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

Podobne dokumenty
Procedura normalizacji

ANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ

ZASTOSOWANIE METOD WAP DO OCENY POZIOMU PRZESTRZENNEGO ZRÓŻNICOWANIA ROZWOJU ROLNICTWA W POLSCE

NORMALiZACJA ZMIENNYCH W SKALI PRZEDZIAŁOWEJ I ILORAZOWEJ W REFERENCYJNYM SYSTEMIE GRANICZNYM

Analiza danych OGÓLNY SCHEMAT. Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

MIARA ZRÓŻNICOWANIA WYPOSAŻENIA GOSPODARSTW ROLNYCH W TECHNICZNE ŚRODKI PRODUKCJI

Weryfikacja hipotez dla wielu populacji

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. Strona 1

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

Zjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych)

TAKSONOMICZNA ANALIZA ROZWOJU TRANSPORTU DROGOWEGO W POLSCE

PROPOZYCJA BUDOWY RANKINGU OBIEKTÓW Z WYKORZYSTANIEM CECH ILOŚCIOWYCH ORAZ JAKOŚCIOWYCH

Analiza wielokryterialna wstęp do zagadnienia

STATECZNOŚĆ SKARP. α - kąt nachylenia skarpy [ o ], φ - kąt tarcia wewnętrznego gruntu [ o ],

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD A

Analiza struktury zbiorowości statystycznej

± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2011, Oeconomica 285 (62), 37 44

Rola informatyki w naukach ekonomicznych i społecznych Innowacje i implikacje interdyscyplinarne. redakcja ZBIGNIEW E. ZIELIŃSKI

Analiza i diagnoza sytuacji finansowej wybranych branż notowanych na Warszawskiej Giełdzie Papierów Wartościowych w latach

METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

ROLNICTWO W REGIONACH. WIELOWYMIAROWE SPOJRZENIE W UJĘCIU DYNAMICZNYM

8. Optymalizacja decyzji inwestycyjnych

Analiza porównawcza rozwoju wybranych banków komercyjnych w latach

STATYSTYKA MIĘDZYNARODOWA

Egzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010

4. OPTYMALIZACJA WIELOKRYTERIALNA

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

System Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ Autor: Joanna Wójcik

Proces narodzin i śmierci

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. Strona 1

Badanie rozwoju społeczno-gospodarczego województw - wpływ metodyki badań na uzyskane wyniki

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

ZAJĘCIA 3. Pozycyjne miary dyspersji, miary asymetrii, spłaszczenia i koncentracji


( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

Pracownia Automatyki i Elektrotechniki Katedry Tworzyw Drzewnych Ćwiczenie 3. Analiza obwodów RLC przy wymuszeniach sinusoidalnych w stanie ustalonym

Budowanie macierzy danych geograficznych Procedura normalizacji Budowanie wskaźnika syntetycznego

STATYSTYKA. Zmienna losowa skokowa i jej rozkład

WYKORZYSTANIE ANALIZY WIELOKRYTERIALNEJ DO BADANIA POTENCJAŁU GOSPODARCZEGO WOJEWÓDZTWA PODKARPACKIEGO

Pattern Classification

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 5(96)/2013

Natalia Nehrebecka. Zajęcia 4

WPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

ALEKSANDRA ŁUCZAK, FELIKS WYSOCKI

BADANIE PROCESU EKSPLOATACJI W ASPEKCIE NIEZAWODNOŚCIOWO- EKONOMICZNYM

KONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE

Pomiar mocy i energii

PRZESTRZENNE ZRÓŻNICOWANIE WYBRANYCH WSKAŹNIKÓW POZIOMU ŻYCIA MIESZKAŃCÓW MIAST ŚREDNIEJ WIELKOŚCI A SYSTEM LOGISTYCZNY MIASTA 1

NAFTA-GAZ marzec 2011 ROK LXVII. Wprowadzenie. Tadeusz Kwilosz

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

WSKAŹNIK OCENY HIC SAMOCHODU OSOBOWEGO W ASPEKCIE BEZPIECZEŃSTWA RUCHU DROGOWEGO

(M2) Dynamika 1. ŚRODEK MASY. T. Środek ciężkości i środek masy

Ocena stopnia zagrożenia bezrobociem województw Polski w latach

Programowanie dynamiczne. Tadeusz Trzaskalik

Journal of Agribusiness and Rural Development

ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2014 Seria: ORGANIZACJA I ZARZĄDZANIE z. 68 Nr kol. 1905

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru

Sprawozdanie powinno zawierać:

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012

OPTYMALIZACJA PROCESU PRZESIEWANIA W PRZESIEWACZACH WIELOPOKŁADOWYCH

STATYSTYCZNA ANALIZA WYNIKÓW POMIARÓW

SIGMA KWADRAT CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY

Zaawansowane metody numeryczne

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

STATYSTYKA REGIONALNA

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

1. SPRAWDZENIE WYSTEPOWANIA RYZYKA KONDENSACJI POWIERZCHNIOWEJ ORAZ KONDENSACJI MIĘDZYWARSTWOWEJ W ŚCIANIE ZEWNĘTRZNEJ

Statystyka Opisowa 2014 część 1. Katarzyna Lubnauer

Definicje ogólne

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru

OGŁOSZENIE TARYFA DLA ZBIOROWEGO ZAOPATRZENIA W WODĘ I ZBIOROWEGO ODPROWADZANIA ŚCIEKÓW. Taryfa obowiązuje od do

OPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE OPTIMAL INVESTMENT STRATEGY FUNDAMENTAL ANALYSIS

PROGNOZOWANIE SPRZEDAŻY Z ZASTOSOWANIEM ROZKŁADU GAMMA Z KOREKCJĄ ZE WZGLĘDU NA WAHANIA SEZONOWE

Klasyfikacja obiektów w przypadku agregacji danych

METODY PLANOWANIA EKSPERYMENTÓW. dr hab. inż. Mariusz B. Bogacki

Dobór zmiennych objaśniających

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

Funkcje i charakterystyki zmiennych losowych

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup

OCENA ZAAWANSOWANIA TECHNICZNEGO INFRASTRUK- TURY SIECIOWEJ OBSZARÓW SPÓŁKI DYSTRYBUCYJNEJ

Metody klasyfikacji i klasteryzacji obiektów wielocechowych.

Wstęp. Obliczenia własne na podstawie: Budżety (2015), s. 116.

Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12

Wpływ modernizacji gospodarki w sferze działalności proekologicznej na jakość środowiska naturalnego w Polsce w układzie regionalnym

SYTUACJA KOBIET NA RYNKU PRACY W POLSCE NA TLE KRAJÓW UNII EUROPEJSKIEJ ANALIZA STATYSTYCZNA

WYBÓR PORTFELA PAPIERÓW WARTOŚCIOWYCH ZA POMOCĄ METODY AHP

1. Komfort cieplny pomieszczeń

Politechnika Warszawska Wydział Inżynierii Lądowej Instytut Inżynierii Budowlanej Zespół Inżynierii Produkcji i Zarządzania w Budownictwie

Zastosowanie wielowymiarowej analizy porównawczej w doborze spó³ek do portfela inwestycyjnego Zastosowanie wielowymiarowej analizy porównawczej...

Modelowanie i obliczenia techniczne. Metody numeryczne w modelowaniu: Optymalizacja

Transkrypt:

Opracowane: Dorota Mszczyńska METODA UNITARYZACJI ZEROWANEJ Porównane obektów przy ocene welokryteralnej. Rankng obektów. Porównane wybranych obektów (warantów decyzyjnych) ze względu na różne cechy (krytera) wymaga zebrana odpowednch nformacj dotyczących ocen tych obektów (warantów) ze względu na wszystke wybrane cechy (krytera). Ze względu na różny charakter tych cech (kryterów) wyrażone są one poprzez różne oceny co do welkośc man. Wymaga to uporządkowana, ujednolcena co z reguły wąże sę z odpowednm unormowanem tych ocen. Pozwala to w konsekwencj na ocenę welokryterową, uwzględnającą wszystke cechy (krytera) w dalszej kolejnośc na rankng obektów (warantów decyzyjnych).

Opracowane: Dorota Mszczyńska Dane 1 RYS. 1 Uproszczony schemat powstawana zmennej syntetycznej W Wyjścowy zbór zmennych opsujących zjawsko złożone X Zbór zmennych dagnostycznych normalzacja Proces wyboru Przyjęce odrzucene Y Zbór zmennych opsujących, zredukowanych Z Zbór zmennych unormowanych agregacja Q Zbór zmennych syntetycznych Źródło: K. Kukuła (red.) Badana operacyjne w przykładach zadanach, PWN, Warszawa, 2004 1 Por. K Kukuła, Metoda untaryzacj zerowanej, PWN, Warszawa, 2000

Opracowane: Dorota Mszczyńska Zakładamy, że znane są nam nformacje o wyróżnonych obektach tworzą one macerz dwuwymarową 2 [x j ], gdze oznacz obekt, a j określoną zmenną dagnostyczną (cechę, kryterum): = 1, 2,, r j = 1, 2,, s x 11 x 12 x 1s [ ] x r1 x r2 x rs Zakładamy węc, że mamy r obektów oraz s zmennych dagnostycznych: {O 1, O 2,, O r } {X 1, X 2,, X s } Zbór zmennych dagnostycznych możemy podzelć na trzy rozłączne zbory 3 4 : 2 K.Kukuła (red.), Badana Operacyjne w przykładach zadanach, PWN, Warszawa, 2004 3 T. Borys, Metody normowana cech w statystycznych badanach porównawczych, Przegląd Statystyczny, 1978, z.2 4 Z. Hellwg, Zastosowane metody taksonomcznej do typologcznego podzału krajów ze względu na pozom ch rozwoju oraz zasoby strukturę wykwalfkowanych kadr, Przegląd statystyczny, 1968, z.4

Opracowane: Dorota Mszczyńska S stymulanty zmenne dagnostyczne, które rosną wraz ze wzrostem ocenanej cechy (ocenanego kryterum) D destymulanty zmenne dagnostyczne, które maleją wraz ze wzrostem ocenanej cechy zjawska N nomnanty zmenne, które mają z góry określoną, pożądaną wartość zwaną wartoścą nomnalną. Wartość wększa lub mnejsza od wartośc nomnalnej oznacza spadek wartośc ocenanej cechy (ocenanego kryterum). Wartośc nomnalne mogą być dane w postac pożądanego przedzału wartośc cechy. Punktem wyjśca do oceny welokryterowej, która często wąże sę z procesem agregacj jest ujednolcene charakteru zmennych to oznacza najczęścej sprowadzene ch do charakteru stymulant.

Opracowane: Dorota Mszczyńska Wybrane metody normowana zmennych Najczęścej spotykane metody 5 normowana wartośc cechy mają charakter przekształcena lorazowego 6. Wszystke podane tutaj zasady normowana dotyczą stymulant. Mogą one odnosć sę do: 1.Mar zróżncowana (np. odchylena standardowego) 2. Rozstępu wartośc zmennej 3. Innych wartośc parametrów cechy (jak np. średna arytmetyczna, max lub mn wartość, długość wektora realzacj zmennej, sumy realzacj wartośc zmennych). 5 Opracowano na podstawe : K.Kukuła (red.), Badana Operacyjne w przykładach zadanach, PWN, Warszawa, 2004 6 Możemy równeż wyróżnć metody normowana tzw rangowe

Opracowane: Dorota Mszczyńska Metody standaryzacyjne (punktem odnesena jest odchylene standardowe). Pokazane są przy pomocy formuły (1) (2) (1) z j = x j X j S(X j ) S(X j ) > 0 (2) z j = x j S(X j ) S(X j ) > 0 Metody untaryzacyjne (punktem odnesena jest rozstęp) (3) z j = x j max x j mn x j max x j > mn x j

(4) z j = (5) z j = max max Inne metody: x j X j max x j mn x j x j mn x j max x j mn x j Opracowane: Dorota Mszczyńska x j > mn x j > mn Punktem odnesena jest maksymalna lub mnmalna wartość zmennej (6) x j x j z j = x j max x j, max x j 0 (7) z j = x j, mn x mn x j 0 j

Punktem odnesena jest średna arytmetyczna (8) Opracowane: Dorota Mszczyńska z j = x j X j X j 0 Punktem odnesena jest suma realzacj zmennej (9) z j = x j r =1 x j Punktem odnesena jest długość wektora realzacj zmennej (10) z j = x j r 2 [ =1 x j ] 0,5 x j 2 > 0 =1 W dalszej częśc rozważań wykorzystamy metodę untaryzacj zerowanej (MUZ) do r

Opracowane: Dorota Mszczyńska skonstruowana rankngu obektów ( wzory 3, 4, 5). Metoda ta wykorzystuje rozstęp jako punkt odnesena: (11) R(X j ) = max x j mn x j Poszczególne wzory (3, 4, 5) różną sę lcznkem. Wzór 5 wykorzystujemy dla stymulant. Zmenne unormowane wzorem 5 zawerają sę w przedzale 0, 1. Dla destymulant transformacja określona jest wzorem: (12) z j = max x j x j = 1, 2,, r ( max x j mn x j j = 1, 2,, s ) X j D Dla nomnant rozpatrujemy dwa przypadk:

Opracowane: Dorota Mszczyńska -Istnene jednej wartośc nomnalnej c oj. Wtedy normowane ma postać: (13) z j = { x j mn x j c oj mn x j gdy x j < c oj 1, gdy x j = c oj X j N x j max c oj max x j x j, gdy x j > c oj - stnene przedzału wartośc nomnalnych. Sposób normowana przebega według wzoru (14) z j = { x j mn x j gdy x c 1j mn x j < c 1j j 1, gdy c 1j x j c 2j X j N x j max c 2j max x j x j, gdy x j > c 2j

Opracowane: Dorota Mszczyńska Stosując normowane metodą untaryzacj zerowanej (MUZ) otrzymujemy wartośc unormowane z przedzału < 0,1 >. Metoda pozwala transformować cechy o wartoścach ujemnych, dodatnch oraz wartość zero. Po unormowanu wszystkch cech dagnostycznych tworzy sę łączną ocenę welokryteralną. Do najczęścej stosowanych należy formuła 7 : (15) s Q = z j ω j ( = 1,2,, r), ω j j=1 Przy ω j = 1 oraz s j=1 ω j = s wzór przybera najprostszą wersję: R + 7 K Kukuła, Metoda untaryzacj zerowanej, PWN, Warszawa, 2000, s.71

Opracowane: Dorota Mszczyńska (16) s Q = z j j=1 Często używa sę także średnej arytmetycznej lub ważonej: (17) Q = s j=1 z jω j s j=1 ω j ( = 1,2,, r), ω j R + Można równeż po uzyskanu rankngu obektów (porządkując je od najwększej wartośc Q do najmnejszej) wyróżnć obekty najlepsze, przecętne oraz najgorsze wykorzystując stałą U 8 : (18) Gdze dla : U = max Q mn 3 Q 8 K.Kukuła (red.), Badana Operacyjne w przykładach zadanach, PWN, Warszawa, 2004, s.289

Opracowane: Dorota Mszczyńska Q (max Q U, max Q obekty najlepsze Q (max Q 2U, max Q U obekty przecętne Q (mn Q, max Q 2U obekty najgorsze Przykład: Należy wskazać najlepszy samochód spośród 4 aut (r=4): auto A, auto B, auto C oraz auto D. Samochody te ocenane są z punktu wdzena 6 cech (kryterów) (s=6): cena w tys. złotych (Cena), zużyce palwa na 100 km (Palwo), moc slnka w KM (Moc), pojemność bagażnka w dm 3 (Pojem), przyspeszene do 100 km/godz. w sekundach (Przyśp) oraz długość karoser w m (klent przyjmuje optymalną długość w przedzale <4m; 4,6m> Nezbędne nformacje podaje tabela 1.

obekty ch oceny Opracowane: Dorota Mszczyńska Tabela 1. Wybór najlepszego samochodu (dane do przykładu 1). krytera Cena Palwo Moc Pojem Przyśp Karosera Rodzaj zmennej dagnostycznej D D S S D N auto A 80 6,1 75 290 12,4 3,9 auto B 103 6,9 120 470 8,3 4,4 auto C 95 6,2 90 350 9,8 5,0 auto D 119 7,2 130 500 9,2 5,4 Przed przejścem do oblczeń rozpoznano zmenne dagnostyczne. Wyróżnono stymulanty, destymulanty nomnanty. Kolejne krok normujące poszczególne zmenne przedstawono w kolejnych tabelach:

Opracowane: Dorota Mszczyńska Tabela2: wartośc rozstępu dla zmennych Cena Palwo Moc Pojem Przyśp Karosera D D S S D N max 119 7,2 130 500 12,4 5,4 mn 80 6,1 75 290 8,3 3,9 Rozstęp 39 1,1 55 210 4,1 1,5 Źródło: Oblczena własne Przy normowanu cech cena, palwo przyspeszene (są to destymulanty) korzystamy z wzoru 12 z j = max x j x j = 1, 2,, r ( max x j mn x j j = 1, 2,, s ) X j D Dla ceny (X 1 ) wartość max=119, mn=80 czyl: z 11 = 119 80 119 80 = 1

Opracowane: Dorota Mszczyńska z 21 = z 31 = z 41 = 119 103 119 80 = 0,41 119 95 119 80 = 0,62 119 119 119 80 = 0 Dla zmennej zużyce palwa (destymulanta) wartość max=7,2, mn=6,1 czyl: z 12 = 7,2 6,1 7,2 6,1 = 1 z 22 = z 32 = 7,2 6,9 7,2 6,1 = 0,27 7,2 6,2 7,2 6,1 = 0,91 z 42 = 7,2 7,2 7,2 6,1 = 0 Dla zmennej moc (stymulanta) wartość max=130, mn=75 korzystamy z wzoru (5)

z j = Opracowane: Dorota Mszczyńska x j mn x j = 1,2,, r ( max x j mn x j j = 1,2,, s ), X j S z 13 = z 23 = z 33 = z 43 = 75 75 130 75 = 0 120 75 130 75 = 0,82 90 75 130 75 = 0,27 130 75 130 75 = 1 Dla zmennej pojemność bagażnka (stymulanta) wartość max=500, mn=290 czyl: z 14 = z 24 = z 34 = 290 290 500 290 = 0 470 290 500 290 = 0,86 350 290 500 290 = 0,29

z 44 = 500 290 500 290 = 1 Opracowane: Dorota Mszczyńska Dla zmennej przyspeszene (destymulanta) wartość max=12,4, wartość mn=8,3 czyl korzystając z wzoru (12) mamy: z 15 = z 25 = z 35 = z 45 = 12,4 12,4 12,4 8,3 = 0 12,4 8,3 12,4 8,3 = 1 12,4 9,8 12,4 8,3 = 0,63 12,4 9,2 12,4 8,3 = 0,78 Dla zmennej karosera (nomnanta) korzystamy z wzoru (14):

z j = { Opracowane: Dorota Mszczyńska x j mn x j gdy x c 1j mn x j < c 1j j 1, gdy c 1j x j c 2j X j N x j max x j, gdy x c 2j max x j > c 2j j Gdze: c 16 =4, a c 26 =4,6, max=5,4, mn=3,9 3,9 4,4 5 5,4 X 16 =3,9 < 4 czyl: z 16 = 3,9 3,9 4,0 3,9 = 0 X 26 =4,4 co meśc sę w przedzale pożądanych wartośc przez decydenta czyl z 16 =1, X 36 =5 >4,6 czyl: X 46 =5,4 >4,6 czyl: z 36 = 5 5,4 4,6 5,4 = 0,5

Opracowane: Dorota Mszczyńska z 46 = 5,4 5,4 4,6 5,4 = 0 W tabel 3 zostały zebrane wszystke oblczena: Tabela3: unormowane wartośc zmennych x1 x2 x3 x4 x5 x6 Q 1,00 1,00 0,00 0,00 0,00 0,00 2,00 0,41 0,27 0,82 0,86 1,00 1,00 4,36 0,62 0,91 0,27 0,29 0,63 0,50 3,22 0,00 0,00 1,00 1,00 0,78 0,00 2,78 W ostatnej kolumne według wzoru (16): s Q = z j j=1 Oblczono zmenną zagregowaną (syntetyczną) Q, która pozwala ustalć rankng samochodów podzelć je na najlepsze, przecętne oraz najgorsze:

Opracowane: Dorota Mszczyńska A B C D Q 2,00 najgorszy 4,36 najlepszy 3,22 przecętny 2,78 najgorszy Ostateczny rankng według kolejnośc: Q B 4,36 najlepszy C 3,22 przecętny D 2,78 najgorszy A 2,00 najgorszy