KLASYFIKACJA OBIEKTÓW OPARTA NA DWÓCH WZORCACH WSTĘP. Agata Binderman Katedra Ekonometrii i Informatyki, SGGW

Wielkość: px
Rozpocząć pokaz od strony:

Download "KLASYFIKACJA OBIEKTÓW OPARTA NA DWÓCH WZORCACH WSTĘP. Agata Binderman Katedra Ekonometrii i Informatyki, SGGW"

Transkrypt

1 Agata Biderma Katedra Ekoometrii i Iformatyki, SGGW abiderma@mors.sggw.waw.pl KLASYFIKACJA OBIEKTÓW OPARTA NA DWÓCH WZORCACH Streszczeie: W pracy, podao sposób porządkowaia obiektów (wierszy) w macierzy daych a podstawie dwóch wzorców. Propoowaa metoda, do budowy sytetyczego mierika geerującego porządek w zbiorze obiektów, wykorzystuje zarówo pojęcie wzorca, jak i fukcji uŝyteczości. Podae w pracy postacie fukcji uŝyteczości mają tą własość, Ŝe dwa obiekty, które są jedakowo odległe względem metryki Euklidesa od obiektu maksymalego oraz obiektu miimalego, mają tą samą uŝyteczość. W pracy zamieszczoy został przykład, który pokazuje, Ŝe obiekt uzay za ajgorszy według jedego wzorca moŝe być ajlepszy według drugiego wzorca. Słowa kluczowe: mieriki sytetycze, metryka, fukcja uŝyteczości, wzorzec, ormalizacja, klasyfikacja. WSTĘP Do aalizy zjawisk złoŝoych takich jak p.: rozwój gospodarczy i społeczy, poziom rozwoju i potecjał rolictwa, ocea przedsiębiorstw oraz województw i gmi, poziom i jakość Ŝycia społeczeństwa, koiecze jest rozwaŝeie wielu czyików ekoomiczych. Czyiki, które traktowae są jako zmiee objaśiające dae zjawisko, mogą być zarówo mierzale jak i iemierzale. Podaie oce a podstawie tych daych ma a ogół charakter iejedozaczy. Do ocey sumaryczej zjawisk złoŝoych stosuje się zmiee sytetycze (agregatowe). [Zeliaś A. 997]. Zastąpieie ciągu wielu zmieych objaśiających badaego zjawiska przez zmieą sytetyczą daje pewą oceę (iejedozaczą) badaego zjawiska. Zmiee sytetycze poza swą iejedozaczością mają jeszcze taką wadę, Ŝe ie zawsze moŝa im adać iterpretację merytoryczą. Istieje wiele metod tworzeia zmieych sytetyczych. Metody te moŝa podzielić a wzorcowe i bezwzorcowe (metoda sum stadaryzowaych wartości, pierwszego czyika wspólego), [Pociecha i i. 988]. Metody wzorcowe zakładają istieie pewego hipotetyczego obiektu wzorcowego, uporządkowaie badaych obiektów dokouje się w zaleŝości od osiągiętych przez ich odległości od obiektu wzorcowego. Metody te wykorzystują odpowiedio wybrae zmiee diagostycze (objaśiające), charakteryzujące badae zjawisko, róŝią się miedzy sobą, co do sposobu ormalizacji zmieych oraz postaci fukcji je agregujących [Hellwig 968; Bartosiewicz 976; Borys 978]. Wśród zmieych objaśiających wyróŝia się zmiee, które działają w sposób pobudzający (tzw. stymulaty), podczas gdy

2 26 ie wpływają hamująco a rozwój badaego zjawiska (tzw. destymulaty). Przyjmijmy załoŝeie, Ŝe zmieymi stymulatami azywać będziemy takie zmiee, których większe wartości świadczą o wyŝszym poziomie rozwoju badaego zjawiska, a zmieymi destymulatami azywać będziemy takie zmiee, których miejsze wartości świadczą o wyŝszym poziomie rozwoju [zob. Borkowski B., Dudek H., Szczesy W. 2004; Zeliaś A. 2000]. Oczywiście poza stymulatami i destymulatami występują rówieŝ omiaty - zmiee o trudym do sprecyzowaia sposobie oddziaływaia a poziom rozwoju badaego zjawiska, jak rówieŝ zmiee jakościowe. Określeie charakteru zmieych opiera się a przesłakach merytoryczych. Przy braku odpowiediej teorii moŝa się posłuŝyć p. metodą opiii zespołu ekspertów. Otrzymae w pracy rezultaty autorka wykorzystała do badaia przestrzeego zróŝicowaia polskiego rolictwa [Biderma A. 2006]. Spośród wielu prac, poświęcoym zastosowaiu wielowymiarowych metod porówawczych do badaia struktur ekoomiczych regioów wymieić moŝa prace [Zeliaś 2000; Malia 2004, Biderma 2005]. FUNKCJA UśYTECZNOŚCI W dalszej części rozwaŝań załóŝmy, Ŝe dae zjawisko jest opisae przez zmiee będące stymulatami. Osiągąć to moŝa poprzez elimiację zmieych eutralych, adaie zmieym jakościowym wartości liczbowych, przekształceie destymulat w stymulaty (p. odwróceie wartości destymulat). Bez straty dla ogólości rozwaŝań, załóŝmy rówieŝ, Ŝe rozwaŝae stymulaty po dokoaiu ormalizacji i zmiaie układu współrzędych poprzez przesuięcie, mają wartości ieujeme. Przy takim podejściu day obiekt (obserwacja) badaego zjawiska jest opisay za pomocą wektora, będącego elemetem przestrzei R := {x = (x,x 2,...,x ): x k 0,,2,...,}, gdzie jest ilością zmieych + zakwalifikowaych do ocey zjawiska. Do klasyfikacji daych obiektów obserwowaego zjawiska, przy pomocy mierików sytetyczych, wygode moŝe być uŝycie aparatu matematyczego stworzoego w teorii ekoomii dobrobytu (popytu) [zob. Alle R. 96; Paek E. 2000, 2003]. W teorii tej opisae jest pojęcie fukcji uŝyteczości i przyjmuje się, Ŝe idywiduala uŝyteczość badaego obiektu jest mierzala. RozwaŜmy teraz problem polegający a klasyfikacji m N obiektów badaego zjawiska za pomocą N zmieych. Zgodie z przyjętymi wcześiej załoŝeiami kaŝdy taki obiekt daje się przedstawić za pomocą wektora aleŝącego do przestrzei R +. Niech wektor x i =(x i,x i2,...,x i ), i=,2,...,m, opisuje i-ty obiekt. JeŜeli x ik >x (x ik x ) dla,2,..., to pisać będziemy x i >x j, (x i x j ), gdzie i, j [,m]. Nietrudo zauwaŝyć, Ŝe jeŝeli x i >x j i x i x j to aturalym jest azywać obiekt x i lepszym (wyŝej oceiaym) od obiektu x j. Istotie ozacza to, Ŝe Ŝada ze

3 składowych wektora x i ie jest miejsza od odpowiedich składowych wektora x j, a przyajmiej jeda z ich ma wartość większą, tj. istieje takie k [,], Ŝe x ik >x. Z tego względu, w celu uporządkowaia rozwaŝaych obiektów przyjmijmy astępującą defiicję fukcji uŝyteczości będącą liczbową charakterystyką aszych preferecji (porówaj z defiicją fukcji uŝyteczości w teorii popytu w warukach iedosytu [Paek 2000, 2003]). DEFINICJA. KaŜdą rosącą fukcję u: R+ R azywać będziemy fukcją uŝyteczości. Z defiicji wyika, Ŝe dla dowolej pary wektorów x, y R+ spełioa jest implikacja: x y x y u x > u y. ( ) ( ) Dlatego teŝ w dalszej części pracy obiekt x uwaŝać będziemy za lepszy od obiektu y, jeŝeli u(x)>u(y), ozacza to, Ŝe obiekt lepszy od drugiego obiektu ma większą od iego uŝyteczość. Fakt te zapisywać będziemy w astępujący y p x x f y. Obiekty x, y uwaŝać będziemy za jedakowo dobre sposób: ( ) (obojęte), względem przyjętej fukcji uŝyteczości u, jeŝeli u(x) = u(y). Fakt te zapisywać będziemy w astępujący sposób: y~x (x~y) W pierwszym przypadku mówić będziemy, Ŝe obiekt x jest silie preferoway ad y, w drugim, Ŝe obiekty y i x są idyferete. JeŜeli obiekty y i x są idyferete lub obiekt x jest silie preferoway ad y to mówić będziemy, Ŝe obiekt x jest słabo preferoway ad y. Symbol x f y lub y p x ozaczać będzie alteratywę: x fy lub x~y. % % Zdefiiowae powyŝej związki miedzy obiektami wyzaczają odpowiedio relację silej preferecji, relację idyferecji oraz relację preferecji (słabej) [zob. Paek 2000, 2003]. Oczywiście w teorii popytu relacja preferecji kosumeta moŝe idukować fukcję uŝyteczości. Przyjmując jakąkolwiek postać fukcji uŝyteczości przesądzamy istieie relacji preferecji, którą ta fukcja opisuje. WYKORZYSTANIE FUNKCJI UśYTECZNOŚCI DO KLASYFIKACJI DANYCH Przyjmijmy dla obiektów wzorcowych astępujące ozaczeia: x 0 :=(x 0,,x 0,2,...,x 0, ), x m+ :=(x m+,,x m+,2,...,x m+, ), gdzie mi max k =, 2,...,. x := x, x := x 0,k ik m+,k ik i m i m Oczywistym jest, Ŝe tak określoe obiekty x 0, x m+ (być moŝe fikcyje) są odpowiedio, iegorsze, ielepsze od pozostałych x,x 2,...,x m, tj. x m+ x i oraz x i x 0, dla kaŝdego i: m i. W przypadku, gdy x 0 i x m+ są róŝe od rozwaŝaych obiektów x,x 2,...,x m, to spełiają oe astępującą rolę: x m+ obiektu ajlepszego, x 0 obiektu ajgorszego. Obiekty te traktowae będą, jako wzorce. W tym przypadku, jeŝeli zaa jest, 27

4 28 fukcja uŝyteczości u określoa a przestrzei wektorów R + to dla kaŝdego i [,m]: u (x m+ ) > u (x i ) oraz u (x 0 ) < u (x i ). MoŜa przyjąć róŝe kryteria wyboru fukcji uŝyteczości, aby przy jej pomocy ustalić relację porządku liiowego [zob. Paek 2000, 2003, Malawski 999] określoą a iloczyie kartezjańskim W W R + R +, gdzie W:={x o,x,...,x m+ }. Kryterium przyjęte w pracy opiera się a pojęciu odległości pomiędzy rozwaŝymi obiektami. Pojęcie odległości między dwoma obiektami wiąŝe się bezpośredio z koieczością ormalizowaia zmieych, które wyraŝoe są w róŝych jedostkach fizyczych. Normalizacja ta polega a przekształceiu wartości zmieych wyraŝoych w róŝych jedostkach w celu doprowadzeia ich do wzajemej porówywalości. W literaturze przedmiotu wyróŝia się ormalizację cech poprzez przekształceie ilorazowe, stadaryzację i uitaryzację [zob. Kukuła. 2000; Gatar 998; Zeliaś 2000; Strahl, Walesiak 996, 997]. Normalizowaie jest koiecze do kostrukcji mierików sytetyczych. Pojęcie metryki (odległości) odgrywa fudametalą rolę w badaiach ekoomiczych, szczególie przy porówywaiu struktury ekoomiczej regioów [Stoe 970, Zeliaś 2002; Malia 2004]. Niech X=R, to metryką azywamy kaŝdą fukcję d: X X R + =[0,+ ) spełiającą astępujące trzy waruki: ) d(x,y) = 0 x=y, 2) d(x,y)=d(y,x), 3) d(x,y) d(x,z)+d(z,y), dla wszystkich x, y, z, aleŝących do X. Metryka kaŝdej parze wektorów przyporządkowuje liczbę ieujemą, zwaą odległością między imi, liczbę d(x,y) azywa się odległością wektora x od wektora y. W ekoomii stosuje się bardzo wiele róŝych metryk, przykłady ich moŝa zaleźć w pracach [Rolewicz 985; Zeliaś 2002; Kukuła 2000] i iych, są imi a przykład: d k (x,y):=( x -y k x -y k ) /k, k, d (x,y):=max{ x -y,..., x -y }, gdzie: x=(x,x 2,...,x ), y=(y,y 2,...y ) X. Metryki te są często azywae metrykami Mikowskiego. Dla jest to tzw. metryka liiowa Hammiga (miejska, ulicza, metropolitara), dla 2 to metryka Euklidesa, atomiast dla metryka Czebyszewa. Autorka propouje w pracy przyjąć aturale kryterium, według którego dwa obiekty o idetyczych odległościach od obiektu ajlepszego i ajgorszego byłyby względem siebie obojęte, tj. miały tę samą uŝyteczość. JeŜeli zatem d(x i,x j ) (i,j [,m]) ozacza odległość między obiektami x i i xj to x i ~x j u(x i ) = u(x j ) d(x i, x o ) = d(x j, x o ) d(x i, x m+ ) = d(x j, x m+ ). Fukcją uŝyteczości, która spełia powyŝszy waruek, przy wyborze odległości a podstawie metryki Euklidesa jest p. fukcja liiowa będąca iloczyem skalarym wektorów x m+ -x o i x i tj. ( ) m+ 0 ( ) i i m+,k 0,k ik u x := x - x, x = x - x x ; ()

5 gdzie i = 0,,2,...,m+. Dla tak określoej fukcji uŝyteczości słusze jest astępujące twierdzeie. TWIERDZENIE. Dwa obiekty x i, x j mają tą samą uŝyteczość wtedy i tylko wtedy, gdy róŝica kwadratów ich odległości (według metryki Euklidesa) od obiektu ajlepszego jest rówa róŝicy kwadratów ich odległości od obiektu ajgorszego tj. u(x i )=u(x j ) d 2 (x i,x m+ )-d 2 (x j,x m+ )=d 2 (x i,x o )-d 2 (x j, x o ), gdzie: 2 i j i k j k 2 d ( x, x ) = ( x - x ) ; i,j [0,m+]. DOWÓD. Waruek wystarczający. Niech u(x i )= u(x j ), wówczas x - x, x = x - x, x czyli: m+ 0 i m+ 0 (x - x )x = (x - x )x oraz (x - x )(x - x ) = 0. m+,k 0,k ik m+,k 0,k m+,k 0,k ik (x - x )(x + x - 2x - x - x +2x ) = 0, Stąd: ik ik m+,k ik 0,k (xik - x )(x ik +x -2x m+,k ) = (xik -x )(x ik +x -2x 0,k ), 2 2 {(x ik ) - 2x m+,k (xik -x )-(x ) } ik 0,k ik k = 2 2 {(xik -x m+,k ) - (x -x m+,k ) } = 2 2 {(xik -x 0,k ) - (x -x 0,k ) }, = 2 2 {(x ) - 2x (x -x )-(x ) }, czyli d 2 (x i, x m+ )- d 2 (x j, x m+ )=d 2 (x i, x o ) - d 2 (x j, x o ). W podoby sposób dowodzi się waruku koieczego. Z powyŝszego twierdzeia wyika waŝy wiosek. WNIOSEK JeŜeli obiekty x i, x j są jedakowo odległe od obiektu maksymalego x m+ oraz obiektu miimalego x 0, tj. d(x i, x m+ ) = d(x j, x m+ ), d(x i, x o ) = d(x j, x o ) to obiekty te mają tą samą uŝyteczość. Istotie, jeŝeli: d(x i, x m+ ) = d(x j, x m+ ) oraz d(x i, x o ) = d(x j, x o ) to d 2 (x i, x m+ ) - d 2 (x j, x m+ ) = d 2 (x i, x o ) - d 2 (x j, x o ) = 0, stąd u(x i ) = u(x j ). JeŜeli zatem dwa obiekty są jedakowo oddaloe względem metryki Euklidesa od obiektu ajlepszego x m+ i obiektu ajgorszego x 0 to ich uŝyteczości są idetycze. UWAGA. Powierzchiami obojętości (u(x)=costas) geerowaymi przez fukcję uŝyteczości u określoą za pomocą wzoru (), są hiperpłaszczyzy: proste dla =2, płaszczyzy dla =3. j 29

6 30 DEFINICJA 2. Układ wektorów x 0, x, x 2,..., x m, x m+ azywać będziemy zormalizowaym jeŝeli obiekty x 0, x m+ są reprezetowae przez wektor zerowy i jedostkowy tj. x 0 = 0 = (0,0,...,0), x m+ = = (,,...,). Oczywiście, jeŝeli układ wektorów x 0, x, x 2,..., x m, x m+ jest zormalizoway to 0 x i, k dla kaŝdego i = 0,,...,m+;,2,...,. Ze wzoru () wyika: UWAGA 2. JeŜeli układ wektorów x 0, x,x 2,...,x m,x m+ jest zormalizoway to: u(x 0 )=0, u(x m+ )=, u(x i )= xi,k (2) PRZYKŁAD. RozwaŜmy a płaszczyźie zmieych rzeczywistych 0xy, siedem puktów o współrzędych: 3 3 P0 = (0;0), P = (;0), P2 = ;, P3 = (0, 7;0, 7), P4 = ;, P5 = (0;), P6 = (;) PołoŜeie puktów a płaszczyźie ilustruje poiŝszy rysuek. Rys Geometrycza iterpretacja przykładu Oś Y P5 P4 P6 0,7 P3 P2 P0 0,7 P Oś X Źródło: Opracowaie włase ZałóŜmy, Ŝe pukty te opisują odpowiedio pewe badae obiekty w 0, w, w 2, w 3, w 4, w 5, w 6, charakteryzowae za pomocą pary cech będących stymulatami. Obiekt w 0 opisyway za pomocą puktu P 0 jest uzay za ajgorszy, obiekt zaś w 6 jest ajlepszy. Ocea pozostałych obiektów jest dokoywaa według odległości (obliczoej przy pomocy metryki Euklidesa) puktów P, P 2, P 3, P 4, P 5 ajpierw od puktu P 0 potem od puktu P 6. Przyjmijmy, Ŝe obiekt jest uwaŝay za lepszy od

7 drugiego obiektu, gdy jest: połoŝoy dalej od ajgorszego - według pierwszego kryterium, połoŝoy bliŝej ajlepszego obiektu- według drugiego kryterium. Łatwo zauwaŝyć, Ŝe przy takich kryteriach obiekt w 3 jest ajgorszy według pierwszego kryterium, lecz jest ajlepszy według drugiego kryterium, spośród obiektów w 5, w 4, w 3, w 2, w. JeŜeli a rozwaŝaym zbiorze obiektów określimy fukcję uŝyteczości u, określoą za pomocą wzoru (), to ich uŝyteczości przedstawiają się astępująco: u(w 0 )=0; u(w )=u(w 5 )=; u(w 2 )=u(w 4 )=,38; u(w 3 )=,4; u(w 6 )=2. Według kryterium większej uŝyteczości obiektu, mamy astępujące uporządkowaie: w 0 pw ~w 5 pw 2 ~w 4 pw 3 pw 6. Na odciku wyzaczoym przez pukty P i P 5 leŝą obiekty, które mają tę samą uŝyteczość, rówą. Odciek te jest tak zwaą krzywą obojętości geerowaą przez fukcje uŝyteczości u (zob. Paek E. 2000). Nietrudo zauwaŝyć, Ŝe w tym przypadku krzywe obojętości są odcikami prostych o rówaiach x+y=c, 0< c <2. Istotie, jeŝeli pukty P(s,t), Q(v,z), 0 < s,t,v,z < leŝą a prostej o rówaiu x + y = c, to: u ( P ) = (, ),( t,s ) = t+s = c, u(q) = (, ),( v,z ) = v+z = c. Ozacza to, Ŝe P ~ Q. PowyŜsze rozwaŝaia pokazują, Ŝe wybór wzorca odgrywa istotą rolę dla rakigów, jak rówieŝ przy grupowaiu obiektów. Poday w przykładzie sposób porządkowaia obiektów za pomocą fukcji uŝyteczości opiera się a dwóch wzorcach. JeŜeli daa fukcja uŝyteczości u idukuje relacje preferecji obiektów zbioru W to fukcja złoŝoa g(u(x)), gdzie g: R R jest fukcją rosącą, jest rówieŝ fukcją uŝyteczości, geerującą tą samą relację preferecji w zbiorze obiektów W co fukcja u. Wykorzystując powyŝszą własość celowe jest uormowaie fukcji uŝyteczości polegające a wybraiu takiej fukcji g, aby jej wartość dla obiektu ajgorszego wyosiła 0, wartość zaś dla obiektu ajlepszego wyosiła, to jest by: g(u(x 0 ))=0, g(u(x m+ ))=. Fukcją o tej własości moŝe być a przykład fukcja liiowa: g(t)=(t-t 0 )/(t -t 0 ), t [ t 0, t ], (3) gdzie t = u(x m+ ), t 0 =. u(x 0 ). Przy oczywistym załoŝeiu, Ŝe t > t 0, gdyŝ dopuszczeie przypadku t = t 0 ozaczałoby, Ŝe wszystkie rozwaŝae obiekty mają tą samą uŝyteczość, otrzymaą za pomocą fukcji u. W tym przypadku fukcja: f(x i ):=g((u(x i )) = (u(x i ) - u(x 0 ) / (u(x m+ ) - u(x 0 )), i=0,,,m+, (4) określoa a zbiorze obiektów W, jest fukcją uŝyteczości mającą tą własość, Ŝe f(x 0 )=0, f(x m+ )=. JeŜeli fukcja uŝyteczości u określoa jest za pomocą wzoru () to przy pomocy wzoru (4) otrzymujemy postać owej fukcji uŝyteczości: f( x i ) = x m+ - x 0, x i x m+ - x 0, x 0 x m+ - x 0, x m+ x m+ - x 0, x 0 = 3

8 32 = x m+ -x 0-2 xm+ - x0, xi - x 0, i=0,,,m+, (5) gdzie orma wektora x i :=(<x i,x i >) 2 (zob. Paek E., 2000, 2003). Fukcja f idukuje tą samą relację preferecji, co fukcja uŝyteczości u, oczywiście f(x 0 )=0, f(x m+ )=. JeŜeli układ wektorów x 0, x,x 2,...,x m,x m+ jest zormalizoway to: f ( x i ) = xi,k, i=0,,...,m+. (6) Wzór (2) jak i wzór (6) aleŝą do ajczęściej stosowych addytywych formuł agregacyjych [por. Cieślak M. 993, Kukuła K. 2000]. ZauwaŜmy poadto, Ŝe jeŝeli wektor s:=(x m+ +x 0 )/2 reprezetuje obiekt pośredi pomiędzy ajlepszym x m+ a ajgorszym x 0 to f(s)=/2. Istotie f(s) = x m+ -x 0-2 xm+ - x0, s - x 0 = x m+ - x 0-2 xm+ - x0, ( xm+ - x 0)/2 = 0,5 x m+ - x 0-2 xm+ - x0, xm+ - x 0 = 0,5. Istieje skończeie wiele rosących fukcji g jedej zmieej, spełiających waruki: g(t 0 )=0, g(t )=, g((t +t 0 )/2)=/2; t 0,t R, t 0 t. Oczywiście, istieje rówieŝ ieskończeie wiele fukcji, które będąc fukcjami rosącymi mają te same wartości dla obiektów, które są jedakowo odległe od obiektu maksymalego x m+ oraz obiektu miimalego x 0. Przykładem jest fukcja określoa w poiŝszym twierdzeiu. TWIERDZENIE 2. Fukcja: d( x0, xi ) + d( x0, xm+ ) d( xi, xm+ ) U( xi ) =, i = 0,,..., m, m +, 2d( x, x ) 0 m+ jest fukcją uŝyteczości przyjmującą wartości z przedziału [0,], przy czym U(x 0 )=0, U(x m+ )=. JeŜeli d(x i,x m+ )=d(x j,x m+ ) i d(x i,x o ) = d(x j,x o ) to U(x i )=U(x j ). Oczywistym jest, Ŝe powierzchie obojętości geerowae przez rówaie U(x)=costas, ie będą, jak w przypadku fukcji liiowej u hiperpłaszczyzami. Warto jedak zauwaŝyć, Ŝe w przypadku =2 krzywa obojętości wyzaczoa przez rówaie U(x)=c, c [0,] jest odcikiem prostej o rówaiu x 2 =-x (przekątą kwadratu) dla c=0,5 oraz hiperbolą dla pozostałych c. Wyika to z faktu, Ŝe hiperbola jest miejscem geometryczym puktów, których róŝica odległości od dwóch stałych puktów zwaych ogiskami jest stała. PRZYKŁAD 2 RozwaŜmy zbiór siedmiu obiektów w 0, w, w 2, w 3, w 4, w 5, w 6, z poprzediego przykładu, charakteryzowaych za pomocą pary cech będących (7)

9 stymulatami. Obiekty te traktowae, jako wektory, tworzą zormalizoway układ wektorów (Defiicja 2). PoiŜsza tabela podaje ich uŝyteczości obliczoe za pomocą dwóch zormalizowaych fukcji uŝyteczości. Tabela. UŜyteczości obiektów Fukcja uŝyteczości w 0 w w 2 w 3 w 4 w 5 w 6 f(w i )-wzór (5) 0 0,5 0,683 0,7 0,683 0,5 U(w i )-wzór (7) 0 0,5 0,67 0,7 0,67 0,5 Źródło: Opracowaie włase Łatwo zauwaŝyć, Ŝe fukcje te zachowują preferecje z przykładu pierwszego. WNIOSKI Przedstawioe w pracy rozwaŝaia pokazują, Ŝe przy klasyfikacji obiektów wybór wzorca odgrywa istotą rolę. Zapropooway sposób porządkowaia liiowego obiektów w rówym stopiu wykorzystuje obiekt wzorcowy ajgorszy jak i obiekt wzorcowy ajlepszy. Zaprezetowae w pracy podejście do problemu klasyfikacji obiektów ie wyczerpuje badań w tym zakresie a przydatość metody zweryfikować mogą tylko badaia oparte a rzeczywistych daych. LITERATURA Alle R. G. D. (964) Ekoomia matematycza, PWN, Warszawa. Bartosiewicz S. (976) Propozycja metody tworzeia zmieych sytetyczych, Prace Naukowe AE we Wrocławiu, r 84, Wrocław. Biderma A. (2005) O problemie wyboru wzorca przy badaiu przestrzeego zróŝicowaia potecjału rolictwa w Polsce, Metody ilościowe w badaiach ekoomiczych V, Warszawa, str. 46. Biderma A. (2006) Wykorzystaie fukcji uŝyteczości do badaia przestrzeego zróŝicowaia rolictwa-praca złoŝoa do Roczików Naukowych Stowarzyszeia Ekoomistów Rolictwa i Agrobizesu. Borkowski B, Dudek H., Szczesy W. (2004) Ekoometria. Wybrae zagadieia, PWN, Warszawa. Borys T. (978) Propozycja agregatowej miary rozwoju obiektów, Przegląd Statystyczy, z. 3. Cieślak M. (993) Ekoomicze zastosowaie mierików sytetyczych ze zmieym wzorcem, [w:] Przestrzeo-czasowe modelowaie i progozowaie zjawisk gospodarczych, AE, Kraków. Gatar E. (998) Symbolicze metody klasyfikacji daych, PWN, Warszawa. Hellwig Z. (968) Zastosowaie metody taksoomiczej do typologiczego podziału krajów ze względu a poziom ich rozwoju oraz zasoby i strukturę kwalifikowaych kadr, Przegląd Statystyczy, z. 4. Kukuła K. (2000) Metoda uitaryzacji zerowaej, PWN, Warszawa. Malawski A. (999) Wprowadzeie do ekoomii matematyczej, AE, Kraków. 33

10 34 Malia A. (2004) Wielowymiarowa aaliza przestrzeego zróŝicowaia struktury gospodarki Polski według województw, AE, Seria Moografie r 62, Kraków. Paek E. (2000) Ekoomia matematycza, Akademia Ekoomicza, Pozań. Paek E. (red.) (2003) Podstawy ekoomii matematyczej, AE, Pozań. Pociecha J., Podolec B., Sokołowski A., Zając K. (988) Metody taksoomicze w badaiach społeczo-ekoomiczych, PWN, Warszawa. Rolewicz S. (985) Metric liear spaces, PWN-Polish Scietific Publishers ad D. Reidel, Warszawa-Dordrecht. Stoe R., (970) Matematyka w aukach społeczych, PWE, Warszawa. Strahl D., Walesiak M. (996) Normalizacja zmieych w skali przedziałowej i ilorazowej w referecyjym systemie graiczym, Seria: Taksoomia, z. 3, Sekcja Klasyfikacji i Aalizy Daych, Wrocław Kraków - Jeleia Góra. Strahl D., Walesiak M. (997) Normalizacja zmieych w graiczym systemie referecyjym, Przegląd Statystyczy, z.. Zegar J. (2003) ZróŜicowaie regioale rolictwa, GUS, Warszawa. Zeliaś A. (997) Teoria progozy, PWE, Warszawa. Zeliaś A. (2000) Taksoomicza aaliza przestrzeego zróŝicowaia poziomu Ŝycia w Polsce w ujęciu dyamiczym, Kraków. O a classificatio of objects basig o two models Summary: I the preset paper, a maer of classificatio of objects which is based o two model objects is give. The applied method uses comparative multidimesioal aalysis ad coceptio of models, ormalizatio, preferece relatios ad utility fuctios as the preferece idicators. The give utility fuctios have such property that two cosidered objects have a idetical utility if their distaces from two differet fixed model objects are equal. Key words: sythetic measures, metrics, utility fuctio, model, ormalizatio, classificatio.

Ekonomia matematyczna - 1.1

Ekonomia matematyczna - 1.1 Ekoomia matematycza - 1.1 Elemety teorii kosumeta 1. Pole preferecji Ozaczmy R x x 1,...,x : x j 0 x x, x j1 j. R rozpatrujemy z ormą x j 2. Dla x x 1,...,x,p p 1,...,p Ip x, p x j p j x 1 p 1 x 2 p 2...x

Bardziej szczegółowo

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny TEMATYKA: Regresja liiowa dla prostej i płaszczyzy Ćwiczeia r 5 DEFINICJE: Regresja: metoda statystycza pozwalająca a badaie związku pomiędzy wielkościami daych i przewidywaie a tej podstawie iezaych wartości

Bardziej szczegółowo

Szereg geometryczny. 5. b) b n = 4n 2 (b 1 = 2, r = 4) lub b n = 10 (b 1 = 10, r = 0). 2. jest równa 1 x dla x = 1+ Zad. 3:

Szereg geometryczny. 5. b) b n = 4n 2 (b 1 = 2, r = 4) lub b n = 10 (b 1 = 10, r = 0). 2. jest równa 1 x dla x = 1+ Zad. 3: Szereg geometryczy Zad : Suma wszystkich wyrazów ieskończoego ciągu geometryczego jest rówa 4, a suma trzech początkowych wyrazów wyosi a) Zbadaj mootoiczość ciągu sum częściowych tego ciągu geometryczego

Bardziej szczegółowo

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja Charakterystyki liczbowe zmieych losowych: wartość oczekiwaa i wariacja dr Mariusz Grządziel Wykłady 3 i 4;,8 marca 24 Wartość oczekiwaa zmieej losowej dyskretej Defiicja. Dla zmieej losowej dyskretej

Bardziej szczegółowo

Wykład 11. a, b G a b = b a,

Wykład 11. a, b G a b = b a, Wykład 11 Grupy Grupą azywamy strukturę algebraiczą złożoą z iepustego zbioru G i działaia biarego które spełia własości: (i) Działaie jest łącze czyli a b c G a (b c) = (a b) c. (ii) Działaie posiada

Bardziej szczegółowo

1 Twierdzenia o granicznym przejściu pod znakiem całki

1 Twierdzenia o granicznym przejściu pod znakiem całki 1 Twierdzeia o graiczym przejściu pod zakiem całki Ozaczeia: R + = [0, ) R + = [0, ] (X, M, µ), gdzie M jest σ-ciałem podzbiorów X oraz µ: M R + - zbiór mierzaly, to zaczy M Twierdzeie 1.1. Jeżeli dae

Bardziej szczegółowo

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej 3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi

Bardziej szczegółowo

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum MATEMATYKA (poziom podstawowy) przykładowy arkusz maturaly wraz ze schematem oceiaia dla klasy II Liceum Propozycja zadań maturalych sprawdzających opaowaie wiadomości i umiejętości matematyczych z zakresu

Bardziej szczegółowo

Analiza matematyczna. Robert Rałowski

Analiza matematyczna. Robert Rałowski Aaliza matematycza Robert Rałowski 6 paździerika 205 2 Spis treści 0. Liczby aturale.................................... 3 0.2 Liczby rzeczywiste.................................... 5 0.2. Nierówości...................................

Bardziej szczegółowo

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe Metody probabilistycze i statystyka Wykład 1 Zdarzeia losowe, defiicja prawdopodobieństwa, zmiee losowe Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki

Bardziej szczegółowo

P π n π. Równanie ogólne płaszczyzny w E 3. Dane: n=[a,b,c] Wówczas: P 0 P=[x-x 0,y-y 0,z-z 0 ] Równanie (1) nazywamy równaniem ogólnym płaszczyzny

P π n π. Równanie ogólne płaszczyzny w E 3. Dane: n=[a,b,c] Wówczas: P 0 P=[x-x 0,y-y 0,z-z 0 ] Równanie (1) nazywamy równaniem ogólnym płaszczyzny Rówaie ogóle płaszczyzy w E 3. ae: P π i π o =[A,B,C] P (,y,z ) Wówczas: P P=[-,y-y,z-z ] P π PP PP= o o Rówaie () azywamy rówaiem ogólym płaszczyzy A(- )+B(y-y )+C(z-z )= ( ) A+By+Cz+= Przykład

Bardziej szczegółowo

Analiza numeryczna. Stanisław Lewanowicz. Aproksymacja funkcji

Analiza numeryczna. Stanisław Lewanowicz. Aproksymacja funkcji http://www.ii.ui.wroc.pl/ sle/teachig/a-apr.pdf Aaliza umerycza Staisław Lewaowicz Grudzień 007 r. Aproksymacja fukcji Pojęcia wstępe Defiicja. Przestrzeń liiową X (ad ciałem liczb rzeczywistych R) azywamy

Bardziej szczegółowo

I. Ciągi liczbowe. , gdzie a n oznacza n-ty wyraz ciągu (a n ) n N. spełniający warunek. a n+1 a n = r, spełniający warunek a n+1 a n

I. Ciągi liczbowe. , gdzie a n oznacza n-ty wyraz ciągu (a n ) n N. spełniający warunek. a n+1 a n = r, spełniający warunek a n+1 a n I. Ciągi liczbowe Defiicja 1. Fukcję określoą a zbiorze liczb aturalych o wartościach rzeczywistych azywamy ciągiem liczbowym. Ciągi będziemy ozaczać symbolem a ), gdzie a ozacza -ty wyraz ciągu a ). Defiicja.

Bardziej szczegółowo

1. Granica funkcji w punkcie

1. Granica funkcji w punkcie Graica ukcji w pukcie Deiicja Sąsiedztwem o promieiu r > 0 puktu a R azywamy zbiór S ( a ( a r ( a a Deiicja Sąsiedztwem lewostroym o promieiu r > 0 puktu a R azywamy zbiór S ( a ( a r Deiicja Sąsiedztwem

Bardziej szczegółowo

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii O pewych zastosowaiach rachuku różiczkowego fukcji dwóch zmieych w ekoomii 1 Wielkość wytwarzaego dochodu arodowego D zależa jest od wielkości produkcyjego majątku trwałego M i akładów pracy żywej Z Fukcję

Bardziej szczegółowo

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek Zajdowaie pozostałych pierwiastków liczby zespoloej, gdy zay jest jede pierwiastek 1 Wprowadzeie Okazuje się, że gdy zamy jede z pierwiastków stopia z liczby zespoloej z, to pozostałe pierwiastki możemy

Bardziej szczegółowo

Stwierdzenie 1. Jeżeli ciąg ma granicę, to jest ona określona jednoznacznie (żaden ciąg nie może mieć dwóch różnych granic).

Stwierdzenie 1. Jeżeli ciąg ma granicę, to jest ona określona jednoznacznie (żaden ciąg nie może mieć dwóch różnych granic). Materiały dydaktycze Aaliza Matematycza Wykład Ciągi liczbowe i ich graice. Graice ieskończoe. Waruek Cauchyego. Działaia arytmetycze a ciągach. Podstawowe techiki obliczaia graic ciągów. Istieie graic

Bardziej szczegółowo

Ekonomia matematyczna 2-2

Ekonomia matematyczna 2-2 Ekoomia matematycza - Fukcja produkcji Defiicja Efektywym przekształceiem techologiczym azywamy odwzorowaie (iekiedy wielowartościowe), które kazdemu wektorowi akładów R przyporządkowuje zbiór wektorów

Bardziej szczegółowo

Arkusz ćwiczeniowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE. W zadaniach od 1. do 21. wybierz i zaznacz poprawną odpowiedź. 1 C. 3 D.

Arkusz ćwiczeniowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE. W zadaniach od 1. do 21. wybierz i zaznacz poprawną odpowiedź. 1 C. 3 D. Arkusz ćwiczeiowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE W zadaiach od. do. wybierz i zazacz poprawą odpowiedź. Zadaie. ( pkt) Liczbę moża przedstawić w postaci A. 8. C. 4 8 D. 4 Zadaie. ( pkt)

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi.

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi. Jarosław Wróblewski Aaliza Matematycza 1A, zima 2012/13 Ciągi. Ćwiczeia 5.11.2012: zad. 140-173 Kolokwium r 5, 6.11.2012: materiał z zad. 1-173 Ćwiczeia 12.11.2012: zad. 174-190 13.11.2012: zajęcia czwartkowe

Bardziej szczegółowo

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11 RÓWNANIA RÓŻNICZKOWE WYKŁAD Szeregi potęgowe Defiicja Fukcja y = f () jest klasy C jeżeli jest -krotie różiczkowala i jej -ta pochoda jest fukcją ciągłą. Defiicja Fukcja y = f () jest klasy C, jeżeli jest

Bardziej szczegółowo

Wektory Funkcje rzeczywiste wielu. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Wektory Funkcje rzeczywiste wielu. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski Wektory Fukcje rzeczywiste wielu zmieych rzeczywistych Matematyka Studium doktorackie KAE SGH Semestr leti 2008/2009 R. Łochowski Wektory pukty w przestrzei R Przestrzeń R to zbiór uporządkowaych -ek liczb

Bardziej szczegółowo

a) symbole logiczne (wspólne dla wszystkich języków) zmienne przedmiotowe: x, y, z, stałe logiczne:,,,,,, symbole techniczne: (, )

a) symbole logiczne (wspólne dla wszystkich języków) zmienne przedmiotowe: x, y, z, stałe logiczne:,,,,,, symbole techniczne: (, ) PROGRAMOWANIE W JĘZYU OGII WPROWADZENIE OGIA PIERWSZEGO RZĘDU Symbole języka pierwszego rzędu dzielą się a: a symbole logicze (wspóle dla wszystkich języków zmiee przedmiotowe: x y z stałe logicze: symbole

Bardziej szczegółowo

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to

Bardziej szczegółowo

x 1 2 3 t 1 (x) 2 3 1 o 1 : x 1 2 3 s 3 (x) 2 1 3. Tym samym S(3) = {id 3,o 1,o 2,s 1,s 2,s 3 }. W zbiorze S(n) definiujemy działanie wzorem

x 1 2 3 t 1 (x) 2 3 1 o 1 : x 1 2 3 s 3 (x) 2 1 3. Tym samym S(3) = {id 3,o 1,o 2,s 1,s 2,s 3 }. W zbiorze S(n) definiujemy działanie wzorem 9.1. Izomorfizmy algebr.. Wykład Przykłady: 13) Działaia w grupach często wygodie jest zapisywać w tabelkach Cayleya. Na przykład tabelka działań w grupie Z 5, 5) wygląda astępująco: 5 1 3 1 1 3 1 3 3

Bardziej szczegółowo

3. Funkcje elementarne

3. Funkcje elementarne 3. Fukcje elemetare Fukcjami elemetarymi będziemy azywać fukcję tożsamościową x x, fukcję wykładiczą, fukcje trygoometrycze oraz wszystkie fukcje, jakie moża otrzymać z wyżej wymieioych drogą astępujących

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 2B, lato 2015/16

Jarosław Wróblewski Analiza Matematyczna 2B, lato 2015/16 Egzami,.6.6, godz. 9:-: Zadaie. puktów) Wyzaczyć wszystkie rozwiązaia rówaia z i w liczbach zespoloych. Zapisać wszystkie rozwiązaia w postaci kartezjańskiej bez używaia fukcji trygoometryczych) oraz zazaczyć

Bardziej szczegółowo

Materiał ćwiczeniowy z matematyki Marzec 2012

Materiał ćwiczeniowy z matematyki Marzec 2012 Materiał ćwiczeiowy z matematyki Marzec 0 Klucz puktowaia do zadań zamkiętych oraz schemat oceiaia do zadań otwartych POZIOM PODSTAWOWY Marzec 0 Klucz puktowaia do zadań zamkiętych Nr zad 3 5 6 7 8 9 0

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu. Rachuek prawdopodobieństwa i statystyka W12: Statystycza aaliza daych jakościowych Dr Aa ADRIAN Paw B5, pok 407 ada@agh.edu.pl Wprowadzeie Rozróżia się dwa typy daych jakościowych: Nomiale jeśli opisują

Bardziej szczegółowo

Zadania z analizy matematycznej - sem. I Szeregi liczbowe

Zadania z analizy matematycznej - sem. I Szeregi liczbowe Zadaia z aalizy matematyczej - sem. I Szeregi liczbowe Defiicja szereg ciąg sum częściowyc. Szeregiem azywamy parę uporządkowaą a ) S ) ) ciągów gdzie: ciąg a ) ciąg S ) jest day jest ciągiem sum częściowych

Bardziej szczegółowo

Fraktale - ciąg g dalszy

Fraktale - ciąg g dalszy Fraktale - ciąg g dalszy Koleja próba defiicji fraktala Jak Madelbrot zdefiiował fraktal? Co to jest wymiar fraktaly zbioru? Układy odwzorowań iterowaych (IFS Przykład kostrukcji pewego zbioru. Elemety

Bardziej szczegółowo

Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne

Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne Wykład 4 Niezależość zmieych, fukcje i charakterystyki wektora losowego, cetrale twierdzeia graicze Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki

Bardziej szczegółowo

O liczbach naturalnych, których suma równa się iloczynowi

O liczbach naturalnych, których suma równa się iloczynowi O liczbach aturalych, których suma rówa się iloczyowi Lew Kurladczyk i Adrzej Nowicki Toruń UMK, 10 listopada 1998 r. Liczby aturale 1, 2, 3 posiadają szczególą własość. Ich suma rówa się iloczyowi: Podobą

Bardziej szczegółowo

PODSTAWOWE ZAGADNIENIA METODOLOGICZNE

PODSTAWOWE ZAGADNIENIA METODOLOGICZNE PODSTAWOWE ZAGADNIENIA METODOLOGICZNE. Wprowadzeie W ekoomii i aukach o zarządzaiu obserwuje się tedecję do ilościowego opisu zależości miedzy zjawiskami ekoomiczymi. Umożliwia to - zobiektywizowaie i

Bardziej szczegółowo

Pierwiastki z liczby zespolonej. Autorzy: Agnieszka Kowalik

Pierwiastki z liczby zespolonej. Autorzy: Agnieszka Kowalik Pierwiastki z liczby zespoloej Autorzy: Agieszka Kowalik 09 Pierwiastki z liczby zespoloej Autor: Agieszka Kowalik DEFINICJA Defiicja : Pierwiastek z liczby zespoloej Niech będzie liczbą aturalą. Pierwiastkiem

Bardziej szczegółowo

Zadania z algebry liniowej - sem. I Liczby zespolone

Zadania z algebry liniowej - sem. I Liczby zespolone Zadaia z algebry liiowej - sem. I Liczby zespoloe Defiicja 1. Parę uporządkowaą liczb rzeczywistych x, y azywamy liczbą zespoloą i ozaczamy z = x, y. Zbiór wszystkich liczb zespoloych ozaczamy przez C

Bardziej szczegółowo

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU Przedmiot: Iformatyka w logistyce Forma: Laboratorium Temat: Zadaie 2. Automatyzacja obsługi usług logistyczych z wykorzystaiem zaawasowaych fukcji oprogramowaia Excel. Miimalizacja pustych przebiegów

Bardziej szczegółowo

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12 Wykład Korelacja i regresja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Wykład 8. Badaie statystycze ze względu

Bardziej szczegółowo

Chemia Teoretyczna I (6).

Chemia Teoretyczna I (6). Chemia Teoretycza I (6). NajwaŜiejsze rówaia róŝiczkowe drugiego rzędu o stałych współczyikach w chemii i fizyce cząstka w jedowymiarowej studi potecjału Cząstka w jedowymiarowej studi potecjału Przez

Bardziej szczegółowo

UKŁADY RÓWNAŃ LINOWYCH

UKŁADY RÓWNAŃ LINOWYCH Ekoeergetyka Matematyka. Wykład 4. UKŁADY RÓWNAŃ LINOWYCH Defiicja (Układ rówań liiowych, rozwiązaie układu rówań) Układem m rówań liiowych z iewiadomymi,,,, gdzie m, azywamy układ rówań postaci: a a a

Bardziej szczegółowo

Egzamin maturalny z matematyki CZERWIEC 2011

Egzamin maturalny z matematyki CZERWIEC 2011 Egzami maturaly z matematyki CZERWIEC 0 Klucz puktowaia do zadań zamkiętych oraz schemat oceiaia do zadań otwartych POZIOM PODSTAWOWY Poziom podstawowy czerwiec 0 Klucz puktowaia do zadań zamkiętych Nr

Bardziej szczegółowo

ALGEBRA LINIOWA Informatyka 2015/2016 Kazimierz Jezuita. ZADANIA - Seria 1. Znaleźć wzór na ogólny wyraz ciągu opisanego relacją rekurencyjną: x

ALGEBRA LINIOWA Informatyka 2015/2016 Kazimierz Jezuita. ZADANIA - Seria 1. Znaleźć wzór na ogólny wyraz ciągu opisanego relacją rekurencyjną: x Iformatyka 05/06 Kazimierz Jezuita ZADANIA - Seria. Relacja rekurecyja kowecja sumacyja suma ciągu geometryczego. Zaleźć wzór a ogóly wyraz ciągu opisaego relacją rekurecyją: x sprowadzając problem do

Bardziej szczegółowo

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017 STATYSTYKA OPISOWA Dr Alia Gleska Istytut Matematyki WE PP 18 listopada 2017 1 Metoda aalitycza Metoda aalitycza przyjmujemy założeie, że zmiay zjawiska w czasie moża przedstawić jako fukcję zmieej czasowej

Bardziej szczegółowo

Ciągi liczbowe wykład 3

Ciągi liczbowe wykład 3 Ciągi liczbowe wykład 3 dr Mariusz Grządziel semestr zimowy, r akad 204/205 Defiicja ciągu liczbowego) Ciagiem liczbowym azywamy fukcję odwzorowuja- ca zbiór liczb aturalych w zbiór liczb rzeczywistych

Bardziej szczegółowo

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i. Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla

Bardziej szczegółowo

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzeie macierzowe Defiicja: Zakresem macierzy AŒ mâ azywamy podprzestrzeń R(A) przestrzei m geerowaą przez zakres fukcji ( ) : m f x = Ax ( A) { Ax x } = Defiicja: Zakresem macierzy A Œ âm azywamy

Bardziej szczegółowo

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzeie macierzowe Defiicja: Zakresem macierzy AŒ mâ azywamy podprzestrzeń R(A) przestrzei m geerowaą przez zakres fukcji : m f x = Ax RAAx x Defiicja: Zakresem macierzy A Œ âm azywamy podprzestrzeń

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład VI: Metoda Mote Carlo 17 listopada 2014 Zastosowaie: przybliżoe całkowaie Prosta metoda Mote Carlo Przybliżoe obliczaie całki ozaczoej Rozważmy całkowalą fukcję f : [0, 1] R. Chcemy zaleźć przybliżoą

Bardziej szczegółowo

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i. Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla

Bardziej szczegółowo

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y Zadaie. Łącza wartość szkód z pewego ubezpieczeia W = Y + Y +... + YN ma rozkład złożoy Poissoa z oczekiwaą liczbą szkód rówą λ i rozkładem wartości pojedyczej szkody takim, że ( Y { 0,,,3,... }) =. Niech:

Bardziej szczegółowo

MACIERZE STOCHASTYCZNE

MACIERZE STOCHASTYCZNE MACIERZE STOCHASTYCZNE p ij - prawdopodobieństwo przejścia od stau i do stau j w jedym (dowolym) kroku, [p ij ]- macierz prawdopodobieństw przejść (w jedym kroku), Własości macierzy prawdopodobieństw przejść:

Bardziej szczegółowo

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2. Zagadieia estymacji Puktem wyjścia badaia statystyczego jest wylosowaie z całej populacji pewej skończoej liczby elemetów i zbadaie ich ze względu a zmieą losową cechę X Uzyskae w te sposób wartości x,

Bardziej szczegółowo

Matematyka I. Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr zimowy 2018/2019 Wykład 11

Matematyka I. Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr zimowy 2018/2019 Wykład 11 Matematyka I Bezpieczeństwo jądrowe i ochroa radiologicza Semestr zimowy 2018/2019 Wykład 11 Całka ozaczoa podstawowe pojęcia Defiicja podziału odcika Podziałem P odcika < a, b > a części azywamy zbiór

Bardziej szczegółowo

Przykładowe zadania dla poziomu rozszerzonego

Przykładowe zadania dla poziomu rozszerzonego Przkładowe zadaia dla poziomu rozszerzoego Zadaie. ( pkt W baku w pierwszm roku oszczędzaia stopa procetowa bła rówa p%, a w drugim roku bła o % iższa. Po dwóch latach, prz roczej kapitalizacji odsetek,

Bardziej szczegółowo

ZADANIA Z TOPOLOGII I. PRZESTRZENIE METRYCZNE. II. ZBIORY OTWARTE I DOMKNIĘTE.

ZADANIA Z TOPOLOGII I. PRZESTRZENIE METRYCZNE. II. ZBIORY OTWARTE I DOMKNIĘTE. ZADANIA Z TOPOLOGII I. PRZESTRZENIE METRYCZNE. 1. Niech (X, ρ) będzie przestrzeią metryczą zaś a liczbą rzeczywistą dodatią. Wykaż, że fukcja σ: X X R określoa wzorem σ(x, y) = mi {ρ(x, y), a} jest metryką

Bardziej szczegółowo

STATYSTYKA I ANALIZA DANYCH

STATYSTYKA I ANALIZA DANYCH TATYTYKA I ANALIZA DANYCH Zad. Z pewej partii włókie weły wylosowao dwie próbki włókie, a w każdej z ich zmierzoo średicę włókie różymi metodami. Otrzymao astępujące wyiki: I próbka: 50; średia średica

Bardziej szczegółowo

Elementy rach. macierzowego Materiały pomocnicze do MES Strona 1 z 7. Elementy rachunku macierzowego

Elementy rach. macierzowego Materiały pomocnicze do MES Strona 1 z 7. Elementy rachunku macierzowego Elemety rach macierzowego Materiały pomocicze do MES Stroa z 7 Elemety rachuku macierzowego Przedstawioe poiżej iformacje staowią krótkie przypomieie elemetów rachuku macierzowego iezbęde dla zrozumieia

Bardziej szczegółowo

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie Metrologia: miary dokładości dr iż. Paweł Zalewski Akademia Morska w Szczeciie Miary dokładości: Najczęściej rozkład pomiarów w serii wokół wartości średiej X jest rozkładem Gaussa: Prawdopodobieństwem,

Bardziej szczegółowo

Ekonomia matematyczna - 2.1

Ekonomia matematyczna - 2.1 Ekoomia matematycza - 2.1 Przestrzeń produkcyja Zakładamy,że w gospodarce występuje towarów, każdy jako akład ( surowiec ) lub wyik ( produkt ) w procesach produkcji. Kokrety proces produkcji jest reprezetoway

Bardziej szczegółowo

Ekonometria Mirosław Wójciak

Ekonometria Mirosław Wójciak Ekoometria Mirosław Wójciak Literatura obowiązkowa Barczak A, ST. Biolik J, Podstawy Ekoometrii, Wydawictwo AE Katowice, Katowice 1998 Dziechciarz J. Ekoometria Metody, przykłady, zadaia (wyd. ) Kukuła

Bardziej szczegółowo

Elementy modelowania matematycznego

Elementy modelowania matematycznego Elemety modelowaia matematyczego Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Modelowaie daych (ilościowe): Metody statystycze: estymacja parametrów modelu,

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17 Egzami, 18.02.2017, godz. 9:00-11:30 Zadaie 1. (22 pukty) W każdym z zadań 1.1-1.10 podaj w postaci uproszczoej kresy zbioru oraz apisz, czy kresy ależą do zbioru (apisz TAK albo NIE, ewetualie T albo

Bardziej szczegółowo

Uwarunkowania rozwojowe województw w Polsce analiza statystyczno-ekonometryczna

Uwarunkowania rozwojowe województw w Polsce analiza statystyczno-ekonometryczna 3 MAŁGORZATA STEC Dr Małgorzata Stec Zakład Statystyki i Ekoometrii Uiwersytet Rzeszowski Uwarukowaia rozwojowe województw w Polsce aaliza statystyczo-ekoometrycza WPROWADZENIE Rozwój społeczo-gospodarczy

Bardziej szczegółowo

STATYSTYKA OPISOWA PODSTAWOWE WZORY

STATYSTYKA OPISOWA PODSTAWOWE WZORY MIARY POŁOŻENIA Średia Dla daych idywidualych: x = 1 STATYSTYKA OPISOWA PODSTAWOWE WZORY x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału Domiata (moda Liczba ajczęściej

Bardziej szczegółowo

STATYSTYKA OPISOWA PODSTAWOWE WZORY

STATYSTYKA OPISOWA PODSTAWOWE WZORY MIARY POŁOŻENIA Średia Dla daych idywidualych: STATYSTYKA OPISOWA PODSTAWOWE WZORY Q i = x lmi + i mi 1 4 j h m i mi x = 1 x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału

Bardziej szczegółowo

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień.

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień. Metoda aalizy hierarchii Saaty ego Ważym problemem podejmowaia decyzji optymalizowaej jest często występująca hierarchiczość zagadień. Istieje wiele heurystyczych podejść do rozwiązaia tego problemu, jedak

Bardziej szczegółowo

Ewa Wędrowska Miary entropii w statystyce i teorii informacji. Ekonomiczne Problemy Usług nr 67,

Ewa Wędrowska Miary entropii w statystyce i teorii informacji. Ekonomiczne Problemy Usług nr 67, Ewa Wędrowska Miary etropii w statystyce i teorii iformacji Ekoomicze Problemy Usług r 67, 33-4 20 ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 650 EKONOMICZNE PROBLEMY USŁUG NR 67 20 EWA WĘDROWSKA Uiwersytet

Bardziej szczegółowo

2. Schemat ideowy układu pomiarowego

2. Schemat ideowy układu pomiarowego 1. Wiadomości ogóle o prostowikach sterowaych Układy prostowikowe sterowae są przekształtikami sterowaymi fazowo. UmoŜliwiają płya regulację średiej wartości apięcia wyprostowaego, a tym samym średiej

Bardziej szczegółowo

8. Optymalizacja decyzji inwestycyjnych

8. Optymalizacja decyzji inwestycyjnych 8. Optymalizacja decyzji iwestycyjych 8. Wprowadzeie W wielu różych sytuacjach, w tym rówież w czasie wyboru iwestycji do realizacji, podejmujemy decyzje. Sytuacje takie azywae są sytuacjami decyzyjymi.

Bardziej szczegółowo

ANALIZA KORELACJI IREGRESJILINIOWEJ

ANALIZA KORELACJI IREGRESJILINIOWEJ ANALIZA KORELACJI IREGRESJILINIOWEJ 1. ZALEŻNOŚCI STOCHASTYCZNE Badajac zjawiska o charakterze masowym, w tym szczególie zjawiska spo leczo-ekoomicze, stwierdzamy, że każde z ich jest uwarukowae dzia laiem

Bardziej szczegółowo

Szeregi liczbowe. Szeregi potęgowe i trygonometryczne.

Szeregi liczbowe. Szeregi potęgowe i trygonometryczne. Szeregi iczbowe. Szeregi potęgowe i trygoometrycze. wykład z MATEMATYKI Automatyka i Robotyka sem. I, rok ak. 2008/2009 Katedra Matematyki Wydział Iformatyki Poitechika Białostocka Szeregi iczbowe Defiicja..

Bardziej szczegółowo

D. Miszczyńska, M.Miszczyński KBO UŁ, Badania operacyjne (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assignment Problem)

D. Miszczyńska, M.Miszczyński KBO UŁ, Badania operacyjne (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assignment Problem) D. Miszczyńska, M.Miszczyński KBO UŁ, Badaia operacyje (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assigmet Problem) Bliskim "krewiakiem" ZT (w sesie podobieństwa modelu decyzyjego) jest zagadieie

Bardziej szczegółowo

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA Mamy populację geeralą i iteresujemy się pewą cechą X jedostek statystyczych, a dokładiej pewą charakterystyką liczbową θ tej cechy (p. średią wartością

Bardziej szczegółowo

14. RACHUNEK BŁĘDÓW *

14. RACHUNEK BŁĘDÓW * 4. RACHUNEK BŁĘDÓW * Błędy, które pojawiają się w czasie doświadczeia mogą mieć włase źródła. Są imi błędy związae z błędą kalibracją torów pomiarowych, szumy, czas reagowaia przyrządu, ograiczeia kostrukcyje,

Bardziej szczegółowo

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i =

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i = Zastosowaie symboli Σ i Π do zapisu sum i iloczyów Teoria Niech a, a 2,..., a będą dowolymi liczbami. Sumę a + a 2 +... + a zapisuje się zazwyczaj w postaci (czytaj: suma od k do a k ). Zak Σ to duża grecka

Bardziej szczegółowo

Matematyka finansowa 06.10.2008 r. Komisja Egzaminacyjna dla Aktuariuszy. XLVII Egzamin dla Aktuariuszy z 6 października 2008 r.

Matematyka finansowa 06.10.2008 r. Komisja Egzaminacyjna dla Aktuariuszy. XLVII Egzamin dla Aktuariuszy z 6 października 2008 r. Komisja Egzamiacyja dla Aktuariuszy XLVII Egzami dla Aktuariuszy z 6 paździerika 2008 r. Część I Matematyka fiasowa WERSJA TESTU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut . Kredytobiorca

Bardziej szczegółowo

Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15

Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15 Testowaie hipotez ZałoŜeia będące przedmiotem weryfikacji azywamy hipotezami statystyczymi. KaŜde przypuszczeie ma swoją alteratywę. Jeśli postawimy hipotezę, Ŝe średica pia jedoroczych drzew owej odmiay

Bardziej szczegółowo

I. Podzielność liczb całkowitych

I. Podzielność liczb całkowitych I Podzielość liczb całkowitych Liczba a = 57 przy dzieleiu przez pewą liczbę dodatią całkowitą b daje iloraz k = 3 i resztę r Zaleźć dzieik b oraz resztę r a = 57 = 3 b + r, 0 r b Stąd 5 r b 8, 3 więc

Bardziej szczegółowo

Materiał ćwiczeniowy z matematyki marzec 2012

Materiał ćwiczeniowy z matematyki marzec 2012 Materiał ćwiczeiowy z matematyki marzec 0 Klucz puktowaia do zadań zamkiętych oraz schemat oceiaia do zadań otwartych dla iewidomych POZIOM PODSTAWOWY Klucz puktowaia do zadań zamkiętych Nr zad 3 4 6 7

Bardziej szczegółowo

Ciągi i szeregi liczbowe. Ciągi nieskończone.

Ciągi i szeregi liczbowe. Ciągi nieskończone. Ciągi i szeregi liczbowe W zbiorze liczb X jest określoa pewa fukcja f, jeŝeli kaŝdej liczbie x ze zbioru X jest przporządkowaa dokładie jeda liczba pewego zbioru liczb Y Przporządkowaie to zapisujem w

Bardziej szczegółowo

Damian Doroba. Ciągi. 1. Pierwsza z granic powinna wydawać się oczywista. Jako przykład może służyć: lim n = lim n 1 2 = lim.

Damian Doroba. Ciągi. 1. Pierwsza z granic powinna wydawać się oczywista. Jako przykład może służyć: lim n = lim n 1 2 = lim. Damia Doroba Ciągi. Graice, z których korzystamy. k. q.. 5. dla k > 0 dla k 0 0 dla k < 0 dla q > 0 dla q, ) dla q Nie istieje dla q ) e a, a > 0. Opis. Pierwsza z graic powia wydawać się oczywista. Jako

Bardziej szczegółowo

( ) WŁASNOŚCI MACIERZY

( ) WŁASNOŚCI MACIERZY .Kowalski własości macierzy WŁSNOŚC MCERZY Własości iloczyu i traspozycji a) możeie macierzy jest łącze, tz. (C) ()C, dlatego zapis C jest jedozaczy, b) możeie macierzy jest rozdziele względem dodawaia,

Bardziej szczegółowo

LABORATORIUM MODELOWANIA I SYMULACJI. Ćwiczenie 5

LABORATORIUM MODELOWANIA I SYMULACJI. Ćwiczenie 5 Wydział Elektryczy Zespół Automatyki (ZTMAiPC) ZERiA LABORATORIUM MODELOWANIA I SYMULACJI Ćwiczeie 5 ANALIZA WŁASNOŚCI DYNAMICZNYCH WYBRANEGO OBIEKTU FIZYCZNEGO 1. Opis właściwości dyamiczych obiektu Typowym

Bardziej szczegółowo

MATURA 2014 z WSiP. Zasady oceniania zadań

MATURA 2014 z WSiP. Zasady oceniania zadań MATURA 0 z WSiP Matematyka Poziom rozszerzoy Zasady oceiaia zadań Copyright by Wydawictwa Szkole i Pedagogicze sp z oo, Warszawa 0 Matematyka Poziom rozszerzoy Kartoteka testu Numer zadaia Sprawdzaa umiejętość

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2014/15. n = Rozwiązanie: Stosując wzór na wartość współczynnika dwumianowego otrzymujemy

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2014/15. n = Rozwiązanie: Stosując wzór na wartość współczynnika dwumianowego otrzymujemy 12. Dowieść, że istieje ieskończeie wiele par liczb aturalych k < spełiających rówaie ( ) ( ) k. k k +1 Stosując wzór a wartość współczyika dwumiaowego otrzymujemy ( ) ( )!! oraz k k! ( k)! k +1 (k +1)!

Bardziej szczegółowo

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty MODELE MATEMATYCZNE W UBEZPIECZENIACH WYKŁAD 2: RENTY. PRZEPŁYWY PIENIĘŻNE. TRWANIE ŻYCIA 1. Rety Retą azywamy pewie ciąg płatości. Na razie będziemy je rozpatrywać bez żadego związku z czasem życiem człowieka.

Bardziej szczegółowo

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Modele i arzędzia optymalizacji w systemach iformatyczych zarządzaia Prof. dr hab. iż. Joaa Józefowska Istytut Iformatyki Orgaizacja zajęć 8 godzi wykładów prof. dr hab. iż. J. Józefowska www.cs.put.poza.pl/jjozefowska

Bardziej szczegółowo

Fundamentalna tabelka atomu. eureka! to odkryli. p R = nh -

Fundamentalna tabelka atomu. eureka! to odkryli. p R = nh - TEKST TRUDNY Postulat kwatowaia Bohra, czyli założoy ad hoc związek pomiędzy falą de Broglie a a geometryczymi własościami rozważaego problemu, pozwolił bez większych trudości teoretyczie przewidzieć rozmiary

Bardziej szczegółowo

Statystyka matematyczna dla leśników

Statystyka matematyczna dla leśników Statystyka matematycza dla leśików Wydział Leśy Kieruek leśictwo Studia Stacjoare I Stopia Rok akademicki 0/0 Wykład 5 Testy statystycze Ogóle zasady testowaia hipotez statystyczych, rodzaje hipotez, rodzaje

Bardziej szczegółowo

WYKŁAD 1. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady

WYKŁAD 1. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady WYKŁAD Zdarzeia losowe i prawdopodobieństwo Zmiea losowa i jej rozkłady Metody statystycze metody opisu metody wioskowaia statystyczego sytetyczy liczbowy opis właściwości zbioru daych ocea charakterystyk

Bardziej szczegółowo

CIĄGI LICZBOWE. Poziom podstawowy

CIĄGI LICZBOWE. Poziom podstawowy CIĄGI LICZBOWE Poziom podstawowy Zadaie ( pkt) + 0 Day jest ciąg o wyrazie ogólym a =, N+ + jest rówy? Wyzacz a a + Czy istieje wyraz tego ciągu, który Zadaie (6 pkt) Marek chce przekopać swój przydomowy

Bardziej szczegółowo

Wprowadzenie. metody elementów skończonych

Wprowadzenie. metody elementów skończonych Metody komputerowe Wprowadzeie Podstawy fizycze i matematycze metody elemetów skończoych Literatura O.C.Ziekiewicz: Metoda elemetów skończoych. Arkady, Warszawa 972. Rakowski G., acprzyk Z.: Metoda elemetów

Bardziej szczegółowo

Optymalizacja sieci powiązań układu nadrzędnego grupy kopalń ze względu na koszty transportu

Optymalizacja sieci powiązań układu nadrzędnego grupy kopalń ze względu na koszty transportu dr hab. iż. KRYSTIAN KALINOWSKI WSIiZ w Bielsku Białej, Politechika Śląska dr iż. ROMAN KAULA Politechika Śląska Optymalizacja sieci powiązań układu adrzędego grupy kopalń ze względu a koszty trasportu

Bardziej szczegółowo

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X Matematyka ubezpieczeń majątkowych.0.0 r. Zadaie. Mamy day ciąg liczb q, q,..., q z przedziału 0,. Rozważmy trzy zmiee losowe: o X X X... X, gdzie X i ma rozkład dwumiaowy o parametrach,q i, i wszystkie

Bardziej szczegółowo

METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH

METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH QUANTITATIVE METHODS IN ECONOMICS Vol. XI, No. Szkoła Główa Gospodarstwa Wiejskiego Wydział Zastosowań Iformatyki i Matematyki Katedra Ekoometrii i Statystyki

Bardziej szczegółowo

Geometrycznie o liczbach

Geometrycznie o liczbach Geometryczie o liczbach Geometryczie o liczbach Łukasz Bożyk Dodatią liczbę całkowitą moża iterpretować jako pole pewej figury składającej się z kwadratów jedostkowych Te prosty pomysł pozwala w aturaly

Bardziej szczegółowo

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 + Zadaia róże W tym rozdziale zajdują się zadaia ietypowe, często dotyczące łańcuchów Markowa oraz własości zmieych losowych. Pojawią się także zadaia z estymacji Bayesowskiej.. (Eg 8/) Rozważamy łańcuch

Bardziej szczegółowo

Metody badania zbieżności/rozbieżności ciągów liczbowych

Metody badania zbieżności/rozbieżności ciągów liczbowych Metody badaia zbieżości/rozbieżości ciągów liczbowych Ryszard Rębowski 14 grudia 2017 1 Wstęp Kluczowe pytaie odoszące się do zagadieia badaia zachowaia się ciągu liczbowego sprowadza się do sposobu opisu

Bardziej szczegółowo

STATYSTYKA OPISOWA WYKŁAD 1 i 2

STATYSTYKA OPISOWA WYKŁAD 1 i 2 STATYSTYKA OPISOWA WYKŁAD i 2 Literatura: Marek Cieciura, Jausz Zacharski, Metody probabilistycze w ujęciu praktyczym, L. Kowalski, Statystyka, 2005 2 Statystyka to dyscyplia aukowa, której zadaiem jest

Bardziej szczegółowo

IMPUTACJE I JĄDRO GRY

IMPUTACJE I JĄDRO GRY IMPUTACJE I JĄDRO GRY Staisław Kowalik Katedra Zarządzaia i Iżyierii bezpieczeństwa, Politechika Śląska Akademicka 2, 44-100 Gliwice, Polska e-mail: Staislaw.Kowalik@polsl.pl Abstrakt: Praca dotyczy gier

Bardziej szczegółowo