każdej czynności ustalamy jej rezerwę czasowa jako różnice pomiędzy jej CNpZ, a CNwZ (lub różnicę miedzy CNpR, a CNwR). 2. Oznaczamy czynności, których rezerwy czasowe wynoszą zero, jako leżące na ścieżce krytycznej.

7 PERT Program Evaluation and Review Technique PERT opiera się na 3 szacunkach czasu określonych dla każdej z czynności: Zmienna czasu (o) czas optymistyczny (m) czas najbardziej prawdopodobny (p) czas pesymistyczny Opis Czas potrzebny na ukończenie zadania w przypadku idealnych warunków Czas potrzebny na skończenie zadania w przypadku warunków normalnych Czas potrzebny na realizację zadania w sytuacji najgorszych oczekiwanych warunków Czas oczekiwany E: E = (o + 4m + p) / 6

8 PRZYKŁAD 2 Nazwa zadania Optymisty Najbardziej Pesymist. Oczek. czny prawdop. 1. Przygotowanie menu 2. Zakupy Przygotowanie zastawy 4. Przygotowanie stołu 5. gotowanie Podanie kolacji A / 22 min B / 58 min C / 90 min F / 20 min D / 20 min 64 E / 0 min Szacowanie prawdopodobieństwa terminu ukończenia Odchylenie standardowe dla każdego z zadań δ = (p o) / 6 Wariancja dla każdego z zadań δ 2 = [ (p o) / 6] 2

9 Tabela. Wariancja i odchylenie standardowe dla zadań projektu Nr O P δ 2 Δ Odchylenie Standardowe min min (10/3) 2 ~ 3 min. 20 s (10/3) 2 ~ 3 min. 20 s (10/3) 2 ~ 3 min. 20 s. Szacowanie prawdopodobieństwa ukończenia projektu opiera się na statystycznych relacjach dotyczących krzywej rozkładu normalnego: przedział ± δ pokrywa 68 % obserwacji wartości rozkładu normalnego, prawdopodobieństwo ukończenia projektu = 68 %, przedział ± 2δ pokrywa 95 % obserwacji wartości rozkładu normalnego, prawdopodobieństwo ukończenia projektu = 95 %, przedział ± 3δ - pokrywa 99,74 % obserwacji wartości rozkładu normalnego, prawdopodobieństwo ukończenia projektu = 99,74 %,

10 68 % 95 % 99,74 % -3δ -2δ -δ ŚRED +δ +2δ +3δ Krzywa rozkładu normalnego Określenie prawdopodobieństwa ukończenia projektu: obliczyć wariancję, lub odchylenie standardowe dla każdego zadania na ścieżce krytycznej, sumować wyniki, δ 2 CP = δ 2 CP1 + δ 2 CP δ 2 CPn, gdzie: δ 2 CP - wariancja ścieżki krytycznej, δ 2 CP1... n - wariancje poszczególnych zadań oblicz odchylenie standardowe ścieżki krytycznej: δ CP = pierwiastek (δ 2 CP ) Dla projektu przyjęcia: odchylenie standardowe projektu = ok. 8 min. czas trwania projektu = 170 ± 8 min. (prawdopodobieństwo 68%) czas trwania projektu = 170 ± 24 min. (prawdopodobieństwo 99,74% - tj. od 146 do 194)

11 Określenie prawdopodobieństwa ukończenia projektu w zadanym czasie: zdefiniowanie żądanego czasu ukończenia projektu, obliczenie wartości funkcji prawdopodobieństwa P(z): P (z) = (czas założony czas oczekiwany) / δ CP. argument z odpowiada prawdopodobieństwu ukończenia projektu w żądanym czasie. Jego wartość odczytuje się z tablic statystycznych (krzywa standaryzowana rozkładu normalnego). Tabela. Wartości prawdopodobieństwa ukończenia projektu dla różnych wartości czasu żądanego Czas żądany Wartość funkcji P(z) Prawdopodobieństwo ukończenia projektu 120 P(z) = ( ) / 8 = (-50 / 8) - 0 % 6, P(z) = ( ) / 8 = (-10 / 8) - 13 % 1, P(z) = ( ) / 8 = (0 / 8) 0 50 % Zalety PERT Możliwość określenia prawdopodobieństwa ukończenia każdego zadania i całego projektu, Możliwość określenia prawdopodobieństwa ukończenia projektu w zadanym terminie, Wysoki poziom elastyczności w procesie szacowania czasów trwania (szczególnie zadań obarczonych ryzykiem), wykorzystanie trzech wartości czasu do określenia czasu oczekiwanego Metoda CPM jest specjalnym przypadkiem PERT, w którym czasy najbardziej prawdopodobny, optymistyczny i pesymistyczny są takie same

Zarządzanie czasem projektu

Zarządzanie czasem projektu Zarządzanie czasem projektu Narzędzia i techniki szacowania czasu zadań Opinia ekspertów Szacowanie przez analogię (top-down estimating) stopień wiarygodności = f(podobieństwo zadań), = f(dostęp do wszystkich

Bardziej szczegółowo

Rozdział 7 ZARZĄDZANIE PROJEKTAMI

Rozdział 7 ZARZĄDZANIE PROJEKTAMI Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 7 ZARZĄDZANIE PROJEKTAMI 7.2. Ćwiczenia komputerowe Ćwiczenie 7.1 Wykorzystując

Bardziej szczegółowo

Zasady sporządzania modelu sieciowego (Wykład 1)

Zasady sporządzania modelu sieciowego (Wykład 1) Zasady sporządzania modelu sieciowego (Wykład 1) Metody planowania sieciowego są stosowane w budownictwie do planowania i kontroli dużych przedsięwzięć, w których z powodu wielu zależności istnieje konieczność

Bardziej szczegółowo

Zastosowania informatyki w gospodarce Projekt

Zastosowania informatyki w gospodarce Projekt Zastosowania informatyki w gospodarce Projekt dr inż. Marek WODA 1. Wprowadzenie Czasochłonność 2h/tydzień Obligatoryjne konto na portalu Assembla Monitoring postępu Aktywność ma wpływ na ocenę 1. Wprowadzenie

Bardziej szczegółowo

ANALIZA CZASOWO-KOSZTOWA SIECI CPM-COST

ANALIZA CZASOWO-KOSZTOWA SIECI CPM-COST ANALIZA CZASOWO-KOSZTOWA SIECI CPM-COST Maciej Patan Uniwersytet Zielonogórski WPROWADZENIE W metodach CPM i PERT zwraca się uwagę jedynie na analizę ilościowa Równie ważne zagadnienie aspekt ekonomiczny

Bardziej szczegółowo

Wykład Zarządzanie projektami Zajęcia 3 Zarządzanie czasem w projekcie Zarządzanie kosztami projektu

Wykład Zarządzanie projektami Zajęcia 3 Zarządzanie czasem w projekcie Zarządzanie kosztami projektu Wykład Zarządzanie projektami Zajęcia Zarządzanie czasem w projekcie Zarządzanie kosztami projektu dr Stanisław Gasik s.gasik@vistula.edu.pl www.sybena.pl/uv/014-wyklad-eko-zp-9-pl/wyklad.pdf Zarządzanie

Bardziej szczegółowo

ZARZĄDZANIE PROJEKTEM NA PRZYKŁADZIE PRZEDSIĘWZIĘCIA ODLEWNICZEGO

ZARZĄDZANIE PROJEKTEM NA PRZYKŁADZIE PRZEDSIĘWZIĘCIA ODLEWNICZEGO 1/18 ARCHIWUM ODLEWNICTWA Rok 2006, Rocznik 6, Nr 18 (1/2) ARCHIVES OF FOUNDRY Year 2006, Volume 6, N o 18 (1/2) PAN Katowice PL ISSN 1642-5308 ZARZĄDZANIE PROJEKTEM NA PRZYKŁADZIE PRZEDSIĘWZIĘCIA ODLEWNICZEGO

Bardziej szczegółowo

Wprowadzenie do programu ProjectLibre www.projectlibre.org

Wprowadzenie do programu ProjectLibre www.projectlibre.org Wprowadzenie do programu ProjectLibre www.projectlibre.org prof. UW dr hab. Krzysztof Klincewicz Wydział Zarządzania Uniwersytetu Warszawskiego kklincewicz@mail.wz.uw.edu.pl www.projectlibre.org Nowy projekt

Bardziej szczegółowo

Rozkłady zmiennych losowych

Rozkłady zmiennych losowych Rozkłady zmiennych losowych Wprowadzenie Badamy pewną zbiorowość czyli populację pod względem występowania jakiejś cechy. Pobieramy próbę i na podstawie tej próby wyznaczamy pewne charakterystyki. Jeśli

Bardziej szczegółowo

Innowacyjne rozwiązania dla sołectw

Innowacyjne rozwiązania dla sołectw Szkolenie Innowacyjne rozwiązania dla sołectw działanie realizowane w ramach projektu konkursowego WIEŚ NASZĄ SZANSĄ Działanie 7.3 Inicjatywy lokalne na rzecz aktywnej integracji Program Operacyjny Kapitał

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 2 Przedziały ufności i estymacja przedziałowa ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 2 Przedziały ufności i estymacja przedziałowa ZADANIE DOMOWE. www.etrapez.pl Strona 1 KUR TATYTYKA Lekcja Przedziały ufności i estymacja przedziałowa ZADANIE DOMOWE www.etrapez.pl trona 1 Część 1: TET Zaznacz poprawną odpowiedź (tylko jedna jest prawdziwa). Pytanie 1 We wnioskowaniu statystycznym

Bardziej szczegółowo

Zarządzanie projektów

Zarządzanie projektów Zarządzanie projektów Zarządzanie projektów Część 1 Organizacja Kursu Wykład - interaktywna prezentacja (ok. 95% czasu) Test (ok.. 5% czasu) Opracowanie indywidualne lub grupowe związane z zaliczeniem

Bardziej szczegółowo

STATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2

STATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2 STATYSTYKA I DOŚWIADCZALNICTWO Wykład Parametry przedziałowe rozkładów ciągłych określane na podstawie próby (przedziały ufności) Przedział ufności dla średniej s X t( α;n 1),X + t( α;n 1) n s n t (α;

Bardziej szczegółowo

Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski

Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski Zadanie 1 Eksploracja (EXAMINE) Informacja o analizowanych danych Obserwacje Uwzględnione Wykluczone Ogółem

Bardziej szczegółowo

Zarządzanie projektem informatycznym, w2

Zarządzanie projektem informatycznym, w2 Planowanie projektów informatycznych Zarządzanie projektem informatycznym, w2 walery.suslow@ie.tu.koszalin.pl Cykl życia projektu Ocena Inicjacja Realizacja Identyfikacja Planowanie Zanim zacznie się budować

Bardziej szczegółowo

Statystyka z elementami badań operacyjnych BADANIA OPERACYJNE - programowanie liniowe -programowanie sieciowe. dr Adam Sojda

Statystyka z elementami badań operacyjnych BADANIA OPERACYJNE - programowanie liniowe -programowanie sieciowe. dr Adam Sojda Statystyka z elementami badań operacyjnych BADANIA OPERACYJNE - programowanie liniowe -programowanie sieciowe dr Adam Sojda Literatura o Kukuła K. (red.): Badania operacyjne w przykładach i zadaniach.

Bardziej szczegółowo

( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie:

( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie: ma postać y = ax + b Równanie regresji liniowej By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : xy b = a = b lub x Gdzie: xy = też a = x = ( b ) i to dane empiryczne, a ilość

Bardziej szczegółowo

Zarządzanie projektami

Zarządzanie projektami Zarządzanie projektami Dorota Kuchta www.ioz.pwr.wroc.pl/pracownicy/kuchta/dydaktyka.htm Projekt Ma jasny cel Unikatowy zdefiniowany koniec Angażuje zasoby ludzkie Procesy zarządzani projektem Zarządzanie

Bardziej szczegółowo

ŚCIEŻKA: Zarządzanie projektami

ŚCIEŻKA: Zarządzanie projektami ŚCIEŻKA: Zarządzanie projektami Ścieżka dedykowana jest każdej osobie, która chce rozwijać siebie i swoją organizację - w szczególności: Kadrze menedżerskiej i kierowniczej przedsiębiorstw Kierownikom

Bardziej szczegółowo

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH 1 ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH WFAiS UJ, Informatyka Stosowana II stopień studiów 2 Wnioskowanie statystyczne dla zmiennych numerycznych Porównywanie dwóch średnich Boot-strapping Analiza

Bardziej szczegółowo

Zastosowanie symulacji Monte Carlo do zarządzania ryzykiem przedsięwzięcia z wykorzystaniem metod sieciowych PERT i CPM

Zastosowanie symulacji Monte Carlo do zarządzania ryzykiem przedsięwzięcia z wykorzystaniem metod sieciowych PERT i CPM SZKOŁA GŁÓWNA HANDLOWA w Warszawie STUDIUM MAGISTERSKIE Kierunek: Metody ilościowe w ekonomii i systemy informacyjne Karol Walędzik Nr albumu: 26353 Zastosowanie symulacji Monte Carlo do zarządzania ryzykiem

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA Zadanie 0.1 Zmienna losowa X ma rozkład określony funkcją prawdopodobieństwa: x k 0 4 p k 1/3 1/6 1/ obliczyć EX, D X. (odp. 4/3;

Bardziej szczegółowo

Plan wynikowy. Klasa III Technik pojazdów samochodowych/ Technik urządzeń i systemów energetyki odnawialnej. Kształcenie ogólne w zakresie podstawowym

Plan wynikowy. Klasa III Technik pojazdów samochodowych/ Technik urządzeń i systemów energetyki odnawialnej. Kształcenie ogólne w zakresie podstawowym Oznaczenia: wymagania konieczne, P wymagania podstawowe, R wymagania rozszerzające, D wymagania dopełniające, W wymagania wykraczające. Plan wynikowy lasa III Technik pojazdów samochodowych/ Technik urządzeń

Bardziej szczegółowo

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych 6.04.2009 r.

Matematyka ubezpieczeń majątkowych 6.04.2009 r. Matematyka ubezpieczeń majątkowych 6.04.009 r. Zadanie. Niech N oznacza liczbę szkód zaszłych w ciągu roku z pewnego ubezpieczenia z czego: M to liczba szkód zgłoszonych przed końcem tego roku K to liczba

Bardziej szczegółowo

Zarządzanie projektami. Zarządzanie czasem w projekcie

Zarządzanie projektami. Zarządzanie czasem w projekcie Zarządzanie projektami Zarządzanie czasem w projekcie Zarządzanie czasem w projekcie PROJECT TIME MANAGEMENT Zarządzanie czasem - elementy 1. Zarządzanie harmonogramem (zasady, procedury i dokumentacja

Bardziej szczegółowo

ANALIZA RYZYKA HARMONOGRAMOWANIA PROJEKTU Z WYKORZYSTANIEM METODY MONTE CARLO

ANALIZA RYZYKA HARMONOGRAMOWANIA PROJEKTU Z WYKORZYSTANIEM METODY MONTE CARLO ANALIZA RYZYKA HARMONOGRAMOWANIA PROJEKTU Z WYKORZYSTANIEM METODY MONTE CARLO Renata WALCZAK Streszczenie: W pracy przedstawiono zasady wykorzystania metody Monte Carlo do oceny prawdopodobieństwa ukończenia

Bardziej szczegółowo

Statystyczna analiza danych w programie STATISTICA (wykład 2) Dariusz Gozdowski

Statystyczna analiza danych w programie STATISTICA (wykład 2) Dariusz Gozdowski Statystyczna analiza danych w programie STATISTICA (wykład ) Dariusz Gozdowski Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW Weryfikacja (testowanie) hipotez statystycznych

Bardziej szczegółowo

STATYSTYKA wykład 5-6

STATYSTYKA wykład 5-6 TATYTYKA wykład 5-6 Twierdzenia graniczne Rozkłady statystyk z próby Wanda Olech Twierdzenia graniczne Jeżeli rozpatrujemy ciąg zmiennych losowych {X ; X ;...; X n }, to zdarza się, że ich rozkłady przy

Bardziej szczegółowo

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp.

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp. Sprawdzian 2. Zadanie 1. Za pomocą KMNK oszacowano następującą funkcję produkcji: Gdzie: P wartość produkcji, w tys. jp (jednostek pieniężnych) K wartość kapitału zaangażowanego w proces produkcji, w tys.

Bardziej szczegółowo

Państwowa Wyższa Szkoła Zawodowa w Nowym Sączu Badania operacyjne w logistyce i zarządzaniu produkcją cz. II

Państwowa Wyższa Szkoła Zawodowa w Nowym Sączu Badania operacyjne w logistyce i zarządzaniu produkcją cz. II Państwowa Wyższa Szkoła Zawodowa w Nowym Sączu Badania operacyjne w logistyce i zarządzaniu produkcją cz. II Andrzej Woźniak Nowy Sącz 2012 Komitet Redakcyjny doc. dr Marek Reichel przewodniczący; prof.

Bardziej szczegółowo

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH 1 ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH WFAiS UJ, Informatyka Stosowana II stopień studiów 2 Dane w postaci grafów Przykład: social network 3 Przykład: media network 4 Przykład: information network

Bardziej szczegółowo

Zarządzanie projektami zadaniowymi w oparciu o metodykę PMI

Zarządzanie projektami zadaniowymi w oparciu o metodykę PMI Zarządzanie projektami zadaniowymi w oparciu o metodykę PMI Opis Zarządzanie przedsięwzięciami należy do jednych z najefektywniejszych metod organizacyjnych operowania zasobami firmy. Jest jednocześnie

Bardziej szczegółowo

Spis treści. Laboratorium III: Testy statystyczne. Inżynieria biomedyczna, I rok, semestr letni 2013/2014 Analiza danych pomiarowych

Spis treści. Laboratorium III: Testy statystyczne. Inżynieria biomedyczna, I rok, semestr letni 2013/2014 Analiza danych pomiarowych 1 Laboratorium III: Testy statystyczne Spis treści Laboratorium III: Testy statystyczne... 1 Wiadomości ogólne... 2 1. Krótkie przypomnienie wiadomości na temat testów statystycznych... 2 1.1. Weryfikacja

Bardziej szczegółowo

Aleksander Adamowski (s1869) zmienn ą losow ą T o rozkładzie wykładniczym o średniej 5 minut.

Aleksander Adamowski (s1869) zmienn ą losow ą T o rozkładzie wykładniczym o średniej 5 minut. Zadanie Statystyczna Analiza Danych - Zadania 6 Aleksander Adamowski (s869) W pewnym biurze czas losowo wybranej rozmowy telefonicznej jest zmienn ą losow ą T o rozkładzie wykładniczym o średniej 5 minut.

Bardziej szczegółowo

Plan wynikowy klasa 3

Plan wynikowy klasa 3 Plan wynikowy klasa 3 Przedmiot: matematyka Klasa 3 liceum (technikum) Rok szkolny:........................ Nauczyciel:........................ zakres podstawowy: 28 tyg. 3 h = 84 h (78 h + 6 h do dyspozycji

Bardziej szczegółowo

ECDL ZARZĄDZANIE PROJEKTAMI

ECDL ZARZĄDZANIE PROJEKTAMI ECDL ZARZĄDZANIE PROJEKTAMI Przykładowy test egzaminacyjny Zasady oceny testu Test zawiera 32 zadania (6 teoretycznych i 26 praktycznych) za które można uzyskać maksymalnie 36 punktów. Aby zaliczyć test

Bardziej szczegółowo

ECDL ZARZĄDZANIE PROJEKTAMI

ECDL ZARZĄDZANIE PROJEKTAMI ECDL ZARZĄDZANIE PROJEKTAMI Przykładowy test egzaminacyjny Zasady oceny testu Test zawiera 32 zadania (6 teoretycznych i 26 praktycznych) za które można uzyskać maksymalnie 36 punktów. Aby zaliczyć test

Bardziej szczegółowo

Ekonometria ćwiczenia 3. Prowadzący: Sebastian Czarnota

Ekonometria ćwiczenia 3. Prowadzący: Sebastian Czarnota Ekonometria ćwiczenia 3 Prowadzący: Sebastian Czarnota Strona - niezbędnik http://sebastianczarnota.com/sgh/ Normalność rozkładu składnika losowego Brak normalności rozkładu nie odbija się na jakości otrzymywanych

Bardziej szczegółowo

KONSPEKTY LEKCJI. do przedmiotu ekonomika i organizacja przedmiotów

KONSPEKTY LEKCJI. do przedmiotu ekonomika i organizacja przedmiotów KONSPEKTY LEKCJI do przedmiotu ekonomika i organizacja przedmiotów Zestaw konspektów do lekcji z przedmiotu ekonomika i organizacja przedsiębiorstw dotyczących działu Planowanie działalności gospodarczej

Bardziej szczegółowo

Katalog wymagań programowych na poszczególne stopnie szkolne. Matematyka. Poznać, zrozumieć

Katalog wymagań programowych na poszczególne stopnie szkolne. Matematyka. Poznać, zrozumieć Katalog wymagań programowych na poszczególne stopnie szkolne Matematyka. Poznać, zrozumieć Kształcenie w zakresie podstawowym. Klasa 3 Poniżej podajemy umiejętności, jakie powinien zdobyć uczeń z każdego

Bardziej szczegółowo

INSTRUKCJA UŻYTKOWANIA PROGRAMU MEB EDYTOR 1. Dane podstawowe Program MEB edytor oblicza zadania potencjalne Metodą Elementów Brzegowych oraz umożliwia ich pre- i post-processing. Rozwiązywane zadanie

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący

Bardziej szczegółowo

O sztuce zarządzania projektami od początku podstawy teoretyczne, encyklopedia problemu. Eliza Wawiernia Kiszkiel Warszawa, dnia 17 marca 2010 r.

O sztuce zarządzania projektami od początku podstawy teoretyczne, encyklopedia problemu. Eliza Wawiernia Kiszkiel Warszawa, dnia 17 marca 2010 r. O sztuce zarządzania projektami od początku podstawy teoretyczne, encyklopedia problemu Eliza Wawiernia Kiszkiel Warszawa, dnia 17 marca 2010 r. Pułapki intuicyjnej metody zarządzania projektami Przekonanie,

Bardziej szczegółowo

POLITECHNIKA WARSZAWSKA

POLITECHNIKA WARSZAWSKA POLITECHNIKA WARSZAWSKA WYDZIAŁ BUDOWNICTWA, MECHANIKI I PETROCHEMII INSTYTUT INŻYNIERII MECHANICZNEJ STATYSTYCZNA KONTROLA PROCESU (SPC) Ocena i weryfikacja statystyczna założeń przyjętych przy sporządzaniu

Bardziej szczegółowo

a)dane są wartości zmiennej losowej: 2, 4, 2, 1, 1, 3, 2, 1. Obliczyć wartość średnią i wariancję.

a)dane są wartości zmiennej losowej: 2, 4, 2, 1, 1, 3, 2, 1. Obliczyć wartość średnią i wariancję. Zad Rozkład zmiennej losowej dyskretnej : a)dane są wartości zmiennej losowej: 2, 4, 2,,, 3, 2,. Obliczyć wartość średnią i wariancję. b)oceny z pracy klasowej w tabeli: Ocena 2 3 4 5 6 Liczba uczniów

Bardziej szczegółowo

Pytanie: Kiedy do testowania hipotezy stosujemy rozkład normalny?

Pytanie: Kiedy do testowania hipotezy stosujemy rozkład normalny? Pytanie: Kiedy do testowania hipotezy stosujemy rozkład normalny? Gdy: badana cecha jest mierzalna (tzn. posiada rozkład ciągły); badana cecha posiada rozkład normalny; dysponujemy pojedynczym wynikiem;

Bardziej szczegółowo

Z Wikipedii, wolnej encyklopedii.

Z Wikipedii, wolnej encyklopedii. Rozkład normalny Rozkład normalny jest niezwykle ważnym rozkładem prawdopodobieństwa w wielu dziedzinach. Nazywa się go także rozkładem Gaussa, w szczególności w fizyce i inżynierii. W zasadzie jest to

Bardziej szczegółowo

Analiza wariancji. dr Janusz Górczyński

Analiza wariancji. dr Janusz Górczyński Analiza wariancji dr Janusz Górczyński Wprowadzenie Powiedzmy, że badamy pewną populację π, w której cecha Y ma rozkład N o średniej m i odchyleniu standardowym σ. Powiedzmy dalej, że istnieje pewien czynnik

Bardziej szczegółowo

W. Stachowski Zarządzanie projektami 1

W. Stachowski Zarządzanie projektami 1 W. Stachowski Zarządzanie projektami 1 Wstęp Dawno temu ludzie żyli w "beztrosce" wypełniając swój czas prostymi pracami typu polowanie czy uprawa ziemi. W związku z małym stopniem złożoności tych zajęć

Bardziej szczegółowo

Microsoft Project laboratorium zarządzania projektami

Microsoft Project laboratorium zarządzania projektami Microsoft Project laboratorium zarządzania projektami Jędrzej Wieczorkowski Katedra Informatyki Gospodarczej Szkoła Główna Handlowa jedrzej.wieczorkowski@sgh.waw.pl Przykładowa literatura nt. MS Project

Bardziej szczegółowo

ZARZĄDZANIE PROJEKTAMI i PROCESAMI ZAJĘCIA PROJEKTOWE. Dla SUM (wersja lato 2014) AUTOR: DR INŻ. ŁUKASZ HADAŚ

ZARZĄDZANIE PROJEKTAMI i PROCESAMI ZAJĘCIA PROJEKTOWE. Dla SUM (wersja lato 2014) AUTOR: DR INŻ. ŁUKASZ HADAŚ 1 ZARZĄDZANIE PROJEKTAMI i PROCESAMI ZAJĘCIA PROJEKTOWE Dla SUM (wersja lato 214) Agenda Agenda zajęć Przedstawienie planu projektu, Omówienie podstawowych narzędzi wykorzystywanych do realizacji poszczególnych

Bardziej szczegółowo

ń Ż ć Ą Ę Ę ń Ą Ż ń Ż ń Ę Ę Ę ń Ż ń Ś ń ć Ś ń ń ń ń ń Ę Ę Ą ń Ą Ń Ę ń Ż Ń ń Ź ń Ż Ś ń Ż ń ń ń Ź Ż Ą ń ń Ż ń ć Ś ń ń ź ń ń Ź ń Ś Ź ń ń ń Ż ń ć Ś ń ń ć Ż Ę ń ć Ś Ś Ż ń Ź Ż ń ń Ą ń Ś Ść Ń ń ń ź ń Ż ń Ż Ż

Bardziej szczegółowo

Ą ń Ż Ź Ś Ż ź Ł Ż Ż ź ź Ż Ż Ż Ż ź ź ź ż Ż ź Ż ż ń Ż ż ć ń ż ż ż Ż ź Ż Ż ź Ż ż Ż ć ż Ż Ś ż Ś Ż ź ń ń Ż ń Ż ń Ż ź ń ń ż ż ń Ą ń Ą ń ń ń ń ń ź ń Ź ż ć ż Ż ć ź Ż ć ż ć ć ż Ą ć ń ń ć Ł ż ż ć Ż Ż ż ż Ż Ż Ż ń

Bardziej szczegółowo

ź ż ć ć Ę ż ż ż ż ż ż ż ć ż ź Ę ć ż ż ż Ę ż ż ż ż ż ż ż ź ź ż ż ć ź ź ż ź ź ć ź ż ź ć ź ź ć ź Ę ź ż ź ż ć Ę ż ż ż ć ż ż ż ź ż ż ż ż ż ż ż ć ć ż ż ż ż ż ż ż ż ż ż ż ż ż ż ż ż ż ż ż ć ć ć ć ć ć Ę ż Ę ż ż

Bardziej szczegółowo

Ł Ą ż ż Ś Ą ż ż Ń Ę ż Ą ż ż Ą ć Ą ż ż Ą Ń ż ż Ę ż ż ż ż ćż ż Ś Ź ż Ź ć ż ż ż ż ż ć ż ż ć ż ć ż ż Ś ż ć ż ż ż ć ż ż ż ż ż ż ż Ź ż ć ż ż ż ć Ź ćż ż ć ż ż ż ż Ż Ń ż ż ż ż Ź ć ż ć ż ć ż ż ż ż ż ć ż ż ż Ź ć

Bardziej szczegółowo

ć ć Ż ć Ż ć ć ź ć ć ć ć ć ć ć ć ć ź ć ć ź Ę ć ć ź ć ź ć ć ć ć ć ć ć Ę ć ć ź ć ć ź ź ź ź ź ź Ę Ę ź Ę ć ź ć ź ź ć ć ć Ę ć ź ź ć ź ć ć ź Ą ć ź ź ź ź ć ć ć Ę ź ź ć ć ć ć ć ć ź ź ć ć ć ć ć ć ć ć ć ć ć ź ź ć

Bardziej szczegółowo

Ś Ę Ż Ż Ł ź ź Ę ź Ę Ą Ę ź ć Ś Ą ć Ą ź ć Ó Ę ć ć Ś ć ć Ń ć Ż Ź Ż ć Ś ć Ę Ę Ę Ł ź ć Ś Ś ź Ł ć Ę ć Ł ć ź Ł ć Ż ć Ą Ś Ę ź Ę ć ź ć Ł Ń Ę ć Ś ź ć Ł Ł Ń ć ć ć ć Ę Ę ć ć Ż Ń Ń ŻŻ Ż Ę Ż ć ć Ę Ż Ó ć Ł Ą ć Ś Ę ć

Bardziej szczegółowo

Ł Ś Ą Ł Ę ź Ł Ł Ę Ł ź Ł Ł Ś Ł Ł ż Ł Ś Ł Ł Ś Ł ź Ę ź Ł Ł Ł Ł Ł Ł ź ć ż Ę ż Ł ż ż ć ć ć ć ć ć ż Ę ć ć ć ć ć ć ż ż ć ż ż ż ż Ł Ś Ł ż ż ć ć ć ż ć ć ć ć ż ż ż Ł Ś Ł ż Ł Ł Ł ż Ł Ś Ł Ł Ś Ł ż Ł Ś Ł ź ż Ę ż ż ź

Bardziej szczegółowo

ź Ę ć Ż Ż ń ć Ż Ę Ż ć ć ć Ż ć ć ź Ż ć Ż Ż ć ć ń Ż ć Ś Ę Ż ń Ż ć Ż ć Ż ć Ż Ż Ę ć Ż Ż Ż Ą Ę Ą ć Ż ć ć Ż Ą Ż ć ń ń Ż ń Ż Ę Ż ć Ż Ż Ł Ą źź ź ć Ż Ż Ż Ż Ę ź ź ź ź Ż Ż ń Ż Ż Ó ń Ś ć ń Ą Ę Ą Ż Ą Ę Ś Ę Ż ć Ę Ś

Bardziej szczegółowo

Ł Ń Ł Ł ź Ż ź Ł Ż Ó ż ż Ą ź Ą Ó Ń Ą Ł Ł Ą Ż Ś Ą ź Ż Ż ź Ż Ż ż Ą Ł Ż Ź Ź ź Ó ź Ł Ą ź Ń ź Ó Ł ż ć Ś Ś Ą Ł Ś ż ź ź Ą Ż Ł Ś Ś Ł Ż Ń Ń Ł Ó Ś Ś ć Ś Ó Ć ć ć Ś ż Ó Ó ź Ó Ó Ś Ó Ą Ą ć Ą Ą Ł Ą Ł Ą Ł ż Ł ź ć Ł Ą

Bardziej szczegółowo

Ż ń ń Ł Ą ń Ą Ż Ą Ż ń Ą ń ń ń ń Ł Ą ń ń ń ń ń Ą ń ń ń ń ń ń ń ć ń Ż ń ń Ą Ś Ą Ś Ą ń Ą Ś Ę ń Ś ń ń Ą ń Ż ń ź ź ń Ś ń ń Ś Ę Ś Ź Ś ń ń ć Ż ń ń Ą ń Ś Ż ń Ż Ż Ć Ż Ś Ś ć Ż Ż ć Ą ń Ą ń Ż ń ń ń Ż ć Ż Ż ń ń Ś Ż

Bardziej szczegółowo

Ł Ż Ł Ł Ł Ł ż ż ć ź ć ż ż Ż ż Ż ż Ż ć Ż Ł Ż ć ŻŻ ź ż Ł ż ż ż Ż ć Ł Ł ż ż ż ż Ż ż ż ź ć Ż ż ż Ż ż Ż ć ż ć Ż ź ż ż ć ć Ż ż Ź ż ż ż ź ż ż ź ż ż ż ż ż ź Ż Ż ź ż ć ż ż Ł ż ć ż ż ż ć ż ż ć Ż Ż ż ż ż ź ć ż ż

Bardziej szczegółowo

Ą Ę ą Ś ą ć Ą ą ą ą ą ŻŻ ŻŻ Ą Ż ą ą ą ą ą ą ą ą ą Ą ą ą Ęć ą ą ą ą ą ć Ę Ś Ą ć ą ć Ś ą Ą ć Ą ą Ą ź Ę ź ą ć ć ą ą Ę ą ą Ę ą ą ą ą ą ą ć ą ą ą ą ć ą ą ą Ę ą ą ą ą ą ą ą ą ć ć ź ą Ą ą ć Ę Ł Ł Ę ą ą Ą ą ą

Bardziej szczegółowo

Wprowadzenie do narzędzi zarządzania projektami informatycznymi.

Wprowadzenie do narzędzi zarządzania projektami informatycznymi. Wprowadzenie do narzędzi zarządzania projektami informatycznymi. 1. Wykorzystanie darmowych pakietów oprogramowania. 1.1 Zapoznać się z porównaniem dostępnych platform i narzędzi programistycznych wspomagających

Bardziej szczegółowo

Planowanie i sterowanie produkcją cz. 2

Planowanie i sterowanie produkcją cz. 2 Planowanie i sterowanie produkcją cz. Dr inż. Marek Dudek Ul. Gramatyka 0 p. 6798 Podstawowe techniki planowania harmonogramowanie, metody sieciowe, metody symulacyjne. Harmonogramowanie Graficzną prezentacją

Bardziej szczegółowo

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW ODRZUCANIE WYNIKÓW OJEDYNCZYCH OMIARÓW W praktyce pomiarowej zdarzają się sytuacje gdy jeden z pomiarów odstaje od pozostałych. Jeżeli wykorzystamy fakt, że wyniki pomiarów są zmienną losową opisywaną

Bardziej szczegółowo

Oszacowanie i rozkład t

Oszacowanie i rozkład t Oszacowanie i rozkład t Marcin Zajenkowski Marcin Zajenkowski () Oszacowanie i rozkład t 1 / 31 Oszacowanie 1 Na podstawie danych z próby szacuje się wiele wartości w populacji, np.: jakie jest poparcie

Bardziej szczegółowo

EKONOMIKA I ORGANIZACJA BUDOWY

EKONOMIKA I ORGANIZACJA BUDOWY EKONOMIKA I ORGANIZACJA BUDOWY EMA: PROJEK ORGANIZACJI WYKONANIA PRZEDSIĘWZIĘCIA INWESYCYJNEGO (p) ćwiczenia projektowe, pracownia specjalistyczna studia niestacjonarne I stopnia, sem. VI, budownictwo

Bardziej szczegółowo

Satysfakcja z życia rodziców dzieci niepełnosprawnych intelektualnie

Satysfakcja z życia rodziców dzieci niepełnosprawnych intelektualnie Satysfakcja z życia rodziców dzieci niepełnosprawnych intelektualnie Zadanie Zbadano satysfakcję z życia w skali 1 do 10 w dwóch grupach rodziców: a) Rodzice dzieci zdrowych oraz b) Rodzice dzieci z niepełnosprawnością

Bardziej szczegółowo

Analiza przeżycia. Wprowadzenie

Analiza przeżycia. Wprowadzenie Wprowadzenie Przedmiotem badania analizy przeżycia jest czas jaki upływa od początku obserwacji do wystąpienia określonego zdarzenia, które jednoznacznie kończy obserwację na danej jednostce. Analiza przeżycia

Bardziej szczegółowo

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16 Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego

Bardziej szczegółowo

2. Jakie etapy procesy zarządzania projektami krótka charakterystyka poszczególnych etapów

2. Jakie etapy procesy zarządzania projektami krótka charakterystyka poszczególnych etapów 1. Czym jest projekt cechy charakteryzujące projekty. Projekt przedsięwzięcie, które posiada charakter jednorazowy, jest obwarowane terminem realizacji i wykazuje znaczną złożoność zadań. Jest to także

Bardziej szczegółowo

Instytut Matematyczny Uniwersytet Wrocławski. Zakres egzaminu magisterskiego. Wybrane rozdziały anazlizy i topologii 1 i 2

Instytut Matematyczny Uniwersytet Wrocławski. Zakres egzaminu magisterskiego. Wybrane rozdziały anazlizy i topologii 1 i 2 Instytut Matematyczny Uniwersytet Wrocławski Zakres egzaminu magisterskiego Wybrane rozdziały anazlizy i topologii 1 i 2 Pojęcia, fakty: Definicje i pojęcia: metryka, iloczyn skalarny, norma supremum,

Bardziej szczegółowo

LXVII Egzamin dla Aktuariuszy z 26 maja 2014 r.

LXVII Egzamin dla Aktuariuszy z 26 maja 2014 r. Komisja Egzaminacyjna dla Aktuariuszy LXVII Egzamin dla Aktuariuszy z 26 maja 2014 r. Część II Matematyka ubezpieczeń życiowych Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 100 minut Warszawa,

Bardziej szczegółowo

Porównanie wydajności CUDA i OpenCL na przykładzie równoległego algorytmu wyznaczania wartości funkcji celu dla problemu gniazdowego

Porównanie wydajności CUDA i OpenCL na przykładzie równoległego algorytmu wyznaczania wartości funkcji celu dla problemu gniazdowego Porównanie wydajności CUDA i OpenCL na przykładzie równoległego algorytmu wyznaczania wartości funkcji celu dla problemu gniazdowego Mariusz Uchroński 3 grudnia 2010 Plan prezentacji 1. Wprowadzenie 2.

Bardziej szczegółowo

R ozkład norm alny Bardzo często używany do modelowania symetrycznych rozkładów zmiennych losowych ciągłych

R ozkład norm alny Bardzo często używany do modelowania symetrycznych rozkładów zmiennych losowych ciągłych R ozkład norm alny Bardzo często używany do modelowania symetrycznych rozkładów zmiennych losowych ciągłych Przykłady: Błąd pomiarowy Wzrost, wydajność Temperatura ciała Zawartość różnych składników we

Bardziej szczegółowo

ZARZĄDZANIE RYZYKIEM STOPY PROCENTOWEJ. dr Grzegorz Kotliński; Katedra Bankowości AE w Poznaniu

ZARZĄDZANIE RYZYKIEM STOPY PROCENTOWEJ. dr Grzegorz Kotliński; Katedra Bankowości AE w Poznaniu ZARZĄDZANIE RYZYKIEM STOPY PROCENTOWEJ 1 DEFINICJA RYZYKA STOPY PROCENTOWEJ Ryzyko stopy procentowej to niebezpieczeństwo negatywnego wpływu zmian rynkowej stopy procentowej na sytuację finansową banku

Bardziej szczegółowo

II WYKŁAD STATYSTYKA. 12/03/2014 B8 sala 0.10B Godz. 15:15

II WYKŁAD STATYSTYKA. 12/03/2014 B8 sala 0.10B Godz. 15:15 II WYKŁAD STATYSTYKA 12/03/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 2 Rachunek prawdopodobieństwa zdarzenia elementarne zdarzenia losowe zmienna losowa skokowa i ciągła prawdopodobieństwo i gęstość prawdopodobieństwa

Bardziej szczegółowo

Zadanie 1. Zmienne losowe X 1, X 2 są niezależne i mają taki sam rozkład z atomami:

Zadanie 1. Zmienne losowe X 1, X 2 są niezależne i mają taki sam rozkład z atomami: Zadanie 1. Zmienne losowe X 1, X 2 są niezależne i mają taki sam rozkład z atomami: Pr(X 1 = 0) = 6/10, Pr(X 1 = 1) = 1/10, i gęstością: f(x) = 3/10 na przedziale (0, 1). Wobec tego Pr(X 1 + X 2 5/3) wynosi:

Bardziej szczegółowo

Outlier to dana (punkt, obiekt, wartośd w zbiorze) znacznie odstająca od reszty. prezentacji punktów odstających jest rysunek poniżej.

Outlier to dana (punkt, obiekt, wartośd w zbiorze) znacznie odstająca od reszty. prezentacji punktów odstających jest rysunek poniżej. Temat: WYKRYWANIE ODCHYLEO W DANYCH Outlier to dana (punkt, obiekt, wartośd w zbiorze) znacznie odstająca od reszty. prezentacji punktów odstających jest rysunek poniżej. Przykładem Box Plot wygodną metodą

Bardziej szczegółowo

Testy nieparametryczne

Testy nieparametryczne Testy nieparametryczne Testy nieparametryczne możemy stosować, gdy nie są spełnione założenia wymagane dla testów parametrycznych. Stosujemy je również, gdy dane można uporządkować według określonych kryteriów

Bardziej szczegółowo

Sterowanie wielkością zamówienia w Excelu - cz. 3

Sterowanie wielkością zamówienia w Excelu - cz. 3 Sterowanie wielkością zamówienia w Excelu - cz. 3 21.06.2005 r. 4. Planowanie eksperymentów symulacyjnych Podczas tego etapu ważne jest określenie typu rozkładu badanej charakterystyki. Dzięki tej informacji

Bardziej szczegółowo

Zarządzanie przedsięwzięciem informatycznym. Śledzenie projektu

Zarządzanie przedsięwzięciem informatycznym. Śledzenie projektu Zarządzanie przedsięwzięciem informatycznym Śledzenie projektu Plan bazowy Plan bazowy jest zapisanym planem oryginalnym projektu, jest trwałym zapisem harmonogramu i kosztów. Plan bazowy zawiera główny

Bardziej szczegółowo

Wprowadzenie do analizy korelacji i regresji

Wprowadzenie do analizy korelacji i regresji Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących

Bardziej szczegółowo

Ekonometria. Weryfikacja modelu. Paweł Cibis pcibis@o2.pl. 6 kwietnia 2006

Ekonometria. Weryfikacja modelu. Paweł Cibis pcibis@o2.pl. 6 kwietnia 2006 Weryfikacja modelu Paweł Cibis pcibis@o2.pl 6 kwietnia 2006 1 Badanie istotności parametrów strukturalnych modelu Testy Pakiet Analiza Danych Uwagi 2 Test dla małej próby Test dla dużej próby 3 Test Durbina-Watsona

Bardziej szczegółowo

Zarządzanie czasem w projekcie tworzenie planu projektu. dr Olga Dębicka

Zarządzanie czasem w projekcie tworzenie planu projektu. dr Olga Dębicka Zarządzanie czasem w projekcie tworzenie planu projektu dr Olga Dębicka Plan wykładu Elementy planu projektu. Określenie harmonogramu. Tworzenie siatki zadań. Ograniczenia w realizacji projektu. Rozbudowa

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych 1.10.2012 r.

Matematyka ubezpieczeń majątkowych 1.10.2012 r. Zadanie. W pewnej populacji każde ryzyko charakteryzuje się trzema parametrami q, b oraz v, o następującym znaczeniu: parametr q to prawdopodobieństwo, że do szkody dojdzie (może zajść co najwyżej jedna

Bardziej szczegółowo

ANALIZA STATYSTYCZNA WYNIKÓW BADAŃ

ANALIZA STATYSTYCZNA WYNIKÓW BADAŃ ANALIZA STATYSTYCZNA WYNIKÓW BADAŃ Dopasowanie rozkładów Dopasowanie rozkładów- ogólny cel Porównanie średnich dwóch zmiennych 2 zmienne posiadają rozkład normalny -> test parametryczny (t- studenta) 2

Bardziej szczegółowo

Komputerowe wspomaganie procesu planowania i kontroli projektu

Komputerowe wspomaganie procesu planowania i kontroli projektu \ Komputerowe wspomaganie procesu planowania i kontroli projektu Komputerowe wspomaganie procesu planowania i kontroli projektu Atrybuty operacyjne projektów: lista zadań WBS (struktura podziału pracy)

Bardziej szczegółowo

Planowanie eksperymentu (optymalizacja procesów chemicznych)

Planowanie eksperymentu (optymalizacja procesów chemicznych) Planowanie eksperymentu (optymalizacja procesów chemicznych) dr inż. Agnieszka Gadomska-Gajadhur E-mail: agadomska@ch.pw.edu.pl Lab. Pawilon, nr tel. 34 54 63 Plan wykładu Dlaczego planujemy eksperymenty?

Bardziej szczegółowo

Zapadalność (epidemiologia)

Zapadalność (epidemiologia) Chorobowość Chorobowość (ang. prevalence rate) liczba chorych w danej chwili na konkretną chorobę w określonej grupie mieszkańców (np. na 100 tys. mieszkańców). Współczynnik ten obejmuje zarówno osoby

Bardziej szczegółowo