Minimalizacja kosztu mieszanek komponentów dostępnych w opakowaniach o ustalonych pojemnościach (ERRATA)

Wielkość: px
Rozpocząć pokaz od strony:

Download "Minimalizacja kosztu mieszanek komponentów dostępnych w opakowaniach o ustalonych pojemnościach (ERRATA)"

Transkrypt

1 Przemsław Kowalk Przemsław Kowalk Mmalzaca kosztu meszaek kompoetów dostępch w opakowaach o ustaloch poemoścach (ERRATA) Streszczee: Zadae stworzea atańsze meszak o zadae zawartośc składków złożoe z różch kompoetów est edm z astarszch zastosowań programowaa lowego. Jeżel zadae to est modelem wboru atańsze meszak produktów spożwczch, wówczas est azwae zadaem optmale det. Nezależe od tego, ake est przezaczee przgotowwae meszak, moża wróżć dwa podstawowe warat rozważaego zadaa: mmalzaca kosztów lośc meszak spełaące orm dotczące zawartośc składków wrażoe w wartoścach bezwzględch (zwkle edostkach mas lub eerg) oraz mmalzaca kosztu edostkowego meszak spełaące orm dotczące zawartośc składków wrażoe w wartoścach względch (p. edostk składka a edostkę meszak, procet). W prac pokazao modfkace obu waratów zadaa wboru optmale meszak poprzez uwzględee wmogu zakupu kompoetów włącze w porcach, którch welkość wka z poemośc ch opakowań. Modfkace te są zadaam meszaego programowaa lowego całkowtolczbowego. Rozważaa teoretcze został uzupełoe przkładowm zadaem. Słowa kluczowe: programowae lowe, meszae programowae lowe całkowtolczbowe, zadae optmale meszak, zadae optmale det, fukca celu, waruk ograczaące.. Wprowadzee - optmalzaca meszaek prz pomoc programowaa lowego Jedm z problemów spotkach w różch dzedzach ludzke aktwośc est zagadee sporządzea meszak różch weloskładkowch substac zwach dale kompoetam, która to meszaka ma ustalo skład tz. o ustaloą zawartość poszczególch składków (wrażoą aczęśce w edostkach mas). Rozwązae takego zadaa e est oczwste, zwłaszcza prz uwzględeu dodatkowego krterum optmalośc, akm est mmalzaca łączch kosztów meszak. Naprostsze modele matematcze wboru meszaek są zadaam programowaa lowego. Jedm z oczwstch przkładów optmalzac kosztów meszak est stworzee atańsze det spełaące orm zawartośc poszczególch składków, wlczaąc w to róweż wrtual składk, akm est wartość eergetcza pokarmu wrażoa aczęśce w klokalorach lub klodżulach. Zdefowae ak powże tzw. zadae optmale det (którego celem bła mmalzaca kosztów zakupu żwośc dla arm amerkańske) zostało sformułowae ako zadae programowaa lowego po raz perwsz w 945 roku, a w 947 zostało rozwązae prz pomoc metod smpleks. Oczwśce, plaowae meszaek e ogracza sę ede do produktów spożwczch może bć zastosowae także do meszaa dowolch kompoetów, w którch oddzelee od sebe poszczególch składków est bardze kosztowe skomplkowae ż wmeszae tchże kompoetów. W przpadku meszaek eżwoścowch często spotkam podeścem est mmalzaca kosztów ede edostk (p. klograma, to) meszak różch kompoetów, gd wmagae zawartośc składków w meszace podae są ako wartośc względe tz. lośc składków przpadaące a Stgler, G. J., The cost of subsstece, Joural of Farm Ecoomcs, Vol. 7, No. (Ma), 945, Datzg G. B., The Det Problem, Iterfaces, Vol. 0, No. 4, 990,

2 Mmalzaca kosztu meszaek kompoetów dostępch w opakowaach o ustaloch poemoścach wże wmeoą edostkę. 3 Drug warat optmalzac meszak bwa róweż stosowa w plaowau det, choć wmaga pewch modfkac orm spożca składków. 4 Wspólą cechą obu wmeoch powże waratów optmalzac meszak est założee podzelośc ch kompoetów, co ozacza w praktce możlwość zakupu tch kompoetów w dowolch loścach. Tmczasem w rzeczwstośc edą możlwoścą zakupu kompoetów może zakup ch w porcach, którch welkość wka z poemośc opakowań, w którch są sprzedawae. Fakt te pocąga za sobą dwe stote kosekwece. Po perwsze, możlw est wzrost kosztów zakupu kompoetów potrzebch do sporządzea meszak w stosuku do kosztu teoretcze aższego, co wka z koeczośc zakupu całkowte lczb opakowań kompoetów (a zatem potecale wększe lośc ż est faktcze potrzeba). Po druge, uwzględee dostępch welkośc opakowań powodue koeczość wprowadzea do model zmech całkowtolczbowch odzwercedlaącch lczbę zakupoch opakowań. Dodatkowo, optmalzaca w warace mmalzaca kosztu ede edostk meszak wmaga modfkac poprzez przekształcee w warat mmalzaca kosztu zadae lośc meszak. W rozdzałach 3, odpowedo, oba warat zadaa mmalzac kosztów meszak został sformułowae w wersach uwzględaącch dostępość opakowań kompoetów o określoch poemoścach. Warat perwsz został róweż zlustrowa przkładowm zadaem. W rozdzale 4 podae są wosk końcowe dotczące przedstawoch model.. Optmalzaca składu meszaek uwzględaąca welkość opakowań prz ormach zawartośc składków wrażoch w edostkach bezwzględch Perwszm z rozważach waratów optmalzac meszak weloskładkowch kompoetów est mmalzaca kosztu teże meszak prz ormach zawartośc składków wrażoch w edostkach bezwzględch (aczęśce w edostkach mas, ale też p. w edostkach eerg). W lteraturze to zagadee często est prezetowae ako tzw. zadae optmale det, czl zadae programowaa lowego polegaące a mmalzac kosztu meszak produktów spożwczch spełaącch orm spożca składków odżwczch oraz orm dotczące wartośc eergetcze pokarmu. Oczwśce praktcze zastosowae rozważaego modelu e ogracza sę do plaowaa det. Model matematcz zagadea dla rodzaów kompoetów meszak oraz m rodzaów składków moża przedstawć astępuąco. 5 Zmee decze to:,,,..., lość kompoetu -tego rodzau wchodzące w skład meszak. Parametr to: a,,,..., m,,,..., - zawartość składka -tego rodzau w ede edostce kompoetu -tego rodzau; b,,,..., m - mmala wmagaa zawartość składka -tego rodzau w meszace podaa ako ego lość w edostkach bezwzględch (masa, wartość eergetcza); c,,,..., - cea/koszt edostkow kompoetu -tego rodzau wchodzące w skład meszak. 3 Datzg G. B., Lear Programmg ad Etesos, The RAND Corporato, 963, str Thomso E., Nola J., UNEForm: a powerful feed formulato spreadsheet sutable for teachg or o-farm formulato, Amal Feed Scece ad Techolog, Volume 9, Issue 3, 00, Użte ozaczea oparte są a modelu dla zadaa optmale det pochodzącego z: Jędrzeczk Z., Kukuła K., Skrzpek J., Walkosz A.,: Badaa operace w przkładach zadaach, Wdawctwo Naukowe PWN, Warszawa 0, str.37.

3 Zadae programowaa lowego opsuące wbór optmale meszak to: c c... c m łącz koszt kompoetów Przemsław Kowalk prz ograczeach rzeczwste zawartośc składków mmale wmagae zawartośc składków w meszace w meszace a a... a b a a... a b a a... a b m m m 0, 0,..., 0 lośc kompoetów e mogą bć ueme. Oczwśce zbór waruków ograczaącch może bć poszerzo w marę potrzeb p. o góre orm zawartośc składków cz też góre /lub dole orm lośc kompoetów 6. Model ulega edakże zacze zmae, gd dodae est założee, że kompoet dostępe są w opakowaach zaweraącch odpowedo lośc s s,..., m, s tchże kompoetów. Podstawową różcą stae sę koeczość zakupu kompoetów w loścach będącch całkowtm welokrotoścam zawartośc opakowań. Różca ta sugerue, że zmee decze będą całkowtolczbowe - będą określał lczbę opakowań. Fakt te e oddae edak w peł stot problemu zakupu kompoetów w opakowaach. Rozwązae zadaa optmale meszak mus bowem prześć odpowedź e tlko a ptae, le opakowań poszczególch kompoetów ależ kupć, ale także, le ależ zużć kompoetów z opakowań, którch zawartość e est wkorzstaa w całośc. Dla skrócea zapsu będą stosowae astępuące term: pełe/epełe zużce/wkorzstae opakowaa w zaczeu pełe/epełe zużce/wkorzstae kompoetu zawartego w opakowau. Z podach wże powodów z każdm rodzaem kompoetu skoarzoe są trz zmee decze (moża zatem wróżć trz -elemetowe grup zmech):,,,..., zmee całkowtolczbowe zlczaące opakowaa kompoetu -tego rodzau wkorzstae w całośc (edostkam są sztuk opakowań);,,,..., zmee rzeczwste merzące pozom wkorzstaa zawartośc opakowaa kompoetu -tego rodzau ewkorzstaego w całośc (wartośc emaowae z przedzału [0,]); z,,,..., zmee bare (zeroedkowe) wskazuące cz edo z opakowań kompoetu -tego rodzau będze zużte częścowo (są to lczb sztuk opakowań zużtch częścowo). Parametr to: a,,,..., m,,,..., - zawartość składka -tego rodzau w ede edostce kompoetu -tego rodzau; b,,,..., m - mmala wmagaa zawartość składka -tego rodzau w meszace podaa ako ego lość w edostkach bezwzględch (masa, wartość eergetcza); k,,,..., - cea/koszt edostkow edego opakowaa kompoetu -tego rodzau wchodzące w skład meszak, s,,,..., - masa etto (masa zawartośc) edego opakowaa kompoetu -tego rodzau wchodzące w skład meszak (pomaąc edostk, est to stosuek welkośc opakowaa do edostk, w które merzo est kompoet). 6 Skora W. [red.], Badaa operace, Polske Wdawctwo Ekoomcze, Warszawa 008, str.8. 3

4 Mmalzaca kosztu meszaek kompoetów dostępch w opakowaach o ustaloch poemoścach Zadae optmalzace to zadae meszaego całkowtolczbowego programowaa lowego: k z ) k ( z )... k ( z ) m łącz koszt opakowań kompoetów ( prz ograczeach rzeczwste zawartośc składków mmale wmagae zawartośc w meszace składków w meszace a s ( ) a s ( )... a s ( b ) s ) as( )... as( ) a a ( b ) a s ( )... a s ( ) ms ( m,..., 0 4 m 0, 0 lczb opakowań kompoetów e mogą bć ueme,,..., - całkowte 0, 0,..., 0 stopeń zużca częścowo wkorzstach opakowań e może bć uem z, z,..., z - bare z, z,..., z stopeń zużca częścowo wkorzstach opakowań e może bć wększ ż (w przpadku, gd z - opakowae kompoetu -tego rodzau est wkorzstwae częścowo). Zadae. Przkładowe zadae optmale meszak z uwzględeem welkośc opakowań. Celem est mmalzaca kosztów zakupu opakowań kompoetów 6 rodzaów, z którch to kompoetów zostae stworzoa meszaka. Dae lczbowe został podae w tabel. Tabela. Dae lczbowe do zadaa. Kompoet b K K K3 K4 K5 K6 Poemośc opakowaa (mas etto kompoetu w kg) 0,4 0, 0,7 6 0,5 Ce za szt. opakowaa 0, 0,8 0,35 0,9 0,3 0,4 Składk kompoetów Zawartośc składków w kompoetach (g/kg) Mmale wmagae lośc składków s s s3 0,7 0,5, 3,7 3,6 5 s4 3, 3 3,5 4,5 0,3 5,7 7 s5 08, ,5 4,5 5, Źródło: Opracowae włase (dae fkce). Model matematcz do tego zadaa przestawa sę astępuąco:,( z ) 0,8( z )... 0,4( z ) m prz ograczeach 00,4( ) 950,( ) ,5( 6 6) ,4( ) 40,( )... 0,5( 6 6) 30 08,5 0,4( ) 70,( )... 5,850,5( 6 6) 365 0, 0,..., 6 0,,,..., - całkowte 6 0, 0,..., 6 0, z, z,..., z - bare, 6 z, z,..., 6 z6 m

5 Przemsław Kowalk Zadae zostało rozwązae prz pomoc dodatku Solver w Ecelu 007 z ustaweam Przm model low (użce metod smpleks) oraz Toleraca 0% (dokład wk optmalzac całkowtolczbowe). Wk został podae z dokładoścą do 4 mesc po przecku. Mmal koszt składków to,6. Solver zadue alteratwe rozwązaa podae w tabel. Tabela. Rozwązaa zadaa. Kompoet S S S3 S4 S5 S6 Rozwązae * Lczba w peł wkorzstach opakowań ( ) Stopeń użca częścowo wkorzstach * opakowań ( ) 0 0 0, Lczba wkorzstach opakowań ( ) z Rozwązae * Lczba w peł wkorzstach opakowań ( ) Stopeń użca częścowo wkorzstach * opakowań ( ) 0, ,87 0 Lczba wkorzstach opakowań ( ) Źródło: Opracowae włase. z Oba rozwązaa pozore są detcze wmagae est użce 3 opakowań kompoetu rodzau, opakowaa kompoetu 4 rodzau oraz użce 3 opakowań kompoetu 5 rodzau. Różą sę oe edak stopem częścowego użca opakowań. W przpadku rozwązaa częścowo (86,%) użte est opakowae kompoetu rodzau 4, atomast częścowe użce opakowaa kompoetu rodzau a pozome 00% użca est oczwśce rówoważe pełemu użcu 3 opakowań. W rozwązau częścowo użte są opakowaa kompoetu rodzau oraz 5 (odpowedo 7,4% oraz 8,7%). Jak łatwo sprawdzć, steą róweż e rozwązaa optmale, take ak choćb pełe wkorzstae 3 opakowań kompoetu rodzau, opakowaa kompoetu 4 rodzau oraz 3 opakowań kompoetu 5 rodzau. Istee welu rozwązań optmalch e est oczwśce zaskakuącm faktem, poeważ lość kompoetów dostępch w opakowaach est admarowa w porówau z wmagaą loścą składków, co pozwala a pewą swobodę wboru tchże kompoetów w ramach ograczeń dotczącch zawartośc składków. Fakt te edak pocąga za sobą koeczość zmodfkowaa krterum optmalośc w sposób umożlwaąc uedozaczee rozwązaa lub przame zmeszee zboru rozwązań optmalch. Modfkaca krterum optmalośc polega a mmalzac łączego kosztu lośc kompoetów rzeczwśce potrzebch do wprodukowaa meszak. Ozacza to, że owa fukca celu est sumą kosztu użtch pełch opakowań kompoetów oraz kosztu użtch kompoetów zawartch w opakowaach wkorzstach ecałkowce: k k... k koszt pełch opakowań kompoetów k k... k m koszt kompoetów z opakowań wkorzstach ecałkowce. Uzasadeem dla takego właśe krterum optmalośc est dążee do wprodukowaa meszak ak aższm kosztem. Oczwśce e est to koszt zakupu kompoetów, gdż te est welokrotoścą kosztu wszstkch użtch (całkowce bądź częścowo) opakowań. Neme edak take krterum optmalośc zapewa wprodukowae meszak w możlwe małe, ale przede wszstkm możlwe tae lośc, co ozacza, że wększa lość droższch kompoetów z ewkorzstach opakowań pozostae do przszłego użca (ewetuale może zostać sprzedaa). Optmalzaca kosztów polega węc a oszczędoścach wkaącch 5

6 Mmalzaca kosztu meszaek kompoetów dostępch w opakowaach o ustaloch poemoścach z późeszego zużca lub odsprzedaż kompoetów Oszczędośc te poawą sę oczwśce włącze wted, gd częścowo wkorzstae kompoet mogą bć przechowwae bez utrat swoch własośc użtkowch. Poadto, ab e zredukować sztucze kosztów meszak poprzez ewetuale użce kosztowch opakowań kompoetów, ależ wprowadzć dodatkow waruek ograczaąc k ( z) k( z)... k( z) k, gdze m k m est mmalm kosztem opakowań kompoetów oblczom według podaego wcześe modelu. W przpadku przkładowego zadaa zastosowae zmodfkowaego krterum optmalośc prowadz do rozwązaa podaego w Tabel. W tm rozwązau łącz koszt kompoetów użtch do wprodukowaa 9,879 kg meszak wos,0, a koszt ewkorzstach kompoetów rodzau oraz 5 to 0,389. Dla rozwązaa podaego w Tabel. W tm rozwązau łącz koszt kompoetów użtch do wprodukowaa 9,879 kg meszak wos,0, a koszt ewkorzstach kompoetów rodzau oraz 5 to 0,389. Dla rozwązaa łącz koszt kompoetów użtch do wprodukowaa 0,944 kg meszak wos,036, a koszt ewkorzstaego kompoetu rodzau 4 to 0,4. Gdb zaś rozważć rozwązae optmale, w którm meszaka adal spełaąca orm odośe zawartośc składków - powstae prz pełm wkorzstau wszstkch opakowań, to wówczas trzeba e wprodukować,6 kg bez pozostawea akchkolwek kompoetów do późeszego wkorzstaa. Dla porówaa, rozwązae zadaa w lczbach rzeczwstch dae wk,804 kg kompoetu 4 oraz 4,633 kg 68 kompoetu (razem 7,4337 kg) prz koszce,996. Ostatecze, model matematcz optmalzuąc skład meszaek tworzoch z kompoetów dostępch w opakowaach o ustaloch rozmarach prz ormach zawartośc składków wrażoch w edostkach względch może bć zapsa astępuąco k k... k koszt pełch opakowań kompoetów k... k k m koszt kompoetów z opakowań wkorzstach ecałkowce prz ograczeach rzeczwste zawartośc składków mmale wmagae zawartośc składków w meszace w meszace a s ( ) a s ( )... a s ( b ) s ) as( )... as( ) a a ( b ) a s ( )... a s ( ) m s( m 0,..., 0, 0 6 m lczb opakowań kompoetów e mogą bć ueme,,..., - całkowte 0, 0,..., 0 stopeń zużca kompoetów z częścowo wkorzstach opakowań e może bć uem z, z,..., z - bare z, z,..., z stopeń zużca kompoetów z częścowo wkorzstach opakowań e może bć wększ ż (w przpadku, gd z - opakowae kompoetu -tego rodzau est wkorzstwae częścowo). k ( z) k( z)... k( z) k, gdze m k est mmalm kosztem opakowań kompoetów oblczom według podaego wcześe m modelu. Mmal koszt wszstkch potrzebch opakowań kompoetów est oczwśce detcz ak w warace. Neme edak, dzęk mmalzac wartośc kompoetów potrzebch do wprodukowaa meszak o zadach parametrach różca pomędz kosztem zakupoch opakowań kompoetów a wartoścą kompoetów faktcze zużtch do wprodukowaa b m

7 Przemsław Kowalk meszak o zadach parametrach est możlwe awększa. Dae to możlwość maksmalzac oszczędośc kompoetów dzęk ch ewetualemu późeszemu wkorzstau albo odsprzedaż. oblczo prz wkorzstau formuł k ( z ) k ( z )... k ( z ) gdze, z,,,..., są optmalm wartoścam odpowedch zmech. 3. Optmalzaca składu meszaek uwzględaąca welkość opakowań prz ormach zawartośc składków wrażoch w edostkach względch Zadae optmalzac składu meszaek ma warat, w którm orm zawartośc składków są wrażoe w edostkach względch takch ak p. gram a klogram meszak, klodżule a klogram meszak lub po prostu procet (lczbowo rówe lośc dekagramów składka przpadaącego a klogram meszak). W przpadku przęca procetów ako edostk, w które wrażoe są orm zawartośc, w procetach róweż moża zapsać zawartośc składków w kompoetach (e dotcz to oczwśce wartośc eergetcze składków wrażae w edostkach eerg przpadaącch a edą edostkę mas). Model matematcz zagadea dla rodzaów kompoetów wchodzącch w skład meszak oraz m rodzaów składków moża przedstawć astępuąco. Zmee decze to:,,,..., lość kompoetu -tego rodzau wchodzące w skład meszak. Parametr to: a,,,..., m,,,..., - zawartość składka -tego rodzau w ede edostce kompoetu -tego rodzau; b / d,,,..., m - mmala/maksmala wmagaa zawartość składka -tego rodzau w ede edostce meszak; c,,,..., - cea/koszt edostkow kompoetu -tego rodzau wchodzącego w skład meszak. Model matematcz przedstawa sę astępuąco 7,: c c... c m łącz koszt kompoetów prz ograczeach mmale wmagae rzeczwste maksmale wmagae zawartośc składków zawartośc składków zawartośc składków w meszace w meszace w meszace b a a... a d b a a... a d bm am am... am dm 0, 0,..., 0 lośc kompoetów e mogą bć ueme... lośc kompoetów sumuą sę do edostk meszak Model matematcz optmalzuąc skład meszaek tworzoch z kompoetów dostępch w opakowaach o ustaloch rozmarach prz ormach zawartośc składków wrażoch w edostkach względch est stworzo aalogcze do modelu z poprzedego 7 W wers z ograczeam rówoścowm dla zawartośc składków model może bć zalezo p. w Datzg G. B., Lear, op.ct., str W esze prac zgode z sugestą zawartą w: Nowak E.. Decze rachuk kosztów. Kalkulace meedżera, Wdawctwo Naukowe PWN, Warszawa 994, str. 5, poda model est bardze uwersal tz. zawera zarówo dole ak góre orm zawartośc składków. 7

8 Mmalzaca kosztu meszaek kompoetów dostępch w opakowaach o ustaloch poemoścach rozdzału. Koecza est edak pewa modfkaca w porówau z modelem dla zmech rzeczwstch. Polega oa a zmae postac waruku blasowego. Sumowae lośc kompoetów do ede edostk meszak trac ses, poeważ ze względu a koeczość zakupu pełch opakowań e ma proporcoalośc pomędz kosztem meszak a kosztam e kompoetów. Zamast sumowaa do, ależ zatem wprowadzć sumowae lośc kompoetów do lczb A będące wmagaą loścą meszak. Ops zmech oraz parametrów pozostaą w zasadze ezmeoe w stosuku do modelu opsaego w poprzedm rozdzale. Różce podae są poże. b / d,,,..., m - mmala/maksmala wmagaa zawartość składka -tego rodzau w ede edostce meszak; A - łącza lość meszak, aka powa zostać sporządzoa. Model matematcz może bć zapsa astępuąco k z ) k ( z )... k ( z ) m łącz koszt opakowań kompoetów ( prz ograczeach mmale wmagae rzeczwste maksmale wmagae zawartośc składków zawartośc składków zawartośc składków w meszace w meszace w meszace b A a s( ) as( )... a s( ) d A b A a s ( ) a s ( )... a s ( d A 8 ) b A m am s( ) ams( )... ams( ) (zawartośc składków są przelczoe a wartośc bezwzględe) s ) s ( )... s ( ) A łącza lość meszak wos A ( 0, 0,..., 0 lczb opakowań kompoetów e mogą bć ueme,,..., - całkowte 0, 0,..., 0 stopeń zużca kompoetów z częścowo wkorzstach opakowań e może bć uem z, z,..., z - bare z, z,..., z stopeń zużca kompoetów z częścowo wkorzstach opakowań e może bć wększ ż (w przpadku, gd z - opakowae kompoetu -tego rodzau est wkorzstwae częścowo). Tak ak w częśc, tu róweż moża uwzględć oszczędośc zwązae z ewetualm późeszm wkorzstaem lub odsprzedażą ewkorzstach kompoetów. I tak ak w poprzedm przpadku, tu róweż ależ zmmalzować koszt kompoetów faktcze potrzebch do sporządzea meszak k k... k koszt pełch opakowań kompoetów k k... k m koszt kompoetów z opakowań wkorzstach ecałkowce prz ograczeach ak wże uzupełoch o dodatkow waruek k ( z) k( z)... k( z) k, gdze m k est mmalm kosztem opakowań m kompoetów oblczom według podaego wcześe modelu. Mmal koszt wszstkch opakowań kompoetów est oblczo prz wkorzstau formuł k ( z ) k ( z )... k ( z ) gdze, z,,,..., są optmalm wartoścam odpowedch zmech. d m A

9 Przemsław Kowalk 4. Podsumowae Propoowae modele wboru atańszch meszaek z uwzględeem poemośc opakowań, w którch dostępe są kompoetów, charakterzuą sę zaczm wzrostem złożoośc oblczeowe w porówau z modelam klasczm. Wka o z koeczośc użca (dla problemu z rodzaam kompoetów) poza zmem rzeczwstm róweż zmech całkowtolczbowch (w tm barch) oraz dodaa waruków ograczaącch, w którch wstępuą zmee bare. Oczwśce powższ fakt wklucza użwae do oblczeń oprogramowaa optmalzacego e wsperaącego optmalzac całkowtolczbowe. Prostm, ale przdatm rozszerzeem zapropoowach model est uwzględee dostępośc daego kompoetu w opakowaach o różch poemoścach. Pozwala to a potecale lepsze dopasowae lośc zakupoch kompoetów do potrzeb realzac zamówea, awet borąc pod uwagę wstępuącą często zależość m mesze opakowae, tm wększa cea edostkowa zawartośc opakowaa. Róweż częścowo zużte opakowaa kompoetów wkorzstae prz tworzeu meszaek w przeszłośc mogą bć uwzględoe w oblczeach p. opakowae 6 kg wkorzstae w 70% może bć reprezetowae ako opakowae 4, kg dostępe w lczbe co awże z zerową ceą (poeważ zostało zakupoe wcześe obcążło koszt przgotowaa e, wcześesze meszak). Możlwe est róweż rozważae swostego odwrócea waratu drugego poprzez maksmalzacę lośc meszak o zadam składze prz ograczoe lośc kompoetów (zarówo w wers klascze ak rozważae tu całkowtolczbowe ). Take odwrócee błob pewą aalogą do zadaa optmalego rozkrou w wers maksmalzaca lczb kompletów detal 8, edakże e zostało tu zaprezetowae ze względu a rozmar prac. Bblografa. Datzg G. B., Lear Programmg ad Etesos, The RAND Corporato, Datzg G. B., The Det Problem, Iterfaces, Vol. 0, No. 4, 990, Jędrzeczk Z., Kukuła K., Skrzpek J., Walkosz A.,: Badaa operace w przkładach zadaach, Wdawctwo Naukowe PWN, Warszawa Nowak E.: Decze rachuk kosztów. Kalkulace meedżera, Wdawctwo Naukowe PWN, Warszawa Skora W. [red.], Badaa operace, Polske Wdawctwo Ekoomcze, Warszawa Stgler, G. J. The cost of subsstece, Joural of Farm Ecoomcs, Vol. 7, No. (Ma), 945, Thomso E., Nola J., UNEForm: a powerful feed formulato spreadsheet sutable for teachg or o-farm formulato, Amal Feed Scece ad Techolog, Volume 9, Issue 3, 00, Cost optmzato of bleds of compoets avalable cotaers of fed volume The problem of creatg a optmal (usuall the cheapest) bled of varous mult-gredet compoets wth fed cotets of gredets defed s oe of the oldest applcato of lear programmg. If the problem s to select the cheapest bled of food products, the t s ofte called the optmal det problem. No matter what s the fal usage of the prepared bled, two basc varats of the cosdered problem ca be dstgushed: mmzato of the cost of the bled where orms for amouts of gredets are epressed absolute uts (usuall mass or eerg uts), or, mmzato of the ut cost of the bled where orms for amouts of gredets are 8 Nowak E., bdem, str

10 Mmalzaca kosztu meszaek kompoetów dostępch w opakowaach o ustaloch poemoścach epressed relatve uts (e.g. amout of uts of a gredet per oe ut of the bled, per cets). I the paper, modfcatos of the two varats whch take to accout the ecesst of purchasg the compoets portos ol (where the porto szes result from the capactes of the cotaers of compoets) were preseted. The modfcatos are med-teger lear programmg (MILP) problems. Theoretcal cosderatos were completed wth a eample problem. Kewords: lear programmg, med teger lear programmg, optmal bledg problem, optmal det problem, obectve fucto, costrats. 0

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Zaawasowae metod umercze Programowae lowe (problem dual, program low w lczbach całkowtch) Dualość est kluczowm poęcem programowaa lowego. Pozwala a udowodee że otrzmwae rozwązaa są optmale. Zagadee duale

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

ZAGADNIENIE TRANSPORTOWE

ZAGADNIENIE TRANSPORTOWE ZAGADNIENIE TRANSPORTOWE ZT.. Zagadee trasportowe w postac tablcy Z m puktów (odpowedo A,...,A m ) wysyłamy edorody produkt w loścach a,...,a m do puktów odboru (odpowedo B,...,B ), gdze est odberay w

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

Projekt 2 2. Wielomiany interpolujące

Projekt 2 2. Wielomiany interpolujące Proekt Weloma terpoluące Rodzae welomaów terpoluącc uma edomaów Nec w przedzale a, b określoa będze fukca f: ec będze ustaloc m wartośc argumetu :,,, m, m L prz czm: < < L < < m m Pukt o tc odcztac azwa

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

1. Relacja preferencji

1. Relacja preferencji dr Mchał Koopczyńsk EKONOMIA MATEMATYCZNA Wykłady, 2, 3 (a podstawe skryptu r 65) Relaca preferec koszyk towarów: przestrzeń towarów: R + = { x R x 0} x = ( x,, x ) X X R+ x 0 x 0 =, 2,, x~y xf y x y x

Bardziej szczegółowo

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn ROZKŁAD PRAWDOPODBIEŃSTWA WIELU ZMIENNYCH LOSOWYCH W przpadku gd mam do czea z zmem losowm możem prawdopodobeństwo, ż przjmą oe wartośc,,, opsać welowmarową fukcją rozkładu gęstośc prawdopodobeństwa f(,,,.

Bardziej szczegółowo

Materiały do wykładu 7 ze Statystyki

Materiały do wykładu 7 ze Statystyki Materał do wkładu 7 ze Statstk Aalza ZALEŻNOŚCI pomędz CECHAMI (Aalza KORELACJI REGRESJI) korelacj wkres rozrzutu (korelogram) rodzaje zależośc (brak, elowa, lowa) pomar sł zależośc lowej (współczk korelacj

Bardziej szczegółowo

m) (2.2) p) (2.3) r) (2.4)

m) (2.2) p) (2.3) r) (2.4) Ekooetra dr ż. Zbgew Tarapata Wkład r : Postace zadań prograowaa lowego grafcza etoda rozwązwaa zadań PL POSTACIE ZADAŃ PROGRAMOWANIA LINIOWEGO Zadae decze w któr wszstke relace są lowe oraz wszstke zee

Bardziej szczegółowo

Planowanie eksperymentu pomiarowego I

Planowanie eksperymentu pomiarowego I POLITECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA ENERGETYKI INSTYTUT MASZYN URZĄDZEŃ ENERGETYCZNYCH Plaowae eksperymetu pomarowego I Laboratorum merctwa (M 0) Opracował: dr ż. Grzegorz Wcak

Bardziej szczegółowo

Optymalizacja wielokryterialna

Optymalizacja wielokryterialna Porządowae Optmalzaca welorterala. Uporządowae zboru wg oreśloch reguł.. Wróżee możlwe ameszego podzboru prz doowau wboru.. Wbór oreśloe decz. U {u,...,u m }- sończo przelczal zbór dopuszczalch decz K

Bardziej szczegółowo

Matematyczny opis ryzyka

Matematyczny opis ryzyka Aalza ryzyka kosztowego robót remotowo-budowlaych w warukach epełe formac Mgr ż Mchał Bętkowsk dr ż Adrze Powuk Wydzał Budowctwa Poltechka Śląska w Glwcach MchalBetkowsk@polslpl AdrzePowuk@polslpl Streszczee

Bardziej szczegółowo

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe.

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe. INSTRUKCJA LABORATORIUM Metrologa techcza sstem pomarowe. MTSP pomar MTSP 00 Autor: dr ż. Potr Wcślok Stroa / 5 Cel Celem ćwczea jest wkorzstae w praktce pojęć: mezurad, estmata, błąd pomaru, wk pomaru,

Bardziej szczegółowo

Badania Operacyjne (dualnośc w programowaniu liniowym)

Badania Operacyjne (dualnośc w programowaniu liniowym) Badaa Operacye (dualośc w programowau lowym) Zadae programowaa lowego (PL) w postac stadardowe a maksmum () c x = max, podczas gdy spełoe są erówośc () ax = b ( m ), x 0 ( ) Zadae programowaa lowego (PL)

Bardziej szczegółowo

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi. 3 Metody estymacj N ( µ, σ ) Wyzacz estymatory parametrów µ 3 Populacja geerala ma rozład ormaly mometów wyorzystując perwszy momet zwyły drug momet cetraly z prób σ metodą 3 Zmea losowa ma rozład geometryczy

Bardziej szczegółowo

Teoria i praktyka. Wyższa Szkoła Turystyki i Ekologii. Fizyka. WSTiE Sucha Beskidzka Fizyka

Teoria i praktyka. Wyższa Szkoła Turystyki i Ekologii. Fizyka. WSTiE Sucha Beskidzka Fizyka Nepewośc pomarowe. Teora praktka. Prowadząc: Dr ż. Adrzej Skoczeń Wższa Szkoła Turstk Ekolog Wdzał Iformatk, rok I Fzka 014 03 30 WSTE Sucha Beskdzka Fzka 1 Iformacje teoretcze zameszczoe a slajdach tej

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

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzee macerzowe werdzee: Dla dwóch macerzy A B o tych samych wymarach zachodz: ( ) ( ) wersz a) R A R B A ~ B Dowód: wersz a) A ~ B stee P taka że PA B 3 0 A 4 3 0 0 E A B 0 0 0 E B 3 6 4 0 0 0

Bardziej szczegółowo

BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ

BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ Matematka statstka matematcza dla rolków w SGGW Aa Rajfura, KDB WYKŁAD 2 BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ Matematka statstka matematcza dla rolków w SGGW Aa Rajfura, KDB Przkład.

Bardziej szczegółowo

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B W przypadku gdy e występuje statystyczy rozrzut wyków (wszystke pomary dają te sam wyk epewość pomaru wyzaczamy w y sposób. Główą przyczyą epewośc pomaru jest epewość

Bardziej szczegółowo

Wnioskowanie statystyczne dla korelacji i regresji.

Wnioskowanie statystyczne dla korelacji i regresji. STATYSTYKA MATEMATYCZNA WYKŁAD 6 Woskowae statstcze dla korelacj regresj. Aalza korelacj Założee: zmea losowa dwuwmarowa X, Y) ma rozkład ormal o współczku korelacj ρ. X, Y cech adae rówocześe. X X X...

Bardziej szczegółowo

Badania operacyjne. Algorytm simpleks. Organizacja zajęć. Zaliczenie. Literatura. Program zajęć

Badania operacyjne. Algorytm simpleks. Organizacja zajęć. Zaliczenie. Literatura. Program zajęć Algorytm smpleks adaa operacyje Wykład adaa operacyje dr hab. ż. Joaa Józefowska, prof.pp Istytut Iformatyk Orgazacja zajęć 5 godz wykładów dr hab. ż. J. Józefowska, prof. PP Obecość a laboratorach jest

Bardziej szczegółowo

Opracowanie wyników pomiarów

Opracowanie wyników pomiarów Opracowae wków pomarów Praca w laboratorum fzczm polega a wkoau pomarów, ch terpretacj wcagęcem wosków. Ab dojść do właścwch wosków aleŝ szczególą uwagę zwrócć a poprawość wkoaa pomarów mmalzacj błędów

Bardziej szczegółowo

UOGÓLNIONA KRAŃCOWA STOPA SUBSTYTUCJI - ZASTOSOWANIE W ANALIZIE PORTFELOWEJ

UOGÓLNIONA KRAŃCOWA STOPA SUBSTYTUCJI - ZASTOSOWANIE W ANALIZIE PORTFELOWEJ Małgorzata Just Krzsztof Paseck UOGÓLNIONA KRAŃCOWA SOPA SUBSYUCJI - ZASOSOWANIE W ANALIZIE PORFELOWEJ. Wstęp Zakładam, że a k peego procesu gospodarczego ma pł skończoa lczba różch czkó kształtuącch te

Bardziej szczegółowo

POLSKA FEDERACJA STOWARZYSZEŃ RZECZOZNAWCÓW MAJĄTKOWYCH POWSZECHNE KRAJOWE ZASADY WYCENY (PKZW) KRAJOWY STANDARD WYCENY SPECJALISTYCZNY NR 4 KSWS 4

POLSKA FEDERACJA STOWARZYSZEŃ RZECZOZNAWCÓW MAJĄTKOWYCH POWSZECHNE KRAJOWE ZASADY WYCENY (PKZW) KRAJOWY STANDARD WYCENY SPECJALISTYCZNY NR 4 KSWS 4 POZECHNE KRAJOE ZAADY YCENY (PKZ) KRAJOY TANDARD YCENY PECJALITYCZNY NR 4 K 4 INETYCJE LINIOE - ŁUŻEBNOŚĆ PRZEYŁU I BEZUMONE KORZYTANIE Z NIERUCHOMOŚCI 1. PROADZENIE 1.1. Nejszy stadard przedstawa reguły

Bardziej szczegółowo

WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LABORATORIUM II PROGRAMOWANIE CELOWE, ILORAZOWE I MIN-MAX. min. min

WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LABORATORIUM II PROGRAMOWANIE CELOWE, ILORAZOWE I MIN-MAX. min. min WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LABORAORIUM II PROGRAMOWANIE CELOWE, ILORAZOWE I MIN-MAX Probley prograowae celowego lorazowego to probley prograowae ateatyczego elowego, który oża sktecze zlearyzować

Bardziej szczegółowo

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu DYNAMICZNE MODELE EKONOMERYCZNE X Ogólopolske Semarum Naukowe, 4 6 wrześa 2007 w oruu Katedra Ekoometr Statystyk, Uwersytet Mkołaja Koperka w oruu Moka Jezorska - Pąpka Uwersytet Mkołaja Koperka w oruu

Bardziej szczegółowo

Statystyka. Katarzyna Chudy Laskowska

Statystyka. Katarzyna Chudy Laskowska Statstka Katarza Chud Laskowska http://kc.sd.prz.edu.pl/ Aalza korelacj umożlwa stwerdzee wstępowaa zależośc oraz oceę jej atężea ZALEŻNOŚCI pomędz CECHAMI: CECHY: ILOŚCIOWA ILOŚCIOWA CECHY: JAKOŚCIOWA

Bardziej szczegółowo

Metoda Monte-Carlo i inne zagadnienia 1

Metoda Monte-Carlo i inne zagadnienia 1 Metoda Mote-Carlo e zagadea Metoda Mote-Carlo Są przypadk kedy zamast wykoać jakś eksperymet chcelbyśmy symulować jego wyk używając komputera geeratora lczb (pseudolosowych. Wększość bblotek programów

Bardziej szczegółowo

Pomiary parametrów napięć i prądów przemiennych

Pomiary parametrów napięć i prądów przemiennych Ćwczee r 3 Pomary parametrów apęć prądów przemeych Cel ćwczea: zapozae z pomaram wartośc uteczej, średej, współczyków kształtu, szczytu, zekształceń oraz mocy czyej, berej, pozorej współczyka cosϕ w obwodach

Bardziej szczegółowo

ρ (6) przy czym ρ ij to współczynnik korelacji, wyznaczany na podstawie następującej formuły: (7)

ρ (6) przy czym ρ ij to współczynnik korelacji, wyznaczany na podstawie następującej formuły: (7) PROCES ZARZĄDZANIA PORTFELEM PAPIERÓW WARTOŚCIOWYCH WSPOMAGANY PRZEZ ŚRODOWISKO AUTOMATÓW KOMÓRKOWYCH Ageszka ULFIK Streszczee: W pracy przedstawoo sposób zarządzaa portfelem paperów wartoścowych wspomagay

Bardziej szczegółowo

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min Fukca warogodośc Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x;. Fukcą warogodośc dla próby x azywamy welkość: ( x; f ( x ; L Twerdzee (Cramera-Rao: Mmala wartość warac m dowolego eobcążoego

Bardziej szczegółowo

08 Model planowania sieci dostaw 1Po_2Pr_KT+KM

08 Model planowania sieci dostaw 1Po_2Pr_KT+KM Nr Tytuł: Autor: 08 Model plaowaa sec dostaw 1Po_2Pr_KT+KM Potr SAWICKI Zakład Systeów Trasportowych WIT PP potr.sawck@put.poza.pl potr.sawck.pracowk.put.poza.pl www.facebook.co/potr.sawck.put Przedot:

Bardziej szczegółowo

Typ może być dowolny. //realizacja funkcji zamiana //przestawiajacej dwa elementy //dowolnego typu void zamiana(int &A, int &B) { int t=a; A=B; B=t; }

Typ może być dowolny. //realizacja funkcji zamiana //przestawiajacej dwa elementy //dowolnego typu void zamiana(int &A, int &B) { int t=a; A=B; B=t; } Idea: Wyzaczamy ameszy elemet w cągu tablcy zameamy go mescam z elemetem perwszym, astępe z pozostałego cągu wyberamy elemet ameszy ustawamy go a druge mesce tablcy zmeamy, td. Realzaca w C++ vod seleca

Bardziej szczegółowo

OBLICZANIE GEOMETRYCZNYCH MOMENTÓW BEZWŁADNOŚCI FIGUR PŁASKICH, TWIERDZENIE STEINERA LABORATORIUM RACHUNKOWE

OBLICZANIE GEOMETRYCZNYCH MOMENTÓW BEZWŁADNOŚCI FIGUR PŁASKICH, TWIERDZENIE STEINERA LABORATORIUM RACHUNKOWE OBLICZNIE GEOMETRYCZNYCH MOMENTÓW BEZWŁDNOŚCI FIGUR PŁSKICH, TWIERDZENIE STEINER LBORTORIUM RCHUNKOWE Prz oblczeach wtrzmałoścowch dotczącch ektórch przpadków obcążea (p. zgae) potrzeba jest zajomość pewch

Bardziej szczegółowo

Modelowanie i Analiza Danych Przestrzennych

Modelowanie i Analiza Danych Przestrzennych Modelowae Aalza Daych Przestrzeych Wykład 8 Adrze Leśak Katedra Geoformatyk Iformatyk Stosowae Akadema Górczo-Hutcza w Krakowe Jaką postać ma warogram daych z tredem? Moża o wylczyć teoretycze prostego

Bardziej szczegółowo

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym?

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym? Oblczae średej, odchylea tadardowego meday oraz kwartyl w zeregu zczegółowym rozdzelczym? Średa medaa ależą do etymatorów tzw. tedecj cetralej, atomat odchylee tadardowe to etymatorów rozprozea (dyperj)

Bardziej szczegółowo

UOGÓLNIONA ANALIZA WRAŻLIWOŚCI ZYSKU W PRZEDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW. 1. Wprowadzenie

UOGÓLNIONA ANALIZA WRAŻLIWOŚCI ZYSKU W PRZEDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW. 1. Wprowadzenie B A D A N I A O P E R A C Y J N E I D E C Y J E Nr 2 2007 Aa ĆWIĄKAŁA-MAŁYS*, Woletta NOWAK* UOGÓLNIONA ANALIA WRAŻLIWOŚCI YSKU W PREDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW Przedstawoo ajważejsze elemety

Bardziej szczegółowo

System finansowy gospodarki

System finansowy gospodarki System fasowy gospodark Zajęca r 6 Matematyka fasowa c.d. Rachuek retowy (autetowy) Maem rachuku retowego określa sę regulare płatośc w stałych odstępach czasu przy założeu stałej stopy procetowej. Przykłady

Bardziej szczegółowo

3. Wykład III: Warunki optymalności dla zadań bez ograniczeń

3. Wykład III: Warunki optymalności dla zadań bez ograniczeń 3 Wkład III: Waruki optmalości dla zadań bez ograiczeń Podae poiże waruki optmalości dla są uogólieiem powszechie zach waruków dla fukci ede zmiee (zerowaie się pierwsze pochode i lokala wpukłość) 3 Twierdzeie

Bardziej szczegółowo

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1 POPULACJA I PRÓBA POPULACJĄ w statystyce matematyczej azywamy zbór wszystkch elemetów (zdarzeń elemetarych charakteryzujących sę badaą cechą opsywaą zmeą losową. Zbadae całej populacj (przeprowadzee tzw.

Bardziej szczegółowo

RACHUNEK NIEPEWNOŚCI POMIARU

RACHUNEK NIEPEWNOŚCI POMIARU Mędzarodowa Norma Oce Nepewośc Pomaru (Gude to Epresso of Ucertat Measuremets - Mędzarodowa Orgazacja Normalzacja ISO RACHUNEK NIEPEWNOŚCI http://phscs.st./gov/ucertat POMIARU Wrażae Nepewośc Pomaru. Przewodk.

Bardziej szczegółowo

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację. Wrażlwość oblgacj Jedym z czyków ryzyka westowaa w oblgacje jest zmeość rykowych stóp procetowych. Iżyera fasowa dyspouje metodam pozwalającym zabezpeczyć portfel przed egatywym skutkam zma stóp procetowych.

Bardziej szczegółowo

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = = 4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ ). W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,

Bardziej szczegółowo

Modelowanie niezawodności i wydajności synchronicznej elastycznej linii produkcyjnej

Modelowanie niezawodności i wydajności synchronicznej elastycznej linii produkcyjnej Dr hab. ż. Ato Śwć, prof. adzw. Istytut Techologczych ystemów Iformacyych oltechka Lubelska ul. Nadbystrzycka 36, 2-68 Lubl e-mal: a.swc@pollub.pl Dr ż. Lech Mazurek aństwowa Wyższa zkoła Zawodowa w Chełme

Bardziej szczegółowo

5. OPTYMALIZACJA NIELINIOWA

5. OPTYMALIZACJA NIELINIOWA 5. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często, że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też, oprócz lowych zadań decyzyjych, formułujemy także elowe

Bardziej szczegółowo

Natalia Nehrebecka. Dariusz Szymański

Natalia Nehrebecka. Dariusz Szymański atala ehreecka Darusz Szmańsk Wkład . MK przpadek welu zmech. Własośc hperpłaszczz regresj 3. Doroć ć dopasowaa rówaa regresj. Współczk determacj R Dekompozcjawaracj zmeejzależejzależej Współczk determacj

Bardziej szczegółowo

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki) Podstawy aalzy epewośc pomarowych (I Pracowa Fzyk) Potr Cygak Zakład Fzyk Naostruktur Naotecholog Istytut Fzyk UJ Pok. 47 Tel. 0-663-5838 e-mal: potr.cygak@uj.edu.pl Potr Cygak 008 Co to jest błąd pomarowy?

Bardziej szczegółowo

06 Model planowania sieci dostaw 1Po_1Pr_KT+KM

06 Model planowania sieci dostaw 1Po_1Pr_KT+KM Nr Tytuł: Autor: 06 Model plaowaa sec dostaw 1Po_1Pr_KT+KM Potr SAWICKI Zakład Systeów Trasportowych WIT PP potr.sawck@put.poza.pl potr.sawck.pracowk.put.poza.pl www.facebook.co/potr.sawck.put Przedot:

Bardziej szczegółowo

Miary statystyczne. Katowice 2014

Miary statystyczne. Katowice 2014 Mary statystycze Katowce 04 Podstawowe pojęca Statystyka Populacja próba Cechy zmee Szereg statystycze Wykresy Statystyka Statystyka to auka zajmująca sę loścowym metodam aalzy zjawsk masowych (występujących

Bardziej szczegółowo

ELEMENTY ANALIZY NUMERYCZNEJ

ELEMENTY ANALIZY NUMERYCZNEJ Adrze Marcak ELEMENTY ANALIZY NUMERYCZNEJ Wykłady dla studetów keruku formatyka Poltechk Pozańske Wykłady są przezaczoe wyłącze do dywdualego użytku przez studetów formatyk Poltechk Pozańske. Ne mogą być

Bardziej szczegółowo

ZMIENNE LOSOWE WIELOWYMIAROWE

ZMIENNE LOSOWE WIELOWYMIAROWE L.Kowals Zmee losowe welowmarowe ( ΩS P ZMIENNE LOSOWE WIELOWMIAROWE - ustaloa przestrzeń probablstcza. (... - zmea losowa - wmarowa (wetor losow cąg losow. : Ω R (fuca borelowsa P : Β R [0 - rozład zmee

Bardziej szczegółowo

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego).

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego). TESTY NORMALNOŚCI Test zgodośc Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład ormaly). Hpoteza alteratywa H1( Cecha X populacj e ma rozkładu ormalego). Weryfkacja powyższych hpotez za pomocą tzw. testu

Bardziej szczegółowo

Niepewności pomiarów. DR Andrzej Bąk

Niepewności pomiarów. DR Andrzej Bąk Nepewośc pomarów DR Adrzej Bąk Defcje Błąd pomar - różca mędz wkem pomar a wartoścą merzoej welkośc fzczej. Bwa też azwa błędem bezwzględm pomar. Poeważ wartość welkośc merzoej wartość prawdzwa jest w

Bardziej szczegółowo

MATERIAŁY I STUDIA. Efektywność sektora publicznego na poziomie samorządu lokalnego. Zesz y t nr 242. Barbara Karbownik, Grzegorz Kula

MATERIAŁY I STUDIA. Efektywność sektora publicznego na poziomie samorządu lokalnego. Zesz y t nr 242. Barbara Karbownik, Grzegorz Kula MATERAŁY STUDA Zesz y t r 242 Efektywość sektora publczego a pozome samorządu lokalego Barbara Karbowk, Grzegorz Kula Warszawa 2009 Barbara Karbowk Narodowy Bak Polsk, barbara.karbowk@bp.pl Grzegorz Kula

Bardziej szczegółowo

POLSKA FEDERACJA STOWARZYSZEŃ RZECZOZNAWCÓW MAJĄTKOWYCH POWSZECHNE KRAJOWE ZASADY WYCENY (PKZW) KRAJOWY STANDARD WYCENY SPECJALISTYCZNY NR 4 KSWS 4

POLSKA FEDERACJA STOWARZYSZEŃ RZECZOZNAWCÓW MAJĄTKOWYCH POWSZECHNE KRAJOWE ZASADY WYCENY (PKZW) KRAJOWY STANDARD WYCENY SPECJALISTYCZNY NR 4 KSWS 4 POZECHNE KRAJOE ZAADY YCENY (PKZ) KRAJOY TANDARD YCENY PECJALITYCZNY NR 4 K 4 YCENA ŁUŻEBNOŚCI PRZEYŁU I OKREŚLANIE KOTY YNAGRODZENIA ZA BEZUMONE KORZYTANIE Z NIERUCHOMOŚCI PRZY INETYCJACH LINIOYCH 1.

Bardziej szczegółowo

Regresja linowa metoda najmniejszych kwadratów. Tadeusz M. Molenda Instytut Fizyki US

Regresja linowa metoda najmniejszych kwadratów. Tadeusz M. Molenda Instytut Fizyki US Regresja lowa metoda ajmejszch kwadratów Tadeusz M. Moleda Isttut Fzk US Regresja lowa (też: metoda ajmejszch kwadratów, metoda wrówawcza, metoda Gaussa) Zagadea stota metod postulat Gaussa współczk prostej

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8 Stasław Cchock Natala Nehreecka Zajęca 7-8 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartość oczekwaa eocążoość estymatora Waracja

Bardziej szczegółowo

AKADEMIA MORSKA W SZCZECINIE

AKADEMIA MORSKA W SZCZECINIE AKADEMIA MORSKA W SZCZECINIE Istytut Iżyer Ruchu Morskego Zakład Urządzeń Nawgacyjych Istrukcja r 0 Wzory do oblczeń statystyczych w ćwczeach z radoawgacj Szczec 006 Istrukcja r 0: Wzory do oblczeń statystyczych

Bardziej szczegółowo

Agenda. Politechnika Poznańska WMRiT ZST. Piotr Sawicki Optymalizacja w transporcie 1. Kluczowe elementy wykładu

Agenda. Politechnika Poznańska WMRiT ZST. Piotr Sawicki Optymalizacja w transporcie 1. Kluczowe elementy wykładu Poltechka Pozańska WMRT ZST Tytuł: 05 Lokalzaca obektów. Model PoPr Zastosowae prograowaa lowego Autor: Potr SAWICKI Zakład Systeów Trasportowych WMRT PP potr.sawck@put.poza.pl www.put.poza.pl/~potr.sawck

Bardziej szczegółowo

11/22/2014 STRATEGIE MIESZANE - MOTYWACJA. ROZWAśMY PRZYKŁAD:

11/22/2014 STRATEGIE MIESZANE - MOTYWACJA. ROZWAśMY PRZYKŁAD: //4 Gry o sue zero - gry rozgrywae w strategach eszaych STRATEGIE IESZANE - OTYWACJA. ROZWAśY PRZYKŁAD: 5 DEFINICJA..6 Strategą eszaą π gracza P azyway kaŝdy rozkład prawdopodobeństwa określoy a zborze

Bardziej szczegółowo

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH L.Kowalsk PODSTAWOWE TESTY STATYSTYCZNE TESTY STATYSTYCZNE poteza statystycza to dowole przypuszczee dotyczące rozkładu cechy X. potezy statystycze: -parametrycze dotyczą ezaego parametru, -parametrycze

Bardziej szczegółowo

Funkcja wiarogodności

Funkcja wiarogodności Fukca warogodośc Defca: Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x; θ. Fukcą warogodośc dla próby x azywamy welkość: ( x; θ f ( x ; θ L Uwaga: Fukca warogodośc to e to samo co łącza

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZA. Wkład węp. Teora prawdopodobeńwa elemet kombatork 3. Zmee losowe 4. Populace prób dach 5. Teowae hpotez emaca parametrów 6. Te t 7. Te 8. Te F 9. Te eparametrcze 0. Podsumowae dotchczasowego

Bardziej szczegółowo

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5 L.Kowalsk zadaa ze statystyk opsowej-zestaw 5 Zadae 5. X cea (zł, Y popyt (tys. szt.. Mając dae ZADANIA Zestaw 5 x,5,5 3 3,5 4 4,5 5 y 44 43 43 37 36 34 35 35 Oblcz współczyk korelacj Pearsoa. Oblcz współczyk

Bardziej szczegółowo

Zmiana bazy i macierz przejścia

Zmiana bazy i macierz przejścia Auomaya Roboya Algebra -Wyład - dr Adam Ćmel cmel@agh.edu.pl Zmaa bazy macerz prześca Nech V będze wymarową przesrzeą lową ad całem K. Nech Be e będze bazą przesrze V. Rozważmy ową bazę B e... e. Oczywśce

Bardziej szczegółowo

Pienińskich Portali Turystycznych

Pienińskich Portali Turystycznych Ofrta Pńskch Portal Turstczch b s z tu P w z c r st la m uj m C S ku z c t r k www.p.com www.szczawca.com www.czorszt.com facbook.com/p c a h Krótko o Pńskch Portalach Turstczch Pńsk Portal Turstcz został

Bardziej szczegółowo

3. OPTYMALIZACJA NIELINIOWA

3. OPTYMALIZACJA NIELINIOWA Wybrae zaadea badań operacyjych dr ż. Zbew Tarapata 3. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też oprócz

Bardziej szczegółowo

Portfel złożony z wielu papierów wartościowych

Portfel złożony z wielu papierów wartościowych Portfel westycyy ćwczea Na odst. Wtold Jurek: Kostrukca aalza, rozdzał 4 dr Mchał Kooczyńsk Portfel złożoy z welu aerów wartoścowych. Zwrot ryzyko Ozaczea: w kwota ulokowaa rzez westora w aery wartoścowe

Bardziej szczegółowo

Sprawdzenie stateczności skarpy wykopu pod składowisko odpadów komunalnych

Sprawdzenie stateczności skarpy wykopu pod składowisko odpadów komunalnych Sprawdzee stateczośc skarpy wykopu pod składowsko odpadów koualych Ustalee wartośc współczyka stateczośc wykoae zostae uproszczoą etodą Bshopa, w oparcu o poższą forułę: [ W s( α )] ( φ ) ( φ ) W ta F

Bardziej szczegółowo

ANALIZA INPUT - OUTPUT

ANALIZA INPUT - OUTPUT Aalza put - output Notatk S Dorosewcz J Staseńko Stroa z 28 SŁAWOMIR DOROSIEWICZ JUSTYNA STASIEŃKO ANALIZA INPUT - OUTPUT NOTATKI Istytut Ekoometr SGH Aalza put - output Notatk S Dorosewcz J Staseńko Stroa

Bardziej szczegółowo

Analiza Matematyczna Ćwiczenia. J. de Lucas

Analiza Matematyczna Ćwiczenia. J. de Lucas Aalza Matematycza Ćwczea J. de Lucas Zadae. Oblczyć grace astępujących fucj a lm y 3,y 0,0 b lm y 3 y ++y,y 0,0 +y c lm,y 0,0 + 4 y 4 y d lm y,y 0,0 3 y 3 e lm,y 0,0 +y 4 +y 4 f lm,y 0,0 4 y 6 +y 3 g lm,y

Bardziej szczegółowo

STATYSTYKA OPISOWA. Państwowa Wyższa Szkoła Zawodowa w Koninie. Materiały pomocnicze do ćwiczeń. Materiały dydaktyczne 17 ARTUR ZIMNY

STATYSTYKA OPISOWA. Państwowa Wyższa Szkoła Zawodowa w Koninie. Materiały pomocnicze do ćwiczeń. Materiały dydaktyczne 17 ARTUR ZIMNY Państwowa Wższa Szkoła Zawodowa w Koe Materał ddaktcze 17 ARTUR ZIMNY STATYSTYKA OPISOWA Materał pomoccze do ćwczeń wdae druge zmeoe Ko 010 Ttuł Statstka opsowa Materał pomoccze do ćwczeń wdae druge zmeoe

Bardziej szczegółowo

HYBRYDOWA METODA PRZEDZIAŁOWEJ I GRADIENTOWEJ OPTYMALIZACJI GLOBALNEJ KONSTRUKCJI INŻYNIERSKICH

HYBRYDOWA METODA PRZEDZIAŁOWEJ I GRADIENTOWEJ OPTYMALIZACJI GLOBALNEJ KONSTRUKCJI INŻYNIERSKICH ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ Sera: BUDOWNICTWO z. Nr kol. Adrze POWNUK HYBRYDOWA METODA PRZEDZIAŁOWEJ I GRADIENTOWEJ OPTYMALIZACJI GLOBALNEJ KONSTRUKCJI INŻYNIERSKICH Streszczee. Przedzałowa metoda

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadae. W ure zajduje sę 5 kul, z których 5 jest bałych czarych. Losujemy bez zwracaa kolejo po jedej kul. Kończymy losowae w momece, kedy wycągęte zostaą wszystke czare kule. Oblcz wartość oczekwaą lczby

Bardziej szczegółowo

Strona: 1 1. CEL ĆWICZENIA

Strona: 1 1. CEL ĆWICZENIA Katedra Podstaw Sstemów Techczch - Podstaw metrolog - Ćwczee 4. Wzaczae charakterstk regulacjej slka prądu stałego Stroa:. CEL ĆWICZENIA Celem ćwczea jest pozae zasad dzałaa udow slka prądu stałego, zadae

Bardziej szczegółowo

1. WSTĘP. METODA EULERA 1 1. WSTĘP. METODA EULERA

1. WSTĘP. METODA EULERA 1 1. WSTĘP. METODA EULERA . WSTĘP. MTODA ULRA. WSTĘP. MTODA ULRA Wprowadzee Mowacja pozawaa meod umerczc:. Rozwązwae bardzo dużc kosrukcj o złożoej geomer welu sopac swobod powżej mloa prz różorodm zacowau maerałów.. Śwadome wkorzswae

Bardziej szczegółowo

System finansowy gospodarki

System finansowy gospodarki System fasowy gospodark Zajęca r 7 Krzywa retowośc, zadaa (mat. f.), marża w hadlu, NPV IRR, Ustawa o kredyce kosumeckm, fukcje fasowe Excela Krzywa retowośc (dochodowośc) Yeld Curve Krzywa ta jest grafczym

Bardziej szczegółowo

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA Ćwczee 8 TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA 8.. Cel ćwczea Celem ćwczea jest wyzaczee statyczego współczyka tarca pomędzy walcową powerzchą cała a opasującą je lą. Poadto a drodze eksperymetalej

Bardziej szczegółowo

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki:

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki: Zadae W loter berze udzał 0 osób. Regulam loter faworyzuje te osoby, które w elmacjach osągęły lepsze wyk: Zwycęzca elmacj, azyway graczem r. otrzymuje 0 losów, Osoba, która zajęła druge mejsce w elmacjach,

Bardziej szczegółowo

Laboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI

Laboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI Laboatoum Metod tatystyczych ĆWICZENIE WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI Oacowała: Katazya tąo Weyfkaca hotez Hoteza statystycza to dowole zyuszczee dotyczące ozkładu oulac. Wyóżamy hotezy: aametycze

Bardziej szczegółowo

Lista 6. Kamil Matuszewski 26 listopada 2015

Lista 6. Kamil Matuszewski 26 listopada 2015 Lsta 6 Kaml Matuszews 6 lstopada 5 4 5 6 7 8 9 4 5 X X X X X X X X X X X D X X N Gdze X-spsae, D-Delarowae, N-edelarowae. Zadae Zadae jest westą odpowedego pomalowaa. Weźmy sobe szachowcę x, poumerujmy

Bardziej szczegółowo

Gra ekonomiczna symulujca sterowanie gospodark narodow implementowana za pomoc systemu komputerowego wykorzystujcego sztuczn sie neuronow.

Gra ekonomiczna symulujca sterowanie gospodark narodow implementowana za pomoc systemu komputerowego wykorzystujcego sztuczn sie neuronow. Iera sstemowa - gra ekoomcza. Uwerstet Łódzk Wdzał Ekoomczo-Socologcz Keruek Iformatka Ekoometra Gra ekoomcza smuluca sterowae gospodark arodow mplemetowaa za pomoc sstemu komputerowego wkorzstucego sztucz

Bardziej szczegółowo

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ 9 Cel ćwczea Ćwczee 9 WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANE PODCZAS ZDERZENIA CIAŁ Celem ćwczea jest wyzaczee wartośc eerg rozpraszaej podczas zderzea cał oraz współczyka restytucj charakteryzującego

Bardziej szczegółowo

MODEL SHARP A - MIARY WRAŻLIWOŚCI

MODEL SHARP A - MIARY WRAŻLIWOŚCI MODEL SHARP A - MIARY WRAŻLIWOŚCI Współzależość cech Rozważam jedostk zborowośc badae ze względu a dwe, lub węcej zmech W przpadku obserwacj opartch a dwóch zmech możem wkreślć dagram korelacj. Każda obserwacja

Bardziej szczegółowo

teorii optymalizacji

teorii optymalizacji Poltechka Gdańska Wydzał Oceaotechk Okrętowctwa St. II stop. se. I Podstawy teor optyalzac wykład 7 M. H. Ghae Ma 5 Podstawy teor optyalzac Oceaotechka II stop. se. I 5 Podstawy teor optyalzac Oceaotechka

Bardziej szczegółowo

Plan wykładu. Sztuczne sieci neuronowe. Sie Hopfielda. Sieci Hopfielda w praktyce. Wykład 9: Sieci rekurencyjne. Sieci rekurencyjne:

Plan wykładu. Sztuczne sieci neuronowe. Sie Hopfielda. Sieci Hopfielda w praktyce. Wykład 9: Sieci rekurencyjne. Sieci rekurencyjne: Pla wkładu Sec rekurece: Wkład 9: Sec rekurece Se Hammga Se tpu BAM Se RRN Se Elmaa Małgorzata Krtowska Katedra Oprogramowaa e-mal: mmac@.pb.balstok.pl Se Hopfelda Włacwoc: weca to wca ch euroów brak własego

Bardziej szczegółowo

Wymiarowanie przekrojów stalowych

Wymiarowanie przekrojów stalowych Wmarowae przekrojów stalowch Program służ o prostch, poręczch oblczeń ośośc przekrojów stalowch. Pozwala o a oblczea przekrojów obcążoch: mometem zgającm [km], mometem zgającm [km], słą połużą [k]. Przekroje

Bardziej szczegółowo

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10) Tablca Galtoa. Mechaczy model rozkładu ormalego (M) I. Zestaw przyrządów: Tablca Galtoa, komplet kulek sztuk. II. Wykoae pomarów.. Wykoać 8 pomarów, wrzucając kulk pojedyczo.. Uporządkować wyk pomarów,

Bardziej szczegółowo

KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny

KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA Adra Kapczyńsk Macej Woly Wprowadzee Rozwój całego spektrum coraz doskoalszych środków formatyczych

Bardziej szczegółowo

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych dr Ewa Wycka Wyższa Szkoła Bakowa w Gdańsku Wtold Komorowsk, Rafał Gatowsk TZ SKOK S.A. Statystycza aalza mesęczych zma współczyka szkodowośc kredytów hpoteczych Wskaźk szkodowośc jest marą obcążea kwoty/lczby

Bardziej szczegółowo

[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7

[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7 6. Przez 0 losowo wybrayh d merzoo zas dojazdu do pray paa A uzyskują próbkę x,..., x 0. Wyk przedstawały sę astępująo: jest to próbka losowa z rozkładu 0 0 x 300, 944. x Zakładamy, że N ( µ, z ezaym parametram

Bardziej szczegółowo

Rachunek różniczkowy funkcji wielu zmiennych

Rachunek różniczkowy funkcji wielu zmiennych Iormaa - Wład 9 - dr Bogda Ćmel cmelbog@ma.ag.edu.pl Racue różczow ucj welu zmec Z uwag a prosoę zapsu ławe erpreacje gracze ograczm sę jede do ucj lub zmec. Naurale uogólea wprowadzac pojęć a ucje zmec

Bardziej szczegółowo

Elementy arytmetyki komputerowej

Elementy arytmetyki komputerowej Elemety arytmetyk komputerowej cz. I Elemety systemów lczbowych /materał pomocczy do wykładu Iformatyka sem II/ Sps treśc. Wprowadzee.... Wstępe uwag o systemach lczbowych... 3. Przegląd wybraych systemów

Bardziej szczegółowo

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania MODELOWANIE I PODSTAWY IDENTYFIKACJI

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania MODELOWANIE I PODSTAWY IDENTYFIKACJI Poltechka Gdańska Wydzał Elektrotechk Automatyk Katedra Iżyer Systemów Sterowaa MODELOWANIE I PODSAWY IDENYFIKACI Wybrae zagadea z optymalzacj. Materały pomoccze do zajęć ćwczeowych 5 Opracowae: Kazmerz

Bardziej szczegółowo

FINANSE II. Model jednowskaźnikowy Sharpe a.

FINANSE II. Model jednowskaźnikowy Sharpe a. ODELE RYNKU KAPITAŁOWEGO odel jedowskaźkowy Sharpe a. odel ryku kaptałowego - CAP (Captal Asset Prcg odel odel wycey aktywów kaptałowych). odel APT (Arbtrage Prcg Theory Teora artrażu ceowego). odel jedowskaźkowy

Bardziej szczegółowo

Ćwiczenia 10 KORELACJA

Ćwiczenia 10 KORELACJA Ćwczea 0 KORELACJA Zadae W odażu przeprowadzom przed wboram prezdecm aazowao poparce da addatów A B W zaprezetowao w tabe: Y addat X płeć A B M 0 40 K 0 30 00 a Naeż prawdzć cz wbór addata a prezdeta zaeż

Bardziej szczegółowo

Linie regresji II-go rodzaju

Linie regresji II-go rodzaju Lam regresj II-go rodzaju zmeej () względem () azwam zadae krzwe g(;,, ) oraz h(;,, ) gd spełają oe odpowedo waruk: E E Le regresj II-go rodzaju ( ( )) ( ) ( ) ( ) ( ) g ;,,... g ;,,... f, dd m,,... (

Bardziej szczegółowo

WRAŻLIWOŚĆ WYNIKU TECHNICZNEGO ZAKŁADU UBEZPIECZEŃ NA ZMIANĘ POZIOMU REZERWY SZKODOWEJ

WRAŻLIWOŚĆ WYNIKU TECHNICZNEGO ZAKŁADU UBEZPIECZEŃ NA ZMIANĘ POZIOMU REZERWY SZKODOWEJ Aca Woy WRAŻLIWOŚĆ WYNIKU TECHNICZNEGO ZAKŁADU UBEZPIECZEŃ NA ZMIANĘ POZIOMU REZERWY SZKODOWEJ Wstęp Załad ubezpeczeń est zobgoway do tworzea fuduszu ubezpeczeowego sładaącego sę z rezerw techczo-ubezpeczeowych

Bardziej szczegółowo