REGRESNÍ ANALÝZA V PROSTŘEDÍ MATLAB

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

Download "REGRESNÍ ANALÝZA V PROSTŘEDÍ MATLAB"

Transkript

1 62 REGRESNÍ ANALÝZA V PROSTŘEDÍ MATLAB BEZOUŠKA VLADISLAV Abstrakt: Text se zabývá jednoduchým řešením metody nejmenších čtverců v prostředí Matlab pro obecné víceparametrové aproximační funkce. Celý postup numerické regrese je proveden pomocí iteračních algoritmů. Postup regresní analýzy je ukázán na konkrétních datech získaných z materiálových zkoušek. Keywords: regresní analýza, metoda nejmenších čtverců, iterace, Matlab. 1 Úvod V technických výzkumných úlohách se velmi často vyskytuje problém, kdy je potřeba naměřená data co nejlépe aproximovat nějakou funkcí. Tento postup je též běžně nazýván regresní analýzou. Nejznámější a patrně nejpoužívanější metodou regresní analýzy je metoda nejmenších čtverců. Tato metoda, která umožňuje nalézt koeficienty vybrané aproximační funkce k naměřeným datům, je pro jednoduché aproximační funkce dobře zvládnutelná a mnoho výpočtových programů ji také nabízí k použití např. MS Excel, Matlab, Uvedené programy standardně podporují lineární a polynomickou regresi. Problém ovšem nastane je-li aproximační funkce složitější nebo má více nezávislých proměnných. 2 Metody Hledání koeficientů složitější aproximační funkce může znamenat zdlouhavý a obtížný výpočet. Během materiálových zkoušek byla naměřena tato data, viz. tab. 1. Tab.1 Data z materiálových zkoušek T (C o ) Y(mm) Naměřený průběh by měl teoreticky odpovídat funkci: L + H H L T A Y = + tanh (1) 2 2 B kde L, H jsou konstanty, T je nezávislá proměnná (teplota), A, B jsou parametry aproximační funkce. Úkolem je aproximovat naměřená data (tab. 1) parametrickou aproximační funkcí (1). Klasické softwarové prostředky neposkytují již hotové regresní nástroje (kromě speciálních případů lineární a polynomické aproximační funkce) proto nezbývá než použít specializovaný program nebo řešit úlohu numericky. Ryze analytické řešení je v těchto případech vesměs zdlouhavé a složité. Pro numerické řešení je vhodné vycházet z metody nejmenších čtverců, protože umožňuje přehlednou implementaci iteračních algoritmů. Metoda nejmenších čtverců je

2 63 založena na minimalizaci čtverců odchylek aproximační funkce od naměřených dat. Suma čtverců odchylek je dána vztahem: m ( Y i Y i ) i= S = ˆ (2) kde Yi jsou naměřené hodnoty a Ŷi jsou funkční hodnoty aproximační funkce. Má-li aproximační funkce další neznámé parametry, ve funkci (1) jsou to parametry A,B, je úloha složitější o hledání minima výrazu (2) při všech možných hodnotách parametrů aproximační funkce. Pro aproximační funkci s jedním parametrem je možné provést výpočty pro odhad parametru v tabulkovém editoru, např. MS Excel. Pro odhad dvou a více parametrů aproximační funkce je již práce v tabulkovém editoru nevyhovující a výpočet je nutné řešit programově. Při numerickém řešení je nutno provést volbu intervalu hodnot ve kterém leží právě ten koeficient který funkci (2) minimalizuje. Není-li možné interval odhadnout z povahy aproximační funkce, je vhodné zvolit nejprve širší interval s hrubším dělením, provést výpočty minim a na jejich základě šíři intervalu zmenšovat a součastně zjemňovat dělení intervalu. Na obr. 1 je ukázka vývojového diagramu pro odhad parametrů aproximační funkce (1). START Definice konstant L, H Vložení naměřených dat Nastav poč. a konec intervalů pro odhad parametrů A,B Je B=konci intervalu B=B+0,1 + Je A=konci intervalu A=A+0,1 Výpočet S 2 Ulož výsledek do matice M(Ai,Bj) + Hledání minima matice M Nalezení pořadnic minim Výpočet koeficientů A, B Kreslení grafu Obr.1 Vývojový diagram

3 64 Vývojový diagram začíná definicí konstant vybrané aproximační funkce a zadáním počátků a konců intervalů pro odhad koeficientů A,B. Následuje první iterační smyčka pro B, která vždy zvýší hodnotu parametru B o konstantu dělení intervalu (na obr. 1 je to 0,1). Pro konkrétní hodnotu B-parametru je ve druhé iterační smyčce vypočítán vektor hodnot S 2 pro celou množinu hodnot A-parametru. Výpočet se opakuje pro další hodnotu B- parametru dokud není vyčerpána množina hodnot uvažovaných B-parametrů. Výsledkem je dvourozměrná matice čtverců odchylek S 2 z níž je dále vybráno minimum a jemu příslušející dvojice parametrů A,B. Obecně je možné pomocí vnořených iteračních smyček vypočítat pro n-parametrovou aproximační funkci n-rozměrnou matici hodnot S 2. Nevýhodou tohoto numerického postupu může být doba výpočtu, která roste s počtem iterací. Celý algoritmus v jazyku Matlab má následující podobu: %definice konstant L = 18 %hodnota nejnizsi H = 94 %hodnota nejvyssi %výpocet odchylek C = (L + H)/2; D = (H - L)/2; T= [ ]; Y= [ ]; a=-50; b=0; konsa=a; %Ttr konsb=b; %delta t for j = 1:700 b=b + 0.1; a=-50; for i = 1:700 a = a + 0.1; for k = 1:7 Kv(k) = C +D*tanh(2*(T(k)-a)/b); odch(i,j) = ((Y(1) - Kv(1))^2 +(Y(2) - Kv(2))^2 +(Y(3) - Kv(3))^2 +(Y(6) - Kv(6))^2 +(Y(7) - Kv(7))^2); +(Y(4) - Kv(4))^2 +(Y(5) - Kv(5))^2 %hledání min minim1 = min(odch); minim2 = min(minim1) %hledání pořadnic minima for j = 1:700 for i = 1:700 if odch(i,j)==minim2 poza=i; pozb=j; ; %výpočet koeficientů b = pozb*0.1+konsb a = poza*0.1+konsa

4 65 %kresleni grafu tep = -80:1:20; vyst =C +D*tanh(2*(tep-a)/b); plot(tep,vyst) axis([ ]) hold on plot(t,y,'r+') Program je vytvořen podle vývojového diagramu z obr. 1. Hledání minim v matici M je provedeno dvojnásobným použitím funkce MIN, která nejprve najde minimum každého řádku matice a druhou aplikací funkce vybere globální minimum a vypíše ho na obrazovku. Na obrazovce je nutné zkontrolovat zda se nejedná o vícenásobné minimum. Dále je vložena procedura která hledá maticové pořadnice nalezeného minima. Ve dvou vnořených smyčkách jsou porovnávány všechny prvky matice M s globálním minimem. V případě shody jsou uloženy aktuální pořadnice do proměnných poza a pozb. Nevýhodou této procedury je, že v případě existence více minim vyhledá jen to, které má největší pořadnice. Program lze jednoduše upravit zavedením vektoru pořadnic. U většiny funkcí je to však zbytečné. Další část programu se týká výpočtu skutečných hodnot nalezených parametrů A,B. Pro oba parametry platí obdobný vztah: A = poza. KD + poca (3) kde A je N-tý koeficient, poza je maticová pořadnice globálního minima, KD je konstanta dělení intervalu N-tého parametru a poca je počáteční hodnota intervalu N-tého parametru. Na závěr algoritmu se vykreslí graf znázorňující nejlepší nalezenou aproximaci. 3 Výsledky a diskuze Nejtěžším momentem při numerickém výpočtu regresních koeficientů je správné určení iteračních intervalů. V modelovém příkladu regrese dat z materiálových zkoušek byl zvolen postup hrubého odhadu počátečního intervalu a následné experimentální zužování iteračního intervalu. Výchozí iterační interval byl stanoven (-10 6,10 6 ) a po dvou výpočtech byl zúžen na (0,700) s dělení 0,1. Každý výpočet trval na PIII 600MHz cca 110 sekund. Výsledek regrese je na obr. 2.

5 66 Y(mm) Obr. 2 Nejlepší nalezená aproximace naměřených dat 4 Závěr Regresní analýza je velmi používaným nástrojem pro interpretaci naměřených dat. U složitějších aproximačních funkcí může být výpočet dosti problémový. V textu bylo ukázáno jedno z možných východisek pro řešení složitějších regresních úloh v podobě numerického výpočtu. Výpočty využívají iteračních algoritmů a metody nejmenších čtverců. Řešení algoritmů bylo realizováno v prostředí Matlab pro dvouparametrovou aproximační funkci. Regresní algoritmus byl odzkoušen na datech z materiálových zkoušek. Literatura: Slavík, V., Hrubá, J.: Matematika - Diferenciální počet. Skriptum ČZU. H&H, Jinočany, The Math Work, Inc. Matlab Using Matlab. Natick : The Math Work, Inc., Bartko, R., Miller, M.: MATLAB I. - algoritmizácia a riešenie úloh. Digital Graphic, Trenčín, Kozák, Š.-Kajan,S.: Matlab-Simulink 1. Bratislava, STU Adresa autora: Ing. Vladislav Bezouška Katedra elektrotechniky a automatizace ČZU TF Kamýcká Praha 6

SOLVER UŽIVATELSKÁ PŘÍRUČKA. Kamil Šamaj, František Vižďa Univerzita obrany, Brno, 2008 Výzkumný záměr MO0 FVT0000404

SOLVER UŽIVATELSKÁ PŘÍRUČKA. Kamil Šamaj, František Vižďa Univerzita obrany, Brno, 2008 Výzkumný záměr MO0 FVT0000404 SOLVER UŽIVATELSKÁ PŘÍRUČKA Kamil Šamaj, František Vižďa Univerzita obrany, Brno, 2008 Výzkumný záměr MO0 FVT0000404 1. Solver Program Solver slouží pro vyhodnocení experimentálně naměřených dat. Základem

Více

Statistika. Regresní a korelační analýza Úvod do problému. Roman Biskup

Statistika. Regresní a korelační analýza Úvod do problému. Roman Biskup Statistika Regresní a korelační analýza Úvod do problému Roman Biskup Jihočeská univerzita v Českých Budějovicích Ekonomická fakulta (Zemědělská fakulta) Katedra aplikované matematiky a informatiky 2008/2009

Více

Úloha 1. Napište matici pro případ lineárního regresního spline vyjádřeného přes useknuté

Úloha 1. Napište matici pro případ lineárního regresního spline vyjádřeného přes useknuté Úloha 1. Napište matici pro případ lineárního regresního spline vyjádřeného přes useknuté polynomy pro případ dvou uzlových bodů ξ 1 = 1 a ξ 2 = 4. Experimentální body jsou x = [0.2 0.4 0.6 1.5 2.0 3.0

Více

Použití splinů pro popis tvarové křivky kmene

Použití splinů pro popis tvarové křivky kmene NAZV QI102A079: Výzkum biomasy listnatých dřevin Česká zemědělská univerzita v Praze Fakulta lesnická a dřevařská 9. února 2011 Cíl práce Cíl projektu: Vytvořit a ověřit metodiku pro sestavení lokálního

Více

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení 2 Zpracování naměřených dat Důležitou součástí každé experimentální práce je statistické zpracování naměřených dat. V této krátké kapitole se budeme věnovat určení intervalů spolehlivosti získaných výsledků

Více

Aproximace funkcí. x je systém m 1 jednoduchých, LN a dostatečně hladkých funkcí. x c m. g 1. g m. a 1. x a 2. x 2 a k. x k b 1. x b 2.

Aproximace funkcí. x je systém m 1 jednoduchých, LN a dostatečně hladkých funkcí. x c m. g 1. g m. a 1. x a 2. x 2 a k. x k b 1. x b 2. Aproximace funkcí Aproximace je výpočet funkčních hodnot funkce z nějaké třídy funkcí, která je v určitém smyslu nejbližší funkci nebo datům, která chceme aproximovat. Třída funkcí, ze které volíme aproximace

Více

10. Předpovídání - aplikace regresní úlohy

10. Předpovídání - aplikace regresní úlohy 10. Předpovídání - aplikace regresní úlohy Regresní úloha (analýza) je označení pro statistickou metodu, pomocí nichž odhadujeme hodnotu náhodné veličiny (tzv. závislé proměnné, cílové proměnné, regresandu

Více

OBECNÉ METODY VYROVNÁNÍ

OBECNÉ METODY VYROVNÁNÍ OBECNÉ METODY VYROVNÁNÍ HYNČICOVÁ TEREZA, H2IGE1 2014 ÚVOD Z DŮVODU VYLOUČENÍ HRUBÝCH CHYB A ZVÝŠENÍ PŘESNOSTI NIKDY NEMĚŘÍME DANOU VELIČINU POUZE JEDNOU VÝSLEDKEM OPAKOVANÉHO MĚŘENÍ NĚKTERÉ VELIČINY JE

Více

Aplikovaná statistika pro učitele a žáky v hodinách zeměpisu aneb jak využít MS Excel v praxi. Geografický seminář 30. března 2011 Pavel Bednář

Aplikovaná statistika pro učitele a žáky v hodinách zeměpisu aneb jak využít MS Excel v praxi. Geografický seminář 30. března 2011 Pavel Bednář Aplikovaná statistika pro učitele a žáky v hodinách zeměpisu aneb jak využít MS Excel v praxi Geografický seminář 30. března 2011 Pavel Bednář Výchozí stav Sebehodnocení práce s MS Excel studujícími oboru

Více

vzorek1 0.0033390 0.0047277 0.0062653 0.0077811 0.0090141... vzorek 30 0.0056775 0.0058778 0.0066916 0.0076192 0.0087291

vzorek1 0.0033390 0.0047277 0.0062653 0.0077811 0.0090141... vzorek 30 0.0056775 0.0058778 0.0066916 0.0076192 0.0087291 Vzorová úloha 4.16 Postup vícerozměrné kalibrace Postup vícerozměrné kalibrace ukážeme na úloze C4.10 Vícerozměrný kalibrační model kvality bezolovnatého benzinu. Dle následujících kroků na základě naměřených

Více

Ing. Radovan Nečas Mgr. Miroslav Hroza

Ing. Radovan Nečas Mgr. Miroslav Hroza Výzkumný ústav stavebních hmot, a.s. Hněvkovského, č.p. 30, or. 65, 617 00 BRNO zapsaná v OR u krajského soudu v Brně, oddíl B, vložka 3470 Aktivační energie rozkladu vápenců a její souvislost s ostatními

Více

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1 Logistická regrese Menu: QCExpert Regrese Logistická Modul Logistická regrese umožňuje analýzu dat, kdy odezva je binární, nebo frekvenční veličina vyjádřená hodnotami 0 nebo 1, případně poměry v intervalu

Více

Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1

Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1 Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1 1 ČHMÚ, OPZV, Na Šabatce 17, 143 06 Praha 4 - Komořany sosna@chmi.cz, tel. 377 256 617 Abstrakt: Referát

Více

Dyson s Coulomb gas on a circle and intermediate eigenvalue statistics

Dyson s Coulomb gas on a circle and intermediate eigenvalue statistics Dyson s Coulomb gas on a circle and intermediate eigenvalue statistics Rainer Scharf, Félix M. Izrailev, 1990 rešerše: Pavla Cimrová, 28. 2. 2012 1 Náhodné matice Náhodné matice v současnosti nacházejí

Více

MATURITNÍ TÉMATA Z MATEMATIKY

MATURITNÍ TÉMATA Z MATEMATIKY MATURITNÍ TÉMATA Z MATEMATIKY 1. Základní poznatky z logiky a teorie množin Pojem konstanty a proměnné. Obor proměnné. Pojem výroku a jeho pravdivostní hodnota. Operace s výroky, složené výroky, logické

Více

VYUŽITÍ MATLAB WEB SERVERU PRO INTERNETOVOU VÝUKU ANALÝZY DAT A ŘÍZENÍ JAKOSTI

VYUŽITÍ MATLAB WEB SERVERU PRO INTERNETOVOU VÝUKU ANALÝZY DAT A ŘÍZENÍ JAKOSTI VYUŽITÍ MATLAB WEB SERVERU PRO INTERNETOVOU VÝUKU ANALÝZY DAT A ŘÍZENÍ JAKOSTI Aleš Linka 1, Petr Volf 2 1 Katedra textilních materiálů, FT TUL, 2 Katedra aplikované matematiky, FP TUL ABSTRAKT. Internetové

Více

Číselné charakteristiky a jejich výpočet

Číselné charakteristiky a jejich výpočet Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz charakteristiky polohy charakteristiky variability charakteristiky koncetrace charakteristiky polohy charakteristiky

Více

Experimentáln. lní toků ve VK EMO. XXX. Dny radiační ochrany Liptovský Ján 10.11.-14.11.2008 Petr Okruhlica, Miroslav Mrtvý, Zdenek Kopecký. www.vf.

Experimentáln. lní toků ve VK EMO. XXX. Dny radiační ochrany Liptovský Ján 10.11.-14.11.2008 Petr Okruhlica, Miroslav Mrtvý, Zdenek Kopecký. www.vf. Experimentáln lní měření průtok toků ve VK EMO XXX. Dny radiační ochrany Liptovský Ján 10.11.-14.11.2008 Petr Okruhlica, Miroslav Mrtvý, Zdenek Kopecký Systém měření průtoku EMO Měření ve ventilačním komíně

Více

Tomáš Karel LS 2012/2013

Tomáš Karel LS 2012/2013 Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není

Více

POROVNÁNÍ NĚKTERÝCH SW PRO ZOBRAZENÍ GRAFU FUNKCE DVOU PROMĚNNÝCH

POROVNÁNÍ NĚKTERÝCH SW PRO ZOBRAZENÍ GRAFU FUNKCE DVOU PROMĚNNÝCH POROVNÁNÍ NĚKTERÝCH SW PRO ZOBRAZENÍ GRAFU FUNKCE DVOU PROMĚNNÝCH Martin Fajkus Univerzita Tomáše Bati ve Zlíně, Fakulta aplikované informatiky, Ústav matematiky, Nad Stráněmi 4511, 760 05 Zlín, Česká

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

9 INTERPOLACE A APROXIMACE

9 INTERPOLACE A APROXIMACE 1 9 INTERPOLACE A APROXIMACE Vzorová úloha 9.1 Náhrada funkce exp(x) Nalezněte interpolační polynom, který aproximuje funkci exp(x) v intervalu {0, 1} tak, že v krajních bodech x 1 = 0 a x = 1 souhlasí

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická

Více

Měření závislosti statistických dat

Měření závislosti statistických dat 5.1 Měření závislosti statistických dat Každý pořádný astronom je schopen vám předpovědět, kde se bude nacházet daná hvězda půl hodiny před půlnocí. Ne každý je však téhož schopen předpovědět v případě

Více

2. Numerické výpočty. 1. Numerická derivace funkce

2. Numerické výpočty. 1. Numerická derivace funkce 2. Numerické výpočty Excel je poměrně pohodlný nástroj na provádění různých numerických výpočtů. V příkladu si ukážeme možnosti výpočtu a zobrazení diferenciálních charakteristik analytické funkce, přičemž

Více

1 Mnohočleny a algebraické rovnice

1 Mnohočleny a algebraické rovnice 1 Mnohočleny a algebraické rovnice 1.1 Pojem mnohočlenu (polynomu) Připomeňme, že výrazům typu a 2 x 2 + a 1 x + a 0 říkáme kvadratický trojčlen, když a 2 0. Číslům a 0, a 1, a 2 říkáme koeficienty a písmenem

Více

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com)

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com) Závislost náhodných veličin Úvod Předchozí přednášky: - statistické charakteristiky jednoho výběrového nebo základního souboru - vztahy mezi výběrovým a základním souborem - vztahy statistických charakteristik

Více

ROVNOMĚRNĚ ZRYCHLENÝ POHYB

ROVNOMĚRNĚ ZRYCHLENÝ POHYB ROVNOMĚRNĚ ZRYCHLENÝ POHYB Pomůcky: LabQuest, sonda čidlo polohy (sonar), nakloněná rovina, vozík, který se může po nakloněné rovině pohybovat Postup: Nakloněnou rovinu umístíme tak, aby svírala s vodorovnou

Více

0.0001 0.001 0.01 0.1 1 10 100 1000 10000. Čas (s) Model časového průběhu sorpce vyplývá z 2. Fickova zákona a je popsán následující rovnicí

0.0001 0.001 0.01 0.1 1 10 100 1000 10000. Čas (s) Model časového průběhu sorpce vyplývá z 2. Fickova zákona a je popsán následující rovnicí Program Sorpce1.m psaný v prostředí Matlabu slouží k vyhlazování naměřených sorpčních křivek a výpočtu difuzních koeficientů. Kromě standardního Matlabu vyžaduje ještě Matlab Signal Processing Toolbox

Více

Programy na PODMÍNĚNÝ příkaz IF a CASE

Programy na PODMÍNĚNÝ příkaz IF a CASE Vstupy a výstupy budou vždy upraveny tak, aby bylo zřejmé, co zadáváme a co se zobrazuje. Není-li určeno, zadáváme přirozená čísla. Je-li to možné, používej generátor náhodných čísel vysvětli, co a jak

Více

8 Střední hodnota a rozptyl

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

Více

Úvodem Dříve les než stromy 3 Operace s maticemi

Úvodem Dříve les než stromy 3 Operace s maticemi Obsah 1 Úvodem 13 2 Dříve les než stromy 17 2.1 Nejednoznačnost terminologie 17 2.2 Volba metody analýzy dat 23 2.3 Přehled vybraných vícerozměrných metod 25 2.3.1 Metoda hlavních komponent 26 2.3.2 Faktorová

Více

4.Řešení optimalizačních úloh v tabulkových kalkulátorech

4.Řešení optimalizačních úloh v tabulkových kalkulátorech 4.Řešení optimalizačních úloh v tabulkových kalkulátorech Tabulkové kalkulátory patří mezi nejpoužívanější a pro běžného uživatele nejdostupnější programové systémy. Kromě základních a jim vlastních funkcí

Více

Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie

Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie 12. licenční studium PYTHAGORAS Statistické zpracování dat 3.1 Matematické principy vícerozměrných metod statistické analýzy

Více

Postup při řešení matematicko-fyzikálně-technické úlohy

Postup při řešení matematicko-fyzikálně-technické úlohy Postup při řešení matematicko-fyzikálně-technické úlohy Michal Kolesa Žádná část této publikace NESMÍ být jakkoliv reprodukována BEZ SOUHLASU autora! Poslední úpravy: 3.7.2010 Úvod Matematicko-fyzikálně-technické

Více

Semestrální práce z předmětu MAB

Semestrální práce z předmětu MAB Západočeská univerzita v Plzni Fakulta aplikovaných věd Semestrální práce z předmětu MAB Modely investičního rozhodování Helena Wohlmuthová A07148 16. 1. 2009 Obsah 1 Úvod... 3 2 Parametry investičních

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie LS 2014/15 Cvičení 4: Statistické vlastnosti MNČ LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE Upřesnění k pojmům a značení

Více

6. Lineární regresní modely

6. Lineární regresní modely 6. Lineární regresní modely 6.1 Jednoduchá regrese a validace 6.2 Testy hypotéz v lineární regresi 6.3 Kritika dat v regresním tripletu 6.4 Multikolinearita a polynomy 6.5 Kritika modelu v regresním tripletu

Více

Tomáš Karel LS 2012/2013

Tomáš Karel LS 2012/2013 Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není

Více

5. Interpolace a aproximace funkcí

5. Interpolace a aproximace funkcí 5. Interpolace a aproximace funkcí Průvodce studiem Často je potřeba složitou funkci f nahradit funkcí jednodušší. V této kapitole budeme předpokládat, že u funkce f známe její funkční hodnoty f i = f(x

Více

Pojem a úkoly statistiky

Pojem a úkoly statistiky Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Pojem a úkoly statistiky Statistika je věda, která se zabývá získáváním, zpracováním a analýzou dat pro potřeby

Více

PROGRAM MAXIMA. KORDEK, David, (CZ) PROGRAM MAXIMA

PROGRAM MAXIMA. KORDEK, David, (CZ) PROGRAM MAXIMA PROGRAM MAXIMA KORDEK, David, (CZ) Abstrakt. Co je to Open Source Software? Příklady některých nejpoužívanějších software tohoto typu. Výhody a nevýhody Open Source Software. Jak získat program Maxima.

Více

Společenství prvního stupně ověření norem

Společenství prvního stupně ověření norem Společenství prvního stupně ověření norem Denisa Denglerová Společenství prvního stupně ověření norem Denisa Denglerová Společenství prvního stupně. Ověření norem. Denisa Denglerová Praha: Národní ústav

Více

VÝUKOVÝ SOFTWARE PRO ANALÝZU A VIZUALIZACI INTERFERENČNÍCH JEVŮ

VÝUKOVÝ SOFTWARE PRO ANALÝZU A VIZUALIZACI INTERFERENČNÍCH JEVŮ VÝUKOVÝ SOFTWARE PRO ANALÝZU A VIZUALIZACI INTERFERENČNÍCH JEVŮ P. Novák, J. Novák Katedra fyziky, Fakulta stavební, České vysoké učení technické v Praze Abstrakt V práci je popsán výukový software pro

Více

Požadavky k opravným zkouškám z matematiky školní rok 2013-2014

Požadavky k opravným zkouškám z matematiky školní rok 2013-2014 Požadavky k opravným zkouškám z matematiky školní rok 2013-2014 1. ročník (první pololetí, druhé pololetí) 1) Množiny. Číselné obory N, Z, Q, I, R. 2) Absolutní hodnota reálného čísla, intervaly. 3) Procenta,

Více

MATURITNÍ ZKOUŠKA ve školním roce 2014/2015

MATURITNÍ ZKOUŠKA ve školním roce 2014/2015 MATURITNÍ ZKOUŠKA ve školním roce 2014/2015 Maturitní zkouška se skládá ze společné části a profilové části. 1. Společná část maturitní zkoušky Dvě povinné zkoušky a) český jazyk a literatura b) cizí jazyk

Více

3. Kmitočtové charakteristiky

3. Kmitočtové charakteristiky 3. Kmitočtové charakteristiky Po základním seznámení s programem ATP a jeho preprocesorem ATPDraw následuje využití jednotlivých prvků v jednoduchých obvodech. Jednotlivé příklady obvodů jsou uzpůsobeny

Více

K metodám převodu souřadnic mezi ETRS 89 a S-JTSK na území ČR

K metodám převodu souřadnic mezi ETRS 89 a S-JTSK na území ČR K metodám převodu souřadnic mezi ETRS 89 a S-JTSK na území ČR Vlastimil Kratochvíl * Příspěvek obsahuje popis vlastností některých postupů, využitelných pro transformaci souřadnic mezi geodetickými systémy

Více

Zákony hromadění chyb.

Zákony hromadění chyb. Zákony hromadění chyb. Zákon hromadění skutečných chyb. Zákon hromadění středních chyb. Tomáš Bayer bayertom@natur.cuni.cz Přírodovědecká fakulta Univerzity Karlovy v Praze, Katedra aplikované geoinformatiky

Více

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza 5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza 5.1 Vícerozměrná data a vícerozměrná rozdělení Při zpracování vícerozměrných dat se hledají souvislosti mezi dvěma, případně

Více

Požadavky k opravným zkouškám z matematiky školní rok 2014-2015

Požadavky k opravným zkouškám z matematiky školní rok 2014-2015 Požadavky k opravným zkouškám z matematiky školní rok 2014-2015 1. ročník (první pololetí, druhé pololetí) 1) Množiny. Číselné obory N, Z, Q, I, R. 2) Absolutní hodnota reálného čísla, intervaly. 3) Procenta,

Více

Korelační a regresní analýza

Korelační a regresní analýza Korelační a regresní analýza Analýza závislosti v normálním rozdělení Pearsonův (výběrový) korelační koeficient: r = s XY s X s Y, kde s XY = 1 n (x n 1 i=0 i x )(y i y ), s X (s Y ) je výběrová směrodatná

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie Úvod do předmětu obecné informace Základní pojmy ze statistiky / ekonometrie Úvod do programu EViews, Gretl Některé užitečné funkce v MS Excel Cvičení 1 Zuzana Dlouhá Úvod do

Více

Numerické řešení variačních úloh v Excelu

Numerické řešení variačních úloh v Excelu Numerické řešení variačních úloh v Excelu Miroslav Hanzelka, Lenka Stará, Dominik Tělupil Gymnázium Česká Lípa, Gymnázium Jírovcova 8, Gymnázium Brno MirdaHanzelka@seznam.cz, lenka.stara1@seznam.cz, dtelupil@gmail.com

Více

CHEMOMETRIKA a STATISTIKA. Prozatímní učební text vybrané příklady (srpen 2012) Miloslav Suchánek

CHEMOMETRIKA a STATISTIKA. Prozatímní učební text vybrané příklady (srpen 2012) Miloslav Suchánek CHEMOMETRIKA a STATISTIKA Prozatímní učební text vybrané příklady (srpen 01) Miloslav Suchánek Úkol č. 1 Maticové operace s využitím EXCELu V EXCELu jsou dvě důležité maticové operace, které nám pomohou

Více

scale n_width width center scale left center range right center range value weight_sum left right weight value weight value weight_sum weight pixel

scale n_width width center scale left center range right center range value weight_sum left right weight value weight value weight_sum weight pixel Změna velikosti obrázku Převzorkování pomocí filtrů Ačkoliv jsou výše uvedené metody mnohdy dostačující pro běžné aplikace, občas je zapotřebí dosáhnout lepších výsledků. Pokud chceme obrázky zvětšovat

Více

Matematika. Kamila Hasilová. Matematika 1/34

Matematika. Kamila Hasilová. Matematika 1/34 Matematika Kamila Hasilová Matematika 1/34 Obsah 1 Úvod 2 GEM 3 Lineární algebra 4 Vektory Matematika 2/34 Úvod Zkouška písemná, termíny budou včas vypsány na Intranetu UO obsah: teoretická a praktická

Více

Struktura e-learningových výukových programù a možnosti jejího využití

Struktura e-learningových výukových programù a možnosti jejího využití Struktura e-learningových výukových programù a možnosti jejího využití Jana Šarmanová Klíčová slova: e-learning, programovaná výuka, režimy učení Abstrakt: Autorská tvorba výukových studijních opor je

Více

MODELY ŘÍZENÍ ZÁSOB nákladově orientované modely poptávka pořizovací lhůta dodávky předstih objednávky deterministické stochastické

MODELY ŘÍZENÍ ZÁSOB nákladově orientované modely poptávka pořizovací lhůta dodávky předstih objednávky deterministické stochastické MODELY ŘÍZENÍ ZÁSOB Význam zásob spočívá především v tom, že - vyrovnávají časový nebo prostorový nesoulad mezi výrobou a spotřebou - zajišťují plynulou výrobu nebo plynulé dodávky zboží i při nepředvídaných

Více

StatSoft Jak poznat vliv faktorů vizuálně

StatSoft Jak poznat vliv faktorů vizuálně StatSoft Jak poznat vliv faktorů vizuálně V tomto článku bychom se rádi věnovali otázce, jak poznat již z grafického náhledu vztahy a závislosti v analýze rozptylu. Pomocí následujících grafických zobrazení

Více

Numerické algoritmy KAPITOLA 11. Vyhledávání nulových bodů funkcí

Numerické algoritmy KAPITOLA 11. Vyhledávání nulových bodů funkcí Numerické algoritmy KAPITOLA 11 V této kapitole: Vyhledávání nulových bodů funkcí Iterativní výpočet hodnot funkce Interpolace funkcí Lagrangeovou metodou Derivování funkcí Integrování funkcí Simpsonovou

Více

1. Stanovte a graficky znázorněte charakteristiky vakuové diody (EZ 81) a Zenerovy diody (KZ 703).

1. Stanovte a graficky znázorněte charakteristiky vakuové diody (EZ 81) a Zenerovy diody (KZ 703). 1 Pracovní úkoly 1. Stanovte a graficky znázorněte charakteristiky vakuové diody (EZ 81) a Zenerovy diody (KZ 703). 2. Určete dynamický vnitřní odpor Zenerovy diody v propustném směru při proudu 200 ma

Více

Obsah. Vybraná témata z Excelu pro techniky 13. Obsah. Úvod 11 Komu je kniha určena 11 Uspořádání knihy 11. Typografická konvence použitá v knize 12

Obsah. Vybraná témata z Excelu pro techniky 13. Obsah. Úvod 11 Komu je kniha určena 11 Uspořádání knihy 11. Typografická konvence použitá v knize 12 Obsah Úvod 11 Komu je kniha určena 11 Uspořádání knihy 11 Typografická konvence použitá v knize 12 1 Vybraná témata z Excelu pro techniky 13 Vzorce a funkce pro techniky 14 Vytvoření jednoduchého vzorce

Více

ZŠ ÚnO, Bratří Čapků 1332

ZŠ ÚnO, Bratří Čapků 1332 Úvodní obrazovka Menu (vlevo nahoře) Návrat na hlavní stránku Obsah Výsledky Poznámky Záložky edunet Konec Matematika 1 (pro 12-16 let) LangMaster Obsah (střední část) výběr tématu - dvojklikem v seznamu

Více

MO-ME-N-T MOderní MEtody s Novými Technologiemi

MO-ME-N-T MOderní MEtody s Novými Technologiemi Projekt: Reg.č.: Operační program: MO-ME-N-T MOderní MEtody s Novými Technologiemi CZ.1.07/1.5.00/34.0903 Vzdělávání pro konkurenceschopnost Škola: Hotelová škola, Vyšší odborná škola hotelnictví a turismu

Více

K OZA SE PASE NA POLOVINĚ ZAHRADY Zadání úlohy

K OZA SE PASE NA POLOVINĚ ZAHRADY Zadání úlohy Koza se pase na polovině zahrady, Jaroslav eichl, 011 K OZA E PAE NA POLOVINĚ ZAHADY Zadání úlohy Zahrada kruhového tvaru má poloměr r = 10 m. Do zahrady umístíme kozu, kterou přivážeme provazem ke kolíku

Více

Škola matematického modelování 2015. Petr Beremlijski, Rajko Ćosić, Lukáš Malý, Marie Sadowská, Robert Skopal

Škola matematického modelování 2015. Petr Beremlijski, Rajko Ćosić, Lukáš Malý, Marie Sadowská, Robert Skopal Počítačová cvičení Škola matematického modelování 2015 Petr Beremlijski, Rajko Ćosić, Lukáš Malý, Marie Sadowská, Robert Skopal Počítačová cvičení Škola matematického modelování Petr Beremlijski, Rajko

Více

Fakulta přírodovědně-humanitní a pedagogická

Fakulta přírodovědně-humanitní a pedagogická Fakulta přírodovědně-humanitní a pedagogická Profil Fakulty přírodovědně-humanitní 15 kateder a pedagogické přírodovědné i humanitní tradice v odborné přípravě učitelů, volnočasových a sociálních pedagogů

Více

Neuronové časové řady (ANN-TS)

Neuronové časové řady (ANN-TS) Neuronové časové řady (ANN-TS) Menu: QCExpert Prediktivní metody Neuronové časové řady Tento modul (Artificial Neural Network Time Series ANN-TS) využívá modelovacího potenciálu neuronové sítě k predikci

Více

OPTIMALIZACE ŽELEZOBETONOVÉHO PRŮŘEZU V ENVIRONMENTÁLNÍCH SOUVISLOSTECH

OPTIMALIZACE ŽELEZOBETONOVÉHO PRŮŘEZU V ENVIRONMENTÁLNÍCH SOUVISLOSTECH Ctislav Fiala: OPTIMALIZACE A MULTIKRITERIÁLNÍ HODNOCENÍ FUNKČNÍ ZPŮSOBILOSTI POZEMNÍCH STAVEB OPTIMALIZACE A MULTIKRITERIÁLNÍ HODNOCENÍ FUNKČNÍ ZPŮSOBILOSTI POZEMNÍCH STAVEB K 124FZS Doc. Ing. Petr Hájek,

Více

FYZIKA II. Petr Praus 6. Přednáška elektrický proud

FYZIKA II. Petr Praus 6. Přednáška elektrický proud FYZIKA II Petr Praus 6. Přednáška elektrický proud Osnova přednášky Elektrický proud proudová hustota Elektrický odpor a Ohmův zákon měrná vodivost driftová rychlost Pohyblivost nosičů náboje teplotní

Více

Semestrální práce z předmětu Matematika 6F

Semestrální práce z předmětu Matematika 6F vypracoval: Jaroslav Nušl dne: 17.6.24 email: nusl@cvut.org Semestrální práce z předmětu Matematika 6F Zádání: Cílem semestrální práce z matematiky 6F bylo zkoumání hudebního signálu. Pluginem ve Winampu

Více

NADSTAVBOVÝ MODUL MOHSA V1

NADSTAVBOVÝ MODUL MOHSA V1 NADSTAVBOVÝ MODUL MOHSA V1 Nadstavbový modul pro hierarchické shlukování se jmenuje Mod_Sh_Hier (MOHSA V1) je součástí souboru Shluk_Hier.xls. Tento soubor je přístupný na http://jonasova.upce.cz, a je

Více

Zakládání ve Scia Engineer

Zakládání ve Scia Engineer Apollo Bridge Apollo Bridge Architect: Ing. Architect: Miroslav Ing. Maťaščík Miroslav Maťaščík - Alfa 04 a.s., - Alfa Bratislava 04 a.s., Bratislava Design: DOPRAVOPROJEKT Design: Dopravoprojekt a.s.,

Více

VZORCE A VÝPOČTY. Autor: Mgr. Dana Kaprálová. Datum (období) tvorby: září, říjen 2013. Ročník: sedmý

VZORCE A VÝPOČTY. Autor: Mgr. Dana Kaprálová. Datum (období) tvorby: září, říjen 2013. Ročník: sedmý Autor: Mgr. Dana Kaprálová VZORCE A VÝPOČTY Datum (období) tvorby: září, říjen 2013 Ročník: sedmý Vzdělávací oblast: Informatika a výpočetní technika 1 Anotace: Žáci se seznámí se základní obsluhou tabulkového

Více

Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat

Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat Čtvercová matice n n, např. může reprezentovat: A = A A 2 A 3 A 2 A 22 A 23 A 3 A 32 A 33 matici koeficientů soustavy n lineárních

Více

FOURIEROVA ANAL YZA 2D TER ENN ICH DAT Karel Segeth

FOURIEROVA ANAL YZA 2D TER ENN ICH DAT Karel Segeth FOURIEROVA ANALÝZA 2D TERÉNNÍCH DAT Karel Segeth Motto: The faster the computer, the more important the speed of algorithms. přírodní jev fyzikální model matematický model numerický model řešení numerického

Více

Analýzy - nový modul pro STEREO 18

Analýzy - nový modul pro STEREO 18 Analýzy - nový modul pro STEREO 18 Modul Analýzy je určen všem, kterým nestačí standardní účetní výstupy, kteří chtějí lepší orientaci ve výsledcích, jakých firma dosahuje, a lepší informovanost o dílčích

Více

11.1 Jedna rovnice pro jednu neznámou

11.1 Jedna rovnice pro jednu neznámou 52. ešení rovnic Mathcad je schopen řešit i velmi složité rovnice, kdy hledaná neznámá je obsažena současně v několika různých funkcích apod.. Jedna rovnice pro jednu neznámou.. Funkce root Před vlastním

Více

MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT)

MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT) MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT) 1. Číselné obory 1.1 Přirozená čísla provádět aritmetické operace s přirozenými čísly rozlišit prvočíslo

Více

Měření součinitele smykového tření dynamickou metodou

Měření součinitele smykového tření dynamickou metodou Měření součinitele smykového tření dynamickou metodou Online: http://www.sclpx.eu/lab1r.php?exp=6 Měření smykového tření na nakloněné rovině pomocí zvukové karty řešil např. Sedláček [76]. Jeho konstrukce

Více

Rejstřík - A - - B - - E - - C - - F - - D - Rejst ík

Rejstřík - A - - B - - E - - C - - F - - D - Rejst ík - 137 Rejst ík - A - aktualizace spojení s datovým souborem, 38; 39 aktualizace symbolických výpočtů, 70 animace, 51 Auto, 92 automatická změna typu rovnítka, 10 automatické obnovení výsledků, 7; 92 automatické

Více

Projekt IMPLEMENTACE ŠVP. pořadí početních operací, dělitelnost, společný dělitel a násobek, základní početní operace

Projekt IMPLEMENTACE ŠVP. pořadí početních operací, dělitelnost, společný dělitel a násobek, základní početní operace Střední škola umělecká a řemeslná Evropský sociální fond "Praha a EU: Investujeme do vaší budoucnosti" Projekt IMPLEMENTACE ŠVP Evaluace a aktualizace metodiky předmětu Matematika Výrazy Obory nástavbového

Více

KAPITOLA 9 - POKROČILÁ PRÁCE S TABULKOVÝM PROCESOREM

KAPITOLA 9 - POKROČILÁ PRÁCE S TABULKOVÝM PROCESOREM KAPITOLA 9 - POKROČILÁ PRÁCE S TABULKOVÝM PROCESOREM CÍLE KAPITOLY Využívat pokročilé možnosti formátování, jako je podmíněné formátování, používat vlastní formát čísel a umět pracovat s listy. Používat

Více

Kapitola 7 TESTOVÁNÍ LAKTÁTOVÉHO PRAHU. Definice laktátového prahu

Kapitola 7 TESTOVÁNÍ LAKTÁTOVÉHO PRAHU. Definice laktátového prahu Kapitola 7 TESTOVÁNÍ LAKTÁTOVÉHO PRAHU Definice laktátového prahu Laktátový práh je definován jako maximální setrvalý stav. Je to bod, od kterého se bude s rostoucí intenzitou laktát nepřetržitě zvyšovat.

Více

Obsah. Několik slov o Excelu 2007 a 2010 9. Operace při otvírání a ukládání sešitu 15. Operace s okny 27. Kapitola 1

Obsah. Několik slov o Excelu 2007 a 2010 9. Operace při otvírání a ukládání sešitu 15. Operace s okny 27. Kapitola 1 Obsah Kapitola 1 Několik slov o Excelu 2007 a 2010 9 Nové uživatelské rozhraní 9 Pás karet 10 Panel nástrojů Rychlý přístup 11 Tlačítko Office 11 Pracovní plocha 12 Nápověda 13 Kapitola 2 Operace při otvírání

Více

Ukázka knihy z internetového knihkupectví www.kosmas.cz

Ukázka knihy z internetového knihkupectví www.kosmas.cz Ukázka knihy z internetového knihkupectví www.kosmas.cz Počítáme v Excelu v rekordním čase Druhé, aktualizované vydání Vladimír Bříza Vydala Grada Publishing, a.s. U Průhonu 22, Praha 7 jako svou 2787.

Více

Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu (AKADEMIE)

Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu (AKADEMIE) V rámci projektu OPVK CZ.1.07/2.2.00/28.0021 Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu (AKADEMIE) se v roce 2015

Více

pracovní list studenta Kombinatorika, pravděpodobnost, základy statistiky Jak jsou vysocí? Mirek Kubera

pracovní list studenta Kombinatorika, pravděpodobnost, základy statistiky Jak jsou vysocí? Mirek Kubera Výstup RVP: Klíčová slova: pracovní list studenta Kombinatorika, pravděpodobnost, základy statistiky Mirek Kubera žák diskutuje a kriticky zhodnotí statistické informace a daná statistická sdělení, volí

Více

MS EXCEL 2010 ÚLOHY. Vytvořte tabulku podle obrázku, která bude provádět základní matematické operace se dvěma zadanými čísly a a b.

MS EXCEL 2010 ÚLOHY. Vytvořte tabulku podle obrázku, která bude provádět základní matematické operace se dvěma zadanými čísly a a b. MS EXCEL 2010 ÚLOHY ÚLOHA Č.1 Vytvořte tabulku podle obrázku, která bude provádět základní matematické operace se dvěma zadanými čísly a a b. Do buněk B2 a B3 očekávám zadání hodnot. Buňky B6:B13 a D6:D13

Více

Stručný manuál k ovládání programu STATISTICA. Mgr. Petra Beranová

Stručný manuál k ovládání programu STATISTICA. Mgr. Petra Beranová Stručný manuál k ovládání programu STATISTICA Mgr. Petra Beranová Copyright StatSoft CR s.r.o. 2008, 1. vydání 2008 StatSoft CR Podbabská 16 CZ-160 00 Praha 6 tel.: +420 233 325 006 fax: +420 233 324 005

Více

9 Prostorová grafika a modelování těles

9 Prostorová grafika a modelování těles 9 Prostorová grafika a modelování těles Studijní cíl Tento blok je věnován základům 3D grafiky. Jedná se především o vysvětlení principů vytváření modelů 3D objektů, jejich reprezentace v paměti počítače.

Více

Přesvědčivost výsledků výpočtu potřeby tepla na vytápění pasivních domů

Přesvědčivost výsledků výpočtu potřeby tepla na vytápění pasivních domů Přesvědčivost výsledků výpočtu potřeby tepla na vytápění pasivních domů Pavel Kopecký, Kamil Staněk, Jan Antonín, ČVUT, Fakulta stavební Thákurova 7, 166 29 Praha 6 Tel.: +420 224 354 473, e-mail: pavel.kopecky@fsv.cvut.cz

Více

Metodické pokyny pro práci s modulem Řešitel v tabulkovém procesoru Excel

Metodické pokyny pro práci s modulem Řešitel v tabulkovém procesoru Excel Metodické pokyny pro práci s modulem Řešitel v tabulkovém procesoru Excel Modul Řešitel (v anglické verzi Solver) je určen pro řešení lineárních i nelineárních úloh matematického programování. Pro ilustraci

Více

MEZIREGIONÁLNÍ PŘEPRAVA NA ŽELEZNICI V ČR INTERREGINAL RAILWAY TRANSPORT IN CZECH REPUBLIC

MEZIREGIONÁLNÍ PŘEPRAVA NA ŽELEZNICI V ČR INTERREGINAL RAILWAY TRANSPORT IN CZECH REPUBLIC MEZIREGIONÁLNÍ PŘEPRAVA NA ŽELEZNICI V ČR INTERREGINAL RAILWAY TRANSPORT IN CZECH REPUBLIC Kateřina Pojkarová 1 Anotace:Článek se věnuje železniční přepravě mezi kraji v České republice, se zaměřením na

Více

Boltzmannův zákon. Termodynamika, energie Daniela Horváthová, dhorvathova@ukf.sk Mária Rakovská, mrakovska@ukf.sk. Praktický test teoretického zákona.

Boltzmannův zákon. Termodynamika, energie Daniela Horváthová, dhorvathova@ukf.sk Mária Rakovská, mrakovska@ukf.sk. Praktický test teoretického zákona. PROMOTE MSc POPIS TÉMATU FYZIKA 7 Název Tematický celek Jméno a e-mailová adresa autora Cíle Obsah Pomůcky Poznámky Boltzmannův zákon Termodynamika, energie Daniela Horváthová, dhorvathova@ukf.sk Mária

Více

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11.

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11. UNIVERZITA OBRANY Fakulta ekonomiky a managementu Aplikace STAT1 Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 Jiří Neubauer, Marek Sedlačík, Oldřich Kříž 3. 11. 2012 Popis a návod k použití aplikace

Více

Termistor. Teorie: Termistor je polovodičová součástka, jejíž odpor závisí na teplotě přibližně podle vzorce

Termistor. Teorie: Termistor je polovodičová součástka, jejíž odpor závisí na teplotě přibližně podle vzorce ermistor Pomůcky: Systém ISES, moduly: teploměr, ohmmetr, termistor, 2 spojovací vodiče, stojan s držáky, azbestová síťka, kádinka, voda, kahan, zápalky, soubor: termistor.imc. Úkoly: ) Proměřit závislost

Více

Shluková analýza vícerozměrných dat v programu R

Shluková analýza vícerozměrných dat v programu R Shluková analýza vícerozměrných dat v programu R - příklad použití metod PAM, CLARA a fuzzy shlukové analýzy http://data.tulipany.cz Úvodní poznámky a popis dat Pro analýzu vícerozměrných dat existují

Více