Matematické metody rozhodování

Rozměr: px
Začít zobrazení ze stránky:

Download "Matematické metody rozhodování"

Transkript

1 Mateatcké etody rozhodování Lteratra: [] J. Fotr, M. Píšek: Eaktní etody ekonockého rozhodování. Acadea, Praha 986. [2] J. Fotr, J. Dědna: Manažerské rozhodování. Skrpta VŠE, Praha 993. [3] R. Hšek, M. Maňas: Mateatcké odely v ekono. SNTL, Praha 989. [4] J. Talašová: Fzzy etody vícekrterálního hodnocení a rozhodování. VUP Olooc, [5] akákolv čebnce lneární algebry nebo něaký úvod do ateatky na VŠ (atce, deternanty, vlastní čísla a vlastní vektory atc, relace, rozklad nožny).. Mateatcký úvod Matce, typ atce, čtvercová atce, řádkový a slopcový vektor, ednotková atce. Operace s atce sčítání, násobení atce reálný čísle, lneární kobnace atc, násobení atc. Deternant, výpočet deternantů 2., 3. a 4. řád (Sarrssovo pravdlo, Laplaceův rozvo). Vlastní čísla a vlastní vektory atc, věta o výpočt vlastních vektorů atce. Kartézský sočn nožn, relace, vlastnost relací (reflevní, syetrcká, tranztvní, úplná, antsyetrcká, spořádání, kvazspořádání, ekvvalence). Rozklad nožny podle relace ekvvalence na třídy navzáe ekvvalentních prvků. Kartézský sočn nožn, relace, rozklad nožny Nechť S,T so dvě nožny. Poto ech kartézský sočne rozíe nožn všech spořádaných dvoc prvků z nožn S a T. S T = { (s,t) ; s S a t T } Poe kartézského sočn ůžee rozšířt na n lbovolných nožn S,, Sn: S Sn = { (s,, sn) ; s S, pro každé =,, n }. Specální případe kartézského sočn n nožn e n-tá kartézská ocnna nožny S S n = {(s,, sn) ; s S, pro každé =,, n}. Relace Jedno ze základních potřeb ateatky e srovnávání obektů, dávání vztah ez obekty a na základě daných vztahů a vlastností vzáené přřazování obektů. Proto e ední ze základních stavebních kaenů ateatky relace.

2 Nechť S,T so lbovolné nožny. Bnární relací z nožny S do nožny T rozíe lbovolno podnožn kartézského sočn nožn S a T. Je-l spořádaná dvoce (s, t) kartézského sočn S T prvke relace, poto zapsee (s, t) R nebo také srt. Jestlže R e relace z nožny S do nožny S, tedy R S S, poto hovoříe o bnární relac na nožně S. Relace R = a R = S T, které so nevlastní podnožna kartézského sočn S T, nazýváe prázdná relace a nverzální relace. Nechť R S T. Inverzní relací k relac R nazvee relac tvořeno vše spořádaný dvoce (t, s) nožn T, S takový, že spořádaná dvoce (s, t) náleží relac R. R- = { (t, s) T S ; (s, t) R}. Příklady relací:. Uvaže drho kartézsko ocnn nožny celých čísel Z. Poto nožna všech dvoc celých čísel (a, b), pro které platí, že a dělí b e relace na nožně Z. (Tto relac značíe a b.) 2. Nechť B e nožna všech bodů v rovně, P nožna všech příek v rovně. Poto nožna všech dvoc (b, p) B P, pro které platí, že bod b leží na příce p, e relace z B do P. 4. Nechť S e nožna všech občanů České repblky. Poto na této nožně občanů ůžee defnovat například následící relace: a) R2 e nožna všech spořádaných dvoc (, y) takových, že občan bydlí ve stené ěstě ako občan y. b) R3 e nožna všech spořádaných dvoc (, y) takových, že občané a y so sorozenc. Nyní s vedee ednotlvé vlastnost relací na nožně. Nechť R e bnární relace na nožně S. Poto tato relace se nazývá ) reflevní právě tehdy, když pro každé s S platí (s, s) R, ) syetrcká právě tehdy, když pro každé s, s2 S platí: estlže (s, s2) R, poto (s2, s) R, ) antsyetrcká právě tehdy, když pro každé s, s2 S platí: estlže (s, s2) R a zároveň (s2, s) R, poto s = s2, v) tranztvní právě tehdy, když pro každé s, s2, s3 S platí: estlže (s, s2) R a zároveň (s2, s3) R, poto (s, s3) R. v) úplná právě tehdy, když pro každé s, s2 S platí: (s, s2) R nebo (s2, s3) R Relace, která e reflevní, antsyetrcká a tranztvní, se nazývá částečné (lneární) spořádání. 2

3 Příklady: a) Relace neostré nerovnost "enší nebo rovno" na přrozených, celých, raconálních nebo reálných číslech e částečné spořádání. b) Nechť P(S) e systé všech neprázdných podnožn nožny S. Poto nožnová nklze e relací částečného spořádání na P(S). c) Relace dělení na celých číslech e částečný spořádání. Nechť S e nožna. Identcko relací nazvee relac R S S, která obsahe všechny dvoce prvků (s, s), s S a značíe d. Mez ednotlvý vlastnost relací este sposta vztahů: Nechť R e relace na nožně S.Poto tato relace e ) reflevní právě tehdy, když d R, ) syetrcká právě tehdy, když R-= R, ) antsyetrcká právě tehdy, když R- R = d, v) tranztvní právě tehdy, když Ro R = R. Bnární relac R na nožně S nazvee ekvvalence, e-l reflevní, syetrcká a tranztvní.. Rovnost = e relace ekvvalence. 2. Nechť n e přrozené číslo a nechť R e relace na nožně všech celých čísel defnována předpse (, y) R právě tehdy, když n (-y) pro každé, y Z. Poto říkáe, že prvek e kongrentní s prvke y odlo n, relac R značíe a nazýváe kongrence na celých číslech odlo n. Konkrétně například číslo 6 e kongrentní s čísle 0 odlo 2, zapsee 6 0 (od 2). Na následící důkaz toho, že relace kongrence e ekvvalence, s deonstree, ak obecně pracee s relace, ech vlastnost a ak vlastnost relací dokazee. Msíe dokázat, že relace kongrence odlo n N na Z e reflevní, syetrcká a tranztvní.. Nechť Z. Poto n - a odtd prvek e kongrentní sá se sebo odlo n, číž e splněna vlastnost reflevty. 2. Nechť, y Z. Nechť prvek e kongrentní prvk y odlo n. To e ekvvalentní to, že rozdíl prvků -y e děltelný n, ovše to platí právě tehdy, když číslo opačné -(-y) = y- e děltelné n. Toto e ovše ekvvalentní to, že prvek y e kongrentní prvk odlo n a tedy vlastnost syetre e splněna. 3. Nechť, y, z Z. Nechť prvek e kongrentní s prvke y odlo n a prvek y e kongrentní s prvke z odlo n. To e ekvvalentní to, že rozdíly prvků -y a y-z so děltelné n. Tedy ůžee psát = nk + y = nk + nl + z = n(k+l)+z, kde k,l Z a odtd n -z, číž e splněna vlastnost tranztvty. Díky vlastnost syetre zednodšeně říkáe, že prvky, y so kongrentní odlo n. 3

4 Důležtý type relace v teor vícekrterálního rozhodování e relace kvazspořádání: Bnární relace R na nožně S se nazývá kvazspořádání, e-l reflevní a tranztvní (někdy se defne ako tranztvní a úplná, reflevnost plyne z úplnost). Rozklade nožny S nazýváe každý systé eích podnožn, které so neprázdné, po dvo dsnktní a ech sednocení e celá nožna S. Ke každé relac ekvvalence R na nožně S este rozklad nožny S na třídy navzáe ekvvalentních prvků. Tento rozklad nazýváe rozklad příslšný ekvvalenc R a značíe R/S. Platí též obráceně, že ke každé rozklad nožny S na třídy este ekvvalence R na S taková, že e to rozklad příslšný k relac R. Např. relace kongrence odlo 2 na nožně celých čísel Z vytváří rozklad nožny Z na tříd sdých a tříd lchých čísel. 4

5 2. Rozhodování základní poy 2. Úloha rozhodování v anageent Rozhodování představe edn z nevýznaněších anažerských aktvt, někdy se chápe ako ádro řízení. Kvalta rozhodování ovlvňe výsledky efektvnost fngování organzací. Manažerské fnkce rozdělee na sekvenční a průběžné Sekvenční plánování, organzování, vedení, kontrolování (realzí se postpně) Průběžné analýza čnností, rozhodování, konkace Ze sekvenčních anažerských fnkcí se rozhodování nevýrazně platňe v plánování. 2.2 Stránky rozhodovacího proces, teore rozhodování Rozhodovací procesy probíhaící na různých úrovních řízení aí dvě stránky věcno (ertorní) a procedrální (forálně logcko). Mertorní stránka odráží odlšnost rozhodovacích procesů v závslost na obsahové nápln dané věc. Procedrální stránka znaená rčté společné rysy rozhodovacích probléů, ech rácový postp (procedr) řešení právě tato stránka rozhodovacích procesů e předěte teore rozhodování. V průběh hstorckého vývoe došlo ke koncpování různých teorí rozhodování teore tlty (žtk) stanove se celkové ohodnocení varant př větší počt krtérí teore socálně-psychologcké zaěřené na sbekt a eho chování teore kvanttatvně orentované založené na aplkac ateatckých odelů teore noratvního charakter poskytí návod, ak řešt rozhodovací probléy teore deskrptvního charakter popsí ž proběhlé rozhodovací procesy 2.3 Rozhodovací proces, rozhodovací problé Rozhodovací proces proces řešení rozhodovacího problé. Základní atrbte rozhodování e proces volby poszování ednotlvých varant a výběr optální varanty. Problé e vyezen estencí dference (odchylky) ez žádocí stave (standarde, noro, pláne) a sktečný stave. Tato dference sí být přrozeně nežádocí (sktečný stav e horší než stav žádocí). Probléy lze rozdělt na reálné (ž estící oho být nebezpečné, nebdo-l se řešt) a potencální (oho vznknot v bdocn). Fáze rozhodovacích procesů dentfkace problé, analýza a forlace, stanovení krtérí hodnocení varant, podle kterých se bdo varanty poszovat tvorba sobor varant, 5

6 stanovení důsledků varant (dopadů, účnků ednotlvých varant z hledska zvolených krtérí), hodnocení důsledků varant a výběr optální varanty (příp. preferenční spořádání varant), realzace zvolené varanty (praktcká pleentace rozhodntí), kontrola výsledků realzované varanty, nápravná (korekční) opatření. Cíle rozhodování (řešení rozhodovacího problé) chápee rčtý stav fry, kterého se á řešení problé dosáhnot. Cíle se vyadří nečastě číselně (např. rentablta kaptál, výše podíl na trh atd.) nebo slovní popse (zlepšení pracovních podínek, zlepšení age fry atd.). Krtéra hodnocení představí hledska zvolená rozhodovatele složící k posození výhodnost ednotlvých varant z hledska dosažení cílů. Rozeznáváe krtéra výnosového typ (vyšší hodnoty preferovány před nžší např. zsk) a krtéra nákladového typ (nžší hodnoty preferovány před vyšší např. náklady). Dále rozlšee krtéra kvanttatvní (hodnoty vyádřeny číselně) a kvaltatvní (ech důsledky vyádřeny slovně). Sbekte rozhodování (rozhodovatele) e ten, kdo rozhode. Může to být bď ednotlvec, nebo skpna ldí (orgán). Hovoříe o ndvdální a kolektvní sbekt rozhodování. V pra se rozlše eště stattární rozhodovatel (á pravooc k volbě varanty) a sktečný rozhodovatel (sktečně rozhode). Např. na nžší úrovn řízení se vybere něaká varanta a vyšší úroveň řízení en schválí, nebo zaítne. Klasfkace rozhodovacích probléů dobře a špatně strktrované probléy, prograovaná a neprograovaná rozhodntí. Dobře strktrované rozhodovací probléy aí rtnní postpy řešení, řeší se opakovaně na operatvní úrovn řízení, aí zpravdla edné kvanttatvní krtér hodnocení. Špatně strktrované rozhodovací probléy vyskytí se zpravdla na vyšších úrovních řízení, so do značné íry nové a neopakovatelné, vyžadí tvůrčí přístp, neestí pro ně standardní procedry řešení. Rozhodování za stoty rozhodovatel s stoto ví, co nastane, aké bdo důsledky varant. Rozhodování za rzka rozhodovatel zná ožné bdocí stace, které oho nastat, a sočasně zná ech pravděpodobnost Rozhodování za nestoty neso znáy pravděpodobnost bdocích stavů. (ternologe není v lteratře ednotná) Další typy rozhodovacích procesů statcké a dynacké podle toho, zda se v čase ění nebo neění nožna varant rozhodování ednokrterální a vícekrterální podle počt krtérí hodnocení strategcké, taktcké a operatvní podle řídící úrovně, na které procesy probíhaí 6

7 3. Vícekrterální rozhodování a hodnocení varant základní poy 3. Úloha vícekrterálního rozhodování Úloho vícekrterálního rozhodování (s konečno nožno varant) se rozí následící problé: Je dána nožna n varant, které so poszovány dle stanovených X,, 2, n hledsek (krtérí) z nožny. Úkole e vybrat z dané nožny varant X varant *, která e nelepší vzhlede ke krtérí z nožny K. K rčení optální varanty stačí, abycho byl schopn varanty z X na základě ech celkového posození vzhlede ke krtérí z K spořádat. Varanta zaíaící první ísto v toto spořádání e pak varanto optální. K K, * X, K2, K Mateatcká forlace problé: Na nožně varant defnee dílčích preferenčních relací (ke každé krtér edn relac) R, =, 2,,, předpse e podle K hodnocena steně nebo lépe než k, k,2, n: X,, 2, n R k Na základě dílčích preferenčních relací ůžee stanovt celkovo preferenční relac R na X:, k,2, n: R k e celkově hodnocena steně nebo lépe než k Optální varanto e pak varanta * X, pro ktero platí * R pro všechna,2, n Drhý ožný ateatcký přístp: Předpokládáe, že preference na nožně varant X vzhlede ednotlvý krtérí K, =, 2,,, so vyádřeny kvanttatvně, poocí dílčích hodnotících fnkcí : X R,, =, 2,, s vlastností, k,2, n: k R k a naší cíle e defnovat celkovo hodnotící fnkc s vlastností : X R, k,2, n: k R k 7

8 Fnkce, =, 2,,, a se nazývaí ordnální fnkce tlty. Optální varanto e pak varanta s nevyšší celkový hodnocení (tlto) * X * a,2, n Uspořádání varant, dané celkovo preferenční relací R, popř. ordnální fnkcí tlty, představe neednodšší typ hodnocení, hodnocení ordnální. Více nforace z hledska celkového posození varant představe kardnální hodnocení založené na kardnální fnkc tlty. V eho případě vedle spořádání varant získáe nforac o relatvních rozdílech v hodnocení varant z dané nožny X. 3.2 Krtéra hodnocení Krtér rozíe takové charakterstky varant, na základě kterých lze tyto varanty poszovat vzhlede k dané celkové cíl hodnocení. Požadavky na sobor krtérí: - úplnost celkový cíl hodnocení by ěl být beze zbytk vyádřen sobore krtérí - neredndance sobor bez nadbytečných krtérí - nálnost - ěřtelnost vždy e ožné forlovat hodnocení varant vzhlede k těto krtérí - asně defnovaný obsah Stro krtérí (stro dílčích cílů) e etoda napoáhaící vytvoření takového sobor krtérí: Nedříve so celkové cíl hodnocení přřazena značně abstraktní (obecná) krtéra, která se pak rozloží do konkrétněších krtérí. Tento postp se opake tak dloho, dokd se nedospěe k přío ěřtelný charakterstká varant. Uvedený způsobe vytvořená herarche krtérí e znázorněna grafe typ stro. Typy krtérí: - kvaltatvní vyadří kvalt rčté vlastnost, hodnoty zadány slovně - kvanttatvní vyadří kvantt rčté vlastnost, hodnoty zadány číselně - ordnální defní na nožně varant preferenční relac - kardnální ožňí kvanttatvní porovnávání rozdílů v hodnocení varant Není ožné ednodše ztotožňovat krtéra kvaltatvní a ordnální na straně edné a kvanttatvní a kardnální na straně drhé. Podrobně se bdee zabývat type preferenčních relací požívaných pro ordnální krtéra. Ordnální krtér e takové, které na nožně varant genere preferenční relac:, y X : R y e hodnocena steně nebo lépe než y 8

9 V teor vícekrterálního rozhodování obvykle předpokládáe, že preferenční relace á vlastnost kvazspořádání, t. de o relac tranztvní a úplno. (Z úplnost plyne také reflevnost). Na rozdíl od spořádání tak oho být různé prvky hodnoceny steně. Kvazspořádání R, představící neostro preferenční relac, lze přřadt další dvě relace: relac ostré preference (P) a relac ndference (I) varant: P y I y R y R y non y R y R Kvazspořádání proto také někdy zapsee ako R = (P, I). Z defnc relací P a I e zřeé, že platí R P I, P I Z význa relace R a defnce relací P a I dále plyne, y X :, y X : P y I y e hodnocena lépe než y e hodnocena steně ako y Věta: Nechť e dáno kvazspořádání R na X. Pak pro relace P a I odvozené z R výše vedený způsobe platí:. nastává právě edna z ožností (trchotoe):, y X P y, y P, nebo I y 2. I e relace ekvvalence (reflevní, syetrcká, tranztvní). 3. P e tranztvní relace. 4. Pro relace P a I so splněny podínky tzv. síšené tranztvty:, y, z X : P y y I z P z, I y y P z P z Naopak, so-l na X defnovány relace P a I splňící podínky -4, pak relace kvazspořádání. R P I e Věta (o strktře kvazspořádané nožny) Nechť e dáno kvazspořádání R = (P, I) na X. Defne relac R * na rozklad X/I nožny X podle ekvvalence I následící způsobe: * X, X X / I : X R X X, y X : R y Pak R * e lneární spořádání. Je-l naopak dán rozklad nožny X na sostav dsnktních podnožn X, A, t. X A X, X X pro, A,, 9

10 a lneární spořádání R * na toto rozklad, pak relace R defnovaná na X vztahe, y X : R y X, y X, X R * X e kvazspořádání. Každé kvazspořádání R lze tedy ekvvalentně vyádřt poocí lneárního spořádání R * eho tříd ndference. Další věty vádí do vzáeného vztah relac kvazspořádání a ordnální fnkcí tlty. Věta: Nechť R e kvazspořádání na nožně tlty, t. fnkce s vlastností : X R X,, 2, n. Pak este ordnální fnkce k, k,2, n : k R Věta: Nechť e dána lbovolná fnkce : X R. Pak relace R defnovaná vztahe, y X : R y y e kvazspořádání. Poznáka: Pro vztah ez kvazspořádání R = (P, I) a e odpovídaící ordnální fnkcí tlty platí: P y I y y y 3.3 Norování dílčích hodnocení, nezávslost krtérí V případě kvanttatvního krtéra s rostocí preferencí (t. krtéra, ehož vyšší hodnota e preferována před nžší) defní eho hodnoty na važované nožně varant ordnální fnkc tlty. Protože v dále popsovaných etodách vícekrterálního hodnocení e celkové hodnocení počítáno ako vážený průěr hodnocení dílčích, e vhodné, aby tato dílčí hodnocení byla norována. Proto v případě daného kvanttatvního krtéra s rostocí preferencí bdee eho hodnoty lneárně transforovat z původního nterval 0,, kde 0 e neenší (a tedy nehorší) hodnota této charakterstky dosažená na dané nožně varant X, na nterval 0,, představící ednotno hodnotící škál s rostocí preferencí, podle vzorce 0

11 y 0 0 Tto transforační fnkc lze pak považovat za norovano ordnální fnkc tlty odpovídaící dané kvanttatvní krtér. Defnce nezávslost krtérí Nechť celkové hledsko hodnocení varant e vyádřeno nožno krtérí. Nechť těto krtérí so přřazeny ordnální fnkce tlty K K,,, 2,, K2, K a celkové hodnocení varant e vyádřeno ordnální fnkcí tlty. Pak řeknee, že krtér K popsané ordnální fnkcí tlty, na krtérích ostatních, estlže pro lbovolné dvě varanty a y, pro které platí,2, y, y b, pro,2,,,, e nezávslé nezávsí ech výsledné hodnocení (t. pořadí dané celkovo ordnální fnkcí tlty ) na pevně zvolených hodnotách b. Krtéra K, K 2,, K nazýváe nezávslá, e-l každé z těchto krtérí nezávslé na ostatních. Příklad Hodnotíe kalklačky. Krtéra so cena, velkost tlačítek a velkost dsplee. Nechť pro 2 konkrétní kalklačky, y platí, že ech cena e různá, ale velkost tlačítek dsplee so stené. Pak cena e nezávslá na ostatních krtérích, estlže výsledné hodnocení kalklaček nezávsí na pevně zvolených hodnotách velkostí dsplee a tlačítek. 4. Váhy krtérí Váha krtérí K, K 2,, K rozíe nezáporná reálná čísla v, v 2,, v, která vyadří rozdílno význanost ednotlvých krtérí vzhlede k celkové hodnocení varant. Většna etod vícekrterálního hodnocení prace s norovaný váha, pro které platí v Máe-l stanoveny nenorované váhy z nch vypočtee podle vzorce v w, w 0,,2,,, w k w k pak norované váhy v

12 Váhy bývaí v lteratře zabývaící se vícekrterální rozhodování vyezeny po ateatcké stránce en vel obecně ako nezáporná reálná čísla, která v případě norovaných vah dávaí sočet edna, přčež základní vlastností, ktero nožna vah sí splňovat vzhlede k preferencí na nožně krtérí, e:,2,, v vk K, k : e význaněší nebo steně význané ako K k. Je zřeé, že k rčení vah krtérí, které by respektovaly tento požadavek, stačí defnovat kvazspořádání na nožně krtérí. Takto defnované váhy však představí poze ordnální nforac o preferencích v nožně krtérí. Metody stanovení vah: Metoda párového srovnávání krtérí Metfesselova alokace (poocí stro krtérí) Saatyho etoda (atce ntenzt preferencí S) 4. Metoda párového srovnávání krtérí Př požtí této etody so váhy krtérí odvozeny z preferenční relace epertně defnované pro dano nožn krtérí. Pokd nepředpokládáe ožnost steně hodnocených krtérí, vycházíe z ncdenční atce relace ostré preference P defnované na nožně krtérí K, pro eíž prvky platí p,k e - l - tékrtér význaněvší než k - té, 0 není - l to tak Význanost -tého krtéra, eho nenorovaná váha w, e pak odvozena z počt krtérí, před který e dané krtér preferováno, a vypočtena ze vzorce w p k, k Přpočtená každé váhy zabraňe to, aby neéně význané krtér dostalo nlovo váh. Výpočet norovaných vah v se pak provádí standardně podle výše vedeného vzorce. Příklad Incdenční atce relace ostré preference pro 4 krtéra: K K 2 K 3 K 4 K K

13 K 3 0 K Nenorované váhy: w =, w 2 = 3, w 3 = 4, w 4 = 2 Norované váhy: v = 0,, v 2 = 0,3, v 3 = 0,4, v 4 = 0,2 4.2 Metfesselova alokace (poocí stro krtérí) Tato etoda e založena na yšlence seskpení krtérí daného sobor do dílčích skpn podle příbznost ech věcné náplně. Váhy krtérí se rčí následící postpe: a) neprve se stanoví váhy ednotlvých skpn krtérí tyto váhy so norovány (sočet vah skpn krtérí e roven edné) b) dále se stanoví váhy každého krtéra v ednotlvých skpnách tyto váhy so opět norovány (sočet vah v rác každé skpny krtérí e roven edné) c) výsledné váhy krtérí se vždy stanoví vynásobení váhy krtéra v eho skpně váho této skpny krtérí Norování vah skpn a vah krtérí v rác skpny zabezpeče, že výsledné váhy krtérí so opět norovány. 4.3 Saatyho etoda stanovení vah (atce ntenzt preferencí S) Saatyho etoda se lší od etody párového srovnávání v to, že př eí požtí e ísto atce preferencí P zadávána atce ntenzt preferencí S. Jeí prvky s,k vždy představí epertně stanoveno relatvní význanost -tého krtéra vzhlede ke k-té (t. vyadří, kolkrát e -té krtér význaněší než k-té). Př zadávání těchto hodnot vyžívá epert základní pětbodové stpnce ntenzt preferencí, opatřené azykový popsy: s,k so - l obě krtéra steně význaná, 3 e - l - tékrtér slabě význaněvší než k - té, 5 e - l - tékrtér dost význaněvší než k - té, 7 e - l - tékrtér prokazatelně význaněvší než k - té, 9 e - l - tékrtér absoltně význaněvší než k - té. Pokd e naopak -té krtér éně význané než k-té, pak s, k (*) s k, 3

14 Věta (Perron-Frobenova) Matce S s dano vlastností (*) á aální reálné vlastní číslo a > 0 a odpovídaící vlastní vektor w á všechny složky kladné. Lze kázat, že pokd bde epert ve svých hodnoceních preferencí dostatečně konzstentní, pak složky norovaného vlastního vektor atce S odpovídaícího eí aální vlastní čísl a lze považovat za norované váhy važovaných krtérí. Jednodšší aproac vah krtérí získáe výpočte geoetrckých průěrů čísel v řádcích Saatyho atce a ech následný norování. 5. Metody vícekrterálního hodnocení varant - úvod Př hodnocení varant rozhodovacího problé podle různých hledsek (krtérí) e přrozené vypočítat celkové hodnocení (tlt, žtek) varant ako průěr hodnocení dílčích, která sí být rčtý způsobe standardzována, aby byla sčtatelná. Maí-l ednotlvá hledska hodnocení rozdílno důležtost, pak artetcký průěr e nahrazen průěre vážený (resp. vážený sočte). Vícekrterální fnkce tlty za stoty (fnkce žtk, žtková fnkce, preferenční fnkce) ozn. přřaze každé varantě rozhodování tlt (žtek, ohodnocení, hodnot) vyádřeno reálný čísle. Čí e toto číslo větší, tí více rozhodovatel dano varant rozhodování prefere. Konstrkce vícekrterální fnkce tlty za stoty e v obecné případě obtížná, proto se v pra nečastě prace s adtvní tvare této fnkce, který lze vyádřt následící forlí. Společná forle pro všechny ednodché etody vícekrterálního hodnocení: kde pro, 2,, v v v - nezáporná nenorovaná váha krtéra : K, v 2 2 v - dílčí hodnocení varanty vzhlede ke krtér K (hodnota dílčí fnkce tlty ordnálního nebo kardnálního charakter), 4

15 - celkové hodnocení dané varanty vzhlede k celé sobor krtérí. Jednotlvé etody se odlší způsobe stanovení vah krtérí a způsobe rčení dílčích hodnocení. Vlastnost dílčích fnkcí tlty Dílčí fnkce tlty vyadří zěn ohodnocení (přínos pro rozhodovatele) v závslost na zěnách hodnoty daného krtéra hodnocení (zěnách důsledků varant vzhlede k toto krtér). Pro krtéra výnosového typ (krtéra s rostocí preferencí) e odpovídaící dílčí fnkce tlty vždy rostocí, přčež ůže být konvení, konkávní nebo lneární. Konkávní rostocí dílčí fnkce tlty odpovídá stac, kdy rozhodovatel cení stené přírůstky hodnot daného krtéra stále éně (přírůstky dílčí tlty pro steně velké přírůstky daného krtéra klesaí). Konvení rostocí dílčí fnkce tlty zobraze naopak stac, kdy stené přírůstky hodnot daného krtéra znaenaí pro rozhodovatele stále větší přínos (přírůstky dílčí tlty pro steně velké přírůstky daného krtéra rosto). Pro krtéra nákladového typ (krtéra s klesaící preferencí) e odpovídaící dílčí fnkce tlty vždy klesaící, a to konkávní (konvení) v případě, že rozhodovatel cení stené poklesy hodnot daného krtéra stále více (éně). V pra so dílčí fnkce tlty často lneární. V toto případě znaenaí pro rozhodovatele stené přírůstky ( rostocí dílčí fnkce tlty), resp. stené poklesy ( klesaící dílčí fnkce tlty) hodnot daného krtéra vždy stený přínos. Defnční obore dílčích fnkcí tlty so ntervaly hodnot ednotlvých krtérí. Dílčí fnkce tlty e zvyke norovat tak, že nabývaí hodnot z nterval ez 0 a. Pro nehorší hodnot daného krtéra nabývá dílčí fnkce tlty hodnot 0 a pro nelepší hodnot krtéra nabývá hodnoty. 6. Jednodché etody vícekrterálního hodnocení varant (stanovení hodnoty, tlty varant) Následící etody lze požít poze v případě, že krtéra K so nezávslá. 6. Metoda bazcké varanty e rčena pro kvanttatvní krtéra s rostocí nebo klesaící preferencí celkové hodnocení varanty popsané vektore (, 2,, ) naěřených hodnot krtérí K, K 2,, K e př požtí této etody dáno forlí 5

16 v, v, v 0,,2,, kde váhy v oho být stanoveny lbovolno z etod (např. Metfesselova alokace, Saatyho etoda) -té dílčí hodnocení e dáno vztahe v případě krtéra s rostocí preferencí (výnosového typ) a b b v případě krtéra s klesaící preferencí (nákladového typ) b b b vektor,, 2, představe tzv. bazcko varant bazcká varanta e volena ako vektor nelepších nebo přede zvolených (požadovaných) hodnot krtérí na dané sobor etoda e tedy založena na stanovení dílčích ohodnocení varant vzhlede k ednotlvý krtérí poocí porovnání hodnot důsledků varant vždy s hodnota bazcké varanty dílčí fnkce tlty (pro každé krtér ná) pro krtéra výnosového typ so lneární (příky), pro krtéra nákladového typ so to hyperboly tato etoda standardzace dílčích krtérí odstraňe vlv rozdílných ednotek ěření požtých pro ednotlvá krtéra PŘÍKLAD: hodnotíe sobor šest nvestčních varant áe 4 krtéra hodnocení: o rentablta kaptál (v %) o prodktvta práce (000 Kč/prac.) o energetcká náročnost (GJ/l. Kč prodkce) o klograová cena (USD/kg prodkce) všechna krtéra so kvaltatvní, navíc výnosového typ, en energetcká náročnost e nákladového typ některo z etod stanovíe váhy krtérí v, v 2, v 3, v 4 do tablky zapíšee hodnoty krtérí daného sobor varant Krt./Var. Váhy v V V 2 V 3 V 4 V 5 V 6 Baz. Rentablta 0, Prodktvta 0, En. náročnost 0, Cena 0,

17 neprve prověříe, zda v sobor varant neeste tzv. donovaná varanta, což e taková (ůže ch být více) varanta, k níž este ná varanta, která e aspoň podle ednoho krtéra lepší a podle žádného krtéra horší než varanta donovaná v naše případě e donovano varanto V 6 e donována varanto V (e ve 2 ohledech lepší než V 6 a ve dvo stená) lze prověřt, že V až V 5 ž tvoří sobor nedonovaných varant (tento postp e dobré platnt ve všech etodách vícekrterálního hodnocení varant) vypočítáe dílčí hodnocení všech 5 varant pro ednotlvá krtéra např. pro varant V (eí důsledky označíe až 4 ): b , b 2 0, b , 4 0, b 4 (nákl. typ) dílčí ohodnocení dle ednotlvých krtérí vynásobíe vaha krtérí a sečtení dostanee celkové hodnocení varanty V (podle úvodní forle): 0,400,54 0,00,8 0,50,625 0,350,5 0,2 0,08 0,09 0,8 0, 56 V tak postpee dále pro další varanty a výsledky etody bazcké varanty shrnee do tablky: Krtér Váhy Baz. Varanta var. V V 2 V 3 V 4 V 5 Rentablta 0, ,2 0,7 0,40 0,9 0,32 Prodktvta 0, ,08 0,09 0,08 0,07 0,0 En. náročnost 0, ,09 0,2 0,07 0,5 0,06 Cena 0, ,8 0,35 0,26 0,3 0,22 Celk. hodnocení 0,56 0,73 0,8 0,72 0,70 Pořadí závěr: optální varanto e varanta V 3, nehorší varanto e varanta V 6.2 Bodovací etoda e vhodná pro takové rozhodovací úlohy, kde převaží kvaltatvní krtéra př požtí této etody epert provádí dílčí hodnocení varanty vzhlede k dané krtér podle obvykle slovně vyádřené hodnoty kvaltatvní charakterstky 7

18 přřazení bodů z bodové škály, která e ednotně stanovena pro všechna važovaná krtéra celkové hodnocení varanty e dáno forlí v b, v, v 0,,2,, kde b,, b so bodová hodnocení varanty dle ednotlvých krtérí valdta celkového hodnocení varant závsí předevší na kvaltě a kopetenc hodnottele 6.3 Metoda váženého pořadí této etody se dílčí ohodnocení varant vzhlede k ednotlvý krtérí rče podle pořadí varant vzhlede k těto krtérí rčena pro rozhodovací úlohy s převaho kvaltatvních krtérí, neboť vyžee-l kvanttatvní krtér k pohé spořádání varant, ztrácí se část nforace vyžtelné pro hodnocení celkové hodnocení varanty e dáno forlí v n p, v, v 0,,2,, kde p e pořadí varanty v lneární spořádání varant podle -tého krtéra, n e počet hodnocených varant a váhy so stanoveny analogcky ako předchozích etod z tohoto vztah plyne, že dílčí ohodnocení nelepší varanty z hledska ednotlvých krtérí e rovno právě počt krtérí, dílčí ohodnocení nehorší varanty e rovno 6.4 Metoda lneárních dílčích fnkcí tlty (etoda nverzální standardzace) 8

19 přpoští následící typy krtérí: kvanttatvní krtéra s rostocí a klesaící preferencí, kvaltatvní krtéra se stanoveno preferenční relací (kvazspořádání) na nožně varant a kvaltatvní krtéra s epertně stanovený bodový hodnocení z dané bodovací škály dílčí ohodnocení varant vzhlede k ednotlvý krtérí se v této etodě stanove odlšně, a to v závslost na povaze těchto krtérí ať de o krtér kteréhokolv typ, vždy so hodnocení pro dano nožn varant standardzována tak, aby nehorší hodnotě krtéra na dané sobor varant odpovídala 0 a nelepší naopak kvanttatvní krtéra vychází se z předpoklad, že odpovídaící dílčí fnkce tlty aí lneární tvar tyto fnkce se stanoví tak, že nehorší hodnotě -tého krtéra (na dané sobor varant) se přřadí dílčí tlta 0, nelepší hodnotě 0 dílčí tlta a sponce těchto bodů so pak zobrazení lneárních dílčích fnkcí tlty dílčí hodnotící fnkce pro varant,, 2, e defnována vztahe 0 0 kvaltatvní krtéra se stanoveno preferenční relací kvazspořádání na nožně varant dílčí hodnotící fnkce e defnována vztahe n n p * * kde p značí pořadí třídy ndferentních varant, které náleží varanta v dané kvazspořádání, a značí počet ndferenčních tříd tohoto kvazspořádání n s epertně stanovený bodový hodnocení b varanty (bodovací škála ůže ít rostocí nebo klesaící preferenc) dílčí hodnotící fnkce e defnována analogcky ako pro kvanttatvní krtér 0 b b 0 b b 0 kde b představe nehorší a b nelepší bodové hodnocení varant dané nožny vzhlede k toto krtér 9

20 PŘÍKLAD (ž dělán etodo bazcké varanty): Krt./Var. Váhy v V V 2 V 3 V 4 V 5 Rentablta 0, Prodktvta 0, En. náročnost 0, Cena 0, donovaná varanta V 6 e ž vynechána neprve stanovíe defnční obory dílčích fnkcí tlty ednotlvých krtérí (vyezeny dolní hrancí a horní hrancí - nehorší a nelepší hodnoto 0 -tého krtéra v sobor varant) vypočítáe dílčí hodnocení varant podle vztah 0 0 např. pro varant V (eí důsledky označíe až 4 ): , , , dílčí ohodnocení dle ednotlvých krtérí vynásobíe vaha krtérí a sečtení dostanee celkové hodnocení varanty V (podle úvodní forle): V 0,400,5 0,00,40 0,50,60 0,350 0,06 0,04 0,09 0 0, 9 tak postpee dále pro další varanty a výsledky etody lneárních dílčích fnkcí tlty shrnee do tablky: 0 Varanta Krtér Váhy - V V 2 V 3 V 4 V 5 Rentablta 0, ,06 0 0,40 0,04 0,26 20

21 Prodktvta 0,0 50 0,04 0,06 0,05 0 0,0 En. náročnost 0, ,09 0,3 0,04 0,5 0 Cena 0, ,35 0,8 0,26 0,09 Celk. hodnocení 0,9 0,54 0,67 0,45 0,45 Pořadí závěr: optální varanto e opět (steně ako v etodě baz. varanty) varanta V 3, nehorší varanto e opět varanta V Graf lneární dílčí fnkce tlty pro krtér K (rentablta kaptál): Saatyho etoda (Analytcký herarchcký proces AHP, L. H. Saaty, 980) opět stanove ohodnocení varant ako vážený sočet (průěr) dílčích hodnocení vzhlede k ednotlvý krtérí norované váhy krtérí se počítaí Saatyho etodo stanovení vah, t. ako složky norovaného vlastního vektor Saatyho atce S ntenzt preferencí krtérí odpovídaícího aální vlastní čísl této atce stanovení dílčích ohodnocení varant e v Saatyho etodě analogcké ž znáé postp stanovení vah poze s tí rozdíle, že srovnávaný obekty neso krtéra, ale varanty rozhodování 2

22 pro každé krtér K stanovíe Saatyho atc S na základě párového srovnávání varant, př které se postpně rče velkost preference všech dvoc varant, a to přřazení bodů ze stpnce (, 3, 5, 7, 9) dílčí hodnocení varant vzhlede k -té krtér so defnována,,, n ako složky norovaného vlastního vektor atce S odpovídaícího eí aální vlastní čísl celkové hodnocení -té varanty, e pak dáno vážený průěre,,, n v kde platí v n,,,2,, n,,,2, předností Saatyho atce e ožnost vyžtí pro hodnocení varant vzhlede k sobor krtérí obsahící krtéra kvanttatvní kvaltatvní Poznáka: Místo vlastního vektor lze požít geoetrcký průěr řádků Saatyho atce. Celková ohodnocení varant e ntné norovat tak, aby ech sočet byl roven edné. 22

MANAŽERSKÉ ROZHODOVÁNÍ

MANAŽERSKÉ ROZHODOVÁNÍ MANAŽERSKÉ ROZHODOVÁNÍ Téma 14 POSUZOVÁNÍ A HODNOCENÍ VARIANT doc. Ing. Monka MOTYČKOVÁ (Grasseová), Ph.D. Unverzta obrany Fakulta ekonomka a managementu Katedra voenského managementu a taktky Kouncova

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

Metody vícekriteriálního hodnocení variant a jejich využití při výběru produktu finanční instituce

Metody vícekriteriálního hodnocení variant a jejich využití při výběru produktu finanční instituce . meznárodní konference Řízení a modelování fnančních rzk Ostrava VŠB-TU Ostrava, Ekonomcká fakulta, katedra Fnancí 8. - 9. září 200 Metody vícekrterálního hodnocení varant a ech využtí př výběru produktu

Více

2 Rozhodovací problém

2 Rozhodovací problém Rozhodovaí problém Rozhodovaí problém je problém s víe možným řešením. Jde tedy o problémy se kterým se setkáváme v běžném žvotě. Základním krokem každého rozhodování je proes volby, tedy poszování jednotlvýh

Více

Cvičení 13 Vícekriteriální hodnocení variant a vícekriteriální programování

Cvičení 13 Vícekriteriální hodnocení variant a vícekriteriální programování Cvčení 3 Vícekrterální hodnocení varant a vícekrterální programování Vícekrterální rozhodování ) vícekrterální hodnocení varant konkrétní výčet, seznam varant ) vícekrterální programování varanty ve formě

Více

EKONOMICKO-MATEMATICKÉ METODY

EKONOMICKO-MATEMATICKÉ METODY . přednáška EKONOMICKO-MATEMATICKÉ METODY Ekonomcko matematcké metody (též se užívá název operační analýza) sou metody s matematckým základem, využívané především v ekonomcké oblast, v oblast řízení a

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

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

Teoretický souhrn k 2. až 4. cvičení

Teoretický souhrn k 2. až 4. cvičení SYSTÉMOVÁ ANALÝZA A MODELOVÁNÍ Teoretcký souhrn k 2. ž 4. cvčení ZS 2009 / 200 . Vyezení zákldních poů.. Systé e Systé e účelově defnovná nožn prvků vze ez n, která spolu se svý vstupy výstupy vykzue ko

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

KOMPLEXNÍ DVOJBRANY - PŘENOSOVÉ VLASTNOSTI

KOMPLEXNÍ DVOJBRANY - PŘENOSOVÉ VLASTNOSTI Koplexní dvobrany http://www.sweb.cz/oryst/elt/stranky/elt7.ht Page o 8 8. 6. 8 KOMPEXNÍ DVOJBNY - PŘENOSOVÉ VSTNOSTI Intergrační a derivační článek patří ezi koplexní dvobrany. Integrační článek á vlastnost

Více

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 000/00 Michal Marvan 3. Matice lineárního zobrazení V této přednášce budeme používat indexy dvoího druhu:

Více

2.1.6 Relativní atomová a relativní molekulová hmotnost

2.1.6 Relativní atomová a relativní molekulová hmotnost .1. Relativní atoová a elativní oleklová hotnost Předpoklady: Pedagogická poznáka: Tato a následjící dvě hodiny jso pokse a toch jiné podání pobleatiky. Standadní přístp znaená několik ne zcela půhledných

Více

2. Posouzení efektivnosti investice do malé vtrné elektrárny

2. Posouzení efektivnosti investice do malé vtrné elektrárny 2. Posouzení efektvnost nvestce do malé vtrné elektrárny Cíle úlohy: Posoudt ekonomckou výhodnost proektu malé vtrné elektrárny pomocí základních metod hodnocení efektvnost nvestních proekt ako sou metoda

Více

P i= Od každého obrázku sady odečteme průměrný obraz (provedeme centrování dat): (2)

P i= Od každého obrázku sady odečteme průměrný obraz (provedeme centrování dat): (2) METODA PCA A JEJÍ IMPLEMENTACE V JAZYCE C++ Lukáš Frtsch, Ing. ČVUT v Praze, Fakulta elektrotechncká, Katedra radoelektronky Abstrakt Metoda PCA (Prncpal Coponent Analyss- analýza hlavních koponent) ůže

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

2.5. MATICOVÉ ŘEŠENÍ SOUSTAV LINEÁRNÍCH ROVNIC

2.5. MATICOVÉ ŘEŠENÍ SOUSTAV LINEÁRNÍCH ROVNIC 25 MATICOVÉ ŘEŠENÍ SOUSTAV LINEÁRNÍCH ROVNIC V této kaptole se dozvíte: jak lze obecnou soustavu lneárních rovnc zapsat pomocí matcového počtu; přesnou formulac podmínek řeštelnost soustavy lneárních rovnc

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

Teorie her a ekonomické rozhodování. 10. Rozhodování při jistotě, riziku a neurčitosti

Teorie her a ekonomické rozhodování. 10. Rozhodování při jistotě, riziku a neurčitosti Teore her a ekonomcké rozhodování 10. Rozhodování př stotě, rzku a neurčtost 10.1 Jednokrterální dskrétní model Jednokrterální model rozhodování: f a ) max a Aa, a,..., a ( 1 2 f krterální funkce (zsk,

Více

Finanční management. Nejefektivnější portfolio (leží na hranici) dle Markowitze: Přímka kapitálového trhu

Finanční management. Nejefektivnější portfolio (leží na hranici) dle Markowitze: Přímka kapitálového trhu Finanční anageent Příka kapitálového trhu, odel CAPM, systeatické a nesysteatické riziko Příka kapitálového trhu Čí vyšší e sklon křivky, tí vyšší e nechuť investora riskovat. očekávaný výnos Množina všech

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

1. Hmotnost a látkové množství

1. Hmotnost a látkové množství . Hotnost a látkové nožství Hotnost stavební jednotky látky (například ato, olekly, vzorcové jednotky, eleentární částice atd.) označjee sybole a, na rozdíl od celkové hotnosti látky. Při požití základní

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

1. Spektrální rozklad samoadjungovaných operátorů 1.1. Motivace Vlastní čísla a vlastní vektory symetrické matice 1 1 A = 1 2.

1. Spektrální rozklad samoadjungovaných operátorů 1.1. Motivace Vlastní čísla a vlastní vektory symetrické matice 1 1 A = 1 2. . Spektrální rozklad samoadjungovaných operátorů.. Motvace Vlastní čísla a vlastní vektory symetrcké matce A = A λe = λ λ = λ 3λ + = λ 3+ λ 3 Vlastní čísla jsou λ = 3+, λ = 3. Pro tato vlastní čísla nalezneme

Více

Příloha. Externí stabilita. Obr. 11 Výpočetní schéma opěrné stěny pro potřeby externí stability. Výška opěrné stěny

Příloha. Externí stabilita. Obr. 11 Výpočetní schéma opěrné stěny pro potřeby externí stability. Výška opěrné stěny Příloha PŘÍKLAD VÝPOČTU Pro doplnění vedené teore je veden praktcký výpočetní příklad. Jedná se o návrh vyztžené opěrné stěny s betonový prvky Gravty Stone a s výztží z geoříží Mragrd. Výškový rozdíl terénů,

Více

1. Úvod. Cílem teorie her je popsat situaci, která nás zajímá, jako hru. Klasickým případem

1. Úvod. Cílem teorie her je popsat situaci, která nás zajímá, jako hru. Klasickým případem Kvaternon 2/204, 79 98 79 MATICOVÉ HRY V INŽENÝRSTVÍ JAROSLAV HRDINA a PETR VAŠÍK Abstrakt. Následuící text pokrývá eden z cyklů přednášek předmětu Aplkovaná algebra pro nženýry (0AA) na FSI VUT. Text

Více

Softwarová podpora matematických metod v ekonomice a řízení

Softwarová podpora matematických metod v ekonomice a řízení Softwarová podpora matematckých metod v ekonomce a řízení Petr Sed a Opava 2013 Hrazeno z prostředků proektu OPVK CZ.1.07/2.2.00/15.0174 Inovace bakalářských studních oborů se zaměřením na spoluprác s

Více

Finanční matematikou rozumíme soubor obecných matematických metod uplatněných v oblasti financí. Základní pojmy ve finanční matematice:

Finanční matematikou rozumíme soubor obecných matematických metod uplatněných v oblasti financí. Základní pojmy ve finanční matematice: 1 Úvod Fnanční ateatkou rozuíe soubor obecných ateatckých etod uplatněných v oblast fnancí. Základní pojy ve fnanční ateatce: 1. Úrok je cena půjčky. Věřtel, který půjčku poskytne, s účtuje úrok jako cenu

Více

Hodnocení účinnosti údržby

Hodnocení účinnosti údržby Hodnocení účnnost ekonomka, pojmy, základní nástroje a hodnocení Náklady na údržbu jsou nutné k obnovení funkce výrobního zařízení Je potřeba se zabývat ekonomckou efektvností a hodnocením Je třeba řešt

Více

Měření příkonu míchadla při míchání suspenzí

Měření příkonu míchadla při míchání suspenzí U8 Ústav procesní a zpracovatelské technky FS ČVUT v Praze Měření příkonu rotačních íchadel př íchání suspenzí I. Úkol ěření V průyslu téěř 60% všech operacích, kdy je íchání používáno, představuje íchání

Více

Iterační výpočty. Dokumentace k projektu pro předměty IZP a IUS. 22. listopadu projekt č. 2

Iterační výpočty. Dokumentace k projektu pro předměty IZP a IUS. 22. listopadu projekt č. 2 Dokumentace k projektu pro předměty IZP a IUS Iterační výpočty projekt č.. lstopadu 1 Autor: Mlan Setler, setl1@stud.ft.vutbr.cz Fakulta Informačních Technologí Vysoké Učení Techncké v Brně Obsah 1 Úvod...

Více

Metody výběru variant

Metody výběru variant Metody výběru variant Používají se pro výběr v případě více variant řešení stejného problému Lze vybírat dle jednoho nebo více kritérií V případě více kritérií mohou mít všechna stejnou důležitost nebo

Více

4. Střídavý proud. Časový průběh harmonického napětí

4. Střídavý proud. Časový průběh harmonického napětí 4. Střídavý prod 4. Vznk střídavého prod Doteď jse se zabýval poze prode, který obvode prochází stále stejný sěre (stejnosěrný prod). V prax se kázalo, že tento prod je značně nevýhodný. Zdroje napětí

Více

Rozhodovací procesy 8

Rozhodovací procesy 8 Rozhodovací procesy 8 Rozhodování za jistoty Příprava předmětu byla podpořena projektem OPPA č. CZ.2.17/3.1.00/33253 VIII rozhodování 1 Rozhodování za jistoty Cíl přednášky 8: Rozhodovací analýza Stanovení

Více

Základy finanční matematiky

Základy finanční matematiky Hodna 38 Strana 1/10 Gymnázum Budějovcká Voltelný předmět Ekonome - jednoletý BLOK ČÍSLO 6 Základy fnanční matematky ředpokládaný počet : 5 hodn oužtá lteratura : Frantšek Freberg Fnanční teore a fnancování

Více

Nejistoty v mìøení III: nejistoty nepøímých mìøení

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

Více

DIPLOMOVÁ PRÁCE UNIVERZITA PALACKÉHO V OLOMOUCI KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY

DIPLOMOVÁ PRÁCE UNIVERZITA PALACKÉHO V OLOMOUCI KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY UNIVERZITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY DIPLOMOVÁ PRÁCE Mateatka úvěrů Vedoucí dploové práce: Mgr Eva Bohanesová, PhD Rok odevzdání: 2010

Více

ČASOVÁ KOORDINACE SPOJŮ VEŘEJNÉ HROMADNÉ DOPRAVY NA ÚSECÍCH DOPRAVNÍ SÍTĚ

ČASOVÁ KOORDINACE SPOJŮ VEŘEJNÉ HROMADNÉ DOPRAVY NA ÚSECÍCH DOPRAVNÍ SÍTĚ ČASOVÁ KOORDINACE SPOJŮ VEŘEJNÉ HROMADNÉ DOPRAVY NA ÚSECÍCH DOPRAVNÍ SÍTĚ THE TIME COORDINATION OF PUBLIC MASS TRANSPORT ON SECTIONS OF THE TRANSPORT NETWORK Petr Kozel 1 Anotace: Předložený příspěvek

Více

1 CHYBY, VARIABILITA A NEJISTOTY INSTRUMENTÁLNÍCH MĚŘENÍ

1 CHYBY, VARIABILITA A NEJISTOTY INSTRUMENTÁLNÍCH MĚŘENÍ 1 CHYBY, VARIABILITA A NEJISTOTY INSTRUMENTÁLNÍCH MĚŘENÍ Účele ěření je stanovení velkost ěřené velčny, charakterzující určtou specfckou vlastnost. Specfkace ěřené velčny ůže vyžadovat údaje o dalších

Více

MĚŘENÍ INDUKČNOSTI A KAPACITY

MĚŘENÍ INDUKČNOSTI A KAPACITY Úloha č. MĚŘENÍ NDKČNOST A KAPATY ÚKO MĚŘENÍ:. Změřte ndkčnost cívky bez jádra z její mpedance a stanovte nejstot měření.. Změřte na Maxwellově můstk ndkčnost cívky a rčete nejstot měření. Porovnejte výsledky

Více

1. Nejkratší cesta v grafu

1. Nejkratší cesta v grafu 08. Nekratší cesty. Úloha obchodního cestuícího. Heurstky a aproxmační algortmy. Metoda dynamckého programování. Problém batohu. Pseudopolynomální algortmy 1. Nekratší cesta v grafu - sled e lbovolná posloupnost

Více

VÍCEKRITERIÁLNÍ ROZHODOVANÍ

VÍCEKRITERIÁLNÍ ROZHODOVANÍ VÍCEKRITERIÁLNÍ ROZHODOVANÍ 1 Obsah Typy modelů vícekriteriálního rozhodování Základní pojmy Typy informací Cíl modelů Užitek, funkce užitku Grafické zobrazení Metody vícekriteriální analýzy variant 2

Více

Postupy při hodnocení variant a výběru nejvhodnějšího řešení. Šimon Kovář Katedra textilních a jednoúčelových strojů

Postupy při hodnocení variant a výběru nejvhodnějšího řešení. Šimon Kovář Katedra textilních a jednoúčelových strojů Postupy při hodnocení variant a výběru nejvhodnějšího řešení Šimon Kovář Katedra textilních a jednoúčelových strojů Znáte nějaké postupy hodnocení variant řešení? Vícekriteriální rozhodování Při výběru

Více

1 Báze a dimenze vektorového prostoru 1

1 Báze a dimenze vektorového prostoru 1 1 Báze a dimenze vektorového prostoru 1 Báze a dimenze vektorového prostoru 1 2 Aritmetické vektorové prostory 7 3 Eukleidovské vektorové prostory 9 Levá vnější operace Definice 5.1 Necht A B. Levou vnější

Více

Komplexní čísla, Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady

Komplexní čísla, Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady Předmět: Náplň: Třída: Počet hodin: Pomůcky: Matematika Komplexní čísla, Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady 4. ročník a oktáva 3 hodiny týdně PC a dataprojektor, učebnice

Více

Hydrometrické vrtule a měření s nimi

Hydrometrické vrtule a měření s nimi Ing. Danel Mattas, CSc. Hydrometrcké vrtle a měření s nm (ČSN EN ISO 748 aj.) Danel Mattas 013 ČKSVV 013 Hydrometrcké vrtle a měření s nm Obsah Hydrometrcká měřdla a jejch údržba ČSN ISO 537, zejména čl.

Více

ANALÝZA RIZIKA A CITLIVOSTI JAKO SOUČÁST STUDIE PROVEDITELNOSTI 1. ČÁST

ANALÝZA RIZIKA A CITLIVOSTI JAKO SOUČÁST STUDIE PROVEDITELNOSTI 1. ČÁST Abstrakt ANALÝZA ZKA A CTLOST JAKO SOUČÁST STUDE POVEDTELNOST 1. ČÁST Jří Marek Úspěšnost nvestce závsí na tom, jaké nejstoty ovlvní její předpokládaný žvotní cyklus. Pomocí managementu rzka a analýzy

Více

Matematická analýza 1

Matematická analýza 1 Matematická analýza 1 ZS 2019-20 Miroslav Zelený 1. Logika, množiny a základní číselné obory 2. Limita posloupnosti 3. Limita a spojitost funkce 4. Elementární funkce 5. Derivace 6. Taylorův polynom Návod

Více

Proces řízení rizik projektu

Proces řízení rizik projektu Proces řízení rzk projektu Rzka jevy a podmínky, které nejsou pod naší přímou kontrolou a ovlvňují cíl projektu odcylky, předvídatelná rzka, nepředvídatelná rzka, caotcké vlvy Proces řízení rzk sled aktvt,

Více

2 ÚVOD DO TEORIE PRAVDĚPODOBNOSTI. 2.1 Náhodný jev. π, které je třeba co nejpřesněji a nejúplněji vymezit, a k nimž je třeba výsledky pokusu a

2 ÚVOD DO TEORIE PRAVDĚPODOBNOSTI. 2.1 Náhodný jev. π, které je třeba co nejpřesněji a nejúplněji vymezit, a k nimž je třeba výsledky pokusu a ÚVOD DO TEORIE PRAVDĚPODOBNOSTI.1 Náhodný ev Tato kaptola uvádí souhrn základních pomů a postupů teore pravděpodobnost, které se uplatňuí př rozboru spolehlvost stavebních konstrukcí a systémů. Výklad

Více

- 1 - Obvodová síla působící na element lopatky větrné turbíny

- 1 - Obvodová síla působící na element lopatky větrné turbíny - - Tato Příloha 898 je sočástí článk č.. Větrné trbíny a ventlátory, http://www.transformacntechnologe.cz/vetrne-trbny-a-ventlatory.html. Odvození základních rovnc aerodynamckého výpočt větrné trbíny

Více

Metody vícekriteriálního hodnocení variant

Metody vícekriteriálního hodnocení variant Management manažerské rozhodování Metody vícekriteriálního hodnocení variant 27.2. 2014, Brno Autor: Ing. Iveta Kališová Vytvořeno s podporou projektu Průřezová inovace studijních programů Lesnické a dřevařské

Více

Ivana Linkeová SPECIÁLNÍ PŘÍPADY NURBS REPREZENTACE. 2 NURBS reprezentace křivek

Ivana Linkeová SPECIÁLNÍ PŘÍPADY NURBS REPREZENTACE. 2 NURBS reprezentace křivek 25. KONFERENCE O GEOMETRII A POČÍTAČOVÉ GRAFICE Ivana Lnkeová SPECIÁLNÍ PŘÍPADY NURBS REPREZENTACE Abstrakt Příspěvek prezentuje B-splne křvku a Coonsovu, Bézerovu a Fergusonovu kubku jako specální případy

Více

Dále budeme předpokládat, že daný Markovův řetězec je homogenní. p i1 i 2

Dále budeme předpokládat, že daný Markovův řetězec je homogenní. p i1 i 2 4 Markovovy řetězce se nazývá Markovův řetě- Defnce 7 Posloupnost celočíselných náhodných velčn {X n } zec (markovský řetězec), jestlže P(X n+ = j X n = n,, X 0 = 0 ) = P(X n+ = j X n = n ) (7) pro každé

Více

Dá se ukázat, že vzdálenost dvou bodů má tyto vlastnosti: 2.2 Vektor, souřadnice vektoru a algebraické operace s vektory

Dá se ukázat, že vzdálenost dvou bodů má tyto vlastnosti: 2.2 Vektor, souřadnice vektoru a algebraické operace s vektory Vektorový počet.1 Eklidovský prostor E 3 Eklidovský prostor E 3 je prostor spořádaných trojic (tj. bodů), v němž je definována vzdálenost dvo jeho bodů A, B (značíme ji AB ). Vzdálenost bodů A = [a 1,

Více

SIMULACE. Numerické řešení obyčejných diferenciálních rovnic. Měřicí a řídicí technika magisterské studium FTOP - přednášky ZS 2009/10

SIMULACE. Numerické řešení obyčejných diferenciálních rovnic. Měřicí a řídicí technika magisterské studium FTOP - přednášky ZS 2009/10 SIMULACE numercké řešení dferencálních rovnc smulační program dentfkace modelu Numercké řešení obyčejných dferencálních rovnc krokové metody pro řešení lneárních dferencálních rovnc 1.řádu s počátečním

Více

Obsah přednášky 1. Bayesův teorém 6. Naivní Bayesovský klasifikátor (NBK)

Obsah přednášky 1. Bayesův teorém 6. Naivní Bayesovský klasifikátor (NBK) Obsah přednášky 1. Bayesův teorém 2. Brutální Bayesovský klasfkátor (BBK) 3. Mamální aposterorní pravděpodobnost (MA) 4. Optmální Bayesovský klasfkátor (OBK) 5. Gbbsův alortmus (GA) 6. Navní Bayesovský

Více

POROVNÁNÍ MEZI SKUPINAMI

POROVNÁNÍ MEZI SKUPINAMI POROVNÁNÍ MEZI SKUPINAMI Potřeba porovnání počtů mez určtým skupnam jednců např. porovnání počtů onemocnění mez kraj nebo okresy v prax se obvykle pracuje s porovnáním na 100.000 osob. Stuace ale nebývá

Více

APLIKACE MATEMATICKÉHO PROGRAMOVÁNÍ PŘI NÁVRHU STRUKTURY DISTRIBUČNÍHO SYSTÉMU

APLIKACE MATEMATICKÉHO PROGRAMOVÁNÍ PŘI NÁVRHU STRUKTURY DISTRIBUČNÍHO SYSTÉMU APLIKACE MATEMATICKÉHO PROGRAMOVÁNÍ PŘI NÁVRHU STRUKTURY DISTRIBUČNÍHO SYSTÉMU APPLICATION OF MATHEMATICAL PROGRAMMING IN DESIGNING THE STRUCTURE OF THE DISTRIBUTION SYSTEM Martn Ivan 1 Anotace: Prezentovaný

Více

7 Kardinální informace o kritériích (část 1)

7 Kardinální informace o kritériích (část 1) 7 Kardinální informace o kritériích (část 1) Předpokládejme stejná značení jako v předchozích cvičeních. Kardinální informací o kritériích se rozumí ohodnocení jejich důležitosti k pomocí váhového vektoru

Více

ANALÝZA SPOTŘEBITELSKÉHO CHOVÁNÍ S VYUŽITÍM TÖRNQUISTOVÝCH FUNKCÍ U VYBRANÝCH POTRAVINÁŘSKÝCH VÝROBKŮ

ANALÝZA SPOTŘEBITELSKÉHO CHOVÁNÍ S VYUŽITÍM TÖRNQUISTOVÝCH FUNKCÍ U VYBRANÝCH POTRAVINÁŘSKÝCH VÝROBKŮ ANALÝZA SPOTŘEBITELSKÉHO CHOVÁNÍ S VYUŽITÍM TÖRNQUISTOVÝCH FUNKCÍ U VYBRANÝCH POTRAVINÁŘSKÝCH VÝROBKŮ THE ANALYSIS OF CONSUMER BEHAVIOR WITH TÖRNQUIST FUNCTIONS USING FOR CHOICE FOOD PRODUCTS Pavlína Hálová

Více

Určení geometrických a fyzikálních parametrů čočky

Určení geometrických a fyzikálních parametrů čočky C Určení geoetrickýc a yzikálníc paraetrů čočky Úkoly :. Určete poloěry křivosti ploc čočky poocí séroetru. Zěřte tloušťku čočky poocí digitálnío posuvnéo ěřítka 3. Zěřte oniskovou vzdálenost spojné čočky

Více

Maticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru:

Maticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru: 3 Maticový počet 3.1 Zavedení pojmu matice Maticí typu (m, n, kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru: a 11 a 12... a 1k... a 1n a 21 a 22...

Více

Téma 6: Indexy a diference

Téma 6: Indexy a diference dexy a dferece Téma 6: dexy a dferece ředáška 9 dvdálí dexy a dferece Základí ojmy Vedle elemetárího statstckého zracováí dat se hromadé jevy aalyzjí tzv. srováváím růzých kazatelů. Statstcký kazatel -

Více

{ } SYNTÉZA TABULEK PŘECHODŮ 1. NEALGEBRAICKÉ METODY

{ } SYNTÉZA TABULEK PŘECHODŮ 1. NEALGEBRAICKÉ METODY SNTÉZA TABULEK PŘECHODŮ. NEALGEBRAICKÉ METOD a) GINSBURGOVA METODA Využívá tzv. korespondencí mez vstupním a výstupním slovem př dané vstupní a výstupní abecedě. Jnak řečeno, vyhodnocuí se ednotlvé odezvy

Více

Metody, jak stanovit správné váhy

Metody, jak stanovit správné váhy Metody, jak stanovit správné váhy ING. BARBORA UZDAŘOVÁ RE-MEDICAL S.R.O 10.11.2016, OSTRAVA ebf 2016 Ekonomická výhodnost Obsah u Metoda pořadí u Bodovací metoda u Metoda alokace 100 bodů u Metoda párového

Více

ANALÝZA ROZPTYLU (Analysis of Variance ANOVA)

ANALÝZA ROZPTYLU (Analysis of Variance ANOVA) NLÝZ OZPYLU (nalyss of Varance NOV) Používá se buď ako samostatná technka, nebo ako postup, umožňuící analýzu zdroů varablty v lneární regres. Př. použtí: k porovnání středních hodnot (průměrů) více než

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

označme j = (0, 1) a nazvěme tuto dvojici imaginární jednotkou. Potom libovolnou (x, y) = (x, 0) + (0, y) = (x, 0) + (0, 1)(y, 0) = x + jy,

označme j = (0, 1) a nazvěme tuto dvojici imaginární jednotkou. Potom libovolnou (x, y) = (x, 0) + (0, y) = (x, 0) + (0, 1)(y, 0) = x + jy, Komplexní čísla Množinu všech uspořádaných dvojic (x, y) reálných čísel x, y nazýváme množinou komplexních čísel C, jestliže pro každé dvě takové dvojice (x, y ), (x 2, y 2 ) je definována rovnost, sčítání

Více

APLIKACE METOD VÍCEKRITERIÁLNÍHO ROZHODOVÁNÍ PŘI HODNOCENÍ KVALITY VEŘEJNÉ DOPRAVY

APLIKACE METOD VÍCEKRITERIÁLNÍHO ROZHODOVÁNÍ PŘI HODNOCENÍ KVALITY VEŘEJNÉ DOPRAVY APLIKACE METOD VÍCEKRITERIÁLNÍHO ROZHODOVÁNÍ PŘI HODNOCENÍ KVALITY VEŘEJNÉ DOPRAVY APPLICATION OF METHODS MULTI-CRITERIA DECISION FOR EVALUATION THE QUALITY OF PUBLIC TRANSPORT Ivana Olvková 1 Anotace:

Více

Skládání (interference) vlnění

Skládání (interference) vlnění Skládání (interference) vlnění Protože vlnění je ve své podstatě kitání (sostavy) hotných bodů, neůže nás překvapit, že existje jev skládání vlnění od (několika) různých zdrojů - který neznaená nic jiného,

Více

Agregace vzájemné spojování destabilizovaných částic ve větší celky, případně jejich adheze na povrchu jiných materiálů

Agregace vzájemné spojování destabilizovaných částic ve větší celky, případně jejich adheze na povrchu jiných materiálů Agregace - úvod 1 Agregace vzáemné spoování destablzovaných částc ve větší cely, případně ech adheze na povrchu ných materálů Částce mohou agregovat, poud vyazuí adhezní schopnost a poud e umožněno ech

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

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

podle typu regresní funkce na lineární nebo nelineární model Jednoduchá lineární regrese se dá vyjádřit vztahem y

podle typu regresní funkce na lineární nebo nelineární model Jednoduchá lineární regrese se dá vyjádřit vztahem y 4 Lneární regrese 4 LINEÁRNÍ REGRESE RYCHLÝ NÁHLED DO KAPITOLY Častokrát potřebujete zjstt nejen, jestl jsou dvě nebo více proměnných na sobě závslé, ale také jakým vztahem se tato závslost dá popsat.

Více

2. ELEKTRICKÉ OBVODY STEJNOSMĚRNÉHO PROUDU

2. ELEKTRICKÉ OBVODY STEJNOSMĚRNÉHO PROUDU VŠB T Ostrava Faklta elektrotechnky a nformatky Katedra obecné elektrotechnky. ELEKTCKÉ OBVODY STEJNOSMĚNÉHO POD.. Topologe elektrckých obvodů.. Aktvní prvky elektrckého obvod.3. Pasvní prvky elektrckého

Více

LINEÁRNÍ PROGRAMOVÁNÍ

LINEÁRNÍ PROGRAMOVÁNÍ LINEÁRNÍ PROGRAMOVÁNÍ Lneární programování e druh matematckého programování. Matematcký model se skládá z:. účelové funkce. omezuících podmínek (vlastní omezení a podmínk nezápornost) Účelová funkce omezuící

Více

Podmíněná pravděpodobnost, spolehlivost soustav

Podmíněná pravděpodobnost, spolehlivost soustav S1 odmíněná pravděpodobnost, spolehlvost soustav odmíněná pravděpodobnost, spolehlvost soustav Lbor Žák odmíněná pravděpodobnost Nechť,, 0, podmíněná pravděpodobnost evu vzhledem k evu : S akou pravděpodobností

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

Attitudes and criterias of the financial decisionmaking under uncertainty

Attitudes and criterias of the financial decisionmaking under uncertainty 8 th Internatonal scentfc conference Fnancal management of frms and fnancal nsttutons Ostrava VŠB-TU Ostrava, faculty of economcs,fnance department 6 th 7 th September 2011 Atttudes and crteras of the

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

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

Katedra elektrotechniky Fakulta elektrotechniky a informatiky, VŠB - TU Ostrava

Katedra elektrotechniky Fakulta elektrotechniky a informatiky, VŠB - TU Ostrava Katedra elektrotechnky Faklta elektrotechnky a nforatky, VŠB - Ostrava 3. EEKKÉ OBVODY SŘÍDAVÉHO POD 3.. Úvod 3.. Základní pojy z teore střídavého prod 3.3. Sybolcko - koplexní etoda, fázory 3.4. Výkon

Více

Vysoká škola báňská - Technická univerzita Ostrava Fakulta elektrotechniky a informatiky LOGICKÉ OBVODY pro kombinované a distanční studium

Vysoká škola báňská - Technická univerzita Ostrava Fakulta elektrotechniky a informatiky LOGICKÉ OBVODY pro kombinované a distanční studium Vysoká škola báňská - Techncká unverzta Ostrava Fakulta elektrotechnky a nformatky LOGICKÉ OBVODY pro kombnované a dstanční studum Zdeněk Dvš Zdeňka Chmelíková Iva Petříková Ostrava ZDENĚK DIVIŠ, ZDEŇKA

Více

Hlavní body. Úvod do dynamiky. Dynamika translačních pohybů Dynamika rotačních pohybů

Hlavní body. Úvod do dynamiky. Dynamika translačních pohybů Dynamika rotačních pohybů Mechanka dynaka Hlavní body Úvod do dynaky. Dynaka tanslačních pohybů Dynaka otačních pohybů Úvod do dynaky Mechanka by byla neúplná, kdyby se nezabývala, důvody poč se tělesa dávají do pohybu, zychlují,

Více

2. PŘESNOST MĚŘENÍ A1B38EMA P2 1

2. PŘESNOST MĚŘENÍ A1B38EMA P2 1 . ŘESNOST MĚŘENÍ přesnost měření nejistota měření, nejistota typ A a typ B, kombinovaná nejistota, nejistoty měření kazovacími (analogovými) a číslicovými měřicími přístroji, nejistota při nepřímých měřeních,

Více

Matematické metody rozhodování

Matematické metody rozhodování Matematické metody rozhodování Roman Hájek, Klára Hrůzová, Tomáš Konečný, Markéta Krmelová, Martin Trnečka 20. března 2010 Rozhodovacíproblém: Výběrideálníhonotebooku. ID Notebook Váha Design Baterie Procesor

Více

Základní pojmy teorie množin Vektorové prostory

Základní pojmy teorie množin Vektorové prostory Základní pojmy teorie množin Přednáška MATEMATIKA č. 1 Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz 7. 10. 2010 Základní pojmy teorie množin Základní pojmy

Více

Lineární algebra Operace s vektory a maticemi

Lineární algebra Operace s vektory a maticemi Lineární algebra Operace s vektory a maticemi Robert Mařík 26. září 2008 Obsah Operace s řádkovými vektory..................... 3 Operace se sloupcovými vektory................... 12 Matice..................................

Více

2. Určete optimální pracovní bod a účinnost solárního článku při dané intenzitě osvětlení, stanovte R SH, R SO, FF, MPP

2. Určete optimální pracovní bod a účinnost solárního článku při dané intenzitě osvětlení, stanovte R SH, R SO, FF, MPP FP 5 Měření paraetrů solárních článků Úkoly : 1. Naěřte a poocí počítače graficky znázorněte voltapérovou charakteristiku solárního článku. nalyzujte vliv různé intenzity osvětlení, vliv sklonu solárního

Více

Posuzování výkonnosti projektů a projektového řízení

Posuzování výkonnosti projektů a projektového řízení Posuzování výkonnost projektů a projektového řízení Ing. Jarmla Ircngová Západočeská unverzta v Plzn, Fakulta ekonomcká, Katedra managementu, novací a projektů jrcngo@kp.zcu.cz Abstrakt V současnost je

Více

Spojité regulátory - 1 -

Spojité regulátory - 1 - Spojté regulátory - 1 - SPOJIÉ EGULÁOY Nespojté regulátory mají většnou jednoduchou konstrukc a jsou levné, ale jsou nevhodné tím, že neudržují regulovanou velčnu přesně na žádané hodnotě, neboť regulovaná

Více

PRACOVNÍ SEŠIT ANALYTICKÁ GEOMETRIE. 8. tematický okruh: Připrav se na státní maturitní zkoušku z MATEMATIKY důkladně, z pohodlí domova a online

PRACOVNÍ SEŠIT ANALYTICKÁ GEOMETRIE. 8. tematický okruh: Připrav se na státní maturitní zkoušku z MATEMATIKY důkladně, z pohodlí domova a online Připrav se na státní matritní zkošk z MATEMATIKY důkladně, z pohodlí domova a online PRACOVNÍ SEŠIT 8. tematický okrh: ANALYTICKÁ GEOMETRIE vytvořila: RNDr. Věra Effenberger expertka na online příprav

Více

REÁLNÁ FUNKCE JEDNÉ PROMĚNNÉ

REÁLNÁ FUNKCE JEDNÉ PROMĚNNÉ REÁLNÁ FUNKCE JEDNÉ PROMĚNNÉ 5 přednáška S funkcemi se setkáváme na každém kroku ve všech přírodních vědách ale i v každodenním životě Každá situace kdy jsou nějaký jev nebo veličina jednoznačně určeny

Více

Uspořádanou n-tici reálných čísel nazveme aritmetický vektor (vektor), ā = (a 1, a 2,..., a n ). Čísla a 1, a 2,..., a n se nazývají složky vektoru

Uspořádanou n-tici reálných čísel nazveme aritmetický vektor (vektor), ā = (a 1, a 2,..., a n ). Čísla a 1, a 2,..., a n se nazývají složky vektoru 1 1. Lineární algebra 1.1. Lineární závislost a nezávislost vektorů. Hodnost matice Aritmetické vektory Uspořádanou n-tici reálných čísel nazveme aritmetický vektor (vektor), ā = (a 1, a 2,..., a n ).

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

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

Matice. Modifikace matic eliminační metodou. α A = α a 2,1, α a 2,2,..., α a 2,n α a m,1, α a m,2,..., α a m,n

Matice. Modifikace matic eliminační metodou. α A = α a 2,1, α a 2,2,..., α a 2,n α a m,1, α a m,2,..., α a m,n [1] Základní pojmy [2] Matice mezi sebou sčítáme a násobíme konstantou (lineární prostor) měníme je na jiné matice eliminační metodou násobíme je mezi sebou... Matice je tabulka čísel s konečným počtem

Více

Teoretické modely diskrétních náhodných veličin

Teoretické modely diskrétních náhodných veličin Teoretcké modely dskrétních náhodných velčn Velčny, kterým se zabýváme, bývají nejrůznější povahy. Přesto však estují skupny náhodných velčn, které mají podobně rozloženou pravděpodobnostní funkc a lze

Více

Bilance nejistot v oblasti průtoku vody. Mgr. Jindřich Bílek

Bilance nejistot v oblasti průtoku vody. Mgr. Jindřich Bílek Bilance nejistot v oblasti průtok vody Mgr. Jindřich Bílek Nejistota měření Parametr přiřazený k výsledk měření ymezje interval, o němž se s rčito úrovní pravděpodobnosti předpokládá, že v něm leží sktečná

Více