Aplikace teorie neuronových sítí

Rozměr: px
Začít zobrazení ze stránky:

Download "Aplikace teorie neuronových sítí"

Transkript

1 Alace teore euroových sítí Doc. RNDr. Iveta Mrázová CSc. Katedra teoretcé formaty Matematco-fyzálí faulta Uverzty Karlovy v Praze

2 Alace teore euroových sítí Asocatvíamět a restaurace obrazu Doc. RNDr. Iveta Mrázová CSc. Katedra teoretcé formaty Matematco-fyzálí faulta Uverzty Karlovy v Praze

3 Hofeldovy sítě Soová řeosová fuce: f h - euroů se soovou řeosovou fucí Bolárí vstuy výstuy { - } Syatcé váhy w (mez všem euroy avzáem) m tréovacích vzorů (tříd) Učeí s učtelem Rozozáváí Použtí: Asocatví aměť Otmalzačí úlohy I. Mrázová: ATNS (NAI03) 3

4 Hofeldův model (bolárí) Kro : Učeí - astavte hodoty syatcých vah w m s 0 w. Váha syase mez euroy a s {-}. tá složa s tého vzoru s s ro ro I. Mrázová: ATNS (NAI03) 4

5 Hofeldův model (bolárí) () Kro : Icalzace - ředložte ezámý vstuí vzor: y (0) Kro 3: Iterace y (t). Výstu eurou v čase t {-}. tá složa ředložeého vzoru y h ( t ) f w y ( t ) f h. Soová řeosová fuce I. Mrázová: ATNS (NAI03) 5

6 Hofeldův model (bolárí) (3) Iteratví roces se ř rozozáváí oaue doud se výstuy euroů eustálí. Výstuy euroů a rerezetuí te tréovací vzor terý elée odovídá ředložeému (ezámému) vzoru. Kro 4: Předěte e Krou. I. Mrázová: ATNS (NAI03) 6

7 Hofeldův model (bolárí) (4) Kovergece (Hofeld): Symetrcé váhy: w w Asychroí atualzace výstuu edotlvých euroů Nevýhody: Kaacta ( m < 0.5 ) / log Stablta ( ortogoalzace) I. Mrázová: ATNS (NAI03) 7

8 I. Mrázová: ATNS (NAI03) 8 Hofeldův model - rozozáváí Po ředložeí vzoru bude vetor otecálů sítě r ( ) { { { ( ) 443 r r r r r r K r r r r r r r r K r r r r r PERTURBACE m m T m T T m T m T m I m mi W m α ξ α α

9 Hofeldův model rozozáváí () r K m Stav r e stablí estlže m < a m r erturbace α e malá α α m. Salárí souč r r s aždým dalším vetorem r ( sg ( ξ ) sg ( ) ) Malý očet ortogoálích vzorů r I. Mrázová: ATNS (NAI03) 9

10 Hofeldův model rozozáváí (3) Stav euroů zachová doud esou vybráy atualzac Výběr ro atualzac se rovádí áhodě Neuroy sou avzáem lě rooey Symetrcé váhy: w w w 0 Kovergece e stablímu řešeí ř rozozáváí - utá odmía: symetrcá váhová matce s ulovou dagoálou a asychroí dyamou I. Mrázová: ATNS (NAI03) 0

11 Eergetcá fuce Eergetcá fuce Hofeldovy sítě s euroy a váhovou matcí W vyadřue eerg r sítě ve stavu : r E r W r ( ) E r ( ) T ( Obdobě ro sítě s rahovým euroy: r r r r T r T E ( ) W θ w I. Mrázová: ATNS (NAI03) w ϑ )

12 Eergetcá fuce () Věta: Hofeldova síť s asychroí dyamou dosáhe z lbovolého očátečího stavu sítě stablího stavu v loálím mmu eergetcé fuce. Idea důazu: Počátečí stav r ( ) Předložeý vzor: K K I. Mrázová: ATNS (NAI03)

13 Eergetcá fuce (6) Idea důazu (oračováí): Vždy dyž dode e změě stavu eurou síží se celová eerge sítě Koečý očet možých stavů Stablí stav dy eerg sítě už elze sžovat QED I. Mrázová: ATNS (NAI03) 3

14 Použtí Hofeldova modelu ř řešeí otmalzačích úloh Bárí ódováí: 0 / Multflo:. Bárí stavy edotlvých euroů Hofeldovy sítě Síť by se měla dostat do stavu dy bude rávě euro atví; stav všech ostatích euroů by měl být 0 Cíl: alézt mmum fuce E( ) E ( K ) I. Mrázová: ATNS (NAI03) 4

15 I. Mrázová: ATNS (NAI03) 5 Použtí Hofeldova modelu ř řešeí otmalzačích úloh () ( ) ( ) ( ) E K ro bárí stavy orováí s eergetcou fucí Hofeldova modelu astaveí vah a rahů sítě

16 Použtí Hofeldova modelu ř řešeí otmalzačích úloh (3) E ( K ) ( ) ( ) astaveí vah a rahů sítě I. Mrázová: ATNS (NAI03) 6

17 Použtí Hofeldova modelu ř řešeí otmalzačích úloh (7) Problém obchodího cestuícího: (~ NP-úlý roblém) A C D G Nalézt cestu řes měst M M ta aby bylo aždé město avštíveo alesoň edou a déla oruží ízdy byla mmálí B F E I. Mrázová: ATNS (NAI03) 7

18 Stochastcé modely euroových sítí Hofeldův model se oužívá řešeí otmalzačích roblémů teré lze vyádřt ve formě mmalzovaé eergetcé fuce ( dyž eí zaručeo alezeí globálího otma) Problém: zabrát uvízutí v loálím mmu eergetcé fuce I. Mrázová: ATNS (NAI03) 8

19 Smulovaé žíháí B B A A C C I. Mrázová: ATNS (NAI03) 9

20 Smulovaé žíháí () Př mmalzac eergetcé fuce E se teto ev smulue ásleduícím zůsobem: Hodota roměé se změí vždy dyž může atualzace Δ zmešt hodotu eergetcé fuce E Poud by se ř atualzac aoa hodota E zvýšla o ΔE bude ová hodota (t. Δ ) řata s ravděodobostí ΔE : Δ E de T e tzv. telotí ostata e Δ E I. Mrázová: ATNS (NAI03) 0 T

21 Smulovaé žíháí (3) Pro velé hodoty T bude: ΔE a atualzace stavu astae zhruba v olově těchto říadů Pro T 0 bude docházet ouze taovým atualzacím dy se hodota E síží Postuá změa hodot T z velm vysoých hodot směrem ule odovídá zahřátí a ostuému ochlazováí v rocesu žíháí I. Mrázová: ATNS (NAI03)

22 Smulovaé žíháí (4) Navíc lze uázat že touto strategí lze dosáhout (asymtotcy) globálího mma eergetcé fuce Sgmoda elée odovídá fucím oužívaým v termodyamce (ro aalýzu telotí rovováhy) I. Mrázová: ATNS (NAI03)

23 Restaurace degradovaého obrazu Model degradace obrazu: y ( a b ) h( a b; α β) ( α β) dα dβ ( a b) h ( a b; α β ) rozmývací fuce ( a b) adtví šum ( α β ) ůvodí obraz y ( a b) degradovaý obraz Je-l systém rostorově varatí lze rozmývací fuc vyádřt ao: h ( a b; α β ) h ( a - α ; b - β ) I. Mrázová: ATNS (NAI03) 3

24 Restaurace degradovaého obrazu () Poud lze vyádřt rozmývací fuc h (. ) ao ovoluc ro malé oéo K K ( K lché) lze sotý model osat dsrétě: y ( ) ( ) h ( ) ( ) K K K l K * oerátor ovoluce K ( K ) / ( l ) h ( l ) ( ) Y HX N ; H rozmývací fuce N adtví šum X ůvodí obraz Y degradovaý obraz I. Mrázová: ATNS (NAI03) 4

25 Restaurace degradovaého obrazu (3) Rerezetace obrazu Neuroová síť obsahue redudatí euroy ro rerezetac růzých úroví šed: M vzáemě rooeých euroů.. velost obrazu M evyšší hodota šed Obraz e osá oečou možou úroví šed: { ( ) ; } ( ) celé ladé číslo začí hodotu šed lu ( ) I. Mrázová: ATNS (NAI03) 5

26 Restaurace degradovaého obrazu (4) Rerezetace obrazu (oračováí): Nechť V { v ; M } e bárí moža stavů euroové sítě v začí stav eurou ( ) Fuce šed e ro obraz rerezetováa součtem stavových roměých eurou: Síť s taovou rerezetací má: stablích stavů ro obraz M ( ) v ; de m ( ) m M! ( )! ( M ( ))! I. Mrázová: ATNS (NAI03) 6

27 Restaurace degradovaého obrazu (5) Rerezetace obrazu (oračováí): Výhody: -) Jede euro s oačým výstuem ezůsobí velé šody v číselé rerezetac -) Více šací alézt srávé řešeí -) Rychleší overgece Každý euro ( ) v tomto modelu dostává áhodě a asychroě vstuy ode všech euroů a rahový vstu: T ;l I M u T ; l v l I l ředstavue váhu syase ( záorou) mez euroy () a (l) rahový vstu I. Mrázová: ATNS (NAI03) 7

28 Restaurace degradovaého obrazu (6) Rerezetace obrazu (oračováí): Předolady: Váhy sou symetrcé a euroy maí zětou vazbu (selffeedbac): T ;l T l; a T ; 0 Dále ro aždý euro: v g(u ) de g() e eleárí fuce: ( ) 0 Stav aždého eurou se atualzue omocí atuálí formace od ostatích euroů g oud oud I. Mrázová: ATNS (NAI03) 8 < 0 0

29 Restaurace degradovaého obrazu (7) Odhad arametrů modelu: Pomocí eergetcé fuce E a mmalzace chybové fuce defovaé ao: de Z e orma λ e ostata ~ á formulace restauračího roblému M M T ; l l l E Y H Xˆ v v D Xˆ M I v I. Mrázová: ATNS (NAI03) 9

30 I. Mrázová: ATNS (NAI03) 30 Restaurace degradovaého obrazu (8) Odhad arametrů modelu (oračováí): Potom: M M M l l M M l l y v h y v v d d v v h h d h y E λ λ zaedbat

31 I. Mrázová: ATNS (NAI03) 3 Restaurace degradovaého obrazu (9) Odhad arametrů modelu (oračováí): Porováím s oefcety eergetcé fuce dostaeme: ; l h y I d d h h T λ

32 Restaurace degradovaého obrazu (0) Odhad arametrů modelu (oračováí): Zaímavé asety: Váhy ezávsí a a l Prahy ezávsí a T ; 0 utý feedbac Váhy určue rozmývací fuce oerátor D a ostata λ T ;l lze sočítat bez chyby za ředoladu že záme rozmývací fuc I. Mrázová: ATNS (NAI03) 3

33 I. Mrázová: ATNS (NAI03) 33 Restaurace degradovaého obrazu () Zaímavé asety (oračováí): Prahy sou fucem degradovaého obrazu e-l obraz degradová ouze rostorově varatí rozmývací fucí lze určt I a e ráh I ovlvě šumem h h h h h I h y šum

34 Restaurace degradovaého obrazu () Restaurace: Provádí se vyhodocováím euroů a ostrucí obrazu Jsou-l ž zámy arametry T ;l a I může aždý euro áhodě a asychroě vyhodott svů stav a atualzovat ho Poud bylo dosažeo quas-otmálího eergetcého bodu lze ostruovat obraz: ( ) T ;l 0 (~ self-feedbac) eí zaručea overgece sítě M v m I. Mrázová: ATNS (NAI03) 34

35 Restaurace degradovaého obrazu (3) Restaurace (oračováí): Návrh determstcého ebo stochastcého rozhodovacího ravdla (odle toho zda ožadueme overgec loálímu ebo globálímu mmu) Determstcé ravdlo: Je-l změa eerge ΔE vzhledem e změě stavu Δv meší ew ež ula > ový stav eurou ( ) : v Je-l ΔE vzhledem e změě stavu větší ež ula edode e změě stavu I. Mrázová: ATNS (NAI03) 35

36 Restaurace degradovaého obrazu (4) Restaurace (oračováí): Stochastcé ravdlo: Podobé ao u tech smulovaého žíháí Pravděodobost řetí: P T { ( ew accet v K v K v )} ΔE e změa eerge T e arametr (~ telota) ew Nový stav estlže e M Δ E T ΔE ΔE Rychlost overgece algortmu závsí a volbě teloty T < 0 0 v { ( ew )} P accet v K v K v T M I. Mrázová: ATNS (NAI03) 36

37 Restaurace degradovaého obrazu (5) Restauračí algortmus: Kro : Icalzace stavu euroů Kro : Atualzace stavu všech euroů áhodě asychroě odle rozhodovacího ravdla Kro 3: Poud se hodota eergetcé fuce eměí roveď Kro 4; a roveď Kro Kro 4: Kostruce obrazu omocí: ( ) I. Mrázová: ATNS (NAI03) 37 M v m

38 Restaurace degradovaého obrazu (6) Restauračí algortmus (oračováí): Obtížá smulace a běžém očítač Rozměry obrázu: lů M úroví šed M euroů a ½ 4 M syatcých vah 4 M oerací (sčítáí ásobeí) v aždé terac Prostorová složtost: O ( 4 M ) Časová složtost: O ( 4 M K ) K ~ očet terací Obvyle: 0 K M 56 I. Mrázová: ATNS (NAI03) 38

39 I. Mrázová: ATNS (NAI03) 39 Restaurace degradovaého obrazu (7) Restauračí algortmus (oračováí): Možé zedodušeí za ředoladu že se euroy atualzuí ostuě: ( ) < 0 oud 0 0 oud ; M l l l u u u g v I v T u

40 I. Mrázová: ATNS (NAI03) 40 Restaurace degradovaého obrazu (8) Možé zedodušeí (oračováí): Váhy ezávsí a a l rahy ezávsí a ; l h y I d d h h T λ

41 I. Mrázová: ATNS (NAI03) 4 Restaurace degradovaého obrazu (9) Možé zedodušeí (oračováí): M euroů ro rerezetac úrově šed má steé váhy a rahy reduce dmeze váhové matce o čle M ; ; M l l I T I v T u ( ) ( ) M m m v ;

42 Restaurace degradovaého obrazu (0) Možé zedodušeí (oračováí): Váhy sou dáy omocí rozmývací fuce H ostaty λ a oerátoru D euroy sou loálě rooeé a větša vah bude ulových Je-l rozmývací fuce rostorově varatí a euvažuí-l se orae obrázu e třeba uchovávat mohem méě údaů: Stav ( ) tého eurou se atualzue odle hodoty vstuu u a to omocí rozhodovacího ravdla I. Mrázová: ATNS (NAI03) 4

43 Restaurace degradovaého obrazu () Možé zedodušeí (oračováí): Změa stavu ( ) tého eurou vyvolá změu úrově šed : old oud Δ v 0 ew old oud Δ v old oud Δ v Δ ew old v v v de e změa stavu eurou ( ) ozačue úroveň šed (~ rerezetovaou výstuem M euroů) I. Mrázová: ATNS (NAI03) 43

44 I. Mrázová: ATNS (NAI03) 44 Restaurace degradovaého obrazu () Možé zedodušeí (oračováí): Jedotlvé euroy racuí ostuě á formulace rocesu atualzace ( ) < Δ > Δ Δ Δ 0 oud 0 oud 0 oud 0 u v u v u v u g v ; I T u

45 Restaurace degradovaého obrazu (3) Možé zedodušeí (oračováí): ew old Δv old oud oud ΔE ΔE < 0 0 lze oužít stochastcé rozhodovací ravdlo Kotrola hodot úrově šed v aždém rou adatace: 0 ew 55 I. Mrázová: ATNS (NAI03) 45

46 Restaurace degradovaého obrazu (4) Restauračí algortmus zedodušeí: Kro : Icalzace omocí degradovaého obrázu Kro : Postuě rod všechy ly: Pro aždý el roveď atualzac omocí výše uvedeých vztahů Poud edode žádé změě (~ estlže Δ v 0 ebo Δ E 0 ) řed dalšímu lu Kro 3: Zotrolu hodotu eergetcé fuce Poud edošlo žádé změě obráze byl zrestaurová V oačém říadě řed e Krou a roveď další terac I. Mrázová: ATNS (NAI03) 46

47 I. Mrázová: ATNS (NAI03) 47 Restaurace degradovaého obrazu (5) Restauračí algortmus zedodušeí (oračováí): Výočet vstuu u ( ) tého eurou a změy hodoty eergetcé fuce Δ E lze zedodušt: Provádíme-l oaovaě atualzac úrově šed ro říslušý el lze využít ředchozích hodot: de u - e vstu ( ) íhoeurou ( ) ; v T v u E Δ Δ Δ Δ ; T v u u

48 Restaurace degradovaého obrazu (6) Reduce složtost: Prostorová: O ( 4 M ) O ( ) Výočetí: O ( 4 M K ) O (M K) Pro aždý el e třeba e ěol málo atualzací hodoty šed a aždou terac:o ( ) I. Mrázová: ATNS (NAI03) 48

Markovovy řetězce s diskrétním časem (Discrete Time Markov Chain)

Markovovy 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

Více

Analytické modely systémů hromadné obsluhy

Analytické modely systémů hromadné obsluhy Aalytcé odely systéů hroadé obsluhy ředěte teore hroadé obsluhy Kedallova lasface - ty SHO: X / Y / c / d / X ty stochastcého rocesu, terý osue říchody Y ty stochastcého rocesu terý osue délu obsluhy c

Více

PRAVDĚPODOBNOST A STATISTIKA

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

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

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

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

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

Více

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

Neuronové sítě. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze

Neuronové sítě. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze Neuoové sítě Doc. RND. Iveta Mázová, CSc. Kateda teoetcké fomatky Matematcko-fyzkálí fakulta Uvezty Kalovy v Paze Neuoové sítě Asocatví pamět BAM a Hopfeldůvmodel Doc. RND. Iveta Mázová, CSc. Kateda teoetcké

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

c) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je transcendentí. xp 1 (p 1)! (x 1)p (x 2) p... (x d) p e x t f(t) d t = F (0)e x F (x),

c) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je transcendentí. xp 1 (p 1)! (x 1)p (x 2) p... (x d) p e x t f(t) d t = F (0)e x F (x), a) Vyslovte a dokažte Liouvillovu větu o šaté aroximovatelosti algebraického čísla řádu d b) Defiujte Liouvillovo číslo c) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je trascedetí 2 a) Defiujte

Více

Lineární a adaptivní zpracování dat. 12. Adaptivní filtrace a predikce III.

Lineární a adaptivní zpracování dat. 12. Adaptivní filtrace a predikce III. Leárí a adatví zracováí dat 12. Adatví ftrace a redce III. Dae Scharz Ivestce do rozvoje vzděáváí Adatví ftrace aace 1. Idetface systémů 2. Potačeí šumu 3. Leárí redce Vždy utá dostuost chybové sevece

Více

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

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

Více

8. Zákony velkých čísel

8. Zákony velkých čísel 8 Zákoy velkých čísel V této část budeme studovat velm často užívaá tvrzeí o součtech posloupost áhodých velč Nedříve budeme vyšetřovat tvrzeí azývaá souhrě ako slabé zákoy velkých čísel Veškeré úvahy

Více

Aplikace teorie neuronových sítí

Aplikace teorie neuronových sítí Aplikace teorie euroových sítí Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické iforatiky Mateaticko-fyzikálí fakulta Uiverzity Karlovy v Praze Zpracováí časových vzorů (teporal processig) Stadardí algoritus

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

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

APLIKACE STOCHASTICKÉHO MODELU MARKOVSKÉHO TYPU APPLICATION OF A MARKOV S TYPE STOCHASTIC MODEL. Jan Získal

APLIKACE STOCHASTICKÉHO MODELU MARKOVSKÉHO TYPU APPLICATION OF A MARKOV S TYPE STOCHASTIC MODEL. Jan Získal APLIKACE STOCHASTICKÉHO MODELU MARKOVSKÉHO TYPU APPLICATION OF A MARKOV S TYPE STOCHASTIC MODEL Ja Získal Aotace: Je uvedea ukázka využtí markovských rocesů ř ekoomckém rozhodováí a možost osu těchto stuací.

Více

5. Lineární diferenciální rovnice n-tého řádu

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

Více

2. Vícekriteriální a cílové programování

2. Vícekriteriální a cílové programování 2. Vícerterálí a cílové programováí Úlohy vícerterálího programováí jsou úlohy, ve terých se a možě přípustých řešeí optmalzuje ěol salárích rterálích fucí. Moža přípustých řešeí je přtom defováa podobě

Více

Tento materiál vznikl díky Operačnímu programu Praha Adaptabilita CZ.2.17/3.1.00/33254

Tento materiál vznikl díky Operačnímu programu Praha Adaptabilita CZ.2.17/3.1.00/33254 Evroský sociálí od Praha & EU: Ivestujeme do vaší budoucosti eto materiál vzikl díky Oeračímu rogramu Praha Adatabilita CZ..7/3../3354 Maažerské kvatitativí metody II - ředáška č.3 - Queuig theory teorie

Více

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT

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

Více

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

Definice obecné mocniny

Definice obecné mocniny Defiice obecé mociy Zavedeí obecé mociy omocí ity číselé oslouosti lze rovést ěkolika zůsoby Níže uvedeý zůsob využívá k defiici eoeciálí fukce itu V dalším budeme otřebovat ásledující dvě erovosti: Lemma

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

Ing. Vladimíra Michalcová, Ph.D. Katedra stavební mechaniky (228)

Ing. Vladimíra Michalcová, Ph.D. Katedra stavební mechaniky (228) Stavebí statka - vyučující Dooručeá lteratura Ig. Vladmíra chalcová, h.d. Katedra stavebí mechaky (228) místost: LH 47/ tel.: (59 732) 348 e mal: vladmra.mchalcova@vsb.c www: htt://fast.vsb.c/mchalcova

Více

Téma 1: Pravděpodobnost

Téma 1: Pravděpodobnost ravděpodobot Téma : ravděpodobot ředáša - ravděpodobot áhodého evu Náhodý pou a áhodý ev Náhodý pou - aždá čot, eíž výlede eí edozačě urče podmíam, za terých probíhá apř hod otou, měřeí dély, běh a 00

Více

IV. MKP vynucené kmitání

IV. MKP vynucené kmitání Jří Máca - katedra mechaky - B35 - tel. 435 4500 maca@fsv.cvut.cz IV. MKP vyuceé kmtáí. Rovce vyuceého kmtáí. Modálí aalýza rozklad do vlastích tvarů 3. Přímá tegrace pohybových rovc 3. Metoda cetrálích

Více

Katedra obecné elektrotechniky Fakulta elektrotechniky a informatiky, VŠB - TU Ostrava ENERGETIKA U ŘÍZENÝCH ELEKTRICKÝCH POHONŮ. 1.

Katedra obecné elektrotechniky Fakulta elektrotechniky a informatiky, VŠB - TU Ostrava ENERGETIKA U ŘÍZENÝCH ELEKTRICKÝCH POHONŮ. 1. Katedra obecé eletrotechiy Faulta eletrotechiy a iformatiy, VŠB - TU Ostrava EERGETIKA U ŘÍZEÝCH EEKTRICKÝCH POHOŮ Předmět : Rozvody eletricé eergie v dolech a lomech. Úvod: Světový tred z hledisa eletricé

Více

Téma 6: Indexy a diference

Téma 6: Indexy a diference dexy a dferece Téma 6: dexy a dferece ředáška 9 dvdálí dexy a dferece Základí ojmy Vedle elemetárího statstckého zracováí dat se hromadé jevy aalyzjí tzv. srováváím růzých kazatelů. Statstcký kazatel -

Více

Směrnice 1/2011 Statistické vyhodnocování dat, verze 3 Verze 3 je shodná s původní Směrnicí 1/2011 verze 2, za čl. 2.3 je vložen nový odstavec

Směrnice 1/2011 Statistické vyhodnocování dat, verze 3 Verze 3 je shodná s původní Směrnicí 1/2011 verze 2, za čl. 2.3 je vložen nový odstavec Směrice /0 Statitické vyhodocováí dat, verze 3 Verze 3 e hodá ůvodí Směricí /0 verze, za čl..3 e vlože ový odtavec. Statitické metody ro zkoušeí zůobiloti Statitická aalýza oužívaá ro aalýzu výledků zkoušky

Více

Analytická geometrie

Analytická geometrie MATEMATICKÝ ÚSTAV Slezská uverzta Na Rybíčku, 746 0 Opava DENNÍ STUDIUM Aalytcká geometre Téma 3.: Aí zobrazeí Dece 3.. Zobrazeí aího prostoru A do aího prostoru A se azývá aí zobrazeí, estlže má ásleduící

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

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

Testování statistických hypotéz

Testování statistických hypotéz Testováí statstckých hyotéz Př statstckých šetřeích se často setkáváme s roblémy tohoto druhu () Máme zjstt, zda dva daé vzorky ocházejí z téhož ZS. () Máme rozhodout, zda rozdíly hodot růměrů (res. roztylů)

Více

PRAVDĚPODOBNOST ... m n

PRAVDĚPODOBNOST ... m n RVDĚODONOST - matematická discilía, která se zabývá studiem zákoitostí, jimiž se řídí hromadé áhodé jevy - vytváří ravděodobostí modely, omocí ichž se saží ostihout rocesy, ovlivěé áhodou. Náhodé okusy:

Více

Řešení písemné zkoušky z Matematické analýzy 1a ZS ,

Řešení písemné zkoušky z Matematické analýzy 1a ZS , Řešeí písemé zkoušky z Matematické aalýzy a ZS008-09,0..009 Příklad : Spočtěte itu poslouposti 75 + 60 ) 75 60 + ) 0 + ) 0 +) 70 ) 70. 5 bodů) Řešeí:Ozačíme a : 75 + 60 75 60,dále b : + ) 0 + ) 0,akoečě

Více

6 VYBRANÁ ROZDLENÍ DISKRÉTNÍ NÁHODNÉ VELIINY

6 VYBRANÁ ROZDLENÍ DISKRÉTNÍ NÁHODNÉ VELIINY 6 VYBRANÁ ROZDLENÍ DISKRÉTNÍ NÁHODNÉ VELIINY Rozdleí áhodé veliiy je edis, terým defiujeme ravdodobost jev, jež lze touto áhodou veliiou osat. Záladím rozdleím oisujícím výbry bez vraceí je hyergeometricé

Více

plynné směsi viriální rozvoj plynné směsi stavové rovnice empirická pravidla pro plynné směsi příklady na procvičení

plynné směsi viriální rozvoj plynné směsi stavové rovnice empirická pravidla pro plynné směsi příklady na procvičení lyé směs válí ovo lyé směs stavové ove emá avdla o lyé směs řílady a ovčeí Směs lyů eálé a deálí hováí eáměší vtahy: magatův áo: m...,, m Daltoův áo:...,,, Směs lyů válí ovo B C... R m m R B SISICKÁ ERMODYMIK:

Více

Směrnice 1/2011 Statistické vyhodnocování dat, verze 4 Verze 4 je shodná se Směrnicí 1/2011 verze 3, pouze byla rozšířena o robustní analýzu

Směrnice 1/2011 Statistické vyhodnocování dat, verze 4 Verze 4 je shodná se Směrnicí 1/2011 verze 3, pouze byla rozšířena o robustní analýzu Směrce /0 Stattcké vyhodocováí dat, verze 4 Verze 4 e hodá e Směrcí /0 verze 3, ouze byla rozšířea o robutí aalýzu. Stattcké metody ro zkoušeí zůoblot Cílem tattcké aalýzy výledků zkoušek ř zkouškách zůoblot

Více

1.3. ORTOGONÁLNÍ A ORTONORMÁLNÍ BÁZE

1.3. ORTOGONÁLNÍ A ORTONORMÁLNÍ BÁZE ORTOGONÁLNÍ A ORTONORMÁLNÍ BÁZE V této kaptole se dozvíte: jak je oecě defováa kolmost (ortogoalta) vektorů; co rozumíme ortogoálí a ortoormálí ází; co jsou to tzv relace ortoormalty a Croeckerovo delta;

Více

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

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

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor SP Náhodý vektor PRAVDĚPODOBNOS A SAISIKA Náhodý vektor Lbor Žák SP Náhodý vektor Lbor Žák Náhodý vektor Náhodý vektor slouží k popsu výsledku pokusu kdy měříme více údaů o procesu. Před provedeím pokusu

Více

SP2 Korelační analýza. Korelační analýza. Libor Žák

SP2 Korelační analýza. Korelační analýza. Libor Žák Korelačí aalýza Přpomeutí pojmů áhodá proměá áhodý vetor áhodý vetor Náhodý výběr: pro áhodou proměou : pro áhodý vetor : pro áhodý vetor : Přpomeutí pojmů - ovarace Kovarace áhodých proměých ovaračí oefcet

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor SP Náhodý vektor PRAVDĚPODOBNOS A SAISIKA Náhodý vektor SP Náhodý vektor Náhodý vektor Náhodý vektor slouží k popsu výsledku pokusu kdy měříme více údaů o procesu. Před provedeím pokusu eho výsledek a

Více

Náhodné jevy, jevové pole, pravděpodobnost

Náhodné jevy, jevové pole, pravděpodobnost S Náhodé jevy pravděpodobost Náhodé jevy jevové pole pravděpodobost Lbor Žák S Náhodé jevy pravděpodobost Lbor Žák Základí pojmy Expermet česky též vědecký pokus je soubor jedáí a pozorováí jehož účelem

Více

12. Regrese Teoretické základy

12. Regrese Teoretické základy Regese Jedím z hlavích úolů matematicé statistiy je hledáí a studium závislostí mezi dvěma či více oměými Závisle oměá se zavidla ozačuje Y a ezávisle oměé X,, X i,i Závislosti mezi Y a suiou oměých X

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

S k l á d á n í s i l

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

Více

Národní informační středisko pro podporu kvality

Národní informační středisko pro podporu kvality Národí iformačí středisko ro odoru kvality Testováí zůsobilosti a výkoosti výrobího rocesu RNDr. Jiří Michálek, Sc Ústav teorie iformace a automatizace AVČR UKAZATELE ZPŮSOBILOSTI 3 UKAZATELE ZPŮSOBILOSTI

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

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

VÝPOČET PRAVDĚPODOBNOSTI PORUCHY METODOU PDPV - TEORIE

VÝPOČET PRAVDĚPODOBNOSTI PORUCHY METODOU PDPV - TEORIE VÝPOČET PAVDĚPODOBNOTI POUCHY METODOU PDPV - TEOIE EVALUATION OF POBABILITY OF FAILUE UING PDPV METHOD Petr Jaas Abstract A close orm evaluato o alure lkelhood case o more tha two radom varables s a comlcated

Více

Hartre-Fock method (HF)

Hartre-Fock method (HF) Cofgurato Iteracto (CI) Coupled Clusters (CC) Perturbato Theory (PT, MP) Electro correlato H Ψ = EΨ Bor-Oppehemer approxmato Model of depedet electros Product wave fucto (Slater determat) MO LCAO Hartre-Fock

Více

Chemie cvičení 3 Soustavy s chemickou reakcí

Chemie cvičení 3 Soustavy s chemickou reakcí U 8 - Ústav oesí a zaovatelsé tehiy FS ČUT Chemie vičeí 3 Soustavy s hemiou eaí A. Reačí ietia 3/ eatou obíhá eae A + B C. oetae láty A a vstuu do eatou je,3 mol/l a láty B, mol/l. Ja se změí eačí yhlost,

Více

Způsobilost. Data a parametry. Menu: QCExpert Způsobilost

Způsobilost. 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

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

Úloha syntézy čtyřčlenného rovinného mechanismu

Úloha 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

Více

Rovnice 1.řádu. (taková řešení nazýváme singulární řešení). řeší rovnici (*) na intervalu ( a, b)

Rovnice 1.řádu. (taková řešení nazýváme singulární řešení). řeší rovnici (*) na intervalu ( a, b) Rovce řáu Rovce se separovaým proměým Derecálí rovc tvaru g h * azýváme rovcí se separovaým proměým latí: Nechť g je spojtá uce a tervalu a b h je spojtá a eulová uce a tervalu c Ozačme postupě G a H prmtví

Více

Cílem kapitoly je zvládnutí řešení determinantů čtvercových matic.

Cílem kapitoly je zvládnutí řešení determinantů čtvercových matic. temtk I část I Determty mtc řádu Determty mtc řádu Cíle Cílem ktoly je zvládutí řešeí ermtů čtvercových mtc Defce Determtem (řádu ) čtvercové mtce řádu jejímž rvky j jsou reálá (oř komlexí) čísl zýváme

Více

P. Girg. 23. listopadu 2012

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

Více

Elektrické přístroje. Přechodné děje při vypínání

Elektrické přístroje. Přechodné děje při vypínání VŠB - Techická uiverzita Ostrava Fakulta elektrotechiky a iformatiky Katedra elektrických strojů a řístrojů Předmět: Elektrické řístroje Protokol č.5 Přechodé děje ři vyíáí Skuia: Datum: Vyracoval: - -

Více

6.1 Systémy hromadné obsluhy

6.1 Systémy hromadné obsluhy 6. Systémy hromadé obsluhy Proces usoojováí áhodě i hromadě vziajících ožadavů a obsluhu se azývá roces hromadé obsluhy. Předmětem teorie hromadé obsluhy, ědy taé ozačovaé jao teorie frot (z aglicých slov

Více

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

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

Více

Západočeská univerzita FAKULTA APLIKOVANÝCH VĚD

Západočeská univerzita FAKULTA APLIKOVANÝCH VĚD Záadočesá uverzta FKULT PLIKOVNÝCH VĚD Obsah: Pravděodobostí modelováí očítačových systémů geerováí a využtí áhodých čísel (Mote Carlo metody), matematcé (marovsé) modely 3 Zálady teore systémů hromadé

Více

můžeme toto číslo považovat za pravděpodobnost jevu A.

můžeme toto číslo považovat za pravděpodobnost jevu A. RVDĚODONOST - matematická discilía, která se zabývá studiem zákoitostí, jimiž se řídí hromadé áhodé jevy - vytváří ravděodobostí modely, omocí ichž se saží ostihout áhodé rocesy. Náhodé okusy: rocesy,

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

1 VÝPOČTOVÉ ZATÍŽENÍ. 1.1 Součinitel náročnosti ( 1 ) β = ( 2 ) ( 3 )

1 VÝPOČTOVÉ ZATÍŽENÍ. 1.1 Součinitel náročnosti ( 1 ) β = ( 2 ) ( 3 ) 1 VÝOČOVÉ ZAÍŽENÍ Výočtové zatížeí a z ěho určeý výočtový roud sou základím velčam otřebým ro dmezováí rvků rozvodého zařízeí v ormálích rovozích stavech. ro eho staoveí e ezbyté zát stalovaý výko sotřebčů

Více

Výpočet planetových soukolí pomocí maticových metod

Výpočet planetových soukolí pomocí maticových metod Česé Vysoé Učeí Techcé v ze Fult stojí Techcá 4, h 6, 166 07 Výočet letových souolí omocí mtcových metod Výzumá záv áce byl odoová Výzumým cetem Josef Bož Záv č.: Z 02-07 Auto: Gbel Achteová Se, 2002 1

Více

PRAVDĚPODOBNOST A STATISTIKA

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

Více

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

Obr Lineární diskrétní systém

Obr Lineární diskrétní systém Mtetcé odel Uvžue leárí dsrétí ssté (or.. ). Or.. Leárí dsrétí ssté Steě u spotýc sstéů t u dsrétíc sstéů exstue ěol ožostí půsou věšío popsu cováí, teré vdřuí vt e výstupí velčou ( ) dsrétí vstupí velčou

Více

2. TEORIE PRAVDĚPODOBNOSTI

2. TEORIE PRAVDĚPODOBNOSTI . TEORIE PRAVDĚPODOBNOSTI V prax se můžeme setat s dvojím typem procesů. Jeda jsou to procesy determstcé, u terých platí, že př dodržeí orétích vstupích podmíe obdržíme přesý, předem zámý výslede (te můžeme

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

Náhodným (stochastickým) procesem nazveme zobrazení, které každé hodnot X t. Promnná t má ve vtšin pípad význam asu. je spojitá,

Náhodným (stochastickým) procesem nazveme zobrazení, které každé hodnot X t. Promnná t má ve vtšin pípad význam asu. je spojitá, 8 as e studu: 9 mut Cíl: Sezámíte se se záladím omy z teore áodýc roces, Marovovým rocesy, rocesy rst a zá Nauíte se osovat vícestavové systémy omocí ravdodobostí ecod a ravdodobostí stav VÝKLAD 8 Náodé

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

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

NEPARAMETRICKÉ METODY

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

Více

DISKRÉTNÍ MATEMATIKA II

DISKRÉTNÍ MATEMATIKA II Faulta pedagogcá Techcá uverzta v Lberc DISKRÉTNÍ MATEMATIKA II Doc. RNDr. Mroslav Koucý CSc. Lberec 4 Úvod Dsrétí ateata resp. její zálady patří jž tradčě ez stadardí téata předášeá a Techcé uverztě v

Více

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

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

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA 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

4 VÝPOČET PROVOZNÍCH A PORUCHOVÝCH STAVŮ V ES POMOCÍ PC USTÁLENÉ STAVY

4 VÝPOČET PROVOZNÍCH A PORUCHOVÝCH STAVŮ V ES POMOCÍ PC USTÁLENÉ STAVY 4 VÝPOČET PROVOZNÍCH A PORCHOVÝCH STAVŮ V ES POMOCÍ PC STÁLENÉ STAVY Bc. Ja Veleba ZÁPADOČESKÁ NIVERZITA V PLZNI Faulta eletrotechcá Katedra eletroeergety a eologe 1. Úvod Eletrzačí soustava (ES je soubor

Více

1. Přirozená topologie v R n

1. Přirozená topologie v R n MATEMATICKÁ ANALÝZA III předášy M Krupy Zií seestr 999/ Přirozeá topologie v R V prví části tohoto tetu zavádíe přirozeou topologii a ožiě R ejprve jao topologii orovaého prostoru a pa jao topologii součiu

Více

TECHNICKÁ UNIVERZITA V LIBERCI

TECHNICKÁ UNIVERZITA V LIBERCI TECHNICKÁ UNIVERZITA V LIBERCI Ekoomcká fakulta Semestrálí ráce S kua Jméa: Leka Pastorová, Davd arha, Ja Vtásek a Fl Urbačík Ročík: 0/06 Učtel: gr. Jří Rozkovec Obor: Podková ekoomka Datum:.. 06 Obsah

Více

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

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

Více

U. Jestliže lineární zobrazení Df x n n

U. Jestliže lineární zobrazení Df x n n MATEMATICKÁ ANALÝZA III předášky M. Krupky Zmí semestr 999/ 3. Iverzí a mplctí zobrazeí V této kaptole uvádíme dvě důležté věty, které acházeí aplkace v moha oblastech matematky: Větu o verzím a větu o

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

Statistické charakteristiky (míry)

Statistické charakteristiky (míry) Stattcé charaterty (míry) - hrují formac, obažeou v datech (vyjadřují j v ocetrovaé formě); - charaterzují záladí ryy zoumaého ouboru dat; - umožňují porováváí více ouborů. upy tattcých charatert :. charaterty

Více

TECHNICKÝ POPIS STRUKTURY FORMÁTU VÝPISU MT940 PRO SLUŽBU BUSINESS 24

TECHNICKÝ POPIS STRUKTURY FORMÁTU VÝPISU MT940 PRO SLUŽBU BUSINESS 24 TECHNICKÝ POPIS STRUKTURY FORMÁTU VÝPISU MT940 PRO SLUŽBU BUSINESS 24 Obsah 1. Pois formátu výisu MT940 ro BUSINESS 24...2 1.1. Obecé odmíky... 2 1.2. Záhlaví souboru... 2 1.3. Struktura zázamu... 2 1.4.

Více

Složení soustav. c k. Přehled užívaných koncentrací. hmotnostní konc. (podíl) objemová konc. (podíl) molová konc. (podíl) hmotnostně objemová konc.

Složení soustav. c k. Přehled užívaných koncentrací. hmotnostní konc. (podíl) objemová konc. (podíl) molová konc. (podíl) hmotnostně objemová konc. U 8 - Ústav oesí a zaovatelsé tehy FS ČVU Složeí soustav Přehled užívaýh oetaí Symbol efe Rozmě Název m hmotost_ hmotost_ hmotostí o. (odíl) v objem_ objem_ objemová o. (odíl) lat. mozství_ lat. mozství_

Více

3. cvičení 4ST201 - řešení

3. cvičení 4ST201 - řešení cvčící Ig. Jaa Feclová 3. cvčeí 4ST0 - řešeí Obah: Míry varablty Rozptyl Směrodatá odchyla Varačí oefcet Rozlad rozptylu a mezupovou a vtroupovou varabltu Změa rozptylu Vyoá šola eoomcá VŠE urz 4ST0 Míry

Více

EKONOMETRIE 9. přednáška Zobecněný lineární regresní model

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

Více

Univerzita Karlova v Praze Pedagogická fakulta

Univerzita Karlova v Praze Pedagogická fakulta Uverzt Krlov v Prze Pedgogcká kult SEMINÁRNÍ PRÁCE Z POLYNOMICKÉ ALGEBRY POLYNOM / CIFRIK Zdáí: Vyšetřete všem probrým prostředky polyom Vyprcováí: Rcoálí kořey Podle věty: Nechť p Q je koře polyomu q

Více

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

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

Více

9 NÁHODNÉ VÝBĚRY A JEJICH ZPRACOVÁNÍ. Čas ke studiu kapitoly: 30 minut. Cíl:

9 NÁHODNÉ VÝBĚRY A JEJICH ZPRACOVÁNÍ. Čas ke studiu kapitoly: 30 minut. Cíl: 9 ÁHODÉ VÝBĚR A JEJICH ZPRACOVÁÍ Čas ke studu katol: 30 mut Cíl: Po rostudováí tohoto odstavce budete rozumět ojmům Základí soubor, oulace, výběr, výběrové šetřeí, výběrová statstka a budete zát základí

Více

Fyzika V. Rupert Leitner ÚČJF MFF UK 838A, l Doporučená literatura: W.S.C. Williams: Nuclear and Particle Physics

Fyzika V. Rupert Leitner ÚČJF MFF UK 838A, l Doporučená literatura: W.S.C. Williams: Nuclear and Particle Physics Fyza V urt tr urt.tr@ff.cu.cz ÚČJF FF UK 88 l. Dooručá ltratura: W.S.C. Wllas: Nuclar ad artcl hyscs. tr Fyza V řdáša řdáša..7. Jdoty. Kata -vtory ortzova trasforac a - částcové rozady rahy rací Ivaratí

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení

PRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení S1P áhodá roměá vybraá rozděleí PRAVDĚPODOBOST A STATISTIKA áhodá roměá vybraá rozděleí S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Degeerovaé rozděleí D( ) áhodá veličia X s degeerovaým

Více

3. Charakteristiky a parametry náhodných veličin

3. Charakteristiky a parametry náhodných veličin 3. Charateristiy a parametry áhodých veliči Úolem této apitoly je zavést pomocý aparát, terým budeme dále popisovat pomocí jedoduchých prostředů áhodé veličiy. Taovýmto aparátem jsou tzv. parametry ebo

Více

6.2. ČÍSELNÉ ŘADY. V této kapitole se dozvíte:

6.2. ČÍSELNÉ ŘADY. V této kapitole se dozvíte: 6.2. ČÍSELNÉ ŘADY V této kpitole se dozvíte: jk defiujeme číselou řdu; defiici kovergece řdy jejího součtu; jk vypdá ritmetická, geometrická hrmoická řd jk je to s jejich kovergecí; jk zí utá podmík kovergece

Více

Komponenty výkonové elektrotechniky

Komponenty výkonové elektrotechniky Komoety výkoové elektrotechky Osovy ředášek:.. 3. 4. 5. 6. 7. 8. 9.... 3. Úvod do roblematky Výkoové dody Proudem řízeé součástky (výkoové trazstory, tyrstory) Moderí součástky tyrstorového tyu (GTO, IGCT,

Více

11. INDUKTIVNÍ STATISTIKA

11. INDUKTIVNÍ STATISTIKA Pravděodobost a statstka. INDUKTIVNÍ STATISTIKA Iduktví statstka Průvodce studem Navážeme a katolu 7 a ukážeme, jak racovat se soubory, jejchž všechy rvky ejsou zámy. Předokládaé zalost Pojmy z ředchozích

Více

MODELY HROMADNÉ OBSLUHY Models of queueing systems

MODELY HROMADNÉ OBSLUHY Models of queueing systems MODELY HROMADNÉ OBSLUHY Models of queueig systems Prof. RNDr. Ig. Miloš Šeda, Ph.D. Vysoé učeí techicé v Brě, Faulta strojího ižeýrství, Ústav automatizace a iformatiy e-mail: seda@fme.vutbr.cz Abstrat

Více