STATYSTYKA EKONOMICZNA w LOGISTYCE

Wielkość: px
Rozpocząć pokaz od strony:

Download "STATYSTYKA EKONOMICZNA w LOGISTYCE"

Transkrypt

1 STATYSTYKA EKONOMICZNA w LOGISTYCE Metod statstczne w analze procesów zaopatrzena dr Zbgnew Karwack Katedra Badań Operacjnch UŁ

2 Podstawowe funkcje procesów zaopatrzena Proces zaopatrzena ( zakupów ) stanową tę fazę procesów logstcznch, która zapewna przedsęborstwu zaslane w dobra rzeczowe nezbędne do wkonwana zadań. Jest to obszar, gdze możlwe są oszczędnośc kosztów gdze tkwą możlwośc dla cągłego rozwoju. Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

3 Podstawowe funkcje procesów zaopatrzena 2 Do najważnejszch zagadneń zwązanch z logstcznm procesam zaopatrzena należą: Kompletność dostaw Jakość dostaw Termnowość dostaw Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

4 Podstawowe funkcje procesów zaopatrzena Na fazę zaopatrzena składa sę wele funkcj, które ntegrują proces fzczne nformacjne. Mertorczną treść tch procesów mogą określć odpowedz na następujące ptana: Produkcja własna cz zakup? Ile kupować? Ked kupować? Gdze kupować? Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

5 Podstawowe funkcje procesów zaopatrzena 4 Postępująca specjalzacja w ramach poszczególnch faz logstcznch doprowadzła do wodrębnena marketngu zakupów, którego przedmotem dzałalnośc jest przgotowane podejmowane deczj co do zakupu odpowednch surowców, materałów, półfabrkatów tp. Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

6 Podstawowe funkcje procesów zaopatrzena 5 Marketng sprzedaż zakupów Analza rnku poptu na określon wrób Analza rnku podaż określonego wrobu Promocja Zaptane ofertowe Znalezene nabwc Znalezene najkorzstnejszego dostawc Proces negocjacjn Zawarce umow - sprzedaż Zawarce umow - zakup Cel pośredn Najkorzstnej sprzedać Najkorzstnej kupć Cel końcow Maksmalzacja zsku Maksmalzacja zsku Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

7 Podstawowe funkcje procesów zaopatrzena 6 Informacjne proces zaopatrzena to wszelke dzałana dotczące pozskwana gromadzena nformacj oraz jej transformacj, mającej na celu ustalene potrzeb materałowch przedsęborstwa, a także wszelke dane o źródłach zakupów. Potrzeb materałowe Plan produkcj sprzedaż Baza normatwna Katalog materałów Indeks materałowe wkaz komórek stanowsk będącch perwszm odborcą materałów Informacje cen jakość serws wargodność Dostawc Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

8 Podstawowe funkcje procesów zaopatrzena 7 Poltkę zakupów surowców, materałów, częśc tp. pownno sę prowadzć na podstawe udzału w wartośc łącznego zużca. Służ do tego metoda ABC, różncująca wstępujące w przedsęborstwe asortment materałowe z tego punktu wdzena. Zagregowana lczba pozcj Wartość łącznego zużca C C B B A A Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

9 Podstawowe funkcje procesów zaopatrzena 8 Algortm klasfkacj ABC: Krok 1 Ustalam cechę, która jest merzalna jej wartośc mają znaczene nformacjne oraz określon czas, dla którego możem uzskać dane o jej realzacj. Krok 2 Sporządzam lstę produktów, które mają bć poddane klasfkacj oraz dane do jej przeprowadzena. Podstawą klasfkacj jest wartość zakuponch produktów. Oznaczena: nazw produktów: P 1,,P m, lość: x 1,,x m, cena jednostkowa: c 1,,c m, wartość: w 1,,w m. Krawczk S., Metod loścowe w planowanu. C.H.Beck, Warszawa 2001.

10 Podstawowe funkcje procesów zaopatrzena 9 Krok Lstę produktów porządkujem ze względu na wartość malejąco. Krok 4 Oblczam sumarczną wartość wszstkch analzowanch produktów: W m w 1 Krok 5 Dla każdego produktu P, =1,,m, oblczam jego udzał procentow w sumarcznej wartośc: r W w 100 Krawczk S., Metod loścowe w planowanu. C.H.Beck, Warszawa 2001.

11 Oraz skumulowan wskaźnk udzału q, =1,,m, oblczan rekurencjne: q 1 = w 1 q k = q k-1 +w k, k=2,,m. Krok 6 Określam wartośc dwóch parametrów α β, np. α=75% β=95%, które posłużą do utworzena klas A, B C: grupa A procentow udzał wartośc w wartośc całkowtej 75%, grupa B - procentow udzał wartośc w wartośc całkowtej 95% - 75% =20% grupa C - procentow udzał wartośc w wartośc całkowtej 100% - 95% =5% Krok 7 Po wróżnenu klas sprawdzam, jak procent całego badanego zboru stanową obekt każdej z klas: n A lczba obektów klas A, procentow udzał na ua na nb nc n B - lczba obektów klas B, procentow udzał nb ub n n n n C - lczba obektów klas C, procentow udzał Podstawowe funkcje procesów zaopatrzena 10 u C n A A n n B C B n C C

12 Podstawowe funkcje procesów zaopatrzena 11 Proces fzczne zaopatrzena obejmują: Dopłw surowców, materałów, półfabrkatów tp. do przedsęborstwa, Wszelke cznnośc manpulacjne zwązane z odborem, transportem wewnętrznm składowanem dostaw, Przepłw materałów do perwszego stanowska w procese produkcj. Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

13 Podstawowe funkcje procesów zaopatrzena 12 Zajmując sę planowanem potrzeb materałowch w przedsęborstwe, należ wdzeć różncę mędz prognozą a planem. Prognozowane to domślane sę tego, co zajdze z określonm prawdopodobeństwem, natomast planowane to wznaczane jakegoś celu, któr chcem osągnąć odpowednch, nezbędnch do tego środków. Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

14 Podstawowe funkcje procesów zaopatrzena 1 W gospodarce rnkowej plan produkcj są budowane przede wszstkm na podstawe prognoz poptu na dane wrob. Tak węc, wnkające z nch prognoz plan potrzeb materałowch borą swój początek w prognozach planach sprzedaż wrobów usług. Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

15 Podstawowe funkcje procesów zaopatrzena 14 W przedsęborstwe przemsłowm można wróżnć następujące rodzaje poptu: Popt perwotn ( potrzeb nezależne) wpłw poptu zewnętrznego na wrob przedsęborstwa, Popt wtórn ( potrzeb zależne ) wnka z poptu perwotnego dotcz potrzeb materałowch wnkającch z nego stosowanej technolog, Popt uzupełnając obejmuje wszstke pozostałe potrzeb przedsęborstwa ( palwa, częśc zamenne do maszn, materał pomocncze tp. ) Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

16 Podstawowe funkcje procesów zaopatrzena 15 Potrzeb nezależne ( popt perwotn ) wnkają przede wszstkm z prognoz poptu, natomast potrzeb zależne z oblczeń bezpośrednch, do którch służ np. sstem planowana potrzeb materałowch ( PPM ) spotkan równeż pod nazwą MRP (materal requrements plannng). Podstawą sstemu PPM jest ustalene potrzeb materałowch ( brutto netto ) w podzale na przjęte okres planstczne. Wkorzstuje on następujące zbor nformacj: Główn harmonogram produkcj (master producton schedule MPS) Zbór struktur wrobu (bl of materals BOM) Główn zbór zapasów (nventor master fle IMF) Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

17 Podstawowe funkcje procesów zaopatrzena 16 Zbór struktur wrobu (bl of materals BOM) 1 Przkład Proces produkcj fotela: 1. Ops słown Końcow produkt powstaje na stanowsku, na którm szkelet, oparce sedzene, dostarczone z nnch stanowsk, są pokrwane tkanną obcową łączone w jedną całość. 2. Wprowadzane smbol dla stanowsk półproduktów. Stanowsko będzem dentfkowal przez smbol wtwarzanego na nm półproduktu. W tm przpadku wróżnm trz tp stanowsk: stanowska, na którch powstają produkt końcowe Pk stanowska, na którch powstają półprodukt PPj magazn, z którego poberane są surowce S Smbol Nazwa obektu Jednostka P1 Fotel Szt. PP1 Stelaż Szt. PP2 Szkelet fotela Szt. PP Sedzene oparce Szt. Krawczk S., Metod loścowe w logstce. C.H.Beck, Warszawa 2001.

18 Podstawowe funkcje procesów zaopatrzena 17 Zbór struktur wrobu (bl of materals BOM) 2 S1 Smbol Nazwa obektu Jednostka Tarcca glasta 2 m S2 Panka poluretanowa mb S Mechanzm sprężnow szt. S4 Tkanna obcowa mb. S5 Śruba szt. S6 Tkanna do pank mb. S7 Nc mb. Krawczk S., Metod loścowe w logstce. C.H.Beck, Warszawa 2001.

19 Podstawowe funkcje procesów zaopatrzena 18 Zbór struktur wrobu (bl of materals BOM). Określene dopłwu materałów P PP2 PP S 4 Krawczk S., Metod loścowe w logstce. C.H.Beck, Warszawa 2001.

20 Podstawowe funkcje procesów zaopatrzena 19 Zbór struktur wrobu (bl of materals BOM) 4 PP PP1 S5 S Krawczk S., Metod loścowe w logstce. C.H.Beck, Warszawa 2001.

21 Podstawowe funkcje procesów zaopatrzena 20 Zbór struktur wrobu (bl of materals BOM) 5 PP S2 S6 S7 Krawczk S., Metod loścowe w logstce. C.H.Beck, Warszawa 2001.

22 Podstawowe funkcje procesów zaopatrzena 21 Zbór struktur wrobu (bl of materals BOM) 6 PP S1 S5 Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

23 Podstawowe funkcje procesów zaopatrzena 22 Zbór struktur wrobu (bl of materals BOM) 7 4. Łączene wkresów cząstkowch w drzewo produktu Pozom 0 P1 Pozom PP2 PP S4 Pozom PP1 S5 S S2 S6 S7 Pozom S1 S5 Krawczk S., Metod loścowe w logstce. C.H.Beck, Warszawa 2001.

24 Podstawowe funkcje procesów zaopatrzena 2 Zbór struktur wrobu (bl of materals BOM) 8 W teor grafów węzeł, w którm rozpoczna sę strzałka to węzeł początkow, a węzeł, w którm sę kończ to węzeł końcow. Dla węzła końcowego węzeł początkow jest poprzednkem, a dla węzła początkowego węzeł końcow jest następnkem. Można wróżnć następujące charakterstczne cech drzewa produktu: 1. węzł przporządkowane surowcom ne mają poprzednków, 2. węzeł przporządkowan produktow końcowemu ne ma następnka,. każd węzeł, w którm rozpoczna sę strzałka ma tlko jednego następnka, 4. wrob dostarczane na węcej nż jedno stanowsko są wmenane w tlu węzłach, do lu stanowsk są dostarczane Krawczk S., Metod loścowe w logstce. C.H.Beck, Warszawa 2001.

25 Podstawowe funkcje procesów zaopatrzena 2 Zbór struktur wrobu (bl of materals BOM) 9 Lsta materałowa dla produktu P1 Smbol Nazwa obektu Jednostka Ilość P1 Fotel szt. 1 PP1 Stelaż szt. 1 PP2 Szkelet fotela szt. 1 PP Sedzene oparce szt. 2 S1 Tarcca glasta m 2 2,6 S2 Panka poluretanowa mb,2 S Mechanzm sprężnow szt. 4 S4 Tkanna obcowa materałowa mb,4 S5 Śruba szt. 4 S6 Tkanna do obszwk pank mb,6 S7 Nc mb 104 Krawczk S., Metod loścowe w logstce. C.H.Beck, Warszawa 2001.

26 Podstawowe funkcje procesów zaopatrzena 24 Grafowe ujęce procesu produkcj 1 Graf Goznto jest uogólnenem drzewa produktu jest grafem skerowanm, wartoścowm, w którm: węzł odzwercedlają surowce, półprodukt produkt końcowe, strzałk odzwercedlają bezpośredne zwązk technologczne medz wrobam, lczb prz strzałkach oznaczają współcznnk bezpośrednch nakładów jednostkowch mędz wrobam. W odróżnenu od drzewa produktu każd z wrobów jest reprezentowan przez jeden węzeł ne wstępują powtórzena węzłów odpowadającch tm samm wrobom. W grafe Goznto każd węzeł może meć welu poprzednków następnków, w zależnośc od tego, le nnch wrobów tworz dan półprodukt do lu nnch półproduktów jest on wkorzstwan. Następnków nw mają produkt końcowe, a poprzednków surowce częsc poberane z magaznu Krawczk S., Metod loścowe w logstce. C.H.Beck, Warszawa 2001.

27 Podstawowe funkcje procesów zaopatrzena 25 Grafowe ujęce procesu produkcj 2 Graf Goznto dla produktu P 1 s 1 PP 2 s 2 PP 1 P 1 s s 4 PP s 5 Krawczk S., Metod loścowe w logstce. C.H.Beck, Warszawa 2001.

28 Podstawowe funkcje procesów zaopatrzena 26 Grafowe ujęce procesu produkcj Zestawene przepłwów materałowch na P 1 Węzeł początkow Węzeł końcow Współcznnk nakładu Ops S 1 PP 1 2,6 2,6 m 2 tarcc na stelaż fotelow S 2 PP 1,6 1,6 mb pank na 1 sedzene lub oparce S PP mechanzm sprężnowe na 1 szkelet fotela S 4 P 1,4,4 m 2 tkann obcowej materałowej na 1 fotel S 5 PP śrub na 1 stelaż fotelow Krawczk S., Metod loścowe w logstce. C.H.Beck, Warszawa 2001.

29 Analza pozomu, struktur dnamk zapasów 1 Zapas z jednej stron są wrazem określonej strateg przedsęborstwa, z drugej ważnm elementem zwązanm z kosztam. W ssteme nakazowo-rozdzelczm dążono do gromadzena nadmernch zapasów w celu mnmalzacj rzka braku zapasów. W gospodarce rnkowej obserwuje sę tendencję uceczk od zapasów. Stuację tę powoduje: zamrożene kaptału, dążene do zmnejszena kosztów magaznowana oraz wsoke oprocentowane kredtów bankowch. Na kształtowane zapasów mają wpłw różnorodne cznnk, do którch można zalczć: postęp technczn, stan produkcj, postęp organzacjn, stosowane metod planowana zarządzana. Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

30 Analza pozomu, struktur dnamk zapasów 2 Podzał rodzajow zapasów: Nazwa Surowce materał Produkcja nezakończona Wrob gotowe Przczn powstawana Różnca w dnamce kształtowana sę strumena dostaw strumena zużca oraz odchlena zużca rzeczwstego od planowanego. Koneczność utrzmwana materałów półfabrkatów znajdującch sę w różnch fazach produkcj. Różnce mędz strumenem produkcj zbtu Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

31 Analza pozomu, struktur dnamk zapasów Podzał zapasów ze względu na realzację procesów produkcjnch: Nazwa Beżące Sezonowe Rezerwowe Neprawdłowe: zbędne nadmerne Przczn powstawana Zapewnene sprawnego funkcjonowana procesów produkcjnch Zabezpeczene przed sezonowm wahanam zaopatrzena Zabezpeczene przszłch potrzeb specjalnch celów Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

32 Analza pozomu, struktur dnamk zapasów 4 Analza pozomu zapasów ma odpowedzeć na następujące ptana: Cz stnejąc ch pozom odpowada normatwnemu? Jake są odchlena zapasów rzeczwstch od planowanch lub normatwnch? Jake są nedobor lub zapas neprawdłowe? Norma zapasu to jego welkość ustalona ścśle na określon czas. Zależ od warunków dostaw, welkośc zużca materałów technolog produkcj. Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

33 Analza pozomu, struktur dnamk zapasów 5 W analze zapasów często wkorzstuje sę średn stan zapasów. Może on bć oblczan dla: mesęc, kwartałów lub lat. Zapas średno roczn oblcza sę, korzstając ze średnej artmetcznej, a dla mesęc lub kwartałów, za pomocą średnej chronologcznej. Analzę stanu zapasów należ uzupełnć o odpowedne mar Zróżncowana. Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

34 Analza pozomu, struktur dnamk zapasów 6 Analza struktur zapasów należ do analz szczegółowch. Określa ona zarówno udzał jak znaczene poszczególnch grup zapasów w zapasach ogółem. Na jej podstawe można wsunąć wnosk o zmanach zapasów w stosunku do okresów ubegłch jak do założeń planu. Pozwala także na ustalene podstawowch przczn tch zman określene kerunku dalszch badań. Welkość struktura zapasów produkcj nezakończonej są determnowane główne wewnętrznm warunkam funkcjonowana przedsęborstwa. Zapas te są kształtowane przez: technologę organzację procesów wtwórczch, strukturę przedsęborstwa oraz długość cklu produkcjnego. Zapas materałowe natomast zależne są od cznnków wewnętrznch, a także od warunków jake wstępują na rnku dostawczm. Struktura zapasów wrobów gotowch jest kształtowana przez strukturę asortmentową produkcj sprzedaż oraz form dstrbucj. W analze struktur należ wkorzstwać wskaźnk podobeństwa struktur oraz prezentacje grafczne.

35 Analza pozomu, struktur dnamk zapasów 6 Do analz dnamk zapasów wkorzstuje sę nformacje zebrane w postac szeregów czasowch. Analza takch danch pownna dać odpowedź na dwa ptana: 1. Jaka jest dnamka zapasów? 2. Jake cznnk wwołują ch zmenność? Odpowedź na perwsze ptane można uzskać stosując metod ndeksowe, które służą do lczbowego określana tempa ntenswnośc zman zjawska w czase, ab uzskać odpowedź na druge ptane należ zastosować metod wodrębnana tendencj rozwojowej, wahań okresowch wahań przpadkowch.

36 Analza dnamk zapasów 1 jednopodstawowe absolutne Przrost łańcuchowe jednopodstawowe względne Mar dnamk Indeks dnamk ndwdualne agregatowe łańcuchowe jednopodstawowe łańcuchowe welkośc absolutnch welkośc stosunkowch S. Ostasewcz, Z. Rusnak, U. Sedlecka, Statstka element teor zadana, Wdawnctwo Akadem Ekonomcznej m. O. Langego, Wrocław 1999

37 Analza dnamk zapasów 2 Przrost absolutne Odejmowane dwóch welkośc lczbowch daje w wnku dodatn lub ujemn przrost absolutn (bezwzględn). Przrost absolutne mogą bć oblczane: w stosunku do jednego okresu (momentu) przrost absolutne o podstawe stałej (jednopodstawowe) gdze : lub też okresu (momentu) stale zmenającego sę przrost absolutne o podstawe zmennej (łańcuchowe) gdze: t / 1 t 1 t 1,2,..., n 1 podstawaporównań t / t1 t t1 t 2,..., n t 1 - podstawaporównań

38 Analza dnamk zapasów Przrost absolutne nformują o tm, o le jednostek wzrósł (znak plus) lub zmalał (znak mnus) pozom badanego zjawska w okrese (momence) badanm w porównanu z okresem (momentem) przjętm za podstawę. Przrost absolutne są welkoścam manowanm, wrażonm w tch samch jednostkach mar, co badane zjawska. Wnka z tego, że ne nadają sę one do porównań ze zmanam nnch zjawsk, które są wrażone w odmennch jednostkach mar lub, którch rząd welkośc jest nn. Prz oblczanu przrostów absolutnch bardzo ważn jest wbór podstaw porównań. Wbran do porównań okres pownen bć na tle charakterstczn, ab pozwalał poznać stotę zachodzącch zman. Dlatego też ne należ przjmować za podstawę okresu zupełne wjątkowego pod względem pozomu badanego zjawska, gdż wszstke porównana błb wówczas znekształcone.

39 Analza dnamk zapasów 4 Przrost względne Przrostem względnm nazwam loraz przrostów absolutnch zjawska do jego pozomu w okrese (momence) przjętm za podstawę do porównań. Podobne jak przrost absolutne mogą bć : jednopodstawowe d t /1 łańcuchowe d t / t1 t 1 t t1 1 t1 Informują o tm, o le wższ lub nższ jest pozom badanego zjawska w danm okrese w stosunku do okresu bezpośredno poprzedzającego (przrost względne łańcuchowe) lub w porównanu z okresem przjętm za podstawę (przrost względne jednopodstawowe). Przrost względne mogą bć wartoścam dodatnm, ujemnm lub równm zero. Mogą bć wrażane w procentach określane są manem wskaźnków tempa wzrostu.

40 Analza dnamk zapasów 5 Indeks dnamk Indeksem (wskaźnkem dnamk) nazwam każdą lczbę względną powstałą przez podzelene welkośc danego zjawska w okrese badanm (sprawozdawczm) przez welkość tego zjawska w okrese podstawowm (bazowm). Wróżnam ndeks ndwdualne agregatowe. Indeks ndwdualne dzelm na: jednopodstawowe gdze: Łańcuchowe gdze: 1 t /1 t 1,2,..., n t 1 podstawaporównań t / t1 t 2,..., n t 1 - t t1 podstawaporównań

41 Analza dnamk zapasów 6 Indeks jednopodstawowe można otrzmać z przrostów względnch o podstawe stałej przez dodane 100 (lub 1, jeżel posługujem sę ułamkam, a ne welkoścam procentowm). W analogczn sposób można dokonać przelczena ndeksów łańcuchowch na przrost względne łańcuchowe. Na tej samej zasadze można dokonać operacj odwrotnej, tzn. zmenć ndeks łańcuchowe (lub jednopodstawowe) na przrost względne łańcuchowe (lub jednopodstawowe). Welkość przrostu względnego jest wówczas welkoścą odpowednego ndeksu pomnejszoną o 100 (lub 1). W praktce badań statstcznch najczęścej wkorzstuje sę ndeks. Są one bowem wgodnm materałem dla dalszch badań dzałań matematcznch. Dzałana, jake można na nch wkonać sprowadzają sę w zasadze do zaman ndeksów jednopodstawowch na łańcuchowe odwrotne oraz do zaman podstaw w szeregu ndeksów o podstawe stałej.

42 Analza dnamk zapasów 7 Zaman ndeksów łańcuchowch na jednopodstawowe dokonujem według następującch zasad: 1. Indeks jednopodstawow w okrese następującm bezpośredno po okrese przjętm za podstawę jest tak sam jak ndeks łańcuchow. 2. Indeks jednopodstawow w okrese przjętm za podstawę wnos 100%.. Dalsze ndeks jednopodstawowe po okrese przjętm za podstawę otrzmujem mnożąc w sposób narastając (kumulując) kolejne ndeks łańcuchowe, lcząc od wskaźnka łańcuchowego znajdującego sę tuż po okrese podstawowm. 4. Indeks jednopodstawowe przed okresem podstawowm są odwrotnoścą narastającch locznów kolejnch ndeksów łańcuchowch, lcząc od okresu przjętego za podstawę. Zman podstaw w ndeksach jednopodstawowch dokonujem przez dzelene poszczególnch ndeksów prz danej podstawe przez ndeks jednopodstawow tego okresu, któr przjmujem za nową podstawę.

43 t Absolutn pozom zjawska ( t ) Indeks jedno- podstawowe o podstawe t = Zamana ndeksów jedno- podstawowch na łańcuchowe Zamana ndeksów łańcuchowch na jednopodstawowe o podstawe t = Zamana podstaw w ndeksach jednopodstawowch z t = na t = : 1 1 : 4 4 : : : : 2 2 1: : : : : Operacje w tabel są wkonane dla t =, w ten sam sposób można je wkonać dla każdej nnej wartośc t dla dowolnego szeregu dnamcznego. Analza dnamk zapasów 8 Źródło: M. Sobczk, Statstka, W-wa 1991, s. 274

44 Analza dnamk zapasów 9 Indeks jednopodstawowe łańcuchowe pozwalają na ocenę zman badanego zjawska mędz dwoma wróżnonm okresam (momentam). Czasam zachodz jednak koneczność ocen średnego tempa zman danego zjawska w całm okrese objętm badanem. Do tego celu wkorzstuje sę średną geometrczną. G n1 1 / 1 1/ 2... n n n n n 2/1 n/1 Średnookresowe tempo zman w badanch n okresach oblcza sę jako różncę: T n G Lub w wrażenu procentowm: 1 % T n G

45 Wbór źródeł zakupu Podczas wboru źródła zakupu należ pamętać, że logstczne proces zaopatrzena w stotnm stopnu rzutują na wnk ekonomczne przedsęborstwa. Znaczene faz zakupu materałów dla ekonomk frm znajduje pełne odzwercedlene w praktce przedsęborstw lteraturze logstcznej. W USA włonła sę nawet nowa dscplna wedz ekonomcznej - ogólna teora zakupów ( purchasng)

46 Wbór źródeł zakupu 1 W wborze dostawc stosuje sę różnorodne krtera, dążąc prz tm do mnmalzacj łącznch kosztów zakupu utrzmana zapasów, prz jednoczesnm stworzenu realnch przesłanek dla nezakłóconego przebegu logstcznch procesów zaopatrzena produkcj. Tak węc za najważnejsz kosztow element transakcj przjmuje sę cenę towaru, pod warunkem spełnena wmogów dotczącch jego jakośc. Obok cen zakupu można wróżnć następujące zasadncze krtera wboru dostawc; Jakość towaru, Warunk dostaw, Wartość użtkowa wrobu zaobserwowana w przeszłośc, Gwarancje uwzględnane roszczeń, Stuacja fnansowa dostawc, Zdolność do akceptacj zman poptu, Sstem łącznośc, Lokalzacja.

47 Wbór źródeł zakupu 2 Optmaln wbór dostawc zwązan jest w tm przpadku z podjęcem najlepszej deczj z punktu wdzena welu krterów. Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

48 Zjawsko złożone W różnch sferach ludzkej aktwnośc wstępuje duża lczba zjawsk, które można określć manem złożone. Przez zjawsko złożone rozumeć należ pewen abstrakcjn twór zwązan ze stanem jakoścowm (bezpośredno ne merzalnm) rzeczwstch obektów opswan przez co najmnej dwe cech. Porównana różnch obektów położonch w przestrzen w zakrese zjawsk złożonch stwarzają koneczność sporządzana ch ocen, a w dalszej kolejnośc konstrukcj rankngu. Zjawska złożone są zwkle charakterzowane weloma różnorodnm cecham, które mają różne mana wkazują różne rzęd welkośc. Welokrteralna ocena zjawska w różnch obektach staje sę możlwa, gd dokonam przekształcena wartośc cech orgnalnch celem ch ujednolcena. Przekształcone zmenne są pozbawone man przberają wartośc zblżonego rzędu welkośc. Sposob transformacj wartośc orgnalnch cech dagnostcznch nazwam metodam normowana. Unormowane wartośc zmennch dagnostcznch mogą bć poddane procesow agregacj, co prowadz do uzskana zmennej sntetcznej (agregatowej) charakterzującej każd obekt ze względu na ocenane zjawsko złożone. Znajomość ocen obektów pozwala na konstrukcję ch rankngu, tzn. układu, w którm obekt są uporządkowane w kolejnośc od najlepszego do najgorszego ze względu na wartość zmennej sntetcznej. Welokrteralne podejmowane deczj 1 Jędrzejczk Z., Kukuła K., Skrzpek J., Walkosz A., Badana operacjne w przkładach zadanach. PWN, Warszawa 2002

49 Welokrteralne podejmowane deczj 2 Schemat powstawana zmennej sntetcznej W Wjścow zbór zmennch opsującch zjawsko złożone Proces wboru X Zbór zmennch dagnostcznch przjęce odrzucene Y Zbór zmennch opsującch zredukowan normalzacja Z Zbór zmennch unormowanch agregacja Q Zbór zmennch sntetcznch Jędrzejczk Z., Kukuła K., Skrzpek J., Walkosz A., Badana operacjne w przkładach zadanach. PWN, Warszawa 2002

50 Oznaczena Welokrteralne podejmowane deczj Istotą badań welokrteralnch jest ch ujęce porównawcze, co oznacza, że pozom zjawska złożonego rozpatruje sę w różnch obektach. Po dokonanu redukcj zboru wjścowego cech W pozostają zmenne zalczane do zboru cech dagnostcznch X. Nech O oznacza zbór obektów O = { O1,O2,,Or}, gdze r jest lczbą badanch obektów. Każd obekt jest charakterzowan przez zbór zmennch dagnostcznch X = { X1,X2,,Xs ) Gdze s jest lczbą zmennch dagnostcznch, wkorzstwanch do opsu zjawska złożonego w obektach. Ze względu na zróżncowane potrzeb użtkownków badań oraz stopeń dspozcjnośc baz danch, analzę zjawska możem przeprowadzć, wkorzstując: podejśce statczne, podejśce dnamczne. W podejścu statcznm rozpatrujem zjawsko złożone w jednm z wbranch okresów, gwarantującm zebrane kompletnch danch Jędrzejczk Z., Kukuła K., Skrzpek J., Walkosz A., Badana operacjne w przkładach zadanach. PWN, Warszawa 2002

51 Welokrteralne podejmowane deczj 4 Nezbędne w badanach statstcznch dane tworzą macerz dwuwmarową o postac: Gdze xj oznacza realzację zmennej Xj w obekce O. Zatem -t obekt opsuje wektor zmennch x j x x... x r1 x x... x r x x x 1s 2s... rs ) x j x 1 x2... xs ( 1,2,...,r Wektor [x] jest s-wmarową obserwacją charakterzującą obekt O. Każdemu obektow odpowada punkt w przestrzen s-wmarowej. Jędrzejczk Z., Kukuła K., Skrzpek J., Walkosz A., Badana operacjne w przkładach zadanach. PWN, Warszawa 2002

52 Welokrteralne podejmowane deczj 5 Problem rozpoznana ujednolcana charakteru zmennch. U podstaw porządkowana lnowego prowadzącego do konstrukcj rankngu obektów leż koneczność podzału zboru zmennch dagnostcznch na trz podzbor: S, D N. podzał te spełna warunek zupełnośc X S D N I warunek rozłącznośc S D D N Gdze: S podzbór zmennch dagnostcznch zwanch stmulantam D - podzbór zmennch dagnostcznch zwanch destmulantam N - podzbór zmennch dagnostcznch zwanch nomnantam Jędrzejczk Z., Kukuła K., Skrzpek J., Walkosz A., Badana operacjne w przkładach zadanach. PWN, Warszawa 2002

53 Welokrteralne podejmowane deczj 6 Stmulantą nazwam taką zmenną dagnostczną, której wzrost kojarzć należ ze wzrostem, a spadek ze spadkem ocen zjawska złożonego. Destmulantą nazwam taką zmenną dagnostczną, której wzrost kojarzć należ ze spadkem, a spadek ze wzrostem ocen zjawska złożonego. Nomnantą nazwam taką zmenną dagnostczną, która ma określoną, najkorzstnejszą ( z punktu wdzena ocen zjawska złożonego ) wartość nomnalną. Gd nomnanta przjmuje wartośc wększe lub mnejsze od wartośc nomnalnej to powoduje spadek ocen zjawska złożonego. Jędrzejczk Z., Kukuła K., Skrzpek J., Walkosz A., Badana operacjne w przkładach zadanach. PWN, Warszawa 2002

54 Metoda untarzacj zerowanej 1 Metod untarzacjne charakterzują sę przjęcem stałego punktu odnesena, któr stanow rozstęp zmennej normowanej: R ( x j ) max x j mn x j Take podejśce sprawa, że rozstęp cech unormowanej Zj jest stał wnos jeden. W metodze untarzacj zerowanej ( MUZ ) wkorzstujem następując sposób transformacj : Dla stmulant z j x j max x j mn x j mn Jędrzejczk Z., Kukuła K., Skrzpek J., Walkosz A., Badana operacjne w przkładach zadanach. PWN, Warszawa 2002 x j

55 Metoda untarzacj zerowanej 2 Dla destmulant zj max x max x j j x j mn x j Dla nomnant w przpadku wstępowana jednej wartośc nomnalnej z j 1 c x c x j oj j oj mn x gd x max x j mn x j max x j j gd x j j c gd x c oj j c oj oj

56 Metoda untarzacj zerowanej c, 1 j c2 Dla nomnant w przpadku wstępowana przedzału wartośc nomnalnch j z j x c1 1 x c2 j j j j mn x gd c max x j mn x j j max x j gd x 1j x j gd x j c c j 1 j 2 j c 2 j Jędrzejczk Z., Kukuła K., Skrzpek J., Walkosz A., Badana operacjne w przkładach zadanach. PWN, Warszawa 2002

57 Metoda untarzacj zerowanej 4 Unormowane cech dagnostcznch jest etapem wstępnm pozwalającm doprowadzć do uzskana łącznej ocen welokrteralnej każdego z branch pod uwagę obektów. Łączną ocenę każdego z nch możem uzskać drogą agregacj na wele sposobów. Dwa najprostsze sposob u zskane zmennej sntetcznej są następujące: Q s z j1 j ( 1,2,..., r ) Q 1 s s j1 z j ( 1,2,..., r ) Jędrzejczk Z., Kukuła K., Skrzpek J., Walkosz A., Badana operacjne w przkładach zadanach. PWN, Warszawa 2002

58 Metoda untarzacj zerowanej 5 Przkład Należ wbrać najlepszego dostawcę leków na podstawe następującch zmennch dagnostcznch: X1 - cena zamawanch leków (EURO), X2 - koszt transportu kolejowego (EURO), X - koszt transportu lotnczego (EURO), X4 - koszt transportu samochodowego (EURO), X5 - termn płatnośc ( dn). Dostawca Zmenne dagnostczne x1 x2 x x4 X5 A B C Jędrzejczk Z., Kukuła K., Skrzpek J., Walkosz A., Badana operacjne w przkładach zadanach. PWN, Warszawa 2002

59 Metoda untarzacj zerowanej 6 mn x max x z z z mn x 2 00 max x 2 50 z z z mn x 570 max x 750 z z z Jędrzejczk Z., Kukuła K., Skrzpek J., Walkosz A., Badana operacjne w przkładach zadanach. PWN, Warszawa 2002

60 Metoda untarzacj zerowanej 7 mn x 4 80 max x z z z mn x 5 7 max x 5 14 z z z Jędrzejczk Z., Kukuła K., Skrzpek J., Walkosz A., Badana operacjne w przkładach zadanach. PWN, Warszawa 2002

61 Metoda untarzacj zerowanej 8 Dostawca Zmenne unormowane z1 z2 z z4 z5 Q A B C Najlepsz dostawca zgodne z przjętm krteram to dostawca A Jędrzejczk Z., Kukuła K., Skrzpek J., Walkosz A., Badana operacjne w przkładach zadanach. PWN, Warszawa 2002

62 Metoda punktowa 1 W metodze punktowej wróżna sę następujące etap postępowana: 1. Określene podstawowch krterów wboru. 2. Ustalene zasad punktacj w odnesenu do poszczególnch krterów ch cech merzalnch.. Wprowadzene wag dla poszczególnch krterów. 4. Oblczane lczb punktów. 5. Wbór dostawc. Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

63 Metoda punktowa 2 Krterum ocen Ocena punktowa krterum Waga krterum Ocena ważona krterum Dostawca A Dostawca B Dostawca A Dostawca B Cena Jakość Termn dostaw Dodatkowe usług Razem X X Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

64 Metoda Grafczna 1 Metoda grafczna polega na przedstawenu stopna konkurencjnośc poszczególnch dostawców. Na płaszczznę, będącą rodzajem tarcz, nanos sę poszczególne krtera parametr ocen oraz odpowadającą m punktację ( w rozpatrwanm przkładze od 1 do 5 ). Krterum Dostawca Cena: pozom cen warunk płatnośc elastczność Jakość: pozom jakośc trwałość nezawodność A B Termn dostaw: Długość termnów Dotrzmwane ustalonch termnów Dodatkowe usług: Własn transport Utrzmwane zapasów Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

65 Metoda grafczna 2 Dostawca A Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

66 Metoda grafczna Dostawca B Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

67 Metoda grafczna 4 Punktacja dla poszczególnch krterów ch parametrów może wnkać z ocen dośwadczeń, a także z ofert poszczególnch dostawców, jeśl w naszch zaptanach ofertowch spreczowalśm krtera parametr wboru. Im wększa zakreskowana powerzchna, tm wększa konkurencjność dostawc. Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

68 Szczególne problem zakupów 1 Grupowe zamawane towarów Sterowane zapasam, w stuacj, gd od jednego dostawc pochodz węcej nż jeden towar jest bardzo stotne. Zaproponowane menedżerom właścwch metod postępowana w takch stuacjach należ uznać za nezbędne. Wobec ewentualnośc codzennego sprowadzana od tego samego dostawc nnego towaru, teza, że suma deczj optmalnch odpowada optmalzacj problemu traktowanego łączne nej możlwa do obron Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

69 Optmalzacja zakupów towarów nabwanch od jednego dostawc: Faza 1 Szczególne problem zakupów 2 Grupowe zama wane towarów Oblczam optmalną lczbę zakupów ( N opt. ) w danm przedzale czasowm dla wszstkch pozcj materałowch rozpatrwanch łączne. Gdze: N opt. r 2( K 1 1 r stopa procentowa kosztu utrzmana zapasu, W wartość rocznch potrzeb materału, K z koszt zakupu jednej part, K koszt opracowana zamówena materału. z n W n K ) Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

70 Szczególne problem zakupów Grupowe zama wane towarów Faza 2 Oblczam ndwdualne optmalne częstotlwośc zakupów dla poszczególnch materałów ( I opt. ) określam ch relacje w stosunku do optmalnej grupowej lczb zakupów. I opt., N opt. Faza Wdzelam asortment, dla którch I opt Będą one bowem rzadzej zamawane, nż wnka to dla całej grup. 2K rw Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

71 Szczególne problem zakupów 4 Grupowe zamawane towarów Faza 4 Ponowne oblczam optmalną grupową lczbę zakupów, ale z pomnęcem materałów, dla którch I opt Faza 5 Korgujem, o nową wartość N opt. optmalne częstotlwośc dla asortmentów, dla którch I opt Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

72 Szczególne problem zakupów 5 Upust cenowe W gospodarce rnkowej często mam do cznena z opustam cenowm udzelanm przez sprzedającego, jeśl kupujem towar w wększej lośc. Zdarza sę, że określana jest pewna granczna welkość sprzedaż (Q g ), powżej której obowązują cen nższe dla całej part. W takej stuacj należ odpowedno pogłębć rachunek ekonomczn ne ogranczając sę do ustalena klascznej optmalnej part zakupu. Jeżel optmalna parta zakupu Q opt. Q g sprawa jest jasna. W przpadku gd taka realacja ne zachodz należ przeprowadzć dodatkowe oblczena. Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

73 Szczególne problem zakupów 6 Upust cenowe Przedstawoną stuację deczjną można zapsać następująco: c zo = c s jeżel 0 Q Q g c z1 = c s(1-d) jeżel Q g Q Gdze: c zo - cena zakupu bez upustu, c z1 - cena zakupu z upustem. c s - cena sprzedaż, d - stopa upustu. Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

74 Szczególne problem zakupów 7 Upust cenowe Wartość zakupu odpowadającego prognoze rocznch potrzeb (Pc z ) na dan towar jest zmenna zależ od welkośc jednorazowo nabwanch part. Odpowedno do welkośc part jej relacj do welkośc grancznej Q g, równane łącznch kosztów zapasów (ŁKZ) będze następujące: dla 0 Q opt. Q g : Dla Q opt. Q g ŁKZ Q Q 2 P Q c opt. z o r K z Pcz o ŁKZ Q opt. Q 2 c z 1 r P Q K z Pc z 1 Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

75 Szczególne problem zakupów 8 Upust cenowe gdze : Q welkość zamawanej part, r stopa procentowa kosztu utrzmana zapasu, K z koszt zakupu jednej part. Perwsz składnk funkcj ŁKZ wraża średn roczn koszt utrzmana w zapase jednostk danego towaru, drug obejmuje koszt tworzena zapasu, a trzec to wartość zakupów odpowadającch rocznm potrzebom. Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

76 Szczególne problem zakupów 9 Cznnk nflacj w poltce zakupów Szczególnm cznnkem wmagającm uwzględnena w procese sterowana zakupam jest nflacja oczwśce jeżel jej skala to uzasadna. Problem deczjne powstają jedne w stuacj, gd stopa nflacj ( ) jest mnejsza od stop jednostkowego rocznego kosztu utrzmana zapasu ( r ), której najstotnejszm składnkem jest stopa oprocentowana kredtów bankowch. Jeżel > r, wówczas racjonalnm dzałanem są zakup ponad normalne potrzeb ( uceczka od penędz ). Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

77 Przpadek I Szczególne problem zakupów 10 Cznnk nflacj w poltce zakupów Cen sprzedaż podnoszone są zgodne z tempem nflacj. Cena sprzedaż w okrese t jest funkcją tej cen w poprzednm okrese. Poneważ na skutek nflacj koszt zwązane z tworzenem utrzmwanem zapasów rosną lnowo w czase, ne możem ch porównwać na przestrzen roku. Welkość optmalnej part zakupów w warunkach wstępowana znaczącej nflacj wmaga skorgowana optmalnej part Q opt. Ne uwzględnającej nflacj: Q ' opt. 2K (r - ) Q Opłaca sę kupować wększe parte towaru, c z z P r opt r Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

78 Szczególne problem zakupów 11 Cznnk nflacj w poltce zakupów Przpadek II Cen sprzedaż ustalane jednorazowo, odpowedno do cen zakupu. Cena sprzedaż wnka z cen zakupu stop nflacj. Optmalną partę zakupu wznaczam następująco: Q ' opt. Q opt. 1 f 1 r Gdze: f marża pozostałe oznaczena jak poprzedno. Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

79 Szczególne problem zakupów 12 Zapas neprawdłowe ch kontrola Zapas neprawdłowe obejmują: zapas nadmerne to materał, którch welkość przekracza ustalon normatw, zapas zbędne to materał ne znajdujące zastosowana w dalszej dzałalnośc przedsęborstwa zgodne z ch perwotnm przeznaczenem. Do najczęścej wstępującch przczn powstawana zapasów neprawdłowch należą: zman rozmarów struktur produkcj, zman konstrukcjne technologczne ne uwzględnone w plane zaopatrzena, nekompletność spętrzene dostaw, opóźnene w uruchomenu produkcj, zamawane materałów w loścach przekraczającch rzeczwste potrzeb. Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

80 Szczególne problem zakupów 1 Zapas neprawdłowe ch kontrola Szczegółową analzę zapasów neprawdłowch można przeprowadzć, wkorzstując następujące wskaźnk ekonomczne: wskaźnk kompletnośc zapasów: W KZ Z N f Z 100 gdze: W KZ - wskaźnk kompletnośc zapasów, Z f - stan faktczn zapasów według norm. N z - suma norm zapasów poszczególnch pozcj materałowch. Wskaźnk ten ukazuje stopeń pokrca norm zapasów na dan dzeń lub okres przez rzeczwst stan zapasów. Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

81 Szczególne problem zakupów 14 Zapas neprawdłowe ch kontrola wskaźnk udzału zapasów neprawdłowch w całośc zapasów: gdze: Z N - wartość neprawdłowch zapasów w danm okrese, Z 0 - wartość zapasów w danm okrese. W ZN Z Z N 0 Wskaźnk ten określa rozmar zapasów neprawdłowch. Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

82 Szczególne problem zakupów 15 Zapas neprawdłowe ch kontrola wskaźnk nowo powstałch zapasów neprawdłowch do neprawdłowch zapasów zagospodarowanch w danm okrese: W ZZ Z Z NN NZ gdze: Z NN - wartość neprawdłowch zapasów powstałch w danm okrese, Z NZ - wartość neprawdłowch zapasów zagospodarowanch w danm okrese. Wskaźnk ten ocena, cz dzałana przedsęborstwa w kerunku zagospodarowana zapasów neprawdłowch są skuteczne. Skowronek Cz., Sarjusz Wolsk Z., Logstka w przedsęborstwe. PWE, Warszawa 1999

Zad 2 Dynamika zatrudnienia mierzona indeksami łańcuchowymi w ostatnich pięciu latach kształtowały się następująco: Lata Indeksy ( w %)

Zad 2 Dynamika zatrudnienia mierzona indeksami łańcuchowymi w ostatnich pięciu latach kształtowały się następująco: Lata Indeksy ( w %) Analza dnamk Zad. 1 Indeks lczb studującch studentów w województwe śląskm w kolejnch pęcu latach przedstawał sę następująco: Lata 1 2 3 4 5 Indeks jednopodstawowe z roku t = 1 100,0 115,7 161,4 250,8 195,9

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

formularzy opisowych, ankiet lub innych dokumentów stanowi nieuporządkowany statystyczny, stanowi on podstawę dalszych

formularzy opisowych, ankiet lub innych dokumentów stanowi nieuporządkowany statystyczny, stanowi on podstawę dalszych Zebran materał statstczn w forme sprawozdań, formularz opsowch, anket lub nnch dokumentów stanow neuporządkowan surow materał statstczn, neprzdatn jeszcze do bezpośrednej analz, porównań wnosków. Materał

Bardziej szczegółowo

Współczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych

Współczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych Współcznnk korelacj lnowej oraz funkcja regresj lnowej dwóch zmennch S S r, cov współcznnk determnacj R r Współcznnk ndetermnacj ϕ r Zarówno współcznnk determnacj jak ndetermnacj po przemnożenu przez 00

Bardziej szczegółowo

RACHUNEK NIEPEWNOŚCI POMIARU

RACHUNEK NIEPEWNOŚCI POMIARU Mędznarodowa Norma Ocen Nepewnośc Pomaru(Gude to Epresson of Uncertant n Measurements - Mędznarodowa Organzacja Normalzacjna ISO) RACHUNEK NIEPEWNOŚCI http://phscs.nst./gov/uncertant POMIARU Wrażane Nepewnośc

Bardziej szczegółowo

WPŁYW AKCESJI POLSKI DO UNII EUROPEJSKIEJ NA ROZWÓJ ROLNICTWA EKOLOGICZNEGO. Lidia Luty

WPŁYW AKCESJI POLSKI DO UNII EUROPEJSKIEJ NA ROZWÓJ ROLNICTWA EKOLOGICZNEGO. Lidia Luty 74 LIDIA LUTY ROCZNIKI NAUKOWE EKONOMII ROLNICTWA I ROZWOJU OBSZARÓW WIEJSKICH, T. 11, z. 1, 214 WPŁYW AKCESJI POLSKI DO UNII EUROPEJSKIEJ NA ROZWÓJ ROLNICTWA EKOLOGICZNEGO Lda Lut Katedra Statstk Matematcznej

Bardziej szczegółowo

SZEREG CZASOWY Y zjawisko badane w różnych okresach lub momentach czasu. Dynamika zjawiska to zmiana zjawiska w czasie. Przykład. Y średni kurs akcji

SZEREG CZASOWY Y zjawisko badane w różnych okresach lub momentach czasu. Dynamika zjawiska to zmiana zjawiska w czasie. Przykład. Y średni kurs akcji SZEREG CZASOWY Y zjawisko badane w różnch okresach lub momentach czasu. Dnamika zjawiska to zmiana zjawiska w czasie. Przkład. Y średni kurs akcji firm OPTMUS na giełdzie Okres: notowania od 1.03.2010

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

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej Rachunek prawdopodobeństwa statstka W 11: Analz zależnoścpomędz zmennm losowm Model regresj welokrotnej Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Model regresj lnowej Model regresj lnowej prostej

Bardziej szczegółowo

STATYSTYKA EKONOMICZNA w LOGISTYCE

STATYSTYKA EKONOMICZNA w LOGISTYCE STATYSTYKA EKONOMICZNA w LOGISTYCE Metody statystyczne w analizie procesów zaopatrzenia dr Zbigniew Karwacki Katedra Badań Operacyjnych UŁ Podstawowe funkcje procesów zaopatrzenia Procesy zaopatrzenia

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

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

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA. Wkład wstępn. Teora prawdopodobeństwa element kombnatork. Zmenne losowe ch rozkład 3. Populacje prób danch, estmacja parametrów 4. Testowane hpotez statstcznch 5. Test parametrczne

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

CZĘŚĆ 6. MODEL REGRESJI, TREND LINIOWY ESTYMACJA, WNIOSKOWANIE

CZĘŚĆ 6. MODEL REGRESJI, TREND LINIOWY ESTYMACJA, WNIOSKOWANIE CZĘŚĆ 6. MODEL REGRESJI, TREND LINIOWY ESTYMACJA, WNIOSKOWANIE Zadane 1. Na podstawe obserwacj dotczącch welkośc powerzchn ekspozcjnej (cecha X w m kw.) oraz welkośc dzennego obrotu punktu sprzedaż płtek

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

PODSTAWOWE MIERNIKI DYNAMIKI ZJAWISK

PODSTAWOWE MIERNIKI DYNAMIKI ZJAWISK PODSTAWOWE MIERNIKI DYNAMIKI ZJAWISK Założena Nech oznacza ozom (warość) badanego zjawska (zmennej) w kolejnch momenach czasu T0, gdze T 0 0,1,..., n 1 oznacza worz szereg czasow. zbór numerów czasu. Cąg

Bardziej szczegółowo

ZESTAW ZADAŃ Z INFORMATYKI

ZESTAW ZADAŃ Z INFORMATYKI (Wpsue zdaąc przed rozpoczęcem prac) KOD ZDAJĄCEGO ZESTAW ZADAŃ Z INFORMATYKI CZĘŚĆ II (dla pozomu rozszerzonego) GRUDZIEŃ ROK 004 Czas prac 50 mnut Instrukca dla zdaącego. Proszę sprawdzć, cz zestaw zadań

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

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

aij - wygrana gracza I bij - wygrana gracza II

aij - wygrana gracza I bij - wygrana gracza II M.Mszczsk KBO UŁ, Badana operacjne I (cz.) (wkład B 7) GRY KONFLIKTOWE GRY -OSOBOWE O SUMIE WYPŁT ZERO I. DEFINICJE TWIERDZENI Konflktowe gr dwuosobowe opsuje macerz wpłat ( a ) [ ] mxn j,b j gdze: aj

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

Problem nośności granicznej płyt żelbetowych w ujęciu aktualnych przepisów normowych. Prof. dr hab. inż. Piotr Konderla, Politechnika Wrocławska

Problem nośności granicznej płyt żelbetowych w ujęciu aktualnych przepisów normowych. Prof. dr hab. inż. Piotr Konderla, Politechnika Wrocławska Proble nośnośc grancznej płt żelbetowch w ujęcu aktualnch przepsów norowch Prof. dr hab. nż. Potr Konderla Poltechnka Wrocławska 1. Wprowadzene Przedote analz jest płta żelbetowa zbrojona ortogonalne paraetrzowana

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer

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

Bardziej szczegółowo

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

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

Proces narodzin i śmierci

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

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 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

METODY KOMPUTEROWE 1

METODY KOMPUTEROWE 1 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN MTODA ULRA Mcał PŁOTKOWIAK Adam ŁODYGOWSKI Kosultacje aukowe dr z. Wtold Kąkol Pozań 00/00 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN Metod umercze MN pozwalają a ormułowae matematczc

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

Propozycja modyfikacji klasycznego podejścia do analizy gospodarności

Propozycja modyfikacji klasycznego podejścia do analizy gospodarności Jacek Batóg Unwersytet Szczecńsk Propozycja modyfkacj klasycznego podejśca do analzy gospodarnośc Przedsęborstwa dysponujące dentycznym zasobam czynnków produkcj oraz dzałające w dentycznych warunkach

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

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

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

Systemy Ochrony Powietrza Ćwiczenia Laboratoryjne

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

EFEKTYWNOŚĆ INTERWENCJONIZMU PAŃSTWOWEGO W GOSPODARKĘ ŻYWNOŚCIOWĄ UKRAINY. Wstęp

EFEKTYWNOŚĆ INTERWENCJONIZMU PAŃSTWOWEGO W GOSPODARKĘ ŻYWNOŚCIOWĄ UKRAINY. Wstęp Efektywność STOWARZYSZENIE nterwencjonzmu EKONOMISTÓW państwowego ROLNICTWA w gospodarkę I AGROBIZNESU żywnoścową Ukrany Rocznk Naukowe tom XVI zeszyt 2 33 Georgj Czerewko Lwowsk Narodowy Unwersytet Agrarny

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

termodynamika fenomenologiczna p, VT V, teoria kinetyczno-molekularna <v 2 > termodynamika statystyczna n(v) to jest długi czas, zachodzi

termodynamika fenomenologiczna p, VT V, teoria kinetyczno-molekularna <v 2 > termodynamika statystyczna n(v) to jest długi czas, zachodzi fzka statstczna stan makroskopow układ - skończon obszar przestrzenn (w szczególnośc zolowan) termodnamka fenomenologczna p, VT V, teora knetczno-molekularna termodnamka statstczna n(v) stan makroskopow

Bardziej szczegółowo

Statystyka Opisowa 2014 część 1. Katarzyna Lubnauer

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

Bardziej szczegółowo

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

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

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

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

Statystyka i opracowanie danych W 5: Odkrywanie i analiza zależności pomiędzy zmiennymi losowymi (danymi empirycznymi)

Statystyka i opracowanie danych W 5: Odkrywanie i analiza zależności pomiędzy zmiennymi losowymi (danymi empirycznymi) Statstka opracowane danch W 5: Odkrwane analza zależnośc pomędz zmennm losowm (danm emprcznm) Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Odkrwane analza zależnośc pomędz zmennm loścowm(lczowm) Przedmotem

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

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

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

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

FUNKCJE DWÓCH ZMIENNYCH

FUNKCJE DWÓCH ZMIENNYCH FUNKCJE DWÓCH MIENNYCH De. JeŜel kaŝdemu puktow (, ) ze zoru E płaszczz XY przporządkujem pewą lczę rzeczwstą z, to mówm, Ŝe a zorze E określoa została ukcja z (, ). Gd zór E e jest wraźe poda, sprawdzam

Bardziej szczegółowo

Motto. Czy to nie zabawne, że ci sami ludzie, którzy śmieją się z science fiction, słuchają prognoz pogody oraz ekonomistów? (K.

Motto. Czy to nie zabawne, że ci sami ludzie, którzy śmieją się z science fiction, słuchają prognoz pogody oraz ekonomistów? (K. Motto Cz to nie zabawne, że ci sami ludzie, którz śmieją się z science fiction, słuchają prognoz pogod oraz ekonomistów? (K. Throop III) 1 Specfika szeregów czasowch Modele szeregów czasowch są alternatwą

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

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

Ocena jakościowo-cenowych strategii konkurowania w polskim handlu produktami rolno-spożywczymi. dr Iwona Szczepaniak

Ocena jakościowo-cenowych strategii konkurowania w polskim handlu produktami rolno-spożywczymi. dr Iwona Szczepaniak Ocena jakoścowo-cenowych strateg konkurowana w polskm handlu produktam rolno-spożywczym dr Iwona Szczepanak Ekonomczne, społeczne nstytucjonalne czynnk wzrostu w sektorze rolno-spożywczym w Europe Cechocnek,

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

Józef Beluch Akademia Górniczo-Hutnicza w Krakowie. Wpływ wag współrzędnych na wyniki transformacji Helmerta

Józef Beluch Akademia Górniczo-Hutnicza w Krakowie. Wpływ wag współrzędnych na wyniki transformacji Helmerta Józef Beluch Akadema Górczo-Hutcza w Krakowe płw wag współrzędch a wk trasformacj Helmerta . zór a trasformację współrzędch sposobem Helmerta: = c + b = d + a + a b () 2 2. Dwa modele wzaczea parametrów

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

OPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE OPTIMAL INVESTMENT STRATEGY FUNDAMENTAL ANALYSIS

OPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE OPTIMAL INVESTMENT STRATEGY FUNDAMENTAL ANALYSIS ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2014 Sera: ORGANIZACJA I ZARZĄDZANIE z. 68 Nr kol. 1905 Adranna MASTALERZ-KODZIS Unwersytet Ekonomczny w Katowcach OPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE

Bardziej szczegółowo

Wykład z Chemii Fizycznej

Wykład z Chemii Fizycznej Wkład z Chem Fzcznej Część 1 Wprowadzene pojęca podstawowe 1. Przedmot zadana chem fzcznej. 3. Uzupełnene z matematk Katedra Zakład Chem Fzcznej Collegum Medcum w Bdgoszcz Unwerstet Mkołaja Kopernka w

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

3.1. ODZIAŁYWANIE DŹWIĘKÓW NA CZŁOWIEKA I OTOCZENIE

3.1. ODZIAŁYWANIE DŹWIĘKÓW NA CZŁOWIEKA I OTOCZENIE 3. KRYTERIA OCENY HAŁASU I DRGAŃ Hałas to każdy dźwęk nepożądany, przeszkadzający, nezależne od jego natury, kontekstu znaczena. Podobne rzecz sę ma z drganam. Oba te zjawska oddzałują nekorzystne na człoweka

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 3

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

Bardziej szczegółowo

) 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

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

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

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

Bardziej szczegółowo

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

Analiza i diagnoza sytuacji finansowej wybranych branż notowanych na Warszawskiej Giełdzie Papierów Wartościowych w latach

Analiza i diagnoza sytuacji finansowej wybranych branż notowanych na Warszawskiej Giełdzie Papierów Wartościowych w latach Jacek Batóg Unwersytet Szczecńsk Analza dagnoza sytuacj fnansowej wybranych branż notowanych na Warszawskej Gełdze Paperów Wartoścowych w latach 997-998 W artykule podjęta została próba analzy dagnozy

Bardziej szczegółowo

PRAKTYCZNE ASPEKTY ZASTOSOWANIA SIECIOWEJ METODY LOKALIZACJI OBIEKTÓW

PRAKTYCZNE ASPEKTY ZASTOSOWANIA SIECIOWEJ METODY LOKALIZACJI OBIEKTÓW Marusz Wasak Wdzał Transportu Poltechnk Warszawskej PRAKTYCZNE ASPEKTY ZASTOSOWANA SECOWEJ METODY LOKALZACJ OBEKTÓW Streszczene: W lteraturze przedmotu metoda secowa lokalzacj jest częstokroć opswana zalecana

Bardziej szczegółowo

ANALIZA SZEREGÓW CZASOWYCH

ANALIZA SZEREGÓW CZASOWYCH ANALIZA SZEREGÓW CZASWYCH Szereg czasow zbór warośc baanej cech lub warośc baanego zjawska zaobserwowanch w różnch momenach czasu uporząkowan chronologczne. Skłank szeregu czasowego:. enencja rozwojowa

Bardziej szczegółowo

POJAZDY SZYNOWE 2/2014

POJAZDY SZYNOWE 2/2014 ANALIZA PRZYCZYN I SKUTKÓW USZKODZEŃ (FMEA) W ZASTOSOWANIU DO POJAZDÓW SZYNOWYCH dr nż. Macej Szkoda, mgr nż. Grzegorz Kaczor Poltechnka Krakowska, Instytut Pojazdów Szynowych al. Jana Pawła II 37, 31-864

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 5. SZTUCZNE SIECI NEURONOWE REGRESJA Częstochowa 4 Dr hab. nż. Grzegorz Dudek Wdzał Elektrczn Poltechnka Częstochowska PROBLEM APROKSYMACJI FUNKCJI Aproksmaca funkc przblżane

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

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

; -1 x 1 spełnia powyższe warunki. Ale

; -1 x 1 spełnia powyższe warunki. Ale Funkcje uwkłane Przkła.ozważm równane np. nech. Ptane Cz la owolneo [ ] stneje tak że? Nech. Wówczas unkcja - spełna powższe warunk. Ale spełna je także unkcja [ ] Q. Dokłaając warunek cąłośc unkcj [ ]

Bardziej szczegółowo

Minister Edukacji Narodowej Pani Katarzyna HALL Ministerstwo Edukacji Narodowej al. J. Ch. Szucha 25 00-918 Warszawa Dnia 03 czerwca 2009 r.

Minister Edukacji Narodowej Pani Katarzyna HALL Ministerstwo Edukacji Narodowej al. J. Ch. Szucha 25 00-918 Warszawa Dnia 03 czerwca 2009 r. Mnster Edukacj arodowej Pan Katarzyna HALL Mnsterstwo Edukacj arodowej al. J. Ch. Szucha 25 00-918 arszawa Dna 03 czerwca 2009 r. TEMAT: Propozycja zmany art. 30a ustawy Karta auczycela w forme lstu otwartego

Bardziej szczegółowo

Badanie optymalnego poziomu kapitału i zatrudnienia w polskich przedsiębiorstwach - ocena i klasyfikacja

Badanie optymalnego poziomu kapitału i zatrudnienia w polskich przedsiębiorstwach - ocena i klasyfikacja Jacek Batóg Unwersytet Szczecńsk Badane optymalnego pozomu kaptału zatrudnena w polskch przedsęborstwach - ocena klasyfkacja Prowadząc dzałalność gospodarczą przedsęborstwa kerują sę jedną z dwóch zasad

Bardziej szczegółowo

Model ASAD. ceny i płace mogą ulegać zmianom (w odróżnieniu od poprzednio omawianych modeli)

Model ASAD. ceny i płace mogą ulegać zmianom (w odróżnieniu od poprzednio omawianych modeli) Model odstawowe założena modelu: ceny płace mogą ulegać zmanom (w odróżnenu od poprzedno omawanych model) punktem odnesena analzy jest obserwacja pozomu produkcj cen (a ne stopy procentowej jak w modelu

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

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

Natalia Nehrebecka. Dariusz Szymański

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

Bardziej szczegółowo

ZASTOSOWANIE DZIANIN DYSTANSOWYCH DO STREFOWYCH MATERACY ZDROWOTNYCH. Bogdan Supeł

ZASTOSOWANIE DZIANIN DYSTANSOWYCH DO STREFOWYCH MATERACY ZDROWOTNYCH. Bogdan Supeł ZASTOSOWANIE DZIANIN DYSTANSOWYCH DO STREFOWYCH MATERACY ZDROWOTNYCH. Wstęp Bogdan Supeł W ostatnm czase obserwuje sę welke zanteresowane dzannam dystansowym do produkcj materaców. Człowek około /3 życa

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

Podejmowanie decyzji w warunkach niepełnej informacji. Tadeusz Trzaskalik

Podejmowanie decyzji w warunkach niepełnej informacji. Tadeusz Trzaskalik Podejmowanie deczji w warunkach niepełnej informacji Tadeusz Trzaskalik 5.. Wprowadzenie Słowa kluczowe Niepełna informacja Stan natur Macierz wpłat Podejmowanie deczji w warunkach rzka Podejmowanie deczji

Bardziej szczegółowo

; -1 x 1 spełnia powyższe warunki. Ale

; -1 x 1 spełnia powyższe warunki. Ale AIB-Inormatka-Wkła - r Aam Ćmel cmel@.ah.eu.pl Funkcje uwkłane Przkła.ozważm równane np. nech. Ptane Cz la owolneo [] stneje tak że? Nech. Wówczas unkcja - spełna powższe warunk. Ale [ ] Q spełna je także

Bardziej szczegółowo