WOJEWÓDZTWA PRZODUJĄCE W REALIZACJI REGIONALNYCH PROGRAMÓW OPERACYJNYCH W POLSCE W DRUGIEJ POŁOWIE 2008 ROKU

Wielkość: px
Rozpocząć pokaz od strony:

Download "WOJEWÓDZTWA PRZODUJĄCE W REALIZACJI REGIONALNYCH PROGRAMÓW OPERACYJNYCH W POLSCE W DRUGIEJ POŁOWIE 2008 ROKU"

Transkrypt

1 X SYMPOZJUM WYDZIAŁU ZARZĄDZANIA I MODELOWANIA KOM- PUTEROWEGO POLITECHNIKA ŚWIĘTOKRZYSKA Kelce maja 2009 r. WOJEWÓDZTWA PRZODUJĄCE W REALIZACJI REGIONALNYCH PROGRAMÓW OPERACYJNYCH W POLSCE W DRUGIEJ POŁOWIE 2008 ROKU Karolna KOSTRZEWA 1, Andrzej OKNIŃSKI 2, Boguław RADZISZEWSKI 3 STRESZCZENIE Zatoowano zmodyfkowaną metodę wyważana danych (DEA) do wyznaczena, które z województw najefektywnej realzowały regonalne programy operacyjne w drugej połowe 2008 roku. Określono równeż dynamkę tego proceu w ujęcu meęcznym zbadano tablność wyłononych lderów. 1. WPROWADZENIE Jednym z wdocznych elementów polkch przeman po roku 1989 jet udzał unjnych środków fnanowych m.n. w funduzach trukturalnych Funduzu Spójnośc, w ramach Narodowego Planu Rozwoju oraz Narodowych Strategcznych Ram Odneena Według danych z Krajowego Sytemu Informatycznego [1] od początku uruchomena programów operacyjnych do końca 2008 r. złożono ponad 39,3 ty. wnoków (poprawnych pod względem formalnym) na całkowtą kwotę dofnanowana (zarówno środk unjne jak środk krajowe) ponad 70,3 mld zł. W tym amym okree podpano z benefcjentam 6588 umów o dofnanowane na kwotę dofnanowana w częśc UE ok. 8,8 mld 1 tudentka Karolna Kotrzewa - Poltechnka Śwętokrzyka, Wydzał Zarządzana Modelowana Komputerowego, Aleja Tyącleca Pańtwa Polkego 7, PL Kelce 2 prof dr hab. Andrzej Oknńk - Poltechnka Śwętokrzyka, Wydzał Zarządzana Modelowana Komputerowego, Aleja Tyącleca Pańtwa Polkego 7, PL Kelce, 3 prof dr hab. Boguław Radzzewk, Poltechnka Śwętokrzyka, Wydzał Mechatronk Budowy Mazyn, Aleja Tyącleca Pańtwa Polkego 7, PL Kelce

2 2 zł. Do końca 2008 r. wartość wydatków wykazanych przez benefcjentów we wnokach o płatność uznanych za kwalfkowalne wynoła ponad 1,1 mld zł, w tym wartość wydatków uznanych do refundacj w częśc UE ponad 927,1 mln zł. Mntertwo Rozwoju Regonalnego podkreśla, ż w 2008 r. natąpł wzrot dynamk we wdrażanu programów operacyjnych. Zakończono przygotowane nezbędnych dokumentów programowych, w ramach wzytkch programów operacyjnych rozpoczęto nabory wnoków. Ponadto, podpane zotały perwze umowy o dofnanowane projektów, a benefcjenc uzykal perwze płatnośc w ramach środków alokowanych dla Polk na lata Efekty tych prac przedtawone zotały w opracowanach [1]. W tej pracy do wyłonena województw przodujących w realzacj regonalnych programów operacyjnych zatoowano zmodyfkowaną metodę wyważana danych określaną jako Data Envelopment Analy, która wymaga by dane zawerały przynajmnej jeden efekt (wyjśce) przynajmnej jeden nakład (wejśce). W tym celu wykorzytano natępujące welowymarowe dane (atrybuty) o regonalnych programach operacyjnych: lczba wartość wnoków o dofnanowane (unjne krajowe) po ocene formalnej; lczbę, dofnanowane pozom wykorzytana alokacj na lata umów o dofnanowane; wartość wydatków uznanych za kwalfkowane, dofnanowane UE pozom wykorzytana alokacj na lata wnoków o płatność. W przypadku oceny realzacj regonalnych programów operacyjnych uznano, że dane dotyczą tylko efektów. W takej ytuacj zaproponowano przyjąć w metodze DEA jednakowe nakłady dla wzytkch rozważanych obektów (województw). Zbadano równeż tablność wyłononych lderów rozumaną jako wrażlwość na zmanę lczby uwzględnanych wyżej wpomnanych atrybutów. Ponadto przedtawono dynamkę realzacj w kolejnych meącach drugej połowy roku IDEA METODY DEA I JEJ MODYFIKACJE 2.1. Metoda DEA Rozważmy zbór E obektów O j (j=1,2,...n), których efektywność chcemy wyznaczyć. Nech każdy obekt korzytając z m różnych nakładów uzykuje różnych efektów. Dokładnej, nech obekt O j korzytając z nakładów x j X ( 1,2,..., m) (=1,2,...m) uzykuje efekty y jr Y ( r 1,2,..., ), gdze X Y ą macerzam protokątnym o wymarach odpowedno n m n. Zakłada ę, że każdy rozważany obekt ma przynajmnej jedno wejśce jedno wyjśce oraz, że nakłady efekty ą neujemne tj. x j 0 y jr 0. Aby wyznaczyć względną efektywność obektu O należy porównując ją z względnym efektywno-

3 3 ścam wzytkch pozotałych obektów O j (j=1,2,...n). W tym celu wprowadza ę dla ocenanego obektu dwe welkośc: u y m oraz x v. Perwza z nch charakteryzuje ważony efekt, druga ważony nakład, gdze u, oznaczają wag pozczególnych efektów nakładów. W tej ytuacj dla obektu ocenanego loraz pojedynczych nakładów efektów taje ę funkcją mnożnków u,. Najlepzą charakterytyką efektywnośc ocenanego obektu będze zatem najwękza wartość lorazu ur yr r 1 max m. (1) x 1 Iloraz powyżzy można traktować jako funkcję celu, w której zmennym decyzyjnym ą mnożnk u, v. Aby rozważany problem był zadanem programowana matematycznego należy jezcze dodać ogranczena: 1 m 1 u y v x j j 1, j 1,2,..., n, (2) u 0, v 0 ( 1,2,...,, k 1,2,..., m ). (3) k Perwze ogranczene oznacza, że dla każdego obektu loraz ważonych efektów ważonych nakładów ne jet wękzy od jednośc, a druge jet tzw. ogranczenem naturalnym w programowanu matematycznym. Aby znaleźć "najlepzą" kombnację obektów, które domnują nad obektem O należy rozwązać powyżze zadane programowana nelnowego. Zagadnene (1), (2) (3) można zapać w potac równoważnej [2]: przy ogranczenach u 1 max (4) y 1 m u y j 1 x j 0, j 1,2,..., n, (5) m 1 1, (6) x u 0, 0 ( 1,2,...,, k 1,2,..., m ). (7) k

4 4 Z powyżzych rozważań wynka, że w metodze DEA dla wzytkch obektów pownen być przynajmnej jeden nakład jeden efekt. Ale w welu ytuacjach mamy tylko nakłady lub tylko efekty. W takch ytuacjach powzechne touje ę metody prowadzące do jednego tzw. wkażnka yntetycznego, czynąc wele arbtralnych założeń o danych [2] Modyfkacja metody DEA Jeśl rozważanym obektom przyporządkowane ą tylko na przykład efekty, to metodę DEA można wykorzytać do wyłonena obektów, które mają najlepze efekty. W tym celu wytarczy przyjąć, że wzytke obekty mają take ame nakłady. W zwązku z tym przy m 1 x j1 1 ( j 1,2,..., n ) wzory (4)- (7) można zapać w potac przy ogranczenach u 1 max (8) y u 1 y j 1, j 1,2,..., n, (9) u 0 ( 1,2,..., ) (10) Stąd wdać, że w tym przypadku problem wybrana przodujących obektów w metodze DEA prowadza ę do klaycznego zagadnena programowana lnowego. Do grona najlepzych obektów zalczane ą te obekty, dla których oągane makmum we wzorze (8) jet równe 1 3. W celu zbadana tablnośc wyłononych lderów zbadano, jake pozycje będą on zajmować przy zmnejzanu o jeden lczby uwzględnanych do ch oceny atrybutów. Oznacza to, że należy w tym przypadku wyznaczyć rozwązań zadana (8) - (9) przy u k 0 ( k 1,..., ). Jeśl obekt ne trac wojej przodującej pozycj dla wzytkch k, to oznacza, że jego pozycja jet tablna gdyż zależy totne od wzytkch atrybutów. 3. REGIONALNE PROGRAMY OPERACYJNE Dane do tej pracy zaczerpnęto z er publkacj Mntertwa Rozwoju Regonalnego [1]. Przykładowe dane z pażdzernka 2008 roku zawera tabela 1 [1]. 3 Do tego zboru zalczane ą w tym przypadku równeż obekty łabo efektywne

5 5 Tabela 1. Lczba wartość złożonych wnoków, podpanych umów/wydanych decyzj orazpozom wykorzytana alokacj w ramach NSRO , według tanu na konec pażdzernka 2008 r (1 EUR = 4,1465 PLN) Wynk zatoowana metody DEA do wyznaczena przodujących województw w realzacj regonalnych programów operacyjnych w meącach lpec - grudzeń 2008 roku przedtawono na ryunku 1. 1,2 1 0,8 0,6 0,4 0,2 lpec erpeń wrzeeń paźdzernk ltopad grudzeń 0 Dolnośląke Kuj.pomorke Lubuke Łódzke Lubelke Mazowecke Małopolke Opolke Podlake Podkarpacke Pomorke Śląke Śwętokrzyke Warm.mazurke Welkopolke Zach.pomorke Ry.1. Rankng województw w realzacj regonalnych programów operacyjnych w meącach lpec - grudzeń 2008 (opracowane włane)

6 6 Z analzy danych wynka, że w całym rozważanym okree najefektywnej realzowały regonalne programy operacyjne województwa lubelke, małopolke opolke śląke. 1,2 1 0,8 0,6 0,4 0,2 bez 1 atr bez 2 atr bez 3 atr bez 4 atr bez 5 atr bez 6 atr bez 7 atr bez 8 atr 0 Dolnośląke Kuj.pomorke Lubuke Łódzke Lubelke Mazowecke Małopolke Opolke Podlake Podkarpacke Pomorke Śląke Śwętokrzyke Warm.mazurke Welkopolke Zach.pomorke Ry.2. Analza tablnośc - pażdzernk 2008 (opracowane włane) Z przedtawonej na ryunku 2 analzy tablnośc wynka, że województwa lubelke, małopolke opolke śląke przodują w realzacj regonalnych programów korzytając "równomerne" z wzykch branych pod uwagę atrybutów. Pozycja ldera w tym meącu województwa dolnośląkego jet netablna, gdyż trac ono pozycję ldera w tym meącu jeśl ne uwzględna ę atrybutu trzecego w potac lczby zawartych umów. 1,20 1,00 bez 1 atr bez 2 atr 0,80 bez 3 atr 0,60 bez 4 atr bez 5 atr 0,40 bez 6 atr 0,20 0,00 Dolnośląke Kuj.pomorke Lubuke Łódzke Lubelke Mazowecke Małopolke Opolke Podlake Podkarpacke Pomorke Śląke Śwętokrzyke Warm.mazurke Welkopolke Zach.pomorke bez 7 atr bez 8 atr Ry.3. Analza tablnośc - ltopad 2008 (opracowane włane)

7 7 1,20 1,00 0,80 bez 1 atr bez 2 atr 0,60 bez 3 atr 0,40 0,20 bez 4 atr bez 5 atr bez 6 atr 0,00 Dolnośląke Kuj.pomorke Lubuke Łódzke Lubelke Mazowecke Małopolke Opolke Podlake Podkarpacke Pomorke Śląke Śwętokrzyke Warm.mazurke Welkopolke Zach.pomorke bez 7 atr bez 8 atr Ry.4. Analza tablnośc - grudzeń 2008 (opracowane włane) W ltopadze grudnu pozycja przodujących województw lubelkego, małopolkego, opolkego śląkego jet tablna. 4. WNIOSKI W pracy przedtawono zatoowane welowymarowej analzy efektywnośc (DEA) do wyznaczena przodujących województw w realzacj regonalnych programów operacyjnych w drugej połowe 2008 roku. Pokazano, że w przypadku rankngu obektów, które chakteryzują ę tylko welowymarowym efektam (brak nformacj o nakładach) zadane można prowadzć do klaycznego zadana programowana lnowego. Z przeprowadzonych badań wynka, że w rozważanym okree najbardzej aktywnym województwam w realzacj regonalnych programów operacyjnych były województwa lubelke, małopolke, opolke śląke. Zbadano równeż tablność województw. Pozycja najlepzych jet tablna. Przykład województwa kujawkopomorkego, które w grudnu 2008 należało do grona najlepzych (p. ry. 1) pokazuje, że pozycja najlepzych ne mu być tablna. W tym przypadku pozycja tego województwa była w głównej merze zbudowana na welkośc pątego atrybutu czyl pozome wykorzytana alokacj na lata Prezentowane wynk śwadczą o tym, że zatoowana metoda umożlwa wydobywane wedzy z danych.

8 8 LITERATURA [1] Wykorzytane środków z funduzy trukturalnych funduzu pójnośc w ramach narodowego planu rozwoju oraz narodowych trategcznych ram odneena , Mntertwo Rozwoju Regonalnego, Warzawa,, tyczeń 2009 r [2] Gerulk W., Oknńk A., Radzzewk B., Częścowy porządek w wyważanu wartośc rankngach -tudum przypadku, Wydawnctwo AGH, 2008 POLISH PROVINCES WHICH HAVE CARRIED OUT REGIONAL OPERATIONAL PROGRAMMES IN SECOND HALF YEAR 2008 THE MOST EFFECTIVELY SUMMARY In the preent work the modfed method of Data Envelopment Analy (DEA) appled to determne whch provnce have carred out regonal operatonal programme n the econd half year of 2008 the mot effectvely. Dynamc of th proce on a monthly ba alo etablhed and tablty of the determned leader nvetgated

Zadanie 2. Dany jest szereg rozdzielczy przedziałowy, wyznaczyć następujące miary: 0 5 5 wariancja, odchylenie standardowe

Zadanie 2. Dany jest szereg rozdzielczy przedziałowy, wyznaczyć następujące miary: 0 5 5 wariancja, odchylenie standardowe Zadane 1. Dany jet zereg przedzałowy, wyznaczyć natępujące mary: x n średna arytmetyczna 1 10 warancja, odchylene tandardowe 15 domnanta 3 0 medana 4 35 kurtoza 5 0 6 15 Zadane. Dany jet zereg rozdzelczy

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

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

Oligopol dynamiczny. Rozpatrzmy model sekwencyjnej konkurencji ilościowej jako gra jednokrotna z pełną i doskonalej informacją

Oligopol dynamiczny. Rozpatrzmy model sekwencyjnej konkurencji ilościowej jako gra jednokrotna z pełną i doskonalej informacją Olgopol dynamczny Rozpatrzmy model sekwencyjnej konkurencj loścowej jako gra jednokrotna z pełną doskonalej nformacją (1934) Dwa okresy: t=0, 1 tzn. frma 2 podejmując decyzję zna decyzję frmy 1 Q=q 1 +q

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

Analiza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009

Analiza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009 Mara Konopka Katedra Ekonomk Organzacj Przedsęborstw Szkoła Główna Gospodarstwa Wejskego w Warszawe Analza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009 Wstęp Polska prywatyzacja

Bardziej szczegółowo

KONKURS NA NAJLEPSZEGO ANALITYKA/ZESPÓŁ ANALITYCZNY

KONKURS NA NAJLEPSZEGO ANALITYKA/ZESPÓŁ ANALITYCZNY KONKURS NA NAJLEPSZEGO ANALTYKA/ZESPÓŁ ANALTYCZNY Celem konkuru jet wyłonene najlepzego zepołu analtyków profejonalne zajmującego ę prognozowanem wkaźnków (zmennych) makroekonomcznych dla gopodark polkej.

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

TYPOWE OPERATORY KRZYŻOWANIA OBLICZENIA EWOLUCYJNE FUNKCJE TESTOWE F. RASTRIGINA F. ACKLEYA ... 3. ( x) = x i 30 -30. minimum globalne.

TYPOWE OPERATORY KRZYŻOWANIA OBLICZENIA EWOLUCYJNE FUNKCJE TESTOWE F. RASTRIGINA F. ACKLEYA ... 3. ( x) = x i 30 -30. minimum globalne. FUNKCJE TESTOWE OBLICENIA EWOLUCJNE FITNESS F. START COMPUTATION FITNESS F. COMPUTATION INITIAL SUBPOPULATION SENDING CHROM. TO COMPUTERS chromoome EVOLUTIONAR OPERATORS AND RECEIVING FITNESS F. wykład

Bardziej szczegółowo

ANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ

ANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XVI/3, 2015, str. 248 257 ANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ Sławomr

Bardziej szczegółowo

INSTYTUT LABORATORIUM ZAKŁAD TEORII KONSTRUKCJ Z TEORII MECHANIZMÓW I MASZYN MANIPULATORÓW MECHANIZMÓW I MASZYN

INSTYTUT LABORATORIUM ZAKŁAD TEORII KONSTRUKCJ Z TEORII MECHANIZMÓW I MASZYN MANIPULATORÓW MECHANIZMÓW I MASZYN INSTYTUT KONSTRUKCJ MASZYN NR ĆW.: LABORATORIUM Z TEORII MECHANIZMÓW I MASZYN ZAKŁAD TEORII MECHANIZMÓW I MANIPULATORÓW TEMAT: Analza knematczna mechanzmów metodam numercznm. WPROWADZENIE Do wznaczana

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

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

KONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE

KONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE Adranna Mastalerz-Kodzs Unwersytet Ekonomczny w Katowcach KONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE Wprowadzene W dzałalnośc nstytucj fnansowych, takch

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

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

TAKSONOMICZNA ANALIZA ROZWOJU TRANSPORTU DROGOWEGO W POLSCE

TAKSONOMICZNA ANALIZA ROZWOJU TRANSPORTU DROGOWEGO W POLSCE Katarzyna CHEBA * TAKSONOMICZNA ANALIZA ROZWOJU TRANSPORTU DROGOWEGO W POLSCE Streszczene Pozom warunk życa ludnośc w Polsce są slne przestrzenne zróżncowane. W pracy na przykładze województw w Polsce

Bardziej szczegółowo

liniowym w przeciwnym przypadku mówimy o programowaniu nieliniowym.

liniowym w przeciwnym przypadku mówimy o programowaniu nieliniowym. =DGDQLHSROHJDMFHQDSRV]XNLZDQLXPDNV\PDOQHMOXEPLQLPDOQHMZDUWRFLIXQNFMLZLHOX ]PLHQQ\FKSU]\MHGQRF]HVQ\PVSHáQLHQLXSHZQHMLORFLQDáR*RQ\FKZDUXQNyZ UyZQDOXE QLHUyZQRFLQRVLQD]Z]DGDQLDRSW\PDOL]DF\MQHJROXE]DGDQLDSURJUDPRZDQLD

Bardziej szczegółowo

METODY HODOWLANE - zagadnienia

METODY HODOWLANE - zagadnienia METODY HODOWLANE METODY HODOWLANE - zagadnena 1. Matematyczne podtawy metod odowlanyc. Wartość cecy loścowej defncje parametrów genetycznyc 3. Metody zacowana parametrów genetycznyc 4. Wartość odowlana

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

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

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

Ekonometryczne modele nieliniowe

Ekonometryczne modele nieliniowe Ekonomeryczne modele nelnowe Wykład 5 Progowe modele regrej Leraura Hanen B. E. 997 Inference n TAR Model, Sude n Nonlnear Dynamc and Economerc,. Tek na rone nerneowej wykładu Dodakowa leraura Hanen B.

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

ZASTOSOWANIE METOD WAP DO OCENY POZIOMU PRZESTRZENNEGO ZRÓŻNICOWANIA ROZWOJU ROLNICTWA W POLSCE

ZASTOSOWANIE METOD WAP DO OCENY POZIOMU PRZESTRZENNEGO ZRÓŻNICOWANIA ROZWOJU ROLNICTWA W POLSCE Inżynera Rolncza 1(126)/2011 ZASTOSOWANIE METOD WAP DO OCENY POZIOMU PRZESTRZENNEGO ZRÓŻNICOWANIA ROZWOJU ROLNICTWA W POLSCE Katedra Zastosowań Matematyk Informatyk, Unwersytet Przyrodnczy w Lublne w Lublne

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

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

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

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

Wykaz ważniejszych oznaczeń... 5 Wykaz ważniejszych akronimów... 9

Wykaz ważniejszych oznaczeń... 5 Wykaz ważniejszych akronimów... 9 SPIS TREŚCI Wykaz ważnejzych oznaczeń... 5 Wykaz ważnejzych akronmów... 9 1. Wtęp... 11 1.1. Op uług WWW... 19 1.2. Klayfkacja ytemów webowych z jakoścą uług... 22 1.3. Sytemy z kryterum czaowym prezentowane

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

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

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

Programowanie wielokryterialne

Programowanie wielokryterialne Prgramwane welkryteralne. Pdstawwe defncje znaczena. Matematyczny mdel sytuacj decyzyjnej Załóżmy, że decydent dknując wybru decyzj dpuszczalnej x = [ x,..., xn ] D keruje sę szeregem kryterów f,..., f.

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

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

Wykład IX Optymalizacja i minimalizacja funkcji

Wykład IX Optymalizacja i minimalizacja funkcji Wykład IX Optymalzacja mnmalzacja funkcj Postawene zadana podstawowe dee jego rozwązana Proste metody mnmalzacj Metody teracj z wykorzystanem perwszej pochodnej Metody teracj z wykorzystanem drugej pochodnej

Bardziej szczegółowo

PROBLEMY ROLNICTWA ŚWIATOWEGO

PROBLEMY ROLNICTWA ŚWIATOWEGO Zeszyty Naukowe Szkoły Głównej Gospodarstwa Wejskego w Warszawe Scentfc Journal Warsaw Unversty of Lfe Scences SGGW PROBLEMY ROLNICTWA ŚWIATOWEGO PROBLEMS OF WORLD AGRICULTURE ISSN 2081-6960 eissn 2544-0659

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

ć ć ć Ś ć Ż

ć ć ć Ś ć Ż Ę ć ć ć Ś ć Ż Ę Ś ŚĆ Ś ć ć ć Ś ć ć ć ć ć ć Ś Ć ć ć ć ć ć ć ć ć ć ć ć ć Ś ć Ś Ż Ś Ę ć ć Ż ŚĆ ć ć ć ć ć Ż ć ć ć ć ć ć ć ź ć Ż ć ć ć ć ź ć ć ć ć ć ć ć Ć ć ć Ę ć ź ć ć ć ć ć ć ć Ę ź Ę ć ć ć ć ć ć ć ć ć ć ć

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

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

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

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

ZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH

ZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH Grzegorz PRZEKOTA ZESZYTY NAUKOWE WYDZIAŁU NAUK EKONOMICZNYCH ZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH Zarys treśc: W pracy podjęto problem dentyfkacj cykl gełdowych.

Bardziej szczegółowo

NORMALiZACJA ZMIENNYCH W SKALI PRZEDZIAŁOWEJ I ILORAZOWEJ W REFERENCYJNYM SYSTEMIE GRANICZNYM

NORMALiZACJA ZMIENNYCH W SKALI PRZEDZIAŁOWEJ I ILORAZOWEJ W REFERENCYJNYM SYSTEMIE GRANICZNYM PRZEGLĄD STATYSTYCZNY R. XLIV - ZESZ\'T 1-1997 DANUTA STRAHL, MAREK WALESIAK NORMALZACJA ZMIENNYCH W SKALI PRZEDZIAŁOWEJ I ILORAZOWEJ W REFERENCYJNYM SYSTEMIE GRANICZNYM l. WPROWADZENIE Przy stosowanu

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

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

CZĘŚCIOWY PORZĄDEK W WYWAŻANIU WARTOŚCI I RANKINGACH - STUDIUM PRZYPADKU

CZĘŚCIOWY PORZĄDEK W WYWAŻANIU WARTOŚCI I RANKINGACH - STUDIUM PRZYPADKU CZĘŚCIOWY PORZĄDEK W WYWAŻANIU WARTOŚCI I RANKINGACH - STUDIUM PRZYPADKU Wacław GIERULSKI*, Andrzej OKNIŃSKI*, Bogusław RADZISZEWSKI** *Poltechnka Śwętokrzyska WZMK, Kelce, **Poltechnka Śwętokrzyska WMBM,

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

METODA WSTAWIEŃ W KLASYCZNYCH PROBLEMACH SZEREGOWANIA. Cz. I. PROBLEM PRZEPŁYWOWY.

METODA WSTAWIEŃ W KLASYCZNYCH PROBLEMACH SZEREGOWANIA. Cz. I. PROBLEM PRZEPŁYWOWY. METOD WSTWIEŃ W KLSYCZNYCH PROBLEMCH SZEREGOWNI. Cz. I. PROBLEM PRZEPŁYWOWY. Eugenuz Nowck, Maruz Makuchowk Strezczene: Prezentowana praca jet perwzą częścą opracowana dotyczącego metody wtaweń w zatoowanu

Bardziej szczegółowo

POLITECHNIKA WARSZAWSKA WYDZIAŁ SAMOCHODÓW I MASZYN ROBOCZYCH Instytut Podstaw Budowy Maszyn Zakład Mechaniki

POLITECHNIKA WARSZAWSKA WYDZIAŁ SAMOCHODÓW I MASZYN ROBOCZYCH Instytut Podstaw Budowy Maszyn Zakład Mechaniki POLITECHNIKA WARSZAWSKA WYDZIAŁ SAMOCHODÓW I MASZYN ROBOCZYCH Intytut Podtaw Budowy Mazyn Zakład Mechaniki Laboratorium podtaw automatyki i teorii mazyn Intrukcja do ćwiczenia A-5 Badanie układu terowania

Bardziej szczegółowo

MIARA ZRÓŻNICOWANIA WYPOSAŻENIA GOSPODARSTW ROLNYCH W TECHNICZNE ŚRODKI PRODUKCJI

MIARA ZRÓŻNICOWANIA WYPOSAŻENIA GOSPODARSTW ROLNYCH W TECHNICZNE ŚRODKI PRODUKCJI METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/1, 2012, str. 204 211 MIARA ZRÓŻNICOWANIA WYPOSAŻENIA GOSPODARSTW ROLNYCH W TECHNICZNE ŚRODKI PRODUKCJI Janna Szewczyk Katedra Statystyk Matematycznej,

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

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

Diagnostyka układów kombinacyjnych

Diagnostyka układów kombinacyjnych Dagnostyka układów kombnacyjnych 1. Wprowadzene Dagnostyka obejmuje: stwerdzene stanu układu, systemu lub ogólne sec logcznej. Jest to tzw. kontrola stanu wykrywająca czy dzałane sec ne jest zakłócane

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

System M/M/1/L. λ = H 0 µ 1 λ 0 H 1 µ 2 λ 1 H 2 µ 3 λ 2 µ L+1 λ L H L+1. Jeli załoymy, e λ. i dla i = 1, 2,, L+1 oraz

System M/M/1/L. λ = H 0 µ 1 λ 0 H 1 µ 2 λ 1 H 2 µ 3 λ 2 µ L+1 λ L H L+1. Jeli załoymy, e λ. i dla i = 1, 2,, L+1 oraz System M/M// System ten w odrónenu do wczenej omawanych systemów osada kolejk. Jednak jest ona ogranczona, jej maksymalna ojemno jest wartoc skoczon

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

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

RÓWNOLEGŁY ALGORYTM POPULACYJNY DLA PROBLEMU GNIAZDOWEGO Z RÓWNOLEGŁYMI MASZYNAMI

RÓWNOLEGŁY ALGORYTM POPULACYJNY DLA PROBLEMU GNIAZDOWEGO Z RÓWNOLEGŁYMI MASZYNAMI RÓWNOLEGŁY ALGORYTM POPULACYJNY DLA PROBLEMU GNIAZDOWEGO Z RÓWNOLEGŁYMI MASZYNAMI Wojcech BOŻEJKO, Marusz UCHROŃSKI, Meczysław WODECKI Streszczene: W pracy rozpatrywany jest ogólny problem kolejnoścowy

Bardziej szczegółowo

Symulator układu regulacji automatycznej z samonastrajającym regulatorem PID

Symulator układu regulacji automatycznej z samonastrajającym regulatorem PID Symulator układu regulacj automatycznej z samonastrajającym regulatorem PID Założena. Należy napsać program komputerowy symulujący układ regulacj automatycznej, który: - ma pracować w trybe sterowana ręcznego

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

Model IS-LM-BP. Model IS-LM-BP jest wersją modelu ISLM w gospodarce otwartej. Pokazuje on zatem jak

Model IS-LM-BP. Model IS-LM-BP jest wersją modelu ISLM w gospodarce otwartej. Pokazuje on zatem jak Ćwczena z Makroekonom II Model IS-LM- Model IS-LM- jest wersją modelu ISLM w gospodarce otwartej. Pokazuje on zatem jak gospodarka taka zachowuje sę w krótkm okrese, w efekce dzałań podejmowanych w ramach

Bardziej szczegółowo

ZASTOSOWANIE METODY DEA W KLASYFIKACJI FUNDUSZY INWESTYCYJNYCH

ZASTOSOWANIE METODY DEA W KLASYFIKACJI FUNDUSZY INWESTYCYJNYCH PRZEGLĄD STATYSTYCZNY R. LVI ZESZYT 3-4 2009 ANNA ZAMOJSKA ZASTOSOWANIE METODY DEA W KLASYFIKACJI FUNDUSZY INWESTYCYJNYCH 1. WSTĘP Analza ocena wynków osąganyc przez fundusze nwestycyjne jest jednym z

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

ZMIANY DEMOGRAFICZNE W POWIECIE WIELICKIM

ZMIANY DEMOGRAFICZNE W POWIECIE WIELICKIM METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XII/2, 20, tr. 24 248 ZMIANY DEMOGRAFICZNE W POWIECIE WIELICKIM Lda Luty Katedra Statytyk Matematycznej Unwerytet Rolnczy w Krakowe e-mal: rrdutka@cyf-kr.edu.pl

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

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

ć ć ź ć ć ć Ź ź Ź ź

ć ć ź ć ć ć Ź ź Ź ź ć Ż Ż ć ć ć ź ć ć ć Ź ź Ź ź ć ź ć ź ć ź ź ź ź ź ź ź ć ć ź ć źć ć ć ć ć ć ć ć ć ć ć ź ć ć ć ć ć ć ć ć ć ć ć ć ć ć ć ć ć ć ź ć ć ć ź ć ć ć ć Ź ć ć ć Ó Ż ć ć Ź ć ć ć ć ć ć ć ć ć ć ć Ź ć ź ć ć ć ć ź ć ć ć

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

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