Využití logistické regrese pro hodnocení omaku
|
|
- Milena Čechová
- před 8 lety
- Počet zobrazení:
Transkript
1 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 eíž hodnocení e obtížné. Vedle sady tzv. prmárních vlastností ze kterých se hodnocení omaku skládá hrae také důležtou rol hodnottel eho zkušenost s hodnocením psychcké rozpoložení zda se edná o muže č ženu atd. Proto exstue snaha nahradt subektvní hodnocení omaku obektvním založeném na měření mechanckých vlastností spoených s omakem nezávslým na hodnottelích. Nerozšířeněším systémem který se používá pro predkc e systém KES který se velm často také používá ako komparační metoda př vývo nových postupů. Př hodnocení subektvního omaku se nečastě používá stupncová metoda. Prncp spočívá v zařazování ndvduálních textlí do zvolené subektvní stupnce - ordnální škály (např. 1-velm špatný 2-špatný 3-dostačuící 4-průměrný 5-dobrý 6 - velm dobrý 7 znamentý). Je-l užtí textlí exaktně specfkováno (např. pánské večerní oblekovky) e možné použít např. tří stupňovou bodovou škálu (0 horší omak 1 průměrný omak 2 lepší omak) popř. dvoustupňovou škálu (0 špatný omak 1 dobrý omak). Data získaná subektvním hodnocením omaku (zde celkový omak THV) patří do ordnální škály proto lze pro nalezení vztahu mez THV a fyzkálně-mechanckým vlastnostm a následnou predkc použít některý vícerozměrné technky statstcké analýzy dat ako sou dskrmnační analýza a logstcká regrese. 1. Systém KES Systém KES e sada 4 přístroů které měří 15 charakterstk rozdělených do 5 skupn (tahové smykové ohybové obemové povrchové) v rozsazích smuluící běžné namáhání oděvních textlí
2 př nošení. Systém KES byl vytvořen pro obektvní hodnocení omaku textlí zeména tkann. Umožňue obektvně odhadnout celkové pocty většny ldí př ech přímém kontaktu s textlí. Šestnáctou charakterstkou která se používá př predkc omaku e plošná hmotnost. Pro predkc omaku se používá těchto charakterstk: 1) Tahové charakterstky: 1. LT Lnearta WT - deformační energe RT - pružnost 2) Ohybové charakterstky: B - tuhost v ohybu na ednotku délky HB - Moment hystereze na ednotku délky 3) Smykové charakterstky: G - tuhost ve smyku 2HG -hystereze př úhlu smyku φ =05 2HG5 - hystereze př úhlu smyku φ =5 4) Obemové charakterstky: LC: lnearta WC -energe potřebná ke stlačení RC - pružnost 5) Povrchové charakterstky: MIU - koefcent tření MMD - průměrná odchylka MIU SMD - geometrcká drsnost. 6) Geometrcké charakterstky: T tloušťka W plošná hmotnost. Výpočet predkce probíhá ve 2 krocích. Neprve se hodnoty standardzuí a vypočtou se tzv. predkované prmární složky omaku Y 16 X X Y = C0 + C σ = 1 kde X e -tá charakterstka nebo eí desítkový logartmus X a σ e průměr a směrodatná odchylka -té charakterstky C 0 a C regresní koefcenty -té charakterstky a -tého prmárního omaku. Hodnoty parametrů X σ C 0 a C se volí podle účelu použtí textlí. Ve druhém kroku se vypočte obektvní hodnota celkového omaku (THV) 3 2 Y = M 1 Y M 2 THV = C 0 + C 1 + C 2 1 σ 1 σ 2 kde C 0 C 1 C 2 sou regresní koefcenty M 1 M 2 σ 1 σ 2 sou průměry a směrodatné odchylky Y a Y 2 a opět se volí podle účelu použtí textle. Pro konstrukc predkční rovnce byla použta stepwse regrese. V navrženém regresním modelu e použto 16 měřených charakterstk mez kterým exstuí korelace.
3 2. Logstcká regrese Logstcká regrese byla vyvnuta ako alternatvní metoda k metodě nemenších čtverců pro případ kdy závsle proměnná y e bnární. V současné době však lze používat obecně pro závsle proměnnou pocházeící z nomnální nebo ordnální škály. Dá se použít ako alternatva ke klasfkac kdy nesou splněny předpoklady vícerozměrného normálního rozdělení. V případě bnární proměnné logstcká regrese předkue pravděpodobnost dané událost která se buď stala (y=1) nebo nestala (y=0). Pro vytvoření vazební podmínky se používá logtová transformace která vede k sgmodálnímu vztahu mez y a x. Př predkc pomocí logstcké regrese stuace nastala v případě že pravděpodobnost predkované událost e větší 05 e-l menší událost nenastala. Př řešení logstcké regrese se odhaduí regresní koefcenty β (=12 p) pomocí logtové transformace π ( x) ln = b + b x + b x + + b x p p 1 π ( x) kde π(x) e pravděpodobnost že stuace nastala a 1- π(x) vyadřue pravděpodobnost že stuace nenastala b sou odhady regresních koefcentů β. 3. Expermentální část Pro konstrukc predkčního modelu pomocí logstcké regrese bylo použto 49 tkann pro pánské oblekovky. Každá tkanna byla subektvně hodnocena pomocí panelu 20 respondentů pro potřeby logstcké regrese do 2 třídy. První třída omak e špatný (y=0) druhá třída omak e dobrý (y=1). Výsledné zařazení textle do dané třídy bylo provedeno na základě převážného zařazení do třídy t. většna hodnottelů hodnotla známkou 1 tkanna byla zařazena do druhé třídy (textle má dobrý omak). Když hodnotla většna hodnottelů známkou 0 byla textle zařazena do první třídy (textle má špatný omak). Obektvní hodnocení omaku bylo realzováno na systému KES t. u každé tkanny bylo proměřeno 16 vlastností. Pomocí průzkumové analýzy dat korelační matce a varablty v datech bylo následně vytpováno 10 vlastností pro tvorbu predkční rovnce. Mez
4 vytypovaným vlastnostm byly WT RT B G 2HG 2HG5 WC MIU MMD SMD. Př konstrukc regresního modelu se testue ednak významnost regresních koefcentů b ednak významnost ednotlvých proměnných x pro predkc y. Pro testování významnost regresních koefcentů b lze použít Waldovo textační krterum. 2 b ( ) W = a s b které má rozdělení χ 2 s edním stupněm volnost. I když určt příspěvek ednotlvých proměnných v regres elkož závsí na příspěvcích ostatních proměnných lze stanovt parcální korelac R mez ednotlvým závsle proměnným a nezávsle proměnnou. R W 2df a. = ± 2ln L(0) kde df e počet stupňů volnost který se týká počtu odhadovaných parametrů. L (0) e pravděpodobnost základního logstckého modelu který obsahue pouze absolutní člen. 4. Výsledky Vzorky byly rozděleny do dvou skupn. První skupnu tvořlo 42 textlí a byly použty pro tvorbu modelu druhá skupna t. 7 kusů bylo použto pro ověření funkčnost nalezeného modelu. Výsledky konstrukce regresního modelu ukazuí že regresní koefcenty sou většnou nad hladnou významnost α=01. Nevětší vlv na THV maí proměnné WT RT B a SMD. Následuící Tabulka II ukazue počet správně a špatně zařazených obektů.
5 Tabulka I. Odhady koefcentů a vlv ednotlvých proměnných Proměnná χ 2 spočtená hladna významnost regresní koef. odhad Waldova statstka spočtená hladna významnost b WT b RT b B b G B HG b HG b WC b MIU b MMD b SMD b Naměřené hodnoty omaku Tabulka II. Klasfkace obektů tvorba modelu Predkované hodnoty omaku Procento správně zařazených obektů Třída 1 Třída 2 Třída Třída Naměřené hodnoty omaku Tabulka III. Klasfkace obektů ověření modelu Predkované hodnoty omaku Procento správně zařazených obektů Třída 1 Třída 2 Třída Třída
6 Tabulka IV. Přehled modelu stupně volnost χ 2 spočtená hladna významnost Z Tabulky II. a Obr. 1. Je zřemé že došlo k celkem uspokovému proložení funkce daty. Těsnost proložení D=7769% (obdoba R 2 u lneární regrese). Hlubší analýza provedená s porovnáním výsledků ze subektvního hodnocení omaku ukazue že většna textlí které sou modelem špatně ftovány sou současně neednoznačně zařazeny subektvně. Tabulka III ukazue že ověřované textle byly zařazeny všechny dobře. To ukazue na dobrou účnnost modelu. Výsledky v tabulce IV. Ukazuí že model ako celek e na hladně významnost α=005 statstcky významný. Obr.1. Proložení modelu a rezdua. Závěr V případě že př hodnocení omaku e zapotřebí rozhodnout zda e omak dobrý nebo špatný t. e-l chápán ako bnární proměnná lze logstckou regres považovat za vhodnou metodu pro konstrukc predkční rovnce.
7 Lteratura [1] Bazík Vladmír. Predkce subektvního hodnocení omaku pomocí vícerozměrných statstckých metod. In Zaštění kvalty analytckých výsledků:sborník přednášek ze semnáře v Komorní Lhotce. 1. vydání. Český Těšín : 2 Theta s ISBN [2] Kawabata Sueo. The Standardzaton and Analyss of Fabrc Hand. 2nd. ed. The Textle Machnery Socety of Japan Osaka 1982 [3] Meloun Mlan; Mltký Jří. Statstcká analýza expermentálních dat. 1. vydání. Praha: Academa ISBN Adresa autora: Ing. Vladmír Bazík Techncká unverzta v Lberc Fakulta textlní Katedra textlních materálů Hálkova Lberec. e-mal: Vladmír.bazk@tul.cz Tato práce byla vytvořena v rámc proektu MŠMT 1M CQR
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
VíceREGRESNÍ 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
VíceRegresní a korelační analýza
Regresní a korelační analýza Závslost příčnná (kauzální). Závslostí pevnou se označuje případ, kdy výskytu jednoho jevu nutně odpovídá výskyt druhé jevu (a často naopak). Z pravděpodobnostního hledska
VíceTECHNICKÁ UNIVERZITA V LIBERCI
TECHNICKÁ UNIVERZITA V LIBERCI FAKULTA TEXTILNÍ Vladimír Bajzík Hodnocení omaku textilií AUTOREFERÁT DISERTAČNÍ PRÁCE Název disertační práce: HODNOCENÍ OMAKU TEXTILIÍ Autor: Obor doktorského studia: Forma
VíceVícekriteriální 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
VíceVŠB - Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Katedra aplikované matematiky. Diplomová práce. 2014 Michal Běloch
VŠB - Techncká unverzta Ostrava Fakulta elektrotechnky a nformatky Katedra aplkované matematky Dplomová práce 204 Mchal Běloch VŠB - Techncká unverzta Ostrava Fakulta elektrotechnky a nformatky Katedra
VíceANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN
ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN V dokumentu 7a_korelacn_a_regresn_analyza jsme řešl rozdíl mez korelační a regresní analýzou. Budeme se teď věnovat pouze lneárnímu vztahu dvou velčn, protože je nejjednodušší
VícePružnost a plasticita II
Pružnost a plastcta II 3 ročník bakalářského studa doc Ing Martn Kresa PhD Katedra stavební mechank Řešení pravoúhlých nosných stěn metodou sítí Statcké schéma nosné stěn q G υ (μ) h l d 3 wwwfastvsbcz
VíceŘEŠENÍ 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
VíceMetody 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
VíceObsah 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
VíceEKONOMICKO-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
VíceSIMULACE 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
VíceÚloha 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
Vícepodle 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.
VíceANALÝZA VLIVU DEMOGRAFICKÝCH FAKTORŮ NA SPOKOJENOST ZÁKAZNÍKŮ VE VYBRANÉ LÉKÁRNĚ S VYUŽITÍM LOGISTICKÉ REGRESE
ANALÝZA VLIVU DEMOGRAFICKÝCH FAKTORŮ NA SPOKOJENOST ZÁKAZNÍKŮ VE VYBRANÉ LÉKÁRNĚ S VYUŽITÍM LOGISTICKÉ REGRESE Jana Valečková 1 1 Vysoká škola báňská-techncká unverzta Ostrava, Ekonomcká fakulta, Sokolská
VíceSÍŤOVÁ 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
VíceKlasifikace a predikce. Roman LUKÁŠ
1/28 Klasfkace a predkce Roman LUKÁŠ 2/28 Základní pomy Klasfkace = zařazení daného obektu do sté skupny na základě eho vlastností Dvě fáze klasfkace: I. Na základě trénovacích vzorů (u nchž víme, do aké
Více9. cvičení 4ST201. Obsah: Jednoduchá lineární regrese Vícenásobná lineární regrese Korelační analýza. Jednoduchá lineární regrese
cvčící 9. cvčení 4ST01 Obsah: Jednoduchá lneární regrese Vícenásobná lneární regrese Korelační analýza Vysoká škola ekonomcká 1 Jednoduchá lneární regrese Regresní analýza je statstcká metoda pro modelování
VíceTéma 5: Parametrická rozdělení pravděpodobnosti spojité náhodné veličiny
0.05 0.0 0.05 0.0 0.005 Nomnální napětí v pásnc Std Mean 40 60 80 00 0 40 60 Std Téma 5: Parametrcká rozdělení pravděpodobnost spojté náhodné velčn Přednáška z předmětu: Pravděpodobnostní posuzování konstrukcí
VíceDopravní 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.
VíceStatistická energetická analýza (SEA)
Hladna akustckého tlaku buzení harmonckou slou [db] Statstcká energetcká analýza (SA) V současné době exstue řada způsobů, ak řešt vbroakustcké problémy. odobně ako v ných odvětvích nženýrství, také ve
Vícen lokální působení různých vnějších faktorů ovlivňujících růst a zánik živých organismů n lokální variace vnitřních proměnných biologických systémů.
PROSTOROVÁ AUTOKORELACE V ANALYTICKÉ CHEMII JIŘÍ MILITKÝ, Katedra textlních materálů, Techncká unversta v Lberc, 46 7 Lberec MILAN MELOUN, Katedra analytcké cheme, Unversta Pardubce, Pardubce. Úvod Autokorelace
Více6 LINEÁRNÍ REGRESNÍ MODELY
1 6 LINEÁRNÍ REGRESNÍ MODELY Př budování regresních modelů se běžně užívá metody nejmenších čtverců. Metoda nejmenších čtverců poskytuje postačující odhady parametrů jenom př současném splnění všech předpokladů
VíceJiří Militky Škály měření Nepřímá měření Teorie měření Kalibrace
Tetlní zkušebnctv ebnctví II Jří Mltky Škály měření epřímá měření Teore měření Kalbrace Základní pojmy I PRAVDĚPODOBOST Jev A, byl sledován v m pokusech. astal celkem m a krát. Relatvní četnost výskytu
VíceAnalýza nahraditelnosti aktivního systému úsekového měření rychlosti pasivním systémem P. Chmelař 1, L. Rejfek 1,2, M.
Ročník 03 Číslo II Analýza nahradtelnost aktvního systému úsekového měření rychlost pasvním systémem P. Chmelař, L. Refek,, M. Dobrovolný Katedra elektrotechnky, Fakulta elektrotechnky a nformatky, Unverzta
VíceMANAŽERSKÉ 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
VíceVLIV VELIKOSTI OBCE NA TRŽNÍ CENY RODINNÝCH DOMŮ
VLIV VELIKOSTI OBCE NA TRŽNÍ CENY RODINNÝCH DOMŮ Abstrakt Martn Cupal 1 Prncp tvorby tržní ceny nemovtost je sce založen na tržní nabídce a poptávce, avšak tento trh je značně nedokonalý. Nejvíce ovlvňuje
VíceZÁPADOČESKÁ UNIVERZITA V PLZNI
ZÁPADOČESKÁ UNIVERZITA V PLZNI FAKULTA STROJNÍ Semestrální práce z předmětu MM Stanovení deformace soustav ocelových prutů Václav Plánčka 6..006 OBSAH ZADÁNÍ... 3 TEORETICKÁ ČÁST... 4 PRAKTICKÁ ČÁST...
VíceAPLIKACE 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
Více3 VYBRANÉ MODELY NÁHODNÝCH VELIČIN. 3.1 Náhodná veličina
3 VBRANÉ MODEL NÁHODNÝCH VELIČIN 3. Náhodná velčna Tato kaptola uvádí stručný pops vybraných pravděpodobnostních modelů spojtých náhodných velčn s důrazem na jejch uplatnění př rozboru spolehlvost stavebních
VíceVýstavba regresního modelu regresním tripletem
Výstavba regresního modelu regresním trpletem Prof. RNDr. Mlan Meloun, DrSc., Katedra analytcké cheme, Unverzta Pardubce, 53 10 Pardubce Souhrn: Postup hledání regresního modelu e popsán obecnì a dokumentován
VíceMOŽNOSTI PREDIKCE DYNAMICKÉHO CHOVÁNÍ LOPAT OBĚŽNÝCH KOL KAPLANOVÝCH A DÉRIAZOVÝCH TURBÍN.
MOŽNOSTI PREDIKCE DYNAMICKÉHO CHOVÁNÍ LOPAT OBĚŽNÝCH KOL KAPLANOVÝCH A DÉRIAZOVÝCH TURBÍN. Mroslav VARNER, Vktor KANICKÝ, Vlastslav SALAJKA ČKD Blansko Strojírny, a. s. Anotace Uvádí se výsledky teoretckých
VíceTestování hypotéz. 1 Jednovýběrové testy. 90/2 odhad času
Testování hypotéz 1 Jednovýběrové testy 90/ odhad času V podmínkách naprostého odloučení má voák prokázat schopnost orientace v čase. Úkolem voáka e provést odhad časového intervalu 1 hodiny bez hodinek
VíceZápadočeská univerzita v Plzni Fakulta aplikovaných věd Katedra matematiky. Bakalářská práce. Zpracování výsledků vstupních testů z matematiky
Západočeská unverzta v Plzn Fakulta aplkovaných věd Katedra matematky Bakalářská práce Zpracování výsledků vstupních testů z matematky Plzeň, 13 Tereza Pazderníková Prohlášení Prohlašuj, že jsem bakalářskou
Více2. 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
Více1. 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
VíceSTATISTIKA (pro navazující magisterské studium)
Slezská unverzta v Opavě Obchodně podnkatelská fakulta v Karvné STATISTIKA (pro navazující magsterské studum) Jaroslav Ramík Karvná 007 Jaroslav Ramík, Statstka Jaroslav Ramík, Statstka 3 OBSAH MODULU
VíceMODELOVÁNÍ A SIMULACE
MODELOVÁNÍ A SIMULACE základní pojmy a postupy vytváření matematckých modelů na základě blancí prncp numerckého řešení dferencálních rovnc základy práce se smulačním jazykem PSI Základní pojmy matematcký
Více6. Demonstrační simulační projekt generátory vstupních proudů simulačního modelu
6. Demonstrační smulační projekt generátory vstupních proudů smulačního modelu Studjní cíl Na příkladu smulačního projektu představeného v mnulém bloku je dále lustrována metodka pro stanovování typů a
VíceStanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace )
Příklad č. 1 Stanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace ) Zadání : Stanovení manganu ve vodách se provádí oxidací jodistanem v kyselém prostředí až na manganistan. (1) Sestrojte
VícePružnost 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
VíceKalibrace a limity její přesnosti
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie Kalibrace a limity její přesnosti Semestrální práce Licenční studium GALILEO Interaktivní statistická analýza dat Brno, 2015
VíceMikroekonomický scoringový model úpadku českých podniků
Mkroekonomcký scorngový model úpadku českých podnků Jří VALECKÝ, Eva SLIVKOVÁ, VŠB-TU Ostrava Abstract The paper s devoted to the proposng a scorng model of frm s bankruptcy on the bass of logstc regresson
Více4 Parametry jízdy kolejových vozidel
4 Parametry jízdy kolejových vozdel Př zkoumání jízdy železnčních vozdel zjšťujeme většnou tř základní charakterstcké parametry jejch pohybu. Těmto charakterstkam jsou: a) průběh rychlost vozdel - tachogram,
VíceLineární a adaptivní zpracování dat. 8. Kumulační zvýrazňování signálů v šumu 2
Lneární a adaptvní zpracování dat 8. Kumulační zvýrazňování sgnálů v šumu 2 Danel Schwarz Investce do rozvoe vzdělávání Opakování Kumulační zpracování sgnálů co to e, k čemu to e? Prncp metody? Nutné podmínky
VícePorovnání GUM a metody Monte Carlo
Porovnání GUM a metody Monte Carlo Ing. Tomáš Hajduk Nejstota měření Parametr přřazený k výsledku měření Vymezuje nterval, o němž se s určtou úrovní pravděpodobnost předpokládá, že v něm leží skutečná
VíceStaré mapy TEMAP - elearning
Staré mapy TEMAP - elearnng Modul 4 Kartometrcké analýzy Ing. Markéta Potůčková, Ph.D., 2013 Přírodovědecká fakulta UK v Praze Katedra aplkované geonformatky a kartografe Kartometre a kartometrcké vlastnost
VícePRAVDĚPODOBNOST A STATISTIKA. Testování hypotéz o rozdělení
PRAVDĚPODOBNOST A STATISTIKA Testování hypotéz o rozdělení Testování hypotéz o rozdělení Nechť X e náhodná proměnná, která má distribuční funkci F(x, ϑ). Předpokládeme, že neznáme tvar distribuční funkce
VíceTransformace dat a počítačově intenzivní metody
Transformace dat a počítačově ntenzvní metody Jří Mltký Katedra textlních materálů, Textlní fakulta, Techncká unversta v Lberc, Lberec, e- mal jr.mltky@vslb.cz Mlan Meloun, Katedra analytcké cheme, Unversta
VíceStanovení 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,
VíceMetoda digitalizace starých glóbů respektující jejich kartografické vlastnosti a Virtuální mapová sbírka Chartae-Antiquae.cz
Metoda dgtalzace starých glóbů respektuící ech kartografcké vlastnost a Vrtuální mapová sbírka hartae-antquae.cz Mlan Talch, Klára Ambrožová, Flp Antoš, Ondře Böhm, Jan Havrlant, Lubomír Soukup XXXIV.
VíceNÁVRH MATEMATICKÉHO MODELU PRO OPTIMALIZACI VYTVÁŘENÍ SMĚSÍ SPALITELNÝCH ODPADŮ PRO SPALOVNY. PETR BYCZANSKI a a KAREL OBROUČKA b.
Chem. Lsty 101, 668 67 (007) Laboratorní přístroe a postupy NÁVRH MATEMATICKÉHO MODELU PRO OPTIMALIZACI VYTVÁŘENÍ SMĚSÍ SPALITELNÝCH ODPADŮ PRO SPALOVNY PETR BYCZANSKI a a KAREL OBROUČKA b a Ústav geonky
VíceCvičení 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
VíceLokace odbavovacího centra nákladní pokladny pro víkendový provoz
Markéta Brázdová 1 Lokace odbavovacího centra nákladní pokladny pro víkendový provoz Klíčová slova: odbavování záslek, centrum grafu, vážená excentrcta vrcholů sítě, časová náročnost odbavení záslky, vážená
VíceVYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY BAKALÁŘSKÁ PRÁCE. 2013 Radka Luštincová
VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY BAKALÁŘSKÁ PRÁCE 2013 Radka Luštncová VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Název bakalářské práce: Aplkace řezných
VícePROBLEMATIKA INTELIGENTNÍHO AUTOMATICKÉHO
PROBLEMATIKA INTELIGENTNÍHO AUTOMATICKÉHO MAPOVÁNÍ WEBOVÝCH STRÁNEK ŘIMNÁČ MARTIN 1, ŠUSTA RICHARD 2, ŽIVNŮSTKA JIŘÍ 3 Katedra řídcí technky, ČVUT-FEL, Techncká 2, Praha 6, tel. +42 224 357 359, fax. +
VíceDopravní plánování a modelování (11 DOPM )
Department of Appled Mathematcs Faculty of Transportaton cences Czech Techncal Unversty n Prague Dopravní plánování a modelování (11 DOPM ) Lekce 4: FM: Trp generaton Doc. Ing. Ondře Přbyl, Ph.D. Ing.
VíceZáklady počítačové grafiky
Základy počítačové gafky Pezentace přednášek Ústav počítačové gafky a multmédí Téma přednášky Radozta Motto Světlo se šíří podle fyzkálních zákonů! Př ealstcké zobazení vtuálních počítačových scén e poto
VíceKalibrace a limity její přesnosti
Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium chemometrie Statistické zpracování dat Kalibrace a limity její přesnosti Zdravotní ústav se sídlem v Ostravě
VíceSolventnost II. Standardní vzorec pro výpočet solventnostního kapitálového požadavku. Iva Justová
2. část Solventnost II Standardní vzorec pro výpočet solventnostního kaptálového požadavku Iva Justová Osnova Úvod Standardní vzorec Rzko selhání protstrany Závěr Vstupní údaje Vašíčkovo portfolo Alternatvní
VíceVztah mezi počtem květů a celkovou biomasou rostliny CELKE EM. slá pro KVETU = závi
Regrese a korelace Regrese versus korelace Regrese (regresson)* popsuje vztah = závslost dvou a více kvanttatvních (popř. ordnálních) proměnných formou funkční závslost měří těsnost Korelace (correlaton)
VícePRAVDĚPODOBNOST 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
VícePřednáška č. 11 Analýza rozptylu při dvojném třídění
Přednáška č. Analýza roztlu ř dvojném třídění Ve většně říadů v rax výsledk exermentu, rozboru závsí na více faktorech. Př této analýze se osuzují výsledk náhodných okusů (exerment nebo soubor získané
VíceInterní norma č /01 Stupeň kotonizace lýkových vláken
Předmluva Text vnitřní normy byl vypracován v rámci Výzkumného centra Textil LN00B090 a schválen oponentním řízením dne 7.2.2004. Předmět normy Norma stanoví postup měření a hodnocení stupně kotonizace
VíceMatematika 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
VíceKALIBRACE A LIMITY JEJÍ PŘESNOSTI. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie KALIBRACE A LIMITY JEJÍ PŘESNOSTI Semestrální práce Licenční studium Galileo Interaktivní statistická analýza dat Brno 2016
VíceRegresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
VíceMechanické vlastnosti materiálů.
Mechancké vastnost materáů. Obsah přednášky : tahová zkouška, zákadní mechancké vastnost materáu, prodoužení př tahu nebo taku, potencání energe, řešení statcky neurčtých úoh Doba studa : as hodna Cí přednášky
VíceSoftwarová 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
VíceUNIVERZITA PARDUBICE
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Licenční studium chemometrie na téma Statistické zpracování dat Semestrální práce ze 6. soustředění Předmět: 3.3 Tvorba nelineárních
VícePřednášky část 4 Analýza provozních zatížení a hypotézy kumulace poškození, příklady. Milan Růžička
Přednášky část 4 Analýza provozních zatížení a hypotézy kumulace poškození, příklady Mlan Růžčka mechanka.fs.cvut.cz mlan.ruzcka@fs.cvut.cz Analýza dynamckých zatížení Harmoncké zatížení x(t) přes soubor
VíceAgregace v reálných systémech
Agregace v reálných systémech 1 Zednodušuící předpoklady př popsu knetky agregace: o koefcent účnnost srážek (kolzní koefcent) α = 1, o pohyb částc e zapříčněn lamnárním prouděním kapalny, o všechny částce
VícePravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1
Logistická regrese Menu: QCExpert Regrese Logistická Modul Logistická regrese umožňuje analýzu dat, kdy odezva je binární, nebo frekvenční veličina vyjádřená hodnotami 0 nebo 1, případně poměry v intervalu
VíceVÝVOJ SOFTWARU NA PLÁNOVÁNÍ PŘESNOSTI PROSTOROVÝCH SÍTÍ PRECISPLANNER 3D. Martin Štroner 1
VÝVOJ SOFWARU NA PLÁNOVÁNÍ PŘESNOSI PROSOROVÝCH SÍÍ PRECISPLANNER 3D DEVELOPMEN OF HE MEASUREMEN ACCURACY PLANNING OF HE 3D GEODEIC NES PRECISPLANNER 3D Martn Štroner 1 Abstract A software for modellng
VícePŘÍSPĚVEK K NEJISTOTÁM VÝSLEDKŮ MĚŘENÍ
PŘÍSPĚVEK K NEJISTOTÁM VÝSLEDKŮ MĚŘENÍ JIŘÍ MILITKÝ, Katedra textlních materálů, Techncká unversta v Lberc, MILAN MELOUN, Katedra analytcké cheme, Unversta Pardubce, Pardubce. Úvod Je známo, že měření
VíceSemestrální práce. 3.3 Tvorba nelineárních regresních modelů v analýze dat
Semestrální práce 1 3.3 Tvorba nelineárních regresních modelů v analýze dat Ing. Ján Lengyel, CSc. Centrální analytická laboratoř Ústav jaderného výzkumu Řež, a. s. Husinec Řež 130 250 68 Řež V Řeži, únor
VíceKorelační energie. Celkovou elektronovou energii molekuly lze experimentálně určit ze vztahu. E vib. = E at. = 39,856, E d
Korelační energe Referenční stavy Energ molekul a atomů lze vyjádřt vzhledem k různým referenčním stavům. V kvantové mechance za referenční stav s nulovou energí bereme stav odpovídající nenteragujícím
Víceí I - 13 - Průchod a rozptyl záření gama ve vrstvách materiálu Prof. Ing. J. Šeda, DrSc. KDAIZ - PJPI
- 13 - í Průchod a rozptyl záření gama ve vrstvách materálu Prof. ng. J. Šeda, DrSc. KDAZ - PJP Na našem pracovšt byl vypracován program umožňující modelovat průchod záření gama metodou Monte Carlo, homogenním
VíceLINEÁRNÍ REGRESE. Lineární regresní model
LINEÁRNÍ REGRESE Chemometrie I, David MILDE Lineární regresní model 1 Typy závislosti 2 proměnných FUNKČNÍ VZTAH: 2 závisle proměnné: určité hodnotě x odpovídá jediná hodnota y. KORELACE: 2 náhodné (nezávislé)
VíceStatistika (KMI/PSTAT)
Statistika (KMI/PSTAT) Cvičení dvanácté aneb Regrese a korelace Statistika (KMI/PSTAT) 1 / 18 V souboru 25 jedinců jsme měřili jejich výšku a hmotnost. Výsledky jsou v tabulce a grafu. Statistika (KMI/PSTAT)
VíceZnamená vyšší korupce dražší dálnice? Evidence z dat Eurostatu. Michal Dvořák *
Znamená vyšší korupce dražší dálnce? Evdence z dat Eurostatu Mchal Dvořák * Článek je pozměněnou verzí práce Analýza vztahu mez mírou korupce a cenovou úrovní nfrastrukturních staveb, kterou autor zakončl
VíceTvorba nelineárních regresních modelů v analýze dat
Univerzita Pardubice Fakulta chemicko-technologická, Katedra analytické chemie Licenční studium GALILEO Interaktivní statistická analýza dat Semestrální práce z předmětu Tvorba nelineárních regresních
VíceCHYBY MĚŘENÍ. uvádíme ve tvaru x = x ± δ.
CHYBY MĚŘENÍ Úvod Představte s, že máte změřt délku válečku. Použjete posuvné měřítko a získáte určtou hodnotu. Pamětlv přísloví provedete ještě jedno měření. Ale ouha! Výsledek je jný. Co dělat? Měřt
VíceStatistická šetření a zpracování dat.
Statstcká šetření a zpracování dat. Vyjadřovací prostředky ve statstce STATISTICKÉ TABULKY Typckým vyjadřovacím prostředkem statstky je číslo formalzovaným nástrojem číselného vyjádření je statstcká tabulka.
VíceValidation of the selected factors impact on the insured accident
6 th Internatonal Scentfc Conference Managng and Modellng of Fnancal Rsks Ostrava VŠB-TU Ostrava, Faculty of Economcs,Fnance Department 0 th th September 202 Valdaton of the selected factors mpact on the
Více1. Stanovení modulu pružnosti v tahu přímou metodou
. Stanovení moduu pružnost v tahu přímou metodou.. Zadání úohy. Určte modu pružnost v tahu přímou metodou pro dva vzorky různých materáů a výsedky porovnejte s tabukovým hodnotam.. Z naměřených hodnot
VíceRegresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
VíceANALÝZA 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- 1 - Zdeněk Havel, Jan Hnízdil. Cvičení z Antropomotoriky. Obsah:
- - Zdeněk Havel, Jan Hnízdl Cvčení z Antropomotorky Obsah: Úvod... S Základní charakterstky statstckých souborů...3 S Charakterstka základních výběrových technk a teoretcká rozložení četností...9 S 3
VíceStatistická analýza jednorozměrných dat
Statistická analýza jednorozměrných dat Prof. RNDr. Milan Meloun, DrSc. Univerzita Pardubice, Pardubice 31.ledna 2011 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem
VíceUNIVERZITA PARDUBICE
UNIVERZITA PARDUBICE Fakulta chemicko technologická Katedra analytické chemie Licenční studium chemometrie na téma Tvorba nelineárních regresních modelů v analýze dat Vedoucí licenčního studia Prof. RNDr.
VíceANALÝZA PRODUKCE OLEJNIN ANALYSIS OF OIL SEED PRODUCTION. Lenka Šobrová
ANALÝZA PRODUKCE OLEJNIN ANALYSIS OF OIL SEED PRODUCTION Lenka Šobrová Anotace: Olejnny patří mez významné zemědělské plodny. Nejvýznamnější zástupc této skupny se však v jednotlvých částech světa lší,
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometre Specální případy použtí MNČ Cvčení 8 Zuzana Dlouhá Specální případy použtí MNČ cvčení 1 7 = ekonometrcký model, který byl lneární v proměnných v parametrech MNČ můžeme použít,
VíceMEZNÍ STAVY A SPOLEHLIVOST OCELOVÝCH KONSTRUKCÍ LIMIT STATES AND RELIABILITY OF STEEL STRUCTURES
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta stavební Ústav stavební mechanky Doc. Ing. Zdeněk Kala, Ph.D. MEZNÍ STAVY A SPOLEHLIVOST OCELOVÝCH KONSTRUKCÍ LIMIT STATES AND RELIABILITY OF STEEL STRUCTURES TEZE
VíceSIMULACE ZTRÁTY STABILITY ŠTÍHLÉHO PRUTU PŘI KROUCENÍ
SIMULACE ZTRÁTY STABILITY ŠTÍHLÉHO PRUTU PŘI KROUCENÍ SIMULATION OF STABILITY LOSS OF SLENDER BEAM UNDER TORSION Petr Frantík Abstract Paper deals wth the stablty loss of straght shape of slender deal
Více7. STATISTICKÝ SOUBOR S JEDNÍM ARGUMENTEM
7. STATISTICKÝ SOUBOR S JEDNÍM ARGUMENTEM Průvodce studem Předchozí kaptoly byly věnovány pravděpodobnost a tomu, co s tímto pojmem souvsí. Nyní znalost z počtu pravděpodobnost aplkujeme ve statstce. Předpokládané
VíceRegresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
VíceTvorba nelineárních regresních
Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium chemometrie Statistické zpracování dat Tvorba nelineárních regresních modelů v analýze dat Zdravotní ústav
VíceSimulační metody hromadné obsluhy
Smulační metody hromadné osluhy Systém m a model vstupy S výstupy Systém Část prostředí, kterou lze od jeho okolí oddělt fyzckou neo myšlenkovou hrancí Model Zjednodušený, astraktní nástroj používaný pro
Více