Vzorový příklad na rozhodování BPH_ZMAN

Rozměr: px
Začít zobrazení ze stránky:

Download "Vzorový příklad na rozhodování BPH_ZMAN"

Transkript

1 Vzorový příklad a rozhodováí BPH_ZMAN Základí charakteristiky a začeí symbol verbálí vyjádřeí iterval C g g-tý cíl g = 1,.. s V i i-tá variata i = 1,.. m K j j-té kriterium j = 1,.. v j x ij u ij váha j-tého kriteria hodota i-té variaty dle j-tého kriteria užitek i-té variaty dle j-tého kriteria S k k-tý scéář k = 1,.. t p k pravděpodobost k-tého scéáře 1) Jedokriteriálí rozhodováí za podmíek jistoty Pa Novák se rozhodl koupit ové auto a je pro ěj rozhodující pouze ejižší cea. Předpokládejme, že paa Nováka v tuto chvíli ezajímají žádé jié parametry, ebo vybral pouze ty modely automobilů, které zcela odpovídají jeho požadavkům a jsou pro všechy vybraé variaty stejé. Pa Novák se rozhoduje mezi třemi modely, které jsou pro ěj variatami ve smyslu rozhodováí, a. Cea prvího modelu je ,- Kč, cea druhého ,- Kč, cea třetího ,- Kč a cea čtvrtého je ,- Kč, přičemž cey jsou jasě daé a ebudou se za žádých okolostí měit. Možé variaty tedy posuzujeme výhradě podle jedoho kritéria. Protože je kritérium pouze jedo, je jeho váha (výzam pro rozhodovatele) rova 1,0. (Pokud by bylo kritérií více, součet jejich vah musí dávat 1,0.) Situaci shruje ásledující tabulka. Cea (K 1 ) v i 1,0 (v 1) , , ,- V ,- Z tabulky i ze zadáí je zřejmé, že v tomto případě zvolí pa Novák variatu, tedy model, jehož cea je ejižší.

2 2) Vícekriteriálí rozhodováí za podmíek jistoty Předpokládejme yí, že pa Novák změil své požadavky. Protože se ožeil a založil rodiu, zajímá jej eje cea vozu, ale i počet dveří, kvůli pohodlému usazeí dětských sedaček. V každém případě chce, aby měl vůz zadí pár dveří a kufr, tj. celkem 5 dveří. Paa Nováka dále zajímá spotřeba pohoých hmot (pro zjedodušeí uvažujme jede typ) čím méě, tím lépe. Důležitá je také záruka vozu (tetokrát je však úměra obráceá čím delší záruka, tím lépe) a výše poviého ručeí. Všecha zmíěá kritéria jsou pro paa Nováka stejě důležitá a váhy se proto rozloží rovoměrě, pouze u počtu dveří se jedá o kritérium, které musí být za všech okolostí splěo a eí možé jej vyvážit úžasými vlastostmi v jié oblasti. Variaty, které toto kritérium esplí, budou z rozhodováí vyloučey. Pa Novák si všechy údaje zapsal do ásledující tabulky: K i Cea (K 1 ) Povié ručeí (K 4 ) v i 0,25 (v 1 ) 0,25 (v 2 ) 0,25 (v 3 ) 0,25 (v 4 ) ,- 7, , ,- 5, , ,- 6,5 5, ,- 5 V ,- 6, ,- 3 Počet dveří (K 5 ) v ks Jak ukazuje předchozí tabulka, 1./2./3./4. variata zcela vypadla z rozhodováí, protože esplila kritérium počtu dveří. Pau Novákovi tedy už ezáleží a tom, jakých hodot dosahují ostatí kritéria této variaty, byť jsou sebelepší. Nyí je třeba převést jedotlivá kritéria a společé jedotky pomocí tzv. ormalizace, která je určea vztahem: u ij = x H ij j D j D j kde u ij je ormalizovaý užitek i-té variaty podle j-tého kritéria, x ij je hodota kritéria, D j je ejhorší hodota kritéria a H j je ejlepší hodota kritéria. Pro kritérium cey tedy bude výpočet vypadat ásledově: u 11 = = ( ) u 21 = = ( ) u 31 = = ( )

3 Stejě vypočteme dílčí hodoty ormalizovaých užitků pro další variaty a doplíme je do ásledující tabulky (počet dveří už emusíme uvažovat, protože kritérium je splěo stejou měrou pro všechy variaty): K i Cea (K 1 ) v i 0,25 (v 1 ) 0,25 (v 2 ) 0,25 (v 3 ) 0,25 (v 4 ) Povié ručeí (K 4 ) Celkový užitek variaty (u i ) Celkový užitek variaty je rove součtu součiů dílčího užitku a váhy kritéria a ejvyšší hodoty celkového užitku dosahuje variata. 3) Změa váhy kritérií Pokud by pro paa Nováka byla apříklad ejdůležitější spotřeba pohoých hmot a až za í by stála všecha ostatí kritéria, mohla by se váha jedotlivých kritérií změit, stejě jako celý výsledek rozhodovacího procesu. Jedotlivé ormalizovaé užitky vždy ásobíme váhou kritéria a součet těchto součiů je celkovým užitkem variaty. K i Cea (K 1 ) v i 0,2 (v 1 ) 0,4 (v 2 ) 0,2 (v 3 ) 0,2 (v 4 ) Povié ručeí (K 4 ) Celkový užitek variaty (u i ) V tomto případě je však ejvyššího celkového užitku dosažeo při výběru variaty. 4) Jedokriteriálí rozhodováí za podmíek rizika Vraťme se yí k původím charakteristikám jedotlivých variat. K i Cea (K 1 ) ,- 7, , ,- 5, , ,- 6,5 5, ,- Povié ručeí (K 4 ) Pa Novák se rozhodl, že si vytvoří z dostupých iformací jedo kritérium, kterým budou áklady a jede rok provozu vozidla v záruce. Podle předchozích zkušeostí zjistil, že za rok ujede km. Pa Novák předpokládá, že po koci záruky vůz prodá a to ve všech třech případech za ,- Kč.

4 Rozdíl mezi pořizovací a prodejí ceou ásledě rozpočítá a jedotlivé roky. Vzorec jeho kritéria tedy bude ásledující: K = kde c je cea pohoých hmot v Kč/l. Problém je v tom, že cea pohoých hmot eí kostatí. Pa Novák si pečlivě prostudoval vývoj ce a dospěl k ázoru, že průměrá cea ve sledovaých letech bude s pravděpodobostí 0,25 rova 27,- Kč/l, s pravděpodobostí 0,5 bude její výše 30,- Kč/l a s pravděpodobostí 0,25 se vyšplhá a 33,- Kč/l. Cea pohoých hmot je pro paa Nováka proměou a její kokrétí hodota představuje tři možé scéáře: Scéář S 1 S 2 S 3 Cea 27,- Kč/l 30,- Kč/l 33,- Kč/l Pravděpodobost 0,25 (p 1 ) 0,5 (p 2 ) 0,25 (p 3 ) Nyí musíme pro každý scéář vypočítat hodoty kritéria pro všechy variaty. Jejich hodoty jsou uvedey v ásledující tabulce (druhý sloupec u každého scéáře je rove součiu hodoty kritéria a pravděpodobosti scéáře): S 1 (27,- Kč/l) S 2 (30 Kč/l) S 3 (33 Kč/l) Očekávaé áklady p i 0,25 0,5 0,25 Σ{K(S k,v j )*p k } Nejižší očekávaé ročí áklady má variata. V případě, že by astal prví scéář, bylo by pro paa Nováka ejlepší, kdyby zvolil variatu, u druhého a třetího scéáře je již výhodější variata. Pokud by byl pa Novák ochote riskovat, vybral by si variatu, pokud by byl jeho vztah k riziku egativí, rozhodl by se spíše pro variatu. 5) Aalýza citlivosti Pa Novák si vybral variatu. Do této chvíle předpokládal, že pořizovací ce vozidla je eměá (co když si ale bude chtít do vozu dokoupit klimatizaci?), cea pohoých hmot abude jedé z předpokládaých hodot a spotřeba uvedeá v dokumetaci vozidla bude totožá se skutečou spotřebou. Je však třeba vzít v úvahu i změu těchto hodot a zjistit, jaký bude mít změa vliv a celkové ročí áklady. Vývoj hodoty kritéria při parciálí změě jedé proměé o 10 % ukazuje ásledující tabulka: Pořizovací cea Cea pohoých hmot Spotřeba Původí ,- 30,- Kč 5,2 Růst o 10 %

5 Původí hodota ákladů Nová hodota ákladů Změa Nejcitlivěji tedy reagují ročí áklady a změu. 6) Jedokriteriálí rozhodováí v podmíkách ejistoty Kvůli áhlým výkyvům a trhu s pohoými hmotami se ukázaly výpočty pravděpodobostí paa Nováka jako bezpředměté. Pa Novák eví, s jakou pravděpodobostí astaou jedotlivé scéáře, a proto musí postupovat podle ěkterého z pravidel rozhodováí v podmíkách ejistoty. Rozhodovací matice je ásledující: S 1 (27,- Kč/l) S 2 (30 Kč/l) S 3 (33 Kč/l) U pravidla maximi se saží pa Novák vybrat tu variatu, kde je v případě ejméě přízivého vývoje hodota kritéria ejlepší. Pa Novák je tedy pesimista. Volí proto variatu. U pravidla maximax je aopak pa Novák optimista a vybírá tu variatu, pro iž je v případě ejpřízivějšího vývoje hodota kritéria ejlepší. Pa Novák je optimista. Volí proto variatu. Hurwitzovo pravidlo pracuje s parametrem β, který udává ochotu rozhodovatele riskovat v rozmezí od 0 do 1. Předpokládejme, že pa Novák má hodotu parametru β=0,5. Pro každou variatu je pak třeba provést ásledující výpočet: určeí maximálí, tj. ejvýhodější (x imax ) a miimálí, tj. ejméě výhodé (x imi ) hodoty kritéria v jedotlivých řádcích, výpočet souhré hodoty kritéria každé variaty dle vztahu K = β. x imax + (1 - β). x imi, S 1 (27,- Kč/l) S 2 (30 Kč/l) S 3 (33 Kč/l) K Pa Novák tedy volí variatu. Podle Laplaceova pravidla jsou všechy variaty stejě pravděpodobé. Proto jsou hodoty jedoduše sečtey pro jedotlivé variaty a vyděley počtem scéářů.

6 S 1 (27,- Kč/l) S 2 (30 Kč/l) S 3 (33 Kč/l) u i Pa Novák tedy volí variatu. 7) Vícekriteriálí rozhodováí v podmíkách rizika Pa Novák se zmíil maželce, že chce koupit ový automobil a ta přidala k jeho ákladovému kritériu ještě desig vozu. Do rozhodováí tedy vstoupilo další kritérium. Paí Nováková hodotí desig jedotlivých variat a bodové stupici od 1 do 10, přičemž 10 bodů je ejlepší hodoceí. Maželé Novákovi se dohodli, že váha desigu vozu bude 0,3 a váha ročích ákladů 0,7. Paí Nováková hodotí desig ásledově: Desig Pro jedotlivé scéáře jsou absolutí hodoty kritérií a ormovaé hodoty užitku ásledující: S 1 (27 Kč/l) Náklady Desig u i v j 0,7 0,3 S 2 (30 Kč/l) Náklady Desig u i v j 0,7 0,3 S 3 (33 Kč/l) Náklady Desig u i v j 0,7 0,3

7 Hodoty celkových očekávaých užitků jedotlivých variat jsou ásledující: S 1 (27,- Kč/l) S 2 (30 Kč/l) S 3 (33 Kč/l) u i p j 0,25 0,5 0,25 Desig hodoceý paí Novákovou tedy převážil výsledek rozhodováí ve prospěch variaty.

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

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL Elea Mielcová, Radmila Stoklasová a Jaroslav Ramík; Statistické programy POPISNÁ STATISTIKA V PROGRAMU MS EXCEL RYCHLÝ NÁHLED KAPITOLY Žádý výzkum se v deší době evyhe statistickému zpracováí dat. Je jedo,

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

10.3 GEOMERTICKÝ PRŮMĚR

10.3 GEOMERTICKÝ PRŮMĚR Středí hodoty, geometrický průměr Aleš Drobík straa 1 10.3 GEOMERTICKÝ PRŮMĚR V matematice se geometrický průměr prostý staoví obdobě jako aritmetický průměr prostý, pouze operace jsou o řád vyšší: místo

Více

OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN

OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN Úloha obchodího cestujícího OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN Nejprve k pojmům používaým v okružích a rozvozích úlohách: HAMILTONŮV CYKLUS je typ cesty,

Více

DURACE A INVESTIČNÍ HORIZONT PŘI INVESTOVÁNÍ DO DLUHOPISŮ

DURACE A INVESTIČNÍ HORIZONT PŘI INVESTOVÁNÍ DO DLUHOPISŮ DURACE A INVESTIČNÍ HORIZONT PŘI INVESTOVÁNÍ DO DLUHOPISŮ Ivestičí horizot IH: doba, po kterou má ivestor v daé ivestici vázáy své peíze. Při ivestici do dluhopisu jsme vystavei riziku změy výosů Uvažujme

Více

Pojem času ve finančním rozhodování podniku

Pojem času ve finančním rozhodování podniku Pojem času ve fiačím rozhodováí podiku 1.1. Výzam faktoru času a základí metody jeho vyjádřeí Fiačí rozhodováí podiku je ovlivěo časem. Peěží prostředky získaé des mají větší hodotu ež tytéž peíze získaé

Více

Posloupnosti a číselné řady. n + 1. n + 1 + n n + 1 + n. n n + 1 + n. = lim. n2 sin n! lim. = 0, je lim. lim. lim. 1 + b + b 2 + + b n) = 1 b

Posloupnosti a číselné řady. n + 1. n + 1 + n n + 1 + n. n n + 1 + n. = lim. n2 sin n! lim. = 0, je lim. lim. lim. 1 + b + b 2 + + b n) = 1 b Najděte itu Poslouposti a číselé řady ) + Protože + = + x ) + + =, je + + + + ) + = = 0 + + Najděte itu 3 si! + Protože je si! a 3 = 0, je 3 si! = 0 Najděte itu + a + a + + a + b + b, a

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

I. Výpočet čisté současné hodnoty upravené

I. Výpočet čisté současné hodnoty upravené I. Výpočet čisté současé hodoty upraveé Příklad 1 Projekt a výrobu laserových lamp pro dermatologii vyžaduje ivestici 4,2 mil. Kč. Předpokládají se rovoměré peěží příjmy po zdaěí ve výši 1,2 mil. Kč ročě

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

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

PŘÍKLAD NA PRŮMĚRNÝ INDEX ŘETĚZOVÝ NEBOLI GEOMETRICKÝ PRŮMĚR

PŘÍKLAD NA PRŮMĚRNÝ INDEX ŘETĚZOVÝ NEBOLI GEOMETRICKÝ PRŮMĚR PŘÍKLAD NA PRŮMĚRNÝ INDEX ŘETĚZOVÝ NEBOLI GEOMETRICKÝ PRŮMĚR Ze serveru www.czso.cz jsme sledovali sklizeň obilovi v ČR. Sklizeň z ěkolika posledích let jsme vložili do tabulky 10.10. V kapitole 7. Idexy

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

4 DOPADY ZPŮSOBŮ FINANCOVÁNÍ NA INVESTIČNÍ ROZHODOVÁNÍ

4 DOPADY ZPŮSOBŮ FINANCOVÁNÍ NA INVESTIČNÍ ROZHODOVÁNÍ 4 DOPADY ZPŮSOBŮ FACOVÁÍ A VESTČÍ ROZHODOVÁÍ 77 4. ČSTÁ SOUČASÁ HODOTA VČETĚ VLVU FLACE, CEOVÝCH ÁRŮSTŮ, DAÍ OPTMALZACE KAPTÁLOVÉ STRUKTURY Čistá současá hodota (et preset value) Jedá se o dyamickou metodu

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

(varianta s odděleným hodnocením investičních nákladů vynaložených na jednotlivé privatizované objekty)

(varianta s odděleným hodnocením investičních nákladů vynaložených na jednotlivé privatizované objekty) (variata s odděleým hodoceím ivestičích ákladů vyaložeých a jedotlivé privatizovaé objekty) Vypracoval: YBN CONSULT - Zalecký ústav s.r.o. Ig. Bedřich Malý Ig. Yvetta Fialová, CSc. Václavské áměstí 1 110

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

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test, varianta B)

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test, varianta B) Přijímací řízeí pro akademický rok 24/5 a magisterský studijí program: PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemý test, variata B) Zde alepte své uiverzití číslo U každé otázky či podotázky v ásledujícím

Více

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

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

Více

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test, varianta C)

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test, varianta C) Přijímací řízeí pro akademický rok 24/ a magisterský studijí program: PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemý test, variata C) Zde alepte své uiverzití číslo U každé otázky či podotázky v ásledujícím

Více

IAJCE Přednáška č. 12

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

Více

Kvantová a statistická fyzika 2 (Termodynamika a statistická fyzika)

Kvantová a statistická fyzika 2 (Termodynamika a statistická fyzika) Kvatová a statistická fyzika (Termodyamika a statistická fyzika) Boltzmaovo - Gibbsovo rozděleí - ilustračí příklad Pro ilustraci odvozeí rozděleí eergií v kaoickém asámblu uvažujme ásledující příklad.

Více

b c a P(A B) = c = 4% = 0,04 d

b c a P(A B) = c = 4% = 0,04 d Příklad 6: Z Prahy do Athé je 50 km V Praze byl osaze válec auta ovou svíčkou, jejíž životost má ormálí rozděleí s průměrem 0000 km a směrodatou odchylkou 3000 km Jaká je pravděpodobost, že automobil překoá

Více

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

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

Více

2. Znát definici kombinačního čísla a základní vlastnosti kombinačních čísel. Ovládat jednoduché operace s kombinačními čísly.

2. Znát definici kombinačního čísla a základní vlastnosti kombinačních čísel. Ovládat jednoduché operace s kombinačními čísly. 0. KOMBINATORIKA, PRAVDĚPODOBNOST, STATISTIKA Dovedosti :. Chápat pojem faktoriál a ovládat operace s faktoriály.. Zát defiici kombiačího čísla a základí vlastosti kombiačích čísel. Ovládat jedoduché operace

Více

Zobrazení čísel v počítači

Zobrazení čísel v počítači Zobraeí ísel v poítai, áklady algoritmiace Ig. Michala Kotlíková Straa 1 (celkem 10) Def.. 1 slabika = 1 byte = 8 bitů 1 bit = 0 ebo 1 (ve dvojkové soustavě) Zobraeí celých ísel Zobraeí ísel v poítai Ke

Více

Časová hodnota peněz. Metody vyhodnocení efektivnosti investic. Příklad

Časová hodnota peněz. Metody vyhodnocení efektivnosti investic. Příklad Metody vyhodoceí efektvost vestc Časová hodota peěz Metody vyhodoceí Časová hodota peěz Prostředky, které máme k dspozc v současost mají vyšší hodotu ež prostředky, které budeme mít k dspozc v budoucost.

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

ÚROKVÁ SAZBA A VÝPOČET BUDOUCÍ HODNOTY. Závislost úroku na době splatnosti kapitálu

ÚROKVÁ SAZBA A VÝPOČET BUDOUCÍ HODNOTY. Závislost úroku na době splatnosti kapitálu ÚROKVÁ SAZBA A VÝPOČET BUDOUÍ HODNOTY. Typy a druhy úročeí, budoucí hodota ivestice Úrok - odměa za získáí úvěru (cea za službu peěz) Ročí úroková sazba (míra)(i) úrok v % z hodoty kapitálu za časové období

Více

1.3. POLYNOMY. V této kapitole se dozvíte:

1.3. POLYNOMY. V této kapitole se dozvíte: 1.3. POLYNOMY V této kapitole se dozvíte: co rozumíme pod pojmem polyom ebo-li mohočle -tého stupě jak provádět základí početí úkoy s polyomy, kokrétě součet a rozdíl polyomů, ásobeí, umocňováí a děleí

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

(Teorie statistiky a aplikace v programovacím jazyce Visual Basic for Applications)

(Teorie statistiky a aplikace v programovacím jazyce Visual Basic for Applications) Základy datové aalýzy, modelového vývojářství a statistického učeí (Teorie statistiky a aplikace v programovacím jazyce Visual Basic for Applicatios) Lukáš Pastorek POZOR: Autor upozorňuje, že se jedá

Více

FINANČNÍ MATEMATIKA SBÍRKA ÚLOH

FINANČNÍ MATEMATIKA SBÍRKA ÚLOH FINANČNÍ MATEMATIKA SBÍRKA ÚLOH Zpracováo v rámci projektu " Vzděláváí pro kokureceschopost - kokureceschopost pro Třeboňsko", registračí číslo CZ.1.07/1.1.10/02.0063 Gymázium, Třeboň, Na Sadech 308 Autor:

Více

Metodický postup pro určení úspor primární energie

Metodický postup pro určení úspor primární energie Metodický postup pro určeí úspor primárí eergie Parí protitlaká turbía ORGRZ, a.s., DIVIZ PLNÉ CHNIKY A CHMI HUDCOVA 76, 657 97 BRNO, POŠ. PŘIHR. 97, BRNO 2 z.č. Obsah abulka hodot vstupujících do výpočtu...3

Více

Sekvenční logické obvody(lso)

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

Více

8. Základy statistiky. 8.1 Statistický soubor

8. Základy statistiky. 8.1 Statistický soubor 8. Základy statistiky 7. ročík - 8. Základy statistiky Statistika je vědí obor, který se zabývá zpracováím hromadých jevů. Tvoří základ pro řadu procesů řízeí, rozhodováí a orgaizováí, protoţe a základě

Více

1. Definice elektrického pohonu 1.1 Specifikace pohonu podle typu poháněného pracovního stroje 1.1.1 Rychlost pracovního mechanismu

1. Definice elektrického pohonu 1.1 Specifikace pohonu podle typu poháněného pracovního stroje 1.1.1 Rychlost pracovního mechanismu 1. Defiice elektrického pohou Pod pojmem elektrický poho rozumíme soubor elektromechaických vazeb a vztahů mezi pracovím mechaismem a elektromechaickou soustavou. Mezi základí tři části elektrického pohou

Více

Statistika. Statistické funkce v tabulkových kalkulátorech MSO Excel a OO.o Calc

Statistika. Statistické funkce v tabulkových kalkulátorech MSO Excel a OO.o Calc Statistika Statistické fukce v tabulkových kalkulátorech MSO Excel a OO.o Calc Základí pojmy tabulkových kalkulátorů Cílem eí vyložit pojmy tabulkových kalkulátorů, ale je defiovat pojmy vyskytující se

Více

TECHNICKÝ AUDIT VODÁRENSKÝCH DISTRIBUČNÍCH

TECHNICKÝ AUDIT VODÁRENSKÝCH DISTRIBUČNÍCH ECHNICKÝ AUDI VODÁRENSKÝCH DISRIBUČNÍCH SYSÉMŮ Ig. Ladislav uhovčák, CSc. 1), Ig. omáš Kučera 1), Ig. Miroslav Svoboda 1), Ig. Miroslav Šebesta 2) 1) 2) Vysoké učeí techické v Brě, Fakulta stavebí, Ústav

Více

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test)

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test) Přijímací řízeí pro akademický rok 2007/08 a magisterský studijí program: Zde alepte své uiverzití číslo PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemý test) U každé otázky či podotázky v ásledujícím

Více

1. Nakreslete všechny kostry následujících grafů: nemá žádnou kostru, roven. roven n,

1. Nakreslete všechny kostry následujících grafů: nemá žádnou kostru, roven. roven n, DSM2 Cv 7 Kostry grafů Defiice kostry grafu: Nechť G = V, E je souvislý graf. Kostrou grafu G azýváme každý jeho podgraf, který má stejou možiu vrcholů a je zároveň stromem. 1. Nakreslete všechy kostry

Více

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test)

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test) Přijímací řízeí pro akademický rok 2007/08 a magisterský studijí program: Zde alepte své uiverzití číslo PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemý test) U každé otázky či podotázky v ásledujícím

Více

Základy statistiky. Zpracování pokusných dat Praktické příklady. Kristina Somerlíková

Základy statistiky. Zpracování pokusných dat Praktické příklady. Kristina Somerlíková Základy statistiky Zpracováí pokusých dat Praktické příklady Kristia Somerlíková Data v biologii Zak ebo skupia zaků popisuje přírodí jevy, úlohou výzkumíka je vybrat takovou skupiu zaků, které charakterizují

Více

9.1.12 Permutace s opakováním

9.1.12 Permutace s opakováním 9.. Permutace s opakováím Předpoklady: 905, 9 Pedagogická pozámka: Pokud echáte studety počítat samostatě příklad 9 vyjde tato hodia a skoro 80 miut. Uvažuji o tom, že hodiu doplím a rozdělím a dvě. Př.

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

Laboratorní práce č. 10 Úloha č. 9. Polarizace světla a Brownův pohyb:

Laboratorní práce č. 10 Úloha č. 9. Polarizace světla a Brownův pohyb: ruhlář Michal 8.. 5 Laboratorí práce č. Úloha č. 9 Polarizace světla a Browův pohyb: ϕ p, C 4% 97,kPa Úkol: - Staovte polarizačí schopost daého polaroidu - Určete polarimetrem úhel stočeí kmitavé roviy

Více

AMC/IEM J - HMOTNOST A VYVÁŽENÍ

AMC/IEM J - HMOTNOST A VYVÁŽENÍ ČÁST JAR-OPS 3 AMC/IEM J - HMOTNOST A VYVÁŽENÍ ACJ OPS 3.605 Hodoty hmotostí Viz JAR-OPS 3.605 V souladu s ICAO Ae 5 a s meziárodí soustavou jedotek SI, skutečé a omezující hmotosti vrtulíků, užitečé zatížeí

Více

4.5.9 Vznik střídavého proudu

4.5.9 Vznik střídavého proudu 4.5.9 Vzik střídavého proudu Předpoklady: 4508 Miulá hodia: Pokud se v uzavřeém závitu měí magetický idukčí tok, idukuje se v ěm elektrické apětí =. Př. 1: Vodorově orietovaá smyčka se pohybuje rovoměrě

Více

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test)

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test) Přijímací řízeí pro akademický rok 2007/08 a magisterský studijí program: Zde alepte své uiverzití číslo PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemý test) U každé otázky či podotázky v ásledujícím

Více

-1- Finanční matematika. Složené úrokování

-1- Finanční matematika. Složené úrokování -- Fiačí ateatika Složeé úrokováí Při složeé úročeí se úroky přičítají k počátečíu kapitálu ( k poskytutí úvěru, k uložeéu vkladu ) a společě s í se úročí. Vzorec pro kapitál K po letech při složeé úročeí

Více

1. Základy počtu pravděpodobnosti:

1. Základy počtu pravděpodobnosti: www.cz-milka.et. Základy počtu pravděpodobosti: Přehled pojmů Jev áhodý jev, který v závislosti a áhodě může, ale emusí při uskutečňováí daého komplexu podmíek astat. Náhoda souhr drobých, ezjistitelých

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

Obsah. Opravy pro toto vydání: opravy2.proflakace.cz

Obsah. Opravy pro toto vydání: opravy2.proflakace.cz Obsah Úvod... 5 Základí pojmy... 7. Tříděí dat... 7. Míry úrově polohy... 8.3 Míry variability... 8 Počet pravděpodobosti.... Průik a sjedoceí jevů.... Náhodá veličia... 6.3 Rozděleí áhodé veličiy... 8

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

z možností, jak tuto veličinu charakterizovat, je určit součet

z možností, jak tuto veličinu charakterizovat, je určit součet 6 Charakteristiky áhodé veličiy. Nejdůležitější diskrétí a spojitá rozděleí. 6.1. Číselé charakteristiky áhodé veličiy 6.1.1. Středí hodota Uvažujme ejprve diskrétí áhodou veličiu X s rozděleím {x }, {p

Více

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

Návod pro výpočet základních induktorů s jádrem na síťové frekvenci pro obvody výkonové elektroniky.

Návod pro výpočet základních induktorů s jádrem na síťové frekvenci pro obvody výkonové elektroniky. Návod pro cvičeí předmětu Výkoová elektroika Návod pro výpočet základích iduktorů s jádrem a síťové frekveci pro obvody výkoové elektroiky. Úvod V obvodech výkoové elektroiky je možé většiu prvků vyrobit

Více

Geometrická optika. Zákon odrazu a lomu světla

Geometrická optika. Zákon odrazu a lomu světla Geometrická optika Je auka o optickém zobrazováí. Je vybudováa a 4 zákoech, které vyplyuly z pozorováí a ke kterým epotřebujeme zalosti o podstatě světla: ) přímočaré šířeí světla (paprsky) ) ezávislost

Více

9.1.13 Permutace s opakováním

9.1.13 Permutace s opakováním 93 Permutace s opakováím Předpoklady: 906, 9 Pedagogická pozámka: Obsah hodiy přesahuje 45 miut, pokud emáte k dispozici další půlhodiu, musíte žáky echat projít posledí dva příklady doma Př : Urči kolik

Více

METODICKÝ NÁVOD PRO MĚŘENÍ A HODNOCENÍ HLUKU A VIBRACÍ NA PRACOVIŠTI A VIBRACÍ V CHRÁNĚNÝCH VNITŘNÍCH PROSTORECH STAVEB

METODICKÝ NÁVOD PRO MĚŘENÍ A HODNOCENÍ HLUKU A VIBRACÍ NA PRACOVIŠTI A VIBRACÍ V CHRÁNĚNÝCH VNITŘNÍCH PROSTORECH STAVEB 6 VĚSTNÍK MZ ČR ČÁSTKA 4 METODICKÝ NÁVOD PRO MĚŘENÍ A HODNOCENÍ HLUKU A VIBRACÍ NA PRACOVIŠTI A VIBRACÍ V CHRÁNĚNÝCH VNITŘNÍCH PROSTORECH STAVEB Miisterstvo zdravotictví vydává podle 80 odst., písm. a)

Více

ÚROKOVÁ SAZBA A VÝPOČET BUDOUCÍ HODNOTY

ÚROKOVÁ SAZBA A VÝPOČET BUDOUCÍ HODNOTY ÚROKOVÁ SAZBA A VÝPOČET BUDOUÍ HODNOTY 1. Typy a druhy úročeí, budoucí hodota ivestice Úrok - odměa za získáí úvěru (cea za službu peěz) Ročí úroková sazba (míra)(r) úrok v % z hodoty kapitálu za časové

Více

SEMESTRÁLNÍ PRÁCE Z PŘEDMĚTU

SEMESTRÁLNÍ PRÁCE Z PŘEDMĚTU SEMESTRÁLNÍ PRÁCE Z PŘEDMĚTU Matematické modelováí (KMA/MM Téma: Model pohybu mraveců Zdeěk Hazal (A8N18P, zhazal@sezam.cz 8/9 Obor: FAV-AVIN-FIS 1. ÚVOD Model byl převzat z kihy Spojité modely v biologii

Více

MATEMATICKÁ INDUKCE. 1. Princip matematické indukce

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

Více

Parametr populace (populační charakteristika) je číselná charakteristika sledované vlastnosti

Parametr populace (populační charakteristika) je číselná charakteristika sledované vlastnosti 1 Základí statistické zpracováí dat 1.1 Základí pojmy Populace (základí soubor) je soubor objektů (statistických jedotek), který je vymeze jejich výčtem ebo charakterizací jejich vlastostí, může být proto

Více

3. Decibelové veličiny v akustice, kmitočtová pásma

3. Decibelové veličiny v akustice, kmitočtová pásma 3. Decibelové veličiy v akustice, kmitočtová ásma V ředchozí kaitole byly defiováy základí akustické veličiy, jako ař. akustický výko, akustický tlak a itezita zvuku. Tyto veličiy ve v raxi měí o moho

Více

1 Trochu o kritériích dělitelnosti

1 Trochu o kritériích dělitelnosti Meu: Úloha č.1 Dělitelost a prvočísla Mirko Rokyta, KMA MFF UK Praha Jaov, 12.10.2013 Růzé dělitelosti, třeba 11 a 7 (aeb Jak zfalšovat rodé číslo). Prvočísla: které je ejlepší, které je ejvětší a jak

Více

Modul Strategie. 2006... MTJ Service

Modul Strategie. 2006... MTJ Service Představeí obsahuje dvě základí součásti, a to maažerskou (pláováí cash-flow, rozšířeé statistiky) a pracoví (řešeí work-flow). Základem maažerské oblasti je pláováí cash-flow (pláováí fiačího toku firmou).

Více

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

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

Více

Tržní ceny odrážejí a zahrnují veškeré informace předpokládá se efektivní trh, pro cenu c t tedy platí c t = c t + ε t.

Tržní ceny odrážejí a zahrnují veškeré informace předpokládá se efektivní trh, pro cenu c t tedy platí c t = c t + ε t. Techická aalýza Techická aalýza z vývoje cey a obchodovaých objemů akcie odvozuje odhad budoucího vývoje cey. Dalšími metodami odhadu vývoje ce akcií jsou apř. fudametálí aalýza (zkoumá podrobě účetictví

Více

17. Statistické hypotézy parametrické testy

17. Statistické hypotézy parametrické testy 7. Statistické hypotézy parametrické testy V této části se budeme zabývat statistickými hypotézami, pomocí vyšetřujeme jedotlivé parametry populace. K takovýmto šetřeím většiou využíváme ám již dobře zámé

Více

Integrace hodnot Value-at-Risk lineárních subportfolií na bázi vícerozměrného normálního rozdělení výnosů aktiv

Integrace hodnot Value-at-Risk lineárních subportfolií na bázi vícerozměrného normálního rozdělení výnosů aktiv 3. meziárodí koferece Řízeí a modelováí fiačích rizik Ostrava VŠB-U Ostrava, Ekoomická fakulta, katedra Fiací 6.-7. září 006 tegrace hodot Value-at-Risk lieárích subportfolií a bázi vícerozměrého ormálího

Více

Číselné řady. 1 m 1. 1 n a. m=2. n=1

Číselné řady. 1 m 1. 1 n a. m=2. n=1 Číselé řady Úvod U řad budeme řešit dva typy úloh: alezeí součtu a kovergeci. Nalezeí součtu (v případě, že řada koverguje) je obecě mohem těžší, elemetárě lze sečíst pouze ěkolik málo typů řad. Součet

Více

Variabilita měření a statistická regulace procesu

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

Více

OPTIMALIZACE AKTIVIT SYSTÉMU PRO URČENÍ PODÍLU NA VYTÁPĚNÍ A SPOTŘEBĚ VODY.

OPTIMALIZACE AKTIVIT SYSTÉMU PRO URČENÍ PODÍLU NA VYTÁPĚNÍ A SPOTŘEBĚ VODY. OPTIMALIZACE AKTIVIT SYSTÉMU PRO URČENÍ PODÍLU NA VYTÁPĚNÍ A SPOTŘEBĚ VODY. Ig.Karel Hoder, ÚAMT-VUT Bro. 1.Úvod Optimálí rozděleí ákladů a vytápěí bytového domu mezi uživatele bytů v domě stále podléhá

Více

VLASTNOSTI ÚLOH CELOČÍSELNÉHO PROGRAMOVÁNÍ

VLASTNOSTI ÚLOH CELOČÍSELNÉHO PROGRAMOVÁNÍ Vlastosti úloh celočíselého programováí VLASTNOSTI ÚLOH CELOČÍSELNÉHO PROGRAMOVÁNÍ PRINCIP ZESILOVÁNÍ NEROVNOSTÍ A ZÁKLADNÍ METODY. METODA VĚTVENÍ A HRANIC. TYPY ÚLOH 1. Úloha lieárího programováí: max{c

Více

POLYNOM. 1) Základní pojmy. Polynomem stupně n nazveme funkci tvaru. a se nazývají koeficienty polynomu. 0, n N. Čísla. kde

POLYNOM. 1) Základní pojmy. Polynomem stupně n nazveme funkci tvaru. a se nazývají koeficienty polynomu. 0, n N. Čísla. kde POLYNOM Zákldí pojmy Polyomem stupě zveme fukci tvru y ( L +, P + + + + kde,,, R,, N Čísl,,, se zývjí koeficiety polyomu Číslo c zveme kořeem polyomu P(, je-li P(c výrz (-c pk zýváme kořeový čiitel Vlstosti

Více

Nepředvídané události v rámci kvantifikace rizika

Nepředvídané události v rámci kvantifikace rizika Nepředvídaé událost v rác kvatfkace rzka Jří Marek, ČVUT, Stavebí fakulta {r.arek}@rsk-aageet.cz Abstrakt Z hledska úspěchu vestce ohou být krtcké právě ty zdroe ebezpečí, které esou detfkováy. Vzhlede

Více

n=1 ( Re an ) 2 + ( Im a n ) 2 = 0 Im a n = Im a a n definujeme předpisem: n=1 N a n = a 1 + a 2 +... + a N. n=1

n=1 ( Re an ) 2 + ( Im a n ) 2 = 0 Im a n = Im a a n definujeme předpisem: n=1 N a n = a 1 + a 2 +... + a N. n=1 [M2-P9] KAPITOLA 5: Číselé řady Ozačeí: R, + } = R ( = R) C } = C rozšířeá komplexí rovia ( evlastí hodota, číslo, bod) Vsuvka: defiujeme pro a C: a ± =, a = (je pro a 0), edefiujeme: 0,, ± a Poslouposti

Více

Výroční zpráva fondů společnosti Pioneer investiční společnost, a.s. - neauditovaná

Výroční zpráva fondů společnosti Pioneer investiční společnost, a.s. - neauditovaná Výročí zpráva fodů společosti Pioeer ivestičí společost, a.s. - eauditovaá Obsah 1. Účetí závěrka: Pioeer Sporokoto, Pioeer obligačí fod, Pioeer růstový fod, Pioeer dyamický fod, Pioeer akciový fod, BALANCOVANÝ

Více

6. Posloupnosti a jejich limity, řady

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

Více

PŘIJÍMACÍ ŘÍZENÍ PRO ŠKOLNÍ ROK 2012/2013

PŘIJÍMACÍ ŘÍZENÍ PRO ŠKOLNÍ ROK 2012/2013 PŘIJÍMACÍ ŘÍZENÍ PRO ŠKOLNÍ ROK 2012/2013 OSNOVA 1. Práví předpisy 2. Přijímací řízeí 3. Termíy 4. Hodoceí uchazečů 5. Rozhodutí 6. Další kola přijímacího řízeí 7. Zápisový lístek 8. Jedoté přijímací zkoušky

Více

STATISTIKA PRO EKONOMY

STATISTIKA PRO EKONOMY EDICE UČEBNÍCH TEXTŮ STATISTIKA PRO EKONOMY EDUARD SOUČEK V Y S O K Á Š K O L A E K O N O M I E A M A N A G E M E N T U Eduard Souček Statistika pro ekoomy UČEBNÍ TEXT VYSOKÁ ŠKOLA EKONOMIE A MANAGEMENTU

Více

ŘADY Jiří Bouchala a Petr Vodstrčil

ŘADY Jiří Bouchala a Petr Vodstrčil ŘADY Jiří Bouchala a Petr Vodstrčil Text byl vytvoře v rámci realizace projektu Matematika pro ižeýry 2. století (reg. č. CZ..07/2.2.00/07.0332), a kterém se společě podílela Vysoká škola báňská Techická

Více

Systém intralaboratorní kontroly kvality v klinické laboratoři (SIKK)

Systém intralaboratorní kontroly kvality v klinické laboratoři (SIKK) Systém itralaboratorí kotroly kvality v kliické laboratoři (SIKK) Doporučeí výboru České společosti kliické biochemie ČLS JEP Obsah: 1. Volba systému... 2 2. Prováděí kotroly... 3 3. Dokumetace výsledků

Více

ÚLOHA ČÍNSKÉHO LISTONOŠE, MATEMATICKÉ MODELY PRO ORIENTOVANÝ A NEORIENTOVANÝ GRAF

ÚLOHA ČÍNSKÉHO LISTONOŠE, MATEMATICKÉ MODELY PRO ORIENTOVANÝ A NEORIENTOVANÝ GRAF Úloha číského listooše ÚLOHA ČÍNSKÉHO LISTONOŠE, MATEMATICKÉ MODELY PRO ORIENTOVANÝ A NEORIENTOVANÝ GRAF Uvažujme situaci, kdy exstuje ějaký výchozí uzel a další uzly spojeé hraami (může jít o cesty, ulice

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

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

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

Více

pravděpodobnostn podobnostní jazykový model

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

Více

Finanční řízení podniku. Téma: Časová hodnota peněz

Finanční řízení podniku. Téma: Časová hodnota peněz Fiačí řízeí podiku Téma: Časová hodota peěz Faktor času se ve fiačím řízeí uplatňuje a) při rozhodováí o ivesticích b) při staoveí trží cey majetku podiku c) při ukládáí volých peěžích prostředků d) při

Více

PRACOVNÍ SEŠIT ALGEBRAICKÉ VÝRAZY. 2. tematický okruh: Připrav se na státní maturitní zkoušku z MATEMATIKY důkladně, z pohodlí domova a online

PRACOVNÍ SEŠIT ALGEBRAICKÉ VÝRAZY. 2. tematický okruh: Připrav se na státní maturitní zkoušku z MATEMATIKY důkladně, z pohodlí domova a online Připrv se státí mturití zkoušku z MATEMATIKY důkldě, z pohodlí domov olie PRACOVNÍ SEŠIT. temtický okruh: ALGEBRAICKÉ VÝRAZY vtvořil: RNDr. Věr Effeberger epertk olie příprvu SMZ z mtemtik školí rok 04/05

Více

MĚŘENÍ PARAMETRŮ OSVĚTLOVACÍCH SOUSTAV VEŘEJNÉHO OSVĚTLENÍ NAPÁJENÝCH Z REGULÁTORU E15

MĚŘENÍ PARAMETRŮ OSVĚTLOVACÍCH SOUSTAV VEŘEJNÉHO OSVĚTLENÍ NAPÁJENÝCH Z REGULÁTORU E15 VŠB - T Ostrava, FE MĚŘENÍ PARAMETRŮ OVĚTLOVACÍCH OTAV VEŘEJNÉHO OVĚTLENÍ NAPÁJENÝCH Z REGLÁTOR E5 Řešitelé: g. taislav Mišák, Ph.D., Prof. g. Karel okaský, Cc. V Ostravě de.8.2007 g. taislav Mišák, Prof.

Více

10.2 VÁŽENÝ ARITMETICKÝ PRŮMĚR

10.2 VÁŽENÝ ARITMETICKÝ PRŮMĚR Středí hodoty Artmetcý průměr vážeý ze tříděí Aleš Drobí straa 0 VÁŽENÝ ARITMETICKÝ PRŮMĚR Výzam a užtí vážeého artmetcého průměru uážeme a ásledujících příladech Přílad 0 Ve frmě Gama Blatá máme soubor

Více

KVALIMETRIE. 16. Statistické metody v metrologii a analytické chemii. Miloslav Suchánek. Řešené příklady na CD-ROM v Excelu.

KVALIMETRIE. 16. Statistické metody v metrologii a analytické chemii. Miloslav Suchánek. Řešené příklady na CD-ROM v Excelu. KVALIMETRIE Miloslav Sucháek 16. Statistické metody v metrologii a aalytické chemii Řešeé příklady a CD-ROM v Excelu Eurachem ZAOSTŘENO NA ANALYTICKOU CHEMII V EVROPĚ Kvalimetrie 16 je zatím posledí z

Více

Napíšeme si, jaký význam mají jednotlivé zadané hodnoty z hlediska posloupností. Zbytek příkladu je pak pouhým dosazováním do vzorců.

Napíšeme si, jaký význam mají jednotlivé zadané hodnoty z hlediska posloupností. Zbytek příkladu je pak pouhým dosazováním do vzorců. 8..4 Užití ritmetických posloupostí Předpokldy: 80,80 Př. : S hloubkou roste teplot Země přibližě rovoměrě o 0 C 000 m. Jká bude teplot dě dolu hlubokého 900 m, je-li v hloubce 5 m teplot 9 C? Jký by byl

Více

8.2.10 Příklady z finanční matematiky I

8.2.10 Příklady z finanční matematiky I 8..10 Příklady z fiačí matematiky I Předoklady: 807 Fiačí matematika se zabývá ukládáím a ůjčováím eěz, ojišťováím, odhady rizik aod. Poměrě důležitá a výosá discilía. Sořeí Při sořeí vkladatel uloží do

Více

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

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

Více

Využití Markovových řetězců pro predikování pohybu cen akcií

Využití Markovových řetězců pro predikování pohybu cen akcií Využití Markovových řetězců pro predikováí pohybu ce akcií Mila Svoboda Tredy v podikáí, 4(2) 63-70 The Author(s) 2014 ISSN 1805-0603 Publisher: UWB i Pilse http://www.fek.zcu.cz/tvp/ Úvod K vybudováí

Více

10.2.3 VÁŽENÝ ARITMETICKÝ PRŮMĚR S REÁLNÝMI VAHAMI

10.2.3 VÁŽENÝ ARITMETICKÝ PRŮMĚR S REÁLNÝMI VAHAMI Středí hodoty Artmetcý průměr vážeý Aleš Drobí straa 0 VÁŽENÝ ARITMETICKÝ PRŮMĚR S REÁLNÝMI VAHAMI Zatím jsme počítal s tím, že četost ve vztahu pro vážeý artmetcý průměr byla přrozeá čísla Četost mohou

Více

GRADIENTNÍ OPTICKÉ PRVKY Gradient Index Optical Components

GRADIENTNÍ OPTICKÉ PRVKY Gradient Index Optical Components Nové metody a postupy v oblasti přístrojové techiky, automatického řízeí a iformatiky Ústav přístrojové a řídicí techiky ČVUT v Praze, odbor přesé mechaiky a optiky Techická 4, 66 7 Praha 6 GRADIENTNÍ

Více