PROBLEM DYSTRYBUCJI W SYSTEMIE JIT Z LOSOWYMI PARAMETRAMI

Wielkość: px
Rozpocząć pokaz od strony:

Download "PROBLEM DYSTRYBUCJI W SYSTEMIE JIT Z LOSOWYMI PARAMETRAMI"

Transkrypt

1 PROBLEM DYSTRYBUCJI W SYSTEMIE JIT Z LOSOWYMI PARAMETRAMI Wojcech BOśEJKO Paweł RAJBA Meczysław WODECKI Streszczee: W pracy jest rozpatryway probem dystrybucj z ajwcześejszym oraz ajpóźejszym termam dostawy Zbyt wczesa ub zbyt późa dostawa geeruje oszty zwązae z magazyowaem PoewaŜ trudo jest jedozacze oreść etóre parametry (p czasy przejazdu datego są oe reprezetowae przez rozłady zmeych osowych Probem poega wyzaczeu harmoogramu dostaw mmazującego sumę osztów Rozpatrywae zagadee jest stotym uogóeem probemu omwojaŝera Przedstawamy agorytm oparty a metodze przeszuwaa z tabu oraz badamy jego ogóą stabość tj wpływ osowego zaburzaa daych a wartośc fucj ceu Słowa uczowe: dystrybucja towaru etermowa dostawa rozład ormay przeszuwae z tabu Wstęp Pommo postępującej od at gobazacj w weu dzedzach gospodar moŝa zaobserwować zwęszający sę popyt a moco zróŝcowae produty usług uwzgędające dywduae oczewaa odborców Wymusza to duŝą eastyczość termowość róte sere oraz zaczą róŝorodość ofert Rodz to podobe probemy jae pojawły sę w atach 80 dwudzestego weu w zwązu z wprowadzaem systemów producj opartych a de JIT (ag Just Tme tj dołade a czas poewaŝ coraz węszą roę odgrywała orgazacja dostaw oraz dystrybucj gotowego produtu Geeruje to wee owych probemów optymazacyjych se powązaych ze zmeającym sę cąge otoczeem Pommo Ŝe dotyczy to producj usług często o charaterze regoaym to jeda są to probemy złoŝoe z duŝą czbą ograczeń ereguarym fucjam ceu zazwyczaj se NP-trude Staową oe sprację do rozwoju owych metod ostruowaa szybch agorytmów aprosymacyjych uwzgędających epewe (często osowe parametry Jedą z dyamcze zmeających sę w ostatch atach dzedz gospodar jest przemysł spoŝywczy zwązay z producją wyrobów o rótm orese przydatośc do spoŝyca (bez sztuczych oserwatów Są to produty e podegające magazyowau tóre w rótm czase aeŝy dostarczyć do odborcy W procese producj stosuje sę bardzo rygorystycze ormy stadardy przez co proces te jest ema w peł zdetermoway przez techoogę Datego teŝ stote zaczee w ostateczym rachuu eoomczym mają oszty dystrybucj Przy czym podstawowym wymagaem jest dostarczee produtu do aŝdego z weu odborców w ścśe oreśoym przedzae czasowym Mamy w tym przypadu do czyea z stotym uogóeem se NPtrudego probemu omwojaŝera Podobe probemy pojawają sę w pratyce budowaej gdze z przyczy techoogczych ub z powodu brau mejsca a pacu budowy pewe materały (p 3

2 beto ub eemety (p ostrucje o zaczych rozmarach e mogą być magazyowae NaeŜy je dostarczać bezpośredo w ścśe oreśoych przedzałach czasowych Zbyt wczese ub zbyt późe ch dostarczee geeruje dodatowe oszty zwązae z reazacją otratu Wymusza to orgazację procesu budowaego podobe ja w systemach producj JIT z uwzgędeem ograczeń typu E/T (ag earess/tardess Wodec [] Stosowae do tej pory asycze metody harmoogramowaa w budowctwe CPM PERT są juŝ ewystarczające Na podstawe praty zarządzaa powszeche uwaŝa sę Ŝe w duŝej częśc przypadów mamy do czyea z epewym daym Zdarza sę poadto Ŝe juŝ w trace reazacj uegają zmae pewe wartośc parametrów co zazwyczaj prowadz do wyraźego pogorszea sę efetywośc a sute utraty optymaośc Nepewość moŝe meć charater osowy wówczas przyjmuje sę Ŝe wartośc daych czbowych są reazacjam zmeych osowych o zaych ub ezaych parametrach Prowadz to do teresujących trudych probabstyczych mode optymazacyjych bazujących często a zaczących uogóeach asyczych zaych w teraturze probemów W pracy rozpatrujemy probem w tórym aeŝy dostarczyć pewe produt z magazyu do weu odborców Zae są czasy przejazdu pomędzy magazyem a aŝdym z odborców oraz pomędzy odborcam Ze wzgędu a specyfę produtu (czas ezbędy a rozprowadzee aeŝy go dostarczyć do odborcy w z góry oreśoym przedzae czasowym Zbyt wczesa dostawa geeruje oszty zwązae z jego magazyowaem a zbyt późa e gwaratuje zbytu całośc a węc taŝe geeruje dodatowe oszty PoewaŜ trudo jest jedozacze oreść etóre parametry (p czasy przejazdu datego są oe reprezetowae przez rozłady zmeych osowych Probem poega a tam zapaować harmoogramu dostaw aby suma osztów była mmaa Jest węc stotym uogóeem se NP-trudego probemu omwojaŝera Do jego rozwązaa stosujemy agorytm oparty a metodze przeszuwaa z tabu (ag Tabu Serach w sróce TS Przedstawamy dwe wersje agorytmu odpowedo da daych determstyczych probabstyczych (reprezetowaych przez rozłady zmeych osowych Badamy taŝe ch ogóą stabość tj wpływ osowego zaburzea daych a wartośc fucj ceu Nejsza praca staow otyuację studów autorów (Rajba Wodec [ 3] ad zastosowaem eemetów probabsty w modeowau oraz rozwązywau probemów optymazacj ombatoryczej Probemom optymazacj probabstyczej są pośwęcoe obszere rozprawy dotorse Deaa [4] Vodráa [5] Probem dystrybucj Day jest zbór odborców J = { } magazy ozaczay cyfrą 0 a taŝe spełająca warue trójąta macerz symetrycza czasów przejazdów Z = ( z j = 0 j= 0 pomędzy magazyem aŝdym z odborców oraz pomędzy poszczegóym odborcam Da dowoego odborcy J ( = przez e d u w oraz p ozaczamy odpowedo: ajwcześejszy ajpóźejszy Ŝąday term przybyce współczy ary za zbyt wczese ub zbyt późe przybce oraz czas rozładuu JeŜe ustaoa jest oejość odborców (trasa oraz C ( = jest termem przybyca to 4

3 0 jeŝe C e V = jeŝe C < e 0 jeŝe C d U = jeŝe C > d azywamy odpowedo przyśpeszeem spóźeem Wówczas V u jest arą za zbyt wczese a T w - zbyt późe przybyce Rozpatryway w pracy probem dystrybucj w systeme JIT (w sróce ozaczay przez DET poega a wyzaczeu taej oejośc odborców da tórej całowta ara = ( u V + wu jest mmaa Nech Φ będze zborem wszystch permutacj eemetów z J Koszt permutacj π Φ (tj suma ar gdy odborcy są odwedza w oejośc π wyos π ( π ( π ( π ( ( = W ( π = ( z V + w U przy czym term przybyca do odborcy π ( J C = c + p π ( π ( j π ( j+ π ( j j= 0 j= Perwsza suma jest czasem przejazdu z magazyu do odborcy π ( a druga sumą czasów rozładuu u odborców π ( π ( π ( Rozpatryway probem sprowadza sę węc do wyzaczea permutacj optymaej π Φ czy taej da tórej 5 W ( π = m W ( π π Φ Probem te ma bezpośred zwąze z probemem omwojaŝera ja probemem szeregowaa zadań a jedej maszye z przezbrojeam (ozaczaym w teraturze przez s w T BoŜejo Wodec [6] oraz probemem szeregowaa zadań a jedej j maszye z ajwcześejszym ajpóźejszym termam zaończea (ozaczaym przez ( u E + w T Wodec [] PoewaŜ jest uogóeem aŝdego z powyŝszych se NP-trudych probemów aeŝy węc taŝe do asy probemów se NP-trudych Agorytmy dołade pozwaają a efetywe wyzaczee rozwązań optymaych da podobych probemów jedye wówczas gdy rozmar zagadee e przeracza 50 (80 w środowsu weoprocesorowym Wodec [7] Datego w pratyce stosuje sę agorytmy przybŝoe (główe typu popraw Z tego powodu do rozwązywaa będze stosoway agorytm przybŝoy oparty a metodze przeszuwaa z tabu (ag Tabu Serach Jest to metoda w peł determstycza tórą z powodzeem stosowao przy rozwązywau podobych zagadeń Wodec [8]

4 Metoda przeszuwaa z tabu Do rozwązywaa probemów NP-trudych stosowae są przede wszystm agorytmy przybŝoe Z pratyczego putu wdzea są oe zupełe wystarczające bowem wee z ch zajduje rozwązaa jedye ezacze róŝące sę od optymaych Często w ostrucjach tach agorytmów jest stosowaa metoda przeszuwaa z tabu Jej główym eemetam są: otoczee podzbór zboru rozwązań dopuszczaych tórego eemety są przeszuwae ruch fucja przeształcająca jedo rozwązae w e sta tabu sta zawerająca atrybuty pewej czby ostato rozpatrywaych rozwązań mpemetowaa zazwyczaj jao oeja FIFO warue zaończea często oreśay przez czbę teracj Nech W będze fucją ceu π Φ dowoą permutacją (startową L TS stą tabu a π ajepszym do tej pory zaezoym rozwązaem (za rozwązae startowe π oraz moŝa przyjąć dowoą permutację π Agorytm_Tabu_Search do Wyzaczyć otoczee N ( π ; 3 Usuąć z N ( π permutacje tórych atrybuty są a śce L TS ; 4 Zaeźć N ( π tae Ŝe W ( = m{ W ( β : β N( π } ; 5 f W( < W ( π the π := ; 6 Umeścć atrybuty a śce L TS ; 7 π := ; 8 whe (warue zaończea W daszej częśc róto przedstawmy główe eemety agorytmu Ruch otoczee Nech π = ( π ( π ( będze permutacją (oejoścą odwedzaa odborców P( π = { π ( : C < e ub C > d } zborem odborców do tórych dotarto zbyt a π ( π ( π ( π ( wcześe ub zbyt późo Da zadaa π ( P( π ech π ( = + + będze permutacją otrzymaą z π przez zamaę mejscam π ( z π ( Mówmy Ŝe permutacja π została wygeerowaa przez ruch zameń (ag swap move Przez M ( ( eemetu π ( oraz ech s (tj π = s ( π typu π ozaczmy zbór wszystch tach ruchów M ( π = M ( π ( π ( M ( π Otoczeem permutacj π jest zbór 6

5 { } N( π = s ( π : s M ( π Przy mpemetacj agorytmu z otoczea usuwa sę permutacje tórych atrybuty zajdują sę a śce ruchów zaazaych L TS Lsta ruchów zaazaych Aby zapobec powstawau cy (powrotu do tej samej permutacj po eweej czbe teracj pewe atrybuty aŝdego ruchu zapamętuje sę a śce ruchów r zaazaych Obsługwaa jest oa a zasadze oej FIFO Wyoując ruch s M ( π r (tj geerując z π Φ permutację π j a stę tabu zapsujemy atrybuty tego ruchu czy r tróję ( π ( r j W ( π ZałóŜmy Ŝe rozpatrujemy ruch s M ( β geerujący permutację j β JeŜe a śce jest trója ( v jψ taa Ŝe β ( = v = j oraz W ( β Ψ to ruch ta usuwamy ze zboru M ( β Do rozwązywaa rozpatrywaego w pracy probemu DET zaadoptowao bardzo efetywy agorytm rozwązywaa probemu wt tórego dołady ops przedstawoo w pracy [9] 3 Radomzacja W pracy jest rozpatryway taŝe mode osowy probemu w tórym czasy rozładuu Ŝądae termy przybyca oraz czasy przejazdu są oreśoe przez ezaeŝe zmee osowe o rozładze ormaym W teraturze rozpatrywao probemy optymazacj ombatoryczej (w tym szeregowaa zadań zazwyczaj jedye z pojedyczym osowym parametram Rozładem jedostajym ub ormaym (Va de Aer Hoogevee [5] ub wyładczym (Pedo [0] + Nech (( p u w e d ( z będze przyładem daych determstyczych da = j = 0 j= 0 rozpatrywaego w pracy probemu Proces radomzacj poega a wyzaczeu zmeych osowych reprezetujących poszczegóe parametry PoewaŜ załadamy Ŝe wartośc oczewae tych zmeych są rówe odpowedm wartoścą determstyczym datego przyjmujemy astępujące rozłady: p% N( p σ d % N( d σ e% N ( e σ p d j e z% N ( z σ (odchyea stadardowe zostaą zdefowae w daszej częśc pracy j j z j Wówczas da dowoej permutacj π Φ term przybyca do odborcy π ( jest zmeą osową postac: C % = p % + z % π ( π ( j j= j = 0 j j+ a fucj ceu ( odpowada zmea osowa ( W ( π = u π ( V π ( + wπ ( U π ( ( = 7

6 W tam przypadu do ocey rozwązań (porówań permutacj ze zboru Φ stosuje sę zazwyczaj waŝoe ombacje owe mometów cetraych zmeej osowej ( Z przeprowadzoych esperymetów obczeowych wya Ŝe wystarczy uwzgędć jedye wartość oczewaą oraz ewetuae odchyee stadardowe (momety wyŝszych rzędów mają ewe wpływ a otrzymae wy W zwązu z tym do ocey rozwązaa będzemy stosowa dwe fucje: = π ( π π π π W ( π = E( W ( = u E( V% + w E( U% (3 ( ( ( ( = W ( π = E ( W ( π + D ( W ( π = ( uπ ( E Vπ ( + D Vπ ( + wπ ( E Uπ ( + D Uπ ( ( ( % ( % ( ( % ( % (4 W ceu uproszczea zapsu w daszej częśc tego rozdzału przyjmujemy Ŝe rozpatrywaa permutacja π jest toŝsamoścowa tj π = ( Korzystając z defcj rozładów zmea osowa reprezetująca term przybyca do -tego odborcy ma rozład ormay j + j j+ p + j z j j j= j= 0 j = j= 0 C % N p z σ σ + (5 Defujemy zmee osowe reprezetujące zbyt wczese ub zbyt późe przybyca 0 jeŝe C% e V% % = jeŝe C% < e% 0 jeŝe C% d% U% = jeŝe C% > d% oraz pomocczo zaresy G % = C % e% H % = C % d % Na podstawe defcj obu zmeych oraz rówośc (5 moŝa zauwaŝyć Ŝe powyŝsze fucje mają taŝe rozłady ormae j j j σ p σ j z σ j j+ e j = j= 0 j= j= 0 G% N p z e j j j σ p σ j z σ j j+ d j= j= 0 j= j = 0 H% N p z d Po wyoau daszych obczeń moŝa udowodć rówośc: 8

7 E V % % oraz ( = E( V E U % % ( = E( U Korzystając z ch otrzymujemy gdze E( V% = P( C% < e% = P( C% e% < 0 = Φ % (0 G D ( V% = P( G% < 0 ( P( G% < 0 = Φ (0 ( Φ (0 = Φ (0( Φ (0 G G G% G% E( U% = P( C% > d% = P( H% > 0 = Φ % (0 H D ( U% = P( C% > d% P( C% > d% = Φ (0 ( Φ (0 = ( Φ (0 Φ (0 H% H% H% H% Φ H % oraz odpowedo: Φ G % są dystrybuatam zmeych osowych o rozładze ormaym G % H % oraz Ostatecze fucje W W oreśoe odpowedo przez (3 (4 przyjmują postać: = ( W ( π = u E( V% + w E( U% = ( u (0 w ( ( (0 G N h σ h = Φ % + Φ (6 = ( ( ( W ( π = u E( V% + D ( V% + w E( U% + D ( U% = ( u ( (0( (0 ( ( (0 w G G H = Φ % Φ % + Φ % (7 Nech AD będze agorytmem (azywaym daej determstyczym opartym a metodze przeszuwaa z tabu rozwązywaa probemu dystrybucj DET z ryterum optymaośc ( tórego główe eemety opsao w Rozdzae Przez AP ozaczamy modyfację agorytmu AD da osowych daych tj agorytm w tórym jao ryterum porówawcze rozwązań przyjmuje sę fucje (6 ub (7 W daszej częśc agorytmy te będzemy azywa probabstyczym 4 Stabość agorytmów Stabość jest pewą marą umoŝwającą oszacowae wpływu zaburzeń daych a zmay wartośc fucj ceu W perwszej oejośc przedstawamy metodę geerowaa zboru daych a baze tórych będze badaa stabość agorytmów + Nech = (( p u w e d ( z będze pewym przyładem daych = j = 0 j= 0 (determstyczych da rozpatrywaego probemu dystrybucj a D( zborem daych geerowaych z przez zaburzee odpowedch parametrów Zaburzee poega a zmae parametrów p e d z j a osowo wyzaczoe wartośc (tj czby geerowae zgode z pewym przyjętym rozładem p jedostajym ormaym td Dowoy 9

8 eemet zboru D( jest postac (( p u ' w' e ( z ' gdze zaburzoe + d = j = 0 j= 0 parametry p e d z j są reazacjam ustaoych zmeych osowych Wobec tego zbór D( zawera przyłady daych determstyczych da probemu DET róŝące sę pomędzy sobą wartoścam pewych parametrów Nech A = { AD AP} gdze AD AP są odpowedo agorytmem determstyczym oraz probabstyczym da probemu DET Przez π ozaczamy rozwązae (permutację wyzaczoą przez agorytm A da daych Daej ech W ( A π ϕ będze osztem dystrybucj ( da przyładu ϕ w oejośc dostawy oreśoej przez rozwązae (permutację π wyzaczoą przez agorytmem A da daych Wówczas W ( A π ϕ W ( AD πϕ ϕ ( A D( = D( W ( AD π ϕ ϕ D( ϕ azywamy staboścą rozwązaa π (przyładu wyzaczoego przez agorytm A a zborze daych zaburzoych D( Wyzaczając π ϕ za rozwązae startowe w agorytme popraw A przyjęto π (wówczas W ( π ϕ W ( π ϕ 0 Wartość wyraŝea ( A D( jest średm błędem wzgędym ajepszego rozwązaa π w stosuu do ajepszych rozwązań wyzaczoych da aŝdego przyładu daych zaburzoych ϕ D( Nech Ω będze zborem przyładów determstyczych da rozpatrywaego probemu DET Współczy stabośc agorytmu A a zborze Ω defujemy astępująco: S( AΩ = ( A D( (8 Ω Przedstawoa powyŝej metoda badaa stabośc agorytmów była stosowaa w pracach [0] [3] 5 Esperymety obczeowe W ceu zbadaa stabośc przedstawoych w poprzedch rozdzałach agorytmów: determstyczego AD oraz probabstyczego AP przeprowadzoo esperymety obczeowe Dae determstycze wygeerowao a baze przyładów pobraych z bbote OR-Lbrary [9] (są to dae da jedomaszyowego probemy szeregowaa zadań z mmazacją sumy osztów spóźeń w T Da aŝdego = dae te zawerają po 5 przyładów (tróje ( p w d = geerowaych Ω osowo według rozładu jedostajego Wartośc p z przedzału [ 00] w z przedzału [ 0] a d z przedzału [ P( TF RDD / P( TF + RDD / ] gdze ϕ P = RDD TF { } Da aŝdej pary RDD TF geerowao 5 stacj = p 30

9 W sume daje to 375 przyładów Następe aŝdy przyład uzupełoo o wartośc ajwcześejszych Ŝądaych termów przybyca e oraz współczy fucj ary u geerowae jedostaje odpowedo z przedzału [0 / ] [ 0] ( = a taŝe tabcę czasów przejazdu d + ( z j = 0 j = 0 tórej poszczegóe eemety geerowao przedzału [ 00] Przez Ω ozaczmy ta wyzaczoy zbór daych determstyczych da probemu dystrybucj Da aŝdego przyładu daych determstyczych Ω wyzaczoo odpowadający mu przyład daych probabstyczych % tj odpowede cąg zmeych osowych o rozładze ormaym przy czym: p% N( p c p e% N( e c e d % N( d c d z % j N( zj c zj gdze c { } (metoda radomzacj została opsaa w rozdzae 3 Zbór tych daych (zwaych probabstyczym ozaczymy przez Ω Obczea agorytmu determstyczego AD wyoao a przyładach ze zbory Ω a agorytmu probabstyczego AP a przyładach ze zboru Ω % Aby porówać stabość obu agorytmów da aŝdego przyładu daych determstyczych = (( p u w e d ( z Ω wygeerowao 00 przyładów daych = j = 0 j= 0 zaburzoych tórych zbór ozaczamy przez D( Zaburzee poega a zmae wartośc p e d zj a osowo wyzaczoe weośc geerowae zgode z odpowedm rozładam: N( p c p N( e c e N( d c d N( s c z W sume wyzaczoo przyładów daych zaburzoych (po da aŝdego przyładu ze zboru Ω Przyłady te zostały astępe rozwązae przez agorytm AD Otrzymae wy staowły podstawę do wyzaczea współczya stabośc (8 Przy aŝdym uruchomau agorytmu za permutację startową przyjęto π = ( a poadto: długość sty ruchów zaazaych: czba teracj agorytmu: / ub W tabe przedstawoo wy agorytmu determstyczego AD oraz dwóch wersj agorytmu probabstyczego AP W wersj perwszej jao ryterum porówawcze rozwązań jest stosowaa wartość oczewaa fucj ceu (6 a w drugej suma wartośc oczewaej odchyea stadardowego (7 Obczea wyoao da czby teracj agorytmów (warue zatrzymaa rówej / oraz Tab Stabośc (8 agorytmu determstyczego AD oraz probabstyczego AP Lczba Lczba teracj / Lczba teracj zadań AD AP * AP ** AD AP * AP ** Średa * ryterum W ( ( π = u ( E( ( w ( E( ( π V π + = π U π ** ryterum W ( ( ( = uπ ( E( V π ( + D ( V π ( + wπ ( E( U π ( + D ( U π ( π = j ( j 3

10 Na podstawe zameszczoych wyów moŝa stwerdzć Ŝe bez wzgędu a czbę teracj agorytm probabstyczy (w obu wersjach ma mejszy o adzesąt procet współczy stabośc Ŝ agorytm determstyczy Proporcje te są podobe zarówo da / ja da teracj Nestety a podstawe zameszczoych wyów e moŝa jedozacze stwerdzć tóre z ryterum wyboru (6 czy (7 stosowae w agorytme probabstyczym daje stabejsze rozwązaa Porówując wy pewym zasoczeem moŝe być zwęszae sę współczya stabośc (tj pogorszee stabośc wraz ze wzrostem czby teracj Dotyczy to zarówo agorytmu determstyczego ja probabstyczego Wya to z fatu Ŝe epsze rozwązaa (a tae otrzymao po dwurotym zwęszeu czby teracj są bardzej wraŝwe a wszee zaburzea daych Po prostu da słabego rozwązaa zaburzee daych moŝe spowodować wręcz poprawę wartośc fucj ceu 6 Uwag wos W pracy przedstawoo metody modeowaa epewych daych przy pomocy zmeych osowych o rozładze ormaym tóry dobrze opsuje aturaą osowość zaeŝą od pogody popytu tp Przedstawoo ostrucję agorytmu opartego a metodze przeszuwaa z tabu da pewego probemu optymazacj ombatoryczej poegającego a dostarczeu produtów z magazyu do odborców w ścśe oreśoych przedzałach czasowych Przeprowadzoo esperymety obczeowe w ceu zbadaa stabośc agorytmów tj wpływu zaburzeń parametrów a zmay wartośc fucj ceu Otrzymae wy jedozacze wsazują Ŝe zacze stabejsze są agorytmy probabstycze tj agorytmy w tórych za ryterum porówawcze rozwązań przyjęto sumę mometów cetraych osowej fucj ceu Zastosowae eemetów probabsty w adaptacj metody przeszuwaa z tabu pozwaa sutecze rozwązywać probemy z epewym daym Dotyczy to weu trudych pratyczych zagadeń Dodatowe formacje Praca częścowo fasowaa z projetu badawczego MNSW Nr N N Lteratura BoŜejo W Wodec M Sovg Permutatoa Routg Probems by Popuato- Based Metaheurstcs Computers & Idustra Egerg s Dea BC Approxmato agorthms for stochastc schedug probems PhD thess MIT OR Lbrary 4 Pedo M: Stochastc Schedug wth Reease Dates ad Due Dates Operatos Research Vo 3 No s Rajba P Wodec M Jedomaszyowy probem szeregowaa zadań z probabstyczym czasam Automatyzacja Procesów Dysretych Teora zastosowaa (red A Śwera J Kryste 00 s Rajba P Wodec M Stabty of schedug wth radom process tmes o oe mache Appcatoes Mathematcea (w druu 00 7 Va de Aer M Hoogevee H Mmzg the umber of ate jobs a stochastc settg usga chace costrat J Sched

11 8 Vodrá J Probabstc methods combatora ad stochastc optmzato PhD MIT Wodec M A boc approach to earess-tardess schedug probems Iteratoa Joura o Advaced Maufacturg Techoogy s Wodec M A Brach-ad-Boud Parae Agorthm for Sge-Mache Tota Weghted Tardess Probem Iteratoa Joura o Advaced Maufacturg Techoogy 37 Nr s Wodec M Metody agregacj w probemach optymazacj dysretej Ofcya Wydawcza Potech Wrocławsej Wrocław 009 Dr Wojcech BOśEJKO Istytut Iformaty Automaty Roboty Potecha Wrocławsa Wrocław u Jaszewsego /7 e-ma: wbo@ctpwrwrocp Mgr Paweł RAJBA Istytut Iformaty Uwersytet Wrocławs Wrocław ujoot-cure e-ma: pawerajba@uwrocp Dr Meczysław WODECKI Istytut Iformaty Uwersytet Wrocławs Wrocław ujoot-cure e-ma: mwd@uwrocp 33

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

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

Bardziej szczegółowo

JEDNOWYMIAROWA ZMIENNA LOSOWA

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

Bardziej szczegółowo

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

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

Bardziej szczegółowo

i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3

i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3 35 Iterpoaca Herte a 3 f ( x f ( x,,, 3, 4 f ( x,,, 3 f ( x,, 3 f ( x, 4 f ( x 33,5,698,87,5!, 34,83,785,9,3 36,598,877,95 38,475,97 4,447 Na podstawe wzoru (38 ay zate 87,, 5, L4 ( t 335, +, 698t+ t(

Bardziej szczegółowo

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

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

Bardziej szczegółowo

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2 Pojęce przedzału ufośc Przyład: Rozważmy pewe rzad proces (tz. ta tórego lczba zajść podlega rozładow Possoa). W cągu pewego czasu zaobserwowao =3 tae zdarzea. Oceć możlwy przedzał lczby zdarzeń tego typu

Bardziej szczegółowo

Analiza Matematyczna Ćwiczenia. J. de Lucas

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X PERMUTACJE Permutacą zboru -elemetowego X azywamy dowolą wzaeme edozaczą fucę f : X X f : X X Przyład permutac X = { a, b, c, d } f (a) = d, f (b) = a, f (c) = c, f (d) = b a b c d Zaps permutac w postac

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Pojęcie statystyki. Definicja. Wektorową funkcję mierzalną T: X T(X)=(T 1 (X),...,T k (X)) R k wymiarową statystyką. próby X nazywamy k

Pojęcie statystyki. Definicja. Wektorową funkcję mierzalną T: X T(X)=(T 1 (X),...,T k (X)) R k wymiarową statystyką. próby X nazywamy k Statystya Wyład Adam Ćmel A4 5 cmel@agh.edu.pl Pojęce statysty Pojęce statysty w statystyce matematyczej jest odpowedem pojęca zmeej losowej w rachuu prawdopodobeństwa. Nech X(X,...,X ) będze próbą z pewej

Bardziej szczegółowo

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

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

Bardziej szczegółowo

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5 L.Kowalsk zadaa ze statystyk opsowej-zestaw 5 Zadae 5. X cea (zł, Y popyt (tys. szt.. Mając dae ZADANIA Zestaw 5 x,5,5 3 3,5 4 4,5 5 y 44 43 43 37 36 34 35 35 Oblcz współczyk korelacj Pearsoa. Oblcz współczyk

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystyka 0.06.0 r. Zadae. Ura zawera kul o umerach: 0,,,,. Z ury cągemy kulę, zapsujemy umer kulę wrzucamy z powrotem do ury. Czyość tę powtarzamy, aż kula z każdym umerem zostae wycągęta

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Indukcja matematyczna

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

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

ZAGADNIENIE TRANSPORTOWE ZAGADNIENIE TRANSPORTOWE ZT.. Zagadee trasportowe w postac tablcy Z m puktów (odpowedo A,...,A m ) wysyłamy edorody produkt w loścach a,...,a m do puktów odboru (odpowedo B,...,B ), gdze est odberay w

Bardziej szczegółowo

WRAŻLIWOŚĆ WYNIKU TECHNICZNEGO ZAKŁADU UBEZPIECZEŃ NA ZMIANĘ POZIOMU REZERWY SZKODOWEJ

WRAŻLIWOŚĆ WYNIKU TECHNICZNEGO ZAKŁADU UBEZPIECZEŃ NA ZMIANĘ POZIOMU REZERWY SZKODOWEJ Aca Woy WRAŻLIWOŚĆ WYNIKU TECHNICZNEGO ZAKŁADU UBEZPIECZEŃ NA ZMIANĘ POZIOMU REZERWY SZKODOWEJ Wstęp Załad ubezpeczeń est zobgoway do tworzea fuduszu ubezpeczeowego sładaącego sę z rezerw techczo-ubezpeczeowych

Bardziej szczegółowo

Niech Φ oznacza funkcję zmiennej x zależną od n + 1 parametrów a 0, a 1, K, a n, tj.

Niech Φ oznacza funkcję zmiennej x zależną od n + 1 parametrów a 0, a 1, K, a n, tj. III. INTERPOLACJA 3.. Ogóe zadae terpoac Nech Φ ozacza fucę zmee x zaeżą od + parametrów a 0, a, K, a, t. Defca 3.. Zadae terpoac poega a oreśeu parametrów a ta, żeby da + da- ych par ( x, f ( x ( 0,,...,

Bardziej szczegółowo

STABILNOŚĆ ROZWIĄZAŃ PEWNEGO PROBLEMU SZEREGOWANIA Z PROBABILISTYCZNYMI CZASAMI WYKONYWANIA ZADAŃ

STABILNOŚĆ ROZWIĄZAŃ PEWNEGO PROBLEMU SZEREGOWANIA Z PROBABILISTYCZNYMI CZASAMI WYKONYWANIA ZADAŃ STABILNOŚĆ ROZWIĄZAŃ PEWNEGO PROBLEMU SZEREGOWANIA Z PROBABILISTYCZNYMI CZASAMI WYKONYWANIA ZADAŃ Wocech BOŻEJKO, Paweł RAJBA, Meczysław WODECKI Streszczene: W pracy badano stabność rozwązań wyznaczonych

Bardziej szczegółowo

ma rozkład normalny z nieznaną wartością oczekiwaną m

ma rozkład normalny z nieznaną wartością oczekiwaną m Zadae Każda ze zmeych losowych,, 9 ma rozkład ormaly z ezaą wartoścą oczekwaą m waracją, a każda ze zmeych losowych Y, Y,, Y9 rozkład ormaly z ezaą wartoścą oczekwaą m waracją 4 Założoo, że wszystke zmee

Bardziej szczegółowo

Pomiary parametrów napięć i prądów przemiennych

Pomiary parametrów napięć i prądów przemiennych Ćwczee r 3 Pomary parametrów apęć prądów przemeych Cel ćwczea: zapozae z pomaram wartośc uteczej, średej, współczyków kształtu, szczytu, zekształceń oraz mocy czyej, berej, pozorej współczyka cosϕ w obwodach

Bardziej szczegółowo

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki tatystycza terpretacja wyków eksperymetu Małgorzata Jakubowska Katedra Chem Aaltyczej Wydzał IŜyer Materałowej Ceramk AGH Podstawowe zadae statystyk tatystyka to uwersale łatwo dostępe arzędze, które pomaga

Bardziej szczegółowo

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji Zadae. Zmea losowa (, Y, Z) ma rozkład ormaly z wartoścą oczekwaą E = EY =, EZ = 0 macerzą kowaracj. Oblczyć Var(( Y ) Z). (A) 5 (B) 7 (C) 6 Zadae. Zmee losowe,, K,,K P ( = ) = P( = ) =. Nech S =. Oblcz

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA STATYSTYKA MATEMATYCZNA WYKŁAD ESTYMACJA PUNKTOWA Nech - ezay parametr rozkładu cechy X. Wartość parametru będzemy estymować (przyblżać) a podstawe elemetowej próby. - wyberamy statystykę U o rozkładze

Bardziej szczegółowo

PŁASKA GEOMETRIA MAS. Środek ciężkości figury płaskiej

PŁASKA GEOMETRIA MAS. Środek ciężkości figury płaskiej PŁAKA GEOMETRIA MA Środek cężkośc fgury płaskej Mometam statyczym M x M y fgury płaskej względem os x lub y (rys. 7.1) azywamy gracę algebraczej sumy loczyów elemetarych pól d przez ch odległośc od os,

Bardziej szczegółowo

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1 POPULACJA I PRÓBA POPULACJĄ w statystyce matematyczej azywamy zbór wszystkch elemetów (zdarzeń elemetarych charakteryzujących sę badaą cechą opsywaą zmeą losową. Zbadae całej populacj (przeprowadzee tzw.

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki) Podstawy aalzy epewośc pomarowych (I Pracowa Fzyk) Potr Cygak Zakład Fzyk Naostruktur Naotecholog Istytut Fzyk UJ Pok. 47 Tel. 0-663-5838 e-mal: potr.cygak@uj.edu.pl Potr Cygak 008 Co to jest błąd pomarowy?

Bardziej szczegółowo

5. OPTYMALIZACJA NIELINIOWA

5. OPTYMALIZACJA NIELINIOWA 5. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często, że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też, oprócz lowych zadań decyzyjych, formułujemy także elowe

Bardziej szczegółowo

METODY KOMPUTEROWE 1

METODY KOMPUTEROWE 1 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN MTODA ULRA Mcał PŁOTKOWIAK Adam ŁODYGOWSKI Kosultacje aukowe dr z. Wtold Kąkol Pozań 00/00 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN Metod umercze MN pozwalają a ormułowae matematczc

Bardziej szczegółowo

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10) Tablca Galtoa. Mechaczy model rozkładu ormalego (M) I. Zestaw przyrządów: Tablca Galtoa, komplet kulek sztuk. II. Wykoae pomarów.. Wykoać 8 pomarów, wrzucając kulk pojedyczo.. Uporządkować wyk pomarów,

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ĆWICZENIE 5 TESTY STATYSTYCZNE

ĆWICZENIE 5 TESTY STATYSTYCZNE ĆWICZENIE 5 TESTY STATYSTYCZNE Cel Przedstawee wybraych testów statystyczych zasad wyboru właścwego testu przeprowadzea go oraz terpretac wyów. Wprowadzee teoretycze Testem statystyczym azywamy metodę

Bardziej szczegółowo

Planowanie eksperymentu pomiarowego I

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

Bardziej szczegółowo

Politechnika Poznańska

Politechnika Poznańska Aradusz Atcza Poltecha Pozańsa Wydzał Budowy Maszy Zarządzaa N u m e r y c z e w e r y f o w a e r o z w ą - z a e r ó w a a r u c h u o j e d y m s t o p u s w o b o d y Autor: Aradusz Atcza Promotor:

Bardziej szczegółowo

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

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

Bardziej szczegółowo

. Wtedy E V U jest równa

. Wtedy E V U jest równa Prawdopodobeństwo statystyka 7.0.0r. Zadae Dwuwymarowa zmea losowa Y ma rozkład cągły o gęstośc gdy ( ) 0 y f ( y) 0 w przecwym przypadku. Nech U Y V Y. Wtedy E V U jest rówa 8 7 5 7 8 8 5 Prawdopodobeństwo

Bardziej szczegółowo

Zmiana bazy i macierz przejścia

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

Bardziej szczegółowo

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację. Wrażlwość oblgacj Jedym z czyków ryzyka westowaa w oblgacje jest zmeość rykowych stóp procetowych. Iżyera fasowa dyspouje metodam pozwalającym zabezpeczyć portfel przed egatywym skutkam zma stóp procetowych.

Bardziej szczegółowo

KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny

KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA Adra Kapczyńsk Macej Woly Wprowadzee Rozwój całego spektrum coraz doskoalszych środków formatyczych

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi o tym samym 2 x

będą niezależnymi zmiennymi losowymi o tym samym 2 x Prawdopodobeństwo statystyka 8.0.007 r. Zadae. Nech,,, rozkładze z gęstoścą Oblczyć m E max będą ezależym zmeym losowym o tym samym { },,, { },,, gdy x > f ( x) = x. 0 gdy x 8 8 Prawdopodobeństwo statystyka

Bardziej szczegółowo

3. OPTYMALIZACJA NIELINIOWA

3. OPTYMALIZACJA NIELINIOWA Wybrae zaadea badań operacyjych dr ż. Zbew Tarapata 3. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też oprócz

Bardziej szczegółowo

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym?

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym? Oblczae średej, odchylea tadardowego meday oraz kwartyl w zeregu zczegółowym rozdzelczym? Średa medaa ależą do etymatorów tzw. tedecj cetralej, atomat odchylee tadardowe to etymatorów rozprozea (dyperj)

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona:

Matematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona: Zadae. W kolejych okresach czasu t =, ubezpeczoy, charakteryzujący sę parametrem ryzyka Λ, geeruje N t szkód. Dla daego Λ = λ zmee N, N są warukowo ezależe mają (brzegowe) rozkłady Possoa: k λ Pr( N t

Bardziej szczegółowo

Zastosowanie algorytmu mrówkowego w procesie kalibracji symulacyjnego modelu złożowego

Zastosowanie algorytmu mrówkowego w procesie kalibracji symulacyjnego modelu złożowego NAFTA-GAZ uty 0 ROK LXVIII Potr Łętows Istytut Nafty Gazu, Kraów Zastosowae agorytmu mrówowego w procese abracj symuacyjego modeu złożowego Wstęp Zbudowae efetywych metod oreśaa warygodośc daych oraz tech

Bardziej szczegółowo

Analiza spektralna stóp zwrotu z inwestycji w akcje

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

Bardziej szczegółowo

Równania rekurencyjne

Równania rekurencyjne Rówaa reurecyje Ja stosować do przelczaa obetów obatoryczych? zaleźć zwąze reurecyjy, oblczyć la początowych wartośc, odgadąć ogóly wzór, tóry astępe udowaday stosując ducję ateatyczą. W etórych przypadach,

Bardziej szczegółowo

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki:

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki: Zadae W loter berze udzał 0 osób. Regulam loter faworyzuje te osoby, które w elmacjach osągęły lepsze wyk: Zwycęzca elmacj, azyway graczem r. otrzymuje 0 losów, Osoba, która zajęła druge mejsce w elmacjach,

Bardziej szczegółowo

Badania Maszyn CNC. Nr 2

Badania Maszyn CNC. Nr 2 Poltechka Pozańska Istytut Techolog Mechaczej Laboratorum Badaa Maszy CNC Nr 2 Badae dokładośc pozycjoowaa os obrotowych sterowaych umerycze Opracował: Dr. Wojcech Ptaszy sk Mgr. Krzysztof Netter Pozań,

Bardziej szczegółowo

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą.

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą. Joaa Ceślak, aula Bawej ESTREA FUNCJI ESTREA FUNCJI JEDNEJ ZIENNEJ Otoczeem puktu R jest każdy przedzał postac,+, gdze >. Sąsedztwem puktu jest każdy zbór postac,,+, gdze >. Nech R, : R oraz ech. De. ówmy,

Bardziej szczegółowo

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych

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

Bardziej szczegółowo

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH L.Kowalsk PODSTAWOWE TESTY STATYSTYCZNE TESTY STATYSTYCZNE poteza statystycza to dowole przypuszczee dotyczące rozkładu cechy X. potezy statystycze: -parametrycze dotyczą ezaego parametru, -parametrycze

Bardziej szczegółowo

CYKLICZNY SYSTEM PRODUKCYJNY Z DWUMASZYNOWYMI GNIAZDAMI

CYKLICZNY SYSTEM PRODUKCYJNY Z DWUMASZYNOWYMI GNIAZDAMI CYKLICZNY SYSTEM PRODUKCYJNY Z DWUMASZYNOWYMI GNIAZDAMI Wojcech BOŻEJKO, Potr NADYBSKI, Marusz UCHROŃSKI, Meczysław WODECKI Streszczene: W pracy rozpatrujemy eastyczny system producj cycznej, w tórym operacje

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości Prawdopodobeństwo statystyka 4.0.00 r. Zadae Nech... będą ezależym zmeym losowym z rozkładu o gęstośc θ f ( x) = θ xe gdy x > 0. Estymujemy dodat parametr θ wykorzystując estymator ajwększej warogodośc

Bardziej szczegółowo

Statystyczne charakterystyki liczbowe szeregu

Statystyczne charakterystyki liczbowe szeregu Statystycze charakterystyk lczbowe szeregu Aalzę badaej zmeej moża uzyskać posługując sę parametram opsowym aczej azywaym statystyczym charakterystykam lczbowym szeregu. Sytetycza charakterystyka zborowośc

Bardziej szczegółowo

Bajki kombinatoryczne

Bajki kombinatoryczne Artyuł powstał a podstawe odczytu pod tym samym tytułem, wygłoszoego podczas XXXVI Szoły Matematy Poglądowej Pomysł czy rachue? w Grzegorzewcach, styczeń 006. Baj ombatorycze Joaa JASZUŃSKA, Warszawa Ja

Bardziej szczegółowo

ELEMENTY TEORII MOŻLIWOŚCI

ELEMENTY TEORII MOŻLIWOŚCI ELEMENTY TEORII MOŻLIWOŚCI Opracował: M. Kweselewcz Zadeh (978) wprowadzł pojęce rozkładu możlwośc jako rozmyte ograczee, kóre odzaływuje w sposób elastyczy a wartośc przypsae daej zmeej. Defcja. Nech

Bardziej szczegółowo

R j v tj, j=1. jest czynnikiem dyskontującym odpowiadającym efektywnej stopie oprocentowania i.

R j v tj, j=1. jest czynnikiem dyskontującym odpowiadającym efektywnej stopie oprocentowania i. c 27 Rafał Kucharsk Rety Wartość beżącą cągu kaptałów: {R t R 2 t 2 R t } gdze R jest kwotą omalą płacoą w chwl t = oblczamy jako sumę zdyskotowaych płatośc: przy czym = + R j tj j= jest czykem dyskotującym

Bardziej szczegółowo

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

OBLICZANIE 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 szczegółowo

Podstawy opracowania wyników pomiarowych, analiza błędów

Podstawy opracowania wyników pomiarowych, analiza błędów Podstawy opracowaa wyków pomarowych, aalza błędów I Pracowa Fzycza IF UJ Grzegorz Zuzel Lteratura I Pracowa fzycza Pod redakcją Adrzeja Magery Istytut Fzyk UJ Kraków 2006 Wstęp do aalzy błędu pomarowego

Bardziej szczegółowo

Identyfikacja i ocena ryzyka wykonania planu produkcji w przedsiębiorstwie górniczym

Identyfikacja i ocena ryzyka wykonania planu produkcji w przedsiębiorstwie górniczym Prof. dr hab. ż. HENRYK PRZYBYŁA, dr hab. ż. STANISŁAW KOWALIK Poltecha Śląsa, Glwce Idetyfacja ocea ryzya wyoaa plau producj w przedsęborstwe górczym Artyuł opował prof. dr hab. ż. Adrzej Karbow. Wprowadzee

Bardziej szczegółowo

Miary statystyczne. Katowice 2014

Miary statystyczne. Katowice 2014 Mary statystycze Katowce 04 Podstawowe pojęca Statystyka Populacja próba Cechy zmee Szereg statystycze Wykresy Statystyka Statystyka to auka zajmująca sę loścowym metodam aalzy zjawsk masowych (występujących

Bardziej szczegółowo

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej Podstawy Mary położea wskazują mejsce wartośc ajlepej reprezetującej wszystke welkośc daej zmeej. Mówą o przecętym pozome aalzowaej cechy. Średa arytmetycza suma wartośc zmeej wszystkch jedostek badaej

Bardziej szczegółowo

Podstawy matematyki finansowej i ubezpieczeniowej

Podstawy matematyki finansowej i ubezpieczeniowej Podstawy matematy fasowej ubezpeczeowej oreślea, wzory, przyłady, zadaa z rozwązaam KIELCE 2 SPIS TREŚCI WSTEP... 7 STOPA ZWROTU...... 9 2 RACHUNEK CZASU W MATEMATYCE FINANSOWEJ. 0 2. DOKŁADNA LICZBA DNI

Bardziej szczegółowo

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84 Zadae. Zmea losowa X ma rozkład logarytmczo-ormaly LN (, ), gdze E ( X e X e) 4. Wyzacz. EX (A) 0,9 (B) 0,86 (C),8 (D),95 (E) 0,84 Zadae. Nech X, X,, X0, Y, Y,, Y0 będą ezależym zmeym losowym. Zmee X,

Bardziej szczegółowo

IV. ZMIENNE LOSOWE DWUWYMIAROWE

IV. ZMIENNE LOSOWE DWUWYMIAROWE IV. ZMIENNE LOSOWE DWUWYMIAROWE 4.. Rozkład zmeej losowej dwuwymarowej Defcja 4.. Uporządkowaą parę (X, Y) azywamy zmeą losową dwuwymarową, jeśl każda ze zmeych X Y jest zmeą losową. Defcja 4.. Fukcję

Bardziej szczegółowo

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

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

Bardziej szczegółowo

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości Zadae. Nech Nech (, Y będze dwuwymarową zmeą losową o fukcj gęstośc 4 x + xy gdy x ( 0, y ( 0, f ( x, y = 0 w przecwym przypadku. S = + Y V Y E V S =. =. Wyzacz ( (A 0 (B (C (D (E 8 8 7 7 Zadae. Załóżmy,

Bardziej szczegółowo

SPOŁECZNA AKDAEMIA NAUK W ŁODZI

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

Bardziej szczegółowo

Opracowanie wyników pomiarów

Opracowanie wyników pomiarów Opracowae wków pomarów Praca w laboratorum fzczm polega a wkoau pomarów, ch terpretacj wcagęcem wosków. Ab dojść do właścwch wosków aleŝ szczególą uwagę zwrócć a poprawość wkoaa pomarów mmalzacj błędów

Bardziej szczegółowo

AKADEMIA MORSKA W SZCZECINIE

AKADEMIA MORSKA W SZCZECINIE AKADEMIA MORSKA W SZCZECINIE Istytut Iżyer Ruchu Morskego Zakład Urządzeń Nawgacyjych Istrukcja r 0 Wzory do oblczeń statystyczych w ćwczeach z radoawgacj Szczec 006 Istrukcja r 0: Wzory do oblczeń statystyczych

Bardziej szczegółowo

[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7

[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7 6. Przez 0 losowo wybrayh d merzoo zas dojazdu do pray paa A uzyskują próbkę x,..., x 0. Wyk przedstawały sę astępująo: jest to próbka losowa z rozkładu 0 0 x 300, 944. x Zakładamy, że N ( µ, z ezaym parametram

Bardziej szczegółowo

08 Model planowania sieci dostaw 1Po_2Pr_KT+KM

08 Model planowania sieci dostaw 1Po_2Pr_KT+KM Nr Tytuł: Autor: 08 Model plaowaa sec dostaw 1Po_2Pr_KT+KM Potr SAWICKI Zakład Systeów Trasportowych WIT PP potr.sawck@put.poza.pl potr.sawck.pracowk.put.poza.pl www.facebook.co/potr.sawck.put Przedot:

Bardziej szczegółowo

STATYSTYKA DANYCH SAMOSKORELOWANYCH

STATYSTYKA DANYCH SAMOSKORELOWANYCH Semarum Wydzału u Fzy Iformaty Stosowaej AGH 6 weta 00 STATYSTYKA DANYCH SAMOSKORELOWANYCH Adrzej Zęba Pla:. Wstęp - formalzm stadardowy jego ograczea - matematyczy ops daych samosorelowaych. Teora aaltycza,

Bardziej szczegółowo

PROBLEM PRZEPŁYWOWY Z PRZEZBROJENIAMI ORAZ CIĄGŁĄ PRACĄ MASZYN

PROBLEM PRZEPŁYWOWY Z PRZEZBROJENIAMI ORAZ CIĄGŁĄ PRACĄ MASZYN PROBLEM PRZEPŁYWOWY Z PRZEZBROJENIAMI ORAZ CIĄGŁĄ PRACĄ MASZYN Wojcech BOŻEJKO, Radosław IDZIKOWSKI, Meczysław WODECKI Streszczene: W pracy rozpatrujemy probem przepływowy z przezbrojenam maszyn pomędzy

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8 Stasław Cchock Natala Nehreecka Zajęca 7-8 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartość oczekwaa eocążoość estymatora Waracja

Bardziej szczegółowo

Sprzedaż finalna - sprzedaż dóbr i usług konsumentowi lub firmie, którzy ostatecznie je zużytkują, nie poddając dalszemu przetworzeniu.

Sprzedaż finalna - sprzedaż dóbr i usług konsumentowi lub firmie, którzy ostatecznie je zużytkują, nie poddając dalszemu przetworzeniu. W 1 Rachu maroeoomcze 1. Produ rajowy bruo Sprzedaż fala - sprzedaż dóbr usług osumeow lub frme, órzy osaecze je zużyują, e poddając dalszemu przeworzeu. Sprzedaż pośreda - sprzedaż dóbr usług zaupoych

Bardziej szczegółowo

Podprzestrzenie macierzowe

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

Bardziej szczegółowo

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu METODA RÓŻIC SKOŃCZOYCH (omówee a przykładze rówań lowych) ech ( rówaa różczkowe zwyczaje lowe I-rz.) lub jedo II-rzędu f / / p( x) f / + q( x) f + r( x) a x b, f ( a) α, f ( b) β dea: a satce argumetu

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. dr Michał Silarski

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. dr Michał Silarski PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH dr Mchał larsk I Pracowa Fzycza IF UJ, 9.0.06 Pomar Pomar zacowae wartośc prawdzwej Bezpośred (welkość fzycza merzoa jest

Bardziej szczegółowo

Elementy arytmetyki komputerowej

Elementy arytmetyki komputerowej Elemety arytmetyk komputerowej cz. I Elemety systemów lczbowych /materał pomocczy do wykładu Iformatyka sem II/ Sps treśc. Wprowadzee.... Wstępe uwag o systemach lczbowych... 3. Przegląd wybraych systemów

Bardziej szczegółowo

FUNKCJE DWÓCH ZMIENNYCH

FUNKCJE DWÓCH ZMIENNYCH FUNKCJE DWÓCH MIENNYCH De. JeŜel kaŝdemu puktow (, ) ze zoru E płaszczz XY przporządkujem pewą lczę rzeczwstą z, to mówm, Ŝe a zorze E określoa została ukcja z (, ). Gd zór E e jest wraźe poda, sprawdzam

Bardziej szczegółowo

Portfel złożony z wielu papierów wartościowych

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

Bardziej szczegółowo

STATYKA. Cel statyki. Prof. Edmund Wittbrodt

STATYKA. Cel statyki. Prof. Edmund Wittbrodt STATYKA Cel statyk Celem statyk jest zastąpee dowolego układu sł ym, rówoważym układem sł, w tym układem złożoym z jedej tylko sły jedej pary sł (redukcja do sły mometu główego) lub zbadae waruków, jake

Bardziej szczegółowo

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA Ćwczee 8 TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA 8.. Cel ćwczea Celem ćwczea jest wyzaczee statyczego współczyka tarca pomędzy walcową powerzchą cała a opasującą je lą. Poadto a drodze eksperymetalej

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo 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 szczegółowo

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ 9 Cel ćwczea Ćwczee 9 WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANE PODCZAS ZDERZENIA CIAŁ Celem ćwczea jest wyzaczee wartośc eerg rozpraszaej podczas zderzea cał oraz współczyka restytucj charakteryzującego

Bardziej szczegółowo

Współczynnik korelacji rangowej badanie zależności między preferencjami

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

Bardziej szczegółowo

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA Aaliza iepewości pomiarowych w esperymetach fizyczych Ćwiczeia rachuowe TEST ZGODNOŚCI χ PEARSONA ROZKŁAD GAUSSA UWAGA: Na stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz

Bardziej szczegółowo

STATYSTYKA OPISOWA WYKŁAD 3,4

STATYSTYKA OPISOWA WYKŁAD 3,4 STATYSTYKA OPISOWA WYKŁAD 3,4 5 Szereg rozdzelczy przedzałowy (dae pogrupowae) (stosujemy w przypadku dużej lczby epowtarzających sę daych) Przedzał (w ; w + ) Środek x& Lczebość Lczebość skumulowaa s

Bardziej szczegółowo

Badania operacyjne. Algorytm simpleks. Organizacja zajęć. Zaliczenie. Literatura. Program zajęć

Badania operacyjne. Algorytm simpleks. Organizacja zajęć. Zaliczenie. Literatura. Program zajęć Algorytm smpleks adaa operacyje Wykład adaa operacyje dr hab. ż. Joaa Józefowska, prof.pp Istytut Iformatyk Orgazacja zajęć 5 godz wykładów dr hab. ż. J. Józefowska, prof. PP Obecość a laboratorach jest

Bardziej szczegółowo

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

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

Bardziej szczegółowo

SOWA - ENERGOOSZCZĘDNE OŚWIETLENIE ULICZNE METODYKA

SOWA - ENERGOOSZCZĘDNE OŚWIETLENIE ULICZNE METODYKA Załączk r do Regulamu I kokursu GIS PROGRAM PRIORYTETOWY: SOWA - ENERGOOSZCZĘDNE OŚWIETLENIE ULICZNE METODYKA. Cel opracowaa Celem opracowaa jest spója metodyka oblczaa efektu ograczaa emsj gazów ceplaraych,

Bardziej szczegółowo

FUNKCJE ZMIENNYCH LOSOWYCH. Uwagi o rozkładzie funkcji zmiennej losowej jednowymiarowej.

FUNKCJE ZMIENNYCH LOSOWYCH. Uwagi o rozkładzie funkcji zmiennej losowej jednowymiarowej. L.Kowals Fucje zmeych losowych FUNKCJE ZMIENNYCH LOSOWYCH Uwag o rozładze fucj zmeej losowej jedowymarowej. Jeśl - soowa, o fucj prawdopodobeńswa P( x ) p, g - dowola o fucja prawdopodobeńswa zmeej losowej

Bardziej szczegółowo

ROZKŁADY ZMIENNYCH LOSOWYCH

ROZKŁADY ZMIENNYCH LOSOWYCH ROZKŁADY ZMIENNYCH LOSOWYCH ZMIENNA LOSOWA Defcja. Zmeą losową jest fukcja: X: E -> R która każdemu zdarzeu elemetaremu E przypsuje lczbę rzeczywstą e X ( e) R DYSTRYBUANTA Dystrybuatą zmeej losowej X

Bardziej szczegółowo

UOGÓLNIONA ANALIZA WRAŻLIWOŚCI ZYSKU W PRZEDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW. 1. Wprowadzenie

UOGÓLNIONA ANALIZA WRAŻLIWOŚCI ZYSKU W PRZEDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW. 1. Wprowadzenie B A D A N I A O P E R A C Y J N E I D E C Y J E Nr 2 2007 Aa ĆWIĄKAŁA-MAŁYS*, Woletta NOWAK* UOGÓLNIONA ANALIA WRAŻLIWOŚCI YSKU W PREDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW Przedstawoo ajważejsze elemety

Bardziej szczegółowo

Matematyka dyskretna. 10. Funkcja Möbiusa

Matematyka dyskretna. 10. Funkcja Möbiusa Matematyka dyskreta 10. Fukcja Möbusa Defcja 10.1 Nech (P, ) będze zborem uporządkowaym. Mówmy, że zbór uporządkoway P jest lokale skończoy, jeśl każdy podzał [a, b] P jest skończoy, a, b P Uwaga 10.1

Bardziej szczegółowo

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

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

Bardziej szczegółowo