WYBÓR WARIANTU PRZEDSIĘWZIĘCIA BUDOWLANEGO PRZY ROZMYTYM MODELOWANIU RYZYKA TECHNOLOGICZNO- ORGANIZACYJNEGO
|
|
- Małgorzata Martyna Kurek
- 7 lat temu
- Przeglądów:
Transkrypt
1 THEORETICAL FOUNDATIONS OF CIVIL ENGINEERING Polsh-Ukraa Trasactos Vol. 21, pp , Warsaw 2013 WYBÓR WARIANTU PRZEDSIĘWZIĘCIA BUDOWLANEGO PRZY ROZMYTYM MODELOWANIU RYZYKA TECHNOLOGICZNO- ORGANIZACYJNEGO Nab IBADOV Wydzał żyer Lądowej, Poltechka Warszawska 1. Wstęp W trakce realzacj przedsęwzęć budowlaych stałe mamy do czyea pewym pozomem ryzyka techologczo-orgazacyjego. Wyka to z tego, że dae o warukach realzacj przedsęwzęca budowlaego charakteryzują sę zazwyczaj różym pozomem epewośc. Nawet przedsęwzęce o tej samej welkośc warukach realzacj różą sę. Ryzyko epowodzea poszczególych robót wykające z takch czyków techologczo-orgazacyjych, jak a przykład: - esprzyjające waruk pogodowe, - zła orgazacja robót a budowe, - problemy z dostawą materałów budowlaych, - kwalfkacja robotków, td. Wpływają oe a czas koszt realzacj przedsęwzęć budowlaych. Uwzględee ch wpływów przy wyborze waratów realzacj przedsęwzęć budowlaych jest koecze chcąc dotrzymać umowy koszt czas realzacj. W referace przedstawoy został przykład wyboru waratów realzacj przedsęwzęca budowlaego, gdy pozom ryzyka techologczo-orgazacyjego jest określoy lgwstycze. 2. Przykład Dla przykładu załóżmy, że przedsęborstwo ma możlwośc realzacj kokretej budowy w 5 różych techologach wykoaa. Z techologczego puktu wdzea każdy proces budowlay mus być realzowae w odpowedch warukach techczo-orgazacyjych. Czasy koszty realzacj każdego przedsęwzęca budowlaego w przelczeu a 1m2 daego obektu są określoe w postac kokretych welkośc (tys.zł/1m2 r-g/1m2). Z każdym sposobem realzacj procesów budowlaych zwązae są odpowede ryzyka techologczo-orgazacyje wykające z epewośc waruków realzacj. Zakładamy że przedsęborstwo potraf modelować te ryzyka w postac zmeych lgwstyczych w astępujący sposób: {ske, średe, wysoke} (patrz tab.1). Przy czym poszczególym kryterom przypsae są odpowed wag: {K koszt = bardzo waże, K pr = waże, K r = średo waże }.
2 Proces budowlay Koszt wykoaa 1m 2 [tys. zł/1m 2 ] Tab.1. Krytera wyboru optymalego waratu Pracochłoość Ryzyko techczotechologcze 1m 2 [r-g/1m 2 ] [jedostka lgwstycza] K koszt K pr K r P 1 4,5 1,9 średe P 2 4,6 2,3 ske P 3 4,2 2,0 średe P 4 4,7 1,6 wysoke P 5 4,0 2,7 wysoke Należy podjąć decyzję które przedsęwzęce budowlae wybrać? W tym celu ocee poddao pęć rozwązań: P = {P 1, P 2, P 3, P 4, P 5 } względem kryterów: K(P) = {K koszt, K pr, K r } z odpowedm wagam W={w sr.w., w w., w br.w. }. Zadae polegać będze a osągęcu maksymalej wartośc fukcj Z [1]. ~ ~ w K (x) MAX ~ Z M 1 (1) Rozwązae powyższego zadaa propoujemy przeprowadzć według astępującego schematu postępowaa: 1) przedstawć krytera ocey poszczególych procesów budowlaych w kategorach zborów rozmytych etyketując je astępującym zmeym lgwstyczym ske, średe, wysoke, 2) określć fukcje przyależośc powyższych zmeych, 3) stworzyć reguły rozmyte typu: jeśl U jest A TO V jest B z waga W, 4) agregację poszczególych oce dla częśc reguł typu: Jeżel U jest A TO V jest B, wyrazć rozmytą mplkację AB terpretując jako loczy rozmyty D = A B zborów rozmytych A B. Należy podkreślć, że D jest określoe a loczye kartezjańskm przestrze X Y ma fukcję przyależośc μ D (x, y) = μ A (x) μ B (y), 5) w celu uzyskaa kokretej wartośc zbór D defuzyfkować metodą maksmum fukcj przyależośc: μ D (y * ) = sup μ D (y), yy 6) przy skończoych elemetach ostateczy wyk określć z zastosowaem ogólego wzorem [7]: y ) max{m[ (x), (y)]} [ (x) (y)], (2) ( D, A B A B 7) astępe z otrzymaej wartośc μ D (y ) zależść kokretą wartość y agregować poszczególe wyk po przez y w. 1 Wartośc wag poszczególych kryterów w śwetle teor zborów rozmytych propoujemy określć ważość kryterów ocey według poższego schematu:
3 1) etyketować kryterów z wykorzystaem zmeych lgwstyczych według przypsywaa[6], 2) stworzyć zbór rozmyty powyższych zmeych, 3) w celu uzyskaa kokretej (e rozmytej) wartośc wag defuzyfkować (wyostrzyć) powyższe zbory rozmyte, 4) w celu spełea a ogól staway wagom waruek, że w 1, zormalzować wag według wzoru: j1 j 1 w j w (3) w Zgode z przedstawoą wyżej procedurą postępowaa opsujemy fukcj przyależośc poszczególych kryterów w odpowedch podzborach rozmytych. Kryterum koszty wykoaa {K koszt }. 1 sk śred wysok 0,5 0 3,80 4,10 4,40 4,70 5,0 tys. zł/m 2 Rys.1.Fukcje przyależośc zmeych lgwstyczych kosztu wykoaa Określee wartośc fukcj przyależośc etyketów kosztu wykoaa 1m 2 obektu przedstawa tablca r 2. Tab.2. Określee wartośc fukcj przyależośc kosztu wykoaa dla poszczególych przedsęwzęć budowlaych Procesy Wartośc Oblczee fukcje Etyketa budowlae Decyzja kosztów [zł/1m 2 ] przyależośc P1 d 1 5,0 4,5 śred 4,5 d 1 0, ,4 P2 d 2 5 4,6 śred 4,6 d 2 0, ,4
4 P3 d 3 P4 d 4 P5 d 5 4,2 3,8 4,4 3,8 4,9 4,7 0, 5 4,7 4,4 4,0 0, 4,4 3,8 4,2 d 3 0, 67 4,9 d ,0 d 5 67 śred L wysok ske Kryterum pracochłoośc {K pr. }. 1 ska średa wysoka 0,5 0 1,5 1,875 2,25 2,625 3,0 r-g/m 2 Rys.2. Fukcje przyależośc pracochłoośc wykoaa 1m 2 obektu. Określee wartośc fukcj przyależośc etyketów pracochłoośc wykoaa 1m 2 obektu przedstawa tablca r 3. Tab.3. Określee wartośc fukcj przyależośc pracochłoośc wykoaa dla poszczególych przedsęwzęć budowlaych Procesy Wartośc Oblczee fukcj Etyketa budowlae Decyzja pracochłoo przyależośc śc 1m 2 ścay P1 d 1 1,9 1,9 1,5 średa L d 1 0, 53 2,25 1,5 P2 d 2 2,3 3 2,3 średa P d 2 0, ,25 P3 d 3 2,0 2,0 1,5 średa L d 3 0, 67 2,25 1,5 P4 d 4 1,6 2,25 1,6 ska d 4 0, 87 2,25 1,5 P5 d 5 2,7 2,7 2,25 wysoka d 5 0, 6 3,0 2,25
5 Kryterum ryzyko {K r }. Kryterum ryzyka z uwag a lgwstycze zmee przedstawamy w skal (0,10). 1 ske średe wysoke 0,5 Rys.3. Fukcja przyależośc poszczególych ryzyk. Przy czym podzboru rozmyte zgode z rys. r 3 opsujemy astępujący sposób: ske ryzyko = [1/0,0+0,5/2,5], średo ryzyko = [0,5/2,5 + 1/5 + 0,5/7,5], wysoke ryzyko = [0,5/7,5 + 1/10]. Kokretą wartość kryterum ryzyka dla poszczególych podzborów rozmytych uzyskujemy po defuzyfkacj powyższych zborów rozmytych. Do tego celu używamy astępujący wzór: gdze: r r 1 r (4) r - jest kokretą wartoścą fukcj przyależośc odpowedch wartośc r. Po oblczeu odpowede wartośc poszczególych ryzyk wyoszą: r ske =0,83; r średe =5,0; r wysoke =9,20. Rozmyta ocea poszczególych wartośc kryterów prowadza sę w sposób astępujące: ocea = {ska, średa, wysoka}.rysuek r 4 przedstawa fukcj przyależośc oceń poszczególych kryterów w skal (0,10). r 10 1 ska średa wysoka 0, Rys.4. Fukcja przyależośc zmeych lgwstyczych oceń.
6 Zbór rozmyty ocey składa sę z trzech podzborów rozmytych charakteryzowaych w przez ch wartośc fukcje przyależośc w sposób astępujące: ska = [1; 0,8; 0,6; 0,5]; średa = [0,5; 0,6; 0,8; 1; 0,8; 0,6; 0,5], przy czym ocea średa jest podzeloa a dwe częśc: średa L = [0,5; 0,6; 0,8; 1] oraz średa P = [1; 0,8; 0,6; 0,5], gdze: średa L średa P - charakteryzują aalogcze lewą prawą część ocey średej; wysoka = [0,5; 0,6; 0,8; 1]. Na postawe określoych etyket oblczaych fukcj przyależośc poszczególych kryterów oceń oraz określoych wag możemy wydedukować astępujące reguły oce: Reguły oce kosztów wykoaa R-1: Jeśl koszty są wysoke To ocea jest ska z wagą bardzo ważą, R-2: Jeśl koszty są średe L To ocea jest średa P z wagą bardzo ważą, R-3: Jeśl koszty są średe P To ocea jest średa L z wagą bardzo ważą, R-4: Jeśl koszty są ske To ocea jest wysoka z wagą bardzo ważą, Reguły ocey pracochłoośc wykoaa: R-1. Jeśl pracochłoość jest wysoka To ocea jest ska z wagą ważą, R-2. Jeśl pracochłoość jest średa L To ocea jest średa P z wagą ważą, R-3. Jeśl pracochłoość jest średa P To ocea jest średa L z wagą ważą, R-4. Jeśl pracochłoość jest ska To ocea jest wysoka z wagą ważą, Reguły ocey ryzyka: R-1: Jeśl ryzyko jest wysoke To ocea jest ska z wagą średo ważą, R-2: Jeśl ryzyko jest średe To ocea jest średa z wagą średo ważą, R-4: Jeśl ryzyko jest ske To ocea jest wysoka z wagą średo ważą, Na podstawe powyższych reguł ocea sę poszczególych waratów procesów budowlaych. Mając poszczególe wartośc fukcj przyależośc () oblczamy wartośc oceń (y ) dla poszczególych kryterów a podstawe astępujących wzorów: - dla ocey skej: y 5 (5 0) ; - dla ocey średo L : y (5 0) 0 ; - dla ocey sredo P : y 10 (10 5) ; - dla ocey wysokej: y (10 5) 5. Tabela r 4 przedstawa wartośc poszczególych oce (y ) oblczaych a podstaw wartosc (). Proces budowlay Decyzja Koszt wykoaa 1m 2 [tys. zł/1m 2 ] Tab.4. Oblczoe wartośc (y ). Pracochłoość Ryzyko techczotechologcze 1m 2 [r-g/1m 2 ] K koszt K pr K r P 1 d 1 4,15 7,35 5,0 P 2 d 2 3,35 4,65 9,2 P 3 d 3 6,65 6,65 5,0 P 4 d 4 1,65 9,35 0,8 P 5 d 5 8,35 2,0 0,8
7 Ważość poszczególych kryterów zdefowalśmy jak żej: ważość ={ średo waże, waże, bardzo waże }. W otacj zborów rozmytych Poszczególe ważośc kryterów przedstawają sę jak[11]: mało waże = [0,5/0,1 + 1/0,2 +1/0,3 + 0,5/0,4]; średo waże = [0,5/0,4 + 1/0,5 + 0,5/0,6]; waże = [0,5/0,6 + 1/0,7 + 1/0,8 + 0,5/0,9]; bardzo waże = [0,5/0,9 + 1/1]. Kokretą ważość (wagę) kryterów uzyskujemy po defuzyfkacj powyższych zborów rozmytych. Do tego celu używamy astępujący wzór: w = 1 1 w w w (5) gdze: w - jest kokretą wartoścą fukcj przyależośc odpowedch wartośc wag w. Po oblczeu wartośc wag wyoszoą: w m.w.=0,25, w śr.w. =0,5, w w. =0,75, w b.w. =0,97. Normalzację wag przeprowadzamy za pomocą wzoru (3) dostosowując je do aszej sytuacj: j1 w j w sr.w. w w. w b.w. 0,5 0,75 0,97 2,22 (6) W wyku odlczeń uzyskujemy dla poszczególych wag astępujące wartośc: w śr.w. =0,23, w w. =0,34, w b.w. =0,43. Agregacja oce poszczególych procesów budowlaych dokoujemy według wzoru: d y w 1 (7) Po oblczee poszczególych decyzj wyoszą: d 1 =5,43; d 2 =5,14; d 3 =6,27; d 4 =4,07; d 5 =4,45. Stąd optymaly warat przedsęwzęca zgode z wzorem (1) przy określoych warukach realzacj jest warat P 3 (patrz tab.1). 3. Podsumowae Rozpatrując sytuacje decyzyją w zakrese wykoawstwa budowlaego wdzmy, że procesy budowlae zakłócae są pod wpływem różych czyków. Czyk te mają charakter epewy, eprecyzyje eścsły. I zawsze powstaje problem jak je opsywać? W tym celu zastosowae w tych zagadeach elemetów teor zborów rozmytych ułatwają podejmowaa optymalej decyzj. Kolejym bardzo ważym elemetem jest właścwe wartoścowae (ważee) kryterów wyboru. Należy w tej kwest zarówo wybór kryterów ch wartoścowae dostosować do możlwośc przedsęborstwa zawsze tworzyć swoją preferecję kryterów. Z przedstawoego zadaa moża zauważyć, że według aszej preferecj kryterów oraz sposobu ch wartoścowaa optymalym waratem jest warat trzec (P3-proces budowlay r 3). Natomast wcale te warat patrząc a poszczególe krytera osobo (optymalzacja jedokryterala) e zawsze jest lepszym waratem. Gdyż pozom ryzyka przy tym warace jest śred. Ozacza to, że przy ych wartoścach wag kryterów cąg preferecyjy może wyglądać aczej. Warat r 5 z puktu wdzea kosztu jest ajlepszym
8 waratem, ale z puktu wdzea czasu pozomu ryzyka jest ajgorszy. Z kole z puktu wdzea ryzyka warat drug jest ajlepszym waratem. Natomast z puktu wdzea kosztów jest jedym z gorszych waratów a pracochłoość ma a pozome średm. 4. Lteratura [1] Baas S.M., Kwakeraak H. Ratg ad Rakg of Multple-Aspects Alteratves Usg Fuzzy Sets, Automatca, vol. 13 (1977), pp [2] Flev D.P., Yager R.R.: Learg OWA operator weghts from data, Techkal Report MII-1316C, Mache Itelgece Isttute, Ioa College, 1993, [3] Fuller R., Carlsso C., Fuzzy Multple Crtera Decso Makg. Fuzzy Sets ad Systems, 78(1996), pp [4] Ibadov N., Kulejewsk J. Wykorzystae zborów rozmytych do ocey skuteczośc dostawcy materałów budowlaych w procese logstyczym. Logtras - VIII koferecja aukowo-techcza. Logstyka, Systemy trasportowe, Bezpeczeństwo w trasporce. Str.129, kweta Szczyrk 2011r. [5] Ibadov N.: Wykorzystae teor zborów rozmytych do podejmowaa decyzj w budowctwe, Koferecja aukowo-techcza: Sterowae procesam westycyjym w budowctwe wodym morskm. Szczec-Mędzyzdroje, czerwca 1999 r. [6] Kasprzyk J.: Zbory rozmyte w aalze systemowej, PWN, Warszawa 1986r. [7] Yager R. R., Flev D. P.: Podstawy modelowaa sterowaa rozmytego, WNT, Warszawa 1995 r. [8] Yager R.R.: A geeral approach to crtera aggregato usg fuzzy measures, Iteratoal Joural of Ma- Mache Studes 38, , 1993, [9] Zadeh L.A.: A computatoal approach to fuzzy quatzers atural laguages, Computg ad Mathematcs wth Applcatos 9, , FUZZY MODELING OF TECHNOLOGICAL AND ORGANIZATIONAL RISK ASPECTS FOR THE CHOICE OF THE CONSTRUCTION PROJECT OPTION S u m m a r y Durg the executo phase, costructo projects are costatly exposed to some level of techologcal ad orgazatoal rsk. Ths s due to the fact that costructo projects, eve of the same ature ad sze, ted to have dfferet levels of ucertaty of the codtos of ther executo. The rsk of falure of dvdual works s caused by the techologcal ad orgazatoal factors, such as adverse weather codtos, poor orgazato of the ste, problems wth the supply of buldg materals, workforce sklls, etc. Those factors affect the tme ad cost of costructo projects. Takg to accout ther fluece o the selecto of costructo optos, t s ecessary to meet the cotractual cost ad turaroud tme. The paper presets a example of the selecto of a costructo project whe the level of techologcal ad orgazatoal rsk s defed wth the use of lgustc varables.
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
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
Matematyczny opis ryzyka
Aalza ryzyka kosztowego robót remotowo-budowlaych w warukach epełe formac Mgr ż Mchał Bętkowsk dr ż Adrze Powuk Wydzał Budowctwa Poltechka Śląska w Glwcach MchalBetkowsk@polslpl AdrzePowuk@polslpl Streszczee
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
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
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.
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
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?
Materiały do wykładu 7 ze Statystyki
Materał do wkładu 7 ze Statstk Aalza ZALEŻNOŚCI pomędz CECHAMI (Aalza KORELACJI REGRESJI) korelacj wkres rozrzutu (korelogram) rodzaje zależośc (brak, elowa, lowa) pomar sł zależośc lowej (współczk korelacj
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
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
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
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
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
Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne
Mary położea Średa arytmetycza Klasycze Średa harmocza Średa geometrycza Mary położea e Modala Kwartyl perwszy Pozycyje Medaa (kwartyl drug) Kwatyle Kwartyl trzec Decyle Średa arytmetycza = + +... + 2
Ze względu na sposób zapisu wielkości błędu rozróżnia się błędy bezwzględne i względne.
Katedra Podsta Systemó Techczych - Podstay metrolog - Ćczee 3. Dokładość pomaró, yzaczae błędó pomaroych Stroa:. BŁĘDY POMIAROWE, PODSTAWOWE DEFINICJE Każdy yk pomaru bez określea dokładośc pomaru jest
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
Analiza wyniku finansowego - analiza wstępna
Aalza wyku fasowego - aalza wstępa dr Potr Ls Welkość wyku fasowego determuje: etowość przedsęborstwa Welkość podatku dochodowego Welkość kaptałów własych Welkość dywded 1 Aalza wyku fasowego ma szczególe
Wielokryterialna ocena wybranych rozwiązań konstrukcyjnych ścian w aspekcie odporności ogniowej
KRZEMIŃSKI Mchał KSIĄŻEK Marola NOWAK Paweł ROSŁON Jerzy WIECZOREK Toasz Welokryterala ocea wybraych rozwązań kostrukcyjych śca w aspekce odporośc ogowej WSTĘP Proble wyboru techolog wykoaa oraz zastosowaych
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.
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
GEODEZJA INŻYNIERYJNA SEMESTR 6 STUDIA NIESTACJONARNE
GEODEZJ INŻNIERJN SEMESTR 6 STUDI NIESTCJONRNE CZNNIKI WPŁWJĄCE N GEOMETRIĘ UDNKU/OIEKTU Zmaę geometr budyku mogą powodować m.: czyk atmosferycze, erówomere osadae płyty fudametowej mogące skutkować wychyleem
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,
Zależność kosztów produkcji węgla w kopalni węgla brunatnego Konin od poziomu jego sprzedaży
Gawlk L., Kasztelewcz Z., 2005 Zależość kosztów produkcj węgla w kopal węgla bruatego Ko od pozomu jego sprzedaży. Prace aukowe Istytutu Górctwa Poltechk Wrocławskej r 2. Wyd. Ofcya Wydawcza Poltechk Wrocławskej,
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
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
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
TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego).
TESTY NORMALNOŚCI Test zgodośc Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład ormaly). Hpoteza alteratywa H1( Cecha X populacj e ma rozkładu ormalego). Weryfkacja powyższych hpotez za pomocą tzw. testu
ZARYS METODY OCENY TRWAŁOSCI I NIEZAWODNOSCI OBIEKTU Z UWZGLEDNIENIEM CZYNNIKA LUDZKIEGO I PŁASZCZYZNY LICZB ZESPOLONYCH
Zdzsław IDZIASZEK 1 Mechatrocs ad Avato Faculty Mltary Uversty of Techology, 00-908 Warsaw 49, Kalskego street r zdzaszek@wat.edu.pl Norbert GRZESIK Avato Faculty Polsh Ar Force Academy, 08-51 Dębl, Dywzjou
Wyrażanie niepewności pomiaru
Wyrażae epewośc pomaru Adrzej Kubaczyk Wydzał Fzyk, Poltechka Warszawska Warszawa, 05 Iformacje wstępe Każdy pomar welkośc fzyczej dokoyway jest ze skończoą dokładoścą, co ozacza, że wyk tego pomaru dokoyway
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,
WYBRANE MOŻLIWOŚCI WSPOMAGANIA INWESTYCJI
WYBRANE MOŻLIWOŚCI WSPOMAGANIA INWESTYCJI GIEŁDOWYCH PRZY UŻYCIU ALGORYTMÓW GENETYCZNYCH mgr ż. Marc Klmek Katedra Iformatyk Państwowa Wyższa Szkoła Zawodowa m. Papeża Jaa Pawła II w Bałej Podlaskej Streszczee:
Badania niezawodnościowe i statystyczna analiza ich wyników
Badaa ezawodoścowe statystycza aalza ch wyków. Co to są badaa ezawodoścowe jak sę je przeprowadza?. Metody prezetacj opsu daych pochodzących z eksperymetu 3. Sposoby wyzaczaa rozkładu zmeej losowej a podstawe
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
POLSKA FEDERACJA STOWARZYSZEŃ RZECZOZNAWCÓW MAJĄTKOWYCH POWSZECHNE KRAJOWE ZASADY WYCENY (PKZW) KRAJOWY STANDARD WYCENY SPECJALISTYCZNY NR 4 KSWS 4
POZECHNE KRAJOE ZAADY YCENY (PKZ) KRAJOY TANDARD YCENY PECJALITYCZNY NR 4 K 4 YCENA ŁUŻEBNOŚCI PRZEYŁU I OKREŚLANIE KOTY YNAGRODZENIA ZA BEZUMONE KORZYTANIE Z NIERUCHOMOŚCI PRZY INETYCJACH LINIOYCH 1.
SPRZEDAŻ PONIŻEJ KOSZTU WŁASNEGO W PRZEDSIĘBIORSTWIE WIELOASORTYMENTOWYM
ACTA UNIVERSITATIS WRATISLAVIENSIS No 37 PRZEGLĄD PRAWA I ADMINISTRACJI LXXX WROCŁAW 009 ANNA ĆWIĄKAŁA-MAŁYS WIOLETTA NOWAK Uwersytet Wrocławsk SPRZEDAŻ PONIŻEJ KOSZTU WŁASNEGO W PRZEDSIĘBIORSTWIE WIELOASORTYMENTOWYM
Statystyka Inżynierska
Statystyka Iżyerska dr hab. ż. Jacek Tarasuk AGH, WFIS 013 Wykład 3 DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE, PODSTAWY ESTYMACJI Dwuwymarowa, dyskreta fukcja rozkładu rawdoodobeństwa, Rozkłady brzegowe
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,
Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym
Pomary bezpośrede pośrede obarczoe błędem przypadkowym I. Szacowae wartośc przyblŝoej graczego błędu przypadkowego a przykładze bezpośredego pomaru apęca elem ćwczea jest oszacowae wartośc przyblŝoej graczego
PRZYKŁADOWE TEMATY ZADAŃ PROJEKTOWYCH
PRZYKŁADOWE TEMATY ZADAŃ PROJEKTOWYCH Z PRZEDMIOTU EWOLUCYJNE METODY OPTYMALIZACJI. Rozwązać zadae zadaa załaduku (plecakowego z ograczeam a dopuszczale wymary oraz cężar []: a algorytmem symulowaego wyżarzaa.
System finansowy gospodarki
System fasowy gospodark Zajęca r 7 Krzywa retowośc, zadaa (mat. f.), marża w hadlu, NPV IRR, Ustawa o kredyce kosumeckm, fukcje fasowe Excela Krzywa retowośc (dochodowośc) Yeld Curve Krzywa ta jest grafczym
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:
OPTYMALIZACJA KONSTRUKCJI NADWOZI POJAZDÓW SZYNOWYCH PRZY UśYCIU ALGORYTMÓW MES.
prof. dr hab. Ŝ. Tadeusz Uhl AGH Katedra Robotyk Dyamk Maszy prof. dr hab. Ŝ. Adrzej Chudzkewcz PW Wydzał Trasportu mgr Ŝ. Ireeusz Łuczak EC Egeerg mgr Ŝ. Grzegorz Lasko AGH Katedra Robotyk Dyamk Maszy
opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn
ROZKŁAD PRAWDOPODBIEŃSTWA WIELU ZMIENNYCH LOSOWYCH W przpadku gd mam do czea z zmem losowm możem prawdopodobeństwo, ż przjmą oe wartośc,,, opsać welowmarową fukcją rozkładu gęstośc prawdopodobeństwa f(,,,.
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
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
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
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
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
BQR FMECA/FMEA. czujnik DI CPU DO zawór. Rys. 1. Schemat rozpatrywanego systemu zabezpieczeniowego PE
BQR FMECA/FMEA Przed rozpoczęcem aalzy ależy przeprowadzć dekompozycję systemu a podsystemy elemety. W efekce dekompozycj uzyskuje sę klka pozomów: pozom systemu, pozomy podsystemów oraz pozom elemetów.
Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu
DYNAMICZNE MODELE EKONOMERYCZNE X Ogólopolske Semarum Naukowe, 4 6 wrześa 2007 w oruu Katedra Ekoometr Statystyk, Uwersytet Mkołaja Koperka w oruu Moka Jezorska - Pąpka Uwersytet Mkołaja Koperka w oruu
05 Klasyfikacja modeli planowania sieci dostaw Model: 1Po_1Pr_KT
Nr Tytuł: Autor: 05 Klasyfkacja odel plaowaa sec dostaw Model: 1Po_1Pr_KT Potr SAWICKI Zakład Systeów Trasportowych WIT PP potr.sawck@put.poza.pl potr.sawck.pracowk.put.poza.pl www.facebook.co/potr.sawck.put
INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe.
INSTRUKCJA LABORATORIUM Metrologa techcza sstem pomarowe. MTSP pomar MTSP 00 Autor: dr ż. Potr Wcślok Stroa / 5 Cel Celem ćwczea jest wkorzstae w praktce pojęć: mezurad, estmata, błąd pomaru, wk pomaru,
Metoda Monte-Carlo i inne zagadnienia 1
Metoda Mote-Carlo e zagadea Metoda Mote-Carlo Są przypadk kedy zamast wykoać jakś eksperymet chcelbyśmy symulować jego wyk używając komputera geeratora lczb (pseudolosowych. Wększość bblotek programów
1. Relacja preferencji
dr Mchał Koopczyńsk EKONOMIA MATEMATYCZNA Wykłady, 2, 3 (a podstawe skryptu r 65) Relaca preferec koszyk towarów: przestrzeń towarów: R + = { x R x 0} x = ( x,, x ) X X R+ x 0 x 0 =, 2,, x~y xf y x y x
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
Portfel. Portfel pytania. Portfel pytania. Analiza i Zarządzanie Portfelem cz. 2. Katedra Inwestycji Finansowych i Zarządzania Ryzykiem
Katedra Ietycj Faoych Zarządzaa yzykem Aalza Zarządzae Portfelem cz. Dr Katarzya Kuzak Co to jet portfel? Portfel grupa aktyó (trumetó faoych, aktyó rzeczoych), które zotały yelekcjooae, którym ależy zarządzać
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
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
FINANSE II. Model jednowskaźnikowy Sharpe a.
ODELE RYNKU KAPITAŁOWEGO odel jedowskaźkowy Sharpe a. odel ryku kaptałowego - CAP (Captal Asset Prcg odel odel wycey aktywów kaptałowych). odel APT (Arbtrage Prcg Theory Teora artrażu ceowego). odel jedowskaźkowy
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
Analiza danych pomiarowych
Materały pomoccze dla studetów Wydzału Chem UW Opracowała Ageszka Korgul. Aalza daych pomarowych wersja trzeca, uzupełoa Lteratura, Wstęp 3 R OZDZIAŁ SPRAWOZDANIE Z DOŚWIADCZENIA FIZYCZNEGO 4 Stałe elemety
Wnioskowanie statystyczne dla korelacji i regresji.
STATYSTYKA MATEMATYCZNA WYKŁAD 6 Woskowae statstcze dla korelacj regresj. Aalza korelacj Założee: zmea losowa dwuwmarowa X, Y) ma rozkład ormal o współczku korelacj ρ. X, Y cech adae rówocześe. X X X...
POLSKA FEDERACJA STOWARZYSZEŃ RZECZOZNAWCÓW MAJĄTKOWYCH POWSZECHNE KRAJOWE ZASADY WYCENY (PKZW) KRAJOWY STANDARD WYCENY SPECJALISTYCZNY NR 4 KSWS 4
POZECHNE KRAJOE ZAADY YCENY (PKZ) KRAJOY TANDARD YCENY PECJALITYCZNY NR 4 K 4 INETYCJE LINIOE - ŁUŻEBNOŚĆ PRZEYŁU I BEZUMONE KORZYTANIE Z NIERUCHOMOŚCI 1. PROADZENIE 1.1. Nejszy stadard przedstawa reguły
. 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
Stanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy
Wyznaczanie oporu naczyniowego kapilary w przepływie laminarnym.
Wyzaczae oporu aczyowego kaplary w przepływe lamarym. I. Przebeg ćwczea. 1. Zamkąć zawór odcający przewody elastycze a astępe otworzyć zawór otwerający dopływ wody do przewodu kaplarego. 2. Ustawć zawór
( 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,
Lekcja 1. Pojęcia podstawowe: Zbiorowość generalna i zbiorowość próbna
TECHNIKUM ZESPÓŁ SZKÓŁ w KRZEPICACH PRACOWNIA EKONOMICZNA TEORIA ZADANIA dla klasy II Techkum Marek Kmeck Zespół Szkół Techkum w Krzepcach Wprowadzee do statystyk Lekcja Statystyka - określa zbór formacj
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,
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
Olejowe śrubowe sprężarki powietrza. Seria R55-75kW
Olejowe śrubowe sprężark powetrza Sera R55-75kW Nowy pozom ezawodośc, efektywośc wydajośc Śrubowe sprężark powetrza ser R frmy Igersoll Rad to połączee ajlepszych, sprawdzoych kostrukcj techolog z owym,
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
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
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
Statystyka. Katarzyna Chudy Laskowska
Statstka Katarza Chud Laskowska http://kc.sd.prz.edu.pl/ Aalza korelacj umożlwa stwerdzee wstępowaa zależośc oraz oceę jej atężea ZALEŻNOŚCI pomędz CECHAMI: CECHY: ILOŚCIOWA ILOŚCIOWA CECHY: JAKOŚCIOWA
STATYSTYKA MATEMATYCZNA WYKŁAD 1. Wiadomości wstępne
TATYTYKA MATEMATYCZNA WYKŁAD Wadomośc wstępe tatystyka to dyscypla aukowa, której zadaem jest wykrywae, aalza ops prawdłowośc występujących w procesach masowych. Populacja to zborowość podlegająca badau
06 Model planowania sieci dostaw 1Po_1Pr_KT+KM
Nr Tytuł: Autor: 06 Model plaowaa sec dostaw 1Po_1Pr_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:
Wiek statku a prawdopodobieństwo wystąpienia wypadku na morzu analiza współzależności
BOGALECKA Magda 1 Wek statku a prawdopodobeństwo wstąpea wpadku a morzu aalza współzależośc WSTĘP Obserwowa od blsko weku tesw rozwój trasportu morskego, oprócz lądowego powetrzego, jest kosekwecją wzmożoej
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
Stanisław 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
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
Statystyka Opisowa 2014 część 3. Katarzyna Lubnauer
Statystyka Opsowa 014 część 3 Katarzya Lubauer Lteratura: 1. Statystyka w Zarządzau Admr D. Aczel. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucja Kowalsk. 4. Statystyka opsowa, Meczysław
Ryzyko inwestycji w spółki sektora TSL na Warszawskiej Giełdzie Papierów Wartościowych
CZYŻYCKI Rafał 1 PURCZYŃSKI Ja Ryzyko westycj w spółk sektora TSL a Warszawskej Gełdze Paperów Wartoścowych WSTĘP Elemetem erozerwale zwązaym z dzałaloścą westorów a całym ryku kaptałowym jest epewość
Modelowanie i Analiza Danych Przestrzennych
Modelowae Aalza Daych Przestrzeych Wykład 8 Adrze Leśak Katedra Geoformatyk Iformatyk Stosowae Akadema Górczo-Hutcza w Krakowe Jaką postać ma warogram daych z tredem? Moża o wylczyć teoretycze prostego
WSTĘP METODY OPRACOWANIA I ANALIZY WYNIKÓW POMIARÓW
WSTĘP METODY OPRACOWANIA I ANALIZY WYNIKÓW POMIARÓW U podstaw wszystkch auk przyrodczych leży zasada: sprawdzaem wszelkej wedzy jest eksperymet, tz jedyą marą prawdy aukowej jest dośwadczee Fzyka, to auka
Projekt 3 Analiza masowa
Wydzał Mechaczy Eergetyk Lotctwa Poltechk Warszawskej - Zakład Saolotów Śgłowców Projekt 3 Aalza asowa Nejszy projekt składa sę z dwóch częśc. Perwsza polega projekce wstępy wętrza kaby (kadłuba). Druga
Agenda. Politechnika Poznańska WMRiT ZST. Piotr Sawicki Optymalizacja w transporcie 1. Kluczowe elementy wykładu
Poltechka Pozańska WMRT ZST Tytuł: 05 Lokalzaca obektów. Model PoPr Zastosowae prograowaa lowego Autor: Potr SAWICKI Zakład Systeów Trasportowych WMRT PP potr.sawck@put.poza.pl www.put.poza.pl/~potr.sawck
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
ρ (6) przy czym ρ ij to współczynnik korelacji, wyznaczany na podstawie następującej formuły: (7)
PROCES ZARZĄDZANIA PORTFELEM PAPIERÓW WARTOŚCIOWYCH WSPOMAGANY PRZEZ ŚRODOWISKO AUTOMATÓW KOMÓRKOWYCH Ageszka ULFIK Streszczee: W pracy przedstawoo sposób zarządzaa portfelem paperów wartoścowych wspomagay
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
Przestrzenno-czasowe zróżnicowanie stopnia wykorzystania technologii informacyjno- -telekomunikacyjnych w przedsiębiorstwach
dr ż. Jolata Wojar Zakład Metod Iloścowych, Wydzał Ekoom Uwersytet Rzeszowsk Przestrzeo-czasowe zróżcowae stopa wykorzystaa techolog formacyjo- -telekomukacyjych w przedsęborstwach WPROWADZENIE W czasach,
METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.
Opracowane: Dorota Mszczyńska METODA UNITARYZACJI ZEROWANEJ Porównane obektów przy ocene welokryteralnej. Rankng obektów. Porównane wybranych obektów (warantów decyzyjnych) ze względu na różne cechy (krytera)
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
PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH
PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I Pracowa IF UJ Luy 03 PODRĘCZNIKI Wsęp do aalzy błędu pomarowego Joh R. Taylor Wydawcwo Naukowe PWN Warszawa 999 I Pracowa
Niezawodność. systemów nienaprawialnych. 1. Analiza systemów w nienaprawialnych. 2. System nienaprawialny przykładowe
Nezawoość sysemów eaprawalych. Aalza sysemów w eaprawalych. Sysemy eaprawale - przykłaowe srukury ezawooścowe 3. Sysemy eaprawale - przykłay aalzy. Aalza sysemów w eaprawalych Sysem eaprawaly jes o sysem
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
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,
METODY ANALIZY DANYCH DOŚWIADCZALNYCH
POLITECHNIKA Ł ÓDZKA TOMASZ W. WOJTATOWICZ METODY ANALIZY DANYCH DOŚWIADCZALNYCH Wybrae zagadea ŁÓDŹ 998 Przedsłowe Specyfką teor pomarów jest jej wtóry charakter w stosuku do metod badawczych stosowaych
WYKORZYSTANIE IDEI AUTOMATYCZNEGO GENEROWANIA POWIERZCHNI INDYFERENCJI DO BUDOWY SYSTEMU OCENY OFERT NEGOCJACYJNYCH W SYSTEMIE WSPOMAGANIA NEGOCJACJI
Jakub Brzostowsk Poltechka Śląska Tomasz Wachowcz Uwersytet Ekoomczy w Katowcach WYKORZYSTANIE IDEI AUTOMATYCZNEGO GENEROWANIA POWIERZCHNI INDYFERENCJI DO BUDOWY SYSTEMU OCENY OFERT NEGOCJACYJNYCH W SYSTEMIE