ČESKÁ ZEMĚDĚLSKÁ UNIVERZITA V PRAZE

Rozměr: px
Začít zobrazení ze stránky:

Download "ČESKÁ ZEMĚDĚLSKÁ UNIVERZITA V PRAZE"

Transkript

1 ČESKÁ ZEMĚDĚLSKÁ UNIVERZITA V PRAZE FAKULTA ŽIVOTNÍHO PROSTŘEDÍ KATEDRA APLIKOVANÉ GEOINFORMATIKY A ÚZEMNÍHO PLÁNOVÁNÍ PROSTOROVÁ NEURČITOST GEODAT V ANALÝZÁCH DISTRIBUCE VYBRANÝCH DRUHŮ PTÁKŮ DIPLOMOVÁ PRÁCE VEDOUCÍ PRÁCE: Ing. Petra ŠÍMOVÁ, Ph.D. DIPLOMANT: Bc. Markéta NEDBÁLKOVÁ 2013

2

3 PROHLÁŠENÍ Prohlašuj, že jsem tuto dplomovou prác na téma Prostorová neurčtost geodat v analýzách dstrbuce vybraných druhů ptáků vypracovala samostatně pod vedením Ing. Petry Šímové, Ph.D. a že jsem uvedla všechny lterární prameny, ze kterých jsem čerpala. V Praze dne

4 PODĚKOVÁNÍ Chtěla bych poděkovat všem, kteří m byl nápomocní př psaní mé dplomové práce, jmenovtě pak mojí vedoucí práce Ing. Petře Šímové, Ph.D. za poskytnuté rady a vedení Ing. Katce Gdulové za pomoc s daty. Dále bych ráda poděkovala svojí mamnce a celé rodně za neustálou podporu během celého studa. V Praze dne

5 ABSTRAKT V první část této dplomové práce byla zpracována lterární rešerše zabývající se neurčtostí, jejím dělením v rámc ekologe č jejím projevy v procesu modelování druhové dstrbuce. V další část práce byla zkoumána závslost výskytu kalouse ušatého (Aso otus) na pět různých envronmentálních proměnných (predktorech), jejchž hodnoty byly získány z map rozdílného rozlšení. Účelem bylo především vyhodnott, zda rozlšení použtých map ovlvnlo hodnoty proměnných a výsledky zkoumané závslost. Jako predktory výskytu byly použty obvody a obsahy lesů zemědělské půdy a délka jejch společné hrance na území ČR. Data o výskytu druhu byla převzata z analogového podkladu Atlasu hnízdního rozšíření ptáků v České republce (Šťastný & kol., 2006). Jako geodata s rozdílným měřítkem byla použta data CORINE Land Cover 1990 a 2000 v měřítku 1: , DMÚ 25 s měřítkem 1:25 000, doplněné o LPIS v měřítku 1: Pro odhad parametrů jednotlvých predktorů v sestavených modelech byla použta logstcká regrese, jakožto metoda pro vysvětlení závslost dskrétní velčny (výskyt/nevýskyt druhu) na spojtých nezávsle proměnných. Jednotlvé modely pak byly srovnány podle výsledných dstrbučních funkcí a překryvů ntervalů spolehlvost jednotlvých regresních parametrů. Přestože se použtá geodata lšla ve svém rozlšení, u třech predktorů nebyly nalezeny větší rozdíly v hodnotách odvozených z těchto geodat. U všech geodatabází byla nalezena závslost výskytu kalouse ušatého na ploše a obvodu zemědělské půdy a na ploše lesů, u DMÚ/LPIS dokonce na obvodu lesů. KLÍČOVÁ SLOVA: neurčtost, modely druhové dstrbuce, SDM, logstcká regrese, kalous ušatý, Aso otus

6 ABSTRACT In the frst part of ths Master thess a lterature revew about uncertanty, taxonomy of uncertanty for ecology and uncertanty n speces dstrbuton modellng was wrtten. Secondly, the dependence of the long-eared owl (Aso otus) on fve dfferent envronmental varables (predctors), whose values were obtaned from maps of dfferent resoluton, was nvestgated. The am was to evaluate whether the resoluton of maps affects values of the varables and therefore the results of studyng dependence. In ths study we have used permeters and areas of forest and agrcultural polygons and total length of ther common boundary n the Czech Republc as the core predctors of speces presence. Data on speces occurrence has been obtaned from the atlas Atlas hnízdního rozšíření ptáků v České republce (Šťastný & kol., 2006). Geodata wth dfferent resolutons were used; namely CORINE Land Cover 1990 and 2000 wth a scale of 1: , DMÚ 25 whch scale s 1: and LPIS wth a scale of 1: To estmate the parameters of the ndvdual predctors n establshed models, logstc regresson was used as a method for explanng dscrete dependent varable (speces presence/absence) accordng to contnuous explanatory varables. The models were then compared by the resultng dstrbuton functons and overlaps of confdence ntervals of each parameter. Although the geodata had varyng resoluton, there were only small dfferences n the values of the 3 predctors ganed from these geodata. Dependence between long-eared owl occurrence and envronmental parameters were found for all geodata sets for 3 predctors - area and permeter of agrcultural polygons and area of forest, and n the case of DMÚ/LPIS for forest permeter moreover. KEYWORDS: uncertanty, speces dstrbuton models, SDM, logstc regresson, long-eared owl, Aso otus

7 OBSAH 1. ÚVOD CÍLE PRÁCE LITERÁRNÍ REŠERŠE POPIS DRUHU KALOUS UŠATÝ (ASIO OTUS) POPIS DAT ATLASOVÉ ÚDAJE DMÚ LPIS CORINE LAND COVER 1990 A 2000 (CLC 90, CLC 2000) NEURČITOST VÝVOJ POSTAVENÍ NEURČITOSTI VE VĚDĚ OBECNÉ DĚLENÍ NEURČITOSTI DĚLENÍ NEURČITOSTI V EKOLOGII NEURČITOSTI V MODELOVÁNÍ DISTRIBUCE DRUHŮ STATISTICKÉ METODY LOGISTICKÁ REGRESE METODIKA ATLASOVÉ ÚDAJE GEODATABÁZE CORINE LAND COVER LPIS + DMÚ STATISTICKÉ VYHODNOCENÍ VÝSLEDKY VIZUÁLNÍ POROVNÁNÍ GEODATABÁZÍ STATISTICKÁ VÝZNAMNOST ODHADNUTÝCH PARAMETRŮ POROVNÁNÍ ROZSAHU INTERVALŮ SPOLEHLIVOSTI A JEJICH PŘEKRYVŮ DISKUZE ZÁVĚR POUŽITÁ LITERATURA PŘÍLOHY PŘÍLOHA PŘÍLOHA PŘÍLOHA PŘÍLOHA PŘÍLOHA PŘÍLOHA

8 1. ÚVOD Modelování prostorové dstrbuce druhů je, jakožto důležtý nástroj pro porozumění základním vztahům mez druhy a jejch žvotním prostředím, výchozí pro jakékol ekologcké a bogeografcké výzkumy. Přesnost modelů prostorové dstrbuce druhů může být ovšem ovlvněna různým zdroj neurčtost (Araújo & Gusan, 2006; Moudrý & Šímová, 2012). Obecně se dá říc, že zdrojem neurčtost je nedostatek nformací (Martínek, 2007), protože s pomocí měřících přístrojů nebudou získané nformace nkdy kompletně a přesně popsovat an fyzkální charakterstky geografckého žvotního prostředí (Duckham, 2002), nemluvě o botckých nterakcích a znalostech fungování dynamckých přírodních systémů. Proto je nutné prozkoumat koncepční nejasnost a botcké algortmcké nejstoty používaných modelů, aby se zvýšla spolehlvost modelovaných výsledků (Araújo & Gusan, 2006). Pro tvorbu modelů dstrbuce druhů jsou potřebná envronmentální data charakterzující prostředí, v jakém se druh nachází, a nformace o výskytu druhu. Ovšem přes značně významnou rol dat o druhové dstrbuc je geografe žvota na Zem velm špatně zdokumentována (Jetz & kol., 2012). Ptác jsou tak jedním z mála taxonů, pro který jsou, díky velkému veřejnému zájmu, data o jejch výskytu zpracovaná dobře (Vener & kol, 2004). I tato práce vychází z Atlasu hnízdního rozšíření ptáků v České republce , který je jž třetím hnízdním atlasem zpracovaným pro naše území a Česká republka se tak v mapovacích pracích řadí k evropské špčce (Šťastný & kol., 2006). Pokus provedený v rámc této práce vychází z myšlenky Gusana & Thullera (2005), že stejné envronmentální parametry posbírané v různém rozlšení mohou mít pro druhy rozdílný význam a prostorová neurčtost vstupních dat se pak může šířt do modelových predkcí (Jager & Kng, 2004). Pokus byl tedy zaměřený na vyhodnocení, zda je nějaká z geodatabází (respektve měřítko některé z bází) CORINE Land Cover a DMÚ25/LPIS vhodnější pro získání hodnot predktorů výskytu kalouse ušatého na území České republky. 8

9 2. CÍLE PRÁCE Celá práce vychází z hypotézy, že zvolené měřítko, v jakém byla vytvořena mapa envronmentálních proměnných, výrazně ovlvní hodnoty těchto proměnných, nebol hodnoty envronmentálních predktorů využívaných pro určení výskytu druhu. Pokud se pro odvození predktoru použjí geodata rozlšných měřítek, hodnoty téhož predktoru by se dle hypotézy měly lšt, a proto by měla být rozdílná modelovaná dstrbuce druhu. Proto je jedním z cílů práce zhodnott na příkladu dat o výskytu kalouse ušatého a s využtím geodat rozlšných měřítek (CORINE Land Cover 1: versus DMÚ 25/LPIS 1:25 000/1:10 000) platnost této hypotézy. Mez další cíle práce pak patří vyhodnocení, jaký z použtých envronmentálních predktorů nejlépe předpovídá výskyt kalouse ušatého, č zhodnocení, která geodata (respektve jaké mapové měřítko) jsou pro takovouto stud vhodnější a zda mapy hrubších měřítek budou skutečně poskytovat méně přesné výsledky nebo zda je možné je pro odvození predktorů bez obav použít. 9

10 3. LITERÁRNÍ REŠERŠE 3.1 Pops druhu Pro potvrzení / vyvrácení hypotézy, zda měřítko mapy ovlvňuje výsledky výzkumů botopových efektů na prostorovou dstrbuc druhů, byla vybrána data o výskytu kalouse ušatého Kalous ušatý (Aso otus) Kalous ušatý (vz obr. 1, vz Příloha 6) taxonomcky náleží do třídy ptáků (Aves), řádu sov (Strgformes) a čeled puštíkovtých (Strgdae). Svým vzhledem je podobný výru velkému, protože má také péřová ouška. Je ale menší, jeho výška je průměrně cm. Je relatvně štíhlý (hmotnost se pohybuje mez g) se slným křídly s rozpětím 90 až 100 cm. Má velké oranžové oč a nenápadný černý zobák (Šoltésová, 2007). Jeho základní zbarvení je rezavohnědé s tmavým podélným skvrnam, které ve spodní část těla přechází v příčky (Šťastný, Bejček & Hudec, 2006). Kalous se řadí mez druhy CITES uvedené v apendxu II. (Shao & Lu, 2006). Obr. 1: Kalous ušatý (Bělna, 2010) Kalous ušatý je holarktcky rozšířený druh v mírném pásmu Eurase, Severní Amerky a v severní část Afrky (Bejček & Šťastný, 1999). V České republce se vyskytuje praktcky na celém území v hnízdní populac stálé a přelétavé, kdy se po vyhnízdění rozptyluje ve všech směrech do vzdáleností 100 km. Méně často je možné pozorovat tažné populace kalousů, u kterých převládá jhozápadní směr tahu (Martško, 1999). Kalous žje ve většně nadmořských výšek od nížn až do hor ( když nejhojněj hnízdí do výšky 600 m n. m.). Obývá lesy - převážně jejch okrajové oblast sousedící s otevřenou zemědělsky využívanou krajnou, skupny stromů na otevřených prostranstvích, remízky a keřové pásy, doprovodnou zeleň potoků 10

11 městské parky, sady a hřbtovy. Hnízdí většnou do výšky 15 m nad zemí. Hnízda s sám nestaví an neupravuje, obývá stará hnízda dravců č krkavcovtých ptáků. Méně často může zahnízdt v budce č přímo na zem (Šťastný, Bejček & Hudec, 2006). Výběr hnízdšť je vázán na dostatek potravních zdrojů (které tvoří z 90% hraboš polní (Mcrotus arvals)) a hnízdních příležtostí (dostatek prázdných č umělých hnízd). Na vhodných lokaltách můžeme najít 10 hnízdních párů na 100 km 2, v případě gradace populace hraboše polního se tento počet může ztrojnásobt (Martško, 1999). Aktvta kalousů je nejvyšší za stmívání a v noc a je rozdělena do dvou vln oddělených as tříhodnovou půlnoční pauzou. Jak jž bylo uvedeno výše, hlavní složkou kořst kalousů je hraboš polní, jehož je hlavním predátorem. Loví v nízkém letu a svou kořst vyhledává pomocí sluchu (Mlíkovský, 1998). Pouze př nízkých stavech hrabošů loví drobné ptáky, obojžvelníky č ostatní drobné savce (Závalský, 2004). Obr. 2: Kalous ušatý s uloveným hrabošem a s mláďaty (Bohdal, 1984). 11

12 Tok u těchto ptáků probíhá většnou od února. Samc se v tomto období opakovaně ozývají temným hlubokým tlumeným hůu v ntervalu as 3 vteřn. Může být také slyšet jejch tleskání křídel pod břchem o sebe. Samce odpovídají slyštelným hée. Pár se vytváří obvykle jenom na jednu sezónu. Zahnízdí pravdelně jednou za rok, kdy snůška vajec probíhá od druhé polovny března. Př příznvých trofckých podmínkách můžou kalous zahnízdt dvakrát - začátkem března a v květnu (Martško, 1999; Šťastný, Bejček & Hudec, 2006). Samce snáší v průměru 4-6 čstě bílých, slabě lesklých, kulovtých vajec s rozměry as 4 cm x 3 cm a hmotností 20 g. Na vejcích sedí sama a samec jí přnáší potravu. As po 4 týdnech se postupně líhnou mláďata, která se z hnízda ozývají tesklvý mňoukavým sí nebo píje (Šťastný, Bejček & Hudec, 2006). Samce je ještě as 9 dní zahřívá, poté se oba rodče zdržují přes den mmo hnízdo na nedalekém stromě. Mláďata ve stáří as dní vyskakují z hnízda na větev nebo padají na zem, kdy ještě nejsou vzletní, ale umí dobře šplhat. Vzletní začínají být od stáří 5 týdnů a pohlavní dospělost dosahují ve 2 letech (Martško, 1999). Úmrtnost mláďat v prvním roce žvota je až 52%, kdy mohou zahynou buď pádem ze stromu nebo po útoku predátora především v době, kdy ještě nejsou vzletná. Jejch přrozeným predátory jsou kuny, jeřáb lesní, káně lesní výr velký (Martško, 1999). Záhlavský (2004) také uvádí jako příčnu značných ztrát u dospělých kalousů automoblovou dopravu. I přes velkou úmrtnost mláďat je kalous ušatý naší druhou nejpočetnější sovou (hned po puštíkov obecném). Jeho stavy jsou v České republce poměrně stálé a celkový odhad jeho početnost byl hnízdních párů v letech , v období obdobně párů. V Praze je dokonce sovou nejhojnější (Šťastný, Bejček & Hudec, 2006). 12

13 3.2 Pops dat Atlasové údaje Atlasové údaje o výskytu kalouse ušatého byla převzatá z Atlasu hnízdního rozšíření ptáků v České republce z roku 2006 (autoř Karel Šťastný, Vladmír Bejček a Karel Hudec), který s klade za cíl zmapovat výskyt a početnost všech druhů ptáků, jež se vyskytují v době mapování na našem území. fázích: Šťastný, Bejček & Hudec (2006): Mapování probíhalo postupně ve třech - V období se mapovalo ve vymezených plochách 100 km 2 (vždy čtverce 10 x 10 km). Na území České republky tak přpadlo 846 kvadrátů, v kterých po dobu 5 let provádělo terénní práce 913 pozorovatelů. - Pro mapování v letech došlo ke změně velkost kvadrátů kvůl unfkování sítě pro mapování všech druhů organsmů. Nové rozměry čtverců byly 6 severní šířky x 10 východní délky vyznačených geografckým souřadncem. Jednalo se o plochy zhruba 133,2 km 2 (11,1 km x 12 km). Na území ČR nově přpadalo 679 kvadrátů. Ovšem kvadráty, které zasahují méně než polovnou plochy území republky, byly vyřazeny a výsledky mapování z nch byly přřazeny k sousedním čtvercům. V Atlasu se tak nakonec pracuje s 628 čtverc. Terénní práce probíhaly také 5 let. - Poslední mapování proběhlo v období Kvadráty zůstaly nepozměněné, ale zkrátla se doba terénních prací na 3 roky (z důvodu dostatečného počtu pracovníků a jejch zkušenost). Terénní pozorování byla zapsována do záznamových druhových karet jednotlvých kvadrátů dle meznárodních kódů (vz Příloha 1). Do mapových výstupů byly použty stupně průkaznost B (možné hnízdění), C (pravděpodobné hnízdění) a D (prokázané hnízdění). Nasbíraná data byla z druhových karet následně zpracována do dgtální podoby pomocí programů ArcVew GIS 3.3 ESRI a ESRI ArcMap 9.1 (Šťastný, Bejček & Hudec, 2006). Výskyt kalouse ušatého byl během všech tří pozorovacích období podobný. V letech byl zaznamenán v 81% kvadrátů (čl v 688 z 843 celkem) a v druhém období v 79% čtverců (v 498 z celkového počtu 628). V letech byl zaznamenán výskyt v 78% (492) kvadrátů, kdy 20% z toho bylo byly údaje o možném hnízdění (99 čtverců), 17% bylo pravděpodobné hnízdění (85 čtverců) a 63% z celkového výskytu tvořlo prokázané hnízdění (308 kvadrátů). 13

14 3.2.2 DMÚ 25 DMÚ 25 je dgtální model území v měřítku 1: vytvořený vojenským topografckým ústavem (VTOPÚ) Dobruška (Tchý, 2012). Jedná se o soubor vektorových topografckých dat vytvořený dgtalzací všech topografckých prvků z map s měřítkem 1: Účelem jeho vznku bylo (mmo jné) vytvoření zdrojové databáze geografckých dat pro tvorbu vojenského státního mapového díla jných geografckých produktů (Břoušek & Laža, 2006). V této databáz jsou topografcké nformace rozděleny do sedm vektorových vrstev na vodstvo, komunkace, sídla, síťová vedení, hrance, reléf terénu a rostlnný a půdní kryt. Data je možné získat ve formátech ARC/INFO Coverage, ARC/INFO Lbrary a ESRI Shapefle a jsou dostupné v základních souřadncových systémech S-JTSK, S-42 a WGS 84. Odchylka dat je udána v rozmezí 50 cm až 20m (Langr, 2001) LPIS Český LPIS (Land Parcel Identfkaton System) je referenční regstr využtí zemědělské půdy v České republce spadající pod Mnsterstvo zemědělství. Vznk evdence proces aktualzace změn v evdenc byl uzákoněn v novele č. 128/2003 Sb. zákona č. 252/1997 o zemědělství. Důvodem vznku byla jednak v 90. letech potřeba vytvoření evdence zemědělské půdy pro účely kontroly celého spektra státních dotací poskytovaných na jednotku plochy a dále především podmínka Evropské une kvůl uvolňování evropských zemědělských dotací, kdy ČR měla zavést ucelený systém v prostředí geografckého nformačního systému pro dentfkac zemědělských pozemků za základě skutečného užívání půdy. Uplatnění ale kromě ověřování žádostí o dotace má jako podklad pro vedení evdence o použtí hnojv č přípravků na ochranu rostln, podklad pro omezení hospodaření kvůl eroz č jako nástroj v oblast montorngu výskytu škodlvých organsmů. První off-lne verze regstru půdních bloků vznkla koncem roku Užvatelské bloky zemědělské půdy byly zakresleny do ortofotomap z let 1999 až Zakreslení bylo následně verfkováno pomocí ověřování zákresu hranc půdních bloků na papírových mapách v měřítku 1:

15 Druhou a současnou generací LPIS jž bylo on lne řešení vytvořené frmou Stewell s.r.o. v roce 2004, protože v off-lne verz nebylo možné zajstt dostatečně rychlou aktualzac a plnou ntegrtu dat. LPIS se skládá z tzv. farmářských bloků, což jsou základní evdenční jednotky reprezentující vždy souvslou plochu zemědělské půdy s jednotnou kulturou obhospodařované jedním užvatelem v jednom režmu obhospodařování. Každý takový blok je zakreslen nad ortofotem a obsahuje nformace ohlašované farmářem vypočtené systémem z dgtálního modelu terénu č průnku s jným geografckým vrstvam. Klíčovým prvkem celého systému je centrální databáze vytvořená v prostředí Oracle Spatal (Stewell s.r.o., 2004; Mnsterstvo zemědělství, 2011) CORINE Land Cover 1990 a 2000 (CLC 90, CLC 2000) CORINE (Coordnaton of nformaton on the envronment) Land Cover je projekt, který spadá pod program CORINE fungující od roku Program CORINE zastřešuje: - shromáždění nformací o stavu žvotního prostředí, které jsou významné pro všechny členské státy; - koordnac př komplování dat a organzac nformací jak v rámc členských států, tak na meznárodní úrovn; - zajštění, že nformace jsou odpovídající a data kompatblní. CORINE Land Cover (CLC) je jednotná vektorová databáze vytvořená na území celkem 12 států Evropy v měřítku 1: , která pokrývá rozlohu 2,3 ml km 2. Nejmenší mapová jednotka má plochu 25 ha (Commsson of european communtes, 1994). Cílem projektu bylo vytvoření metodologcky jednotné a pravdelně aktualzované databáze evropského krajnného pokryvu (Cena, 2012). Výstupní mapy vegetačního pokryvu byly rozdělené do pět hlavních tříd a celkem 44 kategorí (vz Příloha 2). Do této doby byly pro území České republky vytvořeny celkem tř databáze - a to pro roky 1990, 2000 a nejnovější pro rok Navíc vznkly databáze obsahující změny ploch polygonů jednotlvých tříd mez lety a (Cena, 2012). CLC90 tato databáze byla zpracována frmou Gsat podle sateltních snímků družce LANDSAT, které byly nasnímány mez lety Dokončena byla v roce

16 CLC2000 Po převzetí pravomoc za program CORINE Evropskou agenturou žvotního prostředí (European Envronment Agency - EEA) byl zahájen projekt aktualzace evropské databáze I&CLC2000 (zahrnující projekty IMAGE2000 a CLC2000). Výchozím materálem pro aktualzac CLC a tvorbu změnové databáze byl soubor sateltních snímků Evropy nasnímaných pomocí družce LANDSAT s prostorovým rozlšením 25 m (projekt IMAGE 2000) (Büttner & kol., 2002; Cena, 2012). 3.3 Neurčtost Neurčtost se dotýká všech aspektů našeho žvota. Naše znalost nejsou nkdy kompletní (Tanert & kol., 2007) a jak dosavadní výzkum ukazuje, není možné dosáhnout absolutního poznání a podat přesný obraz okolního světa. Informace jsou vždy neúplné a časově proměnlvé a naše poznání se pohybuje v mezích určté tolerance (Dudek, 1999). A protože nelze odstrant neurčtost z jakéhokol vědeckého výzkumu, je důležtým a zároveň obtížným úkolem dentfkace jejích jednotlvých typů a nalezení způsobu změření množství neurčtost každého typu (Klr, 2008) Vývoj postavení neurčtost ve vědě Klr (2008) shrnuje vývoj postoje k neurčtost v rámc vědy. Před 20. stoletím byla neurčtost z vědy strktně vyřazována. Zlom přšel počátkem 20. století díky statstckým metodám používaným př výzkumu statstcké mechanky, kdy se neurčtost v některých oblastech vědeckého výzkumu ukázala jako nutná. Dalším krokem bylo v roce 1927 odvození Hesenbergova prncpu neurčtost, který praktcky ukázal, že se věda př měření nemůže neurčtost vyhnout. V r Kurt Gödel ve své prác uvedl neurčtost v oblast matematky, z čehož vyplývalo, že se jí nedá vyhnout an s pomocí matematky (Klr, 2008). Obecné studum neurčtost začalo v 2. polovně 20. století s rozvojem počítačové technologe. Bylo zjštěno, že pomocí počítačů je možné zpracovat jen omezené množství nformací bylo nutno provádět zjednodušení a hledat pouze přblžná řešení problémů. Pohled na neurčtost ve vědě se během mnulého století zásadně změnl a neurčtost jž není považována za nutné zlo, nýbrž za užtečnou součást vědy. 16

17 Mnoho autorů mělo v posledních letech snahu neurčtost nějakým způsobem klasfkovat a popsat, ale žádné všeobecně používané dělení není zavedené. V této prác je proto uvedeno pár způsobů dělení podle jednotlvých autorů Obecné dělení neurčtost Bokr (1993) Bokr & Jáneš (2005) dělí neurčtost následovně (vz obr. 3): - Neznalost pod tímto pojmem autoř rozumí absenc vědomostí o enttě č pokud neznáme událost (změnu stavu jnak neměnného objektu), která se odehrála (odehrává č v budoucnu bude odehrávat) na objektu. - Neúplnost nastává, pokud nejsou sesbírány všechny možnost vědomost př shromažďování nformací o objektu. Prncpálně nkdy není komplex znalostí kompletní. - Nedostatečnost je tehdy, nejsou-l shromážděny všechny nezbytné znalost o událostech. - Nedefnovanost vznká kvůl absenc exaktního vymezení některých znalostí, které jsou vymezeny například pouze z analoge. - Neadekvátnost znamená, že není s dostupným znalostm možné dosáhnout cíl modelování. - Neprůkaznost je zapříčněná dočasným přerušením sbírání znalostí. - Fyzkální nejednoznačnost - Dána exstencí více alternatv nastání událost, z nchž se každá může uskutečnt nahodle, - nebo nepřesností měřících a pozorovacích přístrojů. Všechna měření a pozorování jsou vždy zatížena chybou, která může být vyvolána chybam počítače, chybam př přenosu údajů, omezenou přesností reprezentace zpracování čísel, omezenou přesností měřících a observačních přístrojů. - Lngvstcká nejednoznačnost - Nejednoznačnost smyslu nějakého tvrzení je vyvolána konečností slovní zásoby konečným počtem výroků. - Mnohovýznamnost (polyseme) může vést k homonym (totožnost formy slov) č nezřetelnost (přblžné denotatvní shodě jedná-l se o předměty blízkého významu). 17

18 Obr 3: Rozdělení neurčtost dle Bokra (1993) Dělení neurčtost v ekolog Dle Regan & kol. (2002) neurčtost doprovází veškeré naše snahy o zjštění pravdvých přírodních zákontostí. V rámc ekologe neurčtost dělí do dvou kategorí (vz obr. 4): - nejstota epstemcká, - nejstota lngvstcká. Epstemcká nejstota je spojená se znalostí stavu systému, zahrnuje nejstoty vznklé nepřesností měřících přístrojů, z nedostatečných dat, z extrapolace a nterpolace č proměnlvost v čase a prostoru. Oprot tomu lngvstcká neurčtost vznká díky faktu, že náš jazyk (včetně velké část vědecké termnologe) je nejednoznačný, často významově závslý na kontextu č vykazující teoretcké nejasnost. V mnulost jž proběhlo několk pokusů mnoha autorů o klasfkování různých typů neurčtost. Ale ještě nedošlo ke komplexnímu vyhodnocení vlvu celého spektra nejstot během rozhodovacích procesů. Přestože je v ochraně přírody lngvstcká nejstota běžná, protože v ní má velký význam poltka rozhodování, je často gnorovaná a uvažuje se pouze nejstota epstemcká. 18

19 Obr. 4: Rozdělení neurčtost dle Regan & kol. (2002). Epstemcká nejstota (Regan & kol., 2002) Epstemckou neurčtost je možné rozčlent na 6 různých typů, z nchž každý vznká jným způsobem: - Chyba měření vznká z nepřesností měřících přístrojů a pozorovacích technk a zahrnuje chybu obslužného pracovníka přístroje. Tato nejstota se projevuje jako náhodná změna v kvanttatvním měření. Opakovaná měření budou kolísat kolem statstckého průměru. V případě absence dalších typů nejstot bude vztah mez skutečností a naměřeným hodnotam závset na počtu měření, jejch rozdílných hodnotách, přesnost měřícího vybavení a zkušenostech terénního pracovníka. - Systematcká chyba se vyskytuje v důsledku špatného nastavení měřícího zařízení nebo ovlvněním př sběru dat (dochází k systematckému nadhodnocení č podhodnocení). Na rozdíl od chyby měření tato chyba není náhodná a průměr naměřených hodnot konverguje k jné, než ke skutečné hodnotě (nekolísá kolem skutečné hodnoty). Systematcká chyba může vznknout jak vědomým rozhodnutím vědce vyloučt/zahrnout data, která neměla být vyloučena/zahrnuta, tak neúmyslným omylem - např. špatnou kalbrací přístrojů č nesprávným zaznamenáváním měření. Systematckou chybu je velm těžké rozpoznat a lze j odstrant pouze pokud známe její velkost a směr vychýlení (podhodnocení / nadhodnocení). - Přrozená odchylka se vyskytuje v proměnlvých (časově a prostorově) systémech a lze jen těžko předpovídat. Některé třídy nejstoty rozlšují mez časovým a prostorovým složkam přrozené odchylky. 19

20 Přírodní odchylka není sama o sobě zdrojem epstemcké neurčtost, je to pouze skutečná hodnota parametru příslušných změn jako důsledek změn nezávslých proměnných. Je ale často považována za zdroj neurčtost, protože skutečnou kvanttatvní hodnotu je velm obtížné změřt č předpovědět napříč celou řadou časových a prostorových hodnot. Důležtá aplkace tohoto pojmu v ekolog je přrozené kolísání populací. Obměna jednců v populac může závset na mnoha faktorech např. potravní dostupnost, počasí, počty predátorů, rozšíření nemocí, atd. - Vlastní nahodlost se v systému nevyskytuje kvůl našemu omezenému porozumění řídícím procesům a zákontostem, ale proto, že systém není možné zjednodušt na systém neměnný (determnstcký). Přestože je mnoho systémů považováno za nahodlé, je těžké nalézt názorný příklad tohoto druhu neurčtost. - Neurčtost modelu je výsledkem naší reprezentace fyzkálního a bologckého systému. Modely mohou být založeny na dagramech, grafech, matematckých reprezentacích, počítačových smulacích, atd. Regan & kol. (2002) se zaměřuje na matematcké a počítačové modely, které jsou hojně využívány v přírodních vědách pro predkce budoucích událostí č zjšťování chování systému za specfckých podmínek. Neurčtost modelu vznká dvěma hlavním způsoby. Prvním z nch je fakt, že jsou do modelu zahrnuty pouze parametry a procesy, které se považují za významné pro modelované skutečnost. Druhou cestou vznku nejstoty je způsob konstrukce použtý k reprezentac pozorovaných procesů. Často se jedná o přírodní procesy (reprodukce, vymírání, dostupnost zdrojů, odpočnek, atd.), které nejsou přrozeně matematcké povahy a přesto mají dopad na populační početnost a mohou být reprezentovány v mnoha matematckých formách. Do této kategore dále patří nejstota vyplývající z prokládání naměřených dat přímkou (včetně nterpolace a extrapolace) č z aproxmace sestaveného modelu. Neurčtost modelu je velm obtížné kvantfkovat a v podstatě nemožné elmnovat. Jedným spolehlvým způsobem zjštění, jak je model přesný a schopný správně predkovat, je provedení valdačních studí (což je bohužel často nemožné). 20

21 - Subjektvní úsudek. Neurčtost vyplývající ze subjektvního úsudku je výsledkem nterpretace dat, obzvláště v případě, kdy jsou data vzácná a náchylná k chybám. Prvky subjektvního hodnocení se vyskytují v mnoha odhadech parametrů bologckých věd. Standardní způsob vypořádání se s touto nejstotou je přřadt stupeň důvěryhodnost událost formou subjektvní pravděpodobnost (například by mohl odborník ohodnott, že s pravděpodobností 0,7 je velkost populace větší než 500 jednců). Avšak an stupně důvěryhodnost nejsou přesné. Lngvstcká nejstota Tento typ nejstoty Regan & kol. (2002) dělí do pět klasfkačních tříd: všechny tyto neurčtost mohou mít vlv na bologcké aplkace. - Nejasnost vznká kvůl tomu, že náš jazyk umožňuje používat tzv. hranční případy. Například slovo ohrožený je nejasné z důvodu, že exstují druhy, které nejsou ohrožené an neohrožené je to hranční případ. - Závslost kontextu je nejstota vyplývající z neschopnost specfkovat kontext, ve kterém je potřeba problém chápat. Například řekne-l se, že populace nespecfkovaného taxonu je malá. Bez upřesnění souvslostí lze jen hádat, jak velkou populac s pod pojmem malá představt. - Nejednoznačnost vyplývá z mnohoznačnost slov každé slovo má více významů a není jasné, který význam byl zamýšlen. - Nespecfčnost vyvstává z nechtěné obecnost, pokud je prohlášení méně specfkované, než bychom potřeboval. - Neurčtost teoretckých pojmů vyplývá z problému, že budoucí používání teoretckých pojmů není pořádně zakořeněno v mnulost. Což znamená, že některé teoretcké pojmy, které zatím nejsou nejednoznačné, se nejednoznačným mohou stát. Nejstota má mnoho rozdílných zdrojů a v různých aplkacích se nejstoty z různých zdrojů hromadí, včetně nejstot epstemckých a lngvstckých. Komplexní a systematcké vyhodnocení nejstot v bologckých vědách má značný význam a zaslouží s, dle Regan & kol. (2002), velké množství dalšího šetření, protože mnoho metod využívaných běžně v ekolog podceňuje jejch skutečný rozsah. 21

22 3.3.4 Neurčtost v modelování dstrbuce druhů Přesné mapy rozšíření organsmů by byly vítaným zdrojem př navrhování národních parků, hodnocení ldského působení na bodverztu č př testování různých ekologckých a bogeografckých hypotéz. Ovšem an perfektní znalost bologe druhů nemohou zaručt, že statcká mapa bude správně reflektovat dynamcké vlastnost dstrbuce druhů. Navíc je téměř nemožné přesně zmapovat velké a nepřístupné přírodní oblast. Naše znalost o prostorové dstrbuc většny druhů tak mají, jak uvádí Seoane & kol. (2004b), značné mezery. Všeobecným řešením tohoto problému je predkční modelování výskytu druhů, které vznklo už koncem 70. let mnulého století, ovšem za posledních deset let prodělalo obrovský rozvoj (Zmmermann & kol., 2010). Modely druhové dstrbuce - SDMs (Speces Dstrbuton Models, označované též jako modely nky č vhodných stanovšť, Dormann & kol. (2008)) kombnují body známého výskytu druhu s prostorově spojtým envronmentálním velčnam s cílem odvození ekologckých požadavků druhu pomocí nějakého statstckého algortmu. Geografcká dstrbuce je pak předpovídána pomocí mapování oblastí, v kterých se všechny envronmentální požadavky druhů střetávají (Barry & Elth, 2004; Hernandez & kol., 2006; Dormann & kol., 2008). A právě proto, že předpovídaná dstrbuce je obecně určena třem elementy - envronmentálním vrstvam, druhovým daty a algortmem/modelovací metodou (Fernandez & kol., 2009), Moudrý & Šímová (2012) označují tyto elementy za hlavní zdroje nejstot př tvorbě modelů dstrbuce druhů. Dstrbuce pak může být dále ovlvněna zvoleným časovým a prostorovým měřítkem použtým př sběru všech druhů dat zahrnutých do modelu (Elth & kol., 2002; Gusan & Thuller, 2005; McPherson & kol., 2006) Neurčtost nezávsle proměnných Envronmentální proměnné mohou být získány různým způsoby. Dříve běžné metody získávání dat z terénního průzkumu a analogových map postupně nahrazuje sateltní snímkování, které může pokrýt rozsáhlá území s nžší fnanční náročností (Mack & kol., 1997). Proměnné se nejčastěj zpracovávají do vrstev GIS (geografckých nformačních systémů), které jsou běžně vytvářeny nterpolací bodových měření, nterpretací leteckých a sateltních snímků nebo modelováním fyzkálních procesů (Elth & kol., 2002). Neurčtost exstující jž v základních datech (např. kvůl chybám 22

9. cvičení 4ST201. Obsah: Jednoduchá lineární regrese Vícenásobná lineární regrese Korelační analýza. Jednoduchá lineární regrese

9. cvičení 4ST201. Obsah: Jednoduchá lineární regrese Vícenásobná lineární regrese Korelační analýza. Jednoduchá lineární regrese cvčící 9. cvčení 4ST01 Obsah: Jednoduchá lneární regrese Vícenásobná lneární regrese Korelační analýza Vysoká škola ekonomcká 1 Jednoduchá lneární regrese Regresní analýza je statstcká metoda pro modelování

Více

MOŽNOSTI PREDIKCE DYNAMICKÉHO CHOVÁNÍ LOPAT OBĚŽNÝCH KOL KAPLANOVÝCH A DÉRIAZOVÝCH TURBÍN.

MOŽNOSTI PREDIKCE DYNAMICKÉHO CHOVÁNÍ LOPAT OBĚŽNÝCH KOL KAPLANOVÝCH A DÉRIAZOVÝCH TURBÍN. MOŽNOSTI PREDIKCE DYNAMICKÉHO CHOVÁNÍ LOPAT OBĚŽNÝCH KOL KAPLANOVÝCH A DÉRIAZOVÝCH TURBÍN. Mroslav VARNER, Vktor KANICKÝ, Vlastslav SALAJKA ČKD Blansko Strojírny, a. s. Anotace Uvádí se výsledky teoretckých

Více

ANALÝZA VLIVU DEMOGRAFICKÝCH FAKTORŮ NA SPOKOJENOST ZÁKAZNÍKŮ VE VYBRANÉ LÉKÁRNĚ S VYUŽITÍM LOGISTICKÉ REGRESE

ANALÝZA VLIVU DEMOGRAFICKÝCH FAKTORŮ NA SPOKOJENOST ZÁKAZNÍKŮ VE VYBRANÉ LÉKÁRNĚ S VYUŽITÍM LOGISTICKÉ REGRESE ANALÝZA VLIVU DEMOGRAFICKÝCH FAKTORŮ NA SPOKOJENOST ZÁKAZNÍKŮ VE VYBRANÉ LÉKÁRNĚ S VYUŽITÍM LOGISTICKÉ REGRESE Jana Valečková 1 1 Vysoká škola báňská-techncká unverzta Ostrava, Ekonomcká fakulta, Sokolská

Více

VLIV VELIKOSTI OBCE NA TRŽNÍ CENY RODINNÝCH DOMŮ

VLIV VELIKOSTI OBCE NA TRŽNÍ CENY RODINNÝCH DOMŮ VLIV VELIKOSTI OBCE NA TRŽNÍ CENY RODINNÝCH DOMŮ Abstrakt Martn Cupal 1 Prncp tvorby tržní ceny nemovtost je sce založen na tržní nabídce a poptávce, avšak tento trh je značně nedokonalý. Nejvíce ovlvňuje

Více

Optimalizační přístup při plánování rekonstrukcí vodovodních řadů

Optimalizační přístup při plánování rekonstrukcí vodovodních řadů Optmalzační přístup př plánování rekonstrukcí vodovodních řadů Ladslav Tuhovčák*, Pavel Dvořák**, Jaroslav Raclavský*, Pavel Vščor*, Pavel Valkovč* * Ústav vodního hospodářství obcí, Fakulta stavební VUT

Více

6. Demonstrační simulační projekt generátory vstupních proudů simulačního modelu

6. Demonstrační simulační projekt generátory vstupních proudů simulačního modelu 6. Demonstrační smulační projekt generátory vstupních proudů smulačního modelu Studjní cíl Na příkladu smulačního projektu představeného v mnulém bloku je dále lustrována metodka pro stanovování typů a

Více

í I - 13 - Průchod a rozptyl záření gama ve vrstvách materiálu Prof. Ing. J. Šeda, DrSc. KDAIZ - PJPI

í I - 13 - Průchod a rozptyl záření gama ve vrstvách materiálu Prof. Ing. J. Šeda, DrSc. KDAIZ - PJPI - 13 - í Průchod a rozptyl záření gama ve vrstvách materálu Prof. ng. J. Šeda, DrSc. KDAZ - PJP Na našem pracovšt byl vypracován program umožňující modelovat průchod záření gama metodou Monte Carlo, homogenním

Více

ANALÝZA RIZIKA A CITLIVOSTI JAKO SOUČÁST STUDIE PROVEDITELNOSTI 1. ČÁST

ANALÝZA RIZIKA A CITLIVOSTI JAKO SOUČÁST STUDIE PROVEDITELNOSTI 1. ČÁST Abstrakt ANALÝZA ZKA A CTLOST JAKO SOUČÁST STUDE POVEDTELNOST 1. ČÁST Jří Marek Úspěšnost nvestce závsí na tom, jaké nejstoty ovlvní její předpokládaný žvotní cyklus. Pomocí managementu rzka a analýzy

Více

Korelační energie. Celkovou elektronovou energii molekuly lze experimentálně určit ze vztahu. E vib. = E at. = 39,856, E d

Korelační energie. Celkovou elektronovou energii molekuly lze experimentálně určit ze vztahu. E vib. = E at. = 39,856, E d Korelační energe Referenční stavy Energ molekul a atomů lze vyjádřt vzhledem k různým referenčním stavům. V kvantové mechance za referenční stav s nulovou energí bereme stav odpovídající nenteragujícím

Více

CHYBY MĚŘENÍ. uvádíme ve tvaru x = x ± δ.

CHYBY MĚŘENÍ. uvádíme ve tvaru x = x ± δ. CHYBY MĚŘENÍ Úvod Představte s, že máte změřt délku válečku. Použjete posuvné měřítko a získáte určtou hodnotu. Pamětlv přísloví provedete ještě jedno měření. Ale ouha! Výsledek je jný. Co dělat? Měřt

Více

Regresní a korelační analýza

Regresní a korelační analýza Regresní a korelační analýza Závslost příčnná (kauzální). Závslostí pevnou se označuje případ, kdy výskytu jednoho jevu nutně odpovídá výskyt druhé jevu (a často naopak). Z pravděpodobnostního hledska

Více

Západočeská univerzita v Plzni Fakulta aplikovaných věd Katedra matematiky. Bakalářská práce. Zpracování výsledků vstupních testů z matematiky

Západočeská univerzita v Plzni Fakulta aplikovaných věd Katedra matematiky. Bakalářská práce. Zpracování výsledků vstupních testů z matematiky Západočeská unverzta v Plzn Fakulta aplkovaných věd Katedra matematky Bakalářská práce Zpracování výsledků vstupních testů z matematky Plzeň, 13 Tereza Pazderníková Prohlášení Prohlašuj, že jsem bakalářskou

Více

Využití logistické regrese pro hodnocení omaku

Využití logistické regrese pro hodnocení omaku Využtí logstcké regrese pro hodnocení omaku Vladmír Bazík Úvod Jedním z prmárních proevů textlí e omak. Jedná se o poct který vyvolá textle př kontaktu s pokožkou. Je to ntegrální psychofyzkální vlastnost

Více

Energie elektrického pole

Energie elektrického pole Energe elektrckého pole Jž v úvodní kaptole jsme poznal, že nehybný (centrální elektrcký náboj vytváří v celém nekonečném prostoru slové elektrcké pole, které je konzervatvní, to znamená, že jakýkolv jný

Více

9.12.2009. Metody analýzy rizika. Předběžné hodnocení rizika. Kontrolní seznam procesních rizik. Bezpečnostní posudek

9.12.2009. Metody analýzy rizika. Předběžné hodnocení rizika. Kontrolní seznam procesních rizik. Bezpečnostní posudek 9.2.29 Bezpečnost chemckých výrob N Petr Zámostný místnost: A-72a tel.: 4222 e-mal: petr.zamostny@vscht.cz Analýza rzka Vymezení pojmu rzko Metody analýzy rzka Prncp analýzy rzka Struktura rzka spojeného

Více

podle typu regresní funkce na lineární nebo nelineární model Jednoduchá lineární regrese se dá vyjádřit vztahem y

podle typu regresní funkce na lineární nebo nelineární model Jednoduchá lineární regrese se dá vyjádřit vztahem y 4 Lneární regrese 4 LINEÁRNÍ REGRESE RYCHLÝ NÁHLED DO KAPITOLY Častokrát potřebujete zjstt nejen, jestl jsou dvě nebo více proměnných na sobě závslé, ale také jakým vztahem se tato závslost dá popsat.

Více

MODEL LÉČBY CHRONICKÉHO SELHÁNÍ LEDVIN. The End Stage Renal Disease Treatment Model

MODEL LÉČBY CHRONICKÉHO SELHÁNÍ LEDVIN. The End Stage Renal Disease Treatment Model ROČNÍK LXXII, 2003, č. 1 VOJENSKÉ ZDRAVOTNICKÉ LISTY 5 MODEL LÉČBY CHRONICKÉHO SELHÁNÍ LEDVIN 1 Karel ANTOŠ, 2 Hana SKALSKÁ, 1 Bruno JEŽEK, 1 Mroslav PROCHÁZKA, 1 Roman PRYMULA 1 Vojenská lékařská akademe

Více

5. GRAFICKÉ VÝSTUPY. Zásady územního rozvoje Olomouckého kraje. Koncepce ochrany přírody Olomouckého kraje

5. GRAFICKÉ VÝSTUPY. Zásady územního rozvoje Olomouckého kraje. Koncepce ochrany přírody Olomouckého kraje 5. GRAFICKÉ VÝSTUPY Grafickými výstupy této studie jsou uvedené čtyři mapové přílohy a dále následující popis použitých algoritmů při tvorbě těchto příloh. Vlastní mapové výstupy jsou označeny jako grafické

Více

9. Měření kinetiky dohasínání fluorescence ve frekvenční doméně

9. Měření kinetiky dohasínání fluorescence ve frekvenční doméně 9. Měření knetky dohasínání fluorescence ve frekvenční doméně Gavolův experment (194) zdroj vzorek synchronní otáčení fázový posun detektor Měření dob žvota lumnscence Frekvenční doména - exctace harmoncky

Více

Mechatronické systémy s elektronicky komutovanými motory

Mechatronické systémy s elektronicky komutovanými motory Mechatroncké systémy s elektroncky komutovaným motory 1. EC motor Uvedený motor je zvláštním typem synchronního motoru nazývaný též bezkartáčovým stejnosměrným motorem (anglcky Brushless Drect Current

Více

Vícekriteriální rozhodování. Typy kritérií

Vícekriteriální rozhodování. Typy kritérií Vícekrterální rozhodování Zabývá se hodnocením varant podle několka krtérí, přčemž varanta hodnocená podle ednoho krtéra zpravdla nebývá nelépe hodnocená podle krtéra ného. Metody vícekrterálního rozhodování

Více

Spojité regulátory - 1 -

Spojité regulátory - 1 - Spojté regulátory - 1 - SPOJIÉ EGULÁOY Nespojté regulátory mají většnou jednoduchou konstrukc a jsou levné, ale jsou nevhodné tím, že neudržují regulovanou velčnu přesně na žádané hodnotě, neboť regulovaná

Více

Numerické metody optimalizace

Numerické metody optimalizace Numercké metody optmalzace Numercal optmzaton methods Bc. Mloš Jurek Dplomová práce 2007 Abstrakt Abstrakt česky Optmalzační metody představují vyhledávání etrémů reálných funkcí jedné nebo více reálných

Více

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1 Logistická regrese Menu: QCExpert Regrese Logistická Modul Logistická regrese umožňuje analýzu dat, kdy odezva je binární, nebo frekvenční veličina vyjádřená hodnotami 0 nebo 1, případně poměry v intervalu

Více

Transformace dat a počítačově intenzivní metody

Transformace dat a počítačově intenzivní metody Transformace dat a počítačově ntenzvní metody Jří Mltký Katedra textlních materálů, Textlní fakulta, Techncká unversta v Lberc, Lberec, e- mal jr.mltky@vslb.cz Mlan Meloun, Katedra analytcké cheme, Unversta

Více

Posuzování výkonnosti projektů a projektového řízení

Posuzování výkonnosti projektů a projektového řízení Posuzování výkonnost projektů a projektového řízení Ing. Jarmla Ircngová Západočeská unverzta v Plzn, Fakulta ekonomcká, Katedra managementu, novací a projektů jrcngo@kp.zcu.cz Abstrakt V současnost je

Více

EKONOMICKO-MATEMATICKÉ METODY

EKONOMICKO-MATEMATICKÉ METODY . přednáška EKONOMICKO-MATEMATICKÉ METODY Ekonomcko matematcké metody (též se užívá název operační analýza) sou metody s matematckým základem, využívané především v ekonomcké oblast, v oblast řízení a

Více

GIS ANALÝZA VLIVU DÁLNIČNÍ SÍTĚ NA OKOLNÍ KRAJINU. Veronika Berková 1

GIS ANALÝZA VLIVU DÁLNIČNÍ SÍTĚ NA OKOLNÍ KRAJINU. Veronika Berková 1 GIS ANALÝZA VLIVU DÁLNIČNÍ SÍTĚ NA OKOLNÍ KRAJINU Veronika Berková 1 1 Katedra mapování a kartografie, Fakulta stavební, ČVUT, Thákurova 7, 166 29, Praha, ČR veronika.berkova@fsv.cvut.cz Abstrakt. Metody

Více

Specifikace, alokace a optimalizace požadavků na spolehlivost

Specifikace, alokace a optimalizace požadavků na spolehlivost ČESKÁ SPOLEČNOST PRO JAKOST Novotného lávka 5, 116 68 Praha 1 47. SEMINÁŘ ODBORNÉ SKUPINY PRO SPOLEHLIVOST pořádané výborem Odborné skupny pro spolehlvost k problematce Specfkace, alokace a optmalzace

Více

Využití technologie GIS a prostorových databází při výpočtu fragmentace krajiny. Miroslav Kopecký, Tomáš Soukup

Využití technologie GIS a prostorových databází při výpočtu fragmentace krajiny. Miroslav Kopecký, Tomáš Soukup Využití technologie GIS a prostorových databází při výpočtu fragmentace krajiny Miroslav Kopecký, Tomáš Soukup Geoinformace pro praxi, Brno 27.6.-28.6.2009 Řešitelé Projekt je řešen za podpory EEA v rámci

Více

Solventnost II. Standardní vzorec pro výpočet solventnostního kapitálového požadavku. Iva Justová

Solventnost II. Standardní vzorec pro výpočet solventnostního kapitálového požadavku. Iva Justová 2. část Solventnost II Standardní vzorec pro výpočet solventnostního kaptálového požadavku Iva Justová Osnova Úvod Standardní vzorec Rzko selhání protstrany Závěr Vstupní údaje Vašíčkovo portfolo Alternatvní

Více

ANALÝZA RIZIKA A JEHO CITLIVOSTI V INVESTIČNÍM PROCESU

ANALÝZA RIZIKA A JEHO CITLIVOSTI V INVESTIČNÍM PROCESU AALÝZA RIZIKA A JEHO CITLIVOSTI V IVESTIČÍM PROCESU Jří Marek ) ABSTRAKT Príspevek nformuje o uplatnene manažmentu rzka v nvestčnom procese. Uvádza príklad kalkulace rzka a analýzu jeho ctlvost. Kľúčové

Více

Registrační číslo projektu: CZ.1.07/1.5.00/34.0553 Elektronická podpora zkvalitnění výuky CZ.1.07 Vzděláním pro konkurenceschopnost

Registrační číslo projektu: CZ.1.07/1.5.00/34.0553 Elektronická podpora zkvalitnění výuky CZ.1.07 Vzděláním pro konkurenceschopnost Registrační číslo projektu: CZ.1.07/1.5.00/34.0553 Elektronická podpora zkvalitnění výuky CZ.1.07 Vzděláním pro konkurenceschopnost Projekt je realizován v rámci Operačního programu Vzdělávání pro konkurence

Více

SIMULACE A ŘÍZENÍ PNEUMATICKÉHO SERVOPOHONU POMOCÍ PROGRAMU MATLAB SIMULINK. Petr NOSKIEVIČ Petr JÁNIŠ

SIMULACE A ŘÍZENÍ PNEUMATICKÉHO SERVOPOHONU POMOCÍ PROGRAMU MATLAB SIMULINK. Petr NOSKIEVIČ Petr JÁNIŠ bstrakt SIMULCE ŘÍZENÍ PNEUMTICKÉHO SERVOPOHONU POMOCÍ PROGRMU MTL SIMULINK Petr NOSKIEVIČ Petr JÁNIŠ Katedra automatzační technky a řízení Fakulta stroní VŠ-TU Ostrava Příspěvek popsue sestavení matematckého

Více

ŘEŠENÍ PROBLÉMU LOKALIZACE A ALOKACE LOGISTICKÝCH OBJEKTŮ POMOCÍ PROGRAMOVÉHO SYSTÉMU MATLAB. Vladimír Hanta 1, Ivan Gros 2

ŘEŠENÍ PROBLÉMU LOKALIZACE A ALOKACE LOGISTICKÝCH OBJEKTŮ POMOCÍ PROGRAMOVÉHO SYSTÉMU MATLAB. Vladimír Hanta 1, Ivan Gros 2 ŘEŠENÍ PROBLÉMU LOKALIZACE A ALOKACE LOGISTICKÝCH OBJEKTŮ POMOCÍ PROGRAMOVÉHO SYSTÉMU MATLAB Vladmír Hanta 1 Ivan Gros 2 Vysoká škola chemcko-technologcká Praha 1 Ústav počítačové a řídcí technky 2 Ústav

Více

Čísla a aritmetika. Řádová čárka = místo, které odděluje celou část čísla od zlomkové.

Čísla a aritmetika. Řádová čárka = místo, které odděluje celou část čísla od zlomkové. Příprava na cvčení č.1 Čísla a artmetka Číselné soustavy Obraz čísla A v soustavě o základu z: m A ( Z ) a z (1) n kde: a je symbol (číslce) z je základ m je počet řádových míst, na kterých má základ kladný

Více

Zdroj: http://geoportal.cuzk.cz/dokumenty/technicka_zprava_dmr_4g_15012012.pdf

Zdroj: http://geoportal.cuzk.cz/dokumenty/technicka_zprava_dmr_4g_15012012.pdf Zpracování digitálního modelu terénu Zdrojová data Pro účely vytvoření digitálního modelu terénu byla použita data z Digitálního modelu reliéfu 4. Generace DMR 4G, který je jedním z realizačních výstupů

Více

ina ina Diskrétn tní náhodná veličina může nabývat pouze spočetně mnoha hodnot (počet aut v náhodně vybraná domácnost, výsledek hodu kostkou)

ina ina Diskrétn tní náhodná veličina může nabývat pouze spočetně mnoha hodnot (počet aut v náhodně vybraná domácnost, výsledek hodu kostkou) Náhodná velčna na Výsledek náhodného pokusu, daný reálným číslem je hodnotou náhodné velčny. Náhodná velčna je lbovolná reálná funkce defnovaná na množně elementárních E pravděpodobnostního prostoru S.

Více

Monitoring eroze zemědělské půdy

Monitoring eroze zemědělské půdy Monitoring eroze zemědělské půdy Ing. Jiří Kapička, Mgr. Daniel Žížala, Ing. Ivan Novotný Monitoring eroze zemědělské půdy (http://me.vumop.cz) vznikl jako společný projekt Státního pozemkového úřadu (SPÚ),

Více

NUMERICAL INTEGRATION AND DIFFERENTIATION OF SAMPLED TIME SIGNALS BY USING FFT

NUMERICAL INTEGRATION AND DIFFERENTIATION OF SAMPLED TIME SIGNALS BY USING FFT NUMERICAL INTEGRATION AND DIFFERENTIATION OF SAMPLED TIME SIGNALS BY USING FFT J. Tuma Summary: The paper deals wth dfferentaton and ntegraton of sampled tme sgnals n the frequency doman usng the FFT and

Více

Korelační a regresní analýza

Korelační a regresní analýza Korelační a regresní analýza Analýza závislosti v normálním rozdělení Pearsonův (výběrový) korelační koeficient: r = s XY s X s Y, kde s XY = 1 n (x n 1 i=0 i x )(y i y ), s X (s Y ) je výběrová směrodatná

Více

MEZNÍ STAVY A SPOLEHLIVOST OCELOVÝCH KONSTRUKCÍ LIMIT STATES AND RELIABILITY OF STEEL STRUCTURES

MEZNÍ STAVY A SPOLEHLIVOST OCELOVÝCH KONSTRUKCÍ LIMIT STATES AND RELIABILITY OF STEEL STRUCTURES VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta stavební Ústav stavební mechanky Doc. Ing. Zdeněk Kala, Ph.D. MEZNÍ STAVY A SPOLEHLIVOST OCELOVÝCH KONSTRUKCÍ LIMIT STATES AND RELIABILITY OF STEEL STRUCTURES TEZE

Více

MĚŘENÍ INDUKČNOSTI A KAPACITY

MĚŘENÍ INDUKČNOSTI A KAPACITY Úloha č. MĚŘENÍ NDKČNOST A KAPATY ÚKO MĚŘENÍ:. Změřte ndkčnost cívky bez jádra z její mpedance a stanovte nejstot měření.. Změřte na Maxwellově můstk ndkčnost cívky a rčete nejstot měření. Porovnejte výsledky

Více

vzorek1 0.0033390 0.0047277 0.0062653 0.0077811 0.0090141... vzorek 30 0.0056775 0.0058778 0.0066916 0.0076192 0.0087291

vzorek1 0.0033390 0.0047277 0.0062653 0.0077811 0.0090141... vzorek 30 0.0056775 0.0058778 0.0066916 0.0076192 0.0087291 Vzorová úloha 4.16 Postup vícerozměrné kalibrace Postup vícerozměrné kalibrace ukážeme na úloze C4.10 Vícerozměrný kalibrační model kvality bezolovnatého benzinu. Dle následujících kroků na základě naměřených

Více

Jiří Militky Škály měření Nepřímá měření Teorie měření Kalibrace

Jiří Militky Škály měření Nepřímá měření Teorie měření Kalibrace Tetlní zkušebnctv ebnctví II Jří Mltky Škály měření epřímá měření Teore měření Kalbrace Základní pojmy I PRAVDĚPODOBOST Jev A, byl sledován v m pokusech. astal celkem m a krát. Relatvní četnost výskytu

Více

LOGICKÉ OBVODY J I Ř Í K A L O U S E K

LOGICKÉ OBVODY J I Ř Í K A L O U S E K LOGICKÉ OBVODY J I Ř Í K A L O U S E K Ostrava 2006 Obsah předmětu 1. ČÍSELNÉ SOUSTAVY... 2 1.1. Číselné soustavy - úvod... 2 1.2. Rozdělení číselných soustav... 2 1.3. Polyadcké číselné soustavy... 2

Více

Teorie efektivních trhů (E.Fama (1965))

Teorie efektivních trhů (E.Fama (1965)) Teore efektvních trhů (E.Fama (965)) Efektvní efektvní zpracování nových nformací Efektvní trh trh, který rychle a přesně absorbuje nové nf. Ceny II (akcí) náhodná procházka Předpoklady: na trhu partcpuje

Více

Mapování urbanizovaných ploch a úrovně jejich zastavění

Mapování urbanizovaných ploch a úrovně jejich zastavění Mapování urbanizovaných ploch a úrovně jejich zastavění Miroslav Kopecký Jan Kolomazník Luboš Kučera Geoinformatika ve veřejné správě 2008, Brno Organizační zajištění projektu Mapování urbanizovaných ploch

Více

VÝVOJ SOFTWARU NA PLÁNOVÁNÍ PŘESNOSTI PROSTOROVÝCH SÍTÍ PRECISPLANNER 3D. Martin Štroner 1

VÝVOJ SOFTWARU NA PLÁNOVÁNÍ PŘESNOSTI PROSTOROVÝCH SÍTÍ PRECISPLANNER 3D. Martin Štroner 1 VÝVOJ SOFWARU NA PLÁNOVÁNÍ PŘESNOSI PROSOROVÝCH SÍÍ PRECISPLANNER 3D DEVELOPMEN OF HE MEASUREMEN ACCURACY PLANNING OF HE 3D GEODEIC NES PRECISPLANNER 3D Martn Štroner 1 Abstract A software for modellng

Více

Ilustrační příklad odhadu LRM v SW Gretl

Ilustrační příklad odhadu LRM v SW Gretl Ilustrační příklad odhadu LRM v SW Gretl Podkladové údaje Korelační matice Odhad lineárního regresního modelu (LRM) Verifikace modelu PEF ČZU Praha Určeno pro posluchače předmětu Ekonometrie Needitovaná

Více

Úvodem Dříve les než stromy 3 Operace s maticemi

Úvodem Dříve les než stromy 3 Operace s maticemi Obsah 1 Úvodem 13 2 Dříve les než stromy 17 2.1 Nejednoznačnost terminologie 17 2.2 Volba metody analýzy dat 23 2.3 Přehled vybraných vícerozměrných metod 25 2.3.1 Metoda hlavních komponent 26 2.3.2 Faktorová

Více

Univerzita Pardubice Fakulta ekonomicko-správní. Modelování predikce časových řad návštěvnosti web domény pomocí SVM Bc.

Univerzita Pardubice Fakulta ekonomicko-správní. Modelování predikce časových řad návštěvnosti web domény pomocí SVM Bc. Unverzta Pardubce Fakulta ekonomcko-správní Modelování predkce časových řad návštěvnost web domény pomocí SVM Bc. Vlastml Flegl Dplomová práce 2011 Prohlašuj: Tuto prác jsem vypracoval samostatně. Veškeré

Více

CORINE LAND COVER. Jana Bašistová CENIA, česká informační agentura životního prostředí. 3. české uživatelské fórum Copernicus.

CORINE LAND COVER. Jana Bašistová CENIA, česká informační agentura životního prostředí. 3. české uživatelské fórum Copernicus. CORINE LAND COVER Jana Bašistová CENIA, česká informační agentura životního prostředí Jana Bašistová 3. české uživatelské fórum Copernicus Praha, 10. 6. 2014 CENIA Oddělení mapových služeb 1 Osnova prezentace

Více

4.4 Exploratorní analýza struktury objektů (EDA)

4.4 Exploratorní analýza struktury objektů (EDA) 4.4 Exploratorní analýza struktury objektů (EDA) Průzkumová analýza vícerozměrných dat je stejně jako u jednorozměrných dat založena na vyšetření grafckých dagnostk. K tomuto účelu se využívá různých technk

Více

MĚRENÍ V ELEKTROTECHNICE

MĚRENÍ V ELEKTROTECHNICE EAICKÉ OKHY ĚENÍ V ELEKOECHNICE. řesnost měření. Chyby analogových a číslcových měřcích přístrojů. Chyby nepřímých a opakovaných měření. rmární etalon napětí. Zdroje referenčních napětí. rmární etalon

Více

VOLBA HODNOTÍCÍCH KRITÉRIÍ VE VEŘEJNÝCH ZAKÁZKÁCH

VOLBA HODNOTÍCÍCH KRITÉRIÍ VE VEŘEJNÝCH ZAKÁZKÁCH VOLBA HODNOTÍCÍCH KRITÉRIÍ VE VEŘEJNÝCH ZAKÁZKÁCH THE CHOICE OF EVALUATION CRITERIA IN PUBLIC PROCUREMENT Martn Schmdt Masarykova unverzta, Ekonomcko-správní fakulta m.schmdt@emal.cz Abstrakt: Článek zkoumá

Více

HODNOCENÍ DOJÍŽĎKY DO ZAMĚSTNÁNÍ V MORAVSKOSLEZSKÉM KRAJ

HODNOCENÍ DOJÍŽĎKY DO ZAMĚSTNÁNÍ V MORAVSKOSLEZSKÉM KRAJ HODNOCENÍ DOJÍŽĎKY DO ZAMĚSTNÁNÍ V MORAVSKOSLEZSKÉM KRAJ Jří HORÁK, Jan TESLA, Igor IVAN,, Insttut Geonformatky, HGF, VŠB-TU Ostrava, 7. lstopadu 5, 708 Ostrava, Česká republka jr.horak@vsb.cz, jan.tesla@vsb.cz,

Více

Využití nástrojů GIS při analýze vztahů socio-ekonomických faktorů a úrovně sociální péče

Využití nástrojů GIS při analýze vztahů socio-ekonomických faktorů a úrovně sociální péče Využtí nástrojů GIS př analýze vztahů soco-ekonomckých faktorů a úrovně socální péče Renata Klufová Katedra aplkované matematky a nformatky, Ekonomcká fakulta JU, Studentská 13 370 05 České Budějovce,

Více

Optimalizace metod pro multimediální aplikace v geodézii v prostředí IP sítí

Optimalizace metod pro multimediální aplikace v geodézii v prostředí IP sítí Acta Montanstca Slovaca Ročník 12 (2007), mmoradne číslo 3, 311-317 Optmalzace metod pro multmedální aplkace v geodéz v prostředí IP sítí Mlan Berka 1 Optmzaton of Methods for Geodetc Data for Multcast

Více

Posuzování dynamiky pohybu drážních vozidel ze záznamu jejich jízdy

Posuzování dynamiky pohybu drážních vozidel ze záznamu jejich jízdy Posuzování dynamky pohybu drážních vozdel ze záznamu jejch jízdy Ing. Jaromír Šroký, Ph.D. ŠB-Techncká unverzta Ostrava, Fakulta strojní, Insttut dopravy, tel: +40 597 34 375, jaromr.sroky@vsb.cz Úvod

Více

STATISTIKA (pro navazující magisterské studium)

STATISTIKA (pro navazující magisterské studium) Slezská unverzta v Opavě Obchodně podnkatelská fakulta v Karvné STATISTIKA (pro navazující magsterské studum) Jaroslav Ramík Karvná 007 Jaroslav Ramík, Statstka Jaroslav Ramík, Statstka 3 OBSAH MODULU

Více

radiační ochrana Státní úřad pro jadernou bezpečnost

radiační ochrana Státní úřad pro jadernou bezpečnost Státní úřad pro jadernou bezpečnost radační ochrana DOPORUČENÍ Měření a hodnocení obsahu přírodních radonukldů ve vodě dodávané k veřejnému zásobování ptnou vodou Rev. 1 SÚJB únor 2012 Předmluva Zákon

Více

2. přednáška z předmětu GIS1 Data a datové modely

2. přednáška z předmětu GIS1 Data a datové modely 2. přednáška z předmětu GIS1 Data a datové modely Vyučující: Ing. Jan Pacina, Ph.D. e-mail: jan.pacina@ujep.cz Pro přednášku byly použity texty a obrázky z www.gis.zcu.cz Předmět KMA/UGI, autor Ing. K.

Více

REAKCE POPTÁVKY DOMÁCNOSTÍ PO ENERGII NA ZVYŠOVÁNÍ ENERGETICKÉ ÚČINNOSTI: TEORIE A JEJÍ DŮSLEDKY PRO KONSTRUKCI EMPIRICKY OVĚŘITELNÝCH MODELŮ

REAKCE POPTÁVKY DOMÁCNOSTÍ PO ENERGII NA ZVYŠOVÁNÍ ENERGETICKÉ ÚČINNOSTI: TEORIE A JEJÍ DŮSLEDKY PRO KONSTRUKCI EMPIRICKY OVĚŘITELNÝCH MODELŮ RAKC POPTÁVKY DOMÁCNOTÍ PO NRGII NA ZVYŠOVÁNÍ NRGTICKÉ ÚČINNOTI: TORI A JJÍ DŮLDKY PRO KONTRUKCI MPIRICKY OVĚŘITLNÝCH MODLŮ tela Rubínová, Unverzta Karlova v Praze, Centrum pro otázky žvotního prostředí,

Více

Ing. Barbora Chmelíková 1

Ing. Barbora Chmelíková 1 Numercká gramotnost 1 Obsah BUDOUCÍ A SOUČASNÁ HODNOTA TYPY ÚROČENÍ JEDNODUCHÉ vs SLOŽENÉ ÚROČENÍ JEDNODUCHÉ ÚROČENÍ SLOŽENÉ ÚROČENÍ FREKVENCE ÚROČENÍ KOMBINOVANÉ ÚROČENÍ EFEKTIVNÍ ÚROKOVÁ MÍRA SPOJITÉ

Více

10. Předpovídání - aplikace regresní úlohy

10. Předpovídání - aplikace regresní úlohy 10. Předpovídání - aplikace regresní úlohy Regresní úloha (analýza) je označení pro statistickou metodu, pomocí nichž odhadujeme hodnotu náhodné veličiny (tzv. závislé proměnné, cílové proměnné, regresandu

Více

DYNAMICKÉ MODULY PRUŽNOSTI NÁVOD DO CVIČENÍ

DYNAMICKÉ MODULY PRUŽNOSTI NÁVOD DO CVIČENÍ DYNAMICKÉ MODUY PRUŽNOSTI NÁVOD DO CVIČNÍ D BI0 Zkušebnctví a technologe Ústav stavebního zkušebnctví, FAST, VUT v Brně 1. STANOVNÍ DYNAMICKÉHO MODUU PRUŽNOSTI UTRAZVUKOVOU IMPUZOVOU MTODOU [ČSN 73 1371]

Více

Základy finanční matematiky

Základy finanční matematiky Hodna 38 Strana 1/10 Gymnázum Budějovcká Voltelný předmět Ekonome - jednoletý BLOK ČÍSLO 6 Základy fnanční matematky ředpokládaný počet : 5 hodn oužtá lteratura : Frantšek Freberg Fnanční teore a fnancování

Více

VÝSLEDKY VÝZKUMU. indikátor ECI/TIMUR A.1 SPOKOJENOST OBYVATEL S MÍSTNÍM SPOLEČENSTVÍM V PROSTĚJOVĚ

VÝSLEDKY VÝZKUMU. indikátor ECI/TIMUR A.1 SPOKOJENOST OBYVATEL S MÍSTNÍM SPOLEČENSTVÍM V PROSTĚJOVĚ VÝSLEDKY VÝZKUMU indikátor ECI/TIMUR A.1 SPOKOJENOST OBYVATEL S MÍSTNÍM SPOLEČENSTVÍM V PROSTĚJOVĚ Realizace průzkumu, zpracování dat a vyhodnocení: Střední odborná škola podnikání a obchodu, spol. s r.o.

Více

Zákony hromadění chyb.

Zákony hromadění chyb. Zákony hromadění chyb. Zákon hromadění skutečných chyb. Zákon hromadění středních chyb. Tomáš Bayer bayertom@natur.cuni.cz Přírodovědecká fakulta Univerzity Karlovy v Praze, Katedra aplikované geoinformatiky

Více

PŘÍSTAVBA KLINIKY SV. KLIMENTA DOKUMENTACE PRO STAVEBNÍ POVOLENÍ GENNET STUDIE DENNÍHO OSVĚTLENÍ. Gennet Letná s.r.o.

PŘÍSTAVBA KLINIKY SV. KLIMENTA DOKUMENTACE PRO STAVEBNÍ POVOLENÍ GENNET STUDIE DENNÍHO OSVĚTLENÍ. Gennet Letná s.r.o. PŘÍSTAVBA KLNKY SV. KLMENTA ul. Kostelní, p.č. 2118/9, k.ú. Holešovce, 170 00, Praha 7 DOKUMENTACE PRO STAVEBNÍ POVOLENÍ výškový systém b.p.v. ±0,000 = +230,030 m.n.m., souřadncový systém S - JTSK Gennet

Více

SÍŤOVÁ ANALÝZA. Základní pojmy síťové analýzy. u,. Sjednocením množin { u, u,..., 2. nazýváme grafem G.

SÍŤOVÁ ANALÝZA. Základní pojmy síťové analýzy. u,. Sjednocením množin { u, u,..., 2. nazýváme grafem G. SÍŤOVÁ ANALÝZA Využívá grafcko-analytcké metody pro plánování, řízení a kontrolu složtých návazných procesů. yto procesy se daí rozložt na dílčí a organzačně spolu souvseící čnnost. yto procesy se nazývaí

Více

Úloha II.P... Temelínská

Úloha II.P... Temelínská Úloha IIP Temelínská 4 body; průměr 278; řešlo 49 studentů Odhadněte kolk jaderného palva se spotřebuje v jaderné elektrárně na 1 MWh elektrcké energe kterou spotřebují ldé až v domácnost Srovnejte to

Více

ALGORITMUS SILOVÉ METODY

ALGORITMUS SILOVÉ METODY ALGORITMUS SILOVÉ METODY CONSISTENT DEFORMATION METHOD ALGORITHM Petr Frantík 1, Mchal Štafa, Tomáš Pal 3 Abstrakt Příspěvek se věnuje popsu algortmzace slové metody sloužící pro výpočet statcky neurčtých

Více

Automatická detekce anomálií při geofyzikálním průzkumu. Lenka Kosková Třísková NTI TUL Doktorandský seminář, 8. 6. 2011

Automatická detekce anomálií při geofyzikálním průzkumu. Lenka Kosková Třísková NTI TUL Doktorandský seminář, 8. 6. 2011 Automatická detekce anomálií při geofyzikálním průzkumu Lenka Kosková Třísková NTI TUL Doktorandský seminář, 8. 6. 2011 Cíle doktorandské práce Seminář 10. 11. 2010 Najít, implementovat, ověřit a do praxe

Více

Porovnání navržených a současných zón odstupňované ochrany přírody v CHKO Poodří Soubor map se specializovaným obsahem

Porovnání navržených a současných zón odstupňované ochrany přírody v CHKO Poodří Soubor map se specializovaným obsahem Porovnání navržených a současných zón odstupňované ochrany přírody v CHKO Poodří Soubor map se specializovaným obsahem Vratislava Janovská, Petra Šímová Česká zemědělská univerzita v Praze Fakulta životního

Více

Hodnocení účinnosti údržby

Hodnocení účinnosti údržby Hodnocení účnnost ekonomka, pojmy, základní nástroje a hodnocení Náklady na údržbu jsou nutné k obnovení funkce výrobního zařízení Je potřeba se zabývat ekonomckou efektvností a hodnocením Je třeba řešt

Více

VÝSLEDKY VÝZKUMU. indikátor ECI/TIMUR A.1 SPOKOJENOST OBYVATEL S MÍSTNÍM SPOLEČENSTVÍM V PROSTĚJOVĚ

VÝSLEDKY VÝZKUMU. indikátor ECI/TIMUR A.1 SPOKOJENOST OBYVATEL S MÍSTNÍM SPOLEČENSTVÍM V PROSTĚJOVĚ VÝSLEDKY VÝZKUMU indikátor ECI/TIMUR A.1 SPOKOJENOST OBYVATEL S MÍSTNÍM SPOLEČENSTVÍM V PROSTĚJOVĚ Realizace průzkumu, zpracování dat a vyhodnocení: Střední odborná škola podnikání a obchodu, spol. s r.o.

Více

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY BAKALÁŘSKÁ PRÁCE. 2013 Radka Luštincová

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY BAKALÁŘSKÁ PRÁCE. 2013 Radka Luštincová VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY BAKALÁŘSKÁ PRÁCE 2013 Radka Luštncová VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Název bakalářské práce: Aplkace řezných

Více

Klasifikace a predikce. Roman LUKÁŠ

Klasifikace a predikce. Roman LUKÁŠ 1/28 Klasfkace a predkce Roman LUKÁŠ 2/28 Základní pomy Klasfkace = zařazení daného obektu do sté skupny na základě eho vlastností Dvě fáze klasfkace: I. Na základě trénovacích vzorů (u nchž víme, do aké

Více

Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1

Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1 Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1 1 ČHMÚ, OPZV, Na Šabatce 17, 143 06 Praha 4 - Komořany sosna@chmi.cz, tel. 377 256 617 Abstrakt: Referát

Více

Spolehlivost letadlové techniky

Spolehlivost letadlové techniky VYSOKÉ UČ ENÍ TECHNICKÉ V BRNĚ Fakulta strojního nženýrství Prof Ing Rudolf Holub, CSc Doc Ing Zdeněk Vntr, CSc Spolehlvost letadlové technky (elektroncká učebnce) Brno 00 OBSAH PŘEDMLUVA 4 ÚVOD5 STANDARDIZACE

Více

ŘÍZENÍ OTÁČEK ASYNCHRONNÍHO MOTORU

ŘÍZENÍ OTÁČEK ASYNCHRONNÍHO MOTORU ŘÍZENÍ OTÁČEK AYNCHONNÍHO MOTOU BEZ POUŽITÍ MECHANICKÉHO ČIDLA YCHLOTI Petr Kadaník ČVUT FEL Praha, Techncká 2, Praha 6 Katedra elektrckých pohonů a trakce e-mal: kadank@feld.cvut.cz ANOTACE V tomto příspěvku

Více

Vykazování solventnosti pojišťoven

Vykazování solventnosti pojišťoven Vykazování solventnost pojšťoven Ing. Markéta Paulasová, Techncká unverzta v Lberc, Hospodářská fakulta marketa.paulasova@centrum.cz Abstrakt Pojšťovnctví je fnanční službou zabývající se přenosem rzk

Více

Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky

Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky Vysoká škola báňská technická univerzita Ostrava Fakulta elektrotechniky a informatiky Bankovní účty (semestrální projekt statistika) Tomáš Hejret (hej124) 18.5.2013 Úvod Cílem tohoto projektu, zadaného

Více

GIS a pozemkové úpravy. Data pro využití území (DPZ)

GIS a pozemkové úpravy. Data pro využití území (DPZ) GIS a pozemkové úpravy Data pro využití území (DPZ) Josef Krása Katedra hydromeliorací a krajinného inženýrství, Fakulta stavební ČVUT v Praze 1 Geodata Hlavní poskytovatelé map Státní a resortní (byť

Více

Možnosti modelování lesní vegetační stupňovitosti pomocí geoinformačních analýz

Možnosti modelování lesní vegetační stupňovitosti pomocí geoinformačních analýz 25. 10. 2012, Praha Ing. Petr Vahalík Ústav geoinformačních technologií Možnosti modelování lesní vegetační stupňovitosti pomocí geoinformačních analýz 21. konference GIS Esri v ČR Lesní vegetační stupně

Více

Využití letecké fotogrammetrie pro sledování historického vývoje krajiny

Využití letecké fotogrammetrie pro sledování historického vývoje krajiny Využití letecké fotogrammetrie pro sledování historického vývoje krajiny Jitka Elznicová Katedra informatiky a geoinformatiky Fakulta životního prostředí Univerzita J.E.Purkyně v Ústí nad Labem Letecké

Více

Inferenční statistika - úvod. z-skóry normální rozdělení pravděpodobnost rozdělení výběrových průměrů

Inferenční statistika - úvod. z-skóry normální rozdělení pravděpodobnost rozdělení výběrových průměrů Inferenční statistika - úvod z-skóry normální rozdělení pravděpodobnost rozdělení výběrových průměrů Pravděpodobnost postupy induktivní statistiky vycházejí z teorie pravděpodobnosti pravděpodobnost, že

Více

Vysoká škola báňská - Technická univerzita Ostrava Fakulta elektrotechniky a informatiky LOGICKÉ OBVODY pro kombinované a distanční studium

Vysoká škola báňská - Technická univerzita Ostrava Fakulta elektrotechniky a informatiky LOGICKÉ OBVODY pro kombinované a distanční studium Vysoká škola báňská - Techncká unverzta Ostrava Fakulta elektrotechnky a nformatky LOGICKÉ OBVODY pro kombnované a dstanční studum Zdeněk Dvš Zdeňka Chmelíková Iva Petříková Ostrava ZDENĚK DIVIŠ, ZDEŇKA

Více

Zkouškový test z fyzikální a koloidní chemie

Zkouškový test z fyzikální a koloidní chemie Zkouškový test z fyzkální a kolodní cheme VZOR/1 jméno test zápočet průměr známka Čas 9 mnut. Povoleny jsou kalkulačky. Nejsou povoleny žádné písemné pomůcky. Uotázeksvýběrema,b,c...odpověd b kroužkujte.platí:

Více

BRNĚNSKÉ HŘBITOVY ONLINE. Dana Glosová, Magistrát města Brna Kamila Klemešová, Magistrát města Brna

BRNĚNSKÉ HŘBITOVY ONLINE. Dana Glosová, Magistrát města Brna Kamila Klemešová, Magistrát města Brna BRNĚNSKÉ HŘBITOVY ONLINE Dana Glosová, Magistrát města Brna Kamila Klemešová, Magistrát města Brna O čem to bude Proč tvoříme tuto aplikaci? Informace o brněnských hřbitovech Data jsou základ Jak nejefektivněji

Více

Automatizace tvorby výškopisu pro mapy velkého měřítka v prostředí ArcGIS

Automatizace tvorby výškopisu pro mapy velkého měřítka v prostředí ArcGIS Automatizace tvorby výškopisu pro mapy velkého měřítka v prostředí ArcGIS Aleš Tippner Oldřich Kafka / Zeměměřický úřad Jakub Lysák / Přírodovědecká fakulta UK v Praze O čem bude prezentace Úkol: Z digitálního

Více

Konverze kmitočtu Štěpán Matějka

Konverze kmitočtu Štěpán Matějka 1.Úvod teoretcký pops Konverze kmtočtu Štěpán Matějka Směšovač měnč kmtočtu je obvod, který přeměňuje vstupní sgnál s kmtočtem na výstupní sgnál o kmtočtu IF. Někdy bývá tento proces označován také jako

Více

ARITMETICKOLOGICKÁ JEDNOTKA

ARITMETICKOLOGICKÁ JEDNOTKA Vyšší odborná škola a Střední průmyslová škola elektrotechncká Božetěchova 3, Olomouc Třída : M4 Školní rok : 2000 / 2001 ARITMETICKOLOGICKÁ JEDNOTKA III. Praktcká úloha z předmětu elektroncké počítače

Více

Užití země v České republice v letech 1994 až 2012 Karel Matějka IDS, Na Komořsku 2175/2a, 143 00 Praha 4, Česká republika matejka@infodatasys.

Užití země v České republice v letech 1994 až 2012 Karel Matějka IDS, Na Komořsku 2175/2a, 143 00 Praha 4, Česká republika matejka@infodatasys. Užití země v České republice v letech 1994 až 2012 Karel Matějka IDS, Na Komořsku 2175/2a, 143 00 Praha 4, Česká republika matejka@infodatasys.cz Po roce 19 došlo k výrazné změně hospodářských poměrů v

Více

Matematické modelování dopravního proudu

Matematické modelování dopravního proudu Matematické modelování dopravního proudu Ondřej Lanč, Alena Girglová, Kateřina Papežová, Lucie Obšilová Gymnázium Otokara Březiny a SOŠ Telč lancondrej@centrum.cz Abstrakt: Cílem projektu bylo seznámení

Více

Metody volby financování investičních projektů

Metody volby financování investičních projektů 7. meznárodní konference Fnanční řízení podnků a fnančních nsttucí Ostrava VŠB-T Ostrava konomcká fakulta katedra Fnancí 8. 9. září 00 Metody volby fnancování nvestčních projektů Dana Dluhošová Dagmar

Více

Metodický pokyn. k zadávání fotogrammetrických činností pro potřeby vymezování záplavových území

Metodický pokyn. k zadávání fotogrammetrických činností pro potřeby vymezování záplavových území Ministerstvo zemědělství ČR Č.j.: 28181/2005-16000 Metodický pokyn k zadávání fotogrammetrických činností pro potřeby vymezování záplavových území Určeno: K využití: státním podnikům Povodí Zemědělské

Více

Měření příkonu míchadla při míchání suspenzí

Měření příkonu míchadla při míchání suspenzí U8 Ústav procesní a zpracovatelské technky FS ČVUT v Praze Měření příkonu rotačních íchadel př íchání suspenzí I. Úkol ěření V průyslu téěř 60% všech operacích, kdy je íchání používáno, představuje íchání

Více