Dopravní plánování a modelování (11 DOPM )

Rozměr: px
Začít zobrazení ze stránky:

Download "Dopravní plánování a modelování (11 DOPM )"

Transkript

1 Department of Appled Mathematcs Faculty of ransportaton Scences Czech echncal Unversty n Prague Dopravní plánování a modelování (11 DOPM ) Lekce 5: FSM: rp dstrbuton Prof. Ing. Ondře Přbyl, Ph.D. Ing. Mlan Kříž

2 Obsah přednášky Úvod Náhodný model Gravtační model Prncp maxmalzace entrope Řešení okraových podmínek Obecný model dstrbuce cest 2

3 Úvod Source: 3

4 rp dstrbuton 4

5 rp dstrbuton Jedná se o rozdělení a přdělení dsponblty každé zóny O na všechny možné cíle atraktvty každé zóny D na všechny možné zdroe dodržení hodnot O a D, případně alespoň Výpočet přemísťovacích vztahů v matc příslušné modelované oblast a příslušné část poptávky Oba dva směry působí současně a nezávsle 5

6 rp dstrbuton Velkost ednotlvých přemísťovacích vztahů závsí na: uvažované skupně osob dsponbltě atraktvtě dopravní sít / dopravních módech modelované oblast Vstupní data: hodnoty O, D a dopravní síť a eí ohodnocení užvatel pravdlo pro výpočet trp dstrbuton 6

7 Náhodný model Losume dvoce míčků Míčky se znakem Počet míčků s určtým znakem = O Míčky se znakem Počet míčků s určtým znakem = D Počet míčků v každém osudí 7

8 Náhodný model P počátek = O P konec = D = P počátek konec = P počátek P konec = O D = O D 8

9 Náhodný model O D P počátek = O P konec = D = P počátek konec = P počátek P konec = O D = O D 9

10 Náhodný model Náklady nesou zohledněny, resp. maí na všech relacích stenou hodnotu: f(x ) = 1 Aplkace: modely měst do velkost o průměru cca 6 km pro IAD, resp. VD určté páry aktvt (např. dálkové služební cesty) O skutečnost cíl 1 50,00 1 3,13 9,38 15,63 6,25 15,63 50,00 50, , ,50 37,50 62,50 25,00 62,50 200,00 200, , ,75 56,25 93,75 37,50 93,75 300,00 300, ,00 4 9,38 28,13 46,88 18,75 46,88 150,00 150, ,00 5 6,25 18,75 31,25 12,50 31,25 100,00 100,00 D 50,00 150,00 250,00 100,00 250,00 800,00 skutečnost 50,00 150,00 250,00 100,00 250,00 800,00 cíl 50,00 150,00 250,00 100,00 250,00 10

11 Obecný model př užtí ného ohodnocení nákladů (např. zakázat dagonálu) můžeme odvodt obecný model se zachováním hodnoty skutečnost cíl 1 0,00 9,38 15,63 6,25 15,63 46,88 50, ,50 0,00 62,50 25,00 62,50 162,50 200, ,75 56,25 0,00 37,50 93,75 206,25 300,00 4 9,38 28,13 46,88 0,00 46,88 131,25 150,00 5 6,25 18,75 31,25 12,50 0,00 68,75 100,00 skutečnost 46,88 112,50 156,25 81,25 218,75 615,63 cíl 50,00 150,00 250,00 100,00 250,00 800,00 = f X O D σ σ f X O D skutečnost cíl 1 0,00 12,18 20,30 8,12 20,30 60,91 50, ,24 0,00 81,22 32,49 81,22 211,17 200, ,37 73,10 0,00 48,73 121,83 268,02 300, ,18 36,55 60,91 0,00 60,91 170,56 150,00 5 8,12 24,37 40,61 16,24 0,00 89,34 100,00 skutečnost 60,91 146,19 203,05 105,58 284,26 800,00 cíl 50,00 150,00 250,00 100,00 250,00 800,00 = f X O D σ σ f X O D 11

12 ypy modelů Způsoby ohodnocení nákladů odvozeny z různých zdroů: zákony fyzky ekonometrcké přístupy psychologcké vnímání teore nformace 12

13 Gravtační model Analoge s fyzkálním gravtačním zákonem: F g = κ m 1 m 2 r 2 Použt ž v roce 1891 Eduardem Lllem vrchní nspektor Rakouské severozápadní dráhy (ÖNWB) aplkoval zákon na přepravní vztahy na tratích ÖNWB 13

14 14

15 Gravtační zákon klascký gravtační zákon: zohlednění pouze celkového počtu cest mplctně aplkace vážení potencálem zóny (zdroovým cílovým) = O D X 2 σ σ O D X 2 = O D X α σ σ O D X α = X α O D σ σ X α O D 15

16 Gravtační zákon = X α O D σ σ X α O D O X a 1 50,00 1 0,00 1,00 2,00 3,00 4,00 0, ,00 2 1,00 1,00 2,00 3,00 4, ,00 3 2,00 2,00 2,00 3,00 4, ,00 4 3,00 3,00 3,00 3,00 4, ,00 5 4,00 4,00 4,00 4,00 4,00 D 50,00 150,00 250,00 100,00 250,00 800,00 f(x) skutečnost cíl 1 1,00 1,00 0,81 0,72 0,66 1 4,19 12,56 17,01 6,02 13,82 53,60 50,00 2 1,00 1,00 0,81 0,72 0, ,75 50,26 68,03 24,10 55,26 214,40 200,00 3 0,81 0,81 0,81 0,72 0, ,41 61,23 102,05 36,15 82,89 302,73 300,00 4 0,72 0,72 0,72 0,72 0,66 4 9,04 27,11 45,18 18,07 41,45 140,85 150,00 5 0,66 0,66 0,66 0,66 0,66 5 5,53 16,58 27,63 11,05 27,63 88,42 100,00 skutečnost 55,91 167,74 259,91 95,39 221,05 800,00 cíl 50,00 150,00 250,00 100,00 250,00 800,00 16

17 Prncp maxmalzace entrope Systémy maí tendenc přecházet do stavu s nevyšší pravděpodobností př zohlednění působení vněších sl Vz též knetcká teore plynů Systémová podmínka: σ σ X = const. Ekvvalentní vyádření: σ σ X σ σ = തX = const. (celočíselná) maxmalzace entrope E =! ς! MAX Pro necelá čísla za použtí Strlngova vzorce upravená krterální funkce: σ σ ln MIN Opět předpokládáme dodržení 17

18 Prncp maxmalzace entrope Mkro-stav / mezo-stav, resp. makro-stav a b b a b 1 a a 1 b E =! ς! = 2! 1! 0! 1! 0! = 2 18

19 Prncp maxmalzace entrope O X ,00 1 0,00 1,00 2,00 3,00 4, ,00 2 1,00 1,00 2,00 3,00 4, ,00 3 2,00 2,00 2,00 3,00 4, ,00 4 3,00 3,00 3,00 3,00 4, ,00 5 4,00 4,00 4,00 4,00 4,00 D 50,00 150,00 250,00 100,00 250,00 800,00 E skutečnost cíl ,45 289,55 28,96 0,32-0, ,55 84,31 16,22 3,02 0,60 543,69 50, ,36 289,36 28,96 0,32-0, ,26 84,26 16,22 3,02 0,60 188,36 200, ,96 28,96 28,96 0,32-0, ,22 16,22 16,22 3,02 0,60 52,27 300,00 4 0,32 0,32 0,32 0,32-0,91 4 3,02 3,02 3,02 3,02 0,60 12,68 150,00 5-0,91-0,91-0,91-0,91-0,91 5 0,60 0,60 0,60 0,60 0,60 3,00 100, ,58 skutečnost 543,65 188,41 52,27 12,68 3,00 800,00 cíl 50,00 150,00 250,00 100,00 250,00 800,00 C ,00 84,31 32,43 9,06 2, ,26 84,26 32,43 9,06 2, ,43 32,43 32,43 9,06 2,40 cíl 4 9,06 9,06 9,06 9,06 2, ,40 2,40 2,40 2,40 2,40 500,00 19

20 Prncp maxmalzace entrope Výsledný vztah: = e β X σ σ e β X X - norm výpočet 1, ,55 1, , ,26 0, , ,22 0, , ,02 0, , ,60 0, ,

21 Logt model eore dskrétní volby (vz další přednáška) Výsledný vztah stený ako u prncpu maxmalzace entrope = e β X σ σ e β X O X b 1 50,00 1 0,00 1,00 2,00 3,00 4,00 1, ,00 2 1,00 1,00 2,00 3,00 4, ,00 3 2,00 2,00 2,00 3,00 4, ,00 4 3,00 3,00 3,00 3,00 4, ,00 5 4,00 4,00 4,00 4,00 4,00 D 50,00 150,00 250,00 100,00 250,00 800,00 f(x) skutečnost cíl 1 1,00 0,19 0,04 0,01 0, ,61 84,23 16,14 3,09 0,59 543,67 50,00 2 0,19 0,19 0,04 0,01 0, ,23 84,23 16,14 3,09 0,59 188,30 200,00 3 0,04 0,04 0,04 0,01 0, ,14 16,14 16,14 3,09 0,59 52,11 300,00 4 0,01 0,01 0,01 0,01 0,00 4 3,09 3,09 3,09 3,09 0,59 12,96 150,00 5 0,00 0,00 0,00 0,00 0,00 5 0,59 0,59 0,59 0,59 0,59 2,96 100,00 skutečnost 543,67 188,30 52,11 12,96 2,96 800,00 cíl 50,00 150,00 250,00 100,00 250,00 800,00 21

22 Obecný model V zásadě e možné zvolt lbovolnou funkc Obecně lepší zvonovtý tvar, který lépe zobrazue ohodnocení nákladů, avšak zpravdla složtěší matematcké operace = f X σ σ f X 22

23 Řešení okraových podmínek Kromě ohodnocení nákladů e třeba brát eště v úvahu okraové podmínky Dosud řešeno pouze dodržení skutečnost cíl 1 439,61 84,23 16,14 3,09 0,59 543,67 50, ,23 84,23 16,14 3,09 0,59 188,30 200, ,14 16,14 16,14 3,09 0,59 52,11 300,00 4 3,09 3,09 3,09 3,09 0,59 12,96 150,00 5 0,59 0,59 0,59 0,59 0,59 2,96 100,00 skutečnost 543,67 188,30 52,11 12,96 2,96 800,00 cíl 50,00 150,00 250,00 100,00 250,00 800,00 Zohlednění prostorových omezení: ednostranně omezený model (fxace edné strany) oboustranně omezený model 23

24 Jednostranně omezený model Fxace edné strany znamená, že tato bude přesně dodržena Zpravdla bývá fxace na straně domácí aktvty (pokud se aplkue) gravtační model (mplctně obsahue potencály ako váhy): = X α D σ X α O D = X α O σ X α D O logt model: = e β X σ e β X O = e β X σ e β X D 24

25 Jednostranně omezený model Gravtační model fxovaný přes zdro (zdroově fxovaný): O X a 1 50,00 1 0,00 1,00 2,00 3,00 4,00 0, ,00 2 1,00 1,00 2,00 3,00 4, ,00 3 2,00 2,00 2,00 3,00 4, ,00 4 3,00 3,00 3,00 3,00 4, ,00 5 4,00 4,00 4,00 4,00 4,00 D 50,00 150,00 250,00 100,00 250,00 800,00 f(x) skutečnost cíl 1 1,00 1,00 0,57 0,42 0,33 1 5,35 16,04 15,35 4,44 8,82 50,00 50,00 2 1,00 1,00 0,57 0,42 0, ,39 64,16 61,42 17,76 35,27 200,00 200,00 3 0,57 0,57 0,57 0,42 0, ,53 67,58 112,63 32,57 64,69 300,00 300,00 4 0,42 0,42 0,42 0,42 0, ,02 30,06 50,09 20,04 39,79 150,00 150,00 5 0,33 0,33 0,33 0,33 0,33 5 6,25 18,75 31,25 12,50 31,25 100,00 100,00 skutečnost 65,53 196,59 270,75 87,31 179,83 800,00 cíl 50,00 150,00 250,00 100,00 250,00 800,00 25

26 Jednostranně omezený model Výhody/nevýhody: ednoduchý výpočet není potřeba teratvní výpočet není ale možné obecně dodržet O a D zároveň 26

27 Oboustranně omezený model Matce přemísťovacích vztahů s okraovým podmínkam n řádkových součtů n sloupcových součtů celkově 2 n rovnc n*n neznámých O = D = 27

28 Okraové podmínky

29 Prncp maxmalzace entrope Systémová podmínka: σ σ X = const. Ekvvalentní vyádření: σ σ X σ σ = തX = const. (celočíselná) maxmalzace entrope E =! ς! MAX Pro necelá čísla za použtí Strlngova vzorce upravená krterální funkce: σ σ ln MIN Okraové podmínky: O mn O O max D mn D D max 29

30 Prncp maxmalzace entrope Řešení: = e β X fo fd O mn O O max D mn D D max Okraové podmínky mohou být elastcké nebo neelastcké 30

31 Mnmalzace nformačního zsku Měřítko odchylky ednoho pravděpodobnostního rozdělení od druhého I f X = O D mn mn O D ln f X MIN O D max max Hledáme příslušnou matc: = f f X, O, D 31

32 Obecný model dstrbuce cest Řešení: = f X fo fd O mn O O max D mn D D max Okraové podmínky mohou být elastcké nebo neelastcké Obecně e možno použít lbovolnou funkc ohodnocení 32

33 Obecný model dstrbuce cest Řešení matce: koefcenty fo a fd musí být určeny tak, aby byly zároveň dodrženy všechny O a D e nutné řešt teratvním algortmem Používané metody: MULI FURNESS DEROI FRAAR 33

34 Model růstových koefcentů Exstue matce přepravních vztahů (např. ze sčítání nebo odhadů) ato matce e dostatečně reprezentatvní, avšak ž ne aktuální Od vytvoření matce nedošlo k významným změnám ve struktuře území Steně tak nedošlo ke změnám v dopravní nabídce = fo fd mn max O O O D mn D D max 34

35 Použté zdroe Ben-Akva, Moshe. ransportaton Systems Analyss: Demand & Economcs. Podklady k přednáškám Lohse, Deter. Grundlagen der Strassenverkehrstechnk und der Verkehrsplanung. Band 2, Verkehrsplanung. Berln, Ortúzar, J. de D. & Wllumsen, L. Modellng ransport. Chchester, Schller, Chrstan. heore der Verkehrsplanung I + II. Podklady k přednáškám

36 Department of Appled Mathematcs Faculty of ransportaton Scences Czech echncal Unversty n Prague Děku Vám za pozornost 11DOPM O. Přbyl, M. Kříž 3

Dopravní plánování a modelování (11 DOPM )

Dopravní plánování a modelování (11 DOPM ) Department of Appled Mathematcs Faculty of Transportaton cences Czech Techncal Unversty n Prague Dopravní plánování a modelování (11 DOPM ) Lekce 4: FM: Trp generaton Doc. Ing. Ondře Přbyl, Ph.D. Ing.

Více

Dopravní plánování a modelování (11 DOPM )

Dopravní plánování a modelování (11 DOPM ) Department of Applied Mathematics Faculty of Transportation Sciences Czech Technical University in Prague Dopravní plánování a modelování (11 DOPM ) Lekce 7: FSM: Trip assignment Prof. Ing. Ondřej Přibyl,

Více

Teorie her a ekonomické rozhodování. 10. Rozhodování při jistotě, riziku a neurčitosti

Teorie her a ekonomické rozhodování. 10. Rozhodování při jistotě, riziku a neurčitosti Teore her a ekonomcké rozhodování 10. Rozhodování př stotě, rzku a neurčtost 10.1 Jednokrterální dskrétní model Jednokrterální model rozhodování: f a ) max a Aa, a,..., a ( 1 2 f krterální funkce (zsk,

Více

Použití potenciální dostupnosti pro hodnocení dopravních projektů

Použití potenciální dostupnosti pro hodnocení dopravních projektů České vysoké učení techncké v Praze 6. řína 2016 Praha, Česká republka Použtí potencální dostupnost pro hodnocení dopravních proektů Mlan Kříž, Vít Janoš Abstract: Contemporary transport proect assessments

Více

Metody vícekriteriálního hodnocení variant a jejich využití při výběru produktu finanční instituce

Metody vícekriteriálního hodnocení variant a jejich využití při výběru produktu finanční instituce . meznárodní konference Řízení a modelování fnančních rzk Ostrava VŠB-TU Ostrava, Ekonomcká fakulta, katedra Fnancí 8. - 9. září 200 Metody vícekrterálního hodnocení varant a ech využtí př výběru produktu

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

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

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

Statistická energetická analýza (SEA)

Statistická energetická analýza (SEA) Hladna akustckého tlaku buzení harmonckou slou [db] Statstcká energetcká analýza (SA) V současné době exstue řada způsobů, ak řešt vbroakustcké problémy. odobně ako v ných odvětvích nženýrství, také ve

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

ANALÝZA ROZPTYLU (Analysis of Variance ANOVA)

ANALÝZA ROZPTYLU (Analysis of Variance ANOVA) NLÝZ OZPYLU (nalyss of Varance NOV) Používá se buď ako samostatná technka, nebo ako postup, umožňuící analýzu zdroů varablty v lneární regres. Př. použtí: k porovnání středních hodnot (průměrů) více než

Více

1. Úvod. Cílem teorie her je popsat situaci, která nás zajímá, jako hru. Klasickým případem

1. Úvod. Cílem teorie her je popsat situaci, která nás zajímá, jako hru. Klasickým případem Kvaternon 2/204, 79 98 79 MATICOVÉ HRY V INŽENÝRSTVÍ JAROSLAV HRDINA a PETR VAŠÍK Abstrakt. Následuící text pokrývá eden z cyklů přednášek předmětu Aplkovaná algebra pro nženýry (0AA) na FSI VUT. Text

Více

MODELOVÁNÍ A SIMULACE

MODELOVÁNÍ A SIMULACE MODELOVÁNÍ A SIMULACE základní pojmy a postupy vytváření matematckých modelů na základě blancí prncp numerckého řešení dferencálních rovnc základy práce se smulačním jazykem PSI Základní pojmy matematcký

Více

Pružnost a plasticita II

Pružnost a plasticita II Pružnost a plastcta II 3. ročník bakalářského stua oc. Ing. Martn Kresa Ph.D. Katera stavební mechank Řešení nosných stěn metoou sítí 3 Řešení stěn metoou sítí metoa sítí (metoa konečných ferencí) těnová

Více

u (x i ) U i 1 2U i +U i+1 h 2. Na hranicích oblasti jsou uzlové hodnoty dány okrajovými podmínkami bud přímo

u (x i ) U i 1 2U i +U i+1 h 2. Na hranicích oblasti jsou uzlové hodnoty dány okrajovými podmínkami bud přímo Metoda sítí základní schémata h... krok sítě ve směru x, tj. h = x x q... krok sítě ve směru y, tj. q = y j y j τ... krok ve směru t, tj. τ = j... hodnota přblžného řešení v uzlu (x,y j ) (Possonova rovnce)

Více

APLIKACE MATEMATICKÉHO PROGRAMOVÁNÍ PŘI NÁVRHU STRUKTURY DISTRIBUČNÍHO SYSTÉMU

APLIKACE MATEMATICKÉHO PROGRAMOVÁNÍ PŘI NÁVRHU STRUKTURY DISTRIBUČNÍHO SYSTÉMU APLIKACE MATEMATICKÉHO PROGRAMOVÁNÍ PŘI NÁVRHU STRUKTURY DISTRIBUČNÍHO SYSTÉMU APPLICATION OF MATHEMATICAL PROGRAMMING IN DESIGNING THE STRUCTURE OF THE DISTRIBUTION SYSTEM Martn Ivan 1 Anotace: Prezentovaný

Více

Pružnost a plasticita II

Pružnost a plasticita II Pružnost a plastcta II 3 ročník bakalářského studa doc Ing Martn Kresa PhD Katedra stavební mechank Řešení pravoúhlých nosných stěn metodou sítí Statcké schéma nosné stěn q G υ (μ) h l d 3 wwwfastvsbcz

Více

Cvičení 13 Vícekriteriální hodnocení variant a vícekriteriální programování

Cvičení 13 Vícekriteriální hodnocení variant a vícekriteriální programování Cvčení 3 Vícekrterální hodnocení varant a vícekrterální programování Vícekrterální rozhodování ) vícekrterální hodnocení varant konkrétní výčet, seznam varant ) vícekrterální programování varanty ve formě

Více

Dopravní plánování a modelování (11 DOPM )

Dopravní plánování a modelování (11 DOPM ) Department of Applied Mathematics Faculty of Transportation Sciences Czech Technical University in Prague Dopravní plánování a modelování (11 DOPM ) VISUM kalibrace, validace, prognóza Prof. Ing. Ondřej

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

Rovinný svazek sil. Lze odvodit z obecného prostorového svazku sil vyloučením jedné dimenze. =F i. =F ix. F 2x. e 2. = F 1x. F ix. n Fi sin i.

Rovinný svazek sil. Lze odvodit z obecného prostorového svazku sil vyloučením jedné dimenze. =F i. =F ix. F 2x. e 2. = F 1x. F ix. n Fi sin i. Rovnný svazek sl Lze odvodt z obecného prostorového svazku sl vloučením edné dmenze = cos cos =sn e 2 = cos = sn = e 1 e 2 e 1 Určení výslednce r n r = =1 r e 1 r e 2 =...e 1...e 2 : r = n = n =1 =1 n

Více

Matematické modelování ve stavební fyzice

Matematické modelování ve stavební fyzice P6 - Numercké řešení vedení tepla ve stěně Obsa: Stěna z omogennío materálu Stěna z různýc materálů Okraové podmínky Dvorozměrné vedení tepla Rovnce vedení tepla Rovnce kontnuty (v 1D) dq qcd, x qcd, x

Více

Segmentace. Ilona Janáková. Rozvrh přednášky:

Segmentace. Ilona Janáková. Rozvrh přednášky: 1 / 31 Segmentace Ilona Janáková Rozvrh přednášky: 1. Úvod do segmentace. 2. Segmentace prahováním. 3. Segmentace z obrazu hran. 4. Segmentace z obrazu hran - Houghova transformace. 2 / 31 Segmentace Ilona

Více

Iterační výpočty. Dokumentace k projektu pro předměty IZP a IUS. 22. listopadu projekt č. 2

Iterační výpočty. Dokumentace k projektu pro předměty IZP a IUS. 22. listopadu projekt č. 2 Dokumentace k projektu pro předměty IZP a IUS Iterační výpočty projekt č.. lstopadu 1 Autor: Mlan Setler, setl1@stud.ft.vutbr.cz Fakulta Informačních Technologí Vysoké Učení Techncké v Brně Obsah 1 Úvod...

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

MANAŽERSKÉ ROZHODOVÁNÍ

MANAŽERSKÉ ROZHODOVÁNÍ MANAŽERSKÉ ROZHODOVÁNÍ Téma 14 POSUZOVÁNÍ A HODNOCENÍ VARIANT doc. Ing. Monka MOTYČKOVÁ (Grasseová), Ph.D. Unverzta obrany Fakulta ekonomka a managementu Katedra voenského managementu a taktky Kouncova

Více

Agregace vzájemné spojování destabilizovaných částic ve větší celky, případně jejich adheze na povrchu jiných materiálů

Agregace vzájemné spojování destabilizovaných částic ve větší celky, případně jejich adheze na povrchu jiných materiálů Agregace - úvod 1 Agregace vzáemné spoování destablzovaných částc ve větší cely, případně ech adheze na povrchu ných materálů Částce mohou agregovat, poud vyazuí adhezní schopnost a poud e umožněno ech

Více

Monte Carlo metody Josef Pelikán CGG MFF UK Praha.

Monte Carlo metody Josef Pelikán CGG MFF UK Praha. Monte Carlo metody 996-7 Josef Pelkán CGG MFF UK Praha pepca@cgg.mff.cun.cz http://cgg.mff.cun.cz/~pepca/ Monte Carlo 7 Josef Pelkán, http://cgg.ms.mff.cun.cz/~pepca / 44 Monte Carlo ntegrace Odhadovaný

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

Matematika I A ukázkový test 1 pro 2018/2019

Matematika I A ukázkový test 1 pro 2018/2019 Matematka I A ukázkový test 1 pro 2018/2019 1. Je dána soustava rovnc s parametrem a R x y + z = 1 x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a a) Napšte Frobenovu větu (předpoklady + tvrzení). b) Vyšetřete

Více

2 ÚVOD DO TEORIE PRAVDĚPODOBNOSTI. 2.1 Náhodný jev. π, které je třeba co nejpřesněji a nejúplněji vymezit, a k nimž je třeba výsledky pokusu a

2 ÚVOD DO TEORIE PRAVDĚPODOBNOSTI. 2.1 Náhodný jev. π, které je třeba co nejpřesněji a nejúplněji vymezit, a k nimž je třeba výsledky pokusu a ÚVOD DO TEORIE PRAVDĚPODOBNOSTI.1 Náhodný ev Tato kaptola uvádí souhrn základních pomů a postupů teore pravděpodobnost, které se uplatňuí př rozboru spolehlvost stavebních konstrukcí a systémů. Výklad

Více

1. Nejkratší cesta v grafu

1. Nejkratší cesta v grafu 08. Nekratší cesty. Úloha obchodního cestuícího. Heurstky a aproxmační algortmy. Metoda dynamckého programování. Problém batohu. Pseudopolynomální algortmy 1. Nekratší cesta v grafu - sled e lbovolná posloupnost

Více

2.5. MATICOVÉ ŘEŠENÍ SOUSTAV LINEÁRNÍCH ROVNIC

2.5. MATICOVÉ ŘEŠENÍ SOUSTAV LINEÁRNÍCH ROVNIC 25 MATICOVÉ ŘEŠENÍ SOUSTAV LINEÁRNÍCH ROVNIC V této kaptole se dozvíte: jak lze obecnou soustavu lneárních rovnc zapsat pomocí matcového počtu; přesnou formulac podmínek řeštelnost soustavy lneárních rovnc

Více

Agregace v reálných systémech

Agregace v reálných systémech Agregace v reálných systémech 1 Zednodušuící předpoklady př popsu knetky agregace: o koefcent účnnost srážek (kolzní koefcent) α = 1, o pohyb částc e zapříčněn lamnárním prouděním kapalny, o všechny částce

Více

Porovnání GUM a metody Monte Carlo

Porovnání GUM a metody Monte Carlo Porovnání GUM a metody Monte Carlo Ing. Tomáš Hajduk Nejstota měření Parametr přřazený k výsledku měření Vymezuje nterval, o němž se s určtou úrovní pravděpodobnost předpokládá, že v něm leží skutečná

Více

Lokace odbavovacího centra nákladní pokladny pro víkendový provoz

Lokace odbavovacího centra nákladní pokladny pro víkendový provoz Markéta Brázdová 1 Lokace odbavovacího centra nákladní pokladny pro víkendový provoz Klíčová slova: odbavování záslek, centrum grafu, vážená excentrcta vrcholů sítě, časová náročnost odbavení záslky, vážená

Více

VÝZNAM TEORIE DUALITY V OPERAČNÍ ANALÝZE THEORY OF DUALITY IN OPERATIONAL ANALYSIS. ZÍSKAL Jan. Abstract

VÝZNAM TEORIE DUALITY V OPERAČNÍ ANALÝZE THEORY OF DUALITY IN OPERATIONAL ANALYSIS. ZÍSKAL Jan. Abstract VÝZNAM EORIE DUALIY V OPERAČNÍ ANALÝZE HEORY OF DUALIY IN OPERAIONAL ANALYSIS ZÍSKAL Jan Abstract hs paper summarzes knowledge from lterature and results of research n dual theor at the Department of sstems

Více

Lineární a adaptivní zpracování dat. 8. Kumulační zvýrazňování signálů v šumu 2

Lineární a adaptivní zpracování dat. 8. Kumulační zvýrazňování signálů v šumu 2 Lneární a adaptvní zpracování dat 8. Kumulační zvýrazňování sgnálů v šumu 2 Danel Schwarz Investce do rozvoe vzdělávání Opakování Kumulační zpracování sgnálů co to e, k čemu to e? Prncp metody? Nutné podmínky

Více

4/3.3. bodem v rovině (tvoří rovinný svazek sil), jsou vždy. rovnice z-ová. Pro rovnováhu takové soustavy

4/3.3. bodem v rovině (tvoří rovinný svazek sil), jsou vždy. rovnice z-ová. Pro rovnováhu takové soustavy STROJNICKÁ PŘÍRUČKA čá s t 4, d íl 3, k a p to la 3, str. 1 díl 3, Statka 4/3.3 ROVNOVÁHA TĚLESA Procházejí-l po uvolnění tělesa všechny síly jedním bodem v rovně (tvoří rovnný svazek sl), jsou vždy splněny

Více

Tepelná kapacita = T. Ē = 1 2 hν + hν. 1 = 1 e x. ln dx. Einsteinův výpočet (1907): Soustava N nezávislých oscilátorů se stejnou vlastní frekvencí má

Tepelná kapacita = T. Ē = 1 2 hν + hν. 1 = 1 e x. ln dx. Einsteinův výpočet (1907): Soustava N nezávislých oscilátorů se stejnou vlastní frekvencí má Tepelná kapacta C x = C V = ( ) dq ( ) du Dulong-Pettovo pravdlo: U = 3kT N C V = 3kN x V = T ( ) ds x Tepelná kapacta mřížky Osclátor s kvantovanou energí E n = ( n + 2) hν má střední hodnotu energe (po

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometre Specální případy použtí MNČ Cvčení 8 Zuzana Dlouhá Specální případy použtí MNČ cvčení 1 7 = ekonometrcký model, který byl lneární v proměnných v parametrech MNČ můžeme použít,

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometre Specální případy použtí MNČ Cvčení 9 Zuzana Dlouhá Specální případy použtí MNČ cvčení 1 8 = ekonometrcký model, který byl lneární v proměnných v parametrech MNČ můžeme použít,

Více

ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN

ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN V dokumentu 7a_korelacn_a_regresn_analyza jsme řešl rozdíl mez korelační a regresní analýzou. Budeme se teď věnovat pouze lneárnímu vztahu dvou velčn, protože je nejjednodušší

Více

Umělé neuronové sítě a Support Vector Machines. Petr Schwraz

Umělé neuronové sítě a Support Vector Machines. Petr Schwraz Umělé neuronové sítě a Support Vector Machnes Petr Schraz scharzp@ft.vutbr.cz Perceptron ( neuron) x x x N f() y y N f ( x + b) x vstupy neuronu váhy jednotlvých vstupů b aktvační práh f() nelneární funkce

Více

LINEÁRNÍ PROGRAMOVÁNÍ

LINEÁRNÍ PROGRAMOVÁNÍ LINEÁRNÍ PROGRAMOVÁNÍ Lneární programování e druh matematckého programování. Matematcký model se skládá z:. účelové funkce. omezuících podmínek (vlastní omezení a podmínk nezápornost) Účelová funkce omezuící

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOS A SAISIKA Regulární systém hustot Vychází se z: -,, P - pravděpodobnostní prostor -, R neprázdná množna parametrů - X X 1,, náhodný vektor s sdruženou hustotou X n nebo s sdruženou pravděpodobnostní

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

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

Řešené příklady ze stavební fyziky

Řešené příklady ze stavební fyziky ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta stavební Řešené příklady ze stavební fyzky Šíření tepla konstrukcí, tepelná blance prostoru a vlhkostní blance vzduchu v ustáleném stavu doc. Dr. Ing. Zbyněk

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

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

8a.Objektové metody viditelnosti. Robertsův algoritmus

8a.Objektové metody viditelnosti. Robertsův algoritmus 8a. OBJEKOVÉ MEODY VIDIELNOSI Cíl Po prostudování této kaptoly budete znát metody vdtelnost 3D objektů na základě prostorových vlastností těchto objektů tvořt algortmy pro určování vdtelnost hran a stěn

Více

ZÁPADOČESKÁ UNIVERZITA V PLZNI

ZÁPADOČESKÁ UNIVERZITA V PLZNI ZÁPADOČESKÁ UNIVERZITA V PLZNI FAKULTA STROJNÍ Semestrální práce z předmětu MM Stanovení deformace soustav ocelových prutů Václav Plánčka 6..006 OBSAH ZADÁNÍ... 3 TEORETICKÁ ČÁST... 4 PRAKTICKÁ ČÁST...

Více

PROBLEMATIKA INTELIGENTNÍHO AUTOMATICKÉHO

PROBLEMATIKA INTELIGENTNÍHO AUTOMATICKÉHO PROBLEMATIKA INTELIGENTNÍHO AUTOMATICKÉHO MAPOVÁNÍ WEBOVÝCH STRÁNEK ŘIMNÁČ MARTIN 1, ŠUSTA RICHARD 2, ŽIVNŮSTKA JIŘÍ 3 Katedra řídcí technky, ČVUT-FEL, Techncká 2, Praha 6, tel. +42 224 357 359, fax. +

Více

Validation of the selected factors impact on the insured accident

Validation of the selected factors impact on the insured accident 6 th Internatonal Scentfc Conference Managng and Modellng of Fnancal Rsks Ostrava VŠB-TU Ostrava, Faculty of Economcs,Fnance Department 0 th th September 202 Valdaton of the selected factors mpact on the

Více

SIMULACE. Numerické řešení obyčejných diferenciálních rovnic. Měřicí a řídicí technika magisterské studium FTOP - přednášky ZS 2009/10

SIMULACE. Numerické řešení obyčejných diferenciálních rovnic. Měřicí a řídicí technika magisterské studium FTOP - přednášky ZS 2009/10 SIMULACE numercké řešení dferencálních rovnc smulační program dentfkace modelu Numercké řešení obyčejných dferencálních rovnc krokové metody pro řešení lneárních dferencálních rovnc 1.řádu s počátečním

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

Procesy paralelně komunikujících gramatických systé mů

Procesy paralelně komunikujících gramatických systé mů Procesy paralelně komunkuících gramatckých systé mů Pokroč lá témata z teoretckénformatky á věrečný proekt Autor: Ivan chwarz Abstrakt: Tato prá ce se zabý vá paralelně komunkuícím gramatcký m systé my

Více

TLOUŠŤKOVÁ A VÝŠKOVÁ STRUKTURA A JEJÍ MODELOVÁNÍ

TLOUŠŤKOVÁ A VÝŠKOVÁ STRUKTURA A JEJÍ MODELOVÁNÍ TLOUŠŤKOVÁ A VÝŠKOVÁ STRUKTURA A JEJÍ MODELOVÁNÍ 1 Vlastnosti tloušťkové struktury porostu tloušťky mají vyšší variabilitu než výšky světlomilné dřeviny mají křivku početností tlouštěk špičatější a s menší

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

Otto DVOŘÁK 1 NEJISTOTA STANOVENÍ TEPLOTY VZNÍCENÍ HOŘLAVÝCH PLYNŮ A PAR PARABOLICKOU METODOU PODLE ČSN EN 14522

Otto DVOŘÁK 1 NEJISTOTA STANOVENÍ TEPLOTY VZNÍCENÍ HOŘLAVÝCH PLYNŮ A PAR PARABOLICKOU METODOU PODLE ČSN EN 14522 Otto DVOŘÁK 1 NEJISTOTA STANOVENÍ TEPLOTY VZNÍCENÍ HOŘLAVÝCH PLYNŮ A PAR PARABOLICKOU METODOU PODLE ČSN EN 145 UNCERTAINTY OF DETEMINATION OF THE AUTO-IGNITION TEMPERATURE OF FLAMMABLE GASES OR VAPOURS

Více

Základy počítačové grafiky

Základy počítačové grafiky Základy počítačové gafky Pezentace přednášek Ústav počítačové gafky a multmédí Téma přednášky Radozta Motto Světlo se šíří podle fyzkálních zákonů! Př ealstcké zobazení vtuálních počítačových scén e poto

Více

STATISTICKÉ ZJIŠŤOVÁNÍ

STATISTICKÉ ZJIŠŤOVÁNÍ STATISTICKÉ ZJIŠŤOVÁNÍ ÚVOD Základní soubor Všechny ryby v rybníce, všechny holky/kluci na škole Cílem určit charakteristiky, pravděpodobnosti Průměr, rozptyl, pravděpodobnost, že Maruška kápne na toho

Více

Pomocné texty pro přípravu ke státním zkouškám

Pomocné texty pro přípravu ke státním zkouškám Pomocné texty pro přípravu ke státním zkouškám Jndřch Klapka, Vítězslav Ševčík 1. března 2014 15 Lneární programování, smplexová metoda, způsoby převádění optmalsačního problému na kanoncký tvar (Zde e

Více

Řešení radiační soustavy rovnic

Řešení radiační soustavy rovnic Řešení radační soustavy rovnc 1996-2016 Josef Pelkán CGG MFF UK Praha pepca@cgg.mff.cun.cz http://cgg.mff.cun.cz/~pepca/ RadSoluton 2016 Josef Pelkán, http://cgg.ms.mff.cun.cz/~pepca 1 / 23 Soustava lneárních

Více

Analýza nahraditelnosti aktivního systému úsekového měření rychlosti pasivním systémem P. Chmelař 1, L. Rejfek 1,2, M.

Analýza nahraditelnosti aktivního systému úsekového měření rychlosti pasivním systémem P. Chmelař 1, L. Rejfek 1,2, M. Ročník 03 Číslo II Analýza nahradtelnost aktvního systému úsekového měření rychlost pasvním systémem P. Chmelař, L. Refek,, M. Dobrovolný Katedra elektrotechnky, Fakulta elektrotechnky a nformatky, Unverzta

Více

LectureV. April 18, celou historii vývoje škálovacího faktoru a Hubleovy konstanty. Otázkou je, jak určit množství hmoty ve vesmíru.

LectureV. April 18, celou historii vývoje škálovacího faktoru a Hubleovy konstanty. Otázkou je, jak určit množství hmoty ve vesmíru. LectureV Aprl 18, 2016 1 Temná hmota V předchozích lekcích sme ukázal, že pokud známe celkové množství hmoty ve vesmíru a eí složení, známe celou hstor vývoe škálovacího faktoru a Hubleovy konstanty. Otázkou

Více

Přednášky část 4 Analýza provozních zatížení a hypotézy kumulace poškození, příklady. Milan Růžička

Přednášky část 4 Analýza provozních zatížení a hypotézy kumulace poškození, příklady. Milan Růžička Přednášky část 4 Analýza provozních zatížení a hypotézy kumulace poškození, příklady Mlan Růžčka mechanka.fs.cvut.cz mlan.ruzcka@fs.cvut.cz Analýza dynamckých zatížení Harmoncké zatížení x(t) přes soubor

Více

2. Definice pravděpodobnosti

2. Definice pravděpodobnosti 2. Defnce pravděpodobnost 2.1. Úvod: V přírodě se setkáváme a v přírodních vědách studujeme pomocí matematckých struktur a algortmů procesy dvojího druhu. Jednodušší jsou determnstcké procesy, které se

Více

Softwarová podpora matematických metod v ekonomice a řízení

Softwarová podpora matematických metod v ekonomice a řízení Softwarová podpora matematckých metod v ekonomce a řízení Petr Sed a Opava 2013 Hrazeno z prostředků proektu OPVK CZ.1.07/2.2.00/15.0174 Inovace bakalářských studních oborů se zaměřením na spoluprác s

Více

Staré mapy TEMAP - elearning

Staré mapy TEMAP - elearning Staré mapy TEMAP - elearnng Modul 4 Kartometrcké analýzy Ing. Markéta Potůčková, Ph.D., 2013 Přírodovědecká fakulta UK v Praze Katedra aplkované geonformatky a kartografe Kartometre a kartometrcké vlastnost

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

Jednosložkové soustavy

Jednosložkové soustavy Jednosložkové soustavy Fázové rovnováhy Prezentace je určena pro výuku. roč. studjního oboru Nanotechnologí a není dovoleno její šíření bez vědomí garanta předmětu. K jejímu vytvoření bylo použto materálů

Více

2. Posouzení efektivnosti investice do malé vtrné elektrárny

2. Posouzení efektivnosti investice do malé vtrné elektrárny 2. Posouzení efektvnost nvestce do malé vtrné elektrárny Cíle úlohy: Posoudt ekonomckou výhodnost proektu malé vtrné elektrárny pomocí základních metod hodnocení efektvnost nvestních proekt ako sou metoda

Více

Metoda digitalizace starých glóbů respektující jejich kartografické vlastnosti a Virtuální mapová sbírka Chartae-Antiquae.cz

Metoda digitalizace starých glóbů respektující jejich kartografické vlastnosti a Virtuální mapová sbírka Chartae-Antiquae.cz Metoda dgtalzace starých glóbů respektuící ech kartografcké vlastnost a Vrtuální mapová sbírka hartae-antquae.cz Mlan Talch, Klára Ambrožová, Flp Antoš, Ondře Böhm, Jan Havrlant, Lubomír Soukup XXXIV.

Více

SMR 1. Pavel Padevět

SMR 1. Pavel Padevět MR 1 Pvel Pdevět PŘÍHRADOVÉ KONTRUKCE REAKCE A VNITŘNÍ ÍLY PŘÍHRADOVÉ KONTRUKCE jsou prutové soustvy s kloubovým vzbm. Příhrdová konstrukce je tvořen z přímých prutů nvzájem spojených ve styčnících kloubovým

Více

Optimální trvanlivost nástroje

Optimální trvanlivost nástroje Ústav Strojírenské technologie Speciální technologie výroby Cvičení Optimální trvanlivost nástroje č. zadání: Zadání: Z naměřených hodnot opotřebení vyměnitelné břitové destičky určete optimální trvanlivost

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

Teoretický souhrn k 2. až 4. cvičení

Teoretický souhrn k 2. až 4. cvičení SYSTÉMOVÁ ANALÝZA A MODELOVÁNÍ Teoretcký souhrn k 2. ž 4. cvčení ZS 2009 / 200 . Vyezení zákldních poů.. Systé e Systé e účelově defnovná nožn prvků vze ez n, která spolu se svý vstupy výstupy vykzue ko

Více

Správa klí (key management)

Správa klí (key management) Tonda Beneš Ochrana nformace aro 2011 Správa klí (key management) významná ást bezpenostní stratege nad danou doménou Základním úkolem správy klí e kontrola klíového materálu po celou dobu eho exstence,

Více

PRAVDĚPODOBNOST A STATISTIKA. Testování hypotéz o rozdělení

PRAVDĚPODOBNOST A STATISTIKA. Testování hypotéz o rozdělení PRAVDĚPODOBNOST A STATISTIKA Testování hypotéz o rozdělení Testování hypotéz o rozdělení Nechť X e náhodná proměnná, která má distribuční funkci F(x, ϑ). Předpokládeme, že neznáme tvar distribuční funkce

Více

3 VYBRANÉ MODELY NÁHODNÝCH VELIČIN. 3.1 Náhodná veličina

3 VYBRANÉ MODELY NÁHODNÝCH VELIČIN. 3.1 Náhodná veličina 3 VBRANÉ MODEL NÁHODNÝCH VELIČIN 3. Náhodná velčna Tato kaptola uvádí stručný pops vybraných pravděpodobnostních modelů spojtých náhodných velčn s důrazem na jejch uplatnění př rozboru spolehlvost stavebních

Více

Statistické vyhodnocení zkoušek betonového kompozitu

Statistické vyhodnocení zkoušek betonového kompozitu Statistické vyhodnocení zkoušek betonového kompozitu Thákurova 7, 166 29 Praha 6 Dejvice Česká republika Program přednášek a cvičení Výuka: Středa 10:00-11:40, C -204 Přednášky a cvičení: Statistické vyhodnocení

Více

Obsah přednášky 1. Bayesův teorém 6. Naivní Bayesovský klasifikátor (NBK)

Obsah přednášky 1. Bayesův teorém 6. Naivní Bayesovský klasifikátor (NBK) Obsah přednášky 1. Bayesův teorém 2. Brutální Bayesovský klasfkátor (BBK) 3. Mamální aposterorní pravděpodobnost (MA) 4. Optmální Bayesovský klasfkátor (OBK) 5. Gbbsův alortmus (GA) 6. Navní Bayesovský

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

SCIENTIFIC PAPERS OF THE UNIVERSITY OF PARDUBICE APLIKACE NEURONOVÝCH SÍTÍ PRO DETEKCI PORUCH SIGNÁLŮ

SCIENTIFIC PAPERS OF THE UNIVERSITY OF PARDUBICE APLIKACE NEURONOVÝCH SÍTÍ PRO DETEKCI PORUCH SIGNÁLŮ SCIENTIFIC PAPERS OF THE UNIVERSITY OF PARDUBICE Seres B The Jan Perner Transport Faculty 5 (1999) APLIKACE NEURONOVÝCH SÍTÍ PRO DETEKCI PORUCH SIGNÁLŮ Mchal MUSIL Katedra provozní spolehlvost, dagnostky

Více

Aproximace binomického rozdělení normálním

Aproximace binomického rozdělení normálním Aproximace binomického rozdělení normálním Aproximace binomického rozdělení normálním Příklad Sybilla a Kassandra tvrdí, že mají telepatické schopnosti, a chtějí to dokázat následujícím pokusem: V jedné

Více

Numerická matematika 1. t = D u. x 2 (1) tato rovnice určuje chování funkce u(t, x), která závisí na dvou proměnných. První

Numerická matematika 1. t = D u. x 2 (1) tato rovnice určuje chování funkce u(t, x), která závisí na dvou proměnných. První Numercká matematka 1 Parabolcké rovnce Budeme se zabývat rovncí t = D u x (1) tato rovnce určuje chování funkce u(t, x), která závsí na dvou proměnných. První proměnná t mívá význam času, druhá x bývá

Více

Metody prognózování v dopravě. Ing. Michal Dorda, Ph.D.

Metody prognózování v dopravě. Ing. Michal Dorda, Ph.D. Metody prognózování v dopravě Ing. Mchal Dorda, Ph.D. Metody prognózování v dopravě ílem prognózy dopravy e určení výhledových údaů o dopravě (např. výhledové ntenzty dopravy apod.). Př prognózování v

Více

Řešení radiační soustavy rovnic

Řešení radiační soustavy rovnic Řešení radační soustavy rovnc 1996-2008 Josef Pelkán KSVI MFF UK Praha e-mal: Josef.Pelkan@mff.cun.cz WWW: http://cgg.ms.mff.cun.cz/~pepca/ NPGR010, radsoluton.pdf 2008 Josef Pelkán, http://cgg.ms.mff.cun.cz/~pepca

Více

7. Analýza rozptylu.

7. Analýza rozptylu. 7. Analýza rozptylu. Uvedeme obecnou ideu, která je založena na minimalizaci chyby metodou nejmenších čtverců. Nejdříve uvedeme několik základních tvrzení. Uvažujeme náhodný vektor Y = (Y, Y,..., Y n a

Více

POLYMERNÍ BETONY Jiří Minster Ústav teoretické a aplikované mechaniky AV ČR, v. v. i.

POLYMERNÍ BETONY Jiří Minster Ústav teoretické a aplikované mechaniky AV ČR, v. v. i. Odborná skupna Mechanka kompoztních materálů a konstrukcí České společnost pro mechanku s podporou frmy Letov letecká výroba, s. r. o. a Ústavu teoretcké a aplkované mechanky AV ČR v. v.. Semnář KOMPOZITY

Více

Přemysl Žiška, Pravoslav Martinek. Katedra teorie obvodů, ČVUT Praha, Česká republika. Abstrakt

Přemysl Žiška, Pravoslav Martinek. Katedra teorie obvodů, ČVUT Praha, Česká republika. Abstrakt ALGORITMUS DIFERENCIÁLNÍ EVOLUCE A JEHO UŽITÍ PRO IDENTIFIKACI NUL A PÓLŮ PŘE- NOSOVÉ FUNKCE FILTRU Přemysl Žška, Pravoslav Martnek Katedra teore obvodů, ČVUT Praha, Česká republka Abstrakt V příspěvku

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOS A SAISIKA Regresní analýza - motivace Základní úlohou regresní analýzy je nalezení vhodného modelu studované závislosti. Je nutné věnovat velkou pozornost tomu aby byla modelována REÁLNÁ

Více

Molekulová vibrace dvojatomové molekuly. Disociační křivka dvojatomové molekuly

Molekulová vibrace dvojatomové molekuly. Disociační křivka dvojatomové molekuly Molekulová vbrace dvojatomové molekuly Dsocační křvka dvojatomové molekuly x Potencální energe, E Repulsvní síly x Přtažlvé síly síly x Pro malé odchylky [(x-x ) ] možno aproxmovat parabolou, jak plyne

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

Podmíněná pravděpodobnost, spolehlivost soustav

Podmíněná pravděpodobnost, spolehlivost soustav S1 odmíněná pravděpodobnost, spolehlvost soustav odmíněná pravděpodobnost, spolehlvost soustav Lbor Žák odmíněná pravděpodobnost Nechť,, 0, podmíněná pravděpodobnost evu vzhledem k evu : S akou pravděpodobností

Více

VYSOKÉ U ENÍ TECHNICKÉ V BRN BRNO UNIVERSITY OF TECHNOLOGY

VYSOKÉ U ENÍ TECHNICKÉ V BRN BRNO UNIVERSITY OF TECHNOLOGY VYSOKÉ U ENÍ TECHNICKÉ V BRN BRNO UNIVERSITY OF TECHNOLOGY FAKULTA STROJNÍHO INŽENÝRSTVÍ ÚSTAV MATEMATIKY FACULTY OF MECHANICAL ENGINEERING INSTITUTE OF MATHEMATICS MATEMATICKÝ MODEL ROZPO TU MATHEMATICAL

Více

Testování statistických hypotéz

Testování statistických hypotéz Testování statistických hypotéz Na základě náhodného výběru, který je reprezentativním vzorkem základního souboru (který přesně neznáme, k němuž se ale daná statistická hypotéza váže), potřebujeme ověřit,

Více

Testování hypotéz. 1 Jednovýběrové testy. 90/2 odhad času

Testování hypotéz. 1 Jednovýběrové testy. 90/2 odhad času Testování hypotéz 1 Jednovýběrové testy 90/ odhad času V podmínkách naprostého odloučení má voák prokázat schopnost orientace v čase. Úkolem voáka e provést odhad časového intervalu 1 hodiny bez hodinek

Více