Kluczowy aspekt wyszukiwania informacji:

Wielkość: px
Rozpocząć pokaz od strony:

Download "Kluczowy aspekt wyszukiwania informacji:"

Transkrypt

1 Wyszukiwaieiformacjitoproceswyszukiwaiawpewymzbiorze tychwszystkichdokumetów,którepoświęcoesąwskazaemuw kweredzietematowi(przedmiotowi)lubzawierająiezbędedla Wg M. A. Kłopotka: użytkowikafaktyiiformacje. Iteligete wyszukiwarki iteretowe AOW W-wa 001 Kluczowy aspekt wyszukiwaia iformacji: Wyszukiwaie iformacji oparte jest a zastosowaiu charakterystyk wyszukiwawczych dokumetów. Charakterystyka wyszukiwawcza dokumetu to sformułoway wg. określoych reguł tekst, w którym został zawarty zasadiczy temat lub przedmiot tego dokumetu i tylko częściowo towarzyszące mu przedmioty lub tematy. Im krócej sformułowae są charakterystyki wyszukiwawcze, tym większa szybkość wyszukiwaia, lecz jedocześie miejsza dokładość i kompletość. Najważiejszą operacją jest ideksowaie dokumetów i kwered. Polega oo a określeiu tematu lub przedmiotu i wyrażeiu go w charakterystyce wyszukiwawczej dokumetu w określoym języku iformacyjo-wyszukiwawczym (stosowaym w daym systemie wyszukiwaia). Problem polega a tym, iż źle sformułowae pytaie spowoduje wyszukaie dokumetów odpowiadających kweredzie a ie prawdziwym potrzebom iformacyjym. Jak się jedak okaże w dalszej części prezetacji powstają i takie awet systemy. Problem przy oceie wyszukiwarek iteretowych polega a tym, ze z uwagi a powiązaia (liki) między dokumetami awet dokumety, formalie ie odpowiadające kweredzie (ie relewate), mogą okazać się częściowo relewatymi, jeżeli zawierają liki do stro relewatych.

2 Schemat działaia systemy wyszukiwawczego Baza dokumetów Charakterystyka wyszukiwawcza kweredy Idekser dokumetów Szukaie Idekser kweredy Charakterystyki wyszukiwawcze dokumetów kwereda wyiki Schemat działaia systemu wyszukiwawczego UŜytkowik Modele wyszukiwaia iformacji Każda baza daych wyszukiwarki posiada pewe właściwe dla siebie możliwości formułowaia zapytań, lecz dla się wyodrębić kilka ajczęściej spotykaych rodzajów wyszukiwaia: 1. Wyszukiwaia wg słów kluczowych,. Wyszukiwaie boolowskie [AND, OR, NOT], 3. Wyszukiwaie kocepcyje, 4. Szukaie frazy (ciągu wyrazów, pełych zdań), 5. Szukaie z określeiem odległości słów, 6. Tezaurus, 7. Wyszukiwaie rozmyte, Model wyszukiwaia iformacji specyfikuje: 8. Szukaie podobych dokumetów 1. Reprezetację kweredy,. Reprezetację dokumetu, 3. Fukcję wyszukiwaia.

3 Fukcja wyszukiwaia określa, jak dobrze dokumet odpowiada zapotrzebowaiu użytkowika a iformacje oraz w jakiej kolejości prezetować wyiki wyszukiwaia iformacji. Wyróżia się zasadiczo astępujące modele WI: 1. Model boolowski (logiczy),. (statystyczy) model przestrzei wektorowej, 3. Model oparty a systemach uczących się, 4. Model ligwistyczy (zorietoway a aalizę morfologiczą, sytaktyczą, sytaktyczą i sematyczą tekstu). rakigachwyszukiwarek.jestpierwszymkrokiemwprocesieprzygotowaia Optymalizacjastroserwisumaaceluuzyskaiejakajwyższejpozycjiw strodoideksacji. iteretowych Cel: Czyiki mające wpływ a rakigi w wyszukiwarkach: 1. Tytuł dokumetu TITLE. Zaczik meta DESCRIPTION 3. Zaczik meta KEYWORDS 4. Projekt stroy 5. Tematyka 6. Odośiki 7. Rodzaj wyszukiwarki KEYWORD 8. Spam Po przeaalizowaiu wszystkich elemetów moża przystąpić do zgłaszaia stro do wyszukiwarek. We wczesych latach rozwoju Iteretu (1994-5) elemet był jedyą iformacją, którą wykorzystywały wyszukiwarki w rakigach zalezioych stro. Przy ówczesych małych bazach ideksów moża było szybko i w prosty sposób wybrać słowa kluczowe dla własych stro. Niestety wykorzystali to spamerzy, co

4 przyczyiło się do faktu, iż z czasem wyszukiwarki zaczęły przywiązywać coraz miejszą wagę do elemetu KEYWORDS, a skupiły się a treści serwisów. Waga sposobem a rakig dokumetów Iteret to źródło ogromej liczby dokumetów, Wszystko zależy od pytaia, bowiem to, jak są prezetowae dokumety zależy od strategii ważeia termów. 1. Statystycze wagi termów,. Statystycze wagi dokumetów, 3. Metoda Robertsoa i Sparcka-Joesa (1997), 4. Metoda Robertsoa (1994), 5. Metoda bazowa B, 6. Metoda lików, 7. PageRak swego rodzaju statycza waga stroy.

5 PageRak PageRak jest wartością liczbową, reprezetującą wartościowość stroy. Twórcy Google stwierdzili, że odpowiedim współczyikiem wartościowości stroy itererowej jest ilość lików prowadzących do daej stroy. Wzór obliczaia PageRak dla stroy A: gdzie: PR( t1) PR ( A) = (1 d) + d( C( t ) d-współczyik tłumieia zazwyczaj ustawioy a 0.85 t1..t - PR stro zawierających liki do aszej stroy C(x) - liczba lików wychodzących ze stroy x 1 PR( t) ) C( t ) System PageRak moża porówać do głosowaia a lik a stroie A prowadzący do stroy B do głosu oddaego przez A a B. Waga głosu zaś jest wartością PageRak dla stroy A podzieloą przez liczbę lików wychodzących ze stroy. Tak więc im więcej wartościowych stro o jak ajmiejszej liczbie lików wychodzących odwołuje się do aszej stroy tym większa wartość PageRak aszej stroy. Przykład: jede lik ze stroy o PR=5 z 10 likami wychodzącymi przekazuje większą wartość iż 1 lik ze stroy o PR10 ale ze 100 likami wychodzącymi. Nowe tredy... l ia prezetacja wyików: grupowaie, odp, (vivisimo, carrot), l podpowiedzi (keywords) : teoma, ifoetware, aeiwi, l owe iterfejsy użytkowika: google labs. Przyszłość Szukaie odpowiedzi a ie materiałów: Szukaie celowe a ie referecyje(system START, system AswerBus) Wyróżić trzeba: 1. systemy wyszukujące dokumety zawierające postawioe pytaie [google, altavista, alltheweb],. systemy odpowiadające a pytaia [system START, system AswerBus], 3. systemy orgaizujące (grupujące) wyiki [vivisimo, carrot].

6 Systemy orgaizujące wyiki [vivisimo, carrot] Systemy te opierają swoje działaie a algorytmach klasyfikacji i grupowaia daych, wśród których wyróżić moża: hierarchicze, k-optymalizacyje (ie hierarchicze). Idea algorytmów grupowaia: Na podstawie podobych cech łączy się obiekty w grupy, Na czele grupy staje jej reprezetat cetroid, Grupy traktuje się jak dokumety i dalej łączy a wyższych poziomach, Nie jest przeszukiwaa cała struktura, Dzięki strukturze hierarchiczej osiągamy szybszą odpowiedź a zadae pytaie Kocepcja: s(x,g 1 )=0.634 s(x,g )=0.867 s(x,g 3 )=0.331 s(x,g 1 )=0.878 s(x,g )=0.97 s(x,g 3 )=0.897 s(x,g )=0.9 Jakie dwa dokumety moŝemy uzać za podobe? Miary odległości, Miary podobieństwa.

7 Przykładowo dla podaych iżej dwóch wektorów: X 4 : X : Obliczamy odpowiedio odległość i podobieństwo: d( x4, x) = (0 0) + (0 0) + (0 0) + (0 0) + (1 1) + (0 1) + (0 0) + (3 3) = 1 = 1 p( x = 4, x ) = 1+ 9 = 10*11 ( = )*( ) = Widać, iż podobieństwo zawsze osiąga wartość z przedziału 0..1 co powoduje, iż wyik łatwo moża ziterpretować, kierując się prostą zależością, że wartość podobieństwa bliska zeru ozacza brak podobieństwa porówywaych obiektów, i aalogiczie wartość bliska jedości ozacza duże podobieństwo. Implemetowae w wyszukiwarkach algorytmy grupowaia wyików powstają w odpowiedzi a pojawiające się problemy: 1. Większa ilość iformacji ie przekłada się a ich jakość,. Iteret kiedyś był o wiele bardziej wiarygody, 3. Wyszukiwarki ie ułatwiają dostępu do jakościowo lepszej wiedzy: bo szukają dokumetów pasujących do pytań a ie do odpowiedzi, ie tłumaczą struktury zwracaych wyików. Istote aspekty grupowaia... GRUPOWANIE WYNIKÓW...gdyż za dużo ich jest...chodzi o wybór tych ajbardziej trafych. Defiicja problemu: SEARCH RESULTS CLUSTERING: Polega a efektywym utworzeiu sesowych grup tematyczie powiązaych dokumetów, oraz, ich zwięzłym opisaiu... w sposób zrozumiały dla człowieka.

8 klas Wyszukiwaie iformacji Problem ie jest trywialy...bo: ie jest zaa liczba oczekiwaych grup, miara podobieństwa dokumetów jest truda do zdefiiowaia, grupy mogą się akładać, zalezieie opisu dla grupy ie jest łatwe, wymagaa szybkość działaia {o-lie}, dokumety mogą być wielojęzycze, opisy są zazwyczaj krótkie i iepełe. Modelowaie to wykorzystuje techiki: 1. modelowaie odległości w przestrzeiach -wymiarowych,. model grafowy, 3. współwystępowaie słów i fraz. Tematem iiejszej prezetacji jest skupieie się a pierwszej techice, która pozwala a wykorzystywaie do grupowaia różego typu algorytmów. Tutaj omówioy zostaie algorytm aalizy skupień z aglomeracyjym łączeiem obiektów tworzących w te sposób pewą strukturę hierarchiczą, stąd azwa algorytmu: AHC Agglomerative Hierarchical Clusterig. Przebieg grupowaia obiektów w ramach metod aglomeracyjych odbywa się w astępujących krokach: 1. Utwórz Modelowaie podobieństwa Przebieg grupowaia AHC: zawierających pojedycze obiekty.. Oblicz wartość pewiej miary podobieństwa (odległości) dla wszystkich par klas. 3. Połącz dwie klasy ajbardziej podobe. 4. Jeśli wszystkie obiekty ależą do jedej klasy, to zakończ pracę. W przeciwym przypadku przejdź do kroku.

9 oraz (i,j (i,j Algorytm grupowaia: 1. Mając macierz D=[dij] = 1,,...,) wyzaczamy elemet ajmiejszy (szukamy pary skupień ajmiej odległych od siebie): dpq = mi i,j {dij} = 1,,...,), p<q.. Skupieia Gp i Gq łączymy w jedo owe skupieie, adając mu umer Wyszukiwaie iformacji Gp:= Gp Gq. q. Z macierzy D usuwamy wiersz i kolumę o umerach :=-1. podstawiamy 3. Wyzaczamy odległości dpj (j=1,,...,) utworzoego skupieia Gp od wszystkich pozostałych skupień, stosowie do wybraej metody. Wartości dpj wstawia się do macierzy Pokażdejiteracjimamycorazmiejgrup, D w miejsce p-tego wiersza (w miejsce p-tej kolumy wstawiamy elemety djp). corazmiejsząmacierzodległości. 4. Powtarza się kroki 1-4 do mometu, gdy wszystkie obiekty utworzą jedo skupieie (tz. gdy =1). Graficza ilustracja grupowaia AHC {o 1,o,o 3,o 4,o 5,o 6,o 7,o 8 } o 1 o o 3 o 4 o 5 o 6 o 7 o 8 Rys. Przykład dedrogramu

10 Surowe dae: (przykład) VAR 1 VAR Docelowo: duże zbiory dokumetów, gdzie każdy opisay jest różym zbiorem deskryptorów, Dae mogą być różego typu mogą być różego typu: ilościowe, jakościowe. Macierz odległości euklidesowych: P_1 P_ P_3 P_4 P_5 P_6 P_7 P_8 P_9 P_10 P_1 0 5,00 4,00,00 5,10 4,1 1,00 5,83 6,08 6,40 P_ 5,00 0 6,40 7,00 1,00 7,1 5,10 3,00 8,49 4,00 P_3 4,00 6,40 0 4,47 5,83 1,00 3,00 5,10,4 5,00 P_4,00 7,00 4,47 0 7,07 4,1,4 7,6 6,08 8,06 P_5 5,10 1,00 5,83 7,07 0 6,71 5,00,00 7,81 3,00 P_6 4,1 7,1 1,00 4,1 6,71 0 3,16 6,08,00 6,00 P_7 1,00 5,10 3,00,4 5,00 3,16 0 5,39 5,10 5,83 P_8 5,83 3,00 5,10 7,6,00 6,08 5,39 0 6,71 1,00 P_9 6,08 8,49,4 6,08 7,81,00 5,10 6,71 0 6,3 P_10 6,40 4,00 5,00 8,06 3,00 6,00 5,83 1,00 6,3 0

11 1 iteracja Szukamy miimalej odległości, i zajdujemy ją dla pary obiektów P_1 oraz p_7. Teraz łączymy obydwa obiekty w jedo skupieie.

12 Zgodie z algorytmem z macierzy usuwamy kolume i wiersz dla obiektu o wyższym ideksie (czyli P_7). Tworzymy ową grupę P_17 i a owo obliczamy odległości wszystkich obiektów do owo utworzoej grupy. ap,aq,b,c Ogóla formuła wyzaczaia odległości podczas łączeia skupień Gp i Gq w owe skupieie dla hierarchiczych procedur grupowaia to: d pj = a pd pj + aqdqj + bd pq + c d pj dqj Wielkości są parametrami przekształceia charakterystyczymi dla różych metod tworzeia skupień. Wartości tych parametrów są przedstawioe w tabeli.

13 Metoda ap aq b c Najbliższego sąsiedztwa 0,5 0,5 0-0,5 Najdalszego sąsiedztwa 0,5 0,5 0 0,5 Mediay 0,5 0,5-0,5 0 Średiej grupowej 0 0 p q p + q p + q Środka ciężkości p p + q q p q p + q ( ) p + q 0 Warda i + i + p p + q i + i + p q + q i + + i p q 0 Po połączeiu obiektów P_1 i P_7: Usuwamy obiekt P_7 (kolumę i wiersz 7) a w wierszu i kolumie dla P_1 wstawiamy owe odległości: Np.: odległość owego skupieia P_17 od obiektu P_ wg miary: d 17 = 0.5 * d * d7 + 0 * d d1 d7 = 0.5 * * = = 5 W kolejej iteracji łączymy obiekty P_ oraz P_5. W iteracji r 3 łączymy P_3 oraz P_6.

14 Iteracja 4 łączy obiekty P_8 oraz P_10. Iteracja r 5 to połączeie obiektów p_17 z obiektem P_4. Następie łączymy obiekty P_5 z obiektem P_810

15 Iteracja koleja to połączeie obiektów P_36 oraz obiektu P_9. Kolejo łaczymy grupy P_174 z grupą P_369 I ostateczie w -1 iteracji połączymy ostatie grupy P_ z grupą P_5810.

16 Przebieg aglomeracji Odległość Łączoe obiekty: 1 P_1, P_7 1 P_, P_5 1 P_3, P_6 1 P_8, P_10 P_1, P_7, P_4 P_, P_5, P_8, P_10 P_3, P_6, P_9 3 P_1, P_7, P_4, P_3, P_6, P_9 5 P_1, P_7, P_4, P_3, P_6, P_9, P_, P_5, P_8, P_10 Dedrogram

17 Co to jest Carrot? Jak mówią twórcy systemu - Carrot jest systemem grupującym dae tekstowe. Grupuje wyiki z wyszukiwarek iteretowych, podobie jak czyi to serwis Vivisimo. Carrotjest modułowym systemem aukowym przetwarzaia rezultatów wyszukiwaia daych w wyszukiwarkach iteretowych, choć może być użyty rówież do iych typów daych. Architektura systemu jest zorietowaa główie a prostotę rozbudowy i poowego użycia jego istiejących elemetów składowych, czasem kosztem efektywości (dlatego właśie Carrot jest systemem :). System był zbudoway pierwotie do przetwarzaia daych z wyszukiwarek iteretowych, ale może być rówież użyty w iych celach. Schemat przepływu daych w systemie Carrot

18 Systemy odpowiadające a pytaia - [system START, system AswerBus]

19

20 Podsumowaie Na prawdziwy przełom możemy liczyć dopiero wówczas, gdy astąpi zmiaa sposobu patrzeia a to, jak powiy działać wyszukiwarki. Obiecujące wydaje się być odejście od wyszukiwaia dokumetów w sieci, a skupieie się a poszukiwaiu iformacji tak jak robią to systemu oparte a techikach: kowledge retrieval, questio aswerig system. Przykładem tego typu systemów są system Start MIT, czy AswerBus, będące pracami prowadzoymi a uiwersytecie w Michiga, Wydae im zapytaie staowi cel ie zaś zbiór oderwaych od siebie słów kluczowych. Idealy system wyszukiwaia iformacji: To taki który potrafi odpowiedzieć a każde pytaie poprawie. Niestety taki system igdy ie powstaie. Wiedza płyąca z iteretu jest dość iepewym źródłem iformacji, i faktów, o czym warto pamiętać, - bo każdy może umieścić w sieci iformacje...ie do końca precyzyje ale i często błęde. Pojawiające się owe pomysły mające a celu ułatwiaie użytkowikom korzystaie z wyszukiwarek, to z pewością krok by uczyić tę czyość przyjemiejszą i bardziej ituicyją. Nie moża jedak liczyć a to, ze wyszukiwarki w przyszłości będą w staie wyręczyć as z umiejętości logiczego myśleia i odrobiy dociekliwości w szukaiu tego co as iteresuje. Literatura Kłopotek M., Iteligete wyszukiwarki iteretowe, EXIT, 001

Jak obliczać podstawowe wskaźniki statystyczne?

Jak obliczać podstawowe wskaźniki statystyczne? Jak obliczać podstawowe wskaźiki statystycze? Przeprowadzoe egzamiy zewętrze dostarczają iformacji o tym, jak ucziowie w poszczególych latach opaowali umiejętości i wiadomości określoe w stadardach wymagań

Bardziej szczegółowo

Elementy modelowania matematycznego

Elementy modelowania matematycznego Elemety modelowaia matematyczego Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Modelowaie daych (ilościowe): Metody statystycze: estymacja parametrów modelu,

Bardziej szczegółowo

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień.

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień. Metoda aalizy hierarchii Saaty ego Ważym problemem podejmowaia decyzji optymalizowaej jest często występująca hierarchiczość zagadień. Istieje wiele heurystyczych podejść do rozwiązaia tego problemu, jedak

Bardziej szczegółowo

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie Metrologia: miary dokładości dr iż. Paweł Zalewski Akademia Morska w Szczeciie Miary dokładości: Najczęściej rozkład pomiarów w serii wokół wartości średiej X jest rozkładem Gaussa: Prawdopodobieństwem,

Bardziej szczegółowo

Twoja firma. Podręcznik użytkownika. Aplikacja Grupa. V edycja, kwiecień 2013

Twoja firma. Podręcznik użytkownika. Aplikacja Grupa. V edycja, kwiecień 2013 Twoja firma Podręczik użytkowika Aplikacja Grupa V edycja, kwiecień 2013 Spis treści I. INFORMACJE WSTĘPNE I LOGOWANIE...3 I.1. Wstęp i defiicje...3 I.2. Iformacja o możliwości korzystaia z systemu Aplikacja

Bardziej szczegółowo

SYSTEM OCENY STANU NAWIERZCHNI SOSN ZASADY POMIARU I OCENY STANU RÓWNOŚCI PODŁUŻNEJ NAWIERZCHNI BITUMICZNYCH W SYSTEMIE OCENY STANU NAWIERZCHNI SOSN

SYSTEM OCENY STANU NAWIERZCHNI SOSN ZASADY POMIARU I OCENY STANU RÓWNOŚCI PODŁUŻNEJ NAWIERZCHNI BITUMICZNYCH W SYSTEMIE OCENY STANU NAWIERZCHNI SOSN ZAŁĄCZNIK B GENERALNA DYREKCJA DRÓG PUBLICZNYCH Biuro Studiów Sieci Drogowej SYSTEM OCENY STANU NAWIERZCHNI SOSN WYTYCZNE STOSOWANIA - ZAŁĄCZNIK B ZASADY POMIARU I OCENY STANU RÓWNOŚCI PODŁUŻNEJ NAWIERZCHNI

Bardziej szczegółowo

STATYSTYKA OPISOWA WYKŁAD 1 i 2

STATYSTYKA OPISOWA WYKŁAD 1 i 2 STATYSTYKA OPISOWA WYKŁAD i 2 Literatura: Marek Cieciura, Jausz Zacharski, Metody probabilistycze w ujęciu praktyczym, L. Kowalski, Statystyka, 2005 2 Statystyka to dyscyplia aukowa, której zadaiem jest

Bardziej szczegółowo

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2011 POZIOM ROZSZERZONY WYBRANE: CZĘŚĆ I. Czas pracy: 90 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2011 POZIOM ROZSZERZONY WYBRANE: CZĘŚĆ I. Czas pracy: 90 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY Cetrala Komisja Egzamiacyja Arkusz zawiera iformacje prawie chroioe do mometu rozpoczęcia egzamiu. Układ graficzy CKE 2010 KOD WISUJE ZDAJĄCY ESEL Miejsce a aklejkę z kodem EGZAMIN MATURALNY Z INORMATYKI

Bardziej szczegółowo

Jak skutecznie reklamować towary konsumpcyjne

Jak skutecznie reklamować towary konsumpcyjne K Stowarzyszeie Kosumetów Polskich Jak skuteczie reklamować towary kosumpcyje HALO, KONSUMENT! Chcesz pozać swoje praw a? Szukasz pomoc y? ZADZWOŃ DO INFOLINII KONSUMENCKIEJ BEZPŁATNY TELEFON 0 800 800

Bardziej szczegółowo

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2012 POZIOM PODSTAWOWY CZĘŚĆ I WYBRANE: Czas pracy: 75 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2012 POZIOM PODSTAWOWY CZĘŚĆ I WYBRANE: Czas pracy: 75 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY Cetrala Komisja Egzamiacyja Arkusz zawiera iformacje prawie chroioe do mometu rozpoczęcia egzamiu. Układ graficzy CKE 2010 KOD WPISUJE ZDAJĄCY PESEL Miejsce a aklejkę z kodem EGZAMIN MATURALNY Z INFORMATYKI

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH POMIAR FIZYCZNY Pomiar bezpośredi to doświadczeie, w którym przy pomocy odpowiedich przyrządów mierzymy (tj. porówujemy

Bardziej szczegółowo

Moduł 4. Granica funkcji, asymptoty

Moduł 4. Granica funkcji, asymptoty Materiały pomocicze do e-learigu Matematyka Jausz Górczyński Moduł. Graica fukcji, asymptoty Wyższa Szkoła Zarządzaia i Marketigu Sochaczew Od Autora Treści zawarte w tym materiale były pierwotie opublikowae

Bardziej szczegółowo

Harmonogramowanie linii montażowej jako element projektowania cyfrowej fabryki

Harmonogramowanie linii montażowej jako element projektowania cyfrowej fabryki 52 Sławomir Herma Sławomir HERMA atedra Iżyierii Produkcji, ATH w Bielsku-Białej E mail: slawomir.herma@gmail.com Harmoogramowaie liii motażowej jako elemet projektowaia cyfrowej fabryki Streszczeie: W

Bardziej szczegółowo

STATYSTYKA I ANALIZA DANYCH

STATYSTYKA I ANALIZA DANYCH TATYTYKA I ANALIZA DANYCH Zad. Z pewej partii włókie weły wylosowao dwie próbki włókie, a w każdej z ich zmierzoo średicę włókie różymi metodami. Otrzymao astępujące wyiki: I próbka: 50; średia średica

Bardziej szczegółowo

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek Zajdowaie pozostałych pierwiastków liczby zespoloej, gdy zay jest jede pierwiastek 1 Wprowadzeie Okazuje się, że gdy zamy jede z pierwiastków stopia z liczby zespoloej z, to pozostałe pierwiastki możemy

Bardziej szczegółowo

UKŁADY RÓWNAŃ LINOWYCH

UKŁADY RÓWNAŃ LINOWYCH Ekoeergetyka Matematyka. Wykład 4. UKŁADY RÓWNAŃ LINOWYCH Defiicja (Układ rówań liiowych, rozwiązaie układu rówań) Układem m rówań liiowych z iewiadomymi,,,, gdzie m, azywamy układ rówań postaci: a a a

Bardziej szczegółowo

WYBRANE METODY DOSTĘPU DO DANYCH

WYBRANE METODY DOSTĘPU DO DANYCH WYBRANE METODY DOSTĘPU DO DANYCH. WSTĘP Coraz doskoalsze, szybsze i pojemiejsze pamięci komputerowe pozwalają gromadzić i przetwarzać coraz większe ilości iformacji. Systemy baz daych staowią więc jedo

Bardziej szczegółowo

Artykuł techniczny CVM-NET4+ Zgodny z normami dotyczącymi efektywności energetycznej

Artykuł techniczny CVM-NET4+ Zgodny z normami dotyczącymi efektywności energetycznej 1 Artykuł techiczy Joatha Azañó Dział ds. Zarządzaia Eergią i Jakości Sieci CVM-ET4+ Zgody z ormami dotyczącymi efektywości eergetyczej owy wielokaałowy aalizator sieci i poboru eergii Obeca sytuacja Obece

Bardziej szczegółowo

Algorytmy I Struktury Danych Prowadząca: dr Hab. inż. Małgorzata Sterna. Sprawozdanie do Ćwiczenia 3 Algorytmy grafowe ( )

Algorytmy I Struktury Danych Prowadząca: dr Hab. inż. Małgorzata Sterna. Sprawozdanie do Ćwiczenia 3 Algorytmy grafowe ( ) Poiedziałki 11.45 Grupa I3 Iformatyka a wydziale Iformatyki Politechika Pozańska Algorytmy I Struktury Daych Prowadząca: dr Hab. iż. Małgorzata Stera Sprawozdaie do Ćwiczeia 3 Algorytmy grafowe (26.03.12)

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu. Rachuek prawdopodobieństwa i statystyka W12: Statystycza aaliza daych jakościowych Dr Aa ADRIAN Paw B5, pok 407 ada@agh.edu.pl Wprowadzeie Rozróżia się dwa typy daych jakościowych: Nomiale jeśli opisują

Bardziej szczegółowo

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA Aaliza iepewości pomiarowych w esperymetach fizyczych Ćwiczeia rachuowe TEST ZGODNOŚCI χ PEARSONA ROZKŁAD GAUSSA UWAGA: Na stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz

Bardziej szczegółowo

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU Przedmiot: Iformatyka w logistyce Forma: Laboratorium Temat: Zadaie 2. Automatyzacja obsługi usług logistyczych z wykorzystaiem zaawasowaych fukcji oprogramowaia Excel. Miimalizacja pustych przebiegów

Bardziej szczegółowo

EGZAMIN MATURALNY Z INFORMATYKI

EGZAMIN MATURALNY Z INFORMATYKI Miejsce a aklejkę z kodem szkoły dysleksja MIN-R_P-072 EGZAMIN MATURALNY Z INFORMATYKI MAJ ROK 2007 POZIOM ROZSZERZONY CZĘŚĆ I Czas pracy 90 miut Istrukcja dla zdającego. Sprawdź, czy arkusz egzamiacyjy

Bardziej szczegółowo

O liczbach naturalnych, których suma równa się iloczynowi

O liczbach naturalnych, których suma równa się iloczynowi O liczbach aturalych, których suma rówa się iloczyowi Lew Kurladczyk i Adrzej Nowicki Toruń UMK, 10 listopada 1998 r. Liczby aturale 1, 2, 3 posiadają szczególą własość. Ich suma rówa się iloczyowi: Podobą

Bardziej szczegółowo

Hierarchiczna analiza skupień

Hierarchiczna analiza skupień Hierarchiczna analiza skupień Cel analizy Analiza skupień ma na celu wykrycie w zbiorze obserwacji klastrów, czyli rozłącznych podzbiorów obserwacji, wewnątrz których obserwacje są sobie w jakimś określonym

Bardziej szczegółowo

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum MATEMATYKA (poziom podstawowy) przykładowy arkusz maturaly wraz ze schematem oceiaia dla klasy II Liceum Propozycja zadań maturalych sprawdzających opaowaie wiadomości i umiejętości matematyczych z zakresu

Bardziej szczegółowo

OBLICZENIE SIŁ WEWNĘTRZNYCH DLA BELKI SWOBODNIE PODPARTEJ SWOBODNIE PODPARTEJ ALGORYTM DO PROGRAMU MATHCAD

OBLICZENIE SIŁ WEWNĘTRZNYCH DLA BELKI SWOBODNIE PODPARTEJ SWOBODNIE PODPARTEJ ALGORYTM DO PROGRAMU MATHCAD OBLICZENIE SIŁ WEWNĘTRZNYCH DLA BELKI ALGORYTM DO PROGRAMU MATHCAD 1 PRAWA AUTORSKIE BUDOWNICTWOPOLSKIE.PL GRUDZIEŃ 2010 Rozpatrujemy belkę swobodie podpartą obciążoą siłą skupioą, obciążeiem rówomierie

Bardziej szczegółowo

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ LABORATORIUM RACHUNEK EKONOMICZNY W ELEKTROENERGETYCE INSTRUKCJA DO ĆWICZENIA

Bardziej szczegółowo

Wprowadzenie. metody elementów skończonych

Wprowadzenie. metody elementów skończonych Metody komputerowe Wprowadzeie Podstawy fizycze i matematycze metody elemetów skończoych Literatura O.C.Ziekiewicz: Metoda elemetów skończoych. Arkady, Warszawa 972. Rakowski G., acprzyk Z.: Metoda elemetów

Bardziej szczegółowo

14. RACHUNEK BŁĘDÓW *

14. RACHUNEK BŁĘDÓW * 4. RACHUNEK BŁĘDÓW * Błędy, które pojawiają się w czasie doświadczeia mogą mieć włase źródła. Są imi błędy związae z błędą kalibracją torów pomiarowych, szumy, czas reagowaia przyrządu, ograiczeia kostrukcyje,

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA OPOLSKA POLITCHIKA OPOLSKA ISTYTUT AUTOMATYKI I IFOMATYKI LABOATOIUM MTOLOII LKTOICZJ 7. KOMPSATOY U P U. KOMPSATOY APIĘCIA STAŁO.. Wstęp... Zasada pomiaru metodą kompesacyją. Metoda kompesacyja pomiaru apięcia

Bardziej szczegółowo

Wyszukiwanie informacji w internecie. Nguyen Hung Son

Wyszukiwanie informacji w internecie. Nguyen Hung Son Wyszukiwanie informacji w internecie Nguyen Hung Son Jak znaleźć informację w internecie? Wyszukiwarki internetowe: Potężne machiny wykorzystujące najnowsze metody z różnych dziedzin Architektura: trzy

Bardziej szczegółowo

Fundamentalna tabelka atomu. eureka! to odkryli. p R = nh -

Fundamentalna tabelka atomu. eureka! to odkryli. p R = nh - TEKST TRUDNY Postulat kwatowaia Bohra, czyli założoy ad hoc związek pomiędzy falą de Broglie a a geometryczymi własościami rozważaego problemu, pozwolił bez większych trudości teoretyczie przewidzieć rozmiary

Bardziej szczegółowo

x 1 2 3 t 1 (x) 2 3 1 o 1 : x 1 2 3 s 3 (x) 2 1 3. Tym samym S(3) = {id 3,o 1,o 2,s 1,s 2,s 3 }. W zbiorze S(n) definiujemy działanie wzorem

x 1 2 3 t 1 (x) 2 3 1 o 1 : x 1 2 3 s 3 (x) 2 1 3. Tym samym S(3) = {id 3,o 1,o 2,s 1,s 2,s 3 }. W zbiorze S(n) definiujemy działanie wzorem 9.1. Izomorfizmy algebr.. Wykład Przykłady: 13) Działaia w grupach często wygodie jest zapisywać w tabelkach Cayleya. Na przykład tabelka działań w grupie Z 5, 5) wygląda astępująco: 5 1 3 1 1 3 1 3 3

Bardziej szczegółowo

WYKŁAD 6 TRANZYSTORY POLOWE

WYKŁAD 6 TRANZYSTORY POLOWE WYKŁA 6 RANZYSORY POLOWE RANZYSORY POLOWE ZŁĄCZOWE (Juctio Field Effect rasistors) 55 razystor polowy złączowy zbudoway jest z półprzewodika (w tym przypadku typu p), w który wdyfudowao dwa obszary bramki

Bardziej szczegółowo

Analiza matematyczna. Robert Rałowski

Analiza matematyczna. Robert Rałowski Aaliza matematycza Robert Rałowski 6 paździerika 205 2 Spis treści 0. Liczby aturale.................................... 3 0.2 Liczby rzeczywiste.................................... 5 0.2. Nierówości...................................

Bardziej szczegółowo

BADANIA DOCHODU I RYZYKA INWESTYCJI

BADANIA DOCHODU I RYZYKA INWESTYCJI StatSoft Polska, tel. () 484300, (60) 445, ifo@statsoft.pl, www.statsoft.pl BADANIA DOCHODU I RYZYKA INWESTYCJI ZA POMOCĄ ANALIZY ROZKŁADÓW Agieszka Pasztyła Akademia Ekoomicza w Krakowie, Katedra Statystyki;

Bardziej szczegółowo

Siłownie ORC sposobem na wykorzystanie energii ze źródeł niskotemperaturowych.

Siłownie ORC sposobem na wykorzystanie energii ze źródeł niskotemperaturowych. Siłowie ORC sposobem a wykorzystaie eergii ze źródeł iskotemperaturowych. Autor: prof. dr hab. Władysław Nowak, Aleksadra Borsukiewicz-Gozdur, Zachodiopomorski Uiwersytet Techologiczy w Szczeciie, Katedra

Bardziej szczegółowo

Zasada indukcji matematycznej. Dowody indukcyjne.

Zasada indukcji matematycznej. Dowody indukcyjne. Zasada idukcji matematyczej Dowody idukcyje Z zasadą idukcji matematyczej i dowodami idukcyjymi sytuacja jest ajczęściej taka, że podaje się w szkole treść zasady idukcji matematyczej, a astępie omawia,

Bardziej szczegółowo

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA Mamy populację geeralą i iteresujemy się pewą cechą X jedostek statystyczych, a dokładiej pewą charakterystyką liczbową θ tej cechy (p. średią wartością

Bardziej szczegółowo

POMIARY WARSZTATOWE. D o u ż y t k u w e w n ę t r z n e g o. Katedra Inżynierii i Aparatury Przemysłu Spożywczego. Ćwiczenia laboratoryjne

POMIARY WARSZTATOWE. D o u ż y t k u w e w n ę t r z n e g o. Katedra Inżynierii i Aparatury Przemysłu Spożywczego. Ćwiczenia laboratoryjne D o u ż y t k u w e w ę t r z e g o Katedra Iżyierii i Aparatury Przemysłu Spożywczego POMIARY WARSZTATOWE Ćwiczeia laboratoryje Opracowaie: Urszula Goik, Maciej Kabziński Kraków, 2015 1 SUWMIARKI Suwmiarka

Bardziej szczegółowo

Analiza dokładności pomiaru, względnego rozkładu egzytancji widmowej źródeł światła, dokonanego przy użyciu spektroradiometru kompaktowego

Analiza dokładności pomiaru, względnego rozkładu egzytancji widmowej źródeł światła, dokonanego przy użyciu spektroradiometru kompaktowego doi:1.15199/48.215.4.38 Eugeiusz CZECH 1, Zbigiew JAROZEWCZ 2,3, Przemysław TABAKA 4, rea FRYC 5 Politechika Białostocka, Wydział Elektryczy, Katedra Elektrotechiki Teoretyczej i Metrologii (1), stytut

Bardziej szczegółowo

Estymacja przedziałowa

Estymacja przedziałowa Metody probabilistycze i statystyka Estymacja przedziałowa Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

Przemysław Jaśko Wydział Ekonomii i Stosunków Międzynarodowych, Uniwersytet Ekonomiczny w Krakowie

Przemysław Jaśko Wydział Ekonomii i Stosunków Międzynarodowych, Uniwersytet Ekonomiczny w Krakowie MODELE SCORINGU KREDYTOWEGO Z WYKORZYSTANIEM NARZĘDZI DATA MINING ANALIZA PORÓWNAWCZA Przemysław Jaśko Wydział Ekoomii i Stosuków Międzyarodowych, Uiwersytet Ekoomiczy w Krakowie 1 WROWADZENIE Modele aplikacyjego

Bardziej szczegółowo

Ćwiczenie 5 ITERACYJNY ALGORYTM LS. IDENTYFIKACJA OBIEKTÓW NIESTACJONARNYCH ALGORYTM Z WYKŁADNICZYM ZAPOMINANIEM.

Ćwiczenie 5 ITERACYJNY ALGORYTM LS. IDENTYFIKACJA OBIEKTÓW NIESTACJONARNYCH ALGORYTM Z WYKŁADNICZYM ZAPOMINANIEM. Kompterowe Sstem Idetfikacji Laboratorim Ćwiczeie 5 IERACYJY ALGORY LS. IDEYFIKACJA OBIEKÓW IESACJOARYCH ALGORY Z WYKŁADICZY ZAPOIAIE. gr iż. Piotr Bros, bros@agh.ed.pl Kraków 26 Kompterowe Sstem Idetfikacji

Bardziej szczegółowo

INWESTYCJE MATERIALNE

INWESTYCJE MATERIALNE OCENA EFEKTYWNOŚCI INWESTYCJI INWESTCJE: proces wydatkowaia środków a aktywa, z których moża oczekiwać dochodów pieiężych w późiejszym okresie. Każde przedsiębiorstwo posiada pewą liczbę możliwych projektów

Bardziej szczegółowo

INSTRUKCJA NR 06-2 POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ

INSTRUKCJA NR 06-2 POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ LABORATORIUM OCHRONY ŚRODOWISKA - SYSTEM ZARZĄDZANIA JAKOŚCIĄ - INSTRUKCJA NR 06- POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ 1. Cel istrukcji Celem istrukcji jest określeie metodyki postępowaia w celu

Bardziej szczegółowo

profi-air 250 / 400 touch Nowoczesne centrale rekuperacyjne do wentylacji pomieszczeń mieszkalnych

profi-air 250 / 400 touch Nowoczesne centrale rekuperacyjne do wentylacji pomieszczeń mieszkalnych profi-air 250 / 400 touch Nowoczese cetrale rekuperacyje do wetylacji pomieszczeń mieszkalych SYSTEMY ODWADNIAJĄ CE SYSTEMY ELEKTRYCZNE INSTALACJE WEWNĘTRZNE PRODUKTY DLA PRZEMYSŁU Nowoczesa techologia

Bardziej szczegółowo

SPECYFIKACJA ISTOTNYCH WARUNKÓW ZAMÓWIENIA

SPECYFIKACJA ISTOTNYCH WARUNKÓW ZAMÓWIENIA SPECYFIKACJA ISTOTNYCH WARUNKÓW ZAMÓWIENIA 1. ZAMAWIAJĄCY TALEX S.A., ul. Karpia 27 d, 61 619 Pozań, e mail: cetrumit@talex.pl 2. INFORMACJE OGÓLNE 2.1. Talex S.A. zaprasza do udziału w postępowaiu przetargowym,

Bardziej szczegółowo

Konica Minolta Optimized Print Services (OPS) Oszczędzaj czas. Poprawiaj efektywność. Stabilizuj koszty. OPS firmy Konica Minolta

Konica Minolta Optimized Print Services (OPS) Oszczędzaj czas. Poprawiaj efektywność. Stabilizuj koszty. OPS firmy Konica Minolta Koica Miolta Optimized Prit Services (OPS) Oszczędzaj czas. Poprawiaj efektywość. Stabilizuj koszty. OPS firmy Koica Miolta Optimized Prit Services OPS Najlepszą metodą przewidywaia przyszłości jest jej

Bardziej szczegółowo

Współpraca instytucji pomocy społecznej z innymi instytucjami

Współpraca instytucji pomocy społecznej z innymi instytucjami Projekt 1.16 Koordyacja a rzecz aktywej itegracji jest współfiasoway przez Uię Europejską w ramach Europejskiego Fu duszu Społeczego Współpraca istytucji pomocy społeczej z iymi istytucjami a tereie gmiy,

Bardziej szczegółowo

Moda (Mo, D) wartość cechy występującej najczęściej (najliczniej).

Moda (Mo, D) wartość cechy występującej najczęściej (najliczniej). Cetrale miary położeia Średia; Moda (domiata) Mediaa Kwatyle (kwartyle, decyle, cetyle) Moda (Mo, D) wartość cechy występującej ajczęściej (ajlicziej). Mediaa (Me, M) dzieli uporządkoway szereg liczbowy

Bardziej szczegółowo

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 + Zadaia róże W tym rozdziale zajdują się zadaia ietypowe, często dotyczące łańcuchów Markowa oraz własości zmieych losowych. Pojawią się także zadaia z estymacji Bayesowskiej.. (Eg 8/) Rozważamy łańcuch

Bardziej szczegółowo

(1) gdzie I sc jest prądem zwarciowym w warunkach normalnych, a mnożnik 1,25 bierze pod uwagę ryzyko 25% wzrostu promieniowania powyżej 1 kw/m 2.

(1) gdzie I sc jest prądem zwarciowym w warunkach normalnych, a mnożnik 1,25 bierze pod uwagę ryzyko 25% wzrostu promieniowania powyżej 1 kw/m 2. Katarzya JARZYŃSKA ABB Sp. z o.o. PRODUKTY NISKONAPIĘCIOWE W INSTALACJI PV Streszczeie: W ormalych warukach pracy każdy moduł geeruje prąd o wartości zbliżoej do prądu zwarciowego I sc, który powiększa

Bardziej szczegółowo

ELEKTROTECHNIKA I ELEKTRONIKA

ELEKTROTECHNIKA I ELEKTRONIKA UNIWERSYTET TECHNOLOGICZNO-PRZYRODNICZY W BYDGOSZCZY WYDZIAŁ INŻYNIERII MECHANICZNEJ INSTYTUT EKSPLOATACJI MASZYN I TRANSPORTU ZAKŁAD STEROWANIA ELEKTROTECHNIKA I ELEKTRONIKA ĆWICZENIE: E20 BADANIE UKŁADU

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi.

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi. Jarosław Wróblewski Aaliza Matematycza 1A, zima 2012/13 Ciągi. Ćwiczeia 5.11.2012: zad. 140-173 Kolokwium r 5, 6.11.2012: materiał z zad. 1-173 Ćwiczeia 12.11.2012: zad. 174-190 13.11.2012: zajęcia czwartkowe

Bardziej szczegółowo

Ćwiczenie 10/11. Holografia syntetyczna - płytki strefowe.

Ćwiczenie 10/11. Holografia syntetyczna - płytki strefowe. Ćwiczeie 10/11 Holografia sytetycza - płytki strefowe. Wprowadzeie teoretycze W klasyczej holografii optyczej, gdzie hologram powstaje w wyiku rejestracji pola iterferecyjego, rekostruuje się jedyie takie

Bardziej szczegółowo

Analiza potencjału energetycznego depozytów mułów węglowych

Analiza potencjału energetycznego depozytów mułów węglowych zaiteresowaia wykorzystaiem tej metody w odiesieiu do iych droboziaristych materiałów odpadowych ze wzbogacaia węgla kamieego ależy poszukiwać owych, skutecziej działających odczyików. Zdecydowaie miej

Bardziej szczegółowo

SYSTEM KOMPUTEROWY UŁATWIAJĄCY WYKORZYSTANIE INFORMACJI O ZJAWISKACH SOCJALNO-EKONOMICZNYCH PRZY WYBORZE FIRM INWESTUJĄCYCH NA DANYM TERENIE

SYSTEM KOMPUTEROWY UŁATWIAJĄCY WYKORZYSTANIE INFORMACJI O ZJAWISKACH SOCJALNO-EKONOMICZNYCH PRZY WYBORZE FIRM INWESTUJĄCYCH NA DANYM TERENIE Autoreferat rozprawy doktorskiej SYSTEM KOMPUTEROWY UŁATWIAJĄCY WYKORZYSTANIE INFORMACJI O ZJAWISKACH SOCJALNO-EKONOMICZNYCH PRZY WYBORZE FIRM INWESTUJĄCYCH NA DANYM TERENIE mgr iŝ. Jausz Rybarski PROMOTOR:

Bardziej szczegółowo

Stwierdzenie 1. Jeżeli ciąg ma granicę, to jest ona określona jednoznacznie (żaden ciąg nie może mieć dwóch różnych granic).

Stwierdzenie 1. Jeżeli ciąg ma granicę, to jest ona określona jednoznacznie (żaden ciąg nie może mieć dwóch różnych granic). Materiały dydaktycze Aaliza Matematycza Wykład Ciągi liczbowe i ich graice. Graice ieskończoe. Waruek Cauchyego. Działaia arytmetycze a ciągach. Podstawowe techiki obliczaia graic ciągów. Istieie graic

Bardziej szczegółowo

Kongruencje Wykład 4. Kongruencje kwadratowe symbole Legendre a i Jac

Kongruencje Wykład 4. Kongruencje kwadratowe symbole Legendre a i Jac Kogruecje kwadratowe symbole Legedre a i Jacobiego Kogruecje Wykład 4 Defiicja 1 Kogruecję w ostaci x a (mod m), gdzie a m, azywamy kogruecją kwadratową; jej bardziej ogóla ostać ax + bx + c może zostać

Bardziej szczegółowo

INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW

INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW INSTYTUT MASZYN I URZĄDZEŃ ENERGETYCZNYCH Politechika Śląska w Gliwicach INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW BADANIE ODKSZTAŁCEŃ SPRĘŻYNY ŚRUBOWEJ Opracował: Dr iż. Grzegorz

Bardziej szczegółowo

WYGRYWAJ NAGRODY z KAN-therm

WYGRYWAJ NAGRODY z KAN-therm Regulami Kokursu I. POSTANOWIENIA OGÓLNE. 1. Regulami określa zasady KONKURSU p. Wygrywaj agrody z KAN-therm (dalej: Kokurs). 2. Orgaizatorem Kokursu jest KAN Sp. z o.o. z siedzibą w Białymstoku- Kleosiie,

Bardziej szczegółowo

Wykład 11. a, b G a b = b a,

Wykład 11. a, b G a b = b a, Wykład 11 Grupy Grupą azywamy strukturę algebraiczą złożoą z iepustego zbioru G i działaia biarego które spełia własości: (i) Działaie jest łącze czyli a b c G a (b c) = (a b) c. (ii) Działaie posiada

Bardziej szczegółowo

Rysunek 1: Fale stojące dla struny zamocowanej na obu końcach; węzły są zaznaczone liniami kropkowanymi, a strzałki przerywanymi

Rysunek 1: Fale stojące dla struny zamocowanej na obu końcach; węzły są zaznaczone liniami kropkowanymi, a strzałki przerywanymi Aaliza fal złożoych Autorzy: Zbigiew Kąkol, Bartek Wiedlocha Przyjrzyjmy się drgaiu poprzeczemu struy. Jeżeli strua zamocowaa a obu końcach zostaie ajpierw wygięta, a astępie puszczoa, to wzdłuż struy

Bardziej szczegółowo

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy transportowe cd, Problem komiwojażera

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy transportowe cd, Problem komiwojażera Istrukcja do ćwiczeń laboratoryjych z przedmiotu: Badaia operacyje Temat ćwiczeia: Problemy trasportowe cd Problem komiwojażera Zachodiopomorski Uiwersytet Techologiczy Wydział Iżyierii Mechaiczej i Mechatroiki

Bardziej szczegółowo

Uwarunkowania rozwojowe województw w Polsce analiza statystyczno-ekonometryczna

Uwarunkowania rozwojowe województw w Polsce analiza statystyczno-ekonometryczna 3 MAŁGORZATA STEC Dr Małgorzata Stec Zakład Statystyki i Ekoometrii Uiwersytet Rzeszowski Uwarukowaia rozwojowe województw w Polsce aaliza statystyczo-ekoometrycza WPROWADZENIE Rozwój społeczo-gospodarczy

Bardziej szczegółowo

Metody Obliczeniowe w Nauce i Technice laboratorium

Metody Obliczeniowe w Nauce i Technice laboratorium Marci Rociek Iformatyka, II rok Metody Obliczeiowe w Nauce i Techice laboratorium zestaw 1: iterpolacja Zadaie 1: Zaleźć wzór iterpolacyjy Lagrage a mając tablicę wartości: 3 5 6 y 1 3 5 6 Do rozwiązaia

Bardziej szczegółowo

40:5. 40:5 = 500000υ5 5p 40, 40:5 = 500000 5p 40.

40:5. 40:5 = 500000υ5 5p 40, 40:5 = 500000 5p 40. Portfele polis Poieważ składka jest ustalaa jako wartość oczekiwaa rzeczywistego, losowego kosztu ubezpieczeia, więc jest tym bliższa średiej wydatków im większa jest liczba ubezpieczoych Polisy grupuje

Bardziej szczegółowo

Zeszyty naukowe nr 9

Zeszyty naukowe nr 9 Zeszyty aukowe r 9 Wyższej Szkoły Ekoomiczej w Bochi 2011 Piotr Fijałkowski Model zależości otowań giełdowych a przykładzie otowań ołowiu i spółki Orzeł Biały S.A. Streszczeie Niiejsza praca opisuje próbę

Bardziej szczegółowo

OCENA WARIANTÓW DECYZYJNYCH O ROZKŁADACH CIĄGŁYCH NA GRUNCIE TEORII PERSPEKTYWY

OCENA WARIANTÓW DECYZYJNYCH O ROZKŁADACH CIĄGŁYCH NA GRUNCIE TEORII PERSPEKTYWY Reata Dudzińska-Baryła Uiwersytet Ekoomiczy w Katowicach Wydział Iformatyki i Komuikacji Katedra Badań Operacyjych reata.dudziska-baryla@ue.katowice.pl OCENA WARIANTÓW DECYZYJNYCH O ROZKŁADACH CIĄGŁYCH

Bardziej szczegółowo

Podpis elektroniczny. zastosowanie i korzyści

Podpis elektroniczny. zastosowanie i korzyści Podpis elektroiczy sposób działaia, zastosowaie i korzyści Miisterstwo Gospodarki Warszawa 2005 Nadzór merytoryczy: Departamet Przedsiębiorczości Miisterstwa Gospodarki Autorzy: Artur Kruk Uizeto Techologies

Bardziej szczegółowo

KATEDRA ENERGOELEKTRONIKI I ELEKTROENERGETYKI

KATEDRA ENERGOELEKTRONIKI I ELEKTROENERGETYKI KATEDRA ENERGOELEKTRONIKI I ELEKTROENERGETYKI Grupa: 1. 2. 3. 4. 5. LABORATORIUM ELEKTROENERGETYKI Data: Ocea: ĆWICZENIE 3 BADANIE WYŁĄCZNIKÓW RÓŻNICOWOPRĄDOWYCH 3.1. Cel ćwiczeia Celem ćwiczeia jest:

Bardziej szczegółowo

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW.

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW. Statytycza ocea wyików pomiaru STATYSTYCZNA OCENA WYNIKÓW POMIARÓW CEL ĆWICZENIA Celem ćwiczeia jet: uświadomieie tudetom, że każdy wyik pomiaru obarczoy jet błędem o ie zawze zaej przyczyie i wartości,

Bardziej szczegółowo

Coraz większe wymagania jakości produkcji oraz

Coraz większe wymagania jakości produkcji oraz Dobór oprogramowaia do modelowaia i symulacji procesów wytwarzaia Ryszard Zdaowicz* Ogrome zapotrzebowaie a programy symulacyje powoduje ich ciągły rozwój, ale także coraz większą różorodość oprogramowaia

Bardziej szczegółowo

Prawo odbicia i załamania. Autorzy: Zbigniew Kąkol Piotr Morawski

Prawo odbicia i załamania. Autorzy: Zbigniew Kąkol Piotr Morawski Prawo odbicia i załamaia Autorzy: Zbigiew Kąkol Piotr Morawski 207 Prawo odbicia i załamaia Autorzy: Zbigiew Kąkol, Piotr Morawski Jeżeli światło pada a graicę dwóch ośrodków, to ulega zarówo odbiciu a

Bardziej szczegółowo

WYGRYWAJ NAGRODY z KAN-therm

WYGRYWAJ NAGRODY z KAN-therm SYSTEM KAN-therm Nowoczese istalacje wode i grzewcze WYGRYWAJ NAGRODY z KAN-therm HP DESIGNJET T790 może być Twój! Szczegóły a www.kokurs-ka.pl ISO 9001 Projektuj istalacje w Systemie KAN-therm i walcz

Bardziej szczegółowo

( ) WŁASNOŚCI MACIERZY

( ) WŁASNOŚCI MACIERZY .Kowalski własości macierzy WŁSNOŚC MCERZY Własości iloczyu i traspozycji a) możeie macierzy jest łącze, tz. (C) ()C, dlatego zapis C jest jedozaczy, b) możeie macierzy jest rozdziele względem dodawaia,

Bardziej szczegółowo

sin sin ε δ Pryzmat Pryzmat Pryzmat Pryzmat Powierzchnia sferyczna Elementy optyczne II sin sin,

sin sin ε δ Pryzmat Pryzmat Pryzmat Pryzmat Powierzchnia sferyczna Elementy optyczne II sin sin, Wykład XI Elemety optycze II pryzmat kąt ajmiejszego odchyleia powierzchia serycza tworzeie obrazów rówaie soczewka rodzaje rówaia szliierzy i Gaussa kostrukcja obrazów moc optycza korekcja wad wzroku

Bardziej szczegółowo

SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY

SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY Weryfikacja hipotez statystyczych WNIOSKOWANIE STATYSTYCZNE Wioskowaie statystycze, to proces uogóliaia wyików uzyskaych a podstawie próby a całą

Bardziej szczegółowo

Materiał ćwiczeniowy z matematyki Marzec 2012

Materiał ćwiczeniowy z matematyki Marzec 2012 Materiał ćwiczeiowy z matematyki Marzec 0 Klucz puktowaia do zadań zamkiętych oraz schemat oceiaia do zadań otwartych POZIOM PODSTAWOWY Marzec 0 Klucz puktowaia do zadań zamkiętych Nr zad 3 5 6 7 8 9 0

Bardziej szczegółowo

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i =

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i = Zastosowaie symboli Σ i Π do zapisu sum i iloczyów Teoria Niech a, a 2,..., a będą dowolymi liczbami. Sumę a + a 2 +... + a zapisuje się zazwyczaj w postaci (czytaj: suma od k do a k ). Zak Σ to duża grecka

Bardziej szczegółowo

Konspekt lekcji (Kółko matematyczne, kółko przedsiębiorczości)

Konspekt lekcji (Kółko matematyczne, kółko przedsiębiorczości) Kospekt lekcji (Kółko matematycze, kółko przedsiębiorczości) Łukasz Godzia Temat: Paradoks skąpej wdowy. O procecie składaym ogólie. Czas lekcji 45 miut Cele ogóle: Uczeń: Umie obliczyć procet składay

Bardziej szczegółowo

Niepewności pomiarowe

Niepewności pomiarowe Niepewości pomiarowe Obserwacja, doświadczeie, pomiar Obserwacja zjawisk fizyczych polega a badaiu ych zjawisk w warukach auralych oraz a aalizie czyików i waruków, od kórych zjawiska e zależą. Waruki

Bardziej szczegółowo

4. PRZEKŁADNIKI PRĄDOWE I NAPIĘCIOWE

4. PRZEKŁADNIKI PRĄDOWE I NAPIĘCIOWE 4. PRZEŁDN PRĄDOWE NPĘOWE 4.. Wstęp 4.. Przekładiki prądowe Przekładikie prądowy prądu zieego azywa się trasforator przezaczoy do zasilaia obwodów prądowych elektryczych przyrządów poiarowych oraz przekaźików.

Bardziej szczegółowo

EKONOMETRIA. Temat wykładu: Co to jest model ekonometryczny? Dobór zmiennych objaśniających w modelu ekonometrycznym CZYM ZAJMUJE SIĘ EKONOMETRIA?

EKONOMETRIA. Temat wykładu: Co to jest model ekonometryczny? Dobór zmiennych objaśniających w modelu ekonometrycznym CZYM ZAJMUJE SIĘ EKONOMETRIA? EKONOMETRIA Temat wykładu: Co to jest model ekoometryczy? Dobór zmieych objaśiających w modelu ekoometryczym Prowadzący: dr iż. Zbigiew TARAPATA e-mail: Zbigiew.Tarapata Tarapata@isi.wat..wat.edu.pl http://

Bardziej szczegółowo

Politechnika Poznańska

Politechnika Poznańska Politechika Pozańska Temat: Laboratorium z termodyamiki Aaliza składu spali powstałych przy spalaiu paliw gazowych oraz pomiar ich prędkości przepływu za pomocą Dopplerowskiego Aemometru Laserowego (LDA)

Bardziej szczegółowo

Data Mining Wykład 9. Analiza skupień (grupowanie) Grupowanie hierarchiczne O-Cluster. Plan wykładu. Sformułowanie problemu

Data Mining Wykład 9. Analiza skupień (grupowanie) Grupowanie hierarchiczne O-Cluster. Plan wykładu. Sformułowanie problemu Data Mining Wykład 9 Analiza skupień (grupowanie) Grupowanie hierarchiczne O-Cluster Plan wykładu Wprowadzanie Definicja problemu Klasyfikacja metod grupowania Grupowanie hierarchiczne Sformułowanie problemu

Bardziej szczegółowo

Wygenerowano dnia 2015-09-22 dla loginu: internetowagp. Kalkulatory. FIRMA i PRAWO. tydzień z komentarzami

Wygenerowano dnia 2015-09-22 dla loginu: internetowagp. Kalkulatory. FIRMA i PRAWO. tydzień z komentarzami se Nowocze ia arzędz olie dla preumeratorów DGP za darmo! PRENUMERATA Zarejestruj się i korzystaj! www.arzedzia. Kalkulatory Akty prawe Aktywe druki Wskaźiki i stawki FIRMA i PRAWO DZIENNIK.PL FORSAL.PL

Bardziej szczegółowo

Ćwiczenia IV i V. 1 Rozwiązanie: Π. średnia liczba obsługiwanych klientów: 6.67 w ciągu godziny = Π1

Ćwiczenia IV i V. 1 Rozwiązanie: Π. średnia liczba obsługiwanych klientów: 6.67 w ciągu godziny = Π1 Ćwiczeia IV i V We wszystkich poiższych zadaiach ależy przyjąć, że zgłoszeia (lub ich odpowiediki) przychodzą zgodie z rozkładem Poissoa, a czasy obsługi podlegają rozkładowi wykładiczemu. Zadaia r i pochodzą

Bardziej szczegółowo

8. Optymalizacja decyzji inwestycyjnych

8. Optymalizacja decyzji inwestycyjnych 8. Optymalizacja decyzji iwestycyjych 8. Wprowadzeie W wielu różych sytuacjach, w tym rówież w czasie wyboru iwestycji do realizacji, podejmujemy decyzje. Sytuacje takie azywae są sytuacjami decyzyjymi.

Bardziej szczegółowo

Wpływ warunków eksploatacji pojazdu na charakterystyki zewnętrzne silnika

Wpływ warunków eksploatacji pojazdu na charakterystyki zewnętrzne silnika POLITECHNIKA BIAŁOSTOCKA WYDZIAŁ MECHANICZNY Katedra Budowy i Eksploatacji Maszy Istrukcja do zajęć laboratoryjych z przedmiotu: EKSPLOATACJA MASZYN Wpływ waruków eksploatacji pojazdu a charakterystyki

Bardziej szczegółowo

ANALIZA SKORELOWANIA WYNIKÓW POMIAROWYCH W OCENACH STANU ZAGROŻEŃ HAŁASOWYCH ŚRODOWISKA

ANALIZA SKORELOWANIA WYNIKÓW POMIAROWYCH W OCENACH STANU ZAGROŻEŃ HAŁASOWYCH ŚRODOWISKA SYSTEMY WSPOMAGANIA W INŻYNIERII PRODUKCJI Środowisko i Bezpieczeństwo w Iżyierii Produkcji 2013 5 ANALIZA SKORELOWANIA WYNIKÓW POMIAROWYCH W OCENACH STANU ZAGROŻEŃ HAŁASOWYCH ŚRODOWISKA 5.1 WPROWADZENIE

Bardziej szczegółowo

Wpływ religijności na ukształtowanie postawy wobec eutanazji The impact of religiosity on the formation of attitudes toward euthanasia

Wpływ religijności na ukształtowanie postawy wobec eutanazji The impact of religiosity on the formation of attitudes toward euthanasia Ewelia Majka, Katarzya Kociuba-Adamczuk, Mariola Bałos Wpływ religijości a ukształtowaie postawy wobec eutaazji The impact of religiosity o the formatio of attitudes toward euthaasia Ewelia Majka 1, Katarzya

Bardziej szczegółowo

Optymalizacja sieci powiązań układu nadrzędnego grupy kopalń ze względu na koszty transportu

Optymalizacja sieci powiązań układu nadrzędnego grupy kopalń ze względu na koszty transportu dr hab. iż. KRYSTIAN KALINOWSKI WSIiZ w Bielsku Białej, Politechika Śląska dr iż. ROMAN KAULA Politechika Śląska Optymalizacja sieci powiązań układu adrzędego grupy kopalń ze względu a koszty trasportu

Bardziej szczegółowo

ZESZYTY NAUKOWE POLITECHNIKI GDAŃSKIEJ

ZESZYTY NAUKOWE POLITECHNIKI GDAŃSKIEJ ZESZYTY NAUKOWE POLITECHNIKI GDAŃSKIEJ Nr 573 Ekoomia XXXIX 2001 BŁAŻEJ PRUSAK Katedra Ekoomii i Zarządzaia Przedsiębiorstwem METODY OCENY PROJEKTÓW INWESTYCYJNYCH Celem artykułu jest przedstawieie metod

Bardziej szczegółowo

Egzamin maturalny z matematyki CZERWIEC 2011

Egzamin maturalny z matematyki CZERWIEC 2011 Egzami maturaly z matematyki CZERWIEC 0 Klucz puktowaia do zadań zamkiętych oraz schemat oceiaia do zadań otwartych POZIOM PODSTAWOWY Poziom podstawowy czerwiec 0 Klucz puktowaia do zadań zamkiętych Nr

Bardziej szczegółowo

Laboratorium Sensorów i Pomiarów Wielkości Nieelektrycznych. Ćwiczenie nr 1

Laboratorium Sensorów i Pomiarów Wielkości Nieelektrycznych. Ćwiczenie nr 1 1. Cel ćwiczeia: Laboratorium Sesorów i Pomiarów Wielkości Nieelektryczych Ćwiczeie r 1 Pomiary ciśieia Celem ćwiczeia jest zapozaie się z kostrukcją i działaiem czujików ciśieia. W trakcie zajęć laboratoryjych

Bardziej szczegółowo

ZASTOSOWANIE PAKIETU SIMULINK DO MODELOWANIA TRANSMISJI VDSL*

ZASTOSOWANIE PAKIETU SIMULINK DO MODELOWANIA TRANSMISJI VDSL* Paweł Sroka Politechika Pozańska Istytut Elektroiki i Telekomuikacji psroka@et.put.poza.pl 2004 Pozańskie Warsztaty Telekomuikacyje Pozań 9-10 grudia 2004 ZASTOSOWANIE PAKIETU SIMULINK DO MODELOWANIA TRANSMISJI

Bardziej szczegółowo

a n 7 a jest ciągiem arytmetycznym.

a n 7 a jest ciągiem arytmetycznym. ZADANIA MATURALNE - CIĄGI LICZBOWE - POZIOM PODSTAWOWY Opracowała mgr Dauta Brzezińska Zad.1. ( pkt) Ciąg a określoy jest wzorem 5.Wyzacz liczbę ujemych wyrazów tego ciągu. Zad.. ( 6 pkt) a Day jest ciąg

Bardziej szczegółowo