Katedra matematiky Fakulta aplikovaných věd Západočeská Univerzita v Plzni. Matematické Modelování
|
|
- Eliška Hrušková
- před 7 lety
- Počet zobrazení:
Transkript
1 Katedra matematiky Fakulta aplikovaných věd Západočeská Univerzita v Plzni Semestrální práce z předmětu Matematické Modelování Radek Slíva student 3. ročníku FAV obor MA A července 2005
2 Obsah 1 Rozdělení populace 2 2 Model SI (Jednoduché epidemie) 3 3 Model SIR 4 4 Modelování AIDS 7 5 Reference 11 1
3 1 Rozdělení populace Budeme předpokládat že člověk náchylný k infekci je nakažen od jiného nakaženého člověka. Nejprve během latentního období nemá rozvoj nemoci žádné projevy a postižený není zatím zdrojem nákazy. Pak následuje nakažlivé období, během kterého může nakažený předávat infekci jiným lidem, náchylným k infekci. Nakonec se u nakaženého člověka objeví různé příznaky nemoci a poté je izolován od ostatních lidí, dokud se neuzdraví nebo zemře. V případě uzdravení se může stát odolným vůči infekci buď trvale, nebo po určité období. Časový interval od nakažení do objevení se symptomů se nazývá inkubační období. S velikost části populace náchylné k infekci(tj. těch jedinců, kteří netrpí danou chorobou, ale jsou schopni onemocnět, nebo se stát infekčními) E velikost části populace nacházející se v latentním období I velikost části populace, která je infikovaná a schopná přenášet infekci na jedince náchylné k nakažení R velikost části populace, která sice onemocněla, ale nešíří dále nákazu, buď proto, že je od ostatní populace izolována, nebo v případě uzdravení se stala trvale imunní. S E I R období latentní nakažlivé náchylnosti období období období jedince inkubační nemoc se izolace k onemocnění období symptomy S, E, I, R jsou funkcemi času t. Předpokládáme, že jsou nezáporné. Jim odpovídající části populace označíme ( S ), ( E ), ( I ), ( R ). O velikosti celé populace předpokládáme, že je konstantní a je rovna N > 0. Platí tedy. S(t) + E(t) + I(t) + R(t) N 2
4 2 Model SI (Jednoduché epidemie) Budeme předpokládat skupinu jedinců náchylných k infekci a předpokládáme že nedochází k vyjímání jedinců z populace vlivem izolace, smrti, nebo uzdravení a vzniku odolnosti vůči infekci. Neuvažujeme tedy populační skupiny (E) a (R). Tento systém se používá například u některých počátečních stádií některých onemocnění horních cest dýchacích. Předpokládáme, že v čase t = 0 existuje S 0 > 0 jedinců náchylných k infekcí a že v populaci je I 0 > 0 přenašečů infekce. Potom S(0) = S 0 I(0) = I 0 S(t) + I(t) N Budeme předpokládat, že průměrný počet nových případů onemocnění I které se objeví v intervalu t je přímo úměrný S a I. Pak I = S = βsi t, kde β > 0 je kladný koeficient. Tento koeficient nazýváme koeficient šíření nákazy. Koeficient šíření nákazy je součin relativní četnosti vzájemných kontaktů v populaci během časového intervalu jednotkové délky a pravděpodobnosti nákazy při kontaktu jednoho člena populační skupiny ( S ) s jedním členem skupiny ( I ). Podělením výrazem t a limitním přechodem t dostáváme systém rovnic. S = βsi, I = βsi Vezmeme- li v úvahu ( 1 ) dostáváme počáteční úlohu I = β(n I)I, I(0) = I 0 V praxi se během epidemie obvykle registruje počet nových případů, které se objevily např. během týdne. Je proto vhodnější uvažovat dynamiku narůstání počtu nových případů, popisovanou tzv. epidemickou křivkou, což je graf funkce která je znázorněna na obrázku ( 1 ) I = βn 2 ( N I 0 1)e βnt ( N I e βnt ) 2 3 (1)
5 Obrázek 1: Epidemická křivka Z epidemické křivky je patrná charakteristická vlastnost epidemií: počet nových případů zpočátku rychle roste, v jistém okamžiku dosahuje maxima a pak klesá k nule. 3 Model SIR Budeme uvažovat model S = βsi, I = βsi νi, R = νi přičemž S + I + R = N, kde N > 0 je konstantní celková velikost populace. Koeficienty β, ν jsou kladné. Populační skupiny ( E ) neuvažujeme. Předpokládáme, že S(0) = S 0 > 0 I(0) = I 0 > 0 (3) R(0) = 0 S 0 + I 0 = N Každá počáteční úloha pro ( 2 ) má jediné řešení. Z druhé rovnice systému ( 2 ) vidíme, že v případě S 0 ν/β epidemie vůbec nezačne. Budeme proto předpokládat S 0 > ν β Epidemie tedy začíná až při S 0 větším než jistá prahová hodnota ϱ = ν β. Je to tzv. prahový efekt. Jestliže sečteme všechny tři rovnice systému ( 2 ) obdržíme pro libovolné řešení (S(t), I(t), R(t)) počáteční úlohy ( 2 ), ( 3 ) vztah 4 (2)
6 [S(t)+I(t)+R(t)] = 0, což je v souladu s tím, že S(t) + I(t) + R(t) N. Jelikož první dvě rovnice ( 2 ) nezávisí na R, lze uvažovat systém S = βsi I = βsi νi (4) Rovnice trajektorií systému ( 4 ) je po vykrácení dává di ds di ds = ν βs βs = βsi νi βsi = ϱ S S = 1 + ϱ S Odtud vidíme, že trajektorie systému ( 4 ) ležící v prvním kvadrantu jsou jakožto funkce I proměnné S rostoucí pro 0 < S < ϱ a klesající pro S > ϱ. Trajektorie systému ( 4 ) jsou znázorněny na obr. ( 2 ) Obrázek 2: Trajektorie systému ( 4 ) Dále platí odkud ds dr = 1 ϱ S S(t) = S 0 e 1 ϱ R(t) 5
7 Tedy 0 < S(t) S 0 < N. Navíc podle první rovnice systému ( 2 ) je S (t) < 0, takže funkce S(t) je klesající. Pro funkci R(t) platí R(t) = ϱ ln S(t) S 0 0 Je vidět že při epidemii vždy určitá část populace zůstane vnímavá a nemoc nikdy nedostane. Pokud je populace dostatečně veliká aby S(t ) > 1 osoba. Jako příklad si můžeme uvést např. morovou epidemii v Bombaji roku Tato epidemie trvala 30 týdnů a podle záznamů v nemocnicích se vyžádala 890 obětí. Na obrázku ( 3 ) můžeme vidět že vypočtené výsledky se moc neliší od skutečných. Tento model byl poprvé uveřejněn Kermackem a McKendrickem roku Křivka je vypočtený průběh a body skutečná úmrtí. Obrázek 3: Model epidemie v Bombaji 6
8 4 Modelování AIDS Prudká nakažlivost AIDS a rychlost šíření epidemie jsou alarmující. Prognózy ukazují že je to nejvážnější světová epidemie tohoto století a může se přirovnat k moru ze 14. Století. Bohužel délka latentního období je pro každého nakaženého jiná. Může trvat od měsíců až do roků. Ve skutečnosti není mnoho známo o základních epidemiologických parametrech šíření viru. Díky nedostatku znalostí jsou potíže v navrhování kontrolních plánů natož zdravotnické péče. Ve vyspělých zemí se zejména AIDS šíří homosexuálně komunitou ale v rozvojových zemi se AIDS šíří převládající heterosexuální společností. Statistici z USA a UK se velmi vážně věnují závažnosti týkající se šíření epidemie. Naše modely jsou jednoduché a nemůžou zahrnout všechny faktory které by měli být zahrnuty v realističtějších modelech. Například neuvažujeme možnost mutace viru které zřejmě mají velmi důležité následky. Závažný problém AIDS je v proměnné délce inkubační doby od doby kdy je pacientovy určena diagnóza jako pozitivní do doby než se objeví symptomy AIDS. Toto je hlavní důsledek šíření viru. Jako první model budeme uvažovat dobu vyvinutí onemocnění mezi infikovanými AIDS. Uvažujeme populaci v které všichni lidé jsou nakaženi HIV v čase t = 0. Označíme y(t) část populace která má AIDS v čase t a x(t) část populace které jsou pozitivní ale zatím se u nich AIDS neprojevil. Dostaneme x(t) = 1 y(t). Nechť v(t) je poměr infikovaných ku AIDS. Jednoduchý model z počátečními podmínkami vypadá: dx dy = v(t)x, = v(t)x dt dt x(0) = 1, y(0) = 0 (5) kde x + y = 1. Tento model předpokládá že u všech infikovaných lidí se projeví AIDS. Jestliže předpokládáme pacienta který je nakažen rakovinou, jeho imunitní systém se postupně snižuje, pak infekce v(t) je rostoucí funkce času. Vezměme lineární závislost v(t) = at kde a > 0 je konstanta. Rovnice ( 5 ) nám dávají x(t) = exp [ ] at2 2 y(t) = 1 exp [ ] (6) at2 2 7
9 Obrázek 4: Diagram systému modelu onemocnění. B reprezentuje přírůstek vnímavých do homosexuálního společenství. Rychlost přenesení viru je λc. Část nakažené populace se vyléčí u zbytku se rozvine AIDS. Přirozená smrt je v modelu zahrnuta Použitelný model založený na tomto diagramu je pak dx dt = B µx λcx, λ = βy N (7) dy = λcx (v + µ)y dt (8) da = pvy (d + µ)a dt (9) dz = (1 p)vy µz dt (10) N(t) = X(t) + Y (t) + Z(t) + A(t) (11) λ = βy je pravděpodobnost nákazy, β je pravděpodobnost přenosu nemoci,µ N je pravděpodobnost úmrtí, c je počet sexuálních partnerů, d je pravděpodobnost úmrtí na AIDS, p je počet HIV pozitivních a v je pravděpodobnost rozvinutí se nemoci. Celková populace zde nebude brána jako konstanta. Jestliže dosadíme do rovnic ( 7 )-( 11 )dostaneme: dn dt = B µn da (12) 8
10 Obrázek 5: Populace která byla nakažena HIV v čase t=0 a u které se projeví AIDS. Tento model dává nejlepší výsledky rovnice ( 6 ) pro a = 0.237yr 1. Osa x: Počet let s AIDS, osa y: dy dt Ve vzorci( 8 ), jestliže v čase t = 0 infikovaného jedince umístíme do vnímavé populace která je nakažená jiným virem mohu položit X N. dy dt (βc v µ)y v(r 0 1)Y (13) Aby se infekce rozvinula musí být R 0 βc > 1. Výchozí rychlost R v 0 je dána na základě počtu sexuálních partnerů c přenosová pravděpodobnost 1 β a průměrný inkubační doba onemocnění. Ustálený stav nastane když v rovnice ( 7 )-( 11 ) přejdou do X = (v+µ)n, Y = (d+µ)(b µn ) cβ pvd Z = (1 p)(d+µ)(b µn ) pvdµ N = Bβ[µ(v+d+µ)+vd(1 p)] [v+µ][β(d+µ) pv], A = B µn d (14) Můžeme ukázat že (X, Y, Z, A) se přibližuje k (X, Y, Z, A ) s tlumenou oscilací. Podle současných hodnot epidemie vypukne každých let. Je nepravděpodobné že parametr onemocnění zůstane nezměněn. V počátku vypuknutí epidemie je malé procento pozitivních a můžeme Y aproximovat jako Y (t) = Y (0)e v(r 0 1)t = Y (0)e rt (15) 9
11 Obrázek 6: Numerické řešení systému rovnic ( 7 )-( 11 ) s počátečními podmínky A(0) = Z(0) = 0, S(0) = Y (0) = N(0) = Hodnoty parametrů B = 13333, 3yr 1, v = 0, 2yr 1, µ = 1/32yr 1, d = 1yr 1, p = 0, 3. Graf ukazuje poměr mezi pozitivní skupinou populace a skupinou která je nakažená AIDS. Dosadíme-li rovnici ( 15 )do ( 9 ) dostaneme: da dt = pvy (0)ert (d + µ)a V počátku epidemie když ještě nejsou pacienti s AIDS tedy A(0) = 0 mohu položit: A(t) = pvy (0) ert e (d+µ)t (16) r + d + µ Numerická simulace modelu rovnic nám dává jasný obrázek rozvoje epidemie HIV v homosexuální komunitě. Na obrázku ( 6 ) Je ukázána simulace kdy rozsah nemocných dosáhne maxima, bude to kolem roku od začátku epidemie. 10
12 5 Reference Reference [1] Murray, J. D. Mathematical Biology. Berlin, Heidelberg, New York, London, Paris, Tokyo: Springer-Verlag, 1993, s [2] Kalas, J. Pospíšil, Z. Spojité modely v biologii. Brno: Massarykova univerzita, 2001, s
Západočeská univerzita v Plzni Fakulta aplikovaných věd. Katedra matematiky
Západočeská univerzita v Plzni Fakulta aplikovaných věd Katedra matematiky Obor: Matematika pro přírodní vědy Modelování šíření viru HIV Semestrální práce - matematické modelování Vypracovala: Radka Zahradníková
VíceStochastické diferenciální rovnice
KDM MFF UK, Praha Aplikace matematiky pro učitele 15.11.2011 Kermack-McKendrickův model Kermack-McKendrickův model s vakcinací Model pro nemoc s rychlým šířením a krátkou dobou léčby. Příkladem takovéto
Vícečasovém horizontu na rozdíl od experimentu lépe odhalit chybné poznání reality.
Modelování dynamických systémů Matematické modelování dynamických systémů se využívá v různých oborech přírodních, technických, ekonomických a sociálních věd. Použití matematického modelu umožňuje popsat
VíceSemestralni prace ze KMA/MM Modelovani sireni onemocneni - epidemiologicke modely
Semestralni prace ze KMA/MM Modelovani sireni onemocneni - epidemiologicke modely Pavel Jirasek March 1, 2008 1 Contents 1 Uvod 3 2 Znaceni 3 3 Predpoklady 3 4 Modely 4 5 Teoreticky rozbor 6 6 Ockovaci
VícePojistná matematika. Úmrtnostní tabulky, komutační čísla a jejich použití. Silvie Kafková
Úmrtnostní tabulky, komutační čísla a jejich použití 2015 Osnova 1 Délka života 2 Intenzita úmrtnosti 3 Úmrtnostní Tabulky 4 Komutační čísla Obsah 1 Délka života 2 Intenzita úmrtnosti 3 Úmrtnostní Tabulky
VíceK velkým datům přes matice a grafy
K velkým datům přes matice a grafy Miroslav Tůma Katedra numerické matematiky, MFF UK mirektuma@karlin.mff.cuni.cz MFF UK, 10.4.2019 1 / 70 Outline 1 Motivace 2 Šíření infekční choroby 3 Jiné motivace
VíceDiferenciální rovnice a jejich aplikace. (Brkos 2011) Diferenciální rovnice a jejich aplikace 1 / 36
Diferenciální rovnice a jejich aplikace Zdeněk Kadeřábek (Brkos 2011) Diferenciální rovnice a jejich aplikace 1 / 36 Obsah 1 Co to je derivace? 2 Diferenciální rovnice 3 Systémy diferenciálních rovnic
VíceCITLIVOSTNÍ ANALÝZA DYNAMICKÝCH SYSTÉMŮ I
Informačné a automatizačné technológie v riadení kvality produkcie Vernár,.-4. 9. 005 CITLIVOSTNÍ ANALÝZA DYNAMICKÝCH SYSTÉMŮ I KÜNZEL GUNNAR Abstrakt Příspěvek uvádí základní definice, fyzikální interpretaci
Více1/15. Kapitola 12: Soustavy diferenciálních rovnic 1. řádu
1/15 Kapitola 12: Soustavy diferenciálních rovnic 1. řádu 2/15 Vsuvka: Vlastní čísla matic Definice: Bud A čtvercová matice a vektor h 0 splňující rovnici A h = λ h pro nějaké číslo λ R. Potom λ nazýváme
VíceKapitola 12: Soustavy diferenciálních rovnic 1. řádu
Kapitola 12: Soustavy diferenciálních rovnic 1. řádu Základní pojmy Definice: Rovnice tvaru = f(t, x, y) = g(t, x, y), t I nazýváme soustavou dvou diferenciálních rovnic 1. řádu. Řešením soustavy rozumíme
Více9.7. Vybrané aplikace
Cíle V rámci témat zaměřených na lineární diferenciální rovnice a soustavy druhého řádu (kapitoly 9.1 až 9.6) jsme dosud neuváděli žádné aplikace. Je jim společně věnována tato závěrečné kapitola, v níž
VíceZáklady Jednoduché modely Příklady modelů. Modelování epidemií. Radek Pelánek
Modelování epidemií Radek Pelánek Motivace Epidemie jsou zabiják černý mor 14. století zemřelo 30 % až 60 % populace španělská chřipka 1918-1920 zemřelo asi 50 miliónů lidí (první světová válka 15 miliónů
VíceDrsná matematika III 6. přednáška Obyčejné diferenciální rovnice vyšších řádů, Eulerovo přibližné řešení a poznámky o odhadech chyb
Drsná matematika III 6. přednáška Obyčejné diferenciální rovnice vyšších řádů, Eulerovo přibližné řešení a poznámky o odhadech chyb Jan Slovák Masarykova univerzita Fakulta informatiky 23. 10. 2006 Obsah
Více3. SEMINÁŘ MĚŘENÍ FREKVENCE NEMOCÍ V POPULACI
3. SEMINÁŘ MĚŘENÍ FREKVENCE NEMOCÍ V POPULACI EPIDEMIOLOGIE 1. Úvod, obsah epidemiologie. Měření frekvence nemocí v populaci 2. Screening, screeningové (diagnostické) testy 3. Typy epidemiologických studií
Více11. přednáška 10. prosince Kapitola 3. Úvod do teorie diferenciálních rovnic. Obyčejná diferenciální rovnice řádu n (ODR řádu n) je vztah
11. přednáška 10. prosince 2007 Kapitola 3. Úvod do teorie diferenciálních rovnic. Obyčejná diferenciální rovnice řádu n (ODR řádu n) je vztah F (x, y, y, y,..., y (n) ) = 0 mezi argumentem x funkce jedné
Více1.1 Existence a jednoznačnost řešení. Příklad 1.1: [M2-P1] diferenciální rovnice (DR) řádu n: speciálně nás budou zajímat rovnice typu
[M2-P1] KAPITOLA 1: Diferenciální rovnice 1. řádu diferenciální rovnice (DR) řádu n: speciálně nás budou zajímat rovnice typu G(x, y, y, y,..., y (n) ) = 0 y (n) = F (x, y, y,..., y (n 1) ) Příklad 1.1:
VíceMODELOVÁNÍ V EPIDEMIOLOGII
MODELOVÁÍ V EPIDEMIOLOGII Radmila Stoklasová Klíčová slova: Epidemiologie, modelování, klasický epidemiologický model, analýza časových řad, sezónní dekompozice, Boxův Jenkinsovův model časové řady Key
VíceKapitola 10: Diferenciální rovnice 1/14
Kapitola 10: Diferenciální rovnice 1/14 Co je to diferenciální rovnice? Definice: Diferenciální rovnice je vztah mezi hledanou funkcí y(x), jejími derivacemi y (x), y (x), y (x),... a nezávisle proměnnou
VíceDiferenciální rovnice 3
Diferenciální rovnice 3 Lineární diferenciální rovnice n-tého řádu Lineární diferenciální rovnice (dále jen LDR) n-tého řádu je rovnice tvaru + + + + = kde = je hledaná funkce, pravá strana a koeficienty
VíceX = 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
VíceExtrémy funkce dvou proměnných
Extrémy funkce dvou proměnných 1. Stanovte rozměry pravoúhlé vodní nádrže o objemu 32 m 3 tak, aby dno a stěny měly nejmenší povrch. Označme rozměry pravoúhlé nádrže x, y, z (viz obr.). ak objem této nádrže
Více8.4. Shrnutí ke kapitolám 7 a 8
8.4. Shrnutí ke kapitolám 7 a 8 Shrnutí lekce Úvodní 7. kapitola přinesla informace o druzích řešení diferenciálních rovnic prvního řádu a stručné teoretické poznatky o podmínkách existence a jednoznačnosti
Více9. 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).
VíceInverzní Laplaceova transformace
Inverzní Laplaceova transformace Modelování systémů a procesů (MSP) Bohumil Kovář, Jan Přikryl, Miroslav Vlček Ústav aplikované matematiky ČVUT v Praze, Fakulta dopravní 6. přednáška MSP čtvrtek 30. března
Více9. 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
VíceROVNICE NA ČASOVÝCH ŠKÁLÁCH A NÁHODNÉ PROCESY. Michal Friesl
Robust 14, Jetřichovice ROVNICE NA ČASOVÝCH ŠKÁLÁCH A NÁHODNÉ PROCESY Michal Friesl Katedra matematiky Fakulta aplikovaných věd Západočeská univerzita v Plzni Robust 14, Jetřichovice ÚVOD Úvod Analýzníkům
Více9. Vícerozměrná integrace
9. Vícerozměrná integrace Aplikovaná matematika II, NMAF072 M. Rokyta, KMA MFF UK LS 2016/17 9.1 Elementy teorie míry Poznámka Na R n definujeme systém tzv. měřitelných množin, M n, který má následující
VíceFakt. Každou soustavu n lineárních ODR řádů n i lze eliminací převést ekvivalentně na jednu lineární ODR
DEN: ODR teoreticky: soustavy rovnic Soustava lineárních ODR 1 řádu s konstantními koeficienty je soustava ve tvaru y 1 = a 11 y 1 + a 12 y 2 + + a 1n y n + b 1 (x) y 2 = a 21 y 1 + a 22 y 2 + + a 2n y
VíceMATEMATICKÉ MODELY V EPIDEMIOLOGII MATHEMATICAL MODELS IN EPIDEMIOLOGY
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA STROJNÍHO INŽENÝRSTVÍ ÚSTAV MATEMATIKY FACULTY OF MECHANICAL ENGINEERING INSTITUTE OF MATHEMATICS MATEMATICKÉ MODELY V EPIDEMIOLOGII
VíceManagement rekreace a sportu. 10. Derivace
Derivace Derivace Před mnoha lety se matematici snažily o obecné vyřešení úlohy, jak sestrojit tečnu k dané křivce a také yzici zápolili s problémem určení rychlosti nerovnoměrného pohybu K zásadnímu obratu
Více8.1. Separovatelné rovnice
8. Metody řešení diferenciálních rovnic 1. řádu Cíle V předchozí kapitole jsme poznali separovaný tvar diferenciální rovnice, který bezprostředně umožňuje nalézt řešení integrací. Eistuje široká skupina
Více10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.
0 cvičení z PST 5 prosince 208 0 (intervalový odhad pro rozptyl) Soubor (70, 84, 89, 70, 74, 70) je náhodným výběrem z normálního rozdělení N(µ, σ 2 ) Určete oboustranný symetrický 95% interval spolehlivosti
VícePříklady pro předmět Aplikovaná matematika (AMA) část 1
Příklady pro předmět plikovaná matematika (M) část 1 1. Lokální extrémy funkcí dvou a tří proměnných Nalezněte lokální extrémy funkcí: (a) f 1 : f 1 (x, y) = x 3 3x + y 2 + 2y (b) f 2 : f 2 (x, y) = 1
VíceRadiologická fyzika základy diferenciálního počtu derivace a tečny, integrály a plochy diferenciální rovnice
Radiologická fyzika základy diferenciálního počtu derivace a tečny, integrály a plochy diferenciální rovnice podzim 2008, pátá přednáška Derivace a tečny aneb matematika libovolně malých změn Nejen velké,
VíceVěta 12.3 : Věta 12.4 (princip superpozice) : [MA1-18:P12.7] rovnice typu y (n) + p n 1 (x)y (n 1) p 1 (x)y + p 0 (x)y = q(x) (6)
1. Lineární diferenciální rovnice řádu n [MA1-18:P1.7] rovnice typu y n) + p n 1 )y n 1) +... + p 1 )y + p 0 )y = q) 6) počáteční podmínky: y 0 ) = y 0 y 0 ) = y 1 y n 1) 0 ) = y n 1. 7) Věta 1.3 : Necht
VíceDiferenciální rovnice a dynamické modely
Diferenciální rovnice a namické modely Robert Mařík 31. srpna 2009 c Robert Mařík, 2009 G. Galilei: Velkou knihu příro mohou číst jen ti, kteří znají jazyk, jímž je tato kniha napsána. A tímto jazykem
VíceModel epidemickej choroby (SIR model)
Slovenská technická univerzita v Bratislave Fakulta elektrotechniky a informatiky Katedra matematiky Študentská Vedecká a Odborná Činnosť Model epidemickej choroby (SIR model) autor: konzultant: Pavol
VíceNumerická stabilita algoritmů
Numerická stabilita algoritmů Petr Tichý 9. října 2013 1 Numerická stabilita algoritmů Pravidla v konečné aritmetice Pro počítání v konečné aritmetice počítače platí určitá pravidla, která jsou důležitá
VíceŘešení. Označme po řadě F (z) Odtud plyne, že
Úloha Nechť ~ R(, ) a Y = Jinak řečeno, Y je odmocnina čísla vybraného zcela náhodně z intervalu (, ) Popište rozdělení veličiny Y a určete jeho modus, medián, střední hodnotu a rozptyl Řešení Označme
VíceParciální derivace a diferenciál
Parciální derivace a diferenciál Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem
VíceMatematika 4 FSV UK, LS Miroslav Zelený
Matematika 4 FSV UK, LS 2017-18 Miroslav Zelený 13. Diferenční rovnice 14. Diferenciální rovnice se separovanými prom. 15. Lineární diferenciální rovnice prvního řádu 16. Lineární diferenciální rovnice
VícePojmy 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
VícePŘEDNÁŠKA 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
Více8. 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
VíceAplikovaná 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
VíceParciální derivace a diferenciál
Parciální derivace a diferenciál Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem
VíceNecht na hmotný bod působí pouze pružinová síla F 1 = ky, k > 0. Podle druhého Newtonova zákona je pohyb bodu popsán diferenciální rovnicí
Počáteční problémy pro ODR2 1 Lineární oscilátor. Počáteční problémy pro ODR2 Uvažujme hmotný bod o hmotnosti m, na který působí síly F 1, F 2, F 3. Síla F 1 je přitom úměrná výchylce y z rovnovážné polohy
Více25.z-6.tr ZS 2015/2016
Ústav technologie, mechanizace a řízení staveb Teorie měření a regulace Typové členy 2 25.z-6.tr ZS 2015/2016 2015 - Ing. Václav Rada, CSc. TEORIE ŘÍZENÍ třetí část tématu předmětu pokračuje. A oblastí
VíceCitlivost kořenů polynomů
Citlivost kořenů polynomů Michal Šmerek Univerzita obrany v Brně, Fakulta ekonomiky a managementu, Katedra ekonometrie Abstrakt Článek se zabývá studiem citlivosti kořenů na malou změnu polynomu. Je všeobecně
Více1 Cvičení dx cos 2 x. (tg x) = d. (tg x) = (ln x) = d dx (ln x) = 1 x (arcsin x) = d dx (arcsin x) = 1. 1 x
1 Cvičení 28.2.2019 Základní elementární funkce derivujeme pomocí následujících vzorců. (c) = d dx (c) = 0 (x n ) = d dx (xn ) = nx n 1 (e x ) = d dx (ex ) = e x (sin x) = d (sin x) = cos x dx (cos x)
Více9.3. Úplná lineární rovnice s konstantními koeficienty
Úplná lineární rovnice s konstantními koeficienty Cíle Nyní přejdeme k řešení úplné lineární rovnice druhého řádu. I v tomto případě si nejprve ujasníme, v jakém tvaru můžeme očekávat řešení, poté se zaměříme
VíceKLASICKÁ MECHANIKA. Předmětem mechaniky matematický popis mechanického pohybu v prostoru a v čase a jeho příčiny.
MECHANIKA 1 KLASICKÁ MECHANIKA Předmětem mechaniky matematický popis mechanického pohybu v prostoru a v čase a jeho příčiny. Klasická mechanika rychlosti těles jsou mnohem menší než rychlost světla ve
VíceDiferenciální rovnice
Obyčejné diferenciální rovnice - studijní text pro cvičení v předmětu Matematika - 2. Studijní materiál byl připraven pracovníky katedry E. Novákovou, M. Hyánkovou a L. Průchou za podpory grantu IG ČVUT
VíceMarkovské metody pro modelování pravděpodobnosti
Markovské metody pro modelování pravděpodobnosti rizikových stavů 1 Markovský řetězec Budeme uvažovat náhodný proces s diskrétním časem (náhodnou posloupnost) X(t), t T {0, 1, 2,... } s konečnou množinou
VíceDiferenˇcní rovnice Diferenciální rovnice Matematika IV Matematika IV Program
Program Diferenční rovnice Program Diferenční rovnice Diferenciální rovnice Program Frisch a Samuelson: Systém je dynamický, jestliže jeho chování v čase je určeno funkcionální rovnicí, jejíž neznámé závisí
VíceVYBRANÁ ROZDĚLENÍ. SPOJITÉ NÁH. VELIČINY Martina Litschmannová
VYBRANÁ ROZDĚLENÍ SPOJITÉ NÁH. VELIČINY Martina Litschmannová Opakování hustota pravděpodobnosti f(x) Funkce f(x) je hustotou pravděpodobností (na intervalu a x b), jestliže splňuje následující podmínky:
VíceInterpolace, 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
VíceVlastnosti 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
VíceKMA/MM. Chemické reakce.
Zápočtová práce z předmětu Matematické modelování KMA/MM Chemické reakce Jméno a příjmení: Hana Markuzziová Studijní číslo: A06070 Email: hmarkuzz@students.zcu.cz Obsah 1 Úvod 3 2 Chemické rovnice 3 3
Více9. Vícerozměrná integrace
9. Vícerozměrná integrace Tomáš Salač Ú UK, FF UK LS 2017/18 Tomáš Salač ( Ú UK, FF UK ) 9. Vícerozměrná integrace LS 2017/18 1 / 29 9.1 Elementy teorie míry Poznámka Na R n definujeme systém tzv. měřitelných
VíceMatematika 2 LS 2012/13. Prezentace vznikla na základě učebního textu, jehož autorem je doc. RNDr. Mirko Rokyta, CSc. J. Stebel Matematika 2
Matematika 2 13. přednáška Obyčejné diferenciální rovnice Jan Stebel Fakulta mechatroniky, informatiky a mezioborových studíı Technická univerzita v Liberci jan.stebel@tul.cz http://bacula.nti.tul.cz/~jan.stebel
VíceFunkce a lineární funkce pro studijní obory
Variace 1 Funkce a lineární funkce pro studijní obory Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv další využití výukového materiálu je povoleno pouze s uvedením odkazu na www.jarjurek.cz. 1. Funkce
Více12 Obyčejné diferenciální rovnice a jejich soustavy
12 Obyčejné diferenciální rovnice a jejich soustavy 121 Úvod - opakování Opakování z 1 ročníku (z kapitoly 5) Definice 121 Rovnice se separovanými proměnnými je rovnice tvaru Návod k řešení: Pokud g(c)
VíceMATEMATICKÁ 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
VíceDiferenciální počet 1 1. f(x) = ln arcsin 1 + x 1 x. 1 x 1 a x 1 0. f(x) = (cos x) cosh x + 3x. x 0 je derivace funkce f(x) v bodě x0.
Nalezněte definiční obor funkce Diferenciální počet f = ln arcsin + Definiční obor funkce f je určen vztahy Z těchto nerovností plyne < + ln arcsin + je tedy D f =, Určete definiční obor funkce arcsin
VícePřijímací zkouška na navazující magisterské studium 2014
Přijímací zkouška na navazující magisterské studium 24 Příklad (25 bodů) Spočtěte Studijní program: Studijní obor: Matematika Finanční a pojistná matematika Varianta A M x 2 dxdy, kde M = {(x, y) R 2 ;
Více8.3). S ohledem na jednoduchost a názornost je výhodné seznámit se s touto Základní pojmy a vztahy. Definice
9. Lineární diferenciální rovnice 2. řádu Cíle Diferenciální rovnice, v nichž hledaná funkce vystupuje ve druhé či vyšší derivaci, nazýváme diferenciálními rovnicemi druhého a vyššího řádu. Analogicky
VíceSoustavy lineárních rovnic
Soustavy lineárních rovnic V této kapitole se budeme zabývat soustavami lineárních diferenciálních rovnic y = a (x)y + a (x)y + + a n (x)y n + f (x) y = a (x)y + a (x)y + + a n (x)y n + f (x). y n = a
VíceŘešíme tedy soustavu dvou rovnic o dvou neznámých. 2a + b = 3, 6a + b = 27,
Přijímací řízení 2015/16 Přírodovědecká fakulta Ostravská univerzita v Ostravě Navazující magisterské studium, obor Aplikovaná matematika (1. červen 2016) Příklad 1 Určete taková a, b R, aby funkce f()
VíceDefinice Řekneme, že funkce z = f(x,y) je v bodě A = [x 0,y 0 ] diferencovatelná, nebo. z f(x 0 + h,y 0 + k) f(x 0,y 0 ) = Ah + Bk + ρτ(h,k),
Definice 5.2.1. Řekneme, že funkce z = f(x,y) je v bodě A = [x 0,y 0 ] diferencovatelná, nebo má v tomto bodě totální diferenciál, jestliže je možné její přírůstek z na nějakém okolí bodu A vyjádřit jako
Vícerovnic), Definice y + p(x)y = q(x), Je-li q(x) = 0 na M, nazývá se y + p(x)y =
Cíle Přehled základních typů diferenciálních rovnic prvního řádu zakončíme pojednáním o lineárních rovnicích, které patří v praktických úlohách k nejfrekventovanějším. Ukážeme například, že jejich řešení
VíceZáklady 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
VíceIntervalová data a výpočet některých statistik
Intervalová data a výpočet některých statistik Milan Hladík 1 Michal Černý 2 1 Katedra aplikované matematiky Matematicko-fyzikální fakulta Univerzita Karlova 2 Katedra ekonometrie Fakulta informatiky a
Více19 Hilbertovy prostory
M. Rokyta, MFF UK: Aplikovaná matematika III kap. 19: Hilbertovy prostory 34 19 Hilbertovy prostory 19.1 Úvod, základní pojmy Poznámka (připomenutí). Necht (X,(, )) je vektorový prostor se skalárním součinem
VíceTexty k přednáškám z MMAN3: 4. Funkce a zobrazení v euklidovských prostorech
Texty k přednáškám z MMAN3: 4. Funkce a zobrazení v euklidovských prostorech 1. července 2008 1 Funkce v R n Definice 1 Necht n N a D R n. Reálnou funkcí v R n (reálnou funkcí n proměnných) rozumíme zobrazení
VíceSoustavy lineárních diferenciálních rovnic I. řádu s konstantními koeficienty
Soustavy lineárních diferenciálních rovnic I řádu s konstantními koeficienty Definice a) Soustava tvaru x = ax + a y + az + f() t y = ax + a y + az + f () t z = a x + a y + a z + f () t se nazývá soustava
VíceDerivace funkce. Přednáška MATEMATIKA č Jiří Neubauer
Přednáška MATEMATIKA č. 9-11 Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Šotová, J., Doudová, L. Diferenciální počet funkcí jedné proměnné Motivační příklady
VíceQ(y) dy = P(x) dx + C.
Cíle Naše nejbližší cíle spočívají v odpovědích na základní otázky, které si klademe v souvislosti s diferenciálními rovnicemi: 1. Má rovnice řešení? 2. Kolik je řešení a jakého jsou typu? 3. Jak se tato
VíceIII. Diferenciál funkce a tečná rovina 8. Diferenciál funkce. Přírůstek funkce. a = (x 0, y 0 ), h = (h 1, h 2 ).
III. Diferenciál funkce a tečná rovina 8. Diferenciál funkce. Přírůstek funkce = f(x 0 + h 1, y 0 + h 2 ) f(x 0, y 0 ) f u (x 0, y 0 ), kde u = (h 1, h 2 ). ( ) = f(x 0 + h 1, y 0 ) f(x 0, y 0 ) x (x 0,
VícePŘECHODOVÝ JEV V RC OBVODU
PŘEHODOVÝ JEV V OBVOD Pracovní úkoly:. Odvoďte vztah popisující časovou závislost elektrického napětí na kondenzátoru při vybíjení. 2. Měřením určete nabíjecí a vybíjecí křivku kondenzátoru. 3. rčete nabíjecí
VíceAVDAT Nelineární regresní model
AVDAT Nelineární regresní model Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Nelineární regresní model Ey i = f (x i, β) kde x i je k-členný vektor vysvětlujících proměnných
VíceLineární rovnice prvního řádu. Máme řešit nehomogenní lineární diferenciální rovnici prvního řádu. Funkce h(t) = 2
Cvičení Lineární rovnice prvního řádu. Najděte řešení Cauchyovy úlohy x + x tg t = cos t, které vyhovuje podmínce xπ =. Máme nehomogenní lineární diferenciální rovnici prvního řádu. Funkce ht = tg t a
VíceLineární algebra : Metrická geometrie
Lineární algebra : Metrická geometrie (16. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 6. května 2014, 10:42 1 2 Úvod Zatím jsme se lineární geometrii věnovali v kapitole o lineárních
VíceKlíšťová encefalitida
Klíšťová encefalitida Autor: Michaela Měkýšová Výskyt Česká republika patří každoročně mezi státy s vysokým výskytem klíšťové encefalitidy. Za posledních 10 let připadá přibližně 7 nakažených osob na 100
VíceEpidemiologie. MUDr. Miroslava Zavřelová Ústav ochrany a podpory zdraví LF MU
Epidemiologie MUDr. Miroslava Zavřelová Ústav ochrany a podpory zdraví LF MU Epidemiologie Studium hromadně se vyskytujících jevů Stanovení opatření intervence Analýza efektivity intervence Epidemiologie
VíceDiferenciální geometrie
Diferenciální geometrie Pomocný učební text díl I. František Ježek Plzeň, červen 2005 Obsah 1 Křivky 4 1.1 Vyjádření křivky......................... 4 1.2 Transformace parametru..................... 5
VíceVícerozměrná rozdělení
Vícerozměrná rozdělení 7. září 0 Učivo: Práce s vícerozměrnými rozděleními. Sdružené, marginální, podmíněné rozdělení pravděpodobnosti. Vektorová střední hodnota. Kovariance, korelace, kovarianční matice.
VíceSpojité deterministické modely I 1. cvičná písemka
Spojité deterministické modely I 1. cvičná písemka I. část 1.ajděteoecnéřešenírovnice tx xttg x t. 2.Rozhodnětezdapočátečníúloha x t 3 x xjejednoznačněřešitelná.odpověď zdůvodněte. 3. ajděte první tři
VíceRozdělení náhodné veličiny. Distribuční funkce. Vlastnosti distribuční funkce
Náhodná veličina motivace Náhodná veličina Často lze výsledek náhodného pokusu vyjádřit číslem: číslo, které padlo na kostce, výška náhodně vybraného studenta, čas strávený čekáním na metro, délka života
VíceLimita a spojitost funkce
Limita a spojitost funkce Základ všší matematik Dana Říhová Mendelu Brno Průřezová inovace studijních programů Lesnické a dřevařské fakult MENDELU v Brně (LDF) s ohledem na disciplin společného základu
VíceDefinice 1.1. Nechť je M množina. Funkci ρ : M M R nazveme metrikou, jestliže má následující vlastnosti:
Přednáška 1. Definice 1.1. Nechť je množina. Funkci ρ : R nazveme metrikou, jestliže má následující vlastnosti: (1 pro každé x je ρ(x, x = 0; (2 pro každé x, y, x y, je ρ(x, y = ρ(y, x > 0; (3 pro každé
VíceKdyž už máš C - zlom :10 Stránka 1 TRITON
TRITON Laura Krekulová, Vratislav Řehák když už máš Céčko Věnováno všem, kteří hledají sílu něco změnit Obsah Máš Céčko?..................................11 Co je Céčko?.................................14
VíceDynamika proudících plynů
Dynamika proudících plynů Při výpočtech se budeme zabývat prouděním ideálních plynů. Jejich vlastnosti již byly popsány na předchozích přednáškách/cvičeních. Při proudění ideálního plynu si zavedeme ještě
Více7. 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,
VíceKOTVA CZ.1.07/1.4.00/21.3537
KOTVA CZ.1.07/1.4.00/21.3537 Identifikátor materiálu EU: PRIR - 60 Anotace Autor Jazyk Vzdělávací oblast Vzdělávací obor PRIR = Oblast/Předmět Očekávaný výstup Speciální vzdělávací potřeby Prezentace žáka
VíceMATEMATICKÁ 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
VíceMatematické modelování evoluce infekčních chorob
Matematické modelování evoluce infekčních chorob Trade-off mezi sexuálním a vertikálním přenosem Veronika Bernhauerová (společná práce s L. Berecem) Ústav matematiky a statistiky, Přírodovědecká fakulta
VíceDiferenciál funkce dvou proměnných. Má-li funkce f = f(x, y) spojité parciální derivace v bodě a, pak lineární formu (funkci)
2. Diferenciál funkce, tečná rovina. Diferenciál funkce dvou proměnných. Má-li funkce f = f(x, y) spojité parciální derivace v bodě a, pak lineární formu (funkci) df(a, h) = x (a)h + (a)h 2, h = (h, h
VíceDERIVACE A JEJICH POUŽITÍ
DERIVACE A JEJICH POUŽITÍ doc. RNDr. Miroslav Zelený, Ph.D. Kurz vznikl v rámci projektu Rozvoj systému vzdělávacích příležitostí pro nadané žáky a studenty v přírodních vědách a matematice s využitím
VíceDerivace. Petr Hasil. Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF)
Petr Hasil Přednáška z matematiky Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipĺıny společného základu (reg. č. CZ.1.07/2.2.00/28.0021)
Více