Teorie hromadné obsluhy

Rozměr: px
Začít zobrazení ze stránky:

Download "Teorie hromadné obsluhy"

Transkript

1 4..5 Teorie hromadé obluhy Radim Faraa Podlady pro výuu pro aademicý ro 3/4 Obah Teorie hromadé obluhy Klaiiace ytémů hromadé obluhy Sytém hromadé obluhy M/M// / /FIFO Sytém hromadé obluhy M/M/// Sytém hromadé obluhy M/M/// Literatura: JABLONSKÝ, Joe. Operačí výzum: vatitativí metody pro eoomicé rozhodováí. 3. vyd. Praha: Proeioal Publihig, 7, 33. ISBN Šeda, Mirolav. Modely hromadé obluhy. Acta logitica Moravica,, č., ISSN: Dotupý z webu: <URL: o/acta_logitica.pd> Teorie hromadé obluhy Zálady teorie hromadé obluhy položil dáý David George Kedall matemati Ager Krarup Erlag, terý pracoval pro * , Ripo, UK polečot provozující teleoicou íť v Kodai , Cambridge, UK Mathematicia/Kedall.html a v r. 99 popal apliaci teorie pravděpodoboti a problémy teleoího provozu. O další rozvoj teorie e zaloužil zejméa ruý matemati Adrej Niolajevič Kolmogorov. Klaiiaci ytémů hromadé obluhy ta, ja ji používáme de, zavedl v 5. letech miulého toletí aglicý matemati David George Kedall. De jde již o laicou čát logitiy, popaou v řadě moograií (Boe, ; Cooper, 98; Gro et al., 8) i vyoošolých textů (Hrubia, Jadlová, Hrehová, 5; Jabloý, ; Klvaňa, 5; Pelta, Máje, 8; Virtamo, 5).

2 4..5 Sytém hromadé obluhy (SHO) je ytém, terý poytuje lužby přicházejícím záazíům. Poud emohou poytout lužbu ihed, hromažďují e eupoojeí záazíci do roty (proto taé Teorie ro. Např. auta přijíždějící a řižovatu, teleoující účatíci pojovaí cetrálou, záazíci přicházející do obchodu, Sytém hromadé obluhy oblužý ytém vtupí proud požadavů rota požadavů výtupí proud obloužeých požadavů proud eobloužeých (odmítutých) požadavů Orgaizace roty Poud e týče roty, ituitivě ji chápeme ta, ja ji ami záme, tj. do dříve přijde do ytému, dříve bude oblouže (FIFO irt i, irt ou. Možá je vša i obluha LIFO (lat i, irt ou, de aopa je prví obluhová požadave, terý do ytému vtoupil poledí. Nědy bývá trategie LIFO ozačováa i zratou LCFS (lat come, irt erved). Příladem obluhy LIFO je odběr zboží ze ladu, dy zboží (apř. tabule la, rabice televizory), teré bylo a lad dodáo jao prví, je v zadí čáti ladu, rep. apodu hromady, a tedy jao poledí je přítupé. Vedle obluhy FIFO a LIFO e etáme i áhodým výběrem požadavu z roty do oblužého ytému (SIRO electio i radom order) a obluhou řízeou prioritou požadavů (PRI priority).

3 4..5 Déla roty Déla roty může být omezeá, při doažeí určitého (předem deiovaého) počtu požadavů do roty e již další požadavy odmítou, apř. počet rezervací a ihu v ihově, terá je atuálě vypůjčea; rep. eomezeá, ve utečoti tím chápeme případ, dy maximálí možý počet požadavů ve rotě je velmi vyoý. Požadavy ve rotě mohou mít omezeou ebo eomezeou trpělivot. V případě eomezeé trpělivoti požadavy čeají a obluhu ta dlouho, doud a ě epřijde řada, v ytému omezeou trpělivotí je zařazeí do roty do začé míry závilé a délce roty. Míto dély roty e taé můžeme etat pojmem apacita ytému, terým e míí maximálí počet požadavů, terý může být v ytému přítome. Klaiiace SHO r. 95 Kedall avrhl laiiaci SHO podle tří hlavích hledie ve tvaru A/B/C, de: A charaterizuje typ pravděpodobotího rozděleí áhodé veličiy doba (iterval) mezi příchody požadavů do ytému, B charaterizuje typ pravděpodobotího rozděleí áhodé veličiy doba obluhy požadavu, C je počet paralelě upořádaých oblužých lie (ebo taé počet aálů), tj. jde o přirozeé čílo, v případě eomezeého (tj. velmi velého počtu lie) je obvylé parametr C vyjadřovat čílem. Klaiiace SHO Kedallova laiiace dále rozšířea a tvar A/B/C/D/E/F, další parametry jou: D přirozeé čílo udávající max. počet požadavů v ytému (tj. apacitu ytému), eí-li explicitě omeze, je vyjádře, E přirozeé čílo vyjadřující maximálí počet požadavů ve vtupím proudu (ebo taé ve zdroji požadavů), poud je eomeze, opět e použije, F typ roty (FIFO/LIFO/SIRO/PRI).. 3

4 4..5 Parametr A M itervaly mezi příchody požadavů jou avzájem tochaticy ezávilé a mají expoeciálí rozděleí, to zameá, že vtupí proud reprezetuje Poioův (Marovovův) proce, E Erlagovo rozděleí parametry λ a, K rozděleí χ tupi voloti, N ormálí (Gauovo) rozděleí, U rovoměré rozděleí, G obecý případ, doba mezi příchody požadavů je dáa vou ditribučí ucí, D itervaly mezi příchody požadavů jou otatí (mají determiiticý charater). Pro parametr B e používá tejé ozačeí pro dobu obluhy požadavu Poioův (Marovovův) proce Poioův proce je proud jevů, terý plňuje áledující vlatoti:. Stacioárot (homogeita v čae) počet jevů ve tejě dlouhých čaových itervalech je otatí.. Regulárot (ordiáro pravděpodobot výytu více ež jedoho jevu v dotatečě malém itervalu dély Δt je zaedbatelě malá. To zameá, že v itervalu (t, t + Δ e buď vyyte právě jede jev pravděpodobotí λ Δt aebo pravděpodobotí λ Δt e v tomto itervalu žádý jev evyyte. Jia řečeo v Poioově proceu je možý je přechod ytému do ejbližšího vyššího tavu aebo etrváí v témže tavu. 3. Nezávilot přírůtů počet jevů, teré e vyytou v jedom čaovém itervalu, ezávií a počtu jevů v jiých itervalech, Sytém hromadé obluhy M/M// / /FIFO Uvažujeme ejdříve ituaci a vtupu ytému izolovaě od proceu obluhy a zavedeme áhodou veličiu počet požadavů, teré přišly do ytému během itervalu t, t + Δt, de t, Vzhledem e tacioároti Poioova proceu počet požadavů ezávií a volbě počátečího oamžiu t a výzam má pouze déla uvažovaého itervalu Δt. Nechť p ( ozačuje pravděpodobot toho, že v čae t je v ytému právě požadavů. Z regulároti Poioova proceu vyplývá, že pravděpodobot, že v čae t+δt bude v ytému požadavů je rova pravděpodoboti toho, že v čae t bylo v ytému požadavů a během doby Δt vtoupil do ytému jede požadave pravděpodobotí λ Δt aebo v čae t bylo v ytému požadavů a během doby Δt pravděpodobotí λ Δt do ytému žádý ový požadave evtoupil. Z pravidel pro výpočet. pravděpodoboti ojuce a dijuce ezávilých jevů odtud plye vztah: t,,,... p ( t p (. t p (. 4

5 4..5 Sytém hromadé obluhy M/M// / /FIFO Pravděpodobot, že v čae t + Δt v ytému eí žádý požadave je dáa pravděpodobotí toho, že tam žádý požadave ebyl a ai během doby Δt žádý evtoupil, tj. p t p (. t ( Po adé úpravě ze předchozích vztahů dotaeme vztahy: ( t (. (. (,,,... t p( t p(. p( t Nyí v těchto vztazích provedeme limití přechod pro t.. Dotáváme: ( t ( lim lim. (. (,,,... t t t p( t p( lim lim. p( t t t Sytém hromadé obluhy M/M// / /FIFO Výrazy a levé traě předchozích dvou vztahů jou derivacemi ucí p ( a p ( v bodě t, tj. p ( a p (, zatímco a jejich pravé tray emá limití přechod vliv. Odtud tedy dotáváme reuretí vztahy:, p t. p (. p (,,, p... t. p( ), t Tyto reuretí vztahy předtavují outavu eoečě moha obyčejých diereciálích rovic. řádu. Pro jejich řešeí potřebujeme zát počátečí podmíy. Je vša zřejmé, že v čae e žádé požadavy v ytému ještě eachází, a tedy p ( ),,,... p () Sytém hromadé obluhy M/M// / /FIFO Z teorie obyčejých diereciálích rovic je zámo, že řešeím předchozí outavy rovic uvedeými počátečími podmíami je outava ucí: p t e t t,! čili pro = : p t e t,,,... 5

6 4..5 Sytém hromadé obluhy M/M// / /FIFO Graicé zobrazeí ucí p (t ) pro =,,, 5 a λ =.,,8 (t ),6,4 = = = = 3 = 4 = 5, , t Sytém hromadé obluhy M/M// / /FIFO Je vidět, že v ytému M/M/ áhodá veličia počet požadavů, teré přišly do ytému za čaový iterval dély t, má Poioovo rozděleí parametrem λ t. Středí hodota této áhodé veličiy je λ t a peciálě pro t = je tředí hodota áhodé veličiy počet požadavů, teré přišly do ytému za čaovou jedotu rova λ. t t t e,,,,...! Říáme, že λ je tředí itezita vtupu ebo rátce itezita vtupu a vyjadřuje průměrý počet požadavů, teré do ytému vtoupily za čaovou jedotu. t p t e Sytém hromadé obluhy M/M// / /FIFO Náhodá veličia iterval mezi příchody požadavů má expoeciálí rozděleí. Ozačíme tuto veličiu T. Pa pravděpodobot toho, že po vtupu jedoho požadavu žádý další požadave po celou dobu itervalu t do ytému evtoupil, je rova p (, a tedy: t PT t p t e Odtud dotáváme ditribučí uci F( expoeciálího rozděleí parametrem λ. t t PT t e F( P T 6

7 4..5 Sytém hromadé obluhy M/M// / /FIFO Středí hodota áhodé veličiy T vyjadřující průměrý ča mezi dvěma po obě jdoucími požadavy je E T Sytém hromadé obluhy M/M// / /FIFO Aalogicy můžeme yí zoumat proce obluhy. Předpoládáme, že áhodá veličia doba obluhy jedoho požadavu (rátce doba obluhy) má expoeciálí rozděleí. Parametr tohoto rozděleí ozačme μ, přičemž obecě platí, že. Středí hodota áhodé veličiy doba obluhy T O je ET O a parametr μ udává tředí hodotu počtu požadavů obloužeých za čaovou jedotu doby práce aálu, tručěji tředí itezitu obluhy, rátce itezitu obluhy. Sytém hromadé obluhy M/M// / /FIFO Pro popi chováí ytému je důležitá itezita zatížeí ytému (aebo taé itezita provozu aálu): pro overgeci ytému je uté, aby platilo: průměrý počet příchodů záazíů za jedotu čau průměrý počet obloužeých záazíů za jedotu čau 7

8 4..5 Sytém hromadé obluhy M/M// / /FIFO Poud ytém e tejými parametry pracuje dotatečě dlouho, dojde utáleí ytému ve tacioárím tavu. Pa můžeme určit áledující charateritiy ytému. Stacioárí pravděpodobot počtu požadavů v ytému: P,,,,... Sytém hromadé obluhy M/M// / /FIFO Průměrý počet požadavů v ytému: EN rozptyl: DN Průměrý počet požadavů ve rotě: N E. rozptyl: D N Vidíme, že průměrá déla roty e od průměrého počtu požadavů v ytému liší o ψ a e o, ja bychom čeali. Sytém hromadé obluhy M/M// / /FIFO Středí doba etrváí požadavu v ytému: ET t Středí doba čeáí požadavu ve rotě: E T t Středí doba obluhy: E T O D T rozptyl: rozptyl: D T 8

9 4..5 Sytém hromadé obluhy M/M// / /FIFO Koeiciet protoje oblužého aálu: K p Koeiciet využití (zatížeí) oblužého aálu: K p Přílad: SHO M/M// / /FIFO Použijeme zjedodušeý model M/M/ a vyšetřeí chováí mezy. Bylo zjištěo, že do mezy přijde během 7 miut 65 trávíů. Průměrá doba výdeje oběda je 5 miut. E 65 7 T,8 mi [mi], mi E T O,8,9, Přílad: SHO M/M// / /FIFO Průměrý počet požadavů v ytému: E,9,9 N 9 Průměrý počet požadavů ve rotě: E N. 8, rozptyl: D N rozptyl: D 88,9 N,9, 9 9

10 4..5 Přílad: SHO M/M// / /FIFO Středí doba etrváí požadavu v ytému: 9 t 5[mi],8 E T Středí doba čeáí požadavu ve rotě: 8, t 45[mi] E T,8 Středí doba obluhy: D T rozptyl: rozptyl: D T E T O 5 [mi] Kotrolí otáza: Platí vždy E(T ) = E(T ) + E(T O )? Sytém hromadé obluhy M/M/ Jié ytémy právy roty. Průměrá doba tráveá v ytému e eměí, ale zvětší e rozptyl. Pro rotu LIFO: Středí doba etrváí požadavu v ytému: ET t Středí doba čeáí požadavu ve rotě: E T t D T D T rozptyl: rozptyl: D T 3 SHO M/M/// Jde o ytém bez čeáí a rota e evytváří. V ytému jou možé je dva tavy: p p p p

11 4..5 SHO M/M/// Charateritiy ytému. Pravděpodobot ztráty (odmítutí) požadavu (pravděpodobot, že v ytému je jede požadave a jediá oblužá lia je obazea) p zt p Relativí apacita ytému (pravděpodobot obluhy požadavu) (pravděpodobot obluhy požadavu) K r pobl p SHO M/M/// Abolutí apacita ytému (počet obloužeých požadavů za čaovou jedotu) Ka K r. Nomiálí apacita ytému (maximálí počet požadavů, teré je ytém chope obloužit za čaovou jedotu) K om SHO M/M/// Koeiciet protoje oblužého aálu K p Koeiciet využití (zatížeí) oblužého aálu K z p p

12 4..5 SHO M/M/// Poud ytém M/M/ evyhovuje požadavům, je ěoli cet e zdooaleí (zráceí ro. Byroraticý omezeí příchodu záazíů (zmešeí parametru příchodů λ).. Itezíví zrychleí obluhy (zvýšeí hodoty parametru obluhy μ). 3. Extezíví zvýšeí počtu oblužých mít. SHO M/M/// Předpoládáme, že všechy oblužé liy pracují e tejým parametrem obluhy μ. Pro tabilizaci ytému muí platit λ <.μ. Ozačíme parametr SHO M/M/// Pravděpodobot jedotlivých tavů p! p.p. p! p. p,!,,...

13 4..5 SHO M/M/// Charateritiy ytému. Pravděpodobot ztráty (odmítutí) požadavu (pravděpodobot, že všechy oblužé jou obazey) p p! p zt Relativí apacita ytému (pravděpodobot obluhy požadavu) (pravděpodobot toho, že alepoň jeda z oblužých lie je volá) K r p zt SHO M/M/// Abolutí apacita ytému (počet obloužeých požadavů za čaovou jedotu) Ka K r. Středí hodota počtu obazeých oblužých lie: E Nob ob. p SHO M/M/// Středí hodota počtu volých oblužých lie EN.... ob Nomiálí apacita ytému (maximálí počet požadavů, teré je ytém chope obloužit za čaovou jedotu) K om. 3

14 4..5 SHO M/M/// Koeiciet protoje oblužého aálu Koeiciet využití (zatížeí) oblužého aálu K z K z K 4

7 VYUŽITÍ METOD OPERAČNÍ ANALÝZY V TECHNOLOGII DOPRAVY

7 VYUŽITÍ METOD OPERAČNÍ ANALÝZY V TECHNOLOGII DOPRAVY 7 VYUŽITÍ METOD OERAČNÍ ANALÝZY V TECHNOLOGII DORAVY Operačí aalýza jao jeda z oblatí apliovaé matematiy achází vé široé uplatěí v průmylových a eoomicých apliacích. Jedím z oborů, ve teré hraje ezatupitelou

Více

3. část: Teorie hromadné obsluhy. Ing. Michal Dorda, Ph.D.

3. část: Teorie hromadné obsluhy. Ing. Michal Dorda, Ph.D. 3. část: Teorie hromadé obsluhy Ig. Michal Dorda, h.d. Zálady teorie pravděpodobosti Náhodý pous je děj, jehož výslede eí ai při dodržeí všech předepsaých podmíe předem zám. Náhodý jev je výsledem áhodého

Více

MODELY HROMADNÉ OBSLUHY Models of queueing systems

MODELY HROMADNÉ OBSLUHY Models of queueing systems MODELY HROMADNÉ OBSLUHY Models of queueig systems Prof. RNDr. Ig. Miloš Šeda, Ph.D. Vysoé učeí techicé v Brě, Faulta strojího ižeýrství, Ústav automatizace a iformatiy e-mail: seda@fme.vutbr.cz Abstrat

Více

8 DALŠÍ SPOJITÁ ROZDĚLENÍ PRAVDĚPODOBNOSTI

8 DALŠÍ SPOJITÁ ROZDĚLENÍ PRAVDĚPODOBNOSTI 8 DALŠÍ SPOJITÁ ROZDĚLENÍ PRAVDĚPODOBNOSTI Ča ke tudiu kapitoly: 60 miut Cíl: Po protudováí tohoto odtavce budete umět: charakterizovat další typy pojitých rozděleí: χ, Studetovo, Ficher- Sedocorovo -

Více

Téma 1: Pravděpodobnost

Téma 1: Pravděpodobnost ravděpodobot Téma : ravděpodobot ředáša - ravděpodobot áhodého evu Náhodý pou a áhodý ev Náhodý pou - aždá čot, eíž výlede eí edozačě urče podmíam, za terých probíhá apř hod otou, měřeí dély, běh a 00

Více

stavební obzor 1 2/2014 11

stavební obzor 1 2/2014 11 tavebí obzor /04 Exploratorí aalýza výběrového ouboru dat pevoti drátobetou v tlau Ig. Daiel PIESZKA Ig. Iva KOLOŠ, Ph.D. doc. Ig. Karel KUBEČKA, Ph.D. VŠB-TU Otrava Faulta tavebí Věrohodé vyhodoceí experimetálích

Více

6.1 Systémy hromadné obsluhy

6.1 Systémy hromadné obsluhy 6. Systémy hromadé obsluhy Proces usoojováí áhodě i hromadě vziajících ožadavů a obsluhu se azývá roces hromadé obsluhy. Předmětem teorie hromadé obsluhy, ědy taé ozačovaé jao teorie frot (z aglicých slov

Více

Tento materiál vznikl díky Operačnímu programu Praha Adaptabilita CZ.2.17/3.1.00/33254

Tento materiál vznikl díky Operačnímu programu Praha Adaptabilita CZ.2.17/3.1.00/33254 Evroský sociálí od Praha & EU: Ivestujeme do vaší budoucosti eto materiál vzikl díky Oeračímu rogramu Praha Adatabilita CZ..7/3../3354 Maažerské kvatitativí metody II - ředáška č.3 - Queuig theory teorie

Více

3. Charakteristiky a parametry náhodných veličin

3. Charakteristiky a parametry náhodných veličin 3. Charateristiy a parametry áhodých veliči Úolem této apitoly je zavést pomocý aparát, terým budeme dále popisovat pomocí jedoduchých prostředů áhodé veličiy. Taovýmto aparátem jsou tzv. parametry ebo

Více

NEPARAMETRICKÉ METODY

NEPARAMETRICKÉ METODY NEPARAMETRICKÉ METODY Jsou to metody, dy předmětem testu hypotézy eí tvrzeí o hodotě parametru ějaého orétího rozděleí, ale ulová hypotéza je formulováa obecěji, apř. jao shoda rozděleí ebo ezávislost

Více

Soustava momentů. k s. Je-li tedy ve vzorci obecného momentu s = 1, získáme vzorec aritmetického průměru.

Soustava momentů. k s. Je-li tedy ve vzorci obecného momentu s = 1, získáme vzorec aritmetického průměru. Soutava mometů Momety (Obecé, cetrálí a ormovaé) Do ytému mometových charatert patří ty ejdůležtější artmetcý průměr (mometová míra úrově) a rozptyl (mometová úroveň varablty). Obecý momet -tého tupě:

Více

5. Lineární diferenciální rovnice n-tého řádu

5. Lineární diferenciální rovnice n-tého řádu 5 3.3.8 8:44 Josef Herdla lieárí difereciálí rovice -tého řádu 5. Lieárí difereciálí rovice -tého řádu (rovice s ostatími oeficiety) ( ), a,, a (5.) ( ) ( ) y a y a y ay q L[ y] y a y a y a y, q je spojitá

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru SP Náhodý vetor ezávislost fuce NV PRAVDĚPODONOST A STATISTIKA Náhodý vetor ezávislost fuce áhodého vetoru Libor Žá Náhodý vetor stochasticá ezávislost Náhodé veličiy... defiovaé a ravděodobostím rostoru

Více

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a)

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a) Předáša 7 Derivace a difereciály vyšších řádů Budeme poračovat v ahrazováí fuce f(x v oolí bodu a polyomy, tj hledat vhodé ostaty c ta, aby bylo pro malá x a f(x c 0 + c 1 (x a + c 2 (x a 2 + c 3 (x a

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru SP Náhodý vetor ezávislost fuce NV PRAVDĚPODONOST A STATISTIKA Náhodý vetor ezávislost fuce áhodého vetoru Libor Žá Náhodý vetor stochasticá ezávislost Náhodé veličiy... defiovaé a ravděodobostím rostoru

Více

Testování statistických hypotéz

Testování statistických hypotéz Tetováí tatitických hypotéz CHEMOMETRIE I, David MILDE Jedá e o jedu z ejpoužívaějších metod pro vyloveí závěrů o základím ouboru, který ezkoumáme celý, ale pomocí áhodého výběru. Př.: Je obah účié látky

Více

ZÁKLADY POPISNÉ STATISTIKY

ZÁKLADY POPISNÉ STATISTIKY ZÁKLADY POPISNÉ STATISTIKY Statitia věda o metodách běru, zpracováí a vyhodocováí tatiticých údaů. Statiticé údae ou apř. údae o přirozeém přírůtu či migraci obyvateltva, obemu výroby průmylových podiů,

Více

Při sledování a studiu vlastností náhodných výsledků poznáme charakter. podmínek různé výsledky. Ty odpovídají hodnotám jednotlivých realizací

Při sledování a studiu vlastností náhodných výsledků poznáme charakter. podmínek různé výsledky. Ty odpovídají hodnotám jednotlivých realizací 3. Náhodý výběr Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých realizací

Více

,6 32, ,6 29,7 29,2 35,9 32,6 34,7 35,3

,6 32, ,6 29,7 29,2 35,9 32,6 34,7 35,3 Př 7: S 95% polehlivotí odhaděte variabilitu (protředictvím odhadu měrodaté odchylky) a tředí hodotu obahu vitamíu C u rajčat. Záte-li výledky rozboru 0-ti vzorků rajčat: 3 4 5 6 7 8 9 0 9,6 3,4 30 3,6

Více

3. cvičení 4ST201 - řešení

3. cvičení 4ST201 - řešení cvčící Ig. Jaa Feclová 3. cvčeí 4ST0 - řešeí Obah: Míry varablty Rozptyl Směrodatá odchyla Varačí oefcet Rozlad rozptylu a mezupovou a vtroupovou varabltu Změa rozptylu Vyoá šola eoomcá VŠE urz 4ST0 Míry

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

jako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých

jako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých 9 Limití věty. V aplikacích teorie pravděpodobosti (matematická statistika, metody Mote Carlo se užívají tvrzeí vět o kovergeci posloupostí áhodých veliči. Podle povahy kovergece se limití věty teorie

Více

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna. 6 Itervalové odhady parametrů základího souboru V předchozích kapitolách jsme se zabývali ejprve základím zpracováím experimetálích dat: grafické zobrazeí dat, výpočty výběrových charakteristik kapitola

Více

Interval spolehlivosti pro podíl

Interval spolehlivosti pro podíl Iterval polehlivoti pro podíl http://www.caueweb.org/repoitory/tatjava/cofitapplet.html Náhodý výběr Zkoumaý proce chápeme jako áhodou veličiu určitým ám eámým roděleím a měřeá data jako realiace této

Více

3. cvičení 4ST201. Míry variability

3. cvičení 4ST201. Míry variability cvčící Ig. Jaa Feclová 3. cvčeí 4ST0 Obah: Míry varablty Rozptyl Směrodatá odchyla Varačí oefcet Rozlad rozptylu a mezupovou a vtroupovou varabltu Změa rozptylu Vyoá šola eoomcá VŠE urz 4ST0 Míry varablty

Více

Intervalové odhady parametrů některých rozdělení.

Intervalové odhady parametrů některých rozdělení. 4. Itervalové odhady parametrů rozděleí. Jedou ze základích úloh mtematické statistiky je staoveí hodot parametrů rozděleí, ze kterého máme k dispozici áhodý výběr. Nejčastěji hledáme odhady dvou druhů:

Více

V. Normální rozdělení

V. Normální rozdělení V. Normálí rozděleí 1. Náhodá veličia X má ormovaé ormálí rozděleí N(0; 1). Určete: a) P (X < 1, 5); P (X > 0, 3); P ( 1, 135 < x ); P (X < 3X + ). c) číslo ε takové, že P ( X < ε) = 0,

Více

8.1.2 Vzorec pro n-tý člen

8.1.2 Vzorec pro n-tý člen 8 Vzorec pro -tý čle Předpolady: 80 Pedagogicá pozáma: Přílady a hledáí dalších čleů posloupostí a a objevováí vzorců pro -tý čle do začé míry odpovídají typicým příladům z IQ testů, teré studeti zají

Více

8.1.2 Vzorec pro n-tý člen

8.1.2 Vzorec pro n-tý člen 8.. Vzorec pro -tý čle Předpolady: 80 Pedagogicá pozáma: Myslím, že jde o jedu z velmi pěých hodi. Přílady a hledáí dalších čleů posloupostí a a objevováí vzorců pro -tý čle do začé míry odpovídají typicým

Více

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů: Odhady parametrů polohy a rozptýleí pro často se vyskytující rozděleí dat v laboratoři se vyčíslují podle ásledujících vztahů: a : Laplaceovo (oboustraé expoeciálí rozděleí se vyskytuje v případech, kdy

Více

12. N á h o d n ý v ý b ě r

12. N á h o d n ý v ý b ě r 12. N á h o d ý v ý b ě r Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých

Více

4. B o d o v é o d h a d y p a r a m e t r ů

4. B o d o v é o d h a d y p a r a m e t r ů 4. B o d o v é o d h a d y p a r a m e t r ů Na základě hodot áhodého výběru z rozděleí určitého typu odhadujeme parametry tohoto rozděleí, tak aby co ejlépe odpovídaly hodotám výběru. Formulujme tudíž

Více

Kapitola 3.: Úlohy o jednom náhodném výběru z normálního rozložení

Kapitola 3.: Úlohy o jednom náhodném výběru z normálního rozložení Kapitola 3.: Úlohy o jedom áhodém výběru z ormálího rozložeí Cíl kapitoly Po protudováí této kapitoly budete - zát vlatoti pivotových tatitik odvozeých z áhodého výběru z ormálího rozložeí a budete je

Více

TOKY V GRAFU MAXIMÁLNÍ TOK SÍTÍ, MINIMALIZACE NÁKLADŮ SPOJENÝCH S DANOU HODNOTOU TOKU, FIXNÍ NÁKLADY, PŘEPRAVNÍ (TRANSHIPMENT) PROBLÉM.

TOKY V GRAFU MAXIMÁLNÍ TOK SÍTÍ, MINIMALIZACE NÁKLADŮ SPOJENÝCH S DANOU HODNOTOU TOKU, FIXNÍ NÁKLADY, PŘEPRAVNÍ (TRANSHIPMENT) PROBLÉM. TOKY V GRAFU MAXIMÁLNÍ TOK SÍTÍ, MINIMALIZACE NÁKLADŮ SPOJENÝCH S DANOU HODNOTOU TOKU, FIXNÍ NÁKLADY, PŘEPRAVNÍ (TRANSHIPMENT) PROBLÉM. Graf je útvar, terý je možo zázorit obrázem v roviě pomocí bodů (uzly

Více

1. Vztahy pro výpočet napěťových a zkratových

1. Vztahy pro výpočet napěťových a zkratových EE/E Eletráry ztahy pro výpočet apěťových a zratových poměrů. ztahy pro výpočet apěťových a zratových poměrů ýpočty lze provádět: ve fyziálích jedotách v poměrých jedotách v procetích jedotách Procetí

Více

k(k + 1) = A k + B. s n = n 1 n + 1 = = 3. = ln 2 + ln. 2 + ln

k(k + 1) = A k + B. s n = n 1 n + 1 = = 3. = ln 2 + ln. 2 + ln Číselé řady - řešeé přílady ČÍSELNÉ ŘADY - řešeé přílady A. Součty řad Vzorové přílady:.. Přílad. Určete součet řady + = + 6 + +.... Řešeí: Rozladem -tého čleu řady a parciálí zlomy dostáváme + = + ) =

Více

n 3 lim 3 1 = lim Je vidět, že posloupnost je neklesající, tedy z Leibnize řada konverguje, ( 1) k 1 k=1

n 3 lim 3 1 = lim Je vidět, že posloupnost je neklesající, tedy z Leibnize řada konverguje, ( 1) k 1 k=1 3. cvičeí Přílady. (a) (b) (c) ( ) ( 3 ) = Otestujeme itu 3 = 3 = = 0. Je vidět, že posloupost je elesající, tedy z Leibize řada overguje, ( ) Řada overguje podle Leibizova ritéria, ebot je zjevě erostoucí.

Více

Cvičení 6.: Bodové a intervalové odhady střední hodnoty, rozptylu a koeficientu korelace, test hypotézy o střední hodnotě při známém rozptylu

Cvičení 6.: Bodové a intervalové odhady střední hodnoty, rozptylu a koeficientu korelace, test hypotézy o střední hodnotě při známém rozptylu Cvičeí 6: Bodové a itervalové odhady středí hodoty, rozptylu a koeficietu korelace, test hypotézy o středí hodotě při zámém rozptylu Příklad : Bylo zkoumáo 9 vzorků půdy s růzým obsahem fosforu (veličia

Více

14. B o d o v é o d h a d y p a r a m e t r ů

14. B o d o v é o d h a d y p a r a m e t r ů 4. B o d o v é o d h a d y p a r a m e t r ů Na základě hodot áhodého výběru z rozděleí určitého typu odhadujeme parametry tohoto rozděleí, tak aby co ejlépe odpovídaly hodotám výběru. Formulujme tudíž

Více

Národní informační středisko pro podporu kvality

Národní informační středisko pro podporu kvality Národí iformačí střediso pro podporu vality Problémy s uazateli způsobilosti a výoosti v praxi Dr.Jiří Michále, CSc. Ústav teorie iformace a automatizace AVČR Uazatel způsobilosti C p Předpolady: ormálí

Více

Odhady parametrů 1. Odhady parametrů

Odhady parametrů 1. Odhady parametrů Odhady parametrů 1 Odhady parametrů Na statistický soubor (x 1,..., x, který dostaeme statistickým šetřeím, se můžeme dívat jako a výběrový soubor získaý realizací áhodého výběru z áhodé veličiy X. Obdobě:

Více

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n 8.3. Limity ěkterých posloupostí Předpoklady: 83 Pedagogická pozámka: Tuto a tři ásledující hodiy je možé probrat za dvě vyučovací hodiy. V této hodiě je možé vyechat dokazováí limit v příkladu 3. Opakováí

Více

Cvičení 6.: Výpočet střední hodnoty a rozptylu, bodové a intervalové odhady střední hodnoty a rozptylu

Cvičení 6.: Výpočet střední hodnoty a rozptylu, bodové a intervalové odhady střední hodnoty a rozptylu Cvičeí 6: Výpočet středí hodoty a rozptylu, bodové a itervalové odhady středí hodoty a rozptylu Příklad 1: Postupě se zkouší spolehlivost čtyř přístrojů Další se zkouší je tehdy, když předchozí je spolehlivý

Více

8. Analýza rozptylu.

8. Analýza rozptylu. 8. Aalýza rozptylu. Lieárí model je popis závislosti, který je využívá v řadě disciplí matematické statistiky. Uvedeme jeho popis a tvrzeí, která budeme využívat. Setkáme se s ím jedak v aalýze rozptylu,

Více

3 - Póly, nuly a odezvy

3 - Póly, nuly a odezvy 3 - Póly, uly a odezvy Michael Šebek Automatické řízeí 8 9-6-8 Automatické řízeí - Kyberetika a robotika Póly přeou a póly ytému Póly přeou jou kořey jmeovatele pro g () = b () a () jou to komplexí číla

Více

Charakteristiky úrovně

Charakteristiky úrovně Charaterty úrově Měřeí úrově Úroveň (poloha) je jedou ze záladích vlatotí tattcých dat, v úrov e mohou tattcá data lšt ebo aopa hodovat. Výzačé hodoty varačí řady ejou ctlvé a změu jedotlvých hodot Medá

Více

Statistické charakteristiky (míry)

Statistické charakteristiky (míry) Stattcé charaterty (míry) - hrují formac, obažeou v datech (vyjadřují j v ocetrovaé formě); - charaterzují záladí ryy zoumaého ouboru dat; - umožňují porováváí více ouborů. upy tattcých charatert :. charaterty

Více

Příklady k přednášce 3 - Póly, nuly a odezvy

Příklady k přednášce 3 - Póly, nuly a odezvy Příklady k předášce 3 - Póly, uly a odezvy Michael Šebek Automatické řízeí 06 9--6 Schurův doplěk - odvozeí Automatické řízeí - Kyberetika a robotika Obecě ( + l) ( + l) ( + l) ( + m) ( + m) ( + m) I 0

Více

8. Odhady parametrů rozdělení pravděpodobnosti

8. Odhady parametrů rozdělení pravděpodobnosti Pozámky k předmětu Aplikovaá statistika, 8 téma 8 Odhady parametrů rozděleí pravděpodobosti Zaměříme se a odhad středí hodoty a rozptylu a to dvěma způsoby Předpokládejme, že máme áhodý výběr X 1,, X z

Více

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n 8.3. Limity ěkterých posloupostí Předpoklady: 83 Opakováí z miulé hodiy: 8 Hodoty poslouposti + se pro blížící se k ekoeču blíží k a to tak že mezi = posloupostí a číslem eexistuje žádá mezera říkáme že

Více

STATISTIKA. Základní pojmy

STATISTIKA. Základní pojmy Statistia /7 STATISTIKA Záladí pojmy Statisticý soubor oečá eprázdá možia M zoumaých objetů schromážděých a záladě toho, že mají jisté společé vlastosti záladí statisticý soubor soubor všech v daé situaci

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

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

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti.

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti. 10 Cvičeí 10 Statistický soubor. Náhodý výběr a výběrové statistiky aritmetický průměr, geometrický průměr, výběrový rozptyl,...). Bodové odhady parametrů. Itervalové odhady parametrů. Jedostraé a oboustraé

Více

Deskriptivní statistika 1

Deskriptivní statistika 1 Deskriptiví statistika 1 1 Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 1145/2004. Základí charakteristiky souboru Pro lepší představu používáme k popisu vlastostí zkoumaého jevu určité charakteristiky

Více

procesy II Zuzana 1 Katedra pravděpodobnosti a matematické statistiky Univerzita Karlova v Praze

procesy II Zuzana 1 Katedra pravděpodobnosti a matematické statistiky Univerzita Karlova v Praze limití Náhodé limití Katedra pravděpodobosti a matematické statistiky Uiverzita Karlova v Praze email: praskova@karli.mff.cui.cz 9.4.-22.4. 200 limití Outlie limití limití efiice: Řekeme, že stacioárí

Více

Příklady k přednášce 3 - Póly, nuly a odezvy

Příklady k přednášce 3 - Póly, nuly a odezvy Příklady k předášce 3 - Póly, uly a odezvy Michael Šebek Automatické řízeí 08 9-6-8 Nuly přeou Automatické řízeí - Kyberetika a robotika Pro přeo G ( ) = ( + ) ( + ) pólem = a ulou z = porovejme odezvy

Více

Sekvenční logické obvody(lso)

Sekvenční logické obvody(lso) Sekvečí logické obvody(lso) 1. Logické sekvečí obvody, tzv. paměťové čley, jsou obvody u kterých výstupí stavy ezávisí je a okamžitých hodotách vstupích sigálů, ale jsou závislé i a předcházejících hodotách

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

Náhodný výběr 1. Náhodný výběr

Náhodný výběr 1. Náhodný výběr Náhodý výběr 1 Náhodý výběr Matematická statistika poskytuje metody pro popis veliči áhodého charakteru pomocí jejich pozorovaých hodot, přesěji řečeo jde o určeí důležitých vlastostí rozděleí pravděpodobosti

Více

Odhady a testy hypotéz o regresních přímkách

Odhady a testy hypotéz o regresních přímkách Lekce 3 Odhad a tet hpotéz o regreích přímkách Ve druhé lekc jme kotruoval kofdečí terval a formuloval tet hpotéz o korelačím koefcetu Korelačí koefcet je metrckou charaktertkou tezt závlot, u které ezáleží

Více

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 4. KAPITOLA STATISTICKÉ CHARAKTERISTIKY 16.10.2017 23.10.2017 Přehled témat 1. Pravděpodobost (defiice, využití, výpočet pravděpodobostí

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojního inženýrství. Matematika IV. Semestrální práce

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojního inženýrství. Matematika IV. Semestrální práce VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta troího ižeýrtví Matematika IV Semetrálí práce Zpracoval: Čílo zadáí: 7 Studií kupia: Datum: 8.4. 0 . Při kotrole akoti výrobků byla ledováa odchylka X [mm] eich rozměru

Více

Vztahy mezi základním souborem a výběry. Základní pojmy a symboly. K čemu to je dobré? Výběrové metody zkoumání

Vztahy mezi základním souborem a výběry. Základní pojmy a symboly. K čemu to je dobré? Výběrové metody zkoumání K čemu to je dobé? Obvyklým případem při zpacováí homadých jevů je, že máme poměě malý počet pozoováí ějaké veličiy a chceme učiit závěy o tom, co bychom obdželi, kdybychom měli pozoováí mohokát více.

Více

10.2.3 VÁŽENÝ ARITMETICKÝ PRŮMĚR S REÁLNÝMI VAHAMI

10.2.3 VÁŽENÝ ARITMETICKÝ PRŮMĚR S REÁLNÝMI VAHAMI Středí hodoty Artmetcý průměr vážeý Aleš Drobí straa 0 VÁŽENÝ ARITMETICKÝ PRŮMĚR S REÁLNÝMI VAHAMI Zatím jsme počítal s tím, že četost ve vztahu pro vážeý artmetcý průměr byla přrozeá čísla Četost mohou

Více

Vícekanálové čekací systémy

Vícekanálové čekací systémy Vícekaálové čekací systémy taice obsluhy sestává z ěkolika kaálů obsluhy, racujících aralelě a avzájem ezávisle. Vstuy i výstuy systému mají oissoovský charakter. Jedotky vstuující do systému obsadí ejrve

Více

1.1. Primitivní funkce a neurčitý integrál

1.1. Primitivní funkce a neurčitý integrál Mateatia II. NEURČITÝ INTEGRÁL.. Priitiví fuce a eurčitý itegrál Defiice... Říáe, že fuce F( ) je v itervalu ( ab, ) priitiví fucí fuci f ( ), platí-li pro všecha ( ab, ) vztah F = f. Defiice... Možia

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

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

MARKOVOVSKÉ ŘETĚZCE Stochastické procesy Markovovské řetězce s diskrétním časem DTMC Discrete Time Markov Chain...

MARKOVOVSKÉ ŘETĚZCE Stochastické procesy Markovovské řetězce s diskrétním časem DTMC Discrete Time Markov Chain... OBSAH MARKOVOVSKÉ ŘETĚZCE... 2 5.1 Stochasticé procesy... 2 5.2 Marovovsé řetězce s disrétím časem DTMC Discrete Time Marov Chai... 2 5.2.1 Defiice Marovovsého řetězce... 3 5.2.2 Matice přechodu... 4 5.2.3

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

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

6. KOMBINATORIKA 181. 6.1. Základní pojmy 181 6.1.1. Počítání s faktoriály a kombinačními čísly 182. 6.2. Variace 184. 6.3.

6. KOMBINATORIKA 181. 6.1. Základní pojmy 181 6.1.1. Počítání s faktoriály a kombinačními čísly 182. 6.2. Variace 184. 6.3. Zálady matematiy Kombiatoria. KOMBINATORIKA 8.. Záladí pojmy 8... Počítáí s fatoriály a ombiačími čísly 8.. Variace 8.. Permutace 85.. Kombiace 87.5. Biomicá věta 89 Úlohy samostatému řešeí 9 Výsledy úloh

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

MATICOVÉ HRY MATICOVÝCH HER

MATICOVÉ HRY MATICOVÝCH HER MATICOVÉ HRY FORMULACE, KONCEPCE ŘEŠENÍ, SMÍŠENÉ ROZŠÍŘENÍ MATICOVÝCH HER, ZÁKLADNÍ VĚTA MATICOVÝCH HER CO JE TO TEORIE HER A ČÍM SE ZABÝVÁ? Teorie her je ekoomická vědí disciplía, která se zabývá studiem

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA SP esty dobré shody PRAVDĚPODOBNOS A SAISIKA Lbor Žá SP esty dobré shody Lbor Žá Přpomeutí - estováí hypotéz o rozděleí Ch-vadrát test Chí-vadrát testem terý e založe a tříděém statstcém souboru. SP esty

Více

1. Rozdělení četností a grafické znázornění Předpokládejme, že při statistickém šetření nás zajímá jediný statistický znak x, který nabývá

1. Rozdělení četností a grafické znázornění Předpokládejme, že při statistickém šetření nás zajímá jediný statistický znak x, který nabývá Statitická šetřeí a zpracováí dat Statitika e věda o metodách běru, zpracováí a vyhodocováí tatitických údaů. Statitika zkoumá polečeké, přírodí, techické a. evy vždy a dotatečě rozáhlém ouboru údaů. Matematická

Více

Odhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení

Odhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení Odhad parametru p biomického rozděleí a test hypotézy o tomto parametru Test hypotézy o parametru p biomického rozděleí Motivačí úloha Předpokládejme, že v důsledku realizace jistého áhodého pokusu P dochází

Více

- metody, kterými lze z napozorovaných hodnot NV získat co nejlepší odhady neznámých parametrů jejího rozdělení.

- metody, kterými lze z napozorovaných hodnot NV získat co nejlepší odhady neznámých parametrů jejího rozdělení. MATEMATICKÁ STATISTIKA - a základě výběrových dat uuzujeme a obecější kutečot, týkající e základího ouboru; provádíme zevšeobecňující (duktví) úudek - duktví uuzováí pomocí matematcko-tattckých metod je

Více

Znegujte následující výroky a rozhodněte, jestli platí výrok, nebo jeho negace:

Znegujte následující výroky a rozhodněte, jestli platí výrok, nebo jeho negace: . cvičeí Příklady a matematickou idukci Dokažte:.! . Návody:. + +. + i i i i + + 4. + + + + + + + + Operace s možiami.

Více

3. cvičení - LS 2017

3. cvičení - LS 2017 3. cvičeí - LS 07 Michal Outrata Defiičí obor, průsečíky os, kladost/záporost fukce a) fx) x 5x+4 4 x b) fx) x x +4x+ c) fx) 3x 9x+ x +6x 0 d) fx) x 7x+0 4 x. Řešeí a) Nulové body čitatele a jmeovatele

Více

8.2.6 Geometrická posloupnost

8.2.6 Geometrická posloupnost 8.. Geometricá posloupost Předpoldy: 80, 80, 80, 807 Pedgogicá pozám: V hodiě rozdělím třídu dvě supiy ždá z ich dělá jede z prvích dvou příldů. Př. : Poločs rozpdu (dob z terou se rozpde polovi existujícího

Více

3. cvičení - LS 2017

3. cvičení - LS 2017 3. cvičeí - LS 07 Michal Outrata Defiičí obor, průsečíky os, kladost/záporost fukce a fx x 5x+4 4 x b fx x x +4x+ c fx 3x 9x+ x +6x 0. Řešeí a Nulové body čitatele a jmeovatele jsou { 4}. Aby vše bylo

Více

Statistické metody ve veřejné správě ŘEŠENÉ PŘÍKLADY

Statistické metody ve veřejné správě ŘEŠENÉ PŘÍKLADY Statitické metody ve veřejé právě ŘEŠENÉ PŘÍKLADY Ig. Václav Friedrich, Ph.D. 2013 1 Kapitola 2 Popi tatitických dat 2.1 Tabulka obahuje rozděleí pracovíků podle platových tříd: TARIF PLAT POČET TARIF

Více

P. Girg. 23. listopadu 2012

P. Girg. 23. listopadu 2012 Řešeé úlohy z MS - díl prví P. Girg 2. listopadu 202 Výpočet ity poslouposti reálých čísel Věta. O algebře it kovergetích posloupostí.) Necht {a } a {b } jsou kovergetí poslouposti reálých čísel a echt

Více

i 1 n 1 výběrový rozptyl, pro libovolné, ale pevně dané x Roznačme n 1 Téma 6.: Základní pojmy matematické statistiky

i 1 n 1 výběrový rozptyl, pro libovolné, ale pevně dané x Roznačme n 1 Téma 6.: Základní pojmy matematické statistiky Téma 6.: Základí pojmy matematické statistiky Vlastosti důležitých statistik odvozeých z jedorozměrého áhodého výběru: Nechť X,..., X je áhodý výběr z rozložeí se středí hodotou μ, rozptylem σ a distribučí

Více

1) Vypočtěte ideální poměr rozdělení brzdných sil na nápravy dvounápravového vozidla bez ABS.

1) Vypočtěte ideální poměr rozdělení brzdných sil na nápravy dvounápravového vozidla bez ABS. Dopraví stroje a zařízeí odborý zálad AR 04/05 Idetifiačí číslo: Počet otáze: 6 Čas : 60 miut Počet bodů Hodoceí OTÁZKY: ) Vypočtěte eálí poměr rozděleí brzdých sil a ápravy dvouápravového vozla bez ABS.

Více

10 - Přímá vazba, Feedforward

10 - Přímá vazba, Feedforward 0 - Přímá vazba, Feedforward Michael Šebek Automatické řízeí 03 4--3 Motivace (FF podle Atroma) Automatické řízeí - Kberetika a robotika Už máme avržeu zpětovazebí čát Chceme zajitit přeo referece rový

Více

Posloupnosti a číselné řady. n + 1. n + 1 + n n + 1 + n. n n + 1 + n. = lim. n2 sin n! lim. = 0, je lim. lim. lim. 1 + b + b 2 + + b n) = 1 b

Posloupnosti a číselné řady. n + 1. n + 1 + n n + 1 + n. n n + 1 + n. = lim. n2 sin n! lim. = 0, je lim. lim. lim. 1 + b + b 2 + + b n) = 1 b Najděte itu Poslouposti a číselé řady ) + Protože + = + x ) + + =, je + + + + ) + = = 0 + + Najděte itu 3 si! + Protože je si! a 3 = 0, je 3 si! = 0 Najděte itu + a + a + + a + b + b, a

Více

Úloha III.S... limitní

Úloha III.S... limitní Úloha III.S... limití 10 bodů; průměr 7,81; řešilo 6 studetů a) Zkuste vlastími slovy popsat postup kostrukce itervalových odhadů středí hodoty v případě obecého rozděleí měřeých dat (postačí vlastími

Více

Kvantová a statistická fyzika 2 (Termodynamika a statistická fyzika)

Kvantová a statistická fyzika 2 (Termodynamika a statistická fyzika) Kvatová a statistická fyzika (Termodyamika a statistická fyzika) Boltzmaovo - Gibbsovo rozděleí - ilustračí příklad Pro ilustraci odvozeí rozděleí eergií v kaoickém asámblu uvažujme ásledující příklad.

Více

Číselné charakteristiky náhodných veličin

Číselné charakteristiky náhodných veličin Číselé charakteristiky áhodých veliči Motivace Doposud jsme pozali fukcioálí charakteristiky áhodých veliči (apř. distribučí fukce, pravděpodobostí fukce, hustota pravděpodobosti), které plě popisují pravděpodobostí

Více

2. Náhodná veličina. je konečná nebo spočetná množina;

2. Náhodná veličina. je konečná nebo spočetná množina; . Náhodá veličia Většia áhodých pokusů koaých v přírodích ebo společeských vědách má iterpretaci pomocí reálé hodoty. Při takovýchto dějích přiřazujeme tedy reálá čísla áhodým jevům. Proto je důležité

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

b c a P(A B) = c = 4% = 0,04 d

b c a P(A B) = c = 4% = 0,04 d Příklad 6: Z Prahy do Athé je 50 km V Praze byl osaze válec auta ovou svíčkou, jejíž životost má ormálí rozděleí s průměrem 0000 km a směrodatou odchylkou 3000 km Jaká je pravděpodobost, že automobil překoá

Více

1 PSE Definice základních pojmů. (ω je elementární jev: A ω (A ω) nebo (A );

1 PSE Definice základních pojmů. (ω je elementární jev: A ω (A ω) nebo (A ); 1 PSE 1 Náhodý pokus, áhodý jev. Operace s jevy. Defiice pravděpodobosti jevu, vlastosti ppsti. Klasická defiice pravděpodobosti a její použití, základí kombiatorické vzorce. 1.1 Teoretická část 1.1.1

Více

Náhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů.

Náhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů. Náhodu bychom mohli defiovat jako součet velkého počtu drobých epozaých vlivů. V rámci přírodích věd se setkáváme s pokusy typu za určitých podmíek vždy astae určitý důsledek. Např. jestliže za ormálího

Více

Funkce. RNDr. Yvetta Bartáková. Gymnázium, SOŠ a VOŠ Ledeč nad Sázavou

Funkce. RNDr. Yvetta Bartáková. Gymnázium, SOŠ a VOŠ Ledeč nad Sázavou Fukce RNDr. Yvetta Bartáková Gymázium, SOŠ a VOŠ Ledeč ad Sázavou Limita poslouposti a fukce VY INOVACE_0 9_M Gymázium, SOŠ a VOŠ Ledeč ad Sázavou A) Limita poslouposti Říkáme, že posloupost a je kovergetí,

Více

Přijímací řízení akademický rok 2013/2014 NavMg. studium Kompletní znění testových otázek matematika a statistika

Přijímací řízení akademický rok 2013/2014 NavMg. studium Kompletní znění testových otázek matematika a statistika Přijímcí řízeí kdemický rok /4 NvMg studium Kompletí zěí testových otázek mtemtik sttistik Koš Zěí otázky Odpověď ) Odpověď b) Odpověď c) Odpověď d) Správá odpověď efiičí obor fukce defiové předpisem f

Více

Správnost vztahu plyne z věty o rovnosti úhlů s rameny na sebe kolmými (obr. 13).

Správnost vztahu plyne z věty o rovnosti úhlů s rameny na sebe kolmými (obr. 13). 37 Metrické vlastosti lieárích útvarů v E 3 Výklad Mějme v E 3 přímky p se směrovým vektorem u a q se směrovým vektorem v Zvolme libovolý bod M a veďme jím přímky p se směrovým vektorem u a q se směrovým

Více