AGH, Wydział Elektrotechniki, Automatyki Informatyki i Elektroniki Katedra Automatyki METODY OPTYMALIZACJI. Wojciech Grega
|
|
- Dariusz Górski
- 7 lat temu
- Przeglądów:
Transkrypt
1 AGH, Wydział Elektrotechiki, Automatyki Iformatyki i Elektroiki Katedra Automatyki METODY OPTYMALIZACJI Wojciech Grega Kraków, 6
2 . Wykład I. Problemy optymalizacji: formułowaie, klasyfikacja, przykłady. Wprowadzeie Z problemem poszukiwaia optymalego rozwiązaia spotykamy się w liczych dziedziach współczesej auki, techiki i ekoomii. Iżyier budowictwa optymalizuje strukturę budyku i parametry materiałów budowlaych tak, aby uzyskać kostrukcję bezpieczą i taią. Doradca fiasowy spośród różych możliwości zaiwestowaia kapitału swojego klieta, wybiera te, które maksymalizują zysk, utrzymując ryzyko strat poiżej akceptowalego poziomu. Programista maipulatora przemysłowego ustala trajektorię ruchu jego końcówki, tak aby osiągęła oa swój cel w ajkrótszym czasie, omijając przy tym przeszkody. Badacz poszukuje fukcji matematyczej, która w ajlepszy sposób przybliża zebrae podczas eksperymetu dae. Każdy z tych problemów moża (a ogół) sformułować w sposób ścisły jako zadaie optymalizacji, jeśli tylko potrafimy sprecyzować trzy elemety: model zjawiska z wyróżioymi zmieymi decyzyjymi, fukcję celu zwaą też kryterium jakości - oraz ograiczeia. Motywację do rozwiązywaia metod optymalizacji ajlepiej podsumowuje poiższy cytat: Dążeie człowieka do perfekcji zajduje swój wyraz w optymalizacji. Zajmuje się oa tym, jak opisać i osiągąć Najlepsze, gdy wiemy już jak mierzyć i zmieiać Dobre i Złe. (Beightler, Philips, 979: Foudatios of Optimizatio) W roku 997 w czasopismach matematyczych odotowao roczicę - lat owożytej teorii optymalizacji, w związku z rozwiązaiem tzw. problemu brachistochroy i iymi pioierskimi pracami matematyków i fizyków XVII wieku. Jedak problematyka optymalizacji jest iemal tak stara jak historia cywilizacji. Poiżej przedstawioo krótkie zestawieie ajważiejszych wydarzeń istotych dla rozwoju tej dziedziy wiedzy oraz azwiska uczoych, których wkład w rozwój tej dziedziy jest uważay za waży. Wergiliusz (poeta rzymski 7-9 p.. Chr.) w poemacie Eeida opisuje historię założeia Kartagiy (85 p..chr.). Wśród waruków postawioych przez bogów założycielom miasta, zalazł się i taki: zaleźć optymalą krzywą zarys murów miasta o ograiczoej długości - która zawrze maksymalą powierzchię miasta. Wykład I - -
3 W roku 697 Joha Beroulli ogłosił kokurs a rozwiązaie problemu brachistochroy (gr.): zaleźć krzywą a płaszczyźie, łączącą dwa pukty A i B ie leżące w pioie, wzdłuż której pukt materialy poruszający się pod działaiem siły ciężkości przebywa drogę w ajkrótszym czasie. Na kokurs wpłyęło sześć prawidłowych rozwiązań od astępujących matematyków i fizyków: Leibitza, Johaa Beroulliego, Jakub Beroulliego, Newtoa, l Hopitala, Tschirhausa. A? B Rys.. Problem brachistochroy (Rozwiązaie: łuk cykloidy) Początki rachuku wariacyjego związae sa z takimi azwiskami, jak: Lagrage (76-8), Hamilto (85-865), Weierstrass (85-897), Potryagi, Od roku 99 datują się współczese metody optymalizacji. Ich rozwój był stymuloway problemami logistyki związaymi z plaowaiem wielkich operacji trasportowych i desatowych w czasie II wojy światowej. Zaistiała wtedy dziedzia badań operacyjych, a wśród, jak programowaie liiowe (Datzig), programowaie całkowitoliczbowe (optymaly wybór spośród skończoej liczby decyzji: Cabot, Balas), i po wojie rozwój teorii programowaia ieliiowego (Kuh,Tucker,Geoffrio), W latach pięćdziesiątych rozwój obliczeń komputerowych spowodował wzrost zaiteresowaia algorytmami umeryczymi (Powell, Rose, Fletcher), w tym także tzw. programowaiem dyamiczym, co było efektem zaiteresowaia procesami z pamięcią (Bellma, Riccati). Badaia kosmicze i rywalizacja w tej dziedziie pomiędzy USA i ZSRR stały się silą motywacją dla rozwoju metod optymalizacji. Było to związae z optymalizacją kostrukcji rakiet oraz problemami sterowaia lotem w stratosferze i w przestrzei kosmiczej. W wielu przypadkach rozwiązaie zadaia optymalego sterowaia ciągiem silików, było jedyym sposobem połączeia obiektów a orbicie, przy ograiczeiach ciągu i zasobów paliwa. Dążeie do optymalizacja procesów ekoomiczych, takich jak problemy alokacji produkcji, optymaly skład portfela iwestycyjego, problemy wielkich (ag. large scale) orgaizmów ekoomiczych stały się motywacja do rozwoju metod dekompozycji (Lasdo, Fideise, 97-8)) Wykład I - -
4 W roku 975 Joh Hollad a Uiersytecie w Michiga opublikował pracę Adaptatio i Natural ad Artifical Systems. Praca ta, przez pewie czas zapomiaa, w latach dziewięćdziesiątych została uzaa za początek ewolucji podejścia do rozwiązywaia problemów optymalizacji ( softcomputig ). Podsumowując rozwój tej dziedziy wiedzy moża wyróżić: Okres I: Aalitycze metody klasycze, czyli metody górskiej wspiaczki : modele stworzoe przez matematyków XVII-XIX wieku: ieskażoy świat kwadratowych fukcji celu i wszechobecych pochodych. Dawały możliwości ścisłego rozwiązywaia problemów akademickich. Okres II: Oddzieleie się dziedziy optymalizacji i jej podział a zagadieia szczegółowe. Rozwój obliczeń komputerowych: modyfikacje metod klasyczych oraz algorytmizacja obliczeń umożliwiały zastosowaie do praktyczych problemów auki i techiki, w tym do fukcji ieaalityczych. Okres III: Softcomputig, czyli metody odpore a złożoość modelu procesu: algorytmy ewolucyje, geetycze, sieci euroowe (rys..)..x.y F = e π si( 4x) e π si( y) x,π y, π.5 maksimum globale Rys.. Przykład zadaia wymagającego podejścia odporego. Bibliografia i ie źródła Spis literatury jest poday a końcu iiejszego opracowaia. Zawiera o w pierwszej kolejości podręcziki akademickie, związae z materiałem zawartym w tej książce. Bogatym źródłem materiałów, w tym oprogramowaia wspomagającego rozwiązywaie zadań optymalizacji, jest Iteret (rys..). Wykład I - 4 -
5 Rys.. Przykład stroy www poświęcoej optymalizacji ( Ie dostępe w roku 6 i warte odwiedzeia miejsca w Iterecie: NEOS Optimizatio Serer Optimizatio Olie Mathematical Programmig Glossary Decisio Tree for Optimizatio Software Wykład I - 5 -
6 . Formułowaie zadań optymalizacji Elemetare zadaie optymalizacji ilustruje rysuek.4. Poszukujemy puktów ekstremalych fukcji celu F ( x, y), traktując x, y jako zmiee decyzyje, które mogą zmieiać się w określoym zbiorze dopuszczalym. Ogóliej, zadaie optymalizacji będzie zawierało (rys..5): maks F(x) y zbiór rozwiązań dopuszczalych x mi Rys..4 Podstawowe pytaie optymalizacji: Jak realizować proces w ajlepszy sposób?, (x) F - ocea jakości, x,y zmiee decyzyje Wykład I - 6 -
7 Proces Model x F,X, algorytm xˆ Rys..5 Formułowaie i rozwiązywaie zadaia optymalizacji Model: opis matematyczy procesu, którym może być: zjawisko fizycze, proces techologiczy, system ekoomiczy, system produkcji, trasportu, układ regulacji itp... Model wiie być sformułoway w specyficzy sposób, zawierając i precyzując: x - zmiee decyzyje ("maipulacyje"), F (x) - oceę jakości (fukcję (-e) celu, kryterium jakości..), X - zbiór rozwiązań dopuszczalych, X - przestrzeń rozwiązań i pozwalając w wyiku zastosowaia odpowiediej procedury (algorytmu umeryczego) uzyskać: xˆ - rozwiązaie, czyli optymalą w sesie przyjętego kryterium wartość zmieej decyzyjej. W dalszym ciągu będziemy się zajmowali problemami optymalizacji, które moża przedstawić jako zadaie stadardowe: mi{ F( x)} (.) x X X Jak będzie pokazae późiej, zadaia poszukiwaia maksimum moża sprowadzić do zadaia miimalizacji poprzez zmiaę zaku fukcji celu. Wykład I - 7 -
8 .4 Przegląd zadań i algorytmów optymalizacji Dążąc do klasyfikacji ajpierw zadań, a potem algorytmów optymalizacji, moża to uczyić ze względu a astępujące kategorie (rys..6, Tab..): Jaki problem (model procesu) jest dla as iteresujący: statyczy, dyamiczy, z ograiczeiami czy bez ograiczeń? Ile fukcji celu bierzemy pod uwagę (jedą, czy więcej)? Ile zmieych decyzyjych mamy do dyspozycji i w jakiej przestrzei rozwiązań są oe defiiowae (zmiee rzeczywiste, całkowitoliczbowe, biare)? Jakich daych o procesie może używać zastosowaa procedura (algorytm) optymalizacji: tylko wartości fukcji celu, gradietu fukcji (pierwszy rząd), pochodych drugiego rzędu? JEDNOKRYTERIALNE POLIOPTYMALIZCJA Optymalizacja globala Zadaia optymalizacji Statyczej Przekształceie do zadań rówoważych Dyamiczej Aproksymacja Bez ograiczeń Przekształceie do zadań rówoważych Z ograiczeiami Rówaia ieliiowe Optymalizacja sieci i grafów Programowaie liiowe R Z R :a kieruku Z Programowaie dyskrete R :a kieruku R Programowaie kwadratowe Rys..6 Podział zadań optymalizacji Wykład I - 8 -
9 Tab. Klasyfikacja algorytmów programowaia ieliiowego Rząd algorytmu Zerowego rzędu Pierwszego rzędu Drugiego rzędu Algorytmy programowaia ieliiowego Dla zadań bez Dla zadań z ograiczeiami ograiczeń Poszukiwaie -D Poszukiwaie - D Metody prymale złoty podział Mote Carlo Mote Carlo Gauss-Seidel Algorytmy geetycze Metoda Powella Metoda simplex Neldera - Meada Iterpolacja Najszybszy Metody kwadratowa spadek kieruków Metoda Newtoa Gradiet sprzężoy Metody quasi Newtoa BFGS, DFP Metoda Newtoa Gradiet sprzężoy (Hestees) dopuszczalych Gradiet zredukoway Metody fukcji kary Przekształceie do ciągu rówoważych zadań bez ograiczeń SQP Sequetial Quadratic programmig, SLP - Sequetial Liear programmig Metody duale Przekształceie do pary zadań (prymalego i dualego) rozwiązywaych a przemia Metody Lagrage a SQP SLP SQP- quasi- Newto SQP- Newto Dla zadaia stadardowego (.) moża określić poszczególe kategorie zadań optymalizacji, poprzez zdefiiowaie F ( x), X, X. A. Optymalizacja statycza A. Ciągłe zadaia programowaia (ZPN) A.. Bez ograiczeń F( x) : R R x X X X = X = R specjaly przypadek: poszukiwaie jedowymiarowe ( = ): Wykład I - 9 -
10 X = R Y = R F ( x) : R R A.. Z ograiczeiami X = g( x ) : { x : g( x ) =, h( x ) } R R m, h( x ) : R R p specjaly przypadek: ograiczeia proste (kostkowe): a x b A... Zadaia programowaia liiowego (PL). Samodziely kieruek badań operacyjych, z liczymi zastosowaiami w ekoomii i zarządzaiu. X = R Y = R F( x) = C X = T x { x : Ax b, x } A. Dyskrete zadaia programowaia (całkowitoliczbowe) X = Z Y = R R F( x) : Z R X = X (bez ograiczeń) lub X X (z ograiczeiami) specjaly przypadek programowaie biare: X = B Z B. Optymalizacja dyamicza, związaa z zastosowaiami w mechaice i automatyce X = H (przestrzeń fukcyja) Y = R F [ x( t) ]: H R X -więzy (fukcjoał) Dla każdego z wymieioych zadań moża sformułować zadaie optymalizacji wielokryterialej. Polioptymalizacja (zadaie p-kryteriale, optymalizacja statycza): Wykład I - -
11 X = R Y = R p F( x) : R R p = X R lub X X X = ograiczeiami)). (odpowiedio: zadaie polioptmalizacji bez ograiczeń (z.5 Oprogramowaie wspierające rozwiązywaie przykładów OPTIMIZATION TOOLBOX [xx] zawiera algorytmy optymalizacji fukcji liiowych i ieliiowych oraz ich zastosowaia takie, jak metoda ajmiejszych kwadratów lub rozwiązywaie układów rówań ieliiowych. Algorytmy te są dostarczae w formie 4 fukcji biblioteczych. Realizacja procedury obliczeiowej wymaga zdefiiowaia m-pliku (-ów) zawierających: wywołaie procedury (adrzędy) defiicję fukcji celu i ograiczeń ustaleie parametrów procedury obliczeiowej.6 Przykłady zadań optymalizacji Przykład.: Optymalizacja kostrukcji Trasport m chemikaliów musi być zrealizoway w szczelych, prostopadłościeych pojemikach (Rys..7). Góra A B B A x Do x x Rys..7 Pojemik a chemikalia Waruki kostrukcji pojemika są astępujące: - materiał a górą powierzchię kosztuje $/m, Wykład I - -
12 boki A kosztują $/m, - boki B i Do muszą być wykoae z odpadów, które ic ie kosztują, ale moża je użyć tylko w ilości m a pojemik, - trasport kosztuje $ od pojemika. Celem optymalizacji jest miimalizacja kosztów trasportu. Sformułowaie problemu Koszt jedego pojemika wyosi: + x x + x x Liczba pojemików wyosi: z = x x x Ogóly koszt wysyłki wyosi: Ograiczeia: xx x x x x, x + x x x x, x, Zadaie optymalizacji moża sformułować w sposób astępujący: mi xx x ( x x x ) X x x = { x, x, x : x, x, x, x x + x x, X R } Klasyfikacja zadaia: zadaie ieliiowe optymalizacji statyczej. Poiżej podao przykład kodu MATLABA rozwiązującego zadaie.. %Optymalizacja kształtu koteera % ustaleie parametrów algorytmu op=foptios; op()=; op()=.; op()=.; op xpocz=[6 6 ] % ograiczeia proste dogr=[...] gogr=[ ] % procedura adrzęda x=costr('koteer',xpocz,op,dogr,gogr) Wykład I - -
13 % defiicja fukcji celu i ograicze fuctio [f,g]=koteer(x) %fukcja celu; f=/(x()*x()*x())+4/x()+/x(); %ograiczeie g()=*x()*x()+x()*x()-; Wykład I - -
14 Przykład.: Optymalizacja portfela iwestycyjego Doradca iwestycyjy musi podjąć decyzje w co iwestować tak, aby stopa zwroty wyosiła przyajmiej procet i zmiimalizować ryzyko straty. Przez ostatie 6 lat tak się stopa zwrotu z czterech główych typów iwestycji przedstawiała się jak w tabeli.. Tabela.. Dae historycze dotyczące stopy zwrotu iwestycji Typ iwestycji Rocza stopa zwrotu Rok średia Akcję Blue chip Sektor paliwowy Nieruchomości Obligacje Sformułowaie problemu: Zmiee decyzyje przyjęto astępująco: x - procet kapitału zaiwestoway w akcje Blue chip, x - procet kapitału zaiwestoway w Paliwa, x - procet kapitału zaiwestoway w Nieruchomości, x 4 - procet kapitału zaiwestoway w Obligację. Celem jest osiągięcie określoego zysku przy zmiimalizowaiu ryzyka strat. Miarą ryzyka jest wielkość odchyleia stopy zwrotu od średiej wartości. Wariację iwestycji zdefiiowao astępująco: = ( jj r jk k= µ ) j gdzie: liczba obserwacji, r jk stopa zwrotu j-tej iwestycji dla k-tej obserwacji (w tym przypadku rok), µ j średia wartość j-tej iwestycji. Z defiicji wyika, że wariacja mierzy ryzyko tylko w obrębie jedego typu iwestycji. Aby zmierzyć ryzyko pomiędzy różymi iwestycjami, wprowadzamy kowariację pomiędzy iwestycjami i-tą a j-tą iwestycją: Wykład I - 4 -
15 ij = ik i jk µ j k= ( r µ )( r ) Zgodie z powyższymi defiicjami wyliczamy wartości i zapisujemy w postaci macierzy kowariacji. V = = Korzystając z macierzy kowariacji ryzyko iwestycji zapisujemy w astępujący sposób: Ryzyko = x T Vx = [ x x x x ] x x x.597 x Ograiczeia zadaia formułujemy astępująco. W związku z tym, iż zmiee optymalizacji przedstawiają procet iwestycji ich suma musi być rówa jede: x + x + x + x. 4 = Iwestor chce osiągąć średi zysk miimum procet:.648x +.98x + 8.4x x4. Dodatkowo wszystkie zmiee decyzyje muszą być ieujeme: x, x, x, x. 4 Ostateczie, zadaie zapiszemy jako: mi x T Vx przy ograiczeiach : x + x + x + x4 =.648x.98x 8.4x 8.67x4 x x x x 4 Fukcja celu jest forma kwadratową, ograiczeia są liiowe. 4. Wykład I - 5 -
16 Przykład.: Zwalczaie szkodików (alokacja zasobów) Zadaie polega a rozmieszczeiu pojemików ze środkiem owadobójczym pośród giazd os a platacji w kształcie kwadratu o boku m (Rys..8), tak aby wytępić maksymalą liczbę os. Każde giazdo os ma określoe położeie za pomocą współrzędych (Wx i, Wy i ) i szacukową liczbę os, określoą przez wartość W i. Każdy pojemik posiada swoje współrzęde położeia (Cx i, Cy i ), tab.. Położeie giazd Tab.. Liczba Położeie giazd y x 5 Rys..8 Rozmieszczeie giazd os os W i Wx i Wy i Sformułowaie problemu Jako zmiee decyzyje przyjęto współrzęde pojemików Cx i, Cy i, i=... Fukcja celu jest określoa jako: gdzie: F ( C xi, C yi ) i= = i= K W i i k + k + k, gdy k + k + k < W i K i = i=,,.., W i, w przeciwymprzypadku gdzie: k j - liczba os wytępioych za pomocą pojemika j=,, jest określoa jako: Wykład I - 6 -
17 k j = Wx Cx i j W i Wy Cy i j +. Ograiczeia tworzą rozmiary platacji, czyli dopuszczale położeia pojemików : Cx j, Cy j. Klasyfikacja zadaia: zadaie programowaia ieliiowego z ograiczeiami, X =. 6 X R Przykład.4: Optymalizacja produkcji. Fabryka wytwarza dwa rodzaje produktów, w dwóch procesach produkcyjych (I i II a Rys..), składających się z cykli produkcyjych. Wykorzystuje się przy tym dwa rodzaje surowców: A i B. Efektywość poszczególych procesów przedstawioo w Tab..4 A B pr.i pr.ii X Y zysk Rys..9 Schemat produkcji Tab..4 Opis procesu produkcji Wejście Wyjście Zysk Proces surowiec A surowiec B produkt X produkt Y I II 6 Ograiczeia: Ilość dostępego surowca A ie przekracza 6 [jedostek]. Ilość dostępego surowca B ie przekracza 9 [j]. Aaliza ryku wykazała, że są zamówieia a co ajmiej [j] jedostek produktu X i [j] produktu Y. Jak sterować produkcją, aby maksymalizować zysk? Wykład I - 7 -
18 Sformułowaie problemu: Zmiee decyzyje: x - liczba cykli produkcyjych procesu I, x - liczba cykli produkcyjych procesu II. Ograiczeia produkcji: Waruki sprzedaży: Zysk: x x x x + x + 6x + x + x 6 9 F ( x + x, x ) = x Klasyfikacja zadaia: zadaie programowaia liiowego, całkowitoliczbowe, X =. X Z Przykład.5: Aaliza daych pomiarowych W wyiku przeprowadzoego eksperymetu uzyskao dae pomiarowe, jak a Tab..5. Tab..5 Wyiki eksperymetu i x y wyik Wyiki ależy przybliżyć je w sposób optymaly krzywą aalityczą o postaci: Zmieymi decyzyjymi są: c, c, c. ( x, y) = c x + c y + c xy. g Wykład I - 8 -
19 Fukcja celu jest w postaci: F( c, c, c ) = [ g( x, y ) data ], co dla daych z tabeli.5 daje zadaie poszukiwaia miimum fukcji celu: c + 4.7c 65.58c cc + mi F ( x) = mi + 84c 4.4c cc + cc c Klasyfikacja zadaia: zadaie programowaia ieliiowego, bez ograiczeń, i i i i X = R. Jest to przykład prostego problemu aalizy regresyjej dopasowaia powierzchi g( x, y) do daych pomiarowych. Przykład.6: Sterowaie apędem DC Laboratoryjy serwomechaizm składa się z silika DC z obciążeiem (hamulec wiroprądowy) i układu pomiarowego prędkości i położeia (Rys..). Dla układu moża formułować zadaia optymalego sterowaia w układzie otwartym lub optymalego adążaia za zadaym w czasie położeiem wału serwomechaizmu. hamulec wiroprądowy silik DC przekładia x tachoprądica DC u ekoder x R ref x Rys.. Schemat serwomechaizm DC Sformułowaie problemu: Więzy systemu (liowy model dyamiki systemu): Wykład I - 9 -
20 p x X = { x : x& = Ax + Bu, x() = x, y = Cx} u U = C [, TK C, T ] - przestrzeń fukcji ciągłych, T ]. [ K gdzie: [ K A B K CS = s = C = T S T S,,, gdzie: x oraz x są odpowiedio położeiem i prędkością kątową wału silika, T s,k s, C s są parametrami serwomechaizmu. Fukcjoał jakości dla tego zadaia zadao w postaci: J ( u ) = x(tk ) + x(tk ) + u ( t )Ru( t )] dt Dla zmierzoego stau początkowego x ), () ależy zaleźć sterowaie u( t) U, ( x sprowadzające sta systemu do zera, które miimalizuje fukcjoał jakości a odciku czasu [, T K ], a rówocześie zapewia spełieie: x X. Jest to zatem zadaie optymalizacji dyamiczej, z kwadratowym fukcjoałem. Zadaie takie moża zrealizować w układzie otwartym, jeśli tylko są dobrze zidetyfikowae parametry modelu apędu. Zdaie to moża sprowadzić do zadaia optymalizacji statyczej, tak jak pokazao to w rozdziale xxxx. ] T K T Przykład.7: Optymalizacja parametrycza regulatora stabilizującego d y E - K r T i s T d s ( + std / K d ) G ( s) y Rys.. Stabilizujące sprzężeie zwrote z regulatorem PID Wykład I - -
21 Dla przykładu.6 zastosowao stabilizujące sprzężeie zwrote od położeia wału, z regulatorem PID (rys..). W rozważaym przykładzie model serwomechaizmu przeformułowao do postaci trasmitacji: Y(s) G(s) = U(s) G (s) = = C ( G (s) si - A) - c K s (c /c ) K s s (T s+) s (T s+) B = s = c s = c K K s s T s+ T s+ s s C s K s s (T s s+) K s T s s+ y (t) K = r K =.4 r t Rys.. Symulacja działaia regulatora PID dla serwomechaizmu DC Do stabilizacji serwomechaizmu zastosowao regulator PID o trasmitacji daej a rys..6, a jakość regulacji oceiao poprzez kwadratowy fukcjoał, o postaci: J(K,T,T ) = e dt, r i d gdzie d K,T, T są parametrami regulatora PID, e t) = y ( t) y ( ). Zadaie optymalizacji r i d parametryczej może być sformułowae teraz jako mi e ( t ) dt, Kr,T i,t d przy ograiczeiu wyikającym z dyamiki systemu ( t E ( s) G( s) = =, d Y ( s) + G ( s) G ( s) oraz dostępego zakresu astaw regulatora PID: K mi r r max r mi i i r max i mi d d max d K K, T T T, T T T. Wykład I - -
22 Przy wykorzystaiu twierdzeia Parseala, wartość fukcji celu moża wyliczyć bez przechodzeia a postać czasową, jako T ( - K K T ) J(K,T,T ) = e (t) dt = i s r s r i d, K K [T +T (K K T - )] s r s i r s d co sprowadza zadaie do statyczego problemu ieliiowego z ograiczeiami. Rys.. pokazuje wpływ wzmocieia regulatora PID a przebieg sygału wyjściowego modelu układu stabilizacji z Rys... Przykłady.6 i.7 pokazują, iż dla modelu systemu dyamiczego moża formułować zadaia zarówo sterowaia optymalego (przykład.6) ale także zadaia optymalizacji parametryczej (przykład.7). Wykład I - -
METODY OPTYMALIZACJI
AGH, Wydział Elektrotechiki, Automatyki Iformatyki i Elektroiki Katedra Automatyki METODY OPTYMALIZACJI Wojciech Grega Notatki do wykładu Kraków, Ostatia aktualizacja: //4 Wykład I - - . Wykład I. Wprowadzeie
Bardziej szczegółowoMINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU
Przedmiot: Iformatyka w logistyce Forma: Laboratorium Temat: Zadaie 2. Automatyzacja obsługi usług logistyczych z wykorzystaiem zaawasowaych fukcji oprogramowaia Excel. Miimalizacja pustych przebiegów
Bardziej szczegółowo1.3. Największa liczba naturalna (bez znaku) zapisana w dwóch bajtach to a) b) 210 c) d) 32767
Egzami maturaly z iformatyki Zadaie. (0 pkt) Każdy z puktów tego zadaia zawiera stwierdzeie lub pytaie. Zazacz (otaczając odpowiedią literę kółkiem) właściwą kotyuację zdaia lub poprawą odpowiedź. W każdym
Bardziej szczegółowoInstrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy transportowe cd, Problem komiwojażera
Istrukcja do ćwiczeń laboratoryjych z przedmiotu: Badaia operacyje Temat ćwiczeia: Problemy trasportowe cd Problem komiwojażera Zachodiopomorski Uiwersytet Techologiczy Wydział Iżyierii Mechaiczej i Mechatroiki
Bardziej szczegółowo8. Optymalizacja decyzji inwestycyjnych
8. Optymalizacja decyzji iwestycyjych 8. Wprowadzeie W wielu różych sytuacjach, w tym rówież w czasie wyboru iwestycji do realizacji, podejmujemy decyzje. Sytuacje takie azywae są sytuacjami decyzyjymi.
Bardziej szczegółowoTrzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w
Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to
Bardziej szczegółowoĆwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny
TEMATYKA: Regresja liiowa dla prostej i płaszczyzy Ćwiczeia r 5 DEFINICJE: Regresja: metoda statystycza pozwalająca a badaie związku pomiędzy wielkościami daych i przewidywaie a tej podstawie iezaych wartości
Bardziej szczegółowoMetrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie
Metrologia: miary dokładości dr iż. Paweł Zalewski Akademia Morska w Szczeciie Miary dokładości: Najczęściej rozkład pomiarów w serii wokół wartości średiej X jest rozkładem Gaussa: Prawdopodobieństwem,
Bardziej szczegółowoMATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum
MATEMATYKA (poziom podstawowy) przykładowy arkusz maturaly wraz ze schematem oceiaia dla klasy II Liceum Propozycja zadań maturalych sprawdzających opaowaie wiadomości i umiejętości matematyczych z zakresu
Bardziej szczegółowoMateriał ćwiczeniowy z matematyki Marzec 2012
Materiał ćwiczeiowy z matematyki Marzec 0 Klucz puktowaia do zadań zamkiętych oraz schemat oceiaia do zadań otwartych POZIOM PODSTAWOWY Marzec 0 Klucz puktowaia do zadań zamkiętych Nr zad 3 5 6 7 8 9 0
Bardziej szczegółowoWYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ
WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ LABORATORIUM RACHUNEK EKONOMICZNY W ELEKTROENERGETYCE INSTRUKCJA DO ĆWICZENIA
Bardziej szczegółowoD. Miszczyńska, M.Miszczyński KBO UŁ, Badania operacyjne (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assignment Problem)
D. Miszczyńska, M.Miszczyński KBO UŁ, Badaia operacyje (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assigmet Problem) Bliskim "krewiakiem" ZT (w sesie podobieństwa modelu decyzyjego) jest zagadieie
Bardziej szczegółowoKonspekt lekcji (Kółko matematyczne, kółko przedsiębiorczości)
Kospekt lekcji (Kółko matematycze, kółko przedsiębiorczości) Łukasz Godzia Temat: Paradoks skąpej wdowy. O procecie składaym ogólie. Czas lekcji 45 miut Cele ogóle: Uczeń: Umie obliczyć procet składay
Bardziej szczegółowoBADANIA DOCHODU I RYZYKA INWESTYCJI
StatSoft Polska, tel. () 484300, (60) 445, ifo@statsoft.pl, www.statsoft.pl BADANIA DOCHODU I RYZYKA INWESTYCJI ZA POMOCĄ ANALIZY ROZKŁADÓW Agieszka Pasztyła Akademia Ekoomicza w Krakowie, Katedra Statystyki;
Bardziej szczegółowoSTATYSTYKA I ANALIZA DANYCH
TATYTYKA I ANALIZA DANYCH Zad. Z pewej partii włókie weły wylosowao dwie próbki włókie, a w każdej z ich zmierzoo średicę włókie różymi metodami. Otrzymao astępujące wyiki: I próbka: 50; średia średica
Bardziej szczegółowoKADD Metoda najmniejszych kwadratów
Metoda ajmiejszych kwadratów Pomiary bezpośredie o rówej dokładości o różej dokładości średia ważoa Pomiary pośredie Zapis macierzowy Dopasowaie prostej Dopasowaie wielomiau dowolego stopia Dopasowaie
Bardziej szczegółowoEkonomia matematyczna 2-2
Ekoomia matematycza - Fukcja produkcji Defiicja Efektywym przekształceiem techologiczym azywamy odwzorowaie (iekiedy wielowartościowe), które kazdemu wektorowi akładów R przyporządkowuje zbiór wektorów
Bardziej szczegółowoMetoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień.
Metoda aalizy hierarchii Saaty ego Ważym problemem podejmowaia decyzji optymalizowaej jest często występująca hierarchiczość zagadień. Istieje wiele heurystyczych podejść do rozwiązaia tego problemu, jedak
Bardziej szczegółowoEGZAMIN MATURALNY Z INFORMATYKI
Miejsce a aklejkę z kodem szkoły dysleksja MIN-R_P-072 EGZAMIN MATURALNY Z INFORMATYKI MAJ ROK 2007 POZIOM ROZSZERZONY CZĘŚĆ I Czas pracy 90 miut Istrukcja dla zdającego. Sprawdź, czy arkusz egzamiacyjy
Bardziej szczegółowoMETODY NUMERYCZNE dr inż. Mirosław Dziewoński
Metody Numerycze METODY NUMERYCZNE dr iż. Mirosław Dziewoński e-mail: miroslaw.dziewoski@polsl.pl Pok. 151 Wykład /1 Metody Numerycze Aproksymacja fukcji jedej zmieej Wykład / Aproksymacja fukcji jedej
Bardziej szczegółowoLaboratorium Sensorów i Pomiarów Wielkości Nieelektrycznych. Ćwiczenie nr 1
1. Cel ćwiczeia: Laboratorium Sesorów i Pomiarów Wielkości Nieelektryczych Ćwiczeie r 1 Pomiary ciśieia Celem ćwiczeia jest zapozaie się z kostrukcją i działaiem czujików ciśieia. W trakcie zajęć laboratoryjych
Bardziej szczegółowoOptymalizacja sieci powiązań układu nadrzędnego grupy kopalń ze względu na koszty transportu
dr hab. iż. KRYSTIAN KALINOWSKI WSIiZ w Bielsku Białej, Politechika Śląska dr iż. ROMAN KAULA Politechika Śląska Optymalizacja sieci powiązań układu adrzędego grupy kopalń ze względu a koszty trasportu
Bardziej szczegółowoElementy modelowania matematycznego
Elemety modelowaia matematyczego Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Modelowaie daych (ilościowe): Metody statystycze: estymacja parametrów modelu,
Bardziej szczegółowoStruktura czasowa stóp procentowych (term structure of interest rates)
Struktura czasowa stóp procetowych (term structure of iterest rates) Wysokość rykowych stóp procetowych Na ryku istieje wiele różorodych stóp procetowych. Poziom rykowej stopy procetowej (lub omialej stopy,
Bardziej szczegółowoWERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa
Matematyka fiasowa 8.05.0 r. Komisja Egzamiacyja dla Aktuariuszy LX Egzami dla Aktuariuszy z 8 maja 0 r. Część I Matematyka fiasowa WERJA EU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut
Bardziej szczegółowo3. Regresja liniowa Założenia dotyczące modelu regresji liniowej
3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi
Bardziej szczegółowoma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y
Zadaie. Łącza wartość szkód z pewego ubezpieczeia W = Y + Y +... + YN ma rozkład złożoy Poissoa z oczekiwaą liczbą szkód rówą λ i rozkładem wartości pojedyczej szkody takim, że ( Y { 0,,,3,... }) =. Niech:
Bardziej szczegółowoALGORYTM OPTYMALIZACJI PARAMETRÓW EKSPLOATACYJNYCH ŚRODKÓW TRANSPORTU
Łukasz WOJCIECHOWSKI, Tadeusz CISOWSKI, Piotr GRZEGORCZYK ALGORYTM OPTYMALIZACJI PARAMETRÓW EKSPLOATACYJNYCH ŚRODKÓW TRANSPORTU Streszczeie W artykule zaprezetowao algorytm wyzaczaia optymalych parametrów
Bardziej szczegółowo3. Wykład III: Warunki optymalności dla zadań bez ograniczeń
3 Wkład III: Waruki optmalości dla zadań bez ograiczeń Podae poiże waruki optmalości dla są uogólieiem powszechie zach waruków dla fukci ede zmiee (zerowaie się pierwsze pochode i lokala wpukłość) 3 Twierdzeie
Bardziej szczegółowoCharakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja
Charakterystyki liczbowe zmieych losowych: wartość oczekiwaa i wariacja dr Mariusz Grządziel Wykłady 3 i 4;,8 marca 24 Wartość oczekiwaa zmieej losowej dyskretej Defiicja. Dla zmieej losowej dyskretej
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład VI: Metoda Mote Carlo 17 listopada 2014 Zastosowaie: przybliżoe całkowaie Prosta metoda Mote Carlo Przybliżoe obliczaie całki ozaczoej Rozważmy całkowalą fukcję f : [0, 1] R. Chcemy zaleźć przybliżoą
Bardziej szczegółowoSTATYSTYKA OPISOWA WYKŁAD 1 i 2
STATYSTYKA OPISOWA WYKŁAD i 2 Literatura: Marek Cieciura, Jausz Zacharski, Metody probabilistycze w ujęciu praktyczym, L. Kowalski, Statystyka, 2005 2 Statystyka to dyscyplia aukowa, której zadaiem jest
Bardziej szczegółowoZeszyty naukowe nr 9
Zeszyty aukowe r 9 Wyższej Szkoły Ekoomiczej w Bochi 2011 Piotr Fijałkowski Model zależości otowań giełdowych a przykładzie otowań ołowiu i spółki Orzeł Biały S.A. Streszczeie Niiejsza praca opisuje próbę
Bardziej szczegółowoWprowadzenie. metody elementów skończonych
Metody komputerowe Wprowadzeie Podstawy fizycze i matematycze metody elemetów skończoych Literatura O.C.Ziekiewicz: Metoda elemetów skończoych. Arkady, Warszawa 972. Rakowski G., acprzyk Z.: Metoda elemetów
Bardziej szczegółowoO pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii
O pewych zastosowaiach rachuku różiczkowego fukcji dwóch zmieych w ekoomii 1 Wielkość wytwarzaego dochodu arodowego D zależa jest od wielkości produkcyjego majątku trwałego M i akładów pracy żywej Z Fukcję
Bardziej szczegółowoINWESTYCJE MATERIALNE
OCENA EFEKTYWNOŚCI INWESTYCJI INWESTCJE: proces wydatkowaia środków a aktywa, z których moża oczekiwać dochodów pieiężych w późiejszym okresie. Każde przedsiębiorstwo posiada pewą liczbę możliwych projektów
Bardziej szczegółowoMetody Obliczeniowe w Nauce i Technice laboratorium
Marci Rociek Iformatyka, II rok Metody Obliczeiowe w Nauce i Techice laboratorium zestaw 1: iterpolacja Zadaie 1: Zaleźć wzór iterpolacyjy Lagrage a mając tablicę wartości: 3 5 6 y 1 3 5 6 Do rozwiązaia
Bardziej szczegółowoZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA
ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA Mamy populację geeralą i iteresujemy się pewą cechą X jedostek statystyczych, a dokładiej pewą charakterystyką liczbową θ tej cechy (p. średią wartością
Bardziej szczegółowoELEKTROTECHNIKA I ELEKTRONIKA
NIWERSYTET TECHNOLOGICZNO-PRZYRODNICZY W BYDGOSZCZY WYDZIAŁ INŻYNIERII MECHANICZNEJ INSTYTT EKSPLOATACJI MASZYN I TRANSPORT ZAKŁAD STEROWANIA ELEKTROTECHNIKA I ELEKTRONIKA ĆWICZENIE: E13 BADANIE ELEMENTÓW
Bardziej szczegółowoPODSTAWOWE ZAGADNIENIA METODOLOGICZNE
PODSTAWOWE ZAGADNIENIA METODOLOGICZNE. Wprowadzeie W ekoomii i aukach o zarządzaiu obserwuje się tedecję do ilościowego opisu zależości miedzy zjawiskami ekoomiczymi. Umożliwia to - zobiektywizowaie i
Bardziej szczegółowoROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO
Agieszka Jakubowska ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO. Wstęp Skąplikowaie współczesego życia gospodarczego powoduje, iż do sterowaia procesem zarządzaia
Bardziej szczegółowoP = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +
Zadaia róże W tym rozdziale zajdują się zadaia ietypowe, często dotyczące łańcuchów Markowa oraz własości zmieych losowych. Pojawią się także zadaia z estymacji Bayesowskiej.. (Eg 8/) Rozważamy łańcuch
Bardziej szczegółowoParametryzacja rozwiązań układu równań
Parametryzacja rozwiązań układu rówań Przykład: ozwiąż układy rówań: / 2 2 6 2 5 2 6 2 5 //( / / 2 2 9 2 2 4 4 2 ) / 4 2 2 5 2 4 2 2 Korzystając z postaci schodkowej (środkowa macierz) i stosując podstawiaie
Bardziej szczegółowo1 Twierdzenia o granicznym przejściu pod znakiem całki
1 Twierdzeia o graiczym przejściu pod zakiem całki Ozaczeia: R + = [0, ) R + = [0, ] (X, M, µ), gdzie M jest σ-ciałem podzbiorów X oraz µ: M R + - zbiór mierzaly, to zaczy M Twierdzeie 1.1. Jeżeli dae
Bardziej szczegółowoEGZAMIN MATURALNY Z INFORMATYKI MAJ 2011 POZIOM ROZSZERZONY WYBRANE: CZĘŚĆ I. Czas pracy: 90 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY
Cetrala Komisja Egzamiacyja Arkusz zawiera iformacje prawie chroioe do mometu rozpoczęcia egzamiu. Układ graficzy CKE 2010 KOD WISUJE ZDAJĄCY ESEL Miejsce a aklejkę z kodem EGZAMIN MATURALNY Z INORMATYKI
Bardziej szczegółowoPrzykładowe pytania na egzamin dyplomowy dla kierunku Automatyka i Robotyka
Przykładowe pytaia a egzami dyplomowy dla kieruku Automatyka i obotyka Aktualizacja: 13.12.2016 r. Przedmiot: Matematyka 1 (Algebra liiowa) 1. Wiemy że struktura (Gh) jest grupą z elemetem eutralym e.
Bardziej szczegółowoSystem finansowy gospodarki
System fiasowy gospodarki Zajęcia r 5 Matematyka fiasowa Wartość pieiądza w czasie 1 złoty posiaday dzisiaj jest wart więcej iż 1 złoty posiaday w przyszłości, p. za rok. Powody: Suma posiadaa dzisiaj
Bardziej szczegółowoZadania domowe z Analizy Matematycznej III - czȩść 2 (funkcje wielu zmiennych)
Zadaia domowe z AM III dla grup E7 (semestr zimow 07/08) Czȩść Zadaia domowe z Aaliz Matematczej III - czȩść (fukcje wielu zmiech) Zadaie. Obliczć graice lub wkazać że ie istiej a: (a) () (00) (b) + ()
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n
Maemayka ubezpieczeń mająkowych 9.0.006 r. Zadaie. Rozważamy proces adwyżki ubezpieczyciela z czasem dyskreym posaci: U = u + c S = 0... S = W + W +... + W W W W gdzie zmiee... są iezależe i mają e sam
Bardziej szczegółowoPODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH
PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH POMIAR FIZYCZNY Pomiar bezpośredi to doświadczeie, w którym przy pomocy odpowiedich przyrządów mierzymy (tj. porówujemy
Bardziej szczegółowoPrzykładowe zadania dla poziomu rozszerzonego
Przkładowe zadaia dla poziomu rozszerzoego Zadaie. ( pkt W baku w pierwszm roku oszczędzaia stopa procetowa bła rówa p%, a w drugim roku bła o % iższa. Po dwóch latach, prz roczej kapitalizacji odsetek,
Bardziej szczegółowoMiary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.
MIARY POŁOŻENIA I ROZPROSZENIA WYNIKÓW SERII POMIAROWYCH Miary położeia (tedecji cetralej) to tzw. miary przecięte charakteryzujące średi lub typowy poziom wartości cechy. Średia arytmetycza: X i 1 X i,
Bardziej szczegółowo1 Układy równań liniowych
Katarzya Borkowska, Wykłady dla EIT, UTP Układy rówań liiowych Defiicja.. Układem U m rówań liiowych o iewiadomych azywamy układ postaci: U: a x + a 2 x 2 +... + a x =b, a 2 x + a 22 x 2 +... + a 2 x =b
Bardziej szczegółowoStatystyka opisowa. () Statystyka opisowa 24 maja / 8
Część I Statystyka opisowa () Statystyka opisowa 24 maja 2010 1 / 8 Niech x 1, x 2,..., x będą wyikami pomiarów, p. temperatury, ciśieia, poziomu rzeki, wielkości ploów itp. Przykład 1: wyiki pomiarów
Bardziej szczegółowoMetody badania zbieżności/rozbieżności ciągów liczbowych
Metody badaia zbieżości/rozbieżości ciągów liczbowych Ryszard Rębowski 14 grudia 2017 1 Wstęp Kluczowe pytaie odoszące się do zagadieia badaia zachowaia się ciągu liczbowego sprowadza się do sposobu opisu
Bardziej szczegółowoRekursja 2. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak
Rekursja Materiały pomocicze do wykładu wykładowca: dr Magdalea Kacprzak Rozwiązywaie rówań rekurecyjych Jedorode liiowe rówaia rekurecyje Twierdzeie Niech k będzie ustaloą liczbą aturalą dodatią i iech
Bardziej szczegółowoArkusz ćwiczeniowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE. W zadaniach od 1. do 21. wybierz i zaznacz poprawną odpowiedź. 1 C. 3 D.
Arkusz ćwiczeiowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE W zadaiach od. do. wybierz i zazacz poprawą odpowiedź. Zadaie. ( pkt) Liczbę moża przedstawić w postaci A. 8. C. 4 8 D. 4 Zadaie. ( pkt)
Bardziej szczegółowoPodprzestrzenie macierzowe
Podprzestrzeie macierzowe Defiicja: Zakresem macierzy AŒ mâ azywamy podprzestrzeń R(A) przestrzei m geerowaą przez zakres fukcji : m f x = Ax RAAx x Defiicja: Zakresem macierzy A Œ âm azywamy podprzestrzeń
Bardziej szczegółowoChemia Teoretyczna I (6).
Chemia Teoretycza I (6). NajwaŜiejsze rówaia róŝiczkowe drugiego rzędu o stałych współczyikach w chemii i fizyce cząstka w jedowymiarowej studi potecjału Cząstka w jedowymiarowej studi potecjału Przez
Bardziej szczegółowo(1) gdzie I sc jest prądem zwarciowym w warunkach normalnych, a mnożnik 1,25 bierze pod uwagę ryzyko 25% wzrostu promieniowania powyżej 1 kw/m 2.
Katarzya JARZYŃSKA ABB Sp. z o.o. PRODUKTY NISKONAPIĘCIOWE W INSTALACJI PV Streszczeie: W ormalych warukach pracy każdy moduł geeruje prąd o wartości zbliżoej do prądu zwarciowego I sc, który powiększa
Bardziej szczegółowoPodprzestrzenie macierzowe
Podprzestrzeie macierzowe Defiicja: Zakresem macierzy AŒ mâ azywamy podprzestrzeń R(A) przestrzei m geerowaą przez zakres fukcji ( ) : m f x = Ax ( A) { Ax x } = Defiicja: Zakresem macierzy A Œ âm azywamy
Bardziej szczegółowoLista 6. Estymacja punktowa
Estymacja puktowa Lista 6 Model metoda mometów, rozkład ciągły. Zadaie. Metodą mometów zaleźć estymator iezaego parametru a w populacji jedostajej a odciku [a, a +. Czy jest to estymator ieobciążoy i zgody?
Bardziej szczegółowoEGZAMIN MATURALNY Z INFORMATYKI MAJ 2012 POZIOM PODSTAWOWY CZĘŚĆ I WYBRANE: Czas pracy: 75 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY
Cetrala Komisja Egzamiacyja Arkusz zawiera iformacje prawie chroioe do mometu rozpoczęcia egzamiu. Układ graficzy CKE 2010 KOD WPISUJE ZDAJĄCY PESEL Miejsce a aklejkę z kodem EGZAMIN MATURALNY Z INFORMATYKI
Bardziej szczegółowoĆwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA
Aaliza iepewości pomiarowych w esperymetach fizyczych Ćwiczeia rachuowe TEST ZGODNOŚCI χ PEARSONA ROZKŁAD GAUSSA UWAGA: Na stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz
Bardziej szczegółowoJak obliczać podstawowe wskaźniki statystyczne?
Jak obliczać podstawowe wskaźiki statystycze? Przeprowadzoe egzamiy zewętrze dostarczają iformacji o tym, jak ucziowie w poszczególych latach opaowali umiejętości i wiadomości określoe w stadardach wymagań
Bardziej szczegółowoPOMIARY WARSZTATOWE. D o u ż y t k u w e w n ę t r z n e g o. Katedra Inżynierii i Aparatury Przemysłu Spożywczego. Ćwiczenia laboratoryjne
D o u ż y t k u w e w ę t r z e g o Katedra Iżyierii i Aparatury Przemysłu Spożywczego POMIARY WARSZTATOWE Ćwiczeia laboratoryje Opracowaie: Urszula Goik, Maciej Kabziński Kraków, 2015 1 SUWMIARKI Suwmiarka
Bardziej szczegółowo2 n < 2n + 2 n. 2 n = 2. 2 n 2 +3n+2 > 2 0 = 1 = 2. n+2 n 1 n+1 = 2. n+1
Tekst a iebiesko jest kometarzem lub treścią zadaia. Zadaie 1. Zbadaj mootoiczość i ograiczoość ciągów. a = + 3 + 1 Ciąg jest mootoiczie rosący i ieograiczoy poieważ różica kolejych wyrazów jest dodatia.
Bardziej szczegółowoMATEMATYKA FINANSOWA - PROCENT SKŁADANY 2. PROCENT SKŁADANY
2. PROCENT SŁADANY Zasada procetu składaego polega a tym, iż liczymy odsetki za day okres i doliczamy do kapitału podstawowego. Odsetki za astępy okres liczymy od powiększoej w te sposób podstawy. Czyli
Bardziej szczegółowoAnaliza numeryczna Kurs INP002009W. Wykład 1 Narzędzia matematyczne. Karol Tarnowski A-1 p.223
Aaliza umerycza Kurs INP002009W Wykład Narzędzia matematycze Karol Tarowski karol.tarowski@pwr.wroc.pl A- p.223 Pla wykładu Czym jest aaliza umerycza? Podstawowe pojęcia Wzór Taylora Twierdzeie o wartości
Bardziej szczegółowoEKONOMETRIA. Temat wykładu: Co to jest model ekonometryczny? Dobór zmiennych objaśniających w modelu ekonometrycznym CZYM ZAJMUJE SIĘ EKONOMETRIA?
EKONOMETRIA Temat wykładu: Co to jest model ekoometryczy? Dobór zmieych objaśiających w modelu ekoometryczym Prowadzący: dr iż. Zbigiew TARAPATA e-mail: Zbigiew.Tarapata Tarapata@isi.wat..wat.edu.pl http://
Bardziej szczegółowoAUDYT SYSTEMU GRZEWCZEGO
Wytycze do audytu wykoao w ramach projektu Doskoaleie poziomu edukacji w samorządach terytorialych w zakresie zrówoważoego gospodarowaia eergią i ochroy klimatu Ziemi dzięki wsparciu udzieloemu przez Isladię,
Bardziej szczegółowoWykład 11. a, b G a b = b a,
Wykład 11 Grupy Grupą azywamy strukturę algebraiczą złożoą z iepustego zbioru G i działaia biarego które spełia własości: (i) Działaie jest łącze czyli a b c G a (b c) = (a b) c. (ii) Działaie posiada
Bardziej szczegółowoEgzamin maturalny z matematyki CZERWIEC 2011
Egzami maturaly z matematyki CZERWIEC 0 Klucz puktowaia do zadań zamkiętych oraz schemat oceiaia do zadań otwartych POZIOM PODSTAWOWY Poziom podstawowy czerwiec 0 Klucz puktowaia do zadań zamkiętych Nr
Bardziej szczegółowoPODSTAWY MATEMATYKI FINANSOWEJ
PODSTAWY MATEMATYKI INANSOWEJ WZORY I POJĘCIA PODSTAWOWE ODSETKI, A STOPA PROCENTOWA KREDYTU (5) ODSETKI OD KREDYTU KWOTA KREDYTU R R- rocza stopa oprocetowaia kredytu t - okres trwaia kredytu w diach
Bardziej szczegółowoMatematyka finansowa 08.10.2007 r. Komisja Egzaminacyjna dla Aktuariuszy. XLIII Egzamin dla Aktuariuszy z 8 października 2007 r.
Matematyka fiasowa 08.10.2007 r. Komisja Egzamiacyja dla Aktuariuszy XLIII Egzami dla Aktuariuszy z 8 paździerika 2007 r. Część I Matematyka fiasowa WERSJA TESTU A Imię i azwisko osoby egzamiowaej:...
Bardziej szczegółowoMatematyka I. Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr zimowy 2018/2019 Wykład 11
Matematyka I Bezpieczeństwo jądrowe i ochroa radiologicza Semestr zimowy 2018/2019 Wykład 11 Całka ozaczoa podstawowe pojęcia Defiicja podziału odcika Podziałem P odcika < a, b > a części azywamy zbiór
Bardziej szczegółowoJarosław Wróblewski Analiza Matematyczna 1, zima 2016/17
Egzami, 18.02.2017, godz. 9:00-11:30 Zadaie 1. (22 pukty) W każdym z zadań 1.1-1.10 podaj w postaci uproszczoej kresy zbioru oraz apisz, czy kresy ależą do zbioru (apisz TAK albo NIE, ewetualie T albo
Bardziej szczegółowoInformatyka Stosowana-egzamin z Analizy Matematycznej Każde zadanie należy rozwiązać na oddzielnej, podpisanej kartce!
Iformatyka Stosowaa-egzami z Aalizy Matematyczej Każde zadaie ależy rozwiązać a oddzielej, podpisaej kartce! y, Daa jest fukcja f (, + y, a) zbadać ciągłość tej fukcji f b) obliczyć (,) (, (, (,) c) zbadać,
Bardziej szczegółowoWykład. Inwestycja. Inwestycje. Inwestowanie. Działalność inwestycyjna. Inwestycja
Iwestycja Wykład Celowo wydatkowae środki firmy skierowae a powiększeie jej dochodów w przyszłości. Iwestycje w wyiku użycia środków fiasowych tworzą lub powiększają majątek rzeczowy, majątek fiasowy i
Bardziej szczegółowoMatematyka finansowa 06.10.2008 r. Komisja Egzaminacyjna dla Aktuariuszy. XLVII Egzamin dla Aktuariuszy z 6 października 2008 r.
Komisja Egzamiacyja dla Aktuariuszy XLVII Egzami dla Aktuariuszy z 6 paździerika 2008 r. Część I Matematyka fiasowa WERSJA TESTU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut . Kredytobiorca
Bardziej szczegółowoINSTRUKCJA NR 06-2 POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ
LABORATORIUM OCHRONY ŚRODOWISKA - SYSTEM ZARZĄDZANIA JAKOŚCIĄ - INSTRUKCJA NR 06- POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ 1. Cel istrukcji Celem istrukcji jest określeie metodyki postępowaia w celu
Bardziej szczegółowobędą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,
Zadaie iech X, X,, X 6 będą iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), a Y, Y,, Y6 iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), gdzie, są iezaymi
Bardziej szczegółowoSYSTEM OCENY STANU NAWIERZCHNI SOSN ZASADY POMIARU I OCENY STANU RÓWNOŚCI PODŁUŻNEJ NAWIERZCHNI BITUMICZNYCH W SYSTEMIE OCENY STANU NAWIERZCHNI SOSN
ZAŁĄCZNIK B GENERALNA DYREKCJA DRÓG PUBLICZNYCH Biuro Studiów Sieci Drogowej SYSTEM OCENY STANU NAWIERZCHNI SOSN WYTYCZNE STOSOWANIA - ZAŁĄCZNIK B ZASADY POMIARU I OCENY STANU RÓWNOŚCI PODŁUŻNEJ NAWIERZCHNI
Bardziej szczegółowoEkonomia matematyczna - 2.1
Ekoomia matematycza - 2.1 Przestrzeń produkcyja Zakładamy,że w gospodarce występuje towarów, każdy jako akład ( surowiec ) lub wyik ( produkt ) w procesach produkcji. Kokrety proces produkcji jest reprezetoway
Bardziej szczegółowoAnaliza numeryczna. Stanisław Lewanowicz. Aproksymacja funkcji
http://www.ii.ui.wroc.pl/ sle/teachig/a-apr.pdf Aaliza umerycza Staisław Lewaowicz Grudzień 007 r. Aproksymacja fukcji Pojęcia wstępe Defiicja. Przestrzeń liiową X (ad ciałem liczb rzeczywistych R) azywamy
Bardziej szczegółowoEkonometria Mirosław Wójciak
Ekoometria Mirosław Wójciak Literatura obowiązkowa Barczak A, ST. Biolik J, Podstawy Ekoometrii, Wydawictwo AE Katowice, Katowice 1998 Dziechciarz J. Ekoometria Metody, przykłady, zadaia (wyd. ) Kukuła
Bardziej szczegółowoJarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi.
Jarosław Wróblewski Aaliza Matematycza 1A, zima 2012/13 Ciągi. Ćwiczeia 5.11.2012: zad. 140-173 Kolokwium r 5, 6.11.2012: materiał z zad. 1-173 Ćwiczeia 12.11.2012: zad. 174-190 13.11.2012: zajęcia czwartkowe
Bardziej szczegółowoZadania z Matematyka 2 - SIMR 2008/ szeregi zadania z rozwiązaniami. n 1. n n. ( 1) n n. n n + 4
Zadaia z Matematyka - SIMR 00/009 - szeregi zadaia z rozwiązaiami. Zbadać zbieżość szeregu Rozwiązaie: 0 4 4 + 6 0 : Dla dostateczie dużych 0 wyrazy szeregu są ieujeme 0 a = 4 4 + 6 0 0 Stosujemy kryterium
Bardziej szczegółowoO liczbach naturalnych, których suma równa się iloczynowi
O liczbach aturalych, których suma rówa się iloczyowi Lew Kurladczyk i Adrzej Nowicki Toruń UMK, 10 listopada 1998 r. Liczby aturale 1, 2, 3 posiadają szczególą własość. Ich suma rówa się iloczyowi: Podobą
Bardziej szczegółowoX i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.
Zagadieia estymacji Puktem wyjścia badaia statystyczego jest wylosowaie z całej populacji pewej skończoej liczby elemetów i zbadaie ich ze względu a zmieą losową cechę X Uzyskae w te sposób wartości x,
Bardziej szczegółowoZASTOSOWANIE PROGRAMOWANIA CAŁKOWITOLICZBOWEGO W UTRZYMANIU POJAZDÓW I MASZYN. Paweł Mikołajczak
MOTROL, 007, 9, ZASTOSOWANE PROGRAMOWANA AŁKOWTOLZBOWEGO W UTRZMANU POJAZDÓW MASZN Katedra Budowy, Eksploatacji Pojazdów i Maszy Uiwersytet Warmińsko-Mazurski w Olsztyie Streszczeie. W artykule przedstawioo
Bardziej szczegółowoĆwiczenie 10/11. Holografia syntetyczna - płytki strefowe.
Ćwiczeie 10/11 Holografia sytetycza - płytki strefowe. Wprowadzeie teoretycze W klasyczej holografii optyczej, gdzie hologram powstaje w wyiku rejestracji pola iterferecyjego, rekostruuje się jedyie takie
Bardziej szczegółowoSTATYSTKA I ANALIZA DANYCH LAB II
STATYSTKA I ANALIZA DANYCH LAB II 1. Pla laboratorium II rozkłady prawdopodobieństwa Rozkłady prawdopodobieństwa dwupuktowy, dwumiaowy, jedostajy, ormaly. Związki pomiędzy rozkładami prawdopodobieństw.
Bardziej szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym)
Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych (w zakresie materiału przedstawioego a wykładzie orgaizacyjym) Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.
Rachuek prawdopodobieństwa i statystyka W12: Statystycza aaliza daych jakościowych Dr Aa ADRIAN Paw B5, pok 407 ada@agh.edu.pl Wprowadzeie Rozróżia się dwa typy daych jakościowych: Nomiale jeśli opisują
Bardziej szczegółowoAnaliza potencjału energetycznego depozytów mułów węglowych
zaiteresowaia wykorzystaiem tej metody w odiesieiu do iych droboziaristych materiałów odpadowych ze wzbogacaia węgla kamieego ależy poszukiwać owych, skutecziej działających odczyików. Zdecydowaie miej
Bardziej szczegółowoZnajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek
Zajdowaie pozostałych pierwiastków liczby zespoloej, gdy zay jest jede pierwiastek 1 Wprowadzeie Okazuje się, że gdy zamy jede z pierwiastków stopia z liczby zespoloej z, to pozostałe pierwiastki możemy
Bardziej szczegółowoELEKTROTECHNIKA I ELEKTRONIKA
UNIWERSYTET TECHNOLOGICZNO-PRZYRODNICZY W BYDGOSZCZY WYDZIAŁ INŻYNIERII MECHANICZNEJ INSTYTUT EKSPLOATACJI MASZYN I TRANSPORTU ZAKŁAD STEROWANIA ELEKTROTECHNIKA I ELEKTRONIKA ĆWICZENIE: E20 BADANIE UKŁADU
Bardziej szczegółowoModuł 4. Granica funkcji, asymptoty
Materiały pomocicze do e-learigu Matematyka Jausz Górczyński Moduł. Graica fukcji, asymptoty Wyższa Szkoła Zarządzaia i Marketigu Sochaczew Od Autora Treści zawarte w tym materiale były pierwotie opublikowae
Bardziej szczegółowoWektory Funkcje rzeczywiste wielu. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski
Wektory Fukcje rzeczywiste wielu zmieych rzeczywistych Matematyka Studium doktorackie KAE SGH Semestr leti 2008/2009 R. Łochowski Wektory pukty w przestrzei R Przestrzeń R to zbiór uporządkowaych -ek liczb
Bardziej szczegółowo