Rozdział 6 Programowanie sieciowe

Wielkość: px
Rozpocząć pokaz od strony:

Download "Rozdział 6 Programowanie sieciowe"

Transkrypt

1 Rozdzał 6 Programowane secowe Metody programowana secowego są to technk planowana złożonych przedsęwzęć organzacyjnych stosowane w celu zapewnena sprawnego przebegu ch realzacj. Metody wykorzystujące sec czynnośc zaczęto stosować w latach 4. XX weku w zwązku z realzacją przedsęwzęć o zastosowanach główne mltarnych. W połowe lat. powstały najbardzej znane algorytmy CPM (ang. Crtcal Path Method) oraz PERT (ang. Program Evaluaton and Revew Technque) stosowane w programowanu secowym [19]. Programowane secowe stosuje se jako narzędze wspomagające planowane przedsęwzęć w takch dzedznach, jak: produkcja oprogramowana, wdrażane systemów nformatycznych, procesy techncznego przygotowana produkcj, przedsęwzęca badawczo-rozwojowe, modernzacja zakładów przemysłowych, duże przedsęwzęca nwestycyjne, produkcja złożonych wyrobów na zamówene. Do oceny projektów stosuje sę zwykle jedno lub klka z następującego zboru kryterów: całkowty czas realzacj, całkowty koszt realzacj, ryzyko, NPV (ang. Net Present Value) zaktualzowana wartość netto. Całkowty czas realzacj jest podstawowym kryterum oceny projektu, gdyż nedotrzymane termnów zwykle skutkuje wysokm karam. Najczęścej stosowaną metodą wyznaczana mnmalnego czasu trwana projektu jest metoda śceżk krytycznej (CPM), którą omówmy w punkce 6.1. Zwykle projekt charakteryzuje sę ne tylko umownym termnem zakończena, ale równeż określonym budżetem, którego przekroczene powoduje, że zysk wykonawcy są mnejsze od spodzewanych, a nawet może on przyneść straty. Ponadto w pewnych sytuacjach można skrócć czas trwana poszczególnych czynnośc, ponosząc dodatkowe koszty (np. na zatrudnene dodatkowych pracownków). Analza czasowo-kosztowa (CPM/MCX), omówona w punkce 6., pozwala ustalć, które czynnośc o le warto skrócć, aby najlepej wykorzystać

2 78 Rozdzał 6. Programowane secowe środk przeznaczone na skrócene czasu realzacj projektu. Jednym z najwększych problemów pojawających sę podczas stosowana metod secowych jest określene czasów trwana poszczególnych czynnośc. Metody te dotyczą przedsęwzęć o nskej powtarzalnośc, a zatem możlwośc wykorzystana danych hstorycznych są newelke. Dlatego zwykle oszacowana czasów trwana czynnośc są obarczone dosyć dużym błędem, nosąc ze sobą wysoke ryzyko nedotrzymana termnu realzacj. Mnmalzacja ryzyka jest jednym z celów planowana. Do oceny ryzyka zwązanego z czasem wykonana projektu wykorzystuje sę metodę PERT, którą przedstawmy w punkce 6.3. Najbardzej zaawansowaną marą jakośc projektu, ważną zwłaszcza w wypadku projektów trwających bardzo długo, jest zaktualzowana wartość netto, która pozwala wyrazć koszty realzacj na poszczególnych etapach realzacj projektu z uwzględnenem kosztów zamrożena skutków nflacj Metoda śceżk krytycznej Przedsęwzęca składające sę z dużej lczby wzajemne powązanych czynnośc nazywa sę często projektam. Projekt jest to jednorazowe nepow- tarzalne przedsęwzęce weloczynnoścowe o netypowej strukturze przebegu, którego realzacja wymaga zwykle czasu oraz ogranczonych zasobów Przykład Załóżmy, że grupa studentów zanteresowanych pewnym problemem wykraczającym poza ramy programu studów planuje zorganzować semnarum pośwęcone temu zagadnenu z udzałem klku wybtnych wykładowców z różnych uczeln. Studenc planują pozyskać sponsorów wydrukować streszczena prezentowanych wykładów. Osobną sprawą jest wybór mejsca przeprowadzena semnarum. Organzatorzy borą pod uwagę sale na uczeln lub poza ną. Ostateczny wybór będze zależał od dostępnośc sal w ustalonym termne oraz kosztów ch wynajęca. Należy też zadbać o rozpowszechnene nformacj o semnarum wśród kolegów. W tym celu zostaną wydrukowane plakaty ulotk. Lstę czynnośc, jake należy przeprowadzć, aby zrealzować plan, przedstawono w tablcy 6.1. Ustalono równeż kolejność wykonywana poszczególnych czynnośc przewdywany czas ch wykonana. Dane te równeż przedstawono w tablcy. Ile dn przed planowanym termnem semnarum należy rozpocząć jego przygotowywane, aby ulotk materały semnaryjne zostały na czas wydrukowane?

3 6.1. Metoda śceżk krytycznej 79 Tablca 6.1. Lsta czynnośc zwązanych z organzacją semnarum Czynność Ops Czynnośc Czas trwana poprzedzające 1 Ustalene lsty wykładowców Ustalene lsty możlwych lokalzacj 3 Pozyskane sponsorów 1 4 Nadsyłane streszczeń wykładów 1 7 Ustalene lokalzacj 8 6 Ustalene lsty wystąpeń Opracowane materałów Opracowane rozesłane ulotek, Druk materałów 3, Analza sytuacj decyzyjnej Zauważmy, że pewne czynnośc mogą być wykonywane równolegle, co pownno skrócć czas przygotowana semnarum. Zależnośc kolejnoścowe mędzy czynnoścam wynkające z tablcy 6.1. można przedstawć za pomocą grafu. Przyjmemy, że łuk w grafe reprezentują poszczególne czynnośc, natomast węzły nazwemy zdarzenam. Zdarzene jest punktem w czase oznaczającym moment rozpoczęca lub zakończena jakejś czynnośc. W dalszym cągu będzemy oznaczać czynność jako parę, j, gdze oznacza zdarzene rozpoczynające czynność, a j oznacza zdarzene kończące czynność. Graf czynnośc w rozważanym przykładze przedstawa rysunek 6.1. Zdarzena oznaczono lteram alfabetu. A E START C F 6 9 B 8 D Rys Seć czynnośc

4 8 Rozdzał 6. Programowane secowe Model matematyczny Jak wspomnano, grafy są wygodnym narzędzem do modelowana projektów. Przyjmjmy, że dane są: dyskretny skończony zbór czynnośc (zadań), zbór ogranczeń kolejnoścowych, dyskretny skończony zbór atrybutów opsujących każdą czynność, takch jak: czas realzacj, koszt realzacj, zapotrzebowane na zasoby. Zbór czynnośc wynka bezpośredno z zakresu projektu. Ustalene lsty czynnośc jest zadanem bardzo ważnym, a przy tym wymagającym dośwadczena wyobraźn. Nekedy wprowadza sę tzw. czynnośc pozorne, których czas realzacj oraz zapotrzebowana zasobowe są zerowe. Wprowadzene tych czynnośc jest koneczne w celu reprezentacj ogranczeń kolejnoścowych mędzy zdarzenam, mędzy którym ne występują zwykłe czynnośc (jest to zwązane z reprezentacją czynnośc na łukach grafu). Kolejność czynnośc wynka z ogranczeń modelowanego projektu. Mogą to być ogranczena: technologczne, o charakterze czasowym, wynkające z nepodzelnośc nesubstytucyjnośc zasobów, o charakterze blansowym. Ogranczena technologczne wynkają z charakteru samego projektu przyjętego sposobu realzacj. W naszym przykładze ulotk można wydrukować dopero, gdy znane jest mejsce przeprowadzena semnarum lsta referatów. Ogranczena o charakterze czasowym występują na przykład, gdy jakaś czynność ne może sę rozpocząć przed ustalonym termnem, nezwązanym z zakończenem żadnej nnej czynnośc. Przykładem takego ogranczena może być data rozpoczęca nwestycj zwązana z datą obowązywana określonych przepsów. Jeżel wykonawca projektu dysponuje np. jedną koparką, to pomędzy czynnoścam wymagającym użyca kopark można ustalć ogranczena kolejnoścowe w celu unknęca konflktu zasobowego. W ogólnośc ogranczena zasobowe modeluje sę jednak nezależne od kolejnoścowych. Mamy wówczas do czynena z problemam rozdzału zasobów w systemach typu kompleks operacj, które należą do najtrudnejszych problemów kombnatorycznych. Omawane tych problemów wykracza poza zakres nnejszego skryptu. Określene wartośc atrybutów też na ogół sprawa sporo trudnośc. Ustalene czasu trwana czy kosztu realzacj czynnośc jest możlwe tylko w pewnym przyblżenu. Możlwe są dwa sposoby konstruowana grafu ogranczeń kolejnoścowych:

5 6.1. Metoda śceżk krytycznej 81 czynnośc występują na łukach, czynnośc występują w węzłach. Zwykle w zadanach programowana secowego stosuje sę ten perwszy sposób. Węzły grafu odpowadają wtedy zdarzenom (momentom rozpoczęca lub zakończena czynnośc). Etykety na łukach mogą zawerać nformację o wartoścach atrybutów zwązanych z czynnoścą (czas, koszt, zapotrzebowane na zasoby). Na rysunku 6.1. etykety na łukach oznaczają czas wykonana poszczególnych czynnośc. Przyjęta konwencja zapewna, że otrzymany graf, nazywany secą czynnośc, posada następujące własnośc: jest grafem prostym (mędzy dowolną parą werzchołków występuje co najwyżej jeden łuk ne występują pętle), jest grafem spójnym, jest grafem skerowanym, ne zawera dróg cyklcznych, ma jedno zdarzene początkowe jedno zdarzene końcowe Metoda śceżk krytycznej Z punktu wdzena teor grafów rozwązane zadana polega na znalezenu najdłuższej śceżk w grafe. Metoda pełnego przeglądu, polegająca na oblczenu długośc wszystkch śceżek, a następne wyborze najdłuższej z nch, jest neefektywna oblczenowo. Znana jest jednak znaczne sprawnejsza metoda, nazywana metodą śceżk krytycznej, którą przedstawmy ponżej. Jest to perwsza metoda analzy secowej, która została opracowana około roku 196. Długość najdłuższej śceżk w grafe, którą znajduje sę za pomocą metody CPM, wyznacza najkrótszy możlwy czas realzacj projektu. W metodze tej zakłada sę, że seć jest w postac kanoncznej, czyl zarówno struktura sec, jak czasy trwana czynnośc są determnstyczne. Wygodnym sposobem reprezentacj grafu jest macerz sąsedztwa, czyl kwadratowa macerz, w której a j oznacza lczbę krawędz pomędzy werzchołkam oraz j. W przypadku grafów prostych macerz sąsedztwa jest macerzą zerojedynkową z zeram na głównej przekątnej. Macerz sąsedztwa grafu z rysunku 6.1. przedstawa tablca 6.. Zacznemy od ponumerowana werzchołków w grafe tak, aby zdarzene oznaczające początek czynnośc mało nższy numer nż zdarzene oznaczające konec tej czynnośc. W tym celu zastosujemy algorytm porządkowana warstwowego. Algorytm porządkowana warstwowego Krok 1. Zbuduj bnarną macerz przejść dla sec czynnośc; k :=. Krok. Do warstwy w k zalcz zdarzena odpowadające zerowym kolumnom aktualnej macerzy przejść; k := k + 1.

6 8 Rozdzał 6. Programowane secowe Tablca 6.. Macerz sąsedztwa grafu z rysunku 6.1 j START A B C D E F START 1 1 A 1 1 B 1 C 1 1 D 1 E 1 F Krok 3. Wykreśl z macerzy przejść zerowe kolumny oraz wersze o tych samych numerach. Krok 4. Jeżel są jeszcze newykreślone kolumny, to wróć do kroku, w przecwnym raze zakończ. W sec z rysunku 6.1. do warstwy w zalczymy jedyne werzchołek START. Po wykreślenu perwszego wersza kolumny w macerzy sąsedztwa zerowe kolumny odpowadają zdarzenom A B, a zatem w 1 = {A, B}. Po kolejnych skreślenach otrzymujemy w = {C}, w 3 = {D, E} oraz w 4 = {F }. Werzchołek START w warstwe w otrzymuje numer 1. Następne numery (kolejne lczby naturalne) przydzelamy werzchołkom wg kolejnośc warstw. Werzchołkom należącym do tej samej warstwy przydzelamy numery w dowolnej kolejnośc. Numeracja werzchołków w grafe z rysunku 6.1. została zastosowana na rysunku 6.. Z każdym zdarzenem wążemy najwcześnejszy możlwy termn wystąpena tego zdarzena oraz najpóźnejszy dopuszczalny termn wystąpena tego zdarzena. Jeżel przyjmemy jakś termn rozpoczęca projektu T w, to najwcześnejszy możlwy termn T w wystąpena zdarzena, = 1,..., n, jest to najwcześnejszy moment, w którym wszystke czynnośc, dla których jest zdarzenem końcowym, zostaną wykonane. Jeżel założymy jakś termn zakończena całego projektu Tn, p to najpóźnejszy dopuszczalny termn T p wystąpena zdarzena, = 1,..., n 1 jest to najpóźnejszy moment, dla którego wszystke czynnośc wymagające do swego rozpoczęca wystąpena zdarzena zostaną zakończone ne późnej nż w Tn. p Metodę śceżk krytycznej przedstawmy przy założenu, że graf sec spełna następujące warunk: zawera jedno zdarzene początkowe, zawera jedno zdarzene końcowe, zdarzena są ponumerowane zgodne z ch następstwem w czase, T1 w =, Tn p = Tn w.

7 6.1. Metoda śceżk krytycznej 83 Powyższe założena ne zmnejszają ogólnośc przedstawonego algorytmu, gdyż każdą seć czynnośc można łatwo sprowadzć do wymaganej postac. Nech z 1...., z k będze zborem zdarzeń początkowych (końcowych) w grafe. Dodając fkcyjne zdarzene początkowe z (końcowe z n+1 ) oraz czynnośc pozorne z, z, = 1,..., k ( z, z n+1, = 1,..., k), otrzymujemy graf równoważny z punktu wdzena metody CPM. Odpowedne ponumerowane werzchołków wyznaczamy za pomocą algorytmu porządkowana warstwowego, a ostatne dwa warunk traktujemy jako warunk początkowe. Dodatkowo przyjmemy następujące oznaczena: G(V, E) graf o zborze werzchołków V zborze łuków E, Γ = {j :, j E} zbór następnków zdarzena, Γ 1 j = { :, j E} zbór poprzednków zdarzena, t j czas trwana czynnośc, j, L = T p T w luz zdarzena, Zj c = T p j T w t j całkowty zapas czasu dla czynnośc, j. Jeżel L =, to zdarzene nazywamy zdarzenem krytycznym, natomast jeżel Zj c =, to czynność, j jest czynnoścą krytyczną. Metoda śceżk krytycznej Krok 1. T1 w :=. Krok. := + 1. Krok 3. Wyznacz najwcześnejszy termn wystąpena zdarzena : T w = max j Γ 1{Tj w + t j }. Krok 4. Jeżel < n, to wróć do kroku. Krok. Tn p := Tn w. Krok 6. := 1. Krok 7. Wyznacz najpóźnejszy termn wystąpena zdarzena : = mn j Γ {T p j t j}. Krok 8. Jeżel > 1, to wróć do kroku 6. Krok 9. Dla każdej czynnośc, j oblcz Zj c = T p j T w t j. T p Czynnośc krytyczne wyznaczają śceżkę krytyczną, czyl taką, dla której suma czasów wykonana czynnośc krytycznych jest najwększa. Wartość tej sumy (długość śceżk krytycznej) wynos Tn w ograncza od dołu czas realzacj projektu. Inaczej mówąc, śceżka krytyczna jest to taka śceżka w grafe czynnośc, która prowadz od zdarzena początkowego do zdarzena końcowego zawera jedyne czynnośc krytyczne. Wynk dzałana algorytmu dla projektu zdefnowanego w tablcy 6.1. przedstawono na rysunku 6.. Oblczene zapasu czasu dla czynnośc przedstawono w tablcy 6.3.

8 84 Rozdzał 6. Programowane secowe T w L T p etykety zdarzena Rys. 6.. Śceżk krytyczne Analza rozwązana W sec czynnośc może stneć węcej nż jedna śceżka krytyczna tak jest w rozważanym przykładze. Jedna śceżka krytyczna to, 1, 1, 3, 3, 4, 4, 6, a druga to, 1, 1, 3, 3,,, 6. Oczywśce obe śceżk krytyczne mają tę sama długość, czyl 4. Oznacza to, że przygotowana do semnarum należy rozpocząć najpóźnej 4 dn przed planowanym termnem jego rozpoczęca. Wynk oblczeń przedstawone w tablcy 6.3. pozwalają na bardzej szczegółową analzę projektu. Poza całkowtym zapasem każdej czynnośc, oblczono także wartośc zapasów: nezależnego: Tj w T p t j oraz swobodnego: Tj w T w t j. Łatwo zauważyć, że zachodz następująca zależność: Zj n Zs j Zj c, a zatem dla czynnośc krytycznych wszystke zapasy czasu są równe zero. W analzowanym projekce jedyne trzy czynnośc mają nezerowy zapas czasu. Są to dwe czynnośc zwązane z ustalenem mejsca przeprowadzena semnarum oraz pozyskane sponsorów. Sporządzane lsty możlwych lokalzacj (czynność, ) można przedłużyć maksymalne o dwa dn, czyl tyle, le wynos zapas całkowty. Zapas nezależny swobodny tej czynnośc są równe zero. Z defncj zapasów wynka, że wydłużene tej czynnośc o dn jest możlwe tylko wtedy, gdy rozpoczne sę ona w najwcześnejszym możlwym termne spowoduje, że zdarzene wystąp w najpóźnejszym możlwym termne. W wypadku czynnośc, 4 występuje zapas swobodny, węc czynność tę można wydłużyć o dwa dn, ale tylko wtedy, gdy rozpoczne sę ona

9 6.. Analza czasowo-kosztowa 8 Tablca 6.3. Oblczene zapasu czasu dla czynnośc w sec z rysunku 6., j t j T w T p Tj w T p j Zj c Zj s Zj n, 1, 7 1, , , , , , , Czynnośc krytyczne oznaczono pogrubona czconką w najwcześnejszym możlwym termne, gdyż zapas nezależny jest równy zero. Pozyskwane sponsorów (czynność 1, ) można wydłużyć o 1 dn, nawet jeżel rozpoczne sę ono w najpóźnejszym dopuszczalnym termne, ne opóźnając zdarzena, gdyż zapas nezależny tej czynnośc wynos 1. Spóźnene jakejkolwek czynnośc krytycznej spowoduje opóźnene całego projektu. Zwróćmy uwagę na jeszcze jedną kwestę, manowce, że zdarzena krytyczne ne wyznaczają jednoznaczne śceżk krytycznej. Zauważmy, że zdarzena 1, 3 są krytyczne wyznaczają dwe śceżk: 1, oraz 1, 3, 3,, z których tylko ta druga jest krytyczna. Dlatego jednoznaczne wyznaczene śceżk krytycznej wymaga oblczena całkowtego zapasu czasu dla czynnośc. 6.. Analza czasowo-kosztowa W nektórych sytuacjach czasy trwana pewnych czynnośc można skrócć, przeznaczając do ch wykonana dodatkowe zasoby (np. zatrudnając węcej osób). Take rozwązane powoduje jednak wzrost kosztów realzacj projektu. W metodze CPM ne berze sę pod uwagę kosztów, ale w praktyce stanową one na równ z dotrzymanem termnów stotne kryterum oceny jakośc projektu. W tym punkce przedstawmy metodę pozwalającą analzować projekt z punktu wdzena zarówno czasu, jak kosztów jego realzacj. Przedstawona ponżej metoda analzy czasowo-kosztowej nazywa sę nekedy metodą CPM/MCX (ang. Crtcal Path Method/Mnmum Cost Expedtng). W metodze tej zakłada sę, że zachodz lnowa zależność mędzy czasem trwana czynnośc a jej kosztem. Czas trwana czynnośc, j ne może być krótszy nż pewen czas granczny t g j ne jest dłuższy nż czas normalny tn j. Koszt Kj n realzacj czynnośc w czase normalnym nazywamy kosztem normalnym, a w czase grancznym kosztem grancznym Kj n. Naturalne są zależnośc: t g j t j t n j oraz Kn j K j K g j, gdze t j, K j są odpowedno rzeczywstym czasem kosztem wykonana czynnośc. Przyrost kosztów przy skrócenu czasu wykonana czynnośc o jednostkę oblczamy jako

10 86 Rozdzał 6. Programowane secowe a j = Kg j Kn j K n j Kg j (6.1) nazywamy średnm gradentem kosztu. Załóżmy, że przy organzacj semnarum można zatrudnć dodatkową osobę. Wtedy czynność zwązaną z opracowanem materałów można skrócć o dn, ale dodatkowy koszt wynese 1 zł. Podobne opracowane ulotek można skrócć o 3 dn, ale to zwększy koszt o 4 zł. Ustalene lsty wystąpeń można wykonać najkrócej w cągu 4 dn za dodatkowe 1 zł. Ponadto lstę możlwych lokalzacj można opracować w cągu 3 dn za dodatkowe 1 zł. Czas trwana pozostałych czynnośc ne zależy od lczby osób zaangażowanych w ch realzację, węc ne można ch skrócć. Na podstawe powyższych nformacj można wylczyć średn gradent kosztu dla każdej czynnośc. Wynk zebrano w tablcy 6.4. Tablca 6.4. Koszty skrócena czynnośc zwązanych z organzacją semnarum, j t n j t g j Kj n K g j a j, 1 1 1, , , 3 3, , , , , Interesujące jest, o le można maksymalne skrócć czas przygotowana semnarum jake będą zwązane z tym koszty. Inna kwesta to, o le można skrócć czas przygotowań, jeżel koszt można zwększyć co najwyżej o 1 zł. Zauważmy, że skrócene czynnośc, która ne jest krytyczna (np., ), ne spowoduje skrócena czasu trwana projektu. Wyberzmy zatem czynność krytyczną, której skrócene o jednostkę kosztuje najmnej, czyl taką, dla której a j ma najmnejszą wartość. Jest to czynność 3,. Zauważmy, że skrócene tej czynnośc równeż ne przynese skrócena czasu trwana projektu, jeżel ne skrócmy śceżk 3, 4, 4, 6. Poneważ a 34 < a 46, wyberzmy czynność 3, 4 skróćmy równocześne czynnośc 3, 3, 4 o mn{t n 3 tg 3, tn 34 tg 34 } =. Dodatkowy koszt z tym zwązany wynese +7 = 1 zł. W tej sytuacj, jak wdać na rysunku 6.3, skrócene czynnośc 4, 6 ne ma sensu. Zatem można skrócć czas przygotowań co najwyżej o dwa dn. Co do drugego pytana, to możemy skrócć te same czynnośc (a co za tym dze cały projekt) o 1 dzeń za kwotę 6, zł. Organzatorzy semnarum mogą zdecydować, który warant jest dla nch najbardzej korzystny.

11 6.. Analza czasowo-kosztowa Rys Śceżka krytyczna po skrócenu czynnośc Ogólny sposób postępowana w analze czasowo-kosztowej nos nazwę Algorytmu kompresj przebega w sposób następujący [17]. Algorytm kompresj Krok 1. Znaleźć śceżkę krytyczną dla zadana z normalnym czasam wykonana czynnośc. Krok. Zestawć czynnośc krytyczne, podać ch gradenty kosztów a j oraz czasy granczne t g. Krok 3. Wyelmnować z zestawena te czynnośc, dla których t g = tn. Krok 4. Proces skracana rozpocząć od czynnośc krytycznej o najnższym gradence kosztów a j. Krok. Należy starać sę skrócć czas trwana czynnośc o jak najwększą lczbę jednostek, respektując dwa ogranczena: czas granczny danej czynnośc t g, pojawene sę nowej śceżk krytycznej. Krok 6. W wypadku gdy stneją dwe lub węcej śceżk krytyczne w sec, należy skracać czas o tę samą welkość na wszystkch równoległych śceżkach krytycznych. Krok 7. Najkrótszy termn wykonana programu uzyskuje sę, gdy wszystke czynnośc na którejkolwek śceżce krytycznej osągną czasy granczne. Krok 8. Koszty przyspeszena czynnośc oblcza sę, mnożąc lczbę jednostek czasu, o które czynność została skrócona przez jej gradent kosztów. Krok 9. Całkowty koszt skrócena czasu realzacj projektu oblczamy jako sumę kosztów ponesonych na poszczególnych etapach.

12 88 Rozdzał 6. Programowane secowe 6.3. Metoda PERT Trudnośc zwązane z precyzyjnym określenem czasów trwana czynnośc spowodowały, że zaczęto poszukwać metody uwzględnającej nepewność zwązaną z realzacją projektu. Zastosowane klasycznej analzy statystycznej ne jest możlwe ze względu na małą powtarzalność przedsęwzęć. Jedną z perwszych metod analzy przedsęwzęć uwzględnającą nepewność czasów trwana czynnośc jest metoda PERT. W metodze tej przyjmuje sę arbtralne, że rozkład czasu trwana czynnośc jest rozkładem beta. Jest to rozkład cągły o gęstośc wyrażonej wzorem 6.: f(t) = H(t a) p 1 (b t) q 1 dla a < t < b (6.) gdze a, b, p, q są parametram rozkładu, a H jest stałą zależną od parametrów. Parametry te w metodze PERT zastępuje sę trzema wartoścam, które są stosunkowo łatwe do ustalena: optymstycznym czasem trwana czynnośc (a), pesymstycznym czasem trwana czynnośc (b) oraz najbardzej prawdopodobnym czasem trwana czynnośc (m), gdze a m b. Na podstawe tych wartośc można oszacować wartość średną t warancję σ czasu trwana czynnośc: t e = a + 4m + b 6 (6.3) σ (b a) = (6.4) 36 Celem analzy wg metody PERT jest oszacowane prawdopodobeństw wystąpena ujemnych luzów zdarzeń (6.): P {L < } = P {T p T w < } (6.) Prawdopodobeństwa te można wyznaczyć, znając rozkład prawdopodobeństwa zmennej losowej L = T p T w korzystając z twerdzena grancznego Lapunowa (zob. [1]). Przy dość ogólnych założenach suma zmennych losowych wyrażających czasy trwana czynnośc ma rozkład asymptotyczne normalny N( T w, σ T w ), w gdze T = max { T j w + t e j} (6.6) σ T w = j Γ 1 σ T w k + σ t e k (6.7) gdze k jest ndeksem zdarzena, dla którego T w = T k w + te k. Podobne oblczamy wartość średną warancję rozkładu zmennej T p. W konsekwencj rozkład

13 6.3. Metoda PERT 89 zmennej losowej L jest w przyblżenu normalny: ( N T p T ) w, σt w + σ T p Prawdopodobeństwa ujemnych luzów zdarzeń oblczamy zatem jako: P {L < } = Φ T p T w (6.8) + σ T p σ T w gdze Φ(x) jest dystrybuantą rozkładu normalnego N(, 1). Pamętamy przy tym, że dystrybuanta rozkładu normalnego N(, 1) jest symetryczna, a zatem Φ( x) = 1 Φ(x). Metoda PERT polega zatem na wykorzystanu metody CPM do wyznaczena wartośc oczekwanych oraz warancj termnów T w T p. Pojęce śceżk krytycznej trac sens ze względu na to, że czasy trwana czynnośc są zmennym losowym. Prawdopodobeństwo ujemnego luzu zdarzena pozwala ocenć szanse na dotrzymane termnów pośrednch realzacj projektu. Gdy prawdopodobeństwo przekroczena termnu jest duże (np.,8), to uważa sę, że termn jest obarczony znacznym ryzykem. Można założyć, że studenc organzujący semnarum ne potrafą dokładne określć czasów trwana poszczególnych czynnośc, łatwej m podać wartośc optymstyczne, pesymstyczne najbardzej prawdopodobne. Wartośc te zebrano w tablcy 6.. Tablca 6.. Czas trwana czynnośc zwązanych z organzacją semnarum t Czynność j a m b t e j σj, ,67,44, 3 7,,44 1, 3 1,33 1,78 1, ,83,, , 1,8 3, ,, 3, ,, 4, ,17,69, 6 1,83,69 Przypuśćmy, że na realzację projektu przewdzano 6 dn. Wyznaczamy najwcześnejsze najpóźnejsze termny wystąpena zdarzeń, a w końcu prawdopodobeństwo ujemnego luzu zgodne ze wzoram (6.6)-(6.8). Wynk oblczeń zestawono w tablcy 6.6. Wartośc w ostatnej kolumne tablcy 6.6. oznaczają prawdopodobeństwo ujemnych luzów poszczególnych zdarzeń. Prawdopodobeństwo, że projekt ne zostane zrealzowany w termne 6 dn, wynos,81.

14 9 Rozdzał 6. Programowane secowe Tablca 6.6. Oblczene prawdopodobeństw ujemnych luzów zdarzeń T w σ T w T p σ T w T p T w u = T p T w σ T p +σ T w Φ( u ) 1 3,67,44, 4,7 1,33,86,81,,44 11,83,47 6,83 4,11, 3 9,, 1,33,94 1,33,86, , 4,47 18,83,69 1,33,86,81 17, 4,47,17,69,67,1731,11 6 4,67,17 6,, 1,33,86, Zadana Zadane 6.1. Opracowano lstę czynnośc składających sę na pewen projekt budowlany (tab. 6.7). Tablca 6.7. Lsta czynnośc projektu Lp. Czynność Czas trwana czynnośc 1 1, 1, 3 3 1, 4 4 4, 3, 6 6., , 7 8 4, , , , , , , , , , , , 1 14, 1 3 a) Jak jest mnmalny czas potrzebny na wykonane całego projektu? b) Które czynnośc mogą zostać spóźnone o le, aby zapewnć termnową realzację projektu? c) O le skróc sę czas wykonana projektu, jeżel czas trwana czynnośc 6, 9 zmaleje o jednostk?

15 6.4. Zadana 91 Zadane 6.. Pewen projekt składa sę z 1 czynnośc, których czas trwana zbory poprzednków podano w tablcy 6.8. Należy narysować seć czynnośc tego projektu oraz wyznaczyć śceżkę krytyczną podać najkrótszy możlwy czas realzacj tego projektu. Tablca 6.8. Lsta czynnośc projektu Czynność Czynnośc poprzedzające Czas trwana czynnośc , , , ,7 9 1,8, , , ,1 4 Zadane 6.3. Pewen projekt nformatyczny wymaga wykonana 11 czynnośc, dla których znane są normalne granczne czasy wykonana oraz odpowadające m koszty. Dane te zestawono w tablcy 6.9. Tablca 6.9. Koszty skrócena czynnośc w projekce nformatycznym Lp. Czynność t n j t g j Kj n K g j 1 1, , , , , , , , 7 6 9, , , a) Narysować seć czynnośc tego projektu. b) Jak jest najkrótszy możlwy czas realzacj tego projektu? Jak jest koszt tego skrócena?

16 9 Rozdzał 6. Programowane secowe c) O le maksymalne można skrócć projekt, ne zwększając jego kosztów o węcej nż 3 zł? d) Jake czynnośc o le należy skrócć, aby czas trwana całego projektu skrócć o 3 dn przy możlwe najmnejszym koszce? Ile wynos koszt tego skrócena? Zadane 6.4. Pewen projekt nformatyczny można wykonać przy zastosowanu dwóch technolog. Charakterystyk czynnośc występujących w obu projektach podano w tablcach 6.1. oraz Który z warantów daje wększą szansę zakończena projektu przed termnem, który upływa za 7 dn? Tablca 6.1. Szacowane czasy trwana czynnośc w warance I Czynność Czas trwana czynnośc a m b 1, , , , 1 6 3, , , , , , Tablca Szacowane czasy trwana czynnośc w warance II Czynność Czas trwana czynnośc a m b 1, , , 4 4 1, , 3, , , , , , Zadane 6.. Oszacowano optymstyczny, pesymstyczny najbardzej prawdopodobny czas trwana każdej czynnośc w procese montażu slnka okrętowego zestawono

17 6.4. Zadana 93 je w tablcy 6.1. Należy podać prawdopodobeństwo dotrzymana termnu wynkającego z umowy, który upływa za dn. Tablca 6.1. Szacowane czasy trwana czynnośc w procese naprawy slnka okrętowego Czynność Czas trwana czynnośc a m b 1, , , , , , , , , , 8 7 7, , , , , , , , , , ,

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Kształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu

Kształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu PRACE KOMISJI GEOGRAFII PRZEMY SŁU Nr 7 WARSZAWA KRAKÓW 2004 Akadema Pedagogczna, Kraków Kształtowane sę frm nformatycznych jako nowych elementów struktury przestrzennej przemysłu Postępujący proces rozwoju

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

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

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

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

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

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

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

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

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

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

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

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

SYSTEM ZALICZEŃ ĆWICZEŃ

SYSTEM ZALICZEŃ ĆWICZEŃ AMI, zma 010/011 mgr Krzysztof Rykaczewsk System zalczeń Wydzał Matematyk Informatyk UMK SYSTEM ZALICZEŃ ĆWICZEŃ z Analzy Matematycznej I, 010/011 (na podst. L.G., K.L., J.M., K.R.) Nnejszy dokument dotyczy

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

HEURYSTYKA Z REGUŁAMI PRIORYTETOWYMI DLA PROBLEMU HARMONOGRAMOWANIA PROJEKTU Z OGRANICZONYMI ZASOBAMI

HEURYSTYKA Z REGUŁAMI PRIORYTETOWYMI DLA PROBLEMU HARMONOGRAMOWANIA PROJEKTU Z OGRANICZONYMI ZASOBAMI HEURYSTYKA Z REGUŁAMI PRIORYTETOWYMI DLA PROBLEMU HARMONOGRAMOWANIA PROJEKTU Z OGRANICZONYMI ZASOBAMI Marcn KLIMEK, Potr ŁEBKOWSKI Streszczene: W artykule analzowane jest zagadnene harmonogramowana projektu

Bardziej szczegółowo

Regulamin promocji 14 wiosna

Regulamin promocji 14 wiosna promocja_14_wosna strona 1/5 Regulamn promocj 14 wosna 1. Organzatorem promocj 14 wosna, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 lutego 2014 do 30

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

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

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

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

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

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA Krzysztof Serżęga Wyższa Szkoła Informatyk Zarządzana w Rzeszowe Streszczene Artykuł porusza temat zwązany

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

Zmodyfikowana technika programowania dynamicznego

Zmodyfikowana technika programowania dynamicznego Zmodyfkowana technka programowana dynamcznego Lech Madeysk 1, Zygmunt Mazur 2 Poltechnka Wrocławska, Wydzał Informatyk Zarządzana, Wydzałowy Zakład Informatyk Wybrzeże Wyspańskego 27, 50-370 Wrocław Streszczene.

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

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

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

WIELOKRYTERIALNE WSPOMAGANIE DECYZJI W HARMONOGRAMOWANIU PROJEKTÓW 1

WIELOKRYTERIALNE WSPOMAGANIE DECYZJI W HARMONOGRAMOWANIU PROJEKTÓW 1 DECYZJE nr 13 czerwec 2010 WIELOKRYTERIALNE WSPOMAGANIE DECYZJI W HARMONOGRAMOWANIU PROJEKTÓW 1 Tomasz Błaszczyk* Akadema Ekonomczna w Katowcach Macej Nowak** Akadema Ekonomczna w Katowcach Streszczene:

Bardziej szczegółowo

Zastosowanie symulatora ChemCad do modelowania złożonych układów reakcyjnych procesów petrochemicznych

Zastosowanie symulatora ChemCad do modelowania złożonych układów reakcyjnych procesów petrochemicznych NAFTA-GAZ styczeń 2011 ROK LXVII Anna Rembesa-Śmszek Instytut Nafty Gazu, Kraków Andrzej Wyczesany Poltechnka Krakowska, Kraków Zastosowane symulatora ChemCad do modelowana złożonych układów reakcyjnych

Bardziej szczegółowo

Regulamin promocji upalne lato 2014 2.0

Regulamin promocji upalne lato 2014 2.0 upalne lato 2014 2.0 strona 1/5 Regulamn promocj upalne lato 2014 2.0 1. Organzatorem promocj upalne lato 2014 2.0, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa

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

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

Treść zadań 1 8 odnosi się do poniższego diagramu przestrzenno-czasowego.

Treść zadań 1 8 odnosi się do poniższego diagramu przestrzenno-czasowego. Treść zadań 8 odnos sę do ponższego dagramu przestrzenno-czasowego. P e e e e e e P e P P e e e e. Jaka będze wartość zmennej clock (zegara skalarnego) po zajścu zdarzena e w procese P zakładając że wartość

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

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

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

HARMO OGRAMOWA IE PROJEKTU ZE ZDEFI IOWA YMI KAMIE IAMI MILOWYMI

HARMO OGRAMOWA IE PROJEKTU ZE ZDEFI IOWA YMI KAMIE IAMI MILOWYMI Marcn Klmek HARMO OGRAMOWA IE PROJEKTU ZE ZDEFI IOWA YMI KAMIE IAMI MILOWYMI Słowa kluczowe: harmonogramowane projektu, kamene mlowe, ter-mny zakończena. Wstęp W ostatnch latach powstaje wele prac z harmonogramowana

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

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

Regulamin promocji zimowa piętnastka

Regulamin promocji zimowa piętnastka zmowa pętnastka strona 1/5 Regulamn promocj zmowa pętnastka 1. Organzatorem promocj zmowa pętnastka, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 grudna

Bardziej szczegółowo

NAFTA-GAZ marzec 2011 ROK LXVII. Wprowadzenie. Tadeusz Kwilosz

NAFTA-GAZ marzec 2011 ROK LXVII. Wprowadzenie. Tadeusz Kwilosz NAFTA-GAZ marzec 2011 ROK LXVII Tadeusz Kwlosz Instytut Nafty Gazu, Oddzał Krosno Zastosowane metody statystycznej do oszacowana zapasu strategcznego PMG, z uwzględnenem nepewnośc wyznaczena parametrów

Bardziej szczegółowo

Zadanie na wykonanie Projektu Zespołowego

Zadanie na wykonanie Projektu Zespołowego Zadane na wykonane Projektu Zespołowego Celem projektu jest uzyskane następującego szeregu umejętnośc praktycznych: umejętnośc opracowana równoległych wersj algorytmów (na przykładze algorytmów algebry

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

D Archiwum Prac Dyplomowych - Instrukcja dla studentów

D Archiwum Prac Dyplomowych - Instrukcja dla studentów Kraków 01.10.2015 D Archwum Prac Dyplomowych - Instrukcja dla studentów Procedura Archwzacj Prac Dyplomowych jest realzowana zgodne z zarządzenem nr 71/2015 Rektora Unwersytetu Rolnczego m. H. Kołłątaja

Bardziej szczegółowo

Analiza ryzyka jako instrument zarządzania środowiskiem

Analiza ryzyka jako instrument zarządzania środowiskiem WARSZTATY 2003 z cyklu Zagrożena naturalne w górnctwe Mat. Symp. str. 461 466 Elżbeta PILECKA, Małgorzata SZCZEPAŃSKA Instytut Gospodark Surowcam Mneralnym Energą PAN, Kraków Analza ryzyka jako nstrument

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

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

SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska. SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA Częstochowa 4 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TWIERDZENIE BAYESA Wedza pozyskwana przez metody probablstyczne ma

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

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

Modele sieciowe. Badania operacyjne Wykład 6. prof. Joanna Józefowska

Modele sieciowe. Badania operacyjne Wykład 6. prof. Joanna Józefowska Modele sieciowe Badania operacyjne Wykład 6 6-6- 6-6- Plan wykładu Zarządzanie złożonymi przedsięwzięciami Metoda ścieżki krytycznej Metoda PERT Projekty z ograniczonymi zasobami Modele z kontrolą czasu

Bardziej szczegółowo

Zapytanie ofertowe nr 4/2016/Młodzi (dotyczy zamówienia na usługę ochrony)

Zapytanie ofertowe nr 4/2016/Młodzi (dotyczy zamówienia na usługę ochrony) Fundacja na Rzecz Rozwoju Młodzeży Młodz Młodym ul. Katedralna 4 50-328 Wrocław tel. 882 021 007 mlodzmlodym@archdecezja.wroc.pl, www.sdm2016.wroclaw.pl Wrocław, 24 maja 2016 r. Zapytane ofertowe nr 4/2016/Młodz

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

Urządzenia wejścia-wyjścia

Urządzenia wejścia-wyjścia Urządzena wejśca-wyjśca Klasyfkacja urządzeń wejśca-wyjśca. Struktura mechanzmu wejśca-wyjśca (sprzętu oprogramowana). Interakcja jednostk centralnej z urządzenam wejśca-wyjśca: odpytywane, sterowane przerwanam,

Bardziej szczegółowo

Współczynnik przenikania ciepła U v. 4.00

Współczynnik przenikania ciepła U v. 4.00 Współczynnk przenkana cepła U v. 4.00 1 WYMAGANIA Maksymalne wartośc współczynnków przenkana cepła U dla ścan, stropów, stropodachów, oken drzw balkonowych podano w załącznku do Rozporządzena Mnstra Infrastruktury

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

OKRESOWA EMERYTURA KAPITAŁOWA ZE ŚRODKÓW ZGROMADZONYCH W OFE

OKRESOWA EMERYTURA KAPITAŁOWA ZE ŚRODKÓW ZGROMADZONYCH W OFE OKRESOWA EMERYTURA KAPITAŁOWA ZE ŚRODKÓW ZGROMADZONYCH W OFE 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 Warunk nabywana prawa do okresowej emerytury kaptałowej ze środków zgromadzonych w otwartym

Bardziej szczegółowo

Programowanie Równoległe i Rozproszone

Programowanie Równoległe i Rozproszone Programowane Równoległe Rozproszone Wykład Programowane Równoległe Rozproszone Lucjan Stapp Wydzał Matematyk Nauk Informacyjnych Poltechnka Warszawska (l.stapp@mn.pw.edu.pl) /38 PRR Wykład Chcemy rozwązać

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

Zjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych)

Zjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych) Statystyka - nauka zajmująca sę metodam badana przedmotów zjawsk w ch masowych przejawach ch loścową lub jakoścową analzą z punktu wdzena nauk, do której zakresu należą.

Bardziej szczegółowo

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem Zestaw zadań : Przestrzene wektorowe. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar : C C C, (z, v) z v := z v jest przestrzeną lnową nad całem lczb zespolonych

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

( ) ( ) 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

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru Pomary fzyczne - dokonywane tylko ze skończoną dokładnoścą. Powodem - nedoskonałość przyrządów pomarowych neprecyzyjność naszych zmysłów borących udzał w obserwacjach. Podawane samego tylko wynku pomaru

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

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

Zadane 1: Wyznacz średne ruchome 3-okresowe z następujących danych obrazujących zużyce energ elektrycznej [kwh] w pewnym zakładze w mesącach styczeń - lpec 1998 r.: 400; 410; 430; 40; 400; 380; 370. Zadane

Bardziej szczegółowo

A O n RZECZPOSPOLITA POLSKA. Gospodarki Narodowej. Warszawa, dnia2/stycznia 2014

A O n RZECZPOSPOLITA POLSKA. Gospodarki Narodowej. Warszawa, dnia2/stycznia 2014 Warszawa, dna2/styczna 2014 r, RZECZPOSPOLITA POLSKA MINISTERSTWO ADMINISTRACJI I CYFRYZACJI PODSEKRETARZ STANU Małgorzata Olsze wska BM-WP 005.6. 20 14 Pan Marek Zółkowsk Przewodnczący Komsj Gospodark

Bardziej szczegółowo

ZAJĘCIA X. Zasada największej wiarygodności

ZAJĘCIA X. Zasada największej wiarygodności ZAJĘCIA X Zasada najwększej warygodnośc Funkcja warygodnośc Estymacja wg zasady maksymalzacj warygodnośc Rodzna estymatorów ML Przypadk szczególne WPROWADZEIE Komputerowa dentyfkacja obektów Przyjęce na

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

STATYSTYKA. Zmienna losowa skokowa i jej rozkład

STATYSTYKA. Zmienna losowa skokowa i jej rozkład STATYSTYKA Wnosowane statystyczne to proces myślowy polegający na formułowanu sądów o całośc przy dysponowanu o nej ogranczoną lczbą nformacj Zmenna losowa soowa jej rozład Zmenną losową jest welość, tóra

Bardziej szczegółowo

Regulamin promocji fiber xmas 2015

Regulamin promocji fiber xmas 2015 fber xmas 2015 strona 1/5 Regulamn promocj fber xmas 2015 1. Organzatorem promocj fber xmas 2015, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 grudna 2015

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

Wyznaczanie lokalizacji obiektu logistycznego z zastosowaniem metody wyważonego środka ciężkości studium przypadku

Wyznaczanie lokalizacji obiektu logistycznego z zastosowaniem metody wyważonego środka ciężkości studium przypadku B u l e t y n WAT Vo l. LXI, Nr 3, 2012 Wyznaczane lokalzacj obektu logstycznego z zastosowanem metody wyważonego środka cężkośc studum przypadku Emla Kuczyńska, Jarosław Zółkowsk Wojskowa Akadema Technczna,

Bardziej szczegółowo

PROCEDURY ODPORNEJ ALOKACJI ZASOBÓW DLA PROBLEMU HARMONOGRAMOWANIA PROJEKTU Z WAŻONYMI KOSZTAMI NIESTABILNOŚCI 1

PROCEDURY ODPORNEJ ALOKACJI ZASOBÓW DLA PROBLEMU HARMONOGRAMOWANIA PROJEKTU Z WAŻONYMI KOSZTAMI NIESTABILNOŚCI 1 PROCEDURY ODPORNEJ ALOKACJI ZASOBÓW DLA PROBLEMU HARMONOGRAMOWANIA PROJEKTU Z WAŻONYMI KOSZTAMI NIESTABILNOŚCI 1 Marcn KLIMEK, Potr ŁEBKOWSKI Streszczene: Odporne harmonogramowane projektu jest ważnym

Bardziej szczegółowo

STARE A NOWE KRAJE UE KONKURENCYJNOŚĆ POLSKIEGO EKSPORTU

STARE A NOWE KRAJE UE KONKURENCYJNOŚĆ POLSKIEGO EKSPORTU Ewa Szymank Katedra Teor Ekonom Akadema Ekonomczna w Krakowe ul. Rakowcka 27, 31-510 Kraków STARE A NOWE KRAJE UE KONKURENCYJNOŚĆ POLSKIEGO EKSPORTU Abstrakt Artykuł przedstawa wynk badań konkurencyjnośc

Bardziej szczegółowo

Planowanie przedsięwzięć

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

Bardziej szczegółowo

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

System Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ Autor: Joanna Wójcik

System Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ   Autor: Joanna Wójcik Opracowane w ramach projektu System Przecwdzałana Powstawanu Bezroboca na Terenach Słabo Zurbanzowanych ze środków Europejskego Funduszu Społecznego w ramach Incjatywy Wspólnotowej EQUAL PARTNERSTWO NA

Bardziej szczegółowo

Zagadnienia do omówienia

Zagadnienia do omówienia Zarządzane produkcją dr nż. Marek Dudek Ul. Gramatyka 0, tel. 6798 http://www.produkcja.zarz.agh.edu.pl Zagadnena do omówena Zasady projektowana systemów produkcyjnych część (organzacja procesów w przestrzen)

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

Dr inż. Robert Smusz Politechnika Rzeszowska im. I. Łukasiewicza Wydział Budowy Maszyn i Lotnictwa Katedra Termodynamiki

Dr inż. Robert Smusz Politechnika Rzeszowska im. I. Łukasiewicza Wydział Budowy Maszyn i Lotnictwa Katedra Termodynamiki Dr nż. Robert Smusz Poltechnka Rzeszowska m. I. Łukasewcza Wydzał Budowy Maszyn Lotnctwa Katedra Termodynamk Projekt jest współfnansowany w ramach programu polskej pomocy zagrancznej Mnsterstwa Spraw Zagrancznych

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

Jakość cieplna obudowy budynków - doświadczenia z ekspertyz

Jakość cieplna obudowy budynków - doświadczenia z ekspertyz dr nż. Robert Geryło Jakość ceplna obudowy budynków - dośwadczena z ekspertyz Wdocznym efektem występowana znaczących mostków ceplnych w obudowe budynku, występującym na ogół przy nedostosowanu ntensywnośc

Bardziej szczegółowo