Prezentace maturitního projektu na předmět informatika Software pro tvorbu papírových modelů

Rozměr: px
Začít zobrazení ze stránky:

Download "Prezentace maturitního projektu na předmět informatika Software pro tvorbu papírových modelů"

Transkript

1 Prezetace maturitího projektu a předmět iformatika Software pro tvorbu papírových modelů Adam Domiec 22. květa 200 Abstrakt Teto dokumet je o počítačovém programu pro ávrh papírových modelů. Popisuje jej jak z pohledu uživatele, tak po techické stráce. Popis aplikace. Motivace Papírové modelářství je velmi oblíbeé, především proto, že eí ijak áročé a materiál. Návrh modelu obvykle ale vyžaduje o to více pečlivé práce a jemého rýsováí, aby hotový model byl přesý. Navíc u složitějších tvarů ezbývá ež metoda pokusu a omylu, vytrvalého zkoušeí růzě velkých částí. Počítačová grafika abízí jedodušší řešeí. V 3D editoru je možé si libovolý model avrhout a prohlédout ze všech stra. Toto virtuálí modelováí také ějakou dobu trvá, ale obecě je rychlejší a přehledější ež to skutečé. Výsledé modely se obvykle používají jiak, apříklad při tvorbě trikových scé do filmů, ale zrova tak je lze použít i pro papírové modelováí. Počítač dokáže převod a roviou sít provést velmi rychle a aprosto přesě. Programů schopých vytvořit sít z 3D modelu již existuje ěkolik, ale obvykle jsou placeé aebo velmi epohodlé a používáí. Protože mě modelářství baví, rozhodl jsem se apsat program vlastí a zveřejit jej pod svobodou licecí, aby byl dostupý každému..2 Požadavky Aby bylo program skutečě pohodlé používat, musí zcela bez pomoci uživatele zvládout ěkolik poměrě složitých úloh. Prví z ich je volba řezů. 3D model je, stejě jako te papírový, slože z malých plošek. Aby vzikla roviá sít, ěkteré hray je potřeba rozřízout. Program musí rozhodout, které jsou pro to ejvhodější. Protože teto úkol emá žádé jedozačě ejlepší řešeí, uživatel může jeho výslek upravit, pokud eí spokoje. Dalším úkolem je samoté rozložeí modelu do plochy. To má vždy jedié řešeí, úloha je tedy pro počítač docela prostá. Dále musí program umístit sítě a tiskové stráky. Většiou je totiž ezbyté model rozložit a ěkolik odděleých sítí, které budou slepey dohromady. Program musí sítě poskládat tak, aby spotřeboval co ejméě papíru. Zde eí možé ejlepší řešeí hledat, protože by to bylo esmírě výpočetě áročé. Protože je ale papír levý, obvykle ám postačí i málo úsporé řešeí. Nakoec by měl být schope pokrýt sít kresbou, kterou uživatel a modelu předem vytvořil. To je velmi složitý úkol, ale aštěstí jsou dostupé již hotové ástroje, které jej řeší..3 Použitý software Je velmi vhodé teto program zabudovat přímo do ějakého 3D editoru. Jedak proto, že uživatel bude mít 3D editor patrě už spuštěý a ebude muset hledat a spouštět další program, druhak díky tomuto spojeí sado získá áhled výsledého řešeí a usadí mu to práci, pokud se rozhode ěkterý z kroků ovládat ručě. Rozhodl jsem se pro program Bleder. Je to profesioálí balík a jeho hlaví předostí je, že patří k ope-source je dostupý zdarma včetě zdrojových kódů. Zásuvé moduly do ěj, jako te můj, se píšou ve skriptovacím

2 jazyce Pytho. Navíc z pohledu programátora usadňuje ěkteré základí operace aalytické geometrie, které jsou pro rozbalováí rovié sítě ezbyté. V Blederu je avíc prosté pokrýt sít kresbou (texturou). Této techiky se využívá obvykle i k jiým účelům a je proto uživateli pohodlě dostupá. Jako formát výsledých dokumetů jsem si vybral SVG (Scalable Vector Graphics). To je jede z ejpoužívaějších formátů vektorové grafiky. Je velmi sadé v ěm ukládat tvary složeé z rových čar, což je přesě můj záměr. Pro jeho ukládáí eí potřeba žádý dodatečý software. 2 Uživatelské rozhraí 2. Istalace Program je psaý pro vývojovou verzi Blederu (2.5.2), která se dá stáhout ejsáze z webu Samotý soubor programu (mesh ufold.py) je potřeba uložit do adresáře.bleder/scripts/addos/. Doufám, že brzy bude přijat jako užitečá součást a tedy bude v Blederu dostupý bez utosti této istalace. Po spuštěí Blederu je uté program aktivovat v astaveí. To se otevře z hlavího meu položkou File User Prefereces. V odděleí Add-os jej stačí ajít pod jméem Mesh: Ufold a aktivovat tlačítkem Eable Add-o. V postraí abídce 3D pohledu, která se otevírá klávesou T, se poté objeví ový pael s ázvem Ufold (česky: rozbalit). 2.2 Popis rozhraí ozačit řezy velikost stráky rozlišeí vytvořit prostou síť použít okolí jako kresbu povolit teto zásuvý modul { uložit síť 2.3 Použití Prvím úkoem je volba řezů. Ta se provede tlačítkem Ufold. V Edit Mode potom můžeme řešeí upravit, zvoleé řezy jsou ozačeé jako Seams (švy). Hray takto můžeme ozačit příkazem Ctrl+E Mark Seam, ebo jejich ozačeí zrušit příkazem Ctrl+E Clear Seam. Pro jistotu bychom po takové úpravě měli opět stiskout Ufold, aby program zkotroloval, že jsme a ěco ezapoměli. Než uložíme sít, můžeme upravit velikost stráky a očekávaé rozlišeí tiskáry. Výchozí hodotou je straa A4. Pokud chceme pokrýt sít kresbou, zrušíme volbu Pure Net (prostá sít ). Pro promítutí okolích objektů a plochu toho rozbalovaého můžeme zvolit Bake Selected to Active. Po stisku tlačítka Export Net se ás program dotáže, pod jakým ázvem soubor uložit. Poté sít uloží. Souborů může být ěkolik, budou číslovaé podle tiskových stra. Teto krok může u složitých modelů počítači zabrat i ěkolik miut. 2

3 3 Doméový model aplikace Nastaveí Objekt Rozměry stráky Ploška 3D Hraa 3D Je řezem? Úhel Priorita Vrchol 3D Souřadice..2 Vrchol 2D Ucho Souřadice Ploška 2D Hraa 2D 3..4 Stráka Název souboru 0.. Kresba Název souboru Síť Poloha a stráce Otočeí Obalový obdélík 3

4 4 Popis použitých algoritmů 4. Volba řezů Vhodé řezy hledá program iterativě. Vždy aleze ejvhodější hrau pro další řez a před dalším řezem si ověří, zda již eí model rozřezaý dostatečě. Hlavím rozhodovacím ohledem je odchylka plošek, které každá hraa spojuje. Čím je teto úhel větší, tím spíše bude hraa zvolea pro řez. Z praktické zkušeosti se ukazuje, že především by měly být řezáy hray, které tvoří vydutý roh (těleso je kokáví). Tyto úhly tedy mají při rozhodováí 4x větší váhu. Protože se situace začíá komplikovat, zavedeme každé hraě vlastost priorita: ta staoví, jak moc vhodé je tu kterou hrau rozřízout. Řezat potom budeme vždy hrau, která má prioritu ejvětší. Pro přehledost je dobré, když model eí rozděle a příliš moho malých sítí. Hraám, jejichž rozřízutí by rozdělilo sít a dvě, tedy budeme prioritu aopak sižovat. Smysl má v tomto ohledu kotrolovat pouze přímé sousedy aposledy řízuté hray. Zkotrolujeme je tak, že hledáme, zda je mezi koci daé hray už celá spojice z řezů. Pokud ao, řízutím daé hray by se uzavřel kruh a tedy by se tím vyčleila ová sít. Pro optimalizaci si strukturu spojeých řezů po celém modelu ukládáme potom stačí přímo zkotrolovat, zda oba koce hray áležejí ke stejé skupiě řezů. Aby byly řezy jedolité, trocha priority přibude všem hraám v okolí té aposledy řízuté. Algoritmus se tím saží apodobovat přístup člověka, který by řešil stejý úkol. 4.2 Staoveí, zda jsou řezy dostatečé Po každém ovém řezu je potřeba zkotrolovat, zda emá algoritmus skočit. To provedeme hledáím kružic v grafu. Graf apodobuje výsledou sít jeho vrcholy jsou jedotlivé plošky a spojují je hray modelu, které ještě ebyly rozřízuty. Dokud jsou sít spojeá do kruhu, eí možé (krom výjimečých případů, které můžeme zaedbat) ji rozbalit do roviy. Nutou podmíkou potom je, aby počet hra grafu byl meší ež počet vrcholů. To je sadé zjistit: stačí si pamatovat počet všech hra a po každém řezu jedu odečíst. Počet vrcholů (plošek) je samozřejmě zámý. Pokud je tato podmíka splěa, je potřeba zkotrolovat kružice podrobě. Pro to je použit jedoduchý algoritmus vly, který od áhodého počátku sít prochází. Pokud a ějaké místo vstoupí dvakrát (z růzých směrů), v grafu je kružice. Pokud se tak estae a algoritmus projde graf celý, model je zřejmě rozřezaý dostatečě. Ukázalo se být drobým a eáročým zlepšeím avíc, pokud je kružice alezea, zvýšit jedé (áhodě zvoleé) její hraě prioritu. Teoreticky vzato je to velmi zvláští krok, ale ušetří to moho zbytečých řezů. 4.3 Rozbaleí rovié sítě Každou sít rozbalujeme od áhodě zvoleé počátečí plošky. Otočíme ji v prostoru tak, aby byla rovoběžá s půdorysou, a dále použijeme její půdorysý průmět. Pro otáčeí je použita rotačí matice, jejíž prvky přímo vypočteme z ormálového vektoru plošky. Po umístěí plošky pokračujeme jejími sousedy, které otočíme stejým způsobem. Poté je ještě posueme a otočíme v ploše, aby avazavaly patřičou hraou a výchozí plošku. K tomu je opět použita rotačí matice, vypočteá z vektorů obou hra, které mají být a sebe apojeé. Tímto způsobem projde algoritmus postupě všechy plošky a poté skočí. 4.4 Volba uch pro lepeí Úkol, který dosud ebyl zmíě, je přidáí tzv. uch malých lichoběžíkových ploch, a které má být aeseo lepidlo. Teto zdálivě zbytečý úko výrazě usadňuje modeláři práci. Ucho musí být vždy a je jedé ze slepovaých hra. Protože příliš ezáleží, a které z ich ucho bude, jsou přidáváa áhodě. 4.5 Umístěí sítí a tiskové stray Toto se ukázalo jako asi ejsložitější úloha vůbec. Pro přijatelé zjedodušeí každou sít zabalíme do co ejmešího obdélíku, se kterými budeme pak pracovat bez dalších úprav. Umist ujeme je a stráku postupě od ejvětšího a zkoušíme, zda se daý obdélík do zbývajícího místa vejde. Pokud se a stráku už žádý obdélík evejde, přejdeme a další stráku. Níže jsou tyto algoritmy popsáy podrobě. 4

5 4.5. Nalezeí ejlepšího obdélíku Jediý způsob, jak je možé hotovou sít upravovat, je celou ji otáčet. Je poměrě sadé alézt ejlepší řešeí, tedy ejvýhodější úhel otočeí. Nejprve alezeme ejmeší možý kovexí mohoúhelík, do kterého se sít celá vejde (viz obr. ). Najdeme bod ejvíce vlevo a ejvíce vpravo v síti a poté hledáme vrchí a spodí obrys, který oba body spojí. Při hledáí obou obrysů vždy začíáme se všemi body sítě a postupě odebíráme ty, které by uvitř mohoúhelíku tvořily vydutý (kokáví) úhel. Nakoec oba obrysy spojíme dohromady. Obrázek : Ukázka obalového mohoúhelíku a obdélíku Teto obrazec poté otáčíme postupě každou hraou dolů - jako bychom jej valili po zemi. Pro každou možost spočítáme plochu obalového obdélíka a prostě alezeme obdélík s ejmeší plochou. Pro další využití si zapamatujeme jeho rozměry a úhel, pod kterým byla sít atočea Umístěí obdélíků a stray Při umist ováí si pamatujeme obrys zbývajícího volého místa (jako spojový sezam) a všechy rozumé obdélíky, které toto volé místo vymezuje. Začíáme tedy s obrysem celé stray, která vymezuje jede velký obdélík (viz obr. 2). Vždy zkoušíme přidat postupě všechy obdélíky se sítěmi (zkoušíme od ejvětšího) do všech obdélíků s volým místem (zkoušíme od ejmešího). Teto proces je výpočetě áročý, ale v běžých případech ezabere ai vteřiu. Po přidáí prvího obdélíku se sítí je uté upravit obrys a použitý obdélík volého místa ahradit dvěma jiými (viz obr. 3). Při přidáváí všech dalších je uté avíc ještě zmešit všechy obdélíky volého místa, do kterých přidaý obdélík se sítí zasahuje (viz obr. 4). Když vyzkoušíme všechy obdélíky se sítěmi a epodaří se je umístit všechy, přejdeme a další stráku. Pokud všechy umístíme, je hotovo. Obrázek 2: Výchozí stav Obrázek 3: Přidá prví obdélík Obrázek 4: Přidá další obdélík 5

6 4.5.3 Hodoceí algoritmu Je uto podotkout, že teto problém sice má jedo ejlepší řešeí, ale zřejmě by jej ešlo ajít jiak ež hrubou silou, s časovou složitostí!. S úlohami velmi podobými se setkává moho jiých programů a použité algoritmy se růzí podle povahy vstupích dat a požadavků a kvalitu řešeí. Hlaví předostí použitého algoritmu je, že se dobře vyrovává se sítěmi všech tvarů. Je zámo moho lepších, které by byly ale vhodé apříklad je pro všechy sítě stejé velikosti. Jeho časová složitost je zhruba 2 podle počtu sítí, ale a běžém počítači se vyrová s ěkolika stovkami sítí během miuty. 4.6 Pokrytí kresbou Jak bylo zmíěo výše, studio Bleder samo o sobě umožňuje převedeí kresby z modelu do plošého obrázku. Stačí tedy vhodě zformátovat data o sítích a zadat API patřičý příkaz. Kresba je uložea stráku po stráce. 4.7 Export dokumetu Dokumet je zapisová jako prostý text se sítěmi ve formátu SVG. Každé tiskové straě opět odpovídá jede soubor. Po ezbyté hlavičce a defiici kaskádového stylu program zapíše ještě tag pro obrázek, odkazující a již uložeou kresbu ve formátu PNG. Sítě se zapisují jeda po druhé, aby s imi bylo možé případě ručě maipulovat ve vektorovém editoru. Každá sít je uložea jako jeda SVG skupia a skládá se z čtyř až šesti křivek (SVG tag path): vější obrys je vykresleý tučě, dále všechy hray, přičemž ohyby ve (vypuklé) jsou čárkovaé a ohyby dovitř (vyduté) jsou čerchovaé, a ucha pro lepeí. Navíc, pokud je a pozadí obrázek, jsou všechy křivky podložey bílou barvou, aby byly lépe vidět. Vější obrys musí mít podklad v samostaté křivce, protože je o ěco tlustší čarou. Každá z těchto křivek se skládá z velkého možství odděleých úseček. 5 Plá dalšího vývoje Pro uživatele je velmi důležitý te krok, kdy program hledá vhodé řezy. Použitý algoritmus sice prokazuje dobré výsledky, ale v ěkterých ohledech má patré edostatky. U složitých modelů apříklad vytváří velké možství malých sítí třeba je o dvou ploškách, ačkoliv to většiou eí vůbec uté. Domívám se, že v základu je to algoritmus dobrý, akorát by bylo vhodé jej doplit o další okolosti ovlivňující prioritu. Algoritmus pro umist ováí a stráku v ěkterých situacích vytváří admíru zbytečé prázdé místo. Vyplývá to přímo z jeho podstaty, tedy ze způsobu, jakým volé místo vyhledává. Pro zdokoaleí bude uté ad ěj přibudovat adstavbu, která specificky tyto případy ošetří (viz obr. 5, 6). Navíc ěkdy se dvě sítě objeví a stejém místě, což patrě spíše ějaký překlep v kódu. Obrázek 5: Současá verze algoritmu Obrázek 6: Největší obdélík volého místa schází Zásadí vadou je, že pokud řezací algoritmus udělá sít příliš velkou větší ež tisková straa, eí možé ji přímo umístit. Uživatel může teto problém vyřešit ručím přidáím řezu, který sít rozdělí. Program by ale měl být schope právě v takové situaci sít rozřízout tak, aby se a strau vešla. To bude poměrě složité, 6

7 protože ai teto ový řez emůže být vole áhodě. Navíc je to jakýsi krok zpět v celém procesu a proto bude možá uté poupravit základí strukturu kódu. Další áročý problém je, že ěkdy se plošky v síti překrývají. Nestává se to často, ale výsledá sít je potom epoužitelá. Další problém je, že malý překryv může uživatel sado přehlédout a všime si jej až při lepeí. Program musí zkotrolovat jedotlivě každou plošku, zda emá ějaký překryv, a pokud má, musí sít vhodým způsobem rozřízout, aby jej odstrail. V současé verzi je zcela poecháo áhodě, a které z dvojice slepovaých hra bude vytvořeo ucho k lepeí. Pro pohodlí při vystřihováí se zdá být lepší, když jsou ucha pohromadě ve větších skupiách. Na to by se tedy měl brát ohled. Dálepak by ucha měla být automaticky zmešeá tak, aby se vešla do plošky, kam mají být alepea a aby epřesahovala do žádé jié plošky v síti. Tyto chyby jsou zvláště patré u třetí ukázkové sítě íže, modelu automobilu s kresbou. U složitějších modelů, zvláště pokud jsou bez kresby, je ěkdy složité a pohled uhodout, které části patří k sobě. Program by měl do dokumetu přidat popisky k uchám a odpovídajícím hraám. Mohlo by být pohodlé, kdyby podobé popisky vložil i do původího 3D modelu, pro případ, že bude opravdu epřehledý. Nešetré k tiskárě je, že kresba je vytvořea a čerém pozadí. Bohužel současá vývojová verze Blederu emá kompletí API a tedy eí možé to zatím ijak vyřešit. Nezbývá ež dodatečě použít rastrový editor a prostě vyplit dotyčé plochy bílou barvou. 6 Iformace o projektu Autor: Adam Domiec Licece: GNU Geeral Public Licese Aktuálí verze: 0.5 Odkaz ke stažeí: (dočasý) Doba vývoje: prosiec květe 200 Počet zaků kódu: Počet řádků kódu: 980 7

8 7 Ukázky 7. Dvacetistě, prostá sít 8

9 7.2 Torus s texturou osvětleí 9

10 7.3 Model automobilu s kresbou 0

OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN

OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN Úloha obchodího cestujícího OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN Nejprve k pojmům používaým v okružích a rozvozích úlohách: HAMILTONŮV CYKLUS je typ cesty,

Více

základním prvkem teorie křivek v počítačové grafice křivky polynomiální n

základním prvkem teorie křivek v počítačové grafice křivky polynomiální n Petra Suryková Modelováí křivek základím prvkem teorie křivek v počítačové grafice křivky polyomiálí Q( t) a a t... a t polyomiálí křivky můžeme sado vyčíslit sado diferecovatelé lze z ich skládat křivky

Více

Instalační manuál inels Home Control

Instalační manuál inels Home Control OBSAH 1) Úvod... 3 2) Kofigurace chytré krabičky... 3 3) Nahráí aplikace do TV... 3 4) Nastaveí IP adresy do TV... 4 5) Nastaveí chytré krabičky pomocí SmartTV aplikace... 4 5.1) Půdorys (floorpla)...

Více

8.2.1 Aritmetická posloupnost I

8.2.1 Aritmetická posloupnost I 8.2. Aritmetická posloupost I Předpoklady: 80, 802, 803, 807 Pedagogická pozámka: V hodiě rozdělím třídu a dvě skupiy a každá z ich dělá jede z prvích dvou příkladů. Čley posloupostí pak při kotrole vypíšu

Více

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

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

Více

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

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

Více

MATICOVÉ HRY MATICOVÝCH HER

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

Více

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

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

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

Více

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

8.2.1 Aritmetická posloupnost

8.2.1 Aritmetická posloupnost 8.. Aritmetická posloupost Předpoklady: 80, 80, 803, 807 Pedagogická pozámka: V hodiě rozdělím třídu a dvě skupiy a každá z ich dělá jede z prvích dvou příkladů. Př. : V továrě dokočí každou hodiu motáž

Více

IAJCE Přednáška č. 12

IAJCE Přednáška č. 12 Složitost je úvod do problematiky Úvod praktická realizace algoritmu = omezeí zejméa: o časem o velikostí paměti složitost = vztah daého algoritmu k daým prostředkům: časová složitost každé možiě vstupích

Více

U klasifikace podle minimální vzdálenosti je nutno zvolit:

U klasifikace podle minimální vzdálenosti je nutno zvolit: .3. Klasifikace podle miimálí vzdáleosti Tato podkapitola je věováa popisu podstaty klasifikace podle miimálí vzdáleosti, jež úzce souvisí s klasifikací pomocí etaloů klasifikačích tříd. Představíme si

Více

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL Elea Mielcová, Radmila Stoklasová a Jaroslav Ramík; Statistické programy POPISNÁ STATISTIKA V PROGRAMU MS EXCEL RYCHLÝ NÁHLED KAPITOLY Žádý výzkum se v deší době evyhe statistickému zpracováí dat. Je jedo,

Více

Zformulujme PMI nyní přesně (v duchu výrokové logiky jiný kurz tohoto webu):

Zformulujme PMI nyní přesně (v duchu výrokové logiky jiný kurz tohoto webu): Pricip matematické idukce PMI) se systematicky probírá v jié části středoškolské matematiky. a tomto místě je zařaze z důvodu opakováí matka moudrosti) a proto, abychom ji mohli bez uzarděí použít při

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

pravděpodobnostn podobnostní jazykový model

pravděpodobnostn podobnostní jazykový model Pokročilé metody rozpozáváířeči Předáška 8 Rozpozáváí s velkými slovíky, pravděpodobost podobostí jazykový model Rozpozáváí s velkým slovíkem Úlohy zaměřeé a diktováíči přepis řeči vyžadují velké slovíky

Více

Iterační výpočty projekt č. 2

Iterační výpočty projekt č. 2 Dokumetace k projektu pro předměty IZP a IUS Iteračí výpočty projekt č. 5..007 Autor: Václav Uhlíř, xuhlir04@stud.fit.vutbr.cz Fakulta Iformačích Techologii Vysoké Učeí Techické v Brě Obsah. Úvodí defiice.....

Více

10.3 GEOMERTICKÝ PRŮMĚR

10.3 GEOMERTICKÝ PRŮMĚR Středí hodoty, geometrický průměr Aleš Drobík straa 1 10.3 GEOMERTICKÝ PRŮMĚR V matematice se geometrický průměr prostý staoví obdobě jako aritmetický průměr prostý, pouze operace jsou o řád vyšší: místo

Více

Obsah. skentest. 1. Úvod. 2. Metoda výpočtu Základní pojmy

Obsah. skentest. 1. Úvod. 2. Metoda výpočtu Základní pojmy Obsah sketest 1. ÚVOD... 1 2. METODA VÝPOČTU... 1 2.1. ZÁKLADNÍ POJMY... 1 2.2. SOUŘADNICOVÉ SYSTÉMY... 2 2.3. PŘÍPRAVEK... 3 2.4. POSTUP VÝPOČTU... 4 3. PROGRAM SKENTEST... 5 3.1. VSTUPNÍ SOUBOR... 5

Více

2 STEJNORODOST BETONU KONSTRUKCE

2 STEJNORODOST BETONU KONSTRUKCE STEJNORODOST BETONU KONSTRUKCE Cíl kapitoly a časová áročost studia V této kapitole se sezámíte s možostmi hodoceí stejorodosti betou železobetoové kostrukce a prakticky provedete jede z možých způsobů

Více

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou 1 Zápis číselých hodot a ejistoty měřeí Zápis číselých hodot Naměřeé hodoty zapisujeme jako číselý údaj s určitým koečým počtem číslic. Očekáváme, že všechy zapsaé číslice jsou správé a vyjadřují tak i

Více

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT Základy práce s tabulkou Výukový modul III. Iovace a zkvalitěí výuky prostředictvím ICT Téma III..3, pracoví list 3 Techická měřeí v MS Ecel Průměry a četosti, odchylky změřeých hodot. Ig. Jiří Chobot

Více

1.7.4 Těžiště, rovnovážná poloha

1.7.4 Těžiště, rovnovážná poloha 74 ěžiště, rovovážá poloha Předpoklady: 00703 Př : Polož si sešit a jede prst tak, aby espadl Záleží a místě, pod kterým sešit podložíš? Proč? Musíme sešit podložit prstem přesě uprostřed, jiak spade Sešit

Více

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

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

Více

8.1.3 Rekurentní zadání posloupnosti I

8.1.3 Rekurentní zadání posloupnosti I 8.. Rekuretí zadáí poslouposti I Předpoklady: 80, 80 Pedagogická pozámka: Podle mých zkušeostí je pro studety pochopitelější zavádět rekuretí posloupost takto (sado kotrolovatelou ukázkou), ež dosazováím

Více

jsou reálná a m, n jsou čísla přirozená.

jsou reálná a m, n jsou čísla přirozená. .7.5 Racioálí a polomické fukce Předpoklad: 704 Pedagogická pozámka: Při opisováí defiic racioálí a polomické fukce si ěkteří studeti stěžovali, že je to příliš těžké. Ve skutečosti je sstém, kterým jsou

Více

Pravděpodobnostní modely

Pravděpodobnostní modely Pravděpodobostí modely Meu: QCEpert Pravděpodobostí modely Modul hledá metodou maimálí věrohodosti (MLE Maimum Likelihood Estimate) statistický model (rozděleí) který ejlépe popisuje data. Je přitom k

Více

Aplikovaná informatika. Podklady předmětu Aplikovaná informatika pro akademický rok 2006/2007 Radim Farana. Obsah. Algoritmus

Aplikovaná informatika. Podklady předmětu Aplikovaná informatika pro akademický rok 2006/2007 Radim Farana. Obsah. Algoritmus Podklady předmětu pro akademický rok 006007 Radim Faraa Obsah Tvorba algoritmů, vlastosti algoritmu. Popis algoritmů, vývojové diagramy, strukturogramy. Hodoceí složitosti algoritmů, vypočitatelost, časová

Více

3.1 OBSAHY ROVINNÝCH ÚTVARŮ

3.1 OBSAHY ROVINNÝCH ÚTVARŮ 3 OBSAHY ROVINNÝCH ÚTVARŮ Představa obsahu roviého obrazce byla pro lidi důležitá od pradávých dob ať již se jedalo o velikost a přeměu polí či apříklad rozměry základů obydlí Úlohy a výpočet obsahu základích

Více

MATEMATICKÁ INDUKCE. 1. Princip matematické indukce

MATEMATICKÁ INDUKCE. 1. Princip matematické indukce MATEMATICKÁ INDUKCE ALEŠ NEKVINDA. Pricip matematické idukce Nechť V ) je ějaká vlastost přirozeých čísel, apř. + je dělitelé dvěma či < atd. Máme dokázat tvrzeí typu Pro každé N platí V ). Jeda možost

Více

1 Trochu o kritériích dělitelnosti

1 Trochu o kritériích dělitelnosti Meu: Úloha č.1 Dělitelost a prvočísla Mirko Rokyta, KMA MFF UK Praha Jaov, 12.10.2013 Růzé dělitelosti, třeba 11 a 7 (aeb Jak zfalšovat rodé číslo). Prvočísla: které je ejlepší, které je ejvětší a jak

Více

Programování v Matlabu

Programování v Matlabu Programováí v Matlabu Obsah: m-fukce a skripty; Krokováí laděí) fukcí/skriptů; Podmíěý příkaz; Cyklus s předem zámým počtem opakováí iteračí cyklus); Cyklus řízeý podmíkou Zoltá Szabó FBMI 2007 http://webzam.fbmi.cvut.cz/szabo/matlab/

Více

Pojem času ve finančním rozhodování podniku

Pojem času ve finančním rozhodování podniku Pojem času ve fiačím rozhodováí podiku 1.1. Výzam faktoru času a základí metody jeho vyjádřeí Fiačí rozhodováí podiku je ovlivěo časem. Peěží prostředky získaé des mají větší hodotu ež tytéž peíze získaé

Více

1. K o m b i n a t o r i k a

1. K o m b i n a t o r i k a . K o m b i a t o r i k a V teorii pravděpodobosti a statistice budeme studovat míru výskytu -pravděpodobostvýsledků procesů, které mají áhodý charakter, t.j. při opakováí za stejých podmíek se objevují

Více

Vzorový příklad na rozhodování BPH_ZMAN

Vzorový příklad na rozhodování BPH_ZMAN Vzorový příklad a rozhodováí BPH_ZMAN Základí charakteristiky a začeí symbol verbálí vyjádřeí iterval C g g-tý cíl g = 1,.. s V i i-tá variata i = 1,.. m K j j-té kriterium j = 1,.. v j x ij u ij váha

Více

1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE

1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE 1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE V této kapitole se dozvíte: jak je axiomaticky defiová vektor a vektorový prostor včetě defiice sčítáí vektorů a ásobeí vektorů skalárem;

Více

O Jensenově nerovnosti

O Jensenově nerovnosti O Jeseově erovosti Petr Vodstrčil petr.vodstrcil@vsb.cz Katedra aplikovaé matematiky, Fakulta elektrotechiky a iformatiky, Vysoká škola báňská Techická uiverzita Ostrava Ostrava, 28.1. 2019 (ŠKOMAM 2019)

Více

1 ROVNOMĚRNOST BETONU KONSTRUKCE

1 ROVNOMĚRNOST BETONU KONSTRUKCE ROVNOMĚRNOST BETONU KONSTRUKCE Cíl kapitoly a časová áročost studia V této kapitole se sezámíte s možostmi hodoceí rovoměrosti betou železobetoové kostrukce a prakticky provedete jede z možých způsobů

Více

3. Lineární diferenciální rovnice úvod do teorie

3. Lineární diferenciální rovnice úvod do teorie 3 338 8: Josef Hekrdla lieárí difereciálí rovice úvod do teorie 3 Lieárí difereciálí rovice úvod do teorie Defiice 3 (lieárí difereciálí rovice) Lieárí difereciálí rovice -tého řádu je rovice, která se

Více

Ústav fyzikálního inženýrství Fakulta strojního inženýrství VUT v Brně GEOMETRICKÁ OPTIKA. Přednáška 10

Ústav fyzikálního inženýrství Fakulta strojního inženýrství VUT v Brně GEOMETRICKÁ OPTIKA. Přednáška 10 Ústav yzikálího ižeýrství Fakulta strojího ižeýrství VUT v Brě GEOMETRICKÁ OPTIKA Předáška 10 1 Obsah Základy geometrické (paprskové) optiky - Zobrazeí cetrovaou soustavou dvou kulových ploch. Rovice čočky.

Více

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

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

Více

Konec srandy!!! Mocniny s přirozeným mocnitelem I. Předpoklady: základní početní operace

Konec srandy!!! Mocniny s přirozeným mocnitelem I. Předpoklady: základní početní operace Koec srady!!!.6. Mociy s přirozeým mocitelem I Předpoklady: základí početí operace Pedagogická pozámka: Zápis a začátku kapitoly je víc ež je srada. Tato hodia je prví v druhé části studia. Až dosud ehrálo

Více

Seznámíte se s pojmem Riemannova integrálu funkce jedné proměnné a geometrickým významem tohoto integrálu.

Seznámíte se s pojmem Riemannova integrálu funkce jedné proměnné a geometrickým významem tohoto integrálu. 2. URČITÝ INTEGRÁL 2. Určitý itegrál Průvodce studiem V předcházející kapitole jsme se sezámili s pojmem eurčitý itegrál, který daé fukci přiřazoval opět fukci (přesěji možiu fukcí). V této kapitole se

Více

9.1.12 Permutace s opakováním

9.1.12 Permutace s opakováním 9.. Permutace s opakováím Předpoklady: 905, 9 Pedagogická pozámka: Pokud echáte studety počítat samostatě příklad 9 vyjde tato hodia a skoro 80 miut. Uvažuji o tom, že hodiu doplím a rozdělím a dvě. Př.

Více

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

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

Více

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

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

Více

Předmět: SM 01 ROVINNÉ PŘÍHRADOVÉ KONSTRUKCE

Předmět: SM 01 ROVINNÉ PŘÍHRADOVÉ KONSTRUKCE Přdmět: SM 0 ROVIÉ PŘÍHRADOVÉ KOSTRUKCE doc. Ig. Michl POLÁK, CSc. Fkult stvbí, ČVUT v Prz ROVIÉ PŘÍHRADOVÉ KOSTRUKCE: KOSTRUKCE JE VYTVOŘEA Z PŘÍMÝCH PRUTŮ, PRUTY JSOU AVZÁJEM POSPOJOVÁY V BODECH STYČÍCÍCH,

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

Přednáška 7: Soustavy lineárních rovnic

Přednáška 7: Soustavy lineárních rovnic Předáška 7: Soustavy lieárích rovic 7.1. Příklad (geometrie v roviě) Rozhoděte o vzájemé poloze přímky p : x y 1 a přímky a) a : x y 3, b) b : 2x 2y 3, c) c :3x 3y 3. Jak víme ze středí školy, lze o vzájemé

Více

1.2. NORMA A SKALÁRNÍ SOUČIN

1.2. NORMA A SKALÁRNÍ SOUČIN 2 NORMA A SKALÁRNÍ SOUČIN V této kapitole se dozvíte: axiomatickou defiici ormy vektoru; co je to ormováí vektoru a jak vypadá Euklidovská orma; axiomatickou defiici skalárího (také vitřího) součiu vektorů;

Více

Sekvenční logické obvody(lso)

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

Více

Úloha II.S... odhadnutelná

Úloha II.S... odhadnutelná Úloha II.S... odhadutelá 10 bodů; průměr 7,17; řešilo 35 studetů a) Zkuste vlastími slovy popsat, k čemu slouží itervalový odhad středí hodoty v ormálím rozděleí a uveďte jeho fyzikálí iterpretaci (postačí

Více

8.1.2 Vzorec pro n-tý člen

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

Více

Tržní ceny odrážejí a zahrnují veškeré informace předpokládá se efektivní trh, pro cenu c t tedy platí c t = c t + ε t.

Tržní ceny odrážejí a zahrnují veškeré informace předpokládá se efektivní trh, pro cenu c t tedy platí c t = c t + ε t. Techická aalýza Techická aalýza z vývoje cey a obchodovaých objemů akcie odvozuje odhad budoucího vývoje cey. Dalšími metodami odhadu vývoje ce akcií jsou apř. fudametálí aalýza (zkoumá podrobě účetictví

Více

Spojitost a limita funkcí jedné reálné proměnné

Spojitost a limita funkcí jedné reálné proměnné Spojitost a limita fukcí jedé reálé proměé Pozámka Vyšetřeí spojitosti fukce je možo podle defiice převést a výpočet limity V dalším se proto soustředíme je problém výpočtu limit Pozámka Limitu fukce v

Více

DERIVACE FUNKCÍ JEDNÉ REÁLNÉ PROM

DERIVACE FUNKCÍ JEDNÉ REÁLNÉ PROM Difereciálí počet fukcí jedé reálé proměé - - DERIVACE FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ ÚVODNÍ POZNÁMKY I derivace podobě jako limity můžeme počítat ěkolikerým způsobem a to kokrétě pomocí: defiice vět o algebře

Více

P2: Statistické zpracování dat

P2: Statistické zpracování dat P: Statistické zpracováí dat Úvodem - Statistika: věda, zabývající se shromažďováím, tříděím a ásledým popisem velkých datových souborů. - Základem statistiky je teorie pravděpodobosti, založeá a popisu

Více

Dobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze

Dobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze Dobýváí zalostí Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické iformatiky Matematicko-fyzikálí fakulta Uiverzity Karlovy v Praze Dobýváí zalostí Pokročilé techiky pro předzpracováí dat Doc. RNDr. Iveta

Více

1.1. Definice Reálným vektorovým prostorem nazýváme množinu V, pro jejíž prvky jsou definovány operace sčítání + :V V V a násobení skalárem : R V V

1.1. Definice Reálným vektorovým prostorem nazýváme množinu V, pro jejíž prvky jsou definovány operace sčítání + :V V V a násobení skalárem : R V V Předáška 1: Vektorové prostory Vektorový prostor Pro abstraktí defiici vektorového prostoru jsou podstaté vlastosti dvou operací, sčítáí vektorů a ásobeí vektoru (reálým číslem) Tyto dvě operace musí být

Více

Nálitky. Obr. 1 Schematický přehled typů nálitků

Nálitky. Obr. 1 Schematický přehled typů nálitků Nálitky Hlaví požadavky pro výpočet álitku: 1. doba tuhutí álitku > doba tuhutí odlitku 2. objem álitku(ů) musí být větší ež objem stažeiy v odlitku 3. musí být umožěo prouděí kovu z álitku do odlitku

Více

2. Znát definici kombinačního čísla a základní vlastnosti kombinačních čísel. Ovládat jednoduché operace s kombinačními čísly.

2. Znát definici kombinačního čísla a základní vlastnosti kombinačních čísel. Ovládat jednoduché operace s kombinačními čísly. 0. KOMBINATORIKA, PRAVDĚPODOBNOST, STATISTIKA Dovedosti :. Chápat pojem faktoriál a ovládat operace s faktoriály.. Zát defiici kombiačího čísla a základí vlastosti kombiačích čísel. Ovládat jedoduché operace

Více

4EK311 Operační výzkum. 4. Distribuční úlohy LP část 2

4EK311 Operační výzkum. 4. Distribuční úlohy LP část 2 4EK311 Operačí výzkum 4. Distribučí úlohy LP část 2 4.1 Dopraví problém obecý model miimalizovat za podmíek: m z = c ij x ij i=1 j=1 j=1 m i=1 x ij = a i, i = 1, 2,, m x ij = b j, j = 1, 2,, x ij 0, i

Více

S k l á d á n í s i l

S k l á d á n í s i l S l á d á í s i l Ú o l : Všetřovat rovováhu tří sil, působících a tuhé těleso v jedom bodě. P o t ř e b : Viz sezam v desách u úloh a pracovím stole. Obecá část: Při sládáí soustav ěolia sil působících

Více

8.2.10 Příklady z finanční matematiky I

8.2.10 Příklady z finanční matematiky I 8..10 Příklady z fiačí matematiky I Předoklady: 807 Fiačí matematika se zabývá ukládáím a ůjčováím eěz, ojišťováím, odhady rizik aod. Poměrě důležitá a výosá discilía. Sořeí Při sořeí vkladatel uloží do

Více

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT 2 IDENIFIKACE H-MAICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNO omáš Novotý ČESKÉ VYSOKÉ UČENÍ ECHNICKÉ V PRAZE Faulta eletrotechicá Katedra eletroeergetiy. Úvod Metody založeé a loalizaci poruch pomocí H-matic

Více

14. Testování statistických hypotéz Úvod statistické hypotézy Definice 14.1 Statistickou hypotézou parametrickou neparametrickou. nulovou testovanou

14. Testování statistických hypotéz Úvod statistické hypotézy Definice 14.1 Statistickou hypotézou parametrickou neparametrickou. nulovou testovanou 4. Testováí statistických hypotéz Úvod Při práci s daty se mohdy spokojujeme s itervalovým či bodovým odhadem parametrů populace. V mohých případech se však uchylujeme k jiému postupu, většiou jde o případy,

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

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

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

Více

VLASTNOSTI ÚLOH CELOČÍSELNÉHO PROGRAMOVÁNÍ

VLASTNOSTI ÚLOH CELOČÍSELNÉHO PROGRAMOVÁNÍ Vlastosti úloh celočíselého programováí VLASTNOSTI ÚLOH CELOČÍSELNÉHO PROGRAMOVÁNÍ PRINCIP ZESILOVÁNÍ NEROVNOSTÍ A ZÁKLADNÍ METODY. METODA VĚTVENÍ A HRANIC. TYPY ÚLOH 1. Úloha lieárího programováí: max{c

Více

Základní požadavky a pravidla měření

Základní požadavky a pravidla měření Základí požadavky a pravidla měřeí Základí požadavky pro správé měřeí jsou: bezpečost práce teoretické a praktické zalosti získaé přípravou a měřeí přesost a spolehlivost měřeí optimálí orgaizace průběhu

Více

8.1.2 Vzorec pro n-tý člen

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

Více

Příklady k přednášce 9 - Zpětná vazba

Příklady k přednášce 9 - Zpětná vazba Příklady k předášce 9 - Zpětá vazba Michael Šebek Automatické řízeí 205 6--5 Příklad: Přibližá iverze tak průřezu s výškou hladiy y(t), přítokem u(t) a odtokem dy() t dt + 2 yt () = ut () Cíl řízeí: sledovat

Více

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

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

Více

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

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

Více

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

17. Statistické hypotézy parametrické testy

17. Statistické hypotézy parametrické testy 7. Statistické hypotézy parametrické testy V této části se budeme zabývat statistickými hypotézami, pomocí vyšetřujeme jedotlivé parametry populace. K takovýmto šetřeím většiou využíváme ám již dobře zámé

Více

Matematika 1. Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D / 13. Posloupnosti

Matematika 1. Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D / 13. Posloupnosti Úvod Opakováí Poslouposti Příklady Matematika 1 Katedra matematiky, Fakulta stavebí ČVUT v Praze středa 10-11:40 posluchára D-1122 2012 / 13 Úvod Opakováí Poslouposti Příklady Úvod Opakováí Poslouposti

Více

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

BEZKONKURENČNÍ SERVIS A PODPORA.

BEZKONKURENČNÍ SERVIS A PODPORA. BEZKONKURENČNÍ SERVIS A PODPORA. Pro výrobky Heliarc, stejě jako pro všechy další výrobky ESAB, abízíme jediečý zákazický servis a podporu. Naši kvalifikovaí pracovíci techického servisu jsou připravei

Více

NMAF061, ZS Zápočtová písemná práce VZOR 5. ledna e bx2 x 2 e x2. F (b) =

NMAF061, ZS Zápočtová písemná práce VZOR 5. ledna e bx2 x 2 e x2. F (b) = NAF61, ZS 17 18 Zápočtová písemá práce VZOR 5. leda 18 Jedotlivé kroky při výpočtech stručě, ale co ejpřesěji odůvoděte. Pokud používáte ějaké tvrzeí, ezapomeňte ověřit splěí předpokladů. Jméo a příjmeí:

Více

Plochy počítačové grafiky

Plochy počítačové grafiky II Iterpolačí plochy Bezierovy pláty ad obdélíkovou a trojúhelíkovou sítí Recioálí Bezierovy pláty B-splie NURBS Kostrukce a zadáí plochy hraičí křivky sítí bodů Kiematicky vytvořeé křivky rotačí plochy

Více

9.1.13 Permutace s opakováním

9.1.13 Permutace s opakováním 93 Permutace s opakováím Předpoklady: 906, 9 Pedagogická pozámka: Obsah hodiy přesahuje 45 miut, pokud emáte k dispozici další půlhodiu, musíte žáky echat projít posledí dva příklady doma Př : Urči kolik

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOST A STATISTIKA Bodové a itervalové odhady Nechť X je áhodá proměá, která má distribučí fukci F(x, ϑ). Předpokládejme, že záme tvar distribučí fukce (víme jaké má rozděleí) a ezáme parametr

Více

Kvantová a statistická fyzika 2 (Termodynamika a statistická fyzika)

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

Více

Kapitola 5 - Matice (nad tělesem)

Kapitola 5 - Matice (nad tělesem) Kapitola 5 - Matice (ad tělesem) 5.. Defiice matice 5... DEFINICE Nechť T je těleso, m, N. Maticí typu m, ad tělesem T rozumíme zobrazeí možiy {, 2,, m} {, 2,, } do T. 5..2. OZNAČENÍ Možiu všech matic

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

1. Číselné obory, dělitelnost, výrazy

1. Číselné obory, dělitelnost, výrazy 1. Číselé obory, dělitelost, výrazy 1. obor přirozeých čísel - vyjadřující počet prvků možiy - začíme (jsou to kladá edesetiá čísla) 2. obor celých čísel - možia celých čísel = edesetiá, ale kladá i záporá

Více

MATEMATIKA PŘÍKLADY K PŘÍJÍMACÍM ZKOUŠKÁM BAKALÁŘSKÉ STUDIUM MGR. RADMILA STOKLASOVÁ, PH.D.

MATEMATIKA PŘÍKLADY K PŘÍJÍMACÍM ZKOUŠKÁM BAKALÁŘSKÉ STUDIUM MGR. RADMILA STOKLASOVÁ, PH.D. MATEMATIKA PŘÍKLADY K PŘÍJÍMACÍM ZKOUŠKÁM BAKALÁŘSKÉ STUDIUM MGR. RADMILA STOKLASOVÁ PH.D. Obsah MNOŽINY.... ČÍSELNÉ MNOŽINY.... OPERACE S MNOŽINAMI... ALGEBRAICKÉ VÝRAZY... 6. OPERACE S JEDNOČLENY A MNOHOČLENY...

Více

Matematika NÁRODNÍ SROVNÁVACÍ ZKOUŠKY BŘEZNA 2018

Matematika NÁRODNÍ SROVNÁVACÍ ZKOUŠKY BŘEZNA 2018 NÁRODNÍ SROVNÁVACÍ ZKOUŠKY Mtemtik T BŘEZNA 08 :. břez 08 D : 0 P P P : 0 M. M. M. :,8 % S : 0 : 7,5 : -7,5 M. P : -,0 : 0,6 Zopkujte si zákldí iformce ke zkoušce: Test obshuje 0 úloh jeho řešeí máte 90

Více

Vytápění BT01 TZB II - cvičení

Vytápění BT01 TZB II - cvičení CZ..07/2.2.00/28.030 Středoevropské cetrum pro vytvářeí a realizaci iovovaých techicko-ekoomických studijích programů Vytápěí BT0 TZB II - cvičeí Zadáí Pro vytápěé místosti vašeho objektu avrhěte otopá

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

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

7.2.4 Násobení vektoru číslem

7.2.4 Násobení vektoru číslem 7..4 Násobeí vektor číslem Předpoklady: 703 Tetokrát začeme hed defiicí. Násobek lového vektor číslem k je lový vektor. Násobek elového vektor = B Ačíslem k je vektor C A, přičemž C je bod, pro který platí:

Více

TECHNICKÝ AUDIT VODÁRENSKÝCH DISTRIBUČNÍCH

TECHNICKÝ AUDIT VODÁRENSKÝCH DISTRIBUČNÍCH ECHNICKÝ AUDI VODÁRENSKÝCH DISRIBUČNÍCH SYSÉMŮ Ig. Ladislav uhovčák, CSc. 1), Ig. omáš Kučera 1), Ig. Miroslav Svoboda 1), Ig. Miroslav Šebesta 2) 1) 2) Vysoké učeí techické v Brě, Fakulta stavebí, Ústav

Více

2,3 ČTYŘI STANDARDNÍ METODY I, ČTYŘI STANDARDNÍ METODY II

2,3 ČTYŘI STANDARDNÍ METODY I, ČTYŘI STANDARDNÍ METODY II 2,3 ČTYŘI STADARDÍ METODY I, ČTYŘI STADARDÍ METODY II 1.1.1 Statické metody a) ARR - Average Rate of Retur průměrý ročí čistý zisk (po zdaěí) ARR *100 % ( 20 ) ivestic do projektu V čitateli výrazu ( 20

Více

Kombinatorika- 3. Základy diskrétní matematiky, BI-ZDM

Kombinatorika- 3. Základy diskrétní matematiky, BI-ZDM Kombiatorika- 3 doc. RNDr. Josef Kolář, CSc. Katedra teoretické iformatiky FIT České vysoké učeí techické v Praze c Josef Kolar, 2011 Základy diskrétí matematiky, BI-ZDM ZS 2011/12, Lekce 8 Evropský sociálí

Více

GRADIENTNÍ OPTICKÉ PRVKY Gradient Index Optical Components

GRADIENTNÍ OPTICKÉ PRVKY Gradient Index Optical Components Nové metody a postupy v oblasti přístrojové techiky, automatického řízeí a iformatiky Ústav přístrojové a řídicí techiky ČVUT v Praze, odbor přesé mechaiky a optiky Techická 4, 66 7 Praha 6 GRADIENTNÍ

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

1. Nakreslete všechny kostry následujících grafů: nemá žádnou kostru, roven. roven n,

1. Nakreslete všechny kostry následujících grafů: nemá žádnou kostru, roven. roven n, DSM2 Cv 7 Kostry grafů Defiice kostry grafu: Nechť G = V, E je souvislý graf. Kostrou grafu G azýváme každý jeho podgraf, který má stejou možiu vrcholů a je zároveň stromem. 1. Nakreslete všechy kostry

Více