Vρ < πd 2 f y /4. π d 2 f y /4 - Vρ = 0

Rozměr: px
Začít zobrazení ze stránky:

Download "Vρ < πd 2 f y /4. π d 2 f y /4 - Vρ = 0"

Transkript

1 5 ZÁKLADY TOI SPOLHLIVOSTI 5.1 Základní úvahy Základní úlohou teorie spolehlivosti stavebních konstrukcí je rozbor zdánlivě jednoduché podmínky mezi účinkem zatížení a odolností konstrukce ve tvaru nerovnosti < (5.1) Podmínka (5.1) popisuje vyhovující (bezpečný) stav sledované konstrukce. Porucha konstrukce nastane v případě, že nerovnost (5.1) není splněna. Předpokládá se tedy, že existuje ostré (jednoznačné) rozhraní mezi vyhovujícím (bezpečným) a nevyhovujícím stavem (poruchou) konstrukce, popsané rovností - = 0 (5.) kterému se říká mez porušení (mezní stav). Příklad 5.1. Ocelová tyč podle obrázku 5.1 má odolnost v axiálním tahu (= π d f y /4, kde d značí průměr tyče a f y mez kluzu) a přenáší břemeno o tíze (= Vρ, kde V značí objem a ρ objemovou tíhu břemene). Podmínka (5.1) má tedy tvar Vρ < πd f y /4 Mez porušení je dána rovnicí π d f y /4 - Vρ = 0 Mezní stav je zde definován jako dosažení meze kluzu f y. To je sice často přijímané zjednodušení, nemusí však být pro některé druhy ocele výstižné. Obrázek 5.1. Táhlo. Obě veličiny a jsou náhodné veličiny a platnost nerovnosti (5.1) nelze zaručit absolutně, tj. s pravděpodobností 1. Je tedy nutno připustit, že s určitou malou pravděpodobností dojde k překročení meze porušení (mezního stavu) popsaného rovnicí (5.) a nastane porucha. Základním cílem teorie spolehlivosti je stanovit pravděpodobnost poruchy p f. Pro jednoduchou podmínku vyhovujícího (bezpečného) stavu ve tvaru nerovnosti 59

2 (5.1) lze pravděpodobnost poruchy zapsat ve tvaru p f = P( > ) (5.3) Náhodné chování účinku zatížení a odolnosti je obvykle popsáno vhodným typem rozdělení pravděpodobností, tj. distribuční funkcí Φ (x), Φ (x) a odpovídající hustotou pravděpodobnosti ϕ (x), ϕ (x), kde x označuje obecný bod sledované veličiny X (např. napětí, síla, ohybový moment), prostřednictvím které jsou obě veličiny a vyjádřeny. ozdělení veličin a jsou dále závislá na příslušných parametrech, např. na momentových parametrech µ, σ, α, µ, σ a α. Předpokládáme dále, že a jsou vzájemně nezávislé (což je možné zajistit případnou transformací). Obrázek 5. ukazuje příklad rozdělení pravděpodobností obou veličin a jejich vzájemnou polohu. Typy rozdělení a údaje o jejich parametrech (vyjádřené v bezrozměrných jednotkách, např. v procentech) uvedené na obrázku 5. jsou ukázkou možných teoretických modelů pro veličiny a. Hustota pravděpodobnosti ϕ(x) Účinek zatížení gama rozdělení, µ = 70, σ = 7 Odolnost lognomální rozdělení, µ = 100, σ = Náhodná veličina X Obrázek 5.. Účinek zatížení a odolnost jako náhodné veličiny. Všimněme si, že hustoty pravděpodobnosti ϕ (x) a ϕ (x) se na obrázku 5. překrývají a je tedy zřejmé, že může dojít k současnému výskytu takových (nepříznivých) realizací e a r veličin a, že platí e > r a nastane tedy porucha. Aby k takovému stavu došlo pouze s přijatelně malou pravděpodobností p f, musí být v závislosti na typech rozdělení splněny určité podmínky o vzájemné poloze a rozptylu veličin a. Jednou z takových podmínek 60

3 bude patrně nerovnost µ < µ, která je na obrázku 5. splněna. Zřejmě však tato "podmínka polohy" obou rozdělení nebude postačující. 5. Zvláštní případ jedné náhodné veličiny Sledujme nejdříve zvláštní případ, kdy jedna z veličin a, řekněme účinek zatížení, má velmi malou (zanedbatelnou) variabilitu v porovnání s variabilitou odolnosti. Pak lze považovat za veličinu nenáhodnou (deterministickou), tj. za takovou veličinu, která při každé relizaci nabývá určité pevné hodnoty e 0 ( = e 0 ). Takové případy mohou jistě v praxi nastat. Ukázkou je táhlo s břemenem z příkladu 5.1, kdy tíhu F zavěšeného břemena je možno stanovit dostatečně přesně (bez významných nejistot). Popsaný zvláštní případ je zachycen na obrázku 5.3, kde účinek zatížení je vyznačen jedinou hodnotou e 0 = 80 (µ = 80, σ = 0). Hustota pravděpodobnosti ϕ(x) 0,06 0,04 Deterministický účinek zatížení : e 0 = 80 (µ = 80, σ = 0) Náhodná odolnost : lognomální rozdělení, µ = 100, σ = 10 0,0 -u 0 σ 0, Náhodná veličina X Obrázek 5.3. Deterministický účinek zatížení a náhodná odolnost. Pravděpodobnost poruchy p f pro zvláštní případ deterministického účinku zatížení zachyceného na obrázku 5.3 je možno stanovit přímo z distribuční funkce Φ (x) p f = P( < e 0 ) = Φ (e 0 ) (5.4) Hodnota distribuční funkce Φ (e 0 ) se obvykle stanoví z tabulek pro normovanou náhodnou veličinu U, pro kterou se vypočte hodnota u 0 odpovídající e 0. Z transformačního vzorce (3.14) vyplývá, že 61

4 u 0 = (e 0 - µ ) /σ (5.5) Pravděpodobnost poruchy p f je pak dána p f = P( < e 0 ) = Φ (e 0 ) = Φ U (u 0 ) (5.6) kde Φ U (u 0 ) je hodnota distribuční funkce normované náhodné veličiny příslušného rozdělení (např. normálního nebo lognormálního). Všimněme si, že hodnota -u 0 je vzdálenost pevné hodnoty e 0 účinku zatížení od průměru µ odolnosti vyjádřená v jednotkách směrodatné odchylky σ. Jestliže rozdělení odolnosti je normální, pak se takto definovaná vzdálenost nazývá index spolehlivosti β β = (µ e 0 ) /σ (5.7) a pravděpodobnost poruchy lze vyjádřit vztahem p f = P( < e 0 ) = Φ U ( β) (5.8) Pokud však odolnost má jiné rozdělení než normální, definuje se index spolehlivosti β formálně jako záporná hodnota normované náhodné veličiny odpovídající pravděpodobnosti poruchy p f. Obecně tedy platí definice U1 ( pf β = Φ ) (5.9) kde Φ U1 ( pf ) označuje funkci, která je inverzní k distribuční funkci normovaného normálního rozdělení. Takto formálně definovaný index spolehlivosti je dnes všeobecně používanou mírou spolehlivosti konstrukcí. Příklad 5.. Uvažujme, že odolnost má průměr µ = 100 (vyjádřeno v bezrozměrných jednotkách), směrodatnou odchylku σ = 10 (variační koeficient je tedy w = 0,10). Pro deterministický účinek zatížení platí, že e 0 = 80 (viz obrázek 5.3). Jestliže má normální rozdělení, pak z rovnice (5.7) plyne přímo index spolehlivosti β = (100 80) /10 = a pravděpodobnost poruchy plyne ze vztahu (5.8) p f = P( < 80) = Φ U ( ) = 0,03 kde Φ U ( ) je hodnota distribuční funkce normovaného normálního rozdělení pro u =. Jestliže však nemá normální rozdělení, nýbrž lognormální rozdělení s dolní mezí v nule 6

5 (podle rovnice (3.0) pro šikmost platí α = 3 w + w 3 = 0,301), pak z rovnice (5.5) plyne u 0 = (80 100) /10 = Pravděpodobnost poruchy p f je pak dána p f = P( < 80) = Φ U ( ) = 0,014 kde Φ U ( ) je distribuční funkce normované náhodné veličiny U s lognormálním rozdělením, která má šikmost α = 0,301. Výsledné pravděpodobnosti se navzájem příliš neliší, jejich hodnoty jsou však poněkud vysoké. Pokud se pevná hodnota účinku zatížení sníží na e 0 = 70, vychází pro normální rozdělení odolnosti index spolehlivosti β = 3 a pravděpodobnost poruchy p f = P( < 70) = Φ U ( 3) = 0,00135 pro lognormální rozdělení s dolní mezí v nule p f = P( < 70) = Φ U ( 3) = 0,0001 Výsledné pravděpodobnosti poruchy jsou významně nižší než pro e 0 = 80. Jejich vzájemné rozdíly však také ukazují, že předpoklad o typu rozdělení tu hraje významnou roli a může být rozhodující. Formálně definovaný index spolehlivosti podle rovnice (5.9) v posledním případě 1 Φ U vychází β = (0,0001)= 3,53, tedy větší než hodnota 3, která platí pro předpoklad normálního rozdělení odolnosti. 5.3 Zvláštní případ dvou náhodných veličin Jestliže účinek zatížení i odolnost jsou náhodné veličiny, je stanovení pravděpodobnosti p f definované rovnicí (5.3) složitější. Nejjednodušší je v tomto případě předpoklad normálního rozdělení obou veličin a. Za tohoto předpokladu má také rozdíl G = (5.10) který se nazývá rezerva spolehlivosti, normální rozdělení. Parametry rezervy spolehlivosti pro vzájemně nezávislé veličiny a (bez ohledu na typ jejich rozdělení) jsou µ G = µ µ (5.11) G σ = σ + σ (5.1) Pro pravděpodobnost poruchy p f lze nyní modifikovat rovnicí (5.3) na tvar p f = P( > ) = P(G < 0) = Φ G (0) (5.13) 63

6 a celý problém se redukuje na stanovení hodnoty distribuční funkce Φ G (g) pro (g = 0), která udává pravděpodobnosti výskytu záporných hodnot rezervy G. Víme, že se hodnota distribuční funkce Φ G (g) stanoví z tabulek pro normovanou náhodnou veličinu U, pro kterou se nejdříve zjistí hodnota u 0 odpovídající hodnotě g = 0 podle transformačního vzorce (3.14) Pravděpodobnost poruchy p f je pak dána u 0 = (0 µ G ) /σ G = µ G /σ G (5.14) p f = P( < ) = Φ G (0) = Φ U (u 0 ) (5.15) Hustota pravděpodobnosti ϕ G (g) rezervy spolehlivosti G je zachycena na obrázku 5.4, šedá plocha pod křivkou ϕ G (g) odpovídá pravděpodobnosti p f. 0,04 Hustota pravděpodobnosti ϕ G (g) 0,03 0,0 1 p f u 0 σ G 0,01 p f 0, ezerva spolehlivosti G Obrázek 5:4. ozdělení rezervy spolehlivosti G. Jak již bylo řečeno, za předpokladu, že G má normální rozdělení, se hodnota u 0 nazývá index spolehlivosti a označuje se symbolem β. Z rovnice (5.14) vyplývá pro index spolehlivosti vztah β = µ G /σ G = µ σ µ + σ (5.16) Víme již také, že takto definovaný index spolehlivosti β lze popsat geometricky jako vzdálenost průměru µ G rezervy spolehlivosti G od počátku, stanovenou v jednotkách směrodatné odchylky σ G. 64

7 Příklad 5.3. Uvažujme, že stejně jako v příkladu 5. má odolnost průměr µ = 100 (vyjádřeno v bezrozměrných jednotkách), směrodatnou odchylku σ = 10 (variační koeficient je tedy pouze w = 0,10). Pro účinek zatížení nechť platí µ = 80 a σ = 8. Z rovnic (5.11) a (5.1) vyplývá µ G = = 0 σ G = = 1,81 Jestliže i má normální rozdělení, pak z rovnice (5.7) plyne přímo index spolehlivosti β = 0 /1,81= 1,56 a pravděpodobnost poruchy plyne ze vztahu (5.8) p f = P(G <0) = Φ U ( 1,56) = 0,059 Jestliže veličiny a nejsou normální, pak rozdělení rezervy spolehlivosti G také není normální a uvedený postup je třeba upravit. V obecném případě se obvykle obě základní veličiny transformují na veličiny s normálním rozdělením, a pak je možno postupovat podle předcházející vztahů. Tyto transformace se uplatňují zejména u softwarových produktů, neboť jde o náročné operace. Pro první (řádovou) představu však zpravidla postačí následující jednoduchá aproximace, při které se rozdělení rezervy spolehlivosti G pokládá za tříparametrické lognormální rozdělení. Předpokládáme, že rozdělení veličin a jsou závislá na momentových parametrech µ, σ, α, µ, σ a α. Průměr a směrodatná odchylka rezervy spolehlivosti G lze stanovit z předchozích rovnic (5.11) a (5.1), šikmost α G rezervy spolehlivosti G ze vztahu α G 3 3 σ α σ α = (5.17) 3 / ( σ + σ ) Předpokládá se, že rezervu spolehlivosti G lze dostatečně výstižně popsat lognormálním rozdělením s takto stanovenými parametry µ G, σg a α G. Ukazuje se, že tato aproximace poskytuje vyhovující výsledky, pokud pravděpodobnost poruchy není velmi malá. Příklad 5.4. Uvažujme táhlo s odolností se zavěšeným břemenem o tíze. Nechť odolnost má logormální rozdělení s počátkem v nule s parametry (vyjádřenými opět v relativních bezrozměrných jednotkách) µ = 100 a σ = 10 (a tedy α = 0,301), tíha nechť má Gumbelovo rozdělení s momentovými parametry µ = 50 a σ = 10 (z oddílu 3.4 plyne, že α 65

8 = 1,14). Parametry rezervy spolehlivosti se stanoví z rovnic (5.11), (5.1) a (5.17) µ G = µ µ = = 50 G σ = σ + σ = = 14,14 α G σ = 3 α σ 3 10 = 0, ( σ + σ ) 3 / ( ) α / 1,14 = 0,30 Pro normovanou náhodnou veličinu z rovnice (5.14) plyne u 0 = µ G /σ G = 50/14,14 = 3,54 Pro lognormální rozdělení se šikmostí α G = - 0,30 platí p f = P( < ) = Φ U ( 3,54) = 0,00100 což odpovídá indexu spolehlivosti β = 3,09. Přesnější výsledek získaný aplikací softwaru VaP [3] je p f = 0, Jestliže by se však při odhadu pravděpodobnosti nepřihlíželo k šikmosti, pak z normálního rozdělení plyne p f = P( < ) = Φ U ( 3,54) = 0,0000 což je řádově odlišný výsledek proti předpokladu lognormálního rozdělení. 5.4 Přesné řešení pro dvě náhodné veličiny Přesné řešení pravděpodobnosti poruchy p f, která je pro případ dvou náhodných veličin a definována rovnicí (5.3), lze získat integrací. Vysvětlíme ji s použitím obrázku 5.5. Označme jev A výskyt účinku zatížení v diferenciálním úseku <x, x+dx>. Pravděpodobnost jevu A je dána vztahem P(A) = P(x< <x+dx) = ϕ (x) dx (5.18) Označme jev B výskyt odolnosti v intervalu < -, x >. Pravděpodobnost jevu B je podle oddílu 3.1 dána vztahem P(B) = P( < x) = Φ (x) (5.19) Diferenciál (přírůstek) pravděpodobnosti poruchy dp f odpovídající výskytu veličiny v intervalu <x, x+dx> je dán pravděpodobností současného výskytu jevů A a B, tj. 66

9 pravděpodobností jejich průniku A B. Podle věty o součinu pravděpodobností (.) platí dp f = P(A B) = P( A) P(B) = P(x< <x+dx) P(<x) = Φ (x) ϕ (x) dx (5.0) Zde se však uplatňuje výše uvedený předpoklad vzájemné nezávislosti veličin a, a tedy také nezávislosti jevů A a B. Hustota pravděpodobnosti ϕ(x) 0,06 0,04 Účinek zatížení gama rozdělení, µ = 70, σ = 7 Odolnost lognomální rozdělení, µ = 100, σ = 10 dx 0,0 0, x x+dx Náhodná veličina X Obrázek 5.5. ozdělení veličin a. Integrace diferenciálního vztahu (5.0) v intervalu současného výskytu obou veličin a (obecně v intervalu < -, >) vede ke vztahu p f = Φ ( x) ϕ ( x) dx (5.1) Integraci vztahu (5.1) je zpravidla nutno provést numericky, popř. simulační metodou Monte Carlo. Pro numerickou integraci vztahu (5.1) za předpokladu, že obě veličiny a lze popsat (alespoň aproximativně) obecným (tříparametrickým) rozdělením, autor sestavil jednoduchý program "PFLN" v jazyce FOTAN, který je uveden v dodatku 1. Příklad 5.5. Účinek zatížení i odolnost jsou popsány lognormálním rozdělením se stejnými parametry jako v příkladu 5.4 (Gumbelovo rozdělení pro je nahrazeno lognormálním rozdělením se stejnými parametry). Aproximativní řešení v příkladu 5.4 vedlo k pravděpodobnosti poruchy p f = P( < ) = Φ U ( 3,54) = 0, Numerická integrace podle 67

10 vztahu (5.1) s využitím programu PFLN vede k výsledku p f = P( < ) = 0,0043, program VaP poskytuje výsledek p f = P( < ) = 0,00184, což lze pokládat za velmi dobrou shodu. Pravděpodobnost poruchy p f stanovená pro dané parametry veličin a (µ = 100, σ = 10, µ = 50 a σ = 10) programem PFLN je v závislosti na šikmostech α a α zachycena na obrázku 5.6. Šikmost α 1,00-0 1, , ,5 1 1, Šikmost α 1, ,00-06 p f Obrázek 5.6. Pravděpodobnost poruchy p f v závislosti na šikmostech α a α pro µ = 100, σ = 10, µ = 50 a σ = 10. Z obrázku 5.6 je zřejmé, že pravděpodobnost poruchy p f je významně závislá na šikmostech α a α a může se v praktických podmínkách při stejných průměrech a směrodatných odchylkách veličin a pohybovat v rozmezí několika řádů. Ukazuje se tedy, že přesné stanovení pravděpodobnosti poruchy v případě jednoduché podmínky ve tvaru nerovnosti (5.1), ve které se uplatňují pouze dvě náhodné veličiny a, je snadné jen za předpokladu, že obě veličiny mají normální rozdělení. Jestliže mají jiná rozdělení, je přesné řešení obtížnější a výsledné hodnoty jsou významně závislé na typech rozdělení. Přibližné řešení s využitím lognormálního rozdělení je užitečné pro první odhad, výsledné pravděpodobnosti je však třeba ověřit přesnějšími postupy. 5.5 Návrhový bod Pro praktické využití důležitých poznatků teorie spolehlivosti se v urokódech přijímají různá zjednodušení, aby bylo možno obecné postupy efektivně přenášet do 68

11 operativních dokumentů. Základem těchto zjednodušení je grafické vyjádření základních vztahů veličin a tak, jak je zachycuje obrázek 5.7. Předpokládá se, že veličiny a jsou nezávislé a že obě mají normální rozdělení. σ mez porušení /σ = /σ návrhový bod (e d /σ, r d /σ ) α β µ /σ α β β µ /σ σ Obrázek 5.7. Návrhový bod. Na obrázku jsou náhodné veličiny a zachyceny v dvojrozměrném grafu, kde na vodorovné ose je vyznačen poměr /σ, na svislé ose poměr /σ. Je zřejmé, že bezpečná oblast, kde je splněna podmínka 5.1, je na obrázku 5.7 pod diagonálou os (pod mezí porušení), nebezpečná oblast je nad diagonálou. Návrhovým bodem (e d, r d ) může být kterýkoli bod na mezi porušení (diagonále), ukázalo se však [1,,3,4], že nejlepší volbou, která zaručuje řadu důležitých vlastností (konsistenci a invariantnost řešení při různých formulacích téže podmínky, volnost výběru základních veličin) je nejbližší bod od průměru (µ, µ ). Pak lze souřadnice návrhového bodu zapsat e d = µ α β σ (5.) r d = µ α β σ (5.3) kde α a α značí tak zvané váhové součinitele veličin a (znaménko "minus" je v rovnicích zachováno v souladu s urokódem 1 [1]), ne tedy šikmost jako v předcházejících oddílech (tato nepříjemná dvojznačnost je přijata s ohledem na zachování stejných značek jako v dokumentech CN a ISO [1,]). Pro váhové součinitele (směrové kosiny přímky meze porušení) však z obrázku 5.7 vzhledem ke konvenci v rovnicích (5.) a (5.3) vyplývá α = σ / α = σ / σ σ + (5.4) σ σ + (5.5) 69

12 V urokódech se dále přijímá aproximace těchto váhových součinitelů pevnými hodnotami α = σ / α = σ / σ σ + = 0,7 (5.6) σ σ + = 0,8 (5.7) přičemž se vymezuje platnost aproximace prostřednictvím podmínky pro poměr směrodatných odchylek ve tvaru nerovnosti 0,16 < σ /σ < 7,6 (5.8) Mimo tento obor se doporučuje pro tu veličinu, která má větší směrodatnou odchylku, dosadit váhový součinitel α = ±1,0. Poznamenejme, že toto zjednodušení je na straně bezpečnosti, neboť součet čtverců směrových kosinů by se měl rovnat jedné. Návrhové hodnoty e d a r d veličin a jsou tedy definovány jako kvantily normálního rozdělení P( > e d ) = Φ U (+α β) = Φ U ( 0,7β) (5.9) P( < r d ) = Φ U ( α β) = Φ U ( 0,8β) (5.30) kde Φ U (u) značí distribuční funkci normovaného normálního rozdělení. Jestliže β = 3,8, pak návrhové hodnoty e d a r d jsou kvantily odpovídající přibližně pravděpodobnostem 0,999 a 0,001. Všimněme si, že v rovnici (5.9) se využívá symetrie normálního rozdělení, tj. vztahu 1 Φ U (+α β) = Φ U (+α β). Jestliže model pro zatížení nebo pro odolnost obsahuje více základních veličin (více druhů zatížení, více materiálů, geometrické údaje), platí rovnice (5.9) a (5.30) pouze pro dominantní veličiny (nejvýznamnější z hlediska sledované podmínky spolehlivosti). Pro ostatní (nedominantní) veličiny se požadavky na návrhové hodnoty redukují a platí rovnice P( > e d ) = Φ U (+0,4α β) = Φ U ( 0,8β) (5.31) P( < r d ) = Φ U ( 0,4 α β) = Φ U ( 0,3β) (5.3) Jestliže β = 3,8, pak návrhové hodnoty nedominantních veličin jsou kvantily odpovídající přibližně pravděpodobnostem 0,9 a 0,1. Návrhové hodnoty jsou tedy horní (u zatížení) nebo dolní (u odolnosti) kvantily s odpovídajícími pravděpodobnostmi jejich překročení (u zatížení) nebo jejich podkročení (u odolnosti). U dominantních veličin jde o pravděpodobnosti dané distribuční funkcí normovaného normálního rozdělení pro hodnoty u =+α β a α β, u nedominantních veličin pro redukované hodnoty u = +0,4α β a 0,4α β. Tyto pravděpodobnosti (pro dolní kvantil 70

13 přibližně 0,001 u dominantních a 0,1 u nedominantních veličin) se pak uplatňují při stanovení návrhových hodnot i těch veličin, která nemají normální rozdělení. Poznamenáme, že ve smyslu obecných zásad kapitoly 4 je třeba u horních kvantilů (zatížení) pracovat s doplňkovými pravděpodobnostmi (blízkými hodnotě 1). Příklad 5.6. Pro návrhové hodnoty veličin a z příkladu 5.4 stanovíme návrhové hodnoty e d a r d za předpokladu, že index spolehlivosti β = 3,8, α = 0,7 a α = 0,8. Pro z rovnice (5.9) tedy platí P( > e d ) = Φ U (α β) = Φ U (,66) = 0,0039 Doplňková pravděpodobnost je tedy 0,9961 a z rovnice (4.5) obdržíme e d = µ (0,45 + 0,78 ln( ln( p))) σ =50 (0,45+0,78 ln( ln(0,9961))) 10 = 88,75 Poznamenáme, že za předpokladu normálního rozdělení z rovnice (4.) obdržíme e p = µ + u p σ = 50 +,66 10 = 76,6 Pro z rovnice (5.30) platí P( < r d ) = Φ U ( α β) = Φ U (-3,04) = 0,001 Pro lognormální rozdělení s průměrem 100 a variačním koeficientem 10 z rovnice (4.4) plyne r ( u w ) µ exp =100 exp( 3,04 0,10) = 73,79 p norm, p Pro normální rozdělení vychází r p = µ + u p σ = 50 3,04 10 = 69,6 Zřejmě e d > r d a táhlo tedy nevyhoví (z příkladu 5.4 víme, že β je pouze 3,09). Aby táhlo vyhovělo indexu spolehlivost 3,8, bylo by nutné parametry veličin a upravit. 5.6 Obecný případ více náhodných veličin Stavební konstrukce a systémy jsou zpravidla popsány řadou základních veličin X 1, X, X n, které pro jednoduchost zápisu označíme jako vektor X [X 1, X, X n ], realizace x 1, x,, x n jako vektor x [x 1, x,, x n ]. V tomto případě se vztah (5.10) pro rezervu spolehlivosti G zapíše v symbolickém tvaru G = g(x) (5.33) a bezpečná oblast je popsána podmínkou spolehlivosti ve tvaru 71

14 G = g(x) > 0 (5.34) která je zobecněním podmínky (5.1). Mez porušení (funkce mezního stavu) je dána vztahem G= g(x) = 0 (5.35) Pravděpodobnost poruchy p f (5.3) je pak zapsána ve tvaru p f = P(g(X) < 0) (5.36) Označme ϕ X (x) n-rozměrnou hustotu pravděpodobnosti rozdělení vektoru X. Pak pravděpodobnost poruchy p f se obecně stanoví integrálem pf = ϕ X g( X ) < 0 ( x) dx (5.37) kde obor integrace je dán podmínkou G = g(x) < 0 (5.38) která vymezuje nebezpečnou oblast vektoru X. Příklad 5.7. Vraťme se k příkladu 5.1 tažené ocelové tyče, jejíž odolnost je vyjádřena vztahem = π d f y /4, kde d značí průměr tyče, f y mez kluzu, přenáší břemeno o tíze = F (viz obrázek 5.8). ezerva spolehlivosti (5.33) má tedy tvar G(X) = g(d, f y, F) = π d f y /4 F > 0 =π d f y /4 Mez porušení je popsána rovnicí G(X) = g(d, f y, F) = π d f y /4 F = 0 Kromě konstant vystupují v příkladu tři základní veličiny d, f y a F. Připomeneme opět, že mezní stav je zde definován jako =F dosažení meze kluzu f y, což je všeobecně uvažované zjednodušení, nemusí však pro některé druhy ocele odpovídat Obrázek 5.8. Táhlo. skutečnosti. Mez porušení je v případě více než dvou základních veličin poněkud obtížnější zachytit graficky. Pro dané tíhy F = 100 a 50 kn je mez porušení G(X) = 0 zakreslena na obrázku 5.9, kde je také vyznačena bezpečná oblast G(X) > 0 a nebezpečná oblast G(X) < 0. Jde o nelineární, ale spojitou a hladkou křivku. Na obrázku 5.9 jsou rovněž vyznačeny 7

15 průměry veličin d a f y (30 mm a 90 MPa) i návrhové body, které jsou odvozeny za předpokladu, že směrodatné odchylky jsou 3 mm a 5 MPa. Pravděpodobnost p f se stanoví ze vzorce (5.37), přičemž obor integrace podle vztahu (5.38) je na obrázku 5.9 označen jako nebezpečná oblast pod křivkou meze porušení F=50 kn fy [MPa] Návrhové body Nebezpečná oblast F=100 kn Průměr (30,90) Bezpečná oblast d [mm] Obrázek 5.9. Mez porušení a návrhové body pro táhlo. Výpočet pravděpodobnosti p f podle vztahu (5.37) lze provést na základě několika základních postupů: - přesná analytická metoda - numerické metody integrace - přibližné analytické metody (FOM, SOM, metoda momentů) - simulační metody - kombinace předchozích metod. Přesný výpočet integrálu (5.37) analytickými postupy je možný jen v jednodušších případech. V obecném případě, zejména je-li mez porušení g(x) = 0 komplikovaná (interakce několika funkcí), je nutno aplikovat různé numerické metody, přibližné analytické metody nebo simulačních metody. Základní dvě skupiny přibližných analytických postupů se označují zkratkami FOM (First Order eliability Method) a SOM (Second Order eliability Method). Odlišují se řádem Taylorova rozvoje meze porušení g(x) = 0 v okolí návrhového bodu (lineární aproximace meze porušení je naznačena na obrázku 5.9). Autor má velmi dobrou zkušenost se systémem STUL (STUctural Liability System) [31], který používá metody FOM, SOM a simulační metody. Systém zahrnuje několik samostatných programů (STATL, COML, SYSL, NASL), je vhodný pro 73

16 řešení náročných úloh s časově závislými procesy. Uživatelsky velmi přátelský je program VaP, Variable Processor) [3], který vedle metody FOM využívá metody momentové a simulační. Tento program je vhodný zejména pro řešení jednodušších časově nezávislých úloh. Simulační metodu výpočtu umožňuje také u nás dostupný produkt M-Star [7, 33]. Podrobný popis jednotlivých metod je uveden v odborné literatuře [1,,3,4,5, 6,7] nebo v manuálu k softwaru STUL [31]. Stručně se zmíníme o hlavních krocích metody FOM, která je základem pro odvození pravděpodobnostních ukazatelů metody dílčích součinitelů. Nejdůležitější kroky výpočtu pravděpodobnosti p f jsou: - transformace základních veličin X na normované náhodné veličiny U a odpovídající transformace meze porušení g(x)=0 na g(u)=0 - mez porušení g(u)=0 se aproximuje lineární funkcí (tečnou nadrovinou) v návrhovém bodě u d, což je bod na mezi porušení g(u)=0 nejblíže počátku - stanoví se vzdálenost β návrhového bodu u d od počátku a stanoví se pravděpodobnost poruchy p f = Φ U ( β) Metoda SOM se od metody FOM v zásadě odlišuje tím, že se mez porušení g(u)=0 aproximuje v návrhovém bodě x d kvadratickou funkcí. Návrhový bod x d původních veličin X je podle metody FOM dán vztahem Φ Xi (x id ) = Φ U ( α i β) (5.39) kde Φ Xi (x id ) je distribuční funkce původní proměnné X i, Φ U je normovaná distribuční funkce normálního rozdělení. Pro α i >0 (odolnosti) návrhové body odpovídají dolním kvantilům, pro αi <0 (zatížení) návrhové body odpovídají horním kvantilům V urokódu [1] se uplatňuje tak zvaná metoda návrhových hodnot (viz přehled na obrázku 5.10), která vychází z podmínky g( x d ) = g(x 1d, x d,..., x nd ) > 0 (5.40) kde návrhové body x id jednotlivých základních veličin X i jsou závislé na typu rozdělení a parametrech veličiny, na váhových součinitelích α i, které vyplývají z výpočtu metodou FOM a na indexu spolehlivosti β. Hodnoty součinitelů α i, doporučené pro účely tvorby norem, jsou uvedeny v tabulce 5.1 (viz též rovnice (5.6) až (5.30). Tabulka 5.1. Doporučené hodnoty váhových součinitelů α i. Základní veličina X i Doporučený váhový součinitel α i odolnosti, dominantní 0,8 odolnosti, nedominantní 0,4 0,8 = 0,3 74

17 zatížení, dominantní - 0,7 zatížení, nedominantní - 0,4 0,7 = - 0,8 V souladu se zásadami urokódu se dílčí součinitele spolehlivosti základních veličin x i se u veličin s nepříznivým vlivem na p f, pro které α i < 0 (zvyšující účinek zatížení), stanoví ze vztahu γ i = x id /x ik (5.41) u veličin s příznivým vlivem na p f, pro které α i > 0 (zvyšující odolnost), ze vztahu γ i = x ik /x id (5.4) Takto definované dílčí součinitele spolehlivosti γ i jsou zpravidla větší než 1. Podrobný postup uplatnění dílčích součinitelů spolehlivosti při ověřování spolehlivosti stavebních konstrukcí je uveden přímo v dokumentech [1, ], skriptech [7], článcích [9,10,11,1] a v monografii [9]. γ i Příklad 5.8. Uveďme pro základní veličiny d, f y a F táhlo z příkladu 5.7 nové údaje. Veličina Typ X rozdělení Průměr Směr. od. Součinitel Návrhové hodnoty Návrhové hodnoty µ X σ X α X x d teoretické x d doporučené d normální ,878 0,0 0,8 f y lognorm ,75 63,5 60,8 F Gumbel ,391 81,5 91,7 Index spolehlivosti stanovený metodou FOM s využitím programu VaP [3] je β = 3,85. Návrhové hodnoty X d se za předpokladu β = 3,85 vypočítají na základě doporučených hodnot váhových součinitelů αx podle tabulky 5.1. Průměr tyče d je zřejmě dominantní veličina odolnosti, takže z rovnice (4.) plyne d d = µ(1 αβw) = 30(1 0,8 3,85 0,1)= 0,8 mm Mez kluzu f y je v tomto příkladu nedominantní veličina odolnosti, takže z rovnice (4.4) plyne f µ exp( α β w y,d ) =90 exp ( 0,3 3,85 0,086) = 60,8 kn Síla F je dominantní veličina zatížení, takže z rovnice (4.5) plyne F d µ (0,45 + 0,78ln( ln( p))) σ = 70 (0,45+0,78 ln( ln (Φ -1 (0,7 3,85)))) 7 = 91,7 kn Je patrná dobrá shoda teoretických a doporučených hodnot. Jestliže se charakteristická hodnota zatížení rovná průměru (což se obvykle předpokládá u vlastní tíhy) F k =µ k =70 kn, pak dílčí součinitel γ F pro veličinu zatížení F vyplývá ze vztahu (5.41) 75

18 γ F = F d /F k = 91,7/70 = 1,31 Poznamenáme,že kalibrace dílčích součinitelů γ se opírá o velké množství obdobně stanovených hodnot. Závěrem uveďme, že rozbor spolehlivosti se může buď omezit na jeden prvek nebo může zahrnovat konstrukční systém jako celek. Velké množství různých postupů a jejich rozsahů vedlo ke klasifikaci spolehlivostních metod do tří základních úrovní: - úroveň III zahrnuje postupy přesné integrace a stanovení pravděpodobnosti pro celý konstrukční systém na základě teoretických modelů základních veličin; - úroveň II se opírá o stanovení pravděpodobnosti poruchy ve vybraných návrhových bodech na mezi porušení, které jsou vyhledány iteračními postupy; - úroveň I se omezuje na ověření spolehlivosti prvků na základě dílčích součinitelů stanovených s ohledem na určené charakteristické hodnoty základních veličin. Nejnižší metoda úrovně I, která se často nazývá metoda dílčích součinitelů (nepřesně také často metoda mezních stavů), je základem současných zásad a pravidel pro navrhování konstrukcí v zemích U (podle urokódů) i jinde ve světě (v Č byla postupně zaváděná již po druhé světové válce). Uvedená klasifikace se uvádí také v přehledu spolehlivostních metod v urokódu 1 [1], kde je rovněž uveden diagram na obrázku 5.10, který zachycuje návaznosti jednotlivých metod a jejich vztah k metodě dílčích součinitelů. Pravděpodobnostní metody Předchozí metody mpirické metody FOM (úroveň II) xaktní metoda (úroveň III) Kalibrace Kalibrace Metoda návrhových hodnot (Ib) (Ia) Metoda dílčích součinitelů (Ic) (úroveň I) Kalibrace Obrázek Přehled spolehlivostních metod. Podle obrázku 5.10 mohou být tedy ukazatele spolehlivosti metody dílčích součinitelů (úroveň I) získány trojím způsobem: - (Ia) kalibrací z historických a empirických metod; - (Ib) zjednodušenou metodou FOM prostřednictvím metody návrhových hodnot; 76

19 - (Ic) kalibrací z pravděpodobnostních metod. Současná generace urokódů se opírá především o metodu (Ia) s úpravami podle metody (Ic). Metoda návrhových hodnot (Ib) se uplatňuje především při navrhování pomocí zkoušek nebo ověřování spolehlivosti existujících konstrukcí. 77

STANOVENÍ SPOLEHLIVOSTI GEOTECHNICKÝCH KONSTRUKCÍ. J. Pruška, T. Parák

STANOVENÍ SPOLEHLIVOSTI GEOTECHNICKÝCH KONSTRUKCÍ. J. Pruška, T. Parák STANOVENÍ SPOLEHLIVOSTI GEOTECHNICKÝCH KONSTRUKCÍ J. Pruška, T. Parák OBSAH: 1. Co je to spolehlivost, pravděpodobnost poruchy, riziko. 2. Deterministický a pravděpodobnostní přístup k řešení problémů.

Více

Hodnocení vlastností materiálů podle ČSN EN 1990, přílohy D

Hodnocení vlastností materiálů podle ČSN EN 1990, přílohy D Hodnocení vlastností materiálů podle ČSN EN 1990, přílohy D Miroslav Sýkora Kloknerův ústav, ČVUT v Praze 1. Úvod 2. Kvantil náhodné veličiny 3. Hodnocení jedné veličiny 4. Hodnocení modelu 5. Příklady

Více

Charakterizace rozdělení

Charakterizace rozdělení Charakterizace rozdělení Momenty f(x) f(x) f(x) μ >μ 1 σ 1 σ >σ 1 g 1 g σ μ 1 μ x μ x x N K MK = x f( x) dx 1 M K = x N CK = ( x M ) f( x) dx ( xi M 1 C = 1 K 1) N i= 1 K i K N i= 1 K μ = E ( X ) = xf

Více

Metody teorie spolehlivosti

Metody teorie spolehlivosti Metoy teorie spolehlivosti Historické metoy mpirické metoy Kalibrace Pravěpoobnostní metoy FOM úroveň II AKTNÍ úroveň III Kalibrace MTOD NÁVH. BODŮ Kalibrace MTODA DÍLČÍCH SOUČINITLŮ úroveň I Nejistoty

Více

SPOLEHLIVOST VE STAVEBNICTVÍ

SPOLEHLIVOST VE STAVEBNICTVÍ ČESKÁ SPOLEČNOST PRO JAKOST Novotného lávka 5, 116 68 Praha 1 SPOLEHLIVOST VE STAVEBNICTVÍ MATERIÁLY Z XV. SETKÁNÍ ODBORNÉ SKUPINY PRO SPOLEHLIVOST Praha, červen 2004 OBSAH PRAVDĚPODOBNOSTNÍ METODY NAVRHOVÁNÍ

Více

Téma 10: Spolehlivost a bezpečnost stavebních nosných konstrukcí

Téma 10: Spolehlivost a bezpečnost stavebních nosných konstrukcí Téma 10: Spolehlivost a bezpečnost stavebních nosných konstrukcí Přednáška z předmětu: Pravděpodobnostní posuzování konstrukcí 4. ročník bakalářského studia Katedra stavební mechaniky Fakulta stavební

Více

Definice spojité náhodné veličiny zjednodušená verze

Definice 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

Více

1. Náhodný vektor (X, Y ) má diskrétní rozdělení s pravděpodobnostní funkcí p, kde. p(x, y) = a(x + y + 1), x, y {0, 1, 2}.

1. 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:

Více

I. D i s k r é t n í r o z d ě l e n í

I. D i s k r é t n í r o z d ě l e n í 6. T y p y r o z d ě l e n í Poznámka: V odst. 5.5-5.10 jsme uvedli příklady náhodných veličin a jejich distribučních funkcí. Poznali jsme, že se od sebe liší svým typem. V příkladech 5.5, 5.6 a 5.8 jsme

Více

Aktualizace modelu vlastnosti materiálu. Stanovení vlastností materiálů

Aktualizace modelu vlastnosti materiálu. Stanovení vlastností materiálů podpora zaměstnanosti Aktualizace modelu vlastnosti materiálu Pro. Ing. Milan Holický, DrSc. a Ing. Miroslav Sýkora, Ph.D. ČVUT v Praze, Kloknerův ústav Stanovení vlastností materiálů při hodnocení existujících

Více

p(x) = P (X = x), x R,

p(x) = P (X = x), x R, 6. T y p y r o z d ě l e n í Poznámka: V odst. 5.5-5.10 jsme uvedli příklady náhodných veličin a jejich distribučních funkcí. Poznali jsme, že se od sebe liší svým typem. V příkladech 5.5, 5.6 a 5.8 jsme

Více

X = x, y = h(x) Y = y. hodnotám x a jedné hodnotě y. Dostaneme tabulku hodnot pravděpodobnostní

X = x, y = h(x) Y = y. hodnotám x a jedné hodnotě y. Dostaneme tabulku hodnot pravděpodobnostní ..08 8cv7.tex 7. cvičení - transformace náhodné veličiny Definice pojmů a základní vzorce Je-li X náhodná veličina a h : R R je měřitelná funkce, pak náhodnou veličinu Y, která je definovaná vztahem X

Více

Téma 1: Spolehlivost a bezpečnost stavebních nosných konstrukcí

Téma 1: Spolehlivost a bezpečnost stavebních nosných konstrukcí Téma 1: Spolehlivost a bezpečnost stavebních nosných konstrukcí Přednáška z předmětu: Spolehlivost a bezpečnost staveb 4. ročník bakalářského studia Katedra stavební mechaniky Fakulta stavební Vysoká škola

Více

SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 8: Normové předpisy

SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 8: Normové předpisy SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 8: Normové předpisy Drahomír Novák Jan Eliáš 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 1 část 8 Normové předpisy 2012 Spolehlivost konstrukcí,

Více

Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel

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 Výsledky některých náhodných pokusů jsou přímo vyjádřeny číselně (např. při hodu kostkou padne 6). Náhodnou veličinou

Více

Téma 22. Ondřej Nývlt

Téma 22. Ondřej Nývlt Téma 22 Ondřej Nývlt nyvlto1@fel.cvut.cz Náhodná veličina a náhodný vektor. Distribuční funkce, hustota a pravděpodobnostní funkce náhodné veličiny. Střední hodnota a rozptyl náhodné veličiny. Sdružené

Více

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y 9. T r a n s f o r m a c e n á h o d n é v e l i č i n y Při popisu procesů zpracováváme vstupní údaj, hodnotu x tak, že výstupní hodnota y závisí nějakým způsobem na vstupní, je její funkcí y = f(x).

Více

Hodnocení vlastností materiálů podle ČSN EN 1990, přílohy D

Hodnocení vlastností materiálů podle ČSN EN 1990, přílohy D Hodnocení vlastností materiálů podle ČSN EN 1990, přílohy D Milan Holický Kloknerův ústav ČVUT v Praze 1. Úvod 2. Kvantil náhodné veličiny 3. Hodnocení jedné veličiny 4. Hodnocení modelu 5. Příklady -

Více

Příloha D Navrhování pomocí zkoušek

Příloha D Navrhování pomocí zkoušek D.1 Rozsah platnosti a použití Příloha D Navrhování pomocí zkoušek Příloha D uvádí pokyny pro navrhování na základě zkoušek a pro určení charakteristické nebo návrhové hodnoty jedné materiálové vlastnosti

Více

Výběrové charakteristiky a jejich rozdělení

Výběrové charakteristiky a jejich rozdělení Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Statistické šetření úplné (vyčerpávající) neúplné (výběrové) U výběrového šetření se snažíme o to, aby výběrový

Více

7. Rozdělení pravděpodobnosti ve statistice

7. Rozdělení pravděpodobnosti ve statistice 7. Rozdělení pravděpodobnosti ve statistice Statistika nuda je, má však cenné údaje, neklesejte na mysli, ona nám to vyčíslí Jednou z úloh statistiky je odhad (výpočet) hodnot statistického znaku x i,

Více

2. Směrná úroveň spolehlivosti 3. Návaznost na současné předpisy 2. Ověření spolehlivosti požadované úřady, vlastníkem, pojišťovnami

2. Směrná úroveň spolehlivosti 3. Návaznost na současné předpisy 2. Ověření spolehlivosti požadované úřady, vlastníkem, pojišťovnami Hodnocení existujících konstrukcí Zásady hodnocení podle ISO a TS DG6P0M050 Optimalizace sledování a hodnocení. Hodnocení musí vycházet ze skutečného stavu konstrukce, nutno ověřit průzkumem stavu objektu,

Více

Mezní stavy. Obecné zásady a pravidla navrhování. Nejistoty ve stavebnictví. ČSN EN 1990 a ČSN ISO návrhové situace a životnost

Mezní stavy. Obecné zásady a pravidla navrhování. Nejistoty ve stavebnictví. ČSN EN 1990 a ČSN ISO návrhové situace a životnost Obecné zásady a pravidla navrhování Prof. Ing. Milan Holický, DrSc. Kloknerův ústav ČVUT, Šolínova 7, 66 08 Praha 6 Tel.: 4 353 84, Fax: 4 355 3 E-mail: holicky@klok.cvut.cz Návrhové situace Nejistoty

Více

Definice 7.1 Nechť je dán pravděpodobnostní prostor (Ω, A, P). Zobrazení. nebo ekvivalentně

Definice 7.1 Nechť je dán pravděpodobnostní prostor (Ω, A, P). Zobrazení. nebo ekvivalentně 7 Náhodný vektor Nezávislost náhodných veličin Definice 7 Nechť je dán pravděpodobnostní prostor (Ω, A, P) Zobrazení X : Ω R n, které je A-měřitelné, se nazývá (n-rozměrný) náhodný vektor Měřitelností

Více

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Prostá regresní a korelační analýza 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Problematika závislosti V podstatě lze rozlišovat mezi závislostí nepodstatnou, čili náhodnou

Více

Vlastnosti odhadů ukazatelů způsobilosti

Vlastnosti odhadů ukazatelů způsobilosti Vlastnosti odhadů ukazatelů způsobilosti Jiří Michálek CQR při Ústavu teorie informace a automatizace AV ČR v Praze Úvod Ve výzkumné zprávě č 06 Odhady koeficientů způsobilosti a jejich vlastnosti viz

Více

8. Normální rozdělení

8. Normální rozdělení 8. Normální rozdělení 8.. Definice: Normální (Gaussovo) rozdělení N(µ, 2 ) s parametry µ a > 0 je rozdělení určené hustotou ( ) f(x) = (x µ) 2 e 2 2, x (, ). Rozdělení N(0; ) s parametry µ = 0 a = se nazývá

Více

SPOLEHLIVOST KONSTRUKCÍ statistické vyhodnocení materiálových zkoušek

SPOLEHLIVOST KONSTRUKCÍ statistické vyhodnocení materiálových zkoušek SPOLEHLIVOST KONSTRUKCÍ statistické vyhodnocení materiálových zkoušek Thákurova 7, 166 29 Praha 6 Dejvice Česká republika Program přednášek a cvičení Výuka: Úterý 12:00-13:40, C -219 Přednášky a cvičení:

Více

10. 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.

10. 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

Více

Aplikovaná numerická matematika

Aplikovaná numerická matematika Aplikovaná numerická matematika 6. Metoda nejmenších čtverců doc. Ing. Róbert Lórencz, CSc. České vysoké učení technické v Praze Fakulta informačních technologií Katedra počítačových systémů Příprava studijních

Více

Náhodná veličina a rozdělení pravděpodobnosti

Náhodná veličina a rozdělení pravděpodobnosti 3.2 Náhodná veličina a rozdělení pravděpodobnosti Bůh hraje se světem hru v kostky. Jsou to ale falešné kostky. Naším hlavním úkolem je zjistit, podle jakých pravidel byly označeny, a pak toho využít pro

Více

4. Na obrázku je rozdělovací funkce (hustota pravděpodobnosti) náhodné veličiny X. Jakou hodnotu musí mít parametr k?

4. Na obrázku je rozdělovací funkce (hustota pravděpodobnosti) náhodné veličiny X. Jakou hodnotu musí mít parametr k? A 1. Stanovte pravděpodobnost, že náhodná veličina X nabyde hodnoty menší než 6: P( X 6). Veličina X má rozdělení se střední hodnotou 6 a směrodatnou odchylkou 5: N(6,5). a) 0 b) 1/3 c) ½ 2. Je možné,

Více

4. Aplikace matematiky v ekonomii

4. Aplikace matematiky v ekonomii 4. Aplikace matematiky v ekonomii 1 Lineární algebra Soustavy 1) Na základě statistických údajů se zjistilo, že závislost množství statku z poptávaného v průběhu jednoho týdne lze popsat vztahem q d =

Více

Téma 2: Pravděpodobnostní vyjádření náhodných veličin

Téma 2: Pravděpodobnostní vyjádření náhodných veličin 0.05 0.0 0.05 0.0 0.005 Nominální napětí v pásnici Std Mean 40 60 80 00 0 40 60 Std Téma : Pravděpodobnostní vyjádření náhodných veličin Přednáška z předmětu: Spolehlivost a bezpečnost staveb 4. ročník

Více

P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod.

P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod. P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod. Matematický přístup k výsledkům únavových zkoušek Náhodnost výsledků únavových zkoušek. Únavové

Více

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Jan Kracík

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Jan Kracík Pravděpodobnost a statistika, Biostatistika pro kombinované studium Letní semestr 2017/2018 Tutoriál č. 2:, náhodný vektor Jan Kracík jan.kracik@vsb.cz náhodná veličina rozdělení pravděpodobnosti náhodné

Více

Bayesovské metody. Mnohorozměrná analýza dat

Bayesovské metody. Mnohorozměrná analýza dat Mnohorozměrná analýza dat Podmíněná pravděpodobnost Definice: Uvažujme náhodné jevy A a B takové, že P(B) > 0. Podmíněnou pravěpodobností jevu A za podmínky, že nastal jev B, nazýváme podíl P(A B) P(A

Více

Testování statistických hypotéz

Testování statistických hypotéz Testování statistických hypotéz 1 Testování statistických hypotéz 1 Statistická hypotéza a její test V praxi jsme nuceni rozhodnout, zda nějaké tvrzeni o parametrech náhodných veličin nebo o veličině samotné

Více

6 Skalární součin. u v = (u 1 v 1 ) 2 +(u 2 v 2 ) 2 +(u 3 v 3 ) 2

6 Skalární součin. u v = (u 1 v 1 ) 2 +(u 2 v 2 ) 2 +(u 3 v 3 ) 2 6 Skalární součin Skalární součin 1 je operace, která dvěma vektorům (je to tedy binární operace) přiřazuje skalár (v našem případě jde o reálné číslo, obecně se jedná o prvek nějakého tělesa T ). Dovoluje

Více

Chyby měření 210DPSM

Chyby 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

Více

OVĚŘOVÁNÍ EXISTUJÍCÍCH MOSTŮ PODLE SOUČASNÝCH PŘEDPISŮ

OVĚŘOVÁNÍ EXISTUJÍCÍCH MOSTŮ PODLE SOUČASNÝCH PŘEDPISŮ OVĚŘOVÁNÍ EXISTUJÍCÍCH MOSTŮ PODLE SOUČASNÝCH PŘEDPISŮ Milan Holický, Karel Jung, Jana Marková a Miroslav Sýkora Abstract Eurocodes are focused mainly on the design of new structures and supplementary

Více

Praktická statistika. Petr Ponížil Eva Kutálková

Praktická statistika. Petr Ponížil Eva Kutálková Praktická statistika Petr Ponížil Eva Kutálková Zápis výsledků měření Předpokládejme, že známe hodnotu napětí U = 238,9 V i její chybu 3,3 V. Hodnotu veličiny zapíšeme na tolik míst, aby až poslední bylo

Více

MATEMATICKÁ STATISTIKA - XP01MST

MATEMATICKÁ STATISTIKA - XP01MST MATEMATICKÁ STATISTIKA - XP01MST 1. Úvod. Matematická statistika (statistics) se zabývá vyšetřováním zákonitostí, které v sobě obsahují prvek náhody. Zpracováním hodnot, které jsou výstupem sledovaného

Více

Cvičební texty 2003 programu celoživotního vzdělávání MŠMT ČR Požární odolnost stavebních konstrukcí podle evropských norem

Cvičební texty 2003 programu celoživotního vzdělávání MŠMT ČR Požární odolnost stavebních konstrukcí podle evropských norem 2.5 Příklady 2.5. Desky Příklad : Deska prostě uložená Zadání Posuďte prostě uloženou desku tl. 200 mm na rozpětí 5 m v suchém prostředí. Stálé zatížení je g 7 knm -2, nahodilé q 5 knm -2. Požaduje se

Více

Požadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory

Požadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory Požadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory Zkouška ověřuje znalost základních pojmů, porozumění teorii a schopnost aplikovat teorii při

Více

Regresní analýza 1. Regresní analýza

Regresní analýza 1. Regresní analýza Regresní analýza 1 1 Regresní funkce Regresní analýza Důležitou statistickou úlohou je hledání a zkoumání závislostí proměnných, jejichž hodnoty získáme při realizaci experimentů Vzhledem k jejich náhodnému

Více

Limitní věty teorie pravděpodobnosti. Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel

Limitní věty teorie pravděpodobnosti. 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 Jestliže opakujeme nezávisle nějaký pokus, můžeme z pozorovaných hodnot sestavit rozdělení relativních četností

Více

Hodnocení vlastností materiálů podle ČSN EN 1990, přílohy D

Hodnocení vlastností materiálů podle ČSN EN 1990, přílohy D PŘI PŘÍPRAVĚ PŘEDNÁŠKY BYLY VYUŽITY VÝSTUPY PROJEKTU: A/CZ0046/2/0013 ASSESSMENT OF HISTORICAL IMMOVABLES WWW.HERITAGE.CVUT.CZ Fond na podporu výzkumu, 1. Evropské kulturní dědictví, 1.1 Ochrana historických

Více

8.1. Definice: Normální (Gaussovo) rozdělení N(µ, σ 2 ) s parametry µ a. ( ) ϕ(x) = 1. označovat písmenem U. Její hustota je pak.

8.1. Definice: Normální (Gaussovo) rozdělení N(µ, σ 2 ) s parametry µ a. ( ) ϕ(x) = 1. označovat písmenem U. Její hustota je pak. 8. Normální rozdělení 8.. Definice: Normální (Gaussovo) rozdělení N(µ, ) s parametry µ a > 0 je rozdělení určené hustotou ( ) f(x) = (x µ) e, x (, ). Rozdělení N(0; ) s parametry µ = 0 a = se nazývá normované

Více

Stavební obzor 2001, to be published VLIV ALTERNATIVNÍCH POSTUPŮ V EN 1990 NA SPOLEHLIVOST KONSTRUKCÍ

Stavební obzor 2001, to be published VLIV ALTERNATIVNÍCH POSTUPŮ V EN 1990 NA SPOLEHLIVOST KONSTRUKCÍ Stavební obzor 2001, to be published VLIV LTRNTIVNÍCH POSTUPŮ V N 1990 N SPOLHLIVOST KONSTRUKCÍ oc.ing. Milan Holický, rsc., Ph., Ing. Jana Marková, Ph. ČVUT v Praze, Kloknerův ústav Souhrn Základní evropská

Více

Příklad 1. Řešení 1a. Řešení 1b. Řešení 1c ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 7

Příklad 1. Řešení 1a. Řešení 1b. Řešení 1c ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 7 Příklad 1 a) Autobusy městské hromadné dopravy odjíždějí ze zastávky v pravidelných intervalech 5 minut. Cestující může přijít na zastávku v libovolném okamžiku. Určete střední hodnotu a směrodatnou odchylku

Více

4. Napjatost v bodě tělesa

4. Napjatost v bodě tělesa p04 1 4. Napjatost v bodě tělesa Předpokládejme, že bod C je nebezpečným bodem tělesa a pro zabránění vzniku mezních stavů je m.j. třeba zaručit, že napětí v tomto bodě nepřesáhne definované mezní hodnoty.

Více

MATEMATICKÁ STATISTIKA

MATEMATICKÁ STATISTIKA MATEMATICKÁ STATISTIKA 1. Úvod. Matematická statistika se zabývá vyšetřováním zákonitostí, které v sobě obsahují prvek náhody. Zpracováním hodnot, které jsou výstupem sledovaného procesu, se snažíme popsat

Více

STATISTICKÉ HODNOCENÍ ZKOUŠEK MATERIÁLOVÝCH VLASTNOSTÍ

STATISTICKÉ HODNOCENÍ ZKOUŠEK MATERIÁLOVÝCH VLASTNOSTÍ STATISTICKÉ HODNOCENÍ ZKOUŠEK MATERIÁLOVÝCH VLASTNOSTÍ Prof. Ing. Milan Holický, PhD., DrSc., Ing. Karel Jung, Ing. Miroslav Sýkora, Ph.D. České vysoké učení technické v Praze, Kloknerův ústav, Šolínova

Více

Téma 4: Stratifikované a pokročilé simulační metody

Téma 4: Stratifikované a pokročilé simulační metody 0.007 0.006 0.005 0.004 0.003 0.002 0.001 Dlouhodobé nahodilé Std Distribution: Gumbel Min. EV I Mean Requested: 140 Obtained: 141 Std Requested: 75.5 Obtained: 73.2-100 0 100 200 300 Mean Std Téma 4:

Více

SPOLEHLIVOST STAVEBNÍCH KONSTRUKCÍ

SPOLEHLIVOST STAVEBNÍCH KONSTRUKCÍ SPOLEHLIVOST STAVEBNÍCH KONSTRUKCÍ Prof. Ing. Milan Holický, DrSc. Ing. Jana Marková, Ph.D. Ing. Miroslav Sýkora Kloknerův ústav ČVUT Tel.: 224353842, Fax: 224355232 E-mail:holicky@klok.cvut.cz 1 SSK4

Více

VYUŽITÍ PRAVDĚPODOBNOSTNÍ METODY MONTE CARLO V SOUDNÍM INŽENÝRSTVÍ

VYUŽITÍ PRAVDĚPODOBNOSTNÍ METODY MONTE CARLO V SOUDNÍM INŽENÝRSTVÍ VYUŽITÍ PRAVDĚPODOBNOSTNÍ METODY MONTE CARLO V SOUDNÍM INŽENÝRSTVÍ Michal Kořenář 1 Abstrakt Rozvoj výpočetní techniky v poslední době umožnil také rozvoj výpočetních metod, které nejsou založeny na bázi

Více

Základy teorie pravděpodobnosti

Základy teorie pravděpodobnosti Základy teorie pravděpodobnosti Náhodná veličina Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 12. února 2012 Statistika by Birom Základy teorie

Více

Diskrétní náhodná veličina. November 12, 2008

Diskrétní náhodná veličina. November 12, 2008 Diskrétní náhodná veličina November 12, 2008 (Náhodná veličina (náhodná proměnná)) Náhodná veličina (nebo též náhodná proměnná) je veličina X, jejíž hodnota je jednoznačně určena výsledkem náhodného pokusu.

Více

Normální (Gaussovo) rozdělení

Normální (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

Více

Náhodná veličina a její charakteristiky. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáte. Proto je proměnná, která

Náhodná veličina a její charakteristiky. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáte. Proto je proměnná, která Náhodná veličina a její charakteristiky Náhodná veličina a její charakteristiky Představte si, že provádíte náhodný pokus, jehož výsledek jste schopni ohodnotit nějakým číslem. Před provedením pokusu jeho

Více

Náhodné (statistické) chyby přímých měření

Náhodné (statistické) chyby přímých měření Náhodné (statistické) chyby přímých měření Hodnoty náhodných chyb se nedají stanovit předem, ale na základě počtu pravděpodobnosti lze zjistit, která z možných naměřených hodnot je více a která je méně

Více

MATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci

MATEMATICKÁ STATISTIKA.   Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci MATEMATICKÁ STATISTIKA Dana Černá http://www.fp.tul.cz/kmd/ Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci Matematická statistika Matematická statistika se zabývá matematickým

Více

SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 5: Aproximační techniky

SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 5: Aproximační techniky SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 5: Aproximační techniky Drahomír Novák Jan Eliáš 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 1 část 5 Aproximační techniky 2012 Spolehlivost

Více

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) =

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) = Základní rozdělení pravděpodobnosti Diskrétní rozdělení pravděpodobnosti. Pojem Náhodná veličina s Binomickým rozdělením Bi(n, p), kde n je přirozené číslo, p je reálné číslo, < p < má pravděpodobnostní

Více

OBECNÉ ZÁSADY NAVRHOVÁNÍ

OBECNÉ ZÁSADY NAVRHOVÁNÍ OBECNÉ ZÁSADY NAVRHOVÁNÍ Prof. Ing. Milan Holický, DrSc. ČVUT, Šolínova 7, 166 08 Praha 6 Tel.: 224 353 842, Fax: 224 355 232 E-mail: holicky@klok.cvut.cz, http://web.cvut.cz/ki/710/prednaskyfa.html Metody

Více

Statistické vyhodnocení zkoušek betonového kompozitu

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

Více

Náhodné vektory a matice

Náhodné 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

Více

OHYB (Napjatost) M A M + qc a + b + c ) M A = 2M qc a + b + c )

OHYB (Napjatost) M A M + qc a + b + c ) M A = 2M qc a + b + c ) 3.3 Řešené příklady Příklad 1: Pro nosník na obrázku vyšetřete a zakreslete reakce, T (x) a M(x). Dále určete M max a proveďte dimenzování pro zadaný průřez. Dáno: a = 0.5 m, b = 0.3 m, c = 0.4 m, d =

Více

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y 9. T r a n s f o r m a c e n á h o d n é v e l i č i n Při popisu procesů zpracováváme vstupní údaj, hodnotu x tak, že výstupní hodnota závisí nějakým způsobem na vstupní, je její funkcí = f(x). Pokud

Více

Téma 1: Spolehlivost a bezpečnost stavebních nosných konstrukcí

Téma 1: Spolehlivost a bezpečnost stavebních nosných konstrukcí Téma 1: Spolehlivost a bezpečnost stavebních nosných konstrukcí Přednáška z předmětu: Pravděpodobnostní posuzování konstrukcí 4. ročník bakalářského studia Katedra stavební mechaniky Fakulta stavební Vysoká

Více

Téma 2: Pravděpodobnostní vyjádření náhodných veličin

Téma 2: Pravděpodobnostní vyjádření náhodných veličin 0.025 0.02 0.015 0.01 0.005 Nominální napětí v pásnici Std Mean 140 160 180 200 220 240 260 Std Téma 2: Pravděpodobnostní vyjádření náhodných veličin Přednáška z předmětu: Pravděpodobnostní posuzování

Více

Střední hodnota a rozptyl náhodné. kvantilu. Ing. Michael Rost, Ph.D.

Střední hodnota a rozptyl náhodné. kvantilu. Ing. Michael Rost, Ph.D. Střední hodnota a rozptyl náhodné veličiny, vybraná rozdělení diskrétních a spojitých náhodných veličin, pojem kvantilu Ing. Michael Rost, Ph.D. Príklad Předpokládejme že máme náhodnou veličinu X která

Více

12. Křivkové integrály

12. Křivkové integrály 12 Křivkové integrály Definice 121 Jednoduchou po částech hladkou křivkou v prostoru R n rozumíme množinu bodů [x 1,, x n ], které jsou dány parametrickými rovnicemi x 1 = ϕ 1 t), x 2 = ϕ 2 t), x n = ϕ

Více

KGG/STG Statistika pro geografy

KGG/STG Statistika pro geografy KGG/STG Statistika pro geografy 5. Odhady parametrů základního souboru Mgr. David Fiedor 16. března 2015 Vztahy mezi výběrovým a základním souborem Osnova 1 Úvod, pojmy Vztahy mezi výběrovým a základním

Více

Pojmy z kombinatoriky, pravděpodobnosti, znalosti z kapitoly náhodná veličina, znalost parciálních derivací, dvojného integrálu.

Pojmy z kombinatoriky, pravděpodobnosti, znalosti z kapitoly náhodná veličina, znalost parciálních derivací, dvojného integrálu. 6. NÁHODNÝ VEKTOR Průvodce studiem V počtu pravděpodobnosti i v matematické statistice se setkáváme nejen s náhodnými veličinami, jejichž hodnotami jsou reálná čísla, ale i s takovými, jejichž hodnotami

Více

Úloha č. 2 - Kvantil a typická hodnota. (bodově tříděná data): (intervalově tříděná data): Zadání úlohy: Zadání úlohy:

Úloha č. 2 - Kvantil a typická hodnota. (bodově tříděná data): (intervalově tříděná data): Zadání úlohy: Zadání úlohy: Úloha č. 1 - Kvantily a typická hodnota (bodově tříděná data): Určete typickou hodnotu, 40% a 80% kvantil. Tabulka hodnot: Varianta Četnost 0 4 1 14 2 17 3 37 4 20 5 14 6 7 7 11 8 20 Typická hodnota je

Více

Simulace. Simulace dat. Parametry

Simulace. Simulace dat. Parametry Simulace Simulace dat Menu: QCExpert Simulace Simulace dat Tento modul je určen pro generování pseudonáhodných dat s danými statistickými vlastnostmi. Nabízí čtyři typy rozdělení: normální, logaritmicko-normální,

Více

Interpolace, ortogonální polynomy, Gaussova kvadratura

Interpolace, ortogonální polynomy, Gaussova kvadratura Interpolace, ortogonální polynomy, Gaussova kvadratura Petr Tichý 20. listopadu 2013 1 Úloha Lagrangeovy interpolace Dán omezený uzavřený interval [a, b] a v něm n + 1 různých bodů x 0, x 1,..., x n. Nechť

Více

0.1 Úvod do lineární algebry

0.1 Úvod do lineární algebry Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Vektory Definice 011 Vektorem aritmetického prostorur n budeme rozumět uspořádanou n-tici reálných čísel x 1, x 2,, x n Definice 012 Definice sčítání

Více

UNIVERZITA PARDUBICE. 4.4 Aproximace křivek a vyhlazování křivek

UNIVERZITA PARDUBICE. 4.4 Aproximace křivek a vyhlazování křivek UNIVERZITA PARDUBICE Licenční Studium Archimedes Statistické zpracování dat a informatika 4.4 Aproximace křivek a vyhlazování křivek Mgr. Jana Kubátová Endokrinologický ústav V Praze, leden 2012 Obsah

Více

Testování hypotéz o parametrech regresního modelu

Testování hypotéz o parametrech regresního modelu Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Lineární regresní model kde Y = Xβ + e, y 1 e 1 β y 2 Y =., e = e 2 x 11 x 1 1k., X =....... β 2,

Více

8 Střední hodnota a rozptyl

8 Střední hodnota a rozptyl Břetislav Fajmon, UMAT FEKT, VUT Brno Této přednášce odpovídá kapitola 10 ze skript [1]. Také je k dispozici sbírka úloh [2], kde si můžete procvičit příklady z kapitol 2, 3 a 4. K samostatnému procvičení

Více

Mgr. Rudolf Blažek, Ph.D. prof. RNDr. Roman Kotecký Dr.Sc.

Mgr. 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

Více

Testování hypotéz o parametrech regresního modelu

Testování hypotéz o parametrech regresního modelu Testování hypotéz o parametrech regresního modelu Ekonometrie Jiří Neubauer Katedra kvantitativních metod FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Jiří Neubauer (Katedra UO

Více

KGG/STG Statistika pro geografy

KGG/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

Více

Téma 3 Metoda LHS, programový systém Atena-Sara-Freet

Téma 3 Metoda LHS, programový systém Atena-Sara-Freet Spolehlivost a bezpečnost staveb, 4.ročník bakalářského studia Téma 3 Metoda LHS, programový systém Atena-Sara-Freet Parametrická rozdělení Metoda Latin Hypercube Sampling (LHS) aplikovaná v programu Freet

Více

NÁHODNÁ VELIČINA. 3. cvičení

NÁHODNÁ VELIČINA. 3. cvičení NÁHODNÁ VELIČINA 3. cvičení Náhodná veličina Náhodná veličina funkce, která každému výsledku náhodného pokusu přiřadí reálné číslo. Je to matematický model popisující více či méně dobře realitu, který

Více

NK 1 Zatížení 1. Vodojem

NK 1 Zatížení 1. Vodojem NK 1 Zatížení 1 Přednášky: Doc. Ing. Karel Lorenz, CSc., Prof. Ing. Milan Holický, DrSc., Ing. Jana Marková, Ph.D. FA, Ústav nosných konstrukcí, Kloknerův ústav Cvičení: Ing. Naďa Holická, CSc., Fakulta

Více

PŘEDNÁŠKA 9 KŘIVKOVÝ A PLOŠNÝ INTEGRÁL 1. DRUHU

PŘEDNÁŠKA 9 KŘIVKOVÝ A PLOŠNÝ INTEGRÁL 1. DRUHU PŘEDNÁŠKA 9 KŘIVKOVÝ A PLOŠNÝ INTEGRÁL 1. DRUHU 6.1 Křivkový integrál 1. druhu Definice 1. Množina R n se nazývá prostá regulární křivka v R n právě tehdy, když existuje vzájemně jednoznačné zobrazení

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOST A STATISTIKA Náhodný výběr Nechť X je náhodná proměnná, která má distribuční funkci F(x, ϑ). Předpokládejme, že známe tvar distribuční funkce (víme jaké má rozdělení) a neznáme parametr

Více

PRIMITIVNÍ FUNKCE. Primitivní funkce primitivní funkce. geometrický popis integrály 1 integrály 2 spojité funkce konstrukce prim.

PRIMITIVNÍ FUNKCE. Primitivní funkce primitivní funkce. geometrický popis integrály 1 integrály 2 spojité funkce konstrukce prim. PRIMITIVNÍ FUNKCE V předchozích částech byly zkoumány derivace funkcí a hlavním tématem byly funkce, které derivace mají. V této kapitole se budou zkoumat funkce, které naopak jsou derivacemi jiných funkcí

Více

INDUKTIVNÍ STATISTIKA

INDUKTIVNÍ STATISTIKA 10. SEMINÁŘ INDUKTIVNÍ STATISTIKA 3. HODNOCENÍ ZÁVISLOSTÍ HODNOCENÍ ZÁVISLOSTÍ KVALITATIVNÍ VELIČINY - Vychází se z kombinační (kontingenční) tabulky, která je výsledkem třídění druhého stupně KVANTITATIVNÍ

Více

Regresní analýza. Ekonometrie. Jiří Neubauer. Katedra ekonometrie FVL UO Brno kancelář 69a, tel

Regresní analýza. Ekonometrie. Jiří Neubauer. Katedra ekonometrie FVL UO Brno kancelář 69a, tel Regresní analýza Ekonometrie Jiří Neubauer Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Jiří Neubauer (Katedra ekonometrie UO Brno) Regresní analýza 1 / 23

Více

Normální rozložení a odvozená rozložení

Normální rozložení a odvozená rozložení I Normální rozložení a odvozená rozložení I.I Normální rozložení Data, se kterými pracujeme, pocházejí z různých rozložení. Mohou být vychýlena (doleva popř. doprava, nebo v nich není na první pohled vidět

Více

Derivace funkce Otázky

Derivace funkce Otázky funkce je jedním z hlavních nástrojů matematické analýzy. V příští části ukážeme, jak mnoho různorodých aplikací derivace má. Geometricky lze derivaci funkce v nějakém bodě chápat jako směrnici tečny grafu

Více

15. T e s t o v á n í h y p o t é z

15. T e s t o v á n í h y p o t é z 15. T e s t o v á n í h y p o t é z Na základě hodnot náhodného výběru činíme rozhodnutí o platnosti hypotézy o hodnotách parametrů rozdělení nebo o jeho vlastnostech. Rozeznáváme dva základní typy testů:

Více

SPOJITÉ ROZDĚLENÍ PRAVDĚPODOBNOSTI. 7. cvičení

SPOJITÉ ROZDĚLENÍ PRAVDĚPODOBNOSTI. 7. cvičení SPOJITÉ ROZDĚLENÍ PRAVDĚPODOBNOSTI 7. cvičení Intenzita poruch Funkce modelující dobu do výskytu události životnost, dobu do poruchy, dobu do relapsu (návratu onemocnění), apod. používáme spolu s distribuční

Více