Modelovánía experimentální zjišťovánímechanických vlastností nelineárních materiálů
|
|
- Kristýna Svobodová
- před 5 lety
- Počet zobrazení:
Transkript
1 Modelovánía experimentální zjišťovánímechanických vlastností nelineárních materiálů Biomechanika a lékařsképřístroje Projekt II LukášHorný Laboratoř biomechaniky člověka Ústavu mechaniky Fakulty strojní ČVUT v Praze
2 Cvičná úloha Axiálnímechanickáodezva břišníaorty V laboratoři byl proveden experiment, kdy jsme zjišťovali odezvu vzorku břišní aorty na podélné zatížení. Cílem je stanovit konstitutivnímodel pro tuto odezvu.
3 Experiment Vzorek žena, let, 90h post mortem bez patologických změn měřením byly zjištěny tyto rozměry obvod: 35.94; 34.22; mm tloušťka stěny: 0.96 (opticky); 1.45; 1.41 mm (posuvkou)
4 Tahová zkouška Experiment
5 Experiment Vektory zjištěných dat λ[-] λ SD F [N]
6 Výpočtový model Deformace Tepna se zatížením protahovala, jak se choval poloměr? (1) Pro vysoký obsah vody, bývají měkké tkáně často modelovány jako nestlačitelné. (2) Ačkoliv jsou cévy obecně anisotropní, modelujme ji dnes jako isotropní protože: hlavním zdrojem anisotropie jsou kolagenní vlákna, která jsou (2a) vysoce zvlněná (2b) orientovány především obvodově. (3) Zkosy zanedbejme.
7 Výpočtový model Deformace Ve válcovém souřadném systému z toho plyne F λ 0 0 rr = 0 λ 0 ϑθ deformace 0 0 λ zz 0zkosy Isotropie Nestlačitelnost λ rr = λϑ Θ R r : Θ ϑ Z z λ λ λ = 1 λ = rr ϑθ zz ϑθ 1 λ zz r = λ ϑ Θ zz R ϑ = Θ z = λ Z h = λ rr H F λzz 1 = 0 0 λzz 0 0 λz
8 Výpočtový model Pozorovanénapětí σ EXP Napjatost modelujeme jako jednoosou P zz f f f = σzz = = A a oh σ zz f f 1 f f = = = = λzz oh λ Oλ H λ λ A A ϑθ rr ϑθ rr σ EXP zz = λ zz f A
9 Výpočtový model Modelováodezva napětí σ MOD Hyperelastický materiál Gentův model hustoty deformační energie W µ J 3 m ln I = Jm I = λ + λ + λ = λ + λ + λ rr ϑθ zz ( ) T W F σ = F p I F σ σ σ σ σ σ σ σ σ rr rϑ rz rϑ ϑϑ zϑ rz zϑ zz W 0 0 λrr λ rr W = λ 0 p ϑθ λ ϑθ 0 0 λ zz W 0 0 λzz
10 Výpočtový model Modelováodezva napětí σ MOD W λ 0 0 rr p λrr σ 0 0 rr W 0 σ 0 0 λ p 0 ϑϑ = ϑθ λϑ Θ 0 0 σ zz W 0 0 λ zz p λzz Určení p Zformulujte nějakou silovou okrajovou podmínku. Např.: Naše protahovaná céva byla zatížena nulovým transmurálním tlakem. λ Čili σ rr = 0 rr W p = λ rr 0
11 Výpočtový model Modelováodezva napětí σ MOD Nyní dosaďme z kinematických podmínek a je hotovo. λ rr = λϑ Θ λ λ λ = 1 λ = λ = rr ϑθ zz ϑθ rr 1 λ zz MOD σ = zz? σ zz = J 2 1 µ J λ m zz λzz 2 2 λ + 3 zz λzz m
12 Vyrovnánínaměřených dat Jak z pozorováníodhadneme µa J m? Předepnutí in situ
13 Vyrovnánínaměřených dat Vyrovnání pozorování modelem regresní analýza Nejčastějšízpůsob odhadu neznámých parametrůje pomocímetody nejmenších čtverců. Postup je takový, že optimalizujeme účelovou funkci Q (součet čtverců odchylek modelu a pozorování) tak, abychom získali odhady neznámých parametrů, které minimalizují Q. Ve světě, kde neexistují chyby měření a podmínky experimentu jsou dokonale kontrolovány, bychom v případě dokonalého modelu dospěli ke Q = 0. n EXP MOD (,,..., ) = 1 2 (,,..., k i i 1 2 k ) i= 1 ( ) Q a a a f f a a a 2
14 Vyrovnánínaměřených dat Vyrovnání pozorování modelem regresní analýza Často zavádíme váhové koeficienty w n EXP MOD ( α, α,..., α ) = ( α, α,..., α 1 2 k i i i 1 2 k ) Q w f f i= 1 ( ) Důvodem bývá buď to, že některá pozorování jsou jistější než jiná (jistějším přiřadíme vyšší váhu), nebo skutečnost, že účelová funkce obsahuje veličiny nestejných řádů či fyzikálních rozměrů. V takovém případě slouží váhy k normalizaci problému. 2
15 Vyrovnánínaměřených dat Minimum Q můžeme hledat jakkoliv třeba metodou pokusu a omylu. Velice užitečnéale býváoprášit znalosti matematickéanalýzy a úlohy o hledání extrému funkce více proměnných. Q Q Q = 0 = 0... = 0 α α α 1 2 k a 1, a 2,..., a k Existuje mnoho metod, od primitivního půlení vícerozměrných intervalů až po kombinace analýzy a metod umělé inteligence (expertních systémů). Důležitý je stupeň nelinearity (nelinearita parametrů α k ) a počet parametrů. MATLAB i MAPLE mají pro tyto úlohy předpřipravené příkazy.
16 Vyrovnánínaměřených dat Elongace aorty n ( µ ) ( σ σ ( µ )) 2 n EXP MOD EXP Q, J =, J = σ m zz, i zz, i m zz, i i= 1 i= 1 J 2 1 µ J λ m zz, i λ zz, i 2 2 λ + 3 zz, i λ zz, i m 2 Jedná se v naší úloze o lineární nebo nelineární problém? Je zjevné, že úloha je lineárnív µ(tak jak je v něm lineárnípředpis pro W) a nelineární(racionálnívýrazy) v J m.
17 Vyrovnánínaměřených dat Elongace aorty Pokud jste si jižsami neurčili, zde je vektor pozorovaných napětíurčených ze vztahu: λ zz F/S, kde S = obvod tloušťka sigma kpa
18 Vyrovnánínaměřených dat Elongace aorty Sestavením funkce Q a využitím příkazu NLPSolve s počátečním odhadem J m = 0.5 a µ = 10 kpa dostaneme (blízké počáteční odhady, zvláště při použití Newtonovy metody, bývají velice užitečné takové odhady ovšem nelze stanovit bez dobrého fyzikálního porozumění problému): Skutečnénapětí σ zz [kpa] J m = a µ= kpa λ zz [ ]
19 Vyrovnánínaměřených dat Ohodnocení úspěšnosti regrese Jde-li o lineární problém, bývá nejčastěji využíván výběrový lineární koeficient korelace R. R = n ( x x )( y y i i ) i= 1 ( n 1) S S x y R 1; 1
20 Vyrovnánínaměřených dat Ohodnocení úspěšnosti regrese Pro nelineární problém bývá nejčastěji využíván koeficient determinace. R = 1 n 2 i= 1 n i= 1 ( EXP MOD f f ) i i ( EXP EXP f f ) i i 2 2 Ten poměřuje modelem nevysvětlený rozptyl (residuální součet čtverců) celkovým rozptylem. Kdyby byla všechna variance pozorování vysvětlena modelem, nabyl by hodnoty 1. 2 R = 0985.
21 Vyrovnánínaměřených dat Ohodnocení úspěšnosti regrese Všechno, co lze o výsledku regrese usuzovat, je obsaženo v datech. Základem hodnocení je vždy analýza reziduí. most.ujep.cz/~popelka/statistika2011_7.pptx
Biomechanika II. Modely napjatosti a deformace cév, vliv zbytkových napětí a aktivní vlastnosti. Lukáš Horný
Biomechanika II Modely napjatosti a deformace cév, vliv zbytkových napětí a aktivní vlastnosti ČVUT v Praze, fakulta strojní, ústav mechaniky, biomechaniky a mechatroniky Obor: Biomechanika a lékařské
VíceBiomechanika a lékařské přístroje
Biomechanika a lékařské přístroje Projekt II Lukáš Horný lukas.horny@fs.cvut.cz Ústav mechaniky, biomechaniky a mechatroniky, ČVUT FS 2018 Projekt II: O co nám půjde? Otázky odpovědi Konstrukce model konstrukce
VíceNelineární problémy a MKP
Nelineární problémy a MKP Základní druhy nelinearit v mechanice tuhých těles: 1. materiálová (plasticita, viskoelasticita, viskoplasticita,...) 2. geometrická (velké posuvy a natočení, stabilita konstrukcí)
VíceBiomechanika srdečněcévnísoustavy a konstitutivnímodelování
Biomechanika srdečněcévnísoustavy a konstitutivnímodelování Biomechanika a lékařsképřístroje Biomechanika I LukášHorný Laboratoř biomechaniky člověka Ústavu mechaniky Fakulty strojní ČVUT v Praze M Konstitutivní
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOS A SAISIKA Regresní analýza - motivace Základní úlohou regresní analýzy je nalezení vhodného modelu studované závislosti. Je nutné věnovat velkou pozornost tomu aby byla modelována REÁLNÁ
VíceSummer Workshop of Applied Mechanics. Závislost úhlu rozevření mužské aorty na věku a lokalizaci
Summer Workshop of Applied Mechanics June 2002 Department of Mechanics Faculty of Mechanical Engineering Czech Technical University in Prague Závislost úhlu rozevření mužské aorty na věku a lokalizaci
VíceAVDAT Nelineární regresní model
AVDAT Nelineární regresní model Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Nelineární regresní model Ey i = f (x i, β) kde x i je k-členný vektor vysvětlujících proměnných
VíceRegresní analýza 1. Regresní analýza
Regresní analýza 1 1 Regresní funkce Regresní analýza Důležitou statistickou úlohou je hledání a zkoumání závislostí proměnných, jejichž hodnoty získáme při realizaci experimentů Vzhledem k jejich náhodnému
VíceMODEL TVÁŘECÍHO PROCESU
MODEL TVÁŘECÍHO PROCESU Zkouška tlakem na válcových vzorcích 2 Vyhodnocení tlakové zkoušky Síla F způsobí změnu výšky H a průměru D válce. V každém okamžiku při stlačování je přetvárný odpor definován
VíceTENSOR NAPĚTÍ A DEFORMACE. Obrázek 1: Volba souřadnicového systému
TENSOR NAPĚTÍ A DEFORMACE Obrázek 1: Volba souřadnicového systému Pole posunutí, deformace, napětí v materiálovém bodě {u} = { u v w } T (1) Obecně 9 složek pole napětí lze uspořádat do matice [3x3] -
VíceBodové a intervalové odhady parametrů v regresním modelu
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Lineární regresní model Mějme lineární regresní model (LRM) Y = Xβ + e, kde y 1 e 1 β y 2 Y =., e
VíceSEMESTRÁLNÍ PRÁCE. Leptání plasmou. Ing. Pavel Bouchalík
SEMESTRÁLNÍ PRÁCE Leptání plasmou Ing. Pavel Bouchalík 1. ÚVOD Tato semestrální práce obsahuje písemné vypracování řešení příkladu Leptání plasmou. Jde o praktickou zkoušku znalostí získaných při přednáškách
VíceAVDAT Klasický lineární model, metoda nejmenších
AVDAT Klasický lineární model, metoda nejmenších čtverců Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Lineární model y i = β 0 + β 1 x i1 + + β k x ik + ε i (1) kde y i
Více1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.
Prostá regresní a korelační analýza 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Problematika závislosti V podstatě lze rozlišovat mezi závislostí nepodstatnou, čili náhodnou
Více10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.
0 cvičení z PST 5 prosince 208 0 (intervalový odhad pro rozptyl) Soubor (70, 84, 89, 70, 74, 70) je náhodným výběrem z normálního rozdělení N(µ, σ 2 ) Určete oboustranný symetrický 95% interval spolehlivosti
VíceStatistické vyhodnocení zkoušek betonového kompozitu
Statistické vyhodnocení zkoušek betonového kompozitu Thákurova 7, 166 29 Praha 6 Dejvice Česká republika Program přednášek a cvičení Výuka: Středa 10:00-11:40, C -204 Přednášky a cvičení: Statistické vyhodnocení
VíceRegresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
VíceVYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA STROJNÍHO INŽENÝRSTVÍ
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA STROJNÍHO INŽENÝRSTVÍ ÚSTAV MECHANIKY TĚLES, MECHATRONIKY A BIOMECHANIKY Komentovaný metodický list č. 1/4 Vytvořil: Ing. Oldřich Ševeček & Ing. Tomáš Profant, Ph.D.
VíceRegresní analýza. Ekonometrie. Jiří Neubauer. Katedra ekonometrie FVL UO Brno kancelář 69a, tel
Regresní analýza Ekonometrie Jiří Neubauer Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Jiří Neubauer (Katedra ekonometrie UO Brno) Regresní analýza 1 / 23
Více6. Lineární regresní modely
6. Lineární regresní modely 6.1 Jednoduchá regrese a validace 6.2 Testy hypotéz v lineární regresi 6.3 Kritika dat v regresním tripletu 6.4 Multikolinearita a polynomy 6.5 Kritika modelu v regresním tripletu
Vícevzorek1 0.0033390 0.0047277 0.0062653 0.0077811 0.0090141... vzorek 30 0.0056775 0.0058778 0.0066916 0.0076192 0.0087291
Vzorová úloha 4.16 Postup vícerozměrné kalibrace Postup vícerozměrné kalibrace ukážeme na úloze C4.10 Vícerozměrný kalibrační model kvality bezolovnatého benzinu. Dle následujících kroků na základě naměřených
VíceRegresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
VíceStatistická analýza jednorozměrných dat
Statistická analýza jednorozměrných dat Prof. RNDr. Milan Meloun, DrSc. Univerzita Pardubice, Pardubice 31.ledna 2011 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem
VíceZadání Máme data hdp.wf1, která najdete zde: Bodová předpověď: Intervalová předpověď:
Predikce Text o predikci pro upřesnění pro ty, které zajímá, kde se v EViews všechna ta čísla berou. Ruční výpočty u průběžného testu nebudou potřeba. Co bude v závěrečném testu, to nevím. Ale přečíst
VíceDvě varianty rovinného problému: rovinná napjatost. rovinná deformace
Rovinný problém Řešíme plošné konstrukce zatížené a uložené v jejich střednicové rovině. Dvě varianty rovinného problému: rovinná napjatost rovinná deformace 17 Rovinná deformace 1 Obsahuje složky deformace
VíceStatistická analýza dat
Statistická analýza dat Jméno: Podpis: Cvičení Zkouška (písemná + ústní) 25 Celkem 50 Známka Pokyny k vypracování: doba řešení je 120min, jasně zodpovězte pokud možno všechny otázky ze zadání, pracujte
VíceNelineární úlohy při výpočtu konstrukcí s využitím MKP
Nelineární úlohy při výpočtu konstrukcí s využitím MKP Obsah přednášky Lineární a nelineární úlohy Typy nelinearit (geometrická, materiálová, kontakt,..) Příklady nelineárních problémů Teorie kontaktu,
VíceOdhady Parametrů Lineární Regrese
Odhady Parametrů Lineární Regrese Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. Katedra počítačových systémů Katedra teoretické informatiky Fakulta informačních technologií České vysoké
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 010 1.týden (0.09.-4.09. ) Data, typy dat, variabilita, frekvenční analýza
VíceRegresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
VícePOLYNOMICKÁ REGRESE. Jedná se o regresní model, který je lineární v parametrech, ale popisuje nelineární závislost mezi proměnnými.
POLYNOMICKÁ REGRESE Jedná se o regresní model, který je lineární v parametrech, ale popisuje nelineární závislost mezi proměnnými. y = b 0 + b 1 x + b 2 x 2 + + b n x n kde b i jsou neznámé parametry,
VíceII. Statistické metody vyhodnocení kvantitativních dat Gejza Dohnal
Základy navrhování průmyslových experimentů DOE II. Statistické metody vyhodnocení kvantitativních dat Gejza Dohnal! Testování statistických hypotéz kvalitativní odezva kvantitativní chí-kvadrát test homogenity,
Víceobhajoba diplomové práce
České vysoké učení technické v Praze, Fakulta strojní, Ústav mechaniky, biomechaniky a mechatroniky obhajoba diplomové práce v Praze, srpen 2014 autor: vedoucí: Ing. Pavel Steinbauer, Ph.D. Modální zkouška
VíceSOLVER UŽIVATELSKÁ PŘÍRUČKA. Kamil Šamaj, František Vižďa Univerzita obrany, Brno, 2008 Výzkumný záměr MO0 FVT0000404
SOLVER UŽIVATELSKÁ PŘÍRUČKA Kamil Šamaj, František Vižďa Univerzita obrany, Brno, 2008 Výzkumný záměr MO0 FVT0000404 1. Solver Program Solver slouží pro vyhodnocení experimentálně naměřených dat. Základem
VíceÚVOD DO MODELOVÁNÍ V MECHANICE
ÚVOD DO MODELOVÁNÍ V MECHANICE PRUŽNOST A PEVNOST Přednáška č. 5 Prof. Ing. Vladislav Laš. CSc. MECHANIKA PODDAJNÝCH TĚLES Úkolem PP z inženýrského hlediska je navrhnout součásti nebo konstrukce, které
Více1.1 Shrnutí základních poznatků
1.1 Shrnutí základních poznatků Pojmem nádoba obvykle označujeme součásti strojů a zařízení, které jsou svým tvarem a charakterem namáhání shodné s dutými tělesy zatíženými vnitřním, popř. i vnějším tlakem.sohledemnatopovažujemezanádobyrůznápotrubíakotlovátělesa,alenapř.i
VíceModelovánía experimentální zjišťovánímechanických vlastností nelineárních materiálů
Modelovánía experimentální zjišťovánímechanických vlastností nelineárních materiálů Biomechanika a lékařsképřístroje Projekt II LukášHorný Laboratoř biomechaniky člověka Ústavu mechaniky Fakulty strojní
VíceTechnický experiment, příprava, provedení, hodnocení výsledků
Technický experiment, příprava, provedení, hodnocení výsledků 1 Katedra stavebních hmot a hornického stavitelství VŠB - Technická univerzita Ostrava 8. 3. 2012 Experiment Experiment se snaží získat potřebné
VíceOTÁZKY K PROCVIČOVÁNÍ PRUŽNOST A PLASTICITA II - DD6
OTÁZKY K PROCVIČOVÁNÍ PRUŽNOST A PLASTICITA II - DD6 POSUZOVÁNÍ KONSTRUKCÍ PODLE EUROKÓDŮ 1. Jaké mezní stavy rozlišujeme při posuzování konstrukcí podle EN? 2. Jaké problémy řeší mezní stav únosnosti
VícePřehled modelů cyklické plasticity v MKP programech
Přehled modelů cyklické plasticity v MKP programech Teorie plasticity Ing Josef Sedlák doc Ing Radim Halama, PhD 1 Shrnutí Aditivní pravidlo a Hookeův zákon, Podmínka plasticity Pravidlo zpevnění Pravidlo
VíceAplikovaná numerická matematika
Aplikovaná numerická matematika 6. Metoda nejmenších čtverců doc. Ing. Róbert Lórencz, CSc. České vysoké učení technické v Praze Fakulta informačních technologií Katedra počítačových systémů Příprava studijních
VícePRUŽNOST A PEVNOST II
VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STAVEBNÍ PRUŽNOST A PEVNOST II Navazující magisterské studium, 1. ročník Alois Materna (přednášky) Jiří Brožovský (cvičení) Kancelář: LP C 303/1
VíceV praxi pracujeme s daty nominálními (nabývají pouze dvou hodnot), kategoriálními (nabývají více
9 Vícerozměrná data a jejich zpracování 9.1 Vícerozměrná data a vícerozměrná rozdělení Při zpracování vícerozměrných dat, hledáme souvislosti mezi dvěmi, případně více náhodnými veličinami. V praxi pracujeme
Více4EK211 Základy ekonometrie
4EK Základy ekonometrie Odhad klasického lineárního regresního modelu II Cvičení 3 Zuzana Dlouhá Klasický lineární regresní model - zadání příkladu Soubor: CV3_PR.xls Data: y = maloobchodní obrat potřeb
VíceAutor: Vladimír Švehla
Bulletin of Applied Mechanics 1, 55 64 (2005) 55 Využití Castiglianovy věty při výpočtu deformací staticky určité případy zatížení tahem a tlakem Autor: Vladimír Švehla České vysoké učení technické, akulta
VíceTestování hypotéz o parametrech regresního modelu
Testování hypotéz o parametrech regresního modelu Ekonometrie Jiří Neubauer Katedra kvantitativních metod FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Jiří Neubauer (Katedra UO
VíceTestování hypotéz o parametrech regresního modelu
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Lineární regresní model kde Y = Xβ + e, y 1 e 1 β y 2 Y =., e = e 2 x 11 x 1 1k., X =....... β 2,
VíceRozdíly mezi MKP a MHP, oblasti jejich využití.
Rozdíly mezi, oblasti jejich využití. Obě metody jsou vhodné pro určitou oblast problémů. základě MKP vyžaduje rozdělení těles na vhodný počet prvků, jejichž analýza je poměrně snadná a pro většinu částí
VíceMinikurz aplikované statistiky. Minikurz aplikované statistiky p.1
Minikurz aplikované statistiky Marie Šimečková, Petr Šimeček Minikurz aplikované statistiky p.1 Program kurzu základy statistiky a pravděpodobnosti regrese (klasická, robustní, s náhodnými efekty, ev.
VíceKGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 10. Mgr. David Fiedor 27. dubna 2015 Nelineární závislost - korelační poměr užití v případě, kdy regresní čára není přímka, ale je vyjádřena složitější matematickou funkcí
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Náhodný výběr Nechť X je náhodná proměnná, která má distribuční funkci F(x, ϑ). Předpokládejme, že známe tvar distribuční funkce (víme jaké má rozdělení) a neznáme parametr
VíceOdhad parametrů N(µ, σ 2 )
Odhad parametrů N(µ, σ 2 ) Mějme statistický soubor x 1, x 2,, x n modelovaný jako realizaci náhodného výběru z normálního rozdělení N(µ, σ 2 ) s neznámými parametry µ a σ. Jaký je maximální věrohodný
VíceAplikovaná statistika v R - cvičení 3
Aplikovaná statistika v R - cvičení 3 Filip Děchtěrenko Matematicko-fyzikální fakulta filip.dechterenko@gmail.com 5.8.2014 Filip Děchtěrenko (MFF UK) Aplikovaná statistika v R 5.8.2014 1 / 10 Lineární
VíceRegresní analýza. Eva Jarošová
Regresní analýza Eva Jarošová 1 Obsah 1. Regresní přímka 2. Možnosti zlepšení modelu 3. Testy v regresním modelu 4. Regresní diagnostika 5. Speciální využití Lineární model 2 1. Regresní přímka 3 nosnost
VíceInkrementální teorie plasticity - shrnutí
Inkrementální teorie plasticity - shrnutí Aditivní zákon = e p. Hookeův zákon pro elastickou složku deformace =C: e. Podmínka plasticity f = f Y =0. Pravidlo zpevnění p e d =g, p,,d, d p,..., dy =h, p,y,
Více13.1. Úvod Cílem regresní analýzy je popsat závislost hodnot znaku Y na hodnotách
13 Regrese 13.1. Úvod Cílem regresní analýzy je popsat závislost hodnot znaku Y na hodnotách znaku X. Přitom je třeba vyřešit jednak volbu funkcí k vystižení dané závislosti a dále stanovení konkrétních
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická
VíceSemestrální práce. 3.3 Tvorba nelineárních regresních modelů v analýze dat
Semestrální práce 1 3.3 Tvorba nelineárních regresních modelů v analýze dat Ing. Ján Lengyel, CSc. Centrální analytická laboratoř Ústav jaderného výzkumu Řež, a. s. Husinec Řež 130 250 68 Řež V Řeži, únor
VíceStabilizace Galerkin Least Squares pro
Fakulta strojní ČVUT Ústav technické matematiky Stabilizace Galerkin Least Squares pro MKP na řešení proudění o vyšších Reynoldsových číslech Ing. Jakub Šístek Doc. RNDr. Pavel Burda, CSc. RNDr. Jaroslav
VíceKlasifikace a rozpoznávání. Lineární klasifikátory
Klasifikace a rozpoznávání Lineární klasifikátory Opakování - Skalární součin x = x1 x 2 w = w T x = w 1 w 2 x 1 x 2 w1 w 2 = w 1 x 1 + w 2 x 2 x. w w T x w Lineární klasifikátor y(x) = w T x + w 0 Vyber
VíceCvičící Kuba Kubina Kubinčák Body u závěrečného testu
1. Příklad U 12 studentů jsme sledovali počet dosažených bodů na závěrečném testu (od 0 do 60). Vždy 4 z těchto studentů chodili k jednomu ze 3 cvičících panu Kubovi, panu Kubinovi, nebo panu Kubinčákovi.
Více7. CVIČENÍ. Sedmé cvičení bude vysvětlovat tuto problematiku:
Sedmé cvičení bude vysvětlovat tuto problematiku: Mohrova kružnice pro rovinnou napjatost Kritéria pevnosti (pro rovinnou napjatost) Příklady MOHROVA KRUŽNICE PRO ROVINNOU NAPJATOST Rovinná, neboli dvojosá
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Testování hypotéz Nechť X je náhodná proměnná, která má distribuční funkci F(x, ϑ). Předpokládejme, že známe tvar distribuční funkce (víme jaké má rozdělení) a neznáme parametr
VíceOptimalizace provozních podmínek. Eva Jarošová
Optimalizace provozních podmínek Eva Jarošová 1 Obsah 1. Experimenty pro optimalizaci provozních podmínek 2. EVOP klasický postup využití statistického softwaru 3. Centrální složený návrh model odezvové
VíceStatistika (KMI/PSTAT)
Statistika (KMI/PSTAT) Cvičení dvanácté aneb Regrese a korelace Statistika (KMI/PSTAT) 1 / 18 V souboru 25 jedinců jsme měřili jejich výšku a hmotnost. Výsledky jsou v tabulce a grafu. Statistika (KMI/PSTAT)
VíceZáklady navrhování průmyslových experimentů DOE
Základy navrhování průmyslových experimentů DOE cílová hodnota V. Vícefaktoriální experimenty Gejza Dohnal střední hodnota cílová hodnota Vícefaktoriální návrhy experimentů počet faktorů: počet úrovní:
VíceInovace bakalářského studijního oboru Aplikovaná chemie
http://aplchem.upol.cz CZ.1.07/2.2.00/15.0247 Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. Regrese Závislostproměnných funkční y= f(x) regresní y= f(x)
VíceAVDAT Mnohorozměrné metody, metody klasifikace
AVDAT Mnohorozměrné metody, metody klasifikace Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Mnohorozměrné metody Regrese jedna náhodná veličina je vysvětlována pomocí jiných
VíceUNIVERZITA PARDUBICE
UNIVERZITA PARDUBICE Fakulta chemicko technologická Katedra analytické chemie Licenční studium chemometrie na téma Tvorba nelineárních regresních modelů v analýze dat Vedoucí licenčního studia Prof. RNDr.
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
Víceodpovídá jedna a jen jedna hodnota jiných
8. Regresní a korelační analýza Problém: hledání, zkoumání a hodnocení souvislostí, závislostí mezi dvěma a více statistickými znaky (veličinami). Typy závislostí: pevné a volné Pevná závislost každé hodnotě
VíceMATEMATIKA III V PŘÍKLADECH
VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ MATEMATIKA III V PŘÍKLADECH Cvičení 10 Mgr. Petr Otipka Ostrava 01 Mgr. Petr Otipka Vysoká škola báňská Technická univerzita Ostrava ISBN
VícePlánování experimentu
Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Autor: Ing. Radek Růčka Přednášející: Prof. Ing. Jiří Militký, CSc. 1. LEPTÁNÍ PLAZMOU 1.1 Zadání Proces
VíceObecný Hookeův zákon a rovinná napjatost
Obecný Hookeův zákon a rovinná napjatost Základní rovnice popisující napěťově-deformační chování materiálu při jednoosém namáhání jsou Hookeův zákon a Poissonův zákon. σ = E ε odtud lze vyjádřit také poměrnou
VíceStanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace )
Příklad č. 1 Stanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace ) Zadání : Stanovení manganu ve vodách se provádí oxidací jodistanem v kyselém prostředí až na manganistan. (1) Sestrojte
VíceANALÝZA KONSTRUKCÍ. 5. přednáška
ANALÝZA KONSTRUKCÍ 5. přednáška Nosné stěny rovinná napjatost Způsoby výpočtu napjatosti: Deformační metodou Primární neznámé: posuny u(,y), v(,y) Výchozí rovnice: statické Silovou metodou Primární neznámá:
VíceKontraktantní/dilatantní
Kontraktantní/dilatantní plasticita - úhel dilatance směr přírůstku plastické deformace Na základě experimentálního měření dospěl St. Venant k závěru, že směry hlavních napětí jsou totožné se směry přírůstku
VíceVícerozměrná rozdělení
Vícerozměrná rozdělení 7. září 0 Učivo: Práce s vícerozměrnými rozděleními. Sdružené, marginální, podmíněné rozdělení pravděpodobnosti. Vektorová střední hodnota. Kovariance, korelace, kovarianční matice.
VíceStatistika. Regresní a korelační analýza Úvod do problému. Roman Biskup
Statistika Regresní a korelační analýza Úvod do problému Roman Biskup Jihočeská univerzita v Českých Budějovicích Ekonomická fakulta (Zemědělská fakulta) Katedra aplikované matematiky a informatiky 2008/2009
VíceRegrese. 28. listopadu Pokud chceme daty proložit vhodnou regresní křivku, musíme obvykle splnit tři úkoly:
Regrese 28. listopadu 2013 Pokud chceme daty proložit vhodnou regresní křivku, musíme obvykle splnit tři úkoly: 1. Ukázat, že data jsou opravdu závislá. 2. Provést regresi. 3. Ukázat, že zvolená křivka
VíceZkoušení kompozitních materiálů
Ivan Jeřábek Ústav letadlové techniky FS ČVUT v Praze 1 Zkoušky materiálových charakteristik Zkouška kompozitních konstrukcí 2 Zkoušen ení kompozitních materiálů Definice zkoušky definice vstupu a výstupu:
VíceSedání piloty. Cvičení č. 5
Sedání piloty Cvičení č. 5 Nelineární teorie (Masopust) Nelineární teorie sestrojuje zatěžovací křivku piloty za předpokladu, že mezi nulovým zatížením piloty a zatížením, kdy je plně mobilizováno plášťové
Více2.2 Kalibrace a limity její p esnosti
UNIVERZITA PARDUBICE Òkolní rok 000/001 Fakulta chemicko-technologická, Katedra analytické chemie LICEN NÍ STUDIUM STATISTICKÉ ZPRACOVÁNÍ DAT PÌI MANAGEMENTU JAKOSTI P EDM T:. Kalibrace a limity její p
VícePružnost a plasticita II CD03
Pružnost a plasticita II CD3 uděk Brdečko VUT v Brně, Fakulta stavební, Ústav stavební mechanik tel: 5447368 email: brdecko.l @ fce.vutbr.cz http://www.fce.vutbr.cz/stm/brdecko.l/html/distcz.htm Obsah
VíceMÍRY ZÁVISLOSTI (KORELACE A REGRESE)
zhanel@fsps.muni.cz MÍRY ZÁVISLOSTI (KORELACE A REGRESE) 2.5 MÍRY ZÁVISLOSTI 2.5.1 ZÁVISLOST PEVNÁ, VOLNÁ, STATISTICKÁ A KORELAČNÍ Jednorozměrné soubory - charakterizovány jednotlivými statistickými znaky
VíceRovinná úloha v MKP. (mohou být i jejich derivace!): rovinná napjatost a r. deformace (stěny,... ): u, v. prostorové úlohy: u, v, w
Rovinná úloha v MKP Hledané deformační veličiny viz klasická teorie pružnosti (mohou být i jejich derivace!): rovinná napjatost a r. deformace (stěny,... ): u, v desky: w, ϕ x, ϕ y prostorové úlohy: u,
VíceZávislost obsahu lipoproteinu v krevním séru na třech faktorech ( Lineární regresní modely )
Úloha M608 Závislost obsahu lipoproteinu v krevním séru na třech faktorech ( Lineární regresní modely ) Zadání : Při kvantitativní analýze lidského krevního séra ovlivňují hodnotu obsahu vysokohustotního
VíceRobustní odhady statistických parametrů
Robustní odhady statistických parametrů ěkdy pracují dobře, jinde ne. Typická data - pozorování BL Lac 100 mag 40 0 0.41 0.40 JD date 0.39 0.38 0.38223-1.586 0.017 0.40550-1.530 0.019 0.39453-1.610 0.024
VíceLineární regrese. Komentované řešení pomocí MS Excel
Lineární regrese Komentované řešení pomocí MS Excel Vstupní data Tabulka se vstupními daty je umístěna v oblasti A1:B11 (viz. obrázek) na listu cela data Postup Základní výpočty - regrese Výpočet základních
VíceÚvod do problematiky měření
1/18 Lord Kelvin: "Když to, o čem mluvíte, můžete změřit, a vyjádřit to pomocí čísel, něco o tom víte. Ale když to nemůžete vyjádřit číselně, je vaše znalost hubená a nedostatečná. Může to být začátek
VíceZákladní statistické modely Statistické vyhodnocování exp. dat M. Čada ~ cada
Základní statistické modely 1 Statistika Matematická statistika se zabývá interpretací získaných náhodných dat. Snažíme se přiřadit statistickému souboru vhodnou distribuční funkci a najít základní číselné
VíceChyby nepřímých měření
nepřímé měření: Chyby nepřímých měření chceme určit veličinu z hodnot jiných veličin na základě funkční vztahu máme změřené veličiny pomocí přímých měření (viz. dříve) včetně chyb: x±σ x, y±σ y,... známe
VíceINDUKTIVNÍ STATISTIKA
10. SEMINÁŘ INDUKTIVNÍ STATISTIKA 3. HODNOCENÍ ZÁVISLOSTÍ HODNOCENÍ ZÁVISLOSTÍ KVALITATIVNÍ VELIČINY - Vychází se z kombinační (kontingenční) tabulky, která je výsledkem třídění druhého stupně KVANTITATIVNÍ
VíceOdhad parametrů N(µ, σ 2 )
Odhad parametrů N(µ, σ 2 ) Mějme statistický soubor x 1, x 2,, x n modelovaný jako realizaci náhodného výběru z normálního rozdělení N(µ, σ 2 ) s neznámými parametry µ a σ. Jaký je maximální věrohodný
VíceLINEÁRNÍ MODELY. Zdeňka Veselá
LINEÁRNÍ MODELY Zdeňka Veselá vesela.zdenka@vuzv.cz Genetika kvantitativních vlastností Jednotlivé geny nejsou zjistitelné ani měřitelné Efekty většího počtu genů poskytují variabilitu, kterou lze většinou
VíceReologie tavenin polystyrenových plastů. Závěrečná práce LS Pythagoras
Reologie tavenin polystyrenových plastů Závěrečná práce LS Pythagoras Úvod, cíl práce Reologické vlastnosti taveniny PS plastů jsou důležitou informací při jejich zpracování vytlačováním nebo vstřikováním
VíceČasové řady, typy trendových funkcí a odhady trendů
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz Stochastický proces Posloupnost náhodných veličin {Y t, t = 0, ±1, ±2 } se nazývá stochastický proces
Více1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností,
KMA/SZZS1 Matematika 1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností, operace s limitami. 2. Limita funkce
VíceČasové řady, typy trendových funkcí a odhady trendů
Časové řady, typy trendových funkcí a odhady trendů Jiří Neubauer Katedra ekonometrie FVL UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz Jiří Neubauer (Katedra ekonometrie UO Brno) Časové
VíceSummer Workshop of Applied Mechanics. Vliv mechanického zatížení na vznik a vývoj osteoartrózy kyčelního kloubu
Summer Workshop of Applied Mechanics June 2002 Department of Mechanics Faculty of Mechanical Engineering Czech Technical University in Prague Vliv mechanického zatížení na vznik a vývoj osteoartrózy kyčelního
Více