EFEKTYWNOŚĆ INWESTYCJI WIELOLETNICH

Wielkość: px
Rozpocząć pokaz od strony:

Download "EFEKTYWNOŚĆ INWESTYCJI WIELOLETNICH"

Transkrypt

1 Please cte ths atcle as: Mae Łayga, Macej Tacz, Efetywość westycj weloletch, Scetfc Reseach of the sttute of Mathematcs a Comute Scece,, Volume, ssue, ages 7-. The webste: htt:// Pace Nauowe stytutu Matematy fomaty Poltech Częstochowsej EFETYWNOŚĆ NWESTYCJ WELOLETNCH Mae Łayga, Macej Tacz stytut Matematy fomaty, Poltecha Częstochowsa Steszczee. W ejszej acy zyomao efcję wsaźa jaośc westycj oaz oao jego ostawowe własośc. Wowazoo tzw. globaly wsaź jaośc westycj oaz oao jego zastosowae w ocee załalośc westycyjej jeego zesębostwa. W ugej częśc acy baao efetywość weloletch westycj zesębostw całej baży, a awet óżych baż w oacu o ewe metoy welowymaowej aalzy oówawczej. Jao ostawową metoę ozwalającą a oówae zesębostw (obetów) ze wzglęu a wsaź jaośc westycj zyjęto ch oobeństwo, maą tóego jest oległość męzy obetam. W acy [] został zefoway wsaź jaośc westycj w ostac l + mlα + m gze: m l - ume mesąca, w tóym aalzuje sę jaość westycj (l,,...,) w -tym ou jej twaa, α - szacowaa stoa ocetowa zysu w -tym ou twaa westycj, - stoa flacj w -tym ou. Wsaź () ozwala a comesęczą oceę załalośc fmy atałowej. Ja łatwo sawzć, jest o całą ówaa α l l + Elastyczośc cząstowe wsaźa () mają ostać l l mα E + Śee temo wzostu wsaźa jaośc westycj () () l α l (3) ml m l E l (4) + ml E l α l α l + E l 7

2 Pace Nauowe stytutu Matematy fomaty Poltech Częstochowsej jest śeą ważoą elastyczośc cząstowych z wagam ówym ooweo α śem temom cząstowym wzostu stó ocetowych zysu α α flacj. W zyau oczej ocey westycj fmy atałowej w -tym ou jej twaa wzó () zyjmuje ostać + α + Pzy ługotemowej -letej westycj moża wowazć tzw. globaly wsaź jaośc westycj, gze (,, ) ae jest wzoem (5). Oczywste jest, ż -leta westycja jest la fmy ołacala tylo wtey, gy () >. Możemy zatem tatować wsaź () jao azęze ocey jaośc westycj aej fmy. Ja łatwo zauważyć globaly wsaź () jest całą ówaa óżczowego (5) α + α + ( ) Elastyczośc cząstowe mają ostać: 8 Eα α + α E +,, atomast śee temo wzostu wsaźa () wzglęem stó α,,,..., wyaża sę wzoem ( ) ( Eα + E ) α α gze: α,. α Powóćmy o aalzy wsaźa aego wzoem (5). Wsaź te jest wylczoy la jeej fmy. Możemy jea w oacu o ewe metoy welowymaowej aalzy oówawczej baać efetywość westycj zesębostw całej baży, a awet óżych baż. Postawowym eefowalym ojęcam aalzy oówawczej są ojęca obetu zmeej. W aszym zyau obet to zesębostwo, zaś zmee to wsaź jaośc westycj. ałóżmy, że baa-

3 Pace Nauowe stytutu Matematy fomaty Poltech Częstochowsej my m zesębostw ozoczyających -lete westycje. Oeślmy aalogcze o (5) oczy wsaź jaośc westycj la -tego zesębostwa (,...,m) w -tym ou + α +,, gze: α - stoa zysu -tego zesębostwa w -tym ou, - flacja w -tym ou. Powyższe wsaź (zmee) możemy zasać w ostac tzw. macezy obsewacj M m m m W zyau aalzy zesębostw óżych baż celowe jest sowazee wszystch zmeych o welośc tego samego zęu. Moża tego ooać omując macez obsewacj. Jest wele sosobów omowaa, jea ajczęścej stosowaym jest staayzacja. Polega oa a zastąeu zmeej zmeą S gze: m m ( ) m S m Najostszą metoą omowaa macezy jest zastąee zmeej zmeą m t gze t max m Welość ta os azwę ozoszea lub ozstęu -tej zmeej. Welośc S, t mogą w ewych zyaach służyć jao lustacja jaośc westycj oówywaych zesębostw. N. uże zóżcowae t ozacza óweż uże zóżcowae ochoów fm. Paamety te e ają jea yteów wybou fm ze wzglęu a jaość westycj. Pojęcem ozwalającym a oówae obetów 9

4 Pace Nauowe stytutu Matematy fomaty Poltech Częstochowsej o wzglęem baaego zjawsa jest ch oobeństwo, maą tóego jest oległość męzy m. Do oeślea oległośc męzy -tym j-tym obetem stosuje sę ajczęścej oległość eulesową, tz.: j j ( j) ( j) la fm óżych baż (uomowaa macez ) la fm tej samej baży (euomowaa macez ) Oblczając oległośc la wszystch obetów, otzymujemy macez oległośc D m m m m Oczywśce D D. Na ostawe macezy oległośc moża oguować obety w lasy z uwzglęeem oższych wauów: ) suma wszystch las mus ać cały zbó obetów, ) lasy muszą być ozłącze, 3) lasy muszą zaweać obety ja ajbazej oobe o sebe. Dla m obetów (zesębostw) metoa guowaa zebega w m etaach. Na oczątu aży obet twozy lasę jeoelemetową, tz. T { } C,,...,m Ogóle C ozaczać bęze -tą lasę obetów w -tym etae guowaa. W etae tym wyouje sę astęujące czyośc:. Na ostawe macezy oległośc męzy lasam D o wymaach + x +, gze D o D wybea sę we lasy ajblższe, tz. lasy ( ) ( ) q q, j j C C, la tóych zachoz m, j, gze elemet w -tym weszu j-tej olume macezy D.. Łączy sę lasy q j ozacza C C, twoząc ową lasę C. Pozostałe lasy e ulegają zmae. 3. Twozy sę ową macez oległośc męzy lasam D γ o wymaach ( ) x ( ) owstałą z macezy D zez zastąee wóch weszy olum oowaających łączoym a tym etae lasom C C jeym weszem jeą olumą, zaweającym oległość owo owstałej lasy o ozostałych las. q C

5 Pace Nauowe stytutu Matematy fomaty Poltech Częstochowsej Wyóża sę la sosobów oeślaa oległośc owo owstałej lasy o ozostałych las. W tej acy zyjmujemy oległośc ajblższego sąsaa (. s.), w oacu o ą omówmy metoę guowaa w lasy, azwaą óweż metoą ajblższego sąsaa. Nech bęą ae we lasy obetów C C. Oległośc. s. męzy tym lasam wyaża sę wzoem ( C, C) m j (6) C j C Pzyła. Daa jest macez oległośc la ęcu obetów, D,5, 3,,6,5,6,4,,,4,7 3,,7 Nech obety,, 3 ależą o lasy C, obety 4, 5 o C, wówczas ( C C ) m{,,,,, } {,; 3;; ;,4;,}, 4, Pzyła. Nech bęze aa macez z zyłau. Mmaly elemet tej macezy to,. Wobec tego lasy C C twozą ową lasę C, atomast ozostałe lasy ozostają bez zma, tz. C { }, { } C5 5 C C { } 3 3 C, 3 4 C. Po ewszym etae otzymujemy lasyfację {,}, { 3 }, { 4 }, { 5 }. Oeślamy teaz oległość lasy C o ozostałych las, ozystając ze wzou (6): ( C, C) m{ 3, 3} m{,5,,6}, 6 ( C, C3) m{ 4, 4} m{,,} ( C C ) m{, } m{ 3, } 3 4, atem macez D ma ostać D,6,6,4,,4,7,,7

6 Pace Nauowe stytutu Matematy fomaty Poltech Częstochowsej 3 Mmalym elemetem macezy D jest, 4. Po ugm etae mamy zatem lasyfację {, }, {,4}, 3 { 5 } D,6,6,, Mmalym elemetem macezy D jest, 6. Po tzecm etae otzymujemy lasyfację {,,, }, 3 4 { } 3 D 5,, Jeżel lasy C C wystęujące w zyłaze otatujemy jao baże, a obety,,...,5 jao zesębostwa o ch ależące, to oazuje sę, ż zesębostwa tej samej baży ależą o óżych las ( 4 5 ). W wyu ta zeowazoej lasyfacj obetów zyależość zesębostw tej samej baży o wóch óżych las jest eoojącym sygałem o zbyt użym zóżcowau ochoowośc. Pzesębostwa tej samej baży owy być ja ajbazej oobe, czyl owy twozyć jeą lasę. Pzyależość o óżych las owouje w atyce emożość oówaa jaośc westycj w óżych bażach. W tam zyau ozostaje oówywae zomalzowaych wsółczyów jaośc westycj w -tym ou. Moża tego ooać, baając loczyy gze jest zomalzowaym wsaźem jaośc westycj -tego zesębostwa w -tym ou ewej baży. Jest oczywste, że m bazej jest węsze o jeośc, tym westycje w ozatywaej baży są bazej ołacale. Lteatua [] ałuży T., Łayga M., Pogós P., Tacz M., Wsaź jaośc westycj, Męzyaoowa ofeecja Nauowo-Techcza Poucja azązae w Hutctwe, Ustoń-Jaszowec 999. [] Łayga M., Tacz M., Wsaź jaośc westycj jao azęze w ocee fm atałowych, Efetywość zastosowaa systemów fomatyczych, o e. J.. Gabay, J.S. Nowaa, WNT, Waszawa-Szczy. [3] Łayga M., Tacz M., astosowae wsaźa jaośc westycj o lasyfacj obetów, Efetywość zastosowań systemów fomacyjych, o eacją J.. Gabay, J.S. Nowaa, WNT, Waszawa. [4] Łayga M., Tacz M., Wsaź jaośc westycj w aalze oówawczej, Symozjum Nauowe stytutu Matematy fomaty Poltech Częstochowsej, Poaj.

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

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

Bardziej szczegółowo

Wynik finansowy transakcji w momencie jej zawierania jest nieznany z uwagi na zmienność ceny przedmiotu transakcji, czyli instrumentu bazowego

Wynik finansowy transakcji w momencie jej zawierania jest nieznany z uwagi na zmienność ceny przedmiotu transakcji, czyli instrumentu bazowego .Istmety ochoe otaty temiowe azywae sa istmetami ochoymi (eivatives. otat temiowy zobowiazje wie stoy o zeowazeia w zyszłosci ewej tasacji a wczesiej staloych waach. Jea stoa otatów (abywca - te, co je

Bardziej szczegółowo

Laboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI

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

Bardziej szczegółowo

Analiza Matematyczna Ćwiczenia. J. de Lucas

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

Bardziej szczegółowo

Portfel złożony z wielu papierów wartościowych

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

Bardziej szczegółowo

JEDNOWYMIAROWA ZMIENNA LOSOWA

JEDNOWYMIAROWA ZMIENNA LOSOWA JEDNOWYMIAROWA ZMIENNA LOSOWA Nech E będze zborem zdarzeń elemetarych daego dośwadczea. Fucję X(e) przyporządowującą ażdemu zdarzeu elemetaremu e E jedą tylo jedą lczbę X(e)=x azywamy ZMIENNĄ LOSOWĄ. Przyład:

Bardziej szczegółowo

PROBLEMY MODELOWANIA MATEMATYCZNEGO PRĄDNIC SYNCHRONICZNYCH WZBUDZANYCH MAGNESAMI TRWAŁYMI

PROBLEMY MODELOWANIA MATEMATYCZNEGO PRĄDNIC SYNCHRONICZNYCH WZBUDZANYCH MAGNESAMI TRWAŁYMI Taeusz J. SOBCZYK PROBEMY MODEOWANIA MATEMATYCZNEGO PRĄDNIC SYNCHRONICZNYCH WZBUDZANYCH MAGNESAMI TRWAŁYMI STERSZCZENIE W racy rzestawoo etoyę tworzea tzw. obwoowych oel ateatyczych aszy sychroczych wzbuzaych

Bardziej szczegółowo

Lista 6. Kamil Matuszewski 26 listopada 2015

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

Bardziej szczegółowo

ć Ó ć Ź ć ć ć ć ć ć Ś Ą ć ź Ź ć Ź Ź ć ć ć Ą Ź ĄĄ ć ź ć ć ć ć ć ć Ą ź Ó ć ć ć ć ć ć ć Ą ć ź ć ć ć Ś Ą ź ć Ó ć ć ć Ł ć ć Ą ć ć Ą Ó ć ć ć ć ź ć ć ć ć ć ć Ść ć ć Ó ć Ę ć ć ÓĄ Ś ć ć ć Ą ć ć Ź ź Ś ć Ź ć ć ć

Bardziej szczegółowo

Wytrzymałość śruby wysokość nakrętki

Wytrzymałość śruby wysokość nakrętki Wyzymałość śuby wysoość aęi Wpowazeie zej Wie Działająca w śubie siła osiowa jes pzeoszoa pzez zeń i zwoje gwiu. owouje ozciągaie lub ścisaie zeia śuby, zgiaie i ściaie zwojów gwiu oaz wywołuje acisi a

Bardziej szczegółowo

Analiza spektralna stóp zwrotu z inwestycji w akcje

Analiza spektralna stóp zwrotu z inwestycji w akcje Nasz rye aptałowy, 003 r3, str. 38-43 Joaa Góra, Magdalea Osńsa Katedra Eoometr Statysty Uwersytet Mołaja Kopera w Toruu Aalza spetrala stóp zwrotu z westycj w acje. Wstęp Agregacja w eoom eoometr bywa

Bardziej szczegółowo

( ) ( ) ( ) ( ) ( ) ( )

( ) ( ) ( ) ( ) ( ) ( ) ,,, ~ B, β ( β β ( ( Γ( β Γ + f ( Γ ( + ( + β + ( + β Γ + β Γ + Γ + β Γ + + β E Γ Γ β Γ Γ + + β Γ + Γ β + β β β Γ + β Γ + Γ + β Γ + + β E ( Γ Γ β Γ Γ + + β Γ + Γ β β + β Metoda mometów polega a przyrówau

Bardziej szczegółowo

Niezawodność. systemów nienaprawialnych. 1. Analiza systemów w nienaprawialnych. 2. System nienaprawialny przykładowe

Niezawodność. systemów nienaprawialnych. 1. Analiza systemów w nienaprawialnych. 2. System nienaprawialny przykładowe Nezawoość sysemów eaprawalych. Aalza sysemów w eaprawalych. Sysemy eaprawale - przykłaowe srukury ezawooścowe 3. Sysemy eaprawale - przykłay aalzy. Aalza sysemów w eaprawalych Sysem eaprawaly jes o sysem

Bardziej szczegółowo

ZAJĘCIA NR 3. loga. i nosi nazwę entropii informacyjnej źródła informacji. p. oznacza, Ŝe to co po im występuje naleŝy sumować biorąc za i

ZAJĘCIA NR 3. loga. i nosi nazwę entropii informacyjnej źródła informacji. p. oznacza, Ŝe to co po im występuje naleŝy sumować biorąc za i ZAJĘCIA NR Dzsaj omówmy o etro, redudacj, średej długośc słowa odowego o algorytme Huffmaa zajdowaa odu otymalego (od ewym względam; aby dowedzeć sę jam doczeaj do ońca). etro JeŜel źródło moŝe adawać

Bardziej szczegółowo

Statystyka opisowa. W szeregu tym prezentowana jest ilość wystąpień w próbie każdej wartości cechy.

Statystyka opisowa. W szeregu tym prezentowana jest ilość wystąpień w próbie każdej wartości cechy. Statystyka osowa Statystyka osowa óż sę od statystyk matematyczej tym, że óy statystyczej dotyczącej daej cechy, e wykozystuje sę do woskowaa a temat oulacj, z któej óa ta została wylosowaa, a jedye aalzuje

Bardziej szczegółowo

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski Różczkowae fukcj rzeczywstych welu zmeych rzeczywstych Matematyka Studum doktoracke KAE SGH Semestr let 8/9 R. Łochowsk Pochoda fukcj jedej zmeej e spojrzee Nech f : ( α, β ) R, α, β R, α < β Fukcja f

Bardziej szczegółowo

Planowanie eksperymentu pomiarowego I

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

Bardziej szczegółowo

Arkusze maturalne poziom podstawowy

Arkusze maturalne poziom podstawowy Akusze matualne poziom postawowy zaania zamknięte N zaania 5 7 8 9 0 Pawiłowa opowieź a c a b c b a Liczba punktów zaania otwate N zaania Pawiłowa opowieź Punkty Q mg 00 N Z III zasay ynamiki wynika, że

Bardziej szczegółowo

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ Podstawowe pojęca rachuu prawdopodobeństwa: zdarzee losowe, zdarzee elemetare, prawdopodobeństwo, zbór zdarzeń elemetarych. Def. Nech E będze zborem

Bardziej szczegółowo

4.5. PODSTAWOWE OBLICZENIA HAŁASOWE 4.5.1. WPROWADZENIE

4.5. PODSTAWOWE OBLICZENIA HAŁASOWE 4.5.1. WPROWADZENIE 4.5. PODTAWOWE OBCZENA HAŁAOWE 4.5.. WPROWADZENE Z dotychczasowych ozważań wiemy już dużo w zakesie oisu, watościowaia i omiau hałasu w zemyśle. Wato więc tę wiedzę odsumować w jedym zwatym ukcie, co umożliwi

Bardziej szczegółowo

INSTRUMENTY DŁUŻNE. Rodzaje ryzyka inwestowania w obligacje Duracja i wypukłość obligacji Wrażliwość wyceny obligacji

INSTRUMENTY DŁUŻNE. Rodzaje ryzyka inwestowania w obligacje Duracja i wypukłość obligacji Wrażliwość wyceny obligacji INSTRUMENTY ŁUŻNE Rozaje yzyka iwesowaia w obligacje uacja i wypukłość obligacji Ważliwość wycey obligacji Ryzyko iwesycji w obligacje Ryzyko eiwesycyje możliwość uzyskaia iskiej sopy zwou z wypłacoych

Bardziej szczegółowo

Równania Lagrange a II r.

Równania Lagrange a II r. Mechania Analityczna i Dgania Równania Lagange a II. pzyłay Równania Lagange a II. pzyłay mg inż. Sebastian Pauła Aaemia Góniczo-Hutnicza im. Stanisława Staszica w Kaowie Wyział Inżynieii Mechanicznej

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Sterowanie optymalne statkiem w obszarze ze zmiennym prądem problem czasooptymalnej marszruty. Zenon Zwierzewicz

Sterowanie optymalne statkiem w obszarze ze zmiennym prądem problem czasooptymalnej marszruty. Zenon Zwierzewicz Sterowae otymale statem w obszarze ze zmeym rądem roblem czasootymalej marszrty Zeo Zwerzewcz Szczec Zeo Zwerzewcz Sterowae otymale statem w obszarze ze zmeym rądem roblem czasootymalej marszrty W artyle

Bardziej szczegółowo

ó ę ą ż ż ś ść Ó Ś ż Ó Ś ę ą żć ó ż Ó ż Ó ó ó ż Ó ż ó ą ą Ą ś ą ż ó ó ż ę Ć ż ż ż Ó ó ó ó ę ż ę Ó ż ę ż Ó Ę Ó ó Óś Ś ść ę ć Ś ę ąć śó ą ę ęż ó ó ż Ś ż

ó ę ą ż ż ś ść Ó Ś ż Ó Ś ę ą żć ó ż Ó ż Ó ó ó ż Ó ż ó ą ą Ą ś ą ż ó ó ż ę Ć ż ż ż Ó ó ó ó ę ż ę Ó ż ę ż Ó Ę Ó ó Óś Ś ść ę ć Ś ę ąć śó ą ę ęż ó ó ż Ś ż Ó śó ą ę Ę śćś ść ę ą ś ó ą ó Ł Ó ż Ś ą ś Ó ą ć ó ż ść śó ą Óść ó ż ż ą Ś Ś ż Ó ą Ó ą Ć Ś ż ó ż ę ąś ó ć Ś Ó ó ś ś ś ó Ó ś Ź ż ą ó ą żą śó Ś Ó Ś ó Ś Ś ąś Ó ó ę ą ż ż ś ść Ó Ś ż Ó Ś ę ą żć ó ż Ó ż Ó ó ó

Bardziej szczegółowo

Indukcja matematyczna

Indukcja matematyczna Iducja matematycza Twerdzee. zasada ducj matematyczej Nech T ozacza pewą tezę o lczbe aturalej. Jeżel dla pewej lczby aturalej 0 teza T 0 jest prawdzwa dla ażdej lczby aturalej 0 z prawdzwośc tezy T wya

Bardziej szczegółowo

Teoria i metody optymalizacji

Teoria i metody optymalizacji Sforułowae owae zaaa otyalzacj elowej bez ograczeń: Fukcja celu f( : Zaae otyalzacj olega a zalezeu wektora zeych ecyzyjych aleŝącego o zboru rozwązań ouszczalych R takego Ŝe la R Co jest rówozacze zasow:

Bardziej szczegółowo

Analityczne metody kinematyki mechanizmów

Analityczne metody kinematyki mechanizmów J Buśkiewicz Analityczne Metoy Kinematyki w Teorii Mechanizmów Analityczne metoy kinematyki mechanizmów Spis treści Współrzęne opisujące położenia ogniw pary kinematycznej Mechanizm korowo-wozikowy (crank-slier

Bardziej szczegółowo

Zmiana bazy i macierz przejścia

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

Bardziej szczegółowo

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne Mary położea Średa arytmetycza Klasycze Średa harmocza Średa geometrycza Mary położea e Modala Kwartyl perwszy Pozycyje Medaa (kwartyl drug) Kwatyle Kwartyl trzec Decyle Średa arytmetycza = + +... + 2

Bardziej szczegółowo

Justyna Wróblewska Akademia Ekonomiczna w Krakowie. Bayesowska analiza kointegracji na przykładzie sprzężenia płacowo cenowego w gospodarce polskiej

Justyna Wróblewska Akademia Ekonomiczna w Krakowie. Bayesowska analiza kointegracji na przykładzie sprzężenia płacowo cenowego w gospodarce polskiej DNMCZNE MODELE EKONOMETRCZNE X Ogóloolske Semaum Naukowe 4 6 wześa 7 w Touu Katea Ekoomet Statystyk Uwesytet Mkołaja Koeka w Touu kaema Ekoomcza w Kakowe ayesowska aalza kotegacj a zykłaze szężea łacowo

Bardziej szczegółowo

1. SZCZEGÓLNE PRZYPADKI ŁUKÓW.

1. SZCZEGÓLNE PRZYPADKI ŁUKÓW. Olga Kopacz, Aam Łoygowski, Kzysztof Tymbe, ichał Płotkowiak, Wojciech Pawłowski Konsultacje naukowe: pof. hab. Jezy Rakowski Poznań /. SZCZEGÓLNE PRZYPADKI ŁUKÓW.. Łuk jenopzegubowy kołowy. Dla łuku jak

Bardziej szczegółowo

BQR FMECA/FMEA. czujnik DI CPU DO zawór. Rys. 1. Schemat rozpatrywanego systemu zabezpieczeniowego PE

BQR FMECA/FMEA. czujnik DI CPU DO zawór. Rys. 1. Schemat rozpatrywanego systemu zabezpieczeniowego PE BQR FMECA/FMEA Przed rozpoczęcem aalzy ależy przeprowadzć dekompozycję systemu a podsystemy elemety. W efekce dekompozycj uzyskuje sę klka pozomów: pozom systemu, pozomy podsystemów oraz pozom elemetów.

Bardziej szczegółowo

Propozycja nowego podejścia do problematyki badań przyczynowych w analizie ekonomicznej

Propozycja nowego podejścia do problematyki badań przyczynowych w analizie ekonomicznej Zeszyty Teoretycze Rachuowośc tom 8 9 05 s. 94 Stowarzyszee Ksęgowych w Polsce Proozycja owego odejśca do roblematy badań rzyczyowych w aalze eoomczej JÓZE BUĆKO Streszczee W rezetowaym artyule autor osuje

Bardziej szczegółowo

- ---Ą

- ---Ą Ą ż ą ą ą Ą ó ą ł ą ł Ąą ż ś Ę ÓŁ Ę Ó ŁĄ ŁŚĆ ł ż ł ż ó ł Ó Ć Ą Ł ŁÓ ŁŚ Ą ż Ó ŁÓ Ę ś ś ł ż ł Ą ęś Ą ń ź ć ą ą ę ń ż ąń ę ę ć óź ŁĄ ą ł ę ę ł ę ń Ą Ęł ą Ł ł ł ż ó ą ł ęę ĘĘ ęć ó ą ń ł ą Ą ęś ł ś ÓŁ Ą ę ę

Bardziej szczegółowo

MATEMATYKA FINANSOWA - WZORY LOKATY

MATEMATYKA FINANSOWA - WZORY LOKATY Stoa ocetowa Z Dysoto ateatycze D M Dysoto halowe D H MAMAYA FINANSOA - ZORY LOAY stoa ysotowa atalzacja zgoa osta z ołu atał o oesach: P Oset: ( Z P Oblczae atału a ostawe P : P P P P atalzacja zgoa złożoa

Bardziej szczegółowo

Przetwarzanie danych meteorologicznych

Przetwarzanie danych meteorologicznych Sps teśc I Rozważaa ogóle 5 Pzetwazae daych meteoologczych Notat z wyładu pokhamaa Wyoała: Alesada Kadaś I Iomacja odowae 5 I Poces pzetwazaa daych 5 I Aalza 6 I Syteza 7 I3 Edycja wzualzacja 7 I3 Dae

Bardziej szczegółowo

Współczynnik korelacji rangowej badanie zależności między preferencjami

Współczynnik korelacji rangowej badanie zależności między preferencjami Współczyk korelacj ragowej badae zależośc mędzy preferecjam Przemysław Grzegorzewsk Istytut Badań Systymowych PAN ul. Newelska 6 01-447 Warszawa E-mal: pgrzeg@bspa.waw.pl Pla referatu: Klasycze metody

Bardziej szczegółowo

ĆWICZENIE 3 ANALIZA WSPÓŁZALEŻNOŚCI ZJAWISK MASOWYCH

ĆWICZENIE 3 ANALIZA WSPÓŁZALEŻNOŚCI ZJAWISK MASOWYCH Laboaoum eod aczch ĆWICZENIE 3 ANALIZA WPÓŁZALEŻNOŚCI ZJAWIK AOWCH Jedo wozące zboowość chaaezowae ą zazwcza za pomocą welu cech óe wzaeme ę wauuą. Celem aalz wpółzależośc e wedzee cz mędz badam cecham

Bardziej szczegółowo

Podprzestrzenie macierzowe

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

Bardziej szczegółowo

STATYSTYKA MORANA W ANALIZIE ROZKŁADU CEN NIERUCHOMOŚCI

STATYSTYKA MORANA W ANALIZIE ROZKŁADU CEN NIERUCHOMOŚCI METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XII/, 0, tr. 3 STATYSTYKA MORANA W ANALIZIE ROZKŁADU CEN NIERUCHOMOŚCI Dorota Kozoł-Kaczorek Katedra Ekoomk Rolcta Mędzyarodoych Stoukó Gopodarczych Szkoła

Bardziej szczegółowo

Wykłady z Analizy rzeczywistej i zespolonej w Matematyce stosowanej. Literatura. W. Rudin: Podstawy analizy matematycznej, PWN, Warszawa, 1982.

Wykłady z Analizy rzeczywistej i zespolonej w Matematyce stosowanej. Literatura. W. Rudin: Podstawy analizy matematycznej, PWN, Warszawa, 1982. Wyłady z Aalzy rzeczywstej zespoloej w Matematyce stosowaej Lteratura W Rud: Podstawy aalzy matematyczej, PWN, Warszawa, 1982 W Rud: Aalza rzeczywsta zespoloa, PZWS, Warszawa, 1986 W Szabat: Wstęp do aalzy

Bardziej szczegółowo

n R ZałóŜmy, Ŝe istnieje d, dla którego: Metody optymalizacji Dr inŝ. Ewa Szlachcic otwarte otoczenie R n punktu x, Ŝe

n R ZałóŜmy, Ŝe istnieje d, dla którego: Metody optymalizacji Dr inŝ. Ewa Szlachcic otwarte otoczenie R n punktu x, Ŝe Sforułowae owae zaaa otyalzacj elowej bez ograczeń: Fukcja celu f() : Zaae otyalzacj olega a zalezeu wektora zeych ecyzyjych aleŝącego o zboru rozwązań ouszczalych R takego Ŝe la R Co jest rówozacze zasow:

Bardziej szczegółowo

ź Ą Ę ź Ć

ź Ą Ę ź Ć Ę Ą Ą ź ó ź Ą Ę ź Ć ź ź ĄĘ ź ź Ą ó Ę Ą ź ź ź Ą ź Ę ó Ł Ś ó ó Ą ź ź ź Ą ź Ę ź ź Ą ź ź ź Ą Ł ź Ę Ę Ę ź Ą Ę ź Ą Ę Ą Ę Ę Ą ź ź Ą ó ź ó ź ź ź ź ź ź Ś ź ź Ą ź ź ź Ą ź ź ź Ź ź ó ź Ę ź Ą ó ź Ą Ż ź ź Ę ź Ź ź ź

Bardziej szczegółowo

Ż Ę ć Ć ć ć Ą

Ż Ę ć Ć ć ć Ą Ś Ł Ż Ą Ż Ę ć Ć ć ć Ą ŚĘ Ż ź Ś Ż Ś Ś Ń Ę Ą Ś Ł Ś Ł Ż Ż ź ż Ą Ś Ż Ż Ś Ł Ą Ą Ó Ż Ż ż ć Ż ż ć ż Ó Ż ż ć ż ć ż Ą Ę ż Ó Ó ż ż Ó ć Ż ć Ż ć ć ź Ę Ę Ę ć Ż Ź Ż ż ć ż Ź Ę Ż ż ć Ś ć Ż Ę ż Ę ż ż ż Ż ż ż ż ż ĘŁ ż ż

Bardziej szczegółowo

Przybliżone zapytania do baz danych z akceleracją obliczeń rozkładów prawdopodobieństwa

Przybliżone zapytania do baz danych z akceleracją obliczeń rozkładów prawdopodobieństwa Przyblżoe zapytaa o baz aych z akceleracą oblczeń rozkłaów prawopoobeństwa Wtol Arzeewsk Poltechka Pozańska e mal: Wtol.Arzeewsk@cs.put.poza.pl Artur Gramack, Jarosław Gramack Uwersytet Zeloogórsk e mal:

Bardziej szczegółowo

Arytmetyka finansowa Wykład z dnia 30.04.2013

Arytmetyka finansowa Wykład z dnia 30.04.2013 Arytmetyka fnansowa Wykła z na 30042013 Wesław Krakowak W tym rozzale bęzemy baać wartość aktualną rent pewnych, W szczególnośc, wartość obecną renty, a równeż wartość końcową Do wartośc końcowej renty

Bardziej szczegółowo

ZASTOSOWANIE METODY CBR DO SZACOWANIA KOSZTÓW WYTWARZANIA W FAZIE PROJEKTOWANIA

ZASTOSOWANIE METODY CBR DO SZACOWANIA KOSZTÓW WYTWARZANIA W FAZIE PROJEKTOWANIA ZASTOSOWANIE METODY CBR DO SZACOWANIA KOSZTÓW WYTWARZANIA W FAZIE PROJEKTOWANIA prof. r hab. iż. Ryszar Kosala r.kosala@po.opole.pl mgr iż. Barbara Baruś b.barus@po.opole.pl Politechika Opolska Wyział

Bardziej szczegółowo

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych

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

Bardziej szczegółowo

Wpływ redukcji poziomu szumu losowego metodą najbliższych sąsiadów 161

Wpływ redukcji poziomu szumu losowego metodą najbliższych sąsiadów 161 Kaarzya Zeug-Żebro WPŁYW REDUKCJI POZIOMU SZUMU LOSOWEGO MEODĄ NAJBLIŻSZYCH SĄSIADÓW NA WAROŚĆ NAJWIĘKSZEGO WYKŁADNIKA LAPUNOWA Wprowazee W aalze szeregów czasowych zakłaa sę, że w aych moża wyorębć skłak

Bardziej szczegółowo

LINIA PRZESYŁOWA PRĄDU STAŁEGO

LINIA PRZESYŁOWA PRĄDU STAŁEGO oitechnia Białostoca Wydział Eetyczny Kateda Eetotechnii Teoetycznej i Metoogii nstucja do zajęć aboatoyjnych Tytuł ćwiczenia LNA RZEYŁOWA RĄD TAŁEGO Nume ćwiczenia E Auto: mg inŝ. Łuasz Zaniewsi Białysto

Bardziej szczegółowo

SPOŁECZNA AKDAEMIA NAUK W ŁODZI

SPOŁECZNA AKDAEMIA NAUK W ŁODZI SPOŁECZNA AKDAEMIA NAUK W ŁODZI KIERUNEK STUDIÓW: ZARZĄDZANIE PRZEDMIOT: METODY ILOŚCIOWE W ZARZĄDZANIU (MATERIAŁ POMOCNICZY PRZEDMIOT PODSTAWOWY ) Łódź Sps treśc Moduł Wprowadzee do metod loścowych w

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska Statystyka Iżyerska dr hab. ż. Jacek Tarasuk AGH, WFIS 013 Wykład 3 DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE, PODSTAWY ESTYMACJI Dwuwymarowa, dyskreta fukcja rozkładu rawdoodobeństwa, Rozkłady brzegowe

Bardziej szczegółowo

Ł Ł Ó Ą ć ć Ó Ą Ź Ó ć Ó Ó Ę Ą

Ł Ł Ó Ą ć ć Ó Ą Ź Ó ć Ó Ó Ę Ą Ą ź Ą Ą Ź Ń ź Ł Ł Ó Ą ć ć Ó Ą Ź Ó ć Ó Ó Ę Ą Ó Ó Ź Ó Ó ć ć Ź ć Ł Ź ć ć Ą Ó Ź Ó Ó ć ć ć Ł Ę ź Ę Ę Ę Ę Ę Ę Ę ć Ę Ź Ę Ę ć Ó Ę ć Ó ź Ę ÓÓ Ę Ę Ź Ó Ó ÓŹ Ł Ź Ź Ę ć Ó Ó Ź Ó Ó Ą ÓĘĘ Ó Ą Ź Ó Ó Ź Ć ÓŹ Ó ć Ą Ć Ę Ć

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA (1980/1981). Stopień I, zadanie teoretyczne T4 1

XXX OLIMPIADA FIZYCZNA (1980/1981). Stopień I, zadanie teoretyczne T4 1 XXX OLMPADA FZYCZNA (1980/1981). Stopień, zadanie teoetyczne T4 1 Źódło: Komitet Główny Olimpiady Fizycznej; Waldema Gozowsi; Andzej Kotlici: Fizya w Szole, n 3, 1981.; Andzej Nadolny, Kystyna Pniewsa:

Bardziej szczegółowo

y Y : r R ; n Dobór zmiennych objaśniających do modelu ekonometrycznego Oznaczenia: Y - zmienna objaśniana, Postać macierzowa:

y Y : r R ; n Dobór zmiennych objaśniających do modelu ekonometrycznego Oznaczenia: Y - zmienna objaśniana, Postać macierzowa: Dobó zec objaśającc do odeu eooetczego Ozaczea Y - zea objaśaa,,.,, - potecjae zee objaśające. Postać acezowa Y,. Współcz oeacj R, R, gdze ;,.,, ; ;,.,,, Postuat dotczące zec objaśającc Wso pozo zeośc

Bardziej szczegółowo

Ą ć ć ć ć ć ź

Ą ć ć ć ć ć ź Ą ź ź ź ć ć ć ć ć ć Ą ć ć Ą ć ć ć ć ć ź Ż Ą ć ź Ź Ż ź Ą Ą ć ź ź ź ź Ż Ń Ź Ś ź ź Ź Ź Ź Ą ć Ź Ż ć Ś ź Ą Ń Ś ć Ć Ś ć Ż ź Ż Ą Ż Ą ć ź Ź ź ź ź Ą Ś Ś Ś Ś Ą Ś Ź Ś ź ć ć Ż Ź ć Ż Ś Ś ć ć ć Ś Ż ć ć Ś Ą ć ć Ą Ś

Bardziej szczegółowo

ś ę ę ęż Ć Ł ę ę ę ś ść ż ś ż ę ś ś ę Ż ć ć ś ę ż ś ę Ś Ą Ś ś ę ś ż ż

ś ę ę ęż Ć Ł ę ę ę ś ść ż ś ż ę ś ś ę Ż ć ć ś ę ż ś ę Ś Ą Ś ś ę ś ż ż Ż ę ż ś ę Ś ć ś ść ż ę ę Ś Ą ś ź ć ę ś ć ś ę ę ś ś Ą ść ść ę Ą ż ę ś ś ę ę ć ę ę ś ż Ś Ś ę Ś Ą ś ę ć ś ę ź ś ę ę ź ż ź ść Ż ę ż ż ść ż ż Ł Ź ż ę ś ż ż ę ę ę ę ś ś ŚĆ ę ę ż ś ś ę ś ę ę ęż Ć Ł ę ę ę ś ść

Bardziej szczegółowo

Ę ę ę Łó-ź ----

Ę ę ę Łó-ź ---- -Ę- - - - - - -ę- ę- - Łó-ź -ś - - ó -ą-ę- - -ł - -ą-ę - Ń - - -Ł - - - - - -óż - - - - - - - - - - -ż - - - - - -ś - - - - ł - - - -ą-ę- - - - - - - - - - -ę - - - - - - - - - - - - - ł - - Ł -ń ł - -

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ź Ś ć ć

ź Ś ć ć Ł Ą Ś Ź ź ź Ź Ś ź Ś Ś ź Ą ź Ś ć ć ć Ść Ą Ą ć Ą ń ń ć ć Ś ć ć Ą ń ń ć Ą ń Ą ń Ć ć Ś ć Ź Ś Ą ź ź ć ź Ł ń Ł ź ź Ź ń Ą Ć Ó ć Ź ć ń ń Ń ń ź ń ć ń ń ć Ń Ń Ą Ł Ą Ś ć Ł ć Ś Ś Ą Ą Ą Ś ź Ś Ś ź ź Ś ń Ą Ą ć ń ń ń

Bardziej szczegółowo

( ) ( ) ( ) ( ) ( ) ( )

( ) ( ) ( ) ( ) ( ) ( ) Praca Domowa:.. ( α β ( α β α β ( ( α Γ( β α,,..., ~ B, Γ + f Γ ( α + α ( α + β + ( α + β Γ α + β Γ α + Γ α + β Γ α + + β E Γ α Γ β Γ α Γ α + + β Γ α + Γ β α α + β β α β Γ α + β Γ α + Γ α + β Γ α + + β

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów.

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów. Pradopodobeństo statystya 6..3r. Zadae. Rzucamy symetryczą moetą ta długo aż dóch olejych rzutach pojaą sę resz. Oblcz artość oczeaą lczby yoaych rzutó. (A) 7 (B) 8 (C) 9 (D) (E) 6 Wsazóa: jeśl rzuce umer

Bardziej szczegółowo

Ą ń Ę Ę ź Ę Ę Ę ź Ż ź Ę ń ń ć Ę ź Ż

Ą ń Ę Ę ź Ę Ę Ę ź Ż ź Ę ń ń ć Ę ź Ż Ó Ś ń Ś Ź ń Ą ń Ę Ę ź Ę Ę Ę ź Ż ź Ę ń ń ć Ę ź Ż Ę Ę Ę ź ź Ą Ą ĄĄ ń Ę Ę ń ń ń Ź Ą ń ń ń ń Ę Ą Ę ń Ę Ę Ą ń ń ń ń ź Ę Ę ź ć ń Ę ń Ę Ę Ą ń Ę Ę ń Ę Ę ć ć ń ń Ę Ę Ę Ę ć ć Ź ć ć Ę Ż Ę ń Ż Ó Ę ć ń Ę Ż Ż Ż Ż Ę

Bardziej szczegółowo

Wnioskowanie statystyczne dla korelacji i regresji.

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

Bardziej szczegółowo

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i=

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i= ESTYMATOR WARIANCJI I DYSPERSJI Ozaczmy: µ wartość oczekwaa rozkładu gauowkego wyków pomarów (wartość prawdzwa merzoej welkośc σ dyperja rozkładu wyków pomarów wyk er pomarów (,..., Stoując metodę ajwękzej

Bardziej szczegółowo

Moment pędu punktu materialnego i układu punktów materialnych, moment siły Dynamika ruchu obrotowego bryły

Moment pędu punktu materialnego i układu punktów materialnych, moment siły Dynamika ruchu obrotowego bryły Moment ędu untu matealnego uładu untów matealnych, moment sły Dynama uchu obotowego były x Moment ędu untu matealnego L. O L α. α α A Oeślamy go względem ustalonego untu O v L mv -weto oeślający jego ołożene

Bardziej szczegółowo

Inercjalne układy odniesienia

Inercjalne układy odniesienia Inecjalne ukłay onesena I II zasaa ynamk Newtona są spełnone tylko w pewnej klase ukłaów onesena. Nazywamy je necjalnym ukłaam onesena. Kyteum ukłau necjalnego: I zasaa jeżel F 0, to a 0. Jeżel stneje

Bardziej szczegółowo

Matematyka Finansowa. Wykład. Maciej Wolny

Matematyka Finansowa. Wykład. Maciej Wolny Matematyka Fasowa Wykład Macej Woly macej.woly@polsl.pl Ageda Ogazacja zajęć, wpowadzee, podstawowe pojęca. Teoa fukcj peądza w czase. Rozlczea zwązae ze spłatą długów. Ocea opłacalośc westycj. Lteatua.

Bardziej szczegółowo

Ą Ł Ą Ę Ą Ę Ą Ą Ń Ń Ą Ł Ł ŁĄ Ą

Ą Ł Ą Ę Ą Ę Ą Ą Ń Ń Ą Ł Ł ŁĄ Ą Ą Ą Ł Ł Ń Ą Ą Ł Ą Ę Ą Ę Ą Ą Ń Ń Ą Ł Ł ŁĄ Ą Ó Ą Ą Ą Ą Ę Ł Ą Ą Ę Ę Ą Ł Ą Ą Ę Ą Ę Ę Ę Ł Ę Ę Ą Ą Ł Ą Ą Ą Ę ĄĘ Ł Ą Ą Ą Ą Ą Ą Ę Ł Ą Ę Ó Ł Ą Ę Ą Ł Ę Ę Ą Ą Ź Ł Ń Ń Ą Ó Ż Ą ĄĘ Ę Ą Ą Ą Ę Ą Ł Ą Ą Ę Ł Ę Ó Ł Ł Ł Ę

Bardziej szczegółowo

T. Hofman, Wykłady z Termodynamiki technicznej i chemicznej, Wydział Chemiczny PW, kierunek: Technologia chemiczna, sem.

T. Hofman, Wykłady z Termodynamiki technicznej i chemicznej, Wydział Chemiczny PW, kierunek: Technologia chemiczna, sem. . Hofma Wyłady z ermodyam techczej chemczej Wydzał Chemczy PW erue: echologa chemcza sem.3 215/216 WYKŁAD 3-4. D. Blase reatorów chemczych E. II zasada termodyam F. Kosewecje zasad termodyam D. BILANE

Bardziej szczegółowo

WARTOŚĆ PIENIĄDZA W CZASIE

WARTOŚĆ PIENIĄDZA W CZASIE WARTOŚĆ PIENIĄDZA W CZASIE Czyiki wpływające a zmiaę watości pieiądza w czasie:. Spadek siły abywczej. 2. Możliwość iwestowaia. 3. Występowaie yzyka. 4. Pefeowaie bieżącej kosumpcji pzez człowieka. Watość

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

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

Bardziej szczegółowo

Johann Wolfgang Goethe Def.

Johann Wolfgang Goethe Def. "Maemac ą ja Facuz: coolwe m ę powe od azu pzeładają o a wój wła jęz wówcza aje ę o czmś zupełe m." Joha Wola Goehe Weźm : m m Jeżel zdeujem ucje pomoccze j : j dla j = m o = m dze = Czl wacz pzeaalzowad

Bardziej szczegółowo

Dokument pochodzi z cyfrowego archiwum PTN, Odział we Wrocławiu. Wszelkie prawa zastrzeżone - wykorzystanie bez zgody Właściciela zabronione.

Dokument pochodzi z cyfrowego archiwum PTN, Odział we Wrocławiu. Wszelkie prawa zastrzeżone - wykorzystanie bez zgody Właściciela zabronione. ń ń Dokument pochodzi z cyfrowego archiwum PTN, Odzia we Wrocawiu. Wszelkie prawa zastrzeone - wykorzystanie bez zgody Waściciela zabronione. ń Ą Ł Ś ń ń ó ń ńę Dokument pochodzi z cyfrowego archiwum PTN,

Bardziej szczegółowo

Prawdopodobieństwo warunkowe. Niezależność zdarzeń

Prawdopodobieństwo warunkowe. Niezależność zdarzeń RCHUNEK RWDOODOIEŃSTW WYKŁD. rwopoobeństwo wruowe. Nezleżość zrzeń rzył. Rzucmy rz symetryczą sześceą ostą. e zrzee {, 4, 6} - wypł przyst lczb ocze m szsę zjśc rówą 0,5. Zobylśmy formcję, że wypły jwyżej

Bardziej szczegółowo

POLITECHNIKA WARSZAWSKA Wydział Budownictwa, Mechaniki i Petrochemii Instytut Inżynierii Mechanicznej

POLITECHNIKA WARSZAWSKA Wydział Budownictwa, Mechaniki i Petrochemii Instytut Inżynierii Mechanicznej PITECHNIKA WARSZAWSKA Wydział Budownictwa, Mechaniki i Petochemii Instytut Inżynieii Mechanicznej w Płocku Zakład Apaatuy Pzemysłowej ABRATRIUM TERMDYNAMIKI Instukcja stanowiskowa Temat: Analiza spalin

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

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

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

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

Bardziej szczegółowo

Permutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2

Permutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2 Permutacje { 2,,..., } Defcja: Permutacją zboru lczb azywamy dowolą różowartoścową fukcję określoą a tym zborze o wartoścach w tym zborze. Uwaga: Lczba wszystkch permutacj wyos! Permutacje zapsujemy w

Bardziej szczegółowo