Uniwersytet Kardynała Stefana Wyszyńskiego w Warszawie - Centralny System Uwierzytelniania
Strona główna

Measuring Efficiency of Decision Making Units

Informacje ogólne

Kod przedmiotu: WSE-EK-MON-EFF
Kod Erasmus / ISCED: (brak danych) / (0311) Ekonomia Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Measuring Efficiency of Decision Making Units
Jednostka: Wydział Społeczno-Ekonomiczny
Grupy: Grupa przedmiotów - oferta Erasmus
Punkty ECTS i inne: 4.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
Język prowadzenia: angielski
Dyscyplina naukowa, do której odnoszą się efekty uczenia się:

ekonomia i finanse
Poziom przedmiotu:

zaawansowany
Symbol/Symbole kierunkowe efektów uczenia się:

EK1_WO4

EK1_UO3

EK1_UO4

EK1_UO9

EK1_kO3
Wymagania wstępne:

Podstawy mikroekonomii

Podstawy matematyki
Skrócony opis:

Ten kurs wprowadza podstawy do oceny względnej wydajności instytucji prywatnych, non-profit i państwowych. Ocenę tę uzyskuje się przy użyciu techniki analizy danych( po ang. Data Envelopment Analysis (DEA)) jako narzędzia audytu menedżerskiego do identyfikacji i pomiaru porównawczych wydajności – i ich źródeł, w jednostkach decyzyjnych tego samego sektora(Decision Making Units(DMU)). DEA jest koncepcyjnie techniką opartą na programowaniu matematycznym, przy czym formalizm matematyczny jest ograniczony do minimum. Proponowana treść tego kursu jest silnie zorientowana na praktykę. Po ukończeniu przedmiotu student potrafi dokonać własnej oceny przedsiębiorstwa pod kątem jego względnej pozycji w branży z punktu widzenia efektywności gospodarowania nakładami w relacji do przychodów lub odwrotnie, przychodami w stosunku do nakładów. Student potrafi również zrozumieć źródło i naturę ewentualnych barier wydajnościowych oraz zasugerować implikacje zarządcze, zarówno techniczne, jak i zarządcze.
Pełny opis:

I. Ekonomiczne podstawy procesu produkcyjnego przedsiębiorstwa

a) procesy produkcyjne

b) Właściwości funkcji produkcyjnej

c) Granica możliwości produkcyjnych

II. Podstawy metody Data Envelopment Analysis (DEA):

II. 1 Metoda oceny wydajności

II 2 Studium przypadku1

II 3 Wielokrotne inputs outputs

II 4 Rodzaje efektywności

II 5 Implikacje dla kierownictwa

III. Oprogramowanie i praktyczne przypadki

IV. Modele matematyczne metody DEA

IV. 1 Stałe korzyśći skali

IV. 2 Zmienne korzyśći skali

V. Rozszerzenia metody DEA

V. 1 Dostosowanie efektywności do warunków środowiskowych

V. 2 Preferencje

V. 3 Analiza wrażliwości

V. 4 Horyzont czasowy

VI. DEA z Microsoft Excel Solver

VI. 1 Solveur

VI. 2 Programowanie modelu stałych korzyści skali

VII. Badania empiryczne
Literatura:

1)Jean-Marc Huguenin, Data Envelopment Analysis (DEA), a pedagogical guide for decision makers in the public sector, 2012 IDHEAP, Lausanne, ISBN 978-2-940390-54-0, https://serval.unil.ch/resource/serval:BIB_0FC432348A97.P001/REF

2) Charnes, A, Cooper, W. W. & Rhodes E. L. (1978). Pomiar efektywności jednostek decyzyjnych. European Journal of Operational Research, 2(6), 429-444.

3)Cooper W.W. [et al.], Handbook on data envelopment analysis, Kluwer Aca-demic, Boston 2004

Teksty fakultatywne:

1)Joanicjusz Nazarko, Ireneusz Jakuszewicz, Joanna Urban, Metoda DEA w analizie jednostek produk-cyjnych, https://depot.ceon.pl/bitstream/handle/123456789/7700/Metoda_DEA_w_analizie_jednostek_produkcyjnych.pdf?sequence=1&isAllowed=y

2)TUTORIAL IN DEA, New York http://apolo.creg.gov.co/Publicac.nsf/0/d7f9626a2dd4d5f00525785a007a6523/$FILE/Anexo9ciruclar031-02.pdf

3) Notatki z badań operacyjnych, http://people.brunel.ac.uk/~mastjjb/jeb/or/dea.html

4) S. Bwanakare, A Stochastic Non-Homogeneous Constant Elasticity of Substitution Production Function as an Inverse Problem: A Non-Extensive Entropy Estimation Approach, Polska Akademia Nauk, Acta Physica Polonica A, vol 123/ 3, march 2013, DOI: 10.12693/APhysPolA.123.502 lub http://przyrbwn.icm.edu.pl/APP/PDF/123/a123z3p02.pdf
Efekty kształcenia i opis ECTS:

WIEDZA

Student zna właściwości funkcji produkcyjnej i pojęcie granicy możliwości produkcyjnych przed-siębiorstwa. Student zrozumie, jak korzystać z techniki DEA w różnych kontekstach, w szczególności w przypadku wielokrotnych inputs outputs oraz różnych rodzajów wydajności. Student rozumie, jak korzystać z prezentowanej techniki oprogramowania lub być w stanie użyć solvera Excel do oceny względnej wydajności zbioru przedsiębiorstw. Student wie, jak zastosowywać technikę DEA do no-wych warunków środowiskowych wpływających na wydajność przedsiębiorstwa.

UMIEJĘTNOŚCI

Student jest w stanie wizualizować granicę wydajności zarówno w przypadkach stałych korzyści skali, jak i zmiennych korzyści skali. Jest w stanie oszacować poziom nieefektywności niezależnie od orientacji modelu (input lub output) i rodzaju korzyści skali.

Student jest w stanie prawidłowo zastosować technikę zapoznaną na zajęciach z użyciem oprogra-mowania oraz prawidłowo zinterpretować uzyskanych wyników.

KOMPETENCJI

Student jest w stanie wybrać model według właściwej orientacji-input lub output, w zależności od empirycznego kontekstu DMU, oszacować poziom wydajności nieefektywności DMU niezależnie od rodzaju korzyści skali i przeprowadzić analizę wrażliwości w odniesieniu do kontekstu środowi-skowego. Student może udzielać porad technicznych i menedżerskich DMU, aby poprawić jego względną wydajność w porównaniu z konkurentami z tego samego sektora.
Metody i kryteria oceniania:

2 – student nie dostarczył pracy lub praca nie jest jej samodzielnym osiągnięciem, jest chaotyczna w odniesieniu do podstawowych właściwości technicznych związanych z ekonomicznymi podstawami procesu produkcyjnego przedsiębiorstwa lub z techniką DEA po stronie konceptualizacji lub wdrożenia w praktyce.

3 – student udowadnia, że rozumie podstawowe pojęcia kursu w różnych aspektach związanych z pomiarem efek-tywności jednostek decyzyjnych pokazanych na wykładzie. Może korzystać z nauczanego oprogramowania podczas wykładów. Nadal wykazuje trudności z opanowaniem empirycznej strony techniki DEA w odniesieniu do anali-zy różnych scenariuszy.

4 – student wykonał dobrą pracę i poprawnie określił problemy. Jest w stanie wybrać i zastosować odpowiednie metody w zależności od rodzaju problemu .

5 - student wykonał dobrą pracę i poprawnie określił problemy i pozycje. Jest w stanie wybrać i zastosować odpo-wiednie metody w zależności od rodzaju problemu . Potrafi odpowiednio zinterpretować rozwiązanie i wiedzieć, jaką politykę stosować DMU w przypadku niewydolności technicznej lub skali. Potrafi dopasować rozwiązanie do przy-padku różnych warunków środowiskowych.

UMIEJĘTNOŚCI:

Projekt jest oceniany jak wyżej.

KOMPETENCJE SPOŁECZNE

2 – student nie rozumie podstawowych pojęć związanych z technikami pomiaru Efektywności Jednostek Decyzyj-nych. Unika wszelkich dyskusji związanych z tą kwestią

3 – student ma podstawowe spostrzeżenia związane z koncepcją pomiaru Efektywności Jednostek Decyzyjnych. Nie opanowuje niektórych technik obliczeniowych, ale dostrzega ich przydatność. Byłby gotowy do podnoszenia wiedzy i kompetencji do celów zawodowych.

4 – student inicjuje dyskusje związane z technikami pomiaru efektywności Jednostek Decyzyjnych oraz potrafi zrozumieć ważnych elementów różnych raportów technicznych dot. pomiar Efektywności Jednostek Decyzyj-nych metodą DEA.

5 – student inicjuje dyskusje związane z technikami pomiaru Efektywności Zagadnień Jednostek Decyzyjnych, wie, jak dobrać właściwy model i sprawnie stosować techniki obliczeniowe do rozwiązywania problemów. Rozumie implikacje techniki pomiaru Efektywności Jednostek Decyzyjnych w różnym kontekście biznesowym, umieszcza je w szerszym tle codzienności.

Na ocenę końcową składają się:prezentacja projektu i egzamin ustny (80%) oraz aktywność + obecność na zajęciach (20%).

10 pkt - ocena: 5,0;

8-9 pkt - ocena: 4,5;

7-8 pkt - ocena: 4,0;

6-7 pkt - ocena: 3,5;

5 - 6 pkt - ocena 3,0;

poniżej 5 pkt - ocena: 2,0

Zajęcia w cyklu "Semestr letni 2021/22" (zakończony)

Okres: 2022-02-01 - 2022-06-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Wykład monograficzny, 30 godzin więcej informacji
Koordynatorzy: Second Bwanakare
Prowadzący grup: Second Bwanakare
Strona przedmiotu: https://usosweb.uksw.edu.pl/kontroler.php?_action=katalog2/przedmioty/edytujPrzedmiot&prz_kod=WSE-EK-MON-EFF
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Wykład monograficzny - Zaliczenie na ocenę

Zajęcia w cyklu "Semestr letni 2022/23" (zakończony)

Okres: 2023-02-01 - 2023-06-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Wykład, 30 godzin więcej informacji
Koordynatorzy: Second Bwanakare
Prowadzący grup: Second Bwanakare
Strona przedmiotu: https://usosweb.uksw.edu.pl/kontroler.php?_action=katalog2/przedmioty/edytujPrzedmiot&prz_kod=WSE-EK-MON-EFF
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Wykład - Zaliczenie na ocenę
E-Learning:

E-Learning (pełny kurs) z podziałem na grupy
Skrócony opis:

Ten kurs wprowadza podstawy do oceny względnej wydajności instytucji prywatnych, non-profit i państwowych. Ocenę tę uzyskuje się przy użyciu techniki analizy danych( po ang. Data Envelopment Analysis (DEA)) jako narzędzia audytu menedżerskiego do identyfikacji i pomiaru porównawczych wydajności – i ich źródeł, w jednostkach decyzyjnych tego samego sektora(Decision Making Units(DMU)). DEA jest koncepcyjnie techniką opartą na programowaniu matematycznym, przy czym formalizm matematyczny jest ograniczony do minimum. Proponowana treść tego kursu jest silnie zorientowana na praktykę. Po ukończeniu przedmiotu student potrafi dokonać własnej oceny przedsiębiorstwa pod kątem jego względnej pozycji w branży z punktu widzenia efektywności gospodarowania nakładami w relacji do przychodów lub odwrotnie, przychodami w stosunku do nakładów. Student potrafi również zrozumieć źródło i naturę ewentualnych barier wydajnościowych oraz zasugerować implikacje zarządcze, zarówno techniczne, jak i zarządcze.
Pełny opis:

I. Ekonomiczne podstawy procesu produkcyjnego przedsiębiorstwa

a) procesy produkcyjne

b) Właściwości funkcji produkcyjnej

c) Granica możliwości produkcyjnych

II. Podstawy metody Data Envelopment Analysis (DEA):

II. 1 Metoda oceny wydajności

II 2 Studium przypadku1

II 3 Wielokrotne inputs outputs

II 4 Rodzaje efektywności

II 5 Implikacje dla kierownictwa

III. Oprogramowanie i praktyczne przypadki

IV. Modele matematyczne metody DEA

IV. 1 Stałe korzyśći skali

IV. 2 Zmienne korzyśći skali

V. Rozszerzenia metody DEA

V. 1 Dostosowanie efektywności do warunków środowiskowych

V. 2 Preferencje

V. 3 Analiza wrażliwości

V. 4 Horyzont czasowy

VI. DEA z Microsoft Excel Solver

VI. 1 Solveur

VI. 2 Programowanie modelu stałych korzyści skali

VII. Badania empiryczne
Literatura:

1)Jean-Marc Huguenin, Data Envelopment Analysis (DEA), a pedagogical guide for decision makers in the public sector, 2012 IDHEAP, Lausanne, ISBN 978-2-940390-54-0, https://serval.unil.ch/resource/serval:BIB_0FC432348A97.P001/REF

2) Charnes, A, Cooper, W. W. & Rhodes E. L. (1978). Pomiar efektywności jednostek decyzyjnych. European Journal of Operational Research, 2(6), 429-444.

3)Cooper W.W. [et al.], Handbook on data envelopment analysis, Kluwer Aca-demic, Boston 2004

Teksty fakultatywne:

1)Joanicjusz Nazarko, Ireneusz Jakuszewicz, Joanna Urban, Metoda DEA w analizie jednostek produk-cyjnych, https://depot.ceon.pl/bitstream/handle/123456789/7700/Metoda_DEA_w_analizie_jednostek_produkcyjnych.pdf?sequence=1&isAllowed=y

2)TUTORIAL IN DEA, New York http://apolo.creg.gov.co/Publicac.nsf/0/d7f9626a2dd4d5f00525785a007a6523/$FILE/Anexo9ciruclar031-02.pdf

3) Notatki z badań operacyjnych, http://people.brunel.ac.uk/~mastjjb/jeb/or/dea.html

4) S. Bwanakare, A Stochastic Non-Homogeneous Constant Elasticity of Substitution Production Function as an Inverse Problem: A Non-Extensive Entropy Estimation Approach, Polska Akademia Nauk, Acta Physica Polonica A, vol 123/ 3, march 2013, DOI: 10.12693/APhysPolA.123.502 lub http://przyrbwn.icm.edu.pl/APP/PDF/123/a123z3p02.pdf

Zajęcia w cyklu "Semestr letni 2023/24" (zakończony)

Okres: 2024-02-15 - 2024-06-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Wykład, 30 godzin więcej informacji
Koordynatorzy: Second Bwanakare
Prowadzący grup: Second Bwanakare
Strona przedmiotu: https://usosweb.uksw.edu.pl/kontroler.php?_action=katalog2/przedmioty/edytujPrzedmiot&prz_kod=WSE-EK-MON-EFF
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Wykład - Zaliczenie na ocenę
E-Learning:

E-Learning (pełny kurs) z podziałem na grupy
Opis nakładu pracy studenta w ECTS:

1ECTS odpowiada nakładowi 25—30h pracy

studenta, zgodnie z programem studiów oraz

pracą własną
Typ przedmiotu:

obowiązkowy
Grupa przedmiotów ogólnouczenianych:

nie dotyczy
Skrócony opis:

Ten kurs wprowadza podstawy do oceny względnej wydajności instytucji prywatnych, non-profit i państwowych. Ocenę tę uzyskuje się przy użyciu techniki analizy danych( po ang. Data Envelopment Analysis (DEA)) jako narzędzia audytu menedżerskiego do identyfikacji i pomiaru porównawczych wydajności – i ich źródeł, w jednostkach decyzyjnych tego samego sektora(Decision Making Units(DMU)). DEA jest koncepcyjnie techniką opartą na programowaniu matematycznym, przy czym formalizm matematyczny jest ograniczony do minimum. Proponowana treść tego kursu jest silnie zorientowana na praktykę. Po ukończeniu przedmiotu student potrafi dokonać własnej oceny przedsiębiorstwa pod kątem jego względnej pozycji w branży z punktu widzenia efektywności gospodarowania nakładami w relacji do przychodów lub odwrotnie, przychodami w stosunku do nakładów. Student potrafi również zrozumieć źródło i naturę ewentualnych barier wydajnościowych oraz zasugerować implikacje zarządcze, zarówno techniczne, jak i zarządcze.
Pełny opis:

I. Ekonomiczne podstawy procesu produkcyjnego przedsiębiorstwa

a) procesy produkcyjne

b) Właściwości funkcji produkcyjnej

c) Granica możliwości produkcyjnych

II. Podstawy metody Data Envelopment Analysis (DEA):

II. 1 Metoda oceny wydajności

II 2 Studium przypadku1

II 3 Wielokrotne inputs outputs

II 4 Rodzaje efektywności

II 5 Implikacje dla kierownictwa

III. Oprogramowanie i praktyczne przypadki

IV. Modele matematyczne metody DEA

IV. 1 Stałe korzyśći skali

IV. 2 Zmienne korzyśći skali

V. Rozszerzenia metody DEA

V. 1 Dostosowanie efektywności do warunków środowiskowych

V. 2 Preferencje

V. 3 Analiza wrażliwości

V. 4 Horyzont czasowy

VI. DEA z Microsoft Excel Solver

VI. 1 Solveur

VI. 2 Programowanie modelu stałych korzyści skali

VII. Badania empiryczne
Literatura:

1)Jean-Marc Huguenin, Data Envelopment Analysis (DEA), a pedagogical guide for decision makers in the public sector, 2012 IDHEAP, Lausanne, ISBN 978-2-940390-54-0, https://serval.unil.ch/resource/serval:BIB_0FC432348A97.P001/REF

2) Charnes, A, Cooper, W. W. & Rhodes E. L. (1978). Pomiar efektywności jednostek decyzyjnych. European Journal of Operational Research, 2(6), 429-444.

3)Cooper W.W. [et al.], Handbook on data envelopment analysis, Kluwer Aca-demic, Boston 2004

Teksty fakultatywne:

1)Joanicjusz Nazarko, Ireneusz Jakuszewicz, Joanna Urban, Metoda DEA w analizie jednostek produk-cyjnych, https://depot.ceon.pl/bitstream/handle/123456789/7700/Metoda_DEA_w_analizie_jednostek_produkcyjnych.pdf?sequence=1&isAllowed=y

2)TUTORIAL IN DEA, New York http://apolo.creg.gov.co/Publicac.nsf/0/d7f9626a2dd4d5f00525785a007a6523/$FILE/Anexo9ciruclar031-02.pdf

3) Notatki z badań operacyjnych, http://people.brunel.ac.uk/~mastjjb/jeb/or/dea.html

4) S. Bwanakare, A Stochastic Non-Homogeneous Constant Elasticity of Substitution Production Function as an Inverse Problem: A Non-Extensive Entropy Estimation Approach, Polska Akademia Nauk, Acta Physica Polonica A, vol 123/ 3, march 2013, DOI: 10.12693/APhysPolA.123.502 lub http://przyrbwn.icm.edu.pl/APP/PDF/123/a123z3p02.pdf

Zajęcia w cyklu "Semestr letni 2024/25" (w trakcie)

Okres: 2025-02-15 - 2025-06-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Wykład monograficzny, 30 godzin więcej informacji
Koordynatorzy: Second Bwanakare
Prowadzący grup: Second Bwanakare
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Wykład monograficzny - Zaliczenie na ocenę
Opis nakładu pracy studenta w ECTS:

Nakłady studenta:

Aktywność studencka Nakład pracy studenta w godzinach

udział w laboratoriach 30

przygotowanie do dyskusji międzygrupowych 15

konsultacja 10

czas na napisanie pracy międzygrupowych 15

przygotowanie do egzaminu 20

CAŁKOWITA LICZBA GODZIN 90

LICZBA PUNKTÓW ECTS 90 godzin / 25 (30)godzin ≈ 4
Typ przedmiotu:

obowiązkowy
Grupa przedmiotów ogólnouczenianych:

nie dotyczy
Skrócony opis:

Ten kurs wprowadza podstawy do oceny względnej wydajności instytucji prywatnych, non-profit i państwowych. Ocenę tę uzyskuje się przy użyciu techniki analizy danych( po ang. Data Envelopment Analysis (DEA)) jako narzędzia audytu menedżerskiego do identyfikacji i pomiaru porównawczych wydajności – i ich źródeł, w jednostkach decyzyjnych tego samego sektora(Decision Making Units(DMU)). DEA jest koncepcyjnie techniką opartą na programowaniu matematycznym, przy czym formalizm matematyczny jest ograniczony do minimum. Proponowana treść tego kursu jest silnie zorientowana na praktykę. Po ukończeniu przedmiotu student potrafi dokonać własnej oceny przedsiębiorstwa pod kątem jego względnej pozycji w branży z punktu widzenia efektywności gospodarowania nakładami w relacji do przychodów lub odwrotnie, przychodami w stosunku do nakładów. Student potrafi również zrozumieć źródło i naturę ewentualnych barier wydajnościowych oraz zasugerować implikacje zarządcze, zarówno techniczne, jak i zarządcze.
Pełny opis:

I. Ekonomiczne podstawy procesu produkcyjnego przedsiębiorstwa

a) procesy produkcyjne

b) Właściwości funkcji produkcyjnej

c) Granica możliwości produkcyjnych

II. Podstawy metody Data Envelopment Analysis (DEA):

II. 1 Metoda oceny wydajności

II 2 Studium przypadku1

II 3 Wielokrotne inputs outputs

II 4 Rodzaje efektywności

II 5 Implikacje dla kierownictwa

III. Oprogramowanie i praktyczne przypadki

IV. Modele matematyczne metody DEA

IV. 1 Stałe korzyśći skali

IV. 2 Zmienne korzyśći skali

V. Rozszerzenia metody DEA

V. 1 Dostosowanie efektywności do warunków środowiskowych

V. 2 Preferencje

V. 3 Analiza wrażliwości

V. 4 Horyzont czasowy

VI. DEA z Microsoft Excel Solver

VI. 1 Solveur

VI. 2 Programowanie modelu stałych korzyści skali

VII. Badania empiryczne
Literatura:

1)Jean-Marc Huguenin, Data Envelopment Analysis (DEA), a pedagogical guide for decision makers in the public sector, 2012 IDHEAP, Lausanne, ISBN 978-2-940390-54-0, https://serval.unil.ch/resource/serval:BIB_0FC432348A97.P001/REF

2) Charnes, A, Cooper, W. W. & Rhodes E. L. (1978). Pomiar efektywności jednostek decyzyjnych. European Journal of Operational Research, 2(6), 429-444.

3)Cooper W.W. [et al.], Handbook on data envelopment analysis, Kluwer Aca-demic, Boston 2004

Teksty fakultatywne:

1)Joanicjusz Nazarko, Ireneusz Jakuszewicz, Joanna Urban, Metoda DEA w analizie jednostek produk-cyjnych, https://depot.ceon.pl/bitstream/handle/123456789/7700/Metoda_DEA_w_analizie_jednostek_produkcyjnych.pdf?sequence=1&isAllowed=y

2)TUTORIAL IN DEA, New York http://apolo.creg.gov.co/Publicac.nsf/0/d7f9626a2dd4d5f00525785a007a6523/$FILE/Anexo9ciruclar031-02.pdf

3) Notatki z badań operacyjnych, http://people.brunel.ac.uk/~mastjjb/jeb/or/dea.html

4) S. Bwanakare, A Stochastic Non-Homogeneous Constant Elasticity of Substitution Production Function as an Inverse Problem: A Non-Extensive Entropy Estimation Approach, Polska Akademia Nauk, Acta Physica Polonica A, vol 123/ 3, march 2013, DOI: 10.12693/APhysPolA.123.502 lub http://przyrbwn.icm.edu.pl/APP/PDF/123/a123z3p02.pdf
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Kardynała Stefana Wyszyńskiego w Warszawie.
ul. Dewajtis 5,
01-815 Warszawa tel: +48 22 561 88 00 https://uksw.edu.pl kontakt deklaracja dostępności mapa serwisu USOSweb 7.1.1.0-5 (2025-02-26)