Simulace odbavení cestujících na fiktivním letišti
|
|
- Květa Pavlíková
- před 8 lety
- Počet zobrazení:
Transkript
1 ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA DOPRAVNÍ Katedra letecké dopravy Semestrální práce: Předmět: Vybrané statistické metody Vyučující: Mgr. Šárka Voráčová, Ph.D. Simulace odbavení cestujících na fiktivním letišti Jiří Mošnička Skupina: 1-87, 2011
2 1. Úvod do tématu Pro svou semestrální práci jsem si zvolil simulaci letištního odbavovacího procesu, kterým musí projít každý cestující před nástupem do letadla. V nedávné době jsem při letu přes nejmenované letiště zažil nepříjemnou situaci, která nastala po zavedení systému selfcheck-in. Po zprovoznění třech těchto počítačových terminálů došlo k situaci, kdy se většina lidí potřebujících odbavení hromadila ve frontě kolem nich a na check-in přepážkách, kterých bylo pro dané odbavení otevřeno 10, byli vytíženi tři až čtyři check-in agenti. Pokud někdo přišel k volné přepážce a chtěl se odbavit, byl odmítnut a poslán zpět s tím, že nejdříve musí provést selfcheck-in a až poté se může vrátit zpět na přepážku a odbavit si zavazadla. Vzhledem k tomu, že většina cestujících si nevěděla s elektronickým odbavením rady, stál u terminálů zaměstnanec, který jednotlivým cestujícím pomáhal, čímž se značně prodloužila doba, kterou ve frontě na terminál cestující strávil. Je jasné, že do budoucna se jedná o krok správným směrem a může některým cestujícím značně urychlit odbavení, zvláště těm co cestují pouze s příručním zavazadlem a nepotřebují tak vůbec k přepážce pro odbavení kufrů. Toho se ovšem docílí až tehdy, kdy si cestující zvyknou na elektronické odbavení a budou ho umět rychle bez pomoci ovládat. Co Pro firmu zajišťující odbavení cestujících je ovšem neméně důležitý fakt, že tyto terminály mohou značně snížit náklady na tento proces potřebné a to v momentě, kdy dojde k optimalizaci počtu terminálů a počtu otevřených přepážek a tím k optimalizaci počtu placených zaměstnanců. Cílem mojí práce je určit potřebný počet terminálů a otevřených přepážek na fiktivním letišti tak, aby během určeného času došlo k odbavení všech cestujících (daného počtu), kteří potřebují odletět. Pokud by docházelo k odbavení všech cestujících za dobu kratší než požadovanou, je systém zbytečně předimenzovaný a náklady na jeho provoz tudíž vyšší. Ideálního stavu je možno docílit vícero kombinacemi počtu terminálů a přepážek. Cílem ovšem je určit nejnižší počet potřebných otevřených přepážek a k tomu potřebný počet terminálů tak, aby se využil potenciál snížení nákladů a zároveň se zachoval počet odbavených cestujících.
3 2. Popis navrženého systému po jednotlivých sekcích Simulační model začíná vstupem do odbavovací haly letiště (viz obrázek 1), kde je pro simulaci zvoleno 400 cestujících, které by fiktivní letiště potřebovalo odbavit ideálně během 240 minut. Jako první zamíří cestující na terminály self check-in. V původním návrhu se skládá ze třech samoobslužných počítačů. Doba cestujícího u terminálu je dána exponenciálním rozdělením s parametrem l= 2-3 (pro potřeby simulace bráno jako 2 až 3 minuty). Podle Kendallovi klasifikace je zařazení systému M/M/3/400. Od self check-inu přechází cestující přes frontu k check-in přepážkám, kde zaměstnanec odbavovací společnosti zkontroluje dokumenty a odbaví cestujícím kufry. V některých případech je cestující poslán zpět na self check-in, například pokud udělal chybu u odbavovacího terminálu. Pokud cestující nemá zavazadla k odbavení, může pokračovat přímo do fronty na kontrolu dokumentů. Odtud může být navrácen zpět na check-in přepážky, například z důvodů nadměrné velikosti příručních zavazadel která jsou potřeba odbavit do zavazadlového prostoru letadla. Doba strávená u check-in přepážky je dána exponenciálním rozdělením s parametrem l= 2-4 minuty a kendallova klasifikace je M/M/10/400. Obrázek 1
4 Obrázek 2 Následně prochází cestující přepážkami na kontrolu dokumentů, kde se zároveň od sebe oddělují cestující letící do Schengenského prostoru od cestujících letících do Non- Schengenských destinací. Odtud pokračují k daným gejtům, kde prochází bezpečnostní kontrolou. Pokud je při průchodu rámem detekována přítomnost kovového předmětu je cestující vrácen zpět pro opětovnou kontrolu a to někdy i vícekrát. Jako poslední je kontrola palubních vstupenek a celá simulace je zakončena nástupem do letadel. Doba odbavení v jednotlivých částech gejtů je v simulaci brána jako kratší než jednu minutu a proto jsou přechody v těchto částech nastaveny jako Immediate. Popis jednotlivých bloků dle Kendallova rozdělení je: Kontrola dokumentů Schengenský prostor M/M/4/400
5 Kontrola dokumentů Non-Schengen M/M/2/400 Gate A M/D/3/400 Gate B M/D/2/400 Frontový režim celé simulace se dá považovat za SJF (shortest job first), protože nezáleží na pořadí, v jakém do procesu cestující vstoupí, ale na době kterou mu celé odbavení bude trvat. Cestující, kteří přišli později mohou předběhnout ty, kteří se zpozdili například navrácením na terminál self check-in z důvodů nesprávného odbavení, nebo ty kteří ztratili čas opakovanou kontrolou na rámových detektorech kovů. Naopak ti bez zavazadel k odbavení mohou některé cestující předběhnout. Samozřejmě záleží také na čase stráveném u jednotlivých přepážek. Vzhledem k tomu, že všichni cestující se potřebují dostat do letadel, jedná se o systém beze ztrát. Celkový model je samozřejmě pro účely simulace značně zjednodušen oproti reálnému provozu na letištích a z hlediska optimalizace se soustředí pouze na první dva bloky check-in odbavení. 3. Popis řešení problému Provedl jsem tři optimalizace původního modelu, které spočívaly ve změně počtu otevřených self check-in terminálů a check-in přepážek a to takto: Původní návrh: 3 x self check-in a 10 x check-in přepážka Optimalizace 1: 4 x self check-in a 4 x check-in přepážka (Obrázek 3) Optimalizace 2: 4 x self check-in a 7 x check-in přepážka (Obrázek 4) Optimalizace 3: 5 x self check-in a 5 x check-in přepážka (Obrázek 5) (viz obrázky na další straně) U každé varianty jsem provedl 30 simulací. Dosažené výsledky jsou obsažené v tabulce 3.1 tabulka získaných hodnot na straně 7.
6 Obrázek 3 Obrázek 4 Obrázek 5
7 3.1. Tabulka hodnot získaných simulacemi: Číslo simulace Původní návrh Optimalizace 1. Optimalizace 2. Optimalizace 3. Čas potřebný k odbavení (min) Čas potřebný k odbavení (min) Čas potřebný k odbavení (min) Čas potřebný k odbavení (min)
8 3.2. Graf dosažených časů doby odbavení: Doba odbavení (min) Původní návrh Optimalizace 1 Optimalizace 2 Optimalizace Počet cyklů
9 4. Statistické výpočty Původní návrh Charakteristika polohy dat Aritmetický průměr doby odbavení 323, Modus 326 Medián 325 Charakteristika variability Rozptyl 58, Směrodatná odchylka 7, Variační koeficient 0, Variační rozptyl 29 0,35 Histogram relativní četnosti - Původní stav 0,3 y = -0,0405x 2 + 0,2195x -0,0133 0,25 0,2 0,15 Relativní četnost 0,1 0,
10 Optimalizace 1 Charakteristika polohy dat Aritmetický průměr doby odbavení 268,2 Modus 265 Medián 268 Charakteristika variability Rozptyl 24, Směrodatná odchylka 4, Variační koeficient 0, Variační rozptyl 25 T-Test (porovnání vůči původní variantě) 4,0204E-26 0,5 Histogram relativní četnosti - Otimalizace 1 0,45 0,4 0,35 0,3 0,25 0,2 y = -0,0833x 2 + 0,49x -0,3533 Relativní četnost 0,15 0,1 0,
11 Optimalizace 2 Charakteristika polohy dat Aritmetický průměr doby odbavení 232,2 Modus 230 Medián 231 Charakteristika variability Rozptyl 22, Směrodatná odchylka 4, Variační koeficient 0, Variační rozptyl 20 T-Test (porovnání vůči původní variantě) 1,31198E-29 0,4 Histogram relativní četnosti - Otlimalizace 2 0,35 0,3 y = -0,0238x 2 + 0,0962x + 0,1733 0,25 0,2 0,15 Relativní četnost 0,1 0,
12 Optimalizace 3 Charakteristika polohy dat Aritmetický průměr doby odbavení 233, Modus 229 Medián 232,5 Charakteristika variability Rozptyl 22, Směrodatná odchylka 4, Variační koeficient 0, Variační rozptyl 19 T-Test (porovnání vůči původní variantě) 9,5125E-33 0,35 Histogram relativní četnosti - Optimalizace 3 0,3 y = -0,0405x 2 + 0,2729x -0,1733 0,25 0,2 0,15 Relativní četnost 0,1 0,
13 5. Závěr Pomocí jednostranného rozložení párovaného T-testu, který nám vrací pravděpodobnost odpovídající Studentovu rozdělení, jsem zjistili že u třetí varianty je dosaženo nejlepší optimalizace (čím menší hodnota tím lepší). Závěrem je možné říci, že požadované doby odbavení jsem dosáhl ve dvou konfiguracích: 4 self check-iny a 7 check-in přepážek v optimalizaci 2 5 self check-in terminálů a 5 check-in přepážek v optimalizaci 3. Pro provozovatele odbavovacích služeb je samozřejmě výhodnější druhá varianta, protože jednorázové pořizovací náklady na počítačové terminály jsou výhledově do budoucna levnější než náklady na zaměstnance na přepážce.
14 Příloha: Celkový pohled na simulační model
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA DOPRAVNÍ
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA DOPRAVNÍ Simulace příletů cestujících na schengenský terminál letiště Praha - Ruzyně a jejich přestupů na navazující lety SEMESTRÁLNÍ PRÁCE Vybrané statistické
Vícea) Základní informace o souboru Statistika: Základní statistika a tabulky: Popisné statistiky: Detaily
Testování hypotéz Testování hypotéz jsou klasické statistické úsudky založené na nějakém apriorním předpokladu. Vyslovíme-li předpoklad o hodnotě neznámého parametru nebo o zákonu rozdělení sledované náhodné
VíceSemestrální projekt. do předmětu Statistika. Vypracoval: Adam Mlejnek 2-36. Oponenti: Patrik Novotný 2-36. Jakub Nováček 2-36. Click here to buy 2
Semestrální projekt do předmětu Statistika Vypracoval: Adam Mlejnek 2-36 Oponenti: Patrik Novotný 2-36 Jakub Nováček 2-36 Úvod Pro vypracování projektu do předmětu statistika jsem si zvolil průzkum kvality
VíceKOMBINATORIKA, PRAVDĚPODOBNOST, STATISTIKA. Charakteristiky variability. Mgr. Jakub Němec. VY_32_INOVACE_M4r0120
KOMBINATORIKA, PRAVDĚPODOBNOST, STATISTIKA Charakteristiky variability Mgr. Jakub Němec VY_32_INOVACE_M4r0120 CHARAKTERISTIKY VARIABILITY Charakteristika variability se určuje pouze u kvantitativních znaků.
VíceSYSTÉM TECHNICKO-EKONOMICKÉ ANALÝZY VÝROBY TEKUTÉHO KOVU - CESTA KE SNIŽOVÁNÍ NÁKLADŮ
SYSTÉM TECHNICKO-EKONOMICKÉ ANALÝZY VÝROBY TEKUTÉHO KOVU - CESTA KE SNIŽOVÁNÍ NÁKLADŮ FIGALA V. a), KAFKA V. b) a) VŠB-TU Ostrava, FMMI, katedra slévárenství, 17. listopadu 15, 708 33 b) RACIO&RACIO, Vnitřní
VíceServer Internetu prostøednictvím slu eb (web, e-mail, pøenos souborù) poskytuje data. Na na í pracovní stanici Internet
Více
Server Internetu prostøednictvím slu eb (web, e-mail, pøenos souborù) poskytuje data. Na na í pracovní stanici Internet
Více
Statistika. Diskrétní data. Spojitá data. Charakteristiky polohy. Charakteristiky variability
I Přednáška Statistika Diskrétní data Spojitá data Charakteristiky polohy Charakteristiky variability Statistika deskriptivní statistika ˆ induktivní statistika populace (základní soubor) ˆ výběr parametry
VíceStatistika. Program R. popisná (deskriptivní) statistika popis konkrétních dat. induktivní (konfirmatorní) statistika. popisná statistika
Statistika Cvičení z matematické statistiky na PřF Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy léto 2012 Základní dělení popisná (deskriptivní)
VíceVybrané statistické metody. Simulace pokladen supermarketu Albert na Spojovací
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE, Fakulta dopravní Ústav aplikované matematiky K611 Vybrané statistické metody Simulace pokladen supermarketu Albert na Spojovací 1 85 Jakub Ondřich 2010/2011 85101910/0040
VíceStatistika. Počet přestupků. 1 2 3 4 5 6 7 8 9 10 11 12 počet odebraných bodů za jeden přestupek. Statistický soubor 1
Statistika Statistický soubor 1 Při měření výšky u žáků jedné třídy byly zjištěny tyto údaje (v cm): 1,176,17,176,17,17,176,17,17,17. a) Objasněte základní pojmy (stat. soubor, rozsah souboru, stat. jednotka,
VíceZáklady pravděpodobnosti a statistiky. Popisná statistika
Základy pravděpodobnosti a statistiky Popisná statistika Josef Tvrdík Přírodovědecká fakulta, katedra informatiky josef.tvrdik@osu.cz konzultace v úterý 14.10 až 15.40 hod. Příklad ze života Cimrman, Smoljak/Svěrák,
VíceOrganizační pokyny k přednášce. Matematická statistika. Přehled témat. Co je statistika?
Organizační pokyny k přednášce Matematická statistika 2012 2013 Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta UK hudecova@karlin.mff.cuni.cz http://www.karlin.mff.cuni.cz/
VíceVŠB Technická univerzita Ostrava
VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: PRAVDĚPODOBNOST A STATISTIKA Domácí úkoly Zadání 21 DATUM ODEVZDÁNÍ
VíceOdbavení zavazadel na letišti. Semestrální práce Vybrané statistické metody
České vysoké učení technické v Praze Fakulta Dopravní Ústav letecké dopravy Odbavení zavazadel na letišti Semestrální práce Vybrané statistické metody Bc. Marek Slavíček Praha 2011 1. Úvod Leteckou dopravu
VíceČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA DOPRAVNÍ. Semestrální práce. Z předmětu Teorie hromadné obsluhy (THRO) Jan Čáslava.
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA DOPRAVNÍ Semestrální práce Z předmětu Teorie hromadné obsluhy (THRO) Jan Čáslava Skupina 1 57 Simulace fiktivní čerpací stanice 2011 1 Obsah 1. Popis situace...
Více22. Pravděpodobnost a statistika
22. Pravděpodobnost a statistika Pravděpodobnost náhodných jevů. Klasická pravděpodobnost. Statistický soubor, statistické jednotky, statistické znaky. Četnosti, jejich rozdělení a grafické znázornění.
VíceMnohorozměrná statistická data
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Statistický znak, statistický soubor Jednotlivé objekty nebo subjekty, které jsou při statistickém
VíceNĚKTERÉ ZÁVĚRY Z ÚVODNÍ NÁKLADOVÉ ANALÝZY VÝROBY TEKUTÉHO KOVU V ŠESTI SLÉVÁRNÁCH. Václav Figala a Sylvie Žitníková b Václav Kafka c
NĚKTERÉ ZÁVĚRY Z ÚVODNÍ NÁKLADOVÉ ANALÝZY VÝROBY TEKUTÉHO KOVU V ŠESTI SLÉVÁRNÁCH Václav Figala a Sylvie Žitníková b Václav Kafka c a) VŠB-TU Ostrava, FMMI, Katedra slévárenství, 17. listopadu 15, 708
VíceTématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"
Tématické okruhy pro státní závěrečné zkoušky bakalářské studium studijní obor "Management jakosti" školní rok 2013/2014 Management jakosti A 1. Pojem jakosti a význam managementu jakosti v současném období.
VíceANALÝZA DAT V R 2. POPISNÉ STATISTIKY. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK.
ANALÝZA DAT V R 2. POPISNÉ STATISTIKY Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK www.biostatisticka.cz CO SE SKRÝVÁ V DATECH data sbíráme proto, abychom porozuměli
VíceKendallova klasifikace
Kendallova klasifikace Délka obsluhy, frontový režim, Littleovy vzorce Parametry obsluhy Trvání obsluhy - většinou předpokládáme, že trvání obsluhy jsou nezávisl vislé náhodné proměnné, se stejným rozdělením
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
VícePříloha P.1 Mapa větrných oblastí
Příloha P.1 Mapa větrných oblastí P.1.1 Úvod Podle metodiky Eurokódů se velikost zatížení větrem odvozuje z výchozí hodnoty základní rychlosti větru, definované jako střední rychlost větru v intervalu
VíceVŠB Technická univerzita Ostrava BIOSTATISTIKA
VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: BIOSTATISTIKA Zadání 11 DATUM ODEVZDÁNÍ DOMÁCÍ ÚKOL 1: DOMÁCÍ ÚKOL
VíceTeorie hromadné obsluhy (Queuing Theory)
Teorie hromadné obsluhy (Queuing Theory) Mgr. Šárka Voráčová, Ph.D. Katedra aplikované matematiky voracova @ fd.cvut.cz http://www.fd.cvut.cz/department/k611/pedagog/k611tho.html Literatura Š. Voráčová,
VíceKatedra geotechniky a podzemního stavitelství
Katedra geotechniky a podzemního stavitelství Modelování v geotechnice Stochastické modelování (prezentace pro výuku předmětu Modelování v geotechnice) doc. RNDr. Eva Hrubešová, Ph.D. Inovace studijního
VíceNárodní informační středisko pro podporu kvality
Národní informační středisko pro podporu kvality Matematický model kontrolního stanoviště montážní linky RNDr. Jiří Michálek, CSc CQR při ÚTIA AVČR Motivace Tvorba modelu je motivována výrobou zdravotnické
VícePořízení licencí statistického SW
Pořízení licencí statistického SW Zadavatel: Česká školní inspekce, Fráni Šrámka 37, 150 21 Praha 5 IČO: 00638994 Jednající: Mgr. Tomáš Zatloukal Předpokládaná (a maximální cena): 1.200.000 vč. DPH Typ
VíceTématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"
Tématické okruhy pro státní závěrečné zkoušky bakalářské studium studijní obor "Management jakosti" školní rok 2009/2010 Management jakosti A 1. Pojem jakosti a význam managementu jakosti v současném období.
VíceMATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci
MATEMATICKÁ STATISTIKA Dana Černá http://www.fp.tul.cz/kmd/ Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci Matematická statistika Matematická statistika se zabývá matematickým
VíceSCIENTIFIC PAPERS OF THE UNIVERSITY OF PARDUBICE
SCIENTIFIC PAPERS OF THE UNIVERSITY OF PARDUBICE Series B The Jan Perner Transport Faculty 18 (2012) SIMULAČNÍ MODUL PROCESU ODBAVENÍ A BEZPEČNOSTNÍ KONTROLY CESTUJÍCÍCH V TERMINÁLU LETIŠTĚ Jaromír ŠIROKÝ,
VíceTeorie hromadné obsluhy (Queuing Theory)
Teorie hromadné obsluhy (Queuing Theory) Mgr. Šárka Voráčov ová, Ph.D. Katedra aplikované matematiky voracova @ fd.cvut..cvut.czcz http://www.fd fd.cvut.cz/department/k611/pedagog/k611tho. /department/k611/pedagog/k611tho.html
VícePravděpodobnost a statistika
Pravděpodobnost a statistika Diskrétní rozdělení Vilém Vychodil KMI/PRAS, Přednáška 6 Vytvořeno v rámci projektu 2963/2011 FRVŠ V. Vychodil (KMI/PRAS, Přednáška 6) Diskrétní rozdělení Pravděpodobnost a
VíceZápočtová práce STATISTIKA I
Zápočtová práce STATISTIKA I Obsah: - úvodní stránka - charakteristika dat (původ dat, důvod zpracování,...) - výpis naměřených hodnot (v tabulce) - zpracování dat (buď bodové nebo intervalové, podle charakteru
VíceMnohorozměrná statistická data
Mnohorozměrná statistická data Ekonometrie Jiří Neubauer Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Jiří Neubauer (Katedra ekonometrie UO Brno) Mnohorozměrná
VíceMendelova zemědělská a lesnická univerzita Provozně ekonomická fakulta. Výpočet charakteristik ze tříděných údajů Statistika I. protokol č.
Mendelova zemědělsá a lesnicá univerzita Provozně eonomicá faulta Výpočet charateristi ze tříděných údajů Statistia I. protool č. 2 Jan Grmela, 2. roční, Eonomicá informatia Zadání 130810, supina Středa
VíceVýrobní produkce divizí Ice Cream Po lo ha plane t Rozložený výse ový 3D graf Bublinový graf Histogram t s tn e ídy
Výrobní produkce divizí Ice Cream Polo ha planet Rozložený výsečový 3D graf Bublinový graf Ice Cream 1 15% Ice Cream 2 12% Ice Cream 3 18% Ice Cream 4 20% Statistika 40 30 20 Ice Cream 6 19% Ice Cream
VícePROJEKT DO STATISTIKY PRŮZKUM V TECHNICKÉ MENZE
PROJEKT DO STATISTIKY PRŮZKUM V TECHNICKÉ MENZE Náplní tohoto projektu byl prvotní průzkum, následné statistické zpracování dat a vyhodnocení. Data jsme získaly skrze internetový dotazník, který jsme rozeslaly
VíceKGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 10. Mgr. David Fiedor 27. dubna 2015 Nelineární závislost - korelační poměr užití v případě, kdy regresní čára není přímka, ale je vyjádřena složitější matematickou funkcí
VíceSTATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7
Inovace předmětu STATISTIKA Obsah 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7 1 1. Inovace předmětu STATISTIKA Předmět Statistika se na bakalářském oboru
VíceHodnocení efektivity sociálních služeb pro duševně nemocné
Hodnocení efektivity sociálních služeb pro duševně nemocné Konference AKTUÁLNÍ OTÁZKY SOCIÁLNÍ POLITIKY 2011 TEORIE A PRAXE Pardubice 5. 5. 2011 Petr Hejzlar¹², Martin Halíř¹, Hana Herelová¹ ¹občanské
VíceOtázky k měření centrální tendence. 1. Je dáno rozložení, ve kterém průměr = medián. Co musí být pravdivé o tvaru tohoto rozložení?
Otázky k měření centrální tendence 1. Je dáno rozložení, ve kterém průměr = medián. Co musí být pravdivé o tvaru tohoto rozložení? 2. Určete průměr, medián a modus u prvních čtyř rozložení (sad dat): a.
VíceMinimální hodnota. Tabulka 11
PŘÍLOHA č.1 Výsledné hodnoty Výsledky - ženy (SOŠ i SOU, maturitní i učební obory) Aritmetický průměr Maximální hodnota Minimální hodnota Medián Modus Rozptyl Směrodatná odchylka SOM 0,49 2,00 0,00 0,33
VíceFunkce a vzorce v Excelu
Funkce a vzorce v Excelu Lektor: Ing. Martin Kořínek, Ph.D. Formátování tabulky V této kapitole si vysvětlíme, jak tabulku graficky zdokonalit, jak změnit nastavení šířky a případně výšky sloupců, jak
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická
VícePRŮMYSLOVÉ INŽENÝRSTVÍ 2015 studentská vědecká konference
studentská vědecká konference Ostrava 8.-10. října 2015 Vážené dámy, vážení pánové, Tímto bychom Vás rádi pozvali na konferenci Průmyslové inženýrství 2015 konající se ve dnech v Ostravě. Pořádaná konference
VíceVYSOKÉ UČENÍ TECHNICKÉ V BRNĚ. FAKULTA STROJNÍHO INŽENÝRSTVÍ Ústav materiálového inženýrství - odbor slévárenství
1 PŘÍLOHA KE KAPITOLE 11 2 Seznam příloh ke kapitole 11 Podkapitola 11.2. Přilité tyče: Graf 1 Graf 2 Graf 3 Graf 4 Graf 5 Graf 6 Graf 7 Graf 8 Graf 9 Graf 1 Graf 11 Rychlost šíření ultrazvuku vs. pořadí
Více(Nelegislativní akty) NAŘÍZENÍ
1.3.2012 Úřední věstník Evropské unie L 59/1 II (Nelegislativní akty) NAŘÍZENÍ PROVÁDĚCÍ NAŘÍZENÍ KOMISE (EU) č. 173/2012 ze dne 29. února 2012, kterým se mění nařízení (EU) č. 185/2010, pokud jde o vyjasnění
VíceKombinatorika, pravděpodobnost a statistika, Posloupnosti a řady
Předmět: Náplň: Třída: Počet hodin: Pomůcky: Matematika Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady 4. ročník 3 hodiny týdně PC a dataprojektor Kombinatorika Řeší jednoduché úlohy
VíceTeorie hromadné obsluhy
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta dopravní Semestrální práce z předmětu Teorie hromadné obsluhy Porovnání způsobů obsluhy v restauraci McDonald s SAVARIN v Praze Jméno: Bc. Jana Jirků Akademický
VíceSimulace systému hromadné obsluhy Nejčastější chyby v semestrálních pracích
Simulace systému hromadné obsluhy Nejčastější chyby v semestrálních pracích Nedostatešný popis systému a jeho modelu vstupy S výstupy Systém Část prostředí, kterou lze od jeho okolí oddělit fyzickou nebo
Vícemarek.pomp@vsb.cz http://homel.vsb.cz/~pom68
Statistika B (151-0303) Marek Pomp ZS 2014 marek.pomp@vsb.cz http://homel.vsb.cz/~pom68 Cvičení: Pavlína Kuráňová & Marek Pomp Podmínky pro úspěšné ukončení zápočet 45 bodů, min. 23 bodů, dvě zápočtové
VíceČasovézměny velikostního rozložení částic a jejich depozice vdýchacím traktu. Josef Keder keder@chmi.cz
Časovézměny velikostního rozložení částic a jejich depozice vdýchacím traktu Josef Keder keder@chmi.cz Data Stanice AIM Ostrava-Fifejdy analyzátor GRIMM, PM10, meteorologie Grimm a meteo 31.5.13 28.2.14
Více1.3. Cíle vzdělávání v oblasti citů, postojů, hodnot a preferencí
1. Pojetí vyučovacího předmětu 1.1. Obecný cíl vyučovacího předmětu Základním cílem předmětu Matematický seminář je navázat na získané znalosti a dovednosti v matematickém vzdělávání a co nejefektivněji
VíceVYMEZENÍ A POROVNÁNÍ PARAMETRŮ NÁVRHOVÉHO POMALÉHO VOZIDLA DLE NORMY ČSN 736101
VŠB-Technická univerzita Ostrava Fakulta stavební Studentská vědecká odborná činnost školní rok 2005-2006 VYMEZENÍ A POROVNÁNÍ PARAMETRŮ NÁVRHOVÉHO POMALÉHO VOZIDLA DLE NORMY ČSN 736101 Předkládá student
VíceTEST Z TEORIE EXPLORAČNÍ ANALÝZA DAT
EXPLORAČNÍ ANALÝZA DAT TEST Z TEORIE 1. Test ze Statistiky píše velké množství studentů. Představte si, že každý z nich odpoví správně přesně na polovinu otázek. V tomto případě bude směrodatná odchylka
VíceSTATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky)
STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky) 1) Význam a využití statistiky v biologických vědách a veterinárním lékařství ) Rozdělení znaků (veličin) ve statistice 3) Základní a
VícePracovní list č. 3 Charakteristiky variability
1. Při zjišťování počtu nezletilých dětí ve třiceti vybraných rodinách byly získány tyto výsledky: 1, 1, 0, 2, 3, 4, 2, 2, 3, 0, 1, 2, 2, 4, 3, 3, 0, 1, 1, 1, 2, 2, 0, 2, 1, 1, 2, 3, 3, 2. Uspořádejte
Více1.1 Zátěžové testování
1.1 Zátěžové testování Předpokladem pro toto stádium testování je ukončení funkčních testů a zamražení systému pro zátěžové testování. Toto stádium testování má podpořit systémové testování a poukázat
VícePřednáška 5. Výběrová šetření, Exploratorní analýza
Přednáška 5 Výběrová šetření, Exploratorní analýza Pravděpodobnost vs. statistika Výběrová šetření aneb jak získat výběrový soubor Exploratorní statistika aneb jak popsat výběrový soubor Typy proměnných
VíceE(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) =
Základní rozdělení pravděpodobnosti Diskrétní rozdělení pravděpodobnosti. Pojem Náhodná veličina s Binomickým rozdělením Bi(n, p), kde n je přirozené číslo, p je reálné číslo, < p < má pravděpodobnostní
VíceOchrana ovzduší ve státní správě. Sezimovo Ústí, 14. - 16. listopadu 2006
Ochrana ovzduší ve státní správě Sezimovo Ústí, 14. - 16. listopadu 2006 Emise škodlivých látek kog. jednotek při spalování alternativních paliv Ing. Jiří Štochl TEDOM-VKS s.r.o. KVET = kombinovaná výroba
VíceNáhodná proměnná. Náhodná proměnná může mít rozdělení diskrétní (x 1. , x 2. ; x 2. spojité (<x 1
Náhodná proměnná Náhodná proměnná může mít rozdělení diskrétní (x 1, x 2,,x n ) spojité () Poznámky: 1. Fyzikální veličiny jsou zpravidla spojité, ale změřené hodnoty jsou diskrétní. 2. Pokud
VícePSY117/454 Statistická analýza dat v psychologii Přednáška 5 ZOBRAZENÍ DVOUROZMĚRNÝCH DAT KORELAČNÍ KOEFICIENT. Všichni žijeme v matrixu.
PSY117/454 Statistická analýza dat v psychologii Přednáška 5 ZOBRAZENÍ DVOUROZMĚRNÝCH DAT KORELAČNÍ KOEFICIENT Všichni žijeme v matrixu. V minulých dílech jsme viděli/y: Frekvence = četnosti Procenta =
VíceUrčete zákon rozložení náhodné veličiny, která značí součet ok při hodu a) jednou kostkou, b) dvěma kostkami, c) třemi kostkami.
3.1. 3.2. Třikrát vystřelíme na cíl. Pravděpodobnost zásahu při každém výstřelu je p = 0,7. Určete: a) pravděpodobnostní funkci počtu zásahů při třech nezávislých výsledcích, b) distribuční funkci a její
VíceDiskrétní rozdělení Náhodná veličina má diskrétní rozdělení pravděpodobnosti, jestliže existuje seznam hodnot
Rozdělení Náhodná veličina Náhodná veličina je vyjádření výsledku náhodného pokusu číselnou hodnotou. Jde o reálnou funkci definovanou na množině. Rozdělení náhodné veličiny udává jakých hodnot a s jakou
VíceNávrh a vyhodnocení experimentu
Návrh a vyhodnocení experimentu Návrh a vyhodnocení experimentů v procesech vývoje a řízení kvality vozidel Ing. Bohumil Kovář, Ph.D. FD ČVUT Ústav aplikované matematiky kovar@utia.cas.cz Mladá Boleslav
VíceTřídění statistických dat
2.1 Třídění statistických dat Všechny muže ve městě rozdělíme na 2 skupiny: A) muži, kteří chodí k holiči B) muži, kteří se holí sami Do které skupiny zařadíme holiče? prof. Raymond M. Smullyan, Dr. Math.
VícePřednáška. Diskrétní náhodná proměnná. Charakteristiky DNP. Základní rozdělení DNP
IV Přednáška Diskrétní náhodná proměnná Charakteristiky DNP Základní rozdělení DNP Diskrétní náhodná veličina Funkce definovaná na Ω, přiřazující každému elementárnímu jevu E prvky X(E) D R kde D je posloupnost
VícePříloha č. 1 Odpovědi na anketní otázku
Příloha č. 1 Odpovědi na anketní otázku Plné porozumění Střední lesnická škola v Hranicích vyrábění telefonů = továrny, znečišťování ovzduší. Příliš mnoho odpadu nový toho moc neovlivní, zásadní je likvidace
VíceMatematická statistika
Matematická statistika Daniel Husek Gymnázium Rožnov pod Radhoštěm, 8. A8 Dne 12. 12. 2010 v Rožnově pod Radhoštěm Osnova Strana 1) Úvod 3 2) Historie matematické statistiky 4 3) Základní pojmy matematické
VíceKapitola III. Emise rtuti stacionárních zdrojů
Kapitola III řešitel Ing. Jan Velíšek Obsah 1. ÚVOD... 4 2. MĚŘENÍ KONCENTRACÍ RTUTI V EMISÍCH STACIONÁRNÍCH ZDROJŮ... 4 3. INFORMACE O ZDROJÍCH... 5 3.1 ENERGETIKA... 5 3.2 SPALOVNY... 6 3.3 TECHNOLOGIE...
VíceVYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY DIPLOMOVÁ PRÁCE. 2006 Kateřina Slámová
VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY DIPLOMOVÁ PRÁCE 2006 Kateřina Slámová VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Hlavní specializace: Matematické
Víceveličin, deskriptivní statistika Ing. Michael Rost, Ph.D.
Vybraná rozdělení spojitých náhodných veličin, deskriptivní statistika Ing. Michael Rost, Ph.D. Třídění Základním zpracováním dat je jejich třídění. Jde o uspořádání získaných dat, kde volba třídícího
VíceMgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu
Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu K čemu slouží statistika Popisuje velké soubory dat pomocí charakteristických čísel (popisná statistika). Hledá skryté zákonitosti v souborech
VíceMetodologie pro ISK II
Metodologie pro ISK II Všechny hodnoty z daného intervalu Zjišťujeme: Centrální míry Variabilitu Šikmost, špičatost Percentily (decily, kvantily ) Zobrazení: histogram MODUS je hodnota, která se v datech
VícePočítačové modelování a statistická analýza rozdělení příjmů
Počítačové modelování a statistická analýza rozdělení příjmů Autor: Vedoucí práce: RNDr. Jiří Škvor, Ph.D. Přírodovědecká fakulta Univerzita Jana Evangelisty Purkyně v Ústí nad Labem 27. května 213 Reálná
VíceNejčastější chyby v explorační analýze
Nejčastější chyby v explorační analýze Obecně doporučuju přečíst přednášku 5: Výběrová šetření, Exploratorní analýza http://homel.vsb.cz/~lit40/sta1/materialy/io.pptx Použití nesprávných charakteristik
VíceMETODY DESKRIPTIVNÍ STATISTIKY
zhanel@fsps.muni.cz MĚŘENÍ A ŠKÁLY METODY DESKRIPTIVNÍ STATISTIKY 1. URČENÍ TYPU ŠKÁLY (nominální, ordinální, metrické) a) nominální + ordinální neparametrické stat. metody b) metrické parametrické statistické
VícePřidělování CPU Mgr. Josef Horálek
Přidělování CPU Mgr. Josef Horálek Přidělování CPU = Přidělování CPU je základ multiprogramového OS = pomocí přidělování CPU různým procesům OS zvyšuje výkon výpočetního systému; = Základní myšlenka multiprogramování
VíceTématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"
Tématické okruhy pro státní závěrečné zkoušky bakalářské studium studijní obor "Management jakosti" školní rok 2010/2011 Management jakosti A 1. Pojem jakosti a význam managementu jakosti v současném období.
VíceZpracování náhodného výběru. Ing. Michal Dorda, Ph.D.
Př. : Stanovte jednotlivé četnosti a číselné charakteristiky zadaného statistického souboru a nakreslete krabicový graf:, 8, 7, 43, 9, 47, 4, 34, 34, 4, 35. Statistický soubor seřadíme vzestupně podle
VíceVŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky SMAD
VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: SMAD Cvičení Ostrava, AR 2016/2017 Popis datového souboru Pro dlouhodobý
VíceStatistika. cílem je zjednodušit nějaká data tak, abychom se v nich lépe vyznali důsledkem je ztráta informací!
Statistika aneb známe tři druhy lži: úmyslná neúmyslná statistika Statistika je metoda, jak vyjádřit nejistá data s přesností na setinu procenta. den..00..00 3..00..00..00..00..00..00..00..00..00..00 3..00..00..00..00..00..00..00
VíceZpracování náhodného výběru. Ing. Michal Dorda, Ph.D.
Zpracování náhodného výběru popisná statistika Ing. Michal Dorda, Ph.D. Základní pojmy Úkolem statistiky je na základě vlastností výběrového souboru usuzovat o vlastnostech celé populace. Populace(základní
VíceProgram Statistica Base 9. Mgr. Karla Hrbáčková, Ph.D.
Program Statistica Base 9 Mgr. Karla Hrbáčková, Ph.D. OBSAH KURZU obsluha jednotlivých nástrojů, funkce pro import dat z jiných aplikací, práce s popisnou statistikou, vytváření grafů, analýza dat, výstupní
VíceCvičení 3. Posudek únosnosti ohýbaného prutu. Software FREET Simulace metodou Monte Carlo Simulace metodou LHS
Spolehlivost a bezpečnost staveb, 4. ročník bakalářského studia (všechny obory) Cvičení 3 Posudek únosnosti ohýbaného prutu Software FREET Simulace metodou Monte Carlo Simulace metodou LHS Katedra stavební
VíceRegresní a korelační analýza
Přednáška STATISTIKA II - EKONOMETRIE Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Regresní analýza Cíl regresní analýzy: stanovení formy (trendu, tvaru, průběhu)
VíceMATEMATIKA III V PŘÍKLADECH
VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ MATEMATIKA III V PŘÍKLADECH Cvičení 8 Statistický soubor s jedním argumentem Mgr. Petr Otipka Ostrava 2013 Mgr. Petr Otipka Vysoká škola
VícePředpoklad o normalitě rozdělení je zamítnut, protože hodnota testovacího kritéria χ exp je vyšší než tabulkový 2
Na úloze ukážeme postup analýzy velkého výběru s odlehlými prvky pro určení typu rozdělení koncentrace kyseliny močové u 50 dárců krve. Jaká je míra polohy a rozptýlení uvedeného výběru? Z grafických diagnostik
VíceÚloha č. 2 - Kvantil a typická hodnota. (bodově tříděná data): (intervalově tříděná data): Zadání úlohy: Zadání úlohy:
Úloha č. 1 - Kvantily a typická hodnota (bodově tříděná data): Určete typickou hodnotu, 40% a 80% kvantil. Tabulka hodnot: Varianta Četnost 0 4 1 14 2 17 3 37 4 20 5 14 6 7 7 11 8 20 Typická hodnota je
VíceZáklady teorie pravděpodobnosti
Základy teorie pravděpodobnosti Náhodná veličina Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 12. února 2012 Statistika by Birom Základy teorie
VíceTEMATICKÝ PLÁN VÝUKY
TEMATICKÝ PLÁN VÝUKY Studijní obor: 23-41 - M/1 Strojírenství Zaměření: Předmět: Matematika Ročník: 4. Počet hodin týdně: 4 Počet hodin celkem: Tento plán vychází z rámcového vzdělávacího programu pro
VíceTest z teorie VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY
VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY Test z teorie 1. Střední hodnota pevně zvolené náhodné veličiny je a) náhodná veličina, b) konstanta, c) náhodný jev, d) výběrová charakteristika. 2. Výběrový
Více31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě
31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě Motto Statistika nuda je, má však cenné údaje. strana 3 Statistické charakteristiky Charakteristiky polohy jsou kolem ní seskupeny ostatní hodnoty
VíceTECHNICKÁ UNIVERZITA V LIBERCI SEMESTRÁLNÍ PRÁCE
TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Studentská 2 461 17 Liberec 1 SEMESTRÁLNÍ PRÁCE STATISTICKÝ ROZBOR DAT Z DOTAZNÍKOVÝCH ŠETŘENÍ Gabriela Dlasková, Veronika Bukovinská Sára Kroupová, Dagmar
VíceČíselné charakteristiky a jejich výpočet
Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz charakteristiky polohy charakteristiky variability charakteristiky koncetrace charakteristiky polohy charakteristiky
Více