Model minimalizace technologického zbytku pro ZPO 1 v TŽ, a.s.

Rozměr: px
Začít zobrazení ze stránky:

Download "Model minimalizace technologického zbytku pro ZPO 1 v TŽ, a.s."

Transkript

1 Hutcké lsty č.3/28 Výroba ocel Moel mmalzace techologckého zbytku pro PO v TŽ, a.s. Ig. Mroslav Hozák, TŘINECKÉ ŽELEÁRNY, a. s., Průmyslová, Třec Staré Město,Třec Ig. Ja Morávka, Ph.D., Třecký žeýrg, a. s., Frýecká 26, Třec Staré Město Prof. Ig. Karel Mchalek, CSc., VŠB-TU Ostrava, 7. lstopau 5, Ostrava-Poruba Čláek obsahuje pops matematcko-statstcké aalýzy varat olévaých formátů a PO v Třeckých železárách, a.s. př růzých lcích rychlostech a jeotlvých lcích prouech a př určtém rozsahu hmotostí ocel v posleích tavbách sekvecí. Cílem aalýzy bylo zmapovat možost mmalzace techologckého zbytku pro exstující varaty a avrhout způsob realzace této mmalzace pomocí algortmu SW realzovaého moelu mmalzace techologckých zbytků.. Úvo O roku 25 je v Třeckých železárách, a.s. (TŽ) řeše výzkumý úkol (VÚ) s ázvem Vývoj moelu a jeho mplemetace pro zmešeí opau z posleí tavby olté v sekvec a blokovém zařízeí plyulého oléváí. V rámc řešeí VÚ bylo uté aalyzovat, moelovat, smulovat a posléze SW mplemetovat moel mmalzace techologckého zbytku (MMT) a pracovšt PO v TŽ, a.s., který bue pracovat v součostí s paralelě aalyzovaým a vytvářeým moelem směsých oblastí (MSO). 2. Přehle potřebých úajů Pře samotým matematckým moelováím byla uskutečěa, jak matematcká aalýza příslušých úloh matematckého programováí a tzv. řezého problému [], [2], [3], tak aalýza potřebých vstupích velč moelu [4]. Velce stručý výběr z výsleků aalýzy je možé shrout ásleově: v techologckých přepsech jsou uveey přepokláaé (povoleé) tzv. zaí techologcké zbytky (z_max) v posleích tavbách sekvecí, rozmezí zákazíky požaovaých olévaých élek přeltků čí: u všech formátů kruhových přeltků m, u přeltků pravoúhlých 3 x 35 mm 4 9 m, as /3 sekvecí byla ukočea fyzcky a 2/3 tvořly tzv. letmé výměy mezpáví, v současost je užívaých 6 varat olévaých formátů a lcích prouech tab.: Tab.. Používaé varaty (V) olévaých formátů [mm] a lcích prouech PO Tab.. Apple varats (V) of cast formats (mm) castg streams of the cotuous castg mache (PO) o.. V LP LP2 LP3 LP4 LP5 3x35 3x35 3x35 3x35 3x a b Matematcký moel varat oléváí Na záklaě určtých zjeoušujících přepoklaů a blačích rovc byl sestave matematcký moel varat oléváí přeltků a PO v TŽ, a.s., ze kterého lze získat závslost celkového techologckého zbytku a vstupích parametrech. 3. Matematcký moel techologckých zbytků Determstcký matematcký moel varat oléváí byl vytvoře a záklaě ásleujících zjeoušeých skutečostí a přepoklaů: přehřátí ocel je kostatí pro celou tavbu, lcí rychlost jsou kostatí pro celou tavbu, přesost měřeí velč je absolutí, všecha ocel z LP je olta beze zbytku, k ukočeí oléváí a jeotlvých lcích prouech oje ve stejém okamžku. Matematcký moel vychází z rovc pro oltou élku a hmotost přeltků a lcích prouech vz obr. (ke jsou: LP lcí páev, MP mezpáev, KR krystalzátory): 35

2 Výroba ocel Hutcké lsty č.3/28 MP LP M m - tzv. metrové hmotost olévaých formátů a lcích prouech [kg/m], v - lcí rychlost a lcích prouech [m/m], k - počet růzých požaovaých élek přeltků a lcích prouech, j - ex élek přeltků, j =, 2, k, j - požaovaé élky přeltků a lcích prouech [m], poku k =, pak j =. KR j f f 2 f 3 f 4 f 5 v v 2 v 3 v 4 v 5 Obr.. Schematcké zázorěí PO Fg.. Schematc pcture of the cotuous castg mache (PO) o. s = v t, () M = m s = m v t, (2) ke je: - počet fukčích lcích prouů, - ex lcích prouů, =, 2,, s - oltá élka přeltku a lcím prouu za čas (v čase) t [m], v - průměrá lcí rychlost a lcím prouu [m/m], t - čas oléváí v rámc tavby [m], m - metrová hmotost přeltku a lcím prouu [kg/m], M - oltá hmotost přeltku a lcím prouu v čase t [kg]. Pro všechy (fukčí) lcí prouy a celou tavbu pak platí blačí rovce: M = = M = t T = m v, (3) ke je M - hmotost ocel v tavbě [kg], t T - oba tavby [m]. uveeých rovc lze pak přehleě efovat vstupy a výstupy (tyto v avazujícím pořaí svého výpočtu), a tím poměrě jeouchý výpočtový algortmus moelu [5]: Vstupy (vstupí parametry): - počet fukčích lcích prouů, a PO je = 5, pro varatu č.4 = 4, - ex lcích prouů, =, 2, = {, 2, 3, 4, (5)}, M - hmotost ocel v lcí páv = hmotost ocel v tavbě [kg], f obecé obsazeí lcích prouů formáty, apř. {3, 32,, 4, 525} [mm], Výstupy (výstupí parametry): t T - oba tavby [m]: t T = = M m v, (4) s T - celkové olté élky přeltků v tavbě a lcích prouech [m]: s T = v t, (5) T p - průměré požaovaá élka přeltků v tavbě a lcích prouech [m]: p = k k j= j, (6) p - počet přeltků požaovaých élek v tavbě a lcích prouech [m]: s T p =, (7) p ke [x] ozačuje olí celou část výrazu, čísla x, z, mz - élky a hmotost zaích techologckých zbytků v tavbě a lcích prouech [m], [kg]: z s T = st p = st p, (8a) p p mz = m z, (8b), m - élka a hmotost celkového zaího techologckého zbytku tavby [m], [kg]: = m = z = =, (9a) mz. (9b) Jak je z uveeých rovc vět, mez fálí výstupy moelu patří élky a hmotost zaích techologckých zbytků a lcích prouech z, mz, jako celková élka a hmotost tohoto zbytku v tavbě, m. 3.2 ávslost techologckého zbytku a vstupích parametrech Poku uvažujeme jako záklaí vstupí proměou velču hmotost ocel v tavbě M [t], pak je možé pro růzé varaty alších vstupích velč ovot fukčí vztahy pro celkový techologcký zbytek [m]. 36

3 Hutcké lsty č.3/28 Výroba ocel Na obr.2a jsou zobrazey průběhy závslost pro ejjeoušší varaty vstupích parametrů, tj. a všech lcích prouech jsou stejé (a kostatí): formáty a élky přeltků, jako lcí rychlost, a obr.2b pak pro růzé lcí rychlost a prouech: [m] Carlo (stochastcká smulace) v programu Matlab. 4. Determstcká smulace áklaí oko etermstckého moelu v tabulkovém procesoru Excel je vtelé a obr.3. =.. = 5. k = /m m = 5.m./ max [t] Obr. 2a. Průběhy celkového zaího zbytku v závslost a stejých možách vstupích parametrů Fg. 2a. Pass of a complete back resue relato to the same set of put parameters [m] =. = 5. Obr. 3. Výstupy etermstcké smulace Excel Fg. 3. Outputs of a etermstc smulato - Excel Na obr.4 je zobrazea závslost, + maxz a lcí rychlost pro určté hooty vstupích parametrů a př hmotost ocel v LP 55 t z programového systému Matlab: k = /m 6 + maxz m = m./ max [t] 4 2 Obr. 2b. Průběhy celkového zaího zbytku v závslost a vstupích parametrech růzé lcí rychlost Fg. 2b. Pass of a complete back resue relato to the put parameters varous cast spees ovozeých vztahů [5] a obr.2 je zřejmé, že závslost celkového zaího zbytku a hmotost ocel v lcí páv (v tavbě) má charakter soustavy úseček (přímek) se stejým skloem a kostatím rozestupem. Je o závslost vícezačou a tím ejeozačou. Krtcké ( zlomové ) hmotost ocel v LP jsou v eálím přípaě rovy celočíselému ásobku souču počtu lcích prouů, metrové hmotost a élky přeltků. V přípaě s estejým lcím rychlostm jsou krtcké hmotost -krát (počet lcích prouů) hustěj a pravelě umístěé, tj. je o celočíselé ásobky metrové hmotost a élky přeltků. 4. Aalýza varat Aalýza varat oléváí byla uskutečěa pole vytvořeého etermstckého moelu algortmu, jak ve statckém režmu (etermstcká smulace) v tabulkovém procesoru Excel a v matematckém programovém prostřeí Matlab, tak v režmu Mote Obr. 4. Výstupy etermstcké smulace Matlab Fg. 4. Outputs of a etermstc smulato - Matlab Determstcká smulace sloužla hlavě ke zmapováí stuace a ke staoveí vhoých krtérí mmalzace techologckého zbytku. Příkla závslost růzých avržeých krtérí mmalzace a lcí rychlost v5 v rozmezí m/m (pro stejé v = v2 = v3 = v4 =.65 m/m) pro vstupí parametry: Mt = 55 t, = 5 m, m = kg/m je uvee a obr.5. 37

4 Výroba ocel Hutcké lsty č.3/28.maxz [m] Mt = 55 t, = 5 m, m = kg/m 6 5 *maxz maxz maxz v5 [m/m] maxz [m] optmálí lcí rychlost a lcím prouu, ky je současě celkový techologcký zbytek maxmálí élka zbytku a jeom lcím prouu (jejch součet) mmálí. Toto krtérum optmalty (mma techologckého zbytku) se tey jeví jako velce vhoé. 4.2 Stochastcká smulace V programovém systému Matlab byl vytvoře program pro stochastckou smulac. Výhoou tohoto moelu je jeho jeouchá mofkovatelost s možostí zaat růzé varaty vstupích parametrů a hlavě výpočet zobrazeí pro celý rozsah hmotostí ocel v LP. Obr. 5. ávslost krtérí maxz, +/*maxz a lcí rychlost v5 (LP5) Fg. 5. Depeece of maxz crtera, +/*maxz epeece o the cast spee v5 (LP5) Celkový zaí zbytek vykazuje pro závslost a lcí rychlost tervalově kostatí hlay, směroatá ochylka má více (2 ebo 3) globálích maxm - vz obr.6. Na obr.7 je pro ázorost vtelé zobrazeí závslost élky celkového zbytku [m] a krtéra + maxz [m] a hmotost ocel, a obr.8 élky zbytků z [m] a všech lcích prouech pro mmálí celkový zbytek (grafcké výstupy z matematckého programu Matlab) maxz Mt = 55 t, = 5 m, m = kg/m 2.5 soz 5 5 soz [m].5 5 [m] v5 [m/m] Obr. 6. ávslost krtérí soz, a lcí rychlost v5 (LP5) Fg. 6. Depeece of soz crtera, epeece o the cast spee v5 (LP5) Obr. 7. Grafy závslostí stochastckého moelu v SW Matlab: závslost, + maxz a M Fg. 7. Depeece graphs of a stochastc moel SW Matlab: epeece, + maxz o M.25 obr.5 a obr.6 je zřejmé, že mmálí celkový zbytek je rový 5 m a současě ejmeší maxmálí zbytek a lcích prouech je maxz = m. Př stejých élkách zbytků (směroatá ochylka zbytků soz = ) astává v aém přípaě pro lcí rychlost o hootě v5 =.65 m/m, která je v tomto přípaě stejá jako lcí rychlost a přechozích čtyřech lcích prouech. Teto závěr však platí pouze pro aou hmotost ocel v LP a aé hooty alších vstupích parametrů (obecě se může lcí rychlost a lcím prouu č.5 lšt o rychlost a alších lcích prouech) e smulačích výpočtů s etermstckým moely v tabulkovém procesoru Excel a v programovém systému Matlab vyplyulo: samoté krtérum určuje celý terval hoot optmálí lcí rychlost a vybraém lcím prouu, takže je pouze částečě vhoé, krtérum +maxz umožňuje ajít kokrétí hootu Obr. 8. Grafy závslostí stochastckého moelu v SW Matlab: závslost z a LP až LP5 Fg. 8. Depeece graphs of a stochastc moel SW Matlab: epeece z o LP to LP5 38

5 Hutcké lsty č.3/28 Výroba ocel 5. Algortmus regulace lcí rychlost Pro realzac složté úlohy mmalzace celkového techologckého zbytku v posleí tavbě sekvece pro exstující růzoroé varaty oléváí přeltků (vz tab.) bylo hleáo algortmcké řešeí. atím byl uskutečě prví ávrh algortmu regulace lcí rychlost a jeom lcím prouu (apř. a pravěpoobě a prouu prostřeím, tj. třetím), zabezpečující průběžou a koečou mmalzac celkového techologckého zbytku v posleí tavbě sekvece př oléváí stejých formátů a všech lcích prouech, tj. pro varaty oléváí č. 3 (vz tab.). Algortmus bue ejprve aprogramová a ozkouše pro varatu č., tj. pro oléváí pravoúhlého formátu přeltků rozměrů 3 x 35 mm a všech pět lcích prouech [5], [6]. Grafcké zázorěí tohoto algortmu staoveí optmálí lcí rychlost (a prostřeím 3. lcím prouu) pomocí vývojového agramu je a obr.9: Icalzace: Tzkrt = v3 = vm Výpočet maxz,, Tzpom Tzpom < Tzkrt? _ větš v3 o vv + Tzkrt = Tzpom m = v3opt = v3 a všech (fukčích) lcích prouech př půvoě astaveých lcích rychlostech a počátku tavby a mt [m]: což je mmálí celková élka techologckého zbytku a všech (fukčích) lcích prouech př optmalzovaé lcí rychlost a LPP3 a počátku tavby. Pro efováí absolutí úspory je možé zavést proměou (ukazatel) úspor celkového zaího techologckého zbytku au [m] pole jeouchého vztahu: au = T mt [ m]. () A obobě pro efováí relatví procetuálí úspory lze zavést proměou (ukazatel) u [%] pomocí vztahu: ( T mt ) au u = = [%]. () T T Smulačě byly v programovém matematckém prostřeí Matlab přeběžě ověřey a grafcky zázorěy výstupí ukazatele optmalzace zbytků pro formát přeltků 3 x 35 mm, rozsah korgovaých hmotostí ocel v tavbě M <5,2> t, rozsah élek přeltků v tavbě <4, 9> m, optmálí přehřátí Tpr = 3 C, oku omálí lcí rychlost vom =.65 m/m. Byly uvažováy va režmy astaveí mmálích a maxmálích lcích rychlostí: režm běžý, u kterého pro mezí rychlost platí: vm = vom 2 % a vmax = vom + % a režm přísý (oléváí kolejcových začek), ke vm = vom % a vmax = vom. Na obr., jsou pro běžý režm pomocí 3D grafů zázorěy závslost ukazatelů v3opt a u a korgovaé hmotost ocel v tavbě M [t] a (stejé a kažém lcím prouu) élce přeltků [m]: _ v3 > vmax? + K Obr. 9. Vývojový agram algortmu staoveí optmálí lcí rychlost v3opt Fg. 9. Flowchart of a algorthm of a optmal cast spee specfcato v3opt 6. Přeběžé vyhooceí úspor Pro vyhooceí úspor techologckých zbytků bue vhoé porovávat vě hooty výstupích proměých: T [m]: což je celková élka techologckého zbytku Obr.. Optmálí lcí rychlost v3opt = f(m,) pro rozsah v = m/m Fg.. Optmal cast spee v3opt = f(m,) for the rage of v = m/m 39

6 Výroba ocel Hutcké lsty č.3/28 Obr.. Relatví úspora u = f(m,) pro rozsah v = m/m Fg.. Relatve ecoomy u = f(m,) for the rage of v = m/m Na záklaě uskutečěých smulačích výpočtů lze kostatovat, že relatví průměrá úspora je poměrě ízká a bue se pohybovat v rozmezí as 3 %. Obecě se relatví úspora u obou režmů pohybovala ve velkém rozmezí (téměř) %, což apř. zameá, že exstuje ost hoě kombací hmotost ocel v tavbě a élek přeltků, ke k žáé úspoře eoje. 7. ávěr Na záklaě matematcko-statstcké aalýzy šest používaých varat oléváí přeltků a PO v TŽ, a.s. je možé vyslovt ásleující závěry: byl vytvoře matematcký moel varat oléváí, bylo alezeo vhoé mmalzačí krtérum techologckého zbytku, efovaé jako součet celkového zaího zbytku a maxmálího zbytku a lcích prouech, byl avrže algortmus řízeí lcí rychlost a prostřeím (třetím) lcím prouu, který průběžě upravuje (v techologckých mezích) tuto lcí rychlost tak, aby př měcích se lcích rychlostech a ostatích lcích prouech (za přepoklau asazeí přeltků stejého formátu a všech lcích prouech) ošlo k mmalzac celkového techologckého tzv.zaího zbytku v posleí tavbě sekvece, moel mmalzace techologckého zbytku (MMT) bue účě spolupracovat s paralelě aalyzovaým a vytvářeým moelem směsých oblastí (MSO), který umoží postatě zmešt tyto zbytkové a směsé oblast (pole zkušeostí s říve vytvořeým a provozovaým MSO a PO 2), což by mělo přést výzamý efekt. Lteratura [] GROS, I. 23. Kvattatví metoy v maažerském rozhoováí. vy. Praha : Graa Publshg a.s. ISBN [2] JABLONSKÝ, J. 22. Operačí výzkum kvattatví moely pro ekoomcké rozhoováí.. vy. Praha : Professoal Publshg. ISBN [3] JANÁČEK, J. 23. Matematcké programováí. 2. opraveé vy. Žla : Es vyavatelství Žlské uverzty, 23. ISBN [4] MORÁVKA, J. 25. Matematcké moely optmálího ěleí přeltků a PO. Ročí zpráva projektu č.254. Třec : T, a.s., prosec s. [5] MORÁVKA, J. 26. Moely optmálího ěleí přeltků a PO. Ročí zpráva projektu č.263. Třec : T, a.s., prosec s. [6] MORÁVKA, J. 27. Moely mmalzace techologckých zbytků a směsých oblastí a PO. Ročí zpráva projektu č Třec : T, a.s., lstopa s. Receze: Prof. Ig. Jozef Kjac, CSc. 4

Jednokriteriální rozhodování za rizika a nejistoty

Jednokriteriální rozhodování za rizika a nejistoty Jeokrterálí rozoováí za rzka a estoty U eokrterálíc úlo e vžy pouze eo krtérum optmalty, a to buď maxmalzačí ebo mmalzačí. araty rozoováí sou zaáy mplctě - pomíkam, které musí být splěy (vz úloy leárío

Více

Fraktálová komprese obrazu

Fraktálová komprese obrazu Fraktálová komprese obrazu Úvo Termí fraktál poprvé použl Beot Malebrot (975 Některé efce pojmu fraktál: Fraktál je erový ebo fragmetovaý geometrcký tvar, který může být rozěle a část, které jsou (alespoň

Více

VÍCEKRITERIÁLNÍ ANALÝZA VARIANT ZA JISTOTY

VÍCEKRITERIÁLNÍ ANALÝZA VARIANT ZA JISTOTY VÍCEKRITERIÁLNÍ ANALÝZA VARIANT ZA JISTOTY Záklaí pom Rozhoutí výběr eé ebo více varat z mož všech přípustých varat. Rozhoovatel subekt, který má za úkol učt rozhoutí. V úlohách vícekrterálí aalýz varat

Více

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností 4.2 Elemetárí statstcké zpracováí Výsledkem statstckého zjšťováí (. etapa statstcké čost) jsou euspořádaá, epřehledá data. Proto 2. etapa statstcké čost zpracováí, začíá většou jejch utříděím, zpřehleděím.

Více

Lineární regrese ( ) 2

Lineární regrese ( ) 2 Leárí regrese Častým úolem je staoveí vzájemé závslost dvou (č více) fzálích velč a její matematcé vjádřeí. K tomuto účelu se používají růzé regresí metod, pomocí chž hledáme vhodou fuc f (), apromující

Více

Martin Sloup, A04372. Ohyb světla optickou mřížkou

Martin Sloup, A04372. Ohyb světla optickou mřížkou Mart Sloup, A0437 Ohyb světla optckou mřížkou Mart Sloup, A0437 Obecá část Optcká mřížka a průcho světla je skleěá estčka, a íž je vyryta řaa jemých, rovoběžých, stejě o sebe vzáleých vrypů. Vrypy tvoří

Více

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT Základy práce s tabulkou Výukový modul III. Iovace a zkvaltěí výuky prostředctvím IC éma III..3 echcká měřeí v MS Excel Pracoví lst 5 Měřeí teploty. Ig. Jří Chobot VY_3_INOVACE_33_5 Aotace Iovace a zkvaltěí

Více

9. Měření závislostí ve statistice. 9.1. Pevná a volná závislost

9. Měření závislostí ve statistice. 9.1. Pevná a volná závislost Dráha [m] 9. Měřeí závslostí ve statstce Měřeí závslostí ve statstce se zývá především zkoumáím vzájemé závslost statstckých zaků vícerozměrých souborů. Závslost přtom mohou být apříklad pevé, volé, jedostraé,

Více

Metody zkoumání závislosti numerických proměnných

Metody zkoumání závislosti numerických proměnných Metody zkoumáí závslost umerckých proměých závslost pevá (fukčí) změě jedoho zaku jedozačě odpovídá změa druhého zaku (podle ějakého fukčího vztahu) (matematka, fyzka... statstcká (volá) změám jedé velčy

Více

ANALÝZA A KLASIFIKACE DAT

ANALÝZA A KLASIFIKACE DAT ANALÝZA A KLASIFIKACE DA prof. Ig. Jří Holčík, CSc. INVESICE Isttut DO bostatstky ROZVOJE VZDĚLÁVÁNÍ a aalýz IV. LINEÁRNÍ KLASIFIKACE pokračováí Isttut bostatstky a aalýz (SUPPOR VECOR MACHINE SVM) SEPARABILNÍ

Více

8 NELINEÁRNÍ REGRESNÍ MODELY

8 NELINEÁRNÍ REGRESNÍ MODELY 8 NELINEÁRNÍ REGRESNÍ MODELY 8 Tvorba eleárího regresího modelu Postup tvorby eleárího regresího modelu se dá rozčlet do těchto kroků: Návrh regresího modelu Obvykle se jako eleárí regresí model používá

Více

Náhodné jevy, jevové pole, pravděpodobnost

Náhodné jevy, jevové pole, pravděpodobnost S Náhodé jevy pravděpodobost Náhodé jevy jevové pole pravděpodobost Lbor Žák S Náhodé jevy pravděpodobost Lbor Žák Základí pojmy Expermet česky též vědecký pokus je soubor jedáí a pozorováí jehož účelem

Více

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

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

Více

Univerzita Karlova v Praze Pedagogická fakulta

Univerzita Karlova v Praze Pedagogická fakulta Uverzta Karlova v Praze Pedagogcká fakulta SEMINÁRNÍ PRÁCE Z OBECNÉ ALGEBRY DĚLITELNOST CELÝCH ČÍSEL V SOUSTAVÁCH O RŮZNÝCH ZÁKLADECH / Cfrk C. Zadáí: Najděte pět krtérí pro děltelost v jých soustavách

Více

PODNIKOVÁ EKONOMIKA 3. Cena cenných papírů

PODNIKOVÁ EKONOMIKA 3. Cena cenných papírů Semárky, předášky, bakalářky, testy - ekoome, ace, účetctví, ačí trhy, maagemet, právo, hstore... PODNIKOVÁ EKONOMIKA 3. Cea ceých papírů Ceé papíry jsou jedím ze způsobů, jak podk může získat potřebý

Více

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D. Odhady parametrů základího souboru Ig. Mchal Dorda, Ph.D. Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl σ atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt

Více

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A Nejstoty měřeí Pro každé přesé měřeí potřebujeme formac s jakou přesostí bylo měřeí provedeo. Nejstota měřeí vyjadřuje terval ve kterém se achází skutečá hodota měřeé velčy s určtou pravděpodobostí. Nejstota

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA Matematka IV PRAVDĚPODOBNOT A TATITIKA Lbor Žák Matematka IV Lbor Žák Regresí aalýza Regresí aalýza zkoumá závslost mez ezávslým proměým X ( X,, X k a závsle proměou Y. Tato závslost se vjadřuje ve tvaru

Více

a další charakteristikou je četnost výběrového souboru n.

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

Více

Experimentální identifikace regulovaných soustav

Experimentální identifikace regulovaných soustav Expermetálí etfkace reglovaých sostav Cílem je zhotoveí matematckého moel a záklaě formací získaých měřeím. Požívá se možství meto. Výběr metoy je ůležtý, protože a ěm závsí přesost áhraího moel. Záklaím

Více

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i : ometové míry polohy zahrují růzé druhy průměrů pomocí kterých můžeme charakterzovat cetrálí tedec dat ometové míry polohy jsou jedoduché číselé charakterstky které se vyčíslují ze všech prvků výběru

Více

Optimalizace portfolia

Optimalizace portfolia Optmalzace portfola ÚVOD Problémy vestováí prostředctvím ákupu ceých papírů sou klasckým tématem matematcké ekoome. Celkový výos z portfola má v době rozhodováí o vestcích povahu áhodé velčy, eíž rozložeí

Více

, jsou naměřené a vypočtené hodnoty závisle

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

Více

Rovnice 1.řádu. (taková řešení nazýváme singulární řešení). řeší rovnici (*) na intervalu ( a, b)

Rovnice 1.řádu. (taková řešení nazýváme singulární řešení). řeší rovnici (*) na intervalu ( a, b) Rovce řáu Rovce se separovaým proměým Derecálí rovc tvaru g h * azýváme rovcí se separovaým proměým latí: Nechť g je spojtá uce a tervalu a b h je spojtá a eulová uce a tervalu c Ozačme postupě G a H prmtví

Více

Univerzita Tomáše Bati ve Zlíně

Univerzita Tomáše Bati ve Zlíně Uiverzita Tomáše Bati ve Zlíě LABORATORNÍ CVIČENÍ Z FYZIKY II Název úlohy: Iterferece a teké vrstvě Jméo: Petr Luzar Skupia: IT II/ Datum měřeí: 3.říja 007 Obor: Iformačí techologie Hooceí: Přílohy: 0

Více

Odhady parametrů základního. Ing. Michal Dorda, Ph.D.

Odhady parametrů základního. Ing. Michal Dorda, Ph.D. Odhady parametrů základího souboru Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt celou populac, provádíme

Více

Hodnocení vlastností materiálů podle ČSN EN 1990, přílohy D

Hodnocení vlastností materiálů podle ČSN EN 1990, přílohy D Hooceí vlastostí ateriálů pole ČSN EN 1990, přílohy D Mila Holický Klokerův ústav ČVUT v Praze 1. Úvo 2. Kvatil áhoé veličiy 3. Hooceí jeé veličiy 4. Hooceí oelu 5. Příklay - poůcky ECEL Obecé zásay statistického

Více

METHOD OF THE URBAN MASS TRANSPORTATION QUALITY EVALUATION

METHOD OF THE URBAN MASS TRANSPORTATION QUALITY EVALUATION Ročík., Číslo II., 009 METODA HODNOCENÍ KVALITY MĚTKÉ HROMADNÉ DOPRAVY METHOD OF THE URBAN MA TRANPORTATION QUALITY EVALUATION Ivaa Olvková Aotace: Čláek se zabývá problematkou hodoceí kvalt městské hromadé

Více

Spolehlivost a diagnostika

Spolehlivost a diagnostika Spolehlvost a dagostka Složté systémy a jejch spolehlvost: Co je spolehlvost? Vlv spolehlvost kompoetů systému Návrh systému z hledska spolehlvost Aplkace - žvotě důležté systémy - vojeské aplkace Teore

Více

[ jednotky ] Chyby měření

[ jednotky ] Chyby měření Chyby měřeí Provedeme-l určté měřeí za stejých podmíek vícekrát, jedotlvá měřeí se mohou odlšovat (z důvodu koečé rozlšovací schopost měř. přístrojů, áhodých vlvů apod.). Chyba měřeí: e = x x x...přesá

Více

Úloha č. 10. Měření rychlosti proudu vzduchu. Měření závislosti síly odporu prostředí na tvaru tělesa

Úloha č. 10. Měření rychlosti proudu vzduchu. Měření závislosti síly odporu prostředí na tvaru tělesa yzikálí praktiku I Úloha č10 Měřeí oporu prouícího zuchu (erze 0/01) Úloha č 10 Měřeí rychloti prouu zuchu Měřeí záiloti íly oporu protřeí a taru tělea 1) Poůcky: Aeroyaický tuel, ikroaoetr, Pratloa trubice,

Více

1. Základy měření neelektrických veličin

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

Více

Chyby přímých měření. Úvod

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

Více

Odůvodnění. Obecná část

Odůvodnění. Obecná část Odůvoděí k ávrhu změy vyhlášky č. 502/2005 Sb., kterou se staoví způsob vykazováí možství elektřy př společém spalováí bomasy a eobovtelého zdroje Obecá část Zhodoceí platého právího stavu Podpora výroby

Více

jsou varianty znaku) b) při intervalovém třídění (hodnoty x

jsou varianty znaku) b) při intervalovém třídění (hodnoty x Výběr z eřeštelých příkladů ze zkouškových testů Jde o výběr z tpů příkladů, jejchž úspěšost řešeí u zkoušek se blíží ule. Itervalové versus bodové tříděí V tabulce je uvedeo rozděleí četostí a) př bodovém

Více

Univerzita Karlova v Praze Pedagogická fakulta

Univerzita Karlova v Praze Pedagogická fakulta Uverzt Krlov v Prze Pegogcká kult SEMINÁRNÍ PRÁCE Z POLYNOMICKÉ ALGEBRY POLYNOM 00/00 CIFRIK Záí: Vyšetřete všem probrým prostřeky polyom 0 0 Vyprcováí: Pole věty: Rcoálí kořey. Nechť p Q je koře polyomu

Více

Metodika projektů generujících příjmy

Metodika projektů generujících příjmy Příloha: 9 Metodka projektů geerujících příjmy Účost: 23. 1. 2009 Verze č. 6.0 1. Výchozí podmíky - Obecá pravdla Postup u projektů geerujících příjmy vychází z čláku 55 Obecého ařízeí č. 1083/2006 a vyplývá

Více

VY_52_INOVACE_J 05 01

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

Více

2. Vícekriteriální a cílové programování

2. Vícekriteriální a cílové programování 2. Vícerterálí a cílové programováí Úlohy vícerterálího programováí jsou úlohy, ve terých se a možě přípustých řešeí optmalzuje ěol salárích rterálích fucí. Moža přípustých řešeí je přtom defováa podobě

Více

P1: Úvod do experimentálních metod

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

Více

Regresní a korelační analýza

Regresní a korelační analýza Regresí a korelačí aalýza Závslost příčá (kauzálí). Závslostí pevou se ozačuje případ, kdy výskytu jedoho jevu utě odpovídá výskyt druhé jevu (a často aopak). Z pravděpodobostího hledska jde o vztah, který

Více

6. Posloupnosti a jejich limity, řady

6. Posloupnosti a jejich limity, řady Moderí techologie ve studiu aplikovaé fyziky CZ..07/..00/07.008 6. Poslouposti a jejich limity, řady Posloupost je speciálí, důležitý příklad fukce. Při praktickém měřeí hodot určité fyzikálí veličiy dostáváme

Více

Časová hodnota peněz. Metody vyhodnocení efektivnosti investic. Příklad

Časová hodnota peněz. Metody vyhodnocení efektivnosti investic. Příklad Metody vyhodoceí efektvost vestc Časová hodota peěz Metody vyhodoceí Časová hodota peěz Prostředky, které máme k dspozc v současost mají vyšší hodotu ež prostředky, které budeme mít k dspozc v budoucost.

Více

Doc. Ing. Dagmar Blatná, CSc.

Doc. Ing. Dagmar Blatná, CSc. PRAVDĚPODOBNOST A STATISTIKA Doc. Ig. Dagmar Blatá, CSc. Statsta statstcé údaje o hromadých jevech čost, terá vede zísáí statstcých údajů a jejch zpracováí teore statsty - věda o stavu, vztazích a vývoj

Více

Úvod do korelační a regresní analýzy

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

Více

Testování statistických hypotéz

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

Více

Téma 2 Přímková a rovinná soustava sil

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

Více

f x a x DSM2 Cv 9 Vytvořující funkce Vytvořující funkcí nekonečné posloupnosti a0, a1,, a n , reálných čísel míníme formální nekonečnou řadu ( )

f x a x DSM2 Cv 9 Vytvořující funkce Vytvořující funkcí nekonečné posloupnosti a0, a1,, a n , reálných čísel míníme formální nekonečnou řadu ( ) DSM Cv 9 Vytvořující fukce Vytvořující fukcí ekoečé poslouposti a0, a,, a, reálých čísel mííme formálí ekoečou řadu =. f a i= 0 i i Příklady: f = + = + + + + + ) Platí: (biomická věta). To zameá, že fukce

Více

E L E K T R I C K É S T R O J E II Měření synchronního stroje Fázování, V křivky, Potierova reaktance, stanovení buzení

E L E K T R I C K É S T R O J E II Měření synchronního stroje Fázování, V křivky, Potierova reaktance, stanovení buzení 1 TO - ŠB FE Datum měřeí E L E K T C K É S T O J E Měřeí sychroího stroje Fázováí, křivky, Potierova reaktace, staoveí buzeí 1. Zaáí úlohy : Příjmeí Jméo Skupia (hooceí) 1. Proveďte přifázováí sychroího

Více

Princip paralelního řazení vkládáním (menší propadává doprava)

Princip paralelního řazení vkládáním (menší propadává doprava) 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

Více

Téma 11 Prostorová soustava sil

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

Více

ANALÝZA NÁKLADOVÝCH A CENOVÝCH VZTAHŮ V ODPADOVÉM HOSPODÁŘSTVÍ ČR ANALYSIS OF COST AND PRICE RELATIONSHIPS IN WASTE MANAGEMENT OF THE CZECH REPUBLIC

ANALÝZA NÁKLADOVÝCH A CENOVÝCH VZTAHŮ V ODPADOVÉM HOSPODÁŘSTVÍ ČR ANALYSIS OF COST AND PRICE RELATIONSHIPS IN WASTE MANAGEMENT OF THE CZECH REPUBLIC ANALÝZA NÁKLADOVÝCH A CENOVÝCH VZTAHŮ V ODPADOVÉM HOSPODÁŘSTVÍ ČR ANALYSIS OF COST AND PRICE RELATIONSHIPS IN WASTE MANAGEMENT OF THE CZECH REPUBLIC Jří HŘEBÍČEK, Mchal HEJČ, Jaa SOUKOPOVÁ ECO-Maagemet,

Více

Vytápění BT01 TZB II - cvičení

Vytápění BT01 TZB II - cvičení CZ..07/2.2.00/28.030 Středoevropské cetrum pro vytvářeí a realizaci iovovaých techicko-ekoomických studijích programů Vytápěí BT0 TZB II - cvičeí Zadáí Pro vytápěé místosti vašeho objektu avrhěte otopá

Více

IAJCE Přednáška č. 12

IAJCE 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

Více

11. Popisná statistika

11. Popisná statistika . Popsá statstka.. Pozámka: Př statstckém zkoumáí ás zajímají hromadé jevy a procesy, u kterých zkoumáme zákotost, které se projevují u velkého počtu prvků. Prvky zkoumáí azýváme statstcké jedotky. Př

Více

2 CHARAKTERISTIKA VÝPOČTOVÉHO PROGRAMU A MODELOVÉ STU- DIE

2 CHARAKTERISTIKA VÝPOČTOVÉHO PROGRAMU A MODELOVÉ STU- DIE Sborík vědeckých prací Vysoké školy báňské - Techcké uverzty Ostrava číslo, rok 7, ročík VII, řada stavebí arbara LUŇÁČKOVÁ, Eva HRUEŠOVÁ * VLIV DYNMIKÝH PRMETRŮ ERNĚNÉ PILOTY N SEIZMIKOU ODEZVU ZÁKLDOVÉ

Více

3. Lineární diferenciální rovnice úvod do teorie

3. Lineární diferenciální rovnice úvod do teorie 3 338 8: Josef Hekrdla lieárí difereciálí rovice úvod do teorie 3 Lieárí difereciálí rovice úvod do teorie Defiice 3 (lieárí difereciálí rovice) Lieárí difereciálí rovice -tého řádu je rovice, která se

Více

10.3 GEOMERTICKÝ PRŮMĚR

10.3 GEOMERTICKÝ PRŮMĚR Středí hodoty, geometrický průměr Aleš Drobík straa 1 10.3 GEOMERTICKÝ PRŮMĚR V matematice se geometrický průměr prostý staoví obdobě jako aritmetický průměr prostý, pouze operace jsou o řád vyšší: místo

Více

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL

1 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,

Více

Generování dvojrozměrných rozdělení pomocí copulí

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

Více

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojího ižeýrství Ústav strojíreské techologie ISBN 978-80-214-4352-5 VYSOCE PŘESNÉ METODY OBRÁBĚNÍ doc. Ig. Jaroslav PROKOP, CSc. 1 1 Fakulta strojího ižeýrství,

Více

Přednáška V. Úvod do teorie odhadu. Pojmy a principy teorie odhadu Nestranné odhady Metoda maximální věrohodnosti Průměr vs.

Přednáška V. Úvod do teorie odhadu. Pojmy a principy teorie odhadu Nestranné odhady Metoda maximální věrohodnosti Průměr vs. Předáška V. Úvod do teore odhadu Pojmy a prcpy teore odhadu Nestraé odhady Metoda mamálí věrohodost Průměr vs. medá Opakováí výběrová dstrbučí fukce Sestrojíme výběrovou dstrbučí fukc pro výšku a váhu

Více

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou

veličiny 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

Více

Pro statistické šetření si zvolte si statistický soubor např. všichni žáci třídy (několika tříd, školy apod.).

Pro 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,

Více

Nálitky. Obr. 1 Schematický přehled typů nálitků

Nálitky. Obr. 1 Schematický přehled typů nálitků Nálitky Hlaví požadavky pro výpočet álitku: 1. doba tuhutí álitku > doba tuhutí odlitku 2. objem álitku(ů) musí být větší ež objem stažeiy v odlitku 3. musí být umožěo prouděí kovu z álitku do odlitku

Více

KVALITA REGRESNÍHO MODELU Radek Fajfr

KVALITA REGRESNÍHO MODELU Radek Fajfr UNIVERZITA PARDUBICE FAKULTA EKONOMICKO-SPRÁVNÍ KVALITA REGRESNÍHO MODELU Radek Fajfr Bakalářská práce 00 Prohlášeí Tuto prác jsem vypracoval samostatě. Veškeré lterárí pramey a formace, které jsem v

Více

4.KMITÁNÍ VOLNÉ. Rozlišujeme: 1. nepoddajné vazby - nedovolující pohyb 2. pružně poddajné vazby - dovolují pohyb

4.KMITÁNÍ VOLNÉ. Rozlišujeme: 1. nepoddajné vazby - nedovolující pohyb 2. pružně poddajné vazby - dovolují pohyb 4.MITÁNÍ VOLNÉ 4. Lárí ktáí (harocký osclátor v fyzc) Vl časý pohy hotého odu j ktavý pohy. táí ud lárí, jstlž síla, ktrá př výchylc x vrací hotý od do rovovážé polohy, j úěrá výchylc F x (4..) kostata

Více

n=1 ( Re an ) 2 + ( Im a n ) 2 = 0 Im a n = Im a a n definujeme předpisem: n=1 N a n = a 1 + a 2 +... + a N. n=1

n=1 ( Re an ) 2 + ( Im a n ) 2 = 0 Im a n = Im a a n definujeme předpisem: n=1 N a n = a 1 + a 2 +... + a N. n=1 [M2-P9] KAPITOLA 5: Číselé řady Ozačeí: R, + } = R ( = R) C } = C rozšířeá komplexí rovia ( evlastí hodota, číslo, bod) Vsuvka: defiujeme pro a C: a ± =, a = (je pro a 0), edefiujeme: 0,, ± a Poslouposti

Více

Programování v Matlabu

Programování v Matlabu Programováí v Matlabu Obsah: m-fukce a skripty; Krokováí laděí) fukcí/skriptů; Podmíěý příkaz; Cyklus s předem zámým počtem opakováí iteračí cyklus); Cyklus řízeý podmíkou Zoltá Szabó FBMI 2007 http://webzam.fbmi.cvut.cz/szabo/matlab/

Více

Úvod do teorie měření

Úvod do teorie měření Uverzta Jaa Evagelsty Purkyě v Ústí ad Labem Přírodovědecká fakulta Úvod do teore měřeí Prof. Chlář emář 0 Průměr, rozptyl a směrodatá odchylka X = X = ( X X ) = = = Výpočty pomocí vzorců a pomocí statstckých

Více

Matematika I, část II

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

Více

Posloupnost v matematice je řada čísel. Je přesně určeno pořadí čísel, je tedy dáno, které číslo je první, druhé atd.

Posloupnost v matematice je řada čísel. Je přesně určeno pořadí čísel, je tedy dáno, které číslo je první, druhé atd. Poloupoti Poloupot v mtemtice je ř číel. Je přeě určeo poří číel, je tey áo, které čílo je prví, ruhé t. V řě číel může le emuí být ějký ytém. Poloupot můžeme určit ěkolik růzými způoby:. Výčet prvků:

Více

14. Korelace Teoretické základy korelace Způsoby měření závislostí pro různé typy dat

14. Korelace Teoretické základy korelace Způsoby měření závislostí pro různé typy dat 4. Korelace 4. Teoretcké základy korelace 4. Způsoby měřeí závslostí pro růzé typy dat Př prác se statstckým údaj se velm často setkáváme s daty, která jsou tvořea dvojcem, trojcem hodot. Složky takovýchto

Více

Přednáška č. 2 náhodné veličiny

Přednáška č. 2 náhodné veličiny Předáša č. áhodé velčy Pozámy záladím pojmům z počtu pravděpodobost Pozáma 1: Př výpočtu pravděpodobost áhodého jevu dle lascé defce je uté věovat pozorost způsobu formulace vybraého jevu. V ásledující

Více

Příloha č. 7 Dodatku ke Smlouvě o službách Systém měření kvality Služeb

Příloha č. 7 Dodatku ke Smlouvě o službách Systém měření kvality Služeb Příloha č. 7 Dodatku ke Smlouvě o službách Systém měřeí kvality Služeb Dodavatel a Objedatel se dohodli a ahrazeí Přílohy C - Systém měřeí kvality Služeb Obchodích podmíek Smlouvy o službách touto Přílohou

Více

Aplikovaná informatika. Podklady předmětu Aplikovaná informatika pro akademický rok 2006/2007 Radim Farana. Obsah. Algoritmus

Aplikovaná 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

Více

1.7.4 Těžiště, rovnovážná poloha

1.7.4 Těžiště, rovnovážná poloha 74 ěžiště, rovovážá poloha Předpoklady: 00703 Př : Polož si sešit a jede prst tak, aby espadl Záleží a místě, pod kterým sešit podložíš? Proč? Musíme sešit podložit prstem přesě uprostřed, jiak spade Sešit

Více

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru

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

Více

Lineární programování

Lineární programování Lieárí programováí Adjugovaý problém lieárího programováí V případě řešeí problému lieárího programováí LP ma{ c T : A b 0} získáváme výchozí přípustou jedotkovou bázi u doplňkových proměých a za předpokladu

Více

1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE

1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE 1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE V této kapitole se dozvíte: jak je axiomaticky defiová vektor a vektorový prostor včetě defiice sčítáí vektorů a ásobeí vektorů skalárem;

Více

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění Předáška č. 0 Aalýza roztylu ř jedoduchém tříděí Aalýza roztylu je statstcká metoda, kterou se osuzuje romělvost oakovaých realzací áhodého okusu tj. romělvost áhodé velčy. Náhodá velča vzká za relatvě

Více

Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n

Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n Regrese Aproxmace metodou ejmeších čtverců v v ( ) = f x v v x x x x Je dáo bodů [x, ], =,,, předpoládáme závslost a x a chceme ajít fuc, terá vsthuje teto tred - Sažíme se proložt fuc = f x ta, ab v =

Více

FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ PRVNÍ DIFERENCIÁL

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

Více

1. Číselné obory, dělitelnost, výrazy

1. Číselné obory, dělitelnost, výrazy 1. Číselé obory, dělitelost, výrazy 1. obor přirozeých čísel - vyjadřující počet prvků možiy - začíme (jsou to kladá edesetiá čísla) 2. obor celých čísel - možia celých čísel = edesetiá, ale kladá i záporá

Více

Nepředvídané události v rámci kvantifikace rizika

Nepředvídané události v rámci kvantifikace rizika Nepředvídaé událost v rác kvatfkace rzka Jří Marek, ČVUT, Stavebí fakulta {r.arek}@rsk-aageet.cz Abstrakt Z hledska úspěchu vestce ohou být krtcké právě ty zdroe ebezpečí, které esou detfkováy. Vzhlede

Více

a 1 = 2; a n+1 = a n + 2.

a 1 = 2; a n+1 = a n + 2. Vyjářeí poloupoti Poloupot můžeme určit ěkolik růzými způoby. Prvím je protý výčet prvků. Npříkl jeouchá poloupot uých číel by e výčtem l zpt tkto:,, 6,,... Dlší možotí je vzorec pro tý čle. Stejá poloupot

Více

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT 2 IDENIFIKACE H-MAICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNO omáš Novotý ČESKÉ VYSOKÉ UČENÍ ECHNICKÉ V PRAZE Faulta eletrotechicá Katedra eletroeergetiy. Úvod Metody založeé a loalizaci poruch pomocí H-matic

Více

Statistika. Statistické funkce v tabulkových kalkulátorech MSO Excel a OO.o Calc

Statistika. 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

Více

PRAVDĚPODOBNOSTNÍ PŘÍSTUP K HODNOCENÍ DRÁTKOBETONOVÝCH SMĚSÍ. Petr Janas 1 a Martin Krejsa 2

PRAVDĚPODOBNOSTNÍ PŘÍSTUP K HODNOCENÍ DRÁTKOBETONOVÝCH SMĚSÍ. Petr Janas 1 a Martin Krejsa 2 PAVDĚPODOBNOSTNÍ PŘÍSTUP K HODNOCENÍ DÁTKOBETONOVÝCH SMĚSÍ Petr Janas 1 a Martin Krejsa 2 Abstract The paper reviews briefly one of the propose probabilistic assessment concepts. The potential of the propose

Více

ÚNOSNOST OSAMĚLÝCH SVISLE ZATÍŽENÝCH VRTANÝCH PILOT

ÚNOSNOST OSAMĚLÝCH SVISLE ZATÍŽENÝCH VRTANÝCH PILOT ÚNOSNOST OSAMĚLÝCH SVISLE ZATÍŽENÝCH VRTANÝCH PILOT Cíl: zalot (3) oat bezečý a hooárý ávrh vrtaých lot Úoot loty (ece) evotí omíky eormačí omíky Rozěleí ze tatckého hleka: a) ořeé atou o velm úoou horu

Více

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz:

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz: Ig. Marta Ltschmaová Statstka I., cvčeí 1 TESTOVÁNÍ NEPARAMETRICKÝCH HYPOTÉZ Dosud jsme se zabýval testováím parametrcký hypotéz, což jsou hypotézy o parametrech rozděleí (populace). Statstckým hypotézám

Více

OPTIMÁLNÍ FILTRACE METALURGICKÝCH SIGNÁLŮ POMOCÍ INFORMAČNÍCH KRITÉRIÍ

OPTIMÁLNÍ FILTRACE METALURGICKÝCH SIGNÁLŮ POMOCÍ INFORMAČNÍCH KRITÉRIÍ OPTIMÁLNÍ FILTRACE METALURGICKÝCH SIGNÁLŮ POMOCÍ INFORMAČNÍCH KRITÉRIÍ Ja Morávka Třiecký ižeýrig, a.s. Abstract Příspěvek popisuje jede přístup k optimálí filtraci metalurgických sigálů pomocí růzých

Více

Matematika 1. Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D / 13. Posloupnosti

Matematika 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

Více

13 Fraktály ÚM FSI VUT v Brně Studijní text. 13 Fraktály

13 Fraktály ÚM FSI VUT v Brně Studijní text. 13 Fraktály Fraktály ÚM FSI VUT v Brě Stuijí text Fraktály Fraktálí geometrie je rozvíjea zhruba o šeesátých let miulého století jako ástroj popisu chaotičosti příroy. Geometrie se až o evateáctého století zabývala

Více

Model poptávky po železniční osobní dopravě Českých drah, a. s. na tuzemském přepravním trhu

Model poptávky po železniční osobní dopravě Českých drah, a. s. na tuzemském přepravním trhu Vědeckotechcký sorík ČD č. 3/0 Leka Zahradíková Model poptávky po železčí osoí dopravě Českých drah, a. s. a tuzemském přepravím trhu Klíčová slova: poptávka, osoí doprava, České dráhy, regresí aalýza,

Více

Mendelova univerzita v Brně Statistika projekt

Mendelova univerzita v Brně Statistika projekt Medelova uverzta v Brě Statstka projekt Vypracoval: Marek Hučík Obsah 1. Úvod... 3. Skupové tříděí... 3 o Data:... 3 o Počet hodot:... 3 o Varačí rozpětí:... 3 o Počet tříd:... 4 o Šířka tervalu:... 4

Více

TĚŽIŠTĚ A STABILITA. Těžiště tělesa = bod, kterým stále prochází výslednice tíhových sil všech jeho hmotných bodů, ať těleso natáčíme jakkoli

TĚŽIŠTĚ A STABILITA. Těžiště tělesa = bod, kterým stále prochází výslednice tíhových sil všech jeho hmotných bodů, ať těleso natáčíme jakkoli SAIKA - těžště ĚŽIŠĚ A SABILIA ěžště tělesa bod, kterým stále prochází výsledce tíhových sl všech jeho hmotých bodů, ať těleso atáčíme jakkol bod, ke kterému astává rovováha mometů způsobeých tíhou jedotlvých

Více

ŘADY Jiří Bouchala a Petr Vodstrčil

ŘADY Jiří Bouchala a Petr Vodstrčil ŘADY Jiří Bouchala a Petr Vodstrčil Text byl vytvoře v rámci realizace projektu Matematika pro ižeýry 2. století (reg. č. CZ..07/2.2.00/07.0332), a kterém se společě podílela Vysoká škola báňská Techická

Více

PŘÍKLAD NA PRŮMĚRNÝ INDEX ŘETĚZOVÝ NEBOLI GEOMETRICKÝ PRŮMĚR

PŘÍKLAD NA PRŮMĚRNÝ INDEX ŘETĚZOVÝ NEBOLI GEOMETRICKÝ PRŮMĚR PŘÍKLAD NA PRŮMĚRNÝ INDEX ŘETĚZOVÝ NEBOLI GEOMETRICKÝ PRŮMĚR Ze serveru www.czso.cz jsme sledovali sklizeň obilovi v ČR. Sklizeň z ěkolika posledích let jsme vložili do tabulky 10.10. V kapitole 7. Idexy

Více

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT Základy práce s tabulkou Výukový modul III. Iovace a zkvalitěí výuky prostředictvím ICT Téma III..3, pracoví list 3 Techická měřeí v MS Ecel Průměry a četosti, odchylky změřeých hodot. Ig. Jiří Chobot

Více