Multikriteriálna optimalizácia
|
|
- Ervín starší
- pred 4 rokmi
- Prehliadani:
Prepis
1 Multikriteriálna optimalizácia Tomáš Madaras Ústav matematických vied, PF UPJŠ, Košice
2 Príklad Vyberte smartfón s najlepšími parametrami z nasledovnej ponuky: model displej cena pamäť výdrž váha foto (") (EUR) (GB) (h) (g) (MPx) Apple iphone 5C Sony Xperia Z Samsung Galaxy S Sony Xperia SP Nokia Lumia HTC One LG G Huawei Ascend P
3 Príklad (prevzaté z jfrieb/tspp/data/teorie/vicekritko.pdf) Uchádzač o zamestnanie sa rozhoduje medzi firmami A, B a C, pričom ich posudzuje podľa výšky mesačného platu (v tisícoch Kč), času stráveného na ceste do zamestnania (v minútach), možnosti ďalšieho odborného rastu (hodnotenie 1, 2 a 3 zodpovedá malej, strednej resp. veľkej možnosti rastu) a začiatku pracovnej doby (v hodinách a minútach): firma plat cestovanie rast začiatok prac. doby K 1 K 2 K 3 K 4 A :00 B :30 C :00
4 Základné pojmy - varianty (alternatívy) - konkrétne rozhodovacie možnosti, ktoré možno realizovať; označujeme A 1,..., A m - kritériá - hľadiská, podľa ktorých sú varianty posudzované; označujeme K 1,..., K n - kriteriálna matica - matica vyjadrujúca hodnotenie variantov podľa jednotlivých kritérií; označujeme Y = (y ij ), riadky zodpovedajú variantom, stĺpce kritériám
5 - podľa povahy kritériá rozdeľujeme na maximalizačné (najlepšie hodnoty sú najvyššie) a minimalizačné (najlepšie hodnoty sú najnižšie) - podľa kvantifikovateľnosti kritériá rozdeľujeme na kvantitatívne (týkajú sa objektívne merateľných údajov) a kvalitatívne (nemožno ich merať objektívne, varianty sú hodnotené slovne) - pri riešení úloh viackriteriálnej optimalizácie je vhodné previesť všetky kritériá na jeden typ (napr. na maximalizačné). Pri prevode minimalizačného kritéria na maximalizačné zmeníme v príslušnom stĺpci kriteriálnej matice prvky tak, že od najväčšieho prvku postupne odčítame ostatné. Pri prevode kvalitatívnych kritérií je potrebné použiť nejakú bodovaciu stupnicu alebo relatívne poradie variantov.
6 - preferencie kritéria - dôležitosť kritéria v porovnaní s ostatnými kritériami; možno ju vyjadriť niekoľkými spôsobmi: ašpiračná úroveň - hodnota kritéria, ktorá má byť dosiahnutá poradie kritérií - postupnosť kritérií od najdôležitejšieho po najmenej dôležité (ordinálna informácia o kritériách) váhy kritérií - hodnoty z intervalu 0, 1 vyjadrujúce relatívnu dôležitosť kritérií v porovnaní s ostatnými (kardinálna informácia o kritériách) kompenzácia kriteriálnych hodnôt - miera substitúcie medzi kriteriálnymi hodnotami (vyrovnávanie horšej hodnoty podľa jedného kritéria lepšími hodnotami podľa iného kritéria)
7 - variant A i dominuje variant A j, ak (y i1,..., y in ) (y j1,..., y jn ) a existuje aspoň jedno kritérium K l také, že y il > y jl. - paretovský variant (nedominovaný variant) - variant, ktorý nie je dominovaný žiadnym iným variatom - ideálny variant - variant (reálny resp. hypotetický), ktorý dosahuje vo všetkých kritériách najlepšie možné hodnoty; ak existuje, tak je riešením úlohy multikriteriálnej optimalizácie. - bazálny variant - variant (reálny resp. hypotetický), ktorý dosahuje vo všetkých kritériách najhoršie možné hodnoty; ak existuje, tak ho možno vyradiť zo zoznamu variantov. - kompromisný variant - jediný nedominovaný variant (vybraný podľa rozličných pravidiel), ktorý je riešením
8 - kompromisný variant by mal spĺňať nasledujúce vlastnosti: nedominovanosť - nesmie byť dominovaný iným variantom invariantnosť vzhľadom na poradie kritérií - poradie kritérií neovplyvňuje výber kompromisného variantu invariantnosť vzhľadom na mierku kriteriálnych hodnôt - ak ku všetkým prvkom kriteriálnej matice pripočítame (resp. vynásobíme ich) pevné číslo, vybraný variant (resp. množina vybraných variantov) sa nesmie zmeniť nezávislosť na identických hodnotách rovnakého kritéria invariantnosť vzhľadom k pridaným dominovaným variantom - ak pridáme k množine variantov dominovaný variant, vybraný kompromisný variant sa nesmie zmeniť determinovanosť - podľa zvoleného postupu aspoň jeden variant musí byť vybraný ako kompromisný jednoznačnosť - zvolený postup dáva jednoznačný výsledok, t.j. jeden kompromisný variant
9 Metódy stanovenia váh kritérií - väčšina metód multikriteriálnej optimalizácie vyžaduje rozlíšenie kritérií podľa ich významnosti; jednou z možností, ako to urobiť, je zvoliť číselné vyjadrenie tejto významnosti pomocou váh (čím je kritérium významnejšie, tým je jeho váha väčšia). - váhu kritéria K j, j = 1,..., n budeme označovať v j - normovaná váha kritéria K j je w j = v j nezáporné a ich súčet je rovný 1 n k=1 v k ; normované váhy sú
10 - podľa informácie potrebnej pre stanovenie váh kritérií rozdeľujeme metódy stanovenia váh kritérií nasledovne: rozhodovateľ nemôže určiť preferencie - všetkým kritériám sa priradí rovnaká váha (t.j. w j = 1 n ) resp. použije sa metóda entropie rozhodovateľ má ordinálne informácie o kritériách - je schopný určiť poradie dôležitosti kritérií; využíva sa v metóde poradia a Fullerovej metóde rozhodovateľ má kardinálne informácie o kritériách - pozná nielen poradie, ale aj rozostupy v poradí preferencií medzi jednotlivými kritériami; na tomto princípe je založená bodovacia a Saatyho metóda
11 Metóda entropie - nie je nutné poznať preferencie kritérií - najprv sa matica Y transformuje na maticu P pomocou vzťahu p ij = y ij m y ij i=1 (t.j. prvky kriteriálnej matice sa normalizujú pomocou stĺpcových súčtov) - potom sa pre každé kritérium spočíta jeho entropia E j = 1 ln m m i=1 p ij ln p ij - napokon sa určia čísla D j = 1 E j a normalizované váhy kritérií podľa vzťahu w j = D j n D j j=1
12 Metóda poradia - rozhodovateľ zoradí kritériá K 1,..., K n od najvýznamnejšieho k najmenej významnému a takto usporiadaným kritériám priradí váhy n, n 1,..., 2, 1. Pre normovanú váhu kritéria K j, ktorému bola priradená váha v j platí w j = v j n = v j n(n+1) 2
13 Fullerova metóda - pri väčšom počte kritérií je výhodnejšie navzájom porovnávať dvojice kritérií, kde možno ľahšie rozhodnúť, ktoré je dôležitejšie. Toto porovnanie možno urobiť pomocou Fullerovho trojuholníka - schémy tvorenej dvojriadkami, v ktorej sa vyskytuje každá dvojica kritérií práve raz: Rozhodovateľ pre každú dvojicu označí kritérium, ktoré je dôležitejšie; ak bolo kritérium K j celkovo označené f j -krát, tak jeho normovaná váha je w j = f j n(n 1) 2
14 - jedna nevýhoda tejto metódy je, že najmenej dôležité kritérium má nulovú váhu aj v prípade, že nie je celkom bezvýznamné; tento nedostatok možno odstrániť tak, že normalizované váhy upravíme podľa vzorca f j + 1 w j = n(n 1) 2 + n (t.j. zvýšime počet preferencií každého kritéria o 1 a menovateľ zlomku normovanej váhy o n)
15 Bodovacia metóda - dôležitosť kritérií sa ohodnotí počtom bodov (čím je kritérium dôležitejšie, tým má viac bodov); bodovacia stupnica môže mať rôzny rozsah. Body priradené kritériám sa potom prevedú na normalizované váhy. - Metfesselova alokácia - k disozícii je 100 bodov, ktoré treba rozdeliť medzi jednotlivé kritériá
16 Saatyho metóda - pre každé dve kritériá sa určí, ktoré z nich je preferované a stupeň jeho preferencie podľa nasledovnej stupnice: body slovné vyjadrenie preferencií 1 kritériá sú rovnako významné 3 prvé kritérium je slabo významnejšie než druhé 5 prvé kritérium je silne významnejšie než druhé 7 prvé kritérium je veľmi silne významnejšie než druhé 9 prvé kritérium je absolútne významnejšie než druhé (je možné použiť tiež medzihodnoty 2, 4, 6, 8) - dôvod pre danú škálu je empirický: ľudia nedokážu porovnať 7 ± 2 objektov bez zmätenia
17 Veľkosti preferencií zistené týmto porovnávaním tvoria prvky Saatyho matice S = (s ij ); s ij pritom predstavuje odhad podielu váh i-tého a j-tého kritéria, t.j. s ij w i w j Prvky s ii na hlavnej diagnále Saatyho matice sú rovné 1. V ideálnom prípade by malo pre všetky i, j, k = 1,..., n platiť s ij = w i w j = w i w k w k w j = s ik s kj
18 - štvorcová matica s touto vlastnosťou sa nazýva konzistentná; jej prvky potom možno získať iba pomocou prvkov z prvého riadku. - ak je Saatyho matica konzistentná, tak platí 1 = s ii = s ij s ji, t.j. s ji = 1 s ij teda konzistentná Saatyho matica je recipročná. Možno potom písať w 1 w 2 w 1 w n 1 w 2 w 1 1 w 2 w n w n w 1 w n w 2 1 = w 1 w 2 w n ( 1, w 1 1 w 2,, 1 w n )
19 Ak túto rovnosť vynásobíme sprava vektorom (w 1, w 2,..., w n ) T, dostávame w 1 w 2 w 1 w n 1 w 2 w 1 1 w 2 w n w n w 1 w n w 2 1 w 1 w 2 w n = w 1 w 2 w n n čiže n je vlastné číslo danej matice a (w 1, w 2,..., w n ) T je jej vlastný vektor. Keďže vlastné čísla S sú nezáporné (lebo prvky matice sú nezáporné) a súčet všetkých vlastných čísel je rovný stope matice, čo je = n, tak máme, že ostatné vlastné čísla sú rovné 0.
20 - v praxi je len veľmi zriedka možné dosiahnuť plnú konzistenciu matice (a netreba ju vynucovať za každú cenu); v prípade nekonzistentných matíc sa hľadá vlastný vektor (s kladnými zložkami, ktorých súčet je 1) zodpovedajúci najväčšiemu vlastnému číslu λ max matice (je pritom vhodné, aby λ max n a ostatné vlastné čísla boli kladné a blízke 0. To vyplýva z úvahy, že malé zmeny prvkov matice vedú len k malým zmenám vlastných čísel). Mieru nekonzistencie matice potom udáva index konzistencie CI = λ max n n 1
21 - na posúdenie, či vzájomné porovnanie kritérií dáva maticu s ešte prijateľnou mierou konzistencie, sa počíta konzistenčný pomer CI, kde RI je hodnota získaná z veľkého počtu náhodných matíc RI (daného rádu n), ktorých prvky sú tvorené číslami od 1,..., 9, 1 2,..., 1 9. Ak je konzistenčný pomer najviac ak 0.1, tak maticu možno považovať za dostatočne konzistentnú, inak je potrebné vykonať prehodnotenie vzájomných porovnaní kritérií.
22 - pri určovaní váh možno tiež vychádzať z podmienky, aby sa matica S líšila od matice ( w i w j ) čo najmenej; vhodnou mierou je napr. suma štvorcov odchýliek prvkov obidvoch matíc. Riešime teda optimalizačnú úlohu n i=1 n j=1 (s ij w i w j ) 2 min n w j = 1 j=1 w j 0, j = 1,..., n - možno tiež použiť logaritmickú metódu najmenších štvorcov, pri ktorej za rovnakých ohraničení optimalizujeme n n (ln s ij (ln w i ln w j )) 2 min i=1 j=1
23 - ako vhodnú aproximáciu váh Saaty navrhol w i = n n s ij j=1 n n n s kj k=1 j=1 (t.j. normalizovaný geometrický priemer prvkov riadku Saatyho matice)
24 Metóda postupného rozvrhu váh - kritériá sa najskôr zoskupia do dielčích skupín podľa ich vecnej príbuznosti. V prvej fáze sa stanovia (nejakou metódou) normované váhy jednotlivých skupín, v druhej fáze sa potom stanovia pre každú skupinu normované váhy všetkých kritérií vnútri skupiny. - výsledné normované váhy kritérií sú dané súčinom váh skupín a váh kritérií v rámci skupín
25 Metódy stanovenia poradí variantov - metódy multikriteriálneho hodnotenia variantov stanovujú poradie výhodnosti jednotlivých variantov z hľadiska zvolených kritérií; metódy pre výber kompromisného variantu medzi nedominovanými variantami sa líšia prístupom k pojmu "kompromisný variant", náročnosťou a použiteľnosťou pre rôzne typy úloh, preto získané výsledky majú subjektívny charakter a môžu sa navzájom líšiť. - podľa typu vyžadovanej informácie sa metódy delia nasledovne: metódy vyžadujúce znalosť ašpiračnej úrovne kriteriálnych hodnôt: konjunktívna metóda, disjunktívna metóda, metóda PRIAM. Kriteriálne hodnoty všetkých variantov sa porovnávajú s ašpiračnými úrovňami všetkých kritérií, čím sa varianty rozdelia na neefektívne a efektívne (možnosť urobenia predvýberu variantov).
26 metódy vyžadujúce ordinálne informácie o variantoch podľa každého kritéria: metóda poradia, lexikografická metóda, permutačná metóda, metóda ORESTE metódy vyžadujúce kardinálne informácie o variantoch podľa každého kritéria: maximalizujúce úžitok: metóda váženého súčtu, metóda bázického variantu, metóda AHP, bodovacia metóda minimalizujúce vzdialenosť od ideálneho variantu resp. maximalizujúce vzdialenosť od bazálneho variantu: TOPSIS využívajúce preferenčné relácie: ELECTRE, PROMETHEE založené na medznej miere substitúcie: metóda postupnej substitúcie
27 Konjunktívna a disjunktívna metóda - pri týchto metódach je potrebné poznať ašpiračné úrovne všetkých kritérií a kardinálne ohodnotenia variantov podľa jednotlivých kritérií; podľa ašpiračnej úrovne sa varianty rozdelia na akceptovateľné a neakceptovateľné - pri konjunktívnej metóde pripúšťame iba tie varianty, ktoré spĺňajú všetky ašpiračné úrovne - pri disjunktívnej metóde pripúšťame varianty, ktoré spĺňajú aspoň jednu ašpiračnú úroveň v niektorom kritériu - tieto metódy sa používajú najmä na predvýber variantov, ktoré sa ďalej hodnotia inými metódami (t.j. ašpiračné úrovne sa nenastavujú prísne, aby vyhovovalo len jediné riešenie)
28 Metóda PRIAM - je založená na postupnom prehľadávaní množiny variantov v niekoľkých krokoch pomocou postupného zvyšovania ašpiračných úrovní kritérií, až kým nie je nájdené jediné nedominované riešenie - na začiatku sa navrhne prvá ašpiračná úroveň kritérií daná vektorom z (0) = (z (0) 1, z (0) 2,..., z n (0) ) (jednotlivé zložky sú obvykle najhoršie hodnoty kriteriálnej matice podľa každého kritéria) - v s-tom kroku sa vektor z (s) aktuálnych ašpiračných úrovní upraví o vektor z (s) > 0 (t.j. v aspoň jednom kritériu sprísnime ašpiračnú úroveň) a otestuje sa, koľko variantov spĺňa upravený vektor z (s+1) = z (s) + z (s).
29 Podľa počtu vyhovujúcich variantov rozlíšime nasledovné prípady: vyhovuje jediný variant - je to kompromisný variant a riešenie úlohy vyhovuje viacero variantov - zmeníme vektor ašpiračných úrovní nevyhovuje žiaden variant - hľadá sa variant, ktorý je najbližšie k zadaným ašpiračným úrovniam; pre každý variant sa vypočíta odchýlka n z (s) j y ij j=1 yj kde (y 1,..., y n) je ideálny variant. Prijateľný variant je potom variant s minimálnou odchýlkou (ak je nenulová).
30 Metóda poradia - ak nie sú známe preferencie kritérií, tak zostavíme tzv. maticu poradí (typu m n), pričom v i-tom riadku a j-tom stĺpci je poradie variantu (umiestnenie) len vzhľadom na j-té kritérium; ak by malo viacero variantov rovnaké poradie, každému z nich sa pridelí priemerné poradie za skupinu. Najlepší variant je potom ten, ktorý má najmenší riadkový súčet v matici poradí. - ak sú známe normalizované váhy kritérií, tak stĺpce vytvorenej matice poradí vynásobíme váhami kritérií a určíme riadkové súčty takto modifikovanej matice; najlepší variant má najmenší vážený súčet
31 Lexikografická metóda - vychádza z predpokladu, že najväčší vplyv na výber kompromisného variantu má najdôležitejšie kritérium, po ňom druhé najdôležitejšie atď. - na začiatku sa vyberie množina variantov s najlepšou hodnotou podľa najdôležitejšieho kritéria, z nech sa vyberie podmnožina variantov s najlepšou hodnotou podľa druhého najdôležitejšieho kritéria atď; postup sa opakuje, až pokým nie je vybraný jediný variant resp. nie sú vyčerpané všetky kritériá (varianty z poslednej vybranej podmnožiny sú potom kompromisné)
32 Bodovacia metóda - každému prvku kriteriálnej matice priradíme určitý počet bodov z nejakej zvolenej stupnice tak, že lepšej hodnote podľa daného kritéria priradíme väčší počet bodov; bodovú stupnicu pre každé kritérium je vhodné doplniť slovným popisom. Minimálny a maximálny počet bodov je pre každé kritérium rovnaký. - po pridelení bodov určíme pre každý variant vážený riadkový súčet v matici priradených bodov (pri stanovených normalizovaných váh kritérií); ako najlepší sa vyberie variant s najväčším váženým súčtom
33 Metóda váženého súčtu - kriteriálnu maticu Y najprv transformujeme na maticu U podľa vzťahu u ij = y ij d j h j d j kde h j a d j je najlepšia resp. najhoršia hodnota v j-tom stĺpci kriteriálnej matice - u ij sa interpretuje ako čiastkový úžitok i-tého variantu vzhľadom na j-té kritérium; predpokladá sa, že čiastkový úžitok závisí na hodnotách kritérií lineárne - pomocou normalizovaných váh kritérií sa ďalej určia vážené riadkové súčty n w j u ij matice U; za najlepší variant sa berie j=1 variant, ktorý má tento súčet najväčší
34 Permutačná metóda - pri známych normalizovaných váhach kritérií vezmeme všetky permutácie kritérií a pre každú dvojicu variantov A i, A j určíme tie kritériá, ktoré preferujú A i pred A j resp. sú voči nim indiferentné. Množinu indexov takto určených kritérií označíme I ij. - ďalej pre všetky i, j {1,..., m}, i j určíme hodnoty c ij = h I ij w h - pre každú permutáciu φ množiny indexov {1,..., m} jednotlivých variantov určíme maticu C φ = (c φ(i)φ(j) ) a hodnotu R φ, ktorá je rozdielom súčtu prvkov nad diagonálou C φ a súčtu prvkov pod diagonálou C φ - optimálne poradie variantov potom zodpovedá permutácii φ, pre ktorú je hodnota R φ maximálna
35 - ak poznáme iba poradie kritérií, ale nie ich váhy, tak zostavíme n váhových vektorov v 1 = (1, 0, 0,..., 0) v 2 = ( 1 2, 1 2, 0,..., 0) v 3 = ( 1 3, 1 3, 1 3,..., 0)... v n = ( 1 n, 1 n, 1 n,..., 1 n ) - pre každý z týchto váhových vektorov určíme permutačnou metódou optimálne poradie variantov; tým teda zistíme, ako sa mení optimálne poradie v závislosti na váhach jednotlivých kritérií
36 Metóda ORESTE - je potrebné vedieť len poradie kritérií a poradie variantov vzhľadom k jednotlivým kritériám - na začiatku určíme vektor (q 1,..., q n ) poradí jednotlivých kritérií a maticu P = (p ij ) poradí jednotlivých variantov podľa každého kritéria; ak je viacero kritérií resp. variantov rovnocenných, ohodnotia sa priemerným poradím 1 - ďalej vytvoríme maticu D = (d ij ), kde d ij = ( pr ij 2 + qr j 2 ) r, ktorej prvky sa interpretujú ako vzdialenosti (v tzv. Dujmovičovej metrike) od fiktívneho počiatku (obvykle sa kladie r = 3) - prvky matice D usporiadame vzostupne a ohodnotíme ich poradovými číslami. Potom zostavíme novú maticu R = (r ij ), kde r ij je rovné poradiu prvku d ij (ak sú niektoré hodnoty rovnaké, uvedieme priemerné poradie). Pre i-tý variant určíme súčet r i = n r ij ; poradie variantov je potom dané usporiadaním hodnôt j=1 r i od najmenšej po najväčšiu.
37 - ďalšia fáza metódy ORESTE je preferenčná analýza variantov - pre každú dvojicu variantov A i, A j určíme množinu I ij tých kritérií, ktoré preferujú A i pred A j. Ďalej pre všetky i, j = 1,..., m určíme tzv. preferenčné intenzity c ij = (r jh r ih ), stanovíme h I ij maximálnu intenzitu c max = n 2 (m 1) a normalizované preferenčné intenzity c N ij = c ij c max. - ďalej sa testuje indiferentnosť a neporovnateľnosť variantov na základe stanovených prahových hodnôt α, β, γ, pričom tieto 1 hodnoty sa volia tak, aby α 2(m 1), β 1 n(m 1), γ n 2 4
38 - predpokladajme, že indexy i, j sú zvolené tak, že c N ij cn ji - ak c N ij cn ji β a zároveň cn ij α, tak varianty A i, A j sú indiferentné (zapisujeme A i I A j ), inak sú neporovnateľné (zapisujeme A i N A j ) - ak neplatí c N ij cn ji β, ale c N ji γ, tak varianty A c N i, A j sú ij cn ji neporovnateľné, inak je variant A i preferovaný pred variantom A j (zapisujeme A i P A j resp. A i > A j ); ak je c N ij c N ji cn ij γ, tak varianty A i, A j sú neporovnateľné, inak je variant A j preferovaný pred variantom A i - výstupom preferenčnej analýzy variantov je štvorcová matica rádu m zložená zo symbolov I, N, > a <; symboly I, N sú rozmiestnené symetricky, symboly >, < antisymetricky podľa hlavnej diagonály matice
39
40 Metóda AHP (Analytic Hierarchy Process) - najprv sa určia normalizované váhy kritérií pomocou Saatyho metódy (založenej na normalizovanom geometrickom priemere). Pre každé z n kritérií sa ďalej zostaví Saatyho matica preferencií jednotlivých variantov vzhľadom na dané kritérium a z nej sa odvodia (rovnakým prístupom, ako pri Saatyho metóde pre kritériá) normalizované váhy (t.j. vážené geometrické priemery) pre každý variant. - zo získaných normalizovaných váh pre varianty zostavíme maticu, kde v i-tom riadku a j-tom stĺpci bude normalizovaná váha i-tého variantu odvodená pri Saatyho analýze variantov podľa j-tého kritéria. Ďalej určíme pre túto maticu vážené riadkové súčty (podľa normalizovaných váh jednotlivých kritérií); najlepsí variant je potom ten, ktorému zodpovedá najväčší vážený riadkový súčet.
41 Metóda TOPSIS - je založená na výbere variantu, ktorý je najbližšie k ideálnemu variantu a súčasne najďalej od bazálneho variantu - v prvom kroku sa na základe kriteriálnej matice Y vytvorí normalizovaná kriteriálna matica R = (r ij ) podľa vzťahu r ij = y ij m yij 2 i=1 - v druhom kroku sa matica R transformuje na maticu Z tak, že pre každé j = 1,..., n položíme z ij = w j r ij kde w j je normalizovaná váha j-tého kritéria
42 - pomocou prvkov matice Z sa vytvorí ideálny variant (h 1,..., h n ) a bazálny variant (d 1,..., d n ) tak, že pre j = 1,..., n položíme h j = max i=1,...,m z ij d j = min i=1,...,m z ij - pre každé i = 1,..., m vypočítame vzdialenosti d + i, d i i-tého variantu od ideálneho a bazálneho variantu d + i = d i = n i=1 n i=1 (z ij h j ) 2 (z ij d j ) 2
43 - ďalej sa určí relatívny ukazovateľ vzdialenosti variantu od bazálneho variantu: d i c i = d + i + d i Varianty sú potom zoradené podľa hodnôt týchto relatívnych ukazovateľov (najlepší variant má maximálnu hodnotu).
Úvod do lineárnej algebry Monika Molnárová Prednášky 2006
Úvod do lineárnej algebry Monika Molnárová Prednášky 2006 Prednášky: 1. 3. marca 2006 2. 10. marca 2006 c RNDr. Monika Molnárová, PhD. Obsah 1 Aritmetické vektory a matice 4 1.1 Aritmetické vektory........................
Podrobnejšie8 Cvičenie 1.1 Dokážte, že pre ľubovoľné body X, Y, Z platí X + Y Z = Z + Y X. 1.2 Dokážte, že pre ľubovoľné body A, B, D, E, F, G afinného priestoru
8 Cvičenie 1.1 Dokážte, že pre ľubovoľné body X, Y, Z platí X + Y Z = Z + Y X. 1. Dokážte, že pre ľubovoľné body A, B, D, E, F, G afinného priestoru P platí F B = F A, BD = AE, DG = EG F = G. 1.3 Dokážte
PodrobnejšiePokrocilé programovanie XI - Diagonalizácia matíc
Pokročilé programovanie XI Diagonalizácia matíc Peter Markoš Katedra experimentálnej fyziky F2-523 Letný semester 2015/2016 Obsah Fyzikálne príklady: zviazané oscilátory, anizotrópne systémy, kvantová
PodrobnejšieBrezina_Gertler_Pekar_2005
Makroekonomické výsledky Slovenskej republiky v stredoeurópskom regióne Ivan Brezina Pavel Gertler Juraj Pekár KOVE FHI EU, Dolnozemská 1/b, 852 35 Bratislava Pri vstupe nových členských štátov do Európskej
PodrobnejšieSRPkapitola06_v1.docx
Štatistické riadenie procesov Regulačné diagramy na reguláciu porovnávaním 6-1 6 Regulačné diagramy na reguláciu porovnávaním Cieľ kapitoly Po preštudovaní tejto kapitoly budete vedieť: čo sú regulačné
PodrobnejšieMatematický model činnosti sekvenčného obvodu 7 MATEMATICKÝ MODEL ČINNOSTI SEKVENČNÉHO OBVODU Konečný automat predstavuje matematický model sekvenčnéh
7 MTEMTICKÝ MODEL ČINNOSTI SEKVENČNÉHO OBVODU Konečný automat predstavuje matematický model sekvenčného obvodu. Konečný automat je usporiadaná pätica = (X, S, Y, δ, λ,) (7.) kde X je konečná neprázdna
Podrobnejšie9. kapitola Maticová algebra II systém lineárnych rovníc, Frobeniova veta, Gaussova eliminačná metóda, determinanty 1. Systém lineárnych rovníc Systém
9. kapitola Maticová algebra II systém lineárnych rovníc, Frobeniova veta, Gaussova eliminačná metóda, determinanty. Systém lineárnych rovníc Systém lineárnych rovníc, ktorý obsahuje m rovníc o n neznámych
PodrobnejšieÚvodná prednáška z RaL
Rozvrhovanie a logistika Základné informácie o predmete Logistika a jej ciele Štruktúra činností výrobnej logistiky Základné skupiny úloh výrobnej logistiky Metódy používané na riešenie úloh výrobnej logistiky
PodrobnejšieŠtudent 1. kapitola Maticová algebra I 1.1 Definícia matice V mnohých prípadoch dáta majú štruktúru dvojrozmernej tabuľky, ktorá má m riadkov a n stĺp
Študent. kapitola Maticová algebra I. Definícia matice V mnohých prípadoch dáta majú štruktúru dvojrozmernej tabuľky, ktorá má m riadkov a n stĺpcov. Jednoduchý príklad dát tohto druhu je tabuľka, ktorá
PodrobnejšieAxióma výberu
Axióma výberu 29. septembra 2012 Axióma výberu Axióma VIII (Axióma výberu) ( S)[( A S)(A ) ( A S)( B S)(A B A B = ) ( V )( A S)( x)(v A = {x})] Pre každý systém neprázdnych po dvoch disjunktných množín
Podrobnejšie9.1 MOMENTY ZOTRVACNOSTI \(KVADRATICKÉ MOMENTY\) A DEVIACNÝ MOMENT PRIEREZU
Učebný cieľ kapitoly Po preštudovaní tejto kapitoly by ste mali ovládať: Charakteristiku kvadratických momentov prierezových plôch. Ako je definovaný kvadraticky moment plochy k osi a k pólu. Ako je definovaný
PodrobnejšieParalelné algoritmy, cast c. 2
Paralelné algoritmy, čast č. 2 František Mráz Kabinet software a výuky informatiky, MFF UK, Praha Paralelné algoritmy, 2009/2010 František Mráz (KSVI MFF UK) Paralelné algoritmy, čast č. 2 Paralelné algoritmy,
PodrobnejšieZeszyty Naukowe PWSZ, Nowy Sącz 2013 Konštrukcie magických obdĺžnikov Marián Trenkler Faculty of Education, Catholic University in Ružomberok Hrabovsk
Zeszyty Naukowe PWSZ, Nowy Sącz 2013 Konštrukcie magických obdĺžnikov Marián Trenkler Faculty of Education, Catholic University in Ružomberok Hrabovská cesta 1, 034 01 Ružomberok, Slovakia e-mail: marian.trenkler@ku.sk
PodrobnejšieMicrosoft Word - Argumentation_presentation.doc
ARGUMENTÁCIA V. Kvasnička Ústav aplikovanej informatiky FIIT STU Seminár UI, dňa 21.11.2008 Priesvitka 1 Úvodné poznámky Argumentácia patrí medzi dôležité aspekty ľudskej inteligencie. Integrálnou súčasťou
Podrobnejšie1. KOMPLEXNÉ ČÍSLA 1. Nájdite výsledok operácie v tvare x+yi, kde x, y R. a i (5 2i)(4 i) b. i(1 + i)(1 i)(1 + 2i)(1 2i) (1 7i) c. (2+3i) a+bi d
KOMPLEXNÉ ČÍSLA Nájdite výsledok operácie v tvare xyi, kde x, y R 7i (5 i)( i) i( i)( i)( i)( i) ( 7i) (i) abi a bi, a, b R i(i) 5i Nájdite x, y R také, e (x y) i(x y) = i (ix y)(x iy) = i y ix x iy i
PodrobnejšieMicrosoft Word - 6 Výrazy a vzorce.doc
6 téma: Výrazy a vzorce I Úlohy na úvod 1 1 Zistite definičný obor výrazu V = 4 Riešte sústavu 15 = 6a + b, = 4a c, 1 = 4a + b 16c Rozložte na súčin výrazy a) b 4 a 18, b) c 5cd 10c d +, c) 6 1 s + z 4
Podrobnejšie1
NÁVRH METODIKY KOMPLEXNÉHO HODNOTENIA EKONOMICKEJ EFEKTÍVNOSTI STROJOV, ZARIADENÍ A TECHNOLÓGIÍ NA SPRACOVANIE ODPADU SAKÁL PETER CHVAŠTULA JÁN, SEKERA BRANISLAV ABSTRACT Presented paper shows the possibilities
PodrobnejšieMicrosoft Word - Transparencies03.doc
3. prednáška Teória množín II relácie o operácie nad reláciami o rovnosť o usporiadanosť funkcie o zložená funkcia o inverzná funkcia. Verzia: 20. 3. 2006 Priesvitka: 1 Relácie Definícia. Nech X a Y sú
PodrobnejšieMetódy násobenie v stredoveku
1 Lucia Pekarčíková História matematiky Metódy násobenia v stredoveku (Referát) Lucia Pekarčíková 1.roč. II.stupňa Mat Inf ÚVOD V dobe ranného stredoveku sa v Európe všeobecne nepoužíval abakus, nerobili
PodrobnejšieMicrosoft Word - 06b976f06a0Matice - Uzivatelska Dokumentacia
Matice Užívateľská dokumentácia k programu Autor: Miroslav Jakubík 2009 Obsah 1 Úvod... 2 1.1 Stručný popis programu... 2 1.2 Spustenie programu... 2 1.3 Otvorenie dokumentu... 3 1.4 Ovládanie programu...
PodrobnejšiePrenosový kanál a jeho kapacita
Prenosový kanál a jeho kapacita Stanislav Palúch Fakulta riadenia a informatiky, Žilinská univerzita 5. mája 2011 Stanislav Palúch, Fakulta riadenia a informatiky, Žilinská univerzita Prenosový kanál a
PodrobnejšieTeória pravdepodobnosti Zákony velkých císel
10. Zákony veľkých čísel Katedra Matematických metód Fakulta Riadenia a Informatiky Žilinská Univerzita v Žiline 6. apríla 2014 1 Zákony veľkých čísel 2 Centrálna limitná veta Zákony veľkých čísel Motivácia
PodrobnejšieInformačná a modelová podpora pre kvantifikáciu prvkov daňovej sústavy SR
Nelineárne optimalizačné modely a metódy Téma prednášky č. 5 Prof. Ing. Michal Fendek, CSc. Katedra operačného výskumu a ekonometrie Ekonomická univerzita Dolnozemská 1 852 35 Bratislava Označme ako množinu
PodrobnejšieMetódy dokazovanie v matematike 1 Základné pojmy Matematika exaktná veda vybudovaná DEDUKTÍVNE ZÁKLADNÉ POJMY základy každej matematickej teórie sú in
Metódy dokazovanie v matematike 1 Základné pojmy Matematika exaktná veda vybudovaná DEDUKTÍVNE ZÁKLADNÉ POJMY základy každej matematickej teórie sú intuitívne jasné a názorné napr. prirodzené čísla, zlomok,
PodrobnejšieSK MATEMATICKÁOLYMPIÁDA skmo.sk 2009/ ročník MO Riešenia úloh česko-poľsko-slovenského stretnutia 1. Určte všetky trojice (a, b, c) kladných r
SK MATEMATICKÁOLYMPIÁDA skmo.sk 009/010 59. ročník MO Riešenia úloh česko-poľsko-slovenského stretnutia 1. Určte všetky trojice (a, b, c) kladných reálnych čísel, ktoré sú riešením sústavy rovníc a b c
PodrobnejšieMicrosoft Word - skripta3b.doc
6. Vlastnosti binárnych relácií V tejto časti sa budeme venovať šiestim vlastnostiam binárnych relácií. Najprv si uvedieme ich definíciu. Reláciu R definovanú v množine M nazývame: a ) reflexívnou, ak
PodrobnejšieVzorové riešenia úlohy 4.1 Bodovanie Úvod do TI 2010 Dôvod prečo veľa z Vás malo málo bodov bolo to, že ste sa nepokúsili svoje tvrdenia dokázať, prič
Vzorové riešenia úlohy 4.1 Bodovanie Úvod do TI 2010 Dôvod prečo veľa z Vás malo málo bodov bolo to, že ste sa nepokúsili svoje tvrdenia dokázať, pričom to je veľmi dôležitá súčasť úlohy. Body sa udeľovali
PodrobnejšieCvičenie 9 Riešené príklady 1. Príklad min f(x 1, x 2 ) = x x x 1 s.t. x 1 80 x 1 + x Pre riešenie úlohy vykonáme nasledujúce kroky
Cvičenie 9 Riešené príklady 1. Príklad min f(x 1, x 2 ) = x 2 1 + x2 2 + 60x 1 s.t. x 1 80 x 1 + x 2 120 Pre riešenie úlohy vykonáme nasledujúce kroky: 1. Najskôr upravíme ohraničenia do tvaru a následne
PodrobnejšieGIS ako nástroj priestorového rozhodovania
Rastrový GIS ako nástroj priestorového rozhodovania Priestorové rozhodovanie Mapová algebra Priestorové rozhodovanie Rôzne úrovne priestorového riadenia Viac variantov rozhodovania Každý variant sa vyhodnocuje
PodrobnejšieDidaktické testy
Didaktické testy Didaktický test - Nástroj systematického zisťovania výsledkov výuky - Obsahuje prvky, ktoré je možné využiť aj v pedagogickom výskume Druhy didaktických testov A) Didaktické testy podľa
PodrobnejšieInformačné technológie
Informačné technológie Piatok 15.11. 2013 Matúš Péči Barbora Zahradníková Soňa Duchovičová Matúš Gramlička Začiatok/Koniec Z K Vstup/Výstup A, B Načítanie vstupných premenných A, B resp. výstup výstupných
PodrobnejšieŠpeciálna základná škola, Odborárska 2, Košice V ý z v a na predloženie cenovej ponuky - Dodávka stravných poukážok Zákazka je zadávaná postupo
Špeciálna základná škola, Odborárska 2, 040 01 Košice V ý z v a na predloženie cenovej ponuky - Dodávka stravných poukážok Zákazka je zadávaná postupom podľa 117 Zákona č. 343/ 2015 Z. z. o verejnom obstarávaní
PodrobnejšieMicrosoft Word - Zaver.pisomka_januar2010.doc
Písomná skúška z predmetu lgebra a diskrétna matematika konaná dňa.. 00. príklad. Dokážte metódou vymenovaním prípadov vlastnosť: Tretie mocniny celých čísel sú reprezentované celými číslami ktoré končia
PodrobnejšieMERANIE U a I.doc
MERANIE ELEKTRICKÉHO NAPÄTIA A ELEKTRICKÉHO PRÚDU Teoretický úvod: Základnými prístrojmi na meranie elektrických veličín sú ampérmeter na meranie prúdu a voltmeter na meranie napätia. Univerzálne meracie
Podrobnejšie2.5. Dotyčnica krivky, dotykový kužeľ. Nech f je krivka a nech P V (f) (t.j. m P (f) 1). Ak m P (f) = r a l je taká priamka, že I P (f, l) > r, potom
2.5. Dotyčnica krivky, dotykový kužeľ. Nech f je krivka a nech P V (f) (t.j. m P (f) 1). Ak m P (f) = r a l je taká priamka, že I P (f, l) > r, potom l nazývame dotyčnicou krivky f v bode P. Pre daný bod
PodrobnejšieUčebné osnovy Vzdelávacia oblasť Názov predmetu Stupeň vzdelania Ročník Počet hodín Poznámka Matematika a práca s informáciami Matematika ISCED I Tret
Učebné osnovy Vzdelávacia oblasť Názov predmetu Stupeň vzdelania Ročník Počet hodín Poznámka Matematika a práca s informáciami Matematika ISCED I Tretí Týždenne: 5 h ročne: 165 h 1 disponibilná hodina
Podrobnejšiebakalarska prezentacia.key
Inteligentné vyhľadávanie v systéme na evidenciu skautských družinových hier Richard Dvorský Základné pojmy Generátor družinoviek Inteligentné vyhľadávanie Ako to funguje Základné pojmy Skautská družina
PodrobnejšieMicrosoft Word - Algoritmy a informatika-priesvitky02.doc
3. prednáška Teória množín I množina operácie nad množinami množinová algebra mohutnosť a enumerácia karteziánsky súčin Priesvtika: 1 Definícia množiny Koncepcia množiny patrí medzi základné formálne prostriedky
PodrobnejšieInteligentné rozhodovacie systémy Heuristické prehľadávanie SP Október, 2018 Katedra kybernetiky
Inteligentné rozhodovacie systémy Heuristické prehľadávanie SP Marian.Mach@tuke.sk http://people.tuke.sk/marian.mach Október, 2018 Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach 1 Best-first
PodrobnejšieSK MATEMATICKA OLYMPIADA 2010/ ročník MO Riešenia úloh domáceho kola kategórie Z4 1. Doplň do prázdnych políčok čísla od 1 do 7 každé raz tak,
SK MATEMATICKA OLYMPIADA 2010/2011 60. ročník MO Riešenia úloh domáceho kola kategórie Z4 1. Doplň do prázdnych políčok čísla od 1 do 7 každé raz tak, aby matematické operácie boli vypočítané správne.
PodrobnejšiePodpora metód operačného výskumu pri navrhovaní systému liniek doc. RNDr. Štefan PEŠKO, CSc. Katedra matematických metód, Fa
Podpora metód operačného výskumu pri navrhovaní systému liniek doc. RNDr. Štefan PEŠKO, CSc. stefan.pesko@fri.uniza.sk Katedra matematických metód, Fakulta riadenia a informatiky, Žilinská univerzita v
PodrobnejšieStredná odborná škola technická, Kozmálovská cesta 9, Tlmače Kritériá na prijímacie konanie pre študijné odbory školský rok 2018/2019 (denné štúdium)
Kritériá na prijímacie konanie pre študijné odbory školský rok 2018/2019 (denné štúdium) 1. Počty žiakov a tried, ktoré možno prijať do prvého ročníka študijných odborov Podľa 65 ods. 1) Zákona č. 245/2008
PodrobnejšieKritéria prijatia žiakov na štúdium do prvého ročníka
Stredná odborná škola Ostrovského 1, 040 01 Košice Kritériá a ostatné podmienky prijímacieho konania pre prijatie žiakov 9. ročníka ZŠ na denné štúdium do prvého ročníka SOŠ, Ostrovského 1, Košice pre
PodrobnejšieFunkcie viac premenných
Funkcie viac premenných January 21, 215 Regulárne zobrazenia Nech je zobrazenie X = Φ(T) dané rovnicami: x 1 = ϕ 1 (t 1, t 2,, t n), x 2 = ϕ 2 (t 1, t 2,, t n), x n = ϕ n(t 1, t 2,, t n), a ak majú funkcie
PodrobnejšieRiaditeľ Súkromnej obchodnej akadémie v správe Akadémie vzdelávania, Jarná 13, Žilina v súlade s § 4 ods
Riaditeľ Súkromnej strednej odbornej školy Pro scholaris, Jarná 13, 010 01 Žilina (ďalej SSOŠ PS) v súlade s 65 ods. 1 5 Zákona NR SR č. 245/2008 Z. z. o výchove a vzdelávaní (školský zákon) a o zmene
Podrobnejšie1
ADM a logika 5. prednáška Sémantické tablá priesvitka 1 Úvodné poznámky Cieľom dnešnej prednášky je moderná sémantická metóda verifikácie skutočnosti, či formula je tautológia alebo kontradikcia: Metóda
PodrobnejšieSlužobný úrad Odbor verejného obstarávania Podľa rozdeľovníka Váš list číslo/ zo dňa: Naše číslo: Vybavuje/Klapka V Bratislave 29172/2018 Görögová/298
Služobný úrad Odbor verejného obstarávania Podľa rozdeľovníka Váš list číslo/ zo dňa: Naše číslo: Vybavuje/Klapka V Bratislave 29172/2018 Görögová/298 07.12.2018 Vec: Výzva na predkladanie ponúk v procese
PodrobnejšieOptimal approximate designs for comparison with control in dose-escalation studies
Optimal approximate designs for comparison with control in dose-escalation studies a Radoslav Harman Fakulta matematiky, fyziky a informatiky Univerzity Komenského 15. 9. 2016 Optimálne aproximatívne dizajny
PodrobnejšieMicrosoft Word - Kritériá pre prijatie žiakov doc
KRITÉRIÁ PRE PRIJATIE UCHÁDZAČOV O ŠTÚDIUM V ŠKOLSKOM ROKU 2016/2017 I. VŠEOBECNÉ USTANOVENIA V školskom roku 2016/2017 sa otvárajú triedy s počtami žiakov uvedenými v tabuľke č. 1. Tabuľka 1 ŠTUDIJNÉ
PodrobnejšieZásady prijímania na bakalárske štúdium na školský rok 2004/2005
Ďalšie podmienky prijatia na bakalárske štúdium na FIIT STU Čl. 1 Úvodné ustanovenia (1) Ďalšie podmienky prijatia na bakalárske štúdium na Fakultu informatiky a informačných technológií Slovenskej technickej
PodrobnejšieAnalýza sociálnych sietí Geografická lokalizácia krajín EU
Analýza sociálnych sietí Geografická lokalizácia krajín EU Ekonomická fakulta TU v Košiciach 20. februára 2009 Vzt ahy medzi krajinami - teória grafov Doterajšie riešenia 1 problém farbenia grafov (Francis
Podrobnejšie1
1. CHARAKTERISTIKA DIGITÁLNEHO SYSTÉMU A. Charakteristika digitálneho systému Digitálny systém je dynamický systém (vo všeobecnosti) so vstupnými, v čase premennými veličinami, výstupnými premennými veličinami
PodrobnejšieSenecká 2, Pezinok PODMIENKY A KRITÉRIÁ PRIJÍMACIEHO KONANIA DO 1. ROČNÍKA ŠTVORROČNÉHO ŠTÚDIA PRE ŠKOLSKÝ ROK 2019/2020 A OSTATNÉ PODMIENKY PR
Senecká 2, 902 01 Pezinok PODMIENKY A KRITÉRIÁ PRIJÍMACIEHO KONANIA DO 1. ROČNÍKA ŠTVORROČNÉHO ŠTÚDIA PRE ŠKOLSKÝ ROK 2019/2020 A OSTATNÉ PODMIENKY PRIJATIA NA ŠTÚDIUM Riaditeľka Gymnázia v Pezinku, Senecká
PodrobnejšieAplikace matematiky- záverečná práca Juraj Bodík 28. septembra 2017 Definície Žena - objekt ohodnotený celým číslom. Každé dve ženy sa dajú porovnat a
Aplikace matematiky- záverečná práca Juraj Bodík 28. septembra 207 Definície Žena - objekt ohodnotený celým číslom. aždé dve ženy sa dajú porovnat a rozlíšit, t.j. žiadne dve nemajú rovanké hodnotenie.
PodrobnejšieMetrické konštrukcie elipsy Soňa Kudličková, Alžbeta Mackovová Elipsu, ako regulárnu kužeľosečku, môžeme študovať synteticky (konštrukcie bodov elipsy
Metrické konštrukcie elipsy Soňa Kudličková, Alžbeta Mackovová Elipsu, ako regulárnu kužeľosečku, môžeme študovať synteticky (konštrukcie bodov elipsy) alebo analyticky (výpočet súradníc bodov elipsy).
PodrobnejšieUčebné osnovy so vzdelávacím štandardom
Učebné osnovy so vzdelávacím štandardom Vzdelávacia oblasť : Matematika a práca s informáciami Názov predmetu : Matematika Časový rozsah výučby : 4 hodiny týždenne, spolu 132 hod. Ročník : prvý Škola :
PodrobnejšieKolégium dekana
Smernica dekana MTF STU Číslo 4/2013 09. 10. 2013 Prijímanie uchádzačov na bakalárske štúdium v akademickom roku 2014/2015 Vypracovala: Doc. RNDr. Mária Mišútová, PhD. Smernica dekana MTF STU č. 4/2013
PodrobnejšieOperačná analýza 2
Súradnicové sústavy a zobrazenia Súradnicové sústavy v rovine (E 2 ) 1. Karteziánska súradnicová sústava najpoužívanejšia súradnicová sústava; určená začiatkom O, kolmými osami x, y a rovnakými jednotkami
PodrobnejšieMicrosoft Word - TeoriaMaR-pomocka2.doc
SLOVENSKÁ TECHNICKÁ UNIVERZITA STAVEBNÁ FAKULTA KATEDRA TECHNICKÝCH ZARIADENÍ BUDOV KRESLENIE SCHÉ TOKU SIGNÁLOV PODĽA DIN 19227 UČEBNÁ POÔCKA Č.2 pre 1. ročník inžinierskeho štúdia študijného programu
PodrobnejšieMicrosoft Word - mnohouholnik.doc
Výpočet obsahu mnohouholníka Mnohouholník je daný súradnicami svojich vrcholov: A1[x1, y1], A2[x2, y2],..., An[xn, yn]. Aby sme sa vyhli komplikáciám, obmedzíme sa na prípad konvexného mnohouholníka. Súradnice
PodrobnejšieVýhľad Slovenska na najbližšie roky
Výhľad Slovenska na najbližšie roky Martin Šuster Bratislava, konferencia FRP 218 24. 1. 218 Predikcia rastu HDP a cien HDP Inflácia Zdroj: NBS. 2 Strednodobá predikcia P3Q-218 Skutočnosť P3Q-218 217 218
PodrobnejšieKlasická metóda CPM
Operačná analýza 2-02a Klasická metóda CPM Úvod Je daná úloha časového plánovania U s množinou elementárnych činností E a reálnou funkciou c: E R ktorá každej činnosti A E priradí jej dobu trvania c(a).
Podrobnejšie2
Modul Spájanie str. 1 Modul Spájanie Obsah: 1 Úvod 2 2 Prenos údajov spájanie 2 2.1.1 Generovanie údajov 3 2.1.2 Prenos údajov 4 2.1.3 Spájanie údajov 5 3 Poznámky 7 Modul Spájanie str. 2 1 Úvod Tento
Podrobnejšie1)
Prijímacia skúška z matematiky do prímy gymnázia s osemročným štúdiom Milá žiačka/milý žiak, sme veľmi radi, že ste sa rozhodli podať prihlášku na našu školu. Dúfame, že nasledujúce úlohy hravo vyriešite
PodrobnejšieS t r e d n á o d b o r n á š k o l a e l e k t r o t e c h n i c k á T r n a v a, S i b í r s k a 1 KRITÉRIÁ PRE PRIJATIE UCHÁDZAČOV O ŠTÚDIUM V ŠKOL
S t r e d n á o d b o r n á š k o l a e l e k t r o t e c h n i c k á T r n a v a, S i b í r s k a 1 KRITÉRIÁ PRE PRIJATIE UCHÁDZAČOV O ŠTÚDIUM V ŠKOLSKOM ROKU 2019/2020 Predkladá: Ing. Ružena Pecková
PodrobnejšieÚRAD VLÁDY SLOVENSKEJ REPUBLIKY
Výzva na predkladanie ponúk zákazky s nízkou hodnotou v súlade s 102 zákona č. 25/2006 Z. z. o verejnom obstarávaní a o zmene niektorých zákonov v znení neskorších predpisov (ďalej len zákon v platnom
PodrobnejšieN desitka.indd
DESIATKA Interakčná, taktická kartová hra od holandských autorov. Hra, v ktorej sa snažíte prekabátiť svojich súperov! Hra, v ktorej môže zvíťaziť aj ten, komu šťastie práve nepraje. Podmienkou sú pevné
PodrobnejšieParalelné algoritmy, cast c. 3
Paralelné algoritmy, čast č. 3 František Mráz Kabinet software a výuky informatiky, MFF UK, Praha Paralelné algoritmy, 2009/2010 František Mráz (KSVI MFF UK) Paralelné algoritmy, čast č. 3 Paralelné algoritmy,
Podrobnejšie2.1ELEKTRICKÉ SIETE Definície sieti podľa medzinárodného elektrotechnického slovníka: sieť s priamo uzemneným neutrálnym bodom - sieť, v ktore
Zdravotné požiadavky na uchádzača: Na štúdium môžu byť prijatí len tí uchádzači, ktorých zdravotnú spôsobilosť posúdil a písomne potvrdil dorastový lekár v prihláške na štúdium. V prípade zmenenej pracovnej
PodrobnejšieModerné vzdelávanie pre vedomostnú spoločnosť/ Projekt je spolufinancovaný zo zdrojov EÚ LINEÁRNE A KVADRATICKÉ PROGRAMOVANIE Vysokoškolská učebnica F
Moderné vzdelávanie pre vedomostnú spoločnosť/ Projekt je spolufinancovaný zo zdrojov EÚ LINEÁRNE A KVADRATICKÉ PROGRAMOVANIE Vysokoškolská učebnica Fakulta elektrotechniky a informatiky Štefan Berežný
PodrobnejšieJednotkový koreň (unit root), diferencovanie časového radu, unit root testy Beáta Stehlíková Časové rady, FMFI UK, 2011/2012 Jednotkový koreň(unit roo
Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy Beáta Stehlíková Časové rady, FMFI UK, 2011/2012 Jednotkový koreň(unit root),diferencovanie časového radu, unit root testy p.1/18
PodrobnejšieČísla Nájdite všetky dvojice prirodzených čísiel, ktoré vyhovujú rovnici: 2 ( a+ b) ( a b) + 2b ( a+ 2b) 2b = 49 RIEŠENIE ( ) ( ) ( ) 2 a+ b a
Čísla 9 89. Nájdite všetky dvojice prirodzených čísiel, ktoré vyhovujú rovnici: ( a+ b) ( a b) + b ( a+ b) b 9 ( ) ( ) ( ) a+ b a b + b a+ b b 9 ( a b ) + ab + b b 9 a b + ab + b 9 a + ab + b 9 a+ b 9
PodrobnejšieMicrosoft Word - Diskusia11.doc
Univerzita Komenského v Bratislave Fakulta matematiky, fyziky a informatiky MATEMATIKA - 011 sem vlepiť čiarový kód uchádzača Test obsahuje 30 úloh. Na jeho vypracovanie máte 90 minút. Každá úloha spolu
PodrobnejšieVR MTF STU
Vnútorný predpis Číslo 6/2015 17. 06. 2015 Ďalšie podmienky prijímania uchádzačov na I. stupeň štúdia na MTF STU v Trnave v akademickom roku 2016/2017 Vypracoval: doc. Ing. Roman Čička, PhD. Ďalšie podmienky
PodrobnejšieRepublika Srbsko MINISTERSTVO OSVETY, VEDY A TECHNOLOGICKÉHO ROZVOJA ÚSTAV PRE HODNOTENIE KVALITY VZDELÁVANIA A VÝCHOVY VOJVODINSKÝ PEDAGOGICKÝ ÚSTAV
Republika Srbsko MINISTERSTVO OSVETY, VEDY A TECHNOLOGICKÉHO ROZVOJA ÚSTAV PRE HODNOTENIE KVALITY VZDELÁVANIA A VÝCHOVY VOJVODINSKÝ PEDAGOGICKÝ ÚSTAV ZÁVEREČNÁ SKÚŠKA NA KONCI ZÁKLADNÉHO VZDELÁVANIA A
PodrobnejšieCenník zariadení platný od Na začiatok zaplatíte od Mesačná platba pri úvodnej platbe 2 Mobiola MB Nokia 105 DS NEW WG 8 2
Mobiola MB3000 2 1 26 Nokia 105 DS NEW 2 1 26 WG 8 2 1 26 Doro 1360 (dopredaj) 2 2 50 Mobiola MB3200 2 2 50 Mobiola MB610 2 2 50 Mobiola MB700 2 2 50 Modem Huawei E3372H 2 2 50 Modem Huawei E5573s LTE
PodrobnejšieTue Oct 3 22:05:51 CEST Začiatky s jazykom C 2.1 Štruktúra programu Štruktúra programu by sa dala jednoducho popísať nasledovnými časťami, kto
Tue Oct 3 22:05:51 CEST 2006 2. Začiatky s jazykom C 2.1 Štruktúra programu Štruktúra programu by sa dala jednoducho popísať nasledovnými časťami, ktoré si postupne rozoberieme: dátové typy príkazy bloky
PodrobnejšieTabuľky_teoria
Tabuľky v programe Microsoft Word Vytvorenie tabuľky Pred samotným vyhotovením tabuľky sa odporúča pripraviť si náčrt, na ktorom sa rozvrhne rozdelenie údajov do riadkov a stĺpcov. Tabuľku vytvoríme pomocou
PodrobnejšieGymnázium arm. gen. L. Svobodu, Komenského 4, Humenné PREDMETOVÁ KOMISIA BIOLÓGIE Kritériá hodnotenia a klasifikácie predmetu biológia a seminá
Gymnázium arm. gen. L. Svobodu, Komenského 4, 066 51 Humenné PREDMETOVÁ KOMISIA BIOLÓGIE Kritériá hodnotenia a klasifikácie predmetu biológia a seminár z biológie Kritériá hodnotenia a klasifikácie biológie
PodrobnejšieMO_pred1
Modelovanie a optimalizácia Ľudmila Jánošíková Katedra dopravných sietí Fakulta riadenia a informatiky Žilinská univerzita, Žilina Ludmila.Janosikova@fri.uniza.sk 041/5134 220 Modelovanie a optimalizácia
PodrobnejšieSlovenská akadémia vied Analýza finančnej podpory a scientometrických výstupov SAV Bratislava 2019
Slovenská akadémia vied Analýza finančnej podpory a scientometrických výstupov SAV Bratislava 2019 Analýza finančnej podpory a scientometrických výstupov SAV I. Výskum a vývoj (VaV) na Slovensku a vo
PodrobnejšieSlužobný úrad Odbor verejného obstarávania Podľa rozdeľovníka Váš list číslo/ zo dňa: Naše číslo: Vybavuje/Klapka V Bratislave 27188/2017 Riedelová/23
Služobný úrad Odbor verejného obstarávania Podľa rozdeľovníka Váš list číslo/ zo dňa: Naše číslo: Vybavuje/Klapka V Bratislave 27188/2017 Riedelová/232 28.11.2017 Vec: Výzva na predkladanie ponúk v procese
PodrobnejšieCenník zariadení platný od Na začiatok zaplatíte od Mesačná platba pri úvodnej platbe 2 Mobiola MB Nokia 105 DS NEW WG 8 2
Mobiola MB3000 2 1 26 Nokia 105 DS NEW 2 1 26 WG 8 2 1 26 Doro 1360 (dopredaj) 2 2 50 Mobiola MB3200 2 2 50 Mobiola MB610 2 2 50 Mobiola MB700 2 2 50 Modem Huawei E3372H 2 2 50 Modem Huawei E5573s LTE
PodrobnejšieSnímka 1
Fyzika - prednáška 11 Ciele 5. Fyzikálne polia 5.2 Elektrostatické pole 5.3 Jednosmerný elektrický prúd Zopakujte si Fyzikálne pole je definované ako... oblasť v určitom priestore, pričom v každom bode
PodrobnejšieMicrosoft Word - navrh-na-tvvp-matematika-pre-tretiakov-bs
Návrh na tematický výchovno-vzdelávací plán pre predmet (TVVP) (aktualizovaný na školský rok 2019/2020) Stupeň vzdelania: ISCED 1 primárne vzdelávanie Vzdelávacia oblasť: Matematika a práca s informáciami
PodrobnejšieMicrosoft Word - Praktikum_07.doc
33 Praktikum 7: Lineárne optimalizačné úloh Cieľ: Grafick znázorniť množinu prípustných riešení, zobraziť účelovú funkciu, nájsť optimálne riešenie a interpretovať riešenie danej úloh. Metodický postup:
PodrobnejšieCirkevná stredná odborná škola sv. Jozafáta, Komenského 1963/10, Trebišov Tel.: 056/ , K R I T É R I Á a ostatné
Cirkevná stredná odborná škola sv. Jozafáta, Komenského 1963/10, 075 01 Trebišov Tel.: 056/66702 11, e-mail: skola@csostv.sk K R I T É R I Á a ostatné podmienky prijatia na štúdium do prvého ročníka na
PodrobnejšieEKONOMICKÁ UNIVERZITA V BRATISLAVE FAKULTA HOSPODÁRSKEJ INFORMATIKY Evidenčné číslo: /B/2015/ MULTIKRITERIÁLNA ANALÝZA METÓDY S
EKONOMICKÁ UNIVERZITA V BRATISLAVE FAKULTA HOSPODÁRSKEJ INFORMATIKY Evidenčné číslo: 03004/B/205/36069940474372 MULTIKRITERIÁLNA ANALÝZA METÓDY STANOVENIA VÁH KRITÉRIÍ ZALOŽENÉ NA ZNALOSTIACH DÔSLEDKOV
Podrobnejšie(ıkolské kolo-PYT)
Súťažné úlohy školského kola. Školský rok 2006/2007. Kategória P 3 1. Súčet dvoch čísel je 156. Prvý sčítanec je rozdiel čísel 86 a 34. Aký je druhý sčítanec? 2. Vypočítaj: 19 18 + 17 16 + 15 14 = 3. V
PodrobnejšieK R I T É R I Á na prijatie žiakov do 1. ročníka Hotelovej akadémie v Liptovskom Mikuláši pre školský rok 2017/2018 Všeobecné podmienky Prijímacie kon
K R I T É R I Á na prijatie žiakov do 1. ročníka Hotelovej akadémie v Liptovskom Mikuláši pre školský rok 2017/2018 Všeobecné podmienky Prijímacie konanie sa uskutoční v zmysle 62 až 68 Zákona o výchove
PodrobnejšieO možnosti riešenia deformácie zemského povrchu z pohladu metódy konecných prvkov konference pro studenty matematiky
O možnosti riešenia deformácie zemského povrchu z pohľadu metódy konečných prvkov 19. konference pro studenty matematiky Michal Eliaš ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Katedra matematiky 7. 9. 6. 2011
PodrobnejšieGymnázium, Konštantínova 1751/64, Stropkov K r i t é r i á prijímacieho konania do 1. ročníka štvorročného študijného odboru 7902 J gymnázium p
Gymnázium, Konštantínova 1751/64, 091 80 Stropkov K r i t é r i á prijímacieho konania do 1. ročníka štvorročného študijného odboru 7902 J gymnázium pre školský rok 2019/2020 Riaditeľ Gymnázia v Stropkove
PodrobnejšieOperačná analýza 2
Niektoré náhodné procesy majú v praxi veľký význam, pretože sa často vyskytujú, napr.: Poissonov proces proces vzniku a zániku Wienerov proces stacionárne procesy,... Poissonov proces je homogénny Markovov
PodrobnejšieObecné zastupiteľstvo v
Obecné zastupiteľstvo v O b y c i a c h na základe 11 ods. 4 písm. j) zák. SNR č. 369/1990 Zb. o obecnom zriadení v znení neskorších zmien a doplnkov s použitím zák. č. 553/2003 Z. z. o odmeňovaní niektorých
Podrobnejšie8
8. Funkcie pre prácu s údajmi 8.1. Základné funkcie pre prácu s údajmi MATLAB umožňuje aj štatistické spracovanie údajov. Jednotlivé prvky sú zadávané ako matica (vektor). V prípade matice sa operácie
Podrobnejšie