4.1 Regresní úloha a regresní funkce

Rozměr: px
Začít zobrazení ze stránky:

Download "4.1 Regresní úloha a regresní funkce"

Transkript

1 Lekce 4 Metoda eeších čtverců Metoda eeších čtverců e další z výkladích skříí statstk M se sezáíe pouze s eí ezákladěší verzí, kd regresí ukce, ěřící průěh závslost, e ukcí edé proěé leárí v paraetrech, případě pro estue learzuící trasorace Budee poocí í řešt regresí úlohu, což e úloha, v íž vsvětluící proěá e řízeá velča a áhodou velčou e pouze vsvětlovaá proěá Součástí etod eeších čtverců e rověž rozklad součtu čtverců odchlek pozorovaých hodot vsvětlovaé proěé od ech průěru a složku vsvětleou regresí a evsvětleou rezduálí složku Rozklad součtu čtverců odchlek ás přvede k charakterstce tezt závslost deu korelace Čtverce deu korelace e de deterace, který vadřue zpravdla v %, akou část rozptlu pozorovaých hodot vsvětlovaé proěé se podařlo oast regresí adustace; ukce leárí v paraetrech; Gaussov orálí rovce; de deterace; de korelace; krtéru eeších čtverců; learzuící trasorace; atce regresorů; etoda eeších čtverců; regresí ukce; rezduálí součet čtverců; řízeá proěá; vsvětlovaá proěá; vsvětluící proěá 4 Regresí úloha a regresí ukce Datový souor e tvoře uspořádaý dvoce hodot [, ] Zatíco hodot sou realzace pozorovaé hodot áhodé velč Y, hodot sou hodot řízeé proěé, echž velkost e určea eperetátore Náhodá velča Y se azývá vsvětlovaá proěá, hodot představuí hodot vsvětluící proěé Cíle úloh e určt průěh závslost vsvětlovaé proěé a ěících se hodotách vsvětluící proěé poocí spoté regresí ukce a zěřt teztu této závslost Pokud de o regresí ukce, oezíe se a ukce edé proěé, které sou avíc leárí v paraetrech Takovouto ukc ůžee zapsat ako součet součů ezáých paraetrů a záých ukcí regresorů vsvětluící proěé Jede z paraetrů, ozačovaý, e asolutí čle regresí ukce Regresí ukc edé proěé leárí v paraetrech zapíšee ako, kde [ ] T e vektor paraetrů a ukce, pro,,,,, které eosahuí žádé další ezáé paraetr, sou regresor Regresor, další regresor sou zpravdla eleetárí ukce hodot, apř,,,log,, Mez tpcké regresí ukce patří apř polo stupě leárí ukce, příka, stupě kvadratcká ukce, paraola, stupě kucká paraola a ohé é Estue ovše oho ukcí, které cho potecálě chtěl použít př řešeí regresí úloh, které však esou leárí v paraetrech, apř ukce,,, + + Řadu těchto ukcí lze podrot learzuící trasorac apř všech uvedeé s výkou posledí Pro ěkteré však learzuící trasorace, ak se právě vděl, eestue

2 Příklad 4 Budee learzovat regresí ukce epoecálí ukce a + Logartcká trasorace epoecálí ukce: c c log +, kde log, log c c Loeou ukc trasoruee ako + Learzovaou ukc oecě ozačíe ϕ, kde ϕ e learzuící trasoračí ukce Po vzoru příkladu 4 learzuee ukce, + 4 Příklad 4 Neestece learzuící trasorace Např pro ukc + eestue trasorace, která uožla vádřt ve výše uvedeé tvaru Podoě e tou apř u ukce Případ ukcí, pro které eestue learzuící trasorace, se eudee zaývat 4 Metoda eeších čtverců Sestavíe vektor pozorovaých hodot závsle proěé [ ] T a atc regresorů prví sloupec souvsí s tí, že ukce á asolutí čle Vektor paraetrů regresí ukce určíe ako T T Příklad 4 Nalezeí vektoru paraetrů pro kvadratckou regresí ukc + + Matce regresorů, atce 4 T, a koečě vektor T

3 Vektor e ted řešeí soustav tzv Gaussových orálích rovc všech součt sou Po 4, eíž tá rovce e dáa ako vzoru příkladu 4 ukážee atc regresorů a sestavíe soustavu orálích rovc pro regresí ukc + 4 Lze ukázat, že títo způsoe získaé paraetr,,, po dosazeí do regresí ukce leárí v paraetrech vedou ke splěí dvou podíek z toho ple, Druhý z výrazů představue krtéru eeších čtverců, tzv rezduálí součet čtverců To, že výraz aývá své álí hodot právě pro paraetr,,,, vplývá z toho, že -tá orálí rovce vzke ako parcálí dervace krtéra podle paraetru, položeá rová ule Odtud ázev etoda eeších čtverců Zatíco estue ekoečě oho paraetrů,,,, pro které e splěa prví z oou podíek, estue pro každý tp ukce leárí, kvadratcká, loeá apod e edá sada paraetrů, která splňue druhou podíku Určeí kokrétího tpu ukce eí součástí úloh a e v rukou užvatele Vektor paraetrů regresí ukce,,,, které l staove výše popsaý postupe, edozačý způsoe alzue součet čtverců odchlek pozorovaých a aěřeých hodot závsle proěé pro přede zvoleý tp regresí ukce Příklad 44 Př zkoušeí turí l eperetátore vole otáčk a ěřea rekvece chvěí Pro každou zvoleou hodotu ěrých otáček vsvětluící proěá lo provedeo ěřeí edé až tří hodot ěré rekvece chvěí vsvětlovaá proěá Naěřeé hodot sou zázorě a or 4 Z orázku vplývá, že vhodou regresí ukcí ohla ýt kvadratcká ukce Staovíe ted eí rovc V úloze sou použt tzv ěré velč Každou rozěrou zkálí velču ůžee převést a ezrozěrou a a tervalu ; orovaou ěrou velču poocí vztahu a 4

4 Or 4 Naěřeé hodot ěrých otáček a ěré rekvece chvěí a uvažovaé regresí ukce K určeí regresí paraol příka e evdetě evhodá staovíe z aěřeých hodot tto velč 4 6; 8,5; 5,55;,65875;,7455; 6,55;,75;,65875 Tto použee k sestaveí soustav orálích rovc z příkladu 4 6,55,75 6 8,5, ,55 8,5 5,55, ,55,65875,7455, eíž řešeí održíe, 6 ; z čehož rovce kvadratcké ukce e,9745;,; vz or 4,9745, +,6 Or 4 Naěřeé hodot a vpočteá regresí paraola Určete př akých ěrých otáčkách ude ěré chvěí álí a staovte eho hodotu 5

5 4 Rozklad součtu čtverců a de korelace Rezduálí součet čtverců lze vádřt rověž ako rozdíl součtu čtverců pozorovaých hodot kole artetckého průěru a součtu čtverců vrovaých vpočteých hodot kole artetckého průěru př to : Rovce rozkladu součtu čtverců pozorovaých hodot vsvětlovaé proěé rozkládá varaltu pozorovaých hodot vsvětlovaé proěé a složku vsvětleou regresí a složku rezduálí Na toto prcpu e založeo ěřeí tezt závslost poocí deu korelace Or 4 Rozklad součtu čtverců vsvětlovaé proěé, Je-l regresí vsvětlea veškerá varalta pozorovaých hodot vsvětlovaé proěé, e a všech pozorovaé hodot leží přesě a regresí čáře Neí-l regresí vsvětlea žádá varalta, e apř ěí-l se hodot, zůstává kost vz or 4 a čtverce odchlek pozorovaých hodot kole ech artetckého průěru čtverce odchlek vrovaých hodot kole c čtverce odchlek pozorovaých hodot ech artetckého průěru kole hodot vrovaých + 6

6 Or 4 Etréí případ deu korelace kost K ákresů a or 4 přřaďte, Příklad 45 Výpočet deu korelace Rozklad rovce součtu čtverců odchlek pro vsvětlovaou proěou vedoucí k deu korelace v příkladu 44 e v ázaku:, 9744, 877 +, a pak,877,9744,9494 Podle očekáváí e závslost poěrě těsá Testováí výzaost deu korelace Hpotézu o ulové hodotě deu korelace prot alteratví hpotéze ověříe poocí testového kr- téra, kde e počet paraetrů regresí ukce ted s výkou Testové krté- ru á sherovo Sedecorovo rozděleí s a Jde o edostraý test, takže vpoč- α ; teá hodota se porovává s taelovaou hodotou pro [ ] Příklad 46 Test výzaost deu korelace Ověříe výzaost deu korelace z příkladu 45,9 59,6 Hpotézu ted a všech sltelých hladách výzaost zaítáe,,9 6 8 eoť pravděpodoost, že de korelace al své hodot áhodou e přlžě Př posuzováí statstcké výzaost deu korelace e třea vzít v úvahu, že eho ízká, evýzaá, hodota eusí ýt utě způsoea eestecí závslost vsvětlovaé proěé, ale příča ůže ýt v evhodé volě tpu ukce závslost estue, e zvoleá ukce eí průěh ěří špatě Pokud cho apř v příkladu 44 použl k vrováí příku, získal cho de korelace, 5, což e zaváděící hodota 4, 9 a pravděpodoost e,49, takže hpotézu 7

7 o ulové hodotě deu korelace elze a hladě α, zaítout Posledí výpočt l provede s použtí specalzovaého prograového vaveí a čteář s e eůže zkotrolovat Adustace deu korelace Další prolée e esrovatelost hodot deu korelace u ukcí s růzý počte paraetrů Vzhlede k tou, že regresí ukce s větší počte paraetrů á př volě vhodého tpu ukce lepší předpoklad vsthout průěh ukce, á přdáí dalšího paraetru za ásledek zvýšeí hodot deu korelace Proto se provádí tzv adustace deu korelace, která sžue eho hodotu v závslost a počtu paraetrů ukce s výkou paraetru : vzorce e zřeé, že adustace á výza zeéa př alé počtu ěřeí ad Ze + Příklad 47 Adustace deu korelace Provedee adustac vpočteého deu korelace z příkladu 45 ad 5,9,94 Hodota adustovaého deu se ted epatrě sížla de deterace Výše zíěá hodota, často vadřovaá, kde, udává, aká část varalt v % la vsvětlea regresí a azývá se de deterace 44 Prolé learzuící trasorace Použtí learzuící trasorace u ukcí, které esou leárí v paraetrech řada z ch se ěžě používá, eí ez proléů Je-l ukce leárí v paraetrech ve tvaru ϕ, kde ϕ e learzuící trasoračí ukce, e rezduálí součet čtverců odchlek rove [ ϕ ] ϕ t apř log log, apod Je zřeé, že všecha tato krtéra sou esrovatelá s původí krtére z odst 4 Proto esou srovatelé a de korelace, vpočteé př použtí růzých learzuících ukcí Teto prolé se týká rověž [ ϕ ϕ ], které e splěo pouze pro trasorovaé hodot vsvětlovaé proěé Pokud vpočteou ukc podroíe verzí trasorac, kladé a záporé odchlk pozorovaých hodot kole regresí ukce se ž ekopezuí 8

8 Příklad 48 Datový souor, v ěž vsvětlovaá proěá e epoecálí ukcí vsvětluící proěé, t, l po logartcké trasorac vrová ukcí log, +, 44 V toto případě e log log a ted log log Po odlogartováí e epoecálí ukce,79,, přčež ovše 4, 7 65, zatíco 4, 86 a 4,5 Rovce rozkladu rozptlu pro epoecálí ukc eplatí, protože 96,8 947,8 + 7, 8 de korelace l dokoce větší ež eda, zatíco pro logartovaou ukc e, 996 log Vzhlede k úskalí learzuících trasorací lo vvuto ěkolk algortů pro příou aplkac etod eeších čtverců a ukce, které esou leárí v paraetrech Jedí z těchto algortů lze apř staovt,99,47,, 999 Tto algort eleárí regrese ovše přesahuí ráec tohoto tetu a eudee se zaývat K příkladu 48 áte k dspozc data Na těchto datech prověříe všech výpočt z příkladu saozřeě s výkou eleárí regrese 4 V techcké pra se vužívá rověž řada ukcí, které aí často složté rovce s oha paraetr, které elze žádý způsoe learzovat Rověž v toto případě se vužívaí v příkladu 48 zíěé procedur eleárí regrese, které sou však výpočetě ohe áročěší Σ Další úlohou o ěřeí závslost e regresí úloha, kd pouze vsvětlovaá proěá e áhodou velčou, zatíco vsvětluící proěá e řízea eperetátore Charakterstkou tezt závslost e v toto případě de korelace a průěh závslost charakterzue spotá regresí ukce Stěžeí etodou řešeí regresích úloh e etoda eeších čtverců, poocí íž určuee sadu paraetrů regresí ukce, která alzue hodotu rezduálího součtu čtverců Metodu eeších čtverců se ukázal edak pro ukce leárí v paraetrech, edak pro ukce, pro ěž estue vhodá learzuící trasorace 4 Metoda eeších čtverců uožňue rozložt součet čtverců pozorovaých hodot vsvětlovaé proěé a složku oasěou regresí a rezduu Na toto prcpu e založe de korelace 5 Závěre e třea zdůrazt, že se se ezaýval a ěřeí závslostí více ež dvou proěých, a případe, kd v regresí úloze gurue regresí ukce, eleárí v paraetrech, pro íž eestue learzuící trasorace 9

9 4 4 log log + log, + 4 Výsledk sou součástí příkladu 48 Stačí e pouze zkotrolovat Pokuste se pokud ožo co epřesě speckovat a porovat regresí a korelačí úlohu Sestavte soustav orálích rovc pro regresí ukce a, c + log, + + Upřesěte okolost, za kterých ude a >,, c Ta, kde e to ožé, určete de korelace 4 Patří de korelace ez setrcké eo asetrcké charakterstk závslost? 5 Kolk procet varalt chvěí se podařlo oast závslostí a otáčkách turí v příkladu 44? Jak se azývá příslušá charakterstka? 6 Porovete výsledek adustace s dee korelace vpočteý a základě vrováí údaů v úloze 44 poloe stupě,9,95 +,78 +,4777 pro, Jak azvee a vsvětlíe rozdíl? 8 Př zkoušeí traktoru la eperetátore staovea rchlost v khod - ako vsvětluící proěá a ěřea síla a hací ápravě v kn ako vsvětlovaá proěá Zštěá data sou v taulce Ke každé hodotě vsvětluící proěé sou aěře shodě tř hodot vsvětlovaé proěé a ted Ze zkušeostí e záo, že vhodou ukcí e loeá ukce + Řešte úlohu po vzoru příkladů 44 až 47 Soustavu orálích rovc pro tuto ukc ste určoval ve 4

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru

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

Více

Měření závislostí. Statistická závislost číselných znaků

Měření závislostí. Statistická závislost číselných znaků Měřeí závslostí Statstcká závslost číselých zaků - závslost dvou velč lze vádřt ako ech fukčí vztah vzorcem, taulkou hodot příslušé fukce eo grafck; - mez zak zkoumaých evů zšťueme estec příčé (kauzálí

Více

S1P Popisná statistika. Popisná statistika. Libor Žák

S1P Popisná statistika. Popisná statistika. Libor Žák SP Popsá statstka Popsá statstka Lbor Žák SP Popsá statstka Lbor Žák Základí zdroje : skrpta Mateatka IV - doc. RNDr. Z. Karpíšek, CSc. ateatka o le - http://athole.fe.vutbr.cz/ Základ ateatcké statstk

Více

, jsou naměřené a vypočtené hodnoty závisle

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

Více

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2 SP3 Neparametrcké testy hypotéz PRAVDĚPODOBNOST A STATISTIKA Neparametrcké testy hypotéz čast Lbor Žák SP3 Neparametrcké testy hypotéz Lbor Žák Neparametrcké testy hypotéz - úvod Neparametrcké testy statstckých

Více

7. Analytická geometrie

7. Analytická geometrie 7. Aaltická geoetrie Studijí tet 7. Aaltická geoetrie A. Příka v roviě ϕ s A s ϕ s 2 s 1 B p s ϕ = (s1, s 2 ) sěrový vektor přík p orálový vektor přík p sěrový úhel přík p k = tgϕ = s 2 s 1 sěrice příkp

Více

Nalezení výchozího základního řešení. Je řešení optimální? ne Změna řešení

Nalezení výchozího základního řešení. Je řešení optimální? ne Změna řešení Sipleová etoda: - patří ezi uiverzálí etody řešeí úloh lieárího prograováí. - de o etodu iteračí, t. k optiálíu řešeí dospíváe postupě, krok za kroke. - výpočetí algoritus se v každé iteraci rozpadá do

Více

Optimalizace portfolia

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

Více

Generování dvojrozměrných rozdělení pomocí copulí

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

Více

Nepředvídané události v rámci kvantifikace rizika

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

Více

Testování statistických hypotéz

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

Více

PRAVDĚPODOBNOST A STATISTIKA

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

Více

Lineární regrese ( ) 2

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

Více

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

Tento materiál vznikl díky Operačnímu programu Praha Adaptabilita CZ.2.17/3.1.00/33254 Evropský socálí fod Prh & EU: Ivestuee do vší udoucost eto terál vkl díky Operčíu progru Prh dptlt CZ..7/3..00/3354 Mžerské kvtttví etody II - předášk č. - eore her eore her 96 vo Neu, Morgester kldtelé

Více

12. N á h o d n ý v ý b ě r

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

Více

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

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

Více

Úvod do korelační a regresní analýzy

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

Více

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

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

Více

Teorie chyb a vyrovnávací počet. Obsah:

Teorie chyb a vyrovnávací počet. Obsah: Teorie chyb a vyrovávací počet Obsah: Testováí statistických hypotéz.... Ověřováí hypotézy o středí hodotě základího souboru s orálí rozděleí... 4. Ověřováí hypotézy o rozptylu v základí souboru s orálí

Více

1. Základy měření neelektrických veličin

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

Více

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014. Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95

Více

Algebraický výraz je číselný výraz s proměnou. V těchto výrazech se vyskytují vedle reálných čísel také proměnné. Například. 4a 4,5x + 6,78 7t.

Algebraický výraz je číselný výraz s proměnou. V těchto výrazech se vyskytují vedle reálných čísel také proměnné. Například. 4a 4,5x + 6,78 7t. ročík - loeý lgebrický výrz, lieárí rovice s ezáou ve jeovteli Loeý lgebrický výrz Lieárí rovice s ezáou ve jeovteli Doporučujee žáků zopkovt vzorce tpu ( + pod úprvu výrzu souči Loeý výrz Číselé výrz

Více

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

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

Více

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC 5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC V této kaptole se dozvíte: jak je defováa fukce přrozeá odmoca v kompleím oboru a jaké má vlastost včetě odlšostí od odmocy v reálém

Více

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013.

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013. Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95

Více

Rekonstrukce vodovodních řadů ve vztahu ke spolehlivosti vodovodní sítě

Rekonstrukce vodovodních řadů ve vztahu ke spolehlivosti vodovodní sítě Rekostrukce vodovodích řadů ve vztahu ke spolehlvost vodovodí sítě Ig. Jaa Šekapoulová Vodáreská akcová společost, a.s. Bro. ÚVOD V oha lokaltách České republky je v současost aktuálí problée zastaralá

Více

a další charakteristikou je četnost výběrového souboru n.

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

Více

Obr Lineární diskrétní systém

Obr Lineární diskrétní systém Mtetcé odel Uvžue leárí dsrétí ssté (or.. ). Or.. Leárí dsrétí ssté Steě u spotýc sstéů t u dsrétíc sstéů exstue ěol ožostí půsou věšío popsu cováí, teré vdřuí vt e výstupí velčou ( ) dsrétí vstupí velčou

Více

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

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

Více

Interpolační křivky. Interpolace pomocí spline křivky. f 1. f 2. f n. x... x 2

Interpolační křivky. Interpolace pomocí spline křivky. f 1. f 2. f n. x... x 2 Iterpolace pomocí sple křvky dáo: bodů v rově úkol: alézt takovou křvku, která daým body prochází y f f 2 f 0 f x0 x... x 2 x x Iterpolace pomocí sple křvky evýhodou polyomálí terpolace změa ěkterého z

Více

3. DIFERENCIÁLNÍ ROVNICE

3. DIFERENCIÁLNÍ ROVNICE 3 DIFERENCIÁLNÍ ROVNICE Difereciálí rovice (dále je DR) jsou veli důležitou částí ateatické aalýz, protože uožňují řešit celou řadu úloh z fzik a techické prae Občejé difereciálí rovice: rovice, v íž se

Více

Metody zkoumání závislosti numerických proměnných

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

Více

Odhady a testy hypotéz o regresních přímkách

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

Více

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

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

Více

U. Jestliže lineární zobrazení Df x n n

U. Jestliže lineární zobrazení Df x n n MATEMATICKÁ ANALÝZA III předášky M. Krupky Zmí semestr 999/ 3. Iverzí a mplctí zobrazeí V této kaptole uvádíme dvě důležté věty, které acházeí aplkace v moha oblastech matematky: Větu o verzím a větu o

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor SP Náhodý vektor PRAVDĚPODOBNOS A SAISIKA Náhodý vektor Lbor Žák SP Náhodý vektor Lbor Žák Náhodý vektor Náhodý vektor slouží k popsu výsledku pokusu kdy měříme více údaů o procesu. Před provedeím pokusu

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor SP Náhodý vektor PRAVDĚPODOBNOS A SAISIKA Náhodý vektor SP Náhodý vektor Náhodý vektor Náhodý vektor slouží k popsu výsledku pokusu kdy měříme více údaů o procesu. Před provedeím pokusu eho výsledek a

Více

Nejistoty v mìøení III: nejistoty nepøímých mìøení

Nejistoty v mìøení III: nejistoty nepøímých mìøení Nestoty v ìøeí III: estoty epøíých ìøeí MÌØIÍ TEHNIK V èácích [] a [] by podá pøehed soèasých ázorù a probeatk estot v ìøeí obecì a pøedstave zpùsob výpoèt estot pø éì ároèých pøíých ìøeích. Teto tøetí

Více

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností

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

Více

Matematika I, část II

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

Více

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

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

Více

USTÁLENÉ PROUDĚNÍ V OTEVŘENÝCH KORYTECH

USTÁLENÉ PROUDĚNÍ V OTEVŘENÝCH KORYTECH USTÁLENÉ POUDĚNÍ V OTEVŘENÝCH KOYTECH ovoměré prouděí Charakterstka:. Hloubka vod v kortě, průtočá plocha a průřezová rchlost jsou v každém příčém řezu kostatí.. Čára eerge, vodí hlada a do korta jsou

Více

Analytická geometrie

Analytická geometrie MATEMATICKÝ ÚSTAV Slezská uverzt N Rybíčku, 746 0 Opv DENNÍ STUDIUM Alytcká geoetre Té 5.: Shodá zobrzeí Defce 5.. Zobrzeí f eukldovského prostoru E do eukldovského prostoru E se zývá shodé (zoetrcké),

Více

Téma 5: Analýza závislostí

Téma 5: Analýza závislostí Aalýza závlotí Téma 5: Aalýza závlotí Předáša 5 Závlot mez ev Záladí pom Předmětem této aptol ude zoumáí závlotí ouvlotí mez dvěma a více ev. Jedá e o proutí do vztahů mez ledovaým ev a tím přlížeí tzv.

Více

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

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

Více

Analytická geometrie

Analytická geometrie MATEMATICKÝ ÚSTAV Slezská uverzta Na Rybíčku, 746 0 Opava DENNÍ STUDIUM Aalytcká geometre Téma 3.: Aí zobrazeí Dece 3.. Zobrazeí aího prostoru A do aího prostoru A se azývá aí zobrazeí, estlže má ásleduící

Více

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

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

Více

PRAVDĚPODOBNOST A STATISTIKA

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

Více

FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ PRVNÍ DIFERENCIÁL

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

Více

9. Racionální lomená funkce

9. Racionální lomená funkce @ 9. Rcioálí loeá fukce Defiice: Nechť P je poloická fukce -tého stupě... ) ( P kde R... A echť Q je poloická fukce -tého stupě... ) ( Q kde R... Rcioálí loeá fukce R je dá podíle ) ( ) ( ) ( Q P R pro

Více

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

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

Více

Náhodný výběr 1. Náhodný výběr

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

Více

v. Úkolem regrese (vyrovnání) argumentu y je nalézt vhodnou regresní funkci Y f (x)

v. Úkolem regrese (vyrovnání) argumentu y je nalézt vhodnou regresní funkci Y f (x) 9 REGRESE A KORELACE Slovo regrese oecě zmeá poh zpět ústup ávrt regresví = ustupující Opčým termíem je progrese pokrok postup šířeí růst Pojem regrese l do sttstk zvede kocem 9 století rtským učecem Frcsem

Více

Statistika je vědní obor zabývající se zkoumáním jevů, které mají hromadný charakter.

Statistika je vědní obor zabývající se zkoumáním jevů, které mají hromadný charakter. Statistika Cíle: Chápat pomy statistický soubor, rozsah souboru, statistická edotka, statistický zak, umět sestavit tabulku rozděleí četostí, umět zázorit spoicový diagram a sloupcový diagram / kruhový

Více

8. Zákony velkých čísel

8. Zákony velkých čísel 8 Zákoy velkých čísel V této část budeme studovat velm často užívaá tvrzeí o součtech posloupost áhodých velč Nedříve budeme vyšetřovat tvrzeí azývaá souhrě ako slabé zákoy velkých čísel Veškeré úvahy

Více

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

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

Více

2. Matice a determinanty

2. Matice a determinanty Mtce deterty Defce : Odélíové sche (řádů) (sloupců) čísel zvee tce typu : [ ] M Je-l luvíe o čtvercové tc Prvy ( ) tvoří hlví dgoálu Zčíe ovyle : [ ] O - všechy prvy ulové - ulová tce I - edotová tce (

Více

3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě.

3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě. 3. Hodoceí přesost měřeí a vytyčováí. Odchylky a tolerace ve výstavbě. 3.1 Úvod o měřeí obecě 3.2 Chyby měřeí a jejch děleí 3.2.1 Omyly a hrubé chyby 3.2.2 Systematcké chyby 3.2.3 Náhodé chyby 3.3 Výpočet

Více

Deskriptivní statistika 1

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

Více

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

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

Více

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

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

Více

STATISTICKÉ MINIMUM PRO STUDENTY BAKALÁŘSKÉHO STUDIA NA TECHNICKÝCH OBORECH BOHUMIL MINAŘÍK

STATISTICKÉ MINIMUM PRO STUDENTY BAKALÁŘSKÉHO STUDIA NA TECHNICKÝCH OBORECH BOHUMIL MINAŘÍK STATISTICKÉ MINIMUM PRO STUDENTY BAKALÁŘSKÉHO STUDIA NA TECHNICKÝCH OBORECH BOHUMIL MINAŘÍK 04 prof. Ig. Bohuml Mařík, CSc. STATISTICKÉ MINIMUM PRO STUDENTY BAKALÁŘSKÉHO STUDIA NA TECHNICKÝCH OBORECH.

Více

Pravděpodobnostní model doby setrvání ministra školství ve funkci

Pravděpodobnostní model doby setrvání ministra školství ve funkci Pravděpodobostí model doby setrváí miistra školství ve fukci Základí statistická iferece Data Zdro: http://www.msmt.cz/miisterstvo/miistri-skolstvi-od-roku-848. Ke statistickému zpracováí byla vzata pozorováí

Více

8 NELINEÁRNÍ REGRESNÍ MODELY

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

Více

11. Regresní analýza. Čas ke studiu kapitoly: 60 minut. Cíl VÝKLAD Úvod

11. Regresní analýza. Čas ke studiu kapitoly: 60 minut. Cíl VÝKLAD Úvod . egresí aalýza Čas ke studu kaptoly: 6 mut Cíl Po prostudováí tohoto odstavce udete umět vysvětlt pojem oecý leárí model prcp leárího regresího modelu používat výsledky regresí aalýzy verfkovat regresí

Více

Pravděpodobnost a aplikovaná statistika

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

Více

VEKTOROVÁ ALGEBRA A ANALYTICKÁ GEOMETRIE V ROVINĚ

VEKTOROVÁ ALGEBRA A ANALYTICKÁ GEOMETRIE V ROVINĚ VEKTOROVÁ LGEBR NLYTICKÁ GEOMETRIE V ROVINĚ Délk úsečk, střed úsečk,, B Délk úsečk B : B C, BC Střed úsečk : B S s, s souřdice středu: s, s Vektor Vektor = oži všech souhlsě orietových rovoěžých úseček

Více

Odhady parametrů 1. Odhady parametrů

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

Více

L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y

L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE KATED RA F YZIKY L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y Jméo TUREČEK Daiel Datum měřeí 8.11.2006 Stud. rok 2006/2007 Ročík 2. Datum odevzdáí 15.11.2006 Stud.

Více

rovinná soustava sil (paprsky všech sil soustavy leží v jedné rovině) rovinný svazek sil rovinná soustava rovnoběžných sil

rovinná soustava sil (paprsky všech sil soustavy leží v jedné rovině) rovinný svazek sil rovinná soustava rovnoběžných sil 3.3 Obecé soustav sl soustava sl seskupeí sl působících a těleso vláští případ: svaek sl (papsk všech sl soustav se potíaí v edo bodě) soustava ovoběžých sl (papsk všech sl soustav sou aváe ovoběžé) ová

Více

Komplexní čísla. Definice komplexních čísel

Komplexní čísla. Definice komplexních čísel Komplexí čísla Defiice komplexích čísel Komplexí číslo můžeme adefiovat jako uspořádaou dvojici reálých čísel [a, b], u kterých defiujeme operace sčítáí, ásobeí, apod. Stadardě se komplexí čísla zapisují

Více

Spolehlivost a diagnostika

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

Více

[ jednotky ] Chyby měření

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

Více

Hartre-Fock method (HF)

Hartre-Fock method (HF) Cofgurato Iteracto (CI) Coupled Clusters (CC) Perturbato Theory (PT, MP) Electro correlato H Ψ = EΨ Bor-Oppehemer approxmato Model of depedet electros Product wave fucto (Slater determat) MO LCAO Hartre-Fock

Více

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

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

Více

1. Měření ve fyzice, soustava jednotek SI

1. Měření ve fyzice, soustava jednotek SI . Měřeí ve fyzice, soustava jedotek SI Fyzika: - je věda o hotě (ta eistuje ve dvou forách jako látka, ebo jako pole), o jejích ejobecějších vlastostech, stavech, zěách, iterakcích Rozděleí fyziky: a)

Více

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

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

Více

NEPARAMETRICKÉ METODY

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

Více

Užití binomické věty

Užití binomické věty 9..9 Užití biomické věty Předpoklady: 98 Často ám z biomického rozvoje stačí pouze jede kokrétí čle. Př. : x Urči šestý čle biomického rozvoje xy + 4y. Získaý výraz uprav. Biomický rozvoj začíá: ( a +

Více

2.4. INVERZNÍ MATICE

2.4. INVERZNÍ MATICE 24 INVERZNÍ MICE V této kapitole se dozvíte: defiici iverzí matice; základí vlastosti iverzí matice; dvě základí metody výpočtu iverzí matice; defiici celočíselé mociy matice Klíčová slova této kapitoly:

Více

Lineární programování

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

Více

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

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

Více

Chyby měření: 1. hrubé chyby - nepozornost, omyl, únava pozorovatele... - významně převyšuje rozptyl náhodné chyby 2. systematické chyby - chybné

Chyby měření: 1. hrubé chyby - nepozornost, omyl, únava pozorovatele... - významně převyšuje rozptyl náhodné chyby 2. systematické chyby - chybné CHYBY MĚŘENÍ Opakovaé měřeí téže fyzkáí večy evede vždy k přesě stejým výsedkům. Této skutečost bychom se evyhu, kdybychom měřeí provádě s ejvětší důkadostí a precsostí aopak, čím ctvější a přesější jsou

Více

IV. MKP vynucené kmitání

IV. MKP vynucené kmitání Jří Máca - katedra mechaky - B35 - tel. 435 4500 maca@fsv.cvut.cz IV. MKP vyuceé kmtáí. Rovce vyuceého kmtáí. Modálí aalýza rozklad do vlastích tvarů 3. Přímá tegrace pohybových rovc 3. Metoda cetrálích

Více

ZPRACOVÁNÍ VÝSLEDKŮ MĚŘENÍ

ZPRACOVÁNÍ VÝSLEDKŮ MĚŘENÍ ZPRACOVÁNÍ VÝSLEDKŮ MĚŘENÍ 1. CHYBY MĚŘENÍ Nedokoalost metod měřeí, přístroů ldských smslů a emožost regstrace a kotrol všech podmíek, které určuí stav měřeého obektu způsobuí, že měřeím emůžeme zstt skutečou

Více

1.3. ORTOGONÁLNÍ A ORTONORMÁLNÍ BÁZE

1.3. ORTOGONÁLNÍ A ORTONORMÁLNÍ BÁZE ORTOGONÁLNÍ A ORTONORMÁLNÍ BÁZE V této kaptole se dozvíte: jak je oecě defováa kolmost (ortogoalta) vektorů; co rozumíme ortogoálí a ortoormálí ází; co jsou to tzv relace ortoormalty a Croeckerovo delta;

Více

Přednáška č. 2 náhodné veličiny

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

Více

STATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson

STATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson STATISTIKA Statistika se těší pochybému vyzameáí tím, že je ejvíce epochopeým vědím oborem. H. Leviso Charakterizace statistického souboru Statistický soubor Prvek souboru Zak prvku kvatitativí teplota,

Více

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

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

Více

VYHODNOCENÍ LABORATORNÍHO MĚŘENÍ DEFORMACÍ VLNOPLOCHY S UŽITÍM MATLABU

VYHODNOCENÍ LABORATORNÍHO MĚŘENÍ DEFORMACÍ VLNOPLOCHY S UŽITÍM MATLABU VYHODNOCENÍ LABORATORNÍHO MĚŘENÍ DEFORMACÍ VLNOPLOCHY S UŽITÍM MATLABU J.Novák P.Novák A.Mikš katedra zik Fakulta stavebí ČVUT v Praze Abstrakt Čláek se zabývá použití sstéu MATLAB pro počítačové vhodocováí

Více

Přijímací řízení akademický rok 2013/2014 Bc. studium Kompletní znění testových otázek matematika

Přijímací řízení akademický rok 2013/2014 Bc. studium Kompletní znění testových otázek matematika Přijímací řízeí akademický rok 0/0 c. studium Kompletí zěí testových otázek matematika Koš Zěí otázky Odpověď a) Odpověď b) Odpověď c) Odpověď d) Správá. Které číslo doplíte místo 8? 6 6 8 C. Které číslo

Více

Úvod do teorie měření

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

Více

Přijímací řízení akademický rok 2012/2013 Kompletní znění testových otázek matematické myšlení

Přijímací řízení akademický rok 2012/2013 Kompletní znění testových otázek matematické myšlení Přijímací řízeí akademický rok 0/0 Kompletí zěí testových otázek matematické myšleí Koš Zěí otázky Odpověď a) Odpověď b) Odpověď c) Odpověď d) Správá odpověď. Které číslo doplíte místo otazíku? 6 8 8 6?.

Více

DISTRIBUČNÍ ÚLOHY (Speciální úlohy LP)

DISTRIBUČNÍ ÚLOHY (Speciální úlohy LP) DISTRIBUČNÍ ÚLOHY (Specálí úlohy L) Forulace dstrbučí (dopraví) úlohy: Je dáo dodavatelů se záý počte edotek určtého produktu a ( =,,, ) a spotřebtelů, kteří požaduí teto produkt v ožství b edotek ( =,,,

Více

VY_52_INOVACE_J 05 01

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

Více

6. FUNKCE A POSLOUPNOSTI

6. FUNKCE A POSLOUPNOSTI 6. FUNKCE A POSLOUPNOSTI Fukce Dovedosti:. Základí pozatky o fukcích -Chápat defiici fukce,obvyklý způsob jejího zadáváí a pojmy defiičí obor hodot fukce. U fukcí zadaých předpisem umět správě operovat

Více

Aplikace teorie neuronových sítí

Aplikace teorie neuronových sítí Aplikace teorie euroových sítí Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické iforatiky Mateaticko-fyzikálí fakulta Uiverzity Karlovy v Praze Zpracováí časových vzorů (teporal processig) Stadardí algoritus

Více

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

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

Více

2. Vícekriteriální a cílové programování

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

Více

1.3. POLYNOMY. V této kapitole se dozvíte:

1.3. POLYNOMY. V této kapitole se dozvíte: 1.3. POLYNOMY V této kapitole se dozvíte: co rozumíme pod pojmem polyom ebo-li mohočle -tého stupě jak provádět základí početí úkoy s polyomy, kokrétě součet a rozdíl polyomů, ásobeí, umocňováí a děleí

Více