Vstupní tok požadavků
|
|
- Jakub Ševčík
- před 6 lety
- Počet zobrazení:
Transkript
1 Vsupní o požadavů Bodový proces, záladní ypy procesů Bodový proces Sledujeme chod určiého procesu, v němž čas od času dochází jisé význačné událosi posloupnos časových oamžiů = proces deerminován (jízdním řádem, bezpečnosními zásahy ) sochasicý (zajímají nás pravděpodobnosi, s nimiž čísla i, nebo něeré jejich funce vyhovují určiým vzahům) 1
2 = = Zápis procesu 1 3 posloupnos časových oamžiů 1,,..., n posloupnos inervalů 1,,..., n ;,1,,... 1 n n1 ; n 1,,... regisrujeme celový poče událosí od =. N()... poče událosí v průběhu časového inervalu <,> N n () n n 1 N(s,)... poče událosí během časového inervalu <s,s+> s,, N( s, ) N( s ) N( s) N( ) N(, ) 3 Pravděpodobnosní charaerisiy procesu 1 3 Proces je zapsán posloupnosí inervalů 1,,..., n A ( ) P{ },,1,, Jesliže jsou 1,,..., n spojié náhodné veličiny, můžeme definova husou pravděpodobnosi a ( ) A ( ) A( ) a( u) du Přílad: A () = 1-e - 5
3 Záladní řídy procesů Regulární (pravidelný) o = Proces s nezávislými přírůsy pro lib. -ici vzájemně disjunních inervalů (s 1, s ); (s, s + );... ; (s, s + );... je {N(s 1, s ), N(s, s + ),..., N(s, s + );...} posloupnos nezávislých náhodných veličin. Regeneraivní proces (proces obnovy) {n} je posloupnos nezávislých náhodných veličin. Reurenní proces { n } je posloupnos nezávislých náhodných veličin se sejným rozdělením pravděpodobnosi. Homogenní proces v čase neměnný proces Ordinární proces nenasanou dvě událosi současně Vjezd vozidla do Smíchovsého unelu Objednáva zboží přes inerne Narození díěe Násup zelené na SSZ Vzni dopravní nehody 6 Homogenní (sacionární) proces Definice: Sochasicý proces nazveme homogenním jesliže jsou pravděpodobnosi v ( s, ) P( N( s, ) n); n,1,... n závislé pouze na délce inervalu a ne na jeho počáu s. v ( s, ) v (, ) v ( );, s, n,1,... n n n N(s,) má pro libovolné s vždy sejný záon rozložení jao N(). Definice: E[ N( u)] E[ N( )] E[ N( u)] E[ N( )] E[ N(1)]... Inenzia procesu (průměrný poče událosí za časovou jednou) EN [ (1)] Př: Určee inenziu regulárního (pravidelného) ou
4 Ordinární proces označme () ps, že za časový inerval dély nasanou nejméně dvě událosi. Pa vsupní o je ordinární, je li () lim 1 ( ) 1 v ( ) v ( ) v ( ) Neordinární oy neordinárnos odsraníme ím, že regisrujeme dvojici [čas, poče] = 1 3 Ordinální proces s nezávislými přírůsy je regeneraivní. Ordinární homogenní proces je regeneraivní je reurenní. 8 Poissonův proces Proces ryzího zrodu (Pure birh process) Poissonovsý o - ordinární sacionární proces s nezávislými přírůsy Nejužívanější model vsupního ou Poče úmrí následem opnuí oně (saisia během le, L. Boriewicz: The Law of Small Numbers) Poče děsých sebevražd Poče vále v leech Model Poissonova ou používáme praicy vždy, dyž záazníci (příchozí volání, daové paey, auomobily, ) pocházejí z velé množiny vzájemně nezávislých uživaelů Palm Khinchinova věa: Složení velého poču procesů s malou inenziou onverguje Poissonově procesu 9 4
5 Věa o Poissonovsém ou požadavů Pro ordinární beznásledný homogenní vsupní o událosí pravděpodobnos, že za časový inerval dély nasane právě událosí, je P( N( ) ) v( ) v( s, ) e! je o Poissonův o Elemenární o je až na onsanu jednoznačně určen. Rozdělení psi v(1)=p(n(1)=) pro dvě různé inenziy v (1) e!,3,5,,15,1, Binomicé a Poissonovo rozdělení Binomicé rozdělení je pro dosaečně velé n (n>) a malé p (p<,5) bmožné nahradi Poissonovým rozdělením s inenziou n*p 11 5
6 Binomicé a Poissonovo rozdělení Binomicé rozdělení je pro dosaečně velé n (n>) a malé p (p<,5) bmožné nahradi Poissonovým rozdělením s inenziou n*p 1 Normální a Poissonovo rozdělení 13 6
7 Poissonův o v ()! e Poissonův o je ordinární 1 v ( ) v 1 e e e e e 1 lim 1 lim lim Poissonův o je o s nezávislými přírusy (beznásledný) u u v ( u) e e e v ( ) v ( u) N u N N u P P P Inenzia Posissonova ou EN E[ N( )] e e e! 1!! 14 Poissonův o v ()! e Pravděpodobnos, že za inerval dély nedojde žádné událosi: v ()=1 lesající funce proměnné. v (+h)= v (). v (h) v( ) e Inervaly mezi událosmi jsou vzájemně nezávislé veličiny s exponenciálním rozdělením P( ) e Př: Určee ps, že v elemenárním ou nenasane v inervalu dély T žádná událos, víe-li že od vsupu předešlého požadavu už uplynul čas <T. T P( u) P( u / ) P( ) u u v u e u = = = e = P( u) v e 15 7
8 Poissonův o - rozložení doby mezi událosmi Veličiny jsou navzájem nezávislé, mají sejnou disribuční funci A () = A() A( ) P( ) 1 v ( ) 1e 1 1 E[ ] ; D[ ] a() a( ) A( ) e V elemenárním ou se nejčasěji vysyují ráé inervaly mezi událosmi vsupují v sériích ráých sledů = Sopařův paradox 1. Tramvaje jezdí pravidelně aždých 5 minu. Na zasávu přijdeme náhodně.průměrná doba čeání:,5 min 1 f ( x) ; x EX [ ] ;. Sopař přijde náhodně silnici, aua projíždějí náhodně, déla inervalu mezi auomobily má exponenciální rozdělení f ( x) 1 e ; x E[ X ] ; 1 1x 1 Průměrná déla inervalu mezi auomobily : 5 min Průměrná doba čeání: 5 min 17 8
9 Poissonovsý o graf diferenciálních přechodů Symbol o používáme při vyšeřování liminího chování funcí, umožňuje zjednodušený zápis f( x) f ( x) o( g( x)) pro x lim gx ( ) x f() f ( ) o( ) pro lim x e o ( ) 18 Poissonův proces proces ryzího zrodu (pure birh process) v () V infiniesimálním časovém inervalu d může nasa jen jedna událos s pravděpodobnosí d, nezávisle na příjezdech mimo inerval. v e o! Sav sysému =poče událosí, eré od počáečního času zoumání nasaly! e v e o v1 ( ) e... o( ) ( ) ( ) d d d 1 3 d... 1 d 1 d 1 d 1 d 19 9
10 Disreizace Poissonova procesu Bernoulliho proces lambda = 1/; % iner-arrival ime = 1/lambda [s] T=6*6; % observaional ime [s] =; % number of evens for d=:.1:t if rand < lambda*.1 =+1; end end fprinf('theoreical mean of evens %6.f \n',lambda*t) fprinf('empirical number of evens %d \n',) Vlasnosi Poissonovsého procesu Mějme pevně dán inerval <, >, poče příjezdů za čas N()=n. Pa časy příchodů i1, i,, in jsou nezávislé a rovnoměrně rozdělené na inervalu <, >. Superpozice Složením dvou Poissonovsých procesů o inenziách 1 a vznine opě Poissonův process s inenziou = Náhodný výběr Vybíráme-li s psí p z daného Poissonovsého procesu s inenziou, pa výsledný proces je Poisonovsý s inenziou p. 1 1
Příklady: - počet členů dané domácnosti - počet zákazníků ve frontě - počet pokusů do padnutí čísla šest - životnost televizoru - věk člověka
Náhodná veličina Náhodnou veličinou nazýváme veličinu, terá s určitými p-stmi nabývá reálných hodnot jednoznačně přiřazených výsledům příslušných náhodných pousů Náhodné veličiny obvyle dělíme na dva záladní
Vícelistopadu 2016., t < 0., t 0, 1 2 ), t 1 2,1) 1, 1 t. Pro X, U a V najděte kvantilové funkce, střední hodnoty a rozptyly.
6. cvičení z PSI 7. -. lisopadu 6 6. kvanil, sřední hodnoa, rozpyl - pokračování příkladu z minula) Náhodná veličina X má disribuční funkci e, < F X ),, ) + 3,,), a je směsí diskréní náhodné veličiny U
VíceSložité systémy řízení
VYSOKÁ ŠKOLA BAŇSKÁ - ECHNICKÁ UNIVERZIA OSRAVA Faula srojní Složié sysémy řízení I. Díl: Regulace sousav s náhodnými poruchami ing. Jiří ůma, CSc. Prosinec 997 Leoroval: Doc. RNDr. Jaroslav Marl Ing.
VíceNUMP403 (Pravděpodobnost a Matematická statistika I)
NUMP0 (Pravděpodobnost a Matematicá statistia I Střední hodnota disrétního rozdělení. V apce máte jednu desetiorunu, dvě dvacetioruny a jednu padesátiorunu. Zloděj Vám z apsy náhodně vybere tři mince.
VíceMěřicí a řídicí technika magisterské studium FTOP - přednášky ZS 2009/10. měřicí člen. porovnávací. člen. REGULÁTOR ruční řízení
Měřicí a řídicí echnia magisersé sudium FTOP - přednášy ZS 29/1 REGULACE regulované sousavy sandardní signály ační členy reguláory Bloové schéma regulačního obvodu z u regulovaná sousava y ační člen měřicí
VíceSP2 01 Charakteristické funkce
SP 0 Chararisicé func Chararisicé func pro NP Chararisicé func pro NV Náhld Náhodnou proměnnou, nbo vor, L, n lz popsa funčními chararisiami: F, p, f číslnými chararisiami: E, D, A, A 4 Co s dá z čho spočía:
Více(iv) D - vybíráme 2 koule a ty mají různou barvu.
2 cvičení - pravděpodobnost 2102018 18cv2tex Definice pojmů a záladní vzorce Vlastnosti pravděpodobnosti Pravděpodobnost P splňuje pro libovolné jevy A a B následující vlastnosti: 1 0, 1 2 P (0) = 0, P
VíceKIV/PD. Sdělovací prostředí
KIV/PD Sdělovací prosředí Přenos da Marin Šime Orienační přehled obsahu předměu 2 principy přenosu da mezi 2 propojenými zařízeními předměem sudia je přímá cesa, ne omuniační síť ja se přenáší signály
VíceTeorie obnovy. Obnova
Teorie obnovy Meoda operačního výzkumu, kerá za pomocí maemaických modelů zkoumá problémy hospodárnosi, výměny a provozuschopnosi echnických zařízení. Obnova Uskuečňuje se až po uplynuí určiého času činnosi
VíceNewtonův zákon II
1.2.4 1. Newonův záon II Předpolady: 1203 Pomůcy: rubice, papír. Př. 1: Rozhodni, eré z následujících vě můžeme chápa jao další formulace 1. Newonova záona. a) Je-li výslednice sil, eré působí na ěleso,
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Číselné charateristiy náhodných proměnných Charateristiy náhodných proměnných dělíme nejčastěji na charateristiy polohy a variability. Mezi charateristiy polohy se nejčastěji
VíceKMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC
Přednáša 04 Přírodovědecá faulta Katedra matematiy KMA/P506 Pravděpodobnost a statistia KMA/P507 Statistia na PC jiri.cihlar@ujep.cz Záon velých čísel Lemma Nechť náhodná veličina nabývá pouze nezáporných
VíceVYBRANÁ ROZDĚLENÍ. DISKRÉTNÍ NÁH. VELIČINY Martina Litschmannová
VYBRANÁ ROZDĚLENÍ DISKRÉTNÍ NÁH. VELIČINY Martina Litschmannová Opakování Základní pojmy z teorie pravděpodobnosti Co je to náhodná veličina (dále NV)? Číselné vyjádření výsledku náhodného pokusu. Jaké
VíceKMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC
Přednáša 02 Přírodovědecá faulta Katedra matematiy KMA/P506 Pravděpodobnost a statistia KMA/P507 Statistia na PC jiri.cihlar@ujep.cz Náhodné veličiny Záladní definice Nechť je dán pravděpodobnostní prostor
VícePravděpodobnost a statistika
Pravděpodobnost a statistika Diskrétní rozdělení Vilém Vychodil KMI/PRAS, Přednáška 6 Vytvořeno v rámci projektu 2963/2011 FRVŠ V. Vychodil (KMI/PRAS, Přednáška 6) Diskrétní rozdělení Pravděpodobnost a
Vícetransformace Idea afinního prostoru Definice afinního prostoru velké a stejně orientované.
finní ransformace je posunuí plus lineární ransformace má svou maici vzhledem k homogenním souřadnicím využií například v počíačové grafice [] Idea afinního prosoru BI-LIN, afinia, 3, P. Olšák [2] Lineární
VíceNewtonův zákon III
2.4.3 1. Newonův záon III Předpolady: 020402 Pomůcy: ruličy, ousy oaleťáu Pedaoicá poznáma: Je nuné posupova a, aby se před oncem hodiny podařilo zada poslední přílad. Př. 1: Jaý byl nejdůležiější závěr
VíceNUMP403 (Pravděpodobnost a Matematická statistika II) 1. Na autě jsou prováděny dvě nezávislé opravy a obě opravy budou hotovy do jedné hodiny.
Spojiá rozdělení I.. Na auě jou prováděny dvě nezávilé opravy a obě opravy budou hoovy do jedné hodiny. Předpokládejme, že obě opravy jou v akové fázi, že rozdělení čau do ukončení konkréní opravy je rovnoměrné.
VíceBiologické modely. Robert Mařík. 9. listopadu Diferenciální rovnice 3. 2 Autonomní diferenciální rovnice 8
Biologické modely Rober Mařík 9. lisopadu 2008 Obsah 1 Diferenciální rovnice 3 2 Auonomní diferenciální rovnice 8 3 onkréní maemaické modely 11 Dynamická rovnováha poču druhů...................... 12 Logisická
Více(2) Řešení. 4. Platí: ω = 2π (3) (3) Řešení
(). Načrněe slepý graf závislosi dráhy sojícího člověka na b 2. Na abuli je graf A závislosi rychlosi pohybu rabanu kombi na Vypočěe dráhu, kerou raban urazil v čase od 2,9 s do 6,5 s. 3. Jakou rychlosí
Vícef (k) (x 0 ) (x x 0 ) k, x (x 0 r, x 0 + r). k! f(x) = k=1 Řada se nazývá Taylorovou řadou funkce f v bodě x 0. Přehled některých Taylorových řad.
8. Taylorova řada. V urzu matematiy jsme uázali, že je možné funci f, terá má v oolí bodu x derivace aproximovat polynomem, jehož derivace se shodují s derivacemi aproximované funce v bodě x. Poud má funce
VíceI. Soustavy s jedním stupněm volnosti
Jiří Máca - aedra mechaniy - B325 - el. 2 2435 45 maca@fsv.cvu.cz 1. Záladní úlohy dynamiy 2. Dynamicá zaížení 3. Pohybová rovnice 4. Volné nelumené miání 5. Vynucené nelumené miání 6. Přílady 7. Oáčivé
VíceKendallova klasifikace
Kendallova klasifikace Délka obsluhy, frontový režim, Littleovy vzorce Parametry obsluhy Trvání obsluhy - většinou předpokládáme, že trvání obsluhy jsou nezávisl vislé náhodné proměnné, se stejným rozdělením
VíceTéma 22. Ondřej Nývlt
Téma 22 Ondřej Nývlt nyvlto1@fel.cvut.cz Náhodná veličina a náhodný vektor. Distribuční funkce, hustota a pravděpodobnostní funkce náhodné veličiny. Střední hodnota a rozptyl náhodné veličiny. Sdružené
VíceNáhodná veličina X má Poissonovo rozdělení se střední hodnotou lambda. Poissonovo rozdělení je definováno jako. P(X=k) = 0,036
Příklad : Statistika A, doc. Kropáč, str. 6, příklad 2 K benzínovému čerpadlu přijíždí průměrně 4 aut za hodinu. Určete pravděpodobnost, že během pěti minut přijede nejvýše jedno auto. Pokus: Zjištění,
VíceSIMULACE. Numerické řešení obyčejných diferenciálních rovnic. Měřicí a řídicí technika přednášky LS 2006/07
Měřicí a řídicí echnika přednášky LS 26/7 SIMULACE numerické řešení diferenciálních rovnic simulační program idenifikace modelu Numerické řešení obyčejných diferenciálních rovnic krokové meody pro řešení
VíceAnalogový komparátor
Analogový komparáor 1. Zadání: A. Na předloženém inverujícím komparáoru s hyserezí změře: a) převodní saickou charakerisiku = f ( ) s diodovým omezovačem při zvyšování i snižování vsupního napěí b) zaěžovací
VíceODHADY VARIABILITY POSLOUPNOSTÍ
ÚVOD MÍRY VARIABILITY, ODHADY VLASTNOSTI FF SEGMENTACE ZÁZNAMU MINIMALIZACE MSE SNÍŽENÍ ROZPTYLU ODHADY VARIABILITY POSLOUPNOSTÍ NEURONOVÝCH IMPULSŮ Kamil Rajdl Úsav maemaiky a saisiky Přírodovědecká fakula
Více2. ZÁKLADY TEORIE SPOLEHLIVOSTI
2. ZÁKLADY TEORIE SPOLEHLIVOSTI Po úspěšném a akivním absolvování éo KAPITOLY Budee umě: orienova se v základním maemaickém aparáu pro eorii spolehlivosi, j. v poču pravděpodobnosi a maemaické saisice,
VícePasivní tvarovací obvody RC
Sřední průmyslová škola elekroechnická Pardubice CVIČENÍ Z ELEKTRONIKY Pasivní varovací obvody RC Příjmení : Česák Číslo úlohy : 3 Jméno : Per Daum zadání : 7.0.97 Školní rok : 997/98 Daum odevzdání :
VícePřednáška. Další rozdělení SNP. Limitní věty. Speciální typy rozdělení. Další rozdělení SNP Limitní věty Speciální typy rozdělení
VI Přednáška Další rozdělení SNP Limitní věty Speciální typy rozdělení Rovnoměrné rozdělení R(a,b) Příklad Obejít celý areál trvá strážnému 30 minut. Jaká je pravděpodobnost, že u vrátnice budete čekat
VíceEKONOMETRIE 6. přednáška Modely národního důchodu
EKONOMETRIE 6. přednáška Modely národního důchodu Makroekonomické modely se zabývají modelováním a analýzou vzahů mezi agregáními ekonomickými veličinami jako je důchod, spořeba, invesice, vládní výdaje,
VíceIMPULSNÍ A PŘECHODOVÁ CHARAKTERISTIKA,
IMPULSNÍ A PŘECHODOVÁ CHARAKTERISTIKA, STABILITA. Jednokový impuls (Diracův impuls, Diracova funkce, funkce dela) někdy éž disribuce dela z maemaického hlediska nejde o pravou funkci (přesný popis eorie
VíceNÁHODNÉ VELIČINY JAK SE NÁHODNÁ ČÍSLA PŘEVEDOU NA HODNOTY NÁHODNÝCH VELIČIN?
NÁHODNÉ VELIČINY GENEROVÁNÍ SPOJITÝCH A DISKRÉTNÍCH NÁHODNÝCH VELIČIN, VYUŽITÍ NÁHODNÝCH VELIČIN V SIMULACI, METODY TRANSFORMACE NÁHODNÝCH ČÍSEL NA HODNOTY NÁHODNÝCH VELIČIN. JAK SE NÁHODNÁ ČÍSLA PŘEVEDOU
VíceVybraná rozdělení náhodné veličiny
3.3 Vybraná rozdělení náhodné veličiny 0,16 0,14 0,12 0,1 0,08 0,06 0,04 0,02 0 Rozdělení Z 3 4 5 6 7 8 9 10 11 12 13 14 15 Život je umění vytvářet uspokojivé závěry na základě nedostatečných předpokladů.
Více9 Viskoelastické modely
9 Viskoelasické modely Polymerní maeriály se chovají viskoelasicky, j. pod vlivem mechanického namáhání reagují současně jako pevné hookovské láky i jako viskózní newonské kapaliny. Viskoelasické maeriály
VíceFINANČNÍ MATEMATIKA- ÚVĚRY
Projek ŠABLONY NA GVM Gymnázium Velké Meziříčí regisrační číslo projeku: CZ.1.07/1.5.00/4.0948 IV- Inovace a zkvalinění výuky směřující k rozvoji maemaické gramonosi žáků sředních škol FINANČNÍ MATEMATIKA-
VíceSeznámíte se s principem integrace substituční metodou a se základními typy integrálů, které lze touto metodou vypočítat.
4 Inegrace subsiucí 4 Inegrace subsiucí Průvodce sudiem Inegrály, keré nelze řeši pomocí základních vzorců, lze velmi časo řeši subsiuční meodou Vzorce pro derivace elemenárních funkcí a věy o derivaci
Více6 5 = 0, = 0, = 0, = 0, 0032
III. Opaované pousy, Bernoulliho nerovnost. Házíme pětrát hrací ostou a sledujeme výsyt šesty. Spočtěte pravděpodobnosti možných výsledů a určete, terý má největší pravděpodobnost. Řešení: Jedná se o serii
Více5. Náhodná veličina. 2. Házíme hrací kostkou dokud nepadne šestka. Náhodná veličina nabývá hodnot z posloupnosti {1, 2, 3,...}.
5. Náhodná veličina Poznámka: Pro popis náhodného pokusu jsme zavedli pojem jevového pole S jako množiny všech možných výsledků a pravděpodobnost náhodných jevů P jako míru výskytů jednotlivých výsledků.
VíceAlternativní rozdělení. Alternativní rozdělení. Binomické rozdělení. Binomické rozdělení
Alternativní rozdělení Alternativní rozdělení Alternativní rozdělení Alternativní rozdělení Náhodná veličina X má alternativní rozdělení s parametrem p, jestliže nabývá hodnot 0 a 1 s pravděpodobnostmi
VíceDEFINICE Z LINEÁRNÍ ALGEBRY
DEFINICE Z LINEÁRNÍ ALGEBRY Skripta Matematické metody pro statistiku a operační výzkum (Nešetřilová, H., Šařecová, P., 2009). 1. definice Vektorovým prostorem rozumíme neprázdnou množinu prvků V, na které
VíceKMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC
Přednáška 03 Přírodovědecká fakulta Katedra matematiky KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC jiri.cihlar@ujep.cz Diskrétní rozdělení Důležitá diskrétní rozdělení pravděpodobnosti
VíceZáklady teorie pravděpodobnosti
Základy teorie pravděpodobnosti Náhodná veličina Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 12. února 2012 Statistika by Birom Základy teorie
VíceNA POMOC FO. Pád vodivého rámečku v magnetickém poli
NA POMOC FO Pád vodivého rámečku v maneickém poli Karel auner *, Pedaoická akula ZČU v Plzni Příklad: Odélníkový rámeček z vodivého dráu má rozměry a,, hmonos m a odpor. Je zavěšen ve výšce h nad horním
VíceJazyk matematiky. 2.1. Matematická logika. 2.2. Množinové operace. 2.3. Zobrazení. 2.4. Rozšířená číslená osa
2. Jazyk matematiky 2.1. Matematická logika 2.2. Množinové operace 2.3. Zobrazení 2.4. Rozšířená číslená osa 1 2.1 Matematická logika 2.1.1 Výrokový počet logická operace zapisujeme čteme česky negace
VíceKINEMATIKA. 1. Základní kinematické veličiny
KINEMATIKA. Základní kinemaické veličiny Tao čá fyziky popiuje pohyb ěle. VZTAŽNÁ SOUSTAVA je ěleo nebo ouava ěle, ke kerým vzahujeme pohyb nebo klid ledovaného ělea. Aboluní klid neexiuje, proože pohyb
VícePRAVDĚPODOBNOST A STATISTIKA. Odhady parametrů Postačující statistiky
PRAVDĚPODOBNOS A SAISIKA Odhady parametrů SP3 Připomenutí pojmů Připomenutí pojmů z S1P a SP2 odhady Nechť X,, je náhodný výběr z rozdělení s distribuční funkcí. 1 X,, X ) ( 1 n Statistika se nazývá bodovým
Vícez Matematické statistiky 1 1 Konvergence posloupnosti náhodných veličin
Příklady k procvičení z Matematické statistiky Poslední úprava. listopadu 207. Konvergence posloupnosti náhodných veličin. Necht X, X 2... jsou nezávislé veličiny s rovnoměrným rozdělením na [0, ]. Definujme
VíceANALÝZA ČASOVÝCH ŘAD IVAN KŘIVÝ URČENO PRO VZDĚLÁVÁNÍ V AKREDITOVANÝCH STUDIJNÍCH PROGRAMECH
ANALÝZA ČASOVÝCH ŘAD URČENO PRO VZDĚLÁVÁNÍ V AKREDITOVANÝCH STUDIJNÍCH PROGRAMECH IVAN KŘIVÝ ČÍSLO OPERAČNÍHO PROGRAMU: CZ..07 NÁZEV OPERAČNÍHO PROGRAMU: VZDĚLÁVÁNÍ PRO KONKURENCESCHOPNOST OPATŘENÍ: 7.
VíceSkupinová obnova. Postup při skupinové obnově
Skupinová obnova Při skupinové obnově se obnovují všechny prvky základního souboru nebo určiá skupina akových prvků najednou. Posup při skupinové obnově prvky, jež selžou v určiém období, je nuno obnovi
VíceŘešené příklady z pravděpodobnosti:
Řešené příklady z pravděpodobnosti: 1. Honza se ze šedesáti maturitních otázek 10 nenaučil. Při zkoušce si losuje dvě otázky. a. Určete pravděpodobnost jevu A, že si vylosuje pouze otázky, které se naučil.
VíceKapitola 9. Rezidua. Matematická analýza 4. KMA/MA o12. Definice 9.1. ( izolovaná singularita )
Kapitola 9. Rezidua Definice 9.. ( izolovaná singularita ) Bod z 0 2 C nazveme izolovanou singularitou (izolovaný singulární bod) funkce f, jestliže i) f není holomorfní v bodě z 0, ii) existuje prstencové
VíceDefinice spojité náhodné veličiny zjednodušená verze
Definice spojité náhodné veličiny zjednodušená verze Náhodná veličina X se nazývá spojitá, jestliže existuje nezáporná funkce f : R R taková, že pro každé a, b R { }, a < b, platí P(a < X < b) = b a f
VíceLineární rovnice prvního řádu. Máme řešit nehomogenní lineární diferenciální rovnici prvního řádu. Funkce h(t) = 2
Cvičení 1 Lineární rovnice prvního řádu 1. Najděe řešení Cauchyovy úlohy x + x g = cos, keré vyhovuje podmínce x(π) =. Máme nehomogenní lineární diferenciální ( rovnici prvního řádu. Funkce h() = g a q()
Více6.3.6 Zákon radioaktivních přeměn
.3. Zákon radioakivních přeměn Předpoklady: 35 ěkeré nuklidy se rozpadají. Jak můžeme vysvěli, že se čás jádra (například čásice 4 α v jádře uranu 38 U ) oddělí a vyleí ven? lasická fyzika Pokud má čásice
VíceNáhodný pokus Náhodným pokusem (stručněji pokusem) rozumíme každé uskutečnění určitého systému podmínek resp. pravidel.
Základy teorie pravděpodobnosti Náhodný pokus Náhodným pokusem (stručněji pokusem) rozumíme každé uskutečnění určitého systému podmínek resp. pravidel. Poznámka: Výsledek pokusu není předem znám (výsledek
VíceNumerická integrace. b a. sin 100 t dt
Numerická inegrace Mirko Navara Cenrum srojového vnímání kaedra kyberneiky FEL ČVUT Karlovo náměsí, budova G, mísnos 14a hp://cmpfelkcvucz/~navara/nm 1 lisopadu 18 Úloha: Odhadnou b a f() d na základě
Více5 GRAFIKON VLAKOVÉ DOPRAVY
5 GRAFIKON LAKOÉ DOPRAY Jak známo, konsrukce grafikonu vlakové dopravy i kapaciní výpočy jsou nemyslielné bez znalosi hodno provozních inervalů a následných mezidobí. éo kapiole bude věnována pozornos
VíceSimulační schemata, stavový popis. Petr Hušek
Simulační schemaa, savový popis Per Hušek Simulační schemaa, savový popis Per Hušek husek@fel.cvu.cz kaedra řídicí echniky Fakula elekroechnická ČVUT v Praze MAS 007/08 ČVUT v Praze 6,7 - Simulační schemaa,
Více4. ZÁKLADNÍ TYPY ROZDĚLENÍ PRAVDĚPODOBNOSTI DISKRÉTNÍ NÁHODNÉ VELIČINY
4. ZÁKLADNÍ TYPY ROZDĚLENÍ PRAVDĚPODOBNOSTI DISKRÉTNÍ NÁHODNÉ VELIČINY Průvodce studiem V této kapitole se seznámíte se základními typy rozložení diskrétní náhodné veličiny. Vašim úkolem by neměla být
VíceMotivace. Náhodný pokus, náhodný n jev. pravděpodobnost. podobnostní charakteristiky diagnostických testů, Bayesův vzorec. Prof.RND. RND.
Pravděpodobnostn podobnostní charateristiy diagnosticých testů, Bayesův vzorec Prof.RND RND.Jana Zvárov rová,, DrSc. Náhodný pous, náhodný n jev Náhodný pous: výslede není jednoznačně určen podmínami,
VícePřednáška. Diskrétní náhodná proměnná. Charakteristiky DNP. Základní rozdělení DNP
IV Přednáška Diskrétní náhodná proměnná Charakteristiky DNP Základní rozdělení DNP Diskrétní náhodná veličina Funkce definovaná na Ω, přiřazující každému elementárnímu jevu E prvky X(E) D R kde D je posloupnost
VíceÉ ú Ú ú ť Ú Ě Ě Ě Í Š ň Š óó Š ú ň ú ú ú ňň Š Í ň ť ň ň É Í Ť Š Ú ť Ř ť ň ú ó ň ó ň ť Í ž ú Ú Š š ť ť š š Šť ú Ú Š ú Ú Ú š šť Í ň Ú Š Ú š ú Ď š š Š ú š Ó Š š Š ň Š ú ž ň š Ú Í ú š Š Í ž ž Ú ž Í š Š Š Š
VíceSoustavy lineárních rovnic
Přednáška MATEMATIKA č 4 Katedra ekonometrie FEM UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz 27 10 2010 Soustava lineárních rovnic Definice Soustava rovnic a 11 x 1 + a 12 x 2 + + a
VícePravděpodobnostní model volejbalového zápasu
Pravděpodobnostní model volejbalového zápasu Mgr. Jan Šustek 3. 0. 008 Opakování Věta o celkové pravděpodobnosti Věta Pro jevy B, B Ω, které se navzájem vylučují, přičemž jeden z nich nutně nastává, tj.
VíceIII. Úplná pravděpodobnost. Nezávislé pokusy se dvěma výsledky. Úplná pravděpodobnost Nezávislé pokusy se dvěma výsledky Náhodná veličina
III Přednáška Úplná pravděpodobnost Nezávislé pokusy se dvěma výsledky Náhodná veličina Pravděpodobnost při existenci neslučitelných hypotéz Věta Mějme jev. Pokud H 1,H 2, : : :,H n tvoří úplnou skupinu
VíceMarkovské metody pro modelování pravděpodobnosti
Markovské metody pro modelování pravděpodobnosti rizikových stavů 1 Markovský řetězec Budeme uvažovat náhodný proces s diskrétním časem (náhodnou posloupnost) X(t), t T {0, 1, 2,... } s konečnou množinou
Více1 Řešení soustav lineárních rovnic
1 Řešení soustav lineárních rovnic 1.1 Lineární rovnice Lineární rovnicí o n neznámých x 1,x 2,..., x n s reálnými koeficienty rozumíme rovnici ve tvaru a 1 x 1 + a 2 x 2 +... + a n x n = b, (1) kde koeficienty
Více7.3.9 Směrnicový tvar rovnice přímky
7.3.9 Směrnicový tvar rovnice přímy Předpolady: 7306 Pedagogicá poznáma: Stává se, že v hodině nestihneme poslední část s určováním vztahu mezi směrnicemi olmých příme. Vrátíme se obecné rovnici přímy:
VíceDiferenciální rovnice 1. řádu
Kapiola Diferenciální rovnice. řádu. Lineární diferenciální rovnice. řádu Klíčová slova: Obyčejná lineární diferenciální rovnice prvního řádu, pravá srana rovnice, homogenní rovnice, rovnice s nulovou
VíceFakt. Každou soustavu n lineárních ODR řádů n i lze eliminací převést ekvivalentně na jednu lineární ODR
DEN: ODR teoreticky: soustavy rovnic Soustava lineárních ODR 1 řádu s konstantními koeficienty je soustava ve tvaru y 1 = a 11 y 1 + a 12 y 2 + + a 1n y n + b 1 (x) y 2 = a 21 y 1 + a 22 y 2 + + a 2n y
VíceMatematika III. 4. října Vysoká škola báňská - Technická univerzita Ostrava. Matematika III
Vysoká škola báňská - Technická univerzita Ostrava 4. října 2018 Podmíněná pravděpodobnost Při počítání pravděpodobnosti můžeme k náhodnému pokusu přidat i nějakou dodatečnou podmínku. Podmíněná pravděpodobnost
VíceŽ Ý ř Ů ř ó ř ř Ý ř ó ř óú ř ů ř ř ř ř ž ř Ž ř ř ň ů ř ř ř ř ř ř ř ó ř ř Á ř Ž ř Ž ř ř ř Ž ů ř Ž ř ň ó É ů ř ů ř ř ř Ř ř ř ů ř ň ř ů ř ř ů Ž Á ó Ž ř ř Ž ř ř ř ť ř ů ž ř ů ř ř ř ů ř ř ř ř ř ř ř ř ř Ť ň
VíceTransformátory. Mění napětí, frekvence zůstává
Transformátory Mění napětí, frevence zůstává Princip funce Maxwell-Faradayův záon o induovaném napětí e u i d dt N d dt Jednofázový transformátor Vstupní vinutí Magneticý obvod Φ h0 u u i0 N i 0 N u i0
VíceEkonomika podniku. Katedra ekonomiky, manažerství a humanitních věd Fakulta elektrotechnická ČVUT v Praze. Ing. Kučerková Blanka, 2011
Evropský sociální fond Praha & EU: Invesujeme do vaší budoucnosi Ekonomika podniku Kaedra ekonomiky, manažersví a humaniních věd Fakula elekroechnická ČVUT v Praze Ing. Kučerková Blanka, 2011 Kriéria efekivnosi
VíceBuckinghamův Π-teorém (viz Barenblatt, Scaling, 2003)
Bucinghamův Π-teorém (viz Barenblatt, Scaling, 2003) Formalizace rozměrové analýzy ( výsledné jednoty na obou stranách musí souhlasit ). Rozměr fyziální veličiny Mějme nějaou třídu jednote, napřílad [(g,
Více1. KOMBINATORIKA. Příklad 1.1: Mějme množinu A a. f) uspořádaných pětic množiny B a. Řešení: a)
1. KOMBINATORIKA Kombinatoria je obor matematiy, terý zoumá supiny prvů vybíraných z jisté záladní množiny. Tyto supiny dělíme jedna podle toho, zda u nich záleží nebo nezáleží na pořadí zastoupených prvů
VícePravděpodobnost a statistika
Pravděpodobnost a statistika 1 Náhodné pokusy a náhodné jevy Činnostem, jejichž výsledek není jednoznačně určen podmínkami, za kterých probíhají, a které jsou (alespoň teoreticky) neomezeně opakovatelné,
VíceDefinice 7.1 Nechť je dán pravděpodobnostní prostor (Ω, A, P). Zobrazení. nebo ekvivalentně
7 Náhodný vektor Nezávislost náhodných veličin Definice 7 Nechť je dán pravděpodobnostní prostor (Ω, A, P) Zobrazení X : Ω R n, které je A-měřitelné, se nazývá (n-rozměrný) náhodný vektor Měřitelností
VíceTeorie měření a regulace
Ústav technologie, mechanizace a řízení staveb Teorie měření a regulace 22.z-3.tr ZS 2015/2016 2015 - Ing. Václav Rada, CSc. TEORIE ŘÍZENÍ druhá část tématu předmětu pokračuje. oblastí matematických pomůcek
VíceVyužijeme znalostí z předchozích kapitol, především z 9. kapitoly, která pojednávala o regresní analýze, a rozšíříme je.
Pravděpodobnos a saisika 0. ČASOVÉ ŘADY Průvodce sudiem Využijeme znalosí z předchozích kapiol, především z 9. kapioly, kerá pojednávala o regresní analýze, a rozšíříme je. Předpokládané znalosi Pojmy
VíceJméno autora: Mgr. Zdeněk Chalupský Datum vytvoření: 11. 11. 2012 Číslo DUM: VY_32_INOVACE_10_FY_B
Zákon síly. Hmonos jako míra servačnosi. Vyvození hybnosi a impulsu síly. Závislos zrychlení a hmonosi Cvičení k zavedeným pojmům Jméno auora: Mgr. Zdeněk Chalupský Daum vyvoření: 11. 11. 2012 Číslo DUM:
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Náhodná proměnná Náhodná veličina slouží k popisu výsledku pokusu. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáme. Přesto bychom chtěli tento pokus
VíceVŠB-TU OSTRAVA, FAKULTA ELEKTROTECHNIKY A INFORMATIKY, KATEDRA APLIKOVANÉ MATEMATIKY. Statistika. Vzorce a tabulky
VŠB-TU OSTRAVA, FAKULTA ELEKTROTECHNIKY A INFORMATIKY, KATEDRA APLIKOVANÉ MATEMATIKY Statistia Vzorce a tabuly Martina Litschmannová 3. března 05 Oficiální vzorce a tabuly KOMBINATORIKA Bez opaování Uspořádané
VíceP13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod.
P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod. Matematický přístup k výsledkům únavových zkoušek Náhodnost výsledků únavových zkoušek. Únavové
Vícen = 2 Sdružená distribuční funkce (joint d.f.) n. vektoru F (x, y) = P (X x, Y y)
5. NÁHODNÝ VEKTOR 5.1. Rozdělení náhodného vektoru Náhodný vektor X = (X 1, X 2,..., X n ) T n-rozměrný vektor, složky X i, i = 1,..., n náhodné veličiny. Vícerozměrná (n-rozměrná) náhodná veličina n =
VíceHodnocení přesnosti výsledků z metody FMECA
Hodnocení přesnosti výsledů z metody FMECA Josef Chudoba 1. Úvod Metoda FMECA je semivantitativní metoda, pomocí teré se identifiují poruchy s významnými důsledy ovlivňující funci systému. Závažnost následů
VícePravděpodobnost a aplikovaná statistika
Pravděpodobnost a aplikovaná statistika MGR. JANA SEKNIČKOVÁ, PH.D. 2. KAPITOLA PODMÍNĚNÁ PRAVDĚPODOBNOST 3. KAPITOLA NÁHODNÁ VELIČINA 9.11.2017 Opakování Uveďte příklad aplikace geometrické definice pravděpodobnosti
Více10. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo
0. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo (PEF PaA) Petr Gurka aktualizováno 9. prosince 202 Obsah Základní pojmy. Motivace.................................2 Aritmetický vektorový
VíceNáhodné chyby přímých měření
Náhodné chyby přímých měření Hodnoty náhodných chyb se nedají stanovit předem, ale na základě počtu pravděpodobnosti lze zjistit, která z možných naměřených hodnot je více a která je méně pravděpodobná.
VíceVícekanálové čekací systémy
Vícekanálové čekací systémy Stanice obsluhy sestává z několika kanálů obsluhy, pracujících paralelně a navzájem nezávisle. Vstupy i výstupy systému mají poissonovský charakter. Jednotky vstupující do systému
Více3. Mocninné a Taylorovy řady
3. Mocninné a Taylorovy řady A. Záladní pojmy. Obor onvergence Mocninné řady jsou nejjednodušším speciálním případem funčních řad. Jsou to funční řady, jejichž členy jsou mocninné funce. V této apitole
Více1.1 Existence a jednoznačnost řešení. Příklad 1.1: [M2-P1] diferenciální rovnice (DR) řádu n: speciálně nás budou zajímat rovnice typu
[M2-P1] KAPITOLA 1: Diferenciální rovnice 1. řádu diferenciální rovnice (DR) řádu n: speciálně nás budou zajímat rovnice typu G(x, y, y, y,..., y (n) ) = 0 y (n) = F (x, y, y,..., y (n 1) ) Příklad 1.1:
Více1 Linearní prostory nad komplexními čísly
1 Linearní prostory nad komplexními čísly V této přednášce budeme hledat kořeny polynomů, které se dále budou moci vyskytovat jako složky vektorů nebo matic Vzhledem k tomu, že kořeny polynomu (i reálného)
VíceMarkovovy řetězce se spojitým časem CTMC (Continuous time Markov Chain)
Markovovy řetězce se soitým časem CTMC (Continuous time Markov Chain) 3 5 1 4 Markovovy rocesy X Diskrétní stavový rostor Soitý obor arametru t { } S e1, e,, en t R t 0 0 t 1 t t 3 t Proces e Markovův
Vícea excentricita e; F 1 [0; 0], T [5; 2], K[3; 4], e = 3.
Řešené úlohy na ohnisové vlasnosi uželoseče Řešené úlohy onsruce uželosečy z daných podmíne řílad: Sesroje uželoseču, je-li dáno její ohniso F 1, ečna = T s bodem T doyu a excenricia e; F 1 [0; 0], T [5;
Více7.3.9 Směrnicový tvar rovnice přímky
739 Směrnicový tvar rovnice přímy Předpolady: 7306 Pedagogicá poznáma: Stává se, že v hodině nestihneme poslední část s určováním vztahu mezi směrnicemi olmých příme Vrátíme se obecné rovnici přímy: Obecná
VíceKapitola 1: Reálné funkce 1/20
Kapitola 1: Reálné funkce 1/20 Funkce jedné proměnné 2/20 Definice: Necht M R. Jestliže každému x M je přiřazeno jistým předpisem f právě jedno y R, říkáme, že y je funkcí x. x... nezávisle proměnná (neboli
Více