QUASI- KLASYCZNA ANALIZA DECYZJI ZŁOŻONYCH

Wielkość: px
Rozpocząć pokaz od strony:

Download "QUASI- KLASYCZNA ANALIZA DECYZJI ZŁOŻONYCH"

Transkrypt

1 QUASI- KLASYCZNA ANALIZA DECYZJI ZŁOŻONYCH Mace WOLNY Wydzał Organzac Zarządzana Poltechnka Śląska ul. Roosevelta 26-28, Zabrze mal: Streszczene. Artykuł prezentue koncepcę welokryteralnego dyskretnego problemu decyzynego przedstawonego w postac weloosobowe gry koordynac oraz analzę tego problemu w kontekśce określana progów substytuc pomędzy celam. Gracza utożsama decydent rozpatruący problem z punktu wdzena ednego celu spośród skończonego zboru celów, które chce osągnąć poprzez podęce konkretne decyz. Gra tym samym rozgrywana est pomędzy celam. Przedstawono główne problemy zwązane z nformacam, które decydent potraf chce uawnć w procese podemowana decyz oraz w ak sposób uęte zostae to w modelu. Zaprezentowana analza ma na celu wspomagane decydenta w podemowanu złożonych decyz poprzez awne przedstawene granc substytuc mędzy celam. Określene sytuac, w których pewne krytera ne maą stotnego wpływu na podęce decyz. Tym samym reprezentowane przez te krytera cele, które perwotne decydent zakładał uwzględnać, są dyskrymnowane. 1. Wprowadzene Problematyka analzy decyz złożonych dotyczy sytuac welokryteralnego podemowana decyz, w których rozważany est zbór warantów decyzynych w odnesenu do skończonego zboru kryterów (reprezentuącego stotne dla decydenta cechy decyz. Każde kryterum generue funkcę ocen warantów decyzynych, która porządkue waranty ze względu na dane kryterum. W procese podemowana decyz oceny warantów są optymalzowane ze względu na krytera (bez utraty ogólnośc rozważań można założyć, że wartośc wszystkch funkc ocen warantów decyzynych są maksymalzowane. Defnca matematyczna welokryteralnego problemu decyzynego est przedstawona ponże (Galas n Nech X będze zborem dopuszczalnych warantów decyzynych takm, że dla wszystkch x X spełnone są warunk ogranczaące nałożone na waranty wynkaące z dane sytuac decyzyne, oraz nech x est dowolnym, dopuszczalnym warantem decyzynym, f nech będze -tą funkcą celu ( = 1,2,...,m określoną na X, F(X będze wektorem grupuącym wszystke funkce celu, wtedy welokryteralny problem decyzyny można przedstawć ako program:

2 max F( x = max[ f (x, f (x..., f (x,..., f (x]. (1 x X x X 1 Istnee wele metod rozwązywana welokryteralnych problemów decyzynych. Wybór metody est uzależnony od systemu wartośc, który reprezentue decydent oraz nformac dotyczących preferenc, które można uzyskać od decydenta. Obektywne można wyróżnć dwe klasy sytuac decyzynych przy rozważanych problemach: sytuace względne trywalne, czyl take w których stnee nepusty zbór rozwązań domnuących. Przy czym zbór rozwązań domnuących A defnue sę następuąco: A = { xˆ ; xˆ F( xˆ F( x ; xˆ,x X } ; (2 sytuace, w których zbór A est pusty. Zborem rozwązań est wówczas zbór warantów B, do którego należą wszystke waranty nezdomnowane (sprawne, Paretooptymalne, poloptymalne, czyl: B = { x; & ( x F( x F( x & ; x,x & X }. (3 Dalsze rozważana będą dotyczyły sytuac, w których zbór A est pusty. Ne mne zawsze A B, dlatego będzemy traktowal sytuacę perwszą ako szczególny przypadek druge. Welokryteralny dyskretny problem decyzyny (WDPD występue wtedy, gdy zbór warantów decyzynych est skończony znany decydentow. W rzeczywstych problemach bardzo często decydent ma do czynena właśne ze skończonym zborem decyz dopuszczalnych, w nnesze pracy rozważane węc będą tylko take problemy. Naczęśce zadane takego, problemu sprowadza sę do znalezena nalepszego warantu. Powstae pytane: w ak sposób można znaleźć ten warant? Nemożlwym est rozwązane tego problemu, bez uzyskana dodatkowych nformac od decydenta. Informace te mogą dotyczyć ważnośc celów, które chce osągnąć decydent przez podęce określone decyz. Naważnesze ednak est, aby uzyskać nformacę dotyczącą systemu wartośc preferenc decydenta. Jeżel na przykład system wartośc decydenta cechue leksykografczny porządek celów, to problem welokryteralny sprowadza sę do m problemów ednokryteralnych. Jednak naczęśce bywa tak, że problem ne sprowadza sę do zadana programowana leksykografcznego, dlatego stotą problemu stae sę określene substytuc pomędzy celam. Innym słowy mus zostać określona reguła agregac ocen warantów decyzynych. Generalne problem agregac sprowadza sę do trzech koncepc (Roy 1990: 1 Koncepca z poedynczym kryterum syntetycznym (metakryterum należy zdefnować funkcę K, zwaną funkcą agregac, która agregue oceny według wszystkch kryterów w edną ocenę syntetyczną, problem zostae sprowadzony do problemu ednokryteralnego optymalzuemy funkcę agregac. 2 Koncepca syntetycznego przewyższana (Roy 1990; Roy, Bouyssou 1993 polega na zbudowanu relacynego systemu przewyższana, przy czym relacę przewyższana można zdefnować ako ne gorsze nż. Stwerdzene, że warant x A przewyższa x B uznae sę za zasadne, eżel wektory ocen F(x A F(x B spełnaą pewne warunk, podane w forme testów na przewyższane. W odróżnenu od koncepc z poedynczym kryterum, opsywana koncepca ne wyklucza sytuac neporównywalnośc. 3 Koncepca lokalne oceny z teracam typu prób błędów w odróżnenu od dwóch pozostałych koncepc ne wymaga określone reguły agregac. Agregaca polega na uzyskanu od decydenta nformac o systeme wartośc na podstawe cyklcznych pytań odpowedz odpowedno sformułowanych. Na podstawe odpowedz wyodrębna sę 2 m

3 podzbory zboru B (rozwązań sprawnych, tak długo aż uzyska sę zbór decyz nalepszych. Decydent w ten sposób uawna nformace w sposób lokalny, fragmentaryczne po każde faze odpowedz. Powyższe koncepce traktue sę ako klasyczne podeśce do analzy decyz złożonych. Każda z opsanych powyże koncepc wskazue, że naważneszym elementem w procese rozwązywana WDPD est określene ścsłych reguł substytuc mędzy celam, które chce osągnąć decydent przez podęce decyz. Koncepca lokalne oceny z teracam est nastawona strcte na cel, czyl podęce nalepsze decyz. Bez względu w ak sposób, naważneszym est, aby decydent wskazał ostateczne warant nalepszy. W dwóch perwszych koncepcach est wymagane przedstawene explcte w ak sposób następue wymana wartośc ocen mędzy celam dla każde decyz. 2. WDPD ako dwuosobowa gra o sume zero WDPD z punktu wdzena teor ger nterpretue sę ako dwuosobową grę (Konarzewska-Gubała Perwszy gracz est utożsamany z osobą wyberaącą określony warant decyzyny, zbór ego strateg postępowana (strateg czystych stanow zbór warantów decyzynych X. Poneważ zbór ten est skończony zdefnumy go ako: X = {x,...,x,...,x }. (4 1 Drug gracz gra kryteram, które uwzględnaą pewne kontrolne wskaźnk, które ma spełnać podemowana decyza. Wypłaty graczy są określone przez funkcę F(x dla każdego x ze zboru X. Zakłada sę, że wszystke funkce kryteralne f (x dla =1,2,...,m przymuą w zborze X wartośc z te same skal te same ednostk mary. Regułą wyboru strateg est reguła maksmnu. Dana est tablca ocen warantów decyzynych (Tablca 1. Tablca 1 Oceny warantów decyzynych, przy czym f (x est oceną -tego warantu względem - tego kryterum. Gracz II f 1 K f K f m. x 1 f 1 (x 1 K f (x 1 K f m. (x 1 M M M M M M Gracz I x f 1 (x K f (x K f m. (x M M M M M M x n f 1 (x n K f (x n K f m. (x n n Wobec reguły polegaące na wyborze strateg, dla które gracz otrzymue maksymalną z mnmalnych wygranych, wartość te wygrane wynos: V = max mn f ( x. (5 (

4 Załóżmy, że maksmum poszczególnych mnmów osągamy dla wskaźnka 0. Wobec czego strategą optymalną (a tym samym nalepszym warantem decyzynym est stratega x 0, która gwarantue, że żadna funkca celu ne będze mała nższe wartośc nż: V 0 = mn f ( x0. (6 ( W przypadku, gdy wartośc f (x dla =1,2,...,m pochodzą z różnych skal o różnych ednostkach mary poszukuemy take funkc użytecznośc, do które można odneść wartośc funkc celów. W takm przypadku tablca ocen warantów decyzynych ne zawera poszczególne wartośc wszystkch funkc celu, lecz wartośc funkc użytecznośc zmenaących ednostk dane funkc celu w ednostk obrane funkc użytecznośc. Problem wtedy rozwązue sę analogczne. Ogólne problem sprowadza sę do właścwego unormowana skal ednostek tak, aby były porównywalne. Naczęśce normowane polega na zbudowanu bezwymarowych mar akośc warantów decyzynych, na przykład przy zastosowanu odchyleń względnych (7. Stosue sę wtedy kryterum mnmaksowe. max f ( x f ( x w ( x = (7 max f ( x Cekawym est, że WDPD przedstawony w postac dwuosobowe gry rozważa sę z punktu wdzena gracza graącego kryteram. Gracz ten maksymalzue (lub mnmalzue w zależnośc od unormowana ocen swoe wygrane uwzględnaąc stratege gracza, który gra warantam decyzynym. Analzuąc daną grę nasuwa sę wele pytań, na przykład ak nterpretować gracza graącego warantam, czy elementy macerzy wypłat są stratam tego gracza? Jeżel są stratam, to ak należy e nterpretować? Warto zauważyć, że w przedstawonych modelach teorogrowych poszukue sę takego rozwązana WDPD, dla którego pozom osągnęca welokryteralnego celu ne będze nższy od pewnego mnmum, czyl de facto ne stnee tu żadna z koncepc agregac. Otrzymane rozwązane problemu będze rozwązanem sprawnym, dla którego żaden z celów cząstkowych ne będze osągnęty na pozome nższym nż owe mnmum. Modele te ne uwzględnaą żadne z koncepc agregac, ne ma substytuc mędzy pozomam osągana celów cząstkowych. 3. WDPD ako kooperacyna gra koordynac 3.1. Gra koordynac Rozpatrzmy problem decyzyny, w którym pewna zborowość składaąca sę z m osób ma podąć decyzę dotyczącą wyboru ednego z n warantów. Każda z osób wchodzących w skład owe zborowośc chce przez podęce decyz osągnąć swó własny cel partykularny maąc do dyspozyc n strateg postępowana, które polegaą na wyborze ednego z możlwych warantów decyzynych. Potraktumy każdy z celów, które chce osągnąć decydent, ako gracza (czyl utożsamamy osobę wchodzącą w skład cała decydenckego z celem, który chce osągnąć przez podęce decyz. Wypłaty gracza są określone przez wartośc ocen decyz

5 według danego kryterum będącego mernkem osągnęca konkretnego celu. Przy czym wartośc te są neuemne. W przypadku WDPD z dwoma kryteram, problem można przedstawć w postac Tablca 2 Wypłaty kooperacyne gry koordynac dla problemu decyzynego z dwoma kryteram. Gracz f 2 x 1 K x K x n x 1 f 1 (x 1, f 2 (x 1 K 0,0 K 0,0 M M M M M M Gracz f 1 x 0,0 K f 1 (x, f 2 (x K 0,0 M M M M M M x n 0,0 K 0,0 K f 1 (x n, f 1 (x n macerzy (tablca 2. Każdy z graczy we, że wszyscy muszą grać tą samą strategą. W tym celu mus być całkowty przepływ nformac pomędzy graczam, aby gracze mogl sę porozumewać w celu ustalena nalepsze strateg. Gracze muszą ustalć pewną wymenalność swoch wypłat. Wynkem gry pownna być edna stratega, to znaczy wszyscy gracze muszą ustalć dokładne edną strategę oznaczaącą ten sam warant decyzyny (będący rozwązanem problemu. Wyże opsana gra opsue bardzo dobrze sytuacę decyzyną dotyczącą WDPD w odnesenu do wyboru ednego nalepszego warantu decyzynego ze względu na wszystke krytera. Powstae pytane o celowość przedstawana WDPD w postac wyże opsane gry. Zbór rozwązań Paretooptymalnych B est konsekwencą tego, że cele ne są zgodne, cele często są sprzeczne (Galas, Nykowsk 1987, to znaczy, że warant nalepszy względem ednego kryterum, względem nnego może być nagorszy. Przedstawene konflktu celów, a tym samym nemożność osągnęca wszystkch zamerzonych celów ednocześne, wspomaga decydenta przy podemowanu decyz. Pozostae problem rozwązana WDPD w przedstawone postac oraz analza modelu w przypadkach kooperac e braku. W rozważane grze stnee dokładne n równowag Nasha w strategach czystych, przy czym równowagę Nasha dla ger nekooperacynych można zdefnować ako taką m-tkę strateg, przy których żaden z graczy ne chce zrezygnować ze swoe strateg (w równowadze (Owen W rozpatrywanym modelu równowag są osągane, gdy gracze stosuą te same statege, czyl: 1 2 m Pk = ( xk,xk,...,xk dla k = 1,2,...,n, (8 przy czym P k est równowagą Nasha w zborze strateg czystych o numerze k. Łatwo zauważyć, że wszystkch równowag Nasha w zborze strateg czystych w grze est n. Zakładaąc, że gracze ne mogą sę porozumewać, rozważany problem dotyczy koordynac zachowana graczy tak, by wszyscy ednocześne wybral tą samą strategę (czyl rozwązanem gry była konkretna równowaga. W tym przypadku mamy do czynena z problemem optymalzac wektorowe, czyl mogą zastneć dwa przypadk: 1 2 m rozwązanem gry est równowaga, ( x,x,...,x *, która domnue pozostałe, czyl: k k k

6 1 2 m 1 2 m H ( xk, xk,..., xk * H ( x, x,..., x dla = 1,2,..., n, (9 1 2 m przy czym H ( x, x,..., x est funkcą wektorową określaącą wypłaty graczy przy dane równowadze; brak est równowag domnuące, czyl est to zbór rozwązań nezdomnowanych (3. Perwszy przypadek określony został ako trywalny, węc zammy sę sytuacą, w które gracze-cele muszą kooperować w celu maksymalzac wypłat. Kooperaca graczy-celów est możlwa tylko w przypadku, gdy decydent uawn dodatkowe nformace o swoch preferencach Koncepca kooperacyne gry koordynac Zakładamy, że decydent uawna ważność każdego z celów, które chce osągnąć, poprzez przypsane wag β każdemu z celów. Waga ta określa ważność danego celu w odnesenu do pozostałych spełna warunk (10 oraz (11: m = 1 β 1, (10 = β > 0 dla 1,2,...,m, (11 = Przypsane wag każdemu z celów, ne wystarcza, aby rozwązać problem. Załóżmy, że decydent uznae, że następue pełny przepływ nformac medzy graczam-celam. Odnosząc założene do perwotnego problemu WDPD, cało decydencke (ednostka lub zborowość pragnąc rozwązać problem określa w sposób awny lub ne, pewną substytucę mędzy pozomam osągnęca poszczególnych celów. Otrzymuemy węc model w postac kooperacyne gry koordynac. Znormalzumy wypłaty graczy tak, aby otrzymane wartośc określały pozom osągnęca danego celu. Na przykład według następuącego wzoru: f ( x mn f ( x f ' ( x =. (12 max f ( x mn f ( x Zbór wszystkch graczy-celów oznaczmy przez N: N = {1,2,...,m }, (13 każdy nepusty podzbór S zboru N stanow koalcę celów. Funkca charakterystyczna gry v określa dla każdego nepustego podzboru N wartość wygrane dane koalc: max β f ' ( x dla β λ S S v( S = (14 β f ' ( x dla β < λ oraz = arg max β f ' ( x, ( S S S przy czym f ' ( x est unormowaną wypłatą (oceną warantu gracza przy zastosowanu strateg x oraz λ est wskaźnkem, który określa krytyczną wartość ważnośc koalc

7 (określaącą wystarczaący wpływ na wybór równowag, czyl decyz w probleme perwotnym. Wartość λ wynos co namne 0,5. Budowa funkc charakterystyczne uwzględna reguły gry. Z ne mędzy nnym wynka, że wag β określaą ednoznaczne substytucę mędzy pozomam osągnęca celów. Można zbudować metakryterum w postac lnowe kombnac wypukłe (Ignasak 1996, Roy 1990 (dla λ =1 oraz podać awne współczynnk substytuc mędzy celam: β dla, * N. (15 β * Wskaźnk te nformuą o le ednostek mus wzrosnąć pozom celu * aby pokryć spadek pozomu celu o ednostkę. W postac awne, dla wartośc przed normalzacą otrzymuemy: β max f * ( x mn f * ( x dla, * N. (16 max f ( x mn f ( x β * Powyższe wskaźnk nformuą o le ednostek mus wzrosnąć ocena warantu względem kryterum (kryterum ako mernk osągnęca danego celu * aby znwelować spadek o ednostkę oceny dane decyz względem kryterum. Z funkc charakterystyczne wynka równeż, że w przedstawonym podeścu zakłada sę substytucę określoną przez wag ako możlwą edyne w przypadku małe konflktowośc graczy wchodzących w skład koalc w odnesenu do ważnośc koalc. Poneważ warunek superaddytywnośc mus być zachowany oraz wypłata koalc puste wynos 0, czyl: v( S T v( S + v(t esl S T =,T N oraz S N, (17 v ( = 0, (18 węc WDPD ako kooperacyną grę koordynac w postac funkc charakterystyczne możemy określć przez wyrażene (14, przy uwzględnenu warunków (17 (18. Gracze łączą sę w koalce, które maą dostateczną ważność do podęca decyz oraz zysk z przynależnośc do koalc est nawększy. Zysk z z przynależnośc gracza do koalc est dany wzorem (19, natomast podzał wygrane w koalc est ścśle określony przez wag nadane graczom-celom: β v( S z S =. (19 β S Zbór koalc maących dostateczną ważność do podęca decyz W defnuemy następuąco: W = { S S N β λ }, (20 S zbór koalc R, w które będą łączyć sę gracze est podany przez (21: R = { S W S,max z }, (21 S N S S

8 zbór koalc R*, które tworzą gracze-cele mogący sam podąć decyzę oraz realzuący sę na nawyższym możlwym pozome dla te same strateg, czyl warantu decyzynego zadana perwotnego est postac: R* = { S W S,max z }. (22 S N Rozwązane problemu poszukuemy dla R*. Jeżel zbór ten est ednoelementowy, wtedy otrzymuemy rozwązane dla dane koalc. W pozostałych przypadkach należy rozważyć zbór R koalc wymagać od decydenta uawnene kolenych nformac dotyczących ego referenc Przykład lczbowy Tablca 3. Tablca ocen warantów ocen decyzynych. f 1 f 2 f 3 f 4 f 5 x x x x x x x , x , X x x x S Dany est problem decyzyny w postac tablcy ocen warantów decyzynych (tablca 3,

9 przy czym f, (=1,...,5 oznacza kryterum, x, (=1,...,12 warant decyzyny. Krytera f 1 f 5 są mnmalzowane, pozostałe maksymalzowane oraz decydent każdy cel traktue równoważne. Problem polega na tym, że decydent ma podąć edną decyzę spośród możlwych decyz x ze względu na cele reprezentowane przez krytera f. Oceny warantów decyzynych unormowano według wzoru max f ( x f ( x f ' ( x = (23 max f ( x mn f ( x dla kryterum mnmalzowanego, oraz f ( x mn f ( x f ' ( x = (24 max f ( x mn f ( x dla kryterum maksymalzowanego. Unormowana ocena wskazue stopeń osągnęca danego celu w odnesenu do pozostałych warantów decyzynych. Unormowane oceny traktuemy ako wypłaty graczy. Decydent zastrzegł, że substytuca mędzy poszczególnym celam, które chce osągnąć przez podęce decyz est dozwolona w przypadku, gdy stopeń konflktu est namneszy, czyl m bardze zbeżne cele tym bardze zasadna substytuca pomędzy nm (a tym samym weśce do wspólne koalc. Decydent uznał, że w przypadku dostatecznego znaczena koalc celów, które zostałyby osągnęte na nawyższym pozome, akceptue sytuace dyskrymnac celów ne należących do te koalc oraz sumaryczne ne będących ważneszym od te koalc ( λ = 0, 5. Wartośc funkc charakterystyczne gry dane przepsem (14 dla koalc maących decyduący wpływ na podęce decyz przedstawa tablca 4. Kolene kolumny tabel przedstawaą sumaryczną wygraną koalc S oraz koalc przecwne N-S oraz decyzę podętą w przypadku, gdy zawąże sę koalca S. Tablca ukazue równeż zysk poszczególnych graczy, gdy należą do koalc dopuszczalne oraz maące dostateczną

10 Tablca 4. Wartośc funkc charakterystyczne gry dla koalc maących decyduący wpływ na podęce decyz. S V(S v(s+v(n-s decyza "zysk" z przynależnośc do koalc R R* =1 =2 J=3 =4 =5 {1,2,3} 0,582 0, ,194 0,194 0,194 * * {1,2,4} 0,569 0, ,19 0,19 0,19 * {1,2,5} 0,4 0, ,133 0,133 0,133 {1,3,4} 0,545 0, ,182 0,182 0,182 {1,3,5} 0,388 0, ,129 0,129 0,129 {1,4,5} 0,386 0, ,129 0,129 0,129 {2,3,4} 0,55 0, ,183 0,183 0,183 {2,3,5} 0,421 0, ,14 0,14 0,14 {2,4,5} 0,401 0, ,134 0,134 0,134 {3,4,5} 0,368 0, ,123 0,123 0,123 {1,2,3,4} 0,732 0, ,183 0,183 0,183 0,183 {1,2,3,5} 0,582 0, ,145 0,145 0,145 0,145 {1,2,4,5} 0,573 0, ,143 0,143 0,143 0,143 {1,3,4,5} 0,55 0, ,137 0,137 0,137 0,137 {2,3,4,5} 0,555 0, ,139 0,139 0,139 0,139 {1,2,3,4,5} 0,737 0, ,147 0,147 0,147 0,147 0,147 * ważność. Ostatne dwe kolumny nformuą czy określona koalca należy do zborów zdefnowanych wzoram (21 (22. W rozważanym przykładze zbór koalc maących dostateczną ważność (20 est ednoelementowy. Koalca graczy-celów {1,2,3} est dostateczne ważna, ażeby meć decyduący wpływ na podęce decyz o stosowanu odpowedne strateg (równowag oraz est nabardze opłacalna dla każdego z graczy. Gracze {4,5} muszą podporządkować sę stosuą równeż strategę wynkaącą z równowag numer 1. Cele reprezentowane przez tych graczy są dyskrymnowane ne maą stotnego wpływu na podęce decyz. 4. Podsumowane Proponowany model welokryteralnego dyskretnego problemu decyzynego ako kooperacyne gry koordynac lustrue w sposób ogólny deę welokryteralnego dyskretnego problemu decyzynego. Ops problemu werne oddae zagadnene w odnesenu do wyboru edne z możlwych decyz. Zaprezentowane rozwązane opera sę na dyskrymnac graczy. Identyfkue sę koalcę graczy, która ma decyduący wpływ na podemowaną decyzę, przedstawaąc problem w kategorach konflktu lub zgodnośc celów, które traktue sę ako graczy. Postać funkc charakterystyczne pownna być ścśle zwązana z systemem wartośc (preferenc decydenta. Reguła agregac, sytuace warunk wymenalnośc wypłat (substytuca oraz reguły gry muszą być odwzorowane przez wartośc funkc charakterystyczne. Przedstawona koncepca funkc charakterystyczne (14 opera sę na dwóch głównych przesłankach:

11 w WDPD często nemożlwe est osągnęce wszystkch założonych celów, wec dyskrymnue sę graczy-cele konflktowych w stosunku do koalc graczy zgodnych na tyle ważnych, że podece decyz tylko przy ch uwzględnenu est aprobowane przez decydenta; substytuca, czyl wymenalność wypłat est tym bardze zasadna, m wększa zgodność graczy-celów, tym samym bardze zasadne łączene sę tych graczy w koalce. W zależnośc od tego czy decydent akceptue daną sytuacę może pogodzć sę z tym, że ne osągne wszystkch celów lub zmeć ważność tych celów, które ne maą stotnego znaczena, redefnuąc problem. Przedstawene WDPD w postac gry koordynac może wspomóc decydenta w podemowanu decyz. Decydent pownen zdawać sobe sprawę z tego uż na etape opsu problemu, że pewne cele będą zbeżne, a nektóre sprzeczne ze sobą. Lteratura Amelańczyk A. (1984 Optymalzaca welokryteralna w problemach sterowana zarządzana, PTC, Warszawa. Galas Z., Nykowsk I., Żółkewsk Z. (1987 Programowane welokryteralne, PWE, Warszawa. Ignasak E. (1996 Badana operacyne, PWE, Warszawa. Jurek R. (1997 Metoda dentyfkac znaczena kryterów w welokryteralnym dyskretnym wspomaganu decyz. W: T. Trzaskalk, red., Zastosowana badań operacynych, Absolwent, Łódź. Kałusk J. (1996 Podstawy teor ger. Wyd. Prac. Komp. Jacka Skalmerskego, Glwce. Konarzewska-Gubała E. (1980 Programowane przy welorakośc celów, PWN, Warszawa. Malawsk M., Weczorek A., Sosnowska H. (1997 Konkurenca kooperaca. Teora ger w ekonom naukach społecznych, PWN, Warszawa. Owen G.(1975 Teora Ger, PWN, Warszawa. Paulusma D. (2001 Complexty Aspects of Cooperatve Games, Twente Unwersty Press Roy B. (1990 Welokryteralne wspomagane decyz, WNT, Warszawa. Roy B., Bouyssou D.(1993 Ade Multcrtere a la Decson: Methodes et Cas, Economca, Pars.

RÓWNOWAGA STACKELBERGA W GRACH SEKWENCYJNYCH

RÓWNOWAGA STACKELBERGA W GRACH SEKWENCYJNYCH Stansław KOWALIK e-mal: skowalk@wsb.edu.pl Wyższa Szkoła Bznesu Dąbrowa Górncza RÓWNOWAGA STACKELBERGA W GRACH SEKWENCYJNYCH Streszczene Praca dotyczy nekooperacynych sekwencynych ger dwuosobowych o sume

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Problem plecakowy (KNAPSACK PROBLEM).

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

Bardziej szczegółowo

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

Badania operacyjne w logistyce i zarządzaniu produkcją

Badania operacyjne w logistyce i zarządzaniu produkcją Państwowa Wyższa Szkoła Zawodowa w Nowym Sączu Badana operacyne w logstyce zarządzanu produkcą cz. I Andrze Woźnak Nowy Sącz Komtet Redakcyny doc. dr Zdzsława Zacłona przewodncząca, prof. dr hab. nż. Jarosław

Bardziej szczegółowo

Wykład 1 Zagadnienie brzegowe liniowej teorii sprężystości. Metody rozwiązywania, metody wytrzymałości materiałów. Zestawienie wzorów i określeń.

Wykład 1 Zagadnienie brzegowe liniowej teorii sprężystości. Metody rozwiązywania, metody wytrzymałości materiałów. Zestawienie wzorów i określeń. Wykład Zagadnene brzegowe lnowe teor sprężystośc. Metody rozwązywana, metody wytrzymałośc materałów. Zestawene wzorów określeń. Układ współrzędnych Kartezańsk, prostokątny. Ose x y z oznaczono odpowedno

Bardziej szczegółowo

Wykład 2: Uczenie nadzorowane sieci neuronowych - I

Wykład 2: Uczenie nadzorowane sieci neuronowych - I Wykład 2: Uczene nadzorowane sec neuronowych - I Algorytmy uczena sec neuronowych Na sposób dzałana sec ma wpływ e topologa oraz funkconowane poszczególnych neuronów. Z reguły topologę sec uznae sę za

Bardziej szczegółowo

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy rozkroju materiałowego, zagadnienia dualne

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy rozkroju materiałowego, zagadnienia dualne Instrukca do ćwczeń laboratorynych z przedmotu: Badana operacyne Temat ćwczena: Problemy rozkrou materałowego, zagadnena dualne Zachodnopomorsk Unwersytet Technologczny Wydzał Inżyner Mechanczne Mechatronk

Bardziej szczegółowo

Wykład 2: Uczenie nadzorowane sieci neuronowych - I

Wykład 2: Uczenie nadzorowane sieci neuronowych - I Wykład 2: Uczene nadzorowane sec neuronowych - I Algorytmy uczena sec neuronowych Na sposób dzałana sec ma wpływ e topologa oraz funkconowane poszczególnych neuronów. Z reguły topologę sec uznae sę za

Bardziej szczegółowo

1.1 Analiza decyzji- tablica decyzyjna, klasyfikacja

1.1 Analiza decyzji- tablica decyzyjna, klasyfikacja A. Kaspersk, M. Kule BO- Analza decyz, drzewa decyzyne, elementy teor ger1 ANALIZA DECYZJI(AD) 1.1 Analza decyz- tablca decyzyna, klasyfkaca problemów W celu formalzac klasyfkac problemów decyzynych wprowadzmy

Bardziej szczegółowo

7. Wykład VII: Warunki Kuhna-Tuckera

7. Wykład VII: Warunki Kuhna-Tuckera Wocech Grega, Metody Optymalzac 7 Wykład VII: Warunk Kuhna-Tuckera 7 Warunk koneczne stnena ekstremum Rozważane est zadane z ogranczenam nerównoścowym w postac: mn F( x ) x X X o F( x ), o { R x : h n

Bardziej szczegółowo

Zarządzanie ryzykiem w przedsiębiorstwie i jego wpływ na analizę opłacalności przedsięwzięć inwestycyjnych

Zarządzanie ryzykiem w przedsiębiorstwie i jego wpływ na analizę opłacalności przedsięwzięć inwestycyjnych dr nż Andrze Chylńsk Katedra Bankowośc Fnansów Wyższa Szkoła Menedżerska w Warszawe Zarządzane ryzykem w rzedsęborstwe ego wływ na analzę ołacalnośc rzedsęwzęć nwestycynych w w w e - f n a n s e c o m

Bardziej szczegółowo

MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Prokop jproko@sgh.waw.pl

MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Prokop jproko@sgh.waw.pl MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Proko roko@sgh.waw.l Statyka dynamka olgoolstyczne struktury rynku. Modele krótkookresowe konkurenc cenowe w olgoolu.. Model ogranczonych mocy rodukcynych ako wyaśnene

Bardziej szczegółowo

n liczba zmiennych decyzyjnych c współczynniki funkcji celu a współczynniki przy zmienych decyzyjnych w warunkach

n liczba zmiennych decyzyjnych c współczynniki funkcji celu a współczynniki przy zmienych decyzyjnych w warunkach Problem decyzyny cel różne sposoby dzałana (decyze) warunk ogranczaące (determnuą zbór decyz dopuszczalnych) kryterum wyboru: umożlwa porównane efektywnośc różnych decyz dopuszczalnych z punktu wdzena

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

1 Analiza decyzji- tablica decyzyjna, klasyfikacja problemów

1 Analiza decyzji- tablica decyzyjna, klasyfikacja problemów A. Kaspersk, M. Kule BO- Analza decyz, drzewa decyzyne, elementy teor ger1 1 Analza decyz- tablca decyzyna, klasyfkaca problemów W celu formalzac klasyfkac problemów decyzynych wprowadzmy tzw tablcę decyzyną.

Bardziej szczegółowo

Algorytmy szukania równowag w grach dwumacierzowych

Algorytmy szukania równowag w grach dwumacierzowych Rozdzał 2 Algorytmy szukana równowag w grach dwumacerzowych 2. Algorytm Lemke-Howsona Dzseszy wykład pośwęcony będze temu, ak szukać równowag w grach dwumacerzowych. Poneważ temu były uż w wększośc pośwęcone

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

Podstawy teorii falek (Wavelets)

Podstawy teorii falek (Wavelets) Podstawy teor falek (Wavelets) Ψ(). Transformaca Haara (97).. Przykład pewne metody zapsu obrazu Transformaca Haara Przykład zapsu obrazu -D Podstawy matematyczne transformac Algorytmy rozkładana funkc

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

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

Bardziej szczegółowo

Zaawansowane metody numeryczne

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

Bardziej szczegółowo

Dobór procesora sygnałowego w konstrukcji regulatora optymalnego

Dobór procesora sygnałowego w konstrukcji regulatora optymalnego Pomary Automatyka Robotyka 10/2008 Dobór procesora sygnałowego w konstrukc regulatora optymalnego Marusz Pauluk Potr Bana Darusz Marchewka Mace Rosół W pracy przedstawono przegląd dostępnych obecne procesorów

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

Poszukiwanie optymalnego wyrównania harmonogramu zatrudnienia metodą analityczną

Poszukiwanie optymalnego wyrównania harmonogramu zatrudnienia metodą analityczną Mieczysław POŁOŃSKI Wydział Budownictwa i Inżynierii Środowiska, Szkoła Główna Gospodarstwa Wieskiego, Warszawa, ul. Nowoursynowska 159 e-mail: mieczyslaw_polonski@sggw.pl Poszukiwanie optymalnego wyrównania

Bardziej szczegółowo

u u u( x) u, x METODA RÓŻNIC SKOŃCZONYCH, METODA ELEMENTÓW BRZEGOWYCH i METODA ELEMENTÓW SKOŃCZONYCH

u u u( x) u, x METODA RÓŻNIC SKOŃCZONYCH, METODA ELEMENTÓW BRZEGOWYCH i METODA ELEMENTÓW SKOŃCZONYCH METODA RÓŻNIC SKOŃCZONYCH, METODA ELEMENTÓW BRZEGOWYCH METODA ELEMENTÓW SKOŃCZONYCH Szkc rozwązana równana Possona w przestrzen dwuwymarowe. Równane Possona to równae różnczkowe cząstkowe opsuące wele

Bardziej szczegółowo

Przykład 5.1. Kratownica dwukrotnie statycznie niewyznaczalna

Przykład 5.1. Kratownica dwukrotnie statycznie niewyznaczalna rzykład.. Kratownca dwukrotne statyczne newyznaczana oecene: korzystaąc z metody sł wyznaczyć sły w prętach ponższe kratowncy. const Rozwązane zadana rozpoczynamy od obczena stopna statyczne newyznaczanośc

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

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

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

Bardziej szczegółowo

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

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

Rozdział III Dynamiczna ocena projektów inwestycyjnych 1. Ocena projektu inwestycyjnego

Rozdział III Dynamiczna ocena projektów inwestycyjnych 1. Ocena projektu inwestycyjnego Rozdzał III Dynamczna ocena proektów nwestycynych. Ocena proektu nwestycynego,t Stopa nomnalna y 9 Przykład y w w K w 2 b w, 2 K w w,, w 2, Kb- stopa kosztu użyca kredytu bankowego ( z wyłączenem prowz

Bardziej szczegółowo

OPTYMALNY SYSTEM REKRUTACJI KANDYDATÓW DO SZKÓŁ. 1. Wstęp

OPTYMALNY SYSTEM REKRUTACJI KANDYDATÓW DO SZKÓŁ. 1. Wstęp B A D A N I A O P E R A C Y J N E I D E C Y Z J E Nr 3 4 2005 Zbgnew ŚWITALSKI* OPTYMALNY SYSTEM REKRUTACJI KANDYDATÓW DO SZKÓŁ Przedstawono uogólnene algorytmu Gale a Shapleya, wyznaczaącego optymalny

Bardziej szczegółowo

Zmodyfikowana technika programowania dynamicznego

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

Bardziej szczegółowo

ASPEKT SYTUACJI STATUS QUO WE WSPOMAGANIU WIELOKRYTERIALNEGO WYBORU BAZUJĄCEGO NA TEORII GIER

ASPEKT SYTUACJI STATUS QUO WE WSPOMAGANIU WIELOKRYTERIALNEGO WYBORU BAZUJĄCEGO NA TEORII GIER Macej Wolny ASPEKT SYTUACJI STATUS QUO WE WSPOMAGANIU WIELOKRYTERIALNEGO WYBORU BAZUJĄCEGO NA TEORII GIER Wprowadzene Zagadnena welokryteralne dotyczą sytuacj, w których rozpatruje sę elementy zboru dopuszczalnych

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

Plan wykładu. Sztuczne sieci neuronowe. Neuronu dyskretny. Neuron dyskretny (perceptron prosty)

Plan wykładu. Sztuczne sieci neuronowe. Neuronu dyskretny. Neuron dyskretny (perceptron prosty) Plan wykładu Dzałane neuronu dyskretnego warstwy neuronów dyskretnych Wykład : Reguły uczena sec neuronowych. Sec neuronowe ednokerunkowe. Reguła perceptronowa Reguła Wdrowa-Hoffa Reguła delta ałgorzata

Bardziej szczegółowo

Zastosowanie procedur modelowania ekonometrycznego w procesach programowania i oceny efektywności inwestycji w elektroenergetyce

Zastosowanie procedur modelowania ekonometrycznego w procesach programowania i oceny efektywności inwestycji w elektroenergetyce Waldemar KAMRAT Poltechna Gdańsa Katedra Eletroenergety Zastosowane procedur modelowana eonometrycznego w procesach programowana oceny efetywnośc nwestyc w eletroenergetyce Streszczene. W pracy przedstawono

Bardziej szczegółowo

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego

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

Bardziej szczegółowo

ANALIZA HARMONOGRAMÓW POWYKONAWCZYCH W BUDOWNICTWIE

ANALIZA HARMONOGRAMÓW POWYKONAWCZYCH W BUDOWNICTWIE ANALIZA HARMONOGRAMÓW POWYKONAWCZYCH W BUDOWNICTWIE Wocech BOŻEJKO Zdzsław HEJDUCKI Marusz UCHROŃSKI Meczysław WODECKI Streszczene: W pracy przedstawono metodę wykorzystana harmonogramów powykonawczych

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

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

Sortowanie szybkie Quick Sort

Sortowanie szybkie Quick Sort Sortowane szybke Quck Sort Algorytm sortowana szybkego opera sę na strateg "dzel zwycęża" (ang. dvde and conquer), którą możemy krótko scharakteryzować w trzech punktach: 1. DZIEL - problem główny zostae

Bardziej szczegółowo

SYSTEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE METODY KLASYFIKACJI. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

SYSTEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE METODY KLASYFIKACJI. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska. SYSEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE MEODY KLASYFIKACJI Częstochowa 4 Dr hab. nż. Grzegorz Dude Wydzał Eletryczny Poltechna Częstochowsa FUNKCJE FISHEROWSKA DYSKRYMINACYJNE DYSKRYMINACJA I MASZYNA LINIOWA

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ZASTOSOWANIE KLASYCZNEGO ALGORYTMU GENETYCZNEGO DO ROZWIĄZANIA ZBILANSOWANEGO ZAGADNIENIA TRANSPORTOWEGO

ZASTOSOWANIE KLASYCZNEGO ALGORYTMU GENETYCZNEGO DO ROZWIĄZANIA ZBILANSOWANEGO ZAGADNIENIA TRANSPORTOWEGO Studa Materały. Mscellanea Oeconomcae Rok 6, Nr 2/22 Wydzał Zarządzana Admnstrac Unwersytetu Jana Kochanowskego w Kelcach Z a r z ą d z a n e f n a n s e Rafał Prońko ZASTOSOWANIE KLASYCZNEGO ALGORYTMU

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

(Dantzig G. B. (1963))

(Dantzig G. B. (1963)) (Dantzig G.. (1963)) Uniwersalna metoda numeryczna dla rozwiązywania zadań PL. Ideą metody est uporządkowany przegląd skończone ilości rozwiązań bazowych układu ograniczeń, które możemy utożsamiać, w przypadku

Bardziej szczegółowo

WYKORZYSTANIE METODY MNOŻNIKÓW LAGRANGE A DO OCENY EFEKTYWNOŚCI PRODUKCJI NA PRZYKŁADZIE WYBRANYCH GRUP GOSPODARSTW ROLNYCH

WYKORZYSTANIE METODY MNOŻNIKÓW LAGRANGE A DO OCENY EFEKTYWNOŚCI PRODUKCJI NA PRZYKŁADZIE WYBRANYCH GRUP GOSPODARSTW ROLNYCH INSTYTUT EKONOMIKI ROLNICTWA I GOSPODARKI ŻYWNOŚCIOWEJ PAŃSTWOWY INSTYTUT BADAWCZY Agneszka Natala Barczak WYKORZYSTANIE METODY MNOŻNIKÓW LAGRANGE A DO OCENY EFEKTYWNOŚCI PRODUKCJI NA PRZYKŁADZIE WYBRANYCH

Bardziej szczegółowo

4. OPTYMALIZACJA WIELOKRYTERIALNA

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

Bardziej szczegółowo

6. ANALIZA POST-OPTYMALIZACYJNA analiza wrażliwości rozwiązania optymalnego

6. ANALIZA POST-OPTYMALIZACYJNA analiza wrażliwości rozwiązania optymalnego 6. ANALIZA POST-OPTYMALIZACYJNA analiza wrażliwości rozwiązania optymalnego Analiza wrażliwości est studium analizy wpływu zmian wartości różnych parametrów modelu PL na rozwiązanie optymalne. Na optymalne

Bardziej szczegółowo

Analiza alternatywnych systemów zaopatrzenia w energię budynków na etapie przygotowania inwestycji zgodnie z wymaganiami art. 5 Dyrektywy UE/91/2002

Analiza alternatywnych systemów zaopatrzenia w energię budynków na etapie przygotowania inwestycji zgodnie z wymaganiami art. 5 Dyrektywy UE/91/2002 NARODOWA AGNCJA POSZANOWANIA NRGII S.A. ul. Śwętokrzyska 20, 00-002 Warszawa tel. (0-22) 50 54 661, fax (0-22) 825 86 70 Analza alternatywnych systemów zaopatrzena w energę budynków na etape przygotowana

Bardziej szczegółowo

Sztuczne sieci neuronowe

Sztuczne sieci neuronowe Sztuczne sec neuronowe Jerzy Stefanowsk Plan wykładu 1. Wprowadzene 2. Model sztucznego neuronu. 3. Topologe sec neuronowych 4. Reguły uczena sec neuronowych. 5. Klasyfkaca sec neuronowych. 6. Sec warstwowe

Bardziej szczegółowo

Proces decyzyjny: 1. Sformułuj jasno problem decyzyjny. 2. Wylicz wszystkie możliwe decyzje. 3. Zidentyfikuj wszystkie możliwe stany natury.

Proces decyzyjny: 1. Sformułuj jasno problem decyzyjny. 2. Wylicz wszystkie możliwe decyzje. 3. Zidentyfikuj wszystkie możliwe stany natury. Proces decyzyny: 1. Sformułu sno problem decyzyny. 2. Wylcz wszyste możlwe decyze. 3. Zdentyfu wszyste możlwe stny ntury. 4. Oreśl wypłtę dl wszystch możlwych sytuc, ( tzn. ombnc decyz / stn ntury ). 5.

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

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

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

ANALIZA PREFERENCJI SŁUCHACZY UNIWERSYTETU TRZECIEGO WIEKU Z WYKORZYSTANIEM WYBRANYCH METOD NIESYMETRYCZNEGO SKALOWANIA WIELOWYMIAROWEGO

ANALIZA PREFERENCJI SŁUCHACZY UNIWERSYTETU TRZECIEGO WIEKU Z WYKORZYSTANIEM WYBRANYCH METOD NIESYMETRYCZNEGO SKALOWANIA WIELOWYMIAROWEGO Artur Zaborsk Unwersytet Ekonomczny we Wrocławu ANALIZA PREFERENCJI SŁUCHACZY UNIWERSYTETU TRZECIEGO WIEKU Z WYKORZYSTANIEM WYBRANYCH METOD NIESYMETRYCZNEGO SKALOWANIA WIELOWYMIAROWEGO Wprowadzene Od ukazana

Bardziej szczegółowo

Grupowanie. Wprowadzenie. Metody hierarchiczne. Modele mieszane (mixture models) Metody najmniejszych kwadratów. Zastosowania

Grupowanie. Wprowadzenie. Metody hierarchiczne. Modele mieszane (mixture models) Metody najmniejszych kwadratów. Zastosowania Grupowane Wprowadzene Metody herarchczne Modele meszane (mxture models) Metoda Expectaton-maxmzaton (EM) Metody namneszych kwadratów Krytera akośc grupowana Algorytm k-średnch Zastosowana Statstcal Pattern

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

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

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

Bardziej szczegółowo

ZASTOSOWANIE ZBIORÓW ROZMYTYCH W JEDNOETAPOWYM PROCESIE PODEJMOWANIA DECYZJI PRZEZ JEDNEGO DECYDENTA

ZASTOSOWANIE ZBIORÓW ROZMYTYCH W JEDNOETAPOWYM PROCESIE PODEJMOWANIA DECYZJI PRZEZ JEDNEGO DECYDENTA Mrosław Klawk ZSTOSOWNIE ZIORÓW ROZMYTYCH W JEDNOETPOWYM PROCESIE PODEJMOWNI DECYZJI PRZEZ JEDNEGO DECYDENT Wstęp Podemowane odpowednch decyz est zależnone od stopna wedzy decydenta o stanach natry oraz

Bardziej szczegółowo

WSPOMAGANIE PODZIAŁU WYGRANEJ W GRACH KOOPERACYJNYCH Z WYKORZYSTANIEM KONCEPCJI PROGRAMOWANIA CELOWEGO

WSPOMAGANIE PODZIAŁU WYGRANEJ W GRACH KOOPERACYJNYCH Z WYKORZYSTANIEM KONCEPCJI PROGRAMOWANIA CELOWEGO ZEZYTY NAUKOWE POLITECHNIKI ŚLĄKIEJ era: ORGANIZACJA I ZARZĄDZANIE z. XX XXXX Nr kol. XXXX Macej WOLNY Poltechnka Śląska Wydzał Organzacj Zarządzana Instytut Ekonom Informatyk WPOMAGANIE PODZIAŁU WYGRANEJ

Bardziej szczegółowo

Algorytmy. i podstawy programowania. eci. Proste algorytmy sortowania tablic. 4. Wskaźniki i dynamiczna alokacja pami

Algorytmy. i podstawy programowania. eci. Proste algorytmy sortowania tablic. 4. Wskaźniki i dynamiczna alokacja pami MAREK GAGOLEWSKI INSTYTUT BADAŃ SYSTEMOWYCH PAN Algorytmy podstawy programowana 4. Wskaźnk dynamczna alokaca pam ec. Proste algorytmy sortowana tablc Matera ly dydaktyczne dla studentów matematyk na Wydzale

Bardziej szczegółowo

8. Optymalizacja decyzji inwestycyjnych

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

Bardziej szczegółowo

Beata Szymańska Wojciech Topolski Marcin Tomasik KWANTYZACJA WEKTOROWA

Beata Szymańska Wojciech Topolski Marcin Tomasik KWANTYZACJA WEKTOROWA Beata Szymańska Wocech Topolsk Marcn Tomask KWANTYZACJA WEKTOROWA 1 SPIS TREŚCI 1. Idea kwantyzac wektorowe...3 1.1 Kwantyzaca...3 1.2 Kwantyzaca wektorowa...3 1.3 Cechy kwantyzac wektorowe...3 2. Fazy

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

1. REFERENCE POINT METHOD APPLIED TO FIND SYMMETRICLY EFFECTIVE DECISIONS IN MULTICRITERIA MODELLING OF TWO-SIDE NEGOTIATIONS PROCESS

1. REFERENCE POINT METHOD APPLIED TO FIND SYMMETRICLY EFFECTIVE DECISIONS IN MULTICRITERIA MODELLING OF TWO-SIDE NEGOTIATIONS PROCESS Studa Materały Informatyk Stosowanej, Tom 5, Nr 3, 3 str. 9-8 ZASTOSOWANIE METODY PUNKTU ODNIESIENIA DO ZNAJDOWANIA DECYZJI SYMETRYCZNIE EFEKTYCHNYCH W MODELOWANIU WIELOKRYTERIALNYM PROCESU NEGOCJACJI

Bardziej szczegółowo

Zastosowanie symulatora ChemCad do modelowania złożonych układów reakcyjnych procesów petrochemicznych

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

Bardziej szczegółowo

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

Różniczkowalność, pochodne, ekstremum funkcji. x 2 1 x x 2 k

Różniczkowalność, pochodne, ekstremum funkcji. x 2 1 x x 2 k Różnczkowalność, pochodne, ekstremum funkcj Ćwczene 1 Polczyć pochodn a kerunkow a funkcj: 1 1 1 x 1 x 2 x k ϕ(x 1,, x k ) x 2 1 x 2 2 x 2 k x k 1 1 x k 1 2 x k 1 w dowolnym punkce p [x 1, x 2,, x k T

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

ANALIZA PROCESU NEGOCJACJI Z WYKORZYSTANIEM PROCEDURY TOPSIS *

ANALIZA PROCESU NEGOCJACJI Z WYKORZYSTANIEM PROCEDURY TOPSIS * Ewa Roszkowska Unwersytet w Bałymstoku ANALIZA PROCESU NEGOCJACJI Z WYKORZYSTANIEM PROCEDURY TOPSIS * Wprowadzene Negocace mogą być traktowane ako sposób rozwązywana konflktów mędzy stronam w sytuac, gdy

Bardziej szczegółowo

p Z(G). (G : Z({x i })),

p Z(G). (G : Z({x i })), 3. Wykład 3: p-grupy twerdzena Sylowa. Defncja 3.1. Nech (G, ) będze grupą. Grupę G nazywamy p-grupą, jeżel G = dla pewnej lczby perwszej p oraz k N. Twerdzene 3.1. Nech (G, ) będze p-grupą. Wówczas W

Bardziej szczegółowo

Metody analizy obwodów

Metody analizy obwodów Metody analzy obwodów Metoda praw Krchhoffa, która jest podstawą dla pozostałych metod Metoda transfguracj, oparte na przekształcenach analzowanego obwodu na obwód równoważny Metoda superpozycj Metoda

Bardziej szczegółowo

Inżynieria Maszyn, R. 22, z. 1, 7-18, 2017 ISSN X ALGORYTMY WIELOKRYTERIALNEJ OPTYMALIZACJI STRUKTURY PROCESÓW WYTWARZANIA 1.

Inżynieria Maszyn, R. 22, z. 1, 7-18, 2017 ISSN X ALGORYTMY WIELOKRYTERIALNEJ OPTYMALIZACJI STRUKTURY PROCESÓW WYTWARZANIA 1. Inżynera Maszyn, R. 22, z. 1, 7-18, 2017 ISSN 1426-708X Otrzymano: 19 czerwca 2017 / Zaakceptowano: 17 paźdzernka 2017 / Zameszczono na WWW: 17 lstopada 2017 Stansław PŁONKA 1* proces wytwarzana, optymalzaca

Bardziej szczegółowo

1. Komfort cieplny pomieszczeń

1. Komfort cieplny pomieszczeń 1. Komfort ceplny pomeszczeń Przy określanu warunków panuących w pomeszczenu używa sę zwykle dwóch poęć: mkroklmat komfort ceplny. Przez poęce mkroklmatu wnętrz rozume sę zespół wszystkch parametrów fzycznych

Bardziej szczegółowo

Dotyczy: opinii PKPP lewiatan do projektow dwoch rozporzqdzen z 27 marca 2012 (pismo P-PAA/137/622/2012)

Dotyczy: opinii PKPP lewiatan do projektow dwoch rozporzqdzen z 27 marca 2012 (pismo P-PAA/137/622/2012) 30/04! 2012 PON 13: 30! t FAX 22 55 99 910 PKPP Lewatan _..~._. _., _. _ :. _._..... _.. ~._..:.l._.... _. '. _-'-'-'"." -.-.---.. ----.---.-.~.....----------.. LEWATAN Pol~ka KonfederacJa Pracodawcow

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

OPTYMALIZACJA KOSZTÓW PRZEBUDOWY PORTFELA JAKO ZADANIE TRANSPORTOWE. 1. Problem badawczy

OPTYMALIZACJA KOSZTÓW PRZEBUDOWY PORTFELA JAKO ZADANIE TRANSPORTOWE. 1. Problem badawczy B A D A N I A O P E R A C Y J N E I D E C Y Z J E Nr 2 2004 Krzysztof PIASECKI* OPTYALIZACJA KOSZTÓW PRZEBUDOWY PORTFELA JAKO ZADANIE TRANSPORTOWE Wszyste oszty generowane przez prowze malerse są włączone

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

PIERWIASTKI ROZMYTE RÓWNAŃ PRZEDZIŁOWYCH

PIERWIASTKI ROZMYTE RÓWNAŃ PRZEDZIŁOWYCH Marusz GONERA, Ludmła DYMOWA, Paweł SEWASTJANOW Instytut Informatyk Teoretyczne Stosowane ul. Dąbrowskego, 73, 42-200 Częstochowa PIERWIASTKI ROZMYTE RÓWNAŃ PRZEDZIŁOWYCH 285 słów Znaczna cześć problemów

Bardziej szczegółowo

ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO

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

Bardziej szczegółowo

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup Jednoczynnkowa Analza Waranc (ANOVA) Wykład 11 Przypomnene: wykłady zadana kursu były zaczerpnęte z podręcznków: Statystyka dla studentów kerunków techncznych przyrodnczych, J. Koronack, J. Melnczuk, WNT

Bardziej szczegółowo

Programowanie Równoległe i Rozproszone

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

Bardziej szczegółowo

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. 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

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

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

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

Grupowanie dokumentów XML ze względu na ich strukturę, z wykorzystaniem XQuery

Grupowanie dokumentów XML ze względu na ich strukturę, z wykorzystaniem XQuery Rozdzał 44 Grupowane dokumentów XML ze względu na ch strukturę, z wykorzystanem XQuery Streszczene. Popularność ęzyka XML oraz ego powszechne użyce spowodowały rozwó systemów przechowuących dokumenty XML.

Bardziej szczegółowo

Triopol jako gra konkurencyjna i kooperacyjna

Triopol jako gra konkurencyjna i kooperacyjna Unwersytet Warszawsk Wydzał Nauk Ekonomcznych Joanna Dys Nr albumu: 996 Tropol jako gra konkurencyjna kooperacyjna Praca lcencjacka na kerunku: Ekonoma Praca wykonana pod kerunkem dra Maceja Sobolewskego

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

-Macierz gęstości: stany czyste i mieszane (przykłady) -równanie ruchu dla macierzy gęstości -granica klasyczna rozkładów kwantowych

-Macierz gęstości: stany czyste i mieszane (przykłady) -równanie ruchu dla macierzy gęstości -granica klasyczna rozkładów kwantowych WYKŁAD 4 dla zanteresowanych -Macerz gęstośc: stany czyste meszane (przykłady) -równane ruchu dla macerzy gęstośc -granca klasyczna rozkładów kwantowych Macerz gęstośc (przypomnene z poprzednch wykładów)

Bardziej szczegółowo

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

Bardziej szczegółowo

ZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH

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

Bardziej szczegółowo

XLI OLIMPIADA FIZYCZNA ETAP WSTĘPNY Zadanie teoretyczne

XLI OLIMPIADA FIZYCZNA ETAP WSTĘPNY Zadanie teoretyczne XLI OLIMPIADA FIZYCZNA ETAP WSTĘPNY Zadane teoretyczne Rozwąż dowolne rzez sebe wybrane dwa sośród odanych nże zadań: ZADANIE T Nazwa zadana: Protony antyrotony A. Cząstk o mase równe mase rotonu, ale

Bardziej szczegółowo

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

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

Bardziej szczegółowo