Odbavení zavazadel na letišti. Semestrální práce Vybrané statistické metody
|
|
- Radim Kašpar
- před 6 lety
- Počet zobrazení:
Transkript
1 České vysoké učení technické v Praze Fakulta Dopravní Ústav letecké dopravy Odbavení zavazadel na letišti Semestrální práce Vybrané statistické metody Bc. Marek Slavíček Praha 2011
2 1. Úvod Leteckou dopravu charakterizuje přes drobné výkyvy trvalý růst. Letiště obsluhují stále více letadel, počty pohybů, odbavených cestujících i nákladu se za posledních dvacet let téměř zdesetinásobil 1. Letecké společnosti, letiště, služby řízení letového provozu a další složky účastnící se civilní letecké dopravy se tomuto trendu musí pravidelně přizpůsobovat a podle aktuálního vývoje patřičně expandovat. Odbavení zavazadel na letištích je nedílnou součástí odbavení cestujících, jeho objem tudíž také roste. Proces odbavení zavazadel se skládá z několika kroků: a) přihlášení zavazadla na odbavovací přepážce (Check-in) b) kontrola zavazadla pomocí rentgenového zařízení, zda neobsahuje zakázané předměty, látky apod., které nesmí být přepravovány na palubách letadel c) třídění zavazadel v třídírně podle jednotlivých letů d) přeprava zavazadel z třídírny k letadlům e) nakládka zavazadel do letadel Z logiky věci je zřejmé, že každý z těchto kroků představuje potenciální úzké hrdlo systému a nedostatečná kapacita prvků jednotlivých kroků může znamenat prodlevy v systému odbavení. Je v zájmu letiště, aby byl systém dostatečně dimenzován a počty jednotlivých prvků byly vyvážené
3 2. Model v programu HPSim Systém odbavení zavazadel byl nejprve simulován za pomocí programu HPSim, viz Obr. 1. Obr. 1 Schéma modelu v programu HPSim 3
4 Celý proces je rozdělen na dvě téměř samostatné části na zavazadla odbavovaná v rámci Schengenského prostoru a na zavazadla směřující mimo Schengenský prostor. Vycházíme z daného objemu zavazadel. Poměr zavazadel směřujících do a ze Schengenského prostoru byl pro potřeby modelu stanoven na přibližně 2:1. Jelikož jsou obě větve odbavení funkčně identické, bude dále popsána jen jedna z nich. Zavazadla, která mají cestující u sebe, jsou odbavována na odbavovacích přepážkách (světle žlutá). Jedna přepážka je vyhrazena pro nadrozměrná zavazadla, je značena tmavší žlutou barvou. Zavazadlo je označeno číslem letu a posláno po pásových dopravnících do (zpravidla) podzemí letiště. Zde je nutné zavazadla zkontrolovat, zda neobsahují zakázané předměty. Tento krok obsluhují automatické rentgenovací jednotky (světle zelená). Pokud je zavazadlo v pořádku, je odesláno do třídírny zavazadel. Třídírna je soustava pásových dopravníků, skenerů a dalších zařízení, která zavazadla roztřídí podle čísla letu. Jelikož není možné jednoduše v programu HPSim simulovat činnost třídírny (tokenu nelze přiřadit žádné vlastnosti, podle kterých by bylo možné jej identifikovat), je zde charakterizována jen jako zásobník na tokeny. Neprojde-li zavazadlo rentgenovací jednotkou, je posláno do rentegnu s lidskou obsluhou, na schématu značeno tmavší zelenou. Zde je několikrát testováno, a pokud je podezření, že obsahuje závadný obsah, je předáno k ruční kontrole. Ze zásobníku jsou zavazadla pomocí přepravních vozíků přepravovány do letadel (červená). Pro účely simulace bylo stanoveno množství tokenů, které představují jeden vozík. Tyto vozíky jsou pak posílány do letadel, jedno letadlo je opět charakterizováno jako token emitovaný po přijetí určitého množství vozíků. Letadlo poté odlétá z letiště pryč. Systém odbavení je charakterizován Markovský řetězec probíhající ve spojitém čase. Odbavovací přepážky a rentgeny a zásobníky pracují ve frontovém režimu typu FIFO (First In First Out) zavazadla, která vstoupí jako první, také jako první vystoupí. Vozíky na zavazadla a letadla jsou charakterizována frontovým režimem typu LIFO (Last In First Out), který vyplývá z podstaty nakládání zavazadel do nich zavazadla naložená poslední jsou na vrchu a proto budou vyložena jako první. Všechna zařízení můžeme klasifikovat podle Kendallovy klasifikace jako M/M/X, přičemž X reprezentuje počet zařízení daného typu. 4
5 V průběhu návrhu a vytváření modelu v programu HPSim se však vyskytla celá řada problémů. Především je to obtížná simulace pravděpodobnosti výskytu jevu. Pravděpodobnost, že bude zavazadlo označeno jako závadné a bude odesláno ke kontrole pracovníky letiště, je řádově ve stovkách až tísících ku jedné. Aby bylo možné nasimulovat toto chování v programu HPSim, bylo by nutné vytvořit pro každý rentgen jedno hradlo pro pozitivní detekci a několik set hradel pro negativní detekci. Takové řešení by však nesmírně zkomplikovalo vytváření modelu a jeho pozdější úpravy. Byla proto použita pravděpodobnost 1:5 a další rozhodování uvnitř rentgenu s lidskou obsluhou. Druhým problémem, který byl zjištěn až po dokončení modelu, je chování programu v okamžiku, kdy existuje větší množství tokenů, které směřují do jednoho místa v jeden čas. Pokud existuje alternatviní místo, kam se může token přesunout, program ho tam odešle. Tím se však zruší veškerá pravděpodobnost a při testech docházelo k přesně opačným výsledkům nejvíc tokenů končilo v místech, kde by vzhledem k pravděpodobnosti neměly v takovém množství být. Přestože situaci částečně zlepšilo zařazení mezizásobníků, simulace se přesto ukázala jako velmi nespolehlivá, což společně s dalšími problémy a chybami programu (absence tlačítka Zpět, nemožnost jednoduchým způsobem získat výsledná data, velmi neintuitivní ovládání atd.) vedlo k rozhodnutí naprogramovat model a obsluhující aplikaci vlastními silami. 5
6 3. Vlastní řešení Pro naprogramování modelu a aplikace byl využit programovací/skriptovací jazyk PHP. Přestože jde o jazyk primárně určený pro tvorbu webových stránek a aplikací, bylo vzhledem k podpoře objektového programování možné jej použít. Jako základ aplikace posloužil framework Nette 2, který byl využit jako šablonovací systém a pro zjednodušení práce se sessions. Pro grafickou reprezentaci dat v podobě grafů byla do aplikace zakomponována knihovna JPGraph 3. Cílem při návrhu aplikace bylo co nejvíce se přiblížit schématu navrhnutému v programu HPSim a zjednodušení získávání dat. Zdrojové kódy aplikace jsou přiloženy u této semestrální práce a funkční verze byla nahrána na server Popis vnitřních záležitostí aplikace by byl poměrně komplikovaný, proto bude omezen na popis ovládacího rozhraní a jednoduchého principu. Nejdůležitější části aplikace leží ve složce app, konkrétně: app/models obsahuje objekty, které představují jednotlivé prvky simulace a které zajišťují aplikační modelovou logiku app/presenters/homepage controller aplikace, slouží pro komunikaci mezi uživatelským rozhraním a modelem aplikace app/templates/homepage/ šablona pro grafický (HTML) výstup
7 4. Popis aplikace Aplikace umožňuje na rozdíl od HPSimu zadat vstupní parametry pro simulaci velmi jednoduše a flexibilně, není proto nutné složitě upravovat schéma pokud například chceme přidat dalších pět rentgenovacích jednotek. Jak bude ukázáno dále, je úprava parametrů a jejich následná optimalizace díky tabulkovému a grafickému výstupu neporovnatelně jednoduší. Jediné omezení aplikace je omezení výkonové - čím více objektů do simulace přidáme a čím větší nastavíme čas, tím bude simulace trvat déle, v limitním případě může dojít k překročení času spouštění skriptů a především přidělené paměti dané nastavením serveru. Toto omezení lze částečně obejít spouštěním aplikace na vlastním serveru, kde máme možnost tyto limity navýšit podle potřeby. Časy, které se nastavují v parametrech a následně se zobrazují ve výsledcích, jsou časy v podstatě relativní, poměrové, podobně jako krokování v HPSimu. Vyjadřují, kolik kroků simulace je potřeba k určité činnosti. Doby jednotlivých dějů (tzn. odbavení na přepážce, skenování rentgenů, převozu zavazadel k letadlům, pojíždění letadel) nejsou pevné, mění se pro každý krok a simulují tak proměnlivé zpoždění hradel v HPSimu. Aby bylo možné simulovat různá zatížení zařízení při zpracování zavazadel, je aplikace spouštěna takříkajíc v reálném čase v každém kroku, resp. minutě, jsou zařízení v určitém stavu. Buď přijímají zavazadlo, zpracovávají jej, nebo čekají na další. Krokování tak umožňuje analyzovat, zda se vytvářejí fronty, nebo jsou některá zařízení nevytížená. Při zpracování se zařízení berou od prvního, to znamená, že v případě jejich nerovnoměrného zatížení bude nejvíce vytížené první zařízení. Data z běhu aplikace se ukládají, což umožňuje grafický výstup a následnou analýzu. 7
8 5. Analýza výsledků a postup optimalizace Vezměme modelovou situaci. Máme letiště, u kterého chceme odbavit 2800 zavazadel v průběhu 1000 minut. Potřebujeme zjistit množství odbavovacích přepážek, rentgenů a dopravních vozíků, které tuto činnost zvládnou, zároveň však nechceme systém předimenzovat. Průměrný čas potřebný pro odbavení zavazadla jsou tři minuty, pro zrentgenování zavazadla jedna minuta, pro převoz a naložení zavazadel do letadla 15 minut, doba od naložení letadla do jeho odletu 20 minut. Kapacita vozíku je 25 zavazadel. Simulaci letiště se Schengenskou a Non-Schengenskou částí lze jednoduše zařídit spuštěním aplikace dvakrát, pokaždé s danými vstupními parametry, jelikož se jedná o dva na sobě nezávislé procesy. V prvním kroku budeme optimalizovat počet odbavovacích přepážek. Odhadněme potřebné množství na pět. Vstupní parametry jsou znázorněny na Obr. 2. Obr. 2 Zvolená vstupní data 8
9 Spustíme simulaci a začneme analyzovat výstup. Obr. 3 Výsledek prvního spuštění Z výstupních dat na Obr. 3 vidíme, že pět odbavovacích přepážek není schopno za daný čas odbavit takové množství zavazadel, došlo k odbavení jen 962 zavazadel. Zvýšíme proto množství přepážek na kupříkladu dvacet. Po proběhnutí simulace zjistíme, že všechna zavazadla byla odbavena přibližně jednu hodinu, tzn. více než tři a půl hodiny před limitem. Postupným zkoušením tak dojdeme k šestnácti odbavovacím přepážkám, které by měly mít dostatečnou rezervu. 9
10 Dále budeme optimalizovat počet rentgenů. Nejvíce nám napoví pohled na grafy vytížení rentgenů a množství zavazadel v zásobníku. Obr. 4 Průběh zásobníku 1 při nedostatečném počtu rentgenů Vidíme, že všechny tři rentgeny, které jsme zvolili jako výchozí počet, pracovaly po celou dobu naplno. Graf zásobníku 1 (Obr. 4) říká, že se v něm od samého začátku začaly hromadit odbavená zavazadla. Teprve v čase cca 15:10 začalo množství zavazadel v zásobníku klesat, což je okamžik, kdy svou práci dokončily odbavovací přepážky. 10
11 Podívejme se nyní na rozdíl mezi šesti a sedmi rentgeny. Obr. 5 Zásobník 1 - šest rentgenů Obr. 6 Zásobník 1 - sedm rentgenů Na Obr. 5 je průběh zásobníku systému se šesti rentgeny, na Obr. 6 se sedmi. Vlevo vidíme postupné hromadění zavazadel až do cca 15:00, kdy skončila práce odbavovacích přepážek. Poté byly rentgeny schopné dokončit práci v daném čase. Sedm rentgenů naproti tomu bylo schopno téměř okamžitě zpracovat všechna zavazadla, která přišla do zásobníku. Pokud bychom zvolili více rentgenů, než je potřeba, poznáme to nejen z průběhu zásobníku, ale i z grafu oskenovaných zavazadel jednotlivými rentgeny. Obr. 7 Vytížení rentgenů - předimenzováno Na Obr. 7 vidíme vytížení rentgenů při volbě deseti rentgenovacích jednotek - z principu práce aplikace jsou nejvytíženější první rentgeny, dále vytíženost klesá. Optimalizace počtu přepravních vozíků na zavazadla probíhá stejně, jako optimalizace počtu rentgenů. Využíváme přitom průběh zásobníku 2 a graf vytíženosti jednotlivých vozíků. Aplikace stejně jako v reálném provozu průběžně nakládá zavazadla do vozíků, které jsou aktuálně k dispozici. V okamžiku, kdy se vozík zcela naplní, nebo již byla naložena všechna 11
12 odbavená zavazadla, je odeslán k letadlu. Pro naši modelovou situaci bylo zjištěno, že k převezení zavazadel postačí dva vozíky, které jsou však plně vytížené, téměř neustále dochází k hromadění zavazadel v zásobníku. Pro reálný provoz by tak bylo vhodnější zvolit vozíky tři. Obr. 8 Zásobník 2 - dva vozíky Obr. 9 Zásobník 2 - tři vozíky Zavazadla z vozíků jsou nakládána do letadel. Kapacita letadla je z důvodu zjednodušení násobkem kapacity vozíku, přičemž násobek je náhodné celé číslo z množiny <1; 6>, což simuluje variabilitu provozu. V případě, že bylo dokončeno převezení všech odbavených zavazadel, odletí poslední letadlo bez ohledu na to, zda bylo naplněno. 12
13 6. Modelový příklad a jeho optimalizace za využití aplikace Na modelovém letišti Anytown je v současné době 8 odbavovacích přepážek, 5 rentgenovacích jednotek a 4 vozíky na zavazadla. V současné době je propustnost systému průměrně 1743 zavazadel za 12 hodin. Denně je třeba odbavit 2400 zavazadel, což systém nesplňuje, a proto dochází ke zpožděním letadel. Cílem optimalizace je navrhnout vylepšení systému tak, aby byl schopen zpracovat 2400 zavazadel za 12 hodin. Číslo měření Odbavená zavazadla Oscanovaná zavazadla Zavazadla převezená vozíky Zavazadla pro ruční kontrolu Odletělo zavazadel 13
14 Graf 1 Odbavená zavazadla odletěná z letiště - před optimalizací V prvním kroku optimalizujeme počet odbavovacích přepážek. Jako nejhodnější počet se jeví 12 odbavovacích přepážek. Číslo měření Odbavená zavazadla Oscanovaná zavazadla Zavazadla převezená vozíky Zavazadla pro ruční kontrolu Odletělo zavazadel 14
15 Graf 2 Odbavená zavazadla odletěná z letiště - 1. optimalizace Ve druhém kroku optimalizujeme počet rentgenů. S ohledem na dostatečnou kapacitu bylo vybráno 8 rentgenů. Po druhé optimalizaci je systém schopen obsloužit 2400 zavazadel za 12 hodin s dostatečnou rezervou. Neobsloužená zavazadla jsou z převážné většiny zavazadla, která neprošla rentgenovou kontrolou a jsou určena k ruční kontrole. Počet vozíků, které jsou na letišti, se ukázal jako dostatečný. Číslo měření Odbavená zavazadla Oscanovaná zavazadla Zavazadla převezená vozíky Zavazadla pro ruční kontrolu Odletělo zavazadel 15
16 Graf 3 Odbavená zavazadla odletěná z letiště - 2. optimalizace Neodeslaná zavazadla: před optimalizací, první optimalizace, druhá optimalizace Před optimalizací 1. optimalizace 2. optimalizace Aritmetický průměr 666,67 320,00 7,20 Medián Modus Směrodatná odchylka 39,21 46,66 3,88 Rozptyl 1537, ,50 15,06 Variační koeficient 0,059 0,146 0,539 Variační rozpětí Neodeslaná zavazadla: T-Testy 1. optimalizace 1,4537E-22 0, optimalizace 9,67859E-37 1,25452E-22 16
17 0,300 0,250 0,200 0,150 0,100 0,050 0,000 0,267 0,233 0,167 0,167 0, Graf 4 Histogram neodbavených zavazadel před optimalizací 0,350 0,300 0,250 0,200 0,150 0,100 0,050 0,000 0,333 0,233 0,233 0,100 0, Graf 5 Histogram neodbavených zavazadel po 1. optimalizaci 1,000 0,800 0,800 0,600 0,400 0,200 0,000-0,200 0,167 0,000 0,000 0, Graf 6 Histogram neodbavených zavazadel po 2. optimalizaci Ideální stavem na letišti Anytown, které má odbavit 2400 zavazadel za 12 hodin je: - 12 odbavovacích přepážek - 8 rentgenů - 4 vozíky 17
18 7. Závěr Naprogramování vlastní aplikace pro řešení optimalizace odbavení zavazadel na letišti umožnilo volněji pracovat s návrhem optimálního počtu prvků, činit přesnější a kvalifikovanější odhady a díky grafickému výstupu také přehledněji interpretovat výsledky. Na druhou stranu se jedná o náročnější řešení, které je pouze jednoúčelové a které musí být navrhnuto přesně na konkrétní úlohu. Aplikace se nedá použít pro víc typů úloh, musela by se naprogramovat nová úplně od začátku. 18
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA DOPRAVNÍ
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA DOPRAVNÍ Simulace příletů cestujících na schengenský terminál letiště Praha - Ruzyně a jejich přestupů na navazující lety SEMESTRÁLNÍ PRÁCE Vybrané statistické
Simulace odbavení cestujících na fiktivním letišti
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA DOPRAVNÍ Katedra letecké dopravy Semestrální práce: Předmět: Vybrané statistické metody Vyučující: Mgr. Šárka Voráčová, Ph.D. Simulace odbavení cestujících
Exponenciální modely hromadné obsluhy
Exponenciální modely hromadné obsluhy Systém s čekáním a neohraničeným zdrojem požadavků Na základě předchozích informací je potřeba probrat, jaké informace jsou dostupné v počtu pravděpodobnosti řešícím
4EK201 Matematické modelování. 8. Modely hromadné obsluhy
4EK201 Matematické modelování 8. Modely hromadné obsluhy 8. Modely hromadné obsluhy Systém, ve kterém dochází k realizaci obsluhy příchozích požadavků = systém hromadné obsluhy Vědní disciplína zkoumající
FAKULTA DOPRAVNÍ ČVUT
FAKULTA DOPRAVNÍ ČVUT Teorie hromadné obsluhy Simulace letiště v softwaru HPSim 26/27 Martin Brodský Petr Poupa Simulace letiště v softwaru HPSim 1.ÚVOD V rámci semestrální práce na předmět Teorie hromadné
Vybrané statistické metody. Simulace pokladen supermarketu Albert na Spojovací
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE, Fakulta dopravní Ústav aplikované matematiky K611 Vybrané statistické metody Simulace pokladen supermarketu Albert na Spojovací 1 85 Jakub Ondřich 2010/2011 85101910/0040
Statistika. cílem je zjednodušit nějaká data tak, abychom se v nich lépe vyznali důsledkem je ztráta informací!
Statistika aneb známe tři druhy lži: úmyslná neúmyslná statistika Statistika je metoda, jak vyjádřit nejistá data s přesností na setinu procenta. den..00..00 3..00..00..00..00..00..00..00..00..00..00 3..00..00..00..00..00..00..00
VYUŽITÍ PRAVDĚPODOBNOSTNÍ METODY MONTE CARLO V SOUDNÍM INŽENÝRSTVÍ
VYUŽITÍ PRAVDĚPODOBNOSTNÍ METODY MONTE CARLO V SOUDNÍM INŽENÝRSTVÍ Michal Kořenář 1 Abstrakt Rozvoj výpočetní techniky v poslední době umožnil také rozvoj výpočetních metod, které nejsou založeny na bázi
Stanovení nejistot při výpočtu kontaminace zasaženého území
Stanovení nejistot při výpočtu kontaminace zasaženého území Michal Balatka Abstrakt Hodnocení ekologického rizika kontaminovaných území představuje komplexní úlohu, která vyžaduje celou řadu vstupních
Statistika. Diskrétní data. Spojitá data. Charakteristiky polohy. Charakteristiky variability
I Přednáška Statistika Diskrétní data Spojitá data Charakteristiky polohy Charakteristiky variability Statistika deskriptivní statistika ˆ induktivní statistika populace (základní soubor) ˆ výběr parametry
Nová áplikáce etesty zá te z ove testová ní
Nová áplikáce etesty zá te z ove testová ní Verze 0.4 Datum aktualizace 28. 11. 2014 1 Obsah 1 Úvod... 2 1.1 Podpora - kontakty... 2 1.2 Zdroje... 2 1.3 Zkratky... 2 2 Předpoklady pro testování... 3 2.1
veličin, deskriptivní statistika Ing. Michael Rost, Ph.D.
Vybraná rozdělení spojitých náhodných veličin, deskriptivní statistika Ing. Michael Rost, Ph.D. Třídění Základním zpracováním dat je jejich třídění. Jde o uspořádání získaných dat, kde volba třídícího
4EK311 Operační výzkum. 8. Modely hromadné obsluhy
4EK311 Operační výzkum 8. Modely hromadné obsluhy 8. Modely hromadné obsluhy Systém, ve kterém dochází k realizaci obsluhy příchozích požadavků = systém hromadné obsluhy Vědní disciplína zkoumající tyto
Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady
Předmět: Náplň: Třída: Počet hodin: Pomůcky: Matematika Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady 4. ročník 3 hodiny týdně PC a dataprojektor Kombinatorika Řeší jednoduché úlohy
Metoda Monte Carlo a její aplikace v problematice oceňování technologií. Manuál k programu
Metoda Monte Carlo a její aplikace v problematice oceňování technologií Manuál k programu This software was created under the state subsidy of the Czech Republic within the research and development project
SIMULACE SPOLEHLIVOSTI SYSTÉMŮ HROMADNÉ OBSLUHY. Michal Dorda. VŠB - TU Ostrava, Fakulta strojní, Institut dopravy
SIMULACE SPOLEHLIVOSTI SYSTÉMŮ HROMADNÉ OBSLUHY Michal Dorda VŠB - TU Ostrava Fakulta strojní Institut dopravy 1 Úvod V běžné technické praxi se velice často setkáváme s tzv. systémy hromadné obsluhy aniž
Komplexní čísla, Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady
Předmět: Náplň: Třída: Počet hodin: Pomůcky: Matematika Komplexní čísla, Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady 4. ročník a oktáva 3 hodiny týdně PC a dataprojektor, učebnice
Statistika, Biostatistika pro kombinované studium Letní semestr 2011/2012. Tutoriál č. 4: Exploratorní analýza. Jan Kracík
Statistika, Biostatistika pro kombinované studium Letní semestr 2011/2012 Tutoriál č. 4: Exploratorní analýza Jan Kracík jan.kracik@vsb.cz Statistika věda o získávání znalostí z empirických dat empirická
Statistika pro geografy
Statistika pro geografy 2. Popisná statistika Mgr. David Fiedor 23. února 2015 Osnova 1 2 3 Pojmy - Bodové rozdělení četností Absolutní četnost Absolutní četností hodnoty x j znaku x rozumíme počet statistických
Renáta Bednárová STATISTIKA PRO EKONOMY
Renáta Bednárová STATISTIKA PRO EKONOMY ZÁKLADNÍ STATISTICKÉ POJMY Statistika Statistický soubor Statistická jednotky Statistický znak STATISTIKA Vědní obor, který se zabývá hromadnými jevy Hromadné jevy
DOPRAVNÍ STAVBY KAPITOLA 11 LETIŠTĚ ZASTAVOVACÍ PLOCHY A TERMINÁLY
DOPRAVNÍ STAVBY KAPITOLA 11 LETIŠTĚ ZASTAVOVACÍ PLOCHY A TERMINÁLY Tento učební materiál vznikl v rámci projektu "Integrace a podpora studentů se specifickými vzdělávacími potřebami na Vysoké škole technické
STATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7
Inovace předmětu STATISTIKA Obsah 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7 1 1. Inovace předmětu STATISTIKA Předmět Statistika se na bakalářském oboru
JEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica
JEDNOVÝBĚROVÉ TESTY Komentované řešení pomocí programu Statistica Vstupní data Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu
Autorem materiálu a všech jeho částí, není-li uvedeno jinak, je Mgr. Zuzana Pauserová. Dostupné z www.soes.cz.
Číslo projektu Název školy Předmět Tematický okruh CZ.1.07/1.5.00/34.0852 Střední škola cestovního ruchu, s. r. o., Benešov Technika cestovního ruchu Služby letecké dopravy Téma Ročník Autor Služby letecké
Helios RED a Elektronická evidence tržeb (Helios RED verze 10)
Helios RED a Elektronická evidence tržeb (Helios RED verze 10) 1. Správa systému Ve Správě systému ve volbě EET je Číselník provozoven a dále tabulka s historií (ne)odeslaných dokladů Komunikace s portálem.
PHP framework Nette. Kapitola 1. 1.1 Úvod. 1.2 Architektura Nette
Kapitola 1 PHP framework Nette 1.1 Úvod Zkratka PHP (z anglického PHP: Hypertext Preprocessor) označuje populární skriptovací jazyk primárně navržený pro vývoj webových aplikací. Jeho oblíbenost vyplývá
Diskrétní náhodná veličina
Lekce Diskrétní náhodná veličina Výsledek náhodného pokusu může být vyjádřen slovně to vede k zavedení pojmu náhodného jevu Výsledek náhodného pokusu můžeme někdy vyjádřit i číselně, což vede k pojmu náhodné
Vývoj obchodní letecké přepravy cestujících v ČR Časové řady Seminář výpočetní statistiky
Vývoj obchodní letecké přepravy cestujících v ČR Časové řady Seminář výpočetní statistiky Vypracoval: Zařazení: Cvičení: Zdeněk Styblík 1. ročník INFONK, PEF ČZU Praha kombinované Obsah Vývoj obchodní
Metodologie pro ISK II
Metodologie pro ISK II Všechny hodnoty z daného intervalu Zjišťujeme: Centrální míry Variabilitu Šikmost, špičatost Percentily (decily, kvantily ) Zobrazení: histogram MODUS je hodnota, která se v datech
Simulace. Simulace dat. Parametry
Simulace Simulace dat Menu: QCExpert Simulace Simulace dat Tento modul je určen pro generování pseudonáhodných dat s danými statistickými vlastnostmi. Nabízí čtyři typy rozdělení: normální, logaritmicko-normální,
7. Rozdělení pravděpodobnosti ve statistice
7. Rozdělení pravděpodobnosti ve statistice Statistika nuda je, má však cenné údaje, neklesejte na mysli, ona nám to vyčíslí Jednou z úloh statistiky je odhad (výpočet) hodnot statistického znaku x i,
PRÁVA CESTUJÍCÍCH V LETECKÉ DOPRAVĚ FORMULÁŘ EU PRO STÍŽNOSTI
PRÁVA CESTUJÍCÍCH V LETECKÉ DOPRAVĚ FORMULÁŘ EU PRO STÍŽNOSTI TENTO FORMULÁŘ LZE POUŽÍT PRO ÚČELY PODÁNÍ STÍŽNOSTI U LETECKÉ SPOLEČNOSTI A/NEBO VNITROSTÁTNÍHO ORGÁNU ZODPOVĚDNÉHO ZA PROSAZOVÁNÍ PRÁVNÍCH
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ v Praze Ú12110 Ústav přístrojové a řídící techniky
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ v Praze Ú12110 Ústav přístrojové a řídící techniky Semestrální práce Python pro vědecké výpočty Generátor pulzů pro simulaci vstupů kontroly trakce vozu Formule student Vypracoval:
EXPERIMENTÁLNÍ MECHANIKA 2 Přednáška 5 - Chyby a nejistoty měření. Jan Krystek
EXPERIMENTÁLNÍ MECHANIKA 2 Přednáška 5 - Chyby a nejistoty měření Jan Krystek 9. května 2019 CHYBY A NEJISTOTY MĚŘENÍ Každé měření je zatíženo určitou nepřesností způsobenou nejrůznějšími negativními vlivy,
POPISNÁ STATISTIKA Komentované řešení pomocí programu Statistica
POPISNÁ STATISTIKA Komentované řešení pomocí programu Statistica Program Statistica I Statistica je velmi podobná Excelu. Na základní úrovni je to klikací program určený ke statistickému zpracování dat.
Zpracování náhodného výběru. Ing. Michal Dorda, Ph.D.
Zpracování náhodného výběru popisná statistika Ing. Michal Dorda, Ph.D. Základní pojmy Úkolem statistiky je na základě vlastností výběrového souboru usuzovat o vlastnostech celé populace. Populace(základní
Semestrální práce A. Simulace provozu montážní linky televizních přijímačů
Semestrální práce A Simulace provozu montážní linky televizních přijímačů ÚVOD DO PROBLEMATIKY Továrna FATV na výrobu televizorů uvedla před nedávnem do provozu novou montážní halu, ve které se montují
Automatizovaný sběr dat Online stav skladů
www.vyrobaonline.cz Plánování výroby Evidence zakázek Automatizovaný sběr dat Online stav skladů Zvýšení efektivity výroby Evidence docházky VÝROBA ONLINE je nový moderní výrobní informační systém, ve
Úvod do SHO. Výkonnost a spolehlivost programových systémů KIV/VSS. Richard Lipka
Úvod do SHO Výkonnost a spolehlivost programových systémů KIV/VSS Richard Lipka Systémy hromadné obsluhy (Queueing theory) Modelování systémů, které obsluhují větší množství požadavků Telekomunikační systémy
Výrobní produkce divizí Ice Cream Po lo ha plane t Rozložený výse ový 3D graf Bublinový graf Histogram t s tn e ídy
Výrobní produkce divizí Ice Cream Polo ha planet Rozložený výsečový 3D graf Bublinový graf Ice Cream 1 15% Ice Cream 2 12% Ice Cream 3 18% Ice Cream 4 20% Statistika 40 30 20 Ice Cream 6 19% Ice Cream
TECHNICKÁ UNIVERZITA V LIBERCI SEMESTRÁLNÍ PRÁCE
TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Studentská 2 461 17 Liberec 1 SEMESTRÁLNÍ PRÁCE STATISTICKÝ ROZBOR DAT Z DOTAZNÍKOVÝCH ŠETŘENÍ Gabriela Dlasková, Veronika Bukovinská Sára Kroupová, Dagmar
Logistika. REFERENCE Srpen 2018
Logistika REFERENCE Srpen 2018 www.myscada.org myscada Technologies s.r.o. 2018 ÚVOD Společnost Zoot, jeden z největších českých online prodejců oblečení a doplňků, začala v roce 2017 uvažovat o automatizování
Technický experiment, příprava, provedení, hodnocení výsledků
Technický experiment, příprava, provedení, hodnocení výsledků 1 Katedra stavebních hmot a hornického stavitelství VŠB - Technická univerzita Ostrava 8. 3. 2012 Experiment Experiment se snaží získat potřebné
23. Matematická statistika
Projekt: Inovace oboru Mechatronik pro Zlínský kraj Registrační číslo: CZ.1.07/1.1.08/03.0009 23. Matematická statistika Statistika je věda, která se snaží zkoumat reálná data a s pomocí teorii pravděpodobnosti
Statistické metody - nástroj poznání a rozhodování anebo zdroj omylů a lží
Statistické metody - nástroj poznání a rozhodování anebo zdroj omylů a lží Zdeněk Karpíšek Jsou tři druhy lží: lži, odsouzeníhodné lži a statistiky. Statistika je logická a přesná metoda, jak nepřesně
xrays optimalizační nástroj
xrays optimalizační nástroj Optimalizační nástroj xoptimizer je součástí webového spedičního systému a využívá mnoho z jeho stavebních bloků. xoptimizer lze nicméně provozovat i samostatně. Cílem tohoto
Stochastické modely Informace k závěrečné zkoušce
Stochastické modely Informace k závěrečné zkoušce Jan Zouhar Katedra ekonometrie, FIS VŠE v Praze, zouharj@vse.cz 10. února 2015 Průběh zkoušky. Zkouška je ústní s přípravou na potítku. Každý si vylosuje
Popisná statistika kvantitativní veličiny
StatSoft Popisná statistika kvantitativní veličiny Protože nám surová data obvykle žádnou smysluplnou informaci neposkytnou, je žádoucí vyjádřit tyto ve zhuštěnější formě. V předchozím dílu jsme začali
ÚLOHA S2 STATICKÁ CHARAKTERISTIKA KONDENZÁTORU BRÝDOVÝCH PAR
VYSOKÁ ŠKOLA CHEMICKO-TECHNOLOGICKÁ V PRAZE Ústav počítačové a řídicí techniky Ústav fyziky a měřicí techniky LABORATOŘ OBORU IIŘP ÚLOHA S2 STATICKÁ CHARAKTERISTIKA KONDENZÁTORU BRÝDOVÝCH PAR Zpracoval:
STATISTICKÉ ODHADY Odhady populačních charakteristik
STATISTICKÉ ODHADY Odhady populačních charakteristik Jak stanovit charakteristiky rozložení sledované veličiny v základní populaci? Populaci většinou nemáme celou k dispozici, musíme se spokojit jen s
Notifikační služba v systému Perun
Notifikační služba v systému Perun 19. července 2004 1 Notifikované události přijetí přihlášky (akceptace sekretářkou) notifikace administrátorovi buňky žádost o nové/další účty, prodloužení účtu notifikace
Západočeská univerzita v Plzni Fakulta aplikovaných věd Katedra informatiky a výpočetní techniky
Západočeská univerzita v Plzni Fakulta aplikovaných věd Katedra informatiky a výpočetní techniky Konečně-automatový model křižovatky Slovanská x nájezd na Most Milénia (Plzeň) Samostatná práce z předmětu
Číselné charakteristiky
. Číselné charakteristiky statistických dat Průměrný statistik se během svého života ožení s 1,75 ženami, které se ho snaží vytáhnout večer do společnosti,5 x týdně, ale pouze s 50% úspěchem. W. F. Miksch
22. Pravděpodobnost a statistika
22. Pravděpodobnost a statistika Pravděpodobnost náhodných jevů. Klasická pravděpodobnost. Statistický soubor, statistické jednotky, statistické znaky. Četnosti, jejich rozdělení a grafické znázornění.
MATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci
MATEMATICKÁ STATISTIKA Dana Černá http://www.fp.tul.cz/kmd/ Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci Matematická statistika Matematická statistika se zabývá matematickým
Kendallova klasifikace
Kendallova klasifikace Délka obsluhy, frontový režim, Littleovy vzorce Parametry obsluhy Trvání obsluhy - většinou předpokládáme, že trvání obsluhy jsou nezávisl vislé náhodné proměnné, se stejným rozdělením
SAMOSTATNÁ STUDENTSKÁ PRÁCE ZE STATISTIKY
SAMOSTATÁ STUDETSKÁ PRÁCE ZE STATISTIKY Váha studentů Kučerová Eliška, Pazdeříková Jana septima červen 005 Zadání: My dvě studentky jsme si vylosovaly zjistit statistickým šetřením v celém ročníku septim
Tabulka 1. Výběr z datové tabulky
1. Zadání domácího úkolu Vyberte si datový soubor obsahující alespoň jednu kvalitativní a jednu kvantitativní proměnnou s alespoň 30 statistickými jednotkami (alespoň 30 jednotlivých údajů). Zdroje dat
č. Název Cíl Osnova Vedoucí práce Student 1. Aplikace metod síťové analýzy na proces pravidelné prohlídky typu C Check velkého dopravního letadla
Seznam vypsaných témat Technologie údržby letecké techniky č. Název Cíl Osnova Vedoucí práce Student 1. Aplikace metod síťové analýzy na proces pravidelné prohlídky typu C Check velkého dopravního letadla
Studijní informační systém. Tvorba rozvrhu ve Studijním informačním systému (SIS) I. Obecné principy
Studijní informační systém Tvorba rozvrhu ve Studijním informačním systému (SIS) Co je třeba zajistit před zadáním rozvrhu do systému 1. Všechny předměty realizované v rozvrhovaném semestru jsou zadané
Intervalový odhad. Interval spolehlivosti = intervalový odhad nějakého parametru s danou pravděpodobností = konfidenční interval pro daný parametr
StatSoft Intervalový odhad Dnes se budeme zabývat neodmyslitelnou součástí statistiky a to intervaly v nejrůznějších podobách. Toto téma je také úzce spojeno s tématem testování hypotéz, a tedy plynule
KGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 5. Odhady parametrů základního souboru Mgr. David Fiedor 16. března 2015 Vztahy mezi výběrovým a základním souborem Osnova 1 Úvod, pojmy Vztahy mezi výběrovým a základním
TEAM DESIGN ABB CHALLENGE. EBEC Brno 2012 5. 8. března 2012 www.ebec.cz
ABB CHALLENGE Automatický záskok napájení Úvod Zadání se věnuje problematice automatického záskoku napájení, které se používá v systémech se dvěma izolovanými napájecími vedeními, připojenými ke dvěma
Formy komunikace s knihovnami
Formy komunikace s knihovnami Současné moderní prostředky Jiří Šilha a Jiří Tobiáš, Tritius Solutions a.s., Brno Osnova Základní požadavky na komunikaci s knihovnami Historie komunikace s knihovnami Confluence
Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1
Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1 1 ČHMÚ, OPZV, Na Šabatce 17, 143 06 Praha 4 - Komořany sosna@chmi.cz, tel. 377 256 617 Abstrakt: Referát
SEZNAM VZDĚLÁVACÍCH MATERIÁLŮ - ANOTACE
SEZNAM VZDĚLÁVACÍCH MATERIÁLŮ - ANOTACE Číslo projektu Číslo a název šablony klíčové aktivity Tematická oblast Autor CZ.1.07/1.5.00/34.0797 III/2 INOVACE A ZKVALITNĚNÍ VÝUKY PROSTŘEDNICTVÍM ICT 2M3 Slovní
IES FSV UK. Domácí úkol Pravděpodobnost a statistika I. Cyklistův rok
IES FSV UK Domácí úkol Pravděpodobnost a statistika I Cyklistův rok Radovan Fišer rfiser@gmail.com XII.26 Úvod Jako statistický soubor jsem si vybral počet ujetých kilometrů za posledních 1 dnů v mé vlastní
Obsah SLEDOVÁNÍ PRÁCE... 4
Co je nového Obsah SLEDOVÁNÍ PRÁCE...... 4 Konfigurace souboru... 5 Globální konfigurace... 6 Soubory... 6 Projekty... 6 Uživatelské rozhraní... 7 Synchronizace... 7 Typ serveru... 8 Test připojení...
Popisná statistika. Komentované řešení pomocí MS Excel
Popisná statistika Komentované řešení pomocí MS Excel Vstupní data Máme k dispozici data o počtech bodů z 1. a 2. zápočtového testu z Matematiky I v zimním semestru 2015/2016 a to za všech 762 studentů,
Aplikační vrstva. Úvod do Php. Ing. Martin Dostal
Aplikační vrstva Úvod do Php Ing. Martin Dostal Co to je PHP? php soubory se nekompilují, interpret je spouští přímo bez překladu php běží na serveru php soubor je.txt soubor obsahující php kód: Zkrácený
Stochastické procesy - pokračování
Stochastické procesy - pokračování Úvodní pojmy: Stochastické procesy jsou to procesy (funkce) jejichž hodnoty jsou náhodné veličiny závislé na parametru t stav systému souhrn vlastností a charakteristik,
Zápočtová práce STATISTIKA I
Zápočtová práce STATISTIKA I Obsah: - úvodní stránka - charakteristika dat (původ dat, důvod zpracování,...) - výpis naměřených hodnot (v tabulce) - zpracování dat (buď bodové nebo intervalové, podle charakteru
4EK311 Operační výzkum. 1. Úvod do operačního výzkumu
4EK311 Operační výzkum 1. Úvod do operačního výzkumu Mgr. Jana SEKNIČKOVÁ, Ph.D. Nová budova, místnost 433 Konzultační hodiny InSIS E-mail: jana.seknickova@vse.cz Web: jana.seknicka.eu/vyuka Garant kurzu:
Zpracování náhodného výběru. Ing. Michal Dorda, Ph.D.
Př. : Stanovte jednotlivé četnosti a číselné charakteristiky zadaného statistického souboru a nakreslete krabicový graf:, 8, 7, 43, 9, 47, 4, 34, 34, 4, 35. Statistický soubor seřadíme vzestupně podle
Počítačová simulace logistických procesů II 10. přednáška Simulační experimentování
Počítačová simulace logistických procesů II 10. přednáška Simulační experimentování Jan Fábry 28.10.2017 Počítačová simulace logistických procesů II Obsah předmětu I. Úvod, organizace, semestrální projekty,
MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ
MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ Má-li analytický výsledek objektivně vypovídat o chemickém složení vzorku, musí splňovat určitá kriteria: Mezinárodní metrologický slovník (VIM 3),
31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě
31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě Motto Statistika nuda je, má však cenné údaje. strana 3 Statistické charakteristiky Charakteristiky polohy jsou kolem ní seskupeny ostatní hodnoty
Rozvrhování výroby. František Koblasa Technická univerzita v Liberci. TU v Liberci
Tento materiál vznikl jako součást projektu EduCom, který je spolufinancován Evropským sociálním fondem a státním rozpočtem ČR. Rozvrhování výroby Technická univerzita v Liberci INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ
Metodologie pro Informační studia a knihovnictví 2
Metodologie pro Informační studia a knihovnictví 2 Modul 5: Popis nekategorizovaných dat Co se dozvíte v tomto modulu? Kdy používat modus, průměr a medián. Co je to směrodatná odchylka. Jak popsat distribuci
Nastavení Mobilní banky 2 MojeBanka a MojeBanka Business
Nejprve si prosím zvolte aplikaci (klikněte na obrázek nebo text), ve které chcete nastavení provést. Automaticky budete přeneseni do odpovídající části dokumentu. Vyberte aplikaci, ve které chcete provést
Simulační software Witness. Ing. Michal Dorda, Ph.D.
Simulační software Witness Ing. Michal Dorda, Ph.D. 1 3 2 6 4 5 Základní prvky simulačního modelu Součást ( Part ) záložka Basic součásti představují mobilní prvky, které procházejí simulačním modelem
Ovládání ústředny Visonic přes mobilní telefon
Ovládání ústředny Visonic přes mobilní telefon Zabezpečovací ústřednu Visonic lze monitorovat a ovládat z mobilního telefonu. Lze k tomu použít webový prohlížeč v telefonu, nebo také mobilní aplikaci.
Jako pomůcka jsou v pravém dolním rohu vypsány binární kódy čísel od 0 do 15 a binární kódy příkazů, které máme dispozici (obr.21). Obr.
Model procesoru Jedná se o blokové schéma složené z registrů, paměti RAM, programového čítače, instrukčního registru, sčítačky a řídicí jednotky, které jsou propojeny sběrnicemi. Tento model má dva stavy:
Analýza dat na PC I.
CENTRUM BIOSTATISTIKY A ANALÝZ Lékařská a Přírodovědecká fakulta, Masarykova univerzita Analýza dat na PC I. Popisná analýza v programu Statistica IBA výuka Základní popisná statistika Popisná statistika
Kartografické stupnice. Přednáška z předmětu Tematická kartografie (KMA/TKA) Otakar Čerba Západočeská univerzita
Kartografické stupnice Přednáška z předmětu Tematická kartografie (KMA/TKA) Otakar Čerba Západočeská univerzita Datum vytvoření dokumentu: 20. 9. 2004 Datum poslední aktualizace: 16. 10. 2012 Stupnice
Statistické vyhodnocování ankety pilotního projektu Kvalita výuky na Západočeské univerzitě v Plzni
Statistické vyhodnocování ankety pilotního projektu Kvalita výuky na Západočeské univerzitě v Plzni Kvantifikace dat Pro potřeby statistického zpracování byly odpovědi převedeny na kardinální intervalovou
zpravidla předpokládá, že hodnoty intenzity poruch a oprav jsou konstantní.
Pohotovost a vliv jednotlivých složek na číselné hodnoty pohotovosti Systém se může nacházet v mnoha různých stavech. V praxi se nejčastěji vyskytují případy, kdy systém (nebo prvek) je charakterizován
Nový způsob práce s průběžnou klasifikací lze nastavit pouze tehdy, je-li průběžná klasifikace v evidenčním pololetí a školním roce prázdná.
Průběžná klasifikace Nová verze modulu Klasifikace žáků přináší novinky především v práci s průběžnou klasifikací. Pro zadání průběžné klasifikace ve třídě doposud existovaly 3 funkce Průběžná klasifikace,
Aplikovaná statistika pro učitele a žáky v hodinách zeměpisu aneb jak využít MS Excel v praxi. Geografický seminář 30. března 2011 Pavel Bednář
Aplikovaná statistika pro učitele a žáky v hodinách zeměpisu aneb jak využít MS Excel v praxi Geografický seminář 30. března 2011 Pavel Bednář Výchozí stav Sebehodnocení práce s MS Excel studujícími oboru
2. Základní typy dat Spojitá a kategoriální data Základní popisné statistiky Frekvenční tabulky Grafický popis dat
2. Základní typy dat Spojitá a kategoriální data Základní popisné statistiky Frekvenční tabulky Grafický popis dat Anotace Realitu můžeme popisovat různými typy dat, každý z nich se specifickými vlastnostmi,
Kvantitativní metody v rozhodování. Marta Doubková
Kvantitativní metody v rozhodování Marta Doubková Seminární práce 28 OBSAH 1 LINEÁRNÍ PROGRAMOVÁNÍ KAPACITNÍ ÚLOHA... 3 2 DISTRIBUČNÍ ÚLOHA... 7 3 ANALÝZA KRITICKÉ CESTY METODA CPM... 13 4 MODEL HROMADNÉ
26 Evidence pošty. Popis modulu. Záložka Evidence pošty
26 Evidence pošty Uživatelský modul Evidence pošty realizuje podrobnou evidenci všech došlých a odesílaných poštovních zásilek s možností přidělovat tyto zásilky uživatelům informačního systému k vyřízení,
Systémové elektrické instalace KNX/EIB (16. část) Ing. Josef Kunc
Systémové elektrické instalace KNX/EIB (16. část) Ing. Josef Kunc Projektování systémové elektrické instalace KNX/EIB nastavení ETS a komunikace Dříve, než zahájíme vlastní projektovou činnost, je vhodné
8. Normální rozdělení
8. Normální rozdělení 8.. Definice: Normální (Gaussovo) rozdělení N(µ, 2 ) s parametry µ a > 0 je rozdělení určené hustotou ( ) f(x) = (x µ) 2 e 2 2, x (, ). Rozdělení N(0; ) s parametry µ = 0 a = se nazývá
Statistické vyhodnocení průzkumu funkční gramotnosti žáků 4. ročníku ZŠ
Statistické vyhodnocení průzkumu funkční gramotnosti žáků 4. ročníku ZŠ Ing. Dana Trávníčková, PaedDr. Jana Isteníková Funkční gramotnost je používání čtení a psaní v životních situacích. Nejde jen o elementární
Eshop s bazény (www.eshopsbazeny.cz)
Eshop s bazény (www.eshopsbazeny.cz) Příklad vyhodnocení zátěžového testu HLAVNÍ ANALYTIK: Pavel Lukeš Manažerské shrnutí Test pro ověření limitů současné webové aplikace na www.eshopsbazeny.cz byl úspěšně
SRSW4IT Inventarizační SW. Prezentace aplikace. Vedoucí DP: ing. Lukáš Macura Autor: Bc. Petr Mrůzek
Prezentace aplikace Vedoucí DP: ing. Lukáš Macura Autor: Bc. Petr Mrůzek Osnova Úvod Programovací jazyk - PHP Etapy vývoje Funkce aplikace Co SW umí Na čem se pracuje Vize do budoucna Úvod Úvod Inspirováno
Autorem materiálu a všech jeho částí, není-li uvedeno jinak, je Mgr. Zuzana Pauserová. Dostupné z www.soes.cz.
Číslo projektu Název školy Předmět Tematický okruh CZ.1.07/1.5.00/34.0852 Střední škola cestovního ruchu, s. r. o., Benešov Technika cestovního ruchu Letecká doprava Téma Ročník Autor Letecká doprava druhý
8 Střední hodnota a rozptyl
Břetislav Fajmon, UMAT FEKT, VUT Brno Této přednášce odpovídá kapitola 10 ze skript [1]. Také je k dispozici sbírka úloh [2], kde si můžete procvičit příklady z kapitol 2, 3 a 4. K samostatnému procvičení