BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda
|
|
- Andrzej Chmiel
- 6 lat temu
- Przeglądów:
Transkrypt
1 BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda
2 Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp stan natury. Przyjmujemy, że mamy n możlwych decyzj może wystąpć m stanów. Ne są znane prawdopodobeństwa wystąpena poszczególnych stanów. Dana jest macerz [a j ], gdze a j oznacza zysk z podjęca tej decyzj, jeżel zachodz j-ty stan natury. dr Adam SOJDA 2
3 Teora podejmowana decyzj gry z naturą Reguła WALDA (maxmn) Dla każdej decyzj ustal mnmalny zysk wyberz jako optymalną decyzję k, dla której Reguła HURWICZA Ustal lczbę α ( 0 α 1 ) zwaną współczynnkem ostrożnośc, dla każdej decyzj oblcz: h jako optymalną stratege wyberz decyzję k, dla której w w k = = mn j max ( ) { } ( ) { } α = α mn a + 1 α max a j j j j { a } j { w } h k ( α) = max{ h ( α) } dr Adam SOJDA 3
4 Teora podejmowana decyzj gry z naturą Kryterum SAVAGE A Dla każdego stanu natury ustal maksymalny zysk Utwórz tablcę względnych strat (żalu) S, gdze z s j j = max = z j { a } j a j Dla każdej decyzj ustal maksymalną stratę względną Wyberz jako optymalną decyzję k, dla której s s k = = max j mn { } s j { s } dr Adam SOJDA 4
5 Teora podejmowana decyzj gry z naturą ZADANIE. Właśccel straganu pownen podjąć decyzję dotyczącą welkośc dzennej part zakupu truskawek. Może on nabyć 100, 120, 150, 300 łubanek po 5.50 zł za łubankę. Dzenne może sprzedać po 50, 130, 180, 200 łubanek po zł za łubankę. Zakłada sę, że towar ne sprzedany w danym dnu ne nadaje sę do spożyca dna następnego. Określć optymalne decyzje w zależnośc od zastosowanego kryterum ( dla kryterum Hurwcza określć optymalne decyzje dla α=0.4) dr Adam SOJDA 5
6 Teora podejmowana decyzj gry z naturą Zmenne decyzyjne: MOŻLIWOŚĆ ZAKUPU Stany zewnętrzne MOŻLIWOŚĆ SPRZEDAŻY Wyznaczene wartośc w macerzy zysków: Ø a21 = x x = -110 zł Ø a22 = x x = 660 zł dr Adam SOJDA 6
7 Teora podejmowana decyzj gry z naturą Decyzje Stany natury mn {a j } max {a j } h(α) 100 0,00 550,00 550,00 550, ,00 660,00 660,00 660, ,00 605,00 825,00 825, ,00-220,00 330,00 550, max max {s j } dr Adam SOJDA 7
8 W grze berze udzał dwóch graczy A B. Każdy z nch jest graczem ntelgentnym, ostrożnym tzn. ne podejmuje decyzj jawne dla sebe nekorzystnych oraz stosuje (kryterum Walda) maksymalzację swoch najmnejszych wygranych. Dana jest macerz wygranych gracza A, która jest jednocześne macerzą przegranych gracza B. Każdy z graczy ma skończoną lczbę możlwych decyzj. Wartość gry v wygrana gracza A, która jest przegraną gracza B. Mówmy, że gra posada rozwązane w zborze strateg (decyzj) czystych jeśl maksymalna z mnmalnych wygranych gracza A jest równa mnmalnej z maksymalnych przegranych gracza B. Jeżel gra ne ma rozwązana w zborze strateg czystych, możemy poszukać jej rozwązana w zborze strateg meszanych gracz stosuje swoje stratege z określonym częstoścam. Mówmy, że pewna stratega d k jest zdomnowana przez strategę d t, jeżel nezależne od decyzj przecwnka wygrane gracza przy strateg d t ne są gorsze (lepsze bądź take same) jak w przypadku zastosowana strateg d k. dr Adam SOJDA 8
9 Zadane GD1. Jacek Agatka grają w następującą grę. Każde z nch ma 3 karty: Asa, Króla, Damę. Pokazują je sobe jednocześne. Jeśl pokażą take same karty to nkt ne wygrywa, jeśl pojaw sę As Król, to właśccel Asa wygrywa 3 zł, jeśl As Dama, to właśccel Asa przegrywa 5 zł, jeśl Król Dama to właśccel Króla wygrywa 4 zł. a)zapsz macerz tej gry (wygrane Jacka). b)sprawdź czy ne ma rozwązana w zborze strateg czystych c)napsz program lnowy pozwalający tą grę rozwązać d)po pewnym czase Agata postanowła, że gra zostane przyspeszona odrzucła Damę rozwązać tą grę. e)po godzne jak Agata mała jeszcze 65 zł a Jacek 95 to Jacek postanowł przyspeszyć grę odrzucł Asa. Rozwązać grę określć lu średno wyłożeń kart potrzeba, aby jeden z graczy ne mał już penędzy. dr Adam SOJDA 9
10 Jeśl pokażą take same karty to nkt ne wygrywa, jeśl pojaw sę As Król, to właśccel Asa wygrywa 3 zł, jeśl As Dama, to właśccel Asa przegrywa 5 zł, jeśl Król Dama to właśccel Króla wygrywa 4 zł. Agatka Jacek As Król Dama As Król Dama MIN ZYSK MAX PRZEGRANA Gra ne ma rozwązana w zborze strateg czystych wyznaczone wartośc sę różną. Wartość gry (wygrana Jacka) będze od -3 do 3 dr Adam SOJDA 10
11 Wprowadźmy oznaczena: p częstość stosowana przez gracza A strateg a q j częstość stosowana przez gracza B strateg b j v - wartość gry Zakładamy dodatkowo, że v > 0, wtedy można będze wprowadzć zmenne pomocncze. x = p / v dla = 1 n y j = q j / v dla j = 1 m Zauważmy, że jeśl do każdej wygranej dodamy taką samą wartość, to wzrośne wartość gry o tą wartość, natomast ne ulegną zmane częstośc stosowana poszczególnych strateg. Jeśl wartość gry może być ujemna zmenamy grę dodając do każdej z wygranej taką wartość, która pozwol otrzymać nową grę, dla której wartość gry ne będze mogła być lczbą ujemną. Taką grę rozwązujemy, czyl wyznaczamy częstośc stosowana poszczególnych strateg, a następne wartość tej gry gry perwotnej. dr Adam SOJDA 11
12 Poneważ, w tej grze wartość gry v może być ujemna (-3,3) do każdej z wygranych Jacka dodajemy 4. Otrzymujemy grę: Agata Jacek As Król Dama As Król Dama MIN ZYSK MAX PRZEGRANA Nowa gra ne ma rozwązana w zborze strateg czystych, a wartość gry ne może być już ujemną, gdyż v (1,7) dr Adam SOJDA 12
13 Dla gracza A (Jacek) v à max p 1 + p 2 + p 3 = 1 b1: 4p 1 + 1p 2 + 9p 3 v b2: 7p 1 + 4p 2 + 0p 3 v b3: -1p 1 + 8p 2 + 4p 3 v p 1, p 2, p 3 0 Dla gracza B (Agatka) v à mn q 1 + q 2 + q 3 = 1 a1: 4q 1 + 7q 2-1q 3 v a2: 1q 1 + 4q 2 + 8q 3 v a3: 9q 1 + 0q 2 + 4q 3 v q 1, q 2, q 3 0 Dzelmy, każdy element programu przez v>0 odpowedno podstawamy, za p,g zmenne x,y. v/v =1 x 1 + x 2 + x 3 = 1/v à mn v/v = 1 y 1 + y 2 + y 3 = 1/v à max b1: 4x 1 + 1x 2 + 9x 3 1 a1: 4y 1 + 7y 2-1y 3 1 b2: 7x 1 + 4x 2 + 0x 3 1 a2: 1y 1 + 4y 2 + 8y 3 1 b3: -1x 1 + 8x 2 + 4x 3 1 x 1, x 2, x 3 0 a3: 9y 1 + 0y 2 + 4y 3 1 y 1, y 2, y 3 0 dr Adam SOJDA 13
14 Po odrzucenu przez Agatę Damy (b3) programy można zapsać w sposób następujący: Gra dla Jacka: x 1 + x 2 + x 3 = 1/v à mn b1: 4x 1 + 1x 2 + 9x 3 1 b2: 7x 1 + 4x 2 + 0x 3 1 b3: x 1, x 2, x 3 0 Gra dla Agaty: y 1 + y 2 = 1/v à max a1: 4y 1 + 7y 2 1 a2: 1y 1 + 4y 2 1 a3: 9y 1 + 0y 2 1 y 1, y 2, y 3 0 Rozwązane tego programu znajdujemy z tw. o komplementarnośc albo w tablcy Smplex Ten program można rozwązać metodą grafczną albo algorytmem Smplex. x 1 = 9/63 x 2 =0 x 3 = 3/63 y 1 = 7/63 y 2 = 5/63 dr Adam SOJDA 14
15 Dla Jacka: x 1 = 9/63 x 2 =0 x 3 = 3/63 x 1 + x 2 + x 3 = 1/v = 12/63 Zatem v = 63/12 (v = 5.25 ) Częstośc stosowana strateg: p 1 = 0.75 p 2 =0 p 3 = 0.25 Dla Agaty: y 1 = 7/63 y 2 = 5/63 y 1 + y 2 = 1/v = 12/63 Zatem v = 63/12 (v = 5.25 ) Częstośc stosowana strateg: q1 =7/12=0.583(3) q2 =5/12=0.416(6) Rozwązane perwotnej gry: v = = 1.25 Częstośc stosowana strateg: p 1 = 0.75 p 2 =0 p 3 = 0.25 Rozwązane perwotnej gry: v = = 1.25 Częstośc stosowana strateg: q1 =7/12=0.583(3) q2 =5/12=0.416(6) dr Adam SOJDA 15
16 Po odrzucenu przez Jacka Asa otrzymujemy grę 2 x 2 : Agatka Jacek As Król Król -3 0 Dama 5-4 MIN ZYSK -3-4 MAX PRZEGRANA 5 0 Gra ta ne ma rozwązana w zborze strateg czystych. Szukając rozwązana w zborze strateg meszanych wyznaczamy je rozwązując układ równań (tylko w przypadku gry 2 x 2). Ne trzeba doprowadzać, do sytuacj, kedy wartość gry jest ujemna rozwązywać programu lnowego. dr Adam SOJDA 16
17 Dla Jacka: p 1 + p 2 =1 à p 1 = 1- p 2-3p 1 + 5p 2 = v 0p 1 4p 2 = v Dla Agaty q 1 + q 2 =1 à q 1 = 1- q 2-3q 1 + 0q 2 = v 5q 1 4q 2 = v Podstawamy do równań 2 3 porównujemy je: Podstawamy do równań 2 3 porównujemy je: -3(1-p 2 ) + 5p 2 = 0(1-p 2 ) 4p p 2 + 5p 2 = 4p 2 12p 2 = 3 p2 = 3/12=0.25 p 1 = (1-q 2 ) + 0q 2 = 5(1-q 2 ) 4q q 2 =5-5q 2 4q 2 12q 2 = 8 q 2 = 8/12=2/3=0.6(6) q 1 = 1/3=0.3(3) v = = -1 v = = -1 v = -3 1/3 = -1 v = 5 1/3-4 2/3 = -3/3 = -1 dr Adam SOJDA 17
Zaawansowane metody numeryczne
Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x
Bardziej szczegółowo11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej.
/22/24 Dwuosobowe gry o sume zero DO NAUCZENIA I ZAPAMIĘTANIA: Defnca zaps ger o sume zero, adaptaca ogólnych defnc. Punkt sodłowy Twerdzena o zwązkach punktu sodłowego z koncepcam rozwązań PRZYPOMNIENIE:
Bardziej szczegółowo) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4
Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =
Bardziej szczegółowoRÓWNOWAGA STACKELBERGA W GRACH SEKWENCYJNYCH
Stansław KOWALIK e-mal: skowalk@wsb.edu.pl Wyższa Szkoła Bznesu Dąbrowa Górncza RÓWNOWAGA STACKELBERGA W GRACH SEKWENCYJNYCH Streszczene Praca dotyczy nekooperacynych sekwencynych ger dwuosobowych o sume
Bardziej szczegółowoZaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych
Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,
Bardziej szczegółowoBADANIA OPERACYJNE Programowanie liniowe i jego zastosowanie w innych zagadnieniach
BADANIA OPERACYJNE Programowanie liniowe i jego zastosowanie w innych zagadnieniach dr Adam Sojda adam.sojda@polsl.pl http://dydaktyka.polsl.pl/roz6/asojda/default.asp Pokój A405 Literatura okukuła K.
Bardziej szczegółowo2012-10-11. Definicje ogólne
0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj
Bardziej szczegółowoPodstawowym założeniem teorii gier jest racjonalne działanie wszystkich podmiotów decyzyjnych (graczy).
Fdr Gra to dowolna sytuacja konflktowa, gracz natomast to dowolny jej uczestnk każda strona wybera pewną strategę postępowana, po czym zależne od strateg własnej oraz nnych uczestnków każdy gracz otrzymuje
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH
STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj
Bardziej szczegółowoProjekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE
Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:
Bardziej szczegółowoAnaliza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH
Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy
Bardziej szczegółowoDiagonalizacja macierzy kwadratowej
Dagonalzacja macerzy kwadratowej Dana jest macerz A nân. Jej wartośc własne wektory własne spełnają równane Ax x dla,..., n Każde z równań własnych osobno można zapsać w postac: a a an x x a a an x x an
Bardziej szczegółowo1.1 Analiza decyzji- tablica decyzyjna, klasyfikacja
A. Kaspersk, M. Kule BO- Analza decyz, drzewa decyzyne, elementy teor ger1 ANALIZA DECYZJI(AD) 1.1 Analza decyz- tablca decyzyna, klasyfkaca problemów W celu formalzac klasyfkac problemów decyzynych wprowadzmy
Bardziej szczegółowoZestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.
Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :
Bardziej szczegółowo8. Optymalizacja decyzji inwestycyjnych
dr nż. Zbgnew Tarapata: Optymalzacja decyzj nwestycyjnych, cz.ii 8. Optymalzacja decyzj nwestycyjnych W rozdzale 8, część I przedstawono elementarne nformacje dotyczące metod oceny decyzj nwestycyjnych.
Bardziej szczegółowoKwantowa natura promieniowania elektromagnetycznego
Efekt Comptona. Kwantowa natura promenowana elektromagnetycznego Zadane 1. Foton jest rozpraszany na swobodnym elektrone. Wyznaczyć zmanę długośc fal fotonu w wynku rozproszena. Poneważ układ foton swobodny
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej
Bardziej szczegółowoZADANIE 1/GRY. Modele i narzędzia optymalizacji w systemach informatycznych zarządzania
ZADANIE 1/GRY Zadanie: Dwaj producenci pewnego wyrobu sprzedają swe wyroby na rynku, którego wielkość jest stała. Aby zwiększyć swój udział w rynku (przejąć część klientów konkurencyjnego przedsiębiorstwa),
Bardziej szczegółowoAnaliza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)
Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz
Bardziej szczegółowoaij - wygrana gracza I bij - wygrana gracza II
M.Mszczsk KBO UŁ, Badana operacjne I (cz.) (wkład B 7) GRY KONFLIKTOWE GRY -OSOBOWE O SUMIE WYPŁT ZERO I. DEFINICJE TWIERDZENI Konflktowe gr dwuosobowe opsuje macerz wpłat ( a ) [ ] mxn j,b j gdze: aj
Bardziej szczegółowoWikiWS For Business Sharks
WkWS For Busness Sharks Ops zadana konkursowego Zadane Opracowane algorytmu automatyczne przetwarzającego zdjęce odręczne narysowanego dagramu na tablcy lub kartce do postac wektorowej zapsanej w formace
Bardziej szczegółowoModelowanie sytuacji konfliktowych, w których występują dwie antagonistyczne strony.
GRY (część 1) Zastosowanie: Modelowanie sytuacji konfliktowych, w których występują dwie antagonistyczne strony. Najbardziej znane modele: - wybór strategii marketingowych przez konkurujące ze sobą firmy
Bardziej szczegółowoMetody gradientowe poszukiwania ekstremum. , U Ŝądana wartość napięcia,
Metody gradentowe... Metody gradentowe poszukwana ekstremum Korzystają z nformacj o wartośc funkcj oraz jej gradentu. Wykazując ch zbeŝność zakłada sę, Ŝe funkcja celu jest ogranczona od dołu funkcją wypukłą
Bardziej szczegółowoW praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.
Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas
Bardziej szczegółowoTemat: Operacje elementarne na wierszach macierzy
Temat: Operacje elementarne na erszach macerzy Anna Rajfura Anna Rajfura Operacje elementarne na erszach macerzy n j m n A Typy operacj elementarnych. Zamana mejscam erszy oraz j, ozn.: j. Mnożene ersza
Bardziej szczegółowoPokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem
Zestaw zadań : Przestrzene wektorowe. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar : C C C, (z, v) z v := z v jest przestrzeną lnową nad całem lczb zespolonych
Bardziej szczegółowoProces narodzin i śmierci
Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do
Bardziej szczegółowo( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X
Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są
Bardziej szczegółowoXXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne
XXX OLIMPIADA FIZYCZNA ETAP III Zadane dośwadczalne ZADANIE D Nazwa zadana: Maszyna analogowa. Dane są:. doda półprzewodnkowa (krzemowa) 2. opornk dekadowy (- 5 Ω ), 3. woltomerz cyfrowy, 4. źródło napęca
Bardziej szczegółowoHipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ
WERYFIKACJA HIPOTEZY O ISTOTNOŚCI OCEN PARAMETRÓW STRUKTURALNYCH MODELU Hpoezy o sonośc oszacowao paramerów zmennych objaśnających Tesowane sonośc paramerów zmennych objaśnających sprowadza sę do nasępującego
Bardziej szczegółowoElementy teorii gier. Badania operacyjne
2016-06-12 1 Elementy teorii gier Badania operacyjne Plan Przykład Definicja gry dwuosobowej o sumie zerowej Macierz gry Strategie zdominowane Mieszane rozszerzenie gry Strategie mieszane Rozwiązywanie
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Zajęcia 4
Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja
Bardziej szczegółowoProblemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA
Problemy jednoczesnego testowana welu hpotez statystycznych ch zastosowana w analze mkromacerzy DNA Konrad Furmańczyk Katedra Zastosowań Matematyk SGGW Plan referatu Testowane w analze mkromacerzy DNA
Bardziej szczegółowo65120/ / / /200
. W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę
Bardziej szczegółowo1 Analiza decyzji- tablica decyzyjna, klasyfikacja problemów
A. Kaspersk, M. Kule BO- Analza decyz, drzewa decyzyne, elementy teor ger1 1 Analza decyz- tablca decyzyna, klasyfkaca problemów W celu formalzac klasyfkac problemów decyzynych wprowadzmy tzw tablcę decyzyną.
Bardziej szczegółowoPattern Classification
attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter
Bardziej szczegółowoBadanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej
Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.
Bardziej szczegółowoNatalia Nehrebecka. Zajęcia 4
St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających
Bardziej szczegółowop Z(G). (G : Z({x i })),
3. Wykład 3: p-grupy twerdzena Sylowa. Defncja 3.1. Nech (G, ) będze grupą. Grupę G nazywamy p-grupą, jeżel G = dla pewnej lczby perwszej p oraz k N. Twerdzene 3.1. Nech (G, ) będze p-grupą. Wówczas W
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych
Bardziej szczegółowoInstrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy rozkroju materiałowego, zagadnienia dualne
Instrukca do ćwczeń laboratorynych z przedmotu: Badana operacyne Temat ćwczena: Problemy rozkrou materałowego, zagadnena dualne Zachodnopomorsk Unwersytet Technologczny Wydzał Inżyner Mechanczne Mechatronk
Bardziej szczegółowo0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4
Zad. 1. Dana jest unkcja prawdopodobeństwa zmennej losowej X -5-1 3 8 p 1 1 c 1 Wyznaczyć: a. stałą c b. wykres unkcj prawdopodobeństwa jej hstogram c. dystrybuantę jej wykres d. prawdopodobeństwa: P (
Bardziej szczegółowoWeryfikacja hipotez dla wielu populacji
Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w
Bardziej szczegółowoRozwiązywanie zadań optymalizacji w środowisku programu MATLAB
Rozwązywane zadań optymalzacj w środowsku programu MATLAB Zagadnene optymalzacj polega na znajdowanu najlepszego, względem ustalonego kryterum, rozwązana należącego do zboru rozwązań dopuszczalnych. Standardowe
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane
Bardziej szczegółowoZadane 1: Wyznacz średne ruchome 3-okresowe z następujących danych obrazujących zużyce energ elektrycznej [kwh] w pewnym zakładze w mesącach styczeń - lpec 1998 r.: 400; 410; 430; 40; 400; 380; 370. Zadane
Bardziej szczegółowoO metodzie wyboru strategii w konkurencyjnej grze podwójnej ze znanym celem konkurenta przypadki AH B i ABH
Sylwester Laskowsk grze podwójnej ze znanym celem konkurenta przypadk AH B ABH Sylwester Laskowsk Zaprezentowano metodę wyboru strateg w dwuosobowej, sekwencyjnej grze rynkowej, w której gracze są zmuszen
Bardziej szczegółowoLaboratorium ochrony danych
Laboratorum ochrony danych Ćwczene nr Temat ćwczena: Cała skończone rozszerzone Cel dydaktyczny: Opanowane programowej metody konstruowana cał skończonych rozszerzonych GF(pm), poznane ch własnośc oraz
Bardziej szczegółowo-Macierz gęstości: stany czyste i mieszane (przykłady) -równanie ruchu dla macierzy gęstości -granica klasyczna rozkładów kwantowych
WYKŁAD 4 dla zanteresowanych -Macerz gęstośc: stany czyste meszane (przykłady) -równane ruchu dla macerzy gęstośc -granca klasyczna rozkładów kwantowych Macerz gęstośc (przypomnene z poprzednch wykładów)
Bardziej szczegółowoInstytut Łączności. Praca statutowa nr
Instytut Łącznośc Praca statutowa nr 11.30.004.5 Opracowane narzędz analtycznych do wspomagana decyzj dotyczących wysokośc opłat taryfkacyjnych stawek rozlczenowych na konkurencyjnym rynku telekomunkacyjnym
Bardziej szczegółowoKlasyfkator lnowy Wstęp Klasyfkator lnowy jest najprostszym możlwym klasyfkatorem. Zakłada on lnową separację lnowy podzał dwóch klas mędzy sobą. Przedstawa to ponższy rysunek: 5 4 3 1 0-1 - -3-4 -5-5
Bardziej szczegółowoPrawdziwa ortofotomapa
Prawdzwa ortofotomapa klasyczna a prawdzwa ortofotomapa mnmalzacja przesunęć obektów wystających martwych pól na klasycznej ortofotomape wpływ rodzaju modelu na wynk ortorektyfkacj budynków stratege opracowana
Bardziej szczegółowoOdtworzenie wywodu metodą wstępującą (bottom up)
Przeglądane wejśca od lewej strony do prawej L (k) Odtwarzane wywodu prawostronnego Wystarcza znajomosc "k" następnych symbol łańcucha wejścowego hstor dotychczasowych redukcj, aby wyznaczyc jednoznaczne
Bardziej szczegółowoNajlepsze odpowiedzi Najlepsze odpowiedzi p. 1/7
Najlepsze odpowedz Rozgrzewka A B C X 1,4 2,12 0,9 Y 3,0 1,2 0,1 Z 1,12 1,0 5,3 Rozgrzewka L P A 0,0 0,0 B -2,1 1,-2 C 1,-2-2,1 Rozgrzewka L P A 0,0 0,0 B -2,1 1,-2 Gracz drug gra L C 1,-2-2,1 Rozgrzewka
Bardziej szczegółowoSYSTEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE METODY KLASYFIKACJI. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.
SYSEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE MEODY KLASYFIKACJI Częstochowa 4 Dr hab. nż. Grzegorz Dude Wydzał Eletryczny Poltechna Częstochowsa FUNKCJE FISHEROWSKA DYSKRYMINACYJNE DYSKRYMINACJA I MASZYNA LINIOWA
Bardziej szczegółowoSortowanie szybkie Quick Sort
Sortowane szybke Quck Sort Algorytm sortowana szybkego opera sę na strateg "dzel zwycęża" (ang. dvde and conquer), którą możemy krótko scharakteryzować w trzech punktach: 1. DZIEL - problem główny zostae
Bardziej szczegółowoMATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5
MATEMATYKA POZIOM ROZSZERZONY Krytera ocenana odpowedz Arkusz A II Strona 1 z 5 Odpowedz Pytane 1 2 3 4 5 6 7 8 9 Odpowedź D C C A B 153 135 232 333 Zad. 10. (0-3) Dana jest funkcja postac. Korzystając
Bardziej szczegółowoKURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1
KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej
Bardziej szczegółowoSYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.
SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA Częstochowa 4 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TWIERDZENIE BAYESA Wedza pozyskwana przez metody probablstyczne ma
Bardziej szczegółowoTeoria 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 szczegółowoEgzamin poprawkowy z Analizy II 11 września 2013
Egzamn poprawkowy z nalzy II 11 wrześna 13 Uwag organzacyjne: każde zadane rozwązujemy na osobnej kartce Każde zadane należy podpsać menem nazwskem własnym oraz prowadzącego ćwczena Na wszelk wypadek prosmy
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne
Bardziej szczegółowoMikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński
Mkroekonometra 5 Mkołaj Czajkowsk Wktor Budzńsk Uogólnone modele lnowe Uogólnone modele lnowe (ang. Generalzed Lnear Models GLM) Różną sę od standardowego MNK na dwa sposoby: Rozkład zmennej objaśnanej
Bardziej szczegółowoWPROWADZENIE DO TEORII DECYZJI STATYSTYCZNYCH
Ćwczene nr 1 Statystyczne metody wspomagana decyzj Teora decyzj statystycznych WPROWADZENIE DO TEORII DECYZJI STATYSTYCZNYCH Problem decyzyjny decyzja pocągająca za sobą korzyść lub stratę. Proces decyzyjny
Bardziej szczegółowoZmodyfikowana technika programowania dynamicznego
Zmodyfkowana technka programowana dynamcznego Lech Madeysk 1, Zygmunt Mazur 2 Poltechnka Wrocławska, Wydzał Informatyk Zarządzana, Wydzałowy Zakład Informatyk Wybrzeże Wyspańskego 27, 50-370 Wrocław Streszczene.
Bardziej szczegółowoPodstawy teorii falek (Wavelets)
Podstawy teor falek (Wavelets) Ψ(). Transformaca Haara (97).. Przykład pewne metody zapsu obrazu Transformaca Haara Przykład zapsu obrazu -D Podstawy matematyczne transformac Algorytmy rozkładana funkc
Bardziej szczegółowoStatystyka Inżynierska
Statystyka Inżynerska dr hab. nż. Jacek Tarasuk AGH, WFIS 013 Wykład DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE Zmenna losowa, Funkcja rozkładu, Funkcja gęstośc, Dystrybuanta, Charakterystyk zmennej, Funkcje
Bardziej szczegółowoStatystyka. Zmienne losowe
Statystyka Zmenne losowe Zmenna losowa Zmenna losowa jest funkcją, w której każdej wartośc R odpowada pewen podzbór zboru będący zdarzenem losowym. Zmenna losowa powstaje poprzez przyporządkowane każdemu
Bardziej szczegółowoNatalia Nehrebecka. Wykład 2
Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad
Bardziej szczegółowoDane są następujące reguły gry losowej: losujemy jedną kartę z pełnej talii (bez jokerów) i sprawdzamy wynik:
Elementy teorii gier Dane są następujące reguły gry losowej: losujemy jedną kartę z pełnej talii (bez jokerów) i sprawdzamy wynik: wylosowanie karty w kolorze czerwonym (kier lub karo) oznacza wygraną
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =
Bardziej szczegółowoRegulamin promocji zimowa piętnastka
zmowa pętnastka strona 1/5 Regulamn promocj zmowa pętnastka 1. Organzatorem promocj zmowa pętnastka, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 grudna
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 11
Stansław Cchock Natala Nehrebecka Wykład 11 1 1. Testowane hpotez łącznych 2. Testy dagnostyczne Testowane prawdłowośc formy funkcyjnej: test RESET Testowane normalnośc składnków losowych: test Jarque-Berra
Bardziej szczegółowoPlan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup
Jednoczynnkowa Analza Waranc (ANOVA) Wykład 11 Przypomnene: wykłady zadana kursu były zaczerpnęte z podręcznków: Statystyka dla studentów kerunków techncznych przyrodnczych, J. Koronack, J. Melnczuk, WNT
Bardziej szczegółowoWspółczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych
Współcznnk korelacj lnowej oraz funkcja regresj lnowej dwóch zmennch S S r, cov współcznnk determnacj R r Współcznnk ndetermnacj ϕ r Zarówno współcznnk determnacj jak ndetermnacj po przemnożenu przez 00
Bardziej szczegółowoWspółczynnik przenikania ciepła U v. 4.00
Współczynnk przenkana cepła U v. 4.00 1 WYMAGANIA Maksymalne wartośc współczynnków przenkana cepła U dla ścan, stropów, stropodachów, oken drzw balkonowych podano w załącznku do Rozporządzena Mnstra Infrastruktury
Bardziej szczegółowoGry z naturą 1. Przykład
Gry z naturą 1 Gry z naturą to gry dwuosobowe, w których przeciwnikiem jest natura. Przeciwnik ten nie jest zainteresowany wynikiem gry, a więc grę rozwiązuje się z punktu widzenia jednego z graczy. Optymalną
Bardziej szczegółowoRegulamin promocji 14 wiosna
promocja_14_wosna strona 1/5 Regulamn promocj 14 wosna 1. Organzatorem promocj 14 wosna, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 lutego 2014 do 30
Bardziej szczegółowoPODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH
PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH Z a k ł a d U b e z p e c z e ń S p o ł e c z n y c h Wprowadzene Nnejsza ulotka adresowana jest zarówno do osób dopero ubegających
Bardziej szczegółowon liczba zmiennych decyzyjnych c współczynniki funkcji celu a współczynniki przy zmienych decyzyjnych w warunkach
Problem decyzyny cel różne sposoby dzałana (decyze) warunk ogranczaące (determnuą zbór decyz dopuszczalnych) kryterum wyboru: umożlwa porównane efektywnośc różnych decyz dopuszczalnych z punktu wdzena
Bardziej szczegółowoAlgorytmy szukania równowag w grach dwumacierzowych
Rozdzał 2 Algorytmy szukana równowag w grach dwumacerzowych 2. Algorytm Lemke-Howsona Dzseszy wykład pośwęcony będze temu, ak szukać równowag w grach dwumacerzowych. Poneważ temu były uż w wększośc pośwęcone
Bardziej szczegółowoCzym jest użyteczność?
Czym jest użyteczność? W teorii gier: Ilość korzyści (czy też dobrobytu ), którą gracz osiąga dla danego wyniku gry. W ekonomii: Zdolność dobra do zaspokajania potrzeb. Określa subiektywną przyjemność,
Bardziej szczegółowoProcedura normalizacji
Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny
Bardziej szczegółowoSystem Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ Autor: Joanna Wójcik
Opracowane w ramach projektu System Przecwdzałana Powstawanu Bezroboca na Terenach Słabo Zurbanzowanych ze środków Europejskego Funduszu Społecznego w ramach Incjatywy Wspólnotowej EQUAL PARTNERSTWO NA
Bardziej szczegółowoTEORIA 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 szczegółowoPrawdopodobieństwo geometryczne
Prawdopodobeństwo geometryczne Przykład: Przestrzeń zdarzeń elementarnych określona jest przez zestaw punktów (x, y) na płaszczyźne wypełna wnętrze kwadratu [0 x ; 0 y ]. Znajdź p-stwo, że dowolny punkt
Bardziej szczegółowoWstęp do metod numerycznych Faktoryzacja SVD Metody iteracyjne. P. F. Góra
Wstęp do metod numerycznych Faktoryzacja SVD Metody teracyjne P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ 2013 Sngular Value Decomposton Twerdzene 1. Dla każdej macerzy A R M N, M N, stneje rozkład
Bardziej szczegółowoSprawozdanie powinno zawierać:
Sprawozdane pownno zawerać: 1. wypełnoną stronę tytułową (gotowa do ćw. nr 0 na strone drugej, do pozostałych ćwczeń zameszczona na strone 3), 2. krótk ops celu dośwadczena, 3. krótk ops metody pomaru,
Bardziej szczegółowoWykład 5 12/15/2013. Problemy algebry liniowej w Matlabie
Wykład 5. Problemy algebry lnowej w Matlabe. Analza sygnałów a) w dzedzne częstotlwośc b) w dzedzne czasu c) częstotlwoścowo-czasowa d) nagrywane analza dźwęku e) Sgnal Processng Toolbox Problemy algebry
Bardziej szczegółowoV. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH
Krs na Stdach Doktoranckch Poltechnk Wrocławskej wersja: lty 007 34 V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH. Zbór np. lczb rzeczywstych a, b elementy zbor A a A b A, podzbór B zbor A : B A, sma zborów
Bardziej szczegółowoTwierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że
Twerdzene Bezouta lczby zespolone Javer de Lucas Ćwczene 1 Ustal dla których a, b R można podzelć f 1 X) = X 4 3X 2 + ax b przez f 2 X) = X 2 3X+2 Oblcz a b Z 5 jeżel zak ladamy, że f 1 f 2 s a welomanam
Bardziej szczegółowoRegulamin promocji upalne lato 2014 2.0
upalne lato 2014 2.0 strona 1/5 Regulamn promocj upalne lato 2014 2.0 1. Organzatorem promocj upalne lato 2014 2.0, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa
Bardziej szczegółowoOBLICZANIE NIEPEWNOŚCI METODĄ TYPU B
OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B W przypadku gdy e występuje statystyczy rozrzut wyków (wszystke pomary dają te sam wyk epewość pomaru wyzaczamy w y sposób. Główą przyczyą epewośc pomaru jest epewość
Bardziej szczegółowoSZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW
SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.
Bardziej szczegółowoAnaliza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A
Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe
Bardziej szczegółowoRozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1
Rozkład dwupunktowy Zmenna losowa przyjmuje tylko dwe wartośc: wartość 1 z prawdopodobeństwem p wartość 0 z prawdopodobeństwem 1- p x p 0 1-p 1 p suma 1 Rozkład dwupunktowy Funkcja rozkładu prawdopodobeństwa
Bardziej szczegółowoIID = 2. i i i i. x nx nx nx
Zadane Analzujemy model z jedną zmenną objaśnającą bez wyrazu wolnego: y = β x + ε, ε ~ (0, σ ), gdze x jest nelosowe.. Wyznacz estymator MNK parametru β oraz oblcz jego warancję. (4 pkt) y. Zaproponowano
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 18. ALGORYTMY EWOLUCYJNE - ZASTOSOWANIA Częstochowa 2014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska ZADANIE ZAŁADUNKU Zadane załadunku plecakowe
Bardziej szczegółowody dx stąd w przybliżeniu: y
Przykłady do funkcj nelnowych funkcj Törnqusta Proszę sprawdzć uzasadnć, które z podanych zdań są prawdzwe, a które fałszywe: Przykład 1. Mesęczne wydatk na warzywa (y, w jednostkach penężnych, jp) w zależnośc
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Zadae. W ure zajduje sę 5 kul, z których 5 jest bałych czarych. Losujemy bez zwracaa kolejo po jedej kul. Kończymy losowae w momece, kedy wycągęte zostaą wszystke czare kule. Oblcz wartość oczekwaą lczby
Bardziej szczegółowo