Analýza signálů ve frekvenční oblasti

Rozměr: px
Začít zobrazení ze stránky:

Download "Analýza signálů ve frekvenční oblasti"

Transkript

1 Aalýza sigálů v frvčí oblasti

2 Fourirova trasformac

3 Záladí ida trasformac () Trasformac () Zpracováí v časové oblasti Zpracováí v trasform. oblasti () Ivrzí Trasformac ()

4 Typy Fourirových trasformací

5

6 Discrt Tim Fourir Trasform

7 Symtri DTFT sptra rálého sigálu

8

9

10 Disrétí Fourirova trasformac -bodová DFT sigálu s vzory:,,, ) ( / DFT zpětá trasformac IDFT :,,, / DFT Jliož / priodicá, priodicá i DFT a IDFT počítám vzory pouz přs du priodu. ) / si( ) / cos( ) ( DFT

11 Polárí tvar DFT imag m ()= ral()+ imag() mag Ф ral mag mag ral( ) imag ( ) ta imag ral ( ) ( ) PS ( ) mag ( ) ral( ) imag ( )

12

13 Při použití polárí rprztac DFT pozor a áslduící možé problémy : správou ovrzi fáz - sw většiou vrací fázový úhl v radiách a to v rozsahu < π/, π/ > při výpočtu fáz pozor a ulovou rálou část ( přtčí) (fáz v tomto případě ±9º pozor a správou ovrzi úhlu z itrvalu < π/, π/ > a itrval <, π > fáz u vlmi ízých amplitud, tré s ztrácí v šumů můž chaoticy mitat oolo ulové hodoty

14 fázová charatristia s opau s priodou π to způsobu v ětrých případch spoitost v fázové charatristic Amplitudová frvčí charatristia vždy ladá problémy mohou astat poud imagiárí část trasformovaého sigálu clá ulová -> můž docházt prudé změě v fázové charatristic mzi π a π

15 Př.: Výpočt DFT z dfiic: ={,,,} DFT DFT DFT DFT 3 3: : : 4 : DFT ={4,-,,}

16

17 Vlastosti DFT

18 Symtri DFT: DFT rálého sigálu vyazu omplě sdružou symtrii oolo počátu t.: DFT -= DFT* Protož DFT priodicé DFT -= DFT - Výpočt hodot pro = a =/ (pro sudé ) ) ( ) ( DFT DFT DFT DFT

19 Vlastosti DFT. Liarita ()+ () ()+ (). Priodičost - fuc () a () sou priodicé s priodou P= 3. Kruhový časový posu : ( ), clé posu v čas způsobí změu v fázi 4. Kruhový frvčí posu ( ), clé

20 4. Priodicá ovoluc v časové oblasti Priodicou ovoluci dvou svcí dély určím ao souči -bodových trasformací. 5. Priodicá orlac 6. Obraz obrácé poslouposti 7. Vlastosti sptra rálé poslouposti ) ( ) ( ) ( ) ( ) ( Im ) ( Im ) ( R ) ( R *

21 5. Priodicá ovoluc v frvčí oblasti 8. Vlastosti sptra rálé a sudé poslouposti -li rálá a sudá i rálá sudá 9. Vlastosti sptra rálé a liché poslouposti -li rálá a lichá, pa imagiárí, lichá. Altrativí vzorc pro výpočt IDFT * * ( ) ( ) K výpočtu ivrzí trasformac možé použít algoritmů pro výpočt DFT: prv obrátím zaméa hodot imagiárí části (), vypočtm DFT obrátím zaméa imagiárích částí vypočtých hodot výsld vydělím

22 Vlastosti fázové charatristiy

23

24 Vliost DFT vzorů J-li () rálý vstupí sigál složý z siusov s odpovídaící amplitudou A a cločíslým počtm cylů přs vzorů, vliost DFT vzoru odpovídaící siusovy M r daá vztahm M r A Pro omplí vstupí sigál s vliostí A (t. A πft ) výstupí vliost DFT vzorů M r A

25 Rozliší DFT

26 Amplitudové, fázové, výoové sptrum

27 Rpliac sigálu a ulová itrpolac sptra Eistu vztah mzi rpliací v dé oblasti a ulovou itrpolací v druhé oblasti: J-li M-rát rpliová, DFT() itrpolová (ulová itrpolac) a ásob M: DFT DFT {,,, } M DFT /M M-rát M-ásobá itrpolac: /M { DFT, DFT,, DFT } M-rát

28 DFT dvoic Impulz : {,,,, } {,,,, } ostata Kostata: {,,,, } {,,,,, } impulz Epociála: Siusoida: cos.5.5 ( ) -bodová siusoida s priodou a F=/ má pouz dva ulové vzory

29 Ivrzí DFT DFT /,,, DFT a IDFT maí podobý vztah, až a zaméo u pociály a ormalizačí fator /. J-li DFT symtricá (omplě sdružá symtri) můž být vyádřa ao součt siusoid, protož dvoici A v a v - odpovídá siusoida cos A DFT odpovídá dc složc DFT / a DFT vzor DFT / (pro sudé ) odpovídá frvci F=.5 a odpovídá sigálu Kcos(), d K=(/) DFT /

30 Př.: DFT = {4, -,, } ) ( : ) (4.5.5 : ) (4.5.5 : ) (.5.5 : DFT DFT DFT DFT IDFT ={,,,}

31 Altrativí vzorc pro výpočt IDFT * * ( ) ( ) K výpočtu ivrzí trasformac možé použít algoritmů pro výpočt DFT: prv obrátím zaméa hodot imagiárí části (), vypočtm DFT obrátím zaméa imagiárích částí vypočtých hodot výsld vydělím

32 DFT- volba frvčí osy

33 Prosaováí v sptru (Spctrum laag) Prosaováí s vysytu thdy, poud u vzorovaého aalogového sigálu počítám DFT z vzorů a v těchto vzorcích í obsaž cločíslý počt priod siusoid obsažých v vstupím sigálu. Při prosaováí s v DFT vysytou sptrálí čáry i id ž v ±f (f frvc vstupího sigálu Prosaováí možé limiovat, al lz odstrait úplě.

34 K vysvětlí prosaováí v sptru s používá Fourirův obraz rálé osiové fuc ) / ( si ) ( si ) / ( si ) ( si ) ( ), / cos( ) ( )/ ( ) ( )/ ( ) ( m m m m m K m m m m r r

35

36

37 K omzí vlivu prosaováí v sptru s přd provdím DFT ásobí vstupí sigál tzv. vyhlazovacím om. w ( m) w( ) ( ) m/

38 Maticový zápis DFT a IDFT,,...,,,..., * DFT DFT ) )( ( ) ( ) ( 4 Ozačím DFT rovic lz zapsat maticově = matic matic

39 Maticový zápis IDFT T IDFT matic T

40 Sptrálí vyhlazí časovými oy výběr vzorů vzorovaého sigálu = ásobí vzorovaého sigálu pravoúhlým om romě pravoúhlého oa lz použít i ié typy o aždé oo má určitou frvčí charatristiu a podl toho vhodé pro zpracováí určitého typu sigálu Záladí charatristiy o Amplitudová charatristia P P log.5 6dB 6 P log.77p 3dB 3

41 Další charatristiy o: ohrtí zsílí (cohrt gai) CG w EB (quivalt ois badwith) EB w w SL (scallop loss) SL log w w

42 Používaá DFT oa a ich charatristiy

43 Používaá DFT oa a ich charatristiy Bartltt vo Ha Hammig Blacma Kaisr

44 Zvětšováí dély oa (u všch o) lsá šířa hlavího lalou, vliost postraích laloů s téměř měí Idálí případ amplitudové charatristiy (pro oo daé dély) - úzý (a co vyšší) hlaví lalo a ízé postraí laloy -> protichůdé požadavy - většiou s lsaící šířou hlavího lalou rost amplituda postraích laloů Dyamicé rozliší - schopost odlišit vlé změy v amplitudě sigálu. Frvčí rozliší oa - schopost od sb odlišit siusovy s podobou amplitudou a blízou frvcí. Platí: při použití vyhlazovacích o od sb lz odlišit dvě siusovy s frvcmi ižšími ž šířa hlavího lalou oa. F f S M zmší F musím zmšit M zvětšit (al přidáím ul!!!) víc vzorů sigálu

45 Přílad: (t)=a cos(f t)+ A cos((f + f)t) A = A = f =3Hz S=8Hz Mám vzorů, doplit počt ulami a FFT Jaé mší f pro: pravoúhlé oo vo Haovo oo pro áslduící a FFT : a) =56, FFT =48 b) =5, FFT =48 c) =56, FFT =496 lz zvětšit rozliší přidáím ul, al pouz zvětším dély sigálu

46 A =.5 (6dB pod A t. log(/.5) )

47 Odhad sptra Výoová sptrálí hustota (PSD powr spctral dsity) R (f) aalogového výoového bo áhodého sigálu (t) Fourirova trasformac autoorlačí fuc r (t). R (f) rálá záporá sudá fuc s hodotou R () rovou průměrému výou sigálu (t). PSD s používá odhadu sptra vzorovaého sigálu očé dély Dva způsoby odhadu sptra : paramtricý odhad o sigálu ic vím a odhadum sptrum paramtricý odhad odhad sptra modlum ao oficity filtru buzého šumm paramtricé odhady: Priodogram priodogram P založa a DFT (FFT) -vzorovaé řady a dfiová ao: P DFT

48 dobrý odhad pro dtrmiisticé, pásmově omzé, výoové sigály, vzorovaé vyšší frvcí ž yquistova Špaté pro sigály pošozé šumm lchova mtoda založá a průměrováí přrývaících s priodogramových odhadů Pricip: sigál rozděl a přrývaících s M vzorovaých úsů (s přrytím D vzorů, D=5-75%). Každý ús ásob M vzorovým om w() vůli omzí prosaováí. PSD aždého úsu odhaduto priodogramm priodogramů zprůměrováo M-bodový průměrý priodogram Mtoda vhodá pro dtci frvcí, tré sou blízo sb (dobré frvčí rozliší) Bartlttova mtoda Jao lchova mtoda, al sgmty s přrývaí a sou ásoby om

49 Blacma-Tuy mtoda: mtoda urču PSD z autoorlac ásobé om Pricip: vzorový sigál doplě ulami a vzorů výsldm sigál y určí s priodicá autoorlac y alzím Y FFT a určím IFFT součiu Y FFT Y FFT * a dostam bodový autoorlačí odhad r. autoorlačí odhad r ásob M-bodovým om (vůli vyhlazí sptra a rduci vlivu špatého autoorlačího odhadu sigálu očé dély) určím FFT M-bodové autoorlac ásobé om a dostam vyhlazý priodogram mší M (užší oo) lpší vyhlazí, al můž doít masováí ětrých špič (paů) bo přrytí ostrých dtailů. Obvyl s používá M v rozsahu M=. až M=.5 ao oo pro vyhlazí s častěi používá Bartlttovo oo. mtoda vhodá pro dtci dobř oddělých paů s rozdílou vliostí (dobré dyamicé rozliší)

50 Rychlá Fourirova trasformac FFT

51 ) ( ) ( ) ( 4 3 Algoritmus využívá symtri a priodicity pociály = -/ Záladí výsldy využité v FFT výpočtch: -bodová trasformac : DFT diého čísla A číslo A -bodová trasformac : DFT -bodové řady DFT = + DFT = -

52 Radi -FFT trasformac využívá toho, ž -bodová DFT můž být zapsáa ao součt dvou / bodových trasformací vytvořých z sudých a lichých vzorů. Ozačím sudé vzory (sudý id) a o - liché vzory (lichý id), pa ) ( DFT,,,, o DFT

53 ,,,,,,,, o o DFT o DFT a záladě priodicity lz odvodit: tzv. Dailso-Lazos lmma A= B= o

54

55 Výpočt FFT dcimac v frvci DIF

56 Výpočt FFT dcimac v čas DIT

57 Výpočt FFT - porováí

Diskrétní Fourierova transformace

Diskrétní Fourierova transformace Disrétí Fourierova trasformace Záladí idea trasformace x Trasformace Zpracováí v časové oblasti Zpracováí v trasform. oblasti x Iverzí Trasformace Spojitá Fourierova trasformace f j πft x t e dt Disrétí

Více

Exponenciální funkce a jejich "využití" - A (Tato doplňková pomůcka nemůže v žádném případě nahradit systematickou matematickou přípravu.

Exponenciální funkce a jejich využití - A (Tato doplňková pomůcka nemůže v žádném případě nahradit systematickou matematickou přípravu. Josf PUNČOCHÁŘ: Epociálí fukc a ich "využití" ld Epociálí fukc a ich "využití" - A (Tato doplňková pomůcka můž v žádém případě ahradit systmatickou matmatickou přípravu. Epociálí fukc dfiováa obcě vztahm

Více

Fourierova transformace ve zpracování obrazů

Fourierova transformace ve zpracování obrazů Fourierova trasformace ve zpracováí obrazů Jea Baptiste Joseph Fourier 768-83 6. předáška předmětu Zpracováí obrazů Martia Mudrová 24 Motivace Proč používat Fourierovu trasformaci? základí matematický

Více

je daná vztahem v 0 Ve fyzice bývá zvykem značit derivaci podle proměnné t (podle času) tečkou, proto píšeme

je daná vztahem v 0 Ve fyzice bývá zvykem značit derivaci podle proměnné t (podle času) tečkou, proto píšeme DERIVACE FUNKCE Má zásadí výzam při vyštřováí fukčích závislostí j v matmatic, al také v aplikacích, apř v chmii, fyzic, koomii a jiých vědích oborch Pricip drivováí formulovali v 7 stoltí závisl a sobě

Více

NEPARAMETRICKÉ METODY

NEPARAMETRICKÉ METODY NEPARAMETRICKÉ METODY Jsou to metody, dy předmětem testu hypotézy eí tvrzeí o hodotě parametru ějaého orétího rozděleí, ale ulová hypotéza je formulováa obecěji, apř. jao shoda rozděleí ebo ezávislost

Více

Časové řady - rozklad na harmonické složky

Časové řady - rozklad na harmonické složky Čsové řdy - rozld hrmoicé složy Záldí iformc V ávzosti hrmoicý rozld fucí spojitých v čs uvd tto pitol mtmticé prostřdy pro rozld disrétích posloupostí dílčí hrmoicé složy. Dál zd számím čtář s rozdíly,

Více

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a)

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a) Předáša 7 Derivace a difereciály vyšších řádů Budeme poračovat v ahrazováí fuce f(x v oolí bodu a polyomy, tj hledat vhodé ostaty c ta, aby bylo pro malá x a f(x c 0 + c 1 (x a + c 2 (x a 2 + c 3 (x a

Více

1 Základy Z-transformace. pro aplikace v oblasti

1 Základy Z-transformace. pro aplikace v oblasti Základy Z-trasformace pro aplikace v oblasti číslicového zpracováí sigálů Petr Pollák 9. říja 29 Základy Z-trasformace Teto stručý text slouží k připomeutí základích vlastostí Z-trasformace s jejími aplikacemi

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru SP Náhodý vetor ezávislost fuce NV PRAVDĚPODONOST A STATISTIKA Náhodý vetor ezávislost fuce áhodého vetoru Libor Žá Náhodý vetor stochasticá ezávislost Náhodé veličiy... defiovaé a ravděodobostím rostoru

Více

( NV, )} Řešením Schrödingerovy rovnice pro N částic

( NV, )} Řešením Schrödingerovy rovnice pro N částic Partčí fuc { E ( V, )} Řším Schrödgrovy rovc pro částc Zdoduší (?) H = H E = E Ψ= Ψ BOSOY stavy sou obsazováy bz omzí FERMIOY frmoy mohou být v stém stavu Přílady: Ply (ízý tla) => mzmolulové trac zadbáy

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru SP Náhodý vetor ezávislost fuce NV PRAVDĚPODONOST A STATISTIKA Náhodý vetor ezávislost fuce áhodého vetoru Libor Žá Náhodý vetor stochasticá ezávislost Náhodé veličiy... defiovaé a ravděodobostím rostoru

Více

k(k + 1) = A k + B. s n = n 1 n + 1 = = 3. = ln 2 + ln. 2 + ln

k(k + 1) = A k + B. s n = n 1 n + 1 = = 3. = ln 2 + ln. 2 + ln Číselé řady - řešeé přílady ČÍSELNÉ ŘADY - řešeé přílady A. Součty řad Vzorové přílady:.. Přílad. Určete součet řady + = + 6 + +.... Řešeí: Rozladem -tého čleu řady a parciálí zlomy dostáváme + = + ) =

Více

ÚBYTKY NAPĚTÍ V ES Jednoduchá ss vedení nn, vn Dvouvodičový rozvod. Předpoklad konst. průřezu a rezistivity. El. trakce, elektrochemie, světelné

ÚBYTKY NAPĚTÍ V ES Jednoduchá ss vedení nn, vn Dvouvodičový rozvod. Předpoklad konst. průřezu a rezistivity. El. trakce, elektrochemie, světelné ÚBYTKY NAPĚTÍ V ES Jedoduchá ss vedeí, v Dvouvodičový rozvod. Předpoad ost. průřezu a rezistivity. E. trace, eetrochemie, světeé zdroje, dáové přeosy, výoová eetroia. Osaměé zátěže apájeé z jedé stray

Více

Funkce hustoty pravděpodobnosti této veličiny je. Pro obecný počet stupňů volnosti je náhodná veličina

Funkce hustoty pravděpodobnosti této veličiny je. Pro obecný počet stupňů volnosti je náhodná veličina Přdnáša č 6 Náhodné vličiny pro analyticou statistiu Při výpočtch v analyticé statistic s používají vhodné torticé vličiny, tré popisují vlastnosti vytvořných tstovacích charatristi Mzi njpoužívanější

Více

DYNAMIC PROPERTIES OF ELECTRONIC GYROSCOPES FOR INERTIAL MEASUREMENT UNITS

DYNAMIC PROPERTIES OF ELECTRONIC GYROSCOPES FOR INERTIAL MEASUREMENT UNITS DYNAMIC PROPERTIES OF ELECTRONIC GYROSCOPES FOR INERTIAL MEASUREMENT UNITS Jiří Tůma & Jiří Kulháek Abstract: The paper deals with the dyamic properties of the electroic gyroscope as a sesor of agular

Více

8.1.2 Vzorec pro n-tý člen

8.1.2 Vzorec pro n-tý člen 8.. Vzorec pro -tý čle Předpolady: 80 Pedagogicá pozáma: Myslím, že jde o jedu z velmi pěých hodi. Přílady a hledáí dalších čleů posloupostí a a objevováí vzorců pro -tý čle do začé míry odpovídají typicým

Více

4. KRUHOVÁ KONVOLUCE, RYCHLÁ FOURIEROVA TRANSFORMACE (FFT) A SPEKTRÁLNÍ ANALÝZA SIGNÁLŮ

4. KRUHOVÁ KONVOLUCE, RYCHLÁ FOURIEROVA TRANSFORMACE (FFT) A SPEKTRÁLNÍ ANALÝZA SIGNÁLŮ 4. KRUHOVÁ KOVOLUCE, RYCHLÁ FOURIEROVA TRASFORMACE FFT A SEKTRÁLÍ AALÝZA SIGÁLŮ Kruová cylcá ovoluce Ryclá Fourerova trasformace Aplace DFT a aalogové sgály, frevečí aalýza perodcýc aalogovýc sgálů s využtím

Více

8.1.2 Vzorec pro n-tý člen

8.1.2 Vzorec pro n-tý člen 8 Vzorec pro -tý čle Předpolady: 80 Pedagogicá pozáma: Přílady a hledáí dalších čleů posloupostí a a objevováí vzorců pro -tý čle do začé míry odpovídají typicým příladům z IQ testů, teré studeti zají

Více

6. FUNKCE A POSLOUPNOSTI

6. FUNKCE A POSLOUPNOSTI 6. FUNKCE A POSLOUPNOSTI Fukce Dovedosti:. Základí pozatky o fukcích -Chápat defiici fukce,obvyklý způsob jejího zadáváí a pojmy defiičí obor hodot fukce. U fukcí zadaých předpisem umět správě operovat

Více

Analýza a zpracování signálů. 3. Číselné řady, jejich vlastnosti a základní operace, náhodné signály

Analýza a zpracování signálů. 3. Číselné řady, jejich vlastnosti a základní operace, náhodné signály Aalýza a zpracováí sigálů 3. Číselé řady, jejich vlastosti a základí operace, áhodé sigály Diskrétí sigál fukce ezávislé proměé.!!! Pozor!!!! : sigáleí defiová mezi dvěma ásledujícími vzorky ( a eí tam

Více

ÚBYTKY NAPĚTÍ V ES Jednoduchá ss vedení nn, vn Dvouvodičový rozvod. Předpoklad konst. průřezu a rezistivity. El. trakce, elektrochemie, světelné

ÚBYTKY NAPĚTÍ V ES Jednoduchá ss vedení nn, vn Dvouvodičový rozvod. Předpoklad konst. průřezu a rezistivity. El. trakce, elektrochemie, světelné ÚBYTKY NAPĚTÍ V ES Jedoduchá ss vedeí, v Dvouvodičový rozvod. Předpoad ost. průřezu a rezistivity. E. trace, eetrochemie, světeé zdroje, dáové přeosy, výoová eetroia. Osaměé zátěže apájeé z jedé stray

Více

Fourierova transformace ve zpracování obrazů

Fourierova transformace ve zpracování obrazů Jea Baptiste Joseph Fourier 768-83 Fourierova trasforace ve zpracováí obrazů 6. předáška předětu Zpracováí obrazů Martia Mudrová 24 Motivace Proč používat Fourierovu trasforaci? základí ateatický ástroj

Více

Sekvenční logické obvody(lso)

Sekvenční logické obvody(lso) Sekvečí logické obvody(lso) 1. Logické sekvečí obvody, tzv. paměťové čley, jsou obvody u kterých výstupí stavy ezávisí je a okamžitých hodotách vstupích sigálů, ale jsou závislé i a předcházejících hodotách

Více

6. KOMBINATORIKA 181. 6.1. Základní pojmy 181 6.1.1. Počítání s faktoriály a kombinačními čísly 182. 6.2. Variace 184. 6.3.

6. KOMBINATORIKA 181. 6.1. Základní pojmy 181 6.1.1. Počítání s faktoriály a kombinačními čísly 182. 6.2. Variace 184. 6.3. Zálady matematiy Kombiatoria. KOMBINATORIKA 8.. Záladí pojmy 8... Počítáí s fatoriály a ombiačími čísly 8.. Variace 8.. Permutace 85.. Kombiace 87.5. Biomicá věta 89 Úlohy samostatému řešeí 9 Výsledy úloh

Více

n 3 lim 3 1 = lim Je vidět, že posloupnost je neklesající, tedy z Leibnize řada konverguje, ( 1) k 1 k=1

n 3 lim 3 1 = lim Je vidět, že posloupnost je neklesající, tedy z Leibnize řada konverguje, ( 1) k 1 k=1 3. cvičeí Přílady. (a) (b) (c) ( ) ( 3 ) = Otestujeme itu 3 = 3 = = 0. Je vidět, že posloupost je elesající, tedy z Leibize řada overguje, ( ) Řada overguje podle Leibizova ritéria, ebot je zjevě erostoucí.

Více

NMAF063 Matematika pro fyziky III Zkoušková písemná práce 25. ledna x 1 n

NMAF063 Matematika pro fyziky III Zkoušková písemná práce 25. ledna x 1 n Jméo: Příklad 3 Celkem bodů Bodů 8 0 30 Získáo [8 Uvažujte posloupost distribucí f } D R defiovaou jako f [δ kde δ a začí Diracovu distribuci v bodě a Najděte itu δ 0 + δ + této poslouposti aeb spočtěte

Více

3. Lineární diferenciální rovnice úvod do teorie

3. Lineární diferenciální rovnice úvod do teorie 3 338 8: Josef Hekrdla lieárí difereciálí rovice úvod do teorie 3 Lieárí difereciálí rovice úvod do teorie Defiice 3 (lieárí difereciálí rovice) Lieárí difereciálí rovice -tého řádu je rovice, která se

Více

MATEMATICKÁ INDUKCE. 1. Princip matematické indukce

MATEMATICKÁ INDUKCE. 1. Princip matematické indukce MATEMATICKÁ INDUKCE ALEŠ NEKVINDA. Pricip matematické idukce Nechť V ) je ějaká vlastost přirozeých čísel, apř. + je dělitelé dvěma či < atd. Máme dokázat tvrzeí typu Pro každé N platí V ). Jeda možost

Více

Variabilita měření a statistická regulace procesu

Variabilita měření a statistická regulace procesu Variabilita měří a statistická rgulac procsu Ig. Darja Noskivičová, CSc. Katdra kotroly a řízí jakosti, VŠB-TU Ostrava Abstrakt: Efktivost využití statistických mtod pro aalýzu a řízí procsů j odvislá

Více

L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y

L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE KATED RA F YZIKY L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y Jméo TUREČEK Daiel Datum měřeí 8.11.2006 Stud. rok 2006/2007 Ročík 2. Datum odevzdáí 15.11.2006 Stud.

Více

( + ) ( ) ( ) ( ) ( ) Derivace elementárních funkcí II. Předpoklady: Př. 1: Urči derivaci funkce y = x ; n N.

( + ) ( ) ( ) ( ) ( ) Derivace elementárních funkcí II. Předpoklady: Př. 1: Urči derivaci funkce y = x ; n N. .. Derivace elemetárích fukcí II Předpoklady: Př. : Urči derivaci fukce y ; N. Budeme postupovat stejě jako předtím dosazeím do vzorce: f ( + ) f ( ) f f ( + ) + + + +... + (biomická věta) + + +... + f

Více

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT 2 IDENIFIKACE H-MAICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNO omáš Novotý ČESKÉ VYSOKÉ UČENÍ ECHNICKÉ V PRAZE Faulta eletrotechicá Katedra eletroeergetiy. Úvod Metody založeé a loalizaci poruch pomocí H-matic

Více

Transformace obrazu Josef Pelikán KSVI MFF UK Praha

Transformace obrazu Josef Pelikán KSVI MFF UK Praha Transformace obrazu 99725 Josef Pelikán KSVI MFF UK Praha email: Josef.Pelikan@mff.cuni.cz WWW: http://cgg.ms.mff.cuni.cz/~pepca/ Transformace 2D obrazu dekorelace dat potlačení závislosti jednotlivých

Více

EKONOMETRIE 9. přednáška Zobecněný lineární regresní model

EKONOMETRIE 9. přednáška Zobecněný lineární regresní model EKONOMETRIE 9. předáška Zobecěý lieárí regresí model Porušeí základích podmíek klasického modelu Metoda zobecěých emeších čtverců Jestliže sou porušey ěkteré podmíky klasického modelu. E(u),. E (uu`) σ

Více

Číslicové filtry. Použití : Analogové x číslicové filtry : Analogové. Číslicové: Separace signálů Restaurace signálů

Číslicové filtry. Použití : Analogové x číslicové filtry : Analogové. Číslicové: Separace signálů Restaurace signálů Číslicová filtrace Použití : Separace sigálů Restaurace sigálů Číslicové filtry Aalogové x číslicové filtry : Aalogové Číslicové: + levé + rychlé + velký dyamický rozsah (v amplitudě i frekveci) - evhodé

Více

NEJISTOTA ODHADU AMPLITUDOVÉHO DFT SPEKTRA

NEJISTOTA ODHADU AMPLITUDOVÉHO DFT SPEKTRA EJISTOTA ODHADU AMPLITUDOÉHO DFT SPEKTRA Marti ovotý, Miloš Sdláč Čsé vysoé č tchicé v Praz, Fal ltrotchicá, atdra měř 1. Úvod Frvč aalýza, čili alz rvčho sptra sigál, patř důlžitým úlohám v moha tchicých

Více

S k l á d á n í s i l

S k l á d á n í s i l S l á d á í s i l Ú o l : Všetřovat rovováhu tří sil, působících a tuhé těleso v jedom bodě. P o t ř e b : Viz sezam v desách u úloh a pracovím stole. Obecá část: Při sládáí soustav ěolia sil působících

Více

Národní informační středisko pro podporu kvality

Národní informační středisko pro podporu kvality Národí iformačí střediso pro podporu vality Problémy s uazateli způsobilosti a výoosti v praxi Dr.Jiří Michále, CSc. Ústav teorie iformace a automatizace AVČR Uazatel způsobilosti C p Předpolady: ormálí

Více

pravděpodobnostn podobnostní jazykový model

pravděpodobnostn podobnostní jazykový model Pokročilé metody rozpozáváířeči Předáška 8 Rozpozáváí s velkými slovíky, pravděpodobost podobostí jazykový model Rozpozáváí s velkým slovíkem Úlohy zaměřeé a diktováíči přepis řeči vyžadují velké slovíky

Více

0. 4b) 4) Je dán úhel 3450. Urči jeho základní velikost a převeď ji na radiány. 2b) Jasný Q Q ZK T D ZNÁMKA. 1. pololetí 2 3 1 2 2 3 5 2 3 1 1

0. 4b) 4) Je dán úhel 3450. Urči jeho základní velikost a převeď ji na radiány. 2b) Jasný Q Q ZK T D ZNÁMKA. 1. pololetí 2 3 1 2 2 3 5 2 3 1 1 ) Urči záladí veliost úhlu v radiáech, víš-li, že platí: a) si cos 0. b) cos, Opravá zouša z matematiy 3SD (druhé pololetí) c) cotg 3 5b) ) Na možiě R řeš rovici cos cos 0. 4b) 3) Vzdáleost bodů AB elze

Více

5. Lineární diferenciální rovnice n-tého řádu

5. Lineární diferenciální rovnice n-tého řádu 5 3.3.8 8:44 Josef Herdla lieárí difereciálí rovice -tého řádu 5. Lieárí difereciálí rovice -tého řádu (rovice s ostatími oeficiety) ( ), a,, a (5.) ( ) ( ) y a y a y ay q L[ y] y a y a y a y, q je spojitá

Více

IAJCE Přednáška č. 12

IAJCE Přednáška č. 12 Složitost je úvod do problematiky Úvod praktická realizace algoritmu = omezeí zejméa: o časem o velikostí paměti složitost = vztah daého algoritmu k daým prostředkům: časová složitost každé možiě vstupích

Více

Deskriptivní statistika 1

Deskriptivní statistika 1 Deskriptiví statistika 1 1 Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 1145/2004. Základí charakteristiky souboru Pro lepší představu používáme k popisu vlastostí zkoumaého jevu určité charakteristiky

Více

Doc. Ing. Dagmar Blatná, CSc.

Doc. Ing. Dagmar Blatná, CSc. PRAVDĚPODOBNOST A STATISTIKA Doc. Ig. Dagmar Blatá, CSc. Statsta statstcé údaje o hromadých jevech čost, terá vede zísáí statstcých údajů a jejch zpracováí teore statsty - věda o stavu, vztazích a vývoj

Více

3 - Póly, nuly a odezvy

3 - Póly, nuly a odezvy 3 - Póly, uly a odezvy Michael Šebek Automatické řízeí 5 3--5 Automatické řízeí - Kyberetika a robotika Póly přeosu jsou kořey jmeovatele pro gs () = bs () as () jsou to komplexí čísla si: as ( i) = pokud

Více

u, v, w nazýváme číslo u.( v w). Chyba! Chybné propojení.,

u, v, w nazýváme číslo u.( v w). Chyba! Chybné propojení., Def: Vetorovým součiem vetorů u =(u, u, u 3 ) v = (v, v, v 3 ) zýváme vetor u v = (u v 3 u 3 v, u 3 v u v 3, u v u v ) Vět: Pro vetory i, j, ortoormálí báze pltí i i = j = i, i = j Vět: Nechť u v, w, jsou

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA SP esty dobré shody PRAVDĚPODOBNOS A SAISIKA Lbor Žá SP esty dobré shody Lbor Žá Přpomeutí - estováí hypotéz o rozděleí Ch-vadrát test Chí-vadrát testem terý e založe a tříděém statstcém souboru. SP esty

Více

Matematika I, část II

Matematika I, část II 1. FUNKCE Průvodce studiem V deím životě, v přírodě, v techice a hlavě v matematice se eustále setkáváme s fukčími závislostmi jedé veličiy (apř. y) a druhé (apř. x). Tak apř. cea jízdeky druhé třídy osobího

Více

Fotometrie a radiometrie Důležitou částí kvantitativního popisu optického záření je určování jeho mohutnosti

Fotometrie a radiometrie Důležitou částí kvantitativního popisu optického záření je určování jeho mohutnosti Učbí txt k přášc UFY1 Fotomtri a raiomtri Fotomtri a raiomtri Důlžitou částí kvatitativího popisu optického září j určováí jho mohutosti B, jsou přímo měřitlé, a proto rgtických charaktristik. Samoté vktory

Více

=, kde P(x) a Q(x) jsou polynomy. Rozklad na parciální zlomky Parciální zlomky jsou speciální racionální lomené funkce. Rozlišujeme 2 typy:

=, kde P(x) a Q(x) jsou polynomy. Rozklad na parciální zlomky Parciální zlomky jsou speciální racionální lomené funkce. Rozlišujeme 2 typy: 3 předáš INTEGRAE RAIONÁLNÍ LOMENÉ FUNKE Důležiou supiu fucí, eré můžeme (spoň eoreicy) iegrov v možiě elemeárích fucí, voří rcioálí lomeé fuce Kždou rcioálí lomeou fuci vru P( ) f ( ) =, de P() Q() jsou

Více

Aplikovaná informatika. Podklady předmětu Aplikovaná informatika pro akademický rok 2006/2007 Radim Farana. Obsah. Algoritmus

Aplikovaná informatika. Podklady předmětu Aplikovaná informatika pro akademický rok 2006/2007 Radim Farana. Obsah. Algoritmus Podklady předmětu pro akademický rok 006007 Radim Faraa Obsah Tvorba algoritmů, vlastosti algoritmu. Popis algoritmů, vývojové diagramy, strukturogramy. Hodoceí složitosti algoritmů, vypočitatelost, časová

Více

f (k) (x 0 ) (x x 0 ) k, x (x 0 r, x 0 + r). k! f(x) = k=1 Řada se nazývá Taylorovou řadou funkce f v bodě x 0. Přehled některých Taylorových řad.

f (k) (x 0 ) (x x 0 ) k, x (x 0 r, x 0 + r). k! f(x) = k=1 Řada se nazývá Taylorovou řadou funkce f v bodě x 0. Přehled některých Taylorových řad. 8. Taylorova řada. V urzu matematiy jsme uázali, že je možné funci f, terá má v oolí bodu x derivace aproximovat polynomem, jehož derivace se shodují s derivacemi aproximované funce v bodě x. Poud má funce

Více

Funkce. RNDr. Yvetta Bartáková. Gymnázium, SOŠ a VOŠ Ledeč nad Sázavou

Funkce. RNDr. Yvetta Bartáková. Gymnázium, SOŠ a VOŠ Ledeč nad Sázavou Fukce RNDr. Yvetta Bartáková Gymázium, SOŠ a VOŠ Ledeč ad Sázavou Limita poslouposti a fukce VY INOVACE_0 9_M Gymázium, SOŠ a VOŠ Ledeč ad Sázavou A) Limita poslouposti Říkáme, že posloupost a je kovergetí,

Více

Matice. nazýváme m.n reálných čísel a. , sestavených do m řádků a n sloupců ve tvaru... a1

Matice. nazýváme m.n reálných čísel a. , sestavených do m řádků a n sloupců ve tvaru... a1 Matice Matice Maticí typu m/ kde m N azýváme m reálých čísel a sestaveých do m řádků a sloupců ve tvaru a a a a a a M M am am am Prví idex i začí řádek a druhý idex j sloupec ve kterém prvek a leží Prvky

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA P NOV PRVDĚPODOBNOT TTTK Lbor Žák P NOV Lbor Žák Vícvýběrové tty - NOV NOV tty provádí pomocí aalýzy rozptylů NOV ouhré tty pro víc ěž dva výběry. NOV paramtrcká ttováí charaktrtk z zámých rozdělí pokud

Více

8.2.1 Aritmetická posloupnost

8.2.1 Aritmetická posloupnost 8.. Aritmetická posloupost Předpoklady: 80, 80, 803, 807 Pedagogická pozámka: V hodiě rozdělím třídu a dvě skupiy a každá z ich dělá jede z prvích dvou příkladů. Př. : V továrě dokočí každou hodiu motáž

Více

f B 6. Funkce a posloupnosti 3 patří funkci dané předpisem y = 2 x + 3. [všechny] 1) Rozhodněte, která z dvojic [ ;9][, 0;3 ][, 2;7]

f B 6. Funkce a posloupnosti 3 patří funkci dané předpisem y = 2 x + 3. [všechny] 1) Rozhodněte, která z dvojic [ ;9][, 0;3 ][, 2;7] 6. Fukce a poslouposti ) Rozoděte, která z dvojic [ ;9[, 0; [, ; patří fukci daé předpisem y +. [všecy ) Auto má spotřebu 6 l beziu a 00 km. Na začátku jízdy mělo v plé ádrži 6 l beziu. a) Vyjádřete závislost

Více

ROZ1 - Cv. 2 - Fourierova transformace ÚTIA - ZOI

ROZ1 - Cv. 2 - Fourierova transformace ÚTIA - ZOI Vzorečky Co to je FT? Vzorečky Co to je FT? Transformace signálu z časové (resp. obrazové) reprezentace f(t) do frekvenční reprezentace F(ψ) a zpět. Díky ní můžeme signál analyzovat ve frekvenční oblasti

Více

4. PRŮBĚH FUNKCE. = f(x) načrtnout.

4. PRŮBĚH FUNKCE. = f(x) načrtnout. Etrém funkc 4. PRŮBĚH FUNKCE Průvodc studim V matmatic, al i v fzic a tchnických oborch s často vsktn požadavk na sstrojní grafu funkc K nakrslní grafu funkc lz dns většinou použít vhodný matmatický softwar.

Více

Přijímací řízení akademický rok 2013/2014 Bc. studium Kompletní znění testových otázek matematika

Přijímací řízení akademický rok 2013/2014 Bc. studium Kompletní znění testových otázek matematika Přijímací řízeí akademický rok 0/0 c. studium Kompletí zěí testových otázek matematika Koš Zěí otázky Odpověď a) Odpověď b) Odpověď c) Odpověď d) Správá. Které číslo doplíte místo 8? 6 6 8 C. Které číslo

Více

Rentgenová strukturní analýza

Rentgenová strukturní analýza Rntgnová strukturní nlýz Příprvná část Objktm zájmu difrkční nlýzy jsou 3D priodicky uspořádné struktury (krystly), n ktrých dochází k rozptylu dopdjícího zářní. Díky intrfrnci rozptýlných vln vzniká difrkční

Více

je vstupní kvantovaný signál. Průběh kvantizační chyby e { x ( t )}

je vstupní kvantovaný signál. Průběh kvantizační chyby e { x ( t )} ČÍSLICOVÉ ZPRACOVÁNÍ ZVUKOVÝCH SIGNÁLŮ Z HLEDISKA PSYCHOAKUSTIKY Fratišek Kadlec ČVUT, fakulta elektrotechická, katedra radioelektroiky, Techická 2, 66 27 Praha 6 Úvod Při číslicovém zpracováí zvukových

Více

OBRAZOVÁ ANALÝZA POVRCHU POTISKOVANÝCH MATERIÁLŮ A POTIŠTĚNÝCH PLOCH

OBRAZOVÁ ANALÝZA POVRCHU POTISKOVANÝCH MATERIÁLŮ A POTIŠTĚNÝCH PLOCH OBRAZOVÁ ANALÝZA POVRCU POTISKOVANÝC MATERIÁLŮ A POTIŠTĚNÝC PLOC Zmeškal Oldřich, Marti Julíe Tomáš Bžatek Ústav fyzikálí a spotřebí chemie, Fakulta chemická, Vysoké učeí techické v Brě, Purkyňova 8, 62

Více

Přijímací řízení akademický rok 2012/2013 Kompletní znění testových otázek matematické myšlení

Přijímací řízení akademický rok 2012/2013 Kompletní znění testových otázek matematické myšlení Přijímací řízeí akademický rok 0/0 Kompletí zěí testových otázek matematické myšleí Koš Zěí otázky Odpověď a) Odpověď b) Odpověď c) Odpověď d) Správá odpověď. Které číslo doplíte místo otazíku? 6 8 8 6?.

Více

Interakce světla s prostředím

Interakce světla s prostředím Iterakce světla s prostředím světlo dopadající rozptyl absorpce světlo odražeé světlo prošlé prostředím ODRAZ A LOM The Light Fatastic, kap. 2 Light rays ad Huyges pricip, str. 31 Roviá vla E = E 0 cos

Více

VLIV MODIFIKACE MATICE HMOTNOSTI NA VÝSLEDKY MODÁLNÍ ANALÝZY

VLIV MODIFIKACE MATICE HMOTNOSTI NA VÝSLEDKY MODÁLNÍ ANALÝZY VLIV MODIFIKACE MAICE HMONOSI NA VÝSLEDKY MODÁLNÍ ANALÝZY omáš Brzobohatý, Alxadros Markopoulos Fakulta strojí, katdra mchaiky VŠB-U Ostrava, řída 7. listopadu, 78 Abstrakt Při řší dyamických úloh mtodou

Více

12. N á h o d n ý v ý b ě r

12. N á h o d n ý v ý b ě r 12. N á h o d ý v ý b ě r Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých

Více

6. Posloupnosti a jejich limity, řady

6. Posloupnosti a jejich limity, řady Moderí techologie ve studiu aplikovaé fyziky CZ..07/..00/07.008 6. Poslouposti a jejich limity, řady Posloupost je speciálí, důležitý příklad fukce. Při praktickém měřeí hodot určité fyzikálí veličiy dostáváme

Více

P. Girg. 23. listopadu 2012

P. Girg. 23. listopadu 2012 Řešeé úlohy z MS - díl prví P. Girg 2. listopadu 202 Výpočet ity poslouposti reálých čísel Věta. O algebře it kovergetích posloupostí.) Necht {a } a {b } jsou kovergetí poslouposti reálých čísel a echt

Více

2.4. INVERZNÍ MATICE

2.4. INVERZNÍ MATICE 24 INVERZNÍ MICE V této kapitole se dozvíte: defiici iverzí matice; základí vlastosti iverzí matice; dvě základí metody výpočtu iverzí matice; defiici celočíselé mociy matice Klíčová slova této kapitoly:

Více

Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n

Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n Regrese Aproxmace metodou ejmeších čtverců v v ( ) = f x v v x x x x Je dáo bodů [x, ], =,,, předpoládáme závslost a x a chceme ajít fuc, terá vsthuje teto tred - Sažíme se proložt fuc = f x ta, ab v =

Více

1. Vztahy pro výpočet napěťových a zkratových

1. Vztahy pro výpočet napěťových a zkratových EE/E Eletráry ztahy pro výpočet apěťových a zratových poměrů. ztahy pro výpočet apěťových a zratových poměrů ýpočty lze provádět: ve fyziálích jedotách v poměrých jedotách v procetích jedotách Procetí

Více

Komplexní čísla. Definice komplexních čísel

Komplexní čísla. Definice komplexních čísel Komplexí čísla Defiice komplexích čísel Komplexí číslo můžeme adefiovat jako uspořádaou dvojici reálých čísel [a, b], u kterých defiujeme operace sčítáí, ásobeí, apod. Stadardě se komplexí čísla zapisují

Více

Příklady k přednášce 9 - Zpětná vazba

Příklady k přednášce 9 - Zpětná vazba Příklady k předášce 9 - Zpětá vazba Michael Šebek Automatické řízeí 205 6--5 Příklad: Přibližá iverze tak průřezu s výškou hladiy y(t), přítokem u(t) a odtokem dy() t dt + 2 yt () = ut () Cíl řízeí: sledovat

Více

f x a x DSM2 Cv 9 Vytvořující funkce Vytvořující funkcí nekonečné posloupnosti a0, a1,, a n , reálných čísel míníme formální nekonečnou řadu ( )

f x a x DSM2 Cv 9 Vytvořující funkce Vytvořující funkcí nekonečné posloupnosti a0, a1,, a n , reálných čísel míníme formální nekonečnou řadu ( ) DSM Cv 9 Vytvořující fukce Vytvořující fukcí ekoečé poslouposti a0, a,, a, reálých čísel mííme formálí ekoečou řadu =. f a i= 0 i i Příklady: f = + = + + + + + ) Platí: (biomická věta). To zameá, že fukce

Více

1. Základy měření neelektrických veličin

1. Základy měření neelektrických veličin . Základy měřeí eelektrických veliči.. Měřicí řetězec Měřicí řetězec (měřicí soustava) je soubor měřicích čleů (jedotek) účelě uspořádaých tak, aby bylo ožě split požadovaý úkol měřeí, tj. získat iformaci

Více

6 5 = 0, = 0, = 0, = 0, 0032

6 5 = 0, = 0, = 0, = 0, 0032 III. Opaované pousy, Bernoulliho nerovnost. Házíme pětrát hrací ostou a sledujeme výsyt šesty. Spočtěte pravděpodobnosti možných výsledů a určete, terý má největší pravděpodobnost. Řešení: Jedná se o serii

Více

Odezva na obecnou periodickou budící funkci. Iva Petríková Katedra mechaniky, pružnosti a pevnosti

Odezva na obecnou periodickou budící funkci. Iva Petríková Katedra mechaniky, pružnosti a pevnosti Odezva a obecou periodickou budící fukci Iva Períková Kaedra mechaiky, pružosi a pevosi Obsah Fourierovy řady Odezva a polyharmoickou fukci Odezva a obecou periodickou fukci Odezva a jedokový skok Příklad

Více

1) Vypočtěte ideální poměr rozdělení brzdných sil na nápravy dvounápravového vozidla bez ABS.

1) Vypočtěte ideální poměr rozdělení brzdných sil na nápravy dvounápravového vozidla bez ABS. Dopraví stroje a zařízeí odborý zálad AR 04/05 Idetifiačí číslo: Počet otáze: 6 Čas : 60 miut Počet bodů Hodoceí OTÁZKY: ) Vypočtěte eálí poměr rozděleí brzdých sil a ápravy dvouápravového vozla bez ABS.

Více

Lineární a adaptivní zpracování dat. 11. Adaptivní filtrace a predikce II.

Lineární a adaptivní zpracování dat. 11. Adaptivní filtrace a predikce II. Lieárí a adaptiví zpracováí dat 11. Adaptiví filtrace a predikce II. Daiel Schwarz Ivestice do rozvoje vzděláváí Popis a idetifikace systémů BLACK BOX Systém/proces geerující data áhodé povahy Istitute

Více

FOURIEROVA A LAPLACEOVA TRANSFORMACE,

FOURIEROVA A LAPLACEOVA TRANSFORMACE, FOUIEOVA A LAPLACEOVA ANSFOMACE, OPEÁOOVÉ CHAAKEISIKY DVOJPÓLŮ Fourierovy řady prodlužováí periody Prodloužeí periody při zachováí šířy ipulsu π sižováí záladí frevece ω = frevece, eré jsou u raší periody

Více

1. K o m b i n a t o r i k a

1. K o m b i n a t o r i k a . K o m b i a t o r i k a V teorii pravděpodobosti a statistice budeme studovat míru výskytu -pravděpodobostvýsledků procesů, které mají áhodý charakter, t.j. při opakováí za stejých podmíek se objevují

Více

Při návrhu FIR filtru řešíme obvykle následující problémy:

Při návrhu FIR filtru řešíme obvykle následující problémy: Návrh FIR filtrů Při návrhu FIR filtru řešíme obvykle následující problémy: volba frekvenční odezvy požadovaného filtru; nejčastěji volíme ideální charakteristiku normovanou k Nyquistově frekvenci, popř.

Více

M - Posloupnosti VARIACE

M - Posloupnosti VARIACE M - Poslouposti Autor: Mgr Jromír Juřek - http://wwwjrjurekcz Kopírováí jkékoliv dlší využití výukového mteriálu je povoleo pouze s uvedeím odkzu wwwjrjurekcz VARIACE Teto dokumet byl kompletě vytvoře,

Více

3.4.7 Můžeme ušetřit práci?

3.4.7 Můžeme ušetřit práci? 3.4.7 Můžeme ušetřit práci? Předpolady: 030404 Pomůcy: Pedaoicá pozáma: Hodia je oraizováa jao supiová práce. Třída je rozdělea a čtyřčleé supiy, aždý ze čleů má jedu možost ozultovat se mou ebo mě předat

Více

2 Diferenciální počet funkcí více reálných proměnných

2 Diferenciální počet funkcí více reálných proměnných - 6 - Difereciálí počet fucí více proměých Difereciálí počet fucí více reálých proměých 1 Spoitost, limity a parciálí derivace Fuce více reálých proměých Defiice Pod reálou fucí reálých proměých rozumíme

Více

Příklady: - počet členů dané domácnosti - počet zákazníků ve frontě - počet pokusů do padnutí čísla šest - životnost televizoru - věk člověka

Příklady: - počet členů dané domácnosti - počet zákazníků ve frontě - počet pokusů do padnutí čísla šest - životnost televizoru - věk člověka Náhodná veličina Náhodnou veličinou nazýváme veličinu, terá s určitými p-stmi nabývá reálných hodnot jednoznačně přiřazených výsledům příslušných náhodných pousů Náhodné veličiny obvyle dělíme na dva záladní

Více

Lineární regrese ( ) 2

Lineární regrese ( ) 2 Leárí regrese Častým úolem je staoveí vzájemé závslost dvou (č více) fzálích velč a její matematcé vjádřeí. K tomuto účelu se používají růzé regresí metod, pomocí chž hledáme vhodou fuc f (), apromující

Více

Aplikace marginálních nákladů. Oceňování ztrát v distribučním rozvodu

Aplikace marginálních nákladů. Oceňování ztrát v distribučním rozvodu Apliace margiálích áladů Oceňováí ztrát v distribučím rozvodu Učebí text předmětu MES Doc. Ig. J. Vastl, CSc. Celové ročí álady a ztráty N P ( T ) z z sj z wj Kč de N z celové ročí álady a ztráty *Kč+

Více

SIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY

SIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY SIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY TEMATICKÉ OKRUHY Signály se spojitým časem Základní signály se spojitým časem (základní spojité signály) Jednotkový skok σ (t), jednotkový impuls (Diracův impuls)

Více

4.KMITÁNÍ VOLNÉ. Rozlišujeme: 1. nepoddajné vazby - nedovolující pohyb 2. pružně poddajné vazby - dovolují pohyb

4.KMITÁNÍ VOLNÉ. Rozlišujeme: 1. nepoddajné vazby - nedovolující pohyb 2. pružně poddajné vazby - dovolují pohyb 4.MITÁNÍ VOLNÉ 4. Lárí ktáí (harocký osclátor v fyzc) Vl časý pohy hotého odu j ktavý pohy. táí ud lárí, jstlž síla, ktrá př výchylc x vrací hotý od do rovovážé polohy, j úěrá výchylc F x (4..) kostata

Více

Téma: 11) Dynamika stavebních konstrukcí

Téma: 11) Dynamika stavebních konstrukcí Počítačová podpora statických výpočtů Téma: ) Dyamika stavebích kostrukcí Katedra stavebí mechaiky Fakulta stavebí, VŠB V Techická uiverzita Ostrava Rozděleí mechaiky Statika Zabývá se problematikou působeí

Více

Systé my, procesy a signály I - sbírka příkladů

Systé my, procesy a signály I - sbírka příkladů Systé my, procesy a signály I - sbíra příladů Ř EŠEÉPŘ ÍKLADY r 6 Urč ete amplitudu, opaovací periodu, opaovací mitoč et a počáteč ní fázi disrétních harmonicých signálů a) s( ) = cos π, b) s ( ) 6 = π

Více

8.2.1 Aritmetická posloupnost I

8.2.1 Aritmetická posloupnost I 8.2. Aritmetická posloupost I Předpoklady: 80, 802, 803, 807 Pedagogická pozámka: V hodiě rozdělím třídu a dvě skupiy a každá z ich dělá jede z prvích dvou příkladů. Čley posloupostí pak při kotrole vypíšu

Více

Analýza a zpracování signálů. 4. Diskrétní systémy,výpočet impulsní odezvy, konvoluce, korelace

Analýza a zpracování signálů. 4. Diskrétní systémy,výpočet impulsní odezvy, konvoluce, korelace Aalýza a zpracováí sigálů 4. Diskrétí systémy,výpočet impulsí odezvy, kovoluce, korelace Diskrétí systémy Diskrétí sytém - zpracovává časově diskrétí vstupí sigál ] a produkuje časově diskrétí výstupí

Více

31ZZS 9. PŘEDNÁŠKA 24. listopadu 2014

31ZZS 9. PŘEDNÁŠKA 24. listopadu 2014 3ZZS 9. PŘEDNÁŠKA 24. listopadu 24 SPEKTRÁLNÍ ANALÝZA Fourierovy řady Diskrétní Fourierovy řady Fourierova transformace Diskrétní Fourierova transformace Spektrální analýza Zobrazení signálu ve frekvenční

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA P NOV PRVDĚPODOBNOT TTTK Lbor Žák P NOV Lbor Žák Vícvýběrové tsty - NOV NOV tsty s rovádí s omocí aalýzy roztylů NOV souhré tsty ro víc ěž dva výběry. NOV aramtrcká tstováí charaktrstk z zámých rozdělí

Více

Analýza a zpracování signálů. 3. Číselné řady, jejich vlastnosti a základní operace, náhodné signály

Analýza a zpracování signálů. 3. Číselné řady, jejich vlastnosti a základní operace, náhodné signály Aalýza a zpracováí sigálů 3. Číselé řady, jejich vlastosti a základí operace, áhodé sigály Diskrétí sigál fukce ezávislé proměé.!!! Pozor!!!! : sigál eí defiová mezi dvěma ásledujícími vzorky a eí tam

Více

Abstrakt. Co jsou to komplexní čísla? K čemu se používají? Dá se s nimi dělat

Abstrakt. Co jsou to komplexní čísla? K čemu se používají? Dá se s nimi dělat Komplexí čísla Hoza Krejčí Abstrakt. Co jsou to komplexí čísla? K čemu se používají? Dá se s imi dělat ěco cool? Na tyto a další otázky se a předášce/v příspěvku pokusíme odpovědět. Proč vzikla komplexí

Více

Pravděpodobnostní model doby setrvání ministra školství ve funkci

Pravděpodobnostní model doby setrvání ministra školství ve funkci Pravděpodobostí model doby setrváí miistra školství ve fukci Základí statistická iferece Data Zdro: http://www.msmt.cz/miisterstvo/miistri-skolstvi-od-roku-848. Ke statistickému zpracováí byla vzata pozorováí

Více