ANALÝZA A KLASIFIKACE DAT

Rozměr: px
Začít zobrazení ze stránky:

Download "ANALÝZA A KLASIFIKACE DAT"

Transkript

1 ANAÝZA A KASIFIKACE DAT pof. Ing. Jiří Holčík, CSc. INVESTICE Intitut DO biotatitiky OZVOJE VZDĚÁVÁNÍ a analýz

2 III. BAYESŮV KASIFIKÁTO Intitut biotatitiky a analýz

3 Intitut biotatitiky a analýz ZÁKADN KADNÍ POJMY A P POJMY A PŘEDPOKADY EDPOKADY při řešení paktických úloh je třeba předpokládat, že obazy ignálů jou ovlivněny víceméně náhodnými fluktuacemi zdoje ignálu, v přenoové cetě, při předzpacování i analýze, kteé e nepodaří zcela eliminovat. ztátová funkce udává ztátu při chybné klaifikaci obazu ze třídy do třídy. matice ztátových funkcí třední ztáta Ja udává půměnou ztátu při chybné klaifikaci obazu M O M M

4 KITÉIUM IUM MINIMÁN NÍ STŘEDN EDNÍ ZTÁTY TY pokud e outředíme na obazy pouze ze třídy, je třední ztáta dána půměnou hodnotou z d,a vzhledem ke všem obazům ze třídy, tj. J a d, a.p d kde p je podmíněná hutota pavděpodobnoti výkytu obazu ve třídě Intitut biotatitiky a analýz

5 KITÉIUM IUM MINIMÁN NÍ STŘEDN EDNÍ ZTÁTY TY Celková třední ztáta Ja je půměná hodnota ze ztát J a J a J a.p d, a.p d nebo podle Bayeova vzoce P.p p.p J a d, a kde p je hutota pavděpodobnoti výkytu obazu v celém obazovém potou a P je podmíněná pavděpodobnot, že daný obaz patří do třídy tzv. apoteioní pavděpodobnot třídy..p.p.p d Intitut biotatitiky a analýz

6 KITÉIUM IUM MINIMÁN NÍ STŘEDN EDNÍ ZTÁTY TY Návh optimálního klaifikátou, kteý by minimalizoval třední ztátu, počívá v nalezení takové množiny paametů ozhodovacího pavidla a*, že platí J a* minj a Doadíme-li za Ja z předchozího vztahu, je J a* min d, a a Je-li ztátová funkce kontantní po všechny obazy z,je dále J a* min a.p.p.p.p d d Intitut biotatitiky a analýz

7 KITÉIUM IUM MINIMÁN NÍ STŘEDN EDNÍ ZTÁTY TY Označíme-li ztátu při klaifikaci obazu do třídy.p.p tak po doazení dotaneme J a* min d Úloha nalezení minima celkové třední ztáty e tak převedla na minimalizaci funkce. Optimální ozhodovací pavidlo d,a* podle kitéia minimální celkové třední ztáty je d, a* min ME Intitut biotatitiky a analýz

8 KITÉIUM IUM MINIMÁN NÍ STŘEDN EDNÍ ZTÁTY TY Chceme-li využít pincipu dikiminačních funkcí Dikiminační funkci optimálního klaifikátou podle kitéia minimální chyby pak definujeme g min ma.p.p Intitut biotatitiky a analýz

9 KITÉIUM IUM MINIMÁN NÍ STŘEDN EDNÍ ZTÁTY TY DICHOTOMICKÝ KASIFIKÁTO Celková třední ztáta v případě dvou tříd je J a +.P.P.P.p. α + p p.p.p d +.d +.d +. β +.P.P.P.p p p. α +.P.d +.d d.p β Intitut biotatitiky a analýz

10 KITÉIUM IUM MINIMÁN NÍ STŘEDN EDNÍ ZTÁTY TY DICHOTOMICKÝ KASIFIKÁTO Dikiminační funkce po dichotomický klaifikáto bude + g.p.p g.p.p + +.p.p.p.p.p.p +.p.p g Položíme-li tento výaz nule dotaneme vztah po haniční plochu dichotomického klaifikátou, ze kteého můžeme učit pomě hutot pavděpodobnoti výkytu obazu v každé z obou klaifikačních tříd - věohodnotní pomě p.p Λ p.p Obaz zařadíme do třídy, když je věohodnotní pomě větší než výaz na pavé taně, je-li menší pak obaz zařadíme do třídy. + Intitut biotatitiky a analýz

11 VĚOHODNOSTNÍ POMĚ I. Sumaizuje veškeou infomaci zíkanou epeimentem. Pavděpodobnot, že jev data natane za daných podmínek hypotéza děleno pavděpodobnotí, že tejný jev natane za jiných podmínek. Podmínky jou vzájemně e vylučující. Intitut biotatitiky a analýz

12 VĚOHODNOSTNÍ POMĚ II. Věohodnotní pomě likelihood atio udává podíl pavděpodobnoti, že e vykytne nějaký jev A za učité podmínky jev B, k pavděpodobnoti, že e jev A vykytne, když podmínka neplatí jev nonb. Má-li například pacient náhlou ztátu paměti jev A, chceme znát věohodnotní pomě výkytu jevu A vpřípadě, že má mozkový nádo jev B, tj. podíl pavděpodobnoti, jakou ztáta paměti vzniká při nádou mozku, k pavděpodobnoti, jakou vzniká v otatních případech. Věohodnotní pomě je tedy podíl podmíněných pavděpodobnotí PA B PA nonb Intitut biotatitiky a analýz

13 KITÉIUM IUM MINIMÁN NÍ PAVDĚPODOBNOSTI PODOBNOSTI CHYBNÉHO HO OZHODNUTÍ Díky obtížnému tanovení hodnot ztátových funkcí e kitéium minimální chyby zjednodušuje použitím jednotkových ztátových funkcí definovaných Matice jednotkových ztátových funkcí má pak tva a celková ztáta je J a 0 M 0 po po což je hodnota pavděpodobnoti chybného ozhodnutí. 0 M X - O M 0 p.p d Intitut biotatitiky a analýz

14 KITÉIUM IUM MINIMÁN NÍ PAVDĚPODOBNOSTI PODOBNOSTI CHYBNÉHO HO OZHODNUTÍ Doadíme-li hodnoty jednotkových ztátových funkcí do vztahu po ztátu při klaifikaci obazu do chybné třídy p.p p.p p.p a využitím Bayeova vztahu p P p.p p nezávií na klaifikační třídě a tedy neovlivňuje výbě minima. Dikiminační funkci tedy můžeme učit jako g p.p p p.p Intitut biotatitiky a analýz

15 KITÉIUM IUM MINIMÁN NÍ PAVDĚPODOBNOSTI PODOBNOSTI CHYBNÉHO HO OZHODNUTÍ V případě dichotomického klaifikátou je dikiminační funkce g p.p p.p A věohodnotní pomě je potom Λ p p P P Intitut biotatitiky a analýz

16 Intitut biotatitiky a analýz KIT KITÉIUM MAXIM IUM MAXIMÁN NÍ APOSTEION APOSTEIONÍ PAVD PAVDĚPODOBNOSTI PODOBNOSTI Modifikujeme-li vztah po ztátu při chybné klaifikaci obazu podle Bayeova vztahu P.p p.p platí Hutota pavděpodobnoti p nezávií na klaifikační třídě a tedy míto lze použít a jednotkovými ztátovými funkcemi je.p p.p.p.p p ' P P P P '

17 nebo KITÉIUM IUM MAXIMÁN NÍ APOSTEIONÍ PAVDĚPODOBNOSTI PODOBNOSTI Minimum ztáty je pávě tehdy, když P je maimální. Tzn. že jako dikiminační funkci můžeme zvolit pávě hodnotu apoteioní pavděpodobnoti třídy, tj. g P Po případ dichotomického klaifikátou je dikiminační funkce g P - P 0. Z toho plyne, že hanicí mezi třídami učuje vztah P P P P Podle tohoto kitéia zatřídíme obaz do té třídy, jejíž apoteioní pavděpodobnot je při výkytu obazu větší. Intitut biotatitiky a analýz

18 KITÉIUM IUM MAXIMÁN NÍ PAVDĚPODOBNOSTI PODOBNOSTI MINIMAX Neznáme-li apioní pavděpodobnoti všech tříd, předpokládáme ovnoměné ozložení pavděpodobnot všech tříd je táž P P /. Potom celková třední ztáta J a doáhne minima, když.p d J a* min a.p d Dikiminační funkci lze jako v předchozích případech definovat jako g.p Intitut biotatitiky a analýz

19 KITÉIUM IUM MAXIMÁN NÍ PAVDĚPODOBNOSTI PODOBNOSTI MINIMAX V případě dichotomie je věohodnotní pomě Λ p p Pokud jou ceny pávného ozhodnutí nulové, tj. 0, je Λ p p Obaz je zařazen do třídy, když je věohodnotní pomě než pomě cen ztát chybných zatřídění. Jou-li obě ceny tejné, je obaz zařazen do té třídy, po kteou je hodnota p větší. Intitut biotatitiky a analýz

20 KITÉIUM IUM MAXIMÁN NÍ PAVDĚPODOBNOSTI PODOBNOSTI MINIMAX Intitut biotatitiky a analýz

ANALÝZA A KLASIFIKACE DAT

ANALÝZA A KLASIFIKACE DAT ANALÝZA A KLASIFIKACE DAT pof. Ing. Jiří Holčík, CSc. INVESTICE Intitut DO biotatitiky OZVOJE VZDĚLÁVÁNÍ a analýz II. PŘÍZNAKOVÁ KLASIFIKACE - ÚVOD PŘÍZNAKOVÝ POPIS Příznakový obaz zpacovávaných dat je

Více

ANALÝZA A KLASIFIKACE DAT. Institut biostatistiky a analýz

ANALÝZA A KLASIFIKACE DAT. Institut biostatistiky a analýz ANALÝZA A KLASIFIKACE DAT prof. Ing. Jiří Holčík,, CSc. III. PŘÍZNAKOVÁ KLASIFIKACE - ÚVOD PŘÍZNAKOVÝ POPIS Příznakový obraz x zpracovávaných dat je vyjádřen n-rozměrným loupcovým vektorem hodnot x i,

Více

ANALÝZA A KLASIFIKACE DAT

ANALÝZA A KLASIFIKACE DAT ANALÝZA A KLASIFIKACE DAT pof. Ing. Jiří Holčík, CSc. INVESTICE Institut DO biostatistiky ROZVOJE VZDĚLÁVÁNÍ a analýz VI. VOLBA A VÝBĚR PŘÍ ZAČÍNÁME kolik a jaké příznaky? málo příznaků možná chyba klasifikace;

Více

Analýza a klasifikace dat

Analýza a klasifikace dat Analýza a klasifikace dat Jiří Holčík Březen 0 Přípava a vydání této publikace byly podpoovány pojektem ESF č. CZ..07/..00/07.038 Víceoboová inovace studia Matematické biologie a státním ozpočtem České

Více

4. cvičení z Matematické analýzy 2

4. cvičení z Matematické analýzy 2 4. cvičení z Matematické analýzy 2 22. - 26. října 208 4. Po funkci fx, y, z xy 2 + z 3 xyz učete v bodě a 0,, 2 deivaci ve měu u, kteý je učen tím, že víá kladnými měy ouřadných o potupně úhly 60, 45

Více

( + ) t NPV 10000 + + = NPV

( + ) t NPV 10000 + + = NPV Základní pojmy Finanční management Základní pojmy ozhodování a nejčastější omyly ovlivnitelné a neovlivnitelné položky elevantní náklad stálé a poměnné náklady půměné náklady maginální náklady Příklad

Více

Projekt OPVK - CZ.1.07/1.1.00/ Matematika pro všechny. Univerzita Palackého v Olomouci

Projekt OPVK - CZ.1.07/1.1.00/ Matematika pro všechny. Univerzita Palackého v Olomouci Projekt OPVK - CZ.1.07/1.1.00/26.0047 Matematika pro všechny Univerzita Palackého v Olomouci Tematický okruh: Geometrie Gradovaný řetězec úloh Téma: Komolý kužel Autor: Kubešová Naděžda Klíčové pojmy:

Více

Obr. 1: Vizualizace dat pacientů, kontrolních subjektů a testovacího subjektu.

Obr. 1: Vizualizace dat pacientů, kontrolních subjektů a testovacího subjektu. Řešení příkladu - klasifikace testovacího subjektu pomocí Bayesova klasifikátoru: ata si vizualizujeme (Obr. ). Objem mozkových komor 9 8 7 6 5 pacienti kontroly testovací subjekt 5 6 Objem hipokampu Obr.

Více

Motivace. Náhodný pokus, náhodný n jev. Pravděpodobnostn. podobnostní charakteristiky diagnostických testů, Bayesův vzorec

Motivace. Náhodný pokus, náhodný n jev. Pravděpodobnostn. podobnostní charakteristiky diagnostických testů, Bayesův vzorec Pravděpodobnostn podobnostní charakteristiky diagnostických testů, Bayesův vzorec Prof.RND.Jana Zvárov rová,, DrSc. Motivace V medicíně má mnoho problémů pravěpodobnostní charakter prognóza diagnoza účinnost

Více

Řešení úloh 1. kola 51. ročníku fyzikální olympiády. Kategorie D = s v 2

Řešení úloh 1. kola 51. ročníku fyzikální olympiády. Kategorie D = s v 2 Řešení úloh 1. kola 51. ročníku fyzikální olympiády. Kategorie D Autor úloh: J. Jírů 1.a) Dobaprvníjízdynaprvníčtvrtinětratije 1 4 1 4 48 t 1 = = h= 1 v 1 60 60 h=1min anazbývajícíčátitrati t = 4 v = 4

Více

5.4.6 Objemy a povrchy rotačních těles I

5.4.6 Objemy a povrchy rotačních těles I 5.4.6 Objey a povchy otačních těle I Předpoklady: 050405 Pedagogická poznáka: Stejně jako u nohotěnů i u otačních těle e vzoce po objey a obahy e neodvozují, žáci ohou využívat tabulky a cíle hodin je,

Více

Obsah přednášky. 1. Základní pojmy. 2. Jednorozměrné charakteristiky 3. Rozložení 4. Vícerozměrné charakteristiky. Jak stručně popsat data

Obsah přednášky. 1. Základní pojmy. 2. Jednorozměrné charakteristiky 3. Rozložení 4. Vícerozměrné charakteristiky. Jak stručně popsat data Obah přednášky 1. Základní pojmy. Jednorozměrné charakteritiky 3. Rozložení 4. Vícerozměrné charakteritiky Jak tručně popat data 5. Hypotézy, tety O kvalitě dat a modelů Základní a výběrový oubor, pravděpodobnot,

Více

Části kruhu. Předpoklady:

Části kruhu. Předpoklady: 2.10.3 Části uhu Předpolady: 0201002 Př. 1: Na užnici ( ;5cm) leží body,, = 8cm. Uči početně vzdálenost tětivy od středu užnice. pávnost výpočtu zontoluj ýsováním. Naeslíme si obáze a využijeme speciální

Více

Ing. Petra Cihlářová. Odborný garant: Doc. Ing. Miroslav Píška, CSc.

Ing. Petra Cihlářová. Odborný garant: Doc. Ing. Miroslav Píška, CSc. Vyoké učení technické v Bně Fakulta tojního inženýtví Útav tojíenké technologie Odbo obábění Téma: 3. cvičení - Geometie řezného nátoje Okuhy: Učení nátojových úhlů po nátoje ovinnými plochy Aγ, Aα Kontola

Více

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE. FAKULTA STAVEBNÍ, OBOR GEODÉZIE A KARTOGRAFIE KATEDRA SPECIÁLNÍ GEODÉZIE název předmětu

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE. FAKULTA STAVEBNÍ, OBOR GEODÉZIE A KARTOGRAFIE KATEDRA SPECIÁLNÍ GEODÉZIE název předmětu ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ, OBOR GEODÉZIE A KARTOGRAFIE KATEDRA SPECIÁLNÍ GEODÉZIE název předmětu EKONOMIKA V ZEMĚMĚŘICTVÍ A KATASTRU číslo úlohy 1. název úlohy NEMOVITOSTÍ Analýza

Více

ANALÝZA A KLASIFIKACE DAT

ANALÝZA A KLASIFIKACE DAT ANALÝZA A KLASIFIKACE DAT prof. Ing. Jiří Holčík, CSc. INVESTICE Institut DO biostatistiky ROZVOJE VZDĚLÁVÁNÍ a analýz IV. LINEÁRNÍ KLASIFIKACE PRINCIPY KLASIFIKACE pomocí diskriminačních funkcí funkcí,

Více

Informační listy výrobků. Zásobník teplé vody Typ Třída energetické účinnosti Statická ztráta [W] Užitný objem [l] NAD 1000v1

Informační listy výrobků. Zásobník teplé vody Typ Třída energetické účinnosti Statická ztráta [W] Užitný objem [l] NAD 1000v1 Strana 1 z NAD 1000v1 5 NAD 1000v1-790 mm 5 NAD 1000v2 5 NAD 1000v3 5 NAD 1000v4 3 985 Strana 2 z NAD 1000v5 126 971 NAD 250v1 88 265 NAD 300v3 320 NAD 500v1 83 NAD 500v2 83 Strana 3 z NAD 500v3 83 NAD

Více

Mechanika hmotného bodu

Mechanika hmotného bodu Mechanika hmotného bodu Pohybové zákony klaické fyziky Volný hmotný bod = hmotný bod (HB), na kteý nepůobí žádné íly (je to abtaktní objekt). Ineciální vztažná (ouřadná) outava = vztažná (ouřadná) outava,

Více

1 Seznamová barevnost úplných bipartitních

1 Seznamová barevnost úplných bipartitních Barvení grafů pravděpodobnotní důazy Zdeně Dvořá 7. proince 208 Seznamová barevnot úplných bipartitních grafů Hypergraf je (labě) -obarvitelný, jetliže exituje jeho obarvení barvami neobahující monochromaticou

Více

ODVOZENÍ OBLASTI NECITLIVOSTI PRO PARAMETRY STŘEDNÍ HODNOTY REGULÁRNÍHO SMÍŠENÉHO LINEÁRNÍHO REGRESNÍHO MODELU BEZ PODMÍNEK

ODVOZENÍ OBLASTI NECITLIVOSTI PRO PARAMETRY STŘEDNÍ HODNOTY REGULÁRNÍHO SMÍŠENÉHO LINEÁRNÍHO REGRESNÍHO MODELU BEZ PODMÍNEK ODVOZENÍ OBLASTI NECITLIVOSTI PRO PARAMETRY STŘEDNÍ HODNOTY REGULÁRNÍHO SMÍŠENÉHO LINEÁRNÍHO REGRESNÍHO MODELU BEZ PODMÍNEK Hana Boháčová Univezita Padubice, Fakulta ekonomicko-spávní, Ústav matematiky

Více

B1. Výpočetní geometrie a počítačová grafika 9. Promítání., světlo.

B1. Výpočetní geometrie a počítačová grafika 9. Promítání., světlo. B. Výpočetní geometie a počítačová gafika 9. Pomítání., světlo. Pomítání Převedení 3D objektu do 2D podoby je ealizováno pomítáním, při kteém dochází ke ztátě infomace. Pomítání (nebo též pojekce) je tedy

Více

Motivace. Náhodný pokus, náhodný n jev. pravděpodobnost. podobnostní charakteristiky diagnostických testů, Bayesův vzorec. Prof.RND. RND.

Motivace. 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,

Více

Aplikovaná numerická matematika

Aplikovaná numerická matematika Aplikovaná numerická matematika 6. Metoda nejmenších čtverců doc. Ing. Róbert Lórencz, CSc. České vysoké učení technické v Praze Fakulta informačních technologií Katedra počítačových systémů Příprava studijních

Více

TECHNICKÁ UNIVERZITA V LIBERCI Katedra fyziky, Studentská 2, 461 17 Liberec

TECHNICKÁ UNIVERZITA V LIBERCI Katedra fyziky, Studentská 2, 461 17 Liberec TECHNICKÁ UNIVERZITA V LIBERCI Katedra fyziky, Studentká, 6 7 Liberec POŽADAVKY PRO PŘIJÍMACÍ ZKOUŠKY Z FYZIKY Akademický rok: 0/0 Fakulta mechatroniky Studijní obor: Nanomateriály Tématické okruhy. Kinematika

Více

PRAVDĚPODOBNOST A STATISTIKA. Bayesovské odhady

PRAVDĚPODOBNOST A STATISTIKA. Bayesovské odhady PRAVDĚPODOBNOST A STATISTIKA Bayesovské odhady Bayesovské odhady - úvod Klasický bayesovský přístup: Klasický přístup je založen na opakování pokusech sledujeme rekvenci nastoupení zvolených jevů Bayesovský

Více

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ ZÁKLADNÍ POJMY

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ ZÁKLADNÍ POJMY TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ ZÁKLADNÍ POJMY Statistická hypotéza je určitá domněnka (předpoklad) o vlastnostech ZÁKLADNÍHO SOUBORU. Test statistické hypotézy je pravidlo (kritérium), které na základě

Více

jevu, čas vyjmutí ze sledování byl T j, T j < X j a T j je náhodná veličina.

jevu, čas vyjmutí ze sledování byl T j, T j < X j a T j je náhodná veličina. Parametrické metody odhadů z neúplných výběrů 2 1 Metoda maximální věrohodnosti pro cenzorované výběry 11 Náhodné cenzorování Při sledování složitých reálných systémů často nemáme možnost uspořádat experiment

Více

Příklady k přednášce 19 - Polynomiální metody

Příklady k přednášce 19 - Polynomiální metody Příklady k přednášce 19 - Polynomiální metody Michael Šebek Automatické řízení 013 7-4-14 Opakování: Dělení polynomů: e zbytkem a bez Polynomy tvoří okruh, ale ne těleo (Okruh tvoří také celá číla, těleo

Více

Základní spádové metody

Základní spádové metody Základní spádové metody Petr Tichý 23. října 2013 1 Metody typu line search Problém Idea metod min f(x), f : x R Rn R. n Dána počáteční aproximace x 0. Iterační proces (krok k): (a) zvol směr d k, (b)

Více

MAGNETICKÉ POLE ELEKTRICKÉHO PROUDU. r je vyjádřen vztahem

MAGNETICKÉ POLE ELEKTRICKÉHO PROUDU. r je vyjádřen vztahem MAGNETICKÉ POLE ELEKTRICKÉHO PROUDU udeme se zabývat výpočtem magnetického pole vytvořeného danou konfiguací elektických poudů (podobně jako učení elektického pole vytvořeného daným ozložením elektických

Více

7 Konvexní množiny. min c T x. při splnění tzv. podmínek přípustnosti, tj. x = vyhovuje podmínkám: A x = b a x i 0 pro každé i n.

7 Konvexní množiny. min c T x. při splnění tzv. podmínek přípustnosti, tj. x = vyhovuje podmínkám: A x = b a x i 0 pro každé i n. 7 Konvexní množiny Motivace. Lineární programování (LP) řeší problém nalezení minima (resp. maxima) lineárního funkcionálu na jisté konvexní množině. Z bohaté škály úloh z této oblasti jmenujme alespoň

Více

Texty k přednáškám z MMAN3: 4. Funkce a zobrazení v euklidovských prostorech

Texty k přednáškám z MMAN3: 4. Funkce a zobrazení v euklidovských prostorech Texty k přednáškám z MMAN3: 4. Funkce a zobrazení v euklidovských prostorech 1. července 2008 1 Funkce v R n Definice 1 Necht n N a D R n. Reálnou funkcí v R n (reálnou funkcí n proměnných) rozumíme zobrazení

Více

Příklady k přednášce 19 - Polynomiální metody

Příklady k přednášce 19 - Polynomiální metody Příklady k přednášce 19 - Polynomiální metody Michael Šebek Automatické řízení 016 15-4-17 Dělení polynomů: e zbytkem a bez Polynomy netvoří těleo (jako reálná číla, racionální funkce, ) ale okruh (jako

Více

5. Teorie informace. Kvantitativní vyjádení množství informace ve zpráv. Syntax versus sémantika (zde nás zajímá syntaktická ást).

5. Teorie informace. Kvantitativní vyjádení množství informace ve zpráv. Syntax versus sémantika (zde nás zajímá syntaktická ást). Enet 004 5. Teoie infomace 5. Infomace a entopie Kvantitativní vyjádení množtví infomace ve zpáv. Syntax ve émantika (zde ná zajímá yntaktická át. Dležité pojmy: o Abeceda nap. {a,b,c,bd,cd}. o Zpáva (nap.

Více

Statistika. Testování hypotéz statistická indukce Úvod do problému. Roman Biskup

Statistika. Testování hypotéz statistická indukce Úvod do problému. Roman Biskup Statistika Testování hypotéz statistická indukce Úvod do problému Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 21. února 2012 Statistika by Birom

Více

2.1 Shrnutí základních poznatků

2.1 Shrnutí základních poznatků .1 Shnutí základních poznatků S plnostěnnými otujícími kotouči se setkáváme hlavně u paních a spalovacích tubín a tubokompesoů. Matematický model otujících kotoučů můžeme s úspěchem využít např. i při

Více

Fyzikální korespondenční seminář MFF UK

Fyzikální korespondenční seminář MFF UK Fyzikální koepondenční eminář MFF UK Úloha I.4... něo je tu nakřivo 6 bodů; půmě 3,1; řešilo 6 tudentů Pozoovatel e nahází na lodi na otevřeném moři ve výše h nad hladinou. Je vzdálen d od vodoovného zábadlí

Více

5. cvičení z Matematické analýzy 2

5. cvičení z Matematické analýzy 2 5. cvičení z Matematické analýz 2 30. října - 3. litopadu 207 5. linearizace funkce a Pro funkci f, = e nalezněte její linearizaci v bodě a 0 = 6, 0. Použijte ji k přibližnému určení hodnot funkce f v

Více

7. Analýza rozptylu.

7. Analýza rozptylu. 7. Analýza rozptylu. Uvedeme obecnou ideu, která je založena na minimalizaci chyby metodou nejmenších čtverců. Nejdříve uvedeme několik základních tvrzení. Uvažujeme náhodný vektor Y = (Y, Y,..., Y n a

Více

Teorie plasticity PLASTICITA

Teorie plasticity PLASTICITA Teore platcty PLASTICITA TEORIE PLASTICKÉHO TEČENÍ IDEÁLNĚ PRUŽNĚ-PLASTICKÝ MATERIÁL BEZ ZPEVNĚNÍ V platcém tavu nelze jednoznačně přřadt danému napětí jedné přetvoření a naopa, ja tomu bylo ve tavu elatcém.

Více

Vzpěr jednoduchého rámu, diferenciální operátory. Lenka Dohnalová

Vzpěr jednoduchého rámu, diferenciální operátory. Lenka Dohnalová 1 / 40 Vzpěr jednoduchého rámu, diferenciální operátory Lenka Dohnalová ČVUT, fakulta stavební, ZS 2015/2016 katedra stavební mechaniky a katedra matematiky, Odborné vedení: doc. Ing. Jan Zeman, Ph.D.,

Více

Délka kružnice (obvod kruhu) II

Délka kružnice (obvod kruhu) II .10.7 Déla užnice (obvod uhu) II Předpolady: 01006 Př. 1: Bod je od středu užnice ( ;cm) vzdálen 7 cm. Uči početně vzdálenost z bodu do bodu, teý je tečným bodem tečny užnice jdoucí z bodu. vůj výslede

Více

cv3.tex. Vzorec pro úplnou pravděpodobnost

cv3.tex. Vzorec pro úplnou pravděpodobnost 3 cvičení - pravděpodobnost 2102018 18cv3tex n i=1 Vzorec pro úplnou pravděpodobnost Systém náhodných jevů nazýváme úplným, jestliže pro něj platí: B i = 1 a pro i k je B i B k = 0 Jestliže je (Ω, A, P

Více

Posouzení stability svahu

Posouzení stability svahu Inženýrký manuál č. 8 Aktualizace: 02/2016 Poouzení tability vahu Program: Soubor: Stabilita vahu Demo_manual_08.gt V tomto inženýrkém manuálu je popán výpočet tability vahu, nalezení kritické kruhové

Více

AVDAT Mnohorozměrné metody, metody klasifikace

AVDAT Mnohorozměrné metody, metody klasifikace AVDAT Mnohorozměrné metody, metody klasifikace Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Mnohorozměrné metody Regrese jedna náhodná veličina je vysvětlována pomocí jiných

Více

Četba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího).

Četba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího). Předmět: MA 4 Dnešní látka Vlastní čísla a vektory Google Normovaný lineární prostor Normy matic a vektorů Symetrické matice, pozitivně definitní matice Gaussova eliminační metoda, podmíněnost matic Četba:

Více

AVDAT Nelineární regresní model

AVDAT Nelineární regresní model AVDAT Nelineární regresní model Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Nelineární regresní model Ey i = f (x i, β) kde x i je k-členný vektor vysvětlujících proměnných

Více

Proudění plynu vakuovým potrubím

Proudění plynu vakuovým potrubím Poudění pynu vakuovým potubím - ozdí taků - poud pynu - vodivost, (odpo) potubí Jaká je anaogie s eektickými veičinami? Vacuum Technoogy J.Šandea, FEE, TU Bno Poudění pynu vakuovým potubím Je třeba znát

Více

!!! #!! # % & ()!+ %& #( ) +,,!,!!./0./01 2 34 % 00 (1!#! #! #23 + )!!,,5,!+ 4)!005!! 6 )! %,76!,8, )! 44 %!! #! #236!!1 1 5 6 5+!!1 ( 9 9!5 6 + /+ # % 7 8 % : 4; 2,/! = %

Více

dynamika hmotného bodu, pohybová rovnice, d Alembertůvprincip, dva druhy úloh v dynamice, zákony o zachování / změně

dynamika hmotného bodu, pohybová rovnice, d Alembertůvprincip, dva druhy úloh v dynamice, zákony o zachování / změně Dnaika I,. přednáška Oba přednášk : dnaika otnéo bodu, pobová ovnice, d lebetůvpincip, dva du úlo v dnaice, zákon o zacování / zěně Doba tudia : ai odina Cíl přednášk : eznáit tudent e základníi zákonitoti

Více

do strukturní rentgenografie e I

do strukturní rentgenografie e I Úvod do stuktuní entgenogafie e I Difakce tg záření na kystalu Metody chaakteizace nanomateiálů I RND. Věa Vodičková, PhD. Studium kystalové stavby Difakce elektonů, neutonů, tg fotonů Kystal ideální mřížka

Více

MANAŽERSKÉ ROZHODOVÁNÍ

MANAŽERSKÉ ROZHODOVÁNÍ MANAŽERSKÉ ROZHODOVÁNÍ Téma 21 - PRAVIDLA ROZHODOVÁNÍ ZA RIZIKA A NEJISTOTY doc. Ing. Monika MOTYČKOVÁ (Grasseová), Ph.D. Univerzita obrany Fakulta ekonomika a managementu Katedra vojenského managementu

Více

MATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]

MATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij] MATICE Matice typu m/n nad tělesem T je soubor m n prvků z tělesa T uspořádaných do m řádků a n sloupců: a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij] a m1 a m2 a mn Prvek a i,j je prvek matice A na místě

Více

Modely produkčních systémů. Plánování výroby. seminární práce. Autor: Jakub Mertl. Xname: xmerj08. Datum: ZS 07/08

Modely produkčních systémů. Plánování výroby. seminární práce. Autor: Jakub Mertl. Xname: xmerj08. Datum: ZS 07/08 Modely podukčních systémů Plánování výoby seminání páce Auto: Jakub Metl Xname: xmej08 Datum: ZS 07/08 Obsah Obsah... Úvod... 3 1. Výobní linky... 4 1.1. Výobní místo 1... 4 1.. Výobní místo... 5 1.3.

Více

Úvod do optimalizace, metody hladké optimalizace

Úvod do optimalizace, metody hladké optimalizace Evropský sociální fond Investujeme do vaší budoucnosti Úvod do optimalizace, metody hladké optimalizace Matematika pro informatiky, FIT ČVUT Martin Holeňa, 13. týden LS 2010/2011 O čem to bude? Příklady

Více

Věta 12.3 : Věta 12.4 (princip superpozice) : [MA1-18:P12.7] rovnice typu y (n) + p n 1 (x)y (n 1) p 1 (x)y + p 0 (x)y = q(x) (6)

Věta 12.3 : Věta 12.4 (princip superpozice) : [MA1-18:P12.7] rovnice typu y (n) + p n 1 (x)y (n 1) p 1 (x)y + p 0 (x)y = q(x) (6) 1. Lineární diferenciální rovnice řádu n [MA1-18:P1.7] rovnice typu y n) + p n 1 )y n 1) +... + p 1 )y + p 0 )y = q) 6) počáteční podmínky: y 0 ) = y 0 y 0 ) = y 1 y n 1) 0 ) = y n 1. 7) Věta 1.3 : Necht

Více

Vysokofrekvenční obvody s aktivními prvky

Vysokofrekvenční obvody s aktivními prvky Vokofrekvenční obvod aktivními prvk Základními aktivními prvk ve vokofrekvenční technice jou bipolární a unipolární tranzitor. Dalšími aktivními prvk jou hbridní nebo monolitické integrované obvod. Tranzitor

Více

0.1 Úvod do lineární algebry

0.1 Úvod do lineární algebry Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Lineární rovnice o 2 neznámých Definice 011 Lineární rovnice o dvou neznámých x, y je rovnice, která může být vyjádřena ve tvaru ax + by = c, kde

Více

Matice. Předpokládejme, že A = (a ij ) je matice typu m n: diagonálou jsou rovny nule.

Matice. Předpokládejme, že A = (a ij ) je matice typu m n: diagonálou jsou rovny nule. Matice Definice. Maticí typu m n nazýváme obdélníkové pole, tvořené z m n reálných čísel (tzv. prvků matice), zapsaných v m řádcích a n sloupcích. Značíme např. A = (a ij ), kde i = 1,..., m, j = 1,...,

Více

Numerické metody optimalizace - úvod

Numerické metody optimalizace - úvod Numerické metody optimalizace - úvod Petr Tichý 16. února 2015 1 Organizace přednášek a cvičení 13 přednášek a cvičení. Zápočet: úloha programování a testování úloh v Matlabu. Další informace na blogu

Více

NUMERICKÉ STUDIUM STĚNOVÉ VRSTVY PLAZMATU VÁLCOVÉ KATODY

NUMERICKÉ STUDIUM STĚNOVÉ VRSTVY PLAZMATU VÁLCOVÉ KATODY NUMERICKÉ STUDIUM STĚNOVÉ VRSTVY PLAZMATU VÁLCOVÉ KATODY J. Blaže 1) P. Špatena ) J. Olejníče 3) P. Batoš 1) 1) Jihočeá univezita ateda fyziy Jeonýmova 1 371 15 Čeé Budějovice ) Technicá univezita Libeec

Více

Stručný úvod do testování statistických hypotéz

Stručný úvod do testování statistických hypotéz Stručný úvod do testování statistických hypotéz 1. Formulujeme hypotézu (předpokládáme, že pozorovaný jev je pouze náhodný). 2. Zvolíme hladinu významnosti testu a, tj. riziko, s nímž jsme ochotni se smířit.

Více

Kinematika. Hmotný bod. Poloha bodu

Kinematika. Hmotný bod. Poloha bodu Kinematika Pohyb objektů (kámen, automobil, střela) je samozřejmou součástí každodenního života. Pojem pohybu byl poto známý už ve staověku. Modení studium pohybu začalo v 16. století a je spojeno se jmény

Více

1 Klasická pravděpodobnost. Bayesův vzorec. Poslední změna (oprava): 11. května 2018 ( 6 4)( 43 2 ) ( 49 6 ) 3. = (a) 1 1 2! + 1 3!

1 Klasická pravděpodobnost. Bayesův vzorec. Poslední změna (oprava): 11. května 2018 ( 6 4)( 43 2 ) ( 49 6 ) 3. = (a) 1 1 2! + 1 3! Výsledky příkladů na procvičení z NMSA0 Klasická pravděpodobnost. 5. ( 4( 43 ( 49 3. 8! 3! 0! = 5 Poslední změna (oprava:. května 08 4. (a! + 3! + ( n+ n! = n k= ( k+ /k! = n k=0 ( k /k!; (b n k=0 ( k

Více

Chyba rozměru šroubové drážky

Chyba rozměru šroubové drážky Chyba ozměu šoubové dážky Kael Jandečka, Pof. Ing. CSc. Kateda technologie obábění, FST, ZČU v Plzni, Univezitní 8, 306 4, Plzeň, Č, jandecka@kto.zcu.cz Článek pezentuje další výledky v řešení této poblematiky

Více

přednáška TLAK - TAH. Prvky namáhané kombinací normálové síly a ohybového momentu

přednáška TLAK - TAH. Prvky namáhané kombinací normálové síly a ohybového momentu 7..0 přednáška TLAK - TAH Prvky namáhané kombinací normálové íly a ohybového momentu Namáhání kombinací tlakové (tahové) íly a momentu tlak Namáhání kombinací tlakové (tahové) íly a momentu Namáhání kombinací

Více

ZÁKLADY AUTOMATICKÉHO ŘÍZENÍ

ZÁKLADY AUTOMATICKÉHO ŘÍZENÍ VOKÁ ŠKOLA BÁŇKÁ TECHNICKÁ NIVEZITA OTAVA FAKLTA TOJNÍ ZÁKLAD ATOMATICKÉHO ŘÍZENÍ 9. týden doc. Ing. enata ANEOVÁ, Ph.D. Otrava 03 doc. Ing. enata ANEOVÁ, Ph.D. Vyoká škola báňká Technická univerzita Otrava

Více

TURBOWENT HYBRIDNÍ Ø 150 - Ø 200 - SÍŤOVÁ VERZE - rotační komínová hlavice

TURBOWENT HYBRIDNÍ Ø 150 - Ø 200 - SÍŤOVÁ VERZE - rotační komínová hlavice BWN HBIDNÍ Ø 0 Ø 00 ÍŤVÁ VZ tační kmínvá hlavice BÁZ x CH L H d N Lpmax dle n=0 Ø 0 8 db db Ø 0 Ø 00 db db Ø 00 LW Půmě Ø 0 db Ø 00 značení íťvé veze veze pdtavy značení veze hybidní mateiál tubíny mateiál

Více

Základy teorie pravděpodobnosti

Základy teorie pravděpodobnosti Základy teorie pravděpodobnosti Náhodný jev Pravděpodobnost náhodného jevu Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 15. srpna 2012 Statistika

Více

Úlohy krajského kola kategorie B

Úlohy krajského kola kategorie B 61. očník matematické olmpiád Úloh kajského kola kategoie B 1. Je dáno 01 kladných čísel menších než 1, jejichž součet je 7. Dokažte, že lze tato čísla ozdělit do čtř skupin tak, ab součet čísel v každé

Více

ANALÝZA A KLASIFIKACE DAT

ANALÝZA A KLASIFIKACE DAT ANALÝZA A KLASIFIKACE DAT prof. Ing. Jiří Holčík, CSc. INVESTICE Institut DO biostatistiky ROZVOJE VZDĚLÁVÁNÍ a analýz III. PŘÍZNAKOVÁ KLASIFIKACE - ÚVOD PŘÍZNAKOVÝ POPIS Příznakový obraz x zpracovávaných

Více

3. přednáška 15. října 2007

3. přednáška 15. října 2007 3. přednáška 15. října 2007 Kompaktnost a uzavřené a omezené množiny. Kompaktní množiny jsou vždy uzavřené a omezené, a v euklidovských prostorech to platí i naopak. Obecně to ale naopak neplatí. Tvrzení

Více

Četba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího).

Četba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího). Předmět: MA 4 Dnešní látka Lineární (vektorový) prostor Normovaný lineární prostor Normy matic a vektorů Symetrické matice, pozitivně definitní matice Gaussova eliminační metoda, podmíněnost matic Četba:

Více

ZÁKLADY AUTOMATICKÉHO ŘÍZENÍ

ZÁKLADY AUTOMATICKÉHO ŘÍZENÍ VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ ZÁKLADY AUTOMATICKÉHO ŘÍZENÍ týden doc Ing Renata WAGNEROVÁ, PhD Otrava 013 doc Ing Renata WAGNEROVÁ, PhD Vyoká škola báňká Technická univerzita

Více

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

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

Více

Stavový model a Kalmanův filtr

Stavový model a Kalmanův filtr Stavový model a Kalmanův filtr 2 prosince 23 Stav je veličina, kterou neznáme, ale chtěli bychom znát Dozvídáme se o ní zprostředkovaně prostřednictvím výstupů Příkladem může býapř nějaký zašuměný signál,

Více

Matematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic

Matematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic Přednáška třetí (a pravděpodobně i čtvrtá) aneb Úvod do lineární algebry Matice a soustavy rovnic Lineární rovnice o 2 neznámých Lineární rovnice o 2 neznámých Lineární rovnice o dvou neznámých x, y je

Více

0.1 Úvod do lineární algebry

0.1 Úvod do lineární algebry Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Vektory Definice 011 Vektorem aritmetického prostorur n budeme rozumět uspořádanou n-tici reálných čísel x 1, x 2,, x n Definice 012 Definice sčítání

Více

Vlastní čísla a vlastní vektory

Vlastní čísla a vlastní vektory Vlastní čísla a vlastní vektory 1 Motivace Uvažujme lineární prostor všech vázaných vektorů v rovině, které procházejí počátkem, a lineární zobrazení tohoto prostoru do sebe(lineární transformaci, endomorfismus)

Více

Průvodce studiem. do bodu B se snažíme najít nejkratší cestu. Ve firmách je snaha minimalizovat

Průvodce studiem. do bodu B se snažíme najít nejkratší cestu. Ve firmách je snaha minimalizovat 6. Extrémy funkcí více proměnných Průvodce studiem Hledání extrémů je v praxi často řešená úloha. Např. při cestě z bodu A do bodu B se snažíme najít nejkratší cestu. Ve firmách je snaha minimalizovat

Více

Článek 1. evidenční číslo smlouvy Poskytovatele: S-I 2564/REG/20 16

Článek 1. evidenční číslo smlouvy Poskytovatele: S-I 2564/REG/20 16 evidenční číslo smlouvy Poskytovatele: S-I 2564/REG/20 16 Veřejnopávní smlouva o poskytnutí dotace podle Pogamu 2016 po poskytování dotací z ozpočtu Středočeského kaje ze Středočeského Fondu ozvoje obcí

Více

Matematika 5 FSV UK, ZS Miroslav Zelený

Matematika 5 FSV UK, ZS Miroslav Zelený Matematika 5 FSV UK, ZS 2018-19 Miroslav Zelený 1. Stabilita řešení soustav diferenciálních rovnic 2. Úvod do variačního počtu 3. Globální extrémy 4. Teorie optimálního řízení 5. Různé 1. Stabilita řešení

Více

Z teorie je nutné znát pojmy: lineární funkcionál, jádro, hodnost a defekt lineárního funkcionálu. Také využijeme 2. větu o dimenzi.

Z teorie je nutné znát pojmy: lineární funkcionál, jádro, hodnost a defekt lineárního funkcionálu. Také využijeme 2. větu o dimenzi. Lineární funkcionál Z teorie je nutné znát pojm: lineární funkcionál jádro hodnost a defekt lineárního funkcionálu Také vužijeme větu o dimenzi [cvičení] Nechť je definován funkcionál ϕ : C C pro každé

Více

3.7. Magnetické pole elektrického proudu

3.7. Magnetické pole elektrického proudu 3.7. Magnetické pole elektického poudu 1. Znát Biotův-Savatův zákon a umět jej použít k výpočtu magnetické indukce v jednoduchých případech (okolí přímého vodiče, ve středu oblouku apod.).. Pochopit význam

Více

Metoda konjugovaných gradientů

Metoda konjugovaných gradientů 0 Metoda onjugovaných gradientů Ludě Kučera MFF UK 11. ledna 2017 V tomto textu je popsáno, ja metodou onjugovaných gradientů řešit soustavu lineárních rovnic Ax = b, de b je daný vetor a A je symetricá

Více

d T FP = fázový přechod (tání, tuhnutí, vypařování, kapalnění, sublimace)

d T FP = fázový přechod (tání, tuhnutí, vypařování, kapalnění, sublimace) Fázové rovnováhy jednoložkový ytém Gibbův fázový zákon k f C Popi záviloti tlaku naycených par na teploě Clapeyronova rovnice: d p F P m n e b o F P d l np F P m F P z FP fázový přechod (tání, tuhnutí,

Více

AVDAT Klasický lineární model, metoda nejmenších

AVDAT Klasický lineární model, metoda nejmenších AVDAT Klasický lineární model, metoda nejmenších čtverců Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Lineární model y i = β 0 + β 1 x i1 + + β k x ik + ε i (1) kde y i

Více

2D transformací. červen Odvození transformačního klíče vybraných 2D transformací Metody vyrovnání... 2

2D transformací. červen Odvození transformačního klíče vybraných 2D transformací Metody vyrovnání... 2 Výpočet transformačních koeficinetů vybraných 2D transformací Jan Ježek červen 2008 Obsah Odvození transformačního klíče vybraných 2D transformací 2 Meto vyrovnání 2 2 Obecné vyjádření lineárních 2D transformací

Více

ROZDĚLENÍ PŘÍJMŮ A JEHO MODELY. Jitka Bartošová

ROZDĚLENÍ PŘÍJMŮ A JEHO MODELY. Jitka Bartošová ROZDĚLENÍ PŘÍJMŮ A JEHO MODELY Jitka Batošová Kateda managementu infomací, Fakulta managementu, Vysoká škola ekonomická Paha, Jaošovská 1117/II, 377 01 Jindřichův Hadec batosov@fm.vse.cz Abstakt: Poces

Více

Vztahy mezi základním souborem a výběry. Základní pojmy a symboly. K čemu to je dobré? Výběrové metody zkoumání

Vztahy mezi základním souborem a výběry. Základní pojmy a symboly. K čemu to je dobré? Výběrové metody zkoumání K čemu to je dobé? Obvyklým případem při zpacováí homadých jevů je, že máme poměě malý počet pozoováí ějaké veličiy a chceme učiit závěy o tom, co bychom obdželi, kdybychom měli pozoováí mohokát více.

Více

Náhodné vektory a matice

Náhodné vektory a matice Náhodné vektory a matice Jiří Militký Katedra textilních materiálů Technická Universita Liberec, Červeně označené slide jsou jen pro doplnění informací a nezkouší se. Symbolika A B Jev jistý S (nastane

Více

Lékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.)

Lékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.) Lékařská biofyzika, výpočetní technika I Biostatistika Josef Tvrdík (doc. Ing. CSc.) Přírodovědecká fakulta, katedra informatiky josef.tvrdik@osu.cz konzultace úterý 14.10 až 15.40 hod. http://www1.osu.cz/~tvrdik

Více

Lineární zobrazení. 1. A(x y) = A(x) A(y) (vlastnost aditivity) 2. A(α x) = α A(x) (vlastnost homogenity)

Lineární zobrazení. 1. A(x y) = A(x) A(y) (vlastnost aditivity) 2. A(α x) = α A(x) (vlastnost homogenity) 4 Lineární zobrazení Definice: Nechť V a W jsou vektorové prostory Zobrazení A : V W (zobrazení z V do W nazýváme lineárním zobrazením, pokud pro všechna x V, y V a α R platí 1 A(x y = A(x A(y (vlastnost

Více

Lékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.)

Lékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.) Lékařská biofyzika, výpočetní technika I Biostatistika Josef Tvrdík (doc. Ing. CSc.) Přírodovědecká fakulta, katedra informatiky josef.tvrdik@osu.cz konzultace úterý 4. až 5.4 hod. http://www.osu.cz/~tvrdik

Více

Walter Cut prostě zapichování a upichování

Walter Cut prostě zapichování a upichování Kompetentní výobky Zapichování, upichování a dážkování _ZAMĚŘENÍ NA OBRÁBĚNÍ Walte Cut potě zapichování a upichování Walte Cut Jednoduché zapichování Obah 2 Popi pogamu Walte Cut Nátoje Walte Cut 2 Řezné

Více

Apriorní rozdělení. Jan Kracík.

Apriorní rozdělení. Jan Kracík. Apriorní rozdělení Jan Kracík jan.kracik@vsb.cz Apriorní rozdělení Apriorní rozdělení (spolu s modelem) reprezentuje informaci o neznámém parametru θ, která je dostupná předem, tj. bez informace z dat.

Více

Algoritmy ořezávání. Ořezávací oblast. Test polohy bodu vzhledem ke konvexnímu mnohoúhelníku. Test polohy bodu vzhledem k pravoúhelníku.

Algoritmy ořezávání. Ořezávací oblast. Test polohy bodu vzhledem ke konvexnímu mnohoúhelníku. Test polohy bodu vzhledem k pravoúhelníku. řednáška 6 lgoitmy ořezávání Ořezávací oblast Učení viditelné oblasti uživatelského souřadnicového systému USS Vykeslení pouze té části obazu, kteá leží ve viditelné oblasti Obvykle je viditelnou (ořezávací)

Více

Lineární programování

Lineární programování Lineární programování Petr Tichý 19. prosince 2012 1 Outline 1 Lineární programování 2 Optimalita a dualita 3 Geometrie úlohy 4 Simplexová metoda 2 Lineární programování Lineární program (1) min f(x) za

Více

3 Chyby měření. 3.1 Hrubé chyby

3 Chyby měření. 3.1 Hrubé chyby 3 Chyby měření Za daných podmínek má každá fyzikální veličina určitou hodnotu, kterou ovšem z principiálních důvodů nemůžeme zjitit úplně přeně. Každé měření je totiž zatíženo chybami, které jou nejrůznějšího

Více