Fraktálová komprese obrazu

Rozměr: px
Začít zobrazení ze stránky:

Download "Fraktálová komprese obrazu"

Transkript

1 Fraktálová komprese obrazu

2 Úvo Termí fraktál poprvé použl Beot Malebrot (975 Některé efce pojmu fraktál: Fraktál je erový ebo fragmetovaý geometrcký tvar, který může být rozěle a část, které jsou (alespoň přblžě meší kopí celku. Fraktály jsou obecě sobě-poobé (self-smlar to je malá část vypaá jako celý obraz Fraktál je obraz ebo símek, který může být kompletě popsá matematckým algortmem (v lbovolém rozlšeí Fraktál je pevý bo (attractor systému terovaých fukcí (Iterate Fucto System

3 Systém terovaých fukcí soubor kotraktvích zobrazeí ejlépe lze IFS vysvětlt pomocí kopírovacího stroje (Multple Reucto Copyg mache s ásleujícím vlastostm:. Kopírka obsahuje skup čoček, astaveých tak, že mohou vytvářet překrývající se kope orgálu. Kažá čočka zmešuje velkost orgálu 3. Kopírka pracuje teračě ve zpětovazebím režmu tj.,výstup je zovu přvee a vstup

4 Matematcky lze kažou čočku popsat jako tzv. kotraktví afí zobrazeí, které měí měřítko vstupu (zmešuje, atáčí ho a kopíruje a výstup. + f e c b a w tj. kažý bo vstupího obrazu (x,y bue trasformová o výstupího obrazuumístě v ovépozc x, y, pro kteréplatí + f e y x c b a y x ' ' Krotraktví zobrazeí : x w(x, x w(x (x,x s (x,x < s <

5 Příkla IFS systému: (Serpského trojúhelík w w w

6 Další příkla IFS fraktálu: (Barsleyova kapraa

7 Zobecěí IFS systému pro šeotóové obrazy Pro šeotóové obrazy je IFS systém trojrozměrý a zobrazeí má tvar + o f e z y x s c b a z y x w z y x ' ' ' ke s a o slouží k mofkac jasu

8 Záklaí prcp algortmu fraktálové komprese Záklaí prcp spočívá v rozěleí komprmovaého obrazu a rage bloky (epřekrývají se a vyhleáváí oma bloků (mohou se překrývat které jsou rage blokům poobé oma bloky rage bloky

9 oma bloky se mohou vyskytovat buď v záklaím tvaru ebo v trasformovaé poobě. Používají se ásleující trasformace. Rotace o º. Rotace o 9º 3. Rotace o 8º 4. Rotace o 7º 5. Překlopeí přes horzotálí osu 6. Překlopeí přes vertkálí osu 7. Překlopeí přes hlaví agoálu 8. Překlopeí přes velejší agoálu

10 Detalí algortmus fraktálové komprese. Segmetace obrazu komprmovaý obraz je rozěle o bloků velkost 8x8 (4x4 pxelů. Tyto bloky pokrývají celý obraz a epřekrývají se. Tyto bloky se azývají rage bloky R. Vytvořeí souboru oméových bloků (oma pool procházíme obraz zleva o prava shora olů s krokem k pxelů a vytvoříme sezam tzv. oméových bloků, které mají vojásobou velkost rage bloků. V kažém oméovém bloku jsou průměrováy souseí pxely a jsou uložey o ového oméového bloku stejé velkost jako rage blok. Novým oméovým blokem přepíšeme blok půvoí. For to N R opakuj kroky 3 a 4 (N R je počet rage bloků 3. Vyhleáváí - pro kažý rage blok R alezeme v souboru oméových bloků blok D B, který se mu ejvíce poobá.

11 a Pro kažý oméový blok D j a trasformac m t (t,,,8 se vypočte D jt m t (D j a a záklaě ásleujících rovc se staoví koefcety s a o b Koefcety s a o se kvatzují c Pro kvatzovaé koefcety se pole ásleující rovce vypočte chyba poobost bloků E(D jt,r s r o r r s ( ( ( ( o o o r s s r R D E, (

12 Nalezeme blok D jt s mmálí chybou E(D jt,r t,,,8 e V souboru oméových bloků alezeme ejpoobější blok tj. D B m ( D' j t,,..., N D N D je počet oméových bloků 4. Výstupem je kó w (e,f,m,o,s 5. Výstupí posloupost trasformací je možé kóovat metoou bezztrátové komprese

13 Stratege vyhleáváí (vytvořeí souboru oméových bloků. Metoa hrubé síly (heavy brute force velkost kroku k. Časová složtost je O(, pro šeotóový obrazek vyžauje algortmus 37 8 Gflops. Lght Brute Force velkost kroku k>. Kvalta výsleého obrazu může být v tomto přípaě horší protože přeskakujeme ěkteré část obrazů, které by mohl být poobé s rage blokem 3. Omezeá oblast vyhleáváí - oblast vyhleáváí oméových bloků se reukuje pouze a okolí (apř. kvarat testovaého rage bloku. 4. Lokálí sprálové vyhleáváí oméové bloky jsou vyhleáváy a sprále začíající v pozc rage bloku. Vyhleáváí kočí jakmle se aleze vhoý oméový blok

14 5. Hleáí ve stejém místě jako je opovíající rage blok. Jeá se o rychlé vyhleáváí (složtost O( s ízkou kvaltou 6. Kategorzovaé vyhleáváí kažý oméový blok je zařaze o jeé ze 7 kategorí (3 tříy, 4 kategorí v kažé tříě. Postup klasfkace bloků je ásleující: ejprve je blok rozěle o 4 kvaratů a pro kažý kvarat se vypočítá průměrá hoota pxelů pole ásleujících rovc: A V j j r (( r j j A Poté je blok atoče o kaocké pozce tj. pozce ve které je světlost kvaratů shoá z ěkterým z ásleujících vzorů (světlostprůměrá hoota jasu pxelů

Komprese dat Obsah. Modely barev. Radim Farana. Podklady pro výuku. Ztrátová komprese. Fraktální komprese. RGB (Red-Green-Blue),

Komprese dat Obsah. Modely barev. Radim Farana. Podklady pro výuku. Ztrátová komprese. Fraktální komprese. RGB (Red-Green-Blue), 9..4 Komprese dat Radm Faraa Podklady pro výuku Obsah Ztrátová komprese. Komprese JPEG. Waweletová komprese. Fraktálí komprese. Modely barev RGB (Red-Gree-Blue), Nestejé vímáí (ectlvost a modrou) relatví

Více

Martin Sloup, A04372. Ohyb světla optickou mřížkou

Martin Sloup, A04372. Ohyb světla optickou mřížkou Mart Sloup, A0437 Ohyb světla optckou mřížkou Mart Sloup, A0437 Obecá část Optcká mřížka a průcho světla je skleěá estčka, a íž je vyryta řaa jemých, rovoběžých, stejě o sebe vzáleých vrypů. Vrypy tvoří

Více

Experimentální identifikace regulovaných soustav

Experimentální identifikace regulovaných soustav Expermetálí etfkace reglovaých sostav Cílem je zhotoveí matematckého moel a záklaě formací získaých měřeím. Požívá se možství meto. Výběr metoy je ůležtý, protože a ěm závsí přesost áhraího moel. Záklaím

Více

Metody zkoumání závislosti numerických proměnných

Metody zkoumání závislosti numerických proměnných Metody zkoumáí závslost umerckých proměých závslost pevá (fukčí) změě jedoho zaku jedozačě odpovídá změa druhého zaku (podle ějakého fukčího vztahu) (matematka, fyzka... statstcká (volá) změám jedé velčy

Více

Fraktálová komprese. Historie

Fraktálová komprese. Historie Fraktálová komprese Hstore Prví zmíky o tzv. fraktálové kompres jsem ašel kdys v bezvadé a dodes aktuálí kížce!! Grafcké formáty (Braslav Sobota, Já Mlá, akl. Kopp), kde však šlo spíše o adšeý úvod a pak

Více

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností 4.2 Elemetárí statstcké zpracováí Výsledkem statstckého zjšťováí (. etapa statstcké čost) jsou euspořádaá, epřehledá data. Proto 2. etapa statstcké čost zpracováí, začíá většou jejch utříděím, zpřehleděím.

Více

Model minimalizace technologického zbytku pro ZPO 1 v TŽ, a.s.

Model minimalizace technologického zbytku pro ZPO 1 v TŽ, a.s. Hutcké lsty č.3/28 Výroba ocel Moel mmalzace techologckého zbytku pro PO v TŽ, a.s. Ig. Mroslav Hozák, TŘINECKÉ ŽELEÁRNY, a. s., Průmyslová, 739 6 Třec Staré Město,Třec Ig. Ja Morávka, Ph.D., Třecký žeýrg,

Více

Rovnice 1.řádu. (taková řešení nazýváme singulární řešení). řeší rovnici (*) na intervalu ( a, b)

Rovnice 1.řádu. (taková řešení nazýváme singulární řešení). řeší rovnici (*) na intervalu ( a, b) Rovce řáu Rovce se separovaým proměým Derecálí rovc tvaru g h * azýváme rovcí se separovaým proměým latí: Nechť g je spojtá uce a tervalu a b h je spojtá a eulová uce a tervalu c Ozačme postupě G a H prmtví

Více

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC 5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC V této kaptole se dozvíte: jak je defováa fukce přrozeá odmoca v kompleím oboru a jaké má vlastost včetě odlšostí od odmocy v reálém

Více

Aplikovaná informatika. Podklady předmětu Aplikovaná informatika pro akademický rok 2006/2007 Radim Farana. Obsah. Algoritmus

Aplikovaná informatika. Podklady předmětu Aplikovaná informatika pro akademický rok 2006/2007 Radim Farana. Obsah. Algoritmus Podklady předmětu pro akademický rok 006007 Radim Faraa Obsah Tvorba algoritmů, vlastosti algoritmu. Popis algoritmů, vývojové diagramy, strukturogramy. Hodoceí složitosti algoritmů, vypočitatelost, časová

Více

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014. Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95

Více

Přednáška V. Úvod do teorie odhadu. Pojmy a principy teorie odhadu Nestranné odhady Metoda maximální věrohodnosti Průměr vs.

Přednáška V. Úvod do teorie odhadu. Pojmy a principy teorie odhadu Nestranné odhady Metoda maximální věrohodnosti Průměr vs. Předáška V. Úvod do teore odhadu Pojmy a prcpy teore odhadu Nestraé odhady Metoda mamálí věrohodost Průměr vs. medá Opakováí výběrová dstrbučí fukce Sestrojíme výběrovou dstrbučí fukc pro výšku a váhu

Více

jsou varianty znaku) b) při intervalovém třídění (hodnoty x

jsou varianty znaku) b) při intervalovém třídění (hodnoty x Výběr z eřeštelých příkladů ze zkouškových testů Jde o výběr z tpů příkladů, jejchž úspěšost řešeí u zkoušek se blíží ule. Itervalové versus bodové tříděí V tabulce je uvedeo rozděleí četostí a) př bodovém

Více

[ jednotky ] Chyby měření

[ jednotky ] Chyby měření Chyby měřeí Provedeme-l určté měřeí za stejých podmíek vícekrát, jedotlvá měřeí se mohou odlšovat (z důvodu koečé rozlšovací schopost měř. přístrojů, áhodých vlvů apod.). Chyba měřeí: e = x x x...přesá

Více

13 Fraktály ÚM FSI VUT v Brně Studijní text. 13 Fraktály

13 Fraktály ÚM FSI VUT v Brně Studijní text. 13 Fraktály Fraktály ÚM FSI VUT v Brě Stuijí text Fraktály Fraktálí geometrie je rozvíjea zhruba o šeesátých let miulého století jako ástroj popisu chaotičosti příroy. Geometrie se až o evateáctého století zabývala

Více

11. Časové řady. 11.1. Pojem a klasifikace časových řad

11. Časové řady. 11.1. Pojem a klasifikace časových řad . Časové řad.. Pojem a klasfkace časových řad Specfckým statstckým dat jsou časové řad pomocí chž můžeme zkoumat damku jevů v čase. Časovou řadou (damcká řada, vývojová řada) rozumíme v čase uspořádaé

Více

ROZPOZNÁVAČ ŘEČI S OMEZENÝM SLOVNÍKEM

ROZPOZNÁVAČ ŘEČI S OMEZENÝM SLOVNÍKEM VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ ÚSTAV TELEKOMUNIKACÍ FACULTY OF ELECTRICAL ENGINEERING AND COMMUNICATION DEPARTMENT OF TELECOMMUNICATIONS

Více

9. Měření závislostí ve statistice. 9.1. Pevná a volná závislost

9. Měření závislostí ve statistice. 9.1. Pevná a volná závislost Dráha [m] 9. Měřeí závslostí ve statstce Měřeí závslostí ve statstce se zývá především zkoumáím vzájemé závslost statstckých zaků vícerozměrých souborů. Závslost přtom mohou být apříklad pevé, volé, jedostraé,

Více

Generování dvojrozměrných rozdělení pomocí copulí

Generování dvojrozměrných rozdělení pomocí copulí Pravděpodobost a matematcká statstka eerováí dvojrozměrých rozděleí pomocí copulí umbelova copule PRAHA 005 Vpracoval: JAN ZÁRUBA OBSAH: CÍL PRÁCE TEORIE Metoda verzí trasformace O copulích Sklarova věta

Více

VÍCEKRITERIÁLNÍ ANALÝZA VARIANT ZA JISTOTY

VÍCEKRITERIÁLNÍ ANALÝZA VARIANT ZA JISTOTY VÍCEKRITERIÁLNÍ ANALÝZA VARIANT ZA JISTOTY Záklaí pom Rozhoutí výběr eé ebo více varat z mož všech přípustých varat. Rozhoovatel subekt, který má za úkol učt rozhoutí. V úlohách vícekrterálí aalýz varat

Více

1. Základy měření neelektrických veličin

1. Základy měření neelektrických veličin . Základ měřeí eelektrckých velč.. Měřcí řetězec Měřcí řetězec (měřcí soustava) je soubor měřcích čleů (jedotek) účelě uspořádaých tak, ab blo ožě splt požadovaý úkol měřeí, tj. získat formac o velkost

Více

Univerzita Karlova v Praze Pedagogická fakulta

Univerzita Karlova v Praze Pedagogická fakulta Uverzta Karlova v Praze Pedagogcká fakulta SEMINÁRNÍ PRÁCE Z OBECNÉ ALGEBRY DĚLITELNOST CELÝCH ČÍSEL V SOUSTAVÁCH O RŮZNÝCH ZÁKLADECH / Cfrk C. Zadáí: Najděte pět krtérí pro děltelost v jých soustavách

Více

Strojové učení. Things learn when they change their behavior in a way that makes them perform better in a future. (Witten, Frank, 1999) typy učení:

Strojové učení. Things learn when they change their behavior in a way that makes them perform better in a future. (Witten, Frank, 1999) typy učení: Strojové učeí The feld of mache learg s cocered wth the questo of how to costruct computer programs that automatcally mprove wth eperece. (Mtchell, 1997) Thgs lear whe they chage ther behavor a way that

Více

Úvod do korelační a regresní analýzy

Úvod do korelační a regresní analýzy Úvod do korelačí a regresí aalýz Bude ás zajímat, jak těsě spolu souvsí dva sledovaé jev Příklad: vztah mez rchlostí auta a brzdou dráhou vztah mez věkem žáka a rchlostí v běhu a 60 m vztah mez spotřebou

Více

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013.

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013. Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95

Více

Mechanika soustavy hmotných bodů a tuhého tělesa

Mechanika soustavy hmotných bodů a tuhého tělesa Mechaka soustavy hmotých boů a tuhého tělesa Učebí text pro výuku přemětu Fyzka pro KME, letí semestr školího roku 00/ Autor: Mart Žáček, katera fyzky, Fakulta Elektrotechcká, ČVUT Vymezeí a souvslost

Více

Hodnocení vlastností materiálů podle ČSN EN 1990, přílohy D

Hodnocení vlastností materiálů podle ČSN EN 1990, přílohy D Hooceí vlastostí ateriálů pole ČSN EN 1990, přílohy D Mila Holický Klokerův ústav ČVUT v Praze 1. Úvo 2. Kvatil áhoé veličiy 3. Hooceí jeé veličiy 4. Hooceí oelu 5. Příklay - poůcky ECEL Obecé zásay statistického

Více

Cvičení 2: Rozhodovací stromy, RBF sítě, vlastní algoritmy v RapidMineru

Cvičení 2: Rozhodovací stromy, RBF sítě, vlastní algoritmy v RapidMineru České vysoké učeí techcké v Praze Fakulta formačích techologí Katedra teoretcké formatky Evropský socálí fod Praha & EU: Ivestujeme do vaší budoucost MI-ADM Algortmy data mgu 2010/2011 Cvčeí 2: Rozhodovací

Více

IAJCE Přednáška č. 12

IAJCE Přednáška č. 12 Složitost je úvod do problematiky Úvod praktická realizace algoritmu = omezeí zejméa: o časem o velikostí paměti složitost = vztah daého algoritmu k daým prostředkům: časová složitost každé možiě vstupích

Více

Univerzita Tomáše Bati ve Zlíně

Univerzita Tomáše Bati ve Zlíně Uiverzita Tomáše Bati ve Zlíě LABORATORNÍ CVIČENÍ Z FYZIKY II Název úlohy: Iterferece a teké vrstvě Jméo: Petr Luzar Skupia: IT II/ Datum měřeí: 3.říja 007 Obor: Iformačí techologie Hooceí: Přílohy: 0

Více

Fourierova transformace ve zpracování obrazů

Fourierova transformace ve zpracování obrazů Fourierova trasformace ve zpracováí obrazů Jea Baptiste Joseph Fourier 768-83 6. předáška předmětu Zpracováí obrazů Martia Mudrová 24 Motivace Proč používat Fourierovu trasformaci? základí matematický

Více

USTÁLENÉ PROUDĚNÍ V OTEVŘENÝCH KORYTECH

USTÁLENÉ PROUDĚNÍ V OTEVŘENÝCH KORYTECH USTÁLENÉ POUDĚNÍ V OTEVŘENÝCH KOYTECH ovoměré prouděí Charakterstka:. Hloubka vod v kortě, průtočá plocha a průřezová rchlost jsou v každém příčém řezu kostatí.. Čára eerge, vodí hlada a do korta jsou

Více

Obyčejné diferenciální rovnice. Cauchyova úloha Dirichletova úloha

Obyčejné diferenciální rovnice. Cauchyova úloha Dirichletova úloha Občejé erecálí rovce Caucova úloa Drcletova úloa Občejé erecálí rovce - Caucova úloa Úlo: I. = s omíou = jea rovce. řáu II. soustava rovc. řáu III. = - jea rovce -téo řáu = = = - = - Hleáme uc res. uce

Více

2 STEJNORODOST BETONU KONSTRUKCE

2 STEJNORODOST BETONU KONSTRUKCE STEJNORODOST BETONU KONSTRUKCE Cíl kapitoly a časová áročost studia V této kapitole se sezámíte s možostmi hodoceí stejorodosti betou železobetoové kostrukce a prakticky provedete jede z možých způsobů

Více

základním prvkem teorie křivek v počítačové grafice křivky polynomiální n

základním prvkem teorie křivek v počítačové grafice křivky polynomiální n Petra Suryková Modelováí křivek základím prvkem teorie křivek v počítačové grafice křivky polyomiálí Q( t) a a t... a t polyomiálí křivky můžeme sado vyčíslit sado diferecovatelé lze z ich skládat křivky

Více

Univerzita Karlova v Praze Pedagogická fakulta

Univerzita Karlova v Praze Pedagogická fakulta Uverzt Krlov v Prze Pegogcká kult SEMINÁRNÍ PRÁCE Z POLYNOMICKÉ ALGEBRY POLYNOM 00/00 CIFRIK Záí: Vyšetřete všem probrým prostřeky polyom 0 0 Vyprcováí: Pole věty: Rcoálí kořey. Nechť p Q je koře polyomu

Více

ZS 2018/19 Po 10:40 T5

ZS 2018/19 Po 10:40 T5 Cvičeí - Matematická aalýza ZS 08/9 Po 0:40 T5 Cvičeí 008 Řešte erovice v R: 8, log 3 ( 3+3 0 Částečý součet geometrické řady: pro každé q C, q, a N platí 3 Důsledek: +q +q + +q = q+ q si+si+ +si = si

Více

8 NELINEÁRNÍ REGRESNÍ MODELY

8 NELINEÁRNÍ REGRESNÍ MODELY 8 NELINEÁRNÍ REGRESNÍ MODELY 8 Tvorba eleárího regresího modelu Postup tvorby eleárího regresího modelu se dá rozčlet do těchto kroků: Návrh regresího modelu Obvykle se jako eleárí regresí model používá

Více

3. Sekvenční obvody. b) Minimalizujte budící funkce pomocí Karnaughovy mapy

3. Sekvenční obvody. b) Minimalizujte budící funkce pomocí Karnaughovy mapy 3.1 Zadáí: 3. Sekvečí obvody 1. Navrhěte a realizujte obvod geerující zadaou sekveci. Postupujte ásledově: a) Vytvořte vývojovou tabulku pro zadaou sekveci b) Miimalizujte budící fukce pomocí Karaughovy

Více

LABORATORNÍ CVIČENÍ Z FYZIKY. Měření objemu tuhých těles přímou metodou

LABORATORNÍ CVIČENÍ Z FYZIKY. Měření objemu tuhých těles přímou metodou ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE KATEDRA FYZIKY LABORATORNÍ CVIČENÍ Z FYZIKY Jméo: Petr Česák Datum měřeí:.3.000 Studjí rok: 999-000, Ročík: Datum odevzdáí: 6.3.000 Studjí skupa: 5 Laboratorí skupa:

Více

APLIKACE REGRESNÍ ANALÝZY NA VÝPOČET BODU ZVRATU

APLIKACE REGRESNÍ ANALÝZY NA VÝPOČET BODU ZVRATU VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV FINANCÍ FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF FINANCES APLIKACE REGRESNÍ ANALÝZY NA VÝPOČET BODU ZVRATU

Více

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru Lekce Normálí rozděleí v rově V této lekc se udeme věovat měřeí korelačí závslost dvojce áhodých velč (dvousložkového áhodého vektoru) Vcházet udeme z ormálího rozděleí pravděpodoost áhodého vektoru v

Více

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2 SP3 Neparametrcké testy hypotéz PRAVDĚPODOBNOST A STATISTIKA Neparametrcké testy hypotéz čast Lbor Žák SP3 Neparametrcké testy hypotéz Lbor Žák Neparametrcké testy hypotéz - úvod Neparametrcké testy statstckých

Více

1 Měření závislosti statistických znaků. 1.1 Dvourozměrný statistický soubor

1 Měření závislosti statistických znaků. 1.1 Dvourozměrný statistický soubor 1 Měřeí závlot tattckých zaků 1.1 Dvourozměrý tattcký oubor Př aalýze ekoomckých kutečotí á čato ezajímají jedotlvé velč jako takové, ale vztah mez m. Ptáme e, jak záví poptávka a ceě produktu, plat zamětaců

Více

1.1 Definice a základní pojmy

1.1 Definice a základní pojmy Kaptola. Teore děltelost C. F. Gauss: Matematka je královou všech věd a teore čísel je králova matematky. Základím číselým oborem se kterým budeme v této kaptole pracovat jsou celá čísla a pouze v ěkterých

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA Matematka IV PRAVDĚPODOBNOT A TATITIKA Lbor Žák Matematka IV Lbor Žák Regresí aalýza Regresí aalýza zkoumá závslost mez ezávslým proměým X ( X,, X k a závsle proměou Y. Tato závslost se vjadřuje ve tvaru

Více

Diskrétní Fourierova transformace

Diskrétní Fourierova transformace Disrétí Fourierova trasformace Záladí idea trasformace x Trasformace Zpracováí v časové oblasti Zpracováí v trasform. oblasti x Iverzí Trasformace Spojitá Fourierova trasformace f j πft x t e dt Disrétí

Více

1 ROVNOMĚRNOST BETONU KONSTRUKCE

1 ROVNOMĚRNOST BETONU KONSTRUKCE ROVNOMĚRNOST BETONU KONSTRUKCE Cíl kapitoly a časová áročost studia V této kapitole se sezámíte s možostmi hodoceí rovoměrosti betou železobetoové kostrukce a prakticky provedete jede z možých způsobů

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 Dobýváí zalostí Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické iformatiky Matematicko-fyzikálí fakulta Uiverzity Karlovy v Praze Dobýváí zalostí Pokročilé techiky pro předzpracováí dat Doc. RNDr. Iveta

Více

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A Nejstoty měřeí Pro každé přesé měřeí potřebujeme formac s jakou přesostí bylo měřeí provedeo. Nejstota měřeí vyjadřuje terval ve kterém se achází skutečá hodota měřeé velčy s určtou pravděpodobostí. Nejstota

Více

Funkce. RNDr. Yvetta Bartáková. Gymnázium, SOŠ a VOŠ Ledeč nad Sázavou

Funkce. RNDr. Yvetta Bartáková. Gymnázium, SOŠ a VOŠ Ledeč nad Sázavou Fukce RNDr. Yvetta Bartáková Gymázium, SOŠ a VOŠ Ledeč ad Sázavou Limita poslouposti a fukce VY INOVACE_0 9_M Gymázium, SOŠ a VOŠ Ledeč ad Sázavou A) Limita poslouposti Říkáme, že posloupost a je kovergetí,

Více

Úvod do teorie měření

Úvod do teorie měření Uverzta Jaa Evagelsty Purkyě v Ústí ad Labem Přírodovědecká fakulta Úvod do teore měřeí Prof. Chlář emář 0 Průměr, rozptyl a směrodatá odchylka X = X = ( X X ) = = = Výpočty pomocí vzorců a pomocí statstckých

Více

Výsledky této ásti regresní analýzy jsou asto na výstupu z poítae prezentovány ve form tabulky analýzy rozptylu.

Výsledky této ásti regresní analýzy jsou asto na výstupu z poítae prezentovány ve form tabulky analýzy rozptylu. Ig. Marta Ltschmaová Statstka I., cveí 4 JEDNODUCHÁ LINEÁRNÍ REGRESE asto chceme prozkoumat vztah mez dvma velam, kde jeda z ch, tzv. ezávsle promá x, má ovlvovat druhou, tzv. závsle promou Y. edpokládá

Více

11. Popisná statistika

11. Popisná statistika . Popsá statstka.. Pozámka: Př statstckém zkoumáí ás zajímají hromadé jevy a procesy, u kterých zkoumáme zákotost, které se projevují u velkého počtu prvků. Prvky zkoumáí azýváme statstcké jedotky. Př

Více

Náhodné jevy, jevové pole, pravděpodobnost

Náhodné jevy, jevové pole, pravděpodobnost S Náhodé jevy pravděpodobost Náhodé jevy jevové pole pravděpodobost Lbor Žák S Náhodé jevy pravděpodobost Lbor Žák Základí pojmy Expermet česky též vědecký pokus je soubor jedáí a pozorováí jehož účelem

Více

Statistika. Jednotlivé prvky této množiny se nazývají prvky statistického souboru (statistické jednotky).

Statistika. Jednotlivé prvky této množiny se nazývají prvky statistického souboru (statistické jednotky). Statstka. Základí pojmy Statstcký soubo - daá koečá, epázdá moža M předmětů pozoováí, majících jsté společé vlastost (událost, věc,.) Jedotlvé pvky této možy se azývají pvky statstckého soubou (statstcké

Více

T e c h n i c k á z p r á v a. Pokyn pro vyhodnocení nejistoty měření výsledků kvantitativních zkoušek. Technická zpráva č.

T e c h n i c k á z p r á v a. Pokyn pro vyhodnocení nejistoty měření výsledků kvantitativních zkoušek. Technická zpráva č. Evropská federace árodích asocací měřcích, zkušebích a aalytckých laboratoří Techcká zpráva č. /006 Srpe 006 Poky pro vyhodoceí ejstoty měřeí výsledků kvattatvích zkoušek T e c h c k á z p r á v a EUROLAB

Více

E L E K T R I C K É S T R O J E II Měření synchronního stroje Fázování, V křivky, Potierova reaktance, stanovení buzení

E L E K T R I C K É S T R O J E II Měření synchronního stroje Fázování, V křivky, Potierova reaktance, stanovení buzení 1 TO - ŠB FE Datum měřeí E L E K T C K É S T O J E Měřeí sychroího stroje Fázováí, křivky, Potierova reaktace, staoveí buzeí 1. Zaáí úlohy : Příjmeí Jméo Skupia (hooceí) 1. Proveďte přifázováí sychroího

Více

Instalační manuál inels Home Control

Instalační manuál inels Home Control OBSAH 1) Úvod... 3 2) Kofigurace chytré krabičky... 3 3) Nahráí aplikace do TV... 3 4) Nastaveí IP adresy do TV... 4 5) Nastaveí chytré krabičky pomocí SmartTV aplikace... 4 5.1) Půdorys (floorpla)...

Více

Střední hodnoty. Aritmetický průměr prostý Aleš Drobník strana 1

Střední hodnoty. Aritmetický průměr prostý Aleš Drobník strana 1 Středí hodoty. Artmetcký průměr prostý Aleš Drobík straa 0. STŘEDNÍ HODNOTY Př statstckém zjšťováí často zpracováváme statstcké soubory s velkým možstvím statstckých jedotek. Např. soubor pracovíků orgazace,

Více

Statistika - vícerozměrné metody

Statistika - vícerozměrné metody Statstka - vícerozměré metody Mgr. Mart Sebera, Ph.D. Katedra kezologe Masarykova uverzta Fakulta sportovích studí Bro 0 Obsah Obsah... Sezam obrázků... 4 Sezam tabulek... 4 Úvod... 6 Pojmy... 7 Náhodé

Více

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů: Odhady parametrů polohy a rozptýleí pro často se vyskytující rozděleí dat v laboratoři se vyčíslují podle ásledujících vztahů: a : Laplaceovo (oboustraé expoeciálí rozděleí se vyskytuje v případech, kdy

Více

Programování v Matlabu

Programování v Matlabu Programováí v Matlabu Obsah: m-fukce a skripty; Krokováí laděí) fukcí/skriptů; Podmíěý příkaz; Cyklus s předem zámým počtem opakováí iteračí cyklus); Cyklus řízeý podmíkou Zoltá Szabó FBMI 2007 http://webzam.fbmi.cvut.cz/szabo/matlab/

Více

Přednáška 7, 14. listopadu 2014

Přednáška 7, 14. listopadu 2014 Předáška 7, 4. listopadu 204 Uvedeme bez důkazu klasické zobecěí Leibizova kritéria (v ěmž b = ( ) + ). Tvrzeí (Dirichletovo a Abelovo kritérium). Nechť (a ), (b ) R, přičemž a a 2 a 3 0. Pak platí, že.

Více

definované pro jednotlivé řády takto: ) řádu n nazýváme číslo A = det( A) a a a11 a12

definované pro jednotlivé řády takto: ) řádu n nazýváme číslo A = det( A) a a a11 a12 Předáška 3: Determiaty Pojem determiatu se prosadil původě v souvislosti s potřebou řešit soustavy lieárích rovic v 8 století (C Maclauri, G Cramer) Teprve později se pojem osamostatil, zjedodušilo se

Více

3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě.

3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě. 3. Hodoceí přesost měřeí a vytyčováí. Odchylky a tolerace ve výstavbě. 3.1 Úvod o měřeí obecě 3.2 Chyby měřeí a jejch děleí 3.2.1 Omyly a hrubé chyby 3.2.2 Systematcké chyby 3.2.3 Náhodé chyby 3.3 Výpočet

Více

Předmět: SM 01 ROVINNÉ PŘÍHRADOVÉ KONSTRUKCE

Předmět: SM 01 ROVINNÉ PŘÍHRADOVÉ KONSTRUKCE Přdmět: SM 0 ROVIÉ PŘÍHRADOVÉ KOSTRUKCE doc. Ig. Michl POLÁK, CSc. Fkult stvbí, ČVUT v Prz ROVIÉ PŘÍHRADOVÉ KOSTRUKCE: KOSTRUKCE JE VYTVOŘEA Z PŘÍMÝCH PRUTŮ, PRUTY JSOU AVZÁJEM POSPOJOVÁY V BODECH STYČÍCÍCH,

Více

Jednokriteriální rozhodování za rizika a nejistoty

Jednokriteriální rozhodování za rizika a nejistoty Jeokrterálí rozoováí za rzka a estoty U eokrterálíc úlo e vžy pouze eo krtérum optmalty, a to buď maxmalzačí ebo mmalzačí. araty rozoováí sou zaáy mplctě - pomíkam, které musí být splěy (vz úloy leárío

Více

Mechanika soustavy hmotných bodů a tuhého tělesa

Mechanika soustavy hmotných bodů a tuhého tělesa Mechaka soustavy hmotých bodů a tuhého tělesa Učebí text pro výuku předmětu Fyzka pro KME, letí semestr školího roku 00/ Autor: Mart Žáček, katedra fyzky, Fakulta Elektrotechcká, ČVUT Vymezeí a souvslost

Více

6. Posloupnosti a jejich limity, řady

6. Posloupnosti a jejich limity, řady Moderí techologie ve studiu aplikovaé fyziky CZ..07/..00/07.008 6. Poslouposti a jejich limity, řady Posloupost je speciálí, důležitý příklad fukce. Při praktickém měřeí hodot určité fyzikálí veličiy dostáváme

Více

12. Neparametrické hypotézy

12. Neparametrické hypotézy . Neparametrcké hypotézy V této část se budeme zabývat specálí částí teore statstckých hypotéz tzv. eparametrckým hypotézam ebo jak řečeo eparametrckým statstckým testy. Neparametrcké se azývají proto,

Více

, jsou naměřené a vypočtené hodnoty závisle

, jsou naměřené a vypočtené hodnoty závisle Měřeí závslostí. Průběh závslost spojtá křvka s jedoduchou rovcí ( jedoduchým průběhem), s malým počtem parametrů, která v rozmezí aměřeých hodot vsthuje průběh závslost, určeí kokrétího tpu křvk (přímka,

Více

Regresní a korelační analýza

Regresní a korelační analýza Regresí a korelačí aalýza Závslost příčá (kauzálí). Závslostí pevou se ozačuje případ, kdy výskytu jedoho jevu utě odpovídá výskyt druhé jevu (a často aopak). Z pravděpodobostího hledska jde o vztah, který

Více

IV. NEJISTOTY MENÍ A ZPRACOVÁNÍ VÝSLEDK

IV. NEJISTOTY MENÍ A ZPRACOVÁNÍ VÝSLEDK IV. NEJISTOTY MENÍ A ZPRACOVÁNÍ VÝSLEDK Meí patí mez základí zpsoby získáváí kvattatvích formací o stav sledovaé vely. 4. Chyby meí Nedokoalost metod meí, ašch smysl, omezeá pesost mcích pístroj, promé

Více

ARITMETICKÉ POSLOUPNOSTI VYŠŠÍCH ŘÁDŮ

ARITMETICKÉ POSLOUPNOSTI VYŠŠÍCH ŘÁDŮ ARITMETICKÉ POSLOUPNOSTI VYŠŠÍCH ŘÁDŮ JAROSLAV ZHOUF Pedagogická fakulta UK Praha Osova předášky 1. Vysvětleí pojmu Aritmetické poslouposti vyšších řádů (APVŘ). APVŘ a ižším gymáziu 3. APVŘ a vyšším gymáziu

Více

Matematika 1. Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D / 13. Posloupnosti

Matematika 1. Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D / 13. Posloupnosti Úvod Opakováí Poslouposti Příklady Matematika 1 Katedra matematiky, Fakulta stavebí ČVUT v Praze středa 10-11:40 posluchára D-1122 2012 / 13 Úvod Opakováí Poslouposti Příklady Úvod Opakováí Poslouposti

Více

GRADIENTNÍ OPTICKÉ PRVKY Gradient Index Optical Components

GRADIENTNÍ OPTICKÉ PRVKY Gradient Index Optical Components Nové metody a postupy v oblasti přístrojové techiky, automatického řízeí a iformatiky Ústav přístrojové a řídicí techiky ČVUT v Praze, odbor přesé mechaiky a optiky Techická 4, 66 7 Praha 6 GRADIENTNÍ

Více

STUDIUM MAXWELLOVA ZÁKONA ROZDĚLENÍ RYCHLSOTÍ MOLEKUL POMOCÍ DERIVE 6

STUDIUM MAXWELLOVA ZÁKONA ROZDĚLENÍ RYCHLSOTÍ MOLEKUL POMOCÍ DERIVE 6 Středoškolská techika 00 Setkáí a prezetace prací středoškolských studetů a ČVUT STUDIUM MAXWELLOVA ZÁKONA ROZDĚLENÍ RYCHLSOTÍ MOLEKUL POMOCÍ DERIVE 6 Pavel Husa Gymázium Jiřího z Poděbrad Studetská 66/II

Více

Lineární a adaptivní zpracovní dat. 5. Lineární filtrace: FIR, IIR

Lineární a adaptivní zpracovní dat. 5. Lineární filtrace: FIR, IIR Leárí a adaptví zpracoví dat 5. Leárí fltrace: FIR, IIR Dael Schwarz Ivestce do rozvoje vzděláváí Opakováí 2 Co je to fltrace? Co je to fltr? A jak ho popsujeme? Jaký je vztah Z trasformace a Fourerovy

Více

Deskriptivní statistika 1

Deskriptivní statistika 1 Deskriptiví statistika 1 1 Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 1145/2004. Základí charakteristiky souboru Pro lepší představu používáme k popisu vlastostí zkoumaého jevu určité charakteristiky

Více

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT Základy práce s tabulkou Výukový modul III. Iovace a zkvaltěí výuky prostředctvím IC éma III..3 echcká měřeí v MS Excel Pracoví lst 5 Měřeí teploty. Ig. Jří Chobot VY_3_INOVACE_33_5 Aotace Iovace a zkvaltěí

Více

Dvojný integrál. Dvojný integrál na obdélníkové oblasti

Dvojný integrál. Dvojný integrál na obdélníkové oblasti Dvojý itegrál Zatímo itegračím oborem jeorozměrého itegrálu bl iterval, u vojého itegrálu je třeba raovat s vojrozměrými obor. Může to být obélíová oblast, ale i složitější útvar jao ař. ruh, ruhová výseč

Více

Princip paralelního řazení vkládáním (menší propadává doprava)

Princip paralelního řazení vkládáním (menší propadává doprava) ricip paralelího řazeí vkládáím (meší propadává doprava) Týde 0 aralelí řazeí. vkládáím. traspozicí lichý - sudý. bitoické. s pravidelými vzorky. přihrádkové 0,,,,,,,,,, krok aralelí řazeí vkládáím (Isertio

Více

Tento materiál vznikl díky Operačnímu programu Praha Adaptabilita CZ.2.17/3.1.00/33254

Tento materiál vznikl díky Operačnímu programu Praha Adaptabilita CZ.2.17/3.1.00/33254 Evropský sociálí fod Praha & EU: Ivestujeme do vaší budoucosti Teto materiál vzikl díky Operačímu programu Praha Adaptabilita CZ.2.17/3.1.00/33254 Maažerské kvatitativí metody II - předáška č.1 - Dyamické

Více

Contribution to Stability Analysis of Nonlinear Control Systems Using Linearization Vyšetřování stability nelineárních systémů metodou linearizace

Contribution to Stability Analysis of Nonlinear Control Systems Using Linearization Vyšetřování stability nelineárních systémů metodou linearizace XXIX. ASR '4 Semi, Istumets Cotol, Ostv, Apil, 4 6 Cotibutio to Stbility Alysis o Nolie Cotol Systems Usig Lieiztio Vyšetřováí stbility elieáích systémů metoou lieizce GAHURA, Pet Ig., VUT FSI v Bě, Ústv

Více

Zimní semestr akademického roku 2015/ listopadu 2015

Zimní semestr akademického roku 2015/ listopadu 2015 Cvičeí k předmětu BI-ZMA Tomáš Kalvoda Katedra aplikovaé matematiky FIT ČVUT Matěj Tušek Katedra matematiky FJFI ČVUT Obsah Cvičeí Zimí semestr akademického roku 2015/2016 20. listopadu 2015 Předmluva

Více

Optimalizace portfolia

Optimalizace portfolia Optmalzace portfola ÚVOD Problémy vestováí prostředctvím ákupu ceých papírů sou klasckým tématem matematcké ekoome. Celkový výos z portfola má v době rozhodováí o vestcích povahu áhodé velčy, eíž rozložeí

Více

IV. MKP vynucené kmitání

IV. MKP vynucené kmitání Jří Máca - katedra mechaky - B35 - tel. 435 4500 maca@fsv.cvut.cz IV. MKP vyuceé kmtáí. Rovce vyuceého kmtáí. Modálí aalýza rozklad do vlastích tvarů 3. Přímá tegrace pohybových rovc 3. Metoda cetrálích

Více

Praktické otázky vícenásobné lineární regrese (VJ REGMOD-3)

Praktické otázky vícenásobné lineární regrese (VJ REGMOD-3) Praktcké otázky víceásobé leárí regrese (VJ REGOD-3) Základí formace V rámc této výukové jedotky se sezámíme s ěkterým problémy specfckým pro víceásobé regresí modely. Vysvětlíme s, co je terakce mez predktory

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA SP4 Přpomeutí pojmů PRAVDĚPODOBNOST A STATISTIKA SP4 Přpomeutí pojmů SP4 Přpomeutí pojmů Pravděpodobost Náhodý jev: - základí prostor - elemetárí áhodý jev A - áhodý jev, - emožý jev, jstý jev podjev opačý

Více

Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n

Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n Regrese Aproxmace metodou ejmeších čtverců v v ( ) = f x v v x x x x Je dáo bodů [x, ], =,,, předpoládáme závslost a x a chceme ajít fuc, terá vsthuje teto tred - Sažíme se proložt fuc = f x ta, ab v =

Více

n=1 ( Re an ) 2 + ( Im a n ) 2 = 0 Im a n = Im a a n definujeme předpisem: n=1 N a n = a 1 + a 2 +... + a N. n=1

n=1 ( Re an ) 2 + ( Im a n ) 2 = 0 Im a n = Im a a n definujeme předpisem: n=1 N a n = a 1 + a 2 +... + a N. n=1 [M2-P9] KAPITOLA 5: Číselé řady Ozačeí: R, + } = R ( = R) C } = C rozšířeá komplexí rovia ( evlastí hodota, číslo, bod) Vsuvka: defiujeme pro a C: a ± =, a = (je pro a 0), edefiujeme: 0,, ± a Poslouposti

Více

Interpolační křivky. Interpolace pomocí spline křivky. f 1. f 2. f n. x... x 2

Interpolační křivky. Interpolace pomocí spline křivky. f 1. f 2. f n. x... x 2 Iterpolace pomocí sple křvky dáo: bodů v rově úkol: alézt takovou křvku, která daým body prochází y f f 2 f 0 f x0 x... x 2 x x Iterpolace pomocí sple křvky evýhodou polyomálí terpolace změa ěkterého z

Více

13 Popisná statistika

13 Popisná statistika 13 Popisá statistika 13.1 Jedorozměrý statistický soubor Statistický soubor je možia všech prvků, které jsou předmětem statistického zkoumáí. Každý z prvků je statistickou jedotkou. Prvky tvořící statistický

Více

Matematická analýza I

Matematická analýza I 1 Matematická aalýza ity posloupostí, součty ekoečých řad, ity fukce, derivace Matematická aalýza I látka z I. semestru iformatiky MFF UK Zpracovali: Odřej Keddie Profat, Ja Zaatar Štětia a další 2 Matematická

Více

10.3 GEOMERTICKÝ PRŮMĚR

10.3 GEOMERTICKÝ PRŮMĚR Středí hodoty, geometrický průměr Aleš Drobík straa 1 10.3 GEOMERTICKÝ PRŮMĚR V matematice se geometrický průměr prostý staoví obdobě jako aritmetický průměr prostý, pouze operace jsou o řád vyšší: místo

Více

Obsah. 1 Mocninné řady Definice a vlastnosti mocninných řad Rozvoj funkce do mocninné řady Aplikace mocninných řad...

Obsah. 1 Mocninné řady Definice a vlastnosti mocninných řad Rozvoj funkce do mocninné řady Aplikace mocninných řad... Obsah 1 Mocié řady 1 1.1 Defiice a vlastosti mociých řad.................... 1 1. Rozvoj fukce do mocié řady...................... 5 1.3 Aplikace mociých řad........................... 10 1 Kapitola 1

Více

WikiSkriptum Ing. Radek Fučík, Ph.D. verze: 1. října 2019

WikiSkriptum Ing. Radek Fučík, Ph.D. verze: 1. října 2019 Matematika II - Sbírka příkladů WikiSkriptum Ig. Radek Fučík, Ph.D. verze:. říja 9 Obsah Pokročilé techiky itegrace a zobecěý Riemaův itegrál. Racioálí fukce.................................... Pokročilé

Více

Příklady k přednášce 12 - Frekvenční metody

Příklady k přednášce 12 - Frekvenční metody Příklady k předášce 1 - Frekvečí metody Michael Šebek Automatické řízeí 018 8-3-18 Frekvečí charakteristika OL a mez stability CL Pro esoudělý OL přeos Ls () platí: 1) Je-li s C pól CL, pak 1 + Ls () =

Více

Přednáška VI. Intervalové odhady. Motivace Směrodatná odchylka a směrodatná chyba Centrální limitní věta Intervaly spolehlivosti

Přednáška VI. Intervalové odhady. Motivace Směrodatná odchylka a směrodatná chyba Centrální limitní věta Intervaly spolehlivosti Předáška VI. Itervalové odhady Motivace Směrodatá odchylka a směrodatá chyba Cetrálí limití věta Itervaly spolehlivosti Opakováí estraé a MLE Jaký je pricip estraých odhadů? Jaký je pricip odhadů metodou

Více