ANALIZA PREFERENCJI SŁUCHACZY UNIWERSYTETU TRZECIEGO WIEKU Z WYKORZYSTANIEM WYBRANYCH METOD NIESYMETRYCZNEGO SKALOWANIA WIELOWYMIAROWEGO
|
|
- Karolina Rogowska
- 8 lat temu
- Przeglądów:
Transkrypt
1 Artur Zaborsk Unwersytet Ekonomczny we Wrocławu ANALIZA PREFERENCJI SŁUCHACZY UNIWERSYTETU TRZECIEGO WIEKU Z WYKORZYSTANIEM WYBRANYCH METOD NIESYMETRYCZNEGO SKALOWANIA WIELOWYMIAROWEGO Wprowadzene Od ukazana sę w 96 roku ponerskch publkac Sheparda dotyczących procedury skalowana welowymarowego metoda ta znalazła szeroke zastosowane w welu dzedznach badawczych, a zwłaszcza w badanach marketngowych. Skalowane welowymarowe est zborem technk maących na celu prezentacę w przestrzen r-wymarowe (naczęśce est to przestrzeń dwu- lub trówymarowa) zboru obektów O = { O, K, O n } traktowanych ako punkty w przestrzen welowymarowe. Przykładam obektów mogą być np.: konsument, produkt, marka, przedsęborstwo, rynek testowy nne. Punkt wyśca w skalowanu welowymarowym stanow zazwycza syme- elementów δ, obrazuących nepodo- n( n ) tryczna macerz zaweraąca beństwa pomędzy ocenanym obektam O oraz O, gdze, =,,, n (n lczba obektów). Dla danego zboru obektów oraz nepodobeństw δ poszukue sę takego odwzorowana zboru obektów w zbór punktów w przestrzen r-wymarowe, aby dopasowane konfgurac punktów w przestrzen welowymarowe r-wymarowe było możlwe nalepsze. R.N. Shepard: Analyss of Proxmtes: Multdmensonal Scalng wth an Unknown Dstance Functon. Part I and II. Psychometrka 96, Vol. 7, No., s. 5-4; Vol. 7, No., s
2 Analza preferenc słuchaczy 7 W badanach preferenc macerz nepodobeństw często ne est symetryczna. Jeżel nesymetryczność wynka np. z błędu pomaru lub z tendencynośc ocen respondentów, nabardze popularnym zabegem est uśrednene nedagonalnych elementów macerzy zgodne z formułą: δ + δ δ = δ =. () Jednak stnee szeroka gama danych, dla których macerz nepodobeństw z założena ne spełna warunku symetrycznośc. Są nm np. : welkość wymany handlowe mędzy kraam, lczba osób deklaruących, że obekt est przez nch nabardze preferowany, mmo że we wcześneszym okrese był to obekt, częstotlwość, z aką marka est błędne postrzegana ako marka w testach proektów nowych opakowań, prawdopodobeństwo, że konsument dokonue zakupu mark pod warunkem, że przy wcześneszych zakupach była to marka. Dla takch danych symetryzaca macerzy poprzez uśrednene odpowednch welkośc nepodobeństw prowadz do utraty cennych nformac dotyczących analzowanego zawska. Tym samym koneczne est zastosowane metod właścwych dla danych nesymetrycznych. Do analzy zman preferenc słuchaczy Unwersytetu Trzecego Weku w pracy zastosowano dwe metody nesymetrycznego skalowana welowymarowego: grawtacyną analzę unfoldng, w które wersze kolumny macerzy nepodobeństw traktowane są ako odrębne punkty, oraz metodę wektorów dryfu pozwalaącą na wskazane kerunku sły zman w preferencach.. Cel przedmot badań Celem badana była analza zman zachodzących w preferencach słuchaczy Unwersytetu Trzecego Weku w Bolesławcu (wo. dolnośląske). W badanu porównano wybory, akch dokonywal słuchacze odnośne do chęc uczestnctwa w określonych formach zaęć w roku akademckm 9/ oraz 3/4. Zob. m.n.: K.J. Holyoak, P.C. Gordon: Socal reference ponts. Journal of Personalty and Socal Psychology 983, No. 44, s ; A. Tversky, I. Gat: Features of smlarty. Psychologcal Revew 98, No. 89, s. 3-54; R.A. Harshman, P.E. Green, Y. Wnd, M.E. Lundy: A model for the analyss of asymmetrc data n marketng research. Marketng Scence 98, Vol. I, No., s. 5-4; N. Chno: A graphcal technque for representng the asymmetrc relatonshp between N obects. Behavometrka 978, No. 5, s. 3-4.
3 8 Artur Zaborsk W badanu wzęto pod uwagę zaęca, na które słuchacze uczęszczaą zgodne z dokonanym przez sebe wyborem. Są to:. angelsk,. nemeck, obsługa komputera, gmnastyka rehabltacyna, gmnastyka chńska oga, zaęca na basene oraz marsze z kkam. Ne uwzględnono cyklcznych otwartych wykładów tematycznych oraz specalstycznych zaęć rozwaących zanteresowana umeętnośc słuchaczy, takch ak: warsztaty malarske, rękodzeło czy warsztaty muzyczne. Spośród wszystkch słuchaczy Unwersytetu badanem obęto 9 osób, które nezmenne uczestnczyły w zaęcach w analzowanym okrese. Tabela wskazue, ake zmany zaszły w dokonywanych przez słuchaczy wyborach zaęć w 3 roku w stosunku do 9 roku. Element -tego wersza oraz -te kolumny przedstawa lczbę słuchaczy, którzy w 9 roku wybral -te zaęca, zaś w 3 roku -te zaęca. Przedstawoną macerz należy traktować ako macerz podobeństw, poneważ duża wartość elementu macerzy oznacza, że słuchacze chętne dokonuą zamany zaęć, a tym samym, zgodne ze swom preferencam, traktuą e ako podobne. Macerz podobeństw mędzy wybranym zaęcam Tabela Rodzae zaęć a b c d e f g m a. angelsk b. nemeck c obsługa komputera d gmnastyka rehabltacyna e gmnastyka chńska oga 6 3 f basen 9 3 g nordc walkng 9 m Dla każde nesymetryczne macerzy kwadratowe można dokonać e dekompozyc poprzez przedstawene w postac sumy macerzy: Δ = M + N, () gdze M est macerzą symetryczną, a N est macerzą skośnosymetryczną. Poneważ dla tak przeprowadzone dekompozyc zachodz zależność: = m + δ n, (3) dlatego analza danych zawartych w macerzy nesymetryczne może składać sę z dwóch elementów: analzy częśc symetryczne oraz analzy częśc skośnosymetryczne. Dla danych zawartych w tabel macerze M N są równe:
4 Analza preferenc słuchaczy 9 7,5 M = 8 5,5 6,5, ,5,5 ;,5 9,5 N = 5,5,5 6,5,5,5,5 5 6,5,5,5,5,5. Dla przedstawonego przykładu suma kwadratów podobeństw z wyłączenem elementów dagonalnych wynos 48, z czego 5,7% wyaśnone est przez symetryczną macerz M, zaś 48,3% przez skośnosymetryczną macerz N. Wynka z tego, że blsko połowa podobeństw est wyaśnana przez nesymetryczną część macerzy.. Grawtacyna analza unfoldng W klasyczne analze unfoldng przymue sę założene, że preference wszystkch respondentów determnowane są przez take same wymary. Ne uwzględna sę ednak pewnych czynnków, które maą wpływ na dokonywane wybory. Mogą to być np.: popularność zaęć, dostępność, umeętnośc oraz sprawność fzyczna respondentów n. Te dodatkowe czynnk w modelu grawtacynym określa sę ako masy. W zależnośc od tego, czy są to czynnk wynkaące z własnośc badanych obektów czy respondentów, nazywa sę e masą obektu bądź masą respondenta. Model grawtacyny określony est równanem 3 : β χ M S f = ϕ, (4) d gdze: f ocena preferenc -tego respondenta względem -tego obektu, ϕ pewna monotonczne nemaleąca funkca dla -tego respondenta, d = r a= ( x y ) odległość mędzy x a a a y, 3 W.S. DeSarbo, J. Km, S.C. Cho, M. Spaludng: A Gravty-Based Multdmensonal Scalng Model for Dervng Spatal Structures Underlyng Consumer Preference/Choce Judgments. Journal of Consumer Research, Vol. 9, s. 9-.
5 Artur Zaborsk M masa -tego obektu (np. udzał w rynku, wartość mark), S masa -tego respondenta (np. welkość dochodu, loalność względem mark), β χ parametry masy. W modelu grawtacynym przymuemy założene, że oceny preferenc są wprost proporconalne do loczynu mas obektu respondenta, a odwrotne proporconalne do odległośc mędzy punktem respondenta y a punktem obektu x na mape percepcyne. Ideę modelu grawtacynego wykorzystano do analzy zman preferenc w czase. W tym celu dane podobeństw p zawarte w tabel przekształcono na nepodobeństwa δ za pomocą wzoru: m m δ =, (5) p gdze: m m masy (w analzowanym przykładze są to sumy elementów odpowednch werszy kolumn macerzy podobeństw). Na podstawe otrzymane macerzy nepodobeństw przeprowadzono analzę unfoldng, w wynku które otrzymano wspólną konfguracę punktów X = (x,, x n ) obrazuących oceny preferenc słuchaczy względem wybranych zaęć w 9 roku oraz punktów Y = (y,, y n ) obrazuących oceny preferenc w 3 roku (zob. rys. ). Jeżel oceny p były równe zeru, wtedy nepodobeństwa δ potraktowano ako brakuące dane. Do wyznaczana w kolenych cyklach teracynych konfgurac punktów w analze unfoldng wykorzystano transformacę Guttmana. W wynku e zastosowana współrzędne punktów po K-tym cyklu teracynym wynoszą 4 : gdze: X Y + T [ V ] n ( I (n) ) n n =, kolumnowy wektor edynek, K K = V = V + + [ BX + BY ] T [ B X + B Y ], (6) 4 Ror. A. Zaborsk: Analza unfoldng z wykorzystanem modelu grawtac. W: Taksonoma. Klasyfkaca analza danych teora zastosowana. Red. K. Jauga, M. Walesak. Prace Naukowe Unwersytetu Ekonomcznego we Wrocławu 3, nr 78, s. 7-8.
6 Analza preferenc słuchaczy B macerz o elementach δ * * b = d ( X, Y ) dla d dla d B dagonalna macerz o elementach = b b, B dagonalna macerz o elementach = b b. ( X * ( X, Y * *, Y X *, Y * macerze X Y wyznaczone w K- cyklu teracynym. ) * ) = zaęca w 3 r. ο zaęca w 9 r.:. angelsk. nemeck 3 obsługa komputera 4 gmnastyka rehabltacyna 5 gmnastyka chńska oga 6 basen 7 nordc walkng Rys.. Konfguraca punktów reprezentuących zaęca w 9 r. 3 r. Rozkład punktów na mape percepcyne wskazue, że w 9 roku trudno est zauważyć podobeństwa w preferencach względem uętych w badanu zaęć. Poneważ był to początek funkconowana Unwersytetu, prawdopodobne słuchacze ne byl w pełn śwadom swoch oczekwań dokonywane wybory były przypadkowe. W 3 roku wdoczne są grupy zaęć ocenanych pod względem preferenc ako podobne. Do perwsze grupy należą: nauka obsług komputera,. nemeck. angelsk, do druge: zaęca na basene oraz gmnastyka chńska oga. Zaęcam, które są bardzo popularne, ednak różną sę pod względem podobeństwa preferenc, są marsze z kkam oraz gmnastyka rehabltacyna.
7 Artur Zaborsk 3. Metoda wektorów dryfu Metoda wektorów dryfu umożlwa równoczesną prezentacę symetryczne skośnosymetryczne częśc danych. Symetryczną część danych obrazue konfguraca punktów reprezentuących obekty otrzymana w wynku nemetrycznego skalowana welowymarowego, zaś skośnosymetryczna część przedstawona est za pomocą wektorów dryfu wskazuących kerunek słę zman w preferencach. Algorytm wyznaczana konfgurac punktów reprezentuących obekty (w przeprowadzonym badanu są to poszczególne rodzae zaęć) oraz wektorów dryfu est następuący 5 :. Na podstawe symetryczne macerzy M przeprowadzć nemetryczne skalowane welowymarowe.. Dla wszystkch punktów z z (przy czym ), otrzymanych w wynku skalowana welowymarowego, wyznaczyć wektory a = z z. 3. Unormować wektory tak, aby ch długość była równa, tzn.: T / b = a /( aa ). 4. Wyznaczyć wektory c = n b ( n elementy skośnosymetryczne macerzy N). 5. Wyznaczyć wektor dryfu d ako: d = n c. Konfguracę punktów reprezentuących analzowane formy zaęć oraz wektorów wskazuących kerunk słę zman w preferencach przedstawa rys.. Rys.. Wspólna konfguraca punktów reprezentuących zaęca oraz wektorów dryfu 5 I. Borg, P. Groenen: Modern multdmensonal scalng. Theory and applcatons. Second Edton. Sprnger-Verlag, New York 5, s. 53.
8 Analza preferenc słuchaczy 3 Na podstawe kerunków wektorów dryfu można wycągnąć wnosek, że preference słuchaczy Unwersytetu keruą sę w stronę zaęć ruchowych. W mesce zaęć rozwaących umeętnośc ęzykowe słuchaczy oraz obsługę komputera coraz bardze preferowane są zaęca poprawaące sprawność fzyczną, a w szczególnośc są to zaęca na basene. Podsumowane W pracy zaprezentowano zastosowane dwóch metod nesymetrycznego skalowana welowymarowego do analzy zman zachodzących w preferencach słuchaczy Unwersytetu Trzecego Weku względem wybranych zaęć w okrese od 9 do 3 roku. Grawtacyną analzę unfoldng wykorzystano do porównana podobeństwa zaęć ze względu na preference słuchaczy w badanym okrese, zaś metodę wektorów dryfu do wskazana kerunku sły zman zachodzących w preferencach. Analza danych wykazała, że w badanym okrese preference słuchaczy Unwersytetu keruą sę w stronę zaęć ruchowych. W mesce nauk ęzyków obcych nauk obsług komputera coraz częśce wyberaą on zaęca z gmnastyk, a przede wszystkm zaęca na basene. Lteratura Borg I., Groenen P.: Modern multdmensonal scalng. Theory and applcatons. Second Edton. Sprnger-Verlag, New York 5. Chno N.: A graphcal technque for representng the asymmetrc relatonshp between N obects. Behavometrka 978, No. 5. DeSarbo W.S., Km J., Cho S.C., Spaludng M.: A Gravty-Based Multdmensonal Scalng Model for Dervng Spatal Structures Underlyng Consumer Preference/Choce Judgments. Journal of Consumer Research, Vol. 9. Harshman R.A., Green P.E., Wnd Y., Lundy M.E.: A model for the analyss of asymmetrc data n marketng research. Marketng Scence 98, Vol. I, No.. Holyoak K.J., Gordon P.C.: Socal reference ponts. Journal of Personalty and Socal Psychology 983, No. 44. Shepard R.N.: Analyss of Proxmtes: Multdmensonal Scalng wth an Unknown Dstance Functon. Part I and II. Psychometrka 96, Vol. 7, No.,. Tversky A., Gat I.: Features of smlarty. Psychologcal Revew 98, No. 89. Zaborsk A: Analza unfoldng z wykorzystanem modelu grawtac. W: Taksonoma. Klasyfkaca analza danych teora zastosowana. Red. K. Jauga, M. Walesak. Prace Naukowe Unwersytetu Ekonomcznego we Wrocławu 3, nr 78.
9 4 Artur Zaborsk THE PREFERENCE ANALYSIS OF UNIVERSITY OF THIRD AGE MEMBERS USING SELECTED ASYMMETRIC MULTIDIMENSIONAL SCALING METHODS Summary Ths paper has a methodologcal and emprcal character. Its ams at analyss the changes that have occurred n the preferences of the Unversty of the Thrd Age members from 9 to 3. The study used two methods of asymmetrc multdmensonal scalng: the gravty unfoldng analyss and the drft vectors method. Gravty unfoldng analyss was used for the graphcal presentaton of the respondents preference smlartes n a defnte perod, and the drft vectors method was used to ndcate the drecton and the strength of ths changes.
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 szczegółowoAnaliza 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 szczegółowoWykład 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 szczegółowoWykład 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 szczegółowoANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XVI/3, 2015, str. 248 257 ANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ Sławomr
Bardziej szczegółowoZarządzanie 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 szczegółowoSTATECZNOŚĆ SKARP. α - kąt nachylenia skarpy [ o ], φ - kąt tarcia wewnętrznego gruntu [ o ],
STATECZNOŚĆ SKARP W przypadku obektu wykonanego z gruntów nespostych zaprojektowane bezpecznego nachylena skarp sprowadza sę do przekształcena wzoru na współczynnk statecznośc do postac: tgφ tgα = n gdze:
Bardziej szczegółowoPaństwowa Wyższa Szkoła Zawodowa w Raciborzu
Państwowa Wyższa Szkoła Zawodowa w Racborzu KARTA PRZEDMIOTU 1. Nazwa przedmotu: Termnologa ekonomczna prawncza 2. Kod przedmotu: FGB-23 3. Okres ważnośc karty: 2015-2018 4. Forma kształcena: studa perwszego
Bardziej szczegółowoZASTOSOWANIE 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 szczegółowoPlan 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 szczegółowoAnaliza 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 szczegółowoAnaliza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009
Mara Konopka Katedra Ekonomk Organzacj Przedsęborstw Szkoła Główna Gospodarstwa Wejskego w Warszawe Analza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009 Wstęp Polska prywatyzacja
Bardziej szczegółowoSystem Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ Autor: Joanna Wójcik
Opracowane w ramach projektu System Przecwdzałana Powstawanu Bezroboca na Terenach Słabo Zurbanzowanych ze środków Europejskego Funduszu Społecznego w ramach Incjatywy Wspólnotowej EQUAL PARTNERSTWO NA
Bardziej szczegółowoINDUKCJA ELEKTROMAGNETYCZNA. - Prąd powstający w wyniku indukcji elektro-magnetycznej.
INDUKCJA ELEKTROMAGNETYCZNA Indukcja - elektromagnetyczna Powstawane prądu elektrycznego w zamknętym, przewodzącym obwodze na skutek zmany strumena ndukcj magnetycznej przez powerzchnę ogranczoną tym obwodem.
Bardziej szczegółowoGrupowanie 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 szczegółowoBADANIA 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 szczegółowoBadania 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 szczegółowoOPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE OPTIMAL INVESTMENT STRATEGY FUNDAMENTAL ANALYSIS
ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2014 Sera: ORGANIZACJA I ZARZĄDZANIE z. 68 Nr kol. 1905 Adranna MASTALERZ-KODZIS Unwersytet Ekonomczny w Katowcach OPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE
Bardziej szczegółowoSTATYSTYKA 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 szczegółowoMultifraktalne cechy przep³ywu lokalnej sejsmicznoœci indukowanej na terenie KWK Katowice (GZW)
Przegl¹d Geologczny, vol. 49, nr, 00 Multfraktalne cechy przep³ywu lokalne sesmcznoœc ndukowane na terene KWK Katowce (GZW) Olga Polechoñska* Zbadano multfraktalne w³aœcwoœc rozk³adów epcentrów, czasów
Bardziej szczegółowoWeryfikacja 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 szczegółowoRUCH OBROTOWY Można opisać ruch obrotowy ze stałym przyspieszeniem ε poprzez analogię do ruchu postępowego jednostajnie zmiennego.
RUCH OBROTOWY Można opsać ruch obrotowy ze stałym przyspeszenem ε poprzez analogę do ruchu postępowego jednostajne zmennego. Ruch postępowy a const. v v at s s v t at Ruch obrotowy const. t t t Dla ruchu
Bardziej szczegółowoPodstawy 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 szczegółowoWykład 10 Skalowanie wielowymiarowe
Wykład 10 Skalowanie wielowymiarowe Wrocław, 30.05.2018r Skalowanie wielowymiarowe (Multidimensional Scaling (MDS)) Główne cele MDS: przedstawienie struktury badanych obiektów przez określenie treści wymiarów
Bardziej szczegółowo-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 szczegółowoProcedura normalizacji
Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny
Bardziej szczegółowoRÓWNOWAGA 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 szczegółowoZASTOSOWANIE WYBRANYCH ELEMENTÓW ANALIZY FUNDAMENTALNEJ DO WYZNACZANIA PORTFELI OPTYMALNYCH
Adranna Mastalerz-Kodzs Ewa Pośpech Unwersytet Ekonomczny w Katowcach ZASTOSOWANIE WYBRANYCH ELEMENTÓW ANALIZY FUNDAMENTALNEJ DO WYZNACZANIA PORTFELI OPTYMALNYCH Wprowadzene Zagadnene wyznaczana optymalnych
Bardziej szczegółowoW 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 szczegółowoKOINCYDENTNOŚĆ MODELU EKONOMETRYCZNEGO A JEGO JAKOŚĆ MIERZONA WARTOŚCIĄ WSPÓŁCZYNNIKA R 2 (K)
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 31 Mchał Kolupa Poltechnka Radomska w Radomu Joanna Plebanak Szkoła Główna Handlowa w Warszawe KOINCYDENTNOŚĆ MODELU EKONOMETRYCZNEGO A JEGO
Bardziej szczegółowoMIKROEKONOMIA 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 szczegółowoPortfele 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 szczegółowoZaawansowane 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 szczegółowoPattern Classification
attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter
Bardziej szczegółowoProblem 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 szczegółowoZASTOSOWANIE 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 szczegółowoEnergia potencjalna jest energią zgromadzoną w układzie. Energia potencjalna może być zmieniona w inną formę energii (na przykład energię kinetyczną)
1 Enega potencjalna jest enegą zgomadzoną w układze. Enega potencjalna może być zmenona w nną omę eneg (na pzykład enegę knetyczną) może być wykozystana do wykonana pacy. Sumę eneg potencjalnej knetycznej
Bardziej szczegółowoBadanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej
Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.
Bardziej szczegółowoDiagonalizacja macierzy kwadratowej
Dagonalzacja macerzy kwadratowej Dana jest macerz A nân. Jej wartośc własne wektory własne spełnają równane Ax x dla,..., n Każde z równań własnych osobno można zapsać w postac: a a an x x a a an x x an
Bardziej szczegółowoKrzysztof Borowski Zastosowanie metody wideł cenowych w analizie technicznej
Krzysztof Borowsk Zastosowane metody wdeł cenowych w analze technczne Wprowadzene Metoda wdeł cenowych została perwszy raz ogłoszona przez Alana Andrewsa 1 w roku 1960. Trzy lne wchodzące w skład metody
Bardziej szczegółowoKONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE
Adranna Mastalerz-Kodzs Unwersytet Ekonomczny w Katowcach KONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE Wprowadzene W dzałalnośc nstytucj fnansowych, takch
Bardziej szczegółowoKształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu
PRACE KOMISJI GEOGRAFII PRZEMY SŁU Nr 7 WARSZAWA KRAKÓW 2004 Akadema Pedagogczna, Kraków Kształtowane sę frm nformatycznych jako nowych elementów struktury przestrzennej przemysłu Postępujący proces rozwoju
Bardziej szczegółowoWPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO
Walenty OWIECZKO WPŁYW PARAMETRÓW DYSKRETYZACJI A IEPEWOŚĆ WYIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO STRESZCZEIE W artykule przedstaono ynk analzy nepenośc pomaru ybranych cech obektu obrazu cyfroego. Wyznaczono
Bardziej szczegółowoProgramowanie 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 szczegółowoOcena jakościowo-cenowych strategii konkurowania w polskim handlu produktami rolno-spożywczymi. dr Iwona Szczepaniak
Ocena jakoścowo-cenowych strateg konkurowana w polskm handlu produktam rolno-spożywczym dr Iwona Szczepanak Ekonomczne, społeczne nstytucjonalne czynnk wzrostu w sektorze rolno-spożywczym w Europe Cechocnek,
Bardziej szczegółowoModele 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 szczegółowoAnaliza i diagnoza sytuacji finansowej wybranych branż notowanych na Warszawskiej Giełdzie Papierów Wartościowych w latach
Jacek Batóg Unwersytet Szczecńsk Analza dagnoza sytuacj fnansowej wybranych branż notowanych na Warszawskej Gełdze Paperów Wartoścowych w latach 997-998 W artykule podjęta została próba analzy dagnozy
Bardziej szczegółowo± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości
Podstawowe pojęca procesu pomarowego kreślene jakośc poznana rzeczywstośc Δ zmerzone rzeczywste 17 9 Zalety stosowana elektrycznych przyrządów 1/ 1. możlwość budowy czujnków zamenających werne każdą welkość
Bardziej szczegółowoSZACOWANIE 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 szczegółowoZASADA ZACHOWANIA MOMENTU PĘDU: PODSTAWY DYNAMIKI BRYŁY SZTYWNEJ
ZASADA ZACHOWANIA MOMENTU PĘDU: PODSTAWY DYNAMIKI BYŁY SZTYWNEJ 1. Welkośc w uchu obotowym. Moment pędu moment sły 3. Zasada zachowana momentu pędu 4. uch obotowy były sztywnej względem ustalonej os -II
Bardziej szczegółowoSiła jest przyczyną przyspieszenia. Siła jest wektorem. Siła wypadkowa jest sumą wektorową działających sił.
1 Sła jest przyczyną przyspeszena. Sła jest wektorem. Sła wypadkowa jest sumą wektorową dzałających sł. Sr Isaac Newton (164-177) Jeśl na cało ne dzała żadna sła lub sły dzałające równoważą sę, to cało
Bardziej szczegółowoKlasyfkator 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 szczegółowoSzkolimy z pasją. tel.(012)2623040; 0601457926; 0602581731 www.aiki-management.pl
Szkolmy z pasją Warsztaty Samura Game Godność Przywództwo Integracja Komunkacja Budowane Zespołu Honor Samura Game www.samuragame.org jest unkalną rzucającą wyzwane symulacją z obszaru budowana zespołu
Bardziej szczegółowoI. 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 szczegółowoZESZYTY NAUKOWE UNIWERSYTETU SZCZECI SKIEGO
ZESZYTY AUKOWE UIWERSYTETU SZCZECI SKIEGO R 394 PRACE KATEDRY EKOOMETRII I STATYSTYKI R 5 004 SEBASTIA GAT Unwersytet Szczec sk KRYTERIA BUDOWY PORTFELI PAPIERÓW WARTO CIOWYCH W OKRESIE BESSY A GIEŁDA
Bardziej szczegółowoLaboratorium ochrony danych
Laboratorum ochrony danych Ćwczene nr Temat ćwczena: Cała skończone rozszerzone Cel dydaktyczny: Opanowane programowej metody konstruowana cał skończonych rozszerzonych GF(pm), poznane ch własnośc oraz
Bardziej szczegółowo5. 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 szczegółowop 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 szczegółowoXXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne
XXX OLIMPIADA FIZYCZNA ETAP III Zadane dośwadczalne ZADANIE D Nazwa zadana: Maszyna analogowa. Dane są:. doda półprzewodnkowa (krzemowa) 2. opornk dekadowy (- 5 Ω ), 3. woltomerz cyfrowy, 4. źródło napęca
Bardziej szczegółowoZastosowanie wielowymiarowej analizy porównawczej w doborze spó³ek do portfela inwestycyjnego Zastosowanie wielowymiarowej analizy porównawczej...
Adam Waszkowsk * Adam Waszkowsk Zastosowane welowymarowej analzy porównawczej w doborze spó³ek do portfela nwestycyjnego Zastosowane welowymarowej analzy porównawczej... Wstêp Na warszawskej Ge³dze Paperów
Bardziej szczegółowoSztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311
Sztuczne sec neuronowe Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyk, p. 311 Wykład 6 PLAN: - Repetto (brevs) - Sec neuronowe z radalnym funkcjam bazowym Repetto W aspekce archtektury: zajmowalśmy
Bardziej szczegółowoMetody 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 szczegółowoBadania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa
Badana sondażowe Brak danych Konstrukcja wag Agneszka Zęba Zakład Badań Marketngowych Instytut Statystyk Demograf Szkoła Główna Handlowa 1 Błędy braku odpowedz Całkowty brak odpowedz (UNIT nonresponse)
Bardziej szczegółowoAnaliza korelacji i regresji
Analza korelacj regresj Zad. Pewen zakład produkcyjny zatrudna pracownków fzycznych. Ich wydajność pracy (Y w szt./h) oraz mesęczne wynagrodzene (X w tys. zł) przedstawa ponższa tabela: Pracownk y x A
Bardziej szczegółowo2012-10-11. 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 szczegółowoStanisław 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 szczegółowoGrupowanie. 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 szczegółowoTabela 1. Macierz preferencji dotycząca pięciu przykładowych produktów (obiektów) i sześciu respondentów
Marcin Pełka Uniwersytet Ekonomiczny we Wrocławiu Katedra Ekonometrii i Informatyki ZASTOSOWANIE ANALIZY UNFOLDING W OCENIE PREFERENCJI UCZNIÓW SZKOŁY POLICEALNEJ Streszczenie: W artykule przedstawiono
Bardziej szczegółowoRegulacje i sądownictwo przeszkody w konkurencji między firmami w Europie Środkowej i Wschodniej
Łukasz Goczek * Regulacje sądownctwo przeszkody w konkurencj mędzy frmam w Europe Środkowej Wschodnej Wstęp Celem artykułu jest analza przeszkód dla konkurencj pomędzy frmam w Europe Środkowej Wschodnej.
Bardziej szczegółowoTwierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że
Twerdzene Bezouta lczby zespolone Javer de Lucas Ćwczene 1 Ustal dla których a, b R można podzelć f 1 X) = X 4 3X 2 + ax b przez f 2 X) = X 2 3X+2 Oblcz a b Z 5 jeżel zak ladamy, że f 1 f 2 s a welomanam
Bardziej szczegółowoMinister 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 szczegółowoStanisław 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 szczegółowoWSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH
Metrologa Wspomagana Komputerowo - Zegrze, 9-22 05.997 WSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH dr nż. Jan Ryszard Jask, dr nż. Elgusz Pawłowsk POLITECHNIKA lubelska
Bardziej szczegółowoMODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI
Alcja Wolny-Domnak Unwersytet Ekonomczny w Katowcach MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI Wprowadzene
Bardziej szczegółowoMETODA 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 szczegółowo5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim
5. Pocodna funkcj Defncja 5.1 Nec f: (a, b) R nec c (a, b). Jeśl stneje granca lm x c x c to nazywamy ją pocodną funkcj f w punkce c oznaczamy symbolem f (c) Twerdzene 5.1 Jeśl funkcja f: (a, b) R ma pocodną
Bardziej szczegółowoAnaliza ryzyka jako instrument zarządzania środowiskiem
WARSZTATY 2003 z cyklu Zagrożena naturalne w górnctwe Mat. Symp. str. 461 466 Elżbeta PILECKA, Małgorzata SZCZEPAŃSKA Instytut Gospodark Surowcam Mneralnym Energą PAN, Kraków Analza ryzyka jako nstrument
Bardziej szczegółowoRola informatyki w naukach ekonomicznych i społecznych Innowacje i implikacje interdyscyplinarne. redakcja ZBIGNIEW E. ZIELIŃSKI
Rola nformatyk w naukach ekonomcznych społecznych Innowace mplkace nterdyscyplnarne redakca ZBIGNIEW E. ZIELIŃSKI Wydawnctwo Wyższe Szkoły Handlowe Kelce 2011 Publkaca wydrukowana została zgodne z materałem
Bardziej szczegółowoKRÓTKIE WPROWADZENIE DO WIZUALIZACJI I ANALIZY FUNKCJONALNEJ DANYCH EKONOMICZNYCH
KRÓTKIE WPROWADZENIE DO WIZUALIZACJI I ANALIZY FUNKCJONALNEJ DANYCH EKONOMICZNYCH Danel Kosorowsk Katedra Statystyk, UEK w Krakowe Posedzene Rady Wydzału Zarządzana Kraków, 23.05.2013 PLAN REFERATU 1.
Bardziej szczegółowoPlanowanie 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 szczegółowoPropozycja modyfikacji klasycznego podejścia do analizy gospodarności
Jacek Batóg Unwersytet Szczecńsk Propozycja modyfkacj klasycznego podejśca do analzy gospodarnośc Przedsęborstwa dysponujące dentycznym zasobam czynnków produkcj oraz dzałające w dentycznych warunkach
Bardziej szczegółowoStanisław 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 szczegółowoANALIZA PRZESTRZENNA PROCESU STARZENIA SIĘ POLSKIEGO SPOŁECZEŃSTWA
TUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 36 Katarzyna Zeug-Żebro * Unwersytet Ekonomczny w Katowcach ANALIZA PRZETRZENNA PROCEU TARZENIA IĘ POLKIEGO POŁECZEŃTWA TREZCZENIE Perwsze prawo
Bardziej szczegółowoO PEWNYM MODELU POZWALAJĄCYM IDENTYFIKOWAĆ K NAJBARDZIEJ PODEJRZANYCH REKORDÓW W ZBIORZE DANYCH KSIĘGOWYCH W PROCESIE WYKRYWANIA OSZUSTW FINANSOWYCH
Mateusz Baryła Unwersytet Ekonomczny w Krakowe O PEWNYM MODELU POZWALAJĄCYM IDENTYFIKOWAĆ K NAJBARDZIEJ PODEJRZANYCH REKORDÓW W ZBIORZE DANYCH KSIĘGOWYCH W PROCESIE WYKRYWANIA OSZUSTW FINANSOWYCH Wprowadzene
Bardziej szczegółowo(M2) Dynamika 1. ŚRODEK MASY. T. Środek ciężkości i środek masy
(MD) MECHANIKA - Dynamka T. Środek cężkośc środek masy (M) Dynamka T: Środek cężkośc środek masy robert.szczotka(at)gmal.com Fzyka astronoma, Lceum 01/014 1 (MD) MECHANIKA - Dynamka T. Środek cężkośc środek
Bardziej szczegółowoPrzykład 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 szczegółowoFOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin., Oeconomica 2015, 321(80)3, 5 14
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Fola Pomer. Unv. Technol. Stetn., Oeconomca 215, 321(8)3, 5 14 Agneszka BARCZAK POMIAR WAHAŃ SEZONOWYCH RUCHU PASAŻERSKIEGO NA PRZYKŁADZIE PORTU LOTNICZEGO
Bardziej szczegółowoNatalia 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 szczegółowoPokazać, 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 szczegółowoPRACE NAUKOWE Uniwersytetu Ekonomicznego we Wrocławiu
PRACE NAUKOWE Uniwersytetu Ekonomicznego we Wrocławiu RESEARCH PAPERS of Wrocław University of Economics Nr 384 Taksonomia 24 Klasyfikaca i analiza danych teoria i zastosowania Redaktorzy naukowi Krzysztof
Bardziej szczegółowoMETODY PLANOWANIA EKSPERYMENTÓW. dr hab. inż. Mariusz B. Bogacki
Metody Planowana Eksperymentów Rozdzał 1. Strona 1 z 14 METODY PLANOWANIA EKSPERYMENTÓW dr hab. nż. Marusz B. Bogack Marusz.Bogack@put.poznan.pl www.fct.put.poznan.pl/cv23.htm Marusz B. Bogack 1 Metody
Bardziej szczegółowoA C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZTYT 389 TORUŃ 2009.
A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZTYT 389 TORUŃ 2009 Unwersytet Mkołaja Kopernka w Torunu Katedra Ekonometr Statystyk Elżbeta
Bardziej szczegółowoKarta (sylabus) modułu/przedmiotu
Karta (sylabus) modułu/przedmotu Budownctwo (Nazwa kerunku studów) Studa I Stopna Przedmot: Kanalzacja I Sewage systems Rok: III Semestr: 5 MK_59 Rodzaje zajęć lczba godzn: Studa stacjonarne Studa nestacjonarne
Bardziej szczegółowoProblemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA
Problemy jednoczesnego testowana welu hpotez statystycznych ch zastosowana w analze mkromacerzy DNA Konrad Furmańczyk Katedra Zastosowań Matematyk SGGW Plan referatu Testowane w analze mkromacerzy DNA
Bardziej szczegółowoMINISTER EDUKACJI NARODOWEJ
4 MINISTER EDUKACJI NARODOWEJ DWST WPZN 423189/BSZI13 Warszawa, 2013 -Q-4 Pan Marek Mchalak Rzecznk Praw Dzecka Szanowny Pane, w odpowedz na Pana wystąpene z dna 28 czerwca 2013 r. (znak: ZEW/500127-1/2013/MP),
Bardziej szczegółowoKURS 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 szczegółowoRozwiązywanie 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 szczegółowoKarta (sylabus) modułu/przedmiotu
Karta (sylabus) mułu/przedmotu Budownctwo (Nazwa kerunku studów) Studa I Stopna Przedmot: Materały budowlane II Constructon materals Rok: II Semestr: MK_26 Rzaje zajęć lczba gzn: Studa stacjonarne Studa
Bardziej szczegółowoSztuczne 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 szczegółowoKomórkowy model sterowania ruchem pojazdów w sieci ulic.
Komórkowy model sterowana ruchem pojazdów w sec ulc. Autor: Macej Krysztofak Promotor: dr n ż. Marusz Kaczmarek 1 Plan prezentacj: 1. Wprowadzene 2. Cel pracy 3. Podsumowane 2 Wprowadzene Sygnalzacja śwetlna
Bardziej szczegółowo