Porovnání GUM a metody Monte Carlo

Rozměr: px
Začít zobrazení ze stránky:

Download "Porovnání GUM a metody Monte Carlo"

Transkript

1 Porovnání GUM a metody Monte Carlo Ing. Tomáš Hajduk Nejstota měření Parametr přřazený k výsledku měření Vymezuje nterval, o němž se s určtou úrovní pravděpodobnost předpokládá, že v něm leží skutečná hodnota měřené velčny Y = y ± U Strana 2 1

2 GUM uncertanty framework (EA-4/02) Metoda Monte Carlo Strana 3 Metoda Monte Carlo Třída algortmů pro smulac systémů Stochastcké systémy používající pseudonáhodná čísla Šroké využtí Smulace expermentů Počítání určtých ntegrálů Řešení dferencálních rovnc Velce jednoduchá základní myšlenka Strana 4 2

3 MCM vstupy model Y = f(x) přdělení PDF g X (ξ) pro vstupní velčny X počet opakování M Monte Carlovy metody pravděpodobnost pokrytí p MCM šíření: hodnoty přdělených PDF pro vstupní velčny a vyhodnocení model pro tyto hodnoty prmární MCM výstup: dstrbuční funkce pro výstupní velčnu M vektorů x 1,,x M získaných z g X (ξ) M hodnot modelu y r = f(x r ), r = 1,,M dskrétní podoba G dstrbuční funkce pro výstupní velčnu Y MCM shrnutí odhad y z Y a přdružené standardní nejstoty u(y) nterval pokrytí [y low,y hgh ] pro Y Strana 5 model měření Y = f(x 1,,X N ) odhady x 1,,x N velčn X 1,,X N standardní nejstoty u(x 1 ), u(x N ) stupně volnost n 1,,n N pravděpodobnost pokrytí p parcální dervace modelu ctlvostní koefcenty c 1,,c N odhad y = f(x 1,,x N ) funkce Y standardní nejstota u(y) efektvní stupně volnost rozšířená nejstota U koefcent krytí k nterval pokrytí y ± U pro Y Strana 6 3

4 Měření plochy obdélníku S = a b a 0, b 0 da op, db op da cal, db cal výsledky měření stran obdélníku [mm] chyba opakovatelnost [mm] chyba kalbrace měřdla [mm] měření obou stran obdélníku pomocí stejného měřdla da cal = db cal korelované vstupní velčny Strana 7 Měření plochy obdélníku S = a b a 0 = 30 mm u op (a) = 0,4 mm u cal = 1 mm b 0 = 40 mm u op (b) = 0,5 mm Strana 8 4

5 Měření plochy obdélníku (GUM) Měření strany a (opakovatelnost): odhad: nejstota: Měření strany a (kalbrace): odhad: nejstota: 30 mm 0,4 mm 0 mm 1 mm Strana 9 Měření plochy obdélníku (GUM) Měření strany b (opakovatelnost): odhad: nejstota: Měření strany b (kalbrace): odhad: nejstota: 40 mm 0,5 mm 0 mm 1 mm Strana 10 5

6 Strana 11 Měření plochy obdélníku (GUM) Ctlvostní koefcenty: S = a b Strana 12 Měření plochy obdélníku (GUM) Výpočet standardní nejstoty (bez korelace): Výpočet standardní nejstoty (s korelací): N c x u c y u 1 2 N N j j j j j c x x r x u x u c c x u c y u 1 1 ; 2 ;

7 Měření plochy obdélníku (GUM) Výpočet plochy S (bez korelace): měření strany a: nejstota: ctlvostní koefcent: měření strany b: nejstota: ctlvostní koefcent: 30 mm 1,08 mm 40 mm 40 mm 1,12 mm 30 mm Strana 13 Měření plochy obdélníku (GUM) Výpočet plochy S (s korelací): měření strany a: nejstota: ctlvostní koefcent: měření strany b: nejstota: ctlvostní koefcent: 30 mm 1,08 mm 40 mm 40 mm 1,12 mm 30 mm korelační koefcent: 0, Strana 14 7

8 Měření plochy obdélníku (GUM) Výpočet plochy S (bez korelace): u(s) = 54,6 mm 2 S = (1200,0 109,2) mm 2 Výpočet plochy S (s korelací): u(s) = 73,5 mm 2 S = (1200,0 147,0) mm Strana 15 Měření plochy obdélníku S = a b Strana 16 8

9 Měření plochy obdélníku S a corr b corr [mm 2 ] [mm] [mm] Strana 17 Měření plochy obdélníku S a corr b corr [mm 2 ] [mm] [mm] Strana 18 9

10 Měření plochy obdélníku S a corr b corr [mm 2 ] [mm] [mm] Strana 19 Měření plochy obdélníku S a corr b corr [mm 2 ] [mm] [mm] Strana 20 10

11 Měření plochy obdélníku S a corr b corr [mm 2 ] [mm] [mm] Strana 21 Měření plochy obdélníku S a corr b corr [mm 2 ] [mm] [mm] Strana 22 11

12 Měření plochy obdélníku S a corr b corr [mm 2 ] [mm] [mm] Strana 23 Měření plochy obdélníku (MCM) Strana 24 12

13 Měření plochy obdélníku (MCM) Strana 25 Měření plochy obdélníku (MCM) Strana 26 13

14 Měření plochy obdélníku (MCM) Strana 27 Měření plochy obdélníku (MCM) b [mm] a [mm] Strana 28 14

15 Měření plochy obdélníku (MCM) b [mm] a [mm] Strana 29 Měření plochy obdélníku (MCM) P [-] S [mm 2 ] Strana 30 15

16 Měření plochy obdélníku (GUM) Odhad výstupní velčny: Přdružená standardní nejstota: Strana 31 Měření plochy obdélníku (MCM) P [-] 0, ,4 S [mm 2 ] Strana 32 16

17 Měření plochy obdélníku (GUM) Určení ntervalu pokrytí: Strana 33 Měření plochy obdélníku (GUM) r S [-] [mm 2 ] Strana 34 17

18 Měření plochy obdélníku (MCM) P [-] 0,506 0, ,2 1200,4 S [mm 2 ] Strana 35 Měření plochy obdélníku (MCM) P [-] 0,975 0,506 0, ,2 1200,4 1347,4 S [mm 2 ] Strana 36 18

19 Měření plochy obdélníku (MCM) Výpočet plochy S (s korelací): S = 1200,4 mm 2 u(s) = 73,4 mm 2 S - = 1058,2 mm 2 S + = 1347,4 mm 2 U - = S - S - = 142,2 mm 2 U + = S + - S = 147,0 mm Strana 37 Měření plochy obdélníku Výpočet plochy S (bez korelace): S GUM = 1200,0 mm 2 [-109,2 ; 109,2] 95% S MCM = 1199,3 mm 2 [-105,0 ; 109,1] 95% Výpočet plochy S (s korelací): S GUM = 1200,0 mm 2 [-147,0 ; 147,0] 95% S MCM = 1200,4 mm 2 [-142,2 ; 147,0] 95% Strana 38 19

20 model měření Y = f(x 1,,X N ) rozdělení pravděpodobnost pro X počet vzorků M metody Monte Carlo pravděpodobnost pokrytí p M souborů hodnot velčn X 1,,X N s příslušným rozdělením pravděpodobnost M hodnot měřené velčny korespondujících se soubory hodnot odhad y pro Y a přdružená standardní nejstota u(y) setříděné hodnoty funkce měřené velčny: dskrétní reprezentace rozdělovací funkce pro Y nterval krytí pro Y Strana 39 Děkuj za pozornost 20

Monte Carlo metody Josef Pelikán CGG MFF UK Praha.

Monte Carlo metody Josef Pelikán CGG MFF UK Praha. Monte Carlo metody 996-7 Josef Pelkán CGG MFF UK Praha pepca@cgg.mff.cun.cz http://cgg.mff.cun.cz/~pepca/ Monte Carlo 7 Josef Pelkán, http://cgg.ms.mff.cun.cz/~pepca / 44 Monte Carlo ntegrace Odhadovaný

Více

MODELOVÁNÍ A SIMULACE

MODELOVÁNÍ A SIMULACE MODELOVÁNÍ A SIMULACE základní pojmy a postupy vytváření matematckých modelů na základě blancí prncp numerckého řešení dferencálních rovnc základy práce se smulačním jazykem PSI Základní pojmy matematcký

Více

Výpočet nejistot metodou Monte carlo

Výpočet nejistot metodou Monte carlo Výpočet nejistot metodou Monte carlo Mgr. Martin Šíra, Ph.D. (ČMI, Brno) červen 2012 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem České republiky. p. 1 Výpočty nejistot

Více

Ý ň ť Í Ť ň Ť Ý ň ň Ú Ú ÚÝ ť Ž Ť Ž ň ť Ť Ť Ť ť Í Ť Ť ň ů Í Ť Í ň Ť ň ť Í Í Í Í ť Í ň Ď Í ň Í Í Í ň Í Í Í Ť Í ň Č ť Ť ň Í Í Í Ď Í Ť Ď Í ú Ť Í Ť Ž Ť ň ň Ž Ť Ť ň Í Č ň Ť Í Ť ť Ž ň Ť ň Ť ň Ť ň Ť ň ť Ž Ť ť

Více

Simulační metody hromadné obsluhy

Simulační metody hromadné obsluhy Smulační metody hromadné osluhy Systém m a model vstupy S výstupy Systém Část prostředí, kterou lze od jeho okolí oddělt fyzckou neo myšlenkovou hrancí Model Zjednodušený, astraktní nástroj používaný pro

Více

u (x i ) U i 1 2U i +U i+1 h 2. Na hranicích oblasti jsou uzlové hodnoty dány okrajovými podmínkami bud přímo

u (x i ) U i 1 2U i +U i+1 h 2. Na hranicích oblasti jsou uzlové hodnoty dány okrajovými podmínkami bud přímo Metoda sítí základní schémata h... krok sítě ve směru x, tj. h = x x q... krok sítě ve směru y, tj. q = y j y j τ... krok ve směru t, tj. τ = j... hodnota přblžného řešení v uzlu (x,y j ) (Possonova rovnce)

Více

Počítačová grafika III Monte Carlo integrování Přímé osvětlení. Jaroslav Křivánek, MFF UK

Počítačová grafika III Monte Carlo integrování Přímé osvětlení. Jaroslav Křivánek, MFF UK Počítačová grafka III Monte Carlo ntegrování Přímé osvětlení Jaroslav Křvánek, MFF UK Jaroslav.Krvanek@mff.cun.cz Renderng = Integrování funkcí L r ( x, o H ( x L ( x, f r ( x, cos d o Příchozí radance

Více

Čísla přiřazená elementárním jevům tvoří obor hodnot M proměnné, kterou nazýváme náhodná veličina (označujeme X, Y, Z,...)

Čísla přiřazená elementárním jevům tvoří obor hodnot M proměnné, kterou nazýváme náhodná veličina (označujeme X, Y, Z,...) . NÁHODNÁ VELIČINA Průvodce studem V předchozích kaptolách jste se seznáml s kombnatorkou a pravděpodobností jevů. Tyto znalost použjeme v této kaptole, zavedeme pojem náhodná velčna, funkce, které náhodnou

Více

Matematika I A ukázkový test 1 pro 2018/2019

Matematika I A ukázkový test 1 pro 2018/2019 Matematka I A ukázkový test 1 pro 2018/2019 1. Je dána soustava rovnc s parametrem a R x y + z = 1 x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a a) Napšte Frobenovu větu (předpoklady + tvrzení). b) Vyšetřete

Více

Obsah. Příloha (celkový počet stran přílohy 13) Závěrečná zpráva o výsledcích experimentu shodnosti ZČB 2013/2

Obsah. Příloha (celkový počet stran přílohy 13) Závěrečná zpráva o výsledcích experimentu shodnosti ZČB 2013/2 Závěrečná zpráva o výsledcích expermentu shodnost ZČB 2013/2 Obsah Úvod a důležté kontakty... 2 Postupy statstcké analýzy expermentu shodnost... 4 2.1 Numercký postup zjšťování odlehlých hodnot... 4 2.1.1

Více

ina ina Diskrétn tní náhodná veličina může nabývat pouze spočetně mnoha hodnot (počet aut v náhodně vybraná domácnost, výsledek hodu kostkou)

ina ina Diskrétn tní náhodná veličina může nabývat pouze spočetně mnoha hodnot (počet aut v náhodně vybraná domácnost, výsledek hodu kostkou) Náhodná velčna na Výsledek náhodného pokusu, daný reálným číslem je hodnotou náhodné velčny. Náhodná velčna je lbovolná reálná funkce defnovaná na množně elementárních E pravděpodobnostního prostoru S.

Více

Jihočeská univerzita v Českých Budějovicích. Pedagogická fakulta Katedra fyziky. Bakalářská práce

Jihočeská univerzita v Českých Budějovicích. Pedagogická fakulta Katedra fyziky. Bakalářská práce Jhočeská unverzta v Českých Budějovcích Pedagogcká fakulta Katedra fyzky Bakalářská práce České Budějovce 007 Tomáš Bürger Jhočeská unverzta v Českých Budějovcích Pedagogcká fakulta Katedra fyzky Generování

Více

3 Základní modely reaktorů

3 Základní modely reaktorů 3 Základní modely reaktorů Rovnce popsující chování reakční směs v reaktoru (v čase a prostoru) vycházejí z blančních rovnc pro hmotu, energ a hybnost. Blanc lze formulovat pro extenzvní velčnu B v obecném

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

6. Demonstrační simulační projekt generátory vstupních proudů simulačního modelu

6. Demonstrační simulační projekt generátory vstupních proudů simulačního modelu 6. Demonstrační smulační projekt generátory vstupních proudů smulačního modelu Studjní cíl Na příkladu smulačního projektu představeného v mnulém bloku je dále lustrována metodka pro stanovování typů a

Více

Stanovení nejistot výsledků zkoušky přesnosti/kalibrace vodorovných a svislých lineárních délkoměrů. Štěpánková, M.; Pročková, D.; Landsmann, M.

Stanovení nejistot výsledků zkoušky přesnosti/kalibrace vodorovných a svislých lineárních délkoměrů. Štěpánková, M.; Pročková, D.; Landsmann, M. Stanovení nestot výsledků zkošky přesnost/kalbrace vodorovných a svslých lneárních délkoměrů. Štěpánková, M.; Pročková, D.; Landsmann, M. Klíčová slova: zdro nestoty, standardní nestota, rozšířená nestota,

Více

Vícekriteriální rozhodování. Typy kritérií

Vícekriteriální rozhodování. Typy kritérií Vícekrterální rozhodování Zabývá se hodnocením varant podle několka krtérí, přčemž varanta hodnocená podle ednoho krtéra zpravdla nebývá nelépe hodnocená podle krtéra ného. Metody vícekrterálního rozhodování

Více

Numerická matematika A

Numerická matematika A Numercká matematka A 5615 A1 Máme dánu soustava lneárních rovnc tvaru AX = B, kde 4 1 A = 1 4 1, B = 1 a Zapíšeme soustavu rovnc AX = B ve tvaru upravíme a následně (L + D + P X = B, DX = (L + P X + B,

Více

REGRESNÍ ANALÝZA. 13. cvičení

REGRESNÍ ANALÝZA. 13. cvičení REGRESNÍ ANALÝZA 13. cvčení Závslost náhodných velčn Závslost mez kvanttatvním proměnným X a Y: Funkční závslost hodnotam nezávsle proměnných je jednoznačně dána hodnota závslé proměnné. Y=f(X) Stochastcká

Více

Neparametrické metody

Neparametrické metody Neparametrcké metody Přestože parametrcké metody zaujímají klíčovou úlohu ve statstcké analýze dat, je možné některé problémy řešt př neparametrckém přístupu. V této přednášce uvedeme neparametrcké odhady

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ ÚSTAV AUTOMATIZACE A MĚŘICÍ TECHNIKY FACULTY OF ELECTRICAL ENGINEERING AND COMMUNICATION

Více

Sborník vědeckých prací Vysoké školy báňské - Technické univerzity Ostrava číslo 1, rok 2007, ročník VII, řada stavební článek č.???

Sborník vědeckých prací Vysoké školy báňské - Technické univerzity Ostrava číslo 1, rok 2007, ročník VII, řada stavební článek č.??? Sborník vědeckých prací Vysoké školy báňské - Techncké unverzty Ostrava číslo, rok 007, ročník VII, řada stavební článek č.??? Petr Konečný SIMULACE KORELOVANÝCH NEPARAMETRICKÝCH ROZDĚLENÍ V RÁMCI METODY

Více

Aplikace simulačních metod ve spolehlivosti

Aplikace simulačních metod ve spolehlivosti XXVI. ASR '2001 Semnar, Instruments and Control, Ostrava, Aprl 26-27, 2001 Paper 40 Aplkace smulačních metod ve spolehlvost MARTINEK, Vlastml Ing., Ústav automatzace a nformatky, FSI VUT v Brně, Techncká

Více

Teorie efektivních trhů (E.Fama (1965))

Teorie efektivních trhů (E.Fama (1965)) Teore efektvních trhů (E.Fama (965)) Efektvní efektvní zpracování nových nformací Efektvní trh trh, který rychle a přesně absorbuje nové nf. Ceny II (akcí) náhodná procházka Předpoklady: na trhu partcpuje

Více

3 VYBRANÉ MODELY NÁHODNÝCH VELIČIN. 3.1 Náhodná veličina

3 VYBRANÉ MODELY NÁHODNÝCH VELIČIN. 3.1 Náhodná veličina 3 VBRANÉ MODEL NÁHODNÝCH VELIČIN 3. Náhodná velčna Tato kaptola uvádí stručný pops vybraných pravděpodobnostních modelů spojtých náhodných velčn s důrazem na jejch uplatnění př rozboru spolehlvost stavebních

Více

TEORIE NETKANÝCH TEXTILIÍ. Isingův model pro studium smáčení vlákenných systémů Počítačová simulace 8.přednáška

TEORIE NETKANÝCH TEXTILIÍ. Isingův model pro studium smáčení vlákenných systémů Počítačová simulace 8.přednáška TEORIE NETKANÝCH TEXTILIÍ Isngův model pro studum smáčení vlákenných systémů Počítačová smulace 8.přednáška Automodel (Isngův model) a metoda Monte Carlo jako prostředek pro smulac jevů smáčení porézních

Více

Využití logistické regrese pro hodnocení omaku

Využití logistické regrese pro hodnocení omaku Využtí logstcké regrese pro hodnocení omaku Vladmír Bazík Úvod Jedním z prmárních proevů textlí e omak. Jedná se o poct který vyvolá textle př kontaktu s pokožkou. Je to ntegrální psychofyzkální vlastnost

Více

Validace analytické metody

Validace analytické metody Nejoty v analytcké chem přednáška z cyklu Analytcká cheme II Patrk Kana 4. 9. 0 Proč valdace metod a nejoty výsledků? Výsledky analýz se v dnešní době čím dál tím víc podílejí na rozhodnutích s významným

Více

V mnoha pípadech, kdy známe rozdlení náhodné veliiny X, potebujeme urit rozdlení náhodné veliiny Y, která je funkcí X, tzn. Y = h(x).

V mnoha pípadech, kdy známe rozdlení náhodné veliiny X, potebujeme urit rozdlení náhodné veliiny Y, která je funkcí X, tzn. Y = h(x). 3. FUNKCE NÁHODNÉ VELIINY as ke studu: 40 mnut Cíl: Po prostudování této kaptol budete umt transformovat náhodnou velnu na náhodnou velnu Y, je l mez tmto náhodným velnam vzájemn jednoznaný vztah VÝKLAD

Více

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ Má-li analytický výsledek objektivně vypovídat o chemickém složení vzorku, musí splňovat určitá kriteria: Mezinárodní metrologický slovník (VIM 3),

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOS A SAISIKA Regulární systém hustot Vychází se z: -,, P - pravděpodobnostní prostor -, R neprázdná množna parametrů - X X 1,, náhodný vektor s sdruženou hustotou X n nebo s sdruženou pravděpodobnostní

Více

POUŽITÍ METODY PERT PŘI ŘÍZENÍ PROJEKTŮ

POUŽITÍ METODY PERT PŘI ŘÍZENÍ PROJEKTŮ 5. Odborná konference doktorského studa s meznárodní účastí Brno 003 POUŽITÍ METODY PERT PŘI ŘÍZEÍ PROJEKTŮ A USAGE OF PERT METHOD I PROJECT MAAGEMET Vladslav Grycz 1 Abstract PERT Method and Graph theory

Více

FERGUSONOVA KUBIKA. ( u) ( ) ( ) X s X s. Kubický spline C 2 má dva stupně volnosti Q 1 Q 2

FERGUSONOVA KUBIKA. ( u) ( ) ( ) X s X s. Kubický spline C 2 má dva stupně volnosti Q 1 Q 2 FERGUSONOVA KUBIKA C F F F ( u) = Q F ( u) + Q F ( u) + Q F ( u) + Q F ( u), u F ( u) = u ( u) = u + ( u) = u u ( u) = u u u + u + u Q Q Q Q C napojení Fergusonových kubk Kubcký splne C má dva stupně volnost

Více

Regresní a korelační analýza

Regresní a korelační analýza Regresní a korelační analýza Závslost příčnná (kauzální). Závslostí pevnou se označuje případ, kdy výskytu jednoho jevu nutně odpovídá výskyt druhé jevu (a často naopak). Z pravděpodobnostního hledska

Více

SÍŤOVÁ ANALÝZA. Základní pojmy síťové analýzy. u,. Sjednocením množin { u, u,..., 2. nazýváme grafem G.

SÍŤOVÁ ANALÝZA. Základní pojmy síťové analýzy. u,. Sjednocením množin { u, u,..., 2. nazýváme grafem G. SÍŤOVÁ ANALÝZA Využívá grafcko-analytcké metody pro plánování, řízení a kontrolu složtých návazných procesů. yto procesy se daí rozložt na dílčí a organzačně spolu souvseící čnnost. yto procesy se nazývaí

Více

HUDEBNÍ EFEKT DISTORTION VYUŽÍVAJÍCÍ ZPRACOVÁNÍ PŘÍRŮSTKŮ SIGNÁLŮ ČASOVĚ

HUDEBNÍ EFEKT DISTORTION VYUŽÍVAJÍCÍ ZPRACOVÁNÍ PŘÍRŮSTKŮ SIGNÁLŮ ČASOVĚ HUDEBÍ EFEKT DISTORTIO VYUŽÍVAJÍCÍ ZPRACOVÁÍ PŘÍRŮSTKŮ SIGÁLŮ ČASOVĚ VARIATÍM SYSTÉMEM Ing. Jaromír Mačák Ústav telekomunkací, FEKT VUT, Purkyňova 118, Brno Emal: xmacak04@stud.feec.vutbr.cz Hudební efekt

Více

Téma 5: Parametrická rozdělení pravděpodobnosti spojité náhodné veličiny

Téma 5: Parametrická rozdělení pravděpodobnosti spojité náhodné veličiny 0.05 0.0 0.05 0.0 0.005 Nomnální napětí v pásnc Std Mean 40 60 80 00 0 40 60 Std Téma 5: Parametrcká rozdělení pravděpodobnost spojté náhodné velčn Přednáška z předmětu: Pravděpodobnostní posuzování konstrukcí

Více

Ě Ů Ý Ů ý ý ůý ý ů ů ů ů ý ý ů ž Č ů ý ů ž ž ý ů Ě Ů Ý Ú ž ž ý ý ž ž ý ů ů ý Ý ý ý ů ů ý ú ú ú ý ú ý ž ž ť ž ň ý ý ů ň ý ú ů ů ý ý ý ů ž Ú ý Č ů ň Ě ť Ů Ý Ů Č ú ů ů ý ý Ý ůž ý Ú ý ý Š Č Č ý ú ů ú ž ů Ž

Více

Metamodeling. Moderní metody optimalizace 1

Metamodeling. Moderní metody optimalizace 1 Metamodelng Nejmodernějšíoblast optmalzace Určena zejména pro praktckéaplkace s velkým výpočetním nároky Vycházíz myšlenky, že reálnéoptmalzační problémy nejsou sce konvení, ale jsou do značnémíry hladké

Více

Dopravní plánování a modelování (11 DOPM )

Dopravní plánování a modelování (11 DOPM ) Department of Appled Mathematcs Faculty of ransportaton Scences Czech echncal Unversty n Prague Dopravní plánování a modelování (11 DOPM ) Lekce 5: FSM: rp dstrbuton Prof. Ing. Ondře Přbyl, Ph.D. Ing.

Více

Literatura: Kapitola 5 ze skript Karel Rektorys: Matematika 43, ČVUT, Praha, Text přednášky na webové stránce přednášejícího.

Literatura: Kapitola 5 ze skript Karel Rektorys: Matematika 43, ČVUT, Praha, Text přednášky na webové stránce přednášejícího. Předmět: MA4 Dnešní látka: Metoda sítí pro 2D úlohy. Possonova rovnce. Vlnová rovnce. Rovnce vedení tepla. Lteratura: Kaptola 5 ze skrpt Karel Rektorys: Matematka 43, ČVUT, Praha, 2. Text přednášky na

Více

Reálné opce. Typy reálných opcí. Výpočet hodnoty opce. příklady použití základních reálných opcí

Reálné opce. Typy reálných opcí. Výpočet hodnoty opce. příklady použití základních reálných opcí Reálné opce příklady použí základních reálných opcí Typy reálných opcí! Ukonč projek odsoup! Rozšíř projek expandova, růsová! Provozní! Záměny! Složená! Eapová! Jné? Výpoče hodnoy opce! Spojě pomocí řešení

Více

Matematika IV, Numerické metody

Matematika IV, Numerické metody Interaktvní sbírka příkladů pro předmět Matematka IV, Numercké metody Josef Dalík, Veronka Chrastnová, Oto Přbyl, Hana Šafářová, Pavel Špaček Vysoké učení techncké v Brně, Fakulta stavební Ústav matematky

Více

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

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

Odhad stavu matematického modelu křižovatek

Odhad stavu matematického modelu křižovatek Odhad stavu matematického modelu křižovatek Miroslav Šimandl, Miroslav Flídr a Jindřich Duník Katedra kybernetiky & Výzkumné centrum Data-Algoritmy-Rozhodování Fakulta aplikovaných věd Západočeská univerzita

Více

ť Á Í ň Č Ů ř č ř Č é ý ř ý ý ř ý č ů ý č Č ň é ž ř ř ř č é ú č ý č ř Č ň é č ů č ů č č é č čň Ú Ů é č ů č Á ž ý é ř ý ř ů ů ý É č ů ř ý č ů ž ř Č ř ř ř é ř ř š é ř Ž Ž ý ž é č č ů é ř ů é ř ř ž ž š š

Více

Numerická matematika 1. t = D u. x 2 (1) tato rovnice určuje chování funkce u(t, x), která závisí na dvou proměnných. První

Numerická matematika 1. t = D u. x 2 (1) tato rovnice určuje chování funkce u(t, x), která závisí na dvou proměnných. První Numercká matematka 1 Parabolcké rovnce Budeme se zabývat rovncí t = D u x (1) tato rovnce určuje chování funkce u(t, x), která závsí na dvou proměnných. První proměnná t mívá význam času, druhá x bývá

Více

Úloha syntézy čtyřčlenného rovinného mechanismu

Úloha syntézy čtyřčlenného rovinného mechanismu Úloha syntézy čtyřčlenného rovnného mechansmu Zracoval: Jaroslav Beran Pracovště: Techncká unverzta v Lberc katedra textlních a ednoúčelových stroů Tento materál vznkl ako součást roektu In-TECH 2, který

Více

Náhodným vektorem rozumíme sloupcový vektor složený z náhodných veličin X = (X 1, X 2,

Náhodným vektorem rozumíme sloupcový vektor složený z náhodných veličin X = (X 1, X 2, Statstka I cvčení - 54-5 NÁHODNÝ VEKTOR Náhodným vektorem rozumíme sloupcový vektor složený z náhodných velčn = n který je charakterzován sdruženou smultánní dstrbuční unkcí ; F náhodný vektor s dskrétním

Více

6 LINEÁRNÍ REGRESNÍ MODELY

6 LINEÁRNÍ REGRESNÍ MODELY 1 6 LINEÁRNÍ REGRESNÍ MODELY Př budování regresních modelů se běžně užívá metody nejmenších čtverců. Metoda nejmenších čtverců poskytuje postačující odhady parametrů jenom př současném splnění všech předpokladů

Více

Jednosložkové soustavy

Jednosložkové soustavy Jednosložkové soustavy Fázové rovnováhy Prezentace je určena pro výuku. roč. studjního oboru Nanotechnologí a není dovoleno její šíření bez vědomí garanta předmětu. K jejímu vytvoření bylo použto materálů

Více

ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN

ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN V dokumentu 7a_korelacn_a_regresn_analyza jsme řešl rozdíl mez korelační a regresní analýzou. Budeme se teď věnovat pouze lneárnímu vztahu dvou velčn, protože je nejjednodušší

Více

Systém rizikové analýzy při sta4ckém návrhu podzemního díla. Jan Pruška

Systém rizikové analýzy při sta4ckém návrhu podzemního díla. Jan Pruška Systém rizikové analýzy při sta4ckém návrhu podzemního díla Jan Pruška Definice spolehlivos. Spolehlivost = schopnost systému (konstrukce) zachovávat požadované vlastnos4 po celou dobu životnos4 = pravděpodobnost,

Více

Zpracování fyzikálních měření. Studijní text pro fyzikální praktikum

Zpracování fyzikálních měření. Studijní text pro fyzikální praktikum Zpracování fyzkálních měření Studjní text pro fyzkální praktkum Mlan Červenka, katedra fyzky FEL-ČVUT mlan.cervenka@fel.cvut.cz 3. ledna 03 ObrázeknattulnístraněpocházízknhyogeometraměřeníodJacobaKöbela(460

Více

LABORATORNÍ PŘÍSTROJE A POSTUPY

LABORATORNÍ PŘÍSTROJE A POSTUPY LABORATORNÍ ŘÍSTROJE A OSTUY ANALÝZA CHYB ŘI URČOVÁNÍ JEDNOSLOŽKOVÝCH EREABILIT A IDEÁLNÍCH SELEKTIVIT EBRÁNOVÝCH ATERIÁLŮ S NÍZKOU ROUSTNOSTÍ OLGA ROKOOVÁ b, BOHUIL BERNAUER a, VLASTIIL FÍLA a, AVEL ČAEK

Více

9 PŘEDNÁŠKA 9: Heisenbergovy relace neurčitosti, důsledky. Tunelový jev. Shrnutí probrané látky, příprava na zkoušku.

9 PŘEDNÁŠKA 9: Heisenbergovy relace neurčitosti, důsledky. Tunelový jev. Shrnutí probrané látky, příprava na zkoušku. 9 PŘEDNÁŠKA 9: Hesenbergovy relace neurčtost, důsledky. Tunelový jev. Shrnutí probrané látky, příprava na zkoušku. Hesenbergovy relace neurčtost(tnqu.5., SKM) Jednoduchý pohled na věc: Vždy exstuje určtá

Více

NEJISTOTA MĚŘENÍ. David MILDE, 2014 DEFINICE

NEJISTOTA MĚŘENÍ. David MILDE, 2014 DEFINICE NEJISTOTA MĚŘENÍ David MILDE, 014 DEFINICE Nejistota měření: nezáporný parametr charakterizující rozptýlení hodnot veličiny přiřazených k měřené veličině na základě použité informace. POZNÁMKA 1 Nejistota

Více

Pružnost a plasticita II

Pružnost a plasticita II Pružnost a plastcta II 3 ročník bakalářského studa doc Ing Martn Kresa PhD Katedra stavební mechank Řešení pravoúhlých nosných stěn metodou sítí Statcké schéma nosné stěn q G υ (μ) h l d 3 wwwfastvsbcz

Více

Zápočtová písemka z Matematiky III (BA04) skupina A

Zápočtová písemka z Matematiky III (BA04) skupina A skupina A 0 pro x < 1, ae x pro x 1, ), Pravděpodobnost P (X ) a P (X =.). E (X) a E ( X 1). Hustotu transformované náhodné veličiny Y = (X + 1). F(x) = x 3 pro x (0, 9), Hustotu f(x). Pravděpodobnost

Více

Osově namáhaný prut základní veličiny

Osově namáhaný prut základní veličiny Pružnost a pevnost BD0 Osově namáhaný prut základní velčny ormálová síla půsoící v průřezu osově namáhaného prutu se získá ntegrací normálového napětí po ploše průřezu. da A Vzhledem k rovnoměrnému rozložení

Více

4 Parametry jízdy kolejových vozidel

4 Parametry jízdy kolejových vozidel 4 Parametry jízdy kolejových vozdel Př zkoumání jízdy železnčních vozdel zjšťujeme většnou tř základní charakterstcké parametry jejch pohybu. Těmto charakterstkam jsou: a) průběh rychlost vozdel - tachogram,

Více

Otto DVOŘÁK 1 NEJISTOTA STANOVENÍ TEPLOTY VZNÍCENÍ HOŘLAVÝCH PLYNŮ A PAR PARABOLICKOU METODOU PODLE ČSN EN 14522

Otto DVOŘÁK 1 NEJISTOTA STANOVENÍ TEPLOTY VZNÍCENÍ HOŘLAVÝCH PLYNŮ A PAR PARABOLICKOU METODOU PODLE ČSN EN 14522 Otto DVOŘÁK 1 NEJISTOTA STANOVENÍ TEPLOTY VZNÍCENÍ HOŘLAVÝCH PLYNŮ A PAR PARABOLICKOU METODOU PODLE ČSN EN 145 UNCERTAINTY OF DETEMINATION OF THE AUTO-IGNITION TEMPERATURE OF FLAMMABLE GASES OR VAPOURS

Více

í I - 13 - Průchod a rozptyl záření gama ve vrstvách materiálu Prof. Ing. J. Šeda, DrSc. KDAIZ - PJPI

í I - 13 - Průchod a rozptyl záření gama ve vrstvách materiálu Prof. Ing. J. Šeda, DrSc. KDAIZ - PJPI - 13 - í Průchod a rozptyl záření gama ve vrstvách materálu Prof. ng. J. Šeda, DrSc. KDAZ - PJP Na našem pracovšt byl vypracován program umožňující modelovat průchod záření gama metodou Monte Carlo, homogenním

Více

Jiří Militky Škály měření Nepřímá měření Teorie měření Kalibrace

Jiří Militky Škály měření Nepřímá měření Teorie měření Kalibrace Tetlní zkušebnctv ebnctví II Jří Mltky Škály měření epřímá měření Teore měření Kalbrace Základní pojmy I PRAVDĚPODOBOST Jev A, byl sledován v m pokusech. astal celkem m a krát. Relatvní četnost výskytu

Více

Obsah. Příloha (celkový počet stran přílohy 8) Závěrečná zpráva o výsledcích experimentu shodnosti ZZP 2015/1

Obsah. Příloha (celkový počet stran přílohy 8) Závěrečná zpráva o výsledcích experimentu shodnosti ZZP 2015/1 Závěrečná zpráva o výledcích expermentu hodnot ZZP 015/1 Obah Úvod a důležté kontakty... Potupy tattcké analýzy expermentu hodnot... 5.1 Numercký potup zjšťování odlehlých hodnot... 5.1.1 Cochranův tet...

Více

Shluková analýza dat a stanovení počtu shluků

Shluková analýza dat a stanovení počtu shluků Shluková analýza dat a stanovení počtu shluků Autor: Tomáš Löster Vysoká škola ekonomická v Praze Ostrava, červen 2017 Osnova prezentace Úvod a teorie shlukové analýzy Podrobný popis shlukování na příkladu

Více

Josef Pelikán, 1 / 51

Josef Pelikán,  1 / 51 1 / 51 Náhodné rozmisťování bodů v rovině 2014-15 Josef Pelikán, CGG MFF UK Praha http://cgg.mff.cuni.cz/~pepca/ Seminář strojového učení a modelování, 26. 3. 2015 2 / 51 Jiří Matoušek (1963-2015) 3 /

Více

ŘEŠENÍ PROBLÉMU LOKALIZACE A ALOKACE LOGISTICKÝCH OBJEKTŮ POMOCÍ PROGRAMOVÉHO SYSTÉMU MATLAB. Vladimír Hanta 1, Ivan Gros 2

ŘEŠENÍ PROBLÉMU LOKALIZACE A ALOKACE LOGISTICKÝCH OBJEKTŮ POMOCÍ PROGRAMOVÉHO SYSTÉMU MATLAB. Vladimír Hanta 1, Ivan Gros 2 ŘEŠENÍ PROBLÉMU LOKALIZACE A ALOKACE LOGISTICKÝCH OBJEKTŮ POMOCÍ PROGRAMOVÉHO SYSTÉMU MATLAB Vladmír Hanta 1 Ivan Gros 2 Vysoká škola chemcko-technologcká Praha 1 Ústav počítačové a řídcí technky 2 Ústav

Více

ČVUT FEL. X16FIM Finanční Management. Semestrální projekt. Téma: Optimalizace zásobování teplem. Vypracoval: Marek Handl

ČVUT FEL. X16FIM Finanční Management. Semestrální projekt. Téma: Optimalizace zásobování teplem. Vypracoval: Marek Handl ČVUT FEL X16FIM Fnanční Management Semestrální projekt Téma: Optmalzace zásobování teplem Vypracoval: Marek Handl Datum: květen 2008 Formulace úlohy Pro novou výstavbu 100 bytových jednotek je třeba zvolt

Více

Jiří Militký KTM, Technická universita v Liberci, LIBEREC, Česká Republika Milan Meloun, KACH, Universita Pardubice, Česká Republika

Jiří Militký KTM, Technická universita v Liberci, LIBEREC, Česká Republika Milan Meloun, KACH, Universita Pardubice, Česká Republika Různé pohled na kalbrační úloh Jří Mltký KTM, Techncká unversta v Lberc, 46 7 LIBEREC, Česká Republka Mlan Meloun, KACH, Unversta Pardubce, Česká Republka Abstrakt Cílem této práce je ukázat některé problém

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

Přemysl Žiška, Pravoslav Martinek. Katedra teorie obvodů, ČVUT Praha, Česká republika. Abstrakt

Přemysl Žiška, Pravoslav Martinek. Katedra teorie obvodů, ČVUT Praha, Česká republika. Abstrakt ALGORITMUS DIFERENCIÁLNÍ EVOLUCE A JEHO UŽITÍ PRO IDENTIFIKACI NUL A PÓLŮ PŘE- NOSOVÉ FUNKCE FILTRU Přemysl Žška, Pravoslav Martnek Katedra teore obvodů, ČVUT Praha, Česká republka Abstrakt V příspěvku

Více

1. Určení vlnové délka světla pomocí difrakční mřížky

1. Určení vlnové délka světla pomocí difrakční mřížky FAKULTA STAVEBÍ KATEDRA FYZIKY 10FY1G Fzka G 1. Určení vlnové délka světla pomocí dfrakční mřížk Petr Pokorný Pavel Klmon Flp Šmejkal LS 016/17 skpna 1 datm měření: 19.. 017 Zadání Pomocí dfrakční mřížk

Více

VALIDACE GEOCHEMICKÝCH MODELŮ POROVNÁNÍM VÝSLEDKŮ TEORETICKÝCH VÝPOČTŮ S VÝSLEDKY MINERALOGICKÝCH A CHEMICKÝCH ZKOUŠEK.

VALIDACE GEOCHEMICKÝCH MODELŮ POROVNÁNÍM VÝSLEDKŮ TEORETICKÝCH VÝPOČTŮ S VÝSLEDKY MINERALOGICKÝCH A CHEMICKÝCH ZKOUŠEK. VALIDACE GEOCHEMICKÝCH MODELŮ POROVNÁNÍM VÝSLEDKŮ TEORETICKÝCH VÝPOČTŮ S VÝSLEDKY MINERALOGICKÝCH A CHEMICKÝCH ZKOUŠEK. František Eichler 1), Jan Holeček 2) 1) Jáchymovská 282/4, 460 10,Liberec 10 Františkov,

Více

Cvičení 3. Posudek únosnosti ohýbaného prutu. Software FREET Simulace metodou Monte Carlo Simulace metodou LHS

Cvičení 3. Posudek únosnosti ohýbaného prutu. Software FREET Simulace metodou Monte Carlo Simulace metodou LHS Spolehlivost a bezpečnost staveb, 4. ročník bakalářského studia (všechny obory) Cvičení 3 Posudek únosnosti ohýbaného prutu Software FREET Simulace metodou Monte Carlo Simulace metodou LHS Katedra stavební

Více

Korelační energie. Celkovou elektronovou energii molekuly lze experimentálně určit ze vztahu. E vib. = E at. = 39,856, E d

Korelační energie. Celkovou elektronovou energii molekuly lze experimentálně určit ze vztahu. E vib. = E at. = 39,856, E d Korelační energe Referenční stavy Energ molekul a atomů lze vyjádřt vzhledem k různým referenčním stavům. V kvantové mechance za referenční stav s nulovou energí bereme stav odpovídající nenteragujícím

Více

Metoda konečných prvků. Robert Zemčík

Metoda konečných prvků. Robert Zemčík Metod konečných prvků Robert Zemčík Zápdočeská unverzt v Plzn 2014 1 Rovnce mtemtcké teore pružnost Předpokládáme homogenní, zotropní lneární mterál, mlé deformce. Jednoosá nptost Cuchyho podmínky rovnováhy

Více

Maticová exponenciála a jiné maticové funkce

Maticová exponenciála a jiné maticové funkce Matcová exponencála a jné matcové funkce Motvace: Jž víte, že řešením rovnce y = ay, jsou funkce y(t = c e at, tj exponencály Pro tuto funkc platí, že y(0 = c, tj konstanta c je počáteční podmínka v bodě

Více

Regresní lineární model symboly

Regresní lineární model symboly Lneární model, Dskrmnační analýza, Podůrné vektory Regresní lneární model symboly Použté značení b arametry modelu (vektor ) očet atrbutů (skalár) N očet říkladů (skalár) x jeden říklad (vektor ) x -tá

Více

Č Ř Ě Á Ď Á Ú Č Ý Č Ž Ž ů ď ď ň Š Ý ď ď ď ď ď ď ů ú ď ů Ž ďů ď ú ú ú ď ď ú ď ď Ů Ý Ž Ý ď ů ď ů ď ů ů ů ů ů ů ň ď Á ů ů ď ú ď Ž ů Ď ú Ž Ů Ý Ú Ž ú ň ď ď Ý Ý Ú ů ů ú ď ů ď Á Ž Ž Ž Ž ů Ž ď Ý Ď ů É ú ď ď ď

Více

Příklady ke čtvrtému testu - Pravděpodobnost

Příklady ke čtvrtému testu - Pravděpodobnost Příklady ke čtvrtému testu - Pravděpodobnost 6. dubna 0 Instrukce: Projděte si všechny příklady. Každý příklad se snažte pochopit. Pak vymyslete a vyřešte příklad podobný. Tím se ujistíte, že příkladu

Více

Pružnost a plasticita II

Pružnost a plasticita II Pružnost a plastcta II 3. ročník bakalářského stua oc. Ing. Martn Kresa Ph.D. Katera stavební mechank Řešení nosných stěn metoou sítí 3 Řešení stěn metoou sítí metoa sítí (metoa konečných ferencí) těnová

Více

TEORIE NETKANÝCH TEXTILIÍ. Isingův model pro studium smáčení vlákenných systémů Počítačová simulace

TEORIE NETKANÝCH TEXTILIÍ. Isingův model pro studium smáčení vlákenných systémů Počítačová simulace TEORIE NETKANÝCH TEXTILIÍ Isngův model pro studum smáčení vlákenných systémů Počítačová smulace Automodel (Isngův model) a metoda Monte Carlo jako prostředek pro smulac jevů smáčení porézních (vlákenných)

Více

ť ř ů ř é Ž é ů šť ř ř ř ř Í ť Í ď ú ž šť š ž š ř ř ž ů ř ů ř ÁžÁů Ň ř ž ď ř š ř ž ú Ž é ř ř ř ř š ů ů ú é ř ň ř š ů é Ú Ž ř é ůé ů ů ž ž ů šř ů é ů é é ú ůš ú ůš ů ů ů Ú Ú Ú řé řé řé ú ůš ú ůš ů ř é ř

Více

VÝVOJ SOFTWARU NA PLÁNOVÁNÍ PŘESNOSTI PROSTOROVÝCH SÍTÍ PRECISPLANNER 3D. Martin Štroner 1

VÝVOJ SOFTWARU NA PLÁNOVÁNÍ PŘESNOSTI PROSTOROVÝCH SÍTÍ PRECISPLANNER 3D. Martin Štroner 1 VÝVOJ SOFWARU NA PLÁNOVÁNÍ PŘESNOSI PROSOROVÝCH SÍÍ PRECISPLANNER 3D DEVELOPMEN OF HE MEASUREMEN ACCURACY PLANNING OF HE 3D GEODEIC NES PRECISPLANNER 3D Martn Štroner 1 Abstract A software for modellng

Více

Pravděpodobnost, náhoda, kostky

Pravděpodobnost, náhoda, kostky Pravděpodobnost, náhoda, kostky Radek Pelánek IV122, jaro 2015 Výhled pravděpodobnost náhodná čísla lineární regrese detekce shluků Dnes lehce nesourodá směs úloh souvisejících s pravděpodobností krátké

Více

Motivace příklad použití lokace radarového echa Význam korelace Popis náhodných signálů číselné charakteristiky

Motivace příklad použití lokace radarového echa Význam korelace Popis náhodných signálů číselné charakteristiky A0M38SPP - Signálové procesory v praxi - přednáška 7 2 Motivace příklad použití lokace radarového echa Význam korelace Popis náhodných signálů číselné charakteristiky (momenty) Matematická definice korelační

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza

Více

Regresní a korelační analýza

Regresní a korelační analýza Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).

Více

VÝPOČET NEJISTOT METODOU MONTE CARLO

VÝPOČET NEJISTOT METODOU MONTE CARLO VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ ÚSTAV AUTOMATIZACE A MĚŘICÍ TECHNIKY FACULTY OF ELECTRICAL ENGINEERING AND COMMUNICATION

Více

KATEDRA MATERIÁLOVÉHO INŽENÝRSTVÍ A CHEMIE. Stanovení základních materiálových parametrů

KATEDRA MATERIÁLOVÉHO INŽENÝRSTVÍ A CHEMIE. Stanovení základních materiálových parametrů KATEDRA MATERIÁLOVÉHO INŽENÝRSTVÍ A CHEMIE Stanovení základních materiálových parametrů Vzor laboratorního protokolu Titulní strana: název experimentu jména studentů v pracovní skupině datum Protokol:

Více

ODR metody Runge-Kutta

ODR metody Runge-Kutta ODR metody Runge-Kutta Teorie (velmi stručný výběr z přednášek) Úloha s počátečními podmínkami (Cauchyova) 1 řádu Hledáme aprox řešení Y(x) soustavy obyčejných diferenciálních rovnic 1 řádu kde Y(x) =

Více

Solventnost II. Standardní vzorec pro výpočet solventnostního kapitálového požadavku. Iva Justová

Solventnost II. Standardní vzorec pro výpočet solventnostního kapitálového požadavku. Iva Justová 2. část Solventnost II Standardní vzorec pro výpočet solventnostního kaptálového požadavku Iva Justová Osnova Úvod Standardní vzorec Rzko selhání protstrany Závěr Vstupní údaje Vašíčkovo portfolo Alternatvní

Více

Transformace dat a počítačově intenzivní metody

Transformace dat a počítačově intenzivní metody Transformace dat a počítačově ntenzvní metody Jří Mltký Katedra textlních materálů, Textlní fakulta, Techncká unversta v Lberc, Lberec, e- mal jr.mltky@vslb.cz Mlan Meloun, Katedra analytcké cheme, Unversta

Více

SIMULACE A ŘÍZENÍ PNEUMATICKÉHO SERVOPOHONU POMOCÍ PROGRAMU MATLAB SIMULINK. Petr NOSKIEVIČ Petr JÁNIŠ

SIMULACE A ŘÍZENÍ PNEUMATICKÉHO SERVOPOHONU POMOCÍ PROGRAMU MATLAB SIMULINK. Petr NOSKIEVIČ Petr JÁNIŠ bstrakt SIMULCE ŘÍZENÍ PNEUMTICKÉHO SERVOPOHONU POMOCÍ PROGRMU MTL SIMULINK Petr NOSKIEVIČ Petr JÁNIŠ Katedra automatzační technky a řízení Fakulta stroní VŠ-TU Ostrava Příspěvek popsue sestavení matematckého

Více

Filip Klouda. nepolygonální hranice v nespojité Galerkinově

Filip Klouda. nepolygonální hranice v nespojité Galerkinově Unverzta Karlova v Praze Matematcko-fyzkální fakulta BAKALÁŘSKÁ PRÁCE Flp Klouda Použtí přrozeného splnu pro aproxmac nepolygonální hrance v nespojté Galerknově metodě Katedra numercké matematky Vedoucí

Více

SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 4: FReET úvod

SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 4: FReET úvod SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 4: FReET úvod Drahomír Novák Jan Eliáš 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 1 část 4 FReET - úvod 2012 Spolehlivost konstrukcí, Drahomír

Více

-i- [ gr + (g + 7 tg a) cos2 a] ŕ2

-i- [ gr + (g + 7 tg a) cos2 a] ŕ2 3.H. ÍMgrangeove rovnce druhého druhu J4J Príklad 2. Teraz budeme rešť pohyb hmotného bodu po naklonenej rovne, teraz však o nej budeme predpokladať, že sa pohybuje v smere os X so zrýchlením y a jej rýchlosť

Více