GRY KOOPERACYJNE WPROWADZENIE DO TEMATYKI

Wielkość: px
Rozpocząć pokaz od strony:

Download "GRY KOOPERACYJNE WPROWADZENIE DO TEMATYKI"

Transkrypt

1 GRY KOOPERACYJNE WPROWADZENIE DO TEMATYKI Marcin Malawski Akademia Leona Koźmińskiego i Instytut Podstaw Informatyki PAN Warszawa 6 Forum Matematyków Polskich, Warszawa, wrzesień 2015

2 1 Pojęcia 2 Rozwiązania 3 Gry operacyjne 4 Wariacje nt. wartości 5 Gry ze strukturami 6 Gry proste 7 I więcej

3 Gra kooperacyjna Definicja (Gra kooperacyjna (z wypłatami ubocznymi)) to para (N, v), gdzie N = {1, 2,..., n} zbiór graczy,

4 Gra kooperacyjna Definicja (Gra kooperacyjna (z wypłatami ubocznymi)) to para (N, v), gdzie N = {1, 2,..., n} zbiór graczy, N = 2 N zbiór wszystkich koalicji, tj. podzbiorów zbioru graczy,

5 Gra kooperacyjna Definicja (Gra kooperacyjna (z wypłatami ubocznymi)) to para (N, v), gdzie N = {1, 2,..., n} zbiór graczy, N = 2 N zbiór wszystkich koalicji, tj. podzbiorów zbioru graczy, v funkcja charakterystyczna gry, v : N R spełniająca v( ) = 0.

6 Gra kooperacyjna Definicja (Gra kooperacyjna (z wypłatami ubocznymi)) to para (N, v), gdzie N = {1, 2,..., n} zbiór graczy, N = 2 N zbiór wszystkich koalicji, tj. podzbiorów zbioru graczy, v funkcja charakterystyczna gry, v : N R spełniająca v( ) = 0. G n przestrzeń wszystkich n-osobowych gier kooperacyjnych.

7 Gra kooperacyjna Definicja (Gra kooperacyjna (z wypłatami ubocznymi)) to para (N, v), gdzie N = {1, 2,..., n} zbiór graczy, N = 2 N zbiór wszystkich koalicji, tj. podzbiorów zbioru graczy, v funkcja charakterystyczna gry, spełniająca v( ) = 0. v : N R G n przestrzeń wszystkich n-osobowych gier kooperacyjnych. Interpretacja Dla dowolnej koalicji S: v(s) wypłata jaką może łącznie zapewnić sobie koalicja S przez wspólne działanie, ale bez potrzeby współudziału graczy spoza S. (I następnie może dowolnie rozdysponować ją między siebie wypłaty uboczne).

8 Gry kooperacyjne a niekooperacyjne Uwaga (Powstawanie z gier niekooperacyjnych) Zgodnie z interpretacją powyżej, każda gra niekooperacyjna w postaci normalnej G = (N, S 1,..., S n, u 1,..., u n ) wyznacza grę kooperacyjną (N, v) poprzez równania: v(t ) = max σ T S T min u j (σ T, σ T ) σ T S T j T dla dowolnej koalicji T N, gdzie ST, S T są zbiorami mieszanych strategii łącznych odpowiednio koalicji T i N \ T.

9 Gry kooperacyjne a niekooperacyjne Uwaga (Powstawanie z gier niekooperacyjnych) Zgodnie z interpretacją powyżej, każda gra niekooperacyjna w postaci normalnej G = (N, S 1,..., S n, u 1,..., u n ) wyznacza grę kooperacyjną (N, v) poprzez równania: v(t ) = max σ T S T min u j (σ T, σ T ) σ T S T j T dla dowolnej koalicji T N, gdzie ST, S T są zbiorami mieszanych strategii łącznych odpowiednio koalicji T i N \ T. Przykład (Konformiści (gra 3-osobowa)) Trzej gracze równocześnie podnoszą ręce i jeśli jeden podniesie inną niż pozostali dwaj, płaci każdemu z nich po złotówce. Wówczas: v(i) = 1, v(ij) = 0 i, j ; v(123) = 0.

10 Gry kooperacyjne a niekooperacyjne Uwaga (Powstawanie z gier niekooperacyjnych) Zgodnie z interpretacją powyżej, każda gra niekooperacyjna w postaci normalnej G = (N, S 1,..., S n, u 1,..., u n ) wyznacza grę kooperacyjną (N, v) poprzez równania: v(t ) = max σ T S T min u j (σ T, σ T ) σ T S T j T dla dowolnej koalicji T N, gdzie ST, S T są zbiorami mieszanych strategii łącznych odpowiednio koalicji T i N \ T. Uwaga I odwrotnie: każda superaddytywna gra kooperacyjna powstaje w ten sposób z pewnej niekooperacyjnej gry w postaci normalnej.

11 Gra kooperacyjna prosty przykład Przykład Trzej drobni plantatorzy (A, B i C) zebrali truskawki A i B po 300 łubianek, a C 250 i teraz muszą je sprzedać. Na terenie plantatora A jest jedyny w okolicy dobry punkt przy ruchliwej drodze, gdzie można sprzedać dowolną ilość truskawek po 3 zł za łubiankę. B może na własną rękę sprzedawać truskawki jedynie przy bocznej drodze, gdzie da się uzyskać cenć 2 zł za łubiankę. Plantator C na miejscu też może tylko ustawić się przy bocznej drodze, ale jako jedyny z trzech ma samochód dostawczy, którym może zawieźć do miasta nawet tysiąc łubianek i tam sprzedać po 4 zł za łubiankę. Koszty kursu do miasta wraz z opłatą placową na targu wynoszą 200 zł.

12 v({a, B, C}) = 4 ( ) 200 = Gra kooperacyjna prosty przykład Przykład Trzej drobni plantatorzy (A, B i C) zebrali truskawki A i B po 300 łubianek, a C 250 i teraz muszą je sprzedać. Na terenie plantatora A jest jedyny w okolicy dobry punkt przy ruchliwej drodze, gdzie można sprzedać dowolną ilość truskawek po 3 zł za łubiankę. B może na własną rękę sprzedawać truskawki jedynie przy bocznej drodze, gdzie da się uzyskać cenć 2 zł za łubiankę. Plantator C na miejscu też może tylko ustawić się przy bocznej drodze, ale jako jedyny z trzech ma samochód dostawczy, którym może zawieźć do miasta nawet tysiąc łubianek i tam sprzedać po 4 zł za łubiankę. Koszty kursu do miasta wraz z opłatą placową na targu wynoszą 200 zł. Powstająca gra kooperacyjna: N = {A, B, C}, v({a}) = = 900, v({b}) = 600, v({c}) = = 800, v({a, B}) = 3 ( ) = 1800, v({a, C}) = 4 ( ) 200 = 2000, v({b, C}) = 2000,

13 Gry kooperacyjne podstawowe własności Definicja Gra kooperacyjna (N, v) jest superaddytywna gdy U T = v(u T ) v(u) + v(t ) ( łączenie się koalicji jest opłacalne );

14 Gry kooperacyjne podstawowe własności Definicja Gra kooperacyjna (N, v) jest superaddytywna gdy U T = v(u T ) v(u) + v(t ) ( łączenie się koalicji jest opłacalne ); monotoniczna gdy U T v(u) v(t ) ( większe koalicje mogą więcej );

15 (T U, i T U) v(t ) v(t \ i) v(u) v(u \ i) Gry kooperacyjne podstawowe własności Definicja Gra kooperacyjna (N, v) jest superaddytywna gdy U T = v(u T ) v(u) + v(t ) ( łączenie się koalicji jest opłacalne ); monotoniczna gdy U T v(u) v(t ) ( większe koalicje mogą więcej ); wypukła jeśli dla każdych koalicji T, U N v(t U) + v(t U) v(t ) + v(u) Równoważnie: gra jest wypukła, gdy ma następującą własność rosnących wkładów: T, U, i

16 Gry kooperacyjne: podziały, rozwiązania i wartości Definicja (Podział w grze kooperacyjnej) Podział w grze (N, v) to dowolny wektor (x 1, x 2,... x n ) taki że n x i = v(n). i=1

17 Gry kooperacyjne: podziały, rozwiązania i wartości Definicja (Podział w grze kooperacyjnej) Podział w grze (N, v) to dowolny wektor (x 1, x 2,... x n ) taki że n x i = v(n). i=1 Definicja (Rozwiązanie) Rozwiązanie dla gier kooperacyjnych to dowolna multifunkcja Ψ przypisująca każdej grze kooperacyjnej (N, v) pewien podzbiór Ψ(v) zbioru podziałów w tej grze.

18 Gry kooperacyjne: podziały, rozwiązania i wartości Definicja (Podział w grze kooperacyjnej) Podział w grze (N, v) to dowolny wektor (x 1, x 2,... x n ) taki że n x i = v(n). i=1 Definicja (Rozwiązanie) Rozwiązanie dla gier kooperacyjnych to dowolna multifunkcja Ψ przypisująca każdej grze kooperacyjnej (N, v) pewien podzbiór Ψ(v) zbioru podziałów w tej grze. Definicja (Wartość) Wartość to dowolne rozwiązanie jednoelementowe funkcja ψ przypisująca każdej grze kooperacyjnej (N, v) podział w tej grze, ψ(v) = (ψ 1 (v), ψ 2 (v),... ψ n (v)); ψ j (v) wartość gracza j w grze v.

19 Najważniejsze rozwiązania: rdzeń Definicja (Racjonalność podziału) Podział x w grze (N, v) jest indywidualnie racjonalny jeżeli dla każdego gracza j koalicyjnie racjonalny jeżeli dla każdej koalicji T x T (= j T x j) v(t ). x j v(j),

20 Najważniejsze rozwiązania: rdzeń Definicja (Racjonalność podziału) Podział x w grze (N, v) jest indywidualnie racjonalny jeżeli dla każdego gracza j koalicyjnie racjonalny jeżeli dla każdej koalicji T x T (= j T x j) v(t ). x j v(j), Definicja (Rdzeń gry) Rdzeń gry kooperacyjnej (N, v), oznaczany przez C(v), to zbiór wszystkich podziałów (indywidualnie i) koalicyjnie racjonalnych w tej grze.

21 Najważniejsze rozwiązania: rdzeń Definicja (Racjonalność podziału) Podział x w grze (N, v) jest indywidualnie racjonalny jeżeli dla każdego gracza j koalicyjnie racjonalny jeżeli dla każdej koalicji T x T (= j T x j) v(t ). x j v(j), Definicja (Rdzeń gry) Rdzeń gry kooperacyjnej (N, v), oznaczany przez C(v), to zbiór wszystkich podziałów (indywidualnie i) koalicyjnie racjonalnych w tej grze. Uwaga Rdzeń dowolnej gry n-osobowej jest wypukłym podzbiorem R n (zbiorem rozwiązań układu nierówności liniowych),

22 Najważniejsze rozwiązania: rdzeń Definicja (Racjonalność podziału) Podział x w grze (N, v) jest indywidualnie racjonalny jeżeli dla każdego gracza j koalicyjnie racjonalny jeżeli dla każdej koalicji T x T (= j T x j) v(t ). x j v(j), Definicja (Rdzeń gry) Rdzeń gry kooperacyjnej (N, v), oznaczany przez C(v), to zbiór wszystkich podziałów koalicyjnie racjonalnych w tej grze. Uwaga Rdzeń dowolnej gry n-osobowej jest wypukłym podzbiorem R n (zbiorem rozwiązań układu nierówności liniowych), może być pusty.

23 Najważniejsze rozwiązania: wartość Shapleya Oznaczenie Dla dowolnej gry (N, v), dowolnej permutacji π zbioru graczy N i dowolnego gracza j N oznaczamy: H π,j = π 1 ({1, 2,..., π(j)})

24 Najważniejsze rozwiązania: wartość Shapleya Oznaczenie Dla dowolnej gry (N, v), dowolnej permutacji π zbioru graczy N i dowolnego gracza j N oznaczamy: H π,j = π 1 ({1, 2,..., π(j)}) m j,π (v) = v(h π,j ) v(h π,j \ j) krańcowy wkład gracza j do koalicji jego poprzedników (przy permutacji π).

25 Najważniejsze rozwiązania: wartość Shapleya Oznaczenie Dla dowolnej gry (N, v), dowolnej permutacji π zbioru graczy N i dowolnego gracza j N oznaczamy: H π,j = π 1 ({1, 2,..., π(j)}) m j,π (v) = v(h π,j ) v(h π,j \ j) krańcowy wkład gracza j do koalicji jego poprzedników (przy permutacji π). Definicja (Wartość Shapleya) Wartość Shapleya, oznaczana przez φ, to funkcja przypisująca każdej grze kooperacyjnej (N, v) następujący podział w tej grze: φ j (v) = 1 n! π Π N m j,π (v) gdzie Π N jest zbiorem wszystkich permutacji zbioru graczy.

26 Najważniejsze rozwiązania: nukleolus i prenukleolus Definicja Dla każdej koalicji T N i każdego podziału x w grze (N, v): Niezadowolenie koalicji T z podziału x : e(x, T ) = v(t ) x i ; i T

27 Najważniejsze rozwiązania: nukleolus i prenukleolus Definicja Dla każdej koalicji T N i każdego podziału x w grze (N, v): Niezadowolenie koalicji T z podziału x : e(x, T ) = v(t ) i T x i ; Nukleolus gry v taki podział indywidualnie racjonalny ν(v) w tej grze który minimalizuje leksykograficznie wektor niezadowoleń wszystkich koalicji o współrzędnych ustawionych w kolejności malejącej.

28 Najważniejsze rozwiązania: nukleolus i prenukleolus Definicja Dla każdej koalicji T N i każdego podziału x w grze (N, v): Niezadowolenie koalicji T z podziału x : e(x, T ) = v(t ) x i ; i T Nukleolus gry v taki podział indywidualnie racjonalny ν(v) w tej grze który minimalizuje leksykograficznie wektor niezadowoleń wszystkich koalicji o współrzędnych ustawionych w kolejności malejącej. Uwaga Jeśli w grze nie podziałów indywidualnie racjonalnych co zdarza się gdy v(n) < i N v(i) to minimalizuje się po wszystkich podziałach, a otrzymany podział nazywa prenukleolusem gry.

29 Najważniejsze rozwiązania: nukleolus i prenukleolus Definicja Dla każdej koalicji T N i każdego podziału x w grze (N, v): Niezadowolenie koalicji T z podziału x : e(x, T ) = v(t ) x i ; i T Nukleolus gry v taki podział indywidualnie racjonalny ν(v) w tej grze który minimalizuje leksykograficznie wektor niezadowoleń wszystkich koalicji o współrzędnych ustawionych w kolejności malejącej. Uwaga Jeśli w grze nie podziałów indywidualnie racjonalnych co zdarza się gdy v(n) < i N v(i) to minimalizuje się po wszystkich podziałach, a otrzymany podział nazywa prenukleolusem gry. Uwaga (Pre)nukleolus gry jest zbiorem dokładnie jednoelementowym

30 Najważniejsze rozwiązania: nukleolus i prenukleolus Definicja Dla każdej koalicji T N i każdego podziału x w grze (N, v): Niezadowolenie koalicji T z podziału x : e(x, T ) = v(t ) x i ; i T Nukleolus gry v taki podział indywidualnie racjonalny ν(v) w tej grze który minimalizuje leksykograficznie wektor niezadowoleń wszystkich koalicji o współrzędnych ustawionych w kolejności malejącej. Uwaga Jeśli w grze nie podziałów indywidualnie racjonalnych to minimalizuje się po wszystkich podziałach, a otrzymany podział nazywa prenukleolusem gry. Uwaga (Pre)nukleolus gry jest zbiorem dokładnie jednoelementowym Jeżeli C(v), to ν(v) C(v).

31 Przykład: rozwiązania gry trzech plantatorów N = {1, 2, 3}, v(1) = 900, v(2) = 600, v(3) = 800, v(12) = 1800, v(13) = v(23) = 2000, v(123) = 3200

32 Przykład: rozwiązania gry trzech plantatorów N = {1, 2, 3}, v(1) = 900, v(2) = 600, v(3) = 800, v(12) = 1800, v(13) = v(23) = 2000, v(123) = 3200 C(v) = {x = (x 1, x 2, x 3 ) R 3 : x 1 + x 2 + x 3 = 3200, 900 x , 600 x , 800 x } ; φ(v) = (1100, 950, 1150), ν(v) = (1050, 975, 1175).

33 Gry operacyjne : gry przypisania Definicja (Gra przypisania) N = N S N K ; A nieujemna macierz n S n K, a ij korzyść ze współpracy pary (i, j) (i N S, j N K ) v(t ) = { 0 T N S = lub T N K = max(a i1 j a ik j k ) T N S ani T N K i 1,... i k T N S, j 1,... j k T N K, k = min(#(t N S ), #(T N K )

34 Gry operacyjne : gry przypisania Definicja (Gra przypisania) N = N S N K ; A nieujemna macierz n S n K, a ij korzyść ze współpracy pary (i, j) (i N S, j N K ) v(t ) = { 0 T N S = lub T N K = max(a i1 j a ik j k ) T N S ani T N K i 1,... i k T N S, j 1,... j k T N K, k = min(#(t N S ), #(T N K ) Np. N S posiadacze pojedynczych obiektów, N K potencjalni kupujący (każdy może kupić 1 obiekt), a ij - zyski z transakcji w tej parze (i, j).

35 Gry operacyjne : gry przypisania Definicja (Gra przypisania) N = N S N K ; A nieujemna macierz n S n K, a ij korzyść ze współpracy pary (i, j) (i N S, j N K ) v(t ) = { 0 T N S = lub T N K = max(a i1 j a ik j k ) T N S ani T N K i 1,... i k T N S, j 1,... j k T N K, k = min(#(t N S ), #(T N K ) Twierdzenie (Rdzeń gier przypisania) Jeżeli v jest grą przypisania o macierzy A, to C(v) = {x 0 : i NK j NS x i + x j a ij }.

36 Gry operacyjne cd: gry utrzymania sieci Odśnieżanie (V, E) graf niezorientowany sieć dróg; v 0 V wyróżniony wierzchołek ; V \ v 0 gracze C : E R + funkcja kosztu; C(e) = wkład pracy konieczny do odśnieżenia drogi e.

37 Gry operacyjne cd: gry utrzymania sieci Odśnieżanie (V, E) graf niezorientowany sieć dróg; v 0 V wyróżniony wierzchołek ; V \ v 0 gracze C : E R + funkcja kosztu; C(e) = wkład pracy konieczny do odśnieżenia drogi e. Gra (kosztów) odśnieżania: c(s) = min C(e) p P(S) e p gdzie P(S) to zbiór wszystkich sieci p E zawierających ścieżkę od każdego gracza v S do v 0.

38 Gry operacyjne cd: gry utrzymania sieci Odśnieżanie (V, E) graf niezorientowany sieć dróg; v 0 V wyróżniony wierzchołek ; V \ v 0 gracze C : E R + funkcja kosztu; C(e) = wkład pracy konieczny do odśnieżenia drogi e. Gra (kosztów) odśnieżania: c(s) = min C(e) p P(S) e p gdzie P(S) to zbiór wszystkich sieci p E zawierających ścieżkę od każdego gracza v S do v 0. Gra oszczędności: s(s) = c(i) c(s). i S

39 Gry utrzymania sieci cd. Gra odśnieżania rozwiązania Gdy (V, E) jest drzewem o korzeniu w v 0, następująca alokacja pracy:

40 Gry utrzymania sieci cd. Gra odśnieżania rozwiązania Gdy (V, E) jest drzewem o korzeniu w v 0, następująca alokacja pracy: 1 Wszyscy gracze odśnieżają z jednakową intensywnością.

41 Gry utrzymania sieci cd. Gra odśnieżania rozwiązania Gdy (V, E) jest drzewem o korzeniu w v 0, następująca alokacja pracy: 1 Wszyscy gracze odśnieżają z jednakową intensywnością. 2 Każdy gracz odśnieża drogę od siebie do v 0.

42 Gry utrzymania sieci cd. Gra odśnieżania rozwiązania Gdy (V, E) jest drzewem o korzeniu w v 0, następująca alokacja pracy: 1 Wszyscy gracze odśnieżają z jednakową intensywnością. 2 Każdy gracz odśnieża drogę od siebie do v 0. 3 Wszyscy zaczynają pracę jednocześnie, od wierzchołka v 0.

43 Gry utrzymania sieci cd. Gra odśnieżania rozwiązania Gdy (V, E) jest drzewem o korzeniu w v 0, następująca alokacja pracy: 1 Wszyscy gracze odśnieżają z jednakową intensywnością. 2 Każdy gracz odśnieża drogę od siebie do v 0. 3 Wszyscy zaczynają pracę jednocześnie, od wierzchołka v 0. 4 Każdy pracuje do chwili, gdy cała droga od v 0 do jego domu będzie odśnieżona

44 Gry utrzymania sieci cd. Gra odśnieżania rozwiązania Gdy (V, E) jest drzewem o korzeniu w v 0, następująca alokacja pracy: 1 Wszyscy gracze odśnieżają z jednakową intensywnością. 2 Każdy gracz odśnieża drogę od siebie do v 0. 3 Wszyscy zaczynają pracę jednocześnie, od wierzchołka v 0. 4 Każdy pracuje do chwili, gdy cała droga od v 0 do jego domu będzie odśnieżona wyznacza wartość Shapleya gry oszczędności s związanej z grą odśnieżania.

45 Gry utrzymania sieci cd. Gra odśnieżania rozwiązania Gdy (V, E) jest drzewem o korzeniu w v 0, następująca alokacja pracy: 1 Wszyscy gracze odśnieżają z jednakową intensywnością. 2 Każdy gracz odśnieża drogę od siebie do v 0. 3 Wszyscy zaczynają pracę jednocześnie, od swoich domów. 4 Każdy pracuje do chwili, gdy cała droga od v 0 do jego domu będzie odśnieżona wyznacza nukleolus gry oszczędności s związanej z grą odśnieżania.

46 Gry utrzymania sieci cd. Gra odśnieżania rozwiązania Gdy (V, E) jest drzewem o korzeniu w v 0, następująca alokacja pracy: 1 Wszyscy gracze odśnieżają z jednakową intensywnością. 2 Każdy gracz odśnieża drogę od siebie do v 0. 3 Wszyscy zaczynają pracę jednocześnie, od wierzchołka v 0. 4 Każdy pracuje do chwili, gdy cała droga od v 0 do jego domu będzie odśnieżona wyznacza wartość Shapleya gry oszczędności s związanej z grą odśnieżania. Uwaga (Szczególny prosty przypadek) Szeregowy podział kosztów sytuacja w której graf jest ścieżką.

47 Gry operacyjne cd: gry wyboru trasy Gra CP ( chińskiego listonosza ) Graczami są ulice - krawędzie niezorientowanego grafu (V, E) v 0 V wyróżniony wierzchołek (poczta)

48 Gry operacyjne cd: gry wyboru trasy Gra CP ( chińskiego listonosza ) Graczami są ulice - krawędzie niezorientowanego grafu (V, E) v 0 V wyróżniony wierzchołek (poczta) h : E R + funkcja kosztu; h(e) = koszt przejścia przez listonosza całej ulicy e. Listonosz musi dostarczyć pocztę na wszystkie ulice i powrócić do urzędu.

49 Gry operacyjne cd: gry wyboru trasy Gra CP ( chińskiego listonosza ) Graczami są ulice - krawędzie niezorientowanego grafu (V, E) v 0 V wyróżniony wierzchołek (poczta) h : E R + funkcja kosztu; h(e) = koszt przejścia przez listonosza całej ulicy e. Listonosz musi dostarczyć pocztę na wszystkie ulice i powrócić do urzędu. Gra CP (kosztów): c(s) = min (v 0,e 1,...e k,v 0 ) D(S) k j=1 h(e j ) i S h(i) gdzie D(S) = zbiór wszystkich ścieżek zawierających wszystkie łuki z S.

50 Gry operacyjne cd: gry wyboru trasy Gra CP ( chińskiego listonosza ) Graczami są ulice - krawędzie niezorientowanego grafu (V, E) v 0 V wyróżniony wierzchołek (poczta) h : E R + funkcja kosztu; h(e) = koszt przejścia przez listonosza całej ulicy e. Gra CP (kosztów): c(s) = min (v 0,e 1,...e k,v 0 ) D(S) k j=1 h(e j ) i S h(i) gdzie D(S) = zbiór wszystkich ścieżek zawierających wszystkie łuki z S. Twierdzenie (Granot i Hamers) Gra oszczędności CP ma niepusty rdzeń graf (V, E) jest słabo eulerowski (tzn. każda jego dwuspójna składowa jest eulerowska).

51 Niektóre inne gry operacyjne Gry tworzenia sieci: gracze = wierzchołki grafu, problem: znalezienie najtańszego sposobu połączenia każdego z nich z wyróżnionym wierzchołkiem v 0 (= najtańszego drzewa rozpinającego) i podział łącznych kosztów

52 Niektóre inne gry operacyjne Gry tworzenia sieci: gracze = wierzchołki grafu, problem: znalezienie najtańszego sposobu połączenia każdego z nich z wyróżnionym wierzchołkiem v 0 (= najtańszego drzewa rozpinającego) i podział łącznych kosztów Gry ustalania kolejki: gracze = klienci, problem: znalezienie takiej kolejności ich obsługiwania, która zminimalizuje ich łączne koszty czekania, i podział tych kosztów

53 Niektóre inne gry operacyjne Gry tworzenia sieci: gracze = wierzchołki grafu, problem: znalezienie najtańszego sposobu połączenia każdego z nich z wyróżnionym wierzchołkiem v 0 (= najtańszego drzewa rozpinającego) i podział łącznych kosztów Gry ustalania kolejki: gracze = klienci, problem: znalezienie takiej kolejności ich obsługiwania, która zminimalizuje ich łączne koszty czekania, i podział tych kosztów

54 Niektóre inne gry operacyjne Gry tworzenia sieci: gracze = wierzchołki grafu, problem: znalezienie najtańszego sposobu połączenia każdego z nich z wyróżnionym wierzchołkiem v 0 (= najtańszego drzewa rozpinającego) i podział łącznych kosztów Gry ustalania kolejki: gracze = klienci, problem: znalezienie takiej kolejności ich obsługiwania, która zminimalizuje ich łączne koszty czekania, i podział tych kosztów...

55 Wartość Shapleya dlaczego? Definicja Gracz i jest graczem zerowym w grze v, jeżeli dla każdej koalicji T zachodzi v(t i) = v(t ). (Tzn.: i nic nie wnosi do żadnej koalicji).

56 Wartość Shapleya dlaczego? Definicja Gracz i jest graczem zerowym w grze v, jeżeli dla każdej koalicji T zachodzi v(t i) = v(t ). (Tzn.: i nic nie wnosi do żadnej koalicji). Gracze j, k są wymienni w grze v, jeżeli dla każdej koalicji T takiej, że j T i k T zachodzi v(t j) = v(t k). (Tzn. : j i k odgrywają taką samą rolę w każdej koalicji).

57 Wartość Shapleya dlaczego? Definicja Gracz i jest graczem zerowym w grze v, jeżeli dla każdej koalicji T zachodzi v(t i) = v(t ). (Tzn.: i nic nie wnosi do żadnej koalicji). Gracze j, k są wymienni w grze v, jeżeli dla każdej koalicji T takiej, że j T i k T zachodzi v(t j) = v(t k). (Tzn. : j i k odgrywają taką samą rolę w każdej koalicji). Twierdzenie (Shapley 1953) Jedyną wartością ψ spełniającą jest wartość Shapleya.

58 Wartość Shapleya dlaczego? Definicja Gracz i jest graczem zerowym w grze v, jeżeli dla każdej koalicji T zachodzi v(t i) = v(t ). (Tzn.: i nic nie wnosi do żadnej koalicji). Gracze j, k są wymienni w grze v, jeżeli dla każdej koalicji T takiej, że j T i k T zachodzi v(t j) = v(t k). (Tzn. : j i k odgrywają taką samą rolę w każdej koalicji). Twierdzenie (Shapley 1953) Jedyną wartością ψ spełniającą 1 równoprawność: jeżeli gracze i, j są wymienni w grze v, to ψ i (v) = ψ j (v), jest wartość Shapleya.

59 Wartość Shapleya dlaczego? Definicja Gracz i jest graczem zerowym w grze v, jeżeli dla każdej koalicji T zachodzi v(t i) = v(t ). (Tzn.: i nic nie wnosi do żadnej koalicji). Gracze j, k są wymienni w grze v, jeżeli dla każdej koalicji T takiej, że j T i k T zachodzi v(t j) = v(t k). (Tzn. : j i k odgrywają taką samą rolę w każdej koalicji). Twierdzenie (Shapley 1953) Jedyną wartością ψ spełniającą 1 równoprawność: jeżeli gracze i, j są wymienni w grze v, to ψ i (v) = ψ j (v), 2 warunek gracza zerowego: jeżeli i jest graczem zerowym w v, to ψ i (v) = 0, jest wartość Shapleya.

60 Wartość Shapleya dlaczego? Definicja Gracz i jest graczem zerowym w grze v, jeżeli dla każdej koalicji T zachodzi v(t i) = v(t ). (Tzn.: i nic nie wnosi do żadnej koalicji). Gracze j, k są wymienni w grze v, jeżeli dla każdej koalicji T takiej, że j T i k T zachodzi v(t j) = v(t k). (Tzn. : j i k odgrywają taką samą rolę w każdej koalicji). Twierdzenie (Shapley 1953) Jedyną wartością ψ spełniającą 1 równoprawność: jeżeli gracze i, j są wymienni w grze v, to ψ i (v) = ψ j (v), 2 warunek gracza zerowego: jeżeli i jest graczem zerowym w v, to ψ i (v) = 0, 3 addytywność: dla gry z = v + w ψ(z) = ψ(v) + ψ(w) jest wartość Shapleya.

61 Wartość Shapleya dlaczego? Twierdzenie (Shapley 1953) Jedyną wartością ψ spełniającą 1 równoprawność: jeżeli gracze i, j są wymienni w grze v, to ψ i (v) = ψ j (v), 2 warunek gracza zerowego: jeżeli i jest graczem zerowym w v, to ψ i (v) = 0, 3 addytywność: dla gry z = v + w ψ(z) = ψ(v) + ψ(w) jest wartość Shapleya. Twierdzenie (Young 1985) Jedyną wartością ψ spełniającą równoprawność, warunek gracza zerowego oraz monotoniczność: [ dla dowolnego gracza j oraz każdej pary gier n-osobowych v, w spełniającej T N,T j v(t ) v(t \ j) w(t ) w(t \ j) (czyli j wnosi do każdej koalicji w grze v nie mniej niż w grze w) zachodzi ψ j (v) ψ j (w) ] jest wartość Shapleya.

62 Wariacja: Egalitarne wartości Shapleya Definicja (Wartość egalitarna) e powstaje przez równy podział v(n) pomiędzy graczy: k e k (v) = v(n) n.

63 Wariacja: Egalitarne wartości Shapleya Definicja (Wartość egalitarna) e powstaje przez równy podział v(n) pomiędzy graczy: k e k (v) = v(n) n Definicja ( Egalitarne wartości Shapleya (Joosten 1996; van den Brink i in. 2013)) ɛ j (v) = ɛv(n) n (ɛ [0, 1] dowolny ale ustalony) + (1 ɛ)φ j (v).

64 Wariacja: Egalitarne wartości Shapleya Definicja (Wartość egalitarna) e powstaje przez równy podział v(n) pomiędzy graczy: k e k (v) = v(n) n Definicja ( Egalitarne wartości Shapleya (Joosten 1996; van den Brink i in. 2013)) ɛ j (v) = ɛv(n) n (ɛ [0, 1] dowolny ale ustalony) + (1 ɛ)φ j (v) Twierdzenie Jedyną addytywną wartością ψ spełniającą równoprawność i warunek gracza zerującego (( T j v(t ) = 0) ψ j (v) = 0) jest wartość egalitarna e. (van den Brink 2007).

65 Wariacja: Egalitarne wartości Shapleya Definicja ( Egalitarne wartości Shapleya ) ɛ j (v) = ɛv(n) n (ɛ [0, 1] dowolny ale ustalony) + (1 ɛ)φ j (v) Twierdzenie Jedyną addytywną wartością ψ spełniającą równoprawność i warunek gracza zerującego (( T j v(t ) = 0) ψ j (v) = 0) jest wartość egalitarna e. (van den Brink 2007) Jedyne addytywne wartości spełniające lokalną monotoniczność: jeśli v(s i) v(s j) dla każdej koalicji S nie zawierającej i ani j, to ψ i (v) ψ j (v) własność gracza zerowego w produktywnym otoczeniu : jeśli j jest graczem zerowym w v i v(n) 0, to ψ j (v) 0 to egalitarne wartości Shapleya. (Casajus i Huettner 2013)

66 Wariacja: Wartość solidarnościowa Definicja (Wartość solidarnościowa (Nowak i Radzik 1994) ) σ j (v) = 1 v(h π,j) v(h π,j \ k) n! π(j) π Π N k H π,j przy danej permutacji gracz zamiast własnego wkładu do koalicji poprzedników otrzymuje średnią z krańcowych wkładów wszystkich członków koalicji poprzedników do tej koalicji. Równoprawność tak, własność gracza zerowego nie.

67 Szersza klasa: wartości proceduralne Scenariusz: Dzielenie się wkładami krańcowymi 1 Gracze zbierają się w losowej kolejności π; wszystkie kolejności (permutacje zbioru N) są jednakowo prawdopodobne. 2 Każdy nowo przybywający gracz k wnosi swój krańcowy wkład m k,π (v) w koalicję swoich poprzedników graczy już obecnych.

68 Szersza klasa: wartości proceduralne Scenariusz: Dzielenie się wkładami krańcowymi 1 Gracze zbierają się w losowej kolejności π; wszystkie kolejności (permutacje zbioru N) są jednakowo prawdopodobne. 2 Każdy nowo przybywający gracz k wnosi swój krańcowy wkład m k,π (v) w koalicję swoich poprzedników graczy już obecnych. 3 Te krańcowe wkłady są dzielone pomiędzy graczy w H π,k według pewnej ustalonej procedury.

69 Szersza klasa: wartości proceduralne Scenariusz: Dzielenie się wkładami krańcowymi 1 Gracze zbierają się w losowej kolejności π; wszystkie kolejności (permutacje zbioru N) są jednakowo prawdopodobne. 2 Każdy nowo przybywający gracz k wnosi swój krańcowy wkład m k,π (v) w koalicję swoich poprzedników graczy już obecnych. 3 Te krańcowe wkłady są dzielone pomiędzy graczy w H π,k według pewnej ustalonej procedury. 4 W ten sposób dla każdej permutacji π cała wypłata v(n) zostaje rozdzielona pomiędzy wszystkich graczy.

70 Szersza klasa: wartości proceduralne Scenariusz: Dzielenie się wkładami krańcowymi 1 Gracze zbierają się w losowej kolejności π; wszystkie kolejności (permutacje zbioru N) są jednakowo prawdopodobne. 2 Każdy nowo przybywający gracz k wnosi swój krańcowy wkład m k,π (v) w koalicję swoich poprzedników graczy już obecnych. 3 Te krańcowe wkłady są dzielone pomiędzy graczy w H π,k według pewnej ustalonej procedury. 4 W ten sposób dla każdej permutacji π cała wypłata v(n) zostaje rozdzielona pomiędzy wszystkich graczy. 5 Wartość proceduralna gracza to średnia (po wszystkich porządkach tworzenia wielkiej koalicji) przypadającej na niego części v(n).

71 Szersza klasa: wartości proceduralne Scenariusz: Dzielenie się wkładami krańcowymi 1 Gracze zbierają się w losowej kolejności π; wszystkie kolejności (permutacje zbioru N) są jednakowo prawdopodobne. 2 Każdy nowo przybywający gracz k wnosi swój krańcowy wkład m k,π (v) w koalicję swoich poprzedników graczy już obecnych. 3 Te krańcowe wkłady są dzielone pomiędzy graczy w H π,k według pewnej ustalonej procedury. 4 W ten sposób dla każdej permutacji π cała wypłata v(n) zostaje rozdzielona pomiędzy wszystkich graczy. 5 Wartość proceduralna gracza to średnia (po wszystkich porządkach tworzenia wielkiej koalicji) przypadającej na niego części v(n). Definicja (Procedura) Procedura s na G n to rodzina nieujemnych współczynników ((s k,j ) k j=1 )n k=1 takich że ( k) k sk,j = 1.

72 Procedury i wartości proceduralne cd Definicja (Procedura) Procedura s na G n to rodzina nieujemnych współczynników k ((s k,j ) k j=1 )n k=1 takich że ( k) j=1 s k,j = 1.

73 Procedury i wartości proceduralne cd Definicja (Procedura) Procedura s na G n to rodzina nieujemnych współczynników k ((s k,j ) k j=1 )n k=1 takich że ( k) j=1 s k,j = 1. s k,j to udział gracza będącego na miejscu j w kolejności przybywania (tj. gracza π 1 (j)) we wkładzie krańcowym gracza π 1 (k).

74 Procedury i wartości proceduralne cd Definicja (Procedura) Procedura s na G n to rodzina nieujemnych współczynników k ((s k,j ) k j=1 )n k=1 takich że ( k) j=1 s k,j = 1. s k,j to udział gracza będącego na miejscu j w kolejności przybywania (tj. gracza π 1 (j)) we wkładzie krańcowym gracza π 1 (k). Definicja (Wartość proceduralna (MM 2012)) Wartość proceduralna ψ s wyznaczona przez procedurę s na G n jest określona wzorem ψj s (v) = E π s π(k),π(j) m k,π (v) = k N π,j π Π k N π,j s π(k),π(j)m k,π(v). n! (N π,j to zbiór następników gracza j w uporządkowaniu π, wraz z j).

75 Wartości proceduralne: równoważne reprezentacje Twierdzenie (Równoważne reprezentacje) Jeśli s = ((s k,j ) k j=1 )n k=1 oraz t = ((t k,j) k j=1 )n k=1 są dwiema procedurami takimi, że dla każdego k s k,k = t k,k, to ψ s = ψ t.

76 Wartości proceduralne: równoważne reprezentacje Twierdzenie (Równoważne reprezentacje) Jeśli s = ((s k,j ) k j=1 )n k=1 oraz t = ((t k,j) k j=1 )n k=1 są dwiema procedurami takimi, że dla każdego k s k,k = t k,k, to ψ s = ψ t. Wniosek 1 Układ współczynników s = (s 1, s 2,..., s n ) reprezentuje dowolną procedurę ((s k,j ) k j=1 )n k=1 na G n, dla której s j,j = s j dla j = 1, 2,..., n

77 Wartości proceduralne: równoważne reprezentacje Twierdzenie (Równoważne reprezentacje) Jeśli s = ((s k,j ) k j=1 )n k=1 oraz t = ((t k,j) k j=1 )n k=1 są dwiema procedurami takimi, że dla każdego k s k,k = t k,k, to ψ s = ψ t. Wniosek 1 Układ współczynników s = (s 1, s 2,..., s n ) reprezentuje dowolną procedurę ((s k,j ) k j=1 )n k=1 na G n, dla której s j,j = s j dla j = 1, 2,..., n 2 ψi s (v) = s π(i) m i,π (v) + (1 s π(j) )m j,π (v). n! n! π Π π:π(i)=1 j i

78 Wartości proceduralne: równoważne reprezentacje Twierdzenie (Równoważne reprezentacje) Jeśli s = ((s k,j ) k j=1 )n k=1 oraz t = ((t k,j) k j=1 )n k=1 są dwiema procedurami takimi, że dla każdego k s k,k = t k,k, to ψ s = ψ t. Wniosek 1 Układ współczynników s = (s 1, s 2,..., s n ) reprezentuje dowolną procedurę ((s k,j ) k j=1 )n k=1 na G n, dla której s j,j = s j dla j = 1, 2,..., n 2 ψi s (v) = s π(i) m i,π (v) + (1 s π(j) )m j,π (v). n! n! π Π Twierdzenie (odwrotne) π:π(i)=1 Jeżeli s = (s 1, s 2,..., s n ) i t = (t 1, t 2,..., t n ) są dwiema różnymi procedurami na G n, to ψ s ψ t. j i

79 Wartości proceduralne dlaczego? Twierdzenie (MM 2012) Wartość na G n jest: liniowa i równoprawna, słabo monotoniczna (jeśli v monotoniczna, to ψ(v) 0) koalicyjnie monotoniczna: tzn. dla każdej koalicji T i każdej pary gier v, w G n takiej że (v(t ) > w(t ) oraz v(s) = w(s) S T ) zachodzi ψ i (v) ψ i (w) dla każdego i T

80 Wartości proceduralne dlaczego? Twierdzenie (MM 2012) Wartość na G n jest: liniowa i równoprawna, słabo monotoniczna (jeśli v monotoniczna, to ψ(v) 0) koalicyjnie monotoniczna: tzn. dla każdej koalicji T i każdej pary gier v, w G n takiej że (v(t ) > w(t ) oraz v(s) = w(s) S T ) zachodzi ψ i (v) ψ i (w) dla każdego i T wtedy i tylko wtedy, gdy jest proceduralna.

81 Wartości proceduralne dlaczego? Twierdzenie (MM 2012) Wartość na G n jest: liniowa i równoprawna, słabo monotoniczna (jeśli v monotoniczna, to ψ(v) 0) koalicyjnie monotoniczna: tzn. dla każdej koalicji T i każdej pary gier v, w G n takiej że (v(t ) > w(t ) oraz v(s) = w(s) S T ) zachodzi ψ i (v) ψ i (w) dla każdego i T wtedy i tylko wtedy, gdy jest proceduralna. Twierdzenie (MM 2012) Wartość na G n jest: liniowa, słabo monotoniczna i lokalnie monotoniczna

82 Wartości proceduralne dlaczego? Twierdzenie (MM 2012) Wartość na G n jest: liniowa i równoprawna, słabo monotoniczna (jeśli v monotoniczna, to ψ(v) 0) koalicyjnie monotoniczna: tzn. dla każdej koalicji T i każdej pary gier v, w G n takiej że (v(t ) > w(t ) oraz v(s) = w(s) S T ) zachodzi ψ i (v) ψ i (w) dla każdego i T wtedy i tylko wtedy, gdy jest proceduralna. Twierdzenie (MM 2012) Wartość na G n jest: liniowa, słabo monotoniczna i lokalnie monotoniczna wtedy i tylko wtedy, gdy jest proceduralna.

83 Gry ze strukturami: komunikacja Definicja (Gra ze strukturą komunikacji) (N, v, E), gdzie (N, v) gra kooperacyjna, (N, E) graf niezorientowany (E zbiór połączeń pomiędzy parami graczy).

84 Gry ze strukturami: komunikacja Definicja (Gra ze strukturą komunikacji) (N, v, E), gdzie (N, v) gra kooperacyjna, (N, E) graf niezorientowany (E zbiór połączeń pomiędzy parami graczy). Twierdzenie (Myerson 1981) Jedyną wartością ψ na grach ze strukturami komunikacji mającą następującą własność jednakowych korzyści: (N, v, E) i, j N ψ i (v, E (ij)) ψ i (v, E) = ψ j (v, E (ij)) ψ j (v, E)

85 Gry ze strukturami: komunikacja Definicja (Gra ze strukturą komunikacji) (N, v, E), gdzie (N, v) gra kooperacyjna, (N, E) graf niezorientowany (E zbiór połączeń pomiędzy parami graczy). Twierdzenie (Myerson 1981) Jedyną wartością ψ na grach ze strukturami komunikacji mającą następującą własność jednakowych korzyści: (N, v, E) i, j N ψ i (v, E (ij)) ψ i (v, E) = ψ j (v, E (ij)) ψ j (v, E) jest wartość Myersona zdefiniowana następująco: m(v, E) = φ(v E ) gdzie v E (S) = v(t ), T CE(S) CE(S) zbiór spójnych (w E) składowych koalicji S.

86 Gry ze strukturami inne Gry z hierarchią graczy: (N, v, L) (N, v) gra kooperacyjna, (N, L) hierarchia drzewo zorientowane; gracz j jest przełożonym gracza k jeżeli poprzedza go w hierarchii (niekoniecznie bezpośrednio), koalicja S może zrealizować wypłatę v(s) tylko wtedy gdy zawiera wszystkich przełożonych każdego gracza z S (albo: co najmniej jednego z przełożonych każdego gracza z S)

87 Gry ze strukturami inne Gry z hierarchią graczy: (N, v, L) (N, v) gra kooperacyjna, (N, L) hierarchia drzewo zorientowane; gracz j jest przełożonym gracza k jeżeli poprzedza go w hierarchii (niekoniecznie bezpośrednio), koalicja S może zrealizować wypłatę v(s) tylko wtedy gdy zawiera wszystkich przełożonych każdego gracza z S (albo: co najmniej jednego z przełożonych każdego gracza z S) Gry z prekoalicjami: ((N 1,..., N m ), v (N, v) gra, (N 1,..., N m ) struktura prekoalicji rozbicie zbioru graczy; dopuszczalne permutacje przy wyliczaniu wartości tylko te przy których obrazami prekoalicji są przedziały (bez przerw)

88 Szczególna klasa: gry proste Definicja (Gra prosta) to gra (N, v) spełniająca T v(t ) {0, 1}, U T v(u) v(t ), v(n) = 1. W takich grach koalicja S jest wygrywająca jeżeli v(s) = 1, a przegrywająca jeżeli v(s) = 0.

89 Szczególna klasa: gry proste Definicja (Gra prosta) to gra (N, v) spełniająca T v(t ) {0, 1}, U T v(u) v(t ), v(n) = 1. W takich grach koalicja S jest wygrywająca jeżeli v(s) = 1, a przegrywająca jeżeli v(s) = 0. Uwaga (Rdzeń gry prostej) Jeżeli (N, v) jest n-osobową grą prostą, a V (v) N zbiorem graczy z prawem weta w tej grze, to n C(v) = {(x 1, x 2,... x n ) : x 1,... x n 0, x i = 1 oraz j V (v) x j = 0} jeżeli V (v), C(v) = jeżeli V (v) =. i=1

90 Gry proste: ważona większość i indeksy siły Definicja (Gra ważonej większości) w = [λ 1, λ 2,..., λ n ; µ] ; w(s) = (λ 1, λ 2,..., λ n wagi graczy, µ próg większości). { 1 gdy i S λ i µ, 0 gdy i S λ i < µ.

91 Gry proste: ważona większość i indeksy siły Definicja (Gra ważonej większości) w = [λ 1, λ 2,..., λ n ; µ] ; w(s) = (λ 1, λ 2,..., λ n wagi graczy, µ próg większości). Uwaga { 1 gdy i S λ i µ, 0 gdy i S λ i < µ. Istnieją gry proste ( 5 osobowe) nie będące grami ważonej większości.

92 Gry proste: ważona większość i indeksy siły Definicja (Gra ważonej większości) w = [λ 1, λ 2,..., λ n ; µ] ; w(s) = (λ 1, λ 2,..., λ n wagi graczy, µ próg większości). Uwaga { 1 gdy i S λ i µ, 0 gdy i S λ i < µ. Istnieją gry proste ( 5 osobowe) nie będące grami ważonej większości. Ale każda gra prosta jest przecięciem (iloczynem) takich gier.

93 Gry proste: ważona większość i indeksy siły Definicja (Gra ważonej większości) w = [λ 1, λ 2,..., λ n ; µ] ; w(s) = (λ 1, λ 2,..., λ n wagi graczy, µ próg większości). Uwaga { 1 gdy i S λ i µ, 0 gdy i S λ i < µ. Istnieją gry proste ( 5 osobowe) nie będące grami ważonej większości. Ale każda gra prosta jest przecięciem (iloczynem) takich gier. Ilu co najmniej?

94 Gry proste: ważona większość i indeksy siły Definicja (Gra ważonej większości) w = [λ 1, λ 2,..., λ n ; µ] ; w(s) = (λ 1, λ 2,..., λ n wagi graczy, µ próg większości). { 1 gdy i S λ i µ, 0 gdy i S λ i < µ. Uwaga (Gry proste w naukach politycznych) Gdy gracze są uczestnikami gremium mającego wspólnie podjąć decyzję,

95 Gry proste: ważona większość i indeksy siły Definicja (Gra ważonej większości) w = [λ 1, λ 2,..., λ n ; µ] ; w(s) = (λ 1, λ 2,..., λ n wagi graczy, µ próg większości). { 1 gdy i S λ i µ, 0 gdy i S λ i < µ. Uwaga (Gry proste w naukach politycznych) Gdy gracze są uczestnikami gremium mającego wspólnie podjąć decyzję, gra prosta opisuje reguły jej podejmowania które koalicje mogą zgodnie zadecydować bez względu na zdanie innych graczy,

96 Gry proste: ważona większość i indeksy siły Definicja (Gra ważonej większości) w = [λ 1, λ 2,..., λ n ; µ] ; w(s) = (λ 1, λ 2,..., λ n wagi graczy, µ próg większości). { 1 gdy i S λ i µ, 0 gdy i S λ i < µ. Uwaga (Gry proste w naukach politycznych) Gdy gracze są uczestnikami gremium mającego wspólnie podjąć decyzję, gra prosta opisuje reguły jej podejmowania które koalicje mogą zgodnie zadecydować bez względu na zdanie innych graczy, a wartość tej gry, np. wartość Shapleya, jest indeksem siły miarą siły graczy w zgromadzeniu decyzyjnym.

97 Spójność wartości podział masy upadłościowej Przykład (Bankructwo i problem podziału masy upadłościowej) N zbiór wierzycieli, d i wierzytelność gracza i, E masa upadłościowa, E < D := i N d i.

98 Spójność wartości podział masy upadłościowej Przykład (Bankructwo i problem podziału masy upadłościowej) N zbiór wierzycieli, d i wierzytelność gracza i, E masa upadłościowa, E < D := i N d i. To wyznacza dwie gry: v(t ) = (E j T d j) + to co zostałoby koalicji T po spłaceniu reszty graczy, w(t ) = min(e, j T d j) to ile T może wyrwać dla siebie w systemie kto pierwszy ten lepszy.

99 Spójność wartości podział masy upadłościowej Przykład (Bankructwo i problem podziału masy upadłościowej) N zbiór wierzycieli, d i wierzytelność gracza i, E masa upadłościowa, E < D := i N d i. To wyznacza dwie gry: v(t ) = (E j T d j) + to co zostałoby koalicji T po spłaceniu reszty graczy, w(t ) = min(e, j T d j) to ile T może wyrwać dla siebie w systemie kto pierwszy ten lepszy. Metody podziału masu upadłościowej: 1 proporcjonalna : x i = d i D E

100 Spójność wartości podział masy upadłościowej Przykład (Bankructwo i problem podziału masy upadłościowej) N zbiór wierzycieli, d i wierzytelność gracza i, E masa upadłościowa, E < D := i N d i. To wyznacza dwie gry: v(t ) = (E j T d j) + to co zostałoby koalicji T po spłaceniu reszty graczy, w(t ) = min(e, j T d j) to ile T może wyrwać dla siebie w systemie kto pierwszy ten lepszy. Metody podziału masu upadłościowej: 1 proporcjonalna : x i = d i D E 2 constrained equal award (CEA) : x i = min(d i, c) gdzie c - jedyna taka liczba że min(d j, c) = E j N

101 Spójność wartości podział masy upadłościowej Przykład (Bankructwo i problem podziału masy upadłościowej) N zbiór wierzycieli, d i wierzytelność gracza i, E masa upadłościowa, E < D := i N d i. To wyznacza dwie gry: v(t ) = (E j T d j) + to co zostałoby koalicji T po spłaceniu reszty graczy, w(t ) = min(e, j T d j) to ile T może wyrwać dla siebie w systemie kto pierwszy ten lepszy. Metody podziału masu upadłościowej: 1 proporcjonalna : x i = d i D E 2 constrained equal award (CEA) : x i = min(d i, c) gdzie c - jedyna taka liczba że min(d j, c) = E 3 talmudyczna nukleolus gry v 4 wartość Shapleya: φ(v) = φ(w). j N

102 Spójność wartości cd. Twierdzenie (Aumann i Maschler 1985) Dla problemów bankructwa metoda talmudyczna t jest jedyną równą rozwiązaniu standardowemu dla problemów dwuosobowych oraz spójną w następującym sensie: j,k N t j (d, E) = t j (d k, E t k (d, E)).

103 Spójność wartości cd. Twierdzenie (Aumann i Maschler 1985) Dla problemów bankructwa metoda talmudyczna t jest jedyną równą rozwiązaniu standardowemu dla problemów dwuosobowych oraz spójną w następującym sensie: Uwaga j,k N t j (d, E) = t j (d k, E t k (d, E)). (Spójne są także metoda proporcjonalna oraz CEA)

104 Spójność wartości cd. Twierdzenie (Aumann i Maschler 1985) Dla problemów bankructwa metoda talmudyczna t jest jedyną równą rozwiązaniu standardowemu dla problemów dwuosobowych oraz spójną w następującym sensie: Uwaga j,k N t j (d, E) = t j (d k, E t k (d, E)). (Spójne są także metoda proporcjonalna oraz CEA) Rozwiązania spójne w tym sensie to te, które dają się uzyskać na drodze racjonowania hydraulicznego (Kamiński 2000).

105 Spójność wartości cd. Twierdzenie (Aumann i Maschler 1985) Dla problemów bankructwa metoda talmudyczna t jest jedyną równą rozwiązaniu standardowemu dla problemów dwuosobowych oraz spójną w następującym sensie: j,k N t j (d, E) = t j (d k, E t k (d, E)). Uwaga Rozwiązania spójne w tym sensie to te, które dają się uzyskać na drodze racjonowania hydraulicznego (Kamiński 2000). Definicja (Spójność wartości ogólna) Wartość ψ jest spójna ze wzgledu na redukcję gry R jeżeli dla dowolnej gry (N, v), koalicji S i gracza j S zachodzi równość ψ j (R S (v, ψ)) = ψ j (v).

106 I dalej... Inne wartości gier, własności i związki między nimi

107 I dalej... Inne wartości gier, własności i związki między nimi Rozwiązania multifunkcje alternatywne wobec rdzenia

108 I dalej... Inne wartości gier, własności i związki między nimi Rozwiązania multifunkcje alternatywne wobec rdzenia Właściwości wartości gry ze względu na usuwanie / dodawanie graczy

109 I dalej... Inne wartości gier, własności i związki między nimi Rozwiązania multifunkcje alternatywne wobec rdzenia Właściwości wartości gry ze względu na usuwanie / dodawanie graczy Właściwości wartości gry ze względu na łączenie graczy lub inne porozumienia między nimi

110 I dalej... Inne wartości gier, własności i związki między nimi Rozwiązania multifunkcje alternatywne wobec rdzenia Właściwości wartości gry ze względu na usuwanie / dodawanie graczy Właściwości wartości gry ze względu na łączenie graczy lub inne porozumienia między nimi Implementacja: wartość gry jako wektor wypłat w równowadze pewnej gry niekooperacyjnej

111 I dalej... Inne wartości gier, własności i związki między nimi Rozwiązania multifunkcje alternatywne wobec rdzenia Właściwości wartości gry ze względu na usuwanie / dodawanie graczy Właściwości wartości gry ze względu na łączenie graczy lub inne porozumienia między nimi Implementacja: wartość gry jako wektor wypłat w równowadze pewnej gry niekooperacyjnej Gry bez wypłat ubocznych

112 I dalej... Inne wartości gier, własności i związki między nimi Rozwiązania multifunkcje alternatywne wobec rdzenia Właściwości wartości gry ze względu na usuwanie / dodawanie graczy Właściwości wartości gry ze względu na łączenie graczy lub inne porozumienia między nimi Implementacja: wartość gry jako wektor wypłat w równowadze pewnej gry niekooperacyjnej Gry bez wypłat ubocznych...

WARTOŒÆ SHAPLEYA. Marcin Malawski* Instytut Podstaw Informatyki PAN Akademia Leona KoŸmiñskiego THE SHAPLEY VALUE

WARTOŒÆ SHAPLEYA. Marcin Malawski* Instytut Podstaw Informatyki PAN Akademia Leona KoŸmiñskiego THE SHAPLEY VALUE DECYZJE nr 10 grudzień 2008 WARTOŒÆ SHAPLEYA Marcin Malawski* Instytut Podstaw Informatyki PAN Akademia Leona KoŸmiñskiego Streszczenie: Praca stanowi przegląd najciekawszych tematów związanych z najbardziej

Bardziej szczegółowo

Tworzenie gier na urządzenia mobilne

Tworzenie gier na urządzenia mobilne Katedra Inżynierii Wiedzy Teoria podejmowania decyzji w grze Gry w postaci ekstensywnej Inaczej gry w postaci drzewiastej, gry w postaci rozwiniętej; formalny opis wszystkich możliwych przebiegów gry z

Bardziej szczegółowo

Wartość Shapleya. Oskar Skibski. Institute of Informatics, University of Warsaw. 8 października 2012

Wartość Shapleya. Oskar Skibski. Institute of Informatics, University of Warsaw. 8 października 2012 Wartość Shapleya Oskar Skibski Institute of Informatics, University of Warsaw 8 października 2012 Oskar Skibski (University of Warsaw) Shapley value 8 października 2012 1 / 17 Przykład Oskar Skibski (University

Bardziej szczegółowo

Procesy stochastyczne

Procesy stochastyczne Wykład I: Istnienie procesów stochastycznych 2 marca 2015 Forma zaliczenia przedmiotu Forma zaliczenia Literatura 1 Zaliczenie ćwiczeń rachunkowych. 2 Egzamin ustny z teorii 3 Do wykładu przygotowane są

Bardziej szczegółowo

Matematyka dyskretna. 1. Relacje

Matematyka dyskretna. 1. Relacje Matematyka dyskretna 1. Relacje Definicja 1.1 Relacją dwuargumentową nazywamy podzbiór produktu kartezjańskiego X Y, którego elementami są pary uporządkowane (x, y), takie, że x X i y Y. Uwaga 1.1 Jeśli

Bardziej szczegółowo

Procesy stochastyczne

Procesy stochastyczne Wykład I: Istnienie procesów stochastycznych 21 lutego 2017 Forma zaliczenia przedmiotu Forma zaliczenia Literatura 1 Zaliczenie ćwiczeń rachunkowych. 2 Egzamin ustny z teorii 3 Do wykładu przygotowane

Bardziej szczegółowo

Drzewa spinające MST dla grafów ważonych Maksymalne drzewo spinające Drzewo Steinera. Wykład 6. Drzewa cz. II

Drzewa spinające MST dla grafów ważonych Maksymalne drzewo spinające Drzewo Steinera. Wykład 6. Drzewa cz. II Wykład 6. Drzewa cz. II 1 / 65 drzewa spinające Drzewa spinające Zliczanie drzew spinających Drzewo T nazywamy drzewem rozpinającym (spinającym) (lub dendrytem) spójnego grafu G, jeżeli jest podgrafem

Bardziej szczegółowo

Suma dwóch grafów. Zespolenie dwóch grafów

Suma dwóch grafów. Zespolenie dwóch grafów Suma dwóch grafów G 1 = ((G 1 ), E(G 1 )) G 2 = ((G 2 ), E(G 2 )) (G 1 ) i (G 2 ) rozłączne Suma G 1 G 2 graf ze zbiorem wierzchołków (G 1 ) (G 2 ) i rodziną krawędzi E(G 1 ) E(G 2 ) G 1 G 2 G 1 G 2 Zespolenie

Bardziej szczegółowo

Wstęp do sieci neuronowych, wykład 11 Łańcuchy Markova

Wstęp do sieci neuronowych, wykład 11 Łańcuchy Markova Wstęp do sieci neuronowych, wykład 11 Łańcuchy Markova M. Czoków, J. Piersa 2010-12-21 1 Definicja Własności Losowanie z rozkładu dyskretnego 2 3 Łańcuch Markova Definicja Własności Losowanie z rozkładu

Bardziej szczegółowo

Algebra liniowa z geometrią

Algebra liniowa z geometrią Algebra liniowa z geometrią Maciej Czarnecki 15 stycznia 2013 Spis treści 1 Geometria płaszczyzny 2 1.1 Wektory i skalary........................... 2 1.2 Macierze, wyznaczniki, układy równań liniowych.........

Bardziej szczegółowo

Graf. Definicja marca / 1

Graf. Definicja marca / 1 Graf 25 marca 2018 Graf Definicja 1 Graf ogólny to para G = (V, E), gdzie V jest zbiorem wierzchołków (węzłów, punktów grafu), E jest rodziną krawędzi, które mogą być wielokrotne, dokładniej jednoelementowych

Bardziej szczegółowo

Metody teorii gier. ALP520 - Wykład z Algorytmów Probabilistycznych p.2

Metody teorii gier. ALP520 - Wykład z Algorytmów Probabilistycznych p.2 Metody teorii gier ALP520 - Wykład z Algorytmów Probabilistycznych p.2 Metody teorii gier Cel: Wyprowadzenie oszacowania dolnego na oczekiwany czas działania dowolnego algorytmu losowego dla danego problemu.

Bardziej szczegółowo

Matematyka dyskretna

Matematyka dyskretna Matematyka dyskretna Wykład 13: Teoria Grafów Gniewomir Sarbicki Literatura R.J. Wilson Wprowadzenie do teorii grafów Definicja: Grafem (skończonym, nieskierowanym) G nazywamy parę zbiorów (V (G), E(G)),

Bardziej szczegółowo

Zofia Kruczkiewicz, Algorytmu i struktury danych, Wykład 14, 1

Zofia Kruczkiewicz, Algorytmu i struktury danych, Wykład 14, 1 Wykład Algorytmy grafowe metoda zachłanna. Właściwości algorytmu zachłannego:. W przeciwieństwie do metody programowania dynamicznego nie występuje etap dzielenia na mniejsze realizacje z wykorzystaniem

Bardziej szczegółowo

Diagonalizacja macierzy i jej zastosowania

Diagonalizacja macierzy i jej zastosowania Diagonalizacja macierzy i jej zastosowania Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 9. wykład z algebry liniowej Warszawa, listopad 2012 Mirosław Sobolewski (UW) Warszawa,listopad

Bardziej szczegółowo

SIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa

SIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa SIMR 06/07, Analiza, wykład, 07-0- Przestrzeń wektorowa Przestrzeń wektorowa (liniowa) - przestrzeń (zbiór) w której określone są działania (funkcje) dodawania elementów i mnożenia elementów przez liczbę

Bardziej szczegółowo

Rodzinę spełniającą trzeci warunek tylko dla sumy skończonej nazywamy ciałem (algebrą) w zbiorze X.

Rodzinę spełniającą trzeci warunek tylko dla sumy skończonej nazywamy ciałem (algebrą) w zbiorze X. 1 σ-ciała Definicja 1.1 (σ - ciało) σ - ciałem (σ - algebrą) w danym zbiorze X (zwanym przestrzenią) nazywamy rodzinę M pewnych podzbiorów zbioru X, spełniającą trzy warunki: 1 o M; 2 o jeśli A M, to X

Bardziej szczegółowo

Teoria gier. wstęp. 2011-12-07 Teoria gier Zdzisław Dzedzej 1

Teoria gier. wstęp. 2011-12-07 Teoria gier Zdzisław Dzedzej 1 Teoria gier wstęp 2011-12-07 Teoria gier Zdzisław Dzedzej 1 Teoria gier zajmuje się logiczną analizą sytuacji, gdzie występują konflikty interesów, a także istnieje możliwość kooperacji. Zakładamy zwykle,

Bardziej szczegółowo

TEORIA GIER W EKONOMII WYKŁAD 5: GRY DWUOSOBOWE KOOPERACYJNE O SUMIE NIESTAŁEJ

TEORIA GIER W EKONOMII WYKŁAD 5: GRY DWUOSOBOWE KOOPERACYJNE O SUMIE NIESTAŁEJ TEORI GIER W EKONOMII WYKŁD 5: GRY DWUOSOOWE KOOPERCYJNE O SUMIE NIESTŁEJ dr Robert Kowalczyk Katedra nalizy Nieliniowej Wydział Matematyki i Informatyki UŁ Gry dwumacierzowe Skończoną grę dwuosobową o

Bardziej szczegółowo

Diagonalizacja macierzy i jej zastosowania

Diagonalizacja macierzy i jej zastosowania Diagonalizacja macierzy i jej zastosowania Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 9. wykład z algebry liniowej Warszawa, grudzień 2011 Mirosław Sobolewski (UW) Warszawa, grudzień

Bardziej szczegółowo

Podstawowe własności grafów. Wykład 3. Własności grafów

Podstawowe własności grafów. Wykład 3. Własności grafów Wykład 3. Własności grafów 1 / 87 Suma grafów Niech będą dane grafy proste G 1 = (V 1, E 1) oraz G 2 = (V 2, E 2). 2 / 87 Suma grafów Niech będą dane grafy proste G 1 = (V 1, E 1) oraz G 2 = (V 2, E 2).

Bardziej szczegółowo

Wartość Shapleya w grach koalicyjnych

Wartość Shapleya w grach koalicyjnych Wartość Shapleya w grach koalicyjnych Dawid Migacz, i LO w Tarnowie 1 Wprowadzenie W zasadzie każdą sytuację występującą na świecie można wymodelować matematycznie. W przypadku sytuacji, w których kilka

Bardziej szczegółowo

1.1 Definicja. 1.2 Przykład. 1.3 Definicja. Niech G oznacza dowolny, niepusty zbiór.

1.1 Definicja. 1.2 Przykład. 1.3 Definicja. Niech G oznacza dowolny, niepusty zbiór. 20. Definicje i przykłady podstawowych struktur algebraicznych (grupy, pierścienie, ciała, przestrzenie liniowe). Pojęcia dotyczące przestrzeni liniowych (liniowa zależność i niezależność układu wektorów,

Bardziej szczegółowo

Tomasz Rostański. Gry wieloosobowe. Wersja niedokończona (wersje dokończoną szlag trafił wraz ze śmiercią strony giaur.qs.pl)

Tomasz Rostański. Gry wieloosobowe. Wersja niedokończona (wersje dokończoną szlag trafił wraz ze śmiercią strony giaur.qs.pl) Tomasz Rostański Gry wieloosobowe Wersja niedokończona (wersje dokończoną szlag trafił wraz ze śmiercią strony giaur.qs.pl) Wprowadzenie. Dotychczas analizowaliśmy gry, w których udział brały tylko 2 osoby.

Bardziej szczegółowo

E: Rekonstrukcja ewolucji. Algorytmy filogenetyczne

E: Rekonstrukcja ewolucji. Algorytmy filogenetyczne E: Rekonstrukcja ewolucji. Algorytmy filogenetyczne Przypominajka: 152 drzewo filogenetyczne to drzewo, którego liśćmi są istniejące gatunki, a węzły wewnętrzne mają stopień większy niż jeden i reprezentują

Bardziej szczegółowo

FUNKCJE. (odwzorowania) Funkcje 1

FUNKCJE. (odwzorowania) Funkcje 1 FUNKCJE (odwzorowania) Funkcje 1 W matematyce funkcja ze zbioru X w zbiór Y nazywa się odwzorowanie (przyporządkowanie), które każdemu elementowi zbioru X przypisuje jeden, i tylko jeden element zbioru

Bardziej szczegółowo

Matematyczne Podstawy Informatyki

Matematyczne Podstawy Informatyki Matematyczne Podstawy Informatyki dr inż. Andrzej Grosser Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska Rok akademicki 03/0 Przeszukiwanie w głąb i wszerz I Przeszukiwanie metodą

Bardziej szczegółowo

Relacje. opracował Maciej Grzesiak. 17 października 2011

Relacje. opracował Maciej Grzesiak. 17 października 2011 Relacje opracował Maciej Grzesiak 17 października 2011 1 Podstawowe definicje Niech dany będzie zbiór X. X n oznacza n-tą potęgę kartezjańską zbioru X, tzn zbiór X X X = {(x 1, x 2,..., x n ) : x k X dla

Bardziej szczegółowo

9 Przekształcenia liniowe

9 Przekształcenia liniowe 9 Przekształcenia liniowe Definicja 9.1. Niech V oraz W będą przestrzeniami liniowymi nad tym samym ciałem F. Przekształceniem liniowym nazywamy funkcję ϕ : V W spełniającą warunek (LM) v1,v 2 V a1,a 2

Bardziej szczegółowo

19 Własności iloczynu skalarnego: norma, kąt i odległość

19 Własności iloczynu skalarnego: norma, kąt i odległość 19 Własności iloczynu skalarnego: norma, kąt i odległość Załóżmy, że V jest przestrzenią liniową z iloczynem skalarnym.,.. Definicja 19.1 Normą (długością) wektora v V nazywamy liczbę v = v, v. Uwaga 1

Bardziej szczegółowo

Układy równań i nierówności liniowych

Układy równań i nierówności liniowych Układy równań i nierówności liniowych Wiesław Krakowiak 1 grudnia 2010 1 Układy równań liniowych DEFINICJA 11 Układem równań m liniowych o n niewiadomych X 1,, X n, nazywamy układ postaci: a 11 X 1 + +

Bardziej szczegółowo

Gry wieloosobowe. Zdzisław Dzedzej

Gry wieloosobowe. Zdzisław Dzedzej Gry wieloosobowe Zdzisław Dzedzej 2012 2013-01-16 1 Przykład 1 Warstwa A Warstwa B K K W A B W A B A 1,1,-2-4,3,1 A 3,-2,-1-6,-6,12 B 2,-4,2-5,-5,10 B 2,2,-4-2,3,-1 2013-01-16 2 Diagram przesunięć 2013-01-16

Bardziej szczegółowo

Digraf. 13 maja 2017

Digraf. 13 maja 2017 Digraf 13 maja 2017 Graf skierowany, digraf, digraf prosty Definicja 1 Digraf prosty G to (V, E), gdzie V jest zbiorem wierzchołków, E jest rodziną zorientowanych krawędzi, między różnymi wierzchołkami,

Bardziej szczegółowo

ALGEBRA LINIOWA Z ELEMENTAMI GEOMETRII ANALITYCZNEJ

ALGEBRA LINIOWA Z ELEMENTAMI GEOMETRII ANALITYCZNEJ ALGEBRA LINIOWA Z ELEMENTAMI GEOMETRII ANALITYCZNEJ WSHE, O/K-CE 10. Homomorfizmy Definicja 1. Niech V, W będą dwiema przestrzeniami liniowymi nad ustalonym ciałem, odwzorowanie ϕ : V W nazywamy homomorfizmem

Bardziej szczegółowo

Liczby zespolone. x + 2 = 0.

Liczby zespolone. x + 2 = 0. Liczby zespolone 1 Wiadomości wstępne Rozważmy równanie wielomianowe postaci x + 2 = 0. Współczynniki wielomianu stojącego po lewej stronie są liczbami całkowitymi i jedyny pierwiastek x = 2 jest liczbą

Bardziej szczegółowo

Programowanie liniowe

Programowanie liniowe Programowanie liniowe Łukasz Kowalik Instytut Informatyki, Uniwersytet Warszawski April 8, 2016 Łukasz Kowalik (UW) LP April 8, 2016 1 / 15 Problem diety Tabelka wit. A (µg) wit. B1 (µg) wit. C (µg) (kcal)

Bardziej szczegółowo

doc. dr Beata Pułska-Turyna Zarządzanie B506 mail: mgr Piotr J. Gadecki Zakład Badań Operacyjnych Zarządzania B 505.

doc. dr Beata Pułska-Turyna Zarządzanie B506 mail: mgr Piotr J. Gadecki Zakład Badań Operacyjnych Zarządzania B 505. doc. dr Beata Pułska-Turyna Zakład Badań Operacyjnych Zarządzanie B506 mail: turynab@wz.uw.edu.pl mgr Piotr J. Gadecki Zakład Badań Operacyjnych Zarządzania B 505. Tel.: (22)55 34 144 Mail: student@pgadecki.pl

Bardziej szczegółowo

Programowanie liniowe

Programowanie liniowe Programowanie liniowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW wykład z algebry liniowej Warszawa, styczeń 2010 Mirosław Sobolewski (UW) Warszawa, 2009 1 / 15 Homo oeconomicus=

Bardziej szczegółowo

Baza w jądrze i baza obrazu ( )

Baza w jądrze i baza obrazu ( ) Przykład Baza w jądrze i baza obrazu (839) Znajdź bazy jądra i obrazu odwzorowania α : R 4 R 3, gdzie α(x, y, z, t) = (x + 2z + t, 2x + y 3z 5t, x y + z + 4t) () zór ten oznacza, że α jest odwzorowaniem

Bardziej szczegółowo

Teoretyczne podstawy programowania liniowego

Teoretyczne podstawy programowania liniowego Teoretyczne podstawy programowania liniowego Elementy algebry liniowej Plan Kombinacja liniowa Definicja Kombinacja liniowa wektorów (punktów) x 1, x 2,, x k R n to wektor x R n k taki, że x = i=1 λ i

Bardziej szczegółowo

FUNKCJA LINIOWA, RÓWNANIA I UKŁADY RÓWNAŃ LINIOWYCH

FUNKCJA LINIOWA, RÓWNANIA I UKŁADY RÓWNAŃ LINIOWYCH FUNKCJA LINIOWA, RÓWNANIA I UKŁADY RÓWNAŃ LINIOWYCH PROPORCJONALNOŚĆ PROSTA Proporcjonalnością prostą nazywamy zależność między dwoma wielkościami zmiennymi x i y, określoną wzorem: y = a x Gdzie a jest

Bardziej szczegółowo

5. Rozwiązywanie układów równań liniowych

5. Rozwiązywanie układów równań liniowych 5. Rozwiązywanie układów równań liniowych Wprowadzenie (5.1) Układ n równań z n niewiadomymi: a 11 +a 12 x 2 +...+a 1n x n =a 10, a 21 +a 22 x 2 +...+a 2n x n =a 20,..., a n1 +a n2 x 2 +...+a nn x n =a

Bardziej szczegółowo

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych Rozdział 1 Zmienne losowe, ich rozkłady i charakterystyki 1.1 Definicja zmiennej losowej Niech Ω będzie przestrzenią zdarzeń elementarnych. Definicja 1 Rodzinę S zdarzeń losowych (zbiór S podzbiorów zbioru

Bardziej szczegółowo

Zadania do Rozdziału X

Zadania do Rozdziału X Zadania do Rozdziału X 1. 2. Znajdź wszystkie σ-ciała podzbiorów X, gdy X = (i) {1, 2}, (ii){1, 2, 3}. (b) Znajdź wszystkie elementy σ-ciała generowanego przez {{1, 2}, {2, 3}} dla X = {1, 2, 3, 4}. Wykaż,

Bardziej szczegółowo

Algorytmiczna Teoria Gier Koalicyjnych

Algorytmiczna Teoria Gier Koalicyjnych Algorytmiczna Teoria Gier Koalicyjnych Oskar Skibski Institute of Informatics, University of Warsaw 15 października 2013 Oskar Skibski (University of Warsaw) Algorytmiczna Teoria Gier Koalicyjnych 15 października

Bardziej szczegółowo

Definicja i własności wartości bezwzględnej.

Definicja i własności wartości bezwzględnej. Równania i nierówności z wartością bezwzględną. Rozwiązywanie układów dwóch (trzech) równań z dwiema (trzema) niewiadomymi. Układy równań liniowych z parametrem, analiza rozwiązań. Definicja i własności

Bardziej szczegółowo

Programowanie liniowe

Programowanie liniowe Programowanie liniowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW wykład z algebry liniowej Warszawa, styczeń 2015 Mirosław Sobolewski (UW) Warszawa, 2015 1 / 16 Homo oeconomicus=

Bardziej szczegółowo

2. P (E) = 1. β B. TSIM W3: Sygnały stochastyczne 1/27

2. P (E) = 1. β B. TSIM W3: Sygnały stochastyczne 1/27 SYGNAŁY STOCHASTYCZNE Przestrzeń probabilistyczna i zmienna losowa Definicja Przestrzenią probabilistyczną (doświadczeniem) nazywamy trójkę uporządkowaną (E, B, P ), gdzie: E przestrzeń zdarzeń elementarnych;

Bardziej szczegółowo

Propozycja szczegółowego rozkładu materiału dla 4-letniego technikum, zakres podstawowy i rozszerzony. Klasa I (90 h)

Propozycja szczegółowego rozkładu materiału dla 4-letniego technikum, zakres podstawowy i rozszerzony. Klasa I (90 h) Propozycja szczegółowego rozkładu materiału dla 4-letniego technikum, zakres podstawowy i rozszerzony (według podręczników z serii MATeMAtyka) Klasa I (90 h) Temat Liczba godzin 1. Liczby rzeczywiste 15

Bardziej szczegółowo

Programowanie liniowe

Programowanie liniowe Programowanie liniowe Maciej Drwal maciej.drwal@pwr.wroc.pl 1 Problem programowania liniowego min x c T x (1) Ax b, (2) x 0. (3) gdzie A R m n, c R n, b R m. Oznaczmy przez x rozwiązanie optymalne, tzn.

Bardziej szczegółowo

Funkcja kwadratowa. f(x) = ax 2 + bx + c = a

Funkcja kwadratowa. f(x) = ax 2 + bx + c = a Funkcja kwadratowa. Funkcją kwadratową nazywamy funkcję f : R R określoną wzorem gdzie a, b, c R, a 0. f(x) = ax + bx + c, Szczególnym przypadkiem funkcji kwadratowej jest funkcja f(x) = ax, a R \ {0}.

Bardziej szczegółowo

Plan wynikowy. Klasa III Technik pojazdów samochodowych/ Technik urządzeń i systemów energetyki odnawialnej. Kształcenie ogólne w zakresie podstawowym

Plan wynikowy. Klasa III Technik pojazdów samochodowych/ Technik urządzeń i systemów energetyki odnawialnej. Kształcenie ogólne w zakresie podstawowym Oznaczenia: wymagania konieczne, P wymagania podstawowe, R wymagania rozszerzające, D wymagania dopełniające, W wymagania wykraczające. Plan wynikowy lasa III Technik pojazdów samochodowych/ Technik urządzeń

Bardziej szczegółowo

10. Wstęp do Teorii Gier

10. Wstęp do Teorii Gier 10. Wstęp do Teorii Gier Definicja Gry Matematycznej Gra matematyczna spełnia następujące warunki: a) Jest co najmniej dwóch racjonalnych graczy. b) Zbiór możliwych dezycji każdego gracza zawiera co najmniej

Bardziej szczegółowo

Proces rozproszony. Plan wykładu. Wykład prowadzą: Jerzy Brzeziński Jacek Kobusiński. Proces rozproszony. Zbiór stanów globalnych (1)

Proces rozproszony. Plan wykładu. Wykład prowadzą: Jerzy Brzeziński Jacek Kobusiński. Proces rozproszony. Zbiór stanów globalnych (1) Proces rozproszony Wykład prowadzą: Jerzy Brzeziński Jacek Kobusiński Pan wykładu Proces rozproszony Wykonanie procesu, historia procesu Stan osiągany Reacja poprzedzania zdarzeń Diagramy przestrzenno-czasowe

Bardziej szczegółowo

Diagonalizacja macierzy i jej zastosowania

Diagonalizacja macierzy i jej zastosowania Diagonalizacja macierzy i jej zastosowania Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 9. wykład z algebry liniowej Warszawa, listopad 29 Mirosław Sobolewski (UW) Warszawa, wrzesień

Bardziej szczegółowo

TEORIA GIER W EKONOMII WYKŁAD 2: GRY DWUOSOBOWE O SUMIE ZEROWEJ. dr Robert Kowalczyk Katedra Analizy Nieliniowej Wydział Matematyki i Informatyki UŁ

TEORIA GIER W EKONOMII WYKŁAD 2: GRY DWUOSOBOWE O SUMIE ZEROWEJ. dr Robert Kowalczyk Katedra Analizy Nieliniowej Wydział Matematyki i Informatyki UŁ TEORIA GIER W EKONOMII WYKŁAD 2: GRY DWUOSOBOWE O SUMIE ZEROWEJ dr Robert Kowalczyk Katedra Analizy Nieliniowej Wydział Matematyki i Informatyki UŁ Definicja gry o sumie zerowej Powiemy, że jest grą o

Bardziej szczegółowo

MATeMAtyka 1. Przedmiotowy system oceniania wraz z określeniem wymagań edukacyjnych. Zakres podstawowy i rozszerzony Klasa pierwsza

MATeMAtyka 1. Przedmiotowy system oceniania wraz z określeniem wymagań edukacyjnych. Zakres podstawowy i rozszerzony Klasa pierwsza MATeMAtyka 1 Przedmiotowy system oceniania wraz z określeniem wymagań edukacyjnych Zakres podstawowy i rozszerzony Klasa pierwsza Wyróżnione zostały następujące wymagania programowe: konieczne (K), podstawowe

Bardziej szczegółowo

Algorytmiczna Teoria Gier Koalicyjnych 2015/16

Algorytmiczna Teoria Gier Koalicyjnych 2015/16 Algorytmiczna Teoria Gier Koalicyjnych 2015/16 Oskar Skibski MIMUW 4 października 2015 Oskar Skibski (MIMUW) ATGK-16 4 października 2015 1 / 21 Przykład Oskar Skibski (MIMUW) ATGK-16 4 października 2015

Bardziej szczegółowo

Zagadnienia na egzamin poprawkowy z matematyki - klasa I 1. Liczby rzeczywiste

Zagadnienia na egzamin poprawkowy z matematyki - klasa I 1. Liczby rzeczywiste Zagadnienia na egzamin poprawkowy z matematyki - klasa I 1. Liczby rzeczywiste Liczby naturalne Liczby całkowite. Liczby wymierne Liczby niewymierne Rozwinięcie dziesiętne liczby rzeczywistej Pierwiastek

Bardziej szczegółowo

Technikum Nr 2 im. gen. Mieczysława Smorawińskiego w Zespole Szkół Ekonomicznych w Kaliszu

Technikum Nr 2 im. gen. Mieczysława Smorawińskiego w Zespole Szkół Ekonomicznych w Kaliszu Technikum Nr 2 im. gen. Mieczysława Smorawińskiego w Zespole Szkół Ekonomicznych w Kaliszu Wymagania edukacyjne niezbędne do uzyskania poszczególnych śródrocznych i rocznych ocen klasyfikacyjnych z obowiązkowych

Bardziej szczegółowo

TEORIA GRAFÓW I SIECI

TEORIA GRAFÓW I SIECI TEORIA GRAFÓW I SIECI Temat nr 3: Marszruty, łańcuchy, drogi w grafach dr hab. inż. Zbigniew TARAPATA, prof. WAT e-mail: zbigniew.tarapata@wat.edu.pl http://tarapata.edu.pl tel.: 261-83-95-04, p.225/100

Bardziej szczegółowo

Gry o sumie niezerowej

Gry o sumie niezerowej Gry o sumie niezerowej Równowagi Nasha 2011-12-06 Zdzisław Dzedzej 1 Pytanie Czy profile równowagi Nasha są dobrym rozwiązaniem gry o dowolnej sumie? Zaleta: zawsze istnieją (w grach dwumacierzowych, a

Bardziej szczegółowo

Rachunek prawdopodobieństwa Rozdział 6: Twierdzenia graniczne.

Rachunek prawdopodobieństwa Rozdział 6: Twierdzenia graniczne. Rachunek prawdopodobieństwa Rozdział 6: Twierdzenia graniczne. 6.2. Centralne Twierdzenie Graniczne Katarzyna Rybarczyk-Krzywdzińska semestr zimowy 2015/2016 Słabe prawo wielkich liczb przypomnienie Słabe

Bardziej szczegółowo

Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe

Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe Nierówność Czebyszewa Niech X będzie zmienną losową o skończonej wariancji V ar(x). Wtedy wartość oczekiwana E(X) też jest skończona i

Bardziej szczegółowo

Teoria popytu. Popyt indywidualny konsumenta

Teoria popytu. Popyt indywidualny konsumenta Teoria popytu Popyt indywidualny konsumenta Koszyk towarów Definicja 1 Wektor x=(x 1,x 2,x 3,...,x n ) taki, że x i 0 dla każdego i,w którym i-ta współrzędna oznacza ilość towaru nr i, którą konsument

Bardziej szczegółowo

macierze jednostkowe (identyczności) macierze diagonalne, które na przekątnej mają same

macierze jednostkowe (identyczności) macierze diagonalne, które na przekątnej mają same 1 Macierz definicja i zapis Macierzą wymiaru m na n nazywamy tabelę a 11 a 1n A = a m1 a mn złożoną z liczb (rzeczywistych lub zespolonych) o m wierszach i n kolumnach (zamiennie będziemy też czasem mówili,

Bardziej szczegółowo

TEORIA GRAFÓW I SIECI

TEORIA GRAFÓW I SIECI TEORIA GRAFÓW I SIECI Temat nr 1: Definicja grafu. Rodzaje i części grafów dr hab. inż. Zbigniew TARAPATA, prof. WAT e-mail: zbigniew.tarapata@wat.edu.pl http://tarapata.edu.pl tel.: 261-83-95-04, p.225/100

Bardziej szczegółowo

Algebrą nazywamy strukturę A = (A, {F i : i I }), gdzie A jest zbiorem zwanym uniwersum algebry, zaś F i : A F i

Algebrą nazywamy strukturę A = (A, {F i : i I }), gdzie A jest zbiorem zwanym uniwersum algebry, zaś F i : A F i Algebrą nazywamy strukturę A = (A, {F i : i I }), gdzie A jest zbiorem zwanym uniwersum algebry, zaś F i : A F i A (symbol F i oznacza ilość argumentów funkcji F i ). W rozważanych przez nas algebrach

Bardziej szczegółowo

Plan wynikowy. Klasa III Technikum ekonomiczne. Kształcenie ogólne w zakresie rozszerzonym

Plan wynikowy. Klasa III Technikum ekonomiczne. Kształcenie ogólne w zakresie rozszerzonym Plan wynikowy lasa III Technikum ekonomiczne. ształcenie ogólne w zakresie rozszerzonym Oznaczenia: wymagania konieczne, P wymagania podstawowe, R wymagania rozszerzające, D wymagania dopełniające, W wymagania

Bardziej szczegółowo

FUNKCJE LICZBOWE. Na zbiorze X określona jest funkcja f : X Y gdy dowolnemu punktowi x X przyporządkowany jest punkt f(x) Y.

FUNKCJE LICZBOWE. Na zbiorze X określona jest funkcja f : X Y gdy dowolnemu punktowi x X przyporządkowany jest punkt f(x) Y. FUNKCJE LICZBOWE Na zbiorze X określona jest funkcja f : X Y gdy dowolnemu punktowi x X przyporządkowany jest punkt f(x) Y. Innymi słowy f X Y = {(x, y) : x X oraz y Y }, o ile (x, y) f oraz (x, z) f pociąga

Bardziej szczegółowo

Wykład 5. Informatyka Stosowana. 6 listopada Informatyka Stosowana Wykład 5 6 listopada / 28

Wykład 5. Informatyka Stosowana. 6 listopada Informatyka Stosowana Wykład 5 6 listopada / 28 Wykład 5 Informatyka Stosowana 6 listopada 2017 Informatyka Stosowana Wykład 5 6 listopada 2017 1 / 28 Definicja (Funkcja odwrotna) Niech f : X Y będzie różnowartościowa na swojej dziedzinie. Funkcja odwrotna

Bardziej szczegółowo

Wymagania edukacyjne z matematyki klasa II technikum

Wymagania edukacyjne z matematyki klasa II technikum Wymagania edukacyjne z matematyki klasa II technikum Poziom rozszerzony Obowiązują wymagania z zakresu podstawowego oraz dodatkowo: 1. JĘZYK MATEMATYKI I FUNKCJE LICZBOWE Uczeń otrzymuje ocenę dopuszczającą

Bardziej szczegółowo

F t+ := s>t. F s = F t.

F t+ := s>t. F s = F t. M. Beśka, Całka Stochastyczna, wykład 1 1 1 Wiadomości wstępne 1.1 Przestrzeń probabilistyczna z filtracją Niech (Ω, F, P ) będzie ustaloną przestrzenią probabilistyczną i niech F = {F t } t 0 będzie rodziną

Bardziej szczegółowo

LUBELSKA PRÓBA PRZED MATURĄ 2017 poziom podstawowy

LUBELSKA PRÓBA PRZED MATURĄ 2017 poziom podstawowy LUELSK PRÓ PRZE MTURĄ 07 poziom podstawowy Schemat oceniania Uwaga: kceptowane są wszystkie odpowiedzi merytorycznie poprawne i spełniające warunki zadania (podajemy kartotekę zadań, gdyż łatwiej będzie

Bardziej szczegółowo

Matematyka stosowana i metody numeryczne

Matematyka stosowana i metody numeryczne Ewa Pabisek Adam Wosatko Piotr Pluciński Matematyka stosowana i metody numeryczne Konspekt z wykładu 14 Rachunekwektorowy W celu zdefiniowania wektora a należy podać: kierunek(prostą na której leży wektor)

Bardziej szczegółowo

WYMAGANIA EDUKACYJNE - matematyka - poziom rozszerzony Dariusz Drabczyk

WYMAGANIA EDUKACYJNE - matematyka - poziom rozszerzony Dariusz Drabczyk WYMAGANIA EDUKACYJNE - matematyka - poziom rozszerzony Dariusz Drabczyk str 1 Klasa 1d: wpisy oznaczone jako: LICZBY RZECZYWISTE, JĘZYK MATEMATYKI, FUNKCJA LINIOWA, (F) FUNKCJE, FUNKCJA KWADRATOWA. Przypisanie

Bardziej szczegółowo

Funkcja kwadratowa. f(x) = ax 2 + bx + c,

Funkcja kwadratowa. f(x) = ax 2 + bx + c, Funkcja kwadratowa. Funkcją kwadratową nazywamy funkcję f : R R określoną wzorem gdzie a, b, c R, a 0. f(x) = ax 2 + bx + c, Szczególnym przypadkiem funkcji kwadratowej jest funkcja f(x) = ax 2, a R \

Bardziej szczegółowo

Proces rezerwy w czasie dyskretnym z losową stopą procentową i losową składką

Proces rezerwy w czasie dyskretnym z losową stopą procentową i losową składką z losową stopą procentową i losową składką Instytut Matematyki i Informatyki Politechniki Wrocławskiej 10 czerwca 2008 Oznaczenia Wprowadzenie ξ n liczba wypłat w (n 1, n], Oznaczenia Wprowadzenie ξ n

Bardziej szczegółowo

Procesy stochastyczne WYKŁAD 2-3. Łańcuchy Markowa. Łańcuchy Markowa to procesy "bez pamięci" w których czas i stany są zbiorami dyskretnymi.

Procesy stochastyczne WYKŁAD 2-3. Łańcuchy Markowa. Łańcuchy Markowa to procesy bez pamięci w których czas i stany są zbiorami dyskretnymi. Procesy stochastyczne WYKŁAD 2-3 Łańcuchy Markowa Łańcuchy Markowa to procesy "bez pamięci" w których czas i stany są zbiorami dyskretnymi. 2 Łańcuchem Markowa nazywamy proces będący ciągiem zmiennych

Bardziej szczegółowo

Teoria grafów podstawy. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Teoria grafów podstawy. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak Teoria grafów podstawy Materiały pomocnicze do wykładu wykładowca: dr Magdalena Kacprzak Grafy zorientowane i niezorientowane Przykład 1 Dwa pociągi i jeden most problem wzajemnego wykluczania się Dwa

Bardziej szczegółowo

Zastosowanie wartości Shapleya w podejmowaniu decyzji przez importerów

Zastosowanie wartości Shapleya w podejmowaniu decyzji przez importerów Zastosowanie wartości Shapleya w podejmowaniu decyzji przez importerów dr hab. Leszek S. Zaremba 1. Postawienie problemu RozwaŜmy zagadnienie decyzyjne, jakie pojawia się w przypadku importerów pewnego

Bardziej szczegółowo

MATEMATYKA I SEMESTR ALK (PwZ) 1. Sumy i sumy podwójne : Σ i ΣΣ

MATEMATYKA I SEMESTR ALK (PwZ) 1. Sumy i sumy podwójne : Σ i ΣΣ MATEMATYKA I SEMESTR ALK (PwZ). Sumy i sumy podwójne : Σ i ΣΣ.. OKREŚLENIE Ciąg liczbowy = Dowolna funkcja przypisująca liczby rzeczywiste pierwszym n (ciąg skończony), albo wszystkim (ciąg nieskończony)

Bardziej szczegółowo

Podstawy metod probabilistycznych. dr Adam Kiersztyn

Podstawy metod probabilistycznych. dr Adam Kiersztyn Podstawy metod probabilistycznych dr Adam Kiersztyn Przestrzeń zdarzeń elementarnych i zdarzenia losowe. Zjawiskiem lub doświadczeniem losowym nazywamy taki proces, którego przebiegu i ostatecznego wyniku

Bardziej szczegółowo

Przykłady grafów. Graf prosty, to graf bez pętli i bez krawędzi wielokrotnych.

Przykłady grafów. Graf prosty, to graf bez pętli i bez krawędzi wielokrotnych. Grafy Graf Graf (ang. graph) to zbiór wierzchołków (ang. vertices), które mogą być połączone krawędziami (ang. edges) w taki sposób, że każda krawędź kończy się i zaczyna w którymś z wierzchołków. Graf

Bardziej szczegółowo

Wstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa

Wstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa Wstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa M. Czoków, J. Piersa 2012-01-10 1 Łańcucha Markowa 2 Istnienie Szukanie stanu stacjonarnego 3 1 Łańcucha Markowa 2 Istnienie Szukanie stanu stacjonarnego

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład XIII: Prognoza. 26 stycznia 2015 Wykład XIII: Prognoza. Prognoza (predykcja) Przypuśćmy, że mamy dany ciąg liczb x 1, x 2,..., x n, stanowiących wyniki pomiaru pewnej zmiennej w czasie wielkości

Bardziej szczegółowo

Zbiory wypukłe i stożki

Zbiory wypukłe i stożki Katedra Matematyki i Ekonomii Matematycznej 28 kwietnia 2016 Hiperpłaszczyzna i półprzestrzeń Definicja Niech a R n, a 0, b R. Zbiór H(a, b) = {x R n : (a x) = b} nazywamy hiperpłaszczyzną, zbiory {x R

Bardziej szczegółowo

Matematyczne Podstawy Informatyki

Matematyczne Podstawy Informatyki Matematyczne Podstawy Informatyki dr inż. Andrzej Grosser Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska Rok akademicki 2013/2014 Twierdzenie 2.1 Niech G będzie grafem prostym

Bardziej szczegółowo

Wykład 8. Drzewo rozpinające (minimum spanning tree)

Wykład 8. Drzewo rozpinające (minimum spanning tree) Wykład 8 Drzewo rozpinające (minimum spanning tree) 1 Minimalne drzewo rozpinające - przegląd Definicja problemu Własności minimalnych drzew rozpinających Algorytm Kruskala Algorytm Prima Literatura Cormen,

Bardziej szczegółowo

10. Kolorowanie wierzchołków grafu

10. Kolorowanie wierzchołków grafu p. 10. Kolorowanie wierzchołków grafu 10.1 Definicje i twierdzenia Przez k-kolorowanie wierzchołków grafu G rozumiemy przyporzadkowanie każdemu wierzchołkowi grafu G jednego z k kolorów 1, 2,...,k. p.

Bardziej szczegółowo

domykanie relacji, relacja równoważności, rozkłady zbiorów

domykanie relacji, relacja równoważności, rozkłady zbiorów 1 of 8 2012-03-28 17:45 Logika i teoria mnogości/wykład 5: Para uporządkowana iloczyn kartezjański relacje domykanie relacji relacja równoważności rozkłady zbiorów From Studia Informatyczne < Logika i

Bardziej szczegółowo

WYMAGANIA EDUKACYJNE Z MATEMATYKI dla klasy I ba Rok szk. 2012/2013

WYMAGANIA EDUKACYJNE Z MATEMATYKI dla klasy I ba Rok szk. 2012/2013 Dział LICZBY RZECZYWISTE Uczeń otrzymuje ocenę dopuszczającą lub dostateczną, jeśli: podaje przykłady liczb: naturalnych, całkowitych, wymiernych, niewymiernych, pierwszych i złożonych oraz przyporządkowuje

Bardziej szczegółowo

Algorytmiczna teoria grafów

Algorytmiczna teoria grafów Przedmiot fakultatywny 20h wykładu + 20h ćwiczeń 21 lutego 2014 Zasady zaliczenia 1 ćwiczenia (ocena): kolokwium, zadania programistyczne (implementacje algorytmów), praca na ćwiczeniach. 2 Wykład (egzamin)

Bardziej szczegółowo

Uczeń: -podaje przykłady ciągów liczbowych skończonych i nieskończonych oraz rysuje wykresy ciągów

Uczeń: -podaje przykłady ciągów liczbowych skończonych i nieskończonych oraz rysuje wykresy ciągów Wymagania edukacyjne PRZEDMIOT: Matematyka KLASA: III Th ZAKRES: zakres podstawowy Poziom wymagań Lp. Dział programu Konieczny-K Podstawowy-P Rozszerzający-R Dopełniający-D Uczeń: 1. Ciągi liczbowe. -zna

Bardziej szczegółowo

Wymagania edukacyjne z matematyki w XVIII Liceum Ogólnokształcącym w Krakowie, zakres podstawowy. Klasa druga.

Wymagania edukacyjne z matematyki w XVIII Liceum Ogólnokształcącym w Krakowie, zakres podstawowy. Klasa druga. Wymagania edukacyjne z matematyki w XVIII Liceum Ogólnokształcącym w Krakowie, zakres podstawowy. Klasa druga. Funkcja liniowa. Uczeń otrzymuje ocenę dopuszczającą, jeśli: - rozpoznaje funkcję liniową

Bardziej szczegółowo

Wykład 3. Złożoność i realizowalność algorytmów Elementarne struktury danych: stosy, kolejki, listy

Wykład 3. Złożoność i realizowalność algorytmów Elementarne struktury danych: stosy, kolejki, listy Wykład 3 Złożoność i realizowalność algorytmów Elementarne struktury danych: stosy, kolejki, listy Dynamiczne struktury danych Lista jest to liniowo uporządkowany zbiór elementów, z których dowolny element

Bardziej szczegółowo

Wymagania edukacyjne na poszczególne oceny branżowa szkoła I stopnia klasa 1 po gimnazjum

Wymagania edukacyjne na poszczególne oceny branżowa szkoła I stopnia klasa 1 po gimnazjum Wymagania edukacyjne na poszczególne oceny branżowa szkoła I stopnia klasa 1 po gimnazjum I. Liczby rzeczywiste 1. Liczby naturalne 2. Liczby całkowite. 3. Liczby wymierne 4. Rozwinięcie dziesiętne liczby

Bardziej szczegółowo

Wymagania kl. 3. Zakres podstawowy i rozszerzony

Wymagania kl. 3. Zakres podstawowy i rozszerzony Wymagania kl. 3 Zakres podstawowy i rozszerzony Temat lekcji Zakres treści Osiągnięcia ucznia 1. RACHUNEK PRAWDOPODOBIEŃSTWA 1. Reguła mnożenia reguła mnożenia ilustracja zbioru wyników doświadczenia za

Bardziej szczegółowo

PLAN WYNIKOWY PROSTO DO MATURY KLASA 1 ZAKRES PODSTAWOWY

PLAN WYNIKOWY PROSTO DO MATURY KLASA 1 ZAKRES PODSTAWOWY PLAN WYNIKOWY PROSTO DO MATURY KLASA 1 ZAKRES PODSTAWOWY Copyright by Nowa Era Sp. z o.o. Warszawa 019 Liczba godzin TEMAT ZAJĘĆ EDUKACYJNYCH Język matematyki 1 Wzory skróconego mnożenia 3 Liczby pierwsze,

Bardziej szczegółowo

OPISU MODUŁU KSZTAŁCENIA (SYLABUS) dla przedmiotu Teoria gier na kierunku Zarządzanie

OPISU MODUŁU KSZTAŁCENIA (SYLABUS) dla przedmiotu Teoria gier na kierunku Zarządzanie Poznań, 1.10.2016 r. Dr Grzegorz Paluszak OPISU MODUŁU KSZTAŁCENIA (SYLABUS) dla przedmiotu Teoria gier na kierunku Zarządzanie I. Informacje ogólne 1. Nazwa modułu : Teoria gier 2. Kod modułu : 1 TGw

Bardziej szczegółowo