WYBÓR WARIANTU PRZEDSIĘWZIĘCIA BUDOWLANEGO PRZY ROZMYTYM MODELOWANIU RYZYKA TECHNOLOGICZNO- ORGANIZACYJNEGO

Wielkość: px
Rozpocząć pokaz od strony:

Download "WYBÓR WARIANTU PRZEDSIĘWZIĘCIA BUDOWLANEGO PRZY ROZMYTYM MODELOWANIU RYZYKA TECHNOLOGICZNO- ORGANIZACYJNEGO"

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

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

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

Matematyczny opis ryzyka

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

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

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

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

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

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

Materiały do wykładu 7 ze Statystyki

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

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

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

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

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

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

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne

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

Bardziej szczegółowo

Ze względu na sposób zapisu wielkości błędu rozróżnia się błędy bezwzględne i względne.

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

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

Analiza wyniku finansowego - analiza wstępna

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

Bardziej szczegółowo

Wielokryterialna ocena wybranych rozwiązań konstrukcyjnych ścian w aspekcie odporności ogniowej

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

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

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

GEODEZJA INŻYNIERYJNA SEMESTR 6 STUDIA NIESTACJONARNE

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

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

Zależność kosztów produkcji węgla w kopalni węgla brunatnego Konin od poziomu jego sprzedaży

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,

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

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

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

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego).

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

Bardziej szczegółowo

ZARYS METODY OCENY TRWAŁOSCI I NIEZAWODNOSCI OBIEKTU Z UWZGLEDNIENIEM CZYNNIKA LUDZKIEGO I PŁASZCZYZNY LICZB ZESPOLONYCH

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

Bardziej szczegółowo

Wyrażanie niepewności pomiaru

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

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

WYBRANE MOŻLIWOŚCI WSPOMAGANIA INWESTYCJI

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:

Bardziej szczegółowo

Badania niezawodnościowe i statystyczna analiza ich wyników

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

Bardziej szczegółowo

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

POLSKA FEDERACJA STOWARZYSZEŃ RZECZOZNAWCÓW MAJĄTKOWYCH POWSZECHNE KRAJOWE ZASADY WYCENY (PKZW) KRAJOWY STANDARD WYCENY SPECJALISTYCZNY NR 4 KSWS 4

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.

Bardziej szczegółowo

SPRZEDAŻ PONIŻEJ KOSZTU WŁASNEGO W PRZEDSIĘBIORSTWIE WIELOASORTYMENTOWYM

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

Bardziej szczegółowo

Statystyka Inżynierska

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

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

Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym

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

Bardziej szczegółowo

PRZYKŁADOWE TEMATY ZADAŃ PROJEKTOWYCH

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.

Bardziej szczegółowo

System finansowy gospodarki

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

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

OPTYMALIZACJA KONSTRUKCJI NADWOZI POJAZDÓW SZYNOWYCH PRZY UśYCIU ALGORYTMÓW MES.

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

Bardziej szczegółowo

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn

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(,,,.

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

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

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

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

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

BQR FMECA/FMEA. czujnik DI CPU DO zawór. Rys. 1. Schemat rozpatrywanego systemu zabezpieczeniowego PE

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.

Bardziej szczegółowo

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu

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

Bardziej szczegółowo

05 Klasyfikacja modeli planowania sieci dostaw Model: 1Po_1Pr_KT

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

Bardziej szczegółowo

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe.

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,

Bardziej szczegółowo

Metoda Monte-Carlo i inne zagadnienia 1

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

Bardziej szczegółowo

1. Relacja preferencji

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

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

Portfel. Portfel pytania. Portfel pytania. Analiza i Zarządzanie Portfelem cz. 2. Katedra Inwestycji Finansowych i Zarządzania Ryzykiem

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

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

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

FINANSE II. Model jednowskaźnikowy Sharpe a.

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

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

Analiza danych pomiarowych

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

Bardziej szczegółowo

Wnioskowanie statystyczne dla korelacji i regresji.

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...

Bardziej szczegółowo

POLSKA FEDERACJA STOWARZYSZEŃ RZECZOZNAWCÓW MAJĄTKOWYCH POWSZECHNE KRAJOWE ZASADY WYCENY (PKZW) KRAJOWY STANDARD WYCENY SPECJALISTYCZNY NR 4 KSWS 4

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

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

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

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

Bardziej szczegółowo

Wyznaczanie oporu naczyniowego kapilary w przepływie laminarnym.

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

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

Lekcja 1. Pojęcia podstawowe: Zbiorowość generalna i zbiorowość próbna

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

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. } 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

Olejowe śrubowe sprężarki powietrza. Seria R55-75kW

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,

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

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

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

Statystyka. Katarzyna Chudy Laskowska

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

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 1. Wiadomości wstępne

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

Bardziej szczegółowo

06 Model planowania sieci dostaw 1Po_1Pr_KT+KM

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:

Bardziej szczegółowo

Wiek statku a prawdopodobieństwo wystąpienia wypadku na morzu analiza współzależności

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

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

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

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

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

Statystyka Opisowa 2014 część 3. Katarzyna Lubnauer

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

Bardziej szczegółowo

Ryzyko inwestycji w spółki sektora TSL na Warszawskiej Giełdzie Papierów Wartościowych

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

Bardziej szczegółowo

Modelowanie i Analiza Danych Przestrzennych

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

Bardziej szczegółowo

WSTĘP METODY OPRACOWANIA I ANALIZY WYNIKÓW POMIARÓW

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

Bardziej szczegółowo

Projekt 3 Analiza masowa

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

Bardziej szczegółowo

Agenda. Politechnika Poznańska WMRiT ZST. Piotr Sawicki Optymalizacja w transporcie 1. Kluczowe elementy wykładu

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

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

ρ (6) przy czym ρ ij to współczynnik korelacji, wyznaczany na podstawie następującej formuły: (7)

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

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

Przestrzenno-czasowe zróżnicowanie stopnia wykorzystania technologii informacyjno- -telekomunikacyjnych w przedsiębiorstwach

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,

Bardziej szczegółowo

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.

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)

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

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

Bardziej szczegółowo

Niezawodność. systemów nienaprawialnych. 1. Analiza systemów w nienaprawialnych. 2. System nienaprawialny przykładowe

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

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

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

METODY ANALIZY DANYCH DOŚWIADCZALNYCH

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

Bardziej szczegółowo

WYKORZYSTANIE IDEI AUTOMATYCZNEGO GENEROWANIA POWIERZCHNI INDYFERENCJI DO BUDOWY SYSTEMU OCENY OFERT NEGOCJACYJNYCH W SYSTEMIE WSPOMAGANIA NEGOCJACJI

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

Bardziej szczegółowo