Przykłady modeli systemowo-dynamicznych skonstruowanych za pomocą pakietu symulacyjnego Vensim PLE
|
|
- Alina Jastrzębska
- 8 lat temu
- Przeglądów:
Transkrypt
1 Przykłady modeli systemowodynamicznych skonstruowanych za pomocą pakietu symulacyjnego Vensim PLE 1. Modelowanie pętli sprzężeń zwrotnych w konwencji dynamiki systemowej Podstawową strukturę modeli systemowodynamicznych tworzą pętle sprzężenia zwrotnego. Dynamika systemów zakłada, że każda pętla sprzężenia zwrotnego zawiera zawsze dwa główne elementy: poziom i strumień. Oba te elementy są niezbędne i wystarczające do zbudowania pętli sprzężenia zwrotnego. Modelowany system może się składać z jednej lub więcej wzajemnie powiązanych pętli sprzężeń zwrotnych 1. Cechą dodatniego sprzężenia zwrotnego jest sterowanie akcją odpowiednio do aktualnych jej wyników, tak, że dodatni wynik akcji zwiększa intensywność dalszej akcji strumień zwiększa zawartość poziomu, co powoduje dalszy wzrost strumienia czyli akcji. System o strukturze sprzężenia zwrotnego dodatniego charakteryzuje ciągły wzrost poziomu akumulującego jej wyniki. Kapital (poziom) liczba kapitalizacji w roku odsetki stopa procentowa Odsetki (strumien) Kapital a) (1) Kapital = INTEG(odsetki,1000) (2) liczba kapitalizacji w roku = 1 (3) odsetki = (stopa procentowa* Kapital)/liczba kapitalizacji w roku (4) stopa procentowa = ,000 30,000 20,000 10,000 b) Kapitał Czas d) c) Rys. C.1. Model systemu ze sprzężeniem zwrotnym ujemnym wzrost wykładniczy 1 Szerzej na temat wpływu sprzężeń zwrotnych na zachowanie się systemu w punkcie podręcznika. 163
2 Przykładowo dopisanie odsetek (strumień ODSETKI) zwiększa poziom KAPITAŁ, co w rezultacie zwiększy przyszły strumień ODSETEK itd. (rys. C.1a). System o strukturze sprzężenia zwrotnego dodatniego charakteryzuje ciągły wzrost intensywności akcji oraz wzrost poziomu akumulującego jej wyniki. Wzrost ten ma charakter wykładniczy, niczym nieskrępowany (rys. C.1d). Rysunek C.1 prezentuje prosty model symulacyjny ilustrujący omawiany przypadek. Zamieszczono na nim schemat przyczynowoskutkowy modelu (a), schemat strukturalny w notacji graficznej pakietu symulacyjnego Vensim PLE (b), układ równań opisujących poszczególne elementy modelu (c) oraz wyniki symulacji dla poziomu KAPITAŁ (d). Cechą ujemnego sprzężenia zwrotnego jest porównywanie aktualnie osiągniętego wyniku akcji (czyli wielkości poziomu) z wynikiem, jaki jest pożądany (czyli normą) i wykorzystanie uzyskanej w trakcie porównania różnicy jako wielkości sterującej dalszą akcją (czyli natężeniem strumienia), tak, aby zbliżyć się do pożądanego wyniku (zob. rys. C.2a). wymagany wynik (norma) norma stan magazynu (poziom) (1) czas realizacji dostaw = 7 (2) Dostawy = (normastan magazynu)/czas realizacji dostaw (3) norma = 1000 (4) Stan magazynu = INTEG(Dostawy,500) a) c) dostawy towaru (strumien) towaru 1, czas realizacji dostaw Stan magazynu b) Stan magazynu Dostawy Czas d) Rys. C.2. Model systemu ze sprzężeniem zwrotnym ujemnym dążenie do celu Ogólną ideę tego sprzężenia przedstawia model uzupełniania zapasów w magazynie, którego schemat strukturalny pokazano na rys. C.2b. Sprzężenie to polega na współdziałaniu poziomu (STAN MAGAZYNU) i strumienia (DOSTAWY) w taki sposób, że strumień dopasowuje wielkość poziomu do wartości wymaganej (NORMA), jak przedstawiono to na 164
3 wykresie na rys. C.2d. Dodatkowo na rys. C.2.c zamieszczono układ równań opisujących poszczególne elementy modelu. Sprzężenia zwrotne podlegają stopniowaniu. O stopniu sprzężenia decyduje ilość poziomów znajdujących się w danej pętli. W omówionych przykładach mieliśmy do czynienia ze sprzężeniami zwrotnymi I stopnia, bowiem występował w nich tylko jeden poziom (KAPITAŁ, STAN MAGAZYNU). Wprowadzenie do pętli dodatkowych poziomów powiększa stopień sprzężenia. Zatem przy dwóch poziomach w pętli mówimy o sprzężeniu zwrotnym II rzędu, przy trzech o III rzędu itd., przy czym każdy wyższy stopień wykazuje zachowania podobne do sprzężenia zwrotnego II rzędu. II rząd sprzężenia zostanie omówiony na przykładzie rozbudowanego modelu uzupełnień stanu magazynu. Układ taki uzyskamy, jeśli założymy, że dostarczenie towarów uzupełniających stan magazynu wymaga pośrednictwa transportu (co zresztą zgodne jest z rzeczywistością). Schemat strukturalny tak pomyślanego systemu, równania do modelu oraz wykres ukazujący zachowanie się zmiennej w systemie ze sprzężeniem zwrotnym ujemnym II stopnia przedstawia rys. C.3. norma zamowienia Towary w drodze Dostawy Stan magazynu czas realizacji zamowien czas transportu czas potrzebny na wydanie towaru Wydanie towaru z magazynu (1) czas potrzebny na wydanie towaru= 25 (2) czas realizacji zamowien=10 (3) czas transportu=15 (4) Dostawy = Towary w drodze/czas transportu (5) norma = 1000 (6) Stan magazynu = INTEG(DostawyWydanie towaru z magazynu,500) (7) Towary w drodze = INTEG(zamowienia Dostawy,0) (8) Wydanie towaru z magazynu = Stan magazynu/ czas potrzebny na wydanie towaru (9) zamowienia = (normastan magazynu)/ czas realizacji zamowien 2,000 1,500 1,000 b) Towary w drodze 500 a) Rys. C.3. Model systemu ze sprzężeniem zwrotnym ujemnym wzrost wykładniczy c) 165
4 W tym systemie różnica pomiędzy normą a stanem magazynu jest podstawą do zamówienia towarów. Towary po pewnym czasie (CZAS REALIZACJI ZAMÓWIENIA) znajdą się w drodze do magazynu (TOWARY W DRODZE), a następnie przez strumień dostaw w magazynie (STAN MAGAZYNU). Wprowadzenie dodatkowego poziomu w pętlę sprzężenia zwrotnego ujemnego (a tym samym podniesienie rzędu sprzężenia) zmienia w istotny sposób zachowanie się systemu. Ma ono teraz charakter oscylacyjny, jak pokazano na wykresie. Zadania: 1) Narysować schematy przyczynowoskutkowe do omówionych modeli w jednym pliku za pomocą pakietu symulacyjnego Vensim PLE. 2) Narysować diagramy strukturalne modeli (każdy w odrębnym pliku). 3) Opisać równaniami poszczególne elementy modeli oraz dokonać symulacji (dla parametrów sterujących przebiegiem symulacji przyjąć ustawienia domyślne). 4) Dla każdego modelu zdefiniować wykresy użytkownika przedstawiające kształtowanie się wartości poziomów modelu. 2. Model organizacji prac projektowych Prezentowany model organizacji prac projektowych może być wykorzystywany do projektowania prac różnego typu, np. można za jego pomocą zasymulować nawet umycie samochodu, czy też wszelkie prace domowe, ale również bardziej skomplikowane projekty (np. architektoniczne, informatyczne itp.). Model jest prosty w swej strukturze i opisuje rdzeń projektowania wspólny dla wszelkiego rodzaju przedsięwzięć 2. Na rysunku C.4 przedstawiono schemat strukturalny modelu, natomiast tab. C.1. prezentuje równania dla poszczególnych elementów modelu w kolejności alfabetycznej. Opisując elementy skończony projekt oraz strumień pracy wykorzystano funkcję standardową pakietu Vensim PLE: IF_THEN_ELSE. Jednostką czasu przyjęta za podstawę rozważań przy konstruowaniu omawianego modelu jest miesiąc. 2 Model ten został opisany na podstawie dokumentacji pakietu Vensim PLE for Windows Version 5.5 dostępnej w opcji HELP/VENSIM MANUALS (Tematy pomocy/contents/modelling Guide/Project Dynamics). 166
5 WST ĘPNA DEFINICJA PROJEKT U skonczony projekt Praca niewykonana strumien pracy Praca wykonana JAKOŚĆ PRACY Nieprzewidziane prace CZAS NA W YKRYCIE BŁĘDOW przyrost nieprzewidzianych prac Rys. C.4. Schemat strukturalny modelu organizacji prac projektowych Tab. C.1. Układ równań do modelu organizacji prac projektowych w języku symulacyjnym pakietu Vensim PLE Lp. Równanie elementu Jednostka miary 1 CZAS NA WYKRYCIE BŁĘDÓW = 3 miesiąc 2 JAKOŚĆ PRACY = Nieprzewidziane prace = INTEG(strumien pracy*(1jakość PRACY)przyrost nieprzewidzianych prac,0) rysunki 4 Praca niewykonana = INTEG(przyrost nieprzewidzianych prac strumien pracy, WSTĘPNA DEFINICJA PROJEKTU) rysunki 5 Praca wykonana = INTEG(strumień pracyprzyrost nieprzewidzianych prac, 0) rysunki 6 przyrost nieprzewidzianych prac = Nieprzewidziane prace/czas NA WYKRYCIE BŁĘDO rysunki/miesiąc 7 skończony projekt = IF THEN ELSE(Praca wykonana >= WSTĘPNA DEFINICJA PROJEKTU, 1,0) 8 strumień pracy = IF THEN ELSE(skończony projekt,0,100 rysunki/miesiąc 9 WSTĘPNA DEFINICJA PROJEKTU = 1000 rysunki Źródło: Opracowanie własne Zadania: 1) Narysować schemat strukturalny modelu za pomocą pakietu symulacyjnego Vensim PLE. Uwagi techniczne: (a) aby utworzyć strumień bez nazwy stanowiska decyzyjnego (przy poziomie Nieprzewidziane prace ) należy w momencie, gdy pokazuje się ramka do wprowadzenia tej nazwy, wcisnąć klawisz <ENTER>; (b) aby utworzyć pozałamywany strumień między poziomami Praca niewykonana i Praca wykonana, należy rozpocząć 167
6 rysowanie strumienia od poziomu Praca wykonana, następnie w miejscu, w którym ma się pojawić symbol stanowiska decyzyjnego (kokardka), trzymając wciśnięty klawisz <CTRL>, kliknąć prawym przyciskiem myszy. W miejscach załamania strumienia należy, trzymając wciśnięty klawisz <SHIFT>, kliknąć myszą. 2) Dokonać analizy strukturalnej modelu za pomocą stosownych narzędzi z pionowego paska. 3) Opisać elementy modelu równaniami. 4) Dokonać symulacji przyjmując następujące wartości dla parametrów sterujących przebiegiem obliczeń: TIME STEP=0.0625, FINAL TIME=24, INITIAL TIME=0, SAVEPER = TIME STEP. 5) Zdefiniować wykres użytkownika przedstawiający kształtowanie się wartości poziomów modelu. 3. Model wpływu ceny na liczbę nabywców Model wpływu ceny na liczbę nabywców odzwierciedla zależności między ceną produktu ustalaną przez firmę a popytem na ten produkt 3. Z obserwacji wynika, że nawet nieznaczny wzrost ceny powyżej pewnej wartości minimalnej powoduje gwałtowną redukcję liczby nabywców. Przy cenie ustalonej na poziomie średnim, liczba nabywców również jest średnią liczby nabywców. Gdy cena wzrasta powyżej swej wartości średniej liczba nabywców spada, ale wolniej. Można to zilustrować graficznie w sposób przedstawiony na rys. C.5. liczba nabywców średnia liczba nabywców średnia cena cena Rys. C.5. Zależność między ceną a liczbą nabywców produktu 3 Model ten został opisany na podstawie dokumentacji pakietu Vensim PLE for Windows Version dostępnej w opcji HELP/VENSIM MANUALS (Szukaj/Lookup Tables Example). 168
7 Na rysunku C.6 przedstawiono schemat strukturalny modelu, natomiast tab. C.2. prezentuje równania dla poszczególnych elementów modelu w kolejności alfabetycznej. Jednostką czasu przyjęta za podstawę rozważań przy konstruowaniu omawianego modelu jest miesiąc. przecietna ilosc nabywcow Cena wspolczynnik zmiany ceny zmiana ceny ilosc nabywcow wplyw wspolczynnika zmiany ceny na ilosc nabywcow przecietna cena tabela wplywu wspolczynnika zmiany ceny Rys. C.6. Model wpływu ceny na liczbę nabywców Tab. C.2. Układ równań do modelu wpływu ceny na liczbę nabywców w języku symulacyjnym pakietu Vensim PLE Lp. Równanie elementu Jednostka miary 1 Cena = INTEG(Zmiana ceny,100) PLN 2 Ilość nabywców = Wpływ współczynnika zmian ceny na ilość nabywców * Średnia ilość nabywców osoby 3 Średnia cena = 100 PLN 4 Średnia ilość nabywców = 5000 osoby 5 Wpływ współczynnika zmian ceny na ilość nabywców = Wplyw zmian ceny LOOKUP(Współczynnik zmian ceny) 6 Wpływ zmian ceny LOOKUP ([(0,0) (5,5)],(0,5),(0.5,2),(1,1),(2,0.5),(5,0) ) 7 Współczynnik zmian ceny = Cena/Średnia cena 8 zmiana ceny = RANDOM NORMAL(10, 10, 0, 5, 0) PLN/miesiąc Źródło: Opracowanie własne Opisując relację miedzy elementem Wpływ współczynnika zmian ceny na ilość nabywców a elementem Współczynnik zmian ceny wykorzystano możliwość tabelarycznego ujęcia zależności (zob. punkt ). Z założeń modelu wynika, że im większy współczynnik zmian ceny tym większy spadek nabywców. Zależność tę trudno opisać w postaci pewnej określonej funkcji matematycznej, natomiast przedstawienie jej w 169
8 postaci tabeli znacznie ułatwia zadanie. W tym celu używa się w modelu zapisów przedstawionych w tabeli C.2 w wierszach 5 i 6, przy czym Wpływ współczynnika zmian ceny na ilość nabywców jest tu zmienną zależną (Output), Współczynnik zmian ceny zmienną niezależną (Input) a Wpływ zmiany ceny LOOKUP to tabela, w której podane są konkretne wartości zmiennych zależnej i niezależnej. Zadania 1) Narysować schemat strukturalny modelu za pomocą pakietu symulacyjnego Vensim PLE i opisać równaniami poszczególne elementy modelu. 2) Dokonać symulacji modelu przyjmując wartości domyślne dla parametrów sterujących przebiegiem obliczeń. 3) Zdefiniować wykres użytkownika przedstawiający kształtowanie się wartości poziomu modelu. 4) Opracować dokumentację do modelu w MS Word zawierającą następujące elementy: (a) schemat strukturalny z opisem elementów modelu, (b) analiza strukturalna modelu, (c) listing równań, (d) wykres użytkownika z opisem zachowania się poziomu. 4. Model rozwoju firmy handlowej Autorem modelu rozwoju firmy handlowej jest J.W. Forrester 4. Model ten opisuje rozwój firmy uwarunkowany przez pętlę sprzężenia zwrotnego dodatniego występującego pomiędzy ilością sprzedawców, a ilością zamówień od klientów. Rozwój ten jest z drugiej strony limitowany poprzez istnienie pętli sprzężenia zwrotnego ujemnego angażującego poziom niezrealizowanych zamówień i ich efekt na ilość składanych zamówień przez klientów (zob. rys. C.7). Model ten jest stosunkowo prosty ale ukazuje ciekawe zachowania dynamiczne, które można uogólnić dla wszystkich rozwijających się firm. Na rysunku C.8 przedstawiono schemat strukturalny modelu, natomiast tab. C.3. prezentuje równania dla poszczególnych elementów modelu w kolejności alfabetycznej. Jednostką czasu przyjęta za podstawę rozważań przy konstruowaniu omawianego modelu jest miesiąc. 4 Forrester J.W.: Principles of System. The MIT Press, Cambridge, MA Opis modelu zaczerpnięto z: tekstu pomocy do pakietu Vensim PLE for Windows Version dostępnego w opcji HELP/VENSIM MANUALS (Szukaj/ Corporate Growth). 170
9 Tab. C.3. Układ równań do modelu rozwoju firmy handlowej w języku symulacyjnym pakietu Vensim PLE Lp. Równanie elementu Jednostka miary 1 budżet = zamówienia * DOCHÓD ZE SPRZEDAŻY dolary/miesiąc 2 CZAS NA ROZPOZNANIE OPÓŹNIENIA = 5 miesiąc 3 CZAS NA ZMIANĘ ZATRUDNIENIA = 20 miesiąc 4 DOCHÓD ZE SPRZEDAŻY = 10 dolary/sztuka 5 efektywność sprzedaży = NORMALNA EFEKTYWNOŚĆ sztuka/(miesiąc* SPRZEDAŻY * wpływ opóźnienia w dostawach osoba) 6 Niezrealizowane zamówienia = INTEG(przyjęte zamówienia realizacja zamówień, 8000) sztuka 7 NORMALNA EFEKTYWNOŚĆ SPRZEDAŻY = 350 sztuka/miesiąc/osoba 8 NORMALNA STOPA DOSTAW = 4000 sztuka/miesiąc 9 NORMALNE OPÓŹNIENIE W DOSTAWACH = 2 miesiąc 10 NORMALNY POZIOM NIEZREALIZOWANYCH ZAMÓWIEŃ = 8000 sztuka 11 Opóźnienie w dostawach = INTEG(zmiana opóźnienia w dostawach, 2) miesiąc 12 przyjęte zamówienia = zamówienia sztuka/miesiąc 13 realizacja zamówień = stopa dostaw sztuka/miesiąc 14 Sprzedawcy = INTEG(stopa zatrudniania netto, 10) osoba 15 stopa dostaw = NORMALNA STOPA DOSTAW * wpływ niezrealizowanych zamówień na stopę dostaw sztuka/miesiąc 16 stopa zatrudniania netto = (wskazana ilość sprzedawcow Sprzedawcy) / CZAS NA ZMIANĘ ZATRUDNIENIA osoba/miesiąc 17 WPŁYW ILOŚCI NIEZREALIZOWANYCH ZAMÓWIEŃ NA STOPĘ DOSTAW LOOKUP ([(0.8,0)(20,8)], (0.9,0), (1,1), (1.7,3.5), (2.3,4.3), (3.5,5), (6.3,5.6), (10,6), (20,6.5) ) 18 WPŁYW OPÓŹNIENIA W DOSTAWACH LOOKUP ([(0,0)(3,2)], (0,1.15), (0.5,1.1), (1,1),(1.5,0.75),(2,0.5),(2.5,0.35),(3,0.3) ) 19 wpływ niezrealizowanych zamówień na stopę dostaw = WPŁYW ILOŚCI NIEZREALIZOWANYCH ZAMÓWIEŃ NA STOPĘ DOSTAW LOOKUP (Niezrealizowane zamówienia / NORMALNY POZIOM NIEZREALIZOWANYCH ZAMÓWIEŃ) 20 wpływ opóźnienia w dostawach = WPŁYW OPÓŹNIENIA W DOSTAWACH LOOKUP (Opóźnienie w dostawach/normalne 21 OPÓŹNIENIE W DOSTAWACH) wskazana ilość sprzedawcow = budżet / WYNAGRODZENIE SPRZEDAWCY 22 WYNAGRODZENIE SPRZEDAWCY = 2000 osoba dolary/(osoba* miesiąc) 23 zagrażające opóźnienie w dostawach = Niezrealizowane zamówienia / stopa dostaw miesiąc 24 zamówienia = Sprzedawcy * efektywność sprzedaży sztuka/miesiąc 25 zmiana opóźnienia w dostawach = (zagrażające opóźnienie w dostawach Opóźnienie w dostawach) / CZAS NA ROZPOZNANIE OPÓŹNIENIA Źródło: Opracowanie własne 171
10 opoznienia w dostawach liczba ilosc zamowien od sprzedawcow klientow niezrealizowane zamowienia ilosc przyjetych zamowien Rys. C.7. Schemat przyczynowoskutkowy modelu rozwoju firmy handlowej NORMALNE OPOŹNIENIE W DOSTAW ACH WPŁYW OPOŹNIENIA W DOSTAWACH LOOKUP ( ) wpływ opoźnienia w dostawach Opoźnienie w dostawach CZAS NA ROZPOZNANIE OPOŹNIENIA stopa zatrudniania netto S przedawcy efektywność sp rzedaży zamowienia NORMALNA EFEKT YWNOŚĆ SPRZEDAŻY ( ) zmiana opoźnienia w dostawach zagrażające opoźnienie w dostawach CZAS NA ZMIANĘ ZAT RUDNIENIA wskazana ilość sprzedawcow budżet wpły w niezrealizowanych zamowien na stopę dostaw NORMALNY POZIOM N IEZREALIZOWANYCH ZAMOWIEN stopa dostaw WYNAGRODZENIE SPRZEDAWCY DOCHOD ZE SPRZEDAŻY ( ) WPŁYW ILOŚCI NIEZREALIZOW ANYCH ZAMOWIEN NA STOPĘ DOSTAW LOOKUP przyjęte zamowienia Niezrealizowane zamowienia realizacja zamowien NORMALNA STOPA DOSTAW Rys. C.8. Schemat strukturalny modelu rozwoju firmy handlowej Zadania: 1) Narysować schemat przyczynowoskutkowy modelu za pomocą pakietu symulacyjnego Vensim PLE (rys. C.7). 2) Narysować schemat strukturalny modelu i opisać równaniami poszczególne elementy modelu. 172
11 1) Dokonać symulacji modelu przyjmując następujące wartości dla parametrów sterujących przebiegiem obliczeń: FINAL TIME=100, INITIAL TIME=0, SAVEPER=TIME STEP, TIME STEP= ) Zdefiniować wykres użytkownika przedstawiający kształtowanie się wartości poziomów modelu. 3) Dokonać analizy wrażliwości poziomów modelu na zmiany wartości wybranego parametru (np. normalna efektywność sprzedaży ). Zdefiniować wykresy porównawcze ukazujące zachowanie się poziomów modelu na skutek przeprowadzonych zmian. 4) Dokonać zmian wartości parametru NORMALNA STOPA DOSTAW przy zastosowaniu funkcji standardowych STEP i RAMP. Przeprowadzić symulację dla każdego przypadku zapisując wyniki w odrębnym pliku. Zdefiniować wykresy porównawcze pokazujące wpływ wprowadzanych zakłóceń na kształtowanie się wartości poziomów modelu. 3) Opracować dokumentację do modelu w MS Word zawierającą następujące elementy: (a) schemat przyczynowoskutkowy z opisem zależności, (b) schemat strukturalny z opisem elementów modelu, (c) analiza strukturalna modelu, (d) listing równań, (e) wykres użytkownika z opisem zachowania się poziomu, (f) opis dokonanych w ćw eksperymentów symulacyjnych, (g) wykresy porównawcze przedstawiające wyniki eksperymentów z opisem. 5. Model procesu podejmowania decyzji Model procesu podejmowania decyzji jest bardzo ciekawy ze względu na to, że próbuje odzwierciedlić zjawisko całkowicie abstrakcyjne i indywidualne. W swej naturze zbliżony jest nieco do modelu organizacji prac projektowych. Wynika to z faktu, iż decyzję można również określić jako pewien typ projektu 5. Na rysunku C.9 przedstawiono schemat strukturalny modelu, natomiast tab. C.4. prezentuje równania dla poszczególnych elementów modelu w kolejności alfabetycznej. Jednostką czasu przyjęta za podstawę rozważań przy konstruowaniu omawianego modelu jest dzień. 5 Opis modelu zaczerpnięto z: tekstu pomocy do pakietu Vensim PLE for Windows Version dostępnego w opcji HELP/VENSIM MANUALS (Szukaj/ Procrastination). 173
12 informacje początkowe wszystkie informacje właściwa interp retacja danych wspołczynnik właściwej interp retacji danych wpły w stresu na właściwą interp retację danych Informacje właściwie zinterpretowane pożądana intensywność myślenia Czas na podjęcie decy zji wpły w ważności decyzji na stres błędna interp retacja danych intensywność myślenia <TIME STEP> Niewłaściwie zinterpretowane informacje przeciętny wspołczynnik właściwej interp retacji info Decy zja jest podjęta wkrywanie info błędnie zinterp retowanych min prog opoźnienia Czas na wykrycie błędow dane p ozostające do przemy ślenia stres pozostający czas tabela wp ływu stresu na interp retację danych normalny stres wpływ ograniczen czasowych na stres tabela wpły wu ograniczen czasowych wielkość decyzji Rys. C.9. Model procesu podejmowania decyzji Tab. C.4. Lp. Układ równań do modelu procesu podejmowania decyzji w języku symulacyjnym pakietu Vensim PLE Równanie elementu 1 błędna interpretacja danych = intensywność myślenia * ( 1 współczynnik właściwej interpretacji danych ) 2 Czas na podjęcie decyzji = 15 3 Czas na wykrycie błędow = 2 4 dane pozostające do przemyślenia = wielkość decyzji wszystkie informacje 5 Decyzja jest podjęta = INTEG( IF THEN ELSE(dane pozostające do przemyślenia < min próg opóźnienia,1/time STEP,0),0) 6 informacje początkowe = 0 7 Informacje właściwie zinterpretowane = INTEG( właściwa interpretacja danych, informacje początkowe ) Jednostka miary bajty/dzień dzień dzień bajty bajty bajty Komentarz Określa jaka część posiadanych informacji bywa błędnie interpretowana Czas, w którym powinno się podjąć decyzję (limit czasu) Czas potrzebny na wykrycie błędów popełnionych w trakcie przetwarzania informacji Informacje, które pozostają jeszcze do przemyślenia Wskaźnik informujący, że decyzja została właśnie podjęta Wstępna ilość przetwarzanej informacji Ilość danych, które zostały zinterpretowane poprawnie 8 intensywność myślenia = IF THEN bajty/dzień Intensywność, z jaką jest 174
13 Lp. Równanie elementu ELSE(Decyzja jest podjęta, 0, pożądana intensywność myślenia) 9 min próg opóźnienia = 1 10 Niewłaściwie zinterpretowane informacje = INTEG( błędna interpretacja danych wkrywanie info błędnie zinterpretowanych, informacje początkowe * ( 1 przeciętny współczynnik właściwej interpretacji info ) ) 11 normalny stres = pożądana intensywność myślenia = INITIAL(dane pozostające do przemyślenia/czas na podjęcie decyzji 13 pozostający czas = max(0,zidz(dane pozostające do przemyślenia min próg opóźnienia, intensywność myślenia)) 14 przeciętny współczynnik właściwej interpretacji info = stres = IF THEN ELSE(Decyzja jest podjęta,0, normalny stres * wpływ ważności decyzji na stres * wpływ ograniczeń czasowych na stres) 16 tabela wpływu ograniczeń czasowych ([(0,0)(10,4)], (0,3), (0.1,2), (0.2,1.5), (0.3,1.25), (0.4,1.1),(0.5,1),(0.6,0.95),(0.7,0.925),(0.8,0.9),(0.9,0.9),(10,0.9),(10,0.9) ) 17 tabela wpływu stresu na interpretację danych ([(0,0)(20,2)],(0,1.2), (2.5,1.1), (5,0.9), (7.5,0.6), (10,0.2),(11,0.12),(12.5,0.08),(20,0.05) ) 18 właściwa interpretacja danych = intensywność myślenia * współczynnik właściwej interpretacji danych Jednostka miary bajty bajty jednostki stresu) bajty/dzień dzień jednostki stresu) bajty/dzień Komentarz atakowany problem przez podejmującego decyzję Minimalny próg informacji, które pozostają do przemyślenia i uzasadniają dalsze opóźnienie w podjęciu decyzji Ilość informacji, które zostały zinterpretowane błędnie, ale jeszcze tego nie wykryto Przeciętny stres jaki wytwarza konieczność podjęcia decyzji o określonej ważności Intensywność z jaką powinien atakować decydent problem o określonej ważności Czas pozostający do podjęcia decyzji, jaki potrzebuje jeszcze decydent do przemyślenia danych. Zmienna ta nie jest zależna od limitów czasowych na podjęcie decyzji Współczynnik określający ułamek informacji jaka jest przeciętnie przetwarzana bez błędów i pomyłek Stres jakiemu podlega decydent Tabela wartości wpływu ograniczeń czasowych na stres Tabela wartości wpływu stresu na ilość informacji przetworzonych poprawnie Ilość danych przemyślanych i zinterpretowanych poprawnie 19 wielkość decyzji = 10 bajty Wielkość decyzji 20 wykrywanie info błędnie zinterpretowanych = Niewłaściwie zinterpretowane informacje / Czas na wykrycie błędow bajty/dzień 21 wpływ ograniczeń czasowych na stres = tabela wpływu ograniczeń czasowych (pozostający czas/czas na podjęcie decyzji ) Wykrywanie informacji błędnie zinterpretowanych i w związku z tym wymagających powtórnego przemyślenia Wpływ ograniczeń czasowych na stres jakiemu podlega decydent 175
14 Lp. Równanie elementu 22 wpływ stresu na właściwą interpretację danych = tabela wpływu stresu na interpretację danych ( stres/normalny stres ) 23 wpływ ważności decyzji na stres = 1 24 współczynnik właściwej interpretacji danych = przeciętny współczynnik właściwej interpretacji info * wpływ stresu na właściwą interpretację danych 25 wszystkie informacje = Informacje właściwie zinterpretowane Niewłaściwie zinterpretowane informacje Źródło: Opracowanie własne Jednostka miary bajty Komentarz Wpływ stresu na współczynnik właściwej interpretacji danych Wpływ ważności decyzji na stres jaki wytwarza konieczność podjęcia decyzji Współczynnik wyrażający ułamek informacji, która została poprawnie zinterpretowana Pełna ilość informacji z jakimi musi się zmierzyć decydent Zadania: 1) Narysować schemat strukturalny modelu za pomocą pakietu symulacyjnego Vensim PLE i opisać równaniami poszczególne elementy modelu. 2) Dokonać symulacji modelu przyjmując następujące wartości dla parametrów sterujących przebiegiem obliczeń: FINAL TIME = 100, INITIAL TIME = 0, SAVEPER = 0.5, TIME STEP = ) Zdefiniować wykres użytkownika przedstawiający kształtowanie się wartości poziomów modelu. 4) Dokonać analizy wrażliwości poziomów modelu na zmiany wartości trzech wybranych parametrów. Zdefiniować wykresy porównawcze ukazujące zachowanie się poziomów modelu na skutek przeprowadzonych zmian. Który z wybranych parametrów ma największy wpływ na zachowanie się poziomów modelu? 5) Opracować dokumentację do modelu w MS Word zawierającą następujące elementy: (a) schemat strukturalny z opisem elementów modelu, (b) analiza strukturalna modelu, (c) listing równań, (d) wykres użytkownika z opisem zachowania się poziomu, (e) opis dokonanych eksperymentów symulacyjnych, (f) wykresy porównawcze przedstawiające wyniki eksperymentów z opisem. 176
Rozdział 8. Pakiet symulacyjny VENSIM PLE 1
Rozdział 8. Pakiet symulacyjny VENSIM PLE 1 8.1. Ogólna charakterystyka pakietu Vensim PLE (Personal Learning Edition) to pakiet symulacyjny z modułem graficznym przeznaczony do wspomagania procesu modelowania
Bardziej szczegółowoPODSTAWY MODELOWANIA UKŁADÓW DYNAMICZNYCH W JĘZYKACH SYMULACYJNYCH
PODSTAWY MODELOWANIA UKŁADÓW DYNAMICZNYCH W JĘZYKACH SYMULACYJNYCH ( Na przykładzie POWERSIM) M. Berndt-Schreiber 1 Plan Zasady modelowania Obiekty symbole graficzne Dyskretyzacja modelowania Predefiniowane
Bardziej szczegółowoAnaliza zależności liniowych
Narzędzie do ustalenia, które zmienne są ważne dla Inwestora Analiza zależności liniowych Identyfikuje siłę i kierunek powiązania pomiędzy zmiennymi Umożliwia wybór zmiennych wpływających na giełdę Ustala
Bardziej szczegółowoInformatyka II stopień (I stopień / II stopień) Ogólnoakademicki (ogólno akademicki / praktyczny) Kierunkowy (podstawowy / kierunkowy / inny HES)
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013 Modelowanie Dynamiczne Procesów Biznesowych Dynamic Modeling of Business
Bardziej szczegółowoModelowanie matematyczne a eksperyment
Modelowanie matematyczne a eksperyment Budowanie modeli w środowisku Hildegard Urban-Woldron Ogólnopolska konferencja, 28.10. 2011, Warszawa Plan Budowanie modelu w środowisku Równania i wartości Uruchomienie
Bardziej szczegółowoetrader Pekao Podręcznik użytkownika Portfel inwestycyjny
etrader Pekao Podręcznik użytkownika Portfel inwestycyjny Spis treści 1. Okno Portfel... 3 1.1. Poziomy pasek zarządzania... 3 1.1.1. Lista rachunków... 4 1.1.2. Filtry... 4 1.1.3. Lista walut... 4 1.2.
Bardziej szczegółowoProgram V-SIM tworzenie plików video z przebiegu symulacji
Program V-SIM tworzenie plików video z przebiegu symulacji 1. Wprowadzenie Coraz częściej zdarza się, że zleceniodawca opinii prosi o dołączenie do opracowania pliku/ów Video z zarejestrowanym przebiegiem
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 szczegółowoInstrukcja obsługi programu Do-Exp
Instrukcja obsługi programu Do-Exp Autor: Wojciech Stark. Program został utworzony w ramach pracy dyplomowej na Wydziale Chemicznym Politechniki Warszawskiej. Instrukcja dotyczy programu Do-Exp w wersji
Bardziej szczegółowoII. STEROWANIE I REGULACJA AUTOMATYCZNA
II. STEROWANIE I REGULACJA AUTOMATYCZNA 1. STEROWANIE RĘCZNE W UKŁADZIE ZAMKNIĘTYM Schemat zamkniętego układu sterowania ręcznego przedstawia rysunek 1. Centralnym elementem układu jest obiekt sterowania
Bardziej szczegółowoREGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji
Statystyka i opracowanie danych Ćwiczenia 5 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ MODEL REGRESJI LINIOWEJ Analiza regresji
Bardziej szczegółowoREGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ
REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ Korelacja oznacza fakt współzależności zmiennych, czyli istnienie powiązania pomiędzy nimi. Siłę i kierunek powiązania określa się za pomocą współczynnika korelacji
Bardziej szczegółowoSpacery losowe generowanie realizacji procesu losowego
Spacery losowe generowanie realizacji procesu losowego Michał Krzemiński Streszczenie Omówimy metodę generowania trajektorii spacerów losowych (błądzenia losowego), tj. szczególnych procesów Markowa z
Bardziej szczegółowoZałóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb
Współzależność Załóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb (x i, y i ). Geometrycznie taką parę
Bardziej szczegółowoAnaliza sezonowości. Sezonowość może mieć charakter addytywny lub multiplikatywny
Analiza sezonowości Wiele zjawisk charakteryzuje się nie tylko trendem i wahaniami przypadkowymi, lecz także pewną sezonowością. Występowanie wahań sezonowych może mieć charakter kwartalny, miesięczny,
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 14. Inwestycje. dr Dagmara Mycielska dr hab. Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 14. Inwestycje dr Dagmara Mycielska dr hab. Joanna Siwińska - Gorzelak 2 Plan wykładu Inwestycje a oczekiwania. Neoklasyczna teoria inwestycji i co z niej wynika Teoria q Tobina
Bardziej szczegółowoBarometr Finansów Banków (BaFiB) propozycja badania koniunktury w sektorze bankowym
Jacek Batóg Uniwersytet Szczeciński Barometr Finansów Banków (BaFiB) propozycja badania koniunktury w sektorze bankowym Jednym z ważniejszych elementów każdej gospodarki jest system bankowy. Znaczenie
Bardziej szczegółowoWykład 3 - model produkcji i cen input-output (Model 2)
Wykład 3 - model produkcji i cen input-output (Model 2) 1 Wprowadzenie W ramach niniejszego wykładu opisujemy model 2, będący rozszerzeniem znanego z poprzedniego wykładu modelu 1. Rozszerzenie polega
Bardziej szczegółowoOPROGRAMOWANIE WSPOMAGAJĄCE ZARZĄDZANIE PROJEKTAMI. PLANOWANIE ZADAŃ I HARMONOGRAMÓW. WYKRESY GANTTA
OPROGRAMOWANIE WSPOMAGAJĄCE ZARZĄDZANIE PROJEKTAMI. PLANOWANIE ZADAŃ I HARMONOGRAMÓW. WYKRESY GANTTA Projekt to metoda na osiągnięcie celów organizacyjnych. Jest to zbiór powiązanych ze sobą, zmierzających
Bardziej szczegółowoRegresja linearyzowalna
1 z 5 2007-05-09 23:22 Medycyna Praktyczna - portal dla lekarzy Regresja linearyzowalna mgr Andrzej Stanisz z Zakładu Biostatystyki i Informatyki Medycznej Collegium Medicum UJ w Krakowie Data utworzenia:
Bardziej szczegółowoModelowanie bilansu energetycznego pomieszczeń (1)
Wydział Inżynierii Środowiska Politechnika Wrocławska Modelowanie bilansu energetycznego pomieszczeń (1) 2 / 7 Na czym polega ćwiczenie? Ćwiczenie polega na badaniu modelu nagrzewnicy wodnej i chłodnicy
Bardziej szczegółowoNotatki do tematu Metody poszukiwania rozwiązań jednokryterialnych problemów decyzyjnych metody dla zagadnień liniowego programowania matematycznego
Notatki do tematu Metody poszukiwania rozwiązań jednokryterialnych problemów decyzyjnych metody dla zagadnień liniowego programowania matematycznego część III Analiza rozwiązania uzyskanego metodą simpleksową
Bardziej szczegółowoAnaliza regresji - weryfikacja założeń
Medycyna Praktyczna - portal dla lekarzy Analiza regresji - weryfikacja założeń mgr Andrzej Stanisz z Zakładu Biostatystyki i Informatyki Medycznej Collegium Medicum UJ w Krakowie (Kierownik Zakładu: prof.
Bardziej szczegółowoModelowanie jako sposób opisu rzeczywistości. Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka
Modelowanie jako sposób opisu rzeczywistości Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka 2015 Wprowadzenie: Modelowanie i symulacja PROBLEM: Podstawowy problem z opisem otaczającej
Bardziej szczegółowoĆwiczenia Skopiować do swojego folderu plik cwiczenia-kl.ii.xls, a następnie zmienić jego nazwę na imię i nazwisko ucznia
Temat 23 : Poznajemy podstawy pracy w programie Excel. 1. Arkusz kalkulacyjny to: program przeznaczony do wykonywania różnego rodzaju obliczeń oraz prezentowania i analizowania ich wyników, utworzony (w
Bardziej szczegółowoInformatyzacja Przedsiębiorstw
Informatyzacja Przedsiębiorstw Microsoft Dynamics NAV 2013 Moduł finansowo-księgowy lab3 Strona 1 Plan zajęć 1 Definiowanie Arkuszy kont... 3 1.1 Definiowanie arkusza BILANS... 3 1.2 Zdefiniowanie arkusza
Bardziej szczegółowoOCENA EFEKTYWNOŚCI INWESTYCJI. Jerzy T. Skrzypek
OCENA EFEKTYWNOŚCI INWESTYCJI Jerzy T. Skrzypek 1 2 3 4 5 6 7 8 Analiza płynności Analiza rentowności Analiza zadłużenia Analiza sprawności działania Analiza majątku i źródeł finansowania Ocena efektywności
Bardziej szczegółowoWprowadzenie do analizy dyskryminacyjnej
Wprowadzenie do analizy dyskryminacyjnej Analiza dyskryminacyjna to zespół metod statystycznych używanych w celu znalezienia funkcji dyskryminacyjnej, która możliwie najlepiej charakteryzuje bądź rozdziela
Bardziej szczegółowoAutokształtów Autokształt AUTOKSZTAŁTY Wstaw Obraz Autokształty Autokształty GDYNIA 2009
szkolenie zespołu matematyczno-przyrodniczego W programach pakietu MS Office (Word, PowerPoint, Excel), zamiast importować grafikę, obrazki lub wykresy sami możemy je tworzyć przy użyciu Autokształtów.
Bardziej szczegółowoRobert Barański, AGH, KMIW MathScript and Formula Nodes v1.0
MathScript i Formula Nodes (MathScript and Formula Nodes) Formula Node w oprogramowaniu LabVIEW jest wygodnym, tekstowym węzłem, który można użyć do wykonywania skomplikowanych operacji matematycznych
Bardziej szczegółowoc - częstość narodzin drapieżników lub współczynnik przyrostu drapieżników,
SIMULINK 3 Zawartość Równanie Lotki-Volterry dwa słowa wstępu... 1 Potrzebne elementy... 2 Kosmetyka 1... 3 Łączenie elementów... 3 Kosmetyka 2... 6 Symulacja... 8 Do pobrania... 10 Równanie Lotki-Volterry
Bardziej szczegółowoKlasa 1 technikum. Poniżej przedstawiony został podział wymagań na poszczególne oceny szkolne:
Klasa 1 technikum Przedmiotowy system oceniania wraz z wymaganiami edukacyjnymi Wyróżnione zostały następujące wymagania programowe: konieczne (K), podstawowe (P), rozszerzające (R), dopełniające (D) i
Bardziej szczegółowoAutomatyka i sterowania
Automatyka i sterowania Układy regulacji Regulacja i sterowanie Przykłady regulacji i sterowania Funkcje realizowane przez automatykę: regulacja sterowanie zabezpieczenie optymalizacja Automatyka i sterowanie
Bardziej szczegółowoPrzyczynowa analiza rentowności na przykładzie przedsiębiorstwa z branży. półproduktów spożywczych
Roksana Kołata Dariusz Stronka Przyczynowa analiza rentowności na przykładzie przedsiębiorstwa z branży Wprowadzenie półproduktów spożywczych Dokonując analizy rentowności przedsiębiorstwa za pomocą wskaźników
Bardziej szczegółowoAnaliza korelacyjna i regresyjna
Podstawy Metrologii i Technik Eksperymentu Laboratorium Analiza korelacyjna i regresyjna Instrukcja do ćwiczenia nr 5 Zakład Miernictwa i Ochrony Atmosfery Wrocław, kwiecień 2014 Podstawy Metrologii i
Bardziej szczegółowoPrzy dokonywaniu analiz ekonomicznych, np. sprzedażowych, bardzo
Sprawdź, jak możesz przewidzieć wartość sprzedaży w nadchodzących okresach Prognozowanie w Excelu Systemy informatyczne w zarządzaniu 13/01 Przy dokonywaniu analiz ekonomicznych, np. sprzedażowych, bardzo
Bardziej szczegółowoRys 1 Schemat modelu masa- sprężyna- tłumik
Rys 1 Schemat modelu masa- sprężyna- tłumik gdzie: m-masa bloczka [kg], ẏ prędkośćbloczka [ m s ]. 3. W kolejnym energię potencjalną: gdzie: y- przemieszczenie bloczka [m], k- stała sprężystości, [N/m].
Bardziej szczegółowoSytuacja na rynku kredytowym. wyniki ankiety do przewodniczących komitetów kredytowych III kwartał 2018 r.
Sytuacja na rynku kredytowym wyniki ankiety do przewodniczących komitetów kredytowych III kwartał 2018 r. Sytuacja na rynku kredytowym wyniki ankiety do przewodniczących komitetów kredytowych III kwartał
Bardziej szczegółowoWykład 6: Analiza danych czasowych Wykresy, indeksy dynamiki
Wykład 6: Analiza danych czasowych Wykresy, indeksy dynamiki ... poczynając od XIV wieku zegar czynił nas najpierw stróżów czasu, następnie ciułaczy czasu, i wreszcie obecnie - niewolników czasu. W trakcie
Bardziej szczegółowoMODELE I MODELOWANIE
MODELE I MODELOWANIE Model układ materialny (np. makieta) lub układ abstrakcyjny (np..rysunki, opisy słowne, równania matematyczne). Model fizyczny (nominalny) opis procesów w obiekcie (fizycznych, również
Bardziej szczegółowoPoziom Obsługi Klienta
Poziom Obsługi Klienta Zadanie 1. Na podstawie przedstawionego poniżej profilu popytu na telefony komórkowe marki X w salonie firmowym jednego z operatorów sieci telefonii komórkowej, obserwowanego w czasie
Bardziej szczegółowoSytuacja na rynku kredytowym. wyniki ankiety do przewodniczących komitetów kredytowych IV kwartał 2018 r.
Sytuacja na rynku kredytowym wyniki ankiety do przewodniczących komitetów kredytowych IV kwartał 2018 r. Sytuacja na rynku kredytowym wyniki ankiety do przewodniczących komitetów kredytowych IV kwartał
Bardziej szczegółowoGranice ciągów liczbowych
Granice ciągów liczbowych Obliczyć z definicji granicę ciągu o wyrazie, gdzie jest pewną stałą liczbą. Definicja: granicą ciągu jest liczba, jeśli Sprawdzamy, czy i kiedy granica rozpatrywanego ciągu wynosi
Bardziej szczegółowoDodatek Solver Teoria Dodatek Solver jest częścią zestawu poleceń czasami zwaną narzędziami analizy typu co-jśli (analiza typu co, jeśli?
Dodatek Solver Teoria Dodatek Solver jest częścią zestawu poleceń czasami zwaną narzędziami analizy typu co-jśli (analiza typu co, jeśli? : Proces zmieniania wartości w komórkach w celu sprawdzenia, jak
Bardziej szczegółowoArkusz kalkulacyjny MS Excel 2010 PL.
Arkusz kalkulacyjny MS Excel 2010 PL. Microsoft Excel to aplikacja, która jest powszechnie używana w firmach i instytucjach, a także przez użytkowników domowych. Jej główne zastosowanie to dokonywanie
Bardziej szczegółowoS Y L A B U S P R Z E D M I O T U
"Z A T W I E R D Z A M Prof. dr hab. inż. Radosław TRĘBIŃSKI Dziekan Wydziału Mechatroniki i Lotnictwa Warszawa, dnia... NAZWA PRZEDMIOTU: Wersja anglojęzyczna: Kod przedmiotu: S Y L A B U S P R Z E D
Bardziej szczegółowoPlanowanie zagregowane SOP
Planowanie zagregowane SOP Przedmiot: Zarządzanie zasobami przedsiębiorstwa Moduł: 1/4 Opracował: mgr inż. Paweł Wojakowski Instytut Technologii Maszyn i Automatyzacji Produkcji Zakład Projektowania Procesów
Bardziej szczegółowoSterowanie 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 szczegółowoPLANOWANIE I OCENA PRZEDSIĘWZIĘĆ INWESTYCYJNYCH
Mariusz Próchniak Katedra Ekonomii II, SGH PLANOWANIE I OCENA PRZEDSIĘWZIĘĆ INWESTYCYJNYCH Ekonomia menedżerska 1 2 Wartość przyszła (FV future value) r roczna stopa procentowa B kwota pieniędzy, którą
Bardziej szczegółowoDopasowywanie modelu do danych
Tematyka wykładu dopasowanie modelu trendu do danych; wybrane rodzaje modeli trendu i ich właściwości; dopasowanie modeli do danych za pomocą narzędzi wykresów liniowych (wykresów rozrzutu) programu STATISTICA;
Bardziej szczegółowoNastępnie przypominamy (dla części studentów wprowadzamy) podstawowe pojęcia opisujące funkcje na poziomie rysunków i objaśnień.
Zadanie Należy zacząć od sprawdzenia, co studenci pamiętają ze szkoły średniej na temat funkcji jednej zmiennej. Na początek można narysować kilka krzywych na tle układu współrzędnych (funkcja gładka,
Bardziej szczegółowoWykład 5: Analiza dynamiki szeregów czasowych
Wykład 5: Analiza dynamiki szeregów czasowych ... poczynając od XIV wieku zegar czynił nas najpierw stróżów czasu, następnie ciułaczy czasu, i wreszcie obecnie - niewolników czasu. W trakcie tego procesu
Bardziej szczegółowoROZDZIAŁ 7 WPŁYW SZOKÓW GOSPODARCZYCH NA RYNEK PRACY W STREFIE EURO
Samer Masri ROZDZIAŁ 7 WPŁYW SZOKÓW GOSPODARCZYCH NA RYNEK PRACY W STREFIE EURO Najbardziej rewolucyjnym aspektem ogólnej teorii Keynesa 1 było jego jasne i niedwuznaczne przesłanie, że w odniesieniu do
Bardziej szczegółowoInstrukcja użytkownika Platforma Walutowa
Instrukcja użytkownika Platforma Walutowa Radomsko, Sierpień 2018 r. 1. Wstęp Platforma Walutowa ESBANK jest aplikacją internetową służącą do przeprowadzania transakcji walutowych. Do prawidłowego działania
Bardziej szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych. Wykład tutora na bazie wykładu prof. Marka Stankiewicza
Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Wykład tutora na bazie wykładu prof. Marka Stankiewicza Po co zajęcia w I Pracowni Fizycznej? 1. Obserwacja zjawisk i
Bardziej szczegółowoInformatyka w Zarządzaniu
F O R M U L A R Z E I F O R M A N T Y M S E X C E L Formanty formularza są prostsze w użyciu, gdyż nie wymagają pisania kodu w języku Visual Basic for Applications (VBA). Aby skorzystać z efektów działania
Bardziej szczegółowoetrader Pekao Podręcznik użytkownika Monitor transakcji
etrader Pekao Podręcznik użytkownika Monitor transakcji Spis treści 1. Opis okna... 3 2. Otwieranie okna... 3 3. Zawartość okna... 3 3.1 Poziomy pasek do zarządzania zawartością okna... 4 3.1.1. Lista
Bardziej szczegółowoMatematyka finansowa. Ćwiczenia ZPI. Ćwiczenia do wykładu Zarządzanie portfelem inwestycyjnym 1
Matematyka finansowa Ćwiczenia ZPI 1 Zadanie 1. Procent składany W banku A oprocentowanie lokat 4% przy kapitalizacji kwartalnej. W banku B oprocentowanie lokat 4,5% przy kapitalizacji miesięcznej. W banku
Bardziej szczegółowoRegulacja dwupołożeniowa (dwustawna)
Regulacja dwupołożeniowa (dwustawna) I. Wprowadzenie Regulacja dwustawna (dwupołożeniowa) jest często stosowaną metodą regulacji temperatury w urządzeniach grzejnictwa elektrycznego. Polega ona na cyklicznym
Bardziej szczegółowoRozdział 5: Style tekstu
5. STYLE TEKSTU Posługując się edytorem MS Word trudno nie korzystać z możliwości jaką daje szybkie formatowanie z użyciem stylów. Stylem określa się zestaw parametrów formatowych, któremu nadano określoną
Bardziej szczegółowoMathcad c.d. - Macierze, wykresy 3D, rozwiązywanie równań, pochodne i całki, animacje
Mathcad c.d. - Macierze, wykresy 3D, rozwiązywanie równań, pochodne i całki, animacje Opracował: Zbigniew Rudnicki Powtórka z poprzedniego wykładu 2 1 Dokument, regiony, klawisze: Dokument Mathcada realizuje
Bardziej szczegółowoZmiany cen nieruchomości w czasie
Inwestycje i ryzyko na rynku nieruchości Ewa Kusideł 1 Zmiany cen nieruchomości w czasie Dr Ewa Kusideł Inwestycje i ryzyko na rynku nieruchości 2 Analiza średnich zmian cen nieruchomości w czasie za pomocą
Bardziej szczegółowodr Bartłomiej Rokicki Katedra Makroekonomii i Teorii Handlu Zagranicznego Wydział Nauk Ekonomicznych UW
Katedra Makroekonomii i Teorii Handlu Zagranicznego Wydział Nauk Ekonomicznych UW Model klasyczny podstawowe założenia Podstawowe założenia modelu są dokładnie takie same jak w modelu klasycznym gospodarki
Bardziej szczegółowoWYDZIAŁ ELEKTROTECHNIKI, AUTOMATYKI I INFORMATYKI INSTYTUT AUTOMATYKI I INFORMATYKI KIERUNEK AUTOMATYKA I ROBOTYKA STUDIA STACJONARNE I STOPNIA
WYDZIAŁ ELEKTROTECHNIKI, AUTOMATYKI I INFORMATYKI INSTYTUT AUTOMATYKI I INFORMATYKI KIERUNEK AUTOMATYKA I ROBOTYKA STUDIA STACJONARNE I STOPNIA PRZEDMIOT : : LABORATORIUM PODSTAW AUTOMATYKI 9. Dobór nastaw
Bardziej szczegółowoZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO STATYSTYCZNA ANALIZA ZMIAN LICZBY HOTELI W POLSCE W LATACH 1995-2004
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 429 EKONOMICZNE PROBLEMY TURYSTYKI NR 7 2006 RAFAŁ CZYŻYCKI, MARCIN HUNDERT, RAFAŁ KLÓSKA STATYSTYCZNA ANALIZA ZMIAN LICZBY HOTELI W POLSCE W LATACH 1995-2004
Bardziej szczegółowoZastosowania liniowe wzmacniaczy operacyjnych
UKŁADY ELEKTRONICZNE Instrukcja do ćwiczeń laboratoryjnych Zastosowania liniowe wzmacniaczy operacyjnych Laboratorium Układów Elektronicznych Poznań 2008 1. Cel i zakres ćwiczenia Celem ćwiczenia jest
Bardziej szczegółowo13. Równania różniczkowe - portrety fazowe
13. Równania różniczkowe - portrety fazowe Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie rzegorz Kosiorowski (Uniwersytet Ekonomiczny 13. wrównania Krakowie) różniczkowe - portrety fazowe 1 /
Bardziej szczegółowoPodstawy MATLABA, cd.
Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki Przetwarzanie Sygnałów Studia Podyplomowe, Automatyka i Robotyka Podstawy MATLABA, cd. 1. Wielomiany 1.1. Definiowanie
Bardziej szczegółowoEXCEL wprowadzenie Ćwiczenia
EXCEL wprowadzenie Ćwiczenia 1. Nadaj nazwę arkuszowi Ćwiczenie 1 W lewej, dolnej części okna programu znajdują się nazwy otwartych arkuszy programu (Arkusz 1..). Zmiana nazwy, w tym celu należy kliknąć
Bardziej szczegółowoWykład 4 Przebieg zmienności funkcji. Badanie dziedziny oraz wyznaczanie granic funkcji poznaliśmy na poprzednich wykładach.
Wykład Przebieg zmienności funkcji. Celem badania przebiegu zmienności funkcji y = f() jest poznanie ważnych własności tej funkcji na podstawie jej wzoru. Efekty badania pozwalają naszkicować wykres badanej
Bardziej szczegółowo1. Wybierz polecenie rysowania linii, np. poprzez kliknięcie ikony W wierszu poleceń pojawi się pytanie o punkt początkowy rysowanej linii:
Uruchom program AutoCAD 2012. Utwórz nowy plik wykorzystując szablon acadiso.dwt. 2 Linia Odcinek linii prostej jest jednym z podstawowych elementów wykorzystywanych podczas tworzenia rysunku. Funkcję
Bardziej szczegółowoSzkice rozwiązań z R:
Szkice rozwiązań z R: Zadanie 1. Założono doświadczenie farmakologiczne. Obserwowano przyrost wagi ciała (przyrost [gram]) przy zadanych dawkach trzech preparatów (dawka.a, dawka.b, dawka.c). Obiektami
Bardziej szczegółowo5. Model sezonowości i autoregresji zmiennej prognozowanej
5. Model sezonowości i autoregresji zmiennej prognozowanej 1. Model Sezonowości kwartalnej i autoregresji zmiennej prognozowanej (rząd istotnej autokorelacji K = 1) Szacowana postać: y = c Q + ρ y, t =
Bardziej szczegółowoRozdział 7. Drukowanie
Rozdział 7. Drukowanie Ćwiczenia zawarte w tym rozdziale ułatwią zainstalowania w komputerze drukarki, prawidłowe jej skonfigurowanie i nadanie praw do drukowania poszczególnym uŝytkownikom. Baza sterowników
Bardziej szczegółowoZad.2. Korelacja - szukanie zależności.
Ćw. III. MSExcel obliczenia zarządcze Spis zagadnień: Funkcje statystyczne Funkcje finansowe Tworzenie prognoz Scenariusze >>>Otwórz plik: excel_02.xls> przejdź do arkusza
Bardziej szczegółowoWykład 4 Związki i zależności
Wykład 4 Związki i zależności Rozważmy: Dane z dwiema lub więcej zmiennymi Zagadnienia do omówienia: Zmienne objaśniające i zmienne odpowiedzi Wykres punktowy Korelacja Prosta regresji Słownictwo: Zmienna
Bardziej szczegółowozdarzeniowe i strukturalne. rok akademicki 2013/2014 autor: dr inż. Andrzej J. Zmysłowski Imię Nazwisko... stronica 1 z 13 L.p. Treść pytania Punkty
Imię Nazwisko... stronica 1 z 13 1. Wymienić kategorie w/g Arystotelesa. 10 2. Uzasadnić przejście od kategorii Stosunku do kategorii Postaci. 20 3. Opisać kategorię Substancji 1. 20 4. Opisać kategorię
Bardziej szczegółowoModelowanie procesów współbieżnych
Modelowanie procesów współbieżnych dr inż. Maciej Piotrowicz Katedra Mikroelektroniki i Technik Informatycznych PŁ piotrowi@dmcs.p.lodz.pl http://fiona.dmcs.pl/~piotrowi -> Modelowanie... Literatura M.
Bardziej szczegółowoOcena kondycji finansowej organizacji
Ocena kondycji finansowej organizacji 1 2 3 4 5 6 7 8 Analiza płynności Analiza rentowności Analiza zadłużenia Analiza sprawności działania Analiza majątku i źródeł finansowania Ocena efektywności projektów
Bardziej szczegółowoImport danych w formacie txt
Przewodnik Inżyniera Nr 27 Aktualizacja: 06/2017 Import danych w formacie txt Program powiązany: Fundament bezpośredni Plik GEO5: Demo_manual_27_1.gpa (przykład przygotowany do importu danych) Demo_manual_27_2.gpa
Bardziej szczegółowoZawartość. Wstęp. Moduł Rozbiórki. Wstęp Instalacja Konfiguracja Uruchomienie i praca z raportem... 6
Zawartość Wstęp... 1 Instalacja... 2 Konfiguracja... 2 Uruchomienie i praca z raportem... 6 Wstęp Rozwiązanie przygotowane z myślą o użytkownikach którzy potrzebują narzędzie do podziału, rozkładu, rozbiórki
Bardziej szczegółowoModelowanie części w kontekście złożenia
Modelowanie części w kontekście złożenia W rozdziale zostanie przedstawiona idea projektowania części na prostym przykładzie oraz zastosowanie projektowania w kontekście złożenia do wykonania komponentu
Bardziej szczegółowo7.4 Automatyczne stawianie prognoz
szeregów czasowych za pomocą pakietu SPSS Następnie korzystamy z menu DANE WYBIERZ OBSERWACJE i wybieramy opcję WSZYSTKIE OBSERWACJE (wówczas wszystkie obserwacje są aktywne). Wreszcie wybieramy z menu
Bardziej szczegółowoAnaliza składowych głównych. Wprowadzenie
Wprowadzenie jest techniką redukcji wymiaru. Składowe główne zostały po raz pierwszy zaproponowane przez Pearsona(1901), a następnie rozwinięte przez Hotellinga (1933). jest zaliczana do systemów uczących
Bardziej szczegółowoRegresja logistyczna (LOGISTIC)
Zmienna zależna: Wybór opcji zachodniej w polityce zagranicznej (kodowana jako tak, 0 nie) Zmienne niezależne: wiedza o Unii Europejskiej (WIEDZA), zamieszkiwanie w regionie zachodnim (ZACH) lub wschodnim
Bardziej szczegółowoFunkcja liniowa - podsumowanie
Funkcja liniowa - podsumowanie 1. Funkcja - wprowadzenie Założenie wyjściowe: Rozpatrywana będzie funkcja opisana w dwuwymiarowym układzie współrzędnych X. Oś X nazywana jest osią odciętych (oś zmiennych
Bardziej szczegółowoZARZĄDZANIE PROCESAMI I PROJEKTAMI. Zakres projektu. dr inż. ADAM KOLIŃSKI ZARZĄDZANIE PROCESAMI I PROJEKTAMI. Zakres projektu. dr inż.
1 ZARZĄDZANIE PROCESAMI I PROJEKTAMI 2 ZAKRES PROJEKTU 1. Ogólna specyfika procesów zachodzących w przedsiębiorstwie 2. Opracowanie ogólnego schematu procesów zachodzących w przedsiębiorstwie za pomocą
Bardziej szczegółowoPubliczna Szkoła Podstawowa nr 14 w Opolu. Edukacyjna Wartość Dodana
Publiczna Szkoła Podstawowa nr 14 w Opolu Edukacyjna Wartość Dodana rok szkolny 2014/2015 Edukacyjna Wartość Dodana (EWD) jest miarą efektywności nauczania dla szkoły i uczniów, którzy do danej placówki
Bardziej szczegółowoTemat: Arkusze kalkulacyjne. Program Microsoft Office Excel. Podstawy
Temat: Arkusze kalkulacyjne. Program Microsoft Office Excel. Podstawy Arkusz kalkulacyjny to program przeznaczony do wykonywania różnego rodzaju obliczeń oraz prezentowania i analizowania ich wyników.
Bardziej szczegółowoInstrukcja użytkownika Platformy Walutowej
Instrukcja użytkownika Platformy Walutowej Metryka dokumentu Wersja Data Zmiany 1.0 2017-03-27 Wersja inicjalna dokumentu 1.1 2017-03-28 Opisanie logowania dwuetapowego, drobne poprawki językowe 1.2 2018-06-18
Bardziej szczegółowoSCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie.
SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:
Bardziej szczegółowoPrzed rozpoczęciem pracy otwórz nowy plik (Ctrl +N) wykorzystując szablon acadiso.dwt
Przed rozpoczęciem pracy otwórz nowy plik (Ctrl +N) wykorzystując szablon acadiso.dwt Zadanie: Utwórz szablon rysunkowy składający się z: - warstw - tabelki rysunkowej w postaci bloku (według wzoru poniżej)
Bardziej szczegółowoĆwiczenie 3: Rysowanie obiektów w programie AutoCAD 2010
Ćwiczenie 3: Rysowanie obiektów w programie AutoCAD 2010 1 Przeznaczone dla: nowych użytkowników programu AutoCAD Wymagania wstępne: brak Czas wymagany do wykonania: 15 minut W tym ćwiczeniu Lekcje zawarte
Bardziej szczegółowoTematy lekcji informatyki klasa 4a listopad 2012
Tematy lekcji informatyki klasa 4a listopad 2012 temat 4. z podręcznika (str. 42-48); Czym jest i do czego służy system operacyjny? 10, 11 Działanie komputera i sieci komputerowej pytania 8-12 (str. 46);
Bardziej szczegółowoWYMAGANIA DOTYCZĄCE ZALICZENIA ZAJĘĆ
Nazwa przedmiotu: Techniki symulacji Kod przedmiotu: ES1C300 015 Forma zajęć: pracownia specjalistyczna Kierunek: elektrotechnika Rodzaj studiów: stacjonarne, I stopnia (inŝynierskie) Semestr studiów:
Bardziej szczegółowoStatystyka. Wykład 8. Magdalena Alama-Bućko. 10 kwietnia Magdalena Alama-Bućko Statystyka 10 kwietnia / 31
Statystyka Wykład 8 Magdalena Alama-Bućko 10 kwietnia 2017 Magdalena Alama-Bućko Statystyka 10 kwietnia 2017 1 / 31 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
Bardziej szczegółowoPo co w ogóle prognozujemy?
Po co w ogóle prognozujemy? Pojęcie prognozy: racjonalne, naukowe przewidywanie przyszłych zdarzeń stwierdzenie odnoszącym się do określonej przyszłości formułowanym z wykorzystaniem metod naukowym, weryfikowalnym
Bardziej szczegółowoDodawanie grafiki i obiektów
Dodawanie grafiki i obiektów Word nie jest edytorem obiektów graficznych, ale oferuje kilka opcji, dzięki którym można dokonywać niewielkich zmian w rysunku. W Wordzie możesz zmieniać rozmiar obiektu graficznego,
Bardziej szczegółowoMetody symulacji komputerowych Modelowanie systemów technicznych
Metody symulacji komputerowych Modelowanie systemów technicznych dr inż. Ryszard Myhan Katedra Inżynierii Procesów Rolniczych Program przedmiotu Lp. Temat Zakres 1. Wprowadzenie do teorii systemów Definicje
Bardziej szczegółowo