Princip paralelního řazení vkládáním (menší propadává doprava)
|
|
- Nikola Dostálová
- před 5 lety
- Počet zobrazení:
Transkript
1 ricip paralelího řazeí vkládáím (meší propadává doprava) Týde 0 aralelí řazeí. vkládáím. traspozicí lichý - sudý. bitoické. s pravidelými vzorky. přihrádkové 0,,,,,,,,,, krok aralelí řazeí vkládáím (Isertio sort) CU CU CU WIE comig iput? ext IF ext > highest output! highest highest : ext TRUE output! ext očet procesů počet klíčů Řazeí po blocích dat, 0 přijme odešle seřadí 0 přijme spojí odešle přijme odešle seřadí přijme spojí -0 odešle přijme odešle seřadí přijme spojí odešle přijme seřadí odešle C, doba příjmu a a odesláí jedé položky Optimálí rozděleí S q q, doba řazeí q položek 0 > >? M, doba spojeí jedé položky čiosti lze překrýt, ideálě by měly trvat stejě dlouho Spojováí seřazeých posloupostí (merge) Spojováí seřazeých posloupostí (.verze) Koečá Spoj oech si vyšší Vrať ižší ižší koečá Spoj zdola do poloviy Spoj shora do poloviy vyšší koečá
2 aralelí řazeí lichý-sudý krok sudý idex lichý idex recv ( i ) sed( i- ) sed ( i ) recv( i- ) i : recv ( i- ) i : sed ( i ) sed( i- ) recv( i ) Bitoické poslouposti Jsou vytvořey - ze částí, jedé arůstající, druhé klesající - cyklickým posuvem předchozí poslouposti hodota a 0, a,..., a - a 0, a,..., a - orováím a výměou prvků a i a a i/ bitoické poslouposti získáme polovičí bitoické poslouposti. Využití bitoických posloupostí pro řazeí Bitoický mergesort 8 klíčů it Bitoická posloupost porováí a výměa bitoické poslouposti porováí a výměa dvouprvkové poslouposti seřazeá posloupost orováí a výměa přesuuje meší doleva a větší doprava. Rekurzivím postupem se prvky seřadí šabloa řádek CU; barevé šipky směřují k CU s vyšším klíčem Bitoický mergesort a hyperkostce [/] INT tmpl: -- biárí šabloa (template) 0 00 krok i 00 Komuikující dvojice: 0... vyšší část do vyššího id,... opačě šabloa INT z: z : -- hodoty z:,,..,/ i0 FOR -- šablo pro procesorů INT t,w: -- geerováí šabloy tmpl u0 FOR z tmpl[u]:0 -- počátečí vyulováí t:i w:z -- a astaveí WIE t<- -- pro 8: t0, h0 FOR w tmpl[hw]:-tmpl[h] -- komplemet tmpl[h] t:t w:*w OUTSTRM! tmpl[/-],...,tmpl[],tmpl[0] z : *z
3 klíče 8 9 W řadící síť s moduly merge/split i0 i CU čára jedé i z z barvy z step m seřazeé klíče 8 9 Bitoické spojeí seřazeých sekvecí šabloa Výkoost bitoického mergesortu (EREW) Každý CU: sekvečí Quicksort za kroků Spojeí / položek ( )- krát ( ) za kroků S(, ), ( ) S K E K pro K k θ( ) slabá škálovatelost Rychlejší bitoický mergesort Každý CU: sekvečí Quicksort za kroků Spojeí je/ položek ( )- krát za ( ) kroků; S(, ) E S ( ) K ( )( / ), ( )( / ) K pro ( )( / ) θ(( / ) K škálovatelost o ěco lepší k ) Srováí řadících algoritmů a EREW RAM ,, Naiví Bitoický Rychlejší bitoický S E % S E % S E %,9 9,9 9 00, 8, 8,8 9 8,, 89 8, 0 8 0,,, 8, aralelí řazeí pomocí vzorků (SRS) SRS arallel Sortig with Regular Samplig Základí myšleka: Rozděl do segmetů stejé velikosti. Seřaď segmety (apř. použitím u). Obor hodot dat rozděl a itervalů (přihrádek). ech si je jedu přihrádku a z ostatích přihrádek odešli příslušým procesorům (AAS). aralelě spoj ze své a došlých seřazeých přihrádek Klíčový algoritmus je -cesté spojováí. Časová složitost O(/ ()) for >. Údajě ejrychlejší uiverzálí paralelí řazeí.
4 . Rozděl do segmetů. aralelě seřaď datové segmety. Ze seřazeých datových segmetů vezmi vzorky ve stejých rozestupech. Seřaď vzorky dat Sekvečí složitost: O() sekvečíl sekvečíl sekvečíl Sekvečí složitost: O( (/)) Sekvečí složitost: O( ) Sekvečí složitost: O( ( )) vzorků sekvečí Ze seřazeých vzorků dat vyber stejě vzdáleé hraičí prvky. Rozčleň segmety dat do přihrádek. Vypočti velikosti výsledých přihrádek 8. Stejolehlé přihrádky vždy spojí jede procesor vzorky výsledek Sekvečí složitost: O() O( ) 9 raičí (pivotí) prvky Sekvečí složitost: O( (/)) sekvečí sekvečíl -cestý merge -cestý merge O( ()) ebo O() sekvečí -cestý merge 8 8 Celková sekvečí a paralelí složitost Sekvečí a paralelí časová složitost -pokrač. Krok : O() - Rozděleí dat do segmetů. Krok : O( (/)) - Seřazeí datových segmetů. Krok: O( ) - Vzorkováí seřazeých datových segmetů. Krok: O( ( )) - Seřazeí vzorků dat. Krok : O() - Volba pivotů ze seřazeých vzorků. Krok: O( (/)) - Rozčleěí seřaz.segmetů do přihrádek. Krok: O( ) - Výpočet velikosti přihrádek. Krok8: O( ()) - Spojeí dat do výsledé kofigurace. O() verze by byla jedodušší. Dva domiatí čley : pokud <<, téměř celý čas se stráví v krocích a 8: Krok: O( (/)) - Řazeí datových segmetů. Krok8: O( () - Spojeí přihrádek dat. ři pevém a, sekv.složitost O( ()). Oba extrémy (, ) dávají O( ()). Celkový efekt závisí a ásobící kostatě. aralelí složitost O( ) O( ) O( )
5 aralelí řazeí s přihrádkami (bucket sort) Miimálí kostra grafu (Mi. Spaig Tree) Opačé pořadí akcí ež u SRS. Data se rozdělí procesorům po itervalech hodot, teprve pak lokálí řazeí. Základí myšleka: Rozděl po segmetech stejé velikosti procesorům. Obor hodot dat rozděl a itervalů. Každý procesor: roztřídí svoje do přihrádek (itervalů), echá si je jedu přihrádku a z ostatích přihrádek odešle příslušým procesorům (AAS). seřadí ve své přihrádce spolu s daty od kolegů. řihrádky budou obsahovat stejý počet klíčů je při rovoměrém rozložeí hodot výchozích dat. Je dáeorietovaý graf G, hray opatřey vahami. Kostra grafu G je podgraf ve tvaru stromu obsahující všechy uzly. Miimálí kostra je kostra s ejmeším součtem vah svých hra. Sekvečí složitost: O( ) pro uzlů. Uzly grafu jsou rozděley mezi procesory, MST(0) root ; for (i;i<;i) { # tolik kroků, kolik je uzlů (bez src) Všechy procesory: ajdi uzel ejbližší k MST(i-) a zapiš délku cesty do sdíleé paměti; Všichi redukují operací miimum předchozí ejkratší cesty a jedo globálí miimum za kroků; #všichi je budou zát ajedou cpu[0]: aktualizuj MST(i); # zapíše do MST ve sdíleé paměti právě # alezeý uzel ejbližší k MST(i-) barrier(id); } Miimálí kostra grafu (MST) - pokrač. MST() MST() MST() 0 8 MST() MST() MST()
Vyhledávání v tabulkách
Vyhledáváí v tabulkách Tabulkou azveme možiu položek idetifikovatelých hodotou přístupového (idetifikačího) klíče (key, ID idetificator). Ve vodorovém směru se jedá o heterogeí pole, tz. že každá položka
Více1. Nakreslete všechny kostry následujících grafů: nemá žádnou kostru, roven. roven n,
DSM2 Cv 7 Kostry grafů Defiice kostry grafu: Nechť G = V, E je souvislý graf. Kostrou grafu G azýváme každý jeho podgraf, který má stejou možiu vrcholů a je zároveň stromem. 1. Nakreslete všechy kostry
VíceIAJCE Přednáška č. 12
Složitost je úvod do problematiky Úvod praktická realizace algoritmu = omezeí zejméa: o časem o velikostí paměti složitost = vztah daého algoritmu k daým prostředkům: časová složitost každé možiě vstupích
VíceAplikovaná informatika. Podklady předmětu Aplikovaná informatika pro akademický rok 2006/2007 Radim Farana. Obsah. Algoritmus
Podklady předmětu pro akademický rok 006007 Radim Faraa Obsah Tvorba algoritmů, vlastosti algoritmu. Popis algoritmů, vývojové diagramy, strukturogramy. Hodoceí složitosti algoritmů, vypočitatelost, časová
Více1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL
Elea Mielcová, Radmila Stoklasová a Jaroslav Ramík; Statistické programy POPISNÁ STATISTIKA V PROGRAMU MS EXCEL RYCHLÝ NÁHLED KAPITOLY Žádý výzkum se v deší době evyhe statistickému zpracováí dat. Je jedo,
VíceSTATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson
STATISTIKA Statistika se těší pochybému vyzameáí tím, že je ejvíce epochopeým vědím oborem. H. Leviso Charakterizace statistického souboru Statistický soubor Prvek souboru Zak prvku kvatitativí teplota,
VíceDeskriptivní statistika 1
Deskriptiví statistika 1 1 Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 1145/2004. Základí charakteristiky souboru Pro lepší představu používáme k popisu vlastostí zkoumaého jevu určité charakteristiky
VícePrincipy počítačů I Taxonomie, organizace s vysokým výkonem
ricipy počítačů I Taxoomie, orgaizace s vysokým výkoem símek ricipy počítačů Část IX Taxoomie, orgaizace s vysokým výkoem símek 2 Flyova taxoomie SISD - Sigle Istructio Sigle Data SIMD - Sigle Istructio
VíceRozhodovací stromy. Úloha klasifikace objektů do tříd. Top down induction of decision trees (TDIDT) - metoda divide and conquer (rozděl a panuj)
Rozhodovací stromy Úloha klasifikace objektů do tříd. Top dow iductio of decisio trees (TDIDT) - metoda divide ad coquer (rozděl a pauj) metoda specializace v prostoru hypotéz stromů (postup shora dolů,
Více3. Sekvenční obvody. b) Minimalizujte budící funkce pomocí Karnaughovy mapy
3.1 Zadáí: 3. Sekvečí obvody 1. Navrhěte a realizujte obvod geerující zadaou sekveci. Postupujte ásledově: a) Vytvořte vývojovou tabulku pro zadaou sekveci b) Miimalizujte budící fukce pomocí Karaughovy
VíceDobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze
Dobýváí zalostí Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické iformatiky Matematicko-fyzikálí fakulta Uiverzity Karlovy v Praze Dobýváí zalostí Pokročilé techiky pro předzpracováí dat Doc. RNDr. Iveta
Vícepřirozený algoritmus seřadí prvky 1,3,2,8,9,7 a prvky 4,5,6 nechává Metody řazení se dělí:
Metody řazení ve vnitřní a vnější paměti. Algoritmy řazení výběrem, vkládáním a zaměňováním. Heapsort, Shell-sort, Radix-sort, Quicksort. Řazení sekvenčních souborů. Řazení souborů s přímým přístupem.
VícePetr Šedivý Šedivá matematika
LIMITA POSLOUPNOSTI Úvod: Kapitola, kde poprvé arazíme a ekoečo. Argumety posloupostí rostou ade všechy meze a zkoumáme, jak vypadají hodoty poslouposti. V kapitole se sezámíte se základími typy it a početími
VíceP2: Statistické zpracování dat
P: Statistické zpracováí dat Úvodem - Statistika: věda, zabývající se shromažďováím, tříděím a ásledým popisem velkých datových souborů. - Základem statistiky je teorie pravděpodobosti, založeá a popisu
VíceTento materiál vznikl díky Operačnímu programu Praha Adaptabilita CZ.2.17/3.1.00/33254
Evropský sociálí fod Praha & EU: Ivestujeme do vaší budoucosti Teto materiál vzikl díky Operačímu programu Praha Adaptabilita CZ.2.17/3.1.00/33254 Maažerské kvatitativí metody II - předáška č.1 - Dyamické
Více23. Mechanické vlnění
3. Mechaické vlěí Mechaické vlěí je děj, při kterém částice pružého prostředí kmitají kolem svých rovovážých poloh a teto kmitavý pohyb se přeáší (postupuje) od jedé částice k druhé vlěí může vzikout pouze
VíceKapitola 12: Zpracování dotazů. Základní kroky ve zpracování dotazů
- 12.1 - Přehled Ifomace po odhad ákladů Míy po áklady dotazu Opeace výběu Řazeí Opeace spojeí Vyhodocováí výazů Tasfomace elačích výazů Výbě pláu po vyhodoceí Kapitola 12: Zpacováí dotazů Základí koky
Více1 Základní pojmy a vlastnosti
Základí pojmy a vlastosti DEFINICE (Trigoometrický polyom a řada). Fukce k = (a cos(x) + b si(x)) se azývá trigoometrický polyom. Řada = (a cos(x) + b si(x)) se azývá trigoometrická řada. TVRZENÍ (Ortogoalita).
Více2 STEJNORODOST BETONU KONSTRUKCE
STEJNORODOST BETONU KONSTRUKCE Cíl kapitoly a časová áročost studia V této kapitole se sezámíte s možostmi hodoceí stejorodosti betou železobetoové kostrukce a prakticky provedete jede z možých způsobů
VíceParametr populace (populační charakteristika) je číselná charakteristika sledované vlastnosti
1 Základí statistické zpracováí dat 1.1 Základí pojmy Populace (základí soubor) je soubor objektů (statistických jedotek), který je vymeze jejich výčtem ebo charakterizací jejich vlastostí, může být proto
VícePosloupnosti. a a. 5) V aritmetické posloupnosti je dáno: a
Poslouposti ) Prví čle ritmetické poslouposti je diferece Určete prvích pět čleů této poslouposti ) Prví čle ritmetické poslouposti je 8 diferece Určete prvích pět čleů této poslouposti ) V ritmetické
Více1 Trochu o kritériích dělitelnosti
Meu: Úloha č.1 Dělitelost a prvočísla Mirko Rokyta, KMA MFF UK Praha Jaov, 12.10.2013 Růzé dělitelosti, třeba 11 a 7 (aeb Jak zfalšovat rodé číslo). Prvočísla: které je ejlepší, které je ejvětší a jak
Více8.2.1 Aritmetická posloupnost
8.. Aritmetická posloupost Předpoklady: 80, 80, 803, 807 Pedagogická pozámka: V hodiě rozdělím třídu a dvě skupiy a každá z ich dělá jede z prvích dvou příkladů. Př. : V továrě dokočí každou hodiu motáž
Více4.2 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.
VíceCvičení 3 - teorie. Teorie pravděpodobnosti vychází ze studia náhodných pokusů.
Cvičeí 3 - teorie Téma: Teorie pravděpodobosti Teorie pravděpodobosti vychází ze studia áhodých pokusů. Náhodý pokus Proces, který při opakováí dává ze stejých podmíek rozdílé výsledky. Výsledek pokusu
VícePojem času ve finančním rozhodování podniku
Pojem času ve fiačím rozhodováí podiku 1.1. Výzam faktoru času a základí metody jeho vyjádřeí Fiačí rozhodováí podiku je ovlivěo časem. Peěží prostředky získaé des mají větší hodotu ež tytéž peíze získaé
VíceM - Posloupnosti VARIACE
M - Poslouposti Autor: Mgr Jromír Juřek - http://wwwjrjurekcz Kopírováí jkékoliv dlší využití výukového mteriálu je povoleo pouze s uvedeím odkzu wwwjrjurekcz VARIACE Teto dokumet byl kompletě vytvoře,
Více8.2.1 Aritmetická posloupnost I
8.2. Aritmetická posloupost I Předpoklady: 80, 802, 803, 807 Pedagogická pozámka: V hodiě rozdělím třídu a dvě skupiy a každá z ich dělá jede z prvích dvou příkladů. Čley posloupostí pak při kotrole vypíšu
VíceIterační výpočty projekt č. 2
Dokumetace k projektu pro předměty IZP a IUS Iteračí výpočty projekt č. 5..007 Autor: Václav Uhlíř, xuhlir04@stud.fit.vutbr.cz Fakulta Iformačích Techologii Vysoké Učeí Techické v Brě Obsah. Úvodí defiice.....
VícePravděpodobnost a aplikovaná statistika
Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 4. KAPITOLA STATISTICKÉ CHARAKTERISTIKY 16.10.2017 23.10.2017 Přehled témat 1. Pravděpodobost (defiice, využití, výpočet pravděpodobostí
VíceOdhady 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
VíceOdhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:
Odhady parametrů polohy a rozptýleí pro často se vyskytující rozděleí dat v laboratoři se vyčíslují podle ásledujících vztahů: a : Laplaceovo (oboustraé expoeciálí rozděleí se vyskytuje v případech, kdy
Víceň š Ý É Č Í Š Ž Č Á Ě ŘÍ ň ň ď ň ů ň ň ň Á Á ň Á ň ú ů ů ú ů Ťť ň š Ť Ť Ž ú ů ů ú ů š Č ů ů Ě Í Í Í Á Í ů š š Š ň š š ů ů ů Ž Š Á ů ď Ť Ú ď ú š ů Í ú ů Í Í ú š š Ž ů ů ů ů ů ů Ž Í Ž ů ú ů ď š š š ď š Ž
VíceČíslicové filtry. Použití : Analogové x číslicové filtry : Analogové. Číslicové: Separace signálů Restaurace signálů
Číslicová filtrace Použití : Separace sigálů Restaurace sigálů Číslicové filtry Aalogové x číslicové filtry : Aalogové Číslicové: + levé + rychlé + velký dyamický rozsah (v amplitudě i frekveci) - evhodé
VíceZnegujte následující výroky a rozhodněte, jestli platí výrok, nebo jeho negace:
. cvičeí Příklady a matematickou idukci Dokažte:.! . Návody:. + +. + i i i i + + 4. + + + + + + + + Operace s možiami.
VíceMATICOVÉ HRY MATICOVÝCH HER
MATICOVÉ HRY FORMULACE, KONCEPCE ŘEŠENÍ, SMÍŠENÉ ROZŠÍŘENÍ MATICOVÝCH HER, ZÁKLADNÍ VĚTA MATICOVÝCH HER CO JE TO TEORIE HER A ČÍM SE ZABÝVÁ? Teorie her je ekoomická vědí disciplía, která se zabývá studiem
VíceZobrazení čísel v počítači
Zobraeí ísel v poítai, áklady algoritmiace Ig. Michala Kotlíková Straa 1 (celkem 10) Def.. 1 slabika = 1 byte = 8 bitů 1 bit = 0 ebo 1 (ve dvojkové soustavě) Zobraeí celých ísel Zobraeí ísel v poítai Ke
VíceMatematika 1. Ivana Pultarová Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D Posloupnosti
Úvod Opakováí Poslouposti Příklady Matematika 1 Ivaa Pultarová Katedra matematiky, Fakulta stavebí ČVUT v Praze středa 10-11:40 posluchára D-1122 Úvod Opakováí Poslouposti Příklady Úvod Opakováí Poslouposti
Víceveličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou
1 Zápis číselých hodot a ejistoty měřeí Zápis číselých hodot Naměřeé hodoty zapisujeme jako číselý údaj s určitým koečým počtem číslic. Očekáváme, že všechy zapsaé číslice jsou správé a vyjadřují tak i
VíceD = H = 1. člen posloupnosti... a 1 2. člen posloupnosti... a 2 3. člen posloupnosti... a 3... n. člen posloupnosti... a n
/9 POSLOUPNOSTI Zákldí pojmy: Defiice poslouposti Vlstosti poslouposti Určeí poslouposti Aritmetická posloupost Geometrická posloupost Užití poslouposti. Defiice poslouposti Př. Sestrojte grf fukce y =.x
Více1 ROVNOMĚRNOST BETONU KONSTRUKCE
ROVNOMĚRNOST BETONU KONSTRUKCE Cíl kapitoly a časová áročost studia V této kapitole se sezámíte s možostmi hodoceí rovoměrosti betou železobetoové kostrukce a prakticky provedete jede z možých způsobů
Víceí ž ý š í ď ý í ě í í ť Ž ě š ěž ě í í ě í ě í ů Ž ěž ý ů ě í ě í í í ě Ž Ú í í í Ť í í í í ť í í í í š í íť ó í ý í ý í ó í í ů ů ě í ů ů ě í ů ě ěž ů ě ěž ě ě í í í ó í í í ó í í í í í í í í ů í í š
VíceI. Výpočet čisté současné hodnoty upravené
I. Výpočet čisté současé hodoty upraveé Příklad 1 Projekt a výrobu laserových lamp pro dermatologii vyžaduje ivestici 4,2 mil. Kč. Předpokládají se rovoměré peěží příjmy po zdaěí ve výši 1,2 mil. Kč ročě
Více1.3. 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
Více6. 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
VíceAritmetická posloupnost, posloupnost rostoucí a klesající Posloupnosti
8 Aritmetická posloupost, posloupost rostoucí a klesající Poslouposti Posloupost je fukci s defiičím oborem celých kladých čísel - apř.,,,,,... 3 4 5 Jako fukci můžeme také posloupost zobrazit do grafu:
VíceMatematika 1. Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D / 13. Posloupnosti
Úvod Opakováí Poslouposti Příklady Matematika 1 Katedra matematiky, Fakulta stavebí ČVUT v Praze středa 10-11:40 posluchára D-1122 2012 / 13 Úvod Opakováí Poslouposti Příklady Úvod Opakováí Poslouposti
VíceMatematická analýza I
1 Matematická aalýza ity posloupostí, součty ekoečých řad, ity fukce, derivace Matematická aalýza I látka z I. semestru iformatiky MFF UK Zpracovali: Odřej Keddie Profat, Ja Zaatar Štětia a další 2 Matematická
VícePro statistické šetření si zvolte si statistický soubor např. všichni žáci třídy (několika tříd, školy apod.).
STATISTIKA Statistické šetřeí Proveďte a vyhodoťte statistické šetřeí:. Zvolte si statistický soubor. 2. Zvolte si určitý zak (zaky), které budete vyhodocovat. 3. Určete absolutí a relativí četosti zaků,
VíceNPRG030 Programování I, 2018/19 1 / :03:07
NPRG030 Programování I, 2018/19 1 / 20 3. 12. 2018 09:03:07 Vnitřní třídění Zadání: Uspořádejte pole délky N podle hodnot prvků Měřítko efektivity: * počet porovnání * počet přesunů NPRG030 Programování
Více6. 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
VíceSekvenční logické obvody(lso)
Sekvečí logické obvody(lso) 1. Logické sekvečí obvody, tzv. paměťové čley, jsou obvody u kterých výstupí stavy ezávisí je a okamžitých hodotách vstupích sigálů, ale jsou závislé i a předcházejících hodotách
VíceDobSort. Úvod do programování. DobSort Implementace 1/3. DobSort Implementace 2/3. DobSort - Příklad. DobSort Implementace 3/3
DobSort Úvod do programování Michal Krátký 1,Jiří Dvorský 1 1 Katedra informatiky VŠB Technická univerzita Ostrava Úvod do programování, 2004/2005 V roce 1980 navrhl Dobosiewicz variantu (tzv. DobSort),
VíceStatistika. Statistické funkce v tabulkových kalkulátorech MSO Excel a OO.o Calc
Statistika Statistické fukce v tabulkových kalkulátorech MSO Excel a OO.o Calc Základí pojmy tabulkových kalkulátorů Cílem eí vyložit pojmy tabulkových kalkulátorů, ale je defiovat pojmy vyskytující se
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBOST A STATISTIKA Degeerovaé rozděleí D( ) áhodá veličia X s degeerovaým rozděleím X ~D(), R má základí rostor Z = { } a ravděodobostí fukci: ( ) 1 0 Charakteristiky: středí hodota: E(X ) roztyl:
VícePrioritní fronta, halda
Prioritní fronta, halda Priority queue, heap Jan Kybic http://cmp.felk.cvut.cz/~kybic kybic@fel.cvut.cz 2016 2018 1 / 26 Prioritní fronta Halda Heap sort 2 / 26 Prioritní fronta (priority queue) Podporuje
Vícezákladním 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
VíceTržní ceny odrážejí a zahrnují veškeré informace předpokládá se efektivní trh, pro cenu c t tedy platí c t = c t + ε t.
Techická aalýza Techická aalýza z vývoje cey a obchodovaých objemů akcie odvozuje odhad budoucího vývoje cey. Dalšími metodami odhadu vývoje ce akcií jsou apř. fudametálí aalýza (zkoumá podrobě účetictví
VíceOKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN
Úloha obchodího cestujícího OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN Nejprve k pojmům používaým v okružích a rozvozích úlohách: HAMILTONŮV CYKLUS je typ cesty,
Více2. Znát definici kombinačního čísla a základní vlastnosti kombinačních čísel. Ovládat jednoduché operace s kombinačními čísly.
0. KOMBINATORIKA, PRAVDĚPODOBNOST, STATISTIKA Dovedosti :. Chápat pojem faktoriál a ovládat operace s faktoriály.. Zát defiici kombiačího čísla a základí vlastosti kombiačích čísel. Ovládat jedoduché operace
VíceHYDROMECHANICKÉ PROCESY. Doprava tekutin Čerpadla a kompresory (přednáška) Doc. Ing. Tomáš Jirout, Ph.D.
HROMECHANICKÉ PROCES orava tekti Čeradla a komresory (ředáška) oc. Ig. Tomáš Jirot, Ph.. (e-mail: Tomas.Jirot@fs.cvt.cz, tel.: 435 68) ČERPALA Základy teorie čeradel Základí rozděleí čeradel Hydrostatická
VíceGeometrická optika. Zákon odrazu a lomu světla
Geometrická optika Je auka o optickém zobrazováí. Je vybudováa a 4 zákoech, které vyplyuly z pozorováí a ke kterým epotřebujeme zalosti o podstatě světla: ) přímočaré šířeí světla (paprsky) ) ezávislost
VíceVLASTNOSTI ÚLOH CELOČÍSELNÉHO PROGRAMOVÁNÍ
Vlastosti úloh celočíselého programováí VLASTNOSTI ÚLOH CELOČÍSELNÉHO PROGRAMOVÁNÍ PRINCIP ZESILOVÁNÍ NEROVNOSTÍ A ZÁKLADNÍ METODY. METODA VĚTVENÍ A HRANIC. TYPY ÚLOH 1. Úloha lieárího programováí: max{c
VíceKABELY. Pro drátové okruhy (za drát se považuje i světlovodné vlákno): metalické kabely optické kabely
KABELY Pro drátové okruhy (za drát se považuje i světlovodé vláko): metalické kabely optické kabely Metalické kabely: osou veličiou je elektrické apětí ebo proud obvykle se jedá o vysokofrekvečí přeos
VíceAplikace teorie neuronových sítí
Aplikace teorie euroových sítí Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické iforatiky Mateaticko-fyzikálí fakulta Uiverzity Karlovy v Praze Zpracováí časových vzorů (teporal processig) Stadardí algoritus
Vícepravděpodobnostn podobnostní jazykový model
Pokročilé metody rozpozáváířeči Předáška 8 Rozpozáváí s velkými slovíky, pravděpodobost podobostí jazykový model Rozpozáváí s velkým slovíkem Úlohy zaměřeé a diktováíči přepis řeči vyžadují velké slovíky
Více1. K o m b i n a t o r i k a
. K o m b i a t o r i k a V teorii pravděpodobosti a statistice budeme studovat míru výskytu -pravděpodobostvýsledků procesů, které mají áhodý charakter, t.j. při opakováí za stejých podmíek se objevují
VíceU klasifikace podle minimální vzdálenosti je nutno zvolit:
.3. Klasifikace podle miimálí vzdáleosti Tato podkapitola je věováa popisu podstaty klasifikace podle miimálí vzdáleosti, jež úzce souvisí s klasifikací pomocí etaloů klasifikačích tříd. Představíme si
VíceARITMETICKÉ POSLOUPNOSTI VYŠŠÍCH ŘÁDŮ
ARITMETICKÉ POSLOUPNOSTI VYŠŠÍCH ŘÁDŮ JAROSLAV ZHOUF Pedagogická fakulta UK Praha Osova předášky 1. Vysvětleí pojmu Aritmetické poslouposti vyšších řádů (APVŘ). APVŘ a ižším gymáziu 3. APVŘ a vyšším gymáziu
VíceÚstav fyzikálního inženýrství Fakulta strojního inženýrství VUT v Brně GEOMETRICKÁ OPTIKA. Přednáška 10
Ústav yzikálího ižeýrství Fakulta strojího ižeýrství VUT v Brě GEOMETRICKÁ OPTIKA Předáška 10 1 Obsah Základy geometrické (paprskové) optiky - Zobrazeí cetrovaou soustavou dvou kulových ploch. Rovice čočky.
VíceMATEMATIKA PŘÍKLADY K PŘÍJÍMACÍM ZKOUŠKÁM BAKALÁŘSKÉ STUDIUM MGR. RADMILA STOKLASOVÁ, PH.D.
MATEMATIKA PŘÍKLADY K PŘÍJÍMACÍM ZKOUŠKÁM BAKALÁŘSKÉ STUDIUM MGR. RADMILA STOKLASOVÁ PH.D. Obsah MNOŽINY.... ČÍSELNÉ MNOŽINY.... OPERACE S MNOŽINAMI... ALGEBRAICKÉ VÝRAZY... 6. OPERACE S JEDNOČLENY A MNOHOČLENY...
Vícea) b) c) Radek Mařík
2012-03-20 Radek Mařík 1. Čísla ze zadané posloupnosti postupně vkládejte do prázdného binárního vyhledávacího stromu (BVS), který nevyvažujte. Jak bude vypadat takto vytvořený BVS? Poté postupně odstraňte
VíceRekurze a rychlé třídění
Rekurze a rychlé třídění Jan Kybic http://cmp.felk.cvut.cz/~kybic kybic@fel.cvut.cz 2016 2017 1 / 54 Rekurze Rychlé třídění 2 / 54 Rekurze Recursion Rekurze = odkaz na sama sebe, definice za pomoci sebe
VíceSTUDIUM MAXWELLOVA ZÁKONA ROZDĚLENÍ RYCHLSOTÍ MOLEKUL POMOCÍ DERIVE 6
Středoškolská techika 00 Setkáí a prezetace prací středoškolských studetů a ČVUT STUDIUM MAXWELLOVA ZÁKONA ROZDĚLENÍ RYCHLSOTÍ MOLEKUL POMOCÍ DERIVE 6 Pavel Husa Gymázium Jiřího z Poděbrad Studetská 66/II
VícePRAVDĚPODOBNOST 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,
Více13 Popisná statistika
13 Popisá statistika 13.1 Jedorozměrý statistický soubor Statistický soubor je možia všech prvků, které jsou předmětem statistického zkoumáí. Každý z prvků je statistickou jedotkou. Prvky tvořící statistický
VíceAlgoritmizace řazení Bubble Sort
Algoritmizace řazení Bubble Sort Cílem této kapitoly je seznámit studenta s třídícím algoritmem Bubble Sort, popíšeme zde tuto metodu a porovnáme s jinými algoritmy. Klíčové pojmy: Třídění, Bubble Sort,
Více(3n + 1) 3n Příklady pro samostatnou práci
... 4. 5. 6. 0 0 0 a q koverguje pro q < geometrická řada diverguje harmoická řada koverguje srovejte s teleskopickou řadou + + utá podmíka kovergece + 4 + + 7 ití srovávací kritérium, srováí s ití podílové
Více8.1.3 Rekurentní zadání posloupnosti I
8.. Rekuretí zadáí poslouposti I Předpoklady: 80, 80 Pedagogická pozámka: Podle mých zkušeostí je pro studety pochopitelější zavádět rekuretí posloupost takto (sado kotrolovatelou ukázkou), ež dosazováím
VíceRegulace frekvence a velikosti napětí Řízení je spojeno s dodávkou a přenosem činného a jalového výkonu v soustavě.
18. Řízeí elektrizačí soustavy ES je spojeí paralelě pracujících elektráre, přeosových a rozvodých sítí se spotřebiči. Provoz je optimálě spolehlivá hospodárá dodávka kvalití elektrické eergie. Stěžejími
VíceVícekanálové čekací systémy
Vícekaálové čekací systémy taice obsluhy sestává z ěkolika kaálů obsluhy, racujících aralelě a avzájem ezávisle. Vstuy i výstuy systému mají oissoovský charakter. Jedotky vstuující do systému obsadí ejrve
VíceÚvod do teorie grafů
Úvod do teorie grafů Neorientovaný graf G = (V,E,I) V množina uzlů (vrcholů) - vertices E množina hran - edges I incidence incidence je zobrazení, buď: funkce: I: E V x V relace: I E V V incidence přiřadí
VíceSpojitost a limita funkcí jedné reálné proměnné
Spojitost a limita fukcí jedé reálé proměé Pozámka Vyšetřeí spojitosti fukce je možo podle defiice převést a výpočet limity V dalším se proto soustředíme je problém výpočtu limit Pozámka Limitu fukce v
VíceStatistika 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
VícePRAVDĚPODOBNOST 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
Vícejako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých
9 Limití věty. V aplikacích teorie pravděpodobosti (matematická statistika, metody Mote Carlo se užívají tvrzeí vět o kovergeci posloupostí áhodých veliči. Podle povahy kovergece se limití věty teorie
VíceIB109 Návrh a implementace paralelních systémů. Kolektivní komunikační primitava. RNDr. Jiří Barnat, Ph.D.
IB109 Návrh a implementace paralelních systémů Kolektivní komunikační primitava RNDr. Jiří Barnat, Ph.D. Kvantitativní parametry komunikace B109 Návrh a implementace paralelních systémů: Kolektivní komunikační
Více( + ) ( ) ( ) ( ) ( ) Derivace elementárních funkcí II. Předpoklady: Př. 1: Urči derivaci funkce y = x ; n N.
.. Derivace elemetárích fukcí II Předpoklady: Př. : Urči derivaci fukce y ; N. Budeme postupovat stejě jako předtím dosazeím do vzorce: f ( + ) f ( ) f f ( + ) + + + +... + (biomická věta) + + +... + f
VíceOdhady parametrů 1. Odhady parametrů
Odhady parametrů 1 Odhady parametrů Na statistický soubor (x 1,..., x, který dostaeme statistickým šetřeím, se můžeme dívat jako a výběrový soubor získaý realizací áhodého výběru z áhodé veličiy X. Obdobě:
VíceVyšší mocniny. Předpoklady: Doplň místo obdélníčků správné číslo. a) ( 2) 3. = c) ( ) = 1600 = e) ( 25) 2 0,8 0, 64.
81 Vyšší mociy Předpoklady: 0081 Př 1: Doplň místo obdélíčků správé číslo a) ( ) = b) = 0, 0000 e) ( ) = 0, ( 0) = 100 = f) ( ) = 8 a) ( ) = 8 b) 0, 0 0, 0000 = ( ) 0,8 0, 0 = 100 = e) ( ) = f) ( ) = 8
Více9.1.12 Permutace s opakováním
9.. Permutace s opakováím Předpoklady: 905, 9 Pedagogická pozámka: Pokud echáte studety počítat samostatě příklad 9 vyjde tato hodia a skoro 80 miut. Uvažuji o tom, že hodiu doplím a rozdělím a dvě. Př.
VícePopisná statistika. Zdeněk Janák 9. prosince 2007
Popisá statistika Zdeěk Jaák jaak@physics.mui.cz 9. prosice 007 Výsledkem měřeí atmosférické extikce z pozorováí komet a observatoři Skalaté Pleso jsou tyto hodoty extikčích koeficietů ve vlové délce 46
VíceMetody 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
Víceodhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti.
10 Cvičeí 10 Statistický soubor. Náhodý výběr a výběrové statistiky aritmetický průměr, geometrický průměr, výběrový rozptyl,...). Bodové odhady parametrů. Itervalové odhady parametrů. Jedostraé a oboustraé
VíceOptické vlastnosti atmosféry, rekonstrukce optického signálu degradovaného průchodem atmosférou
INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ Optické vlastosti atmosféry, rekostrukce optického sigálu degradovaého průchodem atmosférou Učebí texty k semiáři Autor: Dr. Ig. Zdeěk Řehoř UO Bro) Datum: 22. 10. 2010
VíceMocniny. Mocniny, odmocniny, logaritmy, exponenciála. Obecná mocnina. Mocniny. Odmocniny
Mociy Mociy, odmociy, logaritmy, expoeciála Zdeěk Halas KDM MFF UK 07 Počátky logaritmů Základí idea logaritmů Napierovy logaritmy Přirozeé logaritmy Kvadratura hyperboly Expoeciála Zavedeí expoeciály
Více13. Třídící algoritmy a násobení matic
13. Třídící algoritmy a násobení matic Minulou přednášku jsme probírali QuickSort, jeden z historicky prvních třídících algoritmů, které překonaly kvadratickou složitost aspoň v průměrném případě. Proč
VíceVážeí zákazíci dovolujeme si Vás upozorit že a tuto ukázku kihy se vztahují autorská práva tzv. copyright. To zameá že ukázka má sloužit výhradì pro osobí potøebu poteciálího kupujícího (aby èteáø vidìl
VíceAnalýza a zpracování signálů. 3. Číselné řady, jejich vlastnosti a základní operace, náhodné signály
Aalýza a zpracováí sigálů 3. Číselé řady, jejich vlastosti a základí operace, áhodé sigály Diskrétí sigál fukce ezávislé proměé.!!! Pozor!!!! : sigáleí defiová mezi dvěma ásledujícími vzorky ( a eí tam
VíceAsymptotická složitost algoritmů
Semestrální projekt 1 Y14TED Asymptotická složitost algoritmů Autor: Antonín DANĚK Osnova Slide 2 Co je to složitost algoritmu? Jak se počítá složitost algoritmu? Smysl přesného výpočtu složitosti algoritmu
Více