Metoda hlavních komponent
|
|
- Pavla Bednářová
- před 7 lety
- Počet zobrazení:
Transkript
1 d d Víceozměná data Metoda hlavních komonent Václav Adamec vadamec@mendelucz Extenze unvaetních dat na více oměnných () Datová matce: n x Hodnot oměnných získán z jednoho subjektu () Předoklad závslostí mez oměnným Rozsah MV soubou: n Studum MV souboů: umělé oměnné vznklé lneání funkcí ůvodních oměnných x = w + w + + w Váh w zvolen odle ůzných ktéí Multvaetní ozdělení Bvaetní ozdělení Y ~ MVN (µ,σ) ; µ vekto oulačních ůměů; Σ oulační matce kovaancí Funkce MVN avdě hustot: ( µ ) Σ ( µ ) / f ( ) = e / (π ) Σ Mahalanobsova vzdálenost: = z z = ( µ ) Σ ( µ ) ~ χ 3 Bvaetn Gaussovo ozdelen, = 9 Bvaetn Gaussovo ozdelen, = Detemnant: Genealzovaná vaance S, Σ Malý Σ výskt kolneat (lneáních závslostí) Velký Σ absence kolneat (lneáních závslostí) - - x - - x - - x - - x
2 Konfdenční els Multvaetní ozdělení x - Konfdencn els: =,9 x - Konfdencn els: =, va els MV ozdělení je dán Hlavní odélná osa funkcí největšího chaaktestckého čísla max Vedlejší říčná osa funkcí nejmenšího chaaktestckého čísla mn Unvaetní nomalta neznamená multvaetní nomaltu est MVN oblematčtější: est elsodního tvau bvaetních ozdělení Multvaetní Q-Q lot Omezeně test (multvaetní SW test, atd) x x Ilustační data Multvaetní Q-Q lot Q-Q lot: Mahalanobsova vzdalenost d vs kvantl χ Kanální mí fotbalstů (Renche, 99): V V3 šířka hlav obvod hlav V V V6 V7 ředo - zadní mía v úovn očí výška oč - temeno výška uš - temeno šířka čelst d 8 6 Kvantl χ
3 Kovaanční a koelační matce Za odmínk nomalt užtečné Smetcké matce x Výběové (S, R) vs Poulační (Σ) Hlavní dagonála: vaance (S, Σ), jednčk (R) Mmo dagonální vk: kovaance (S, Σ), koelační koef (R) σ j = σ j, j = j R má edukovanou škálu σ σ σ3 σ σ σ σ σ3 σ σ σ3 σ3 σ3 σ3 σ3 Σ= σ σ σ3 σ σ σ σ σ3 σ σ σ6 σ6 σ63 σ6 σ6 σ 6 σ6 σ 36 σ6 σ 6 σ6 3 3 R = V7 V6 V V V3 V Koelační matce Coelační matce - V V3 V V V6 V7 Metoda hlavních komonent Rozklad na vlastní čísla Účel: Hledání lneání f-ce oměnných maxmalzující celkovou vaanc Zjednodušení stuktu dat, edukce dmenze soubou (očtu oměnných) Výbě žádaných (odobných, neodobných) oměnných Studum stuktu dsese MV soubou nebo lneáních závslostí Regese hlavních komonent (řešení kolneat v matc egesoů) Většnou ozkládáme S, R nebo dstanční matc (D) Vžd smetcká čtvecová matce A = A Defnujeme dagonální matc Λ ( x ) a matc koesondujících vlastních vektoů E ( x ) Platí: A = E Λ E A Λ = Matce Λ obsahuje vlastních čísel usořádaných sestuně Matce E obsahuje slouců vlastních vektoů e, kde každý slouec řnáleží jednomu vlastnímu číslu
4 Vlastnost vlastních čísel Vlastnost vlastních vektoů Součn vlastních čísel: = = A Mají jednotkovou délku e e = e =, Součet vlastních čísel: = = R = t ( R ) = = t ( S ) = S Vlastní čísla ve vztahu Počet nulových udává očet lneáních závslostí v, sngulatu E Podíl k součtu všech vlastních čísel udává ocento celkové vaance vsvětlené Podíl vaance lze kumulovat = s Jsou vzájemně otogonální Matce E je ak otonomální e e = e e =, j Hodnot vlastního vektou e vjadřují míu atcace koesondující oměnné na vaanc (závslost) j E j = E EE = I abulkové vjádření ozkladu Gafcké vjádření ozkladu Sceelot č Lambda % Vaance Kumul % Suma = 997 Součn = Egenvalues
5 Vaance v matc S: Vlastní vekto ( a ): Pvní dva vlastní vekto V V3 V V V6 V E E V -7 V V V V V Hlavní komonent Pnc: Výočet nových oměnných (hlavních komonent), kteé zachovávají vaanc, ale elmnují kovaance Výočet: Z = YE c = z = e = e + e + + e Vaance PC: c c = z = z = e = e = e = e Va ( c ) = + e + e + + e + + e Hlavní komonent Gaf hlavních komonent Hlavní komonent c jsou vzájemně otogonální Vaance c ae jsou maxmální o =, ale ostuně klesají Hlavní komonent nulových jsou téměř konstantní Nulové důležté o detekc lneáních závslostí PC vs PC -6 PC vs PC3-8 Poslední vlastní vekto: V V3 V V V6 V PC 8 PC Na téměř lneání závslost se odílí ředevším V a V PC PC
6 Počet vbaných vlastních čísel Poznámk Ktéa: Vlastní čísla vsvětlující nejméně 8 9 % vaance Vsuální osouzení gafu úatí Λ Nadůměné, > Asmtotcký věohodnostní test Metoda boken stck (Jackson, 993) Počet zvolený odle nejvššího očtu metod PCA je vztažena ke škále oměnných (ozdílná o S a R) Multvaetní nomalta výhodou Výstu PCA ovlvněn extém v datech Koefcent PC egese jsou vchýlené, obtížně nteetovatelné As fa as the laws of mathematcs efe to ealt, the ae not cetan; as fa as the ae cetan, the do not efe to ealt Albet Ensten
Přednáška č. 11 Analýza rozptylu při dvojném třídění
Přednáška č. Analýza roztlu ř dvojném třídění Ve většně říadů v rax výsledk exermentu, rozboru závsí na více faktorech. Př této analýze se osuzují výsledk náhodných okusů (exerment nebo soubor získané
VíceUniverzita Pardubice FAKULTA CHEMICKO TECHNOLOGICKÁ
Univerzita Pardubice FAKULA CHEMICKO ECHNOLOGICKÁ MEODY S LAENNÍMI PROMĚNNÝMI A KLASIFIKAČNÍ MEODY SEMINÁRNÍ PRÁCE LICENČNÍHO SUDIA Statistické zracování dat ři kontrole jakosti Ing. Karel Dráela, CSc.
VíceVýslednice, rovnováha silové soustavy.
Výslednce, ovnováha slové soustavy. Základy mechanky, 2. přednáška Obsah přednášky : výslednce a ovnováha slové soustavy, ovnce ovnováhy, postoová slová soustava Doba studa : as 1,5 hodny Cíl přednášky
VíceQ N v místě r. Zobecnění Coulombova zákona Q 3 Q 4 Q 1 Q 2
Zobecnění Coulombova zákona Uvažme nyní, jaké elektostatcké pole vytvoří ne jeden centální) bodový náboj, ale více nábojů, tzv. soustava bodových) nábojů : echť je náboj v místě v místě.... v místě Pak
VíceTéma 5: Parametrická rozdělení pravděpodobnosti spojité náhodné veličiny
0.05 0.0 0.05 0.0 0.005 Nomnální napětí v pásnc Std Mean 40 60 80 00 0 40 60 Std Téma 5: Parametrcká rozdělení pravděpodobnost spojté náhodné velčn Přednáška z předmětu: Pravděpodobnostní posuzování konstrukcí
VíceSMR 1. Pavel Padevět
SMR Pavel Padevět Oganzace předmětu Přednášející Pavel Padevět, K 3, D 09 e-mal: pavel.padevet@fsv.cvut.cz Infomace k předmětu: https://mech.fsv.cvut.cz/student SMR Heslo: odné číslo bez lomítka (případně
VíceDefinice spojité náhodné veličiny zjednodušená verze
Definice spojité náhodné veličiny zjednodušená verze Náhodná veličina X se nazývá spojitá, jestliže existuje nezáporná funkce f : R R taková, že pro každé a, b R { }, a < b, platí P(a < X < b) = b a f
VíceNeuronové sítě. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze
Neuonové sítě Doc. RND. Iveta Mázová CSc. Kateda teoetcké nfoatk Mateatcko-fzkální fakulta Unvezt Kalov v Paze Neuonové sítě Asocatvní aět Doc. RND. Iveta Mázová CSc. Kateda teoetcké nfoatk Mateatcko-fzkální
Více6 Diferenciální operátory
- 84 - Difeenciální opeátoy 6 Difeenciální opeátoy 61 Skalání a vektoové pole (skalání pole) u u x x x Funkci 1 n definovanou v učité oblasti Skalání pole přiřazuje každému bodu oblasti učitou číselnou
VíceMETODA HLAVNÍCH KOMPONENT V LABORATORNÍ PRAXI
MEODA HLANÍH KOMPONEN LABORAORNÍ PRAXI JIŘÍ MILIKÝ, Kateda tetlních ateálů, echncká unvesta v Lbec, Hálkova 6 46 7 Lbeec, e- al:.lky@vslb.cz Motto: ednoduchost e síla MILAN MELOUN, Kateda analytcké chee,
VíceANALÝZA 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
Vícehmotný bod: těleso s nekonečně malými rozměry, ale nenulovou hmotností, tj. žádné otáčení, žádná deformace atd. = bodová hmotnost
Kinematika hmotný bod: těleso s nekonečně malými omě, ale nenulovou hmotností, tj. žádné otáčení, žádná defomace atd. = bodová hmotnost popis pohbu hmotného bodu tj. poloha hmotného bodu v ávislosti na
VíceROZDĚLENÍ PŘÍJMŮ A JEHO MODELY. Jitka Bartošová
ROZDĚLENÍ PŘÍJMŮ A JEHO MODELY Jitka Batošová Kateda managementu infomací, Fakulta managementu, Vysoká škola ekonomická Paha, Jaošovská 1117/II, 377 01 Jindřichův Hadec batosov@fm.vse.cz Abstakt: Poces
Více2. Najděte funkce, které vedou s těmto soustavám normálních rovnic
Zadání. Sestavte soustavu normálních rovnc ro funkce b b a) b + + b) b b +. Najděte funkce, které vedou s těmto soustavám normálních rovnc nb a) nb. Z dat v tabulce 99 4 4 b) určete a) rovnc regresní funkce
VícePřednáška. Další rozdělení SNP. Limitní věty. Speciální typy rozdělení. Další rozdělení SNP Limitní věty Speciální typy rozdělení
VI Přednáška Další rozdělení SNP Limitní věty Speciální typy rozdělení Rovnoměrné rozdělení R(a,b) Příklad Obejít celý areál trvá strážnému 30 minut. Jaká je pravděpodobnost, že u vrátnice budete čekat
VícePříklady elektrostatických jevů - náboj
lektostatika Hlavní body Příklady elektostatických jevů. lektický náboj, elementání a jednotkový náboj Silové působení náboje - Coulombův zákon lektické pole a elektická intenzita, Páce v elektostatickém
VíceGravitační pole. a nepřímo úměrná čtverci vzdáleností r. r r
Newtonův avitační zákon: Gavitační pole ezi dvěa tělesy o hotnostech 1 a, kteé jsou od sebe vzdáleny o, působí stejně velké síly vzájené přitažlivosti, jejichž velikost je přío úěná součinu hotností 1
Více27 Systémy s více vstupy a výstupy
7 Systémy s více vstupy a výstupy Mchael Šebek Automatcké řízení 017 4-5-17 Stavový model MIMO systému Automatcké řízení - Kybernetka a robotka Má obecně m vstupů p výstupů x () t = Ax() t + Bu() t y()
Více4. konference o matematice a fyzice na VŠT Brno, Fraktály ve fyzice. Oldřich Zmeškal
4. konfeence o matematice a fyzice na VŠT Bno, 15. 9. 25 Faktály ve fyzice Oldřich Zmeškal Ústav fyzikální a spotřební chemie, Fakulta chemická, Vysoké učení technické, Pukyňova 118, 612 Bno, Česká epublika
Vícek + q. Jestliže takový dipól kmitá s frekvencí ν (odpovídající
Vlastnosti kmitajíího dipólu Podle klasiké teoie je nejefektivnějším zdojem elektomagnetikého záření kmitajíí elektiký dipól. Intenzita jeho záření o několik řádů převyšuje intenzity ostatníh zdojů záření
VíceNáhodným (stochastickým) procesem nazveme zobrazení, které každé hodnotě náhodnou veličinu X ( t)
MARKOVOVY PROCESY JAKO APARÁT PRO ŘEŠENÍ SPOLEHLIVOSTI VÍCESTAVOVÝCH SYSTÉMŮ Náhodné rocesy Náhodným (stochastckým) rocesem nazveme zobrazení, které každé hodnotě náhodnou velčnu X ( t). Proměnná t má
VíceNáhodné vektory a matice
Náhodné vektory a matice Jiří Militký Katedra textilních materiálů Technická Universita Liberec, Červeně označené slide jsou jen pro doplnění informací a nezkouší se. Symbolika A B Jev jistý S (nastane
VíceMAGNETICKÉ POLE ELEKTRICKÉHO PROUDU. r je vyjádřen vztahem
MAGNETICKÉ POLE ELEKTRICKÉHO PROUDU udeme se zabývat výpočtem magnetického pole vytvořeného danou konfiguací elektických poudů (podobně jako učení elektického pole vytvořeného daným ozložením elektických
Vícedo strukturní rentgenografie e I
Úvod do stuktuní entgenogafie e I Difakce tg záření na kystalu Metody chaakteizace nanomateiálů I RND. Věa Vodičková, PhD. Studium kystalové stavby Difakce elektonů, neutonů, tg fotonů Kystal ideální mřížka
VíceKOMPLEXNÍ ČÍSLA. Algebraický tvar komplexního čísla
KOMPLEXNÍ ČÍSLA Příklad 1 Řešte na množně reálných čísel rovnc: x + = 0. x = Rovnce nemá v R řešení. Taková jednoduchá rovnce a nemá na množně reálných čísel žádné řešení! Co s tím? Zavedeme tzv. magnární
VíceKinematika. Hmotný bod. Poloha bodu
Kinematika Pohyb objektů (kámen, automobil, střela) je samozřejmou součástí každodenního života. Pojem pohybu byl poto známý už ve staověku. Modení studium pohybu začalo v 16. století a je spojeno se jmény
VíceMetody s latentními proměnnými a klasifikační metody
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie etody s latentními roměnnými a klasifikační metody Ing. Roman Slavík V Bohumíně 4.4. ŽDB a.s. Příklad č. Vyočtěte algoritmem
Více7.5.12 Parabola. Předpoklady: 7501, 7507. Pedagogická poznámka: Na všechny příklady je potřeba asi jeden a půl vyučovací hodiny.
75 Paabola Předoklad: 750, 7507 Pedagogická oznámka: Na všechn říklad je otřeba asi jeden a ůl vučovací hodin Paabolu už známe: matematika: Gafem každé kvadatické funkce = a + b + c je aabola fzika: Předmět,
VíceVYHODNOCENÍ MĚŘENÍ (varianta "soulodí")
VYHODNOCENÍ MĚŘENÍ (varanta "soulodí") Měřl (Jméno, Příjmení, skuna):... Datum:... Vyhodnocení hydrometrckého měření na Berounce (soulodí) Z vyočtených rychlostí ve všech bodech svslce určíme střední svslcovou
VíceMann-Whitney U-test. Znaménkový test. Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek
10. Neparametrické y Mann-Whitney U- Wilcoxonův Znaménkový Shrnutí statistických ů Typ srovnání Nulová hypotéza Parametrický Neparametrický 1 skupina dat vs. etalon Střední hodnota je rovna hodnotě etalonu.
Více4EK211 Základy ekonometrie
4EK Základy ekonometre Zobecněná MNČ Cvčení 8 Zuzana Dlouhá Gauss-Markovy předpoklady Náhodná složka: Gauss-Markovy předpoklady. E(u) = náhodné vlvy se vzájemně vynulují. E(u u T ) = σ I n konečný a konstantní
VíceANALÝZA A KLASIFIKACE DAT
ANALÝZA A KLASIFIKACE DAT pof. Ing. Jiří Holčík, CSc. INVESTICE Institut DO biostatistiky ROZVOJE VZDĚLÁVÁNÍ a analýz VI. VOLBA A VÝBĚR PŘÍ ZAČÍNÁME kolik a jaké příznaky? málo příznaků možná chyba klasifikace;
VíceZpůsobilost. Data a parametry. Menu: QCExpert Způsobilost
Zůsobilost Menu: QExert Zůsobilost Modul očítá na základě dat a zadaných secifikačních mezí hodnoty různých indexů zůsobilosti (caability index, ) a výkonnosti (erformance index, ). Dále jsou vyočítány
Více3.2 Metody s latentními proměnnými a klasifikační metody
3. Metody s latentními roměnnými a klasifikační metody Otázka č. Vyočtěte algoritmem IPALS. latentní roměnnou z matice A[řádek,slouec]: A[,]=, A[,]=, A[3,]=3, A[,]=, A[,]=, A[3,]=0, A[,3]=6, A[,3]=4, A[3,3]=.
VíceNeuronové sítě. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze
Neuonové sítě Doc. RND. Iveta Mázová, CSc. Kateda teoetcké nfomatky Matematcko-fyzkální fakulta Unvezty Kalovy v Paze Neuonové sítě Kohonenovy mapy a hybdní modely Doc. RND. Iveta Mázová, CSc. Kateda teoetcké
VíceRegresní lineární model symboly
Lneární model, Dskrmnační analýza, Podůrné vektory Regresní lneární model symboly Použté značení b arametry modelu (vektor ) očet atrbutů (skalár) N očet říkladů (skalár) x jeden říklad (vektor ) x -tá
VíceKGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 4. Teoretická rozdělení Mgr. David Fiedor 9. března 2015 Osnova Úvod 1 Úvod 2 3 4 5 Vybraná rozdělení náhodných proměnných normální rozdělení normované normální rozdělení
VíceSpektrofotometrické stanovení pk léčiv
Univerzita Pardubice, KAlch Spektrofotometrické stanovení pk léčiv Autoři: Ing. omáš Syrový, Ing. Dominika Burkoňová, Prof. RnDr Milan Meloun DrSc č. Látka Zařazení léčiva č. Látka Zařazení léčiva 1 Ambroxol
VíceE = E red,pravý E red,levý + E D = E red,pravý + E ox,levý + E D
11. GALVANICKÉ ČLÁNKY 01 Výočet E článku, γ ± 1... 0 Střední aktvtní koefcent z E článku... 03 Výočet E článku, γ ± 1... 04 Tlak lnu na elektrodě z E článku; aktvtní koefcent... 05 E článku a dsocační
VíceMarkovovy řetězce se spojitým časem CTMC (Continuous time Markov Chain)
Markovovy řetězce se soitým časem CTMC (Continuous time Markov Chain) 3 5 1 4 Markovovy rocesy X Diskrétní stavový rostor Soitý obor arametru t { } S e1, e,, en t R t 0 0 t 1 t t 3 t Proces e Markovův
VíceNárodní informační středisko pro podporu jakosti
Národní informační středisko ro odoru jakosti Konzultační středisko statistických metod ři NIS-PJ Analýza zůsobilosti Ing. Vratislav Horálek, DrSc. ředseda TNK 4: Alikace statistických metod Ing. Josef
VíceÚVOD. Rozdělení slouží: K přesnému popisu pravděpodobnostního chování NV Střední hodnota, rozptyl, korelace atd.
ROZDĚLENÍ NV ÚVOD Velké skupiny náhodných pokusů vykazují stejné pravděpodobnostní chování Mince panna/orel Výška mužů/žen NV mohou být spojeny s určitým pravděpodobnostním rozdělení (již známe jeho hustotu
VíceTřídění a významné hodnoty
Lekce Třídění a významné hodnoty Ponechme nyní oněkud stranou různorodé oznatky rvní lekce týkající se zjšťování a tyů dat a omezme se jen na nejjednodušší říad datových souborů tvořených hodnotam kardnálních
Více4EK211 Základy ekonometrie
4EK Základy ekonometre Zobecněná MNČ Cvčení 7 Zuzana Dlouhá Gauss-Markovy předpoklady Náhodná složka: Gauss-Markovy předpoklady. E(u) = náhodné vlvy se vzájemně vynulují. E(uu T ) = σ I n konečný a konstantní
VíceZÁKLADY GEOMETRIE KŘIVEK A PLOCH
ZÁKLADY GEOMETRIE KŘIVEK A PLOCH Povzoní studní mateál - - Křvky v toozměném postou Úvod E - toozměný eukldovský posto s pevně zvolenou katézskou soustavou P e e V - eho zaměření D Nechť J R Zobazení X
VíceAtom vodíku. Nejjednodušší soustava: p + e Řešitelná exaktně. Kulová symetrie. Potenciální energie mezi p + e. e =
Atom vodíku Nejjednodušší soustava: p + e Řešitelná exaktně Kulová symetrie Potenciální energie mezi p + e V 2 e = 4πε r 0 1 Polární souřadnice využití kulové symetrie atomu Ψ(x,y,z) Ψ(r,θ, φ) x =? y=?
VíceANALÝZA A KLASIFIKACE DAT
ANALÝZA A KLASIFIKACE DAT pof. Ing. Jiří Holčík, CSc. INVESTICE Intitut DO biotatitiky OZVOJE VZDĚLÁVÁNÍ a analýz II. PŘÍZNAKOVÁ KLASIFIKACE - ÚVOD PŘÍZNAKOVÝ POPIS Příznakový obaz zpacovávaných dat je
VíceZáklady 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
VíceTestování hypotéz testy o tvaru rozdělení. Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel
Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Statistickou hypotézou se rozumí určité tvrzení o parametrech rozdělení zkoumané náhodné veličiny (µ, σ 2, π,
VíceŘešení 1) = 72000cm = 30 80
Steeometie 1) uzavřeném skleněném kvádu s hanami délek 0 cm, 60 cm a 80 cm je obavená voda. Postavíme-li kvád na stěnu s ozměy 0 cm x 60 cm dosáhne voda do výšky 40 cm. jaké výšce bude hladina vody, ostavíme-li
VíceNormální (Gaussovo) rozdělení
Normální (Gaussovo) rozdělení f x = 1 2 exp x 2 2 2 f(x) je funkce hustoty pravděpodobnosti, symetrická vůči poloze maxima x = μ μ střední hodnota σ směrodatná odchylka (tzv. pološířka křivky mezi inflexními
VíceÚvod do problematiky měření
1/18 Lord Kelvin: "Když to, o čem mluvíte, můžete změřit, a vyjádřit to pomocí čísel, něco o tom víte. Ale když to nemůžete vyjádřit číselně, je vaše znalost hubená a nedostatečná. Může to být začátek
VícePříklady: - počet členů dané domácnosti - počet zákazníků ve frontě - počet pokusů do padnutí čísla šest - životnost televizoru - věk člověka
Náhodná veličina Náhodnou veličinou nazýváme veličinu, terá s určitými p-stmi nabývá reálných hodnot jednoznačně přiřazených výsledům příslušných náhodných pousů Náhodné veličiny obvyle dělíme na dva záladní
VícePříklady - Bodový odhad
Příklady - odový odhad 5. října 03 Pražské metro Přijdu v pražském metru na nástupiště a tam zjistím, že metro v mém směru jelo před :30 a metro v opačném směru před 4:0. Udělejte bodový odhad, jak dlouho
VíceKartézská soustava souřadnic
Katézská soustava souřadnic Pavotočivá Levotočivá jednotkové vekto ve směu souřadnicových os Katézská soustava souřadnic otonomální báze z,, z Katézská soustava souřadnic polohový (adius) vekto z,, z velikost
Více1.7.2 Moment síly vzhledem k ose otáčení
.7. oment síly vzhledem k ose otáčení Předpoklady 70 Pedagogická poznámka Situaci tochu komplikuje skutečnost, že žáci si ze základní školy pamatují součin a mají pocit, že se pouze opakuje notoicky známá
VíceVYBRANÁ ROZDĚLENÍ. SPOJITÉ NÁH. VELIČINY Martina Litschmannová
VYBRANÁ ROZDĚLENÍ SPOJITÉ NÁH. VELIČINY Martina Litschmannová Opakování hustota pravděpodobnosti f(x) Funkce f(x) je hustotou pravděpodobností (na intervalu a x b), jestliže splňuje následující podmínky:
VíceODVOZENÍ OBLASTI NECITLIVOSTI PRO PARAMETRY STŘEDNÍ HODNOTY REGULÁRNÍHO SMÍŠENÉHO LINEÁRNÍHO REGRESNÍHO MODELU BEZ PODMÍNEK
ODVOZENÍ OBLASTI NECITLIVOSTI PRO PARAMETRY STŘEDNÍ HODNOTY REGULÁRNÍHO SMÍŠENÉHO LINEÁRNÍHO REGRESNÍHO MODELU BEZ PODMÍNEK Hana Boháčová Univezita Padubice, Fakulta ekonomicko-spávní, Ústav matematiky
VíceRekonstrukce diskrétního rozdělení psti metodou maximální entropie
Rekonstrukce diskrétního rozdělení psti metodou maximální entropie Příklad Lze nalézt četnosti nepozorovaných stavů tak, abychom si vymýšleli co nejméně? Nechť n i, i = 1, 2,..., N jsou známé (absolutní)
VíceKOMPLEXNÍ ČÍSLA. Algebraický tvar komplexního čísla
KOMPLEXNÍ ČÍSLA Příklad Řešte na množně reálných čísel rovnc: x + = 0. x = Rovnce nemá v R řešení. Taková jednoduchá rovnce a nemá na množně reálných čísel žádné řešení! Co s tím? Zavedeme tzv. magnární
VíceNormální (Gaussovo) rozdělení
Normální (Gaussovo) rozdělení Normální (Gaussovo) rozdělení popisuje vlastnosti náhodné spojité veličiny, která vzniká složením různých náhodných vlivů, které jsou navzájem nezávislé, kterých je velký
VíceHmotnostní tok výfukových plynů turbinou, charakteristika turbiny
Hotnostní tok výfukových lynů tubinou, chaakteistika tubiny c 0 c v v Hotnostní tok tubinou lze osat ovnicí / ED cs /ED je edukovaný ůtokový ůřez celé tubiny Úloha je řešena jako ůtok stlačitelné tekutiny
Více4. cvičení z Matematické analýzy 2
4. cvičení z Matematické analýzy 2 22. - 26. října 208 4. Po funkci fx, y, z xy 2 + z 3 xyz učete v bodě a 0,, 2 deivaci ve měu u, kteý je učen tím, že víá kladnými měy ouřadných o potupně úhly 60, 45
Vícemůžeme toto číslo považovat za pravděpodobnost jevu A.
RAVDĚODOBNOST - matematická discilína, která se zabývá studiem zákonitostí, jimiž se řídí hromadné náhodné jevy - vytváří ravděodobnostní modely, omocí nichž se snaží ostihnout náhodné rocesy. Náhodné
VíceUčební texty k státní bakalářské zkoušce Matematika Posloupnosti a řady funkcí. študenti MFF 15. augusta 2008
Učební texty k státní bakalářské zkoušce Matematika Poslounosti a řady funkcí študenti MFF 15. augusta 2008 1 3 Poslounosti a řady funkcí Požadavky Sojitost za ředokladu stejnoměrné konvergence Mocninné
VíceMgr. Rudolf Blažek, Ph.D. prof. RNDr. Roman Kotecký Dr.Sc.
Náhodné veličiny III Mgr. Rudolf Blažek, Ph.D. prof. RNDr. Roman Kotecký Dr.Sc. Katedra teoretické informatiky Fakulta informačních technologií České vysoké učení technické v Praze c Rudolf Blažek, Roman
VíceNÁVRH A OVĚŘENÍ BETONOVÉ OPŘENÉ PILOTY ZATÍŽENÉ V HLAVĚ KOMBINACÍ SIL
NÁVRH A OVĚŘENÍ BETONOVÉ OPŘENÉ PILOTY ZATÍŽENÉ V HLAVĚ KOMBINACÍ SIL 1. ZADÁNÍ Navrhněte růměr a výztuž vrtané iloty délky L neosuvně ořené o skalní odloží zatížené v hlavě zadanými vnitřními silami (viz
VíceRozklad přírodních surovin minerálními kyselinami
Laboatoř anoganické technologie Rozklad příodních suovin mineálními kyselinami Rozpouštění příodních mateiálů v důsledku pobíhající chemické eakce patří mezi základní technologické opeace řady půmyslových
VíceČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE. FAKULTA STAVEBNÍ, OBOR GEODÉZIE A KARTOGRAFIE KATEDRA SPECIÁLNÍ GEODÉZIE název předmětu
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ, OBOR GEODÉZIE A KARTOGRAFIE KATEDRA SPECIÁLNÍ GEODÉZIE název předmětu EKONOMIKA V ZEMĚMĚŘICTVÍ A KATASTRU číslo úlohy 1. název úlohy NEMOVITOSTÍ Analýza
VíceFYZIKA I. Mechanická energie. Prof. RNDr. Vilém Mádr, CSc. Prof. Ing. Libor Hlaváč, Ph.D. Doc. Ing. Irena Hlaváčová, Ph.D. Mgr. Art.
VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ FYZIKA I Mechanická enegie Pof. RND. Vilém Mád, CSc. Pof. Ing. Libo Hlaváč, Ph.D. Doc. Ing. Iena Hlaváčová, Ph.D. Mg. At. Dagma Mádová Ostava
VíceChyby měření 210DPSM
Chyby měření 210DPSM Jan Zatloukal Stručný přehled Zdroje a druhy chyb Systematické chyby měření Náhodné chyby měření Spojité a diskrétní náhodné veličiny Normální rozdělení a jeho vlastnosti Odhad parametrů
VíceMAGNETICKÉ POLE CÍVEK V HELMHOLTZOVĚ USPOŘÁDÁNÍ
Úloha č. 6 a MAGNETICKÉ POLE CÍVEK V HELMHOLTZOVĚ USPOŘÁDÁNÍ ÚKOL MĚŘENÍ:. Změřte magnetickou indukci podél osy ovinných cívek po případy, kdy vdálenost mei nimi je ovna poloměu cívky R a dále R a R/..
VíceK přednášce NUFY080 Fyzika I prozatímní učební materiál, verze 01 Keplerova úloha Leoš Dvořák, MFF UK Praha, Keplerova úloha
K řednášce NUFY080 Fyzika I ozatímní učební mateiál, veze 01 Keleova úloha eoš Dvořák, MFF UK Paha, 014 Keleova úloha Chceme sočítat, jak se ohybuje hmotný bod gavitačně řitahovaný nehybným silovým centem.
VíceŘešení testu 2b. Fyzika I (Mechanika a molekulová fyzika) NOFY ledna 2016
Řešení testu b Fika I (Mecanika a molekulová fika NOFY. ledna 6 Příklad Zadání: Po kouli o poloměu se be pokluovaní valí malá koule o poloměu. Jaká bude úlová clost otáčení malé koule v okamžiku kd se
VíceCharakteristika datového souboru
Zápočtová práce z předmětu Statistika Vypracoval: 10. 11. 2014 Charakteristika datového souboru Zadání: Při kontrole dodržování hygienických norem v kuchyni se prováděl odběr vzduchu a pomocí filtru Pallflex
Více1. Náhodný vektor (X, Y ) má diskrétní rozdělení s pravděpodobnostní funkcí p, kde. p(x, y) = a(x + y + 1), x, y {0, 1, 2}.
VIII. Náhodný vektor. Náhodný vektor (X, Y má diskrétní rozdělení s pravděpodobnostní funkcí p, kde p(x, y a(x + y +, x, y {,, }. a Určete číslo a a napište tabulku pravděpodobnostní funkce p. Řešení:
VíceIDENTIFIKACE BIMODALITY V DATECH
IDETIFIKACE BIMODALITY V DATECH Jiří Militky Technická universita v Liberci e- mail: jiri.miliky@vslib.cz Milan Meloun Universita Pardubice, Pardubice Motto: Je normální předpokládat normální data? Zvláštnosti
VíceEnergie elektrického pole
Energe elektrckého pole Jž v úvodní kaptole jsme poznal, že nehybný (centrální elektrcký náboj vytváří v celém nekonečném prostoru slové elektrcké pole, které je konzervatvní, to znamená, že jakýkolv jný
VíceSlezská univerzita v Opavě Obchodně podnikatelská fakulta v Karviné
Slezská univerzita v Oavě Obchodně odnikatelská fakulta v Karviné Přijímací zkouška do. ročníku OPF z matematiky (00) A Příklad. Určete definiční oboovnice a rovnici řešte. n + n =. + D : n N n = b b +
VíceFuzzy regulátory. Miloš Schlegel. Několik výroků o přesnosti
5 Fzz egláto Mloš Schlegel schlegel@kk.zc.cz Několk výoků o přesnost Přesnost a pavdvost neznamená totéž. (Hen Matsse) Věřím, že nc není bezpodmínečně pavdvé a poto jsem v opozc každé absoltní pavdě a
VíceZ mých cvičení dostalo jedničku 6 studentů, dvojku 8 studentů, trojku 16 studentů a čtyřku nebo omluveno 10 studentů.
Neparametricke testy (motto: Hypotézy jsou lešením, které se staví před budovu a pak se strhává, je-li budova postavena. Jsou nutné pro vědeckou práci, avšak skutečný vědec nepokládá hypotézy za předmětnou
Více10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.
0 cvičení z PST 5 prosince 208 0 (intervalový odhad pro rozptyl) Soubor (70, 84, 89, 70, 74, 70) je náhodným výběrem z normálního rozdělení N(µ, σ 2 ) Určete oboustranný symetrický 95% interval spolehlivosti
Vícey = 0, ,19716x.
Grafické ověřování a testování vybraných modelů 1 Grafické ověřování empirického rozdělení Při grafické analýze empirického rozdělení vycházíme z empirické distribuční funkce F n (x) příslušné k náhodnému
Více7. CVIČENÍ. Sedmé cvičení bude vysvětlovat tuto problematiku:
Sedmé cvičení bude vysvětlovat tuto problematiku: Mohrova kružnice pro rovinnou napjatost Kritéria pevnosti (pro rovinnou napjatost) Příklady MOHROVA KRUŽNICE PRO ROVINNOU NAPJATOST Rovinná, neboli dvojosá
VíceTrivium z optiky Vlnění
Tivium z optiky 7 1 Vlnění V této kapitole shnujeme základní pojmy a poznatky o vlnění na přímce a v postou Odvolávat se na ně budeme často v kapitolách následujících věnujte poto vyložené látce náležitou
VíceGAUSSŮV ZÁKON ELEKTROSTATIKY
GAUSSŮV ZÁKON ELEKTROSTATIKY PLOCHA JAKO VEKTOR Matematický doplněk n n Elementární plocha ΔS ds Ploše přiřadíme vektor, který 1) je k této ploše kolmý 2) má velikost rovnou velikosti (obsahu) plochy Δ
VíceSP2 Korelační analýza. Korelační analýza. Libor Žák
Koelčí lýz Přpomeutí pojmů áhodá poměá áhodý vekto áhodý vekto m Náhodý výbě: po áhodou poměou : po áhodý vekto : po áhodý vekto : m m Přpomeutí pojmů - kovce Kovce áhodých poměých kovčí koefcet popsuje
VícePravděpodobnost, náhodná proměnná. Statistické metody a zpracování dat. III. Pravděpodobnost, teoretická rozdělení. Pravděpodobnost, náhodná proměnná
Pravděpodobnost, náhodná proměnná Statistické metody a zpracování dat III. Pravděpodobnost, teoretická rozdělení Petr Dobrovolný Popisné a průzkumové metody umožňují přehledné shrnutí informací, které
VíceII. ročník, zimní semestr 2. týden P O P U L A Č N Í G E N E T I K A
II. ročník, zimní emetr. týden 3.0. - 7.0.008 P O P U L A Č N Í G E N E T I K A I. . Odhad frekvence receivní alely a zadání v úkolu č. 8a/tr. 0 Kot 30 % nechutnačů PTC ve zkoumané oulaci fenoty genotyy
VíceLambertův-Beerův zákon
Lambertův-Beerův zákon Intenzta záření po průchodu kavtou se vzorkem: Integrovaný absorpční koecent: I nal = I ntal e ε c L A = ε ( ~ ν ) d~ ν Bezjednotková včna síla osclátoru: v cm -1 = 4.3 10 9 A Síla
VíceHlavní body. Keplerovy zákony Newtonův gravitační zákon. Konzervativní pole. Gravitační pole v blízkosti Země Planetární pohyby
Úvod do gavitace Hlavní body Kepleovy zákony Newtonův gavitační zákon Gavitační pole v blízkosti Země Planetání pohyby Konzevativní pole Potenciál a potenciální enegie Vztah intenzity a potenciálu Úvod
VíceRegrese. používáme tehdy, jestliže je vysvětlující proměnná kontinuální pokud je kategoriální, jde o ANOVA
Regrese používáme tehd, jestliže je vsvětlující proměnná kontinuální pokud je kategoriální, jde o ANOVA Specifikace modelu = a + bx a závisle proměnná b x vsvětlující proměnná Cíl analýz Odhadnout hodnot
Více1. Ukazatele primární: - jsou přímo zjišťované, neodvozené - např. stav zásob, počet pracovníků k 31. 12., atd.
SROVNÁVÁNÍ HODNOT STATSTCÝCH UKAZATELŮ - oisem a analýzou ekonomikýh jevů a roesů omoí statistikýh ukazatelů se zabývá hosodářská statistika - ílem je nalézt zůsoby měření ekonomiké skutečnosti (ve formě
VíceŘešený příklad:: Kloubový přípoj nosníku na pásnici sloupu s čelní deskou
Dokument: SX01a-CZ-EU Strana 1 z 9 Řešený říklad: Kloový říoj nosníku na ásnici slouu Vyracoval Edurne Nunez Datum březen 005 Kontroloval Abdul Malik Datum sren 005 Řešený říklad:: Kloový říoj nosníku
VíceŘešený příklad: Přípoj příhradového vazníku na sloup čelní deskou
Dokument: SX033a-CZ-EU Strana 1 z 7 Řešený říklad: Příoj říhradového vazníku na slou čelní Příklad ředstavuje výočet smykové únosnosti říoje střešního říhradového vazníku k ásnici slouu omocí čelní desky.
VíceTepelná 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
VíceDetekce interakčních sil v proudu vozidel
Detekce interakčních sil v proudu vozidel (ANEB OBECNĚJŠÍ POHLED NA POJEM VZDÁLENOSTI V MATEMATICE) Doc. Mgr. Milan Krbálek, Ph.D. Katedra matematiky Fakulta jaderná a fyzikálně inženýrská České vysoké
Vícerovinná soustava sil (paprsky všech sil soustavy leží v jedné rovině) rovinný svazek sil rovinná soustava rovnoběžných sil
3.3 Obecé soustav sl soustava sl seskupeí sl působících a těleso vláští případ: svaek sl (papsk všech sl soustav se potíaí v edo bodě) soustava ovoběžých sl (papsk všech sl soustav sou aváe ovoběžé) ová
VíceELEKTRICKÝ NÁBOJ COULOMBŮV ZÁKON INTENZITA ELEKTRICKÉHO POLE
ELEKTRICKÝ NÁBOJ COULOMBŮV ZÁKON INTENZITA ELEKTRICKÉHO POLE 1 ELEKTRICKÝ NÁBOJ Elektický náboj základní vlastnost někteých elementáních částic (pvní elektické jevy pozoovány již ve staověku janta (řecky
Více