Przykład: budowa placu zabaw (metoda ścieżki krytycznej)
|
|
- Halina Lis
- 8 lat temu
- Przeglądów:
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 Narzędzia i techniki szacowania czasu zadań Opinia ekspertów Szacowanie przez analogię (top-down estimating) stopień wiarygodności = f(podobieństwo zadań), = f(dostęp do wszystkich
Bardziej szczegółowoInżynieria oprogramowania. Część 8: Metoda szacowania ryzyka - PERT
UNIWERSYTET RZESZOWSKI KATEDRA INFORMATYKI Opracował: mgr inż. Przemysław Pardel v1.01 2010 Inżynieria oprogramowania Część 8: Metoda szacowania ryzyka - PERT ZAGADNIENIA DO ZREALIZOWANIA (3H) PERT...
Bardziej szczegółowoBADANIA 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 szczegółowot 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 szczegółowoRozdział 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 szczegółowoPlanowanie 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 szczegółowoHarmonogramowanie przedsięwzięć
Harmonogramowanie przedsięwzięć Mariusz Kaleta Instytut Automatyki i Informatyki Stosowanej Politechnika Warszawska luty 2014, Warszawa Politechnika Warszawska Harmonogramowanie przedsięwzięć 1 / 25 Wstęp
Bardziej szczegółowoMETODA PERT. Maciej Patan. Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski
METODA PERT Maciej Patan Programowanie sieciowe. Metoda PERT 1 WPROWADZENIE PERT (ang. Program Evaluation and Review Technique) Metoda należy do sieci o strukturze logicznej zdeterminowanej Parametry opisujace
Bardziej szczegółowoPROGRAMOWANIE SIECIOWE. METODA ŚCIEŻKI KRYTYCZNEJ
PROGRAMOWANIE SIECIOWE. METODA ŚCIEŻKI KRYTYCZNEJ Maciej Patan Uniwersytet Zielonogórski WPROWADZENIE Metody programowania sieciowego wprowadzono pod koniec lat pięćdziesiatych Ze względu na strukturę
Bardziej szczegółowoZasady 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 szczegółowoMetoda 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 szczegółowoANALIZA SIECIOWA PROJEKTÓW REALIZACJI
WYKŁAD 5 ANALIZA SIECIOWA PROJEKTÓW REALIZACJI Podstawowe problemy rozwiązywane z wykorzystaniem programowania sieciowego: zagadnienia transportowe (rozdział zadań przewozowych, komiwojażer najkrótsza
Bardziej szczegółowoZarządzanie 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 szczegółowoPROGRAMOWANIE SIECIOWE. METODY CPM i PERT
PROGRAMOWANIE SIECIOWE. METODY CPM i PERT Maciej Patan Programowanie sieciowe. 1 WPROWADZENIE Metody programowania sieciowego wprowadzono pod koniec lat pięćdziesiatych Ze względu na strukturę logiczna
Bardziej szczegółowoĆwiczenia laboratoryjne - 4. Projektowanie i harmonogramowanie produkcji metoda CPM-COST. Logistyka w Hutnictwie Ćw. L. 4
Ćwiczenia laboratoryjne - 4 Projektowanie i harmonogramowanie produkcji metoda CPM-COST Ćw. L. 4 Metody analizy sieciowej 1) Deterministyczne czasy trwania czynności są określane jednoznacznie (jedna liczba)
Bardziej szczegółowoZarządzanie projektami. Zarządzanie czasem w projekcie
Zarządzanie projektami Zarządzanie czasem w projekcie Zarządzanie czasem w projekcie PROJECT TIME MANAGEMENT Zarządzanie czasem - elementy 1. Zarządzanie harmonogramem 2. Określanie działań (określanie
Bardziej szczegółowoMONITOROWANIE, 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 szczegółowoPorównanie 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 szczegółowoModele sieciowe. Badania operacyjne Wykład 6. prof. Joanna Józefowska
Modele sieciowe Badania operacyjne Wykład 6 6-6- 6-6- Plan wykładu Zarządzanie złożonymi przedsięwzięciami Metoda ścieżki krytycznej Metoda PERT Projekty z ograniczonymi zasobami Modele z kontrolą czasu
Bardziej szczegółowoLOGISTYKA 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 szczegółowoORGANIZACJA 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 szczegółowoZARZĄDZANIE 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 szczegółowoAnaliza 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 szczegółowoZarządzanie 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 szczegółowoAnaliza sieciowa projektów- metody: CPM, PERT. A. Kasperski, M. Kulej 1
Analiza sieciowa projektów- metody: CPM, PERT. A. Kasperski, M. Kulej 1 Określenie projektu Przez projekt rozumie się jednostkowy(najczęściej jednorazowy) proces złożony ze zbioru wzajemnie powiązanych
Bardziej szczegółowoZARZĄDZANIE CZASEM, RYZYKIEM ORAZ RELACJAMI
ZARZĄDZANIE CZASEM, RYZYKIEM ORAZ RELACJAMI W PORZĄDKU? Grupa ma za zadanie ustawić się według wieku, od najmłodszego do najstarszego. Przez całe zadanie uczestnicy nie mogą wypowiedzieć ani jednego słowa.
Bardziej szczegółowoOgraniczenia projektu. Zakres (co?) Czas (na kiedy?) Budżet (za ile?)
Harmonogram Ograniczenia projektu Zakres (co?) Czas (na kiedy?) Budżet (za ile?) Pojęcia podstawowe Harmonogram: Daty wykonania działań Daty osiągnięcia kamieni milowych Działanie: Element składowy pakietu
Bardziej szczegółowoZarządzanie 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 szczegółowoZastosowania informatyki w gospodarce. Projekt. dr inż. Marek WODA
Zastosowania informatyki w gospodarce. Projekt dr inż. Marek WODA 1. Wprowadzenie Czasochłonność 2h/tydzień Ocena kursu Główny wpływ jakość techniczna projektu Błędy projektowe dyskwalifikują projekt Wartość
Bardziej szczegółowoWnioskowanie 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 szczegółowoMETODA ŚCIEŻKI KRYTYCZNEJ STUDIUM PRZYPADKU
METODA ŚCIEŻKI KRYTYCZNEJ STUDIUM PRZYPADKU Celina BARTNICKA Streszczenie: W dzisiejszych czasach przedsiębiorstwa pracują w bardzo szybko zmieniających się warunkach, więc aby osiągnąć sukces, stawia
Bardziej szczegółowoMETODY PROJEKTOWANIA TECHNOLOGII ROBÓT
Katedra Mostów i Kolei dr inż. Jacek Makuch ZAJĘCIA PROJEKTOWE 1 METODY PROJEKTOWANIA TECHNOLOGII ROBÓT TECHNOLOGIA ROBÓT KOLEJOWYCH studia I stopnia, specjalność ILB / DK, semestr 7 rok akademicki 2018/19
Bardziej szczegółowoANALIZA 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 szczegółowoTworzenie 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 szczegółowoSYSTEMY 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 szczegółowoZastosowania 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 szczegółowoRozdział 7 ZARZĄDZANIE PROJEKTAMI
Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział ZRZĄZNI PROJKTMI.. ZNI Wykorzystując tryb konwersacyjny programu PM.X, rozwiązać
Bardziej szczegółowoTestowanie 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 szczegółowoWprowadzenie 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 szczegółowoKURS 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 szczegółowoZARZĄDZANIE 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 szczegółowoStatystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )
Statystyka Rozkład prawdopodobieństwa Testowanie hipotez Wykład III (04.01.2016) Rozkład t-studenta Rozkład T jest rozkładem pomocniczym we wnioskowaniu statystycznym; stosuje się go wyznaczenia przedziału
Bardziej szczegółowoZastosowanie 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 szczegółowoWykład 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 szczegółowoTworzenie i śledzenie harmonogramów Wykładowca Dr inż. Zofia Kruczkiewicz
Tworzenie i śledzenie harmonogramów Wykładowca Dr inż. Zofia Kruczkiewicz 1 Literatura 1. K. Frączkowski, Zarządzanie projektem informatycznym. Projekty w środowisku wirtualnym. Czynniki sukcesu i niepowodzeń
Bardziej szczegółowoEstymacja przedziałowa. Przedział ufności
Estymacja przedziałowa Przedział ufności Estymacja przedziałowa jest to szacowanie wartości danego parametru populacji, ρ za pomocą tak zwanego przedziału ufności. Przedziałem ufności nazywamy taki przedział
Bardziej szczegółowoTworzenie 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 szczegółowoMatematyka ubezpieczeń majątkowych r.
Matematyka ubezpieczeń majątkowych 3..007 r. Zadanie. Każde z ryzyk pochodzących z pewnej populacji charakteryzuje się tym że przy danej wartości λ parametru ryzyka Λ rozkład wartości szkód z tego ryzyka
Bardziej szczegółowoRozkłady 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 szczegółowoRozkłady 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 szczegółowoAkademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki
Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki Przetwarzanie Sygnałów Studia Podyplomowe, Automatyka i Robotyka. Wstęp teoretyczny Zmienne losowe Zmienne losowe
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoAnaliza niepewności pomiarów
Teoria pomiarów Analiza niepewności pomiarów Zagadnienia statystyki matematycznej Dr hab. inż. Paweł Majda www.pmajda.zut.edu.pl Podstawy statystyki matematycznej Histogram oraz wielobok liczebności zmiennej
Bardziej szczegółowoWstęp 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 szczegółowoBadania operacyjne egzamin
Imię i nazwisko:................................................... Nr indeksu:............ Zadanie 1 Załóżmy, że Tablica 1 reprezentuje jeden z kroków algorytmu sympleks dla problemu (1)-(4). Tablica
Bardziej szczegółowo( 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 szczegółowoStatystyka 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 szczegółowoZwiększenie wartości zmiennej losowej o wartość stałą: Y=X+a EY=EX+a D 2 Y=D 2 X
Własności EX, D 2 X i DX przy przekształceniach liniowych Zwiększenie wartości zmiennej losowej o wartość stałą: Y=X+a EY=EX+a D 2 Y=D 2 X Przemnożenie wartości zmiennej losowej przez wartość stałą: Y=a*X
Bardziej szczegółowodla t ściślejsze ograniczenie na prawdopodobieństwo otrzymujemy przyjmując k = 1, zaś dla t > t ściślejsze ograniczenie otrzymujemy przyjmując k = 2.
Zadanie. Dla dowolnej zmiennej losowej X o wartości oczekiwanej μ, wariancji momencie centralnym μ k rzędu k zachodzą nierówności (typu Czebyszewa): ( X μ k Pr > μ + t σ ) 0. k k t σ *
Bardziej szczegółowoWykład 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 szczegółowozadania 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 szczegółowoInnowacyjne 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 szczegółowoWymagania 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 szczegółowoZarządzanie 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 szczegółowoTemat: Zmienna losowa. Rozkład skokowy. Rozkład ciągły. Kody kolorów: Ŝółty nowe pojęcie pomarańczowy uwaga. Anna Rajfura, Matematyka
Temat: Zmienna losowa. Rozkład skokowy. Rozkład ciągły Kody kolorów: Ŝółty nowe pojęcie pomarańczowy uwaga 1 Zagadnienia 1. Przypomnienie wybranych pojęć rachunku prawdopodobieństwa. Zmienna losowa. Rozkład
Bardziej szczegółowo1. 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 szczegółowoPrawdopodobieństwo i rozkład normalny cd.
# # Prawdopodobieństwo i rozkład normalny cd. Michał Daszykowski, Ivana Stanimirova Instytut Chemii Uniwersytet Śląski w Katowicach Ul. Szkolna 9 40-006 Katowice E-mail: www: mdaszyk@us.edu.pl istanimi@us.edu.pl
Bardziej szczegółowoDokładne 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 szczegółowoZarządzanie 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 szczegółowoSTATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE
STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE 1 W trakcie badania obliczono wartości średniej (15,4), mediany (13,6) oraz dominanty (10,0). Określ typ asymetrii rozkładu. 2 Wymień 3 cechy rozkładu Gauss
Bardziej szczegółowoTemat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1
Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT Anna Rajfura 1 Przykład wprowadzający Wiadomo, Ŝe 40% owoców ulega uszkodzeniu podczas pakowania automatycznego.
Bardziej szczegółowoWnioskowanie statystyczne. Statystyka w 5
Wnioskowanie statystyczne tatystyka w 5 Rozkłady statystyk z próby Próba losowa pobrana z populacji stanowi realizacje zmiennej losowej jak ciąg zmiennych losowych (X, X,... X ) niezależnych i mających
Bardziej szczegółowoRachunek 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 szczegółowoProgramowanie 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 szczegółowoWstęp do sieci neuronowych, wykład 11 Łańcuchy Markova
Wstęp do sieci neuronowych, wykład 11 Łańcuchy Markova M. Czoków, J. Piersa 2010-12-21 1 Definicja Własności Losowanie z rozkładu dyskretnego 2 3 Łańcuch Markova Definicja Własności Losowanie z rozkładu
Bardziej szczegółowoZMIENNE 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 szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoZapasy czasowe czynności
Zapasy czasowe czynności Na podstawie wyliczonych najwcześniejszych możliwych oraz najpóźniejszych dopuszczalnych momentów zajścia zdarzeń, można wyznaczyć zapasy czasu dla poszczególnych czynności przedsięwzięcia.
Bardziej szczegółowoZadania 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 szczegółowoStatystyka 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 szczegółowoTemat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1
Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT Anna Rajfura 1 Przykład wprowadzający Wiadomo, że 40% owoców ulega uszkodzeniu podczas pakowania automatycznego.
Bardziej szczegółowoZmienna losowa. Rozkład skokowy
Temat: Zmienna losowa. Rozkład skokowy Kody kolorów: żółty nowe pojęcie pomarańczowy uwaga * - materiał nadobowiązkowy Anna Rajfura, Matematyka i statystyka matematyczna na kierunku Rolnictwo SGGW 1 Zagadnienia
Bardziej szczegółowoZarządzanie 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 szczegółowoRÓWNOWAŻNOŚĆ 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 szczegółowog) wartość oczekiwaną (przeciętną) i wariancję zmiennej losowej K.
TEMAT 1: WYBRANE ROZKŁADY TYPU SKOKOWEGO ROZKŁAD DWUMIANOWY (BERNOULLIEGO) Zadanie 1-1 Prawdopodobieństwo nieprzekroczenia przez pewien zakład pracy dobowego limitu zużycia energii elektrycznej (bez konieczności
Bardziej szczegółowoAnaliza 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 szczegółowoTESTOWANIE HIPOTEZ STATYSTYCZNYCH
TETOWANIE HIPOTEZ TATYTYCZNYCH HIPOTEZA TATYTYCZNA przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Prawdziwość tego przypuszczenia jest oceniana na
Bardziej szczegółowoZawartość. Zawartość
Opr. dr inż. Grzegorz Biesok. Wer. 2.05 2011 Zawartość Zawartość 1. Rozkład normalny... 3 2. Rozkład normalny standardowy... 5 3. Obliczanie prawdopodobieństw dla zmiennych o rozkładzie norm. z parametrami
Bardziej szczegółowoOBLICZENIE 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 szczegółowoWybrane rozkłady zmiennych losowych. Statystyka
Wybrane rozkłady zmiennych losowych Statystyka Rozkład dwupunktowy Zmienna losowa przyjmuje tylko dwie wartości: wartość 1 z prawdopodobieństwem p i wartość 0 z prawdopodobieństwem 1- p x i p i 0 1-p 1
Bardziej szczegółowoTestowanie hipotez statystycznych. Wprowadzenie
Wrocław University of Technology Testowanie hipotez statystycznych. Wprowadzenie Jakub Tomczak Politechnika Wrocławska jakub.tomczak@pwr.edu.pl 10.04.2014 Pojęcia wstępne Populacja (statystyczna) zbiór,
Bardziej szczegółowoRozkłady statystyk z próby. Statystyka
Rozkłady statystyk z próby tatystyka Rozkłady statystyk z próby Próba losowa pobrana z populacji stanowi realizacje zmiennej losowej jak ciąg zmiennych losowych (X, X,... X ) niezależnych i mających ten
Bardziej szczegółowoSTATYSTYKA 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 szczegółowoTABLICE 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 szczegółowoSzeregowanie 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 szczegółowoZarządzanie 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 szczegółowo1 Obliczanie modeli sieciowych w funkcji środków
1 Obliczanie modeli sieciowych w funkcji środków Przykład zaczerpnięty z mojego podręcznika Harmonogramy sieciowe w robotach inżynierskich. Wydawnictwo SGGW 001 str. 77. 1.1 Założenia analizy środków oraz
Bardziej szczegółowoZmienne 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 szczegółowoWynik pomiaru jako zmienna losowa
Wynik pomiaru jako zmienna losowa Wynik pomiaru jako zmienna losowa Zmienne ciągłe i dyskretne Funkcja gęstości i dystrybuanta Wartość oczekiwana Momenty rozkładów Odchylenie standardowe Estymator zmiennej
Bardziej szczegółowo