Markovovy řetězce se spojitým časem CTMC (Continuous time Markov Chain)
|
|
- Petra Marková
- před 5 lety
- Počet zobrazení:
Transkript
1 Markovovy řetězce se soitým časem CTMC (Continuous time Markov Chain) Markovovy rocesy X Diskrétní stavový rostor Soitý obor arametru t { } S e1, e,, en t R t 0 0 t 1 t t 3 t Proces e Markovův (CTMC CTMC), estliže znalost několika minulých hodnot funkce X neřináší o rozložení ravděodobnosti eí současné hodnoty X(t) více informace nežli znalost ediné té oslední z nich. P( X ( t) e / X ( t ) e, X ( t ) e,, X ( t ) e ) P( X ( t) e / X ( t ) e ) i n n n 1 n i n n Označme ( s, t) P( X ( s + t) e / X ( s) e ) i Daný roces e homogenní, sou-li ravděodobnosti závislé ouze na délce časového úseku t, nikoliv na eho očátku s. ( s, t) ( t) 1
2 Rozložení intervalu mezi změnami Předokládeme, že v čase t e systém ve stavu e i. Jaká e ravděodobnost (), že se tento stav nezmění v růběhu časového intervalu (t, t+). (nezávislá na t roces e homogenní). (0)1 () e klesaící ( + s) (). ( s) t ( t) e A( t) P( τ < t) 1 t 1 e Doba setrvání homogenního Markovova rocesu X(t) ve stavu e i má exonenciální rozdělení s arametrem - (intenzitou výstuu). Markovovy rocesy Diskrétní čas DTMC DTMC 1- Soitý čas CTMC CTMC 1 λ t + o λ t + o Pst. setrvání systému ve stavu ( τ > ) 1 + ( ) P t e t o t Pst., že za dobu nastane událost, systém daný stav oustí ( τ < ) 1 + ( ) P t e t o t
3 Matice řechodu ro diskrétní čas ,1 0, 0,3 0,4 0, 0,3 0 0, 0,3 3 0,4 0, 0,3 0, ,3 0,4 0, a( n + 1) a( n) P a( n) a(0) P ( n) Rozložení ustáleného stavu: a lim a( n) a(0) lim P n n n a a P Matice řechodu ro soitý čas Matice řechodu matice časových funkcí P()( () ) Pro 0 () 0 ro i () 1 P ( 0) Se zvětšuícím se intervalem se ravděodobnost řechodu zvětšue E Př: Je dán roces se dvěma stavy S{0,1} 1 + e( t) e( t) P : 1 1 e( t ) 1 + e( t) 1 3
4 Matice intenzit (infinitesimální generátor) Q ( ( ) Doba setrvání rocesu ve stavu e i má exonenciální rozdělení s arametrem - (intenzitou výstuu). Definice intenzit řechodu a výstuu lim 0 t 1+ + ( ) t e t o t 1 lim 0 Vztah matice řechodu P a matice intenzit ( t) +o ( t) 1+ +o ( 0) P Q 0 ( t) 1 t o( t) ( t) 1 t lim 0 t t ( t) 1 lim 0 t Matice intenzit (infinitesimální generátor) Q ( ( ) Doba setrvání rocesu ve stavu e i má exonenciální rozdělení s arametrem - (intenzitou výstuu). Intenzita výstuu e záorné číslo, všechny intenzity řechodu sou kladné. Intenzity výstuu a řechodu sou ro homogenní (stacionární) roces konstantní. Řádkový součet matice intenzit e 0. Položením i P Q+E rakticky zdiskretizueme CTMC, ( t) +o ( t) 1+ +o řechody se můžou udát en v dostatečně malých intervalech. t + t t 1 4
5 Matice intenzit -říklad i Př: Je dána matice řechodu, určete matici intenzit. 1 + e( t) e( t) P : 1 1 e( t ) 1 + e( t) P + o 1.zůsob-Taylorův rozvo o + o 1 + o ( t) +o ( t) 1+ +o.zůsob-p (0)Q Q : Rozdělení ravděodobnosti stavů Matice řechodu matice časových funkcí P(t)( (t) ) Označme vektor ravděodobnosti stavů e 1,e,e 3, v čase t. a( t) ( a ( t), a ( t),..., a ( t),...) 1 k Stabilizovaný stav a( t) a(0) P( t) ( 0) ( 0) a t a P t a t a P t Q a t a t Q a lim a( t) t Jestliže stabilizovaný stav a existue, ak lim lim a t a t Q t t 0 a Q 5
6 SPN ako Markovovský řetězec 0 a Q SPN ako Markovovský řetězec 0 a Q 6
7 Kolmogorovovy diferenciální rovnice Chaman Kolmogorovova rovnost ( s t) ( s) ( t) + ik k k P( s + t) P( s) P( t) Matice intenzit může být akákoliv čtvercová matice, eíž všechny nediagonální rvky sou nezáorné a řádkové součty sou 0. Pokud známe matici intenzit Q můžeme určit matici řechodu ze systému římých (zětných ) Kolmogorových rovnic. P ( t) P( t) Q P(0) E Soustava rovnic má řešení ve tvaru: P( t) P(0) e Qt Výočet matice řechodu z matice intenzit P(t) e určena až na násobek konstantní maticí kde λ1, λ,..., a v1, v,..., vn do slouce. P( t) ex( Q t) P ( t) Q P t P ( t) V ( t) C V ( t) C Q V ( t) C 1 Výočet konstantní matice C: P 0 V 0 C C V 0 ( λ n ) λ 1 t λ 1 ; t λnt ;...; V t e v e v e v n sou vlastní čísla matice Q sou vlastní vektory k říslušným vlastním číslům, sané P 1 ( t) V ( t) V ( 0) 7
8 Postu výočtu Sestroení grafu diferenciálních řechodů na základě dané formulace roblému Sestavení matice ravděodobnosti řechodů, res. matice intenzity řechodů (Sestavení soustavy diferenciálních rovnic na základě matice intenzit a eí vyřešení) Nalezení stacionárního řešení Výočet ožadovaných charakteristik Př: Naděte matici ravděodobností řechodu Markovova rocesu s maticí intenzit Q. Určete stacionární řešení λ 0; v 1,1 λ 5; v, 3 Q 3 3 5t λ 1 t λ 1 1; t λnt e V t e v e v ;...; e v n 5t 1 3e Stabilizovaný stav Stacionární stav 3 a Q o a, 5 5 Pt P 1 ( t) V ( t) V ( 0) e( 5 t ) e 5 5 t lim a( t) a(0) lim P( t) ( a0(0), a1 (0)), t t e( 5 t ) 3 5 e( 5 t ) 8
9 Př: Naděte matici ravděodobností řechodu Markovova rocesu s maticí intenzit Q. Q 3 3 >> syms t; >> Q[- ;3-3] Q >> Ptsimlify(exm(t*Q)) Pt [ /(5*ex(5*t)) + 3/5, /5 - /(5*ex(5*t))] [ 3/5-3/(5*ex(5*t)), 3/(5*ex(5*t)) + /5] Př: Sledueme stav datového roektoru. Pst, že e řístro o ulynutí času t [měsíc] od oslední oravy stále v bezvadném stavu P(τ>t)e -t. Je-li řístro okažený, ak st, že za čas t nedošlo k oravě P(τ>t)e -0t. Určete stabilizovaný stav. OK KO Q 0 0 ( a a ) OK KO aq o a, ( 0,91;0.091)
10 Př: Markovův roces má stavy A,B,C. Intenzita řechodu mezi kraními stavy A a C e nulová, všechny ostatní intenzity sou steně velké. Určete vektor rozložení v čase t, e-li očáteční stav B. >> syms t; t >> Q [- [ 0; -4 ;0 -] ]; >> Pt simlify(exm(t*q)) 0 Q 4 0 Pt [1/3 + 1/(*ex(*t)) + 1/(6*ex(6*t)),1/3-1/(3*ex(6*t)), 1/(6*ex(6*t)) - 1/(*ex(*t)) + 1/3] [1/3-1/(3*ex(6*t)), 1/3 +/(3*ex(6*t)), 1/3-1/(3*ex(6*t))] [1/3 + 1/(6*ex(6*t)) - 1/(*ex(*t)), 1/3-1/(3*ex(6*t)), 1/(*ex(*t)) + 1/(6*ex(6*t)) + 1/3] >> t[0 1 0]* Pt t [ 1/3-1/(3*ex(6*t)), /(3*ex(6*t)) + 1/3, 1/3-1/(3*ex(6*t))] >> ezlot (t(1),[0,5]) Př: Markovův roces má stavy A,B,C. Intenzita řechodu mezi kraními stavy A a C e nulová, všechny ostatní intenzity sou steně velké. Určete vektor rozložení v čase t, e-li očáteční stav B. 0 Q
11 Př: Do fronty řicházeí náhodně zákazníci v elementárním toku. Průměrná délka intervalu mezi říchody e 1 minuta. V okamžiku kdy řde 4. zákazník, skuina zákazníků odchází (e obsloužena) a okamžitě se začne vytvářet nová fronta. Určete rozložení stí stabilizovaného stavu. Určete růměrný očet zákazníků ve frontě. ( a a a a ) aq o a,,, Poissonův roces roces ryzího zrodu (ure birth rocess) k ( t) λ λt vk ( t) e k! V infinitesimálním časovém intervalu může nastat en edna událost s ravděodobností λ, nezávisle na říezdech mimo interval. λ v t e t t t o t λt λ v1 ( t) ( λt) e λt + t +... λt + o( t) λt 0 1 λ λ + λt λt v ( t) e 0 + o ( t)! Stav systému očet událostí, které od očátečního času zkoumání nastaly λ dt λ dt λ dt λ dt 1 λ dt 1 λ dt 1 λ dt λ dt... 11
12 Proces ryzího zrodu (ure birth rocess) Do fronty řicházeí náhodně zákazníci tak, že ravděodobnost říchodu ednoho zákazníka v kratkém čase e +o( t). Jaká e ravděodobnost, že za čas t fronta vzroste z i na zákazníků. Jde o roces se stavy 0, 1,,. (očet zákazníků ve frontě). Náš úkol e naít (t) Q ( t) t + o e t t e ( t) 0! e 11 1 t t e t e t t 0k i, i+ k ( t) k! k ( t) k! e k t e t 1
13 Intenzity řechodu Intenzity řechodu ze stavu e i do stavu e. (i ). Intenzity výstuu ze stavu e i i lim 0 1 lim i i 0 ( + ) t t t ( t) lim 0 ( 0) (0) lim lim (0) 0 0 ( 0) 1 (0) lim lim (0) 0 0 ; ( 0) Q P Q Matice intenzit lim 0 lim 0 1 Pro intenzity řechodu ze stavu e i do stavu e latí: ( t) lim 0 lim 0 0 t o ( t) t + o ( t) t o( t) ( 1 ( t) ) + o( ) i i lim lim lim lim lim 0 t 0 t 0 t 0 t 0 i i 1 t t t + o t t + o i i ( ) 1+ + ( ) t t o t i ( t) +o ( t) 1+ +o 13
14 Matice intenzit Položením ( t) +o i ( t) 1+ +o P Q+E rakticky zdiskretizueme CTMC, řechody se můžou udát en v dostatečně malých intervalech. Doba setrvání homogenního Markovova rocesu X(t) ve stavu e i má exonenciální rozdělení s arametrem -λ (intenzitou výstuu). λ λ 1 e 1 λ e lim lim lim λ t ( t) e λ 0 ( t) 1 ( t) 0 Stacionární ravděodobnosti Stacionární ravděodobnosti (stabilizovaného) Markovova rocesu sou limity a lim a ( t) t Jestliže sou libovolné dva stavy sousledné (ro každé i a existue t takové), že 0 ), ak e systém stabilizovaný a existuí stacionární ravděodobnosti. a lim a ( t) lim a (0) ( t) lim ( t) i t t t i Vektor stacionárních ravděodobností lze vyočítat ze soustavy rovnic. a Q o 14
15 Vnořený DTMC Neuvažue čas strávený v něakým stavu a registrueme en řechody. Matice řechodu vnořeného DTMC: S ( s ); s ro i i [ ] 1 D s 0 ro i S E Q Q QD diag Q CTMC e ireducibilní rávě tehdy, e-li ireducibilní vnořený DTMC. Je-li a v stabilizovaný stav vnořeného DTMC, ak e stabilizovaný i ůvodní CTMC a ro eho stabilizovaný stav latí: a a a v v ( QD ) ( Q ) D
Model tenisového utkání
Model tenisového utkání Jan Šustek Semestrální rojekt do ředmětu Náhodné rocesy 2005 V této ráci se budu zabývat modelem tenisového utkání. Vstuními hodnotami budou úsěšnosti odání jednotlivých hráčů,
VíceKendallova klasifikace
Kendallova klasifikace Délka obsluhy, frontový režim, Littleovy vzorce Parametry obsluhy Trvání obsluhy - většinou předpokládáme, že trvání obsluhy jsou nezávisl vislé náhodné proměnné, se stejným rozdělením
VíceROVNICE NA ČASOVÝCH ŠKÁLÁCH A NÁHODNÉ PROCESY. Michal Friesl
Robust 14, Jetřichovice ROVNICE NA ČASOVÝCH ŠKÁLÁCH A NÁHODNÉ PROCESY Michal Friesl Katedra matematiky Fakulta aplikovaných věd Západočeská univerzita v Plzni Robust 14, Jetřichovice ÚVOD Úvod Analýzníkům
Vícezadání: Je dán stejnosměrný motor s konstantním magnetickým tokem, napájen do kotvy, indukčnost zanedbáme.
Teorie řízení 004 str. / 30 PŘÍKLAD zadání: Je dán stejnosměrný motor s konstantním magnetickým tokem, naájen do kotvy, indukčnost zanedbáme. E ce ω a) Odvoďte řenosovou funkci F(): F( ) ω( )/ u( ) b)
VíceA6M33SSL: Statistika a spolehlivost v lékařství Teorie spolehlivosti
A6M33SSL: Statistika a spolehlivost v lékařství Teorie spolehlivosti Vojta Vonásek vonasek@labe.felk.cvut.cz České vysoké učení technické v Praze Fakulta elektrotechnická Katedra kybernetiky Markovovy
VíceNáhodným (stochastickým) procesem nazveme zobrazení, které každé hodnotě náhodnou veličinu X ( t)
MARKOVOVY PROCESY JAKO APARÁT PRO ŘEŠENÍ SPOLEHLIVOSTI VÍCESTAVOVÝCH SYSTÉMŮ Náhodné rocesy Náhodným (stochastckým) rocesem nazveme zobrazení, které každé hodnotě náhodnou velčnu X ( t). Proměnná t má
VíceLaplaceova transformace.
Lalaceova transformace - studijní text ro cvičení v ředmětu Matematika -. Studijní materiál byl řiraven racovníky katedry E. Novákovou, M. Hyánkovou a L. Průchou za odory grantu IG ČVUT č. 300043 a v rámci
VíceAnalytická metoda aneb Využití vektorů v geometrii
KM/GVS Geometrické vidění světa (Design) nalytická metoda aneb Využití vektorů v geometrii Použité značky a symboly R, C, Z obor reálných, komleních, celých čísel geometrický vektor R n aritmetický vektor
VíceMarkovské metody pro modelování pravděpodobnosti
Markovské metody pro modelování pravděpodobnosti rizikových stavů 1 Markovský řetězec Budeme uvažovat náhodný proces s diskrétním časem (náhodnou posloupnost) X(t), t T {0, 1, 2,... } s konečnou množinou
VíceCvičení z termomechaniky Cvičení 5.
Příklad V komresoru je kontinuálně stlačován objemový tok vzduchu *m 3.s- + o telotě 0 * C+ a tlaku 0, *MPa+ na tlak 0,7 *MPa+. Vyočtěte objemový tok vzduchu vystuujícího z komresoru, jeho telotu a říkon
Vícea počtem sloupců druhé matice. Spočítejme součin A.B. Označme matici A.B = M, pro její prvky platí:
Řešené příklady z lineární algebry - část 1 Typové příklady s řešením Příklady jsou určeny především k zopakování látky před zkouškou, jsou proto řešeny se znalostmi učiva celého semestru. Tento fakt se
VíceZpůsob určení množství elektřiny z kombinované výroby vázané na výrobu tepelné energie
Příloha č. 2 k vyhlášce č. 439/2005 Sb. Zůsob určení množství elektřiny z kombinované výroby vázané na výrobu teelné energie Maximální množství elektřiny z kombinované výroby se stanoví zůsobem odle následujícího
VíceObslužné sítě. Jacksonova síť systémů hromadné obsluhy. Sériové propojení dvou front
Obsužné sítě Jacksonova síť systéů hroadné obsuhy Teekounkační síť Počítačová síť Doravní síť Unversa Mobe Teecouncatons Syste Sérové roojení dvou front Queue Queue Stav systéu je osán usořádanou dvojící
Více12.1 Úvod. Poznámka : Příklad 12.1: Funkce f(t) = e t2 nemá Laplaceův obraz. Příklad 12.2: a) L{1} = 1 p, p > 0 ; b) L{ eat } = 1, [ZMA15-P73]
KAPITOLA 2: Lalaceova transformace [ZMA5-P73] 2. Úvod Lalaceovým obrazem funkce f(t) definované na, ) nazýváme funkci F () definovanou ředisem Definičním oborem funkce F F () = f(t) e t dt. je množina
VíceObsah. Lineární rovnice. Definice 7.9. a i x i = a 1 x a n x n = b,
Obsah Lineární rovnice Definice 77 Uvažujme číselné těleso T a prvky a 1,, a n, b T Úloha určit všechny n-tice (x 1,, x n ) T n, pro něž platí n a i x i = a 1 x 1 + + a n x n = b, i=1 se nazývá lineární
VíceStochastické modely Informace k závěrečné zkoušce
Stochastické modely Informace k závěrečné zkoušce Jan Zouhar Katedra ekonometrie, FIS VŠE v Praze, zouharj@vse.cz 10. února 2015 Průběh zkoušky. Zkouška je ústní s přípravou na potítku. Každý si vylosuje
VícePRAVDĚPODOBNOST A STATISTIKA. Metoda momentů Metoda maximální věrohodnosti
SP3 Odhady arametrů PRAVDĚPODOBNOST A STATISTIKA Metoda momentů Metoda maimální věrohodnosti SP3 Odhady arametrů Metoda momentů Vychází se z: - P - ravděodobnostní rostor - X je náhodná roměnná s hustotou
VíceFakt. Každou soustavu n lineárních ODR řádů n i lze eliminací převést ekvivalentně na jednu lineární ODR
DEN: ODR teoreticky: soustavy rovnic Soustava lineárních ODR 1 řádu s konstantními koeficienty je soustava ve tvaru y 1 = a 11 y 1 + a 12 y 2 + + a 1n y n + b 1 (x) y 2 = a 21 y 1 + a 22 y 2 + + a 2n y
Více1/10. Kapitola 12: Soustavy lineárních algebraických rovnic
1/10 Kapitola 12: Soustavy lineárních algebraických rovnic Soustavy lineárních algebraických rovnic 2/10 Definice: Soustavou m lineárních algebraických rovnic o n neznámých rozumíme soustavu rovnic a 11
Více, : (vzor prvku b) q ).
DSM Cv 6 Zobrazení : X Y, X X Y Y Je dána relace, : Obraz množiny X v relaci, ( X ) = { y Y; x X :[ x, y] }; v říadě, že X = { a}, íšeme ( a) (obraz rvku a), Vzor množiny Y v relaci, ; v říadě, že ( Y
VíceZpůsobilost. Data a parametry. Menu: QCExpert Způsobilost
Zůsobilost Menu: QExert Zůsobilost Modul očítá na základě dat a zadaných secifikačních mezí hodnoty různých indexů zůsobilosti (caability index, ) a výkonnosti (erformance index, ). Dále jsou vyočítány
Vícemůžeme toto číslo považovat za pravděpodobnost jevu A.
RAVDĚODOBNOST - matematická discilína, která se zabývá studiem zákonitostí, jimiž se řídí hromadné náhodné jevy - vytváří ravděodobnostní modely, omocí nichž se snaží ostihnout náhodné rocesy. Náhodné
VíceALGEBRA. Téma 5: Vektorové prostory
SLEZSKÁ UNIVERZITA V OPAVĚ Matematický ústav v Opavě Na Rybníčku 1, 746 01 Opava, tel. (553) 684 611 DENNÍ STUDIUM Téma 5: Vektorové prostory Základní pojmy Vektorový prostor nad polem P, reálný (komplexní)
VíceDynamické programování
ALG Dynamické rogramování Nejdelší rostoucí odoslounost Otimální ořadí násobení matic Nejdelší rostoucí odoslounost Z dané oslounosti vyberte co nejdelší rostoucí odoslounost. 5 4 9 5 8 6 7 Řešení: 4 5
Vícep (1) k 0 k 1 je pravd podobnost p echodu ze stavu k i v l ; 1 kroku do stavu k j
Markovovsk n hodn procesy U Markovovsk ho n hodn ho proces nez vis dal v voj na zp sobu, jak se proces dostal do sou asn ho stavu. Plat 8 t
VíceNALG 001 Lineární algebra a geometrie 1, zimní semestr MFF UK Doba řešení: 3 hodiny
NALG 001 Lineární algebra a geometrie 1, zimní semestr MFF UK Závěrečná zkouška verze cvičná 9.1.2013 Doba řešení: 3 hodiny Přednášející: L. Barto, J. Tůma Křestní jméno: Příjmení: Instrukce Neotvírejte
VíceZáklady maticového počtu Matice, determinant, definitnost
Základy maticového počtu Matice, determinant, definitnost Petr Liška Masarykova univerzita 18.9.2014 Matice a vektory Matice Matice typu m n je pravoúhlé (nebo obdélníkové) schéma, které má m řádků a n
VíceMatematika 5 FSV UK, ZS Miroslav Zelený
Matematika 5 FSV UK, ZS 2018-19 Miroslav Zelený 1. Stabilita řešení soustav diferenciálních rovnic 2. Úvod do variačního počtu 3. Globální extrémy 4. Teorie optimálního řízení 5. Různé 1. Stabilita řešení
Více7. VÝROBNÍ ČINNOST PODNIKU
7. Výrobní činnost odniku Ekonomika odniku - 2009 7. VÝROBNÍ ČINNOST PODNIKU 7.1. Produkční funkce teoretický základ ekonomiky výroby 7.2. Výrobní kaacita Výrobní činnost je tou činností odniku, která
VíceSoustava m lineárních rovnic o n neznámých je systém
1 1.2. Soustavy lineárních rovnic Soustava lineárních rovnic Soustava m lineárních rovnic o n neznámých je systém a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2...
VíceKapitola 12: Soustavy diferenciálních rovnic 1. řádu
Kapitola 12: Soustavy diferenciálních rovnic 1. řádu Základní pojmy Definice: Rovnice tvaru = f(t, x, y) = g(t, x, y), t I nazýváme soustavou dvou diferenciálních rovnic 1. řádu. Řešením soustavy rozumíme
VíceMATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]
MATICE Matice typu m/n nad tělesem T je soubor m n prvků z tělesa T uspořádaných do m řádků a n sloupců: a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij] a m1 a m2 a mn Prvek a i,j je prvek matice A na místě
VíceÚvod do lineární algebry
Úvod do lineární algebry 1 Aritmetické vektory Definice 11 Mějme n N a utvořme kartézský součin R n R R R Každou uspořádanou n tici x 1 x 2 x, x n budeme nazývat n rozměrným aritmetickým vektorem Prvky
VíceDiferenˇcní rovnice Diferenciální rovnice Matematika IV Matematika IV Program
Program Diferenční rovnice Program Diferenční rovnice Diferenciální rovnice Program Frisch a Samuelson: Systém je dynamický, jestliže jeho chování v čase je určeno funkcionální rovnicí, jejíž neznámé závisí
VíceKapitola 11: Vektory a matice:
Kapitola 11: Vektory a matice: Prostor R n R n = {(x 1,, x n ) x i R, i = 1,, n}, n N x = (x 1,, x n ) R n se nazývá vektor x i je i-tá souřadnice vektoru x rovnost vektorů: x = y i = 1,, n : x i = y i
VíceVI. Maticový počet. VI.1. Základní operace s maticemi. Definice. Tabulku
VI Maticový počet VI1 Základní operace s maticemi Definice Tabulku a 11 a 12 a 1n a 21 a 22 a 2n, a m1 a m2 a mn kde a ij R, i = 1,, m, j = 1,, n, nazýváme maticí typu m n Zkráceně zapisujeme (a ij i=1m
Vícef(x) = arccotg x 2 x lim f(x). Určete všechny asymptoty grafu x 2 2 =
Řešení vzorové písemky z předmětu MAR Poznámky: Řešení úloh ze vzorové písemky jsou formulována dosti podrobně podobným způsobem jako u řešených příkladů ve skriptech U zkoušky lze jednotlivé kroky postupu
VícePravděpodobnost a statistika (BI-PST) Cvičení č. 4
Pravděpodobnost a statistika (BI-PST) Cvičení č. 4 J. Hrabáková, I. Petr, F. Štampach, D. Vašata Katedra aplikované matematiky Fakulta informačních technologií České vysoké učení technické v Praze ZS 2014/2015
VíceUniverzita Pardubice FAKULTA CHEMICKO TECHNOLOGICKÁ
Univerzita Pardubice FAKULA CHEMICKO ECHNOLOGICKÁ MEODY S LAENNÍMI PROMĚNNÝMI A KLASIFIKAČNÍ MEODY SEMINÁRNÍ PRÁCE LICENČNÍHO SUDIA Statistické zracování dat ři kontrole jakosti Ing. Karel Dráela, CSc.
VíceVĚTY Z LINEÁRNÍ ALGEBRY
VĚTY Z LINEÁRNÍ ALGEBRY Skripta Matematické metody pro statistiku a operační výzkum (Nešetřilová, H., Šařecová, P., 2009). 1. věta Nechť M = {x 1, x 2,..., x k } je množina vektorů z vektorového prostoru
VíceÚloha syntézy čtyřčlenného rovinného mechanismu
Úloha syntézy čtyřčlenného rovnného mechansmu Zracoval: Jaroslav Beran Pracovště: Techncká unverzta v Lberc katedra textlních a ednoúčelových stroů Tento materál vznkl ako součást roektu In-TECH 2, který
Více2 Fyzikální aplikace. Předpokládejme, že f (x 0 ) existuje. Je-li f (x 0 ) vlastní, pak rovnice tečny ke grafu funkce f v bodě [x 0, f(x 0 )] je
Derivace funkce a jej geometrický význam Je dána funkce f) 3 6 + 9 + a naším úkolem je určit směrnici tečny v bodě [; f)] Pro libovolné lze směrnici sečny danou body [; f)] a [; f)] spočítat jako f) f)
VíceNárodní informační středisko pro podporu jakosti
Národní informační středisko ro odoru jakosti Konzultační středisko statistických metod ři NIS-PJ Analýza zůsobilosti Ing. Vratislav Horálek, DrSc. ředseda TNK 4: Alikace statistických metod Ing. Josef
VíceSoustavy lineárních rovnic
Soustavy lineárních rovnic V této kapitole se budeme zabývat soustavami lineárních diferenciálních rovnic y = a (x)y + a (x)y + + a n (x)y n + f (x) y = a (x)y + a (x)y + + a n (x)y n + f (x). y n = a
VíceMatematika I A ukázkový test 1 pro 2011/2012. x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a
Matematika I A ukázkový test 1 pro 2011/2012 1. Je dána soustava rovnic s parametrem a R x y + z = 1 a) Napište Frobeniovu větu. x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a b) Vyšetřete počet řešení soustavy
Více1/15. Kapitola 12: Soustavy diferenciálních rovnic 1. řádu
1/15 Kapitola 12: Soustavy diferenciálních rovnic 1. řádu 2/15 Vsuvka: Vlastní čísla matic Definice: Bud A čtvercová matice a vektor h 0 splňující rovnici A h = λ h pro nějaké číslo λ R. Potom λ nazýváme
VíceMKI Funkce f(z) má singularitu v bodě 0. a) Stanovte oblast, ve které konverguje hlavní část Laurentova rozvoje funkce f(z) v bodě 0.
MKI -00 Funkce f(z) má singularitu v bodě 0. a) Stanovte oblast, ve které konverguje hlavní část Laurentova rozvoje funkce f(z) v bodě 0. V jakém rozmezí se může pohybovat poloměr konvergence regulární
VíceStatistika a spolehlivost v lékařství Markovovy modely
Statistika a spolehlivost v lékařství Markovovy modely Markovovy modely Markovovy modely lze použít pro výpočet spolehlivosti složitých soustav jak s opravami, tak bez oprav. Předpokladem je, že doby poruch/oprav
VícePRŮTOK PLYNU OTVOREM
PRŮTOK PLYNU OTVOREM P. Škrabánek, F. Dušek Univerzita Pardubice, Fakulta chemicko technologická Katedra řízení rocesů a výočetní techniky Abstrakt Článek se zabývá ověřením oužitelnosti Saint Vénantovavy
Více(Cramerovo pravidlo, determinanty, inverzní matice)
KMA/MAT1 Přednáška a cvičení, Lineární algebra 2 Řešení soustav lineárních rovnic se čtvercovou maticí soustavy (Cramerovo pravidlo, determinanty, inverzní matice) 16 a 21 října 2014 V dnešní přednášce
VíceOperace s maticemi
Operace s maticemi Seminář druhý 17.10. 2018 Obsah 1 Operace s maticemi 2 Hodnost matice 3 Regulární matice 4 Inverzní matice Matice Definice (Matice). Reálná matice typu m n je obdélníkové schema A =
VíceSystémové struktury - základní formy spojování systémů
Systémové struktury - základní formy sojování systémů Základní informace Při řešení ať již analytických nebo syntetických úloh se zravidla setkáváme s komlikovanými systémovými strukturami. Tato lekce
Víceintenzitu příchodů zákazníků za čas t intenzitu obsluhy (průměrný počet obsloužených) za čas t
Ukázka - Systémy hromadné obsluhy Příklad: Pan Pumpička se rozhodl postavit samoobslužnou čerpací stanici u obce Česká Bříza. Na základě průzkumu ví, že by čerpací stanici mohlo průměrně navštívit 32,
VícePřednáška č. 11 Analýza rozptylu při dvojném třídění
Přednáška č. Analýza roztlu ř dvojném třídění Ve většně říadů v rax výsledk exermentu, rozboru závsí na více faktorech. Př této analýze se osuzují výsledk náhodných okusů (exerment nebo soubor získané
VíceSHANNONOVY VĚTY A JEJICH DŮKAZ
SHANNONOVY VĚTY A JEJICH DŮKAZ JAN ŠŤOVÍČEK Abstrakt. Důkaz Shannonových vět ro binární symetrický kanál tak, jak měl být robrán na řednášce. Číslování vět odovídá řednášce. 1. Značení a obecné ředoklady
VíceVektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace
Vektory a matice Aplikovaná matematika I Dana Říhová Mendelu Brno Obsah 1 Vektory Základní pojmy a operace Lineární závislost a nezávislost vektorů 2 Matice Základní pojmy, druhy matic Operace s maticemi
Více2.3.6 Práce plynu. Předpoklady: 2305
.3.6 Práce lynu Předoklady: 305 Děje v lynech nejčastěji zobrazujeme omocí diagramů grafů závislosti tlaku na objemu. Na x-ovou osu vynášíme objem a na y-ovou osu tlak. Př. : Na obrázku je nakreslen diagram
VíceKMS cvičení 9. Ondřej Marek
KMS cvičení 9 Ondřej Marek SYSTÉM S n DOF ŘEŠENÍ V MODÁLNÍCH SOUŘADNICÍCH Pohybové rovnice lineárního systému: U je modální matice, vlastní vektory u 1, u 2,..., u n jsou sloupce v matici U x - vektor
VíceTERMIKA VIII. Joule uv a Thompson uv pokus pro reálné plyny
TERMIKA VIII Maxwellova rovnovážná rozdělovací funkce rychlostí Joule uv a Thomson uv okus ro reálné lyny 1 Maxwellova rovnovážná rozdělovací funkce rychlostí Maxwellova rychlostní rozdělovací funkce se
Více3.2 Metody s latentními proměnnými a klasifikační metody
3. Metody s latentními roměnnými a klasifikační metody Otázka č. Vyočtěte algoritmem IPALS. latentní roměnnou z matice A[řádek,slouec]: A[,]=, A[,]=, A[3,]=3, A[,]=, A[,]=, A[3,]=0, A[,3]=6, A[,3]=4, A[3,3]=.
VíceÚvěr a úvěrové výpočty 1
Modely analýzy a syntézy lánů MAF/KIV) Přednáška 8 Úvěr a úvěrové výočty 1 1 Rovnice úvěru V minulých řednáškách byla ro stav dluhu oužívána rovnice 1), kde ředokládáme, že N > : d = a b + = k > N. d./
Více3. ANTAGONISTICKÉ HRY
3. ANTAGONISTICKÉ HRY ANTAGONISTICKÝ KONFLIKT Antagonistický konflikt je rozhodovací situace, v níž vystupují dva inteligentní rozhodovatelé, kteří se po volbě svých rozhodnutí rozdělí o pevnou částku,
VíceVYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY
VYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY Jan Krejčí 31. srpna 2006 jkrejci@physics.ujep.cz http://physics.ujep.cz/~jkrejci Obsah 1 Přímé metody řešení soustav lineárních rovnic 3 1.1 Gaussova eliminace...............................
VíceMatematika 3. Úloha 1. Úloha 2. Úloha 3
Matematika 3 Úloha 1 Co lze říci o funkci imaginární část komplexního čísla která každému komplexnímu číslu q přiřazuje číslo Im(q)? a. Je to funkce mnohoznačná. b. Je to reálná funkce komplexní proměnné.
VíceTEORIE PRAVDĚPODOBNOSTI. 2. cvičení
TEORIE RAVDĚODONOSTI 2. cvičení Základní pojmy Klasická def. Statistická def. Geometrická def. odmíněná prav. ayesův teorém Test Základní pojmy Náhodný pokus - je každý konečný děj, jehož výsledek není
Více1. LINEÁRNÍ ALGEBRA Vektory Operace s vektory... 8 Úlohy k samostatnému řešení... 8
1 Lineární algebra 1 LINEÁRNÍ ALGEBRA 8 11 Vektory 8 111 Operace s vektory 8 8 112 Lineární závislost a nezávislost vektorů 8 8 113 Báze vektorového prostoru 9 9 12 Determinant 9 9 13 Matice 1 131 Operace
VícePodmíněná pravděpodobnost, spolehlivost soustav
S1 odmíněná pravděpodobnost, spolehlvost soustav odmíněná pravděpodobnost, spolehlvost soustav Lbor Žák odmíněná pravděpodobnost Nechť,, 0, podmíněná pravděpodobnost evu vzhledem k evu : S akou pravděpodobností
VíceZáklady matematiky pro FEK
Základy matematiky pro FEK 2. přednáška Blanka Šedivá KMA zimní semestr 2016/2017 Blanka Šedivá (KMA) Základy matematiky pro FEK zimní semestr 2016/2017 1 / 20 Co nás dneska čeká... Závislé a nezávislé
VíceMarkovovy řetězce s diskrétním časem (Discrete Time Markov Chain)
Stochastcé rocesy Marovovy řetězce s dsrétím časem (Dscrete Tme Marov Cha) Stochastcý roces Stochastcým rocesem {X(t), tr} je moža áhodých velč X(t) závslých a jedom arametru t. Stavový rostor : moža možých
VíceCVIČENÍ Z ELEKTRONIKY
Střední růmyslová škola elektrotechnická Pardubice CVIČENÍ Z ELEKRONIKY Harmonická analýza Příjmení : Česák Číslo úlohy : Jméno : Petr Datum zadání :.1.97 Školní rok : 1997/98 Datum odevzdání : 11.1.97
VíceDEFINICE Z LINEÁRNÍ ALGEBRY
DEFINICE Z LINEÁRNÍ ALGEBRY Skripta Matematické metody pro statistiku a operační výzkum (Nešetřilová, H., Šařecová, P., 2009). 1. definice Vektorovým prostorem rozumíme neprázdnou množinu prvků V, na které
VíceMatematika I A ukázkový test 1 pro 2014/2015
Matematika I A ukázkový test 1 pro 2014/2015 1. Je dána soustava rovnic s parametrem a R x y + z = 1 x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a a) Napište Frobeniovu větu (existence i počet řešení). b)
VíceHODNOST A DETERMINANT MATICE, INVERZNÍ MATICE
MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA HODNOST A DETERMINANT MATICE, INVERZNÍ MATICE Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s
VíceMatematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic
Přednáška třetí (a pravděpodobně i čtvrtá) aneb Úvod do lineární algebry Matice a soustavy rovnic Lineární rovnice o 2 neznámých Lineární rovnice o 2 neznámých Lineární rovnice o dvou neznámých x, y je
VíceKMA Písemná část přijímací zkoušky - MFS 2o16
JMÉNO a PŘÍJMENÍ KMA Písemná část přijímací zkoušky - MFS 2o16 verze 1 / 28. 6. 2016 Pokyny k vypracování: Za každý správně vyřešený příklad lze získat 2 body. U zaškrtávacích otázek, je vždy správná právě
VíceHODNOST A DETERMINANT MATICE, INVERZNÍ MATICE
MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA HODNOST A DETERMINANT MATICE, INVERZNÍ MATICE Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s
VícePRAVDĚPODOBNOST A STATISTIKA. Testování hypotéz o rozdělení
PRAVDĚPODOBNOST A STATISTIKA Testování hypotéz o rozdělení Testování hypotéz o rozdělení Nechť X e náhodná proměnná, která má distribuční funkci F(x, ϑ). Předpokládeme, že neznáme tvar distribuční funkce
VíceObvodové rovnice v časové oblasti a v operátorovém (i frekvenčním) tvaru
Obvodové rovnice v časové oblasti a v oerátorovém (i frekvenčním) tvaru EO Přednáška 5 Pavel Máša - 5. řednáška ÚVODEM V ředchozím semestru jsme se seznámili s obvodovými rovnicemi v SUS a HUS Jak se liší,
VíceTermodynamika ideálního plynu
Přednáška 5 Termodynamika ideálního lynu 5.1 Základní vztahy ro ideální lyn 5.1.1 nitřní energie ideálního lynu Alikujme nyní oznatky získané v ředchozím textu na nejjednodužší termodynamickou soustavu
VíceV p-v diagramu je tento proces znázorněn hyperbolou spojující body obou stavů plynu, je to tzv. izoterma :
Jednoduché vratné děje ideálního lynu ) Děj izoter mický ( = ) Za ředokladu konstantní teloty se stavová rovnice ro zadané množství lynu změní na známý zákon Boylův-Mariottův, která říká, že součin tlaku
VíceMatematika 4 FSV UK, LS Miroslav Zelený
Matematika 4 FSV UK, LS 2017-18 Miroslav Zelený 13. Diferenční rovnice 14. Diferenciální rovnice se separovanými prom. 15. Lineární diferenciální rovnice prvního řádu 16. Lineární diferenciální rovnice
VíceSpojitá náhodná veličina
Lekce 3 Sojitá náhodná veličina Příad sojité náhodné veličiny je komlikovanější, než je tomu u veličiny diskrétní Je to dáno ředevším tím, že jednotková ravděodobnost jistého jevu se rozkládá mezi nekonečně
VíceMATEMATIKA A Metodický list č. 1
Metodický list č. 1 Název tématického celku: Lineární algebra I Základním cílem tohoto tématického celku je objasnit některé pojmy lineární algebry a poukázat na jejich vzájemnou souvislost. Posluchači
Více7.5.13 Rovnice paraboly
7.5.1 Rovnice arabol Předoklad: 751 Př. 1: Seiš všechn rovnice ro arabol a nakresli k nim odovídající obrázk. Na každém obrázku vznač vzdálenost. = = = = Pedagogická oznámka: Sesání arabol je důležité,
VíceTermodynamické základy ocelářských pochodů
29 3. Termodynamické základy ocelářských ochodů Termodynamika ůvodně vznikla jako vědní discilína zabývající se účinností teelných (arních) strojů. Později byly termodynamické zákony oužity ři studiu chemických
VíceKapitola 11: Vektory a matice 1/19
Kapitola 11: Vektory a matice 1/19 2/19 Prostor R n R n = {(x 1,..., x n ) x i R, i = 1,..., n}, n N x = (x 1,..., x n ) R n se nazývá vektor x i je i-tá souřadnice vektoru x rovnost vektorů: x = y i =
Více13. cvičení z PSI ledna 2017
cvičení z PSI - 7 ledna 07 Asymptotické pravděpodobnosti stavů Najděte asymptotické pravděpodobnosti stavů Markovova řetězce s maticí přechodu / / / 0 P / / 0 / 0 0 0 0 0 0 jestliže počáteční stav je Řešení:
VíceDiferenciální rovnice a jejich aplikace. (Brkos 2011) Diferenciální rovnice a jejich aplikace 1 / 36
Diferenciální rovnice a jejich aplikace Zdeněk Kadeřábek (Brkos 2011) Diferenciální rovnice a jejich aplikace 1 / 36 Obsah 1 Co to je derivace? 2 Diferenciální rovnice 3 Systémy diferenciálních rovnic
Více0.1 Úvod do lineární algebry
Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Lineární rovnice o 2 neznámých Definice 011 Lineární rovnice o dvou neznámých x, y je rovnice, která může být vyjádřena ve tvaru ax + by = c, kde
VíceEukleidovský prostor a KSS Eukleidovský prostor je bodový prostor, ve kterém je definována vzdálenost dvou bodů (metrika)
Eukleidovský prostor a KSS Eukleidovský prostor je bodový prostor, ve kterém je definována vzdálenost dvou bodů (metrika) Kartézská soustava souřadnic je dána počátkem O a uspořádanou trojicí bodů E x,
Více10. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo
0. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo (PEF PaA) Petr Gurka aktualizováno 9. prosince 202 Obsah Základní pojmy. Motivace.................................2 Aritmetický vektorový
VíceDynamika populací. s + W = 1
Je-li oulace v genetické rovnováze, je stabilizovaná bez dalšího vývoje - evoluční stagnace. V reálných oulacích zvířat a rostlin, kdy nejsou slňovány výše zmíněné odmínky rovnováhy, je H.-W. genetická
VíceMatematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan. 14.
Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan 14. Vlastní vektory Bud V vektorový prostor nad polem P. Lineární zobrazení f : V
VícePokud světlo prochází prostředím, pak v důsledku elektromagnetické interakce s částicemi obsaženými
1 Pracovní úkoly 1. Změřte závislost indexu lomu vzduchu na tlaku n(). 2. Závislost n() zracujte graficky. Vyneste také závislost závislost vlnové délky sodíkové čáry na indexu lomu vzduchu λ(n). Proveďte
VíceANTAGONISTICKE HRY 172
5 ANTAGONISTICKÉ HRY 172 Antagonistický konflikt je rozhodovací situace, v níž vystupují dva inteligentní rozhodovatelé, kteří se po volbě svých rozhodnutí rozdělí o pevnou částku, jejíž výše nezávisí
VíceStatistika a spolehlivost v lékařství Charakteristiky spolehlivosti prvků I
Statistika a spolehlivost v lékařství Charakteristiky spolehlivosti prvků I Příklad Tahová síla papíru používaného pro výrobu potravinových sáčků je důležitá charakteristika kvality. Je známo, že síla
Více7. Důležité pojmy ve vektorových prostorech
7. Důležité pojmy ve vektorových prostorech Definice: Nechť Vje vektorový prostor a množina vektorů {v 1, v 2,, v n } je podmnožinou V. Pak součet skalárních násobků těchto vektorů, tj. a 1 v 1 + a 2 v
VíceLineární algebra Operace s vektory a maticemi
Lineární algebra Operace s vektory a maticemi Robert Mařík 26. září 2008 Obsah Operace s řádkovými vektory..................... 3 Operace se sloupcovými vektory................... 12 Matice..................................
VíceOperace s maticemi. 19. února 2018
Operace s maticemi Přednáška druhá 19. února 2018 Obsah 1 Operace s maticemi 2 Hodnost matice (opakování) 3 Regulární matice 4 Inverzní matice 5 Determinant matice Matice Definice (Matice). Reálná matice
VícePředpjatý beton Přednáška 6
Předjatý beton Přednáška 6 Obsah Změny ředětí Okamžitým ružným řetvořením betonu Relaxací ředínací výztuže Přetvořením oěrného zařízení Rozdílem telot ředínací výztuže a oěrného zařízení Otlačením betonu
Více