Zastosowanie drzew klasyfikacyjnych dla danych symbolicznych w ocenie preferencji konsumentów 1
|
|
- Bogdan Romanowski
- 7 lat temu
- Przeglądów:
Transkrypt
1 Marcin Peła Uniwersytet Eonomiczny we Wrocławiu Katedra Eonometrii i Informatyi Zastosowanie drzew lasyfiacyjnych dla danych symbolicznych w ocenie preferencji onsumentów 1 1. Wprowadzenie Niezwyle ważnym zagadnieniem w teorii eonomii, a zwłaszcza miroeonomii i miroeonometrii, jest pojęcie preferencji onsumenta. Kategoria preferencji jest odzwierciedleniem gustów i nawyów onsumentów ujawnionych w wyniu podjętych decyzji zaupowych lub delarowanych w badaniach sondażowych. Preferencje wyorzystuje się do wantyfiacji użyteczności, tórej w sposób bezpośredni nie można zmierzyć. Preferencje onsumentów są jednym z istotniejszych zagadnień, tóre powinny być wzięte pod uwagę przez producenta. Znajomość ryteriów, pojęć, tórymi operują onsumenci pozwala zaproponować produt zgodny z ich oczeiwaniami i przynoszący im masymalną satysfację. Aby ustalić, jaie są oczeiwania onsumentów, czyli ryteria i wartości, tóre decydują o wyborze tego a nie innego produtu. Ryne płatów zbożowych w 2009 rou osiągnął sprzedaż równą 586 mln zł, lienci zaupili ich 48 mln g, a wartość rynu w 2010 rou szacuje się na 700 mln złotych (dane z marca 2010). Ważną częścią rynu płatów zbożowych, o tóry wciąż trwa wala jest ryne musli (mieszana płatów zbożowych z dodatami suszonych owoców, orzechów). Według analiz statystyczny Pola zjada tylo nieco ponad ilogram płatów zbożowych rocznie, jednaże analitycy załadają, że ryne ten będzie się rozwijał dynamicznie [por. Drewnowsa 2010; Drewnowsa 2009]. Duży wpływ na popularność tych produtów zbożowych ma z pewnością wzrost tempa życia polsich rodzin, a co za tym idzie poszuiwanie dań, tóre są łatwiejsze w przygotowaniu. Innym ważnym czynniiem decydującym o popularności płatów zbożowych jest rosnąca świadomość polaów na temat zdrowego odżywiania się. Jedną z metod pozwalającą na zidentyfiowanie czynniów (zmiennych) decydujących o taim, a nie innym zachowaniu onsumenta na rynu są drzewa lasyfiacyjne. Ideą onstrucji drzewa lasyfiacyjnego jest reurencyjny podział przestrzeni wielowymiarowej, gdzie znajdują się lasyfiowane obiety ta, aby uzysać rozłączne części (segmen- 1 Praca nauowa finansowana ze środów na nauę w latach jao projet badawczy nr N N
2 ty, lasy, grupy), w tórych znajdują się obiety należące do tej samej lasy [zob. Gatnar, Walesia i in. 2004, s. 103; Walesia, Gatnar i in. 2009, s. 238; Gatnar 2008, s. 37]. Celem artyułu jest zaprezentowanie zastosowania drzew lasyfiacyjnych dla danych symbolicznych w analizie preferencji onsumentów. W tym celu artyuł przedstawia podstawowe pojęcia z zaresu analizy danych symbolicznych i drzew lasyfiacyjnych dla tego typu danych. W części empirycznej przedstawiono zastosowanie drzew lasyfiacyjnych w ocenie preferencji onsumentów płatów śniadaniowych, przy czym przyład ten ma jedynie charater ilustracyjny. 2. Dane symboliczne W przypadu obietów symbolicznych możemy mieć do czynienia z rodzajami zmiennych, taimi ja [Boc, Diday i in. 2000, s. 2-3; Billard, Diday 2006, s. 7-30]: 1) ilorazowe, przedziałowe, porządowe, nominalne; 2) ategorie, np. biały, zielony; 3) interwałowe, czyli przedziały liczbowe, rozłączne lub nierozłączne, np. miesięczne wydati na płati zbożowe (12 zł; 24 zł); 4) wielowariantowe, przyładem mogą być upowane płati zbożowe: Kangoos, Owoco- Płati, Mleołai, Bio 4 zboża, Crunchy oriszowe; 5) wielowariantowe z wagami (prawdopodobieństwami), gdzie oprócz listy ategorii występują wagi (prawdopodobieństwa), z jaimi obiet posiada wybraną ategorię, np. jeżeli wybrać zmienną preferowane mari płatów zbożowych: Mleołai (0,41), Cini Minis (0,29), Chocapic (0,20), płati jęczmienne (0,10) to oznacza to, że respondent preferuje cztery rodzaje płatów zbożowych najbardziej Mleołai, a najmniej płati jęczmienne; 6) zmienne struturalne [Boc, Diday i in. 2000, s. 2-3; 33-37; Billard, Diday 2006, s ] w literaturze przedmiotu wyróżnia się oprócz wyżej wymienionych typów zmiennych taże zmienne struturalne: a) zmienne o zależności funcyjnej, lub logicznej pomiędzy poszczególnymi zmiennymi, gdzie a priori ustalono reguły funcyjne lub logiczne decydujące o tym, jaą wartość przyjmie dana zmienna; b) zmienne hierarchiczne, w tórych a priori ustalono waruni, od tórych zależy, czy zmienna dotyczy danego obietu, czy też nie; c) zmienne tasonomiczne, w tórych a priori ustalono systematyę, według tórej przyjmuje ona swoje realizacje.
3 W analizie danych symbolicznych wyróżnia się dwa rodzaje obietów symbolicznych: obiety symboliczne I-go rzędu obiety rozumiany w sensie lasycznym (obiet elementarny), np. onsument, produt, przedsiębiorstwo, redytobiorca. Rozróżnieniem tych obietów od obietów w rozumieniu lasycznym jest fat, że są one opisywane przez zmienne symboliczne, obiety symboliczne II-go rzędu obiety utworzone w wyniu agregacji zbioru obietów symbolicznych I-go rzędu, lub agregacji obietów w sensie lasycznym, np. grupa onsumentów preferująca oreśloną marę produtu, ila produtów jednego producenta, grupa redytobiorców, tóra otrzymaną wotę przeznaczyła na dany cel). 3. Drzewo lasyfiacyjne dla danych symbolicznych Drzewa lasyfiacyjne dla danych symbolicznych można podzielić na drzewa lasyfiacyjne dla danych symbolicznych oparte na optymalnym podziale [Boc, Diday i in. 2000, s ], warstwowe drzewa lasyfiacyjne (strata decision trees) [zob. Bravo 2000; Bravo i García-Santesmases 2000; Noirhomme-Fraiture 2004, s ] oraz bayesowsie drzewa lasyfiacyjne (bayesian decision trees) [zob. Noirhomme-Fraiture 2004, s ]. W przypadu drzew lasyfiacyjnych dla danych symbolicznych mamy do czynienia z uogólnionym algorytmem tworzenia drzewa lasyfiacyjnego [zob. Boc, Diday i in. 2000, s ]. Drzewo lasyfiacyjne oparte na optymalnym podziale wymaga by zmienną zależną identyfiującą lasy (grupy, segmenty) była zmienna nominalna. Natomiast zmienne niezależne mogą być zmiennymi symbolicznymi interwałowymi, wielowariantowymi lub wielowariantowymi z wagami, lub zmiennymi lasycznymi. Algorytm onstrucji drzewa decyzyjnego dla danych symbolicznych można podzielić na następujące roi [Boc, Diday i in. 2000, s ]: 1. Budowa tablicy częstości dla zmiennych symbolicznych wielowariantowych, zmiennych nominalnych i porządowych [Boc, Diday i in. 2000, s ]. Dla zmiennych wielowariantowych tablica jest wyniiem zliczenia częstości zaobserwowania danej ategorii w poszczególnych obietach. W przypadu zmiennych wielowariantowych z wagami częstościami są wagi przypisane poszczególnym ategoriom zmiennej. Dla przedziałów liczbowych onieczne jest obliczenie wartości średniej arytmetycznej dla wszystich możliwych ombinacji dolnych i górnych rańców przedziałów zmiennej.
4 Zmienne lasyczne o słabej sali pomiaru (nominalne, porządowe) są tratowane ja listy ategorii, natomiast zmienne lasyczne o mocnej sali pomiaru (przedziałowe, ilorazowe) są tratowane ja przedziały liczbowe. 2. Ustalenie a priori wartości granicznej dla rozmiaru węzła dla ryterium jaości podziału drzewa W. Wartości te są ustalane przez badacza na podstawie własnej wiedzy. n oraz wartości granicznej Jeżeli rozmiar węzła jest mniejszy od ustalonej wartości granicznej n to węzeł tai jest węzłem ońcowym. Jeżeli dla poszczególnego pytania binarnego wartość ryterium jaości jest więsze od granicznej wartości W to pytanie to może być zastosowane do podziału. 3. Konstrucja pytań binarnych dla ażdej z j zmiennych ( j 1,, m) i obliczenie prawdopodobieństw przydzielenia obietu do lewego i prawego węzła drzewa. Dla zmiennych interwałowych należy ustalić środi przedziałów obliczone na podstawie wszystich możliwych dolnych i górnych rańców tej zmiennej. Środi te stanowić będą tzw. wartości odcięcia c (cutting threshold). Jeżeli ustalona wartość c [Boc, Diday i in. 2000, s. 249]: a) znajduje się w przedziale zmiennej wówczas prawdopodobieństwo przydzielenia obietu do lewego węzła p (l) wyraża się wzorem: c v j p ( l), (1) v v j j gdzie: 1,, n oznacza numer obietu symbolicznego, v j górny raniec przedziału j -tej zmiennej dla -tego obietu, v j dolny raniec przedziału j -tej zmiennej dla -tego obietu. b) jest mniejsza od dolnego rańca przedziału zmiennej, wówczas: c) jest więsza od górnego rańca przedziału zmiennej, to: p ( l) 0, (2) p ( l) 1. (3) Dla zmiennych porządowych wartość odcięcia c to poszczególne ategorie danej zmiennej (z wyłączeniem ostatniej ategorii). Dla ażdego obietu należy zsumować częstości wystąpienia tych wartości zmiennej, tóre są mniejsze bądź równe wartości c. Otrzymana suma to prawdopodobieństwo przydzielenia -tego obietu do lewego węzła.
5 Podobnie dla zmiennej nominalnej wartość odcięcia c to poszczególne ategorie tej zmiennej. Dla danego obietu wartość c to częstość wystąpienia danej ategorii zmiennej. Niezależnie od typu zmiennej prawdopodobieństwo przydzielenia -tego obietu do prawego węzła drzewa wyraża się wzorem [Boc, Diday i in. 2000, s. 249]: p ( r) 1 p ( l) 4. Obliczenie ryterium jaości podziału węzła dla ażdego puntu c dla ażdej ze zmiennych według wzoru [Boc, Diday i in. 2000, s. 254]: (4) gdzie: j 1,, m numer zmiennej, n W ( t, c) log [ p ( l) P ( s) p ( r) P ( s)], (5) j 1 l r t numer węzła, c wartość odcięcia, p (l) prawdopodobieństwo przydzielenia -tego obietu do lewego węzła, p ( r) 1 p ( l) prawdopodobieństwo przydzielenia -tego obietu do prawego węzła, P l (s) prawdopodobieństwo warunowe, że w lewym węźle zaobserwowano lasę, do tórej należy -ty obiet (jest to iloraz sumy prawdopodobieństw przydzielenia obietów z lasy s do lewego węzła oraz sumy prawdopodobieństw przydzielenia wszystich obietów do tego węzła), P r (s) prawdopodobieństwo warunowe, że w prawym węźle zaobserwowano lasę do tórej należy -ty obiet (jest to iloraz sumy prawdopodobieństw przydzielenia obietów z lasy s do prawego węzła oraz sumy prawdopodobieństw przydzielenia wszystich obietów do tego węzła). 5. Wybór najwięszego W spełniającego warune: W j ( t, c) W, (6) i podział węzła zgodnie z właściwym dla danej zmiennej sposobem, pod waruniem, że: gdzie n t rozmiar t -tego węzła. n t n (7) 6. Kroi 4-5 należy powtórzyć dla ażdego węzła do momentu otrzymania węzłów ońcowych. W dalszym podziałach nie bierze udziału pytanie wyorzystane we wcześniejszych etapach.
6 7. Ocena jaości reguł decyzyjnych poprzez obliczenie współczynnia trafności predycji (rate of correct predictions). Oszacowanie współczynnia trafności predycji wymaga obliczenia prawdopodobieństw przynależności poszczególnych obietów do analizowanych las. Liczebność obietów w węzłach ońcowych decyduje o późniejszym opisie las (grup, segmentów). Klasa o najwięszej liczebności w węźle ońcowym decyduje o tym, że węzeł ten oraz reguły decyzyjne go dotyczące stanowią charaterystyę tej, a nie innej lasy. 4. Preferencje onsumentów płatów zbożowych W czerwcu i lipcu 2010 zebrano dane o preferencjach onsumentów płatów zbożowych z wyorzystaniem westionariusza aniety. Anietę rozprowadzono wśród 130 respondentów, po weryfiacji do ostatecznej analizy przyjęto 121 aniet. Otrzymana próba ma charater nielosowy, ponieważ dobór osób do próby miał charater przypadowy. Wybór przypadowy nie gwarantuje reprezentatywności próby, ale w pewnym, choć ograniczonym zaresie umożliwia poznanie populacji [por. Szreder 2004, s. 56]. Respondenci w pierwszych pytaniach westionariusza odpowiadali na pytanie dotyczące onsumpcji płatów zbożowych. Udzielone odpowiedzi stały się podstawą do podzielenia respondentów na trzy grupy o różnych preferencjach: a) onsumenci płatów uurydzianych ( onserwatyści ) osoby spożywające jedynie lasyczne uurydziane płati zbożowe, bez żadnych dodatów; b) onsumenci płatów dla dzieci osoby spożywające różnorodne płati zbożowe z dodatami (np. curem, czeoladą, cynamonem, itp.); c) onsumenci musli i innych płatów zbożowych osoby spożywające musli oraz inne płati zbożowe (np. płati jęczmienne, otręby owsiane, płati pszenne, itp.). Do identyfiacji czynniów (zmiennych) różnicujących te grupy onsumentów wyorzystano drzewo lasyfiacyjne dla danych symbolicznych. Wśród zmiennych andydate znalazły się: a) miesięczne dochody respondenta (zmienna interwałowa) respondenci wsazywali przedział liczbowy, w tórym mieszczą się ich dochody, b) wydati na żywność (zmienna interwałowa) respondenci oreślali minimalne i masymalne wydati na żywność, c) przeciętne jednorazowe wydati na żywność (zmienna interwałowa) respondenci oreślali minimalną i masymalną wotę pojedynczych zaupów, d) liczba osób w gospodarstwie domowym (zmienna interwałowa) respondenci wsazywali odpowiedni przedział liczbowy,
7 e) liczba dzieci w gospodarstwie domowym (zmienna interwałowa) respondenci wsazywali przedział liczbowy, f) miejsce zamieszania (zmienna nominalna) respondenci wsazywali jedną z dostępnych ategorii, g) inne zaupywane płati zbożowe (zmienna wielowariantowa) respondenci wybierali wśród osiem różnych płatów zbożowych oraz opcji nie upuję, h) liczba zaupów w miesiącu (zmienna interwałowa) respondenci wsazywali odpowiedni przedział, i) miejsce doonywania zaupów (zmienna wielowariantowa) respondenci wybierali jedną z ategorii: slep osiedlowy (wiejsi), slep sieciowy (np. Żaba, Biedrona, ABC ), maret, j) inne zdrowe produty zbożowe (zmienna wielowariantowa) respondenci wsazywali jedną spośród pięciu ategorii lub opcję nie upuję. Wynii analizy preferencji z zastosowaniem drzewa lasyfiacyjnego dla danych symbolicznych prezentuje rys. 1. Zbiór 121 obietów Chocapic lub musli Inne zaupywane płati zbożowe pozostałe rodzaje płatów zbożowych lub opcja nie upuję 38 obietów 83 obiety nie upuję Inne zdrowe produty zbożowe iełi sojowe, płati owsiane, otręby, chleb pełnoziarnisty, inne Liczba osób w <= 5 gosp. dom. > 5 32 obiety grupa 1: 7 grupa 2: 11 grupa 3: 15 4 obiety grupa 1: 1 grupa 2: 4 68 obietów grupa 1: 40 grupa 2: 24 grupa 3: 4 15 obietów grupa 2: 15 Rys.1. Drzewo lasyfiacyjne dla onsumentów płatów zbożowych Źródło: obliczenia własne z wyorzystaniem programu R.
8 5. Wniosi Najważniejszymi czynniami pozwalającymi rozróżnić trzy, ustalone a priori, grupy onsumentów płatów zbożowych oazały się zmienne: inne zaupywane płati zbożowe, inne zdrowe produty zbożowe oraz liczba osób w gospodarstwie domowym. Grupa 1: Konsumenci płatów uurydzianych ( onserwatyści ) to osoby rzado upujące inne produty zbożowe, tórych gospodarstwo domowe liczy poniżej pięciu osób. Najczęściej są to osoby starsze, bezdzietne, lub tórych dzieci opuściły gospodarstwo domowe. Grupa 2: Konsumenci płatów dla dzieci to głównie osoby upujący oprócz płatów dla dzieci (z curem, czeoladowych, cynamonowych czy innych) taże inne produty zbożowe (np. musli czy lasyczne płati uurydziane). Konsumenci tej grupy czasem upują inne zdrowe produtu zbożowe, taie ja chleb pełnoziarnisty czy otręby. Gospodarstwo domowe tej grupy onsumentów liczy więcej niż pięć osób. Grupa 3: Konsumenci musli i innych płatów zbożowych to osoby, tóre nie upują innych zdrowych produtów zbożowych ani innych płatów zbożowych. Jest to jednocześnie najmniej liczna grupa onsumentów. Po oszacowaniu współczynnia trafności predycji, dla całego zbioru danych, oazało się że 38 z 121 onsumentów zostało zalasyfiowanych do niewłaściwej grupy (stanowi to 31,4% zbioru). Najwięcej błędnych predycji trafiło się w przypadu onsumentów płatów dla dzieci (onsumenci grupy drugiej) 30 przypadów. Wynia to z fatu, że w drzewie lasyfiacyjnym onsumenci tej grupy znajdują się w ażdym węźle ońcowym, co z olei jest odbiciem dużej różnorodności w odpowiedziach tej grupy respondentów. Literatura: Boc H.-H., Diday E. (red.) (2000), Analysis of symbolic data. Explanatory methods for extracting statistical information from complex data, Springer Verlag, Berlin. Billard L., Diday E. (2006), Symbolic data analysis. Conceptual statistics and data mining Wiley, Chichester. Bravo M. C. (2000), Strata decision tree symbolic data analysis software, [w:] H. A. L Kiers., J. P., Rasson, P. J. F., Groenen, M. Schader (red.), Data analysis classification and related methods, Springer-Verlag, Berlin-Heidelberg, Bravo M. C., García-Santesmases J. M. (2000), Symbol Object Description of Strata by Segmentation Trees, Computational Statistics. Physica, vol. 15, Drewnowsa B. (2010) Płati zbożowe odporne na ryzys, Rzeczpospolita nr 58 (8569) z 10 marca 2010, s. B9.
9 Drewnowsa B. (2009) Bój o zysi z musli, Rzeczpospolita nr 147 (8353) z 25 czerwca 2009, s. B12. Noirhomme-Fraiture M. (red.) (2004), User manual for SODAS 2 software, Software Report, Analysis System of Symbolic Official Data, Project Number IST Szreder M. (2004), Metody i technii sondażowych badań opinii, PWE, Warszawa.
10 Marcin Peła Uniwersytet Eonomiczny we Wrocławiu Katedra Eonometrii i Informatyi Zastosowanie drzew lasyfiacyjnych dla danych symbolicznych w ocenie preferencji onsumentów Streszczenie W artyule przedstawiono analizę preferencji onsumentów z wyorzystaniem drzew lasyfiacyjnych dla danych symbolicznych. W tym celu zaprezentowano podstawowe pojęcia z zaresu analizy danych symbolicznych. W części empirycznej przedstawiono wynii analizy preferencji onsumentów płatów śniadaniowych. Słowa luczowe: drzewa lasyfiacyjne dla danych symbolicznych, analiza preferencji, onsumenci płatów śniadaniowych Application of symbolic decision trees in preference analysis Summary The paper presents application of symbolic decision trees in preference analysis. To obtain such a goal basic terms of symbolic data analysis are presented. In the empirical part results of preferences of flae consumers analysis are presented. Keywords: symbolic classification trees, preference analysis, flaes consumers
Podejścia w skalowaniu wielowymiarowym obiektów symbolicznych
Marcin Pełka Uniwersytet Ekonomiczny we Wrocławiu Katedra Ekonometrii i Informatyki Podejścia w skalowaniu wielowymiarowym obiektów symbolicznych 1. Wprowadzenie Metody skalowania wielowymiarowego obiektów
Bardziej szczegółowoMETODY SKALOWANIA WIELOWYMIAROWEGO OBIEKTÓW SYMBOLICZNYCH
Marcin Pełka Akademia Ekonomiczna we Wrocławiu METODY SKALOWANIA WIELOWYMIAROWEGO OBIEKTÓW SYMBOLICZNYCH 1. Wprowadzenie Metody skalowania wielowymiarowego obiektów symbolicznych, podobnie jak w przypadku
Bardziej szczegółowoPRACE NAUKOWE UNIWERSYTETU EKONOMICZNEGO WE WROCŁAWIU RESEARCH PAPERS OF WROCŁAW UNIVERSITY OF ECONOMICS
PRACE NAUKOWE UNIWERSYTETU EKONOMICZNEGO WE WROCŁAWIU RESEARCH PAPERS OF WROCŁAW UNIVERSITY OF ECONOMICS nr 507 2018 Taksonomia 30 ISSN 1899-3192 Klasyfikacja i analiza danych teoria i zastosowania e-issn
Bardziej szczegółowoMODYFIKACJA KOSZTOWA ALGORYTMU JOHNSONA DO SZEREGOWANIA ZADAŃ BUDOWLANYCH
MODYFICJ OSZTOW LGORYTMU JOHNSON DO SZEREGOWNI ZDŃ UDOWLNYCH Michał RZEMIŃSI, Paweł NOW a a Wydział Inżynierii Lądowej, Załad Inżynierii Producji i Zarządzania w udownictwie, ul. rmii Ludowej 6, -67 Warszawa
Bardziej szczegółowoZASTOSOWANIE ANALIZY KORESPONDENCJI W BADANIU AKTYWNOŚCI TURYSTYCZNEJ EMERYTÓW I RENCISTÓW
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XI/2, 2010, str. 1 11 ZASTOSOWANIE ANALIZY KORESPONDENCJI W BADANIU AKTYWNOŚCI TURYSTYCZNEJ EMERYTÓW I RENCISTÓW Iwona Bą Katedra Zastosowań Matematyi w Eonomii,
Bardziej szczegółowoA. Cel ćwiczenia. B. Część teoretyczna
A. Cel ćwiczenia Celem ćwiczenia jest zapoznanie się z wsaźniami esploatacyjnymi eletronicznych systemów bezpieczeństwa oraz wyorzystaniem ich do alizacji procesu esplatacji z uwzględnieniem przeglądów
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZA 1. Wyład wstępny. Teoria prawdopodobieństwa i elementy ombinatoryi. Zmienne losowe i ich rozłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez statystycznych
Bardziej szczegółowoZastosowanie syntetycznych mierników dynamiki struktury w analizie zmian aktywności ekonomicznej ludności wiejskiej
Ewa Wasilewsa Katedra Eonometrii i Statystyi SGGW Zastosowanie syntetycznych mierniów dynamii strutury w analizie zmian atywności eonomicznej ludności wiejsiej Wstęp Przeobrażenia gospodari polsiej po
Bardziej szczegółowoGrupowanie sekwencji czasowych
BIULETYN INSTYTUTU AUTOMATYKI I ROBOTYKI NR 3, 006 Grupowanie sewencji czasowych Tomasz PAŁYS Załad Automatyi, Instytut Teleinformatyi i Automatyi WAT, ul. Kalisiego, 00-908 Warszawa STRESZCZENIE: W artyule
Bardziej szczegółowowtedy i tylko wtedy, gdy rozwiązanie i jest nie gorsze od j względem k-tego kryterium. 2) Macierz części wspólnej Utwórz macierz
Temat: Programowanie wieloryterialne. Ujęcie dysretne.. Problem programowania wieloryterialnego. Z programowaniem wieloryterialnym mamy do czynienia, gdy w problemie decyzyjnym występuje więcej niż jedno
Bardziej szczegółowoPodstawy rachunku prawdopodobieństwa (przypomnienie)
. Zdarzenia odstawy rachunu prawdopodobieństwa (przypomnienie). rawdopodobieństwo 3. Zmienne losowe 4. rzyład rozładu zmiennej losowej. Zdarzenia (events( events) Zdarzenia elementarne Ω - zbiór zdarzeń
Bardziej szczegółowoZARYS METODY OPISU KSZTAŁTOWANIA SKUTECZNOŚCI W SYSTEMIE EKSPLOATACJI WOJSKOWYCH STATKÓW POWIETRZNYCH
Henry TOMASZEK Ryszard KALETA Mariusz ZIEJA Instytut Techniczny Wojs Lotniczych PRACE AUKOWE ITWL Zeszyt 33, s. 33 43, 2013 r. DOI 10.2478/afit-2013-0003 ZARYS METODY OPISU KSZTAŁTOWAIA SKUTECZOŚCI W SYSTEMIE
Bardziej szczegółowoSymscal: metoda skalowania wielowymiarowego obiektów symbolicznych
Andrzej Dudek, Marcin Pełka Akademia Ekonomiczna we Wrocławiu Symscal: metoda skalowania wielowymiarowego obiektów symbolicznych 1. Wprowadzenie Ideą skalowania wielowymiarowego obiektów symbolicznych
Bardziej szczegółowoOptymalizacja harmonogramów budowlanych - problem szeregowania zadań
Mieczysław POŁOŃSKI Wydział Budownictwa i Inżynierii Środowisa, Szoła Główna Gospodarstwa Wiejsiego, Warszawa, ul. Nowoursynowsa 159 e-mail: mieczyslaw_polonsi@sggw.pl Założenia Optymalizacja harmonogramów
Bardziej szczegółowoFOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 9, Oeconomica 68 54), 55 6 Anna LANDOWSKA ZASTOSOWANIE DYSKRETNEGO PROGRAMOWANIA DYNAMICZNEGO DO ROZWIĄZANIA PROBLEMU
Bardziej szczegółowoFOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2009, Oeconomica 273 (56), 7 16
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2009, Oeconomica 273 (56), 7 16 Iwona BĄK, Katarzyna WAWRZYNIAK UśYTECZNOŚĆ NAUCZANIA PRZEDMIOTÓW ILOŚCIOWYCH
Bardziej szczegółowoANALIZA WIELOKRYTERIALNA
ANALIZA WIELOKRYTERIALNA Dział Badań Operacyjnych zajmujący się oceną możliwych wariantów (decyzji) w przypadu gdy występuje więcej niż jedno ryterium oceny D zbiór rozwiązań (decyzji) dopuszczalnych x
Bardziej szczegółowoMatematyka dyskretna. Wykład 2: Kombinatoryka. Gniewomir Sarbicki
Matematya dysretna Wyład 2: Kombinatorya Gniewomir Sarbici Kombinatorya Definicja Kombinatorya zajmuje się oreślaniem mocy zbiorów sończonych, w szczególności mocy zbiorów odwzorowań jednego zbioru w drugi
Bardziej szczegółowoP k k (n k) = k {O O O} = ; {O O R} =
Definicja.5 (Kombinacje bez powtórzeń). Każdy -elementowy podzbiór zbioru A wybrany (w dowolnej olejności) bez zwracania nazywamy ombinacją bez powtórzeń. Twierdzenie.5 (Kombinacje bez powtórzeń). Liczba
Bardziej szczegółowoHIERARCHICZNY SYSTEM ZARZĄDZANIA RUCHEM LOTNICZYM - ASPEKTY OCENY BEZPIECZEŃSTWA
Jace Sorupsi Hierarchiczny system Zarządzania ruchem lotniczym aspety oceny bezpieczeństwa, Logistya (ISSN 1231-5478) No 6, Instytut Logistyi i HIERARCHICZNY SYSTEM ZARZĄDZANIA RUCHEM LOTNICZYM - ASPEKTY
Bardziej szczegółowoWyznaczenie prędkości pojazdu na podstawie długości śladów hamowania pozostawionych na drodze
Podstawy analizy wypadów drogowych Instrucja do ćwiczenia 1 Wyznaczenie prędości pojazdu na podstawie długości śladów hamowania pozostawionych na drodze Spis treści 1. CEL ĆWICZENIA... 3. WPROWADZENIE...
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Zadanie Rozważmy następujący model strzelania do tarczy. Współrzędne puntu trafienia (, Y ) są niezależnymi zmiennymi losowymi o jednaowym rozładzie normalnym N ( 0, σ ). Punt (0,0) uznajemy za środe tarczy,
Bardziej szczegółowoWpływ zamiany typów elektrowni wiatrowych o porównywalnych parametrach na współpracę z węzłem sieciowym
Wpływ zamiany typów eletrowni wiatrowych o porównywalnych parametrach na współpracę z węzłem sieciowym Grzegorz Barzy Paweł Szwed Instytut Eletrotechnii Politechnia Szczecińsa 1. Wstęp Ostatnie ila lat,
Bardziej szczegółowokoszt kapitału D/S L dźwignia finansowa σ EBIT zysku operacyjnego EBIT firmy. Firmy Modele struktury kapitału Rys. 8.3. Krzywa kosztów kapitału.
Modele strutury apitału oszt apitału Optymalna strutura apitału dźwignia finansowa / Rys. 8.3. Krzywa osztów apitału. Założenia wspólne modeli MM Modigliani i Miller w swoich rozważaniach ograniczyli się
Bardziej szczegółowoKomputerowa reprezentacja oraz prezentacja i graficzna edycja krzywoliniowych obiektów 3d
Komputerowa reprezentacja oraz prezentacja i graficzna edycja rzywoliniowych obietów 3d Jan Prusaowsi 1), Ryszard Winiarczy 1,2), Krzysztof Sabe 2) 1) Politechnia Śląsa w Gliwicach, 2) Instytut Informatyi
Bardziej szczegółowoWielokryterialna ocena banków komercyjnych notowanych na GPW w Warszawie Wielokryterialna ocena banków komercyjnych notowanych na GPW
Zarz¹dzanie i Finanse Journal of Management and Finance Vol. 13, No. 3/1/2015 Ewa Poœpiech* Adrianna Mastalerz-Kodzis** Ewa Poœpiech, Adrianna Mastalerz-Kodzis Wieloryterialna ocena banów omercyjnych notowanych
Bardziej szczegółowoProgramowanie wielocelowe lub wielokryterialne
Programowanie wielocelowe lub wieloryterialne Zadanie wielocelowe ma co najmniej dwie funcje celu nazywane celami cząstowymi. Cele cząstowe f numerujemy indesem = 1, 2, K. Programowanie wielocelowe ciągłe.
Bardziej szczegółowoOCENA JAKOŚCI PROCESU LOGISTYCZNEGO PRZEDSIĘBIORSTWA PRZEMYSŁOWEGO METODĄ UOGÓLNIONEGO PARAMETRU CZĘŚĆ II
B A D A N I A O P E R A C Y J N E I D E C Y Z J E Nr 2 2004 Anna DOBROWOLSKA* Jan MIKUŚ* OCENA JAKOŚCI PROCESU LOGISTYCZNEGO PRZEDSIĘBIORSTWA PRZEMYSŁOWEGO METODĄ UOGÓLNIONEGO PARAMETRU CZĘŚĆ II Przedstawiono
Bardziej szczegółowoWpływ rządu na gospodarkę w długim okresie.
Wpływ rządu na gospodarę w długim oresie. Teoria & badania empiryczne Dr hab. Joanna Siwińsa-Gorzela. Wniosi z modelu RCK W długim oresie gospodara znajdzie się w stanie ustalonym, gdyż wraz ze wzrostem
Bardziej szczegółowo1 Przestrzeń zdarzeń elementarnych
Przestrzeń zdarzeń elementarnych Przestrzeń zdarzeń elementarnych jest pojęciem pierwotnym w teorii prawdopodobieństwa. W zastosowaniach tej teorii zdarzenia elementarne interpretuje się jao możliwe przypadi,
Bardziej szczegółowoP(T) = P(T M) = P(T A) = P(T L) = P(T S) = P(T L M) = P(T L A) = P(T S M) = P(T S A) =
Przyład (obrona orętów USA przed ataami lotnictwa japońsiego) Możliwe dwie wyluczające się tatyi: M = manewr A = artyleria przeciwlotnicza Departament Marynari Wojennej na podstawie danych z wojny na Pacyfiu
Bardziej szczegółowoRANKING ZAWODÓW DEFICYTOWYCH I NADWYŻKOWYCH W POWIECIE MIASTA ŚWIĘTOCHŁOWICE
POWIATOWY URZĄD PRACY W ŚWIĘTOCHŁOWICACH RANKING ZAWODÓW DEFICYTOWYCH I NADWYŻKOWYCH W POWIECIE MIASTA ŚWIĘTOCHŁOWICE Stan na 2010 ro ŚWIĘTOCHŁOWICE 2011 1 SPIS TREŚCI I. WSTĘP II. ANALIZA ZAWODÓW OSÓB
Bardziej szczegółowoOptymalizacja harmonogramów budowlanych - problem szeregowania zadań
Mieczysław OŁOŃSI Wydział Budownictwa i Inżynierii Środowisa, Szoła Główna Gospodarstwa Wiejsiego, Warszawa, ul. Nowoursynowsa 159 e-mail: mieczyslaw_polonsi@sggw.pl Założenia Optymalizacja harmonogramów
Bardziej szczegółowoProgramowanie wielocelowe lub wielokryterialne
Programowanie wielocelowe lub wieloryterialne Zadanie wielocelowe ma co najmniej dwie funcje celu nazywane celami cząstowymi. Cele cząstowe f numerujemy indesem = 1, 2, K. Programowanie wielocelowe ciągłe
Bardziej szczegółowoDRGANIA WŁASNE RAM OBLICZANIE CZĘSTOŚCI KOŁOWYCH DRGAŃ WŁASNYCH
Część 5. DRGANIA WŁASNE RAM OBLICZANIE CZĘSTOŚCI KOŁOWYCH... 5. 5. DRGANIA WŁASNE RAM OBLICZANIE CZĘSTOŚCI KOŁOWYCH DRGAŃ WŁASNYCH 5.. Wprowadzenie Rozwiązywanie zadań z zaresu dynamii budowli sprowadza
Bardziej szczegółowoWojewódzki Urząd Pracy w Szczecinie
Szczecin 2009 Wojewódzi Urząd Pracy w Szczecinie Zachodniopomorsie Obserwatorium Rynu Pracy Oblicze młodego poolenia Oczeiwania zawodowe młodzieży a ryne pracy Szczecin 2009 Niniejsza publiacja została
Bardziej szczegółowoWYKAZ PUBLIKACJI I. Artykuły Ia. Opublikowane przed obroną doktorską
Dr Marcin Pełka Uniwersytet Ekonomiczny we Wrocławiu Wydział Ekonomii, Zarządzania i Turystyki Katedra Ekonometrii i Informatyki WYKAZ PUBLIKACJI I. Artykuły Ia. Opublikowane przed obroną doktorską 1.
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela
Statystyka w pracy badawczej nauczyciela Wykład 1: Terminologia badań statystycznych dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka (1) Statystyka to nauka zajmująca się zbieraniem, badaniem
Bardziej szczegółowo8. Drzewa decyzyjne, bagging, boosting i lasy losowe
Algorytmy rozpoznawania obrazów 8. Drzewa decyzyjne, bagging, boosting i lasy losowe dr inż. Urszula Libal Politechnika Wrocławska 2015 1 1. Drzewa decyzyjne Drzewa decyzyjne (ang. decision trees), zwane
Bardziej szczegółowoANALIZA LOGARYTMICZNYCH STÓP ZWROTU DLA WYBRANYCH SPÓŁEK INDEKSU WIG20
Agniesza Surowiec Politechnia Lubelsa Wydział Zarządzania Katedra Metod Ilościowych w Zarządzaniu a.surowiec@pollub.pl Witold Rzymowsi Politechnia Lubelsa Wydział Podstaw Technii Katedra Matematyi Stosowanej
Bardziej szczegółowoMetody numeryczne. Instytut Sterowania i Systemów Informatycznych Wydział Elektrotechniki, Informatyki i Telekomunikacji Uniwersytet Zielonogórski
Metody numeryczne Instytut Sterowania i Systemów Informatycznych Wydział Eletrotechnii, Informatyi i Teleomuniacji Uniwersytet Zielonogórsi Eletrotechnia stacjonarne-dzienne pierwszego stopnia z tyt. inżyniera
Bardziej szczegółowo4.15 Badanie dyfrakcji światła laserowego na krysztale koloidalnym(o19)
256 Fale 4.15 Badanie dyfracji światła laserowego na rysztale oloidalnym(o19) Celem ćwiczenia jest wyznaczenie stałej sieci dwuwymiarowego ryształu oloidalnego metodą dyfracji światła laserowego. Zagadnienia
Bardziej szczegółowoFOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS TURYSTYKA W SZCZECINIE W ODNIESIENIU DO BADAŃ ANKIETOWYCH
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin., Oeconomica 2014, 308(74)1, 17 28 Iwona Bą, Beata Szczecińsa* TURYSTYKA W SZCZECINIE W ODNIESIENIU DO BADAŃ ANKIETOWYCH
Bardziej szczegółowoROZDZIAŁ 10 METODA KOMPONOWANIA ZESPOŁU CZYNNIKI EFEKTYWNOŚCI SKŁADU ZESPOŁU
Agniesza Dziurzańsa ROZDZIAŁ 10 METODA KOMPONOWANIA ZESPOŁU 10.1. CZYNNIKI EFEKTYWNOŚCI SKŁADU ZESPOŁU Przeprowadzona analiza formacji, jaą jest zespół (zobacz rozdział 5), wyazała, że cechy tóre powstają
Bardziej szczegółowoNEURONOWE MODELOWANIE OCENY JAKOŚCI USŁUG TRANSPORTOWYCH
Andrzej ŚWIDERSKI Wojsowa Aademia Techniczna Wydział Mechaniczny Załad Systemów Jaości i Zarządzania 02-010 Warszawa, ul. Nowowiejsa 26 aswidersi@wat.edu.pl NEURONOWE MODELOWANIE OCENY JAKOŚCI USŁUG TRANSPORTOWYCH
Bardziej szczegółowoELQ SPÓŁKA AKCYJNA. Raport roczny za rok obrotowy maja 2017 r.
ELQ SPÓŁKA AKCYJNA Raport roczny za ro obrotowy 2016 31 maja 2017 r. SPIS TREŚCI LIST PREZESA ZARZĄDU... 3 WYBRANE DANE FINANSOWE... 4 OŚWIADCZENIA ZARZĄDU EMITENTA... 6 SPRAWOZDA ZARZĄDU Z DZIAŁALNOŚCI
Bardziej szczegółowo4. Weryfikacja modelu
4. Weryfiacja modelu Wyznaczenie wetora parametrów struturalnych uładu ończy etap estymacji. Kolejnym etapem jest etap weryfiacji modelu. Przeprowadza się ją w dwóch ujęciach: merytorycznym i statystycznym.
Bardziej szczegółowostrona 1 / 12 Autor: Walesiak Marek Publikacje:
Autor: Walesiak Marek Publikacje: 1. Autorzy rozdziału: Borys Tadeusz; Strahl Danuta; Walesiak Marek Tytuł rozdziału: Wkład ośrodka wrocławskiego w rozwój teorii i zastosowań metod taksonomicznych, s.
Bardziej szczegółowoPOLITECHNIKA OPOLSKA
POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Producji Laboratorium Inżynierii Jaości KWIWiJ, II-go st. Ćwiczenie nr 4 Temat: Komputerowo wspomagane SPC z wyorzystaniem
Bardziej szczegółowostrona 1 / 11 Autor: Walesiak Marek Subdyscyplina: Klasyfikacja i analiza danych Publikacje:
Autor: Walesiak Marek Subdyscyplina: Klasyfikacja i analiza danych Publikacje: 1. Autorzy rozdziału: Borys Tadeusz; Strahl Danuta; Walesiak Marek Tytuł rozdziału: Wkład ośrodka wrocławskiego w rozwój teorii
Bardziej szczegółowoPLAN WYKŁADU OPTYMALIZACJA GLOBALNA ALGORYTM MRÓWKOWY (ANT SYSTEM) ALGORYTM MRÓWKOWY. Algorytm mrówkowy
PLAN WYKŁADU Algorytm mrówowy OPTYMALIZACJA GLOBALNA Wyład 8 dr inż. Agniesza Bołtuć (ANT SYSTEM) Inspiracja: Zachowanie mrówe podczas poszuiwania żywności, Zachowanie to polega na tym, że jeśli do żywności
Bardziej szczegółowoZnaczenie kapitału ludzkiego w budowie spójności społeczno-gospodarczej w wymiarze lokalnym (na przykładzie woj. mazowieckiego)
Znaczenie apitału ludziego w budowie spójności społeczno-gospodarczej... 365 Dr hab. Danuta Kołodziejczy Instytut Eonomii Rolnictwa i Gospodari Żywnościowej Państwowy Instytut Badawczy Znaczenie apitału
Bardziej szczegółowoσ-ciało zdarzeń Niech Ω będzie niepustym zbiorem zdarzeń elementarnych, a zbiór F rodziną podzbiorów zbioru Ω spełniającą warunki: jeśli A F, to A F;
Zdarzenie losowe i zdarzenie elementarne Zdarzenie (zdarzenie losowe) - wyni pewnej obserwacji lub doświadczenia; może być ilościowy lub jaościowy. Zdarzenie elementarne - najprostszy wyni doświadczenia
Bardziej szczegółowoMetody probabilistyczne Rozwiązania zadań
Metody robabilistyczne Rozwiązania zadań 6. Momenty zmiennych losowych 8.11.2018 Zadanie 1. Poaż, że jeśli X Bn, to EX n. Odowiedź: X rzyjmuje wartości w zbiorze {0, 1,..., n} z rawdoodobieństwami zadanymi
Bardziej szczegółowoModele wzrostu typu Ak. Znaczenie sektora publicznego
Modele wzrostu typu A. Znaczenie setora publicznego Modele AK Modele neolasyczna załadają malejące rańcowe przychody z apitału, co jest powodem niespodziani Solowa. Co jedna, jeżeli możliwa jest uciecza
Bardziej szczegółowoKody Huffmana oraz entropia przestrzeni produktowej. Zuzanna Kalicińska. 1 maja 2004
Kody uffmana oraz entroia rzestrzeni rodutowej Zuzanna Kalicińsa maja 4 Otymalny od bezrefisowy Definicja. Kod nad alfabetem { 0, }, w tórym rerezentacja żadnego znau nie jest refisem rerezentacji innego
Bardziej szczegółowoMożliwości arbitrażu na Giełdzie Papierów Wartościowych w Warszawie z wykorzystaniem kontraktów terminowych
1 Możliwości arbitrażu na Giełdzie Papierów Wartościowych w Warszawie z wyorzystaniem ontratów terminowych dr Krzysztof Pionte Katedra Inwestycji Finansowych i Ubezpieczeń Aademia Eonomiczna we Wrocławiu
Bardziej szczegółowoKONCEPCJA SYSTEMU BONIFIKAT DLA ODBIORCÓW ZA NIEDOTRZYMANIE PRZEZ DOSTAWCĘ WYMAGANEGO POZIOMU JAKOŚCI NAPIĘCIA
KONCEPCJA SYSTEMU BONIFIKAT DLA ODBIORCÓW ZA NIEDOTRZYMANIE PRZEZ DOSTAWCĘ WYMAGANEGO POZIOMU JAKOŚCI NAPIĘCIA prof. dr hab. inż. Zbigniew Hanzela / Aademia Górniczo-Hutnicza dr inż. Grzegorz Błajszcza
Bardziej szczegółowoL.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 1 ZADANIA - ZESTAW 1. . (odp. a)
ZADANIA - ZESTAW 1 Zadanie 11 Rzucamy trzy razy monetą A i - zdarzenie polegające na tym, że otrzymamy orła w i - tym rzucie Oreślić zbiór zdarzeń elementarnych Wypisać zdarzenia elementarne sprzyjające
Bardziej szczegółowoTEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM
EORI OBWODÓW I SYGNŁÓW LBORORIUM KDEMI MORSK Katedra eleomuniacji Morsiej Ćwiczenie nr 2: eoria obwodów i sygnałów laboratorium ĆWICZENIE 2 BDNIE WIDM SYGNŁÓW OKRESOWYCH. Cel ćwiczenia Celem ćwiczenia
Bardziej szczegółowoMetody doboru próby do badań. Dr Kalina Grzesiuk
Metody doboru próby do badań Dr Kalina Grzesiuk Proces doboru próby 1. Ustalenie populacji badanej 2. Ustalenie wykazu populacji badanej 3. Ustalenie liczebności próby 4. Wybór metody doboru próby do badań
Bardziej szczegółowoAlgebra liniowa z geometrią analityczną
WYKŁAD. Własności zbiorów liczbowych. Podzielność liczb całowitych, relacja przystawania modulo, twierdzenie chińsie o resztach. Liczby całowite Liczby 0,±,±,±3,... nazywamy liczbami całowitymi. Zbiór
Bardziej szczegółowoWykorzystanie metody DEA w przestrzenno-czasowej analizie efektywności inwestycji
Wyorzystanie metody DEA w przestrzenno-czasowej analizie... 49 Nierówności Społeczne a Wzrost Gospodarczy, nr 39 (3/04) ISSN 898-5084 dr Bogdan Ludwicza Katedra Finansów Uniwersytet Rzeszowsi Wyorzystanie
Bardziej szczegółowoWykład 21: Studnie i bariery cz.1.
Wyład : Studnie i bariery cz.. Dr inż. Zbigniew Szlarsi Katedra Eletronii, paw. C-, po.3 szla@agh.edu.pl http://layer.uci.agh.edu.pl/z.szlarsi/ 3.6.8 Wydział Informatyi, Eletronii i Równanie Schrödingera
Bardziej szczegółowoColloquium 3, Grupa A
Colloquium 3, Grupa A 1. Z zasobów obliczeniowych pewnego serwera orzysta dwóch użytowniów. Każdy z nich wysyła do serwera zawsze trzy programy naraz. Użytowni czea, aż serwer wyona obliczenia dotyczące
Bardziej szczegółowoProblem przydziału artykułów do lokacji w funkcji minimalizacji kosztów obiektu logistycznego
Michał Kłodawsi Wydział Transportu, Politechnia Warszawsa Problem przydziału artyułów do loacji w funcji minimalizacji osztów obietu logistycznego. WPROWADZENIE Efetywne zarządzania łańcuchem dostaw zależy
Bardziej szczegółowoEfektywność sektora przetwórstwa mleka podejście stochastyczne i deterministyczne 1
32 Sebastian Jarzębowsi ROCZNIKI Nauowe eonomii ROLNICtwa i rozwoju obszarów wiejsich, T. 00, z. 3, 203 Efetywność setora przetwórstwa mlea podejście stochastyczne i deterministyczne Sebastian Jarzębowsi
Bardziej szczegółowoKierunki racjonalizacji jednostkowego kosztu produkcji w przedsiębiorstwie górniczym
Kieruni racjonalizacji jednostowego osztu producji w przedsiębiorstwie górniczym Roman MAGDA 1) 1) Prof dr hab inż.; AGH University of Science and Technology, Kraów, Miciewicza 30, 30-059, Poland; email:
Bardziej szczegółowoPodstawowe pojęcia statystyczne
Podstawowe pojęcia statystyczne Istnieją trzy rodzaje kłamstwa: przepowiadanie pogody, statystyka i komunikat dyplomatyczny Jean Rigaux Co to jest statystyka? Nauka o metodach ilościowych badania zjawisk
Bardziej szczegółowoStatystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.
Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru
Bardziej szczegółowoUwaga 1.1 Jeśli R jest relacją w zbiorze X X, to mówimy, że R jest relacją w zbiorze X. Rozważmy relację R X X. Relację R nazywamy zwrotną, gdy:
Matematya dysretna - wyład 1. Relacje Definicja 1.1 Relacją dwuargumentową nazywamy podzbiór produtu artezjańsiego X Y, tórego elementami są pary uporządowane (x, y), taie, że x X i y Y. Uwaga 1.1 Jeśli
Bardziej szczegółowoZastosowanie metody PCA do opisu wód naturalnych
autorzy: Stanisław Koter, Klaudia Wesołowsa 2 Uniwersytet Miołaja Kopernia, Toruń, 2 Politechnia Śląsa, Gliwice Zastosowanie metody PCA do opisu wód naturalnych W niniejszej pracy przedstawiono zastosowanie
Bardziej szczegółowoPRAKTYCZNY PRZYKŁAD OCENY ŚRODOWISKOWEGO RYZYKA ZDROWOTNEGO
PRAKTYCZNY PRZYKŁAD OCENY ŚRODOWISKOWEGO RYZYKA ZDROWOTNEGO Mgr Beata Malec, dr Mare Biesiada, dr Anicenta Buba Instytut Medycyny Pracy i Zdrowia Środowisowego, Sosnowiec Wstęp Zagrożenia zdrowotne stwarzane
Bardziej szczegółowoPrzedmiot statystyki. Graficzne przedstawienie danych. Wykład-26.02.07. Przedmiot statystyki
Przedmiot statystyki. Graficzne przedstawienie danych. Wykład-26.02.07 Statystyka dzieli się na trzy części: Przedmiot statystyki -zbieranie danych; -opracowanie i kondensacja danych (analiza danych);
Bardziej szczegółowoZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 760 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 59 2013
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 760 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 59 2013 MAGDALENA WASYLKOWSKA OCENA SYTUACJI FINANSOWEJ PRZEDSIĘBIORSTWA PRZY ZASTOSOWANIU METOD ANALIZY FUNDAMENTALNEJ
Bardziej szczegółowoPROCENTY, PROPORCJE, WYRAŻENIA POTEGOWE
PROCENTY, PROPORCJE, WYRAŻENIA POTEGOWE ORAZ ŚREDNIE 1. Procenty i proporcje DEFINICJA 1. Jeden procent (1%) pewnej liczby a to setna część tej liczby, tórą oznacza się: 1% a, przy czym 1% a = 1 p a, zaś
Bardziej szczegółowoBadania eksperymentalne
Badania eksperymentalne Analiza CONJOINT mgr Agnieszka Zięba Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa Najpopularniejsze sposoby oceny wyników eksperymentu w schematach
Bardziej szczegółowoWykres linii ciśnień i linii energii (wykres Ancony)
Wyres linii ciśnień i linii energii (wyres Ancony) W wyorzystywanej przez nas do rozwiązywania problemów inżyniersich postaci równania Bernoulliego występuje wysoość prędości (= /g), wysoość ciśnienia
Bardziej szczegółowoANALIZA WIELOPOZIOMOWA Z WYKORZYSTANIEM DANYCH SYMBOLICZNYCH MULTILEVEL ANALYSIS WITH APPLICATION OF SYMBOLIC DATA
PRACE NAUKOWE UNIWERSYTETU EKONOMICZNEGO WE WROCŁAWIU nr 07 RESEARCH PAPERS OF WROCŁAW UNIVERSITY OF ECONOMICS nr 46 016 Taksonomia 6 ISSN 1899-319 Klasyfikacja i analiza danych teoria i zastosowania e-issn
Bardziej szczegółowoBADANIA ZRÓŻNICOWANIA RYZYKA WYPADKÓW PRZY PRACY NA PRZYKŁADZIE ANALIZY STATYSTYKI WYPADKÓW DLA BRANŻY GÓRNICTWA I POLSKI
14 BADANIA ZRÓŻNICOWANIA RYZYKA WYPADKÓW PRZY PRACY NA PRZYKŁADZIE ANALIZY STATYSTYKI WYPADKÓW DLA BRANŻY GÓRNICTWA I POLSKI 14.1 WSTĘP Ogólne wymagania prawne dotyczące przy pracy określają m.in. przepisy
Bardziej szczegółowoSPECYFIKACJA ISTOTNYCH WARUNKÓW ZAMÓWIENIA. Przetarg nieograniczony na: OPRACOWANIE NOWYCH ZALECEO METODYCZNYCH PROWADZENIA MONITORINGU ZAWODÓW
Projet współfinansowany ze środów Unii Europejsiej w ramach Europejsiego Funduszu Społecznego SPECYFIKACJA ISTOTNYCH WARUNKÓW ZAMÓWIENIA Przetarg nieograniczony na OPRACOWANIE NOWYCH ZALECEO METODYCZNYCH
Bardziej szczegółowoModel Solow-Swan. Y = f(k, L) Funkcja produkcji może zakładać stałe przychody skali, a więc: zy = f(zk, zl) dla z > 0
dr Bartłomiej Roici Ćwiczenia z Maroeonomii II Model Solow-Swan W modelu lasycznym mieliśmy do czynienia ze stałą wielością czynniów producji, a zatem był to model statyczny, tóry nie poazywał nam dlaczego
Bardziej szczegółowoUchwała Nr 43/2015 Komitetu Monitorującego Regionalny Program Operacyjny Województwa Podlaskiego na lata z dnia 29 października 2015 r.
Uchwała Nr 43/20 Komitetu Monitorującego Regionalny Program Operacyjny Województwa Podlasiego na lata 2014-2020 z dnia 29 październia 20 r. w sprawie zatwierdzenia ryteriów oceny projetów w trybie onursowym
Bardziej szczegółowoPomiary napięć przemiennych
LABORAORIUM Z MEROLOGII Ćwiczenie 7 Pomiary napięć przemiennych . Cel ćwiczenia Celem ćwiczenia jest poznanie sposobów pomiarów wielości charaterystycznych i współczynniów, stosowanych do opisu oresowych
Bardziej szczegółowoStatystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Bardziej szczegółowoDWUKROTNA SYMULACJA MONTE CARLO JAKO METODA ANALIZY RYZYKA NA PRZYKŁADZIE WYCENY OPCJI PRZEŁĄCZANIA FUNKCJI UŻYTKOWEJ NIERUCHOMOŚCI
DWUKROTNA SYMULACJA MONTE CARLO JAKO METODA ANALIZY RYZYKA NA PRZYKŁADZIE WYCENY OPCJI PRZEŁĄCZANIA FUNKCJI UŻYTKOWEJ NIERUCHOMOŚCI mgr Marcin Pawlak Katedra Inwestycji i Wyceny Przedsiębiorstw Plan wystąpienia
Bardziej szczegółowoP: Czy studiujący i niestudiujący preferują inne sklepy internetowe?
2 Test niezależności chi-kwadrat stosuje się (między innymi) w celu sprawdzenia czy pomiędzy zmiennymi istnieje związek/zależność. Stosujemy go w sytuacji, kiedy zmienna zależna mierzona jest na skali
Bardziej szczegółowoUZUPEŁNIENIA DO WYKŁADÓW A-C
UZUPEŁNIENIA DO WYKŁADÓW A-C Objaśnienia: 1. Uzupełnienia sładają się z dwóch części właściwych uzupełnień do treści wyładowych, zwyle zawierających wyprowadzenia i nietóre definicje oraz Zadań i problemów.
Bardziej szczegółowoPolski handel zagraniczny zwierzętami żywymi oraz produktami pochodzenia zwierzęcego z krajami Unii Europejskiej
KUSZ Dariusz 1 TERESZKIEWICZ Krzysztof 2 Polsi handel zagraniczny zwierzętami żywymi oraz produtami pochodzenia zwierzęcego z rajami Unii Europejsiej WSTĘP Acesja Polsi do Unii Europejsiej zmieniła waruni
Bardziej szczegółowoRANKING ZAWODÓW DEFICYTOWYCH I NADWYŻKOWYCH W POWIECIE ŻORSKIM W 2012 ROKU
POWIATOWY URZĄD PRACY W ŻORACH RANKING ZAWODÓW DEFICYTOWYCH I NADWYŻKOWYCH W POWIECIE ŻORSKIM W 2012 ROKU Żory 2013 SPIS TREŚCI 1. WSTĘP... 3 2. ANALIZA BEZROBOCIA WG ZAWODÓW... 4 3. ANALIZA OFERT PRACY
Bardziej szczegółowoĆwiczenie nr 35: Elektroliza
Wydział PRACOWNIA FIZYCZNA WFiIS AGH Imię i nazwiso 1.. Temat: Ro Grupa Zespół Nr ćwiczenia Data wyonania Data oddania Zwrot do popr. Data oddania Data zaliczenia OCENA Ćwiczenie nr 35: Eletroliza Cel
Bardziej szczegółowoStatystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.
Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru
Bardziej szczegółowoMateriały do wykładów na temat Obliczanie sił przekrojowych i momentów przekrojowych. dla prętów zginanych.
ateriały do wyładów na temat Obliczanie sił przerojowych i momentów przerojowych dla prętów zginanych Wydr eletroniczny. slajdów na. stronach przeznaczony do celów dydatycznych dla stdentów II ro stdiów
Bardziej szczegółowoOpis zakładanych efektów kształcenia na studiach podyplomowych WIEDZA
Opis zakładanych efektów kształcenia na studiach podyplomowych Nazwa studiów: BIOSTATYSTYKA PRAKTYCZNE ASPEKTY STATYSTYKI W BADANIACH MEDYCZNYCH Typ studiów: doskonalące Symbol Efekty kształcenia dla studiów
Bardziej szczegółowoWnioskowanie statystyczne. Statystyka w 5
Wnioskowanie statystyczne tatystyka w 5 Rozkłady statystyk z próby Próba losowa pobrana z populacji stanowi realizacje zmiennej losowej jak ciąg zmiennych losowych (X, X,... X ) niezależnych i mających
Bardziej szczegółowoREFERAT PRACY MAGISTERSKIEJ Symulacja estymacji stanu zanieczyszczeń rzeki z wykorzystaniem sztucznych sieci neuronowych.
REFERAT PRACY MAGISTERSKIEJ Symulacja estymacji stanu zanieczyszczeń rzei z wyorzystaniem sztucznych sieci neuronowych. Godło autora pracy: EwGron. Wprowadzenie. O poziomie cywilizacyjnym raju, obo wielu
Bardziej szczegółowoZASADY WYZNACZANIA BEZPIECZNYCH ODSTĘPÓW IZOLACYJNYCH WEDŁUG NORMY PN-EN 62305
ZASADY WYZNACZANIA BEZPIECZNYCH ODSTĘPÓW IZOLACYJNYCH WEDŁUG NORMY PN-EN 62305 Henry Boryń Politechnia Gdańsa ODSTĘPY IZOLACYJNE BEZPIECZNE Zadania bezpiecznego odstępu izolacyjnego to: ochrona przed bezpośrednim
Bardziej szczegółowoWYODRĘBNIANIE ZAWODÓW DEFICYTOWYCH I NADWYŻKOWYCH INSTRUMENTEM DOSTOSOWANIA KIERUNKÓW KSZTAŁCENIA DO POTRZEB RYNKU PRACY? REFLEKSJA KRYTYCZNA
Rafał Muster Uniwersytet Śląsi w Katowicach WYODRĘBNIANIE ZAWODÓW DEFICYTOWYCH I NADWYŻKOWYCH INSTRUMENTEM DOSTOSOWANIA KIERUNKÓW KSZTAŁCENIA DO POTRZEB RYNKU PRACY? REFLEKSJA KRYTYCZNA Wprowadzenie Na
Bardziej szczegółowoZASTOSOWANIE EKONOMETRYCZNYCH MODELI PROGNOSTYCZNYCH W TRANSAKCJACH PROPRIETARY TRADING
Mariusz KOZAKIEWICZ 1), Mare KWAS 1), Karolina MUCHA-KUŚ 2), Maciej SOŁTYSIK 2) 1) Szoła Główna Handlowa, 2) TAURON Polsa Energia SA ZASTOSOWANIE EKONOMETRYCZNYCH MODELI PROGNOSTYCZNYCH W TRANSAKCJACH
Bardziej szczegółowo