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

Wielkość: px
Rozpocząć pokaz od strony:

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

Transkrypt

1 Jakub Brzostowsk Poltechka Śląska Tomasz Wachowcz Uwersytet Ekoomczy w Katowcach WYKORZYSTANIE IDEI AUTOMATYCZNEGO GENEROWANIA POWIERZCHNI INDYFERENCJI DO BUDOWY SYSTEMU OCENY OFERT NEGOCJACYJNYCH W SYSTEMIE WSPOMAGANIA NEGOCJACJI NegoMaage Wprowadzee W procese welokryteralego podejmowaa decyzj decydet staje przed bardzo trudym problemem porówywaa waratów decyzyjych opsaych pewą lczbą kryterów, które zwykle pozostają ze sobą w koflkce. Koflkt mędzy kryteram sprawa, że zazwyczaj polepszee wartośc pozomu realzacj jedego kryterum odbywa sę kosztem pogorszea pozomów realzacj ych kryterów. Uchwycee tych zależośc oraz wycea różc w pozomach realzacj poszczególych kwest e są sprawą prostą, stąd też w aalze takch problemów decydeta ejedokrote stosuje sę formale metody modele podejmowaa decyzj. Isteje wele metod welokryteralego wspomagaa decyzj, różących sę założeam, ograczeam czy też metodologą aalzy preferecj. Wśród metod tych moża wyróżć p. MAUT Mult Attrbute Utlty Theory [Keeey Raffa 976], AHP [Saaty 980], metody sytetyczego przewyższaa ELECTRE [Roy 968], PROMETHE [Bras 98], czy metody operające sę a statystyczym pomarze odległośc, jak TOPSIS [Hwag Yoo 98] czy VIKOR [por. Oprcovc Tzeg 004].

2 3 Jakub Brzostowsk, Tomasz Wachowcz Metoda AHP opera sę a dekompozycj wyjścowego problemu decyzyjego a elemety składowe oraz welokrotym porówau wszystkch tych elemetów param. W ajprostszym przypadku dekompoujemy problem poprzez osobą specyfkację kryterów ocey, które muszą zostać porówae param w celu wyzaczea ch wag stotośc oraz waratów decyzyjych, które są porówywae param ze względu a każde z kryterów ocey z osoba, w celu wyzaczea ch rakgów jedokryteralych. Następe AHP dokouje agregacj tych wyków wyzacza globaly wektor skal odzwercedlający rakg waratów. Metoda ta, choć powszeche stosowaa, ma poważą wadę, zmusza bowem decydeta do dokoywaa ocey welu par elemetów procesu decyzyjego, co w dużych problemach decyzyjych może być kłopotlwe, ucążlwe skutkować brakem spójośc ocey. Metody wywodzące z MAUT, jak proste modele lowe, sprowadzają sę do wyzaczea systemu scorgowego, w ramach którego decydet określa wag kryterów oraz użyteczośc każdego pozomu realzacj opcj tych kryterów. Do oblczea scorgu waratu trzeba oblczyć średą ważoą pozomów realzacj wszystkch kryterów, gdze wartość opcj każdego kryterum jest wyzaczaa z jedokryteralej fukcj użyteczośc uprzedo skostruowaej dla każdego kryterum z osoba. Choć proste, metody operające sę a MAUT wymagają od decydeta arbtralego przypsaa oce do opcj, co e jest tucyje wymaga uprzedego przygotowaa matematyczego. Metody z klasy ELECTRE oraz PROMETHE operają sę a kocepcj przewyższea. W metodach tych określa sę pozom przewyższea jedego waratu przez drug dzęk badau różc w pozomach realzacj poszczególych waratów. Po określeu pozomu przewyższea p. za pomocą pewych predefowaych fukcj preferecj por. PROMETHEE dla każdej pary waratów, te pozomy są agregowae, aby stworzyć częścowy lub peły rakg rozpatrywaych waratów. Metody AHP, ELECTRE oraz PROMETHE kostruują rakg dla z góry daych zborów waratów e budują systemu scorgowego. Operając sę a de porówań param, metody te są bardzo wrażlwe a postać predefowaego zboru waratów decyzyjych przy ajdrobejszych jego zmaach mogą skutkować odwróceem rakgu [por. De Keyser Peeters 996]. Metody TOPSIS VIKOR wymagają z kole od decydeta zdecydowae ajmejszej gerecj w procedurę oblczeową. W wyzaczau rakgu waratów operują oe pewym systemem puktów referecyjych oraz statystyczą deą pomaru odległośc mędzy waratam a puktam referecyjym. Kotrowersyjy a ogół jest jedak dobór wykorzystywaej metryk bądź mary odległośc, która zastępuje tutaj fukcję

3 Wykorzystae de automatyczego geerowaa powerzch dyferecj 33 ocey preferecj decydeta, a która może determować rakg uzyskay w wyku zastosowaa metody. Ne tylko oa może wpływać a uporządkowae waratów decyzyjych, gdyż podoby efekt ma wybór stosowaej formuły ormalzacj zmeych, wymagay we wcześejszych krokach algorytmu oblczeowego tych metod. Wybór właścwej dla daego zagadea metody welokryteralego podejmowaa decyzj e jest węc sprawą prostą. Sytuacja wspomagaa egocjacj, w szczególośc zaś budowy systemu ocey ofert egocjacyjych, ma róweż swoją specyfkę. W faze preegocjacyjej egocjatorzy przygotowują sę do procesu egocjacyjego, defując w sposób mej lub bardzej sformalzoway przestrzeń egocjacyją, co pozwala w jakmś stopu określć zbór kwest egocjacyjych oraz potecjalych zakresów zmeośc pozomów realzacj tych kwest [por. Lewck et al. 999]. Formale, warat egocjacyjy może być opsay zestawem pewych cech, co pozwala a zapsae takego waratu w postac wektora: k a = a, a, K a k D. W faze strukturyzacj problemu egocjatorzy muszą atomast wydzelć zestaw kwest, które podlegają egocjacjom. Warat jest węc odwzorowyway w przestrzeń kwest, która zwykle będze przedzałem k lczbowym: g : D [ c, d ] g a [ c, d ] gdze g jest fukcją przekształcającą warat w pozom realzacj -tej kwest egocjacyjej. Oferty propoowae przez stroy w toku egocjacj będą właśe pochodzć z tak zdefowaego zboru waratów. W zwązku z tym egocjatorzy oczekują, ż wykem aalzy ch preferecj będze kostruoway formale system ocey ofert egocjacyjych, a węc z puktu wdzea teor decyzj pewe system scorgowy. Klasycze algorytmy metody porówywaa param oraz TOPSIS VIKOR geerują jedye rakg waratów decyzyjych, dlatego też e zajdą tutaj zastosowaa. Jedye klasycza metoda MAUT pozwala a wygeerowae takego scorgu. Wymaga oa jedak od decydeta określea wag dla wszystkch kryterów ocey w kotekśce egocjacj rozumaych jako kweste egocjacyje oraz arbtralego oceaa zdekompoowaych elemetów problemu decyzyjego. W probleme egocjacyjym taka sytuacja e jest pożądaa, gdyż zbory potecjalych ofert, choć skończoe, mogą być eprzelczale duże, co czy proces defowaa oce chocażby jedye wybraych opcj stotych, czasochłoym ucążlwym, o le e z puktu wdzea praktyk zastosowaa ewykoalym. We wcześejszej pracy Autorów [Brzostowsk Wachowcz 0a], przedstawającej badaa ad aalzą preferecj w egocjacjach, omówoo sposób geerowaa systemu scorgowego ofert egocjacyjych, który a

4 34 Jakub Brzostowsk, Tomasz Wachowcz etape aalzy preferecj pozwala a wyelmowae koeczośc ważea kryterów ocey oraz a ocey pojedyczych opcj składowych tych ofert. Podejśce to zalazło zastosowae w systeme wspomagaa egocjacj NegoMaage [Brzostowsk Wachowcz 009]. W zapropoowaej metodze decydet kostruuje system scorgowy poprzez określee zborów waratów rówoważych dyferetych oraz przypsae tymże zborom pozomów użyteczośc poprzez operowae oceą jakoścową z predefowaej skal lgwstyczej. Zestaw tak określoych zborów waratów dyferetych wraz z przypsaym do ch użyteczoścam składa sę a system scorgowy ofert egocacyjych, który astępe może być wykorzystay w trakce egocjacj właścwych do ocey propozycj przedstawaych przez stroy. System Nego- Maage buduje ad każdym zborem waratów dyferetych rozkład prawdopodobeństwa w tak sposób, aby dla dowolego waratu moża było określć prawdopodobeństwo przyależośc tego waratu do daej warstwy zboru waratów dyferetych. W metodze aalzy preferecj systemu NegoMaage rozróżoo dwe czyośc o zgoła odmeym charakterze, maowce: proces kostrukcj systemu scorgowego, jako określee zboru warstw z przypsaem do ch użyteczośc oraz proces ocey waratu w trakce egocjacj właścwych. Ocea waratu odbywa sę poprzez oblczee prawdopodobeństw przyależośc waratu do wszystkch predefowaych wcześej przez egocjatora warstw oblczea splotu tychże prawdopodobeństw z użyteczoścam przypsaym do warstw. Jest to etap kalkulacj, realzoway automatycze e wymaga jakejkolwek terwecj ze stroy egocjatora. Proces kostrukcj systemu scorgowego wymaga jedakże już zaagażowaa ze stroy decydeta, koecze jest bowem zdefowae, a podstawe subektywych prześwadczeń, zborów waratów dyferetych. Im węcej tych zborów przykładów waratów opsujących te zbory, tym bardzej precyzyjy adekwate opsujący preferecje egocjatora system ocey otrzymamy. W ejszej pracy zostae przedstawoa propozycja automatyczej kostrukcj zborów waratów dyferetych a potrzeby systemu ocey ofert egocjacyjych, operająca sę a kocepcj przedstawoej przez Keeey a Raffę [976]. W kolejych częścach pracy zostaą przedstawoe podstawowe elemety teor zwązae z metodologczym uzasadeem wykorzystaa de powerzch dyferecj do wspomagaa egocjacj. W częśc perwszej zostae omówoy waruek odpowedośc współczyków trade-off, co pozwol późej wykorzystując skalowae cojot formale przedstawć algorytm geerowaa krzywych dyferecj. W dalszych częścach pracy dokoao uogóleń procedury a trzy lub wększą lczbę kwest egocjacyjych.

5 Wykorzystae de automatyczego geerowaa powerzch dyferecj 35 W ostatej sekcj, a przykładze systemu NegoMaage, zostae przedstawoa kompleta procedura budowy systemu ocey ofert egocjacyjych wykorzystujących komplety mechazm formaly omówoy we wcześejszych częścach pracy.. Waruek odpowedośc współczyków trade-off addytywa fukcja użyteczośc Jedym z stotych elemetów zwązaych z geerowaem powerzch czy zborów dyferecj jest zagadee aalzy trade-off terpretacj współczyków trade-off. W aalze preferecj współczyk te defują relacje mędzy zmeającym sę wartoścam pozomów realzacj pewych kryterów ocey. Dzęk ch określeu decydet jest śwadomy tego, w jak sposób słabe pozomy realzacj ektórych kwest mogą zostać zrekompesowae przez wyższe lepsze, bardzej preferowae opcje ych kryterów. W tej częśc pracy zostae przytoczoa kocepcja waruku odpowedośc współczyków trade-off Keeey ego Raffy [976]. Waruek te ma zastosowae w automatyczym geerowau zboru waratów erozróżalych dyferetych a podstawe kocepcj waratów margalych. Warat margaly jest waratem, w którym pozomy realzacj wszystkch kwest przyjmują wartośc rezerwacj tj. ajgorsze pozomy realzacj tej kwest akceptowae przez decydeta 3 poza jedą kwestą, której pozom realzacj jest róży od pozomu rezerwacj. Wartość -tej kwest X ależy do zboru pozomów rozdzelczośc ograczoego pozomem rezerwacj oraz pozomem aspracj: X = [ l, r ] R. Warat jest atomast reprezetoway przez elemet ze zboru = X gdze jest lczbą rozpatrywaych kwest. Aalzę odpowedośc współczyków trade-off przeprowadzmy a prostym przykładze. Rozważmy cztery pukty w przestrze waratów decyzyjych, opsae dwoma kwestam egocjacyjym X Y, tj. A x, y, B x, y, C x, y, D x, y, przedstawoe a rys.. Współczyk te są róweż zwae współczykam wymay lub kompesacj, lub stopam zastąpea. Pozomy rezerwacj są róweż zwae w lteraturze pozomam zastrzeżoym decydeta. 3 W probleme maksymalzacj będą to ajższe wartośc kwest a jake egocjator decydet jest sę w stae zgodzć, podczas gdy w probleme mmalzacj ajwyższe dopuszczale akceptowale przez decydeta wartośc tej kwest.

6 36 Jakub Brzostowsk, Tomasz Wachowcz Rys.. Współczyk trade-off zgode z addytywą fukcją użyteczośc Źródło: Keeey Raffa [976]. Aalzując rys. przedstawoe a m formacje o możlwej kompesacj wartośc oce, łatwo odczytamy, że:. W pukce A x, y zwększee pozomu realzacj kwest Y o wartość b jest warte zapłacea wartośc a w przestrze kwest X.. W pukce B x, y zwększee pozomu realzacj kwest Y o wartość c jest warte zapłacea wartośc a w przestrze kwest X. 3. W pukce C x, y zwększee pozomu realzacj kwest Y o wartość b jest warte zapłacea wartośc d w przestrze kwest X. W kosekwecj tak przedstawoych formacj pojawa sę pytae, le warte jest w przestrze kwest X w pukce D x, y zwększee pozomu realzacj kwest Y o c jedostek? * Mówmy, że waruek odpowedośc współczyków trade-off jest spełoy, jeśl ów przyrost jest wart zapłace d w przestrze kwest X to bez względu a wartośc x, y, x, y, a, b, c oraz d. Okazuje sę, że waruek te jest spełoy, jeśl fukcja użyteczośc jest określoej postac. Defcja.. Struktura preferecj jest addytywa wtedy tylko wtedy, gdy steje fukcja użyteczośc odzwercedlająca tę strukturę preferecj, która może być wyrażoa w astępującej postac:

7 Wykorzystae de automatyczego geerowaa powerzch dyferecj 37 v x, y = v x v y. X + Y Twerdzee.. Struktura preferecj jest addytywa wyraża sę w postac formuły, wtedy tylko wtedy, gdy waruek odpowedośc współczyków trade-off jest spełoy.. Geerowae krzywych dyferecj skalowae cojot Załóżmy, że mamy addytywą postać fukcj użyteczośc postac, co mplkuje spełee waruku odpowedośc współczyków trade-off. Rozpatrzymy teraz zagadee geerowaa krzywych dyferecj dla kolejych wartośc fukcj użyteczośc. Nech x 0 oraz y 0 będą ajższym możlwym pozomam realzacj kolejo dla kwest X oraz Y, ajgorszym dla decydeta. Wobec tak określoego puktu początkowego całą tę procedurę da sę zapsać etapam w zgrubym algorytme:. Defujemy v x0, y0 = u0, gdze u 0 jest ajższą wartoścą użyteczośc przypsaą do ajgorszego rozważaego waratu.. Następe określamy wartość u, która jest pewym wybraym przez decydeta pozomem użyteczośc. Prosmy decydeta o zdetyfkowae dwóch waratów margalych x 0, y oraz x, y 0, które zapewą mu użyteczość jakość a pozome u. Decydet określa zatem dwa erozróżale waraty, dla których pozom realzacj jedej z kwest przyjmuje wartość mmalą, atomast wartość pozomu realzacj drugej kwest zostaje odpowedo zwększoa do takego pozomu, aby waraty osągęły wartość użyteczośc u. Waraty te są dyferete, a wypłaty z m zwązae, w sese użyteczośc, rówe, co moża zapsać y x, y x, y, v x, y = u = v x,. 3. Aalzujemy teraz koleją wartość użyteczośc rówą u. Decydet obera taką wartość użyteczośc u, którą zapewa warat x, y, zbudoway z ezastrzeżoych pozomów realzacj waratów margalych określoych w perwszym kroku. Wzorem poprzedego kroku, dla owo zdefowaego pozomu użyteczośc u decydet określa dwa waraty margale, dyferete mędzy sobą jedocześe dyferete z waratem x, y, tj. 0 0 u x, y x, y x, y v x, y =. 3

8 38 Jakub Brzostowsk, Tomasz Wachowcz 4. Na podstawe wcześejszych defcj decydeta dokoujemy skalowaa, przyjmując, że y x, y x,. 4 Powyższa rówoważość jest spełoa, jeśl zachodz waruek odpowedośc współczyków trade-off. Jeśl porówamy rys. oraz możemy zaobserwować, że waruek odpowedośc współczyków trade-off mplkuje, że odległość w przestrze kwest X pomędzy puktam B D mus być rówa d dlatego też pukty D E są dyferete. 5. Zakładając, że dyferetość mędzy puktam D E zachodz, decydet określa pozom użyteczośc u 3 dla astępej krzywej dyferecj, zawerającej waraty x, y oraz x, y. Następe decydet defuje waraty margale dla tego pozomu wartośc użyteczośc, tj. x = u. 5 3, y0 x, y x, y x0, y3 v x, y 6. Koleje krzywe dyferecj dla zwększających sę wartośc użyteczośc są geerowae w sposób aalogczy. Powyższy proces geerowaa krzywych dyferecj zlustrowao w forme grafczej a rys.. 3 Rys.. Geerowae krzywych dyferecj z waruku odpowedośc współczyków trade-off Źródło: Keeey Raffa [976].

9 Wykorzystae de automatyczego geerowaa powerzch dyferecj Powerzche dyferecj w przypadku trzech kwest egocjacyjych Obece będze omawae zagadee rozszerzea kocepcj defowaa krzywych dyferecj z poprzedej częśc pracy a zagadee decyzyje egocjacyje, uwzględające trzy krytera ocey kweste. Defcja 3.. [Keeey Raffa 976]. Warat decyzyjy o kosekwecjach x ', y' jest warukowo preferoway względem waratu o kosekwecjach x '', y' ' przy daym z ' wtedy tylko wtedy, gdy x ', y', z' jest preferowae od x '', y' ', z'. Warukowa dyferecja jest defowaa w sposób aalogczy do preferecj z defcj, dlatego też moża mówć o warukowych krzywych dyferecj w przestrze X Y przy daym z '. Prowadz to w kosekwecj do astępującej defcj: Defcja 3.. [Keeey Raffa 976]. Para kwest X Y jest preferecyje ezależa od kwest Z, jeśl preferecje warukowe w przestrze X Y przy daym z ' e zależą od z '. Załóżmy, że para kwest { X, Y} jest preferecyje ezależa od Z. Jeśl spełoe jest astępujące zdae: wtedy jest róweż spełoe zdae: z x, y, z' x, y, ', 6 Z x, y, z x, y, z z. 7 Mając zdefowae zależośc preferecyje mędzy kryteram ocey waratów decyzyjych, możemy przystąpć do zdefowaa fukcj użyteczośc dla problemu decyzyjego o trzech kryterach. Twerdzee 3.. [Keeey Raffa, 976]. Fukcja użyteczośc v może zostać wyrażoa w postac addytywej: v x, y, z = v x + v y v z, 8 X Y + gdze v X, v Y oraz v Z są jedokryteralym fukcjam użyteczośc, wtedy tylko wtedy, gdy { X, Y} jest preferecyje ezależe od Z, { X, Z} jest preferecyje ezależe od Y oraz { Y, Z} jest preferecyje ezależe od X. Z

10 40 Jakub Brzostowsk, Tomasz Wachowcz Defcja 3.3. [Keeey Raffa 976]. Jeśl każda para kwest jest preferecyje ezależa od swojego dopełea, to kweste są param preferecyje ezależym. W poprzedej częśc pracy omówoo kostrukcję krzywych dyferecj w przestrze dwóch kryterów kwest egocjacyjych. Procedurę rozpoczęto od ustalea wartośc x 0, y 0 oraz odpowadającej m użyteczośc zerowej. Następe pytalśmy decydeta o określee x y, budując a ch podstawe waraty margale, a w kolejym etape o x oraz y. Waruek odpowedośc współczyków trade-off został wykorzystay po to, by uzasadć dyferecję waratów x, y x, y. Teraz użyjemy de preferecyjej ezależośc param, aby dokoać aalogczej procedury budowy zborów waratów dyferetych w przestrze trzech kwest:. Decydet dobera wartośc x 0, y 0 oraz z 0, aby zachodzł waruek: v x = u, 9 0, y0, z0 gdze u 0 jest ajższą możlwą wartoścą użyteczośc.. Decydet określa wartośc x, y oraz z w celu skostruowaa waratów margalych takch, że: 0 x, y0, z0 x0, y, z0 x0, y0, z, 0 u = v x, y, z = v x, y, z = v x, y, z 3. Z kroku drugego wemy, że x, y0 x0, y przy daym z 0, dlatego też pukty x, y 0, x 0, y muszą być warukowo dyferete róweż przy daym z. Jako kosekwecję tej obserwacj otrzymujemy astępujące stwerdzee: 0 0 z x, y, z x, y,. Podobe, drug krok skutkuje dyferecją x, z0 x0, z przy daym y Z preferecyjej ezależośc {X, Z} od Y wyka róweż dyferecja 0., z0 x0, z x przy daym y, czyl: x, y, z0 x0, y, z. 4. Prosmy decydeta o określee takch wartośc x, określoego u zachodzło: y oraz z, aby dla x, y0, z0 x0, y, z0 x0, y0, z x, y, z0 3 u = v x, y, z = v x, y, z = v x, y, z = v x, y, z0

11 Wykorzystae de automatyczego geerowaa powerzch dyferecj 4 Aby kostruować koleje zbory waratów dyferetych, musmy odpowedzeć a pytae, skąd wemy bez waruku odpowedośc współczyków trade-off, że prawdzwe będze astępujące stwerdzee: 0 z0 x, y, z x, y,. 5 Najperw musmy wykazać, że zachodz x, y, z0 x, y, z oraz x, y, z0 x, y, z, a wówczas korzystając z przechodośc relacj dyferecj potwerdzmy prawdzwość aszego stwerdzea 5. Wemy, że zachodz: z x, y, z x, y,. 6 Jako że {X, Z} jest preferecyje ezależe od Y, możemy zameć y 0 a y w stwerdzeu 6, co skutkuje prawdzwoścą stwerdzea: 0 z W sposób aalogczy wykażemy róweż, że x, y, z x, y,. 7 0 z x, y, z x, y,. 8 Z podstawea prawych stro stwerdzeń 6 7 udowadamy prawdzwość 5. Powyższa procedura pokazuje, jak w przestrze trzech kwest moża skostruować powerzche dyferecj w przypadku addytywej struktury preferecj. 4. Uogólee procedury geerowaa powerzch dyferecj a przypadek z dowolą lczby kwest Rozpatrzmy teraz przypadek decyzyjy z wększą lczbą kryterów ocey. Przyjmemy, że dyspoujemy zestawem kwest X, X, K, X s, X s +, K, X. Dzelmy te zestaw a dwa podzestawy Y oraz Z, tj. Y = X, K, X } Z = { X, K, X }. 9 { s s Podzał 9 może być jakmkolwek podzałem wyjścowego zestawu kwest deksy mogą być permutowae bez utraty ogólośc, dlatego też będzemy zakładać, że zestaw Y zawera jakekolwek s kwest z całego zestawu wyjścowego, a Z jest jego dopełeem.

12 4 Jakub Brzostowsk, Tomasz Wachowcz Defcja 4.. [Keeey Raffa 976]. Jeśl y', y'' Y oraz z' Y, wówczas będzemy mówć, że y ' jest warukowo dyferete z y '' przy daym z ', wtedy tylko wtedy, gdy y', z' y' ', z'. 0 Defcja 4.. [Keeey Raffa 976]. Zestaw Y jest preferecyje ezależy od swojego dopełea Z, wtedy tylko wtedy, gdy warukowa struktura preferecj w przestrze Y przy daym z ' z' Z e zależy od z '. Symbolcze, Y jest preferecyje ezależe od Z, wtedy tylko wtedy, gdy dla pewego z ' zachodz: y', z' y' ', z' y', z y' ', z, z Z, y, y' ' Y. Defcja 4.3. [Keeey Raffa 976]. Kweste X, X, K, X są wzajeme preferecyje ezależe, jeśl każdy podzbór Y tychże kwest, jest preferecyje ezależy od uzupełającego zboru kwest od swojego dopełea w zborze wszystkch kwest. Twerdzee 4.. [Keeey Raffa 976]. Przy daych kwestach X, X, K, X, gdze 3, addytywa fukcja użyteczośc v x, x, K, x v x, = = gdze v jest fukcją użyteczośc w zborze X steje wtedy tylko wtedy, gdy kweste są wzajeme preferecyje ezależe. W poprzedch częścach pracy przedstawoo procedurę skalowaa cojot służącą do geerowae krzywych dyferecj w przestrze dwóch kwest oraz aalogczą procedurę służącą do geerowaa powerzch dyferecj w przestrze trzech kwest. Waruek wzajemej preferecyjej ezależośc pozwala a geerowae powerzch dyferecj w przestrze dowolej lczby kwest. Przy założeu addytywej struktury preferecj powerzche te mogą zostać wygeerowae w astępujący sposób:. Defcję rozpoczyamy od powerzch dyferecj z ajższym pozomem użyteczośc. Zakładając, że rozpatrujemy kwest kryterów decydet ajperw dobera pukty margale x, x, x, take, że 0 0 0

13 Wykorzystae de automatyczego geerowaa powerzch dyferecj 43 v x0, x0, K, x0 = u0, 3 gdze u 0 jest ajższą możlwą wartoścą użyteczośc. Perwsza powerzcha dyferecj składa sę zatem z jedego puktu.. Decydet jest proszoy o określee waratów margalych, dla drugej powerzch dyferecj. x, x0, K, x0 x0, x, K, x0 M x0, x0, K, x W przypadku tworzoych waratów margalych, zgode z defcją, wszystke kweste zostały ustawoe a wartość x 0 z wyjątkem jedej kwest, której wartość została ustawoa a x. Kolejych waratów margal- ych staow astępą powerzchę dyferecj, do której decydet przypsuje pozom użyteczośc u. W zwązku z tym:, x0,, x0 = v x0, x, K, x0 = Kv x0, x0, K, x v x K = u Do kolejej trzecej powerzch dyferecj dodaje sę owe waraty, a podstawe wedzy zdobytej podczas geerowaa drugej powerzch dyferecj. Waraty trzecej powerzch dyferecj są tworzoe w sposób astępujący: a używamy puktów margalych perwszych dwóch powerzch: x0, x0, K, x0, x, x, K, x ; b tworzymy zbór waratów S 3, tak że: S 3 = { xk, xk, K, xk k + k + L + k = k {0,}}. 5 Zbór S 3 staow część powerzch trzecej zawera wszystke waraty, dla których dole deksy sumują sę do dwójk oraz deksy te są ze zboru { 0,}. Taka metoda geerowaa waratów jest uogóleem metody geerowaa waratów przedstawoej w poprzedch rozdzałach.

14 44 Jakub Brzostowsk, Tomasz Wachowcz 4. Decydet jest proszoy o dodae waratów margalych do trzecej powerzch dyferecj: x, x0, K, x0 x0, x, K, x0 M x0, x0, K, x Te waraty powy być dyferete do waratów wygeerowaych przez procedurę uprzedo dla tej powerzch. 5. Dodajemy do czwartej powerzch waraty, a podstawe wartośc puktów margalych x0, x0, K, x0, x, x, K, x, x, x, K, x perwszych trzech powerzch. Waraty dla czwartej powerzch dyferecj są geerowae w sposób astępujący: S 4 = k k k { x, x, K, x k + k + L + k = 3 k {0,,}}. 6 Zbór S 4 staow zbór waratów dyferetych dla czwartej powerzch. Te zbór zawera waraty, dla których dole deksy sumują sę do trójk e zawera jeszcze waratów margalych. 6. Decydet jest proszoy o dodae do czwartej powerzch waratów margalych astępującej postac: x3, x0, K, x0 x0, x3, K, x0 M x0, x0, K, x3 7. Decydet kotyuuje procedurę dodawaa waratów margalych do astępych powerzch, kończąc a powerzch m-tej, która jest ostatą powerzchą zawerającą waraty margale. 8. Automatycze uzupełamy koleje powerzche, dodając do każdej z ch waraty w astępujący sposób: Sl = { xk, xk, K, xk k + k + L + k = l k {0,,, K, m}}. 7 Zbór S l m l p staow powerzchę dyferecj zawerającą waraty, dla których dole deksy sumują sę do l oraz dole deksy e przekraczają. S jest ostatą powerzchą dyferecj. m p+

15 Wykorzystae de automatyczego geerowaa powerzch dyferecj 45 Powyższa procedura jest odpoweda dla struktury preferecj, dla której zachodz waruek wzajemej preferecyjej ezależośc. Poadto waruek ów zachodz, gdy struktura preferecj jest addytywa. Mmo że w tej pracy e zakłada sę wzajemej preferecyjej ezależośc, procedura adaje sę do wygeerowaa wstępej postac zestawu powerzch dyferecj, a astępe korekty waratów w ramach tychże powerzch tak, aby waraty były zgode z ogólejszą formą eaddytywej struktury preferecj decydeta. 5. System ocey ofert egocjacyjych operających sę a deklarowaych powerzchach dyferecj W poprzedch rozdzałach przedstawoo procedurę automatyczego geerowaa powerzch dyferecj, którą wykorzystuje sę w systeme wspomagaa egocjacj NegoMaage. Ręcze geerowae zborów waratów dyferetych jest ucążlwe, lecz zwykłe, automatycze wygeerowae powerzche dyferecj są zgode jedye z addytywą postacą fukcj użyteczośc. Jako że we wspomagau egocjacj w systeme NegoMaage e zakłada sę addytywośc, powerzche po automatyczym wygeerowau muszą być ręcze zmodyfkowae, by odzwercedlać elowe preferecje. W systeme NegoMaage egocjator defuje preferecje, określając ajperw odwzorowae pozomów skal lgwstyczej w wartośc umerycze, a astępe lczbę kwest egocjacyjych oraz lczbę powerzch dyferecj. Są to podstawowe dae ezbęde do zdetyfkowaa ogólej struktury problemu egocjacyjego. Dalsza strukturyzacja problemu wymaga od egocjatora zdefowaa zakresów zmeośc pozomów realzacj wszystkch kwest egocjacyjych wraz z określeem mootoczośc tychże kwest. W obecej wersj systemu w egocjacjach są dopuszczae jedye kweste loścowe lub jakoścowe, o zdefowaych ekwwaletach umeryczych. Dwa główe oka defowaa struktury problemu egocjacyjego w NegoMaage przedstawoo a rys. 3. Lewa formatka z rys. 3 pozwala a kalbrację przyjętej skal lgwstyczej, zdefowae ekwwaletów umeryczych skal 4 oraz określee lczby warstw powerzch dyferecj klas jakośc potecjalych ofert egocjacyjych oraz lczby kwest. Druga formatka prawa pozwala a detyfkację z azwy kwest egocjacyjych oraz poprzez określee skrajych wartośc 4 Podstawy teoretycze takego ych sposobów kalbracj skal lgwstyczej moża zaleźć p. w pracy [Jadd et al. 008]. Dokłady ops podwójej, ztegrowaej skal lgwstyczej wykorzystaej w NegoMaage moża zaleźć w pracy: [Brzostowsk Wachowcz 0b].

16 46 Jakub Brzostowsk, Tomasz Wachowcz pozomów realzacj kwest wyzaczee dopuszczalej przestrze egocjacyjej. Negocjator określa róweż w sposób ogóly pożąday porządek wartośc pozomów realzacj tej kwest ozaczee mootoczośc. Rys. 3. Formatk defowaa struktury problemu w NegoMaage W kolejym kroku aalzy preferecj egocjator jest proszoy o podae przykładów ofert reprezetujących każdą z zadeklarowaych przez ego warstw. Posługując sę arzędzem grafczym, egocjator buduje hperkostkę o kształce zależym od wybraych przez ego pozomów realzacj wszystkch kwest z jakch ma sę składać oferta. Po dodau jedej oferty do warstwy jest proszoy o zadeklarowae jeszcze klku waratów ależących do tej samej warstwy o tej samej jakośc, a różących sę pozomam realzacj kwest od oferty perwszej. Im węcej takch hperkostek zadeklaruje egocjator, tym bardzej precyzyjy system ocey otrzyma w efekce. Take operacje egocjator powtarza dla wszystkch zadeklarowaych powerzch dyferecj. Następe dla każdej klasy jakośc ofert egocjacyjych system kostruuje rozkład prawdopodobeństwa ad odpowadającą tej klase powerzchą dyferecj [Brzostowsk Wachowcz 0]. Najperw zbór waratów dyferetych jest dzeloy a klastry a podstawe algorytmu statystyczej klasteryzacj, a astępe dla każdego klastra jest budoway rozkład ormaly prawdopodobeństwa przyależośc waratów do klastera. Ostatecze rozkłady dla wszystkch klastrów są agregowae, by stworzyć welomodaly rozkład prawdopodobeństwa ad

17 Wykorzystae de automatyczego geerowaa powerzch dyferecj 47 całym zborem waratów dyferetych. Oblczea te są realzowae przez system z pomęcem terakcj z użytkowkem egocjatorem. Użytkowk przypsuje jedye do każdego zboru waratów dyferetych pozom lgwstyczej użyteczośc. W efekce otrzymuje sę węc zestaw rozkładów prawdopodobeństwa wraz z lgwstyczym oceam jakośc użyteczoścam przypsaym do każdej z powerzch dyferecj. Tak zestaw daych staow system scorgowy, który może być użyty do ocey dowolej oferty egocjacyjej z predefowaej wcześej przestrze egocjacyjej zboru ofert dopuszczalych. Przykład defowaa oferty a potrzeby daej klasy oraz komplete zdefowaą klasę z ofertam ją reprezetującym hperkostkam z wyestymowaym dla ej pozomem użyteczośc przedstawoo a rys. 4. Rys. 4. Deklaracja oferty obraz powerzch dyferecj w systeme NegoMaage W faze egocjacj właścwych system scorgowy może zostać użyty do ocey dowolego waratu wybraego przez egocjatorów ze zboru waratów dopuszczalych. Aby oceć propoowaą ofertę egocjacyją, NegoMaage ajperw wyzacza pozomy przyależośc wybraego waratu do poszczególych warstw, czyl prawdopodobeństwa lokalzacj waratu a poszczególych powerzchach dyferecj. W astępym kroku jest wyzaczay splot sekwecj prawdopodobeństw z sekwecją użyteczośc suma loczyów prawdopodobeństw pozomów użyteczośc dla wszystkch warstw. Taka agregata staow wartość oczekwaą użyteczośc dla oceaego waratu w forme ocey umeryczej jest prezetowaa egocjatorow rys. 5.

18 48 Jakub Brzostowsk, Tomasz Wachowcz Rys. 5. Formatka ocey jakośc użyteczośc wybraej oferty egocjacyjej Podsumowae Przedstawoe w ejszej pracy rozważaa mały a celu przyblżee de budowy systemu ocey ofert egocjacyjych systemu scorgowego w ogólośc, operającego sę a kocepcj powerzch dyferecj. Tak system powstaje a podstawe daych wejścowych wprowadzaych przez egocjatora w postac przykładów kompletych ofert egocjacyjych, którym towarzyszą pewe ocey ops użyteczośc, p. defowae z użycem skal lgwstyczej. Waraty podobe tworzą warstwy klastry tej samej jakośc. Aby z tak zdefowaej struktury preferecj moża było woskować o ocee dowolej oferty egocjacyjej, pobraej z predefowaego zboru waratów dopuszczalych, muszą być jedak spełoe pewe założea co do postac preferecj współczyków wymay trade-off. W zwązku z tym w ejszej pracy skupoo sę a przypomeu wybraych de weloatrybutowej teor użyteczośc, wykorzystywaych do tworzea systemu ocey ofert egocjacyjych. Wywodząc z waruku odpowedośc współczyków trade-off w kla-

19 Wykorzystae de automatyczego geerowaa powerzch dyferecj 49 syczym ujęcu welokryteralym, przedstawoo kolejo sposób geerowaa krzywych dyferecj dla tego przypadku oraz jego uogólee a przypadek trzech lub węcej kwest egocjacyjych kryterów. Przyblżoo róweż system ocey ofert operających sę a tym uogóleu, zamplemetoway w postac modułu aalzy preferecj systemu wspomagaa egocjacj NegoMaage. Propoowaa procedura aalzy preferecj może być alteratywą do klasyczych systemów operających sę a prostych, addytywych fukcjach scorgowych. Procedura ta e wymaga bowem od egocjatorów żmudego etucyjego przypsywaa abstrakcyjych puktów ocey użyteczośc do wszystkch kwest egocjacyjych ch pozomów realzacj co w przypadku dużych problemów egocjacyjych może być wręcz ewykoale w rozsądym, przezaczoym a przygotowae do egocjacj czase. Wymaga oa jedye od egocjatora zdefowaa przykładów ofert kotraktów reprezetatów pewych klas jakośc p. waratów bardzo dobrych, średch, merych tp.. Klasom tym są przypsywae ocey lgwstycze, których ekwwalety umerycze w postac ocey lczbowej moża otrzymać dzęk wcześejszej kalbracj tej skal. Aalzując astępe podobeństwo zgłaszaych w toku egocjacj waratów do klas reprezetowaych w postac warstw powerzch dyferecj zapropoowae w pracy arzędze formatycze jest w stae, poprzez stosowe uogólea, wyzaczyć oceę końcową wyrażoą zarówo w postac termów lgwstyczych użytej skal ztegrowaej, jak poprzez umerycze ocey. Potwerdzee aplkacyjośc użyteczośc takej metody aalzy preferecj wymaga jedakże stosowych testów a eksperymetalych grupach egocjatorów. Symulacje egocjacyje plauje sę przeprowadzć a grupach egocjujących studetów keruków formatyczych matematyczych. Lteratura Bras J.P. 98: Lgeere de la decso. Elaborato dstrumets dade a la decso. Methode PROMETHEE. I: Lade a la Decso: Nature, Istrumets et Perspectves Daver. Eds. R. Nadeau, M. Ladry. Presses de Uverste Laval, Quebec, Caada. Brzostowsk J., Wachowcz T. 009: Coceptual Model of ens For Supportg Preferece Elctato ad Couterpart Aalyss. I: Proceedgs of GDN 009: A Iteratoal Coferece o Group Decso ad Negotato. Eds. D.M. Klgour, Q. Wag. Wlfred Laurer Uversty. Brzostowsk J., Wachowcz T. 0a: Preferece Cosstecy Aalyss the Negotato Offers Evaluato System based o the Cocept of Idfferece Set ad Exteded Lgustc Scales. IWoMCDM Ustroń 0.

20 50 Jakub Brzostowsk, Tomasz Wachowcz Brzostowsk J., Wachowcz T. 0b: Użyce skal lgwstyczych do opsu użyte czośc w procese aalzy preferecj. Ogólopolska Koferecja Naukowa Modelowae Preferecj a Ryzyko Ustroń 0. De Keyser W., Peeters P. 996: A Note o the Use of PROMETHEE Multcrtera Methods. Europea Joural of Operatoal Research, No. 89. Hwag C.L., Yoo K. 98: Multple Attrbute Decso Makg: Methods ad Applcatos. Sprger-Verlag, Berl. Jadd O., Hog T.S., Frouz F., Yusuff R.M., Zulkfl N. 008: TOPSIS ad Fuzzy Mult-Objectve Model Itegrato for Suppler Selecto Problem. Joural of Achevemets Materals ad Maufacturg Egeerg, 3. Keeey R., Raffa H. 976: Decsos wth Multple Objectves: Prefereces ad Value Tradeoffs. Cambrdge Uversty Press. Lewck R., Sauders D., Mto J. 999: Negotato. The MacGraw-Hll Compaes, Bosto. Oprcovc S., Tzeg G.H. 004: Compromse Soluto by MCDM Methods: A Comparatve Aalyss of VIKOR ad TOPSIS. Europea Joural of Operatoal Research, No. 56. Roy B. 968: Classemet et chox e présece de pots de vue multples la méthode ELECTRE. La Revue d Iformatque et de Recherche Opératoelle RIRO, No. 8. Saaty T. 980: The Aalytc Herarchy Process. McGraw Hll, New York. Saaty T.L., Alexader J.M. 989: Coflct Resoluto: The Aalytc Herarchy Approach. Praeger, New York. AUTOMATED GENERATION OF INDIFFERENCE SURFACES FOR THE FORMATION OF NEGOTIATION OFFER S SCORING SYSTEM IN THE NEGOTIATION SUPPORT SYSTEM NegoMaage Summary I ths paper we dscuss the mechasm for buldg the egotato offers scorg system by meas of the automatcally geerated dfferece surfaces. We troduce the classc approach based o trade-off aalyss frst, that derves from multple attrbute value theory ad preset ts applcato for the smplest case of two- ad three-crtera decso problem. The we aalyze ts geeralzato for the cases wth more tha three decso crtera, whch volves also the teracto wth decso maker. Fally we preset the models software mplemetato that s appled the egotato support system called NegoMaage.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Regresja REGRESJA

Regresja REGRESJA Regresja 39. REGRESJA.. Regresja perwszego rodzaju Nech (, będze dwuwyarową zeą losową, dla które steje kowaracja. Nech E( y ozacza warukową wartość oczekwaą zdefowaą dla przypadku zeych losowych typu

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

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

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

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

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

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

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

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

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

TMM-2 Analiza kinematyki manipulatora metodą analityczną

TMM-2 Analiza kinematyki manipulatora metodą analityczną Opracował: dr ż. Przemysław Szumńsk Laboratorum Teor Mechazmów Automatyka Robotyka, Mechatroka TMM- Aalza kematyk mapulatora metodą aaltyczą Celem ćwczea jest zapozae sę ze sposobem aalzy kematyk mechazmu

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5 Stasław Cchock Natala Nehreecka Zajęca 5 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartośd oczekwaa eocążoośd estymatora Waracja

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

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

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

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

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

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

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

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

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

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

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

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

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

KALIBRACJA NIE ZAWSZE PROSTA

KALIBRACJA NIE ZAWSZE PROSTA KALIBRACJA NIE ZAWSZE PROSTA Potr Koeczka Katedra Chem Aaltyczej Wydzał Chemczy Poltechka Gdańska S w S C -? C w Sygał - astępstwo kosekwecja przeprowadzoego pomaru główy obekt zateresowań aaltyka. Cel

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

O testowaniu jednorodności współczynników zmienności

O testowaniu jednorodności współczynników zmienności NR 6/7/ BIULETYN INSTYTUTU HODOWLI I AKLIMATYZACJI ROŚLIN 003 STANISŁAW CZAJKA ZYGMUNT KACZMAREK Katedra Metod Matematyczych Statystyczych Akadem Rolczej, Pozań Istytut Geetyk Rośl PAN, Pozań O testowau

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

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

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

OKREŚLANIE NIEPEWNOŚCI POMIARÓW (poradnik do Laboratorium Fizyki)

OKREŚLANIE NIEPEWNOŚCI POMIARÓW (poradnik do Laboratorium Fizyki) Adrzej Kubaczyk Laboratorum Fzyk I Wydzał Fzyk Poltechka Warszawska OKREŚLANIE NIEPEWNOŚCI POMIARÓW (poradk do Laboratorum Fzyk) ROZDZIAŁ Wstęp W roku 995 z cjatywy Mędzyarodowego Komtetu Mar (CIPM) zostały

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

[, ] [, ] [, ] ~ [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

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

[ ] WSPÓŁCZYNNIK EKSCESU WEKTORA LOSOWEGO. Wprowadzenie. Katarzyna Budny =, (1)

[ ] WSPÓŁCZYNNIK EKSCESU WEKTORA LOSOWEGO. Wprowadzenie. Katarzyna Budny =, (1) Katarzya Budy Uwersytet Ekoomczy w Krakowe WSPÓŁCZYNNIK EKSCESU WEKTORA LOSOWEGO Wprowadzee Jedą z podstawowych mar spłaszczea czy też kocetrac rozkładu zmee losowe edowymarowe wokół średe est kurtoza

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

MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ

MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ Wykład Układy rówań metody aaltycze Metody umerycze rozwązywaa rówań lczbowych Prof. Ato Kozoł, Wydzał Chemczy Poltechk Wrocławskej ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ

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

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

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

WYBÓR WARIANTU PRZEDSIĘWZIĘCIA BUDOWLANEGO PRZY ROZMYTYM MODELOWANIU RYZYKA TECHNOLOGICZNO- ORGANIZACYJNEGO

WYBÓR WARIANTU PRZEDSIĘWZIĘCIA BUDOWLANEGO PRZY ROZMYTYM MODELOWANIU RYZYKA TECHNOLOGICZNO- ORGANIZACYJNEGO THEORETICAL FOUNDATIONS OF CIVIL ENGINEERING Polsh-Ukraa Trasactos Vol. 21, pp. 405-412, Warsaw 2013 WYBÓR WARIANTU PRZEDSIĘWZIĘCIA BUDOWLANEGO PRZY ROZMYTYM MODELOWANIU RYZYKA TECHNOLOGICZNO- ORGANIZACYJNEGO

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

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

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

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

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja) Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz

Bardziej 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

Mh n. 2 ε. h h/ n n. Ekstrapolacja Richardsona (szacowanie błędu) błąd. ekstrapolowana wartość całki I. kwadratury z adaptowanym krokiem

Mh n. 2 ε. h h/ n n. Ekstrapolacja Richardsona (szacowanie błędu) błąd. ekstrapolowana wartość całki I. kwadratury z adaptowanym krokiem Ekstrapolacja Rchardsoa (szacowae błędu) dla daej, ustaloej metody błąd Mh zakładając, że M jest w przyblżeu ezależe od h I I + Mh h h/ / I I + Mh ekstrapolowaa wartość całk I I e I h / + Ih / ( I h )

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

MODELE OBIEKTÓW W 3-D3 część

MODELE OBIEKTÓW W 3-D3 część WYKŁAD 5 MODELE OBIEKTÓW W -D część la wykładu: Kocepcja krzywej sklejaej Jedorode krzywe B-sklejae ejedorode krzywe B-sklejae owerzche Bezera, B-sklejae URBS 1. Kocepcja krzywej sklejaej Istotą z praktyczego

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

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

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

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

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

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

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

Statystyka Wykład 6 Adam Ćmiel A3-A4 311a

Statystyka Wykład 6 Adam Ćmiel A3-A4 311a Testowae hpotez Nech (X, B, P={P : }) będze przestrzeą statystyczą, przy czym = =. Problem testowaa hpotez moża sformułować astępująco: a podstawe obserwacj X X zweryfkować hpotezę H : wobec alteratywy

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

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

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

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

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

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

Statystyka. Analiza zależności. Rodzaje zależności między zmiennymi występujące w praktyce: Funkcyjna

Statystyka. Analiza zależności. Rodzaje zależności między zmiennymi występujące w praktyce: Funkcyjna Aalza zależośc Rodzaje zależośc mędzy zmeym występujące w praktyce: Fukcyja wraz ze zmaą wartośc jedej zmeej astępuje ścśle określoa zmaa wartośc drugej zmeej (p. w fzyce: spadek swobody gt s ) tochastycza

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

Centralna Izba Pomiarów Telekomunikacyjnych (P-12) Komputerowe stanowisko do wzorcowania generatorów podstawy czasu w częstościomierzach cyfrowych

Centralna Izba Pomiarów Telekomunikacyjnych (P-12) Komputerowe stanowisko do wzorcowania generatorów podstawy czasu w częstościomierzach cyfrowych Cetrala Izba Pomarów Telekomukacyjych (P-1) Komputerowe staowsko do wzorcowaa geeratorów podstawy czasu w częstoścomerzach cyrowych Praca r 1300045 Warszawa, grudzeń 005 Komputerowe staowsko do wzorcowaa

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

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

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

PRZEDZIAŁOWE METODY ROZWIĄZYWANIA ALGEBRAICZNYCH RÓWNAŃ NIELINIOWYCH MECHANIKI KONSTRUKCJI

PRZEDZIAŁOWE METODY ROZWIĄZYWANIA ALGEBRAICZNYCH RÓWNAŃ NIELINIOWYCH MECHANIKI KONSTRUKCJI Adrzej POWNUK *) PRZEDZIAŁOWE METODY ROZWIĄZYWANIA ALGEBRAICZNYCH RÓWNAŃ NIELINIOWYCH MECHANIKI KONSTRUKCJI. Wprowadzee Mechaka lowa staow jak dotąd podstawowy obszar zateresowań żyerskch. Isteje jedak

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

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

Nieporządki Ten materiał zostanie przerobiony na ćwiczeniach

Nieporządki Ten materiał zostanie przerobiony na ćwiczeniach Wykład 3. wrtualy, materał zostae przeroboy a ćwczewach A.Mckewcz, Reduta Ordoa : A przecw m sterczy bała, wąska, zaostrzoa, Jak głaz bodzący morze, reduta Ordoa. Sześć tylko mała armat;(...) (...) Harmaty

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

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

Laboratorium z Biomechatroniki Ćwiczenie 3 Wyznaczanie położenia środka masy ciała człowieka za pomocą dźwigni jednostronnej

Laboratorium z Biomechatroniki Ćwiczenie 3 Wyznaczanie położenia środka masy ciała człowieka za pomocą dźwigni jednostronnej Wydzał: Mechaczy Techologczy Keruek: Grupa dzekańska: Semestr: perwszy Dzeń laboratorum: Godza: Laboratorum z Bomechatrok Ćwczee 3 Wyzaczae położea środka masy cała człoweka za pomocą dźwg jedostroej 1.

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

Lista 6. Kamil Matuszewski X X X X X X X X X X X X

Lista 6. Kamil Matuszewski X X X X X X X X X X X X Lsta 6 Kaml Matuszewsk 9..205 2 3 4 5 6 7 9 0 2 3 4 5 6 7 X X X X X X X X X X X X Zadae Lewa stroa: W delegacj możemy meć od do osób. Wyberamy ( k) osób a k sposobów wyberamy przewodczącego. k =.. węc

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

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

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

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