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

BADANIA OPERACYJNE. dr Adam Sojda Pokój A405

BADANIA OPERACYJNE. dr Adam Sojda  Pokój A405 BADANIA OPERACYJNE dr Adam Sojda adam.sojda@polsl.pl http://dydaktyka.polsl.pl/roz6/asojda/default.aspx Pokój A405 Przedsięwzięcie - zorganizowanie działanie ludzkie zmierzające do osiągnięcia określonego

Bardziej szczegółowo

t i L i T i

t i L i T i Planowanie oparte na budowaniu modelu struktury przedsięwzięcia za pomocą grafu nazywa sie planowaniem sieciowym. Stosuje się do planowania i kontroli realizacji założonych przedsięwzięć gospodarczych,

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

Planowanie przedsięwzięć

Planowanie przedsięwzięć K.Pieńkosz Badania Operacyjne Planowanie przedsięwzięć 1 Planowanie przedsięwzięć Model przedsięwzięcia lista operacji relacje poprzedzania operacji modele operacji funkcja celu planowania K.Pieńkosz Badania

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

Metoda CPM/PERT. dr inż. Mariusz Makuchowski

Metoda CPM/PERT. dr inż. Mariusz Makuchowski PM - wstęp PM nazwa metody pochodzi od angielskiego ritical Path Method, jest techniką bazującą na grafowej reprezentacji projektu, używana jest dla deterministycznych danych. PM - modele grafowe projektu

Bardziej szczegółowo

ANALIZA SIECIOWA PROJEKTÓW REALIZACJI

ANALIZA SIECIOWA PROJEKTÓW REALIZACJI WYKŁAD 5 ANALIZA SIECIOWA PROJEKTÓW REALIZACJI Podstawowe problemy rozwiązywane z wykorzystaniem programowania sieciowego: zagadnienia transportowe (rozdział zadań przewozowych, komiwojażer najkrótsza

Bardziej szczegółowo

Zarządzanie projektami

Zarządzanie projektami Dr Adam Kucharski Spis treści Podstawowe pojęcia Metoda CPM 3 3 Przykład analizy metodą CPM 5 Podstawowe pojęcia Przedsięwzięcia złożone z wielu czynności spotykane są na każdym kroku. Jako przykład może

Bardziej szczegółowo

MONITOROWANIE, KONTROLA I ZAMKNIĘCIA PROJEKTU. Dr Jerzy Choroszczak

MONITOROWANIE, KONTROLA I ZAMKNIĘCIA PROJEKTU. Dr Jerzy Choroszczak MONITOROWANIE, KONTROLA I ZAMKNIĘCIA PROJEKTU Dr Jerzy Choroszczak Kontrola w zarządzaniu projektami Kontrola terminów przygotowania i wykonawstwa projektu Kontrola zużycia zasobów Kontrola kosztów przygotowania

Bardziej szczegółowo

Porównanie aplikacji do tworzenia harmonogramów.

Porównanie aplikacji do tworzenia harmonogramów. Porównanie aplikacji do tworzenia harmonogramów. WETI 23 lutego 2010 Plan prezentacji Harmonogram 1 Harmonogram Definicja Zależności miedzy zadaniami Wykres Gantta Diagram PERT 2 3 4 5 Prawie jak motto

Bardziej szczegółowo

LOGISTYKA DYSTRYBUCJI ćwiczenia 11 i 12 WYKORZYSTANIE METOD SIECIOWYCH W PROJEKTACH LOGISTYKI DYSTRYBUCJI. AUTOR: dr inż.

LOGISTYKA DYSTRYBUCJI ćwiczenia 11 i 12 WYKORZYSTANIE METOD SIECIOWYCH W PROJEKTACH LOGISTYKI DYSTRYBUCJI. AUTOR: dr inż. LOGISTYKA DYSTRYBUCJI ćwiczenia i WYKORZYSTANIE METOD SIECIOWYCH W PROJEKTACH LOGISTYKI DYSTRYBUCJI AUTOR: dr inż. ROMAN DOMAŃSKI Literatura Piotr Cyplik, Danuta Głowacka-Fertsch, Marek Fertsch Logistyka

Bardziej szczegółowo

ORGANIZACJA I ZARZĄDZANIE

ORGANIZACJA I ZARZĄDZANIE P O L I T E C H N I K A W A R S Z A W S K A WYDZIAŁ BUDOWNICTWA, MECHANIKI I PETROCHEMII INSTYTUT INŻYNIERII MECHANICZNEJ ORGANIZACJA I ZARZĄDZANIE Planowanie przedsięwzięcia metodą CPM Instrukcja do ćwiczeń

Bardziej szczegółowo

ZARZĄDZANIE PROJEKTAMI METODA ŚCIEŻKI KRYTYCZNEJ HARMONOGRAM PROJEKTU

ZARZĄDZANIE PROJEKTAMI METODA ŚCIEŻKI KRYTYCZNEJ HARMONOGRAM PROJEKTU 1 ZARZĄDZANIE PROJEKTAMI METODA ŚCIEŻKI KRYTYCZNEJ HARMONOGRAM PROJEKTU AUTOR: AGENDA LEKCJI 2 CPM wprowadzenie teoretyczne Przykład rozwiązania Zadanie do samodzielnego rozwiązania 3 Critical Path Method

Bardziej szczegółowo

Analiza czasowo-kosztowa

Analiza czasowo-kosztowa Analiza czasowo-kosztowa Aspekt ekonomiczny: należy rozpatrzyć techniczne możliwości skrócenia terminu wykonania całego przedsięwzięcia, w taki sposób aby koszty związane z jego realizacją były jak najniższe.

Bardziej szczegółowo

Zarządzanie projektami. Tadeusz Trzaskalik

Zarządzanie projektami. Tadeusz Trzaskalik Zarządzanie projektami Tadeusz Trzaskalik 7.1. Wprowadzenie Słowa kluczowe Projekt Sieć czynności zynność bezpośrednio poprzedzająca Zdarzenie, zdarzenie początkowe, zdarzenie końcowe Właściwa numeracja

Bardziej szczegółowo

Zarządzanie projektami. mgr inż. Michał Adamczak

Zarządzanie projektami. mgr inż. Michał Adamczak Zarządzanie projektami mgr inż. Michał Adamczak Ćwiczenie 2 mgr inż. Michał Adamczak Agenda spotkania: 1. CPM wprowadzenie 2. Tabela czynności 3. Podstawowe elementy budowy diagramu sieciowego 4. Zasady

Bardziej szczegółowo

Wnioskowanie statystyczne i weryfikacja hipotez statystycznych

Wnioskowanie statystyczne i weryfikacja hipotez statystycznych Wnioskowanie statystyczne i weryfikacja hipotez statystycznych Wnioskowanie statystyczne Wnioskowanie statystyczne obejmuje następujące czynności: Sformułowanie hipotezy zerowej i hipotezy alternatywnej.

Bardziej szczegółowo

SYSTEMY WSPOMAGANIA DECYZJI

SYSTEMY WSPOMAGANIA DECYZJI POLITECHNIKA RZESZOWSKA IM. IGNACEGO ŁUKASIEWICZA WYDZIAŁ BUDOWY MASZYN I LOTNICTWA ZAKŁAD INFORMATYKI SYSTEMY WSPOMAGANIA DECYZJI MATERIAŁY DYDAKTYCZNE DO LABORATORIUM LABORATORIUM VII Metoda ścieżki

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

Tworzenie i śledzenie harmonogramów. Definicje i metody weryfikacji i walidacji

Tworzenie i śledzenie harmonogramów. Definicje i metody weryfikacji i walidacji Tworzenie i śledzenie harmonogramów. Definicje i metody weryfikacji i walidacji Zofia Kruczkiewicz 1 Literatura 1. K. Frączkowski, Zarządzanie projektem informatycznym. Projekty w środowisku wirtualnym.

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

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

Zarządzanie projektami Ćwiczenia 1. Jakub Światłowski

Zarządzanie projektami Ćwiczenia 1. Jakub Światłowski Zarządzanie projektami Ćwiczenia 1 Jakub Światłowski jakub.swiatlowski@wsl.com.pl Tematyka zajęć 1. Metoda ścieŝki krytycznej 2. Krzywa S i jej interpretacja 3. Pięć faz zarządzania projektem 4. Planowanie

Bardziej szczegółowo

Testowanie hipotez statystycznych. Wnioskowanie statystyczne

Testowanie hipotez statystycznych. Wnioskowanie statystyczne Testowanie hipotez statystycznych Wnioskowanie statystyczne Hipoteza statystyczna to dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Hipotezy

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

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

Zastosowanie metody łańcucha krytycznego w procesie wdrażania zintegrowanego systemu zarządzania. mgr inż. K. Marek-Kołodziej

Zastosowanie metody łańcucha krytycznego w procesie wdrażania zintegrowanego systemu zarządzania. mgr inż. K. Marek-Kołodziej Zastosowanie metody łańcucha krytycznego w procesie wdrażania zintegrowanego systemu zarządzania mgr inż. K. Marek-Kołodziej Koncepcja metody łańcucha krytycznego Szacowanie czasu trwania zadań Eliminacja

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

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

Rozkłady statystyk z próby

Rozkłady statystyk z próby Rozkłady statystyk z próby Rozkłady statystyk z próby Przypuśćmy, że wykonujemy serię doświadczeń polegających na 4 krotnym rzucie symetryczną kostką do gry, obserwując liczbę wyrzuconych oczek Nr kolejny

Bardziej szczegółowo

Wykład z analizy danych: powtórzenie zagadnień z rachunku prawdopodobieństwa

Wykład z analizy danych: powtórzenie zagadnień z rachunku prawdopodobieństwa Wykład z analizy danych: powtórzenie zagadnień z rachunku prawdopodobieństwa Marek Kubiak Instytut Informatyki Politechnika Poznańska Plan wykładu Podstawowe pojęcia rachunku prawdopodobieństwa Rozkład

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

Wstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa

Wstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa Wstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa M. Czoków, J. Piersa 2012-01-10 1 Łańcucha Markowa 2 Istnienie Szukanie stanu stacjonarnego 3 1 Łańcucha Markowa 2 Istnienie Szukanie stanu stacjonarnego

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

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

Wymagania na poszczególne oceny szkolne z. matematyki. dla uczniów klasy IIIa i IIIb. Gimnazjum im. Jana Pawła II w Mętowie. w roku szkolnym 2015/2016

Wymagania na poszczególne oceny szkolne z. matematyki. dla uczniów klasy IIIa i IIIb. Gimnazjum im. Jana Pawła II w Mętowie. w roku szkolnym 2015/2016 Wymagania na poszczególne oceny szkolne z matematyki dla uczniów klasy IIIa i IIIb Gimnazjum im. Jana Pawła II w Mętowie w roku szkolnym 2015/2016 DZIAŁ 1. FUNKCJE (11h) Uczeń: poda definicję funkcji (2)

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

zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych

zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych 1. [E.A 5.10.1996/zad.4] Funkcja gęstości dana jest wzorem { 3 x + 2xy + 1 y dla (x y) (0 1) (0 1) 4 4 P (X > 1 2 Y > 1 2 ) wynosi:

Bardziej szczegółowo

1. FUNKCJE DZIAŁ Z PODRĘCZNIKA L.P. NaCoBeZu kryteria sukcesu w języku ucznia

1. FUNKCJE DZIAŁ Z PODRĘCZNIKA L.P. NaCoBeZu kryteria sukcesu w języku ucznia L.P. DZIAŁ Z PODRĘCZNIKA 1. FUNKCJE 2. POTĘGI I PIERWIASTKI NaCoBeZu kryteria sukcesu w języku ucznia 1. Wiem, co to jest układ współrzędnych, potrafię nazwać osie układu. 2. Rysuję układ współrzędnych

Bardziej szczegółowo

Tworzenie i śledzenie harmonogramów. Definicje i metody weryfikacji i walidacji

Tworzenie i śledzenie harmonogramów. Definicje i metody weryfikacji i walidacji Tworzenie i śledzenie harmonogramów. Definicje i metody weryfikacji i walidacji Zofia Kruczkiewicz 1 Literatura 1. K. Frączkowski, Zarządzanie projektem informatycznym. Projekty w środowisku wirtualnym.

Bardziej szczegółowo

Dokładne i graniczne rozkłady statystyk z próby

Dokładne i graniczne rozkłady statystyk z próby Dokładne i graniczne rozkłady statystyk z próby Przypomnijmy Populacja Próba Wielkość N n Średnia Wariancja Odchylenie standardowe 4.2 Rozkład statystyki Mówimy, że rozkład statystyki (1) jest dokładny,

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

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

Rachunek prawdopodobieństwa i statystyka - W 9 Testy statystyczne testy zgodności. Dr Anna ADRIAN Paw B5, pok407

Rachunek prawdopodobieństwa i statystyka - W 9 Testy statystyczne testy zgodności. Dr Anna ADRIAN Paw B5, pok407 Rachunek prawdopodobieństwa i statystyka - W 9 Testy statystyczne testy zgodności Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Weryfikacja hipotez dotyczących postaci nieznanego rozkładu -Testy zgodności.

Bardziej szczegółowo

ZMIENNE LOSOWE. Zmienna losowa (ZL) X( ) jest funkcją przekształcającą przestrzeń zdarzeń elementarnych w zbiór liczb rzeczywistych R 1 tzn. X: R 1.

ZMIENNE LOSOWE. Zmienna losowa (ZL) X( ) jest funkcją przekształcającą przestrzeń zdarzeń elementarnych w zbiór liczb rzeczywistych R 1 tzn. X: R 1. Opracowała: Joanna Kisielińska ZMIENNE LOSOWE Zmienna losowa (ZL) X( ) jest funkcją przekształcającą przestrzeń zdarzeń elementarnych w zbiór liczb rzeczywistych R tzn. X: R. Realizacją zmiennej losowej

Bardziej szczegółowo

Statystyka matematyczna dla leśników

Statystyka matematyczna dla leśników Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje

Bardziej szczegółowo

RÓWNOWAŻNOŚĆ METOD BADAWCZYCH

RÓWNOWAŻNOŚĆ METOD BADAWCZYCH RÓWNOWAŻNOŚĆ METOD BADAWCZYCH Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska Równoważność metod??? 2 Zgodność wyników analitycznych otrzymanych z wykorzystaniem porównywanych

Bardziej szczegółowo

Programowanie sieciowe. Tadeusz Trzaskalik

Programowanie sieciowe. Tadeusz Trzaskalik Programowanie Tadeusz Trzaskalik 8.1. Wprowadzenie Słowa kluczowe Drzewo rozpinające Minimalne drzewo rozpinające Najkrótsza droga w sieci Wierzchołek początkowy Maksymalny przepływ w sieci Źródło Ujście

Bardziej szczegółowo

Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych

Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych Zad. 1 Średnia ocen z semestru letniego w populacji studentów socjologii w roku akademickim 2011/2012

Bardziej szczegółowo

OBLICZENIE PRZEPŁYWÓW MAKSYMALNYCH ROCZNYCH O OKREŚLONYM PRAWDOPODOBIEŃSTWIE PRZEWYŻSZENIA. z wykorzystaniem programu obliczeniowego Q maxp

OBLICZENIE PRZEPŁYWÓW MAKSYMALNYCH ROCZNYCH O OKREŚLONYM PRAWDOPODOBIEŃSTWIE PRZEWYŻSZENIA. z wykorzystaniem programu obliczeniowego Q maxp tel.: +48 662 635 712 Liczba stron: 15 Data: 20.07.2010r OBLICZENIE PRZEPŁYWÓW MAKSYMALNYCH ROCZNYCH O OKREŚLONYM PRAWDOPODOBIEŃSTWIE PRZEWYŻSZENIA z wykorzystaniem programu obliczeniowego Q maxp DŁUGIE

Bardziej szczegółowo

Analiza czasowo-kosztowa organizacji robót budowlanych

Analiza czasowo-kosztowa organizacji robót budowlanych Analiza czasowo-kosztowa organizacji robót budowlanych Mgr inż. Mariusz Szóstak, Wydział Budownictwa Lądowego i Wodnego, Politechnika Wrocławska 1. Wprowadzenie W procesie inwestycyjnym w budownictwie

Bardziej szczegółowo

TABLICE PODSTAWOWYCH ROZKŁADÓW PRAWDOPODOBIEŃSTWA. T4. Tablica kwantyli rozkładu chi-kwadrat (I część - poziomy kwantyli 0,5)

TABLICE PODSTAWOWYCH ROZKŁADÓW PRAWDOPODOBIEŃSTWA. T4. Tablica kwantyli rozkładu chi-kwadrat (I część - poziomy kwantyli 0,5) TABLICE PODSTAWOWYCH ROZKŁADÓW PRAWDOPODOBIEŃSTWA T1. Tablica dystrybuanty standardowego normalnego rozkładu N(0,1) T2. Tablica kwantyli standardowego normalnego rozkładu N(0,1) T3. Tablica kwantyli rozkładu

Bardziej szczegółowo

Zarządzanie projektami. Wydanie II.

Zarządzanie projektami. Wydanie II. Zarządzanie projektami. Wydanie II. Autor: Nancy Mingus Dobierz najlepszy zespół i efektywnie kontroluj postępy pracy Zaplanuj szczegółowo każdy detal projektu i wprowadź go w życie Zastosuj skuteczne

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

Zmienne losowe dyskretne i Zmienne losowe ciągłe Rozkład Normalny

Zmienne losowe dyskretne i Zmienne losowe ciągłe Rozkład Normalny Zmienne losowe dyskretne i Zmienne losowe ciągłe Rozkład Normalny 1. Wyprodukowanie określonej liczby wyrobów przez jednego pracownika w ciągu godziny jest zmienną losową o następującym rozkładzie prawdopodobieństwa:

Bardziej szczegółowo

Szeregowanie zadań. Wykład nr 2. dr Hanna Furmańczyk. 12 października 2014

Szeregowanie zadań. Wykład nr 2. dr Hanna Furmańczyk. 12 października 2014 Wykład nr 2 12 października 2014 Złożoność problemów szeregowania zadań Problemy: wielomianowe NP-trudne otwarte Złożoność problemów szeregowania zadań Problemy: wielomianowe NP-trudne otwarte Jak sobie

Bardziej szczegółowo

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014 Estymacja przedziałowa - przedziały ufności dla średnich Wrocław, 5 grudnia 2014 Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja Przedziałem ufności dla paramertu

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

Algorytm Dijkstry znajdowania najkrótszej ścieżki w grafie

Algorytm Dijkstry znajdowania najkrótszej ścieżki w grafie Algorytm Dijkstry znajdowania najkrótszej ścieżki w grafie Używane struktury danych: V - zbiór wierzchołków grafu, V = {1,2,3...,n} E - zbiór krawędzi grafu, E = {(i,j),...}, gdzie i, j Î V i istnieje

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

Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe

Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe Nierówność Czebyszewa Niech X będzie zmienną losową o skończonej wariancji V ar(x). Wtedy wartość oczekiwana E(X) też jest skończona i

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

ZARZĄDZANIE PROJEKTAMI I PROCESAMI Zajęcia ćwiczeniowe (część zarządzania projektami)

ZARZĄDZANIE PROJEKTAMI I PROCESAMI Zajęcia ćwiczeniowe (część zarządzania projektami) 1 ZARZĄDZANIE PROJEKTAMI I PROCESAMI Zajęcia ćwiczeniowe (część zarządzania projektami) 2 Spis treści projektu: 1. Wybór tematu projektu charakterystyka problemu 2. Zdefiniowanie celu projektu 3. Określenie

Bardziej szczegółowo

Błędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa

Błędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa Weryfikacja hipotez statystycznych Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy populacji, o prawdziwości lub fałszywości którego wnioskuje się na podstawie

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

Planowanie projektu. Magdalena Marczewska Wydział Zarządzania UW

Planowanie projektu. Magdalena Marczewska Wydział Zarządzania UW Planowanie projektu mgr Magdalena Marczewska (marczewska.m.a@gmail.com) Zakład Teorii i Metod Organizacji Wydział Zarządzania Uniwersytetu Warszawskiego Część materiałów znajdujących się w niniejszej prezentacji

Bardziej szczegółowo

Pobieranie prób i rozkład z próby

Pobieranie prób i rozkład z próby Pobieranie prób i rozkład z próby Marcin Zajenkowski Marcin Zajenkowski () Pobieranie prób i rozkład z próby 1 / 15 Populacja i próba Populacja dowolnie określony zespół przedmiotów, obserwacji, osób itp.

Bardziej szczegółowo

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn Wykład 10 Estymacja przedziałowa - przedziały ufności dla średniej Wrocław, 21 grudnia 2016r Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja 10.1 Przedziałem

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

Rozkład normalny. Marcin Zajenkowski. Marcin Zajenkowski () Rozkład normalny 1 / 26

Rozkład normalny. Marcin Zajenkowski. Marcin Zajenkowski () Rozkład normalny 1 / 26 Rozkład normalny Marcin Zajenkowski Marcin Zajenkowski () Rozkład normalny 1 / 26 Rozkład normalny Krzywa normalna, krzywa Gaussa, rozkład normalny Rozkłady liczebności wielu pomiarów fizycznych, biologicznych

Bardziej szczegółowo

Korzystanie z podstawowych rozkładów prawdopodobieństwa (tablice i arkusze kalkulacyjne)

Korzystanie z podstawowych rozkładów prawdopodobieństwa (tablice i arkusze kalkulacyjne) Korzystanie z podstawowych rozkładów prawdopodobieństwa (tablice i arkusze kalkulacyjne) Przygotował: Dr inż. Wojciech Artichowicz Katedra Hydrotechniki PG Zima 2014/15 1 TABLICE ROZKŁADÓW... 3 ROZKŁAD

Bardziej szczegółowo

Zarys zastosowania metod sieciowych do wyznaczania czasu realizacji audytu bezpieczeństwa teleinformatycznego

Zarys zastosowania metod sieciowych do wyznaczania czasu realizacji audytu bezpieczeństwa teleinformatycznego BIULETYN INSTYTUTU AUTOMATYKI I ROBOTYKI NR 20, 2004 Zarys zastosowania metod sieciowych do wyznaczania czasu realizacji audytu bezpieczeństwa teleinformatycznego Krzysztof LIDERMAN Zakład Systemów Komputerowych,

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

Weryfikacja hipotez statystycznych za pomocą testów statystycznych

Weryfikacja hipotez statystycznych za pomocą testów statystycznych Weryfikacja hipotez statystycznych za pomocą testów statystycznych Weryfikacja hipotez statystycznych za pomocą testów stat. Hipoteza statystyczna Dowolne przypuszczenie co do rozkładu populacji generalnej

Bardziej szczegółowo

WFiIS CEL ĆWICZENIA WSTĘP TEORETYCZNY

WFiIS CEL ĆWICZENIA WSTĘP TEORETYCZNY WFiIS LABORATORIUM Z ELEKTRONIKI Imię i nazwisko: 1. 2. TEMAT: ROK GRUPA ZESPÓŁ NR ĆWICZENIA Data wykonania: Data oddania: Zwrot do poprawy: Data oddania: Data zliczenia: OCENA CEL ĆWICZENIA Ćwiczenie

Bardziej szczegółowo

Działanie algorytmu oparte jest na minimalizacji funkcji celu jako suma funkcji kosztu ( ) oraz funkcji heurystycznej ( ).

Działanie algorytmu oparte jest na minimalizacji funkcji celu jako suma funkcji kosztu ( ) oraz funkcji heurystycznej ( ). Algorytm A* Opracowanie: Joanna Raczyńska 1.Wstęp Algorytm A* jest heurystycznym algorytmem służącym do znajdowania najkrótszej ścieżki w grafie. Jest to algorytm zupełny i optymalny, co oznacza, że zawsze

Bardziej szczegółowo

4,5. Dyskretne zmienne losowe (17.03; 31.03)

4,5. Dyskretne zmienne losowe (17.03; 31.03) 4,5. Dyskretne zmienne losowe (17.03; 31.03) Definicja 1 Zmienna losowa nazywamy dyskretna (skokowa), jeśli zbiór jej wartości x 1, x 2,..., można ustawić w ciag. Zmienna losowa X, która przyjmuje wszystkie

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

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

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

Instrukcja. Laboratorium Metod i Systemów Sterowania Produkcją.

Instrukcja. Laboratorium Metod i Systemów Sterowania Produkcją. Instrukcja do Laboratorium Metod i Systemów Sterowania Produkcją. 2010 1 Cel laboratorium Celem laboratorium jest poznanie metod umożliwiających rozdział zadań na linii produkcyjnej oraz sposobu balansowania

Bardziej szczegółowo

Rys Wykres kosztów skrócenia pojedynczej czynności. k 2. Δk 2. k 1 pp. Δk 1 T M T B T A

Rys Wykres kosztów skrócenia pojedynczej czynności. k 2. Δk 2. k 1 pp. Δk 1 T M T B T A Ostatnim elementem przykładu jest określenie związku pomiędzy czasem trwania robót na planowanym obiekcie a kosztem jego wykonania. Związek ten określa wzrost kosztów wykonania realizacji całego przedsięwzięcia

Bardziej szczegółowo

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl

Bardziej szczegółowo

KURS PRAWDOPODOBIEŃSTWO

KURS PRAWDOPODOBIEŃSTWO KURS PRAWDOPODOBIEŃSTWO Lekcja 6 Ciągłe zmienne losowe ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowiedź (tylko jedna jest prawdziwa). Pytanie 1 Zmienna losowa ciągła jest

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

Elektrotechnika II [ Laboratorium Grupa 1 ] 2016/2017 Zimowy. [ Laboratorium Grupa 2 ] 2016/2017 Zimowy

Elektrotechnika II [ Laboratorium Grupa 1 ] 2016/2017 Zimowy. [ Laboratorium Grupa 2 ] 2016/2017 Zimowy Elektrotechnika II [ Laboratorium Grupa ] 206/207 Zimowy Lp Numer indeksu Pkt Kol Suma Popr Ocena Data Uwagi 97574 6 7 Db + 2 9758 ++0,9 5 7,9 Db + 3 99555 0,9+0,9 2,8 Dst + 4 97595 0,8++ 0 2,8 Dst + 5

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

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

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

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

Inteligentna analiza danych

Inteligentna analiza danych Numer indeksu 150946 Michał Moroz Imię i nazwisko Numer indeksu 150875 Grzegorz Graczyk Imię i nazwisko kierunek: Informatyka rok akademicki: 2010/2011 Inteligentna analiza danych Ćwiczenie I Wskaźniki

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

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

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

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

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI TESTOWANIE HIPOTEZ PARAMETRYCZNYCH

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI TESTOWANIE HIPOTEZ PARAMETRYCZNYCH WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI TESTOWANIE HIPOTEZ PARAMETRYCZNYCH Co to są hipotezy statystyczne? Hipoteza statystyczna to dowolne przypuszczenie co do rozkładu populacji generalnej. Dzielimy je

Bardziej szczegółowo

Zadanie 1. są niezależne i mają rozkład z atomami: ( ),

Zadanie 1. są niezależne i mają rozkład z atomami: ( ), Zadanie. Zmienne losowe są niezależne i mają rozkład z atomami: ( ) ( ) i gęstością: ( ) na przedziale ( ). Wobec tego ( ) wynosi: (A) 0.2295 (B) 0.2403 (C) 0.2457 (D) 0.25 (E) 0.269 Zadanie 2. Niech:

Bardziej szczegółowo

Oznacza to, że chcemy znaleźć minimum, a właściwie wartość najmniejszą funkcji

Oznacza to, że chcemy znaleźć minimum, a właściwie wartość najmniejszą funkcji Wykład 11. Metoda najmniejszych kwadratów Szukamy zależności Dane są wyniki pomiarów dwóch wielkości x i y: (x 1, y 1 ), (x 2, y 2 ),..., (x n, y n ). Przypuśćmy, że nanieśliśmy je na wykres w układzie

Bardziej szczegółowo

Powtórzenie wiadomości z rachunku prawdopodobieństwa i statystyki.

Powtórzenie wiadomości z rachunku prawdopodobieństwa i statystyki. Powtórzenie wiadomości z rachunku prawdopodobieństwa i statystyki. Zaj ecia 5 Natalia Nehrebeceka 04 maja, 2010 Plan zaj eć 1 Rachunek prawdopodobieństwa Wektor losowy Wartość oczekiwana Wariancja Odchylenie

Bardziej szczegółowo