Problem synchronizacji interwałowej w miejskiej komunikacji publicznej

Wielkość: px
Rozpocząć pokaz od strony:

Download "Problem synchronizacji interwałowej w miejskiej komunikacji publicznej"

Transkrypt

1 na prawach rękopsu Instytut Organzacj Zarządzana Poltechnka Wrocławska Raport ser PRE nr 7 Problem synchronzacj nterwałowej w mejskej komunkacj publcznej (rozprawa doktorska) Rafał Sroka Promotor: prof. dr hab. nż. Jacek Merck słowa kluczowe: komunkacja mejska synchronzacja nterwałowa optymalzacja Wrocław 005

2 SPIS TREŚCI WSTĘP PRZEDSTAWIENIE PROBLEMU SYNCHRONIZACJI INTERWAŁOWEJ (PSI) RÓWNOMIERNOŚĆ KURSOWANIA CZYLI WYRÓWNYWANIE INTERWAŁÓW CZASOWYCH WSPÓLNE FRAGMENTY TRAS. WIĄZKI LINII. GRUPY PASAŻERÓW PRZYPADEK SZCZEGÓLNY RÓWNE TAKTY KURSOWANIA SFORMUŁOWANIE PROBLEMU SYNCHRONIZACJI INTERWAŁOWEJ PROBLEM DOSTOSOWANIA CZĘSTOTLIWOŚCI KURSOWANIA DO ZAPOTRZEBOWANIA NA PRZEWOZY. PORY DNIA ROZMIARY PROBLEMÓW WYSTĘPUJĄCYCH W PRAKTYCE MIARA RÓWNOMIERNOŚCI KURSOWANIA DEFINICJE POJĘĆ WYSTĘPUJĄCYCH W PRACY WYZNACZENIE MIARY NIERÓWNOMIERNOŚCI KURSOWANIA POJAZDÓW WPROWADZENIE ILOŚCIOWA OCENA NIERÓWNOMIERNOŚCI KURSOWANIA POSTULATY, JAKIE POWINNA SPEŁNIAĆ MIARA RÓWNOMIERNOŚCI PRZEGLĄD INNYCH PRAC DOTYCZĄCYCH PROBLEMU SYNCHRONIZACJI PRÓBA UOGÓLNIENIA PRZEDSTAWIONYCH MIAR RÓWNOMIERNOŚCI NATURALNE CHARAKTERYSTYKI UKŁADU KOMUNIKACYJNEGO SUMARYCZNY CZAS OCZEKIWANIA NA POJAZD JAKO MIARA RÓWNOMIERNOŚCI OBLICZENIE SUMARYCZNEGO CZASU OCZEKIWANIA PASAŻERÓW NA POJAZD WPROWADZENIE SUMARYCZNY CZAS OCZEKIWANIA PASAŻERÓW NA PRZYSTANKU CZEKAJĄCYCH NA JEDEN POJAZD Model determnstycznego cągłego napływu pasażerów Model losowego dyskretnego procesu napływu pasażerów Wnosk z twerdzeń 3., 3., OBLICZENIE SUMARYCZNEGO CZASU OCZEKIWANIA PASAŻERÓW DLA CIĄGU POJAZDÓW OBLICZENIE SUMARYCZNEGO CZASU OCZEKIWANIA PASAŻERÓW NA WSZYSTKICH PRZYSTANKACH TEJ SAMEJ LINII. ZAGREGOWANA INTENSYWNOŚĆ NAPŁYWU PASAŻERÓW OBLICZENIE SUMARYCZNEGO CZASU OCZEKIWANIA PASAŻERÓW NA WSZYSTKICH PRZYSTANKACH TEJ SAMEJ WIĄZKI OBLICZENIE SUMARYCZNEGO CZASU OCZEKIWANIA PASAŻERÓW NA WSZYSTKICH PRZYSTANKACH CAŁEGO UKŁADU KOMUNIKACYJNEGO ZWIĄZEK MIĘDZY SUMARYCZNYM CZASEM OCZEKIWANIA A RÓWNOMIERNOŚCIĄ KURSOWANIA ZWIĄZEK MIĘDZY INTENSYWNOŚCIĄ NAPŁYWU PASAŻERÓW A CZĘSTOTLIWOŚCIĄ KURSOWANIA Formuła przyblżona rozwązana mnmalzującego sumaryczny czas oczekwana WNIOSKI Z ROZDZIAŁU

3 4. MODELE PROBLEMU SYNCHRONIZACJI INTERWAŁOWEJ SYSTEMATYKA MODELI PROBLEMU SYNCHRONIZACJI INTERWAŁOWEJ MODEL JEDNEJ LINII MODEL OGÓLNY MODEL ZE STAŁYM I JEDNAKOWYM DLA WSZYSTKICH LINII TAKTEM KURSOWANIA Cząstkowa funkcja strat Dobór parametru stotność wązk Defncja funkcj strat Ogranczene dolne funkcj strat Przykłady zastosowana modelu ze stałym jednakowym taktem ALGORYTM POSZUKIWANIA MINIMUM FUNKCJI CELU (FC) ZASTOSOWANY ALGORYTM ZŁOŻONOŚĆ OBLICZENIOWA WYMAGANIA SPRZĘTOWE I CZAS OBLICZEŃ ZAKOŃCZENIE ANEKS MODUŁ SYNCH3...BŁĄD! NIE ZDEFINIOWANO ZAKŁADKI. MODUŁ SYNCH5...BŁĄD! NIE ZDEFINIOWANO ZAKŁADKI. BIBLIOGRAFIA

4 Wstęp Współczesne masta przeżywają trudnośc komunkacyjne. Wzrost lczby meszkańców, zamożnośc społeczeństw dostępnośc samochodów spowodował lawnowy wzrost lczby ndywdualnych środków transportu. Aglomeracje mejske są paralżowane przez kork. Z kole możlwośc rozbudowy nfrastruktury ulc (szczególne w starych mastach) są ogranczone, a ponadto rozbudowa ta jest bardzo kosztowna. Wyjścem z sytuacj jest częścowa rezygnacja z ndywdualnych środków transportu wzrost rol komunkacj zborowej [Worońko 999]. Aby jednak komunkacja zborowa mogła konkurować z ndywdualnym środkam transportu należy zadbać o odpowedn pozom komfortu podróży. Zagadnene to ma wele aspektów. Szczegółowy przegląd kryterów oceny funkcjonowana komunkacj zborowej oraz nedogodnośc zwązanych z korzystanem z komunkacj zborowej zawera praca [Rudnck 999]. Usuwane tych nedogodnośc oczywśce zwększa skłonność podróżnych do korzystana z komunkacj zborowej. Jednak koszty usuwana wymenanych przez pasażerów nedogodnośc są rożne [Dźwgoń W. 00]. Rozwązana take jak rozbudowa ulc czy sec torowsk, zwększane częstotlwośc kursowana pojazdów są oczywśce skuteczne, lecz wymagają znacznych nakładów fnansowych. Zdecydowane mnej kosztowne jest usuwane tych nedogodnośc poprzez poprawę organzacj ruchu komunkacj zborowej. Można tak projektować obsługę ruchu, aby przy nezmenonej welkośc taboru mnmalzować czas oczekwana pasażerów na przystankach. Dług czas oczekwana na przystankach jest bowem jedną z najczęścej wymenanych przez pasażerów nedogodnośc [Rudnck 999]. Jednym z stotnych aspektów poprawy organzacj komunkacj zborowej jest synchronzacja kursowana pojazdów. Wyróżnamy dwa rodzaje synchronzacj: synchronzację przesadkową [Ceder 99, Worońko 997] nterwałową [Daduna 993, Hołubec 996, Rekuć 995, Reymond 987, Sroka ]. Synchronzacja przesadkowa polega na takm ustalenu momentów startów pojazdów z ch przystanków początkowych aby zmnmalzować czas oczekwana pasażerów w punktach przesadkowych. Z kole synchronzacja nterwałowa ma na celu wyrównane odstępów 4

5 czasowych mędzy pojazdam różnych ln na wspólnych odcnkach tras. Zwększene równomernośc kursowana ma na celu: zmnejszene newygód pasażerów (czasu oczekwana na pojazd nerównomernego zapełnena pojazdów). unkane problemów techncznych, na przykład powstających wtedy, gdy zbyt wele pojazdów w krótkm czase podjeżdża na ten sam przystanek, pętlę, lub skrzyżowane. Dalej w pracy mówąc o synchronzacj będzemy mel na myśl synchronzację nterwałową. Problem synchronzacj był podejmowany w lteraturze [Daduna 993, Hołubec 996, Rekuć 995, Reymond 987, Sroka , Voss 9, Wolf 987] jednak najczęścej wymenany jest on tylko jako jeden z aspektów optymalzacj komunkacj mejskej. Brakuje pozycj traktujących problem głębej dających wskazówk do rozwązana problemu w praktyce. Autor tej pracy ne spotkał sę z opublkowaną propozycją rozwązana problemu synchronzacj. Być może brak takch publkacj wynka z faktu, ż rozwązana problemu synchronzacj posadają wartość handlową dlatego ne są publkowane. Tematem tej pracy jest problem wyrównywana odstępów czasowych (nterwałów) mędzy kolejnym pojazdam komunkacj mejskej odjeżdżającym z przystanku. W lteraturze problem ten nos nazwę problemu synchronzacj nterwałowej (PSI) w mejskej komunkacj publcznej. Celem nnejszej pracy jest: - rozwązane problemu optymalzacyjnego synchronzacj nterwałowej w mejskej komunkacj publcznej Dla osągnęca tego celu: - stworzono marę nerównomernośc kursowana pojazdów, - stworzono matematyczny model problemu: - opsano przestrzeń decyzyjną, - skonstruowano funkcję celu (funkcję strat), - zdefnowano ogranczena założena poszczególnych model - opracowano algorytmy poszukujące dla tych model rozwązań blskch optymalnemu. 5

6 Praca składa sę ze wstępu, 5 rozdzałów zakończena. We wstępe krótko przedstawono tematykę pracy zaprezentowano zawartośc poszczególnych rozdzałów. W rozdzale perwszym przedstawono problem synchronzacj nterwałowej jako element organzacj ruchu mejskej komunkacj publcznej: Wprowadzono pojęce równomernośc kursowana taktu ln. Wprowadzono pojęce wązk ln wskazano celowość równomernego kursowana pojazdów na wspólnym fragmence tras. Sformułowano problem synchronzacj nterwałowej. Wskazano potrzebę stworzena mary równomernośc kursowana. Zdefnowano pojęca używane w pracy. W rozdzale drugm wyznaczono marę równomernośc kursowana pojazdów: Wskazano brak naturalnej mary równomernośc kursowana. Sformułowano postulaty, jake taka mara pownna spełnać. Dokonano przeglądu lteratury dotyczącej synchronzacj. Dokonano próby uogólnena opsywanych w lteraturze mar równomernośc. Dokonano przeglądu naturalnych charakterystyk układu komunkacyjnego. Wskazano sumaryczny czas oczekwana pasażerów na przystankach jako marę równomernośc kursowana pojazdów (uzasadnene tego wyboru pozostawono w rozdzale 3). W rozdzale trzecm oblczono sumaryczny czas oczekwana pasażerów na cąg pojazdów komunkacj mejskej: Sformułowano założena, przy których będze lczony sumaryczny czas oczekwana pasażerów. Wprowadzono pojęce ntensywnośc napływu pasażerów. Wyznaczono funkcję ocenającą sumaryczny czas oczekwana pasażerów na jeden pojazd na jednym przystanku. 6

7 Wyznaczono sumaryczny czas oczekwana pasażerów na cąg pojazdów na jednym przystanku. Wyznaczono sumaryczny czas oczekwana pasażerów na cąg pojazdów jednej ln na wszystkch przystankach tej ln. Wprowadzono pojęce zagregowanej ntensywnośc napływu pasażerów. Wyznaczono sumaryczny czas oczekwana dla wszystkch pasażerów wązk. Wyznaczono sumaryczny czas oczekwana dla wszystkch pasażerów w całym układze komunkacyjnym. Wskazano zwązek mędzy sumarycznym czasem oczekwana a równomernoścą kursowana Uzasadnono, że sumaryczny czas oczekwana pasażerów może być kryterum oceny nerównomernośc kursowana. Wyznaczono funkcję oblczającą wartość sumarycznego czasu oczekwana w całym układze komunkacyjnym w zależnośc od momentów startów pojazdów. Funkcja ta będze użyta jako funkcja strat w modelach problemu synchronzacj. Przedstawono model jednej ln. Jest to model pomocnczy, na przykładze którego zaprezentowano własnośc przyjętej mary nerównomernośc kursowana. Wyznaczono przyblżoną zależność mędzy częstotlwoścą kursowana pojazdów w rozwązanu optymalnym a ntensywnoścą napływu pasażerów Wykazano, że rozkłady optymalne względem tej mary mają własność równomernego kursowana, oraz dostosowują częstotlwość kursowana do ntensywnośc napływu pasażerów. W rozdzale czwartym sformułowano modele problemu synchronzacj: Wskazano zmenne decyzyjne funkcję celu modelu. Dokonano klasyfkacj model problemu synchronzacj nterwałowej ze względu na przyjęte ogranczena:. Model ogólny, w którym jest pełna dowolność momentów odjazdów.. Modele ze stałym taktem kursowana. 3. Modele z podzałem doby na pory dna. Wskazano na zwązek mędzy danym dotyczącym układu komunkacj zborowej a parametram modelu. 7

8 Sformułowano poszczególne modele dla nektórych z nch przeprowadzono symulację poszukwana rozwązana optymalnego. W rozdzale pątym przedstawono opracowany algorytm poszukwana rozwązań optymalnych w modelach zaprezentowanych w rozdzale czwartym. W zakończenu podsumowano wynk osągnęte w pracy: sformułowane problemu synchronzacj nterwałowej, sformułowane postulatów, jake pownna spełnać mara równomernośc kursowana, oblczene probablstycznych charakterystyk sumarycznego czasu oczekwana pasażerów na przystankach przy założenu modelu stochastycznego procesu Possona dla procesu napływu pasażerów na przystank, skonstruowane modelu problemu synchronzacj, opracowane algorytmów poszukujących rozwązań blskch optymalnemu w dwu przedstawonych modelach. Aneks pracy zawera algorytm poszukwana mnmów zaproponowanej funkcj strat: Przedstawono zastosowany algorytm poszukwana mnmów oszacowano jego złożoność oblczenową. Załączono wydruk programu komputerowego napsanego w środowsku DELPHI, użytego do przeprowadzena symulacj 8

9 . Przedstawene problemu synchronzacj nterwałowej (PSI).. Równomerność kursowana czyl wyrównywane nterwałów czasowych Pożądaną cechą rozkładu jazdy pojazdów komunkacj publcznej jest równomerność kursowana. O równomernym kursowanu pojazdów z pewnego zboru mówmy wtedy, gdy nterwały czasowe mędzy momentam odjazdów tych pojazdów są równe. Oczywśce łatwo jest zapewnć równomerne kursowane pojazdów jednej ln. W tym celu wystarczy ustalć w równych odstępach momenty odjazdów z pętl startowej. Poneważ zakładamy, że dla wszystkch pojazdów czasy przejazdu danego odcnka trasy są take same, węc na każdym przystanku nterwały czasowe mędzy momentam odjazdów pojazdów jednej ln będą take same jak na pętl startowej tej ln. Stały nterwał czasowy mędzy momentam odjazdów pojazdów danej ln nazywamy taktem tej ln. Przykładem takego równomernego kursowana jest lna tramwajowa nr 9 we Wrocławu. Ponżej mamy fragment jej rozkładu jazdy (mędzy godzną 8 a 7): Z Wdzmy tu, że w godznach od 8 do pojazdy kursują z taktem 5 mnut, a w godznach od do 7 z taktem mnut. 9

10 .. Wspólne fragmenty tras. Wązk ln. Grupy pasażerów W mejskej komunkacj publcznej często zdarza sę, że co najmnej dwe lne mają wspólny odcnek tras (w tej pracy mówmy, że take lne tworzą wązkę, patrz defncja wązk - p..8). Rozważmy przykład dwóch ln A B, które mają wspólny fragment tras (rys...). lna A lna B Rys.... Schemat dwu ln ze wspólnym fragmentem tras (opracowne własne) Pasażerów możemy wówczas podzelć na 3 grupy: mogących dojechać do celu tylko lną A, mogących dojechać do celu tylko lną B, podróżujących na wspólnym odcnku, węc mogących dojechać do celu lną A lub B. Nazwjmy te grupy pasażerów odpowedno: grupa A, grupa B grupa AB. Pasażerom z trzecej grupy AB ne rob różncy, czy podróżują pojazdem ln A czy B. Dla ch wygody pojazdy ln A lub B pownny kursować równomerne. Dlatego zachodz potrzeba takego ustalena momentów startów pojazdów ln A B z odpowednch pętl, aby zapewnć równomerne kursowane pojazdów dla wszystkch trzech grup pasażerów. Ne zawsze jest to możlwe, co lustruje ponższy przykład. Przykład.. Dla ustalena uwag rozważmy perwszy wspólny przystanek na wspólnej częśc tras ln A B (w tej pracy tak przystanek nazywamy węzłem wązk, patrz p..8). Załóżmy, że momenty odjazdów pojazdów ln A B lczymy w mnutach względem pewnej umownej chwl 0. Załóżmy, że pojazdy ln A kursują z taktem 5 mnut, a pojazdy ln B z taktem 0 0

11 mnut. Załóżmy, że perwszy pojazd ln A odjeżdża w chwl 0 a perwszy pojazd ln B w chwl. Momenty odjazdów kolejnych pojazdów układają sę w cąg: dla pasażerów z grupy A (perwszy pojazd w chwl 0 dalej co 5 mn.): 0, 5, 30, 45, 60, td. dla pasażerów z grupy B (perwszy pojazd w chwl dalej co 0 mn.):,,, 3, 4, 5, 6, td. dla pasażerów z grupy AB (uporządkowane momenty odjazdów ln A lub B): 0,,, 5,, 30, 3, 4, 45, 5, 60, 6, td. Wdzmy tu, że dla pasażerów dwu perwszych grup pojazdy kursują równomerne. Interwały mędzy kolejnym odjazdam układają sę w cąg: 5, 5, 5, 5,... dla perwszej grupy 0, 0, 0, 0, 0,... dla drugej grupy. Ale dla grupy AB momenty odjazdów pojazdów ne są rozłożone równomerne. Interwały mędzy kolejnym odjazdam układają sę w cąg:, 0, 3, 7, 8,, 0, 3, 7, 8,, td. Ne są węc nawet w przyblżenu równe pojazdy kursują bardzo nerównomerne. Można osągnąć równomerne kursowane dla pasażerów grupy AB zmenając momenty odjazdów pojazdów ln A B. Przyjmjmy następujące momenty odjazdów: dla ln A: dla ln B: 0, 8, 30, 48, 60, td. 6,, 4, 36, 4, 54, 66, td. Dla pasażerów grupy AB momenty odjazdów ułożą sę w cąg: 0, 6,, 8, 4, 30, 36, 4, 48, 54, 60, td. Będą zatem rozłożone dealne co 6 mnut. Ale w tej sytuacj ne mamy równomernośc kursowana pojazdów dla ln A B. Wdzmy węc, że możlwe jest osągnęce dealnej równomernośc dla każdej z grup pasażerów z osobna, ale ne jest możlwe osągnęce dealnej równomernośc dla wszystkch trzech grup pasażerów równocześne. Jak wdać na powyższym przykładze, w nektórych układach ne jest możlwe osągnęce dealnej równomernośc kursowana dla wszystkch grup pasażerów. Wtedy koneczne jest poszukwane rozwązana, w którym osągnęty byłby jakś komproms mędzy sprzecznym nteresam różnych grup pasażerów.

12 Można zauważyć, że w powyższym przykładze trudność synchronzacj wynkała z faktu, że lne A B wykonywały różną lczbę kursów na godznę. Lna A wykonywała 4 kursy, a lna B 6 kursów. Gdyby obe lne mały jednakową, stałą w czase częstotlwość kursowana, to można by na wspólnym odcnku przeplatać na przeman kursy ln A B. W ten sposób osągnęto by dealną równomerność kursowana dla wszystkch grup pasażerów..3. Przypadek szczególny równe takty kursowana Ważnym przypadkem szczególnym problemu synchronzacj nterwałowej jest sytuacja, gdy wszystke lne kursują z jednakową częstotlwoścą (na przykład we Wrocławu, w szczyce wszystke tramwaje kursują co mnut). W takm przypadku ne musmy dbać o równomerność kursowana dla pojazdów danej ln, gdyż jest ona zapewnona z założena. Pozostaje zapewnć równomerne kursowane dla grup pasażerów korzystających z klku ln na wspólnym odcnku (czyl dla wązek ln). Jako przykład można podać wrocławske lne tramwajowe 8, 5. Lne te mają wspólną pętlę startową na odcnku przystanków wspólną trasę, a węc tworzą wązkę. Rys..3.. Fragment planu komunkacj tramwajowej Wrocława (źródło: ZDK Wrocław) Momenty odjazdu z pętl to: dla ln 8: 0 ( dalej co mn.:, 34, 46, 58, td.) dla ln 5: 6 ( dalej co mn.: 8, 30, 4, 54, td.) dla ln : ( dalej co mn.: 4, 6, 38, 50, td.)

13 Jak wdać co 4 mnuty z pętl odjeżdżają pojazdy kolejno ln, 5 8. Interwały mędzy momentam odjazdów układają sę w cąg ( dalej cyklczne tak samo wynka to z założena o wspólnym takce). Możemy powedzeć, że w tej wązce osągnęto pełną synchronzację. Oczywśce każdą wązkę można dealne zsynchronzować. Wystarczy ustalć momenty odjazdów z pętl poszczególnych ln tej wązk tak, aby na węźle wązk uzyskać równe nterwały mędzy momentam odjazdów. Sytuacja komplkuje sę, gdy część ln wchodz w skład welu wązek. Wtedy ustalając momenty odjazdu danej ln tak, aby zsynchronzować jakąś wązkę możemy pogorszyć synchronzację nnej wązk, w skład której wchodz ta lna. Ilustruje to ponższy przykład (rys..3.) układu, w którym pełna synchronzacja ne jest możlwa: A B C Rys..3.. Schemat trzech ln ze wspólnym fragmentam tras (opracowne własne) Przykład.3. W układze przedstawonym na rys..3. mamy trzy lne, które nazwemy A, B C. Załóżmy, że lne A B startują ze wspólnej pętl jadą pewen odcnek tą samą trasą. Natomast lna C startuje z nnej pętl jedze pewen odcnek tą samą trasą co lne A B. Tak węc w układze tym mamy dwe wązk: wązka AB, tworzona przez lne A B oraz wązka ABC tworzona przez lne A, B C. Załóżmy, że wspólny takt wynos mnut. Aby dealne zsynchronzować wązkę AB trzeba momenty startów ln A B przesunąć o pół taktu, czyl o 6 mnut. Natomast aby dealne zsynchronzować wązkę ABC trzeba momenty startów ln A, B C ustalć w odstępach 4 mn. Te dwa cele są oczywśce sprzeczne. 3

14 Podsumowując, opsywany tu problem polega na ustalenu pewnej zależnośc czasowej mędzy momentam odjazdów pojazdów różnych ln, czyl na synchronzacj ln. A poneważ zagadnene dotyczy odstępów czasowych czyl nterwałów, dlatego problem ten nos nazwę problemu synchronzacj nterwałowej (PSI)..4. Sformułowane problemu synchronzacj nterwałowej Z przedstawonych wcześnej rozważań wynka, że problem synchronzacj nterwałowej polega na takm ustalenu momentów odjazdów pojazdów wszystkch ln z odpowednch pętl, aby zapewnć równomerne kursowane dla wszystkch grup pasażerów..5. Problem dostosowana częstotlwośc kursowana do zapotrzebowana na przewozy. Pory dna Oprócz opsanego powyżej problemu wyrównywana nterwałów trzeba jeszcze rozwązać problem dostosowywana częstotlwośc kursowana do zapotrzebowana na przewozy. Oczywśce wraz ze wzrostem zapotrzebowana na przewozy pownna rosnąć częstotlwość kursowana. Problem optymalnej zależnośc mędzy tym welkoścam zostane rozważony w dalszej częśc tej pracy. Zapotrzebowane na przewozy zmena sę znaczne w czase dna możemy przyjąć, że zmena sę w sposób płynny. Tak samo pownna sę zmenać w czase dna częstotlwość kursowana. Z drugej jednak strony chcelśmy osągnąć równomerność kursowana, czyl stałe nterwały mędzy kolejnym pojazdam. Te dwa cele są oczywśce sprzeczne potrzebny jest pewen komproms, który je pogodz. W praktyce dzel sę dzeń na klka klkugodznnych pór w tych klkugodznnych przedzałach czasowych wymaga sę stałej częstotlwośc kursowana. Przykład: We Wrocławu, w mejskej komunkacj publcznej przyjęto podzał dna na sześć pór: pora od 4:00 do 6:00 częstotlwość kursowana 0 mn. pora od 6:00 do 8:00 częstotlwość kursowana mn. pora 3 od 8:00 do 3:30 częstotlwość kursowana 5 mn. pora 4 od 3:30 do 7:00 częstotlwość kursowana mn. pora 5 od 7:00 do 0:00 częstotlwość kursowana 5 mn. pora 6 od 0:00 do :0 częstotlwość kursowana 0 mn. 4

15 Oprócz synchronzacj rozkładów jazdy w poszczególnych porach dna, trudnośc nastręcza także usuwane neregularnośc na stykach pór. Rozkłady jazdy zoptymalzowane dla każdej pory dna z osobna często ne pasują do sebe na stykach pór. W pracy rozważymy dwa modele, będące konsekwencją takch założeń: - w perwszym pozwalamy, aby częstotlwość kursowana zmenała sę w sposób płynny, dostosowując sę do zapotrzebowana na przewozy, - w drugm postulujemy podzał dna na pory w każdej z nch wymagamy stałej częstotlwośc kursowana..6. Rozmary problemów występujących w praktyce W praktyce mamy do czynena z układam klkudzesęcu ln, z których wele wchodz w skład węcej nż jednej wązk. W takch układach praktyczne ngdy ne jest możlwa dealna synchronzacja wszystkch wązek. Bez zastosowana wspomagana komputerowego poszukwane rozwązań zblżonych do dealnego jest procesem żmudnym, czasochłonnym, wymagającym od plansty sporego dośwadczena prowadzonym często metodą prób błędów. Wskazane jest stworzene narzędza komputerowego wspomagana układana rozkładów jazdy pod kątem synchronzacj nterwałowej..7. Mara równomernośc kursowana Jak wspomnano powyżej, w układach komunkacyjnych występujących w praktyce zwykle ne jest możlwe znalezene rozwązana dealnego. W takej sytuacj za rozwązane problemu należy uznać znalezene rozwązana najlepszego z pośród tych, które można osągnąć. Rodz to problem porównywana rozwązań nedealnych. Koneczne jest zatem stworzene mary równomernośc kursowana, dzęk której możlwa będze loścowa ocena rozwązana - układu momentów startów pod kątem równomernośc. W oparcu o taką marę możlwe będze stworzene funkcj celu w modelu problemu synchronzacj. Wyznaczene mary równomernośc kursowana jest przedmotem kolejnego rozdzału. 5

16 .8. Defncje pojęć występujących w pracy Pojęca używane do opsu sec komunkacyjnej POJAZD Pojazd pojazd mejskej komunkacj publcznej, środek transportu pasażerów. PRZYSTANEK Przystanek to mejsce, gdze pasażerowe mają możlwość wsadana/wysadana do/z pojazdów. POŁĄCZENIE Połączene defnujemy jako parę uporządkowaną przystanków. Mówmy, że stneje połączene mędzy przystankam A B jeśl pojazdy kursują od przystanku A bezpośredno do przystanku B. PRZEJAZD Przejazd jest jednym połączenem, lub cągem klku kolejnych połączeń. Najczęścej przejazd składa sę z jednego połączena, ale np. w przypadku ln pospesznych, gdy pojazd ne zatrzymuje sę na nektórych przystankach, przejazd składa sę z klku kolejnych połączeń. LINIA Przez lnę rozumemy cąg kolejnych przejazdów. Należy zaznaczyć, że w pracy słowo lna rozumemy naczej nż w języku potocznym. W języku potocznym przez lnę rozume sę trasę poruszające sę ną pojazdy w obu kerunkach. W pracy przez lnę rozumemy cąg przejazdów odpowadający trase w jedną stronę. Najczęścej jednej ln w znaczenu potocznym odpowadają dwe lne (w sense stosowanym w tej pracy) begnące w przecwnych kerunkach. Rodz to problem nazewnctwa. Aby ułatwć dentyfkację ln w pracy lnom nadaje sę nazwy składające sę z nazwy ln w znaczenu potocznym ltery oznaczającej kerunek (N północ, S połudne, W zachód, E wschód, P prawo, L lewo), np.: 0E lna 0 w kerunku wschodnm, 0P lna okrężna 0 okrążająca centrum w prawo. 6

17 PĘTLA Pętlą danej ln nazywamy przystanek na początku trasy tej ln. Innym słowy, pętla to perwszy przystanek perwszego połączena perwszego przejazdu tej ln. INTENSYWNOŚĆ NAPŁYWU PASAŻERÓW Przez ntensywność napływu pasażerów (INP) na przystanek w chwl t rozumemy średną lub oczekwaną lość pasażerów przypadającą na jednostkę czasu w małym przedzale czasowym (t, t+dt). W pracy ntensywność napływu pasażerów oznaczamy przez α(t) podajemy w pasażerach na mnutę. Gdy INP jest stała pszemy tylko α. Pojęca używane do opsu problemu synchronzacj w sec komunkacyjnej WIĄZKA O klku lnach będzemy mówl, że na pewnym odcnku tworzą wązkę, jeśl pojazdy tych ln kursują na tym odcnku wspólną trasą. Jeśl klka ln tworzy wązkę, to pasażerowe podróżujący tylko wspólną częścą tras tych ln mogą wybrać dowolną z tych ln. Dlatego zachodz potrzeba zsynchronzowana tych ln tak, aby nterwały mędzy pojazdam kolejnych ln wązk były take same. Wprowadźmy notację dla opsu odstępów czasowych mędzy pojazdam ln tworzących wązkę: dla wązk składającej sę z n ln rozkład odstępów czasowych mędzy pojazdam tych ln opsywać będzemy podając n lczb pooddzelanych myślnkam. Na przykład: zaps oznacza, że w wązce składającej sę z trzech ln pojazdy drugej ln przyjeżdżają na przystank 3 mnuty po pojazdach perwszej ln, pojazdy trzecej ln przyjeżdżają na przystank 4 mnuty po pojazdach drugej ln pojazdy perwszej ln przyjeżdżają na przystank 5 mnut po pojazdach trzecej ln (czyl takt tych ln wynos 3+4+5= mnut). W dealne zsynchronzowanej wązce wszystke odstępy czasowe mędzy pojazdam kolejnych ln są równe (np oznacza cztery lne pojazdy odjeżdżające co trzy mnuty). WĘZEŁ WIĄZKI Węzłem wązk nazywamy perwszy wspólny przystanek ln tworzących wązkę. Interwały mędzy momentam odjazdów pojazdów ln tworzących wązkę są 7

18 jednakowe na wszystkch przystankach wspólnego odcnka tras (wynka to z założena o stałych w czase jednakowych dla wszystkch ln czasach przejazdu mędzy danym punktam trasy). Dla ustalena uwag nterwały te będzemy zawsze rozważać na węźle wązk SYNCHRONIZACJA WIĄZKI Przez zsynchronzowane ln tworzących wązkę rozumemy take ustalene momentów startów pojazdów tych ln z odpowednch pętl aby zapewnć możlwe najbardzej równomerne kursowane na wspólnym odcnku tras tych ln. PORA DNIA Ze względu na zapotrzebowane na przewozy dobę dzel sę na pory. Dla każdej pory ustala sę odpowedną do zapotrzebowana częstotlwość kursowana pojazdów. Przykładowy podzał doby na pory: szczyt poranny ( ) popołudnowy ( ) - częstotlwość kursowana mn.; pory mędzyszczytowe ( , ) - częstotlwość kursowana 5 mn. pora o najmnejszym zapotrzebowanu na przewozy ( ) - częstotlwość kursowana 0 mnut. TAKT Przez takt rozumemy stały w czase pory dna nterwał mędzy momentam odjazdów kolejnych pojazdów. Typowe takty to: 0,, 5, 0, mnut. (Takt jest często dzelnkem 60. Dzęk temu rozkłady jazdy zyskują powtarzalność: w każdej godzne mnuty odjazdów są take same. Tak rozkład jazdy jest dla pasażera łatwejszy do zapamętana.) 8

19 . Wyznaczene mary nerównomernośc kursowana pojazdów.. Wprowadzene W rozdzale drugm wyznaczymy marę nerównomernośc kursowana pojazdów. Sformułowane zostaną postulaty, jake taka mara pownna spełnać. Przedstawone zostane klka różnych mar wybrana zostane jedna do dalszych rozważań. Jest to kluczowy wynk tej pracy, gdyż mara ta będze podstawą do stworzena funkcj celu w modelu problemu synchronzacj nterwałowej... Iloścowa ocena nerównomernośc kursowana Ne stneje żadna naturalna mara równomernośc (czy też równoważne nerównomernośc) kursowana. Równomerność ne jest pojęcem ścsłym. Łatwo jest rozróżnć układ dealne równomerny do nerównomernego (patrz rys...) ale ne ma naturalnych kryterów, które pozwalałyby nam rozróżnać stopeń równomernośc układów nerównomernych (patrz rys...). LEPIEJ GORZEJ Rys.... Równomerne nerównomerne rozłożene punktów na odcnku (opracowne własne) ne ma obektywnego kryterum, które wskazałoby, który z tych układów jest lepszy Rys.... Dwa nerównomerne układy punktów (opracowne własne) 9

20 Aby take kryterum stworzyć, koneczna jest loścowa ocena układu momentów odjazdów pojazdów pod kątem ch nerównomernośc. Innym słowy koneczne jest wyznaczene funkcj, której argumentam będą momenty odjazdów pojazdów a wartoścą ocena nerównomernośc kursowana pojazdów..3. Postulaty, jake pownna spełnać mara równomernośc Zanm rozpocznemy poszukwana mary równomernośc kursowana pojazdów sformułujemy postulaty, jake taka mara pownna spełnać. Możemy postawć dwa naturalne postulaty, jake pownna spełnać mara równomernośc:. Mara pownna ocenać jako najlepszy układ dealne równomerny.. W przypadku dwu układów różnących sę tylko jednym punktem mara pownna ocenć jako lepszy ten, w którym ten punkt leży blżej środka odcnka złożonego z dwu sąsednch punktów. Te dwa postulaty pownna spełnać każda mara równomernośc rozłożena punktów na odcnku. Oprócz nch postawmy dwa kolejne postulaty, jake pownna spełnać mara równomernośc kursowana pojazdów komunkacj mejskej: 3. Mara pownna zawerać czynnk odpowadający stotnośc merzonego fragmentu układu. 4. W układze momentów odjazdów zoptymalzowanym pod kątem tej mary częstotlwość kursowana pojazdów pownna być dostosowana do zmennego zapotrzebowana na przewozy..4. Przegląd nnych prac dotyczących problemu synchronzacj Poszukwane mary równomernośc zacznemy od przeglądu nnych prac dotyczących problemu synchronzacj. Adamsk [993] w swojej pracy rozpatruje problem synchronzacj klku ln posadających jeden wspólny fragment trasy przy następujących założenach: - ntensywność napływu pasażerów na przystank jest wysoka, - częstotlwość kursowana pojazdów jest wysoka lub średna, - pasażerowe przybywają na przystank losowo nezależne od pojazdów komunkacj mejskej, 0

21 - pojemność pojazdów jest wystarczająca, - częstotlwość dla kursowana różnych ln może być różna, ale dla danej ln jest ustalona (przynajmnej w pewnym horyzonce czasowym, w którym rozpatrywany jest problem synchronzacj), Rozważane są dwe lne o częstotlwoścach kursowana H =n r H =n r, gdze r R jest lczbą rzeczywstą dodatną a n n są lczbam naturalnym względne perwszym, różnym od jedynk. Bez straty ogólnośc można założyć, że H > H. Przez t 0 oznaczamy odstęp czasowy mędzy odjazdem -tego pojazdu perwszej ln, a odjazdem następującego po nm pojazdu drugej ln. H H t 0 t 0 t 03 H H H Rys..4.. Różnce momentów odjazdów t 0. źródło: [Adamsk, 993] Oczywśce, wartość t 0 wyznacza kolejne wartośc t 0, t 03, t 04, td. [Adamsk, 993] podaje następującą formułę rekurencyjną: t 0 + = t 0 - H - H nt{( t 0 - H )/ H } Cąg { t 0 } przebega cyklczne wartośc zboru n elementowego: { t 0 + r : = 0,,...,( n -) }, gdze t 0 [0,r) Autor podaje funkcję celu: S ( t 0 ) = n = 0 Powyższa suma po uwzględnenu zależnośc: H =n r upraszcza sę do postac: {( t + r ) + [ H ( t + r )] } 0 t 0 n (n r + r 6r t )

22 skąd otrzymujemy, że funkcja celu mnmalzuje sę dla wartośc t 0 =r/. Autor ne podaje modelu analtycznego dla lośc ln wększej nż dwe, zaznaczając, że w takm przypadku modele analtyczne są skomplkowane sugerowane jest poszukwane rozwązań metodam numerycznym. Tak postawony problem można wykorzystać wtedy, gdy koneczne jest zsynchronzowane klku ln na jednym tylko wspólnym fragmence tras (tylko jednej wązk). W praktyce jednak występuje potrzeba synchronzacj welu ln na welu wspólnych fragmentach tras. Poneważ jedna lna może meć na poszczególnych fragmentach swojej trasy wspólne odcnk z weloma różnym lnam, dlatego ne jest możlwe nezależne rozwązywane problemu synchronzacj na wszystkch fragmentach trasy tej ln. Poprawa synchronzacj ln z pewnym lnam na jednym odcnku może prowadzć do pogorszena synchronzacj tej ln z nnym lnam na nnym odcnku trasy. Dlatego model przedstawony w tej pracy ne może być bezpośredno zastosowany w praktyce do rozwązana problemu synchronzacj wszystkch ln w układze komunkacyjnym. W pracy [Daduna, Voβ, 993] przedstawono bardzo ogólny model problemu synchronzacj. W stoce jest on tak ogólny, że wykorzystane go w praktyce w takej postac, w jakej został przedstawony byłoby trudne. Dane są zbory L={,,3,..,m} zbór numerów ln D={,,3,..,n} zbór możlwych momentów odjazdu. Rozważane są bnarne zmenne decyzyjne: jeśl ln nr L jest przyporządkowany moment startu h D x,h = { 0 w przecwnym wypadku Oczywśce zmenne te muszą spełnać ogranczena: n h = x = L h x,h {0,} W modelu tym rozważana jest następująca funkcja strat: Z ( x ) = m n m n = h = j = k = c hjk x h x jk Autorzy ne podają jednak wyraźnych wskazówek co do tego, jak należy skonstruować macerz kosztów c hjk. Wydaje sę, że współczynnk c hjk pownen być zadany wzorem, jako

23 funkcja parametrów, h, j, k. W przecwnym raze, aby zastosować ten model do rozwązana problemu synchronzacj należałoby wyznaczyć macerz c hjk, czyl należałoby wyznaczyć stratę dla każdego układu zmennych decyzyjnych. Ponadto model ten ne pozwala na synchronzację węcej nż dwu ln na wspólnym fragmence trasy, a w praktyce występują układy nawet sedmu ln tworzących wązkę. L. Rekuć w swojej pracy doktorskej [995] rozpatruje problem synchronzacj welu ln posadających wspólne fragmenty tras. W pracy przyjmowane są następujące założena: - dane problemu synchronzacj nterwałowej (czasy przejazdu, częstotlwośc kursowana) są ustalone znane, - częstotlwość dla kursowana różnych ln może być różna, ale dla ln takt kursowana t jest ustalony (przynajmnej w pewnym horyzonce czasowym, na którym rozpatrywany jest problem synchronzacj), - t jest welokrotnoścą t j jeśl t > t j Za zmenne decyzyjne x przyjmowane są momenty odjazdów pojazdów z ch pętl startowych. Przyjmuje sę, że czas jest merzony w mnutach. Zmenna x może przyjmować wartośc ze zboru {,..., t }. Moment pojawena sę pojazdu na węźle oblczany jest według wzoru: gdze: x Cz θ = x +Cz - moment pojawena sę pojazdu ln na węźle wązk, - czas dojazdu pojazdu ln z pętl startowej do węzła. wązk: Rozpatrywana jest następująca mara nerównomernośc kursowana pojazdów jednej gdze: Z n T θ Z n = = θ T n - nerównomerność danej wązk, - lczba ln w wązce, - długość taktu, ( T + ) + θ + θ n θ - moment pojawena sę -tego kolejnego pojazdu na węźle wązk. T n 3

24 Marą nerównomernośc jest sumą odchyleń długośc odstępu mędzy pojazdam od długośc optymalnej dla tej wązk. Mara ta osąga wartość mnmalną dla układu pojazdów kursujących dealne równomerne, tzn. wtedy, gdy odstępy czasowe mędzy kolejnym pojazdam wynoszą T/n: θ + θ = Oczywśce wartoścą mnmalną tej mary jest 0. Oznacza to, że mara ta spełna perwszy ze stawanych przez nas postulatów. Jednak, jak pokażemy nżej, ne spełna drugego postulatu. T n Przedstawona powyżej mara nerównomernośc posada następującą wadę: przyjmuje jednakowe wartośc dla układów różnących sę równomernoścą kursowana (wbrew drugemu postulatow). Przyczyną tego jest fakt, ze mara ta, jako funkcja x jest funkcją kawałkam lnową na pewnych zborach jest funkcją stałą jednej lub klku swoch zmennych. Wykażemy to na przykładze. Przykład... Rozważmy wązkę składającą sę z trzech ln startujących ze wspólnej pętl. Nazwjmy te lne, 3. Poneważ lne startują ze wspólnej pętl, zatem momenty dojazdu na węzeł są równe momentom wyruszeń z pętl. Nech takt kursowana wynos 5 mnut dla każdej ln. Oznacza to, że optymalne odstępy mędzy momentam wyruszeń kolejnych pojazdów z pętl wynoszą 5/3 = 5 mnut. wspólna pętla startowa - pojazd ln - pojazd ln - pojazd ln 3 Rys..4.. Wązka trzech ln (oprac. własne) Przyjmjmy, że pojazd ln wyrusza z pętl w chwl 0 a pojazd ln w chwl 9. Poneważ odstęp czasowy mędzy pojazdam ln wynos aż 9 mnut (wobec 4

25 wymaganych 5 mnut), węc już na tej podstawe możemy powedzeć, że wązka ta jest słabo zsynchronzowana. Nemnej jednak pozostaje jeszcze do ustalena moment startu ln 3 w zależnośc od tego wązka jako całość może być lepej lub gorzej zsynchronzowana. Załóżmy, że pojazd ln 3 wyrusza po pojeźdze ln przed kolejnym pojazdem ln, czyl mędzy chwlą 9 a 5. Optymalny moment startu pojazdu ln 3 : Nr ln 3 Z = 4++ = 8 Czas Neoptymalny moment startu pojazdu ln 3 : Nr ln 3 Z = = 8 Czas Oczywśce najlepej byłoby, gdyby moment startu pojazdu ln 3 leżał na środku odcnka [9,5] czyl w chwl. Gorzej jest, jeśl ne przyjmuje on wartośc lecz nną z odcnka [9,5]. Sprawdźmy, jak zmena sę mara nerównomernośc dla tej wązk w zależnośc od tego, czy moment startu pojazdu ln 3 ustalmy na 0, czy mnut. Przyjmjmy oznaczena: x - moment startu pojazdu ln o numerze Mamy: T = 5 n = 3 T/n = 5 x = 0 x = 9 9< x 3 <5 T T Z = x x + x 3 x + x 3 n n ( T + x ) T n Z = x x3 ( 5 + 0) 5 3 5

26 Z = 4 + x x3 3 5 Z = 4 + x x 3 jeśl spełnony jest warunek : 0 x 3 4 mamy: Z = x3 + x3 0 = 8 Tak węc przedstawona mara nerównomernośc przyjmuje tą samą wartość 8 dla wartośc x 3 =0 jak dla wartośc x 3 =. Tymczasem wartość x 3 = odpowada wązce lepej zsynchronzowanej, gdyż wtedy momenty odjazdów pojazdów ln 3 znajdują sę na środku odcnka czasowego mędzy odjazdam pojazdów ln. Natomast dla wartośc x 3 =0 pojazdy ln 3 kursują tylko jedną mnutę po pojazdach ln. Dlatego wartość mary nerównomernośc kursowana pownna być dla x 3 = mnejsza, a dla x 3 =0 - wększa. Mara Z tej własnośc ne posada. Należy podkreślć, że w wększośc przypadków mara Z dobrze rozróżna układy pod kątem synchronzacj. Przykłady, dla których mara Z ne mnmalzuje sę dla rozwązań odpowadających optymalnej synchronzacj trzeba konstruować neco sztuczne. Jednak take zbory danych mogą wystąpć w praktyce. Pamętajmy, że gdy stneją alternatywne rozwązana optymalne, algorytmy poszukujące mnmum funkcj (np. algorytm smpleks) podają najczęścej rozwązana z brzegu zboru, a ne z jego wnętrza. W przypadku problemu synchronzacj rozwązana leżące na brzegu zboru są gorsze od tych z wnętrza zboru (tak jak w powyższym przykładze)..5. Próba uogólnena przedstawonych mar równomernośc Można dokonać próby uogólnena przedstawonych powyżej mar równomernośc. Można zauważyć, że mara stosowana przez L. Rekuć jest naturalną próbą wyjśca naprzecw perwszemu z postawonych przez nas postulatów. Skoro jako najlepsze mają być ocenone układy równomerne, to można rozważać wyrażena: T θ + θ (.5.) n gdze =,,..., n; zaś θ n + = θ + T 6

27 merzące odstępstwo kolejnych nterwałów od nterwału dealnego. Dla układu dealnego te odstępstwa są równe 0. Dla układu nedealnego są dodatne lub ujemne. W oparcu o to spostrzeżene można konstruować różne mary równomernośc. Jeśl po prostu zsumujemy te odstępstwa, to otrzymamy wartość 0, gdyż odstępstwa dodatne ujemne skompensują sę wzajemne. Jeśl polczymy sumę modułów tych odstępstw: Z = n = T θ + θ (.5.) n to otrzymamy marę stosowaną przez L. Rekuć. Jeśl polczymy sumę kwadratów tych odstępstw: Z = n = T θ + θ (.5.3) n to otrzymamy marę, która, jak można wykazać, jest pewną lnową transformacją mary stosowanej przez A. Adamskego. Można dokonać uogólnena powyższych wzorów zapsać marę równomernośc w postac: Z = n = p T θ + θ (.5.4) n gdze p>0 Oczywśce wszystke take mary spełnają postulat nr, gdyż dla układu T równomernego wyrażene θ + θ a węc cała mara przyjmują wartość 0. n Badając, czy te mary spełnają postulat nr, można wykazać, że: - dla 0<p< mary postulatu nr ne spełnają. W układach, w których ne jest możlwe osągnęce dealnej równomernośc dla wszystkch wązek, optymalzacja układu pod kątem takej mary prowadzła do skupana nerównomernośc na jednej wązce. Z matematycznego punktu wdzena wynka to z faktu, że funkcja f(x)=x p jest dla 0<p< funkcją wklęsłą. - dla p= otrzymujemy marę stosowaną przez L. Rekuć. Jak już wykazano mara ta postulatu nr ne spełna. 7

28 - dla p> mara postulat spełna. Spośród badanych wartośc najlepsze rezultaty osągano dla wartośc p=. Dla p= mara jest równeż wygodna w oblczenach numerycznych, gdyż jej pochodna jest funkcją kawałkam lnową. Oczywśce powyższe mary ne spełnają postulatów nr 3 4 gdyż ne uwzględnają w ogóle wartośc ntensywnośc napływu pasażerów na przystank..6. Naturalne charakterystyk układu komunkacyjnego Rozpatrywane powyżej mary są po prostu pewnym wyrażenam arytmetycznym zależnym od momentów startów. Autor poszukwał równeż mary równomernośc wśród naturalnych charakterystyk układu komunkacyjnego. Przebadano: średne odstępy mędzy pojazdam, maksymalne odstępy mędzy pojazdam, maksymalny czas oczekwana tp. Wreszce, przebadano sumaryczny czas oczekwana pasażerów na przystankach. Okazało sę, że przy założenu stałej w czase ntensywnośc napływu pasażerów (INP) na przystank sumaryczny czas oczekwana traktowany jako mara równomernośc kursowana spełna postulaty nr (patrz podrozdzał 3.7). Natomast przy założena zmennej w czase INP sumaryczny czas oczekwana jest mnmalny dla układów, w których częstotlwość kursowana dostosowana jest do INP, czyl sumaryczny czas oczekwana spełna postulat nr 4 (zależność ta została rozważona w podrozdzale 3.8). Sumaryczny czas oczekwana pasażerów na pojazd w naturalny sposób spełna postulat nr 3, gdyż waga przypsana danej ln/wązce jest po prostu równa lośc pasażerów, którzy korzystają z tej ln/wązk..7. Sumaryczny czas oczekwana na pojazd jako mara równomernośc Wobec przedstawonych powyżej argumentów za marę równomernośc kursowana przyjęto w tej pracy sumaryczny czas oczekwana pasażerów na pojazd. W rozdzale 3 przedstawono szczegółowo wylczene sumarycznego czasu oczekwana pasażerów. Natomast w rozdzale 4 zastosowano przyjętą marę nerównomernośc do stworzena klku model problemu synchronzacj nterwałowej. 8

29 3. Oblczene sumarycznego czasu oczekwana pasażerów na pojazd 3.. Wprowadzene W rozdzale trzecm oblczymy sumaryczny czas oczekwana pasażerów na pojazd (SCOP). Welkość tę oblczymy jako funkcję momentów odjazdów pojazdów z pętl. Za parametry przyjmemy: - układ przystanków na ln, - czasy przejazdu mędzy przystankam, - ntensywnośc napływu pasażerów na przystank, wyrażone w pasażerach na mnutę zadane jako funkcje czasu. Momenty odjazdów pojazdów z przystanków uważane są za nelosowe. Rozważone zostaną dwa modele procesu napływu pasażerów na przystanek: - uproszczony determnstyczny nedyskretny. W tym modelu zostane wyznaczony sumaryczny czas oczekwana pasażerów. - model uwzględnający losowy dyskretny charakter tego procesu. W tym modelu SCOP jest zmenną losową. Zostaną wyznaczone probablstyczne charakterystyk SCOP: wartość oczekwana, warancja współczynnk zmennośc tej zmennej losowej. Na podstawe wynków osągnętych dla tych dwu model zostane zaproponowane wyrażene ocenające sumaryczny czas oczekwana pasażerów na jeden pojazd, oraz oblczone: - sumaryczny czas oczekwana pasażerów na przystanku dla cągu pojazdów, - sumaryczny czas oczekwana pasażerów na wszystkch przystankach jednej ln, dla cągu pojazdów, - sumaryczny czas oczekwana pasażerów dla jednej wązk, - sumaryczny czas oczekwana pasażerów dla całego układu komunkacyjnego. 9

30 3.. Sumaryczny czas oczekwana pasażerów na przystanku czekających na jeden pojazd Zakładamy, że w chwl 0 z przystanku odjechał pojazd zaberając wszystkch pasażerów, a następny pojazd przyjedze w chwl T. Oblczymy sumaryczny czas oczekwana pasażerów, którzy przybędą na przystanek w przedzale czasowym (0,T). pasażerowe Przystanek Odstęp czasowy: T Rys Pasażerowe oczekujący na jeden pojazd (oprac. własne) Oznaczmy ntensywność napływu pasażerów na przystanek przez α(t). Jeśl ntensywność będze stała będzemy psać po prostu α. Intensywność wyraża średną lość pasażerów przybywających w cągu mnuty. W celu wyrażena w sposób loścowy sumarycznego czasu oczekwana pasażerów na przystanku koneczne jest przyjęce jakegoś modelu opsującego proces przybywana pasażerów na przystanek. Rozważymy tu dwa modele tego procesu:. W perwszym modelu przyjmemy, że napływ pasażerów jest procesem cągłym, nelosowym. Konsekwencją przyjęca takego założena jest znaczne uproszczene sposobu opsu rzeczywstośc. Zaletą przyjęca uproszczonego modelu jest ułatwene przeprowadzena rachunków. Otrzymany w tym modelu sumaryczny czas oczekwana pasażerów na pojazd jest welkoścą nelosową.. W drugm modelu przyjmemy, że napływ pasażerów jest procesem stochastycznym o przyrostach jednostkowych, nezależnych. Tak model jest blższy rzeczywstośc, gdyż oddaje dyskretny losowy charakter procesu. Wymaga on jednak zastosowana bardzej zaawansowanych narzędz matematycznych. W tym modelu sumaryczny czas 30

31 oczekwana pasażerów na pojazd jest zmenną losową. Oblczymy wartość oczekwaną, odchylene standardowe współczynnk zmennośc tej zmennej. W każdym z dwu powyższych model rozważymy dwa przypadk: - szczególny przypadek stałej w czase ntensywnośc napływu pasażerów, - ogólnejszy przypadek zmennej w czase ntensywnośc napływu pasażerów Model determnstycznego cągłego napływu pasażerów W tym modelu przyjmujemy, że napływ pasażerów jest procesem determnstycznym cągłym Model determnstycznego cągłego napływu pasażerów ze stałą w czase ntensywnoścą napływu pasażerów Dla analzowanego modelu prawdzwe jest przedstawone ponżej twerdzene. Twerdzene 3. Załóżmy, że pasażerowe przybywają na przystanek w sposób cągły ze stałą ntensywnoścą α pasażerów na mnutę. Ich sumaryczny czas oczekwana na pojazd wynos ½ α T. (3...) Dowód tw. 3. Aby oblczyć straty czasowe pasażerów, którzy przybędą na przystanek w przedzale czasu [0,T] podzelmy ten przedzał na przedzały o zanedbywalne małej długośc dt. Rozważmy przedzał [t, t + dt], gdze dt jest małe. W tym przedzale czasowym na przystanek przybędze α dt pasażerów. Będą on czekać na pojazd T-t mnut zatem ch straty czasowe wynoszą ( T t) α dt (3...) Straty czasowe pasażerów w przedzale czasu [0,T] otrzymamy sumując wyrażena (3...) po wszystkch przedzałach postac [t, t + dt], przechodząc z dt do zera zastępując sumę całką: 3

32 T 0 α ( T t) dt (3...3) Po oblczenu całk otrzymujemy: co kończy dowód. T T α ( T t) dt = α [ tt t ] 0 = αt (3...4) Model determnstycznego cągłego napływu pasażerów ze zmenną w czase ntensywnoścą napływu pasażerów W tym modelu zakładamy, że ntensywność napływu pasażerów na przystanek może sę zmenać w czase. Funkcję ntensywnośc napływu pasażerów na przystanek oznaczamy przez α(t). Dla analzowanego modelu prawdzwe jest przedstawone ponżej twerdzene. Twerdzene 3. Załóżmy, że pasażerowe przybywają na przystanek w sposób cągły ze zmenną ntensywnoścą α(t) pasażerów na mnutę. Ich sumaryczny czas oczekwana na pojazd wynos: T 0 ( T t) α( t) dt. (3...5) Dowód tw. 3. Dowód przeprowadzamy analogczne jak w twerdzenu 3.. Aby oblczyć straty czasowe pasażerów, którzy przybędą na przystanek w przedzale czasu [0,T] dzelmy ten przedzał na przedzały o zanedbywalne małej długośc dt. Rozważmy przedzał [t, t + dt], gdze dt jest małe. W tym przedzale czasowym na przystanek przybędze α(t) dt pasażerów. Będą on czekać na pojazd T-t mnut zatem ch straty czasowe wynoszą α(t) dt (T-t) (3...6) Wynk otrzymamy sumując powyższe wyrażena po wszystkch przedzałach postac [t, t + dt], przechodząc z dt do zera zastępując sumę całką. W wynku tego otrzymujemy wyrażene: 3

33 T 0 α( t) ( T t) dt (3...7) co kończy dowód Model losowego dyskretnego procesu napływu pasażerów W tym modelu przyjmujemy, że napływ pasażerów jest procesem stochastycznym o przyrostach jednostkowych, nezależnych [Rudnck 999]. W takm modelu welkośc take jak: momenty przybyca poszczególnych pasażerów na przystanek, odstępy czasowe mędzy momentam przybyca pasażerów lość pasażerów przybyłych na przystanek w pewnym przedzale czasowym ne są welkoścam determnstycznym lecz zmennym losowym. W szczególnośc sumaryczny czas oczekwana pasażerów na przystanku jest zmenną losową. W celu określena sumarycznego czasu oczekwana pasażerów oblczymy wartość oczekwaną tej zmennej losowej. Dla oszacowana na le dokładne wartość przecętna oddaje wartośc samej zmennej, oblczymy także jej odchylene standardowe współczynnk zmennośc. W przypadku stałej ntensywnośc napływu pasażerów, do modelowana procesu napływu pasażerów użyjemy stochastycznego procesu Possona [Bllngsley 987, Rolsk 999]. W przypadku zmennej ntensywnośc napływu użyjemy procesu stochastycznego, który jest pewną funkcją procesu Possona. Ten ostatn nos czasem nazwę nejednorodnego procesu Possona. W obu przypadkach korzystać będzemy z następującej własnośc procesu Possona [Daryl 988, Kngman 00, Rolsk 999]: Lemat 3. Założena: Nech N(t) oznacza proces Possona o ntensywnośc α. Nech X, X,... oznaczają momenty skoków procesu N(t). Nech T będze lczbą rzeczywstą dodatną. Nech k będze lczbą całkowtą dodatną. 33

34 Teza: Wektor (X, X,..., X k ) ma pod warunkem N(T)=k rozkład statystyk porządkowej k-wymarowego wektora losowego (U, U,..., U k ), gdze U, U,..., U k są pewnym nezależnym zmennym losowym o jednakowym rozkładze jednostajnym na odcnku (0,T). W szczególnośc oznacza to, że wektor (X, X,..., X k ) jest permutacją wektora (U, U,..., U k ) oraz: X= U k = k = Wnosek perwszy z lematu 3. Warunkowa wartość oczekwana sumy zmennych X, X,..., X k pod warunkem N(T)=k wynos ½ k T. N( T) E( X N(T)=k)= E( = co było do okazana. k = U )= k = E(U )=k ½T= ½ k T (3...) Wnosek drug z lematu 3. wynos k T. Warunkowa warancja sumy zmennych X, X,..., X k pod warunkem N(T)=k D ( N( T) = X N(T)=k)= D ( U co było do okazana. k = ) = k = D (U )=k D (U )=k T (3...) 3... Model losowego dyskretnego procesu napływu pasażerów ze stałą w czase ntensywnoścą Twerdzene 3.3 Załóżmy, że pasażerowe przybywają na przystanek zgodne ze stochastycznym procesem Possona o ntensywnośc α. Ich sumaryczny czas oczekwana na pojazd jest zmenną losową której: - wartość oczekwana wynos: - odchylene standardowe wynos T α (3...3) 34

35 - współczynnk zmennośc wynos 3 T α (3...4) 3 4 3Tα (3...5) Dowód tw. 3.3 Rozważmy stochastyczny proces Possona o ntensywnośc α. Nech N(T) oznacza lczbę pasażerów przybyłych na przystanek do chwl T. Zmenna losowa N(T) ma rozkład Possona z parametrem α T. Nech X, X,..., X N(T) oznaczają momenty, w których przybywają na przystanek kolejn pasażerowe. Nech X oznacza sumaryczny czas oczekwana tych pasażerów na pojazd (czyl od chwl przybyca do chwl T). Mamy: N( T) X= (T-X) (3...6) = Tak rozumany sumaryczny czas oczekwana pasażerów na pojazd jest zmenną losową. Oblczmy jej wartość oczekwaną. Ze wzoru na wartość oczekwaną całkowtą mamy: Rozważmy wyrażene E(X N(T)=k ) E(X)= P(N(T)=k) E(X N(T)=k ) (3...7) k=0 Wektor (X, X,..., X k ) pod warunkem N(T)=k ma rozkład statystyk pozycyjnej k-wymarowego wektora nezależnych zmennych losowych o rozkładze jednostajnym na odcnku [0,T]. Oznacza to, że: =E(k T- N( T) E(X N(T)=k )=E( (T-X) N(T)=k)= (3...8) N( T) = = X N(T)=k)= k T-E( N( T) tu korzystamy z wnosku perwszego do Lematu 3. mamy dalej: k=0 Czyl = E(X N(T)=k )=k T-k ½ T=½ k T k=0 X N(T)=k) E(X)= P(N(T)=k) E(X N(T)=k )= P(N(T)=k) k ½ T=½ T P(N(T)=k) k k=0 35

36 suma w powyższym wyrażenu to wartość oczekwana zmennej N(T), która ma rozkład Possona z parametrem αt, a węc suma ta jest równa αt, zatem E(X)= ½ T E( N(T) )= ½ T α T=½ α T (3...9) co kończy dowód perwszej częśc twerdzena. Aby oblczyć warancję zmennej X (sumarycznego czasu oczekwana) zauważmy, że rozkład zmennej X jest meszanką jej rozkładów warunkowych: X N(T)=k z wagam: p k = P(N(T)=k) Skorzystamy z następującego wzoru: k = 0 ( D ( X N ( T ) = k) + ( E( X ) E( X N ( T ) = k)) ) D ( X ) = p (3...0) k Jak pokazano powyżej E(X N(T)=k )= ½ kt Oblczmy D (X N(T)=k ). D (X N(T)=k )= D ( N( T) = N( T) (T-X) N(T)=k) = D ( (-X) N(T)=k)= D ( X N(T)=k) a to na podstawe wnosku drugego do Lematu 3. wynos: = N( T) = D (X N(T)=k )= k T (3...) Podstawając do wzoru (3...0) wartośc (3...), (3...9) (3...8) mamy: p k k= 0 D (X)= ( k T + (½ α T - ½ kt ) )= T k= 0 pk k +(½T) k= 0 p (αt - k) k (3...) sumy w powyższym wyrażenu to odpowedno wartość oczekwana warancja zmennej N(T), która ma rozkład Possona z parametrem αt, a węc obe te sumy są równe αt D (X)= T αt + 4 T αt= 3 αt 3 (3...3) co kończy dowód drugej częśc twerdzena. Współczynnk zmennośc otrzymujemy dzeląc odchylene standardowe przez wartość oczekwaną: 36

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:

Bardziej szczegółowo

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim 5. Pocodna funkcj Defncja 5.1 Nec f: (a, b) R nec c (a, b). Jeśl stneje granca lm x c x c to nazywamy ją pocodną funkcj f w punkce c oznaczamy symbolem f (c) Twerdzene 5.1 Jeśl funkcja f: (a, b) R ma pocodną

Bardziej szczegółowo

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska Statystyka Inżynerska dr hab. nż. Jacek Tarasuk AGH, WFIS 013 Wykład DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE Zmenna losowa, Funkcja rozkładu, Funkcja gęstośc, Dystrybuanta, Charakterystyk zmennej, Funkcje

Bardziej szczegółowo

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB Rozwązywane zadań optymalzacj w środowsku programu MATLAB Zagadnene optymalzacj polega na znajdowanu najlepszego, względem ustalonego kryterum, rozwązana należącego do zboru rozwązań dopuszczalnych. Standardowe

Bardziej szczegółowo

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj

Bardziej szczegółowo

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4 Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy

Bardziej szczegółowo

Statystyka. Zmienne losowe

Statystyka. Zmienne losowe Statystyka Zmenne losowe Zmenna losowa Zmenna losowa jest funkcją, w której każdej wartośc R odpowada pewen podzbór zboru będący zdarzenem losowym. Zmenna losowa powstaje poprzez przyporządkowane każdemu

Bardziej szczegółowo

Funkcje i charakterystyki zmiennych losowych

Funkcje i charakterystyki zmiennych losowych Funkcje charakterystyk zmennych losowych Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Funkcje zmennych losowych

Bardziej szczegółowo

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp

Bardziej szczegółowo

2012-10-11. Definicje ogólne

2012-10-11. Definicje ogólne 0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj

Bardziej szczegółowo

Proces narodzin i śmierci

Proces narodzin i śmierci Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 3

Natalia Nehrebecka. Zajęcia 3 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a

Bardziej szczegółowo

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja) Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne

Bardziej szczegółowo

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4 Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja

Bardziej szczegółowo

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1 Rozkład dwupunktowy Zmenna losowa przyjmuje tylko dwe wartośc: wartość 1 z prawdopodobeństwem p wartość 0 z prawdopodobeństwem 1- p x p 0 1-p 1 p suma 1 Rozkład dwupunktowy Funkcja rozkładu prawdopodobeństwa

Bardziej szczegółowo

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa.   PARA ZMIENNYCH LOSOWYCH Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy

Bardziej szczegółowo

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów. Opracowane: Dorota Mszczyńska METODA UNITARYZACJI ZEROWANEJ Porównane obektów przy ocene welokryteralnej. Rankng obektów. Porównane wybranych obektów (warantów decyzyjnych) ze względu na różne cechy (krytera)

Bardziej szczegółowo

65120/ / / /200

65120/ / / /200 . W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 4

Natalia Nehrebecka. Zajęcia 4 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających

Bardziej szczegółowo

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4 Zad. 1. Dana jest unkcja prawdopodobeństwa zmennej losowej X -5-1 3 8 p 1 1 c 1 Wyznaczyć: a. stałą c b. wykres unkcj prawdopodobeństwa jej hstogram c. dystrybuantę jej wykres d. prawdopodobeństwa: P (

Bardziej szczegółowo

I. Elementy analizy matematycznej

I. Elementy analizy matematycznej WSTAWKA MATEMATYCZNA I. Elementy analzy matematycznej Pochodna funkcj f(x) Pochodna funkcj podaje nam prędkość zman funkcj: df f (x + x) f (x) f '(x) = = lm x 0 (1) dx x Pochodna funkcj podaje nam zarazem

Bardziej szczegółowo

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe

Bardziej szczegółowo

Modelowanie i obliczenia techniczne. Metody numeryczne w modelowaniu: Optymalizacja

Modelowanie i obliczenia techniczne. Metody numeryczne w modelowaniu: Optymalizacja Modelowane oblczena technczne Metody numeryczne w modelowanu: Optymalzacja Zadane optymalzacj Optymalzacja to ulepszane lub poprawa jakośc danego rozwązana, projektu, opracowana. Celem optymalzacj jest

Bardziej szczegółowo

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że Twerdzene Bezouta lczby zespolone Javer de Lucas Ćwczene 1 Ustal dla których a, b R można podzelć f 1 X) = X 4 3X 2 + ax b przez f 2 X) = X 2 3X+2 Oblcz a b Z 5 jeżel zak ladamy, że f 1 f 2 s a welomanam

Bardziej szczegółowo

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są

Bardziej szczegółowo

Laboratorium ochrony danych

Laboratorium ochrony danych Laboratorum ochrony danych Ćwczene nr Temat ćwczena: Cała skończone rozszerzone Cel dydaktyczny: Opanowane programowej metody konstruowana cał skończonych rozszerzonych GF(pm), poznane ch własnośc oraz

Bardziej szczegółowo

Natalia Nehrebecka. Wykład 2

Natalia Nehrebecka. Wykład 2 Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad

Bardziej szczegółowo

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np. Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas

Bardziej szczegółowo

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5 MATEMATYKA POZIOM ROZSZERZONY Krytera ocenana odpowedz Arkusz A II Strona 1 z 5 Odpowedz Pytane 1 2 3 4 5 6 7 8 9 Odpowedź D C C A B 153 135 232 333 Zad. 10. (0-3) Dana jest funkcja postac. Korzystając

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 1 Statystyka opsowa ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 W statystyce opsowej mamy pełne nformacje

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3 Stansław Cchock Natala Nehrebecka Katarzyna Rosak-Lada Zajęca 3 1. Dobrod dopasowana równana regresj. Współczynnk determnacj R 2 Dekompozycja warancj zmennej zależnej Współczynnk determnacj R 2 2. Zmenne

Bardziej szczegółowo

ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO

ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO NA PODSTAWIE REFERATU JUSTYNY KOSAKOWSKIEJ. Moduły prnjektywne posety skończonego typu prnjektywnego Nech I będze skończonym posetem. Przez max

Bardziej szczegółowo

Klasyfkator lnowy Wstęp Klasyfkator lnowy jest najprostszym możlwym klasyfkatorem. Zakłada on lnową separację lnowy podzał dwóch klas mędzy sobą. Przedstawa to ponższy rysunek: 5 4 3 1 0-1 - -3-4 -5-5

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej

Bardziej szczegółowo

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni. Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :

Bardziej szczegółowo

Weryfikacja hipotez dla wielu populacji

Weryfikacja hipotez dla wielu populacji Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w

Bardziej szczegółowo

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie. Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane

Bardziej szczegółowo

Statystyka Opisowa 2014 część 1. Katarzyna Lubnauer

Statystyka Opisowa 2014 część 1. Katarzyna Lubnauer Statystyka Opsowa 2014 część 1 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,

Bardziej szczegółowo

5. OPTYMALIZACJA GRAFOWO-SIECIOWA

5. OPTYMALIZACJA GRAFOWO-SIECIOWA . OPTYMALIZACJA GRAFOWO-SIECIOWA Defncja grafu Pod pojęcem grafu G rozumemy następującą dwójkę uporządkowaną (defncja grafu Berge a): (.) G W,U gdze: W zbór werzchołków grafu, U zbór łuków grafu, U W W,

Bardziej szczegółowo

Ile wynosi suma miar kątów wewnętrznych w pięciokącie?

Ile wynosi suma miar kątów wewnętrznych w pięciokącie? 1 Ile wynos suma mar kątów wewnętrznych w pęcokące? 1 Narysuj pęcokąt foremny 2 Połącz środek okręgu opsanego na tym pęcokące ze wszystkm werzchołkam pęcokąta 3 Oblcz kąty każdego z otrzymanych trójkątów

Bardziej szczegółowo

Diagonalizacja macierzy kwadratowej

Diagonalizacja macierzy kwadratowej Dagonalzacja macerzy kwadratowej Dana jest macerz A nân. Jej wartośc własne wektory własne spełnają równane Ax x dla,..., n Każde z równań własnych osobno można zapsać w postac: a a an x x a a an x x an

Bardziej szczegółowo

Za: Stanisław Latoś, Niwelacja trygonometryczna, [w:] Ćwiczenia z geodezji II [red.] J. Beluch

Za: Stanisław Latoś, Niwelacja trygonometryczna, [w:] Ćwiczenia z geodezji II [red.] J. Beluch Za: Stansław Latoś, Nwelacja trygonometryczna, [w:] Ćwczena z geodezj II [red.] J. eluch 6.1. Ogólne zasady nwelacj trygonometrycznej. Wprowadzene Nwelacja trygonometryczna, zwana równeż trygonometrycznym

Bardziej szczegółowo

Proste modele ze złożonym zachowaniem czyli o chaosie

Proste modele ze złożonym zachowaniem czyli o chaosie Proste modele ze złożonym zachowanem czyl o chaose 29 kwetna 2014 Komputer jest narzędzem coraz częścej stosowanym przez naukowców do ukazywana skrzętne ukrywanych przez naturę tajemnc. Symulacja, obok

Bardziej szczegółowo

8. Optymalizacja decyzji inwestycyjnych

8. Optymalizacja decyzji inwestycyjnych dr nż. Zbgnew Tarapata: Optymalzacja decyzj nwestycyjnych, cz.ii 8. Optymalzacja decyzj nwestycyjnych W rozdzale 8, część I przedstawono elementarne nformacje dotyczące metod oceny decyzj nwestycyjnych.

Bardziej szczegółowo

Systemy Ochrony Powietrza Ćwiczenia Laboratoryjne

Systemy Ochrony Powietrza Ćwiczenia Laboratoryjne ś POLITECHNIKA POZNAŃSKA INSTYTUT INŻYNIERII ŚRODOWISKA PROWADZĄCY: mgr nż. Łukasz Amanowcz Systemy Ochrony Powetrza Ćwczena Laboratoryjne 2 TEMAT ĆWICZENIA: Oznaczane lczbowego rozkładu lnowych projekcyjnych

Bardziej szczegółowo

APROKSYMACJA QUASIJEDNOSTAJNA

APROKSYMACJA QUASIJEDNOSTAJNA POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 73 Electrcal Engneerng 213 Jan PURCZYŃSKI* APROKSYMACJA QUASIJEDNOSTAJNA W pracy wykorzystano metodę aproksymacj średnokwadratowej welomanowej, przy

Bardziej szczegółowo

1.1. Uprość opis zdarzeń: 1.2. Uprościć opis zdarzeń: a) A B A Uprościć opis zdarzeń: 1.4. Uprościć opis zdarzeń:

1.1. Uprość opis zdarzeń: 1.2. Uprościć opis zdarzeń: a) A B A Uprościć opis zdarzeń: 1.4. Uprościć opis zdarzeń: .. Uprość ops zdarzeń: a) A B, A \ B b) ( A B) ( A' B).. Uproścć ops zdarzeń: a) A B A b) A B, ( A B) ( B C).. Uproścć ops zdarzeń: a) A B A B b) A B C ( A B) ( B C).4. Uproścć ops zdarzeń: a) A B, A B

Bardziej szczegółowo

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4. Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne XXX OLIMPIADA FIZYCZNA ETAP III Zadane dośwadczalne ZADANIE D Nazwa zadana: Maszyna analogowa. Dane są:. doda półprzewodnkowa (krzemowa) 2. opornk dekadowy (- 5 Ω ), 3. woltomerz cyfrowy, 4. źródło napęca

Bardziej szczegółowo

Określanie mocy cylindra C w zaleŝności od ostrości wzroku V 0 Ostrość wzroku V 0 7/5 6/5 5/5 4/5 3/5 2/5 Moc cylindra C 0,5 0,75 1,0 1,25 1,5 > 2

Określanie mocy cylindra C w zaleŝności od ostrości wzroku V 0 Ostrość wzroku V 0 7/5 6/5 5/5 4/5 3/5 2/5 Moc cylindra C 0,5 0,75 1,0 1,25 1,5 > 2 T A R C Z A Z E G A R O W A ASTYGMATYZM 1.Pojęca ogólne a) astygmatyzm prosty (najbardzej zgodny z pozomem) - najbardzej płask połudnk tzn. o najmnejszej mocy jest pozomy b) astygmatyzm odwrotny (najbardzej

Bardziej szczegółowo

6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO

6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO Różnce mędzy obserwacjam statystycznym ruchu kolejowego a samochodowego 7. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO.. Obserwacje odstępów mędzy kolejnym wjazdam na stację

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =

Bardziej szczegółowo

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer Statystyka Opsowa 2014 część 2 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL W standardowym modelu lnowym zakładamy,

Bardziej szczegółowo

PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W PILE INSTYTUT POLITECHNICZNY. Zakład Budowy i Eksploatacji Maszyn PRACOWNIA TERMODYNAMIKI TECHNICZNEJ INSTRUKCJA

PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W PILE INSTYTUT POLITECHNICZNY. Zakład Budowy i Eksploatacji Maszyn PRACOWNIA TERMODYNAMIKI TECHNICZNEJ INSTRUKCJA PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W PILE INSTYTUT POLITECHNICZNY Zakład Budowy Eksploatacj Maszyn PRACOWNIA TERMODYNAMIKI TECHNICZNEJ INSTRUKCJA Temat ćwczena: PRAKTYCZNA REALIZACJA PRZEMIANY ADIABATYCZNEJ.

Bardziej szczegółowo

7.8. RUCH ZMIENNY USTALONY W KORYTACH PRYZMATYCZNYCH

7.8. RUCH ZMIENNY USTALONY W KORYTACH PRYZMATYCZNYCH WYKŁAD 7 7.8. RUCH ZMIENNY USTALONY W KORYTACH PRYZMATYCZNYCH 7.8.. Ogólne równane rucu Rucem zmennym w korytac otwartyc nazywamy tak przepływ, w którym parametry rucu take jak prędkość średna w przekroju

Bardziej szczegółowo

Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311

Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311 Sztuczne sec neuronowe Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyk, p. 311 Wykład 6 PLAN: - Repetto (brevs) - Sec neuronowe z radalnym funkcjam bazowym Repetto W aspekce archtektury: zajmowalśmy

Bardziej szczegółowo

Prawdopodobieństwo geometryczne

Prawdopodobieństwo geometryczne Prawdopodobeństwo geometryczne Przykład: Przestrzeń zdarzeń elementarnych określona jest przez zestaw punktów (x, y) na płaszczyźne wypełna wnętrze kwadratu [0 x ; 0 y ]. Znajdź p-stwo, że dowolny punkt

Bardziej szczegółowo

Komputerowe generatory liczb losowych

Komputerowe generatory liczb losowych . Perwszy generator Komputerowe generatory lczb losowych 2. Przykłady zastosowań 3. Jak generuje sę lczby losowe przy pomocy komputera. Perwszy generator lczb losowych L. H. C. Tppet - 927 Ksąż ążka -

Bardziej szczegółowo

METODY PLANOWANIA EKSPERYMENTÓW. dr hab. inż. Mariusz B. Bogacki

METODY PLANOWANIA EKSPERYMENTÓW. dr hab. inż. Mariusz B. Bogacki Metody Planowana Eksperymentów Rozdzał 1. Strona 1 z 14 METODY PLANOWANIA EKSPERYMENTÓW dr hab. nż. Marusz B. Bogack Marusz.Bogack@put.poznan.pl www.fct.put.poznan.pl/cv23.htm Marusz B. Bogack 1 Metody

Bardziej szczegółowo

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA Problemy jednoczesnego testowana welu hpotez statystycznych ch zastosowana w analze mkromacerzy DNA Konrad Furmańczyk Katedra Zastosowań Matematyk SGGW Plan referatu Testowane w analze mkromacerzy DNA

Bardziej szczegółowo

Procedura normalizacji

Procedura normalizacji Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych

Bardziej szczegółowo

Badania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa

Badania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa Badana sondażowe Brak danych Konstrukcja wag Agneszka Zęba Zakład Badań Marketngowych Instytut Statystyk Demograf Szkoła Główna Handlowa 1 Błędy braku odpowedz Całkowty brak odpowedz (UNIT nonresponse)

Bardziej szczegółowo

4. OPTYMALIZACJA WIELOKRYTERIALNA

4. OPTYMALIZACJA WIELOKRYTERIALNA Wybrane zagadnena badań operacyjnych dr nż. Zbgnew Tarapata Wykład nr 4: Optymalzacja welokryteralna 4. OPTYMLIZCJ WIELORYTERIL Decyzje nwestycyjne mają często charakter złożony. Zdarza sę, że przy wyborze

Bardziej szczegółowo

Równania rekurencyjne na dziedzinach

Równania rekurencyjne na dziedzinach Marek Materzok Równana rekurencyjne na dzedznach Pommo, ż poczynłem starana, aby praca ta była możlwe kompletna wolna od błędów, ne mogę zagwarantować, że ne wkradły sę do nej żadne neścsłośc czy pomyłk.

Bardziej szczegółowo

OPTYMALIZACJA WARTOŚCI POLA MAGNETYCZNEGO W POBLIŻU LINII NAPOWIETRZNEJ Z WYKORZYSTANIEM ALGORYTMU GENETYCZNEGO

OPTYMALIZACJA WARTOŚCI POLA MAGNETYCZNEGO W POBLIŻU LINII NAPOWIETRZNEJ Z WYKORZYSTANIEM ALGORYTMU GENETYCZNEGO POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 81 Electrcal Engneerng 015 Mkołaj KSIĄŻKIEWICZ* OPTYMALIZACJA WARTOŚCI POLA MAGNETYCZNEGO W POLIŻU LINII NAPOWIETRZNEJ Z WYKORZYSTANIEM ALGORYTMU

Bardziej szczegółowo

Parametry zmiennej losowej

Parametry zmiennej losowej Eonometra Ćwczena Powtórzene wadomośc ze statysty SS EK Defncja Zmenną losową X nazywamy funcję odwzorowującą przestrzeń zdarzeń elementarnych w zbór lczb rzeczywstych, taą że przecwobraz dowolnego zboru

Bardziej szczegółowo

Pattern Classification

Pattern Classification attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter

Bardziej szczegółowo

Problem plecakowy (KNAPSACK PROBLEM).

Problem plecakowy (KNAPSACK PROBLEM). Problem plecakowy (KNAPSACK PROBLEM). Zagadnene optymalzac zwane problemem plecakowym swą nazwę wzęło z analog do sytuac praktyczne podobne do problemu pakowana plecaka. Chodz o to, by zapakować maksymalne

Bardziej szczegółowo

WikiWS For Business Sharks

WikiWS For Business Sharks WkWS For Busness Sharks Ops zadana konkursowego Zadane Opracowane algorytmu automatyczne przetwarzającego zdjęce odręczne narysowanego dagramu na tablcy lub kartce do postac wektorowej zapsanej w formace

Bardziej szczegółowo

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego Portel nwestycyjny ćwczena Na podst. Wtold Jurek: Konstrukcja analza rozdzał 5 dr chał Konopczyńsk Portele zawerające walor pozbawony ryzyka. lementy teor rynku kaptałowego 1. Pożyczane penędzy amy dwa

Bardziej szczegółowo

Modelowanie przepływu cieczy przez ośrodki porowate Wykład IX

Modelowanie przepływu cieczy przez ośrodki porowate Wykład IX Modelowane przepływu ceczy przez ośrodk porowate Wykład IX Metody rozwązywana metodam analtycznym równań hydrodynamk wód podzemnych płaskch zagadneń fltracj. 9.1 Funkcja potencjału zespolonego. Rozważana

Bardziej szczegółowo

Sprawozdanie powinno zawierać:

Sprawozdanie powinno zawierać: Sprawozdane pownno zawerać: 1. wypełnoną stronę tytułową (gotowa do ćw. nr 0 na strone drugej, do pozostałych ćwczeń zameszczona na strone 3), 2. krótk ops celu dośwadczena, 3. krótk ops metody pomaru,

Bardziej szczegółowo

Kodowanie informacji. Instytut Informatyki UWr Studia wieczorowe. Wykład nr 2: rozszerzone i dynamiczne Huffmana

Kodowanie informacji. Instytut Informatyki UWr Studia wieczorowe. Wykład nr 2: rozszerzone i dynamiczne Huffmana Kodowane nformacj Instytut Informatyk UWr Studa weczorowe Wykład nr 2: rozszerzone dynamczne Huffmana Kod Huffmana - nemłe przypadk... Nech alfabet składa sę z 2 lter: P(a)=1/16 P(b)=15/16 Mamy H(1/16,

Bardziej szczegółowo

Pracownia Automatyki i Elektrotechniki Katedry Tworzyw Drzewnych Ćwiczenie 3. Analiza obwodów RLC przy wymuszeniach sinusoidalnych w stanie ustalonym

Pracownia Automatyki i Elektrotechniki Katedry Tworzyw Drzewnych Ćwiczenie 3. Analiza obwodów RLC przy wymuszeniach sinusoidalnych w stanie ustalonym ĆWCZENE 3 Analza obwodów C przy wymszenach snsodalnych w stane stalonym 1. CE ĆWCZENA Celem ćwczena jest praktyczno-analtyczna ocena obwodów elektrycznych przy wymszenach snsodalne zmennych.. PODSAWY EOEYCZNE

Bardziej szczegółowo

PROGNOZOWANIE SPRZEDAŻY Z ZASTOSOWANIEM ROZKŁADU GAMMA Z KOREKCJĄ ZE WZGLĘDU NA WAHANIA SEZONOWE

PROGNOZOWANIE SPRZEDAŻY Z ZASTOSOWANIEM ROZKŁADU GAMMA Z KOREKCJĄ ZE WZGLĘDU NA WAHANIA SEZONOWE STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 36 Krzysztof Dmytrów * Marusz Doszyń ** Unwersytet Szczecńsk PROGNOZOWANIE SPRZEDAŻY Z ZASTOSOWANIEM ROZKŁADU GAMMA Z KOREKCJĄ ZE WZGLĘDU NA

Bardziej szczegółowo

PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH

PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH Z a k ł a d U b e z p e c z e ń S p o ł e c z n y c h Wprowadzene Nnejsza ulotka adresowana jest zarówno do osób dopero ubegających

Bardziej szczegółowo

3. ŁUK ELEKTRYCZNY PRĄDU STAŁEGO I PRZEMIENNEGO

3. ŁUK ELEKTRYCZNY PRĄDU STAŁEGO I PRZEMIENNEGO 3. ŁUK ELEKTRYCZNY PRĄDU STŁEGO I PRZEMIENNEGO 3.1. Cel zakres ćwczena Celem ćwczena jest zapoznane sę z podstawowym właścwoścam łuku elektrycznego palącego sę swobodne, w powetrzu o cśnentmosferycznym.

Bardziej szczegółowo

Ćwiczenie 10. Metody eksploracji danych

Ćwiczenie 10. Metody eksploracji danych Ćwczene 10. Metody eksploracj danych Grupowane (Clusterng) 1. Zadane grupowana Grupowane (ang. clusterng) oznacza grupowane rekordów, obserwacj lub przypadków w klasy podobnych obektów. Grupa (ang. cluster)

Bardziej szczegółowo

Natalia Nehrebecka. Dariusz Szymański

Natalia Nehrebecka. Dariusz Szymański Natala Nehrebecka Darusz Szymańsk . Sprawy organzacyjne Zasady zalczena Ćwczena Lteratura. Czym zajmuje sę ekonometra? Model ekonometryczny 3. Model lnowy Postać modelu lnowego Zaps macerzowy modelu dl

Bardziej szczegółowo

V. TERMODYNAMIKA KLASYCZNA

V. TERMODYNAMIKA KLASYCZNA 46. ERMODYNAMIKA KLASYCZNA. ERMODYNAMIKA KLASYCZNA ermodynamka jako nauka powstała w XIX w. Prawa termodynamk są wynkem obserwacj welu rzeczywstych procesów- są to prawa fenomenologczne modelu rzeczywstośc..

Bardziej szczegółowo

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału 5 CML Catal Market Lne, ynkowa Lna Katału Zbór ortolo o nalny odchylenu standardowy zbór eektywny ozważy ortolo złożone ze wszystkch aktywów stnejących na rynku Załóży, że jest ch N A * P H P Q P 3 * B

Bardziej szczegółowo

Analiza struktury zbiorowości statystycznej

Analiza struktury zbiorowości statystycznej Analza struktury zborowośc statystycznej.analza tendencj centralnej. Średne klasyczne Średna arytmetyczna jest parametrem abstrakcyjnym. Wyraża przecętny pozom badanej zmennej (cechy) w populacj generalnej:

Bardziej szczegółowo

STATECZNOŚĆ SKARP. α - kąt nachylenia skarpy [ o ], φ - kąt tarcia wewnętrznego gruntu [ o ],

STATECZNOŚĆ SKARP. α - kąt nachylenia skarpy [ o ], φ - kąt tarcia wewnętrznego gruntu [ o ], STATECZNOŚĆ SKARP W przypadku obektu wykonanego z gruntów nespostych zaprojektowane bezpecznego nachylena skarp sprowadza sę do przekształcena wzoru na współczynnk statecznośc do postac: tgφ tgα = n gdze:

Bardziej szczegółowo

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński Mkroekonometra 5 Mkołaj Czajkowsk Wktor Budzńsk Uogólnone modele lnowe Uogólnone modele lnowe (ang. Generalzed Lnear Models GLM) Różną sę od standardowego MNK na dwa sposoby: Rozkład zmennej objaśnanej

Bardziej szczegółowo

ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH

ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH Potr Mchalsk Węzeł Centralny OŻK-SB 25.12.2013 rok ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH Celem ponższej analzy jest odpowedź na pytane: czy wykształcene radnych

Bardziej szczegółowo

Badanie współzaleŝności dwóch cech ilościowych X i Y. Analiza korelacji prostej. Badanie zaleŝności dwóch cech ilościowych. Analiza regresji prostej

Badanie współzaleŝności dwóch cech ilościowych X i Y. Analiza korelacji prostej. Badanie zaleŝności dwóch cech ilościowych. Analiza regresji prostej Badane współzaleŝnośc dwóch cech loścowych X Y. Analza korelacj prostej Badane zaleŝnośc dwóch cech loścowych. Analza regresj prostej Kody znaków: Ŝółte wyróŝnene nowe pojęce czerwony uwaga kursywa komentarz

Bardziej szczegółowo

11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej.

11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej. /22/24 Dwuosobowe gry o sume zero DO NAUCZENIA I ZAPAMIĘTANIA: Defnca zaps ger o sume zero, adaptaca ogólnych defnc. Punkt sodłowy Twerdzena o zwązkach punktu sodłowego z koncepcam rozwązań PRZYPOMNIENIE:

Bardziej szczegółowo

Wykłady Jacka Osiewalskiego. z Ekonometrii. CZĘŚĆ PIERWSZA: Modele Regresji. zebrane ku pouczeniu i przestrodze

Wykłady Jacka Osiewalskiego. z Ekonometrii. CZĘŚĆ PIERWSZA: Modele Regresji. zebrane ku pouczeniu i przestrodze Wykłady Jacka Osewalskego z Ekonometr zebrane ku pouczenu przestrodze UWAGA!! (lstopad 003) to jest wersja neautoryzowana, spsana przeze mne dawno temu od tego czasu ne przejrzana; ma status wersj roboczej,

Bardziej szczegółowo

Wstęp do metod numerycznych Faktoryzacja SVD Metody iteracyjne. P. F. Góra

Wstęp do metod numerycznych Faktoryzacja SVD Metody iteracyjne. P. F. Góra Wstęp do metod numerycznych Faktoryzacja SVD Metody teracyjne P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ 2013 Sngular Value Decomposton Twerdzene 1. Dla każdej macerzy A R M N, M N, stneje rozkład

Bardziej szczegółowo

Wprowadzenie do Sieci Neuronowych Sieci rekurencyjne

Wprowadzenie do Sieci Neuronowych Sieci rekurencyjne Wprowadzene do Sec Neuronowych Sec rekurencyjne M. Czoków, J. Persa 2010-12-07 1 Powtórzene Konstrukcja autoasocjatora Hopfelda 1.1 Konstrukcja Danych jest m obrazów wzorcowych ξ 1..ξ m, gdze każdy pojedynczy

Bardziej szczegółowo