Vliv měřicí techniky na kvalitu regulace

Rozměr: px
Začít zobrazení ze stránky:

Download "Vliv měřicí techniky na kvalitu regulace"

Transkript

1 Proceedgs of Iteratoal Scetfc Coferece of FME Sesso 4: Automato Cotrol ad Appled Iformatcs Paper 43 Vlv měřcí techky a kvaltu regulace VDOLEČEK, Fratšek & SOUKUP, Karel Ig., CSc., Ústav automatzace a formatky, Vysoké učeí techcké v Brě, Fakulta strojího žeýrství, Techcká, Bro, vdolecek@ua.fme.vutbr.cz, Ig., soukup@ ua.fme.vutbr.cz Abstrakt: Př asazeí automatckého řídcího systému se zajímáme také o výsledou kvaltu řízeí. Na kvaltě regulace se začou měrou podílí vedle regulátoru také měřcí techka. Měřcí řetězec vytváří zpětovazebí větev regulačího obvodu a dodává regulátoru potřebé formace o stavu příslušých velč. Příspěvek s všímá právě vztahů mez výsledou kvaltou regulace a parametry použté měřcí techky. Klíčová slova: kvalta regulace,měřcí řetězec, ejstota měřeí, přesost, Úvod V každodeí prax se kolem ás ve stále šrší míře uplatňují ejrůzější automatcká zařízeí. Jejch podstatou výhodou je eje zbaveí člověka mootóí úavé práce, ale rověž záruka, že po celou dobu provozu můžeme očekávat relatvě stablí kvaltu fukce takovéhoto zařízeí. Zcela teoretcky bychom měl předpokládat kostatí kvaltu práce v celém cyklu techckého žvota automatckého systému, ale praxe je zde závslá a moha dalších faktorech, především pak a egatvím působeí okolího prostředí. Prostředí svým vlvy a dalším porucham působí s růzou teztou a účkem a jedotlvé čley regulačího obvodu. Následující příspěvek se ale chce zaměřt a problém kvalty regulace z jého zorého úhlu. Pomeme-l vlvy prostředí, postupující opotřebeí a další zákoté působeí a celý systém, mohl bychom dospět k přblžě teoretckému stavu, tak jak jsme ho zvyklí v teor řízeí posuzovat pomocí krtérí, přpomeutých v kap.. Běžá krtéra kvalty vycházejí jedak z globálího pohledu a celý systém, jedak preferují domatí postaveí regulátoru, řídcího systému, v celém regulačím obvodu. Přtom se často edoceňuje úloha měřcí techky. Jž v úvodích předáškách př výuce příslušých předmětů je studetům zdůrazěa ezbytost zpěté vazby v automatckém řízeí, čímž se vlastě podtrhuje utá přítomost měřcího řetězce, který tuto vazbu vytváří (obr.). Tím ale mohdy veškerá pozorost měřeí bohužel také kočí, všecho další se jž odehrává v rově teore řízeí, opírající se o regulátor, č řídící systém. Pracovík, který s takovým ávyky přjde do praxe, pak zcela samozřejmě přeceňuje schopost regulátoru. Nastaou-l problémy, kvaltu regulace evyjímaje, pak zdaleka estačí hledat chybu u samotého regulátoru. A te ejdokoalejší řídcí systém edokáže uregulovat soustavu, jestlže mu měřcí řetězec bude dodávat zkresleé formace o stavu sledovaých velč.

2 Regulátor (řídcí systém) Akčí čle Regulovaá soustava Zpětá vazba (měřcí řetězec) Obr. Schéma uzavřeého regulačího obvodu Kvalta regulace Jako u všech strojů, zařízeí čostí, tak u regulace (automatckého řízeí) ás zajímá a jedom z předích míst její kvalta. Kvalta regulace se posuzuje a základě vyhodoce regulačího pochodu průběhu regulovaé velčy, který je odezvou celého systému a skokovou změu řídcí ebo poruchové velčy. Zpravdla přtom hodotíme tyto charakterstcké parametry, jejchž výzam je mmo jé patrý také z obr.: regulačí plocha ejvětší regulačí odchylka, trvalá regulačí odchylka doba regulace y S r e max ±Δy (±5%) e trv t t R Obr. Parametry kvalty regulace S r - regulačí plocha, t R - doba regulace, e trv trvalá regulačí odchylka, e max - ejvětší regulačí odchylka Velm často se zjedodušuje pojem kvalty regulace záměou s prvím parametrem - posouzeím regulačí plochy. Toto krtérum je v jstém slova smyslu eergetckým hodoceím, protože plocha regulačího pochodu je úměrá eergetckým árokům a

3 odstraěí regulačí odchylky, vzklé poruchou. Zjštěí plochy souvsí s jejím určeím pomocí tegrálu, a proto se krtérum často azývá také jako tegrálí krtérum kvalty regulace. Jak je zámo z řady lterárích prameů, apř. [, 5], používáme ho ve dvou podobách, jako leárí ebo kvadratckou regulačí plochu. Za předpokladu, že se po odezěí poruchy vrátí regulovaá velča do původího stavu a platí tedy, že y( ) = y(0), je leárí regulačí plocha S rl, respektve kvadratcká regulačí plocha S rk defováa tegrálem: S rl = 0 y () t dt resp. S = [ y() t ] rk,. dt 0 Pro prax má ale ěkdy mohem větší výzam hodoceí podle ejvětší regulačí odchylky, resp. podle trvalé regulačí odchylky, když se setkáme s případy, že právě teto pohled a kvaltu je přehlíže. Největší regulačí odchylka (maxmálí překmt) umožňuje celkové dyamcké posouzeí systému a může ám u ěkterých zařízeí způsobt emalé problémy v oblast stablty, popřípadě vést k porušeí ěkteré část regulačího obvodu, překročí-l tato maxmálí výchylka přípusté meze přetížtelost daého čleu. Rověž tak je možo považovat za velm troufalé tvrzeí o kvaltí regulac, pokud ám po odezěí poruchy zůstae a výstupu trvalá odchylka, respektve po změě žádaé hodoty se ám ustálí systém v ové stablí poloze, která se ale výrazě lší od skutečě požadovaé. Právě tomuto pohledu a kvaltu se chce blíže věovat další část příspěvku. Čtvrtým parametrem kvalty regulace je doba regulace, což je čas, za který klese odchylka regulovaé velčy pod jstou přípustou mez, za íž se pak v oboru regulačí techky ejčastěj volí 5 % chyba. To mmo jé úzce souvsí s dalším dyamckým vlastostm systémů. U běžých zařízeí můžeme předpokládat, že do 5 % tolerace kolem stablí hodoty se př tlumeém kmtavém děj, jak ho ukazuje apř. obr.., se dostaeme v cca trojásobku časové kostaty. Pokud bychom tedy staovl požadavek běžý apříklad v měřcí techce, tj. tolerac ± % od stablí polohy, pak bychom měl počítat s dobou regulačí doby kolem pětásobku časové kostaty. Veškeré parametry se sažíme mmalzovat. To v prax zameá, že za vhodější z pohledu kvalty regulace (kvaltější) považujeme takový systém, který má meší regulačí plochu, kratší dobu regulace a meší hodoty regulačích odchylek. 3 Měřcí techka v regulačím obvodu 3. Měřcí řetězec Jak jž bylo uvedeo v úvodí kaptole, tak měřcí techka eodmysltelě do regulace patří. Právě pomocí měřcího řetězce je možo realzovat zpětou vazbu, bez íž by řízeí emohlo fugovat a změlo by se v pouhé ovládáí, což je vlastě krok o geerac zpět. Měřcí techka vytváří zpětou vazbu, kterou jsou dodáváy potřebé formace o stavu regulovaé velčy, ale také o parametrech okolí soustavy, zdrojích poruchových vlvů atd. do regulátoru, č řídcího systému. Zcela vyjímečě můžeme chápat měřcí techku jako jedoduchý přístroj. Zejméa v deší době se prosazují stále více komplkovaé řetězce, které současě upravují sgál, esoucí formac o sledovaých velčách, do podoby zpracovatelé ústředím řídícím čleem. Měřcí řetězec s můžeme představt jako skutečě sérové seřazeí jedotlvých prvků, jak to ázorě ukazuje obr.3. Des jž zdaleka epostačuje jedoduchý símač příslušé měřeé velčy, ale získaý sgál je dále zpracovává a upravová ásledým prvky měřcího řetězce do podoby, která je co ejvhodější k dalšímu přeosu zpracováí regulátorem.

4 Jestlže tedy u klasckého měřcího řetězce bude formace kočt a ějaké zobrazovací jedotce, pak v regulačím obvodu bude kocovým prvkem ústředí čle regulátoru. Símač Předzeslovač Převodík Zeslovač Vysílač Přjímač Fltr Zeslovač Převodík Zobrazovací jedotka (ústředí čle regulátoru) Obr. 3 Příklad uspořádáí měřcího řetězce Měřcí řetězec v astíěé verz má podstatou výhodu v úpravách sgálu do podoby, co ejvhodější k dalšímu přímému zpracováí řídcím systémem a také co možá ejodolější vůč případým rušeím po přeosové trase. Teto klad je ale současě vykoupe problémem, že každý prvek řetězce s s sebou zpravdla přáší jstou epřesost a ejstotu, kterou přeáší do výsledé podoby formace. Čím četější tedy budou prvky v řetězc, tím můžeme počítat s větší výsledou ejstotou. Další komplkace se objeví u systémů hybrdích, kde může přbýt řada dalších převodíků. Často se sažíme, aby prvky ějakého systému byly shodé ve vybraých parametrech ebo se alespoň velm podobaly. Toto se ám edaří pro základí fukčí vlastost čleů měřcího řetězce splt, takže apř. přesost ovlví především símače, vysílače, přjímače apod. Naopak převodíky, zeslovače aj. bývají často řádově přesější, takže jejch vlv mohdy můžeme zaedbat, až bychom s tím výsledky zehodotl. 3. Nejstoty měřeí V prax se je zcela vyjímečě shoduje správá (kovečě pravá) hodota s hodotou aměřeou (dkovaou) měřcí techkou. Rozdíl mez oběma hodotam je chyba měřeí, která by ale dle současé metodky mezárodích metrologckých předpsů měla být důsledě uváděa jako ejstoty měřeí. Jako ejstotu měřeí obvykle defujeme určtý parametr, který souvsí bezprostředě s výsledkem měřeí a který charakterzuje rozpětí hodot, v chž se achází výsledá aměřeá hodota vůč hodotě pravé. Př klasckých přístupech se ám je málokdy podařlo určt úplě systematckou chybu. Přes veškerou sahu se mohdy jedalo pouze o odhad, který elmoval je část (byť podstatou) komplexí systematcké chyby a část jí pak poechal eposthutou, popř. předpokládal zahrutí tohoto zbytku do složky chyby ahodlé. Tato hodota se může bezprostředě dotýkat výsledků měřeí, hodot odečítaých pomocí přístrojů, hodot použtých kostat, korekcí apod., a kterých ejstota výsledku závsí. Další podstatou ovkou je, že s ejstotam typu B, tj těm, které mají charakter systematckých chyb se adále pracuje jako se statstckým hodotam. Metodka rozezává tř základí typy ejstot podle způsobu jejch určeí: ejstoty typu A - získaé statstckým metodam z aměřeých hodot ejstoty typu B - určeé jým ež statstckým metodam ejstoty kombovaé Nejstota typu A se určuje statstckým zpracováím aměřeých hodot. Tato ejstota je reprezetováa výběrovým rozptylem opakovaě měřeé hodoty a jedá se o aalog s vyhodocováím áhodých složek chyb. Základím předpokladem pro její staoveí je možost opakováí měřeí za stejých podmíek. Nejčastěj se předpokládá, že jsme schop měřeí opakovat alespoň 0x. Pro meší počet opakovaých měřeí pak předpokládáme

5 většou zalost jého podobého souboru s větším počtem měřeí (blížícího se z hledska statstky základímu souboru) a jehož základě a zalost (odhadu) jeho ejstot přepočteme ejstoty ašeho souboru. Nejstotu tohoto typu pro velču y zpravdla ozačujeme u Ay. Nejstoty typu B jsou takové, které musíme zjšťovat jým ež statstckým metodam z opakovaých měřeí. Jedá se vlastě o aalog se systematckým složkam chyb, které a aše měřeí působí. Za jejch ejčastější zdroje jsou ozačováy edokoalost: použtých měřcích přístrojů a systémů použtých metod měřeí použtých přepočtových kostat př epřímém měřeí použtých výpočtových vztahů (learzace apod.) podmíek měřeí (vlvy prostředí...) Pro měřeí přímá se tedy bude jedat o hodoty zámých korekcí použtého přístroje, chyby metody, vlvy okolího prostředí, ať jž působící přímo ebo prostředctvím dalších velč. Př epřímém měřeí budou domatí především růzé learzace a zjedodušující úpravy výpočtových vzorců a vztahů k určeí hledaé výsledé velčy, zaokrouhlováí použtých kostat atd. Aalogcky j pro velču y ozačíme u By. Je zřídka vystačíme v prax s jedím ebo druhým typem ejstoty samostatě. Pak je zapotřebí staovt výsledý efekt kombovaých ejstot měřeí obou předchozích typů. Výsledou ejstotu kombovaou vypočítáme jako odmocu ze součtu čtverců obou předchozích typů ejstot u Ay a u By. 3.3 Staoveí velkost ejstot měřeí Obecě určíme ejstotu hodoty příslušé velčy jako ejstotu jejího odhadu, rozložeého do Taylorovy řady: u y m = A = u x kde u x jsou jedotlvé složky ejstot a A je koefcet ctlvost, (převodu) příslušého zdroje ejstot pro který platí: A f ( X, X,... X m ) = X X = x,..., X m = x m U prví skupy ejstot typu A, tj. ejstot, které můžeme staovt statstckým vyhodoceím z opakovaých měřeí, ám odhad hodoty měřeé velčy ahradí artmetcký průměr: x = x = Stadardí ejstotu typu A pak představuje směrodatá odchylka artmetckého průměru: u x x s ( ) x = Ax = sx = = resp. u Ax = ( ) s p když s x, resp. s p jsou směrodaté odchylky výběrových souborů.

6 Podobě se systematckým složkam korespodují ejstoty typu B, které opakováím měřeí určt elze. Ve většě případů jsou ejstoty tohoto typu pro výsledky měřeí podstatě ebezpečější. Zatímco v předchozím případě bylo možo rozptyl zúžt zvýšeím počtu měřeí, pak zde je ebezpečí, že ěkterou složku zcela opomeeme. Výrazou výhodou ového pojetí je, že tuto ejstotu chápeme stejě jako předchozí a pracujeme s í v podobě zcela aalogcké statstckému rozptylu s (σ ). Nejstoty typu B určíme jako podíl maxmálí chyby příslušého -tého zdroje a koefcetu příslušého předpokládaého rozděleí pravděpodobost jeho působeí: u Bz = z k max kde k je hodota koefcetu dle příslušého rozděleí: - pro ormálí rozděleí (N) k = 3 (k = ), - pro rovoměré pravoúhlé rozděleí (R) k = 3, - pro trojúhelíkové rozděleí (S) k =,45, - pro bmodálí rozděleí (U) k =. Sečítáí jedotlvých dílčích ejstot jedoho typu v jejch výsledou hodotu vzájemé sečítáí obou typů A a B v ejstotu kombovaou se provádí prostředctvím jejch čtverců. Výsledou stadardí ejstotu kombovaou tedy získáme prostředctvím součtu obou složek stadardích ejstot: u = u + u Cy Ay By Právě z tohoto vztahu je možo vyvodt závěry, že e vždy musíme zákotě sledovat oba typy ejstot. Pokud se ám podaří prokázat, že podíl ěkteré složky je vůč druhé výrazě meší, pak lze předpokládat, že se právě díky tomuto součtovému vztahu jak výrazě eprojeví. Uvážíme-l apř. rozdíl v jedom řádu, pak lze příslušý typ zcela zaedbat a výrazější složku považovat současě za výsledou ejstotu celkovou. Řada árodích metrologckých předpsů evropských států dokoce přpouští zaedbáí ěkteré ze složek jž př jejch čtyřásobém rozdílu. Zejméa staoveí ejstot typu B a případě ctlvostích koefcetů jedotlvých ejstot je velm závslé a zkušeost a rutě obsluhy. Celou stuac může výzamě zkomplkovat použtí jedého símače pro určeí více parametrů apod. případy, kdy budou dílčí velčy př epřímých metodách měřeí vystavey vlvům vzájemých korelačích účků. Pak se celá metodka staoveí ejstot komplkuje a je třeba zahrout do vztahů ještě kovarace jedotlvých složek mez sebou. Podobě př měřeí více velč současě přechází celá problematka zpracováí do matcové podoby. Cílem tohoto příspěvku však eí detalí rozbor ejstot měřeí. Zájemcům o podrobější studum této problematky lze proto s výhodou doporučt apř. lt. [, 3, 7]. 4 Vlv měřcího řetězce a kvaltu regulace Jestlže se příspěvek oretuje a kvaltu regulace, pak jedou z rozhodujících vlastostí, které budou mít a výsledek regulace vlv, je zejméa přesost měřcí techky, resp. přesost celé zpěté vazby. Přesost měřeí je podle příslušých termologckých orem defováa jako těsost shody mez výsledkem měřeí a pravou (kovečě pravou) hodotou měřeé velčy. V automatckém řízeí se sažíme právě o co ejlepší výsledky celého regulačího procesu a v této souvslost s zovu přpomeňme krtérum mmálí trvalé regulačí odchylky.

7 Pro model měřcího řetězce z obr. 3 platí, že je typckým sérovým uspořádáím, takže výsledý přeos řetězce je součem přeosů dílčích. Pokud model souču uplatíme pro staoveí přesost, lze říc, že výsledá relatví chyba souču δ C je součtem dílčích relatvích chyb, což lze také zobect do podoby součtu tříd přesost Tp. Třída přesost bývá u měřcí techky velm často uváděa jako charakterstcký parametr a předích místech, popřípadě j můžeme z techckých podmíek poměrě sado určt. Výsledá relatví chyba pak abývá ěkteré podoby ásledujícího vztahu: δ C = δ, resp. δ C = Tp (%) Pokud s pro větší ázorost pokusíme přblížt celou stuac modelovou úvahou, že jedotlvé prvky řetězce s budou svou přesostí velm podobé, pak př 0 čleech řetězce s třídou přesost 0, % bude výsledá relatví chyba zpěté vazby jž představovat celé %. Pokud bychom tedy přpustl chybu jedoho čleu 0,5 %, je chyba desetčleého řetězce jž celých 5 % a můžeme začít dokoce uvažovat o reálost sah, dostat pod tuto hrac tolerace regulovaé velčy. Naštěstí se skutečost, jak azačla kap. 3 od tohoto modelu lší a výsledek podstatě ovlví je ěkteré čley řetězce, zatímco vlv jých můžeme zaedbat. Další úvahy můžeme vést opět v rově relatvích, č absolutích epřesostí. Pokud zůstaeme v relatvím vyjádřeí, zameá to, že regulátor svým působeím emůže chyby a ejstoty, vzklé v měřcím řetězc odstrat. Bude-l regulátor schope docílt maxmálí přesost, pak musíme přpustt, že apříklad % ejstota, způsobeá měřeím a projevující se jako možé kolísáí údaje a vstupu do regulátoru, zůstae zachováa adále a se stejou % ejstotou bude kolísat zákotě hodota regulovaé velčy. Toto je však spíše te lepší případ. Skutečost může být spíše taková, že regulátor ejstoty zaváděé do systému měřeím dále zhorší. Uvědomíme-l s, že jedou z charakterstckých hodot u espojtě pracujících regulátorů je pásmo ectlvost, popř. že základem téměř všech spojtých regulátorů je proporcoálí čle, charakterzovaý zesíleím, pak musíme očekávat zesíleí ejstoty č chyby, což se projeví právě v oom parametru trvalé regulačí odchylky. Samozřejmě, že souvslost jsou eúprosé a lze očekávat rověž zvětšeí maxmálího překmtu, což ale bude zákotě provázeo větší plochou regulačího pochodu. Problém eřeší a ejrůzější kombace regulátorů (P-I-D), protože sebedokoalejší regulátor může reagovat je a výchylky a vstupu, a zde eustále uvažovaé ejstoty měřcího řetězce jsou zkresleím formací o skutečém stavu regulovaé (č jé sledovaé) velčy. Případy, kdy s s velkou ejstotou a vstupu dokáže poradt sám regulátor budou spíše vyjímkou. Mohl bychom sem počítat ěkteré specálí rozvětveé regulačí obvody, kdy pomocá měřeá velča č pomocá regulovaá velča dokáží částečě elmovat vstupí epřesost. Další cesta ke zmírěí problémů je jedozačá, a maxmálí a přtom ekoomcky úosou míru zpřest měřeí zúžt ejstoty měřcího řetězce zpěté vazby. Jou varatou řešeí mohou být dokoalejší řídcí systémy, které v režmu samoučeí ebo specálích kompezačích programů, budou schopy chyby měřcí větve alespoň částečě elmovat. Toto je ale opět problém promítající se do ekoomcké stráky realzace a ve většě případů by arazl a problémy s retabltou a ávratostí takového systému. 5 Závěr Sebedokoalejší řídcí systém ebude schope docílt potřebých výsledků, dodáme-l mu zpětovazebí měřcí větví obvodu edokoalé č zkresleé formace. Požadujeme-l dokoalou kvaltu regulace a příslušě úzké tolerace, ve kterých se bude pohybovat

8 regulovaá velča, pak musíme stejě velkou pozorost jako parametrům regulátoru věovat také vlastostem měřcího řetězce. U běžých realzací můžeme předpokládat, že ejstoty, které do systému vese měřc techka budou zachováy, popřípadě ještě zvětšey působeím regulátoru. Hodotíme-l kvaltu regulace, pak se v prvé řadě emůžeme spokojt je s eergetckým pohledy a mmalzac regulačí plochy, ale musíme se věovat velkostem regulačích odchylek. Nejstota měřcího obvodu se projeví zkresleím formací vstupujících do regulátoru, takže teto emůže dosáhout s edokoalým vstupy dokoalých výstupů. Lze tedy s jstou adsázkou říc, že a kvaltě regulace se v prvé řadě projevuje kvalta měřcí techky, teprve pak ásleduje samotý řídcí čle. Jým slovy oo klascké: Regulovat můžeme je to, co dokážeme změřt se dá přeformulovat a: Kvaltě dokážeme regulovat je to, co dokážeme změřt s dostatečou přesostí. S problematkou se musí vyrovat sám původce, tj. měřcí techka. Jak se pokusl teto příspěvek azačt, pro kvaltí regulac potřebujeme kvaltí a především přesou měřcí techku. Proto je zapotřebí věovat pozorost základím vlastostem a přesost jedotlvých prvků řetězce zpěté vazby jako celku. Toho docílíme použtím kvaltí techky, pravdelým kalbracem měřcí techky, kterým se o reálém stavu přesvědčíme, popřípadě použtím telgetí techky. Itelgetí símače, tzv. SMART símače jsou sce ákladější, umožňují velký komfort zpracováí sgálu, ale především jsou schopy kompezací a korekcí ejstot díky vestavěé pamět, kam se veškeré výsledky kalbrací mohou ukládat, popř. jsou přímo vybavey autokalbračím fukcem. Jou možostí je kumulace korekčích a kompezačích čostí v číslcovém řídcím systému počítač, kde je tak obsažea vedle řídící část podstatá část měřcí větve obvodu, což jž v deší době u moha programových produktů, určeých pro řízeí a měřeí je samozřejmostí. V žádém případě to ezameá, že bychom eměl věovat pozorost parametrům regulátoru. Ty mají své ezastuptelé místo a musí mít pro dosažeí celkové výsledé kvalty regulace rověž potřebé parametry, ať se jedá o regulátory klascké, kompaktí č jejch číslcová softwarová provedeí. Chceme-l dosáhout optmálí kvalty regulace, emůžeme přecet a podcet žádou část regulačího obvodu, svou rol zde sehraje jak měřcí techka zpěté vazby, tak regulátor, akčí čley a přzpůsobeí s často vyžádá relatvě předem daá regulovaá soustava. Lteratura. CHUDÝ, V. PALENČÁR, R. KUREKOVÁ, E. HALAJ, M.: Merae techckých velčí. Vydavatelstvo STU, Bratslava, JOHN, J.: Systémy a řízeí. Vydavatelství ČVUT, Praha PALENČÁR, R.- HALAJ, M: Metrologcké zabezpečee systémov radea kvalty. Vydavateľstvo STU, Bratslava SLÁDEK, Z. VDOLEČEK, F.: Techcká měřeí. Nakladatelství VUT, Bro, ŠVARC, I.: Teore automatckého měřeí I. Nakladatelství VUT, Bro, VDOLEČEK, F.: Spolehlvost měřcí techky v regulac. I: Proces Cotrol 000, Kouty ad Desou 000. V tsku. 7. TPM 005. Staoveí ejstot př měřeích. 993.

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A Nejstoty měřeí Pro každé přesé měřeí potřebujeme formac s jakou přesostí bylo měřeí provedeo. Nejstota měřeí vyjadřuje terval ve kterém se achází skutečá hodota měřeé velčy s určtou pravděpodobostí. Nejstota

Více

P1: Úvod do experimentálních metod

P1: Úvod do experimentálních metod P1: Úvod do epermetálích metod Chyby a ejstoty měřeí - Každé měřeí je zatížeo určtou epřesostí, která je způsobea ejrůzějším egatvím vlvy, vyskytujícím se v procesu měřeí. - Výsledek měřeí se díky tomu

Více

1. Základy měření neelektrických veličin

1. Základy měření neelektrických veličin . Základ měřeí eelektrckých velč.. Měřcí řetězec Měřcí řetězec (měřcí soustava) je soubor měřcích čleů (jedotek) účelě uspořádaých tak, ab blo ožě splt požadovaý úkol měřeí, tj. získat formac o velkost

Více

Chyby přímých měření. Úvod

Chyby přímých měření. Úvod Chyby přímých měřeí Úvod Př zjšťováí velkost sledovaé velčy dochází k růzým chybám, které ovlvňují celkový výsledek. V pra eestuje žádá metoda měřeí a měřcí zařízeí, které by bylo absolutě přesé, což zameá,

Více

[ jednotky ] Chyby měření

[ jednotky ] Chyby měření Chyby měřeí Provedeme-l určté měřeí za stejých podmíek vícekrát, jedotlvá měřeí se mohou odlšovat (z důvodu koečé rozlšovací schopost měř. přístrojů, áhodých vlvů apod.). Chyba měřeí: e = x x x...přesá

Více

3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě.

3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě. 3. Hodoceí přesost měřeí a vytyčováí. Odchylky a tolerace ve výstavbě. 3.1 Úvod o měřeí obecě 3.2 Chyby měřeí a jejch děleí 3.2.1 Omyly a hrubé chyby 3.2.2 Systematcké chyby 3.2.3 Náhodé chyby 3.3 Výpočet

Více

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i : ometové míry polohy zahrují růzé druhy průměrů pomocí kterých můžeme charakterzovat cetrálí tedec dat ometové míry polohy jsou jedoduché číselé charakterstky které se vyčíslují ze všech prvků výběru

Více

Generování dvojrozměrných rozdělení pomocí copulí

Generování dvojrozměrných rozdělení pomocí copulí Pravděpodobost a matematcká statstka eerováí dvojrozměrých rozděleí pomocí copulí umbelova copule PRAHA 005 Vpracoval: JAN ZÁRUBA OBSAH: CÍL PRÁCE TEORIE Metoda verzí trasformace O copulích Sklarova věta

Více

VY_52_INOVACE_J 05 01

VY_52_INOVACE_J 05 01 Název a adresa školy: Středí škola průmyslová a umělecká, Opava, příspěvková orgazace, Praskova 399/8, Opava, 74601 Název operačího programu: OP Vzděláváí pro kokureceschopost, oblast podpory 1.5 Regstračí

Více

Odhady parametrů základního. Ing. Michal Dorda, Ph.D.

Odhady parametrů základního. Ing. Michal Dorda, Ph.D. Odhady parametrů základího souboru Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt celou populac, provádíme

Více

9. Měření závislostí ve statistice. 9.1. Pevná a volná závislost

9. Měření závislostí ve statistice. 9.1. Pevná a volná závislost Dráha [m] 9. Měřeí závslostí ve statstce Měřeí závslostí ve statstce se zývá především zkoumáím vzájemé závslost statstckých zaků vícerozměrých souborů. Závslost přtom mohou být apříklad pevé, volé, jedostraé,

Více

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014. Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95

Více

LABORATORNÍ CVIČENÍ Z FYZIKY. Měření objemu tuhých těles přímou metodou

LABORATORNÍ CVIČENÍ Z FYZIKY. Měření objemu tuhých těles přímou metodou ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE KATEDRA FYZIKY LABORATORNÍ CVIČENÍ Z FYZIKY Jméo: Petr Česák Datum měřeí:.3.000 Studjí rok: 999-000, Ročík: Datum odevzdáí: 6.3.000 Studjí skupa: 5 Laboratorí skupa:

Více

a další charakteristikou je četnost výběrového souboru n.

a další charakteristikou je četnost výběrového souboru n. Předáška č. 8 Testováí rozptylu, testy relatví četost, testy dobré shody, test ezávslost kvaltatvích zaků Testy rozptylu Testy se používají k ověřeí hypotézy o určté velkost rozptylu a k ověřeí vztahu

Více

Spolehlivost a diagnostika

Spolehlivost a diagnostika Spolehlvost a dagostka Složté systémy a jejch spolehlvost: Co je spolehlvost? Vlv spolehlvost kompoetů systému Návrh systému z hledska spolehlvost Aplkace - žvotě důležté systémy - vojeské aplkace Teore

Více

Odhady parametrů 1. Odhady parametrů

Odhady parametrů 1. Odhady parametrů Odhady parametrů 1 Odhady parametrů Na statistický soubor (x 1,..., x, který dostaeme statistickým šetřeím, se můžeme dívat jako a výběrový soubor získaý realizací áhodého výběru z áhodé veličiy X. Obdobě:

Více

Metody zkoumání závislosti numerických proměnných

Metody zkoumání závislosti numerických proměnných Metody zkoumáí závslost umerckých proměých závslost pevá (fukčí) změě jedoho zaku jedozačě odpovídá změa druhého zaku (podle ějakého fukčího vztahu) (matematka, fyzka... statstcká (volá) změám jedé velčy

Více

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností 4.2 Elemetárí statstcké zpracováí Výsledkem statstckého zjšťováí (. etapa statstcké čost) jsou euspořádaá, epřehledá data. Proto 2. etapa statstcké čost zpracováí, začíá většou jejch utříděím, zpřehleděím.

Více

Mendelova univerzita v Brně Statistika projekt

Mendelova univerzita v Brně Statistika projekt Medelova uverzta v Brě Statstka projekt Vypracoval: Marek Hučík Obsah 1. Úvod... 3. Skupové tříděí... 3 o Data:... 3 o Počet hodot:... 3 o Varačí rozpětí:... 3 o Počet tříd:... 4 o Šířka tervalu:... 4

Více

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou 1 Zápis číselých hodot a ejistoty měřeí Zápis číselých hodot Naměřeé hodoty zapisujeme jako číselý údaj s určitým koečým počtem číslic. Očekáváme, že všechy zapsaé číslice jsou správé a vyjadřují tak i

Více

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna. 6 Itervalové odhady parametrů základího souboru V předchozích kapitolách jsme se zabývali ejprve základím zpracováím experimetálích dat: grafické zobrazeí dat, výpočty výběrových charakteristik kapitola

Více

Úvod do korelační a regresní analýzy

Úvod do korelační a regresní analýzy Úvod do korelačí a regresí aalýz Bude ás zajímat, jak těsě spolu souvsí dva sledovaé jev Příklad: vztah mez rchlostí auta a brzdou dráhou vztah mez věkem žáka a rchlostí v běhu a 60 m vztah mez spotřebou

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

, jsou naměřené a vypočtené hodnoty závisle

, jsou naměřené a vypočtené hodnoty závisle Měřeí závslostí. Průběh závslost spojtá křvka s jedoduchou rovcí ( jedoduchým průběhem), s malým počtem parametrů, která v rozmezí aměřeých hodot vsthuje průběh závslost, určeí kokrétího tpu křvk (přímka,

Více

8 NELINEÁRNÍ REGRESNÍ MODELY

8 NELINEÁRNÍ REGRESNÍ MODELY 8 NELINEÁRNÍ REGRESNÍ MODELY 8 Tvorba eleárího regresího modelu Postup tvorby eleárího regresího modelu se dá rozčlet do těchto kroků: Návrh regresího modelu Obvykle se jako eleárí regresí model používá

Více

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D. Odhady parametrů základího souboru Ig. Mchal Dorda, Ph.D. Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl σ atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOT A TATITIKA Přpomeutí pojmů,, P m θ, R θ R - pravděpodobostí prostor - parametrcký prostor - parametrcká fukce,, T - áhodý vektor defovaý a pravděpodobostím prostoru,, P θ s hustotou f x,

Více

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013.

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013. Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95

Více

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojího ižeýrství Ústav strojíreské techologie ISBN 978-80-214-4352-5 VYSOCE PŘESNÉ METODY OBRÁBĚNÍ doc. Ig. Jaroslav PROKOP, CSc. 1 1 Fakulta strojího ižeýrství,

Více

Optimalizace portfolia

Optimalizace portfolia Optmalzace portfola ÚVOD Problémy vestováí prostředctvím ákupu ceých papírů sou klasckým tématem matematcké ekoome. Celkový výos z portfola má v době rozhodováí o vestcích povahu áhodé velčy, eíž rozložeí

Více

Přednáška č. 2 náhodné veličiny

Přednáška č. 2 náhodné veličiny Předáša č. áhodé velčy Pozámy záladím pojmům z počtu pravděpodobost Pozáma 1: Př výpočtu pravděpodobost áhodého jevu dle lascé defce je uté věovat pozorost způsobu formulace vybraého jevu. V ásledující

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

Náhodný výběr 1. Náhodný výběr

Náhodný výběr 1. Náhodný výběr Náhodý výběr 1 Náhodý výběr Matematická statistika poskytuje metody pro popis veliči áhodého charakteru pomocí jejich pozorovaých hodot, přesěji řečeo jde o určeí důležitých vlastostí rozděleí pravděpodobosti

Více

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění Předáška č. 0 Aalýza roztylu ř jedoduchém tříděí Aalýza roztylu je statstcká metoda, kterou se osuzuje romělvost oakovaých realzací áhodého okusu tj. romělvost áhodé velčy. Náhodá velča vzká za relatvě

Více

11. Časové řady. 11.1. Pojem a klasifikace časových řad

11. Časové řady. 11.1. Pojem a klasifikace časových řad . Časové řad.. Pojem a klasfkace časových řad Specfckým statstckým dat jsou časové řad pomocí chž můžeme zkoumat damku jevů v čase. Časovou řadou (damcká řada, vývojová řada) rozumíme v čase uspořádaé

Více

Zhodnocení přesnosti měření

Zhodnocení přesnosti měření Zhodoceí přesosti měřeí 1. Chyby měřeí Měřeím emůžeme ikdy zjistit skutečou (pravou) hodotu s měřeé veličiy. To je způsobeo edokoalostí metod měřeí, měřicích přístrojů, lidských smyslů i proměých podmíek

Více

Chyby měření: 1. hrubé chyby - nepozornost, omyl, únava pozorovatele... - významně převyšuje rozptyl náhodné chyby 2. systematické chyby - chybné

Chyby měření: 1. hrubé chyby - nepozornost, omyl, únava pozorovatele... - významně převyšuje rozptyl náhodné chyby 2. systematické chyby - chybné CHYBY MĚŘENÍ Opakovaé měřeí téže fyzkáí večy evede vždy k přesě stejým výsedkům. Této skutečost bychom se evyhu, kdybychom měřeí provádě s ejvětší důkadostí a precsostí aopak, čím ctvější a přesější jsou

Více

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT Základy práce s tabulkou Výukový modul III. Iovace a zkvaltěí výuky prostředctvím IC éma III..3 echcká měřeí v MS Excel Pracoví lst 5 Měřeí teploty. Ig. Jří Chobot VY_3_INOVACE_33_5 Aotace Iovace a zkvaltěí

Více

OVMT Přesnost měření a teorie chyb

OVMT Přesnost měření a teorie chyb Přesost měřeí a teorie chyb Základí pojmy Naměřeé údaje ejsou ikdy absolutě přesé, protože skutečé podmíky pro měřeí se odlišují od ideálích. Při každém měřeí vzikají odchylky od správých hodot chyby.

Více

T e c h n i c k á z p r á v a. Pokyn pro vyhodnocení nejistoty měření výsledků kvantitativních zkoušek. Technická zpráva č.

T e c h n i c k á z p r á v a. Pokyn pro vyhodnocení nejistoty měření výsledků kvantitativních zkoušek. Technická zpráva č. Evropská federace árodích asocací měřcích, zkušebích a aalytckých laboratoří Techcká zpráva č. /006 Srpe 006 Poky pro vyhodoceí ejstoty měřeí výsledků kvattatvích zkoušek T e c h c k á z p r á v a EUROLAB

Více

Statistika. Jednotlivé prvky této množiny se nazývají prvky statistického souboru (statistické jednotky).

Statistika. Jednotlivé prvky této množiny se nazývají prvky statistického souboru (statistické jednotky). Statstka. Základí pojmy Statstcký soubo - daá koečá, epázdá moža M předmětů pozoováí, majících jsté společé vlastost (událost, věc,.) Jedotlvé pvky této možy se azývají pvky statstckého soubou (statstcké

Více

S1P Popisná statistika. Popisná statistika. Libor Žák

S1P Popisná statistika. Popisná statistika. Libor Žák SP Popsá statstka Popsá statstka Lbor Žák SP Popsá statstka Lbor Žák Základí zdroje : skrpta Mateatka IV - doc. RNDr. Z. Karpíšek, CSc. ateatka o le - http://athole.fe.vutbr.cz/ Základ ateatcké statstk

Více

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru Lekce Normálí rozděleí v rově V této lekc se udeme věovat měřeí korelačí závslost dvojce áhodých velč (dvousložkového áhodého vektoru) Vcházet udeme z ormálího rozděleí pravděpodoost áhodého vektoru v

Více

Intervalové odhady parametrů některých rozdělení.

Intervalové odhady parametrů některých rozdělení. 4. Itervalové odhady parametrů rozděleí. Jedou ze základích úloh mtematické statistiky je staoveí hodot parametrů rozděleí, ze kterého máme k dispozici áhodý výběr. Nejčastěji hledáme odhady dvou druhů:

Více

Základní požadavky a pravidla měření

Základní požadavky a pravidla měření Základí požadavky a pravidla měřeí Základí požadavky pro správé měřeí jsou: bezpečost práce teoretické a praktické zalosti získaé přípravou a měřeí přesost a spolehlivost měřeí optimálí orgaizace průběhu

Více

Testování statistických hypotéz

Testování statistických hypotéz Testováí statstckých hypotéz - Testováí hypotéz je postup, sloužící k ověřeí předpokladů o ZS (hypotéz a základě výběrových dat (tj. hodot z výběrového souboru. - ypotéza = určtý předpoklad o základím

Více

Univerzita Karlova v Praze Pedagogická fakulta

Univerzita Karlova v Praze Pedagogická fakulta Uverzta Karlova v Praze Pedagogcká fakulta SEMINÁRNÍ PRÁCE Z OBECNÉ ALGEBRY DĚLITELNOST CELÝCH ČÍSEL V SOUSTAVÁCH O RŮZNÝCH ZÁKLADECH / Cfrk C. Zadáí: Najděte pět krtérí pro děltelost v jých soustavách

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

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC 5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC V této kaptole se dozvíte: jak je defováa fukce přrozeá odmoca v kompleím oboru a jaké má vlastost včetě odlšostí od odmocy v reálém

Více

jsou varianty znaku) b) při intervalovém třídění (hodnoty x

jsou varianty znaku) b) při intervalovém třídění (hodnoty x Výběr z eřeštelých příkladů ze zkouškových testů Jde o výběr z tpů příkladů, jejchž úspěšost řešeí u zkoušek se blíží ule. Itervalové versus bodové tříděí V tabulce je uvedeo rozděleí četostí a) př bodovém

Více

P2: Statistické zpracování dat

P2: Statistické zpracování dat P: Statistické zpracováí dat Úvodem - Statistika: věda, zabývající se shromažďováím, tříděím a ásledým popisem velkých datových souborů. - Základem statistiky je teorie pravděpodobosti, založeá a popisu

Více

Pravděpodobnostní modely

Pravděpodobnostní modely Pravděpodobostí modely Meu: QCEpert Pravděpodobostí modely Modul hledá metodou maimálí věrohodosti (MLE Maimum Likelihood Estimate) statistický model (rozděleí) který ejlépe popisuje data. Je přitom k

Více

Statistika - vícerozměrné metody

Statistika - vícerozměrné metody Statstka - vícerozměré metody Mgr. Mart Sebera, Ph.D. Katedra kezologe Masarykova uverzta Fakulta sportovích studí Bro 0 Obsah Obsah... Sezam obrázků... 4 Sezam tabulek... 4 Úvod... 6 Pojmy... 7 Náhodé

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

Úvod do teorie měření

Úvod do teorie měření Uverzta Jaa Evagelsty Purkyě v Ústí ad Labem Přírodovědecká fakulta Úvod do teore měřeí Prof. Chlář emář 0 Průměr, rozptyl a směrodatá odchylka X = X = ( X X ) = = = Výpočty pomocí vzorců a pomocí statstckých

Více

14. Korelace Teoretické základy korelace Způsoby měření závislostí pro různé typy dat

14. Korelace Teoretické základy korelace Způsoby měření závislostí pro různé typy dat 4. Korelace 4. Teoretcké základy korelace 4. Způsoby měřeí závslostí pro růzé typy dat Př prác se statstckým údaj se velm často setkáváme s daty, která jsou tvořea dvojcem, trojcem hodot. Složky takovýchto

Více

1.1 Definice a základní pojmy

1.1 Definice a základní pojmy Kaptola. Teore děltelost C. F. Gauss: Matematka je královou všech věd a teore čísel je králova matematky. Základím číselým oborem se kterým budeme v této kaptole pracovat jsou celá čísla a pouze v ěkterých

Více

Rekonstrukce vodovodních řadů ve vztahu ke spolehlivosti vodovodní sítě

Rekonstrukce vodovodních řadů ve vztahu ke spolehlivosti vodovodní sítě Rekostrukce vodovodích řadů ve vztahu ke spolehlvost vodovodí sítě Ig. Jaa Šekapoulová Vodáreská akcová společost, a.s. Bro. ÚVOD V oha lokaltách České republky je v současost aktuálí problée zastaralá

Více

1 Měření závislosti statistických znaků. 1.1 Dvourozměrný statistický soubor

1 Měření závislosti statistických znaků. 1.1 Dvourozměrný statistický soubor 1 Měřeí závlot tattckých zaků 1.1 Dvourozměrý tattcký oubor Př aalýze ekoomckých kutečotí á čato ezajímají jedotlvé velč jako takové, ale vztah mez m. Ptáme e, jak záví poptávka a ceě produktu, plat zamětaců

Více

(2.1) = = (2.2) (2.3)

(2.1) = = (2.2) (2.3) . NEJISTOTY MĚŘENÍ. PŘESNOST A CHYBY MĚŘENÍ A PŘÍSTROJŮ V prax ejso žádá měřeí, žádá měřcí metoda a žádý přístroj absoltě přesé. Nejrůzější egatví vlvy, které se v reálém měřcím proces vyskytjí, se projeví

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

ANALÝZA A KLASIFIKACE DAT

ANALÝZA A KLASIFIKACE DAT ANALÝZA A KLASIFIKACE DA prof. Ig. Jří Holčík, CSc. INVESICE Isttut DO bostatstky ROZVOJE VZDĚLÁVÁNÍ a aalýz IV. LINEÁRNÍ KLASIFIKACE pokračováí Isttut bostatstky a aalýz (SUPPOR VECOR MACHINE SVM) SEPARABILNÍ

Více

Úvod do zpracování měření

Úvod do zpracování měření Úvod do zpracováí měřeí Teore chb Opakujeme-l měřeí téže fzkálí velč za stejých podmíek ěkolkrát za sebou, dostáváme zpravdla růzé hodot. Měřeé velčě přísluší však jedá správá hodota. Každou odchlku aměřeé

Více

TĚŽIŠTĚ A STABILITA. Těžiště tělesa = bod, kterým stále prochází výslednice tíhových sil všech jeho hmotných bodů, ať těleso natáčíme jakkoli

TĚŽIŠTĚ A STABILITA. Těžiště tělesa = bod, kterým stále prochází výslednice tíhových sil všech jeho hmotných bodů, ať těleso natáčíme jakkoli SAIKA - těžště ĚŽIŠĚ A SABILIA ěžště tělesa bod, kterým stále prochází výsledce tíhových sl všech jeho hmotých bodů, ať těleso atáčíme jakkol bod, ke kterému astává rovováha mometů způsobeých tíhou jedotlvých

Více

Přednáška VI. Intervalové odhady. Motivace Směrodatná odchylka a směrodatná chyba Centrální limitní věta Intervaly spolehlivosti

Přednáška VI. Intervalové odhady. Motivace Směrodatná odchylka a směrodatná chyba Centrální limitní věta Intervaly spolehlivosti Předáška VI. Itervalové odhady Motivace Směrodatá odchylka a směrodatá chyba Cetrálí limití věta Itervaly spolehlivosti Opakováí estraé a MLE Jaký je pricip estraých odhadů? Jaký je pricip odhadů metodou

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

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti.

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti. 10 Cvičeí 10 Statistický soubor. Náhodý výběr a výběrové statistiky aritmetický průměr, geometrický průměr, výběrový rozptyl,...). Bodové odhady parametrů. Itervalové odhady parametrů. Jedostraé a oboustraé

Více

ÚVOD DO PRAKTICKÉ FYZIKY I

ÚVOD DO PRAKTICKÉ FYZIKY I JIŘÍ ENGLICH ÚVOD DO PRAKTICKÉ FYZIKY I ZPRACOVÁNÍ VÝSLEDKŮ MĚŘENÍ Jede z epermetů, které změly vývoj fyzky v mulém století. V roce 9 prof. H. Kamerlgh Oes ve své laboratoř v Leydeu měřl teplotí závslost

Více

12. Neparametrické hypotézy

12. Neparametrické hypotézy . Neparametrcké hypotézy V této část se budeme zabývat specálí částí teore statstckých hypotéz tzv. eparametrckým hypotézam ebo jak řečeo eparametrckým statstckým testy. Neparametrcké se azývají proto,

Více

PODNIKOVÁ EKONOMIKA 3. Cena cenných papírů

PODNIKOVÁ EKONOMIKA 3. Cena cenných papírů Semárky, předášky, bakalářky, testy - ekoome, ace, účetctví, ačí trhy, maagemet, právo, hstore... PODNIKOVÁ EKONOMIKA 3. Cea ceých papírů Ceé papíry jsou jedím ze způsobů, jak podk může získat potřebý

Více

Závislost slovních znaků

Závislost slovních znaků Závislost slovích zaků Závislost slovích (kvalitativích) zaků Obměy slovího zaku Alterativí zaky Možé zaky Tříděí věcé sloví řady: seřazeí obmě je subjektiví záležitostí (podle abecedy), možé i objektiví

Více

V. Normální rozdělení

V. Normální rozdělení V. Normálí rozděleí 1. Náhodá veličia X má ormovaé ormálí rozděleí N(0; 1). Určete: a) P (X < 1, 5); P (X > 0, 3); P ( 1, 135 < x ); P (X < 3X + ). c) číslo ε takové, že P ( X < ε) = 0,

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

Interpolační křivky. Interpolace pomocí spline křivky. f 1. f 2. f n. x... x 2

Interpolační křivky. Interpolace pomocí spline křivky. f 1. f 2. f n. x... x 2 Iterpolace pomocí sple křvky dáo: bodů v rově úkol: alézt takovou křvku, která daým body prochází y f f 2 f 0 f x0 x... x 2 x x Iterpolace pomocí sple křvky evýhodou polyomálí terpolace změa ěkterého z

Více

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ PRÁCE

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ PRÁCE ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ PRÁCE Praha 8 Pavel Třasák ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ

Více

APLIKOVANÁ STATISTIKA

APLIKOVANÁ STATISTIKA VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA MANAGEMENTU A EKONOMIKY VE ZLÍNĚ APLIKOVANÁ STATISTIKA FRANTIŠEK PAVELKA PETR KLÍMEK ZLÍN 000 Recezoval: Haa Lošťáková Fratšek Pavelka, Petr Klímek, 000 ISBN 80 4

Více

8.1.3 Rekurentní zadání posloupnosti I

8.1.3 Rekurentní zadání posloupnosti I 8.. Rekuretí zadáí poslouposti I Předpoklady: 80, 80 Pedagogická pozámka: Podle mých zkušeostí je pro studety pochopitelější zavádět rekuretí posloupost takto (sado kotrolovatelou ukázkou), ež dosazováím

Více

STATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson

STATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson STATISTIKA Statistika se těší pochybému vyzameáí tím, že je ejvíce epochopeým vědím oborem. H. Leviso Charakterizace statistického souboru Statistický soubor Prvek souboru Zak prvku kvatitativí teplota,

Více

2 STEJNORODOST BETONU KONSTRUKCE

2 STEJNORODOST BETONU KONSTRUKCE STEJNORODOST BETONU KONSTRUKCE Cíl kapitoly a časová áročost studia V této kapitole se sezámíte s možostmi hodoceí stejorodosti betou železobetoové kostrukce a prakticky provedete jede z možých způsobů

Více

9.3.5 Korelace. Předpoklady: 9304

9.3.5 Korelace. Předpoklady: 9304 935 Koelace Předpoklad: 9304 Zatím jsme se zabýval vžd pouze jedím zakem, ve statstckém výzkumu jsme však u každého jedotlvce (statstcké jedotk) sledoval zaků více Učtě spolu ěkteé zak souvsí (apříklad

Více

ANALÝZA NÁKLADOVÝCH A CENOVÝCH VZTAHŮ V ODPADOVÉM HOSPODÁŘSTVÍ ČR ANALYSIS OF COST AND PRICE RELATIONSHIPS IN WASTE MANAGEMENT OF THE CZECH REPUBLIC

ANALÝZA NÁKLADOVÝCH A CENOVÝCH VZTAHŮ V ODPADOVÉM HOSPODÁŘSTVÍ ČR ANALYSIS OF COST AND PRICE RELATIONSHIPS IN WASTE MANAGEMENT OF THE CZECH REPUBLIC ANALÝZA NÁKLADOVÝCH A CENOVÝCH VZTAHŮ V ODPADOVÉM HOSPODÁŘSTVÍ ČR ANALYSIS OF COST AND PRICE RELATIONSHIPS IN WASTE MANAGEMENT OF THE CZECH REPUBLIC Jří HŘEBÍČEK, Mchal HEJČ, Jaa SOUKOPOVÁ ECO-Maagemet,

Více

Rotační šroubové kompresory se vstřikem chladiva. řady R 55-75 kw

Rotační šroubové kompresory se vstřikem chladiva. řady R 55-75 kw Rotačí šroubové kompresory se vstřkem chladva řady R 55-75 kw Nová úroveň spolehlvost, účost a produktvty Vzduchové kompresory s rotačím šrouby Igersoll Rad řady R poskytují to ejlepší z dlouhodobě osvědčeých

Více

Statistika pro metrologii

Statistika pro metrologii Statistika pro metrologii T. Rössler Teto projekt je spolufiacová Evropským sociálím fodem a státím rozpočtem České republiky v rámci projektu Vzděláváí výzkumých pracovíků v Regioálím cetru pokročilých

Více

III. METODY MĚŘENÍ A ZPRACOVÁNÍ MĚŘENÍ

III. METODY MĚŘENÍ A ZPRACOVÁNÍ MĚŘENÍ III. METODY MĚŘENÍ A ZPRACOVÁNÍ MĚŘENÍ Způsob, jímž se provádí fzkálí měřeí, závsí jedak a povaze měřeé velč, jedak a tom, ze kterých vztahů pro měřeou velču vjdeme a jakých přístrojů použjeme. Všech měřcí

Více

Měřící technika - MT úvod

Měřící technika - MT úvod Měřící techika - MT úvod Historie Už Galileo Galilei zavádí vědecký přístup k měřeí. Jeho výrok Měřit vše, co je měřitelé a co eí měřitelým učiit platí stále. - jedotá soustava jedotek fyz. veliči - símače

Více

Intervalové odhady parametrů

Intervalové odhady parametrů Itervalové odhady parametrů Petr Pošík Části dokumetu jsou převzaty (i doslově) z Mirko Navara: Pravděpodobost a matematická statistika, https://cw.felk.cvut.cz/lib/ee/fetch.php/courses/a6m33ssl/pms_prit.pdf

Více

MATICOVÉ HRY MATICOVÝCH HER

MATICOVÉ HRY MATICOVÝCH HER MATICOVÉ HRY FORMULACE, KONCEPCE ŘEŠENÍ, SMÍŠENÉ ROZŠÍŘENÍ MATICOVÝCH HER, ZÁKLADNÍ VĚTA MATICOVÝCH HER CO JE TO TEORIE HER A ČÍM SE ZABÝVÁ? Teorie her je ekoomická vědí disciplía, která se zabývá studiem

Více

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů: Odhady parametrů polohy a rozptýleí pro často se vyskytující rozděleí dat v laboratoři se vyčíslují podle ásledujících vztahů: a : Laplaceovo (oboustraé expoeciálí rozděleí se vyskytuje v případech, kdy

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

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

Úloha III.S... limitní

Úloha III.S... limitní Úloha III.S... limití 10 bodů; průměr 7,81; řešilo 6 studetů a) Zkuste vlastími slovy popsat postup kostrukce itervalových odhadů středí hodoty v případě obecého rozděleí měřeých dat (postačí vlastími

Více

FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ PRVNÍ DIFERENCIÁL

FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ PRVNÍ DIFERENCIÁL Difereciálí počet fukcí jedé reálé proměé - 6. - PRVNÍ DIFERENCIÁL TAYLORŮV ROZVOJ FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ PRVNÍ DIFERENCIÁL PŘÍKLAD Pomocí věty o prvím difereciálu ukažte že platí přibližá rovost

Více

ZÁKLADY PRAVDĚPODOBNOSTI A STATISTIKY

ZÁKLADY PRAVDĚPODOBNOSTI A STATISTIKY UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ZÁKLADY PRAVDĚPODOBNOSTI A STATISTIKY Josef Tvrdík OSTRAVSKÁ UNIVERZITA 00 OBSAH: ÚVOD... 4. CO JE STATISTIKA?... 4. STATISTICKÁ DATA... 5.3 MĚŘENÍ

Více

UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM PEDAGOGICKÁ FAKULTA Katedra tělesné výchovy

UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM PEDAGOGICKÁ FAKULTA Katedra tělesné výchovy UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM PEDAGOGICKÁ FAKULTA Katedra tělesé výchovy VYBRANÉ NEPARAMETRICKÉ STATISTICKÉ POSTUPY V ANTROPOMOTORICE Zdeěk Havel Davd Chlář 0 VYBRANÉ NEPARAMETRICKÉ

Více

Lineární a adaptivní zpracovní dat. 5. Lineární filtrace: FIR, IIR

Lineární a adaptivní zpracovní dat. 5. Lineární filtrace: FIR, IIR Leárí a adaptví zpracoví dat 5. Leárí fltrace: FIR, IIR Dael Schwarz Ivestce do rozvoje vzděláváí Opakováí 2 Co je to fltrace? Co je to fltr? A jak ho popsujeme? Jaký je vztah Z trasformace a Fourerovy

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA Matematka IV PRAVDĚPODOBNOT A TATITIKA Lbor Žák Matematka IV Lbor Žák Regresí aalýza Regresí aalýza zkoumá závslost mez ezávslým proměým X ( X,, X k a závsle proměou Y. Tato závslost se vjadřuje ve tvaru

Více

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU) ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU) Základy teorie pravděpodobosti měřeí chyba měřeí Provádíme kvalifikovaý odhad áhodá systematická výsledek ejistota výsledku Základy teorie pravděpodobosti

Více

FLUORIMETRIE. Jan Fähnrich. Obecné základy

FLUORIMETRIE. Jan Fähnrich. Obecné základy FLUORIMETRIE Ja Fährch Obecé základ Fluormetre je aaltcká metoda vužívající schopost ěkterých látek vsílat (emtovat) po předchozím převedeí do vzbuzeého (exctovaého) stavu fluorescečí zářeí v ultrafalové

Více

APLIKACE REGRESNÍ ANALÝZY NA VÝPOČET BODU ZVRATU

APLIKACE REGRESNÍ ANALÝZY NA VÝPOČET BODU ZVRATU VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV FINANCÍ FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF FINANCES APLIKACE REGRESNÍ ANALÝZY NA VÝPOČET BODU ZVRATU

Více

Geodézie 3 (154GD3) Téma č. 9: Hodnocení a rozbory přesnosti výškových měření.

Geodézie 3 (154GD3) Téma č. 9: Hodnocení a rozbory přesnosti výškových měření. Geodéze 3 (54GD3) Téma č. 9: Úvod o měřeí obecě. V geodéz měříme především déky, úhy, a dáe také apř. čas, vekost síy tíže apod. Výsedek měřeí je charakterzová čísem, závsým též a vobě jedotek. Ze zkušeost

Více