VÝPOČET PRAVDĚPODOBNOSTI PORUCHY METODOU PDPV - TEORIE

Rozměr: px
Začít zobrazení ze stránky:

Download "VÝPOČET PRAVDĚPODOBNOSTI PORUCHY METODOU PDPV - TEORIE"

Transkript

1 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 task. A lot o owerul stochastc methods have bee develoed or are uder develomet order to maage ths task. The PDPV method allows comutg the robablty o alure or roblems o more tha two radom varables usg drect determed umercal calculato wthout the ad o smulato techques. Úvod Pravděodobost oruchy ro dvě áhodé roměé vstuí velčy odezva zatížeí kostrukce a odolost kostrukce lze schematcky zázort dle obr.. Jsou zde zázorěy křvky hustoty ravděodobost odezvy zatížeí kostrukce a odolost kostrukce. Vzáemá olohy těchto křvek a charakterzue a seckue oblast ve které může vzkat orucha a současě umožňue ravděodobost oruchy vyočíst. Tato oblast e a obr. vyšraováa samostatě ak ro hustotu tak také ro hustotu. Porucha astae bude-l slěa odmíka Z<0 řčemž Z - t. že odolost kostrukce bude meší ež odezva eího zatížeí. Estuí-l růsečíky hustoty s osou s hodotou r m a hustoty s osou s hodotou s ma ak ro lbovolou hodotu s orucha eastae e-l r > s ma 0 může ale emusí astat e-l r m s s ma ro všechy možé hodoty s e řtom ravděodobost oruchy 0 astae vždy e-l r ma < s m. Pozámka: Teoretcky mohou růsečíky vzkout v ekoeču ař. ro arametrcké ormálí rozděleí. Pravděodobost oruchy lze aalytcky vyočíst ze zámého vztahu [4] [5] : d ϕ d 2 kde ϕ e dstrbučí ukce odolost kostrukce. Přímé aalytcké řešeí uvedeého tegrálu e velm obtížé. Pro eho výočet se roto často oužívaí růzé smulačí metody. Metoda PDPV ř využívaí základů ravděodobostího očtu uvedeý tegrál řeší umercky. Doc.Ig. Petr Jaas Cc. VŠB-Techcká uverzta Ostrava Fakulta stavebí Katedra stavebí mechaky etr.aas@vsb.cz

2 s m r m s ma r ma Obr. Křvky hustoty ravděodobost odolost a odezvy zatížeí kostrukce. Př vlastím výočtu e vhodé využít místo křvek hustoty ravděodobost hstogramů obr. 2. Hustota ravděodobost e dáa vztahem: P lm lm 0 0 kde e třída terval hstogramu e očet hodot v říslušém tervalu P e celkový očet všech hodot v hstogramu e ravděodobost hodoty 0. 3 Hstogram Hstogram Obr. 2 s m r m s ma r ma Obr. 2 Hstogramy odolost a odezvy zatížeí kostrukce Chceme-l tegrál 2 řešt umercky ak e možé výraz uravt ásledově: d ϕ d ϕ 4 2

3 Hustota ravděodobost zatížeí e dáa vztahem P a ro dstrbučí ukc ϕ ak latí: P d ϕ P ϕ 5 6 Ve výše uvedeých vztazích 5 a 6 e: de ořadové číslo třídy tervalu hstogramu velkost třídy tervalu v říslušém hstogramu očet hodot ve třídě tervalu říslušého hstogramu P P očet všech hodot v hstogramu říadě ravděodobost hodoty v říslušé třídě. Po dosazeí do 4 e: ϕ Počet tříd tervalů e ve výrazu 7 a ve výrazech výše uvedeých v daém říadě. Otázkou e ak e teto očet vymeze. Lze ostuovat tak že očet tervalů zvolíme solečý ro zatím uvažovaé dva hstogramy. Počet tříd ak bude dá oměrem r s ma m m 8 Numercký výočet oruchy ak bude ostuovat tak že ro každou třídu obou hstogramů vyočteme ostuě ravděodobost a a ásledě dle 7 ravděodobost oruchy. Počet hodot ravděodobost každého hstogramu ak bude m a ř výočtu dle 7 lze algortmus výočtu sestavt tak že očet oerací bude římo úměrý m. Z obr. a 2 e řtom zřemé že řada hodot ravděodobostí bude řtom ulová. Tak ař. ro všechy třídy tervaly hstogramu ro <r m bude 0. Obdobě v hstogramu ro s ma < bude 0. Př výočtu ravděodobost oruchy by ř výše uvedeém ostuu byla řada oerací zbytečá. Na oruše se budou v daém říadě odílet ouze ty třídy které sou ro oba uvažovaé hstogramy solečé. ostatím eí uto ro výočet oruchy uvažovat. Počet tříd odíleících se a vzku oruchy lze určt dle vztahu 9 : s r ma m 9 Do výočtu ravděodobost oruchy ak vstuuí v daém říadě ouze eulové hodoty ravděodobostí v edotlvých třídách uvažovaých hstogramů a výočet se výzamě zkracue eboť zravdla latí << m. Výsledky sou řtom ř obou varatách výočtů detcké. 7 3

4 Př vlastích umerckých výočtech e otázkou ak volt velkost třídy tervalu. Je zřemé že čím e tato hodota meší tím řesěší by měl být výsledek. Ceou e ovšem růst očtu oerací. V zásadě by mělo latt že ř daé kvaltě vstuích údaů by se měl očet tříd hstogramů volt tak aby ech další růst koečý výsledek odstatě eovlvl. Počet voleých tříd může řtom rozhoduícím zůsobem ovlvt soubor dat ze kterého se hstogram sestavue. Každý hstogram vstuuící do výočtu má zravdla é vlastost ý roztyl ý očet údaů atd.. Nemusí být ak vhodé a reálé dělt hstogramy a steé třídy tervaly. Každý hstogram může mít ou hodotu h a růzý očet tříd h. Je-l v hstogramu terval e očet tříd ro celý hstogram : s s ma m m a obdobě e-l v hstogramu terval e očet tříd ro celý hstogram : 0 r r ma m m Pravděodobost oruchy však lze vyočíst o úravě vztahu 7 a tvar 2: 2 Zde se očítá ouze s těm tervaly třídam obou hstogramů které se vzáemě řekrývaí. Počet těchto tervalů v hstogramech a e: s r ma m 3 s r ma m 4 Př výočtu dle 2 se ak ostuue tak že roste od až a hodotu. Hodota se volí ostuě od do hodoty dle vztahu 5 řčemž musí být číslo celé říadě dle vztahu 6 kdy se zaokrouhlue ahoru. 5 6 Je zřemé že výočet ravděodobost oruchy ř volbě očtu tříd dle 5 ebo 6 se bude oěkud lšt. Jeí skutečá hodota se bude zřemě ohybovat v rozmezí hodot vyočteých s dle vztahu 5 a 6. Př dostatečě malé délce tervalů a by ak rozdíl vyočteé hodoty eměl být odstatý. Otmálí e ovšem e-l. 4

5 2 Výočet ravděodobost oruchy metodou PDPV ro dvě áhodé roměé Př výočtu ravděodobost oruchy metodou PDPV lze oužít ěkolk ostuů. Původí a eedodušší sočívá v tom [] že se vyočte hstogram: Z 7 a ásledě se určí ravděodobost oruchy charakterzovaá slěím odmíky t. Z<0 obr.3. Platí řtom že Z Z PZ Z Z kde v 8 e: z očet hodot ve třídě hstogramu Z P Z očet všech hodot v hstogramu Z celkový očet tříd v hstogramu Z celkový očet tříd v hstogramu Z v chž e slěa odmíka Z 0 Z ravděodobost hodoty ve třídě. Je zřemé že v daém říadě e 8 Z Z PZ Z Z 9 Hodota ravděodobost Z ve třídě e dáa součtem součů ravděodobost s hodot s ve třídách hstogramu a ravděodobost r hodot r ve třídách hstogramu obr.3. ozdíl hodot z r -s leží řtom ro všechy dvoce r a s v uvažovaé třídě hstogramu Z. V daé říadě e vhodé volt z. Z s 20 Výše uvedeý ostu e obdobou výočtu ravděodobost oruchy metodou Mote Carlo kdy se rověž sestavue hstogram Z a ásledě se určue ro slěí odmíky ravděodobost oruchy. Takto se u metody PDPV [] ůvodě ostuovalo. Hstogram Z se řtom esestavoval využtím smulačí techky využívaící metodu Mote Carlo. Možost PDPV sou však odstatě šrší. Časově méě áročý e zravdla ostu kdy se eočítá s tervaly které sou mmo vyšraovaou oblast a obr. což e zbytečé. Jestlže hodoty v hstogramu ebo hstogramu sou mmo tuto oblast ak orucha totž emůže kdy astat. Jsou-l hodoty a současě ve vyšraovaé oblast ak orucha ro určté kombace hodot s a r může ale emusí astat. V daém říadě astae ro s > r. U metody PDPV lze ostuovat oět klascky a vyočte se hstogram dle 7 ouze z hodot řekrývaících se tervalů t. ro hstogram a ro hstogram řčemž se ravděodobost oruchy určue oět ze slěí odmíky. Př klasckém ostuu e ř výočtu celého 5

6 hstogramu Z očet oerací úměrý souču M m m kde m s e celkový očet tříd v hstogramu a m e celkový očet tříd v hstogramu. Z - z Z < 0 z Obr.3 chéma výočtu hstogramu Z. Př výočtu zkráceého hstogramu Z ouze z tervalů které se a vzku oruchy mohou ale emusí odílet ak e očet oerací úměrý souču N. Zravdla řtom latí že N<<M. Využtí tohoto ozatku e ř výočtu oruchy velm racoálí. Hstogram Z se určí v tomto říadě ze vztahu 2 řčemž hodoty z hstogramu se uvažuí ouze ro r z tervalu r m r s ma a obdobě hodoty z hstogramu se uvažuí ouze ro hodoty s z tervalu r m s s ma. Ve vztahu 20 sou roto ozačey a. Z 2 Je zřemé že hstogram Z obsahue ouze ěkteré hodoty z hstogramu Z obr.4. Pro Z 0 a ro Z 0 sou však hodoty obou hstogramů detcké a latí tedy: Z Z PZ Z Z Ve meovatel vztahu 22 sou všechy uvažovaé hodoty z hstogramu Z. Pro zkráceý hstogram Z totž latí že eho celková ravděodobost e meší ež 23 obr

7 Z m Z Z m Z Z P P P P 23 Zkráceý hstogram Z z Obr. 4 Zkráceý hstogram Z. I teto ostu lze eště otmalzovat ebo lée řečeo racoalzovat. Počítáme-l ravděodobost oruchy ro zkráceý hstogram Z ak se v zásadě ostuueme tak že ze součtů ravděodobostí možostí všech kombací odečteme ty ro které sou hodoty Z 0. Lze asat že 0 + Z Z 24 z Hstogram Z Obr.5 Část hstogramu Z < 0. Ve vztahu 24 Z ředstavue kvatl zkráceého hstogramu Z a Z 0 kladou část hstogramu Z. Na ravděodobost oruchy se odílí ouze záorá část hstogramu Z. Tu lze určt římo o úravě vztahu 24 ve tvaru: 25 Ide se řtom musí ve vztahu 24 a 25 volt ako celé číslo ve smyslu výše uvedeém. Pro se 24 uraví a tvar 26 detcký s 7: 26 7

8 Je zřemé že racoálí výočet ravděodobost oruchy metodou PDPV využívaící ro dvě ezávslé roměé e detcký s umerckým výočtem zámého aalytckého vztahu e s > r ao e > s ao tsk + s r + ao > s e Obr. 6 Blokové schéma výočtu záoré část hstogramu Z. Výočet ravděodobost oruchy dle vztahu 26 lze realzovat dle blokového schéma a obr. 6. Pro dvě ezávslé velčy e zde očet oerací N ot. což 2 e cca olova oerací ro výočet ravděodobost oruchy ze zkráceého hstogramu Z ř uvažováí všech v úvahu řcházeících kombací. Postu výočtu zázorěý a obr. 6 ro dvě ezávslé roměé vylývá ze vztahu 26. Pro více roměých emusí ostu být ž tak edozačě a edoduše dá. Př výočtu hodoty z část hstogramu Z se zvolí směr tred změ edotlvých roměých velč vstuuících do výočtu ravděodobost oruchy. Př zvoleých všech roměých velčách se ostuě měí ouze eda z ch a to ro všechy hodoty ebo až o dosažeí z > 0. Dále ž emusí výočet ravděodobost oruchy s daou roměou velčou dále robíhat bude-l edozačě latt že odmíka z > 0 e ř zvoleém směru změ daé roměé vždy slěa. Určeí směru tredu změ e velm důležté. Pokud bychom ř výočtu ravděodobost oruchy ro dvě ezávslé roměé bez zalost vztahu 26 ostuoval ak ež e schéma a obr. 6 ak by očet oerací mohl být odstatě větší. Určeí vhodého tredu směru možých změ roměých vstuuících do výočtu e odmíkou úsěšého římého výočtu část hstogramu ozačeou Z. Pro teto ostu otmalzace výočtu oruchy ř alkac metody PDPV se oužl termí tredová otmalzace. 8

9 hreme-l možost výočtu ravděodobost oruchy metodou PDPV ř dvou hstogramech a lze v zásadě realzovat tř ostuy které musí zastt detcký výsledek: Určeí hstogramu Z- a ravděodobost kvatlu tohoto hstogramu slňuící odmíku Z<0. 2 Určeí zkráceého hstogram Z- a ravděodobost kvatlu tohoto hstogramu slňuící odmíku Z<0. 3 Určeí ravděodobost oruchy dle vztahu 25 říadě 26 t sestaveí ouze záoré část hstogramu Z která e ozačea Z. Př uvedeých ostuech výočtu ravděodobost oruchy metodou PDPV e uto zvládout: Ad otřebé očetí oerace s hstogramy v daém říadě odečítáí a určt ravděodobost kvatlu slňuícího ředesaou odmíku. Ad2 vymezeí těch částí hstogramů zó roměých které se a ravděodobost vzky oruchy ebudou kdy odílet oblast 3 a ravděodobost vzky oruchy se mohou a emusí odílet oblast 2 a dále steě ako ad otřebé očetí oerace s hstogramy v daém říadě odečítáí a určt ravděodobost kvatlu slňuícího ředesaou odmíku. Ad3 využtí vymezeí těch částí hstogramů zó roměých které se a vzky oruchy kostrukce mohou a emusí odílet a dále rovést ouze ty ravděodobostí výočty ze všech možých dle ad2 ro které e slěa odmíka že Z<0. Prví uvedeý zůsob e eedodušší eho evýhodou e evětší očet oerací vedoucích k výsledku. Pozámka: Teto očet eí ro dva hstogramy vůbec rozhoduící ukazue se však ako lmtuící ř větším očtu vstuích áhodých velč kdy očet oerací eormě arůstá. Druhý zůsob e složtěší v tom že e ezbyté vymezt část hstogramu které se a vzku oruchy eodíleí kdy ebo se mohou ale emusí odílet. Toto vymezeí e ř dvou hstogramech edoduché. Podstatě složtěší e ř výočtu oruchy kostrukce s více áhodým velčam kdy a ěkterých hstogramech může být avíc oblast která se a vzky oruchy odílí vždy. Př tomto zůsobu se a edotlvých hstogramech musí vymezt edozačě ohračeé oblast dle toho ak se odíleí a vzku oruchy kostrukce. Postu vymezeí edotlvých zó v hstogramech azýváme zoálí aalýza []. Třetí uvedeý zůsob avazue a zoálí aalýzu určue tredy změ edotlvých roměých a azýváme e tredová aalýza. Př dvou roměých e ak bylo výše uvedeo oměrě edoduchý ř více roměých e odstatě složtěší. e však vhodým umerckým ostuem realzovatelý. 3 Výočet ravděodobost oruchy metodou PDPV ř větším očtu áhodých roměých Př větším očtu áhodých velč e ravděodobost oruchy ormálě deováa vztahem 27 [5]: 9

10 27 D X X... X dx dx dx kde D ředstavue oblast oruchy kde latí gx 0 X X 2. X ukc sdružeé hustoty ravděodobost áhodých velč. Výočet tegrálu 27 ravděodobost oruchy v uzavřeé ormě eí ak se uvádí v lteratuře [5] obecě možý. Pro eho zvládutí byla vyvuta a dále se vyvíí řada účých stochastckých metod. Výočet tegrálu 27 lze realzovat umercky metodou PDPV. Možost sou zde shodé s možostm ř výočtu uvedeém ro dva hstogramy. V rví áz rozvoe této metody se ostuovalo výhradě cestou ad t. ř zadaých hstogramech X X 2. X a zadaé ukčí závslost F se edříve vyočetl hstogram Z ro který latí: Z F X X... X 28 2 a ásledě se z hstogramu Z vyočetla ravděodobost oruchy P Z 0 Teto výočet e ř velkém očtu áhodých velč časově velm áročý eboť e-l v hstogramu X očet tervalů tříd ak ř výočtu hstogramu Z e očet oerací úměrý souču N... 2 a hledaly se roto cesty ak teto výočet racoalzovat ř zachováí korektost řešeí [2] [3]. Pozorost byla edříve věováa sžováí očtu tervalů tříd vstuích velč edotlvých hstogramů ř zachováí celého rozsahu každé áhodé vstuí velčy gruováí těch vstuích velč které mohou do výočtu vstuovat solečě a lze ro ě ředem zracovat solečý hstogram ředzracováí musí být korektí a musí zabezečt že solečý hstogram vstuuící do výočtu vede ke steému výsledku ako když do výočtu vstuue každý hstogram samostatě a kombac uvedeých metod. žováí áročost řešeí se vdělo také v tom že statstcky závslé ebo ukčě závslé áhodé romělvé vstuí velčy evstuuí do výočtu samostatě ale sou dle možost vyádřey solečým hstogramem č hstogramy růřezové charakterstky. Využtí této cesty e však velm omezeé. Pracovalo se také a ostuu výše udedeém ad2 kdy se očet tříd tervalů vstuích velč každého do výočtu vstuuícího hstogramu sžoval ř zachováí celkového očtu tříd každého hstogramu. Do výočtu vstuuí v tomto říadě ouze ty třídy které se odíleí a vzku oruchy. Podmíkou využtí tohoto ostuu e zeméa ezbytost ř více áhodých roměých vymezt a každém hstogramu oblast zóy odtud zoálí otmalzace které se a vzku oruchy odíleí vždy zóa mohou a emusí odílet zóa 2 a ř daém zadáí se a vzku oruchy eodíleí zóa 3. Teto ostu se odařlo ošetřt ro ěkteré tyy hstogramů vyvutým W. Alkace zoálí aalýzy umožňue sestavt ro více roměých zkráceý hstogram Z a ř alkac tredové aalýzy ak eom část hstogramu Z dle obr. 5 ehož kvatl e umerckým řešeí tegrálu 27. Náhodé velčy vstuuící do výočtu ravděodobost oruchy emaí z hledska zoálí aalýzu steý charakter. V každém hstogramu mohou v zásadě vzkat ede až tř druhy zó. Pohybue-l se roměá velča v

11 . zóě astae orucha vždy a to ř akýchkolv daých hodotách ostatích roměých velč maících vlv a vzk a velkost ravděodobost oruchy 2. zóě orucha může a emusí astat v závslost a hodotách ostatích roměých velč ovlvňuících vzk a velkost ravděodobost oruchy 3. zóě orucha eastae ř akýchkolv hodotách ostatích roměých velč. Proměé velčy mohou mít dvoí charakter: a odílí se a vzku oruchy edosměrě mootóě t. ř ech změě zleva říadě zrava ravděodobost oruchy ř ak steých vstuích velčách mootóě roste ebo klesá obr. 7. V tomto říadě mohou být v hstogramu zóy 2 ebo 3 řčemž každá z ch se vyskytue mamálě edou. b odílí se a změě oruchy emootóě. Př změě romělvé velčy edím směrem ravděodobost vzku oruchy klesá a ásledě stouá obr. 8. V tomto říadě mohou být v hstogramu oět zóy 2 ebo 3 řčemž alesoň eda z ch se vyskytue v hstogramu mmálě dvakrát. Zatím sme ředokládal že v hstogramu může vzkout mamálě ět zó. tred m>0 v v 2 tred. ma a Obr. 7 Mootóí hstogramy m>0 a 2 0 tred tred ma h Obr. 8 Nemootóí hstogram m<0 h 2 h 3 h 4 ma>0

12 Velkost a očet zó řtom vylývá z řešeé úlohy a ze všech vstuích velč roměým dskrétích vstuuících do výočtu ravděodobost oruchy. V tredové aalýze se ř výočtu oruchy ostuue v zásadě v každém hstogramu od zóy k zóě 3 t. tred změ každé roměé resektue směr číslováí zó. Pravděodobost oruchy ř více roměých velčách lze vyočíst dle vztahu: V 3 e kvatl zóy říadě součet kvatlů zó v hstogramu kde tato zóa říadě zóy estue. Je zřemé že staoveí evyžadue moho očetích oerací. Výočet ravděodobost 2 ředstavue část ravděodobost oruchy vzkaící v zóách 2 ve všech hstogramech roměých odíleících se a vzku oruchy. Teto výočet e ž zravdla oěkud rozsáhleší. Jde e realzovat obdobě ako u dvou roměých tvorbou zkráceého hstogramu Z a výočtem kvatlu s ravděodobostí 2 ro eho část slňuící odmíku Z <0. Vhoděší e ovšem oužtí tredové aalýzy a římé sestaveí část hstogramu Z ehož kvatl e 2. Výočet ravděodobost oruchy dle vztahu 27 ř více roměých lze tedy umercky realzovat ostuem v zásadě shodým s ostuem uvedeým ro dvě roměé. V rvé áz se ve všech hstogramech vytvoří zóy odíleící se růzou váhou a tvorbě oruchy. Alkací tredové aalýzy se ak výočet možých kombací omezí ouze a kombace které se a vzku oruchy odíleí. 2 Závěr Uvedeé ostuy výočtu metodou PDPV Přímý determovaý ravděodobostí výočet sou mlemetováy do výočtového systému ProbCalc [2] [3]. Poděkováí Proekt byl realzová za ačího řsěí MŠMT Č roekt M0579 v rámc čost Cetra tegrovaého avrhováí rogresvích stavebích kostrukcí. Lteratura [] JANA P. KEJA M.: NUMEICKÝ VÝPOČET PAVDĚPODOBNOTI UŽITÍM UEKNUTÝCH HITOGAMŮ KONFEENCE POLEHLIVOT KONTUKCÍ 2002 OTAVA IBN [2] JANA P. KEJA M. KEJA V. TUCTUAL ELIABILITY AEMENT UING DIECT DETEMINED FULLY POBABILITIC CALCULATION. IN INTENATIONAL AANET COLLOQUIUM. MEZINÁODNÍ KONFEENCE. GLAGOW UK IBN / IN ENGLIH. PP 8 A TEXT NA CD. IBN / [3] JANA P. KEJA M. KEJA V. OUČANÉ MOŽNOTI PŘÍMÉHO DETEMINOVANÉHO PAVDĚPODOBNOTNÍHO VÝPOČTU PŘI POUZOVÁNÍ POLEHLIVOTI KONTUKCÍ. IN BONÍK VĚDECKÝCH PACÍ VYOKÉ ŠKOLY BÁŇKÉ - TECHNICKÉ UNIVEZITY OTAVA. ŘADA TAVEBNÍ ČÍLO OK 2006 OČNÍK VI. PP IN ; IBN [4] KÁLIK J. PAVDEPODOBNOTNÁ ANALÝZA OBUTNÝCH POBLÉMOV MKP MTÓDAMI MC I LH A M POD YTÉMOM ANY BONÍK EFEÁTŮ T VII. OČNÍK CELOTÁTNÍ KONFEENCE E ZAHANIČNÍ ÚČATÍ ÚTAM AV Č PAHA DŮM TECHNIKY OTAVA PAHA IBN [5] TEPLÝ B. NOVÁK D. POLEHLIVOT TAVEBNÍCH KONTUKCÍ VUT BNO AKADEMICKÉ NAKLADATELTVÍ CEM..O. BNO 999 IBN X. 2

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

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

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

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

a další charakteristikou je četnost výběrového souboru n.

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

Více

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

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

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

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

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

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

Generování dvojrozměrných rozdělení pomocí copulí

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

Více

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

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

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

Více

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

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

Testování statistických hypotéz

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

Více

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

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

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

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

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

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2 SP3 Neparametrcké testy hypotéz PRAVDĚPODOBNOST A STATISTIKA Neparametrcké testy hypotéz čast Lbor Žák SP3 Neparametrcké testy hypotéz Lbor Žák Neparametrcké testy hypotéz - úvod Neparametrcké testy statstckých

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

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

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

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

Více

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

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

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

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

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

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

Genetická diverzita. doc. Ing. Jindřich. ich Čítek, CSc. Genetickou diverzitu chápeme jako různost mezi živými organismy, která je geneticky fixovaná.

Genetická diverzita. doc. Ing. Jindřich. ich Čítek, CSc. Genetickou diverzitu chápeme jako různost mezi živými organismy, která je geneticky fixovaná. Geetcká dverzta hosodářských ských zvířat doc. Ig. Jdřch ch Čítek, CSc. Zemědělsk lská fakulta JU Katedra geetky, šlechtěí a výžvy zvířat Geetckou dverztu cháeme jako růzost mez žvým orgasmy, která je

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

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

USTÁLENÉ PROUDĚNÍ V OTEVŘENÝCH KORYTECH

USTÁLENÉ PROUDĚNÍ V OTEVŘENÝCH KORYTECH USTÁLENÉ POUDĚNÍ V OTEVŘENÝCH KOYTECH ovoměré prouděí Charakterstka:. Hloubka vod v kortě, průtočá plocha a průřezová rchlost jsou v každém příčém řezu kostatí.. Čára eerge, vodí hlada a do korta jsou

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

Úvod do korelační a regresní analýzy

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

Více

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

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

1. Základy měření neelektrických veličin

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

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA SP Náhodý vektor PRAVĚPOOBNOS A SAISIKA Lbor Žák SP Náhodý vektor Lbor Žák Náhodý vektor přpomeutí pomů z SP V prví část kurzu SP s rozšíříme pomy o áhodém vektoru z SP: Nechť e áhodý vektor eho složky:

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

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

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

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

Pravděpodobnostní model doby setrvání ministra školství ve funkci

Pravděpodobnostní model doby setrvání ministra školství ve funkci Pravděpodobostí model doby setrváí miistra školství ve fukci Základí statistická iferece Data Zdro: http://www.msmt.cz/miisterstvo/miistri-skolstvi-od-roku-848. Ke statistickému zpracováí byla vzata pozorováí

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

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

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

ASYNCHRONNÍ STROJE. Obsah

ASYNCHRONNÍ STROJE. Obsah VŠB TU Ostrava Fakulta elektrotechiky a iformatiky Katedra obecé elektrotechiky ASYCHROÍ STROJE Obsah. Výzam a oužití asychroích motorů 2. rici čiosti asychroího motoru 3. Rozděleí asychroích motorů 4.

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

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

6. FUNKCE A POSLOUPNOSTI

6. FUNKCE A POSLOUPNOSTI 6. FUNKCE A POSLOUPNOSTI Fukce Dovedosti:. Základí pozatky o fukcích -Chápat defiici fukce,obvyklý způsob jejího zadáváí a pojmy defiičí obor hodot fukce. U fukcí zadaých předpisem umět správě operovat

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

Statistika je vědní obor zabývající se zkoumáním jevů, které mají hromadný charakter.

Statistika je vědní obor zabývající se zkoumáním jevů, které mají hromadný charakter. Statistika Cíle: Chápat pomy statistický soubor, rozsah souboru, statistická edotka, statistický zak, umět sestavit tabulku rozděleí četostí, umět zázorit spoicový diagram a sloupcový diagram / kruhový

Více

Pravděpodobnostní modely

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

Více

C V I Č E N Í 4 1. Představení firmy Splintex Czech 2. Vlastnosti skla a skloviny 3. Aditivita 4. Příklady výpočtů

C V I Č E N Í 4 1. Představení firmy Splintex Czech 2. Vlastnosti skla a skloviny 3. Aditivita 4. Příklady výpočtů Techologe skla 00/03 C V I Č E N Í 4. Představeí rmy pltex Czech. Vlastost skla a sklovy 3. Adtvta 4. Příklady výpočtů Hospodářská akulta. Představeí rmy pltex Czech a.s. [,] Frma pltex Czech je součástí

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

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

VY_52_INOVACE_J 05 01

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

Více

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

FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ PRVNÍ DIFERENCIÁL

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

Více

Výstup a n. Vstup. obrázek 1: Blokové schéma a graf paralelní soustavy

Výstup a n. Vstup. obrázek 1: Blokové schéma a graf paralelní soustavy Paralelí soustava Vstup a a Výstup a Vstup a Výstup a a obrázek : Blokové schéma a graf paralelí soustavy paralelí soustava je v bezporuchovém stavu je-l v bezporuchovém stavu prvek (tzv. adbytečé spojeí

Více

Chyby přímých měření. Úvod

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

Více

Nalezení výchozího základního řešení. Je řešení optimální? ne Změna řešení

Nalezení výchozího základního řešení. Je řešení optimální? ne Změna řešení Sipleová etoda: - patří ezi uiverzálí etody řešeí úloh lieárího prograováí. - de o etodu iteračí, t. k optiálíu řešeí dospíváe postupě, krok za kroke. - výpočetí algoritus se v každé iteraci rozpadá do

Více

Téma 11 Prostorová soustava sil

Téma 11 Prostorová soustava sil Stavebí statka,.ročík bakalářského studa Téma Prostorová soustava sl Prostorový svazek sl Statcký momet síly a dvojce sl v prostoru Obecá prostorová soustava sl Prostorová soustava rovoběžých sl Katedra

Více

, jsou naměřené a vypočtené hodnoty závisle

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

Více

Základní teoretický aparát a další potřebné znalosti pro úspěšné studium na strojní fakultě a k řešení technických problémů

Základní teoretický aparát a další potřebné znalosti pro úspěšné studium na strojní fakultě a k řešení technických problémů Základí teoretický aarát a další otřebé zalosti ro úsěšé studium a strojí fakultě a k řešeí techických roblémů MATEMATIKA: logické uvažováí, matematické ástroje - elemetárí matematika (algebra, geometrie,

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

n=0 a n, n=0 a n = ±. n=0 n=0 a n diverguje k ±, a píšeme n=0 n=0 b n = t. Pak je konvergentní i řada n=0 (a n + b n ) = s + t. n=0 k a n a platí n=0

n=0 a n, n=0 a n = ±. n=0 n=0 a n diverguje k ±, a píšeme n=0 n=0 b n = t. Pak je konvergentní i řada n=0 (a n + b n ) = s + t. n=0 k a n a platí n=0 Nekoečé řady, geometrická řada, součet ekoečé řady Defiice Výraz a 0 a a a, kde {a i } i0 je libovolá posloupost reálých čísel, azveme ekoečou řadou Číslo se azývá -tý částečý součet Defiice Nekoečá řada

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

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

Téma 2 Přímková a rovinná soustava sil

Téma 2 Přímková a rovinná soustava sil Stavebí statka,.ročík bakalářského studa Téma 2 Přímková a rová soustava sl Přímková soustava sl ový svazek sl Statcký momet síly k bodu a dvojce sl v rově Obecá rová soustava sl ová soustava rovoběžých

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

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

Matematika I, část II

Matematika I, část II 1. FUNKCE Průvodce studiem V deím životě, v přírodě, v techice a hlavě v matematice se eustále setkáváme s fukčími závislostmi jedé veličiy (apř. y) a druhé (apř. x). Tak apř. cea jízdeky druhé třídy osobího

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

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

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

Více

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

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

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

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

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

Více

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

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

Intervalové odhady parametrů některých rozdělení.

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

Více

P1: Úvod do experimentálních metod

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

Více

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

7 LIMITNÍ VĚTY. Čas ke studiu kapitoly: 70 minut. Cíl:

7 LIMITNÍ VĚTY. Čas ke studiu kapitoly: 70 minut. Cíl: 7 LIMITNÍ VĚTY Čas ke studu kaptoly: 70 mut Cíl: o prostudováí tohoto odstavce budete umět formulovat a používat lmtí věty aproxmovat já rozděleí rozděleím ormálím - 96 - Výklad: V této kaptole adefujeme

Více

Rekonstrukce vodovodních řadů ve vztahu ke spolehlivosti vodovodní sítě

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

Více

2,3 ČTYŘI STANDARDNÍ METODY I, ČTYŘI STANDARDNÍ METODY II

2,3 ČTYŘI STANDARDNÍ METODY I, ČTYŘI STANDARDNÍ METODY II 2,3 ČTYŘI STADARDÍ METODY I, ČTYŘI STADARDÍ METODY II 1.1.1 Statické metody a) ARR - Average Rate of Retur průměrý ročí čistý zisk (po zdaěí) ARR *100 % ( 20 ) ivestic do projektu V čitateli výrazu ( 20

Více

14. B o d o v é o d h a d y p a r a m e t r ů

14. B o d o v é o d h a d y p a r a m e t r ů 4. B o d o v é o d h a d y p a r a m e t r ů Na základě hodot áhodého výběru z rozděleí určitého typu odhadujeme parametry tohoto rozděleí, tak aby co ejlépe odpovídaly hodotám výběru. Formulujme tudíž

Více

Předmět: SM 01 ROVINNÉ PŘÍHRADOVÉ KONSTRUKCE

Předmět: SM 01 ROVINNÉ PŘÍHRADOVÉ KONSTRUKCE Přdmět: SM 0 ROVIÉ PŘÍHRADOVÉ KOSTRUKCE doc. Ig. Michl POLÁK, CSc. Fkult stvbí, ČVUT v Prz ROVIÉ PŘÍHRADOVÉ KOSTRUKCE: KOSTRUKCE JE VYTVOŘEA Z PŘÍMÝCH PRUTŮ, PRUTY JSOU AVZÁJEM POSPOJOVÁY V BODECH STYČÍCÍCH,

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

základním prvkem teorie křivek v počítačové grafice křivky polynomiální n

základním prvkem teorie křivek v počítačové grafice křivky polynomiální n Petra Suryková Modelováí křivek základím prvkem teorie křivek v počítačové grafice křivky polyomiálí Q( t) a a t... a t polyomiálí křivky můžeme sado vyčíslit sado diferecovatelé lze z ich skládat křivky

Více

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru

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

Více

ANALÝZA VLIVU NUMERICKÉ APERTURY A ZVĚTŠENÍ NA HODNOTU ROZPTYLOVÉ FUNKCE BODU

ANALÝZA VLIVU NUMERICKÉ APERTURY A ZVĚTŠENÍ NA HODNOTU ROZPTYLOVÉ FUNKCE BODU ANALÝZA VLIVU NUMERICKÉ APERTURY A ZVĚTŠENÍ NA HODNOTU ROZPTYLOVÉ FUNKCE BODU A.Mikš, J.Novák, P. Novák katedra fyziky, Fakulta stavebí ČVUT v Praze Abstrakt Práce se zabývá aalýzou vlivu velikosti umerické

Více

= + nazýváme tečnou ke grafu funkce f

= + nazýváme tečnou ke grafu funkce f D E R I V A C E F U N KCE Deiice. (derivace Buď ukce,!. Eistuje-li limitu derivací ukce v bodě a začíme ji (. lim ( + lim Deiice. (teča a ormála Přímku o rovici y ( v bodě, přímku o rovici y ( (, kde (

Více

Náhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů.

Náhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů. Náhodu bychom mohli defiovat jako součet velkého počtu drobých epozaých vlivů. V rámci přírodích věd se setkáváme s pokusy typu za určitých podmíek vždy astae určitý důsledek. Např. jestliže za ormálího

Více

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

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

Více