Základy teorie pravděpodobnosti a teorie grafů

Rozměr: px
Začít zobrazení ze stránky:

Download "Základy teorie pravděpodobnosti a teorie grafů"

Transkript

1 Vysoá šola báňsá Techcá uverzta Ostrava Faulta strojí Zálady teore pravděpodobost a teore grafů Autoř : Doc. Ig. Mluše Vítečová, CSc., Bc. řdal etr, Ig. Koudela Tomáš Ostrava 006

2 Obsah Obsah SEZNAM OUŽITÉHO ZNAČENÍ... ÚVOD... 5 TEORIE RAVDĚODOBNOSTI ZÁKLADNÍ OJMY NEZÁVISLÉ JEVY OAKOVANÉ NEZÁVISLÉ OKUSY.... ODMÍNĚNÁ RAVDĚODOBNOST RAVDĚODOBNOST HYOTÉZ NÁHODNÁ VELIČINA ROZDĚLENÍ NÁHODNÉ VELIČINY Rovoměré rozděleí áhodé velčy Normálí rozděleí áhodé velčy Epoecálí rozděleí áhodé velčy Bomcé rozděleí dsrétí áhodé velčy ossoovo rozděleí dsrétí áhodé velčy... 7 TEORIE GRAFŮ ZÁKLADNÍ OJMY EULEROVSKÉ TAHY.... HAMILTONOVSKÉ CESTY A KRUŽNICE METODA MINIMÁLNÍ CESTY METODA KRITICKÉ CESTY (CM - CRITICAL ATH METHOD) METODA ERT ROUSTNOST DORAVNÍ SÍTĚ SEZNAM LITERATURY... 70

3 Sezam použtého začeí Sezam použtého začeí A, B, C... velým písmey abecedy začíme jevy B... jev opačý jevu B G...graf D G... duálí graf e grafu G E, E( G)... moža hra grafu G f ()... hustota pravděpodobost f ( ) F ()... frevečí fuce áhodé velčy X... dstrbučí fuce áhodé velčy X h... hraa v grafu m... počet pousů přízvých daému jevu, modus (ejpravděpodobější doba trváí čost)... počet všech možých pousů, teré mohou astat p... pravděpodobost, že jev A astae, p (A) *... relatví četost určtého jevu ( A / H )... podmíěá pravděpodobost jevu A v případě, že astal jev H (A)... pravděpodobost jevu A q... pravděpodobost, že jev A eastae, q p ( A) r... hodota áhodé velčy ormovaého rovoměrého rozděleí R... časová rezerva t e... očeávaá doba trváí čost j t e t j p T... očeávaý termí čost vystupující z uzlu a vstupující do uzlu j... doba trváí čost vystupující z uzlu a vstupující do uzlu j... ejpozděj přípustý termí m T... termí realzace úolu T E T... očeávaý termí realzace celého úolu... pláovaý termí realzace celého úolu u... hodota áhodé velčy ormovaého ormálího rozděleí V, V ( G)... moža vrcholů grafu G... hodota áhodé velčy X

4 Sezam použtého začeí X, Y, Z... áhodé velčy (áhodé proměé) σ... rozptyl áhodé velčy, cetrálí momet. řádu σ t e... rozptyl očeávaé doby trváí čost σ T E... rozptyl očeávaého termíu realzace celého úolu µ... středí hodota áhodé velčy X, obecý momet.řádu δ... velost mmálí rezervy

5 Úvod 5 Úvod Katedra ATŘ má dlouhodobou zušeost s hypertetovým učebcem, teré jsou volě přístupé a teretu. Učebce byly vytvořey převážě jao projety studetů pro doplňovou výuu. Eletrocé učebce mají moho výhod oprot psaým učebcím. Výhody lze spatřovat především v možost prohlížet učebce odudolv, de je přpojeí teretu, a dále možost jejch prohlížeí více užvatel ajedou. Byly vytvořey hlavě pro potřeby studetů ombovaé formy výuy. V této eletrocé učebc studet ajdou zálady z teore pravděpodobost a teore grafů v rozsahu vyučovaém v magstersém studu a atedře automatcé techy a řízeí.

6 6 Teore pravděpodobost Teore pravděpodobost. Záladí pojmy ous je aždá realzace určtého předem staoveého ompleu podmíe [Kába, B., 999]. ous musí být reproduovatelý, to zameá: je uto, aby podmíy, za chž pous probíhá, byly stablzováy, estuje alespoň teoretcá možost opaováí pousu, výslede pousu eí předem zám (výslede eí jedozačě urče jeho podmíam), je to vša právě jede z prvů zámé možy výsledů, terou azýváme záladí prostor (možé výsledy áhodého pousu). Jev je aždý fat, o terém, jaožto o výsledu pousu, má smysl prohlást, zda astal ebo eastal. Typy jevů: jev jstý - vždy astae př daém ompleu podmíe, jev emožý - dy eastae př daém ompleu podmíe, jev áhodý - může a emusí astat př daém ompleu podmíe. Další pojmy Opačý jev Jev, terý spočívá v eastoupeí jevu A je jev opačý jevu A, začí se A (A egace). ( A) + ( A) ( A) ( A), ( A) ( A). A A Obr.. Opačý jev

7 Teore grafu 7 rů jevů A I B A B Sjedoceí jevů A U B Obr.. rů jevů A B Relatví četost: : Obr.. Sjedoceí jevů je defováa jao poměr počtu pousů přízvých daému jevu m u počtu všech pousů * m. Statstcá defce pravděpodobost Vychází se z epermetálího zjštěí, že př zvětšováí počtu pousů se relatví četost určtého jevu * blíží určté ostatí hodotě, terou azveme pravděpodobostí jevu A [Kába, B., 999] ( A) lm *.

8 8 Teore grafu Klascá defce pravděpodobost ravděpodobost jevu A je rova počtu m možých výsledů pousů přízvých jevu A počtu všech možých výsledů pousu [Kába, B., 999]: m ( A). Za předpoladu, že všechy výsledy jsou stejě možé a jsou všechy, je oečé číslo. Aomatcá defce pravděpodobost (A. N. Kolmogorov, 9) ( ) a) 0 A, b) pravděpodobost emožého jevu A je rova ule [(A) 0], c) pravděpodobost jstého jevu A je rova jedé [(A) ], d) A, A,, A jsou po dvou eslučtelé jevy, to zameá, dy emohou astat současě dva z těchto jevů, potom platí ( A A,.., A ) ( A U A U.. U A ) ( A ) + ( A ) +.. ( A ). +, Tato aptola je podrobě popsáa v lteratuře [Kába, B., 999].

9 Teore grafu 9. Nezávslé jevy Jsou taové jevy, dy astáí jedoho z ch emá vlv a astáí ebo eastáí druhého jevu [Kába, B., 999], potom: pro dva ezávslé jevy A, B platí: pro tř ezávslé jevy A, B, C platí: řílad. (A B) (A)(B), (A C) (A)(C), (A B) (A)(B), (B C) (B)(C), (A B C) (A)(B)(C). Hodíme bílou a čerou ostou, b začí číslo a bílé ostce, c číslo a čeré ostce. V aždém z ásledujících případů rozhoděte, zda jevy jsou ebo ejsou závslé. a) Jev A je b, jev B je c. Řešeí: (A) (B) ( A I B) 6 6 ( A) ( B) ( A I B) A a B jsou ezávslé jevy (A B) očet všech pousuje 6 6 6, chceme vša je jedu ombac m. b) Jev C je b + c 7, jev D je c. Řešeí: (C) (D) ( C I D) 6 6 ( C) ( D) ( C I D) C a D jsou ezávslé jevy 6 (C) Máme 6 možostí, z toho ám 6 vyhovuje (+6, +5, + a 6+, 5+, +). 6 6 c) Jev C je b + c 7, jev E je c <. Řešeí: (C), (E) 6 6 ( C I E) 6 8 ( C) ( E) ( C I E) C a E jsou ezávslé jevy (E) Máme 6 možostí, z toho ám vyhovují (5+, 6+).

10 0 Teore grafu d) Jev F je b + c, jev G je c 5. Řešeí: ( F) 6 8 ( F I G) 6, ( G) 5 6 ( F) ( G) ( F I G) F a G jsou závslé jevy Jev G je opačý jevu G, dy chceme aby padla 5 a jeho pravděpodobost je (G ). 6 Jevy v bodech a), b) a c) ejsou a sobě ezávslé a v bodě d) jsou jevy a sobě závslé. řílad. Čtyř stroje pracují ezávsle a sobě a mají růzou poruchovost. ravděpodobost, že během jedé hody dojde poruše a prvím stroj je (A ) 0,; a druhém stroj (A ) 0,; a třetím stroj (A ) 0,; a čtvrtém stroj (A ) 0,05. Jaá je pravděpodobost, že během jedé hody edojde žádé poruše? Řešeí: ( A I A I A I A ) ( A ) ( A ) ( A ) ( A ) [ ( A )] [ ( A )] [ ( A )] [ ( A )] 0,9 0,8 0,7 0,95 0,79. ravděpodobost, že během jedé hody edojde žádé poruše, je 7,9 %. Nezávslé jevy a jejch sjedoceí a) eslučtelé jevy (dy emohou astat oba jevy ajedou) ( A U B) ( A) ( B) + A B Obr.. Nezávslé jevy A, B eslučtelé

11 Teore grafu b) slučtelé jevy (mohou astat oba jevy ajedou) ( A U B) ( A) + ( B) ( A I B) ( A U B) ( A) + ( B) ( A) (B) A B Obr..5 Nezávslé jevy A, B slučtelé ro sjedoceí jevů slučtelých a ezávslých platí: a) pro dva jevy: ( A U B) ( A) ( B) ( A) b) pro více jevů: U A řílad. [ ][ ( B) ] [ ( A )] racoví má avštívt tř arabsá města postžeá emocí. ravděpodobost aažeí v ěterém městě je: (A) 0,; (B) 0,; (C) 0,5. Jaá je pravděpodobost, že se v ěterém z těchto měst aazí? Řešeí: ( ) ( 0,7 0,6 0,5) 0, 79 ( A U B U C) [ ( A) ] [ ( B) ] [ ( C) ] ravděpodobost, že se pracoví během své cesty aazí, je 79 %. řílad. S jaou pravděpodobostí bude sdružeá telefoí la s 0 účastíy obsazea, je-l pro aždého účastía pravděpodobost hovoru v daém oamžu % a vysytují-l se hovory ezávsle a sobě? Řešeí: 0 U A 0 ( ( A )) ( 0,0) 0. 0,0956 La bude v daém oamžu obsazea s pravděpodobostí 9,5 %..

12 Teore grafu. Opaovaé ezávslé pousy Nechť se pous sládá z ezávslých dílčích pousů, z chž aždý očí buď zdarem s pravděpodobostí p ebo ezdarem s pravděpodobostí q p [Kába, B., 999]. otom pravděpodobost, že právě dílčích pousů bude zdařlých je dáa vztahem....,, 0, de, q p Tato pravděpodobost je rova jedomu sčítac z bomcé věty ( ) p q p pq q q p de je: ( )!!! - bomcý oefcet. latí: 0 Tabula. Opaovaé ezávslé pousy ravděpodobost, že právě pousů je zdařlých: q p ravděpodobost, že alespoň dílčích pousů je zdařlých: q p p q p q p ravděpodobost, že ejvýše dílčích pousů je zdařlých: q p q p pq q latí: 0 q p

13 Teore grafu řílad.5 Máme osudí s deset čerým a dvacet bílým oulem. Táheme áhodě šest oulí, přčemž aždou tažeou oul vrátíme zpět do osudí dříve, ež táheme další. Jaá je pravděpodobost, že mez tažeým oulem budou právě dvě oule bílé? Řešeí: počet pousů 6, pravděpodobost vytažeí bílé oule pravděpodobost vytažeí čeré oule počet tažeých bílých oulí, pa platí: p q 6 0 p, 0 q p, 6!!! 9 8 0,08. ravděpodobost, že mez šest tažeým oulem budou právě dvě bílé, je 8, %. řílad.6 Jaá je pravděpodobost, že roda se čtyřm dětm má: a) alespoň tř chlapce, b) alespoň jedoho chlapce? Řešeí: počet dětí v rodě:, pravděpodobost arozeí chlapce: pravděpodobost arozeí dívy: pa platí: p, q, a) roda má alespoň tř chlapce, tj. má tř ebo čtyř chlapce: 6 () + + 0,5, b) roda má alespoň jedoho chlapce, tj. roda má,, ebo chlapce: () ,975.

14 Teore grafu roblém lze převést a opačý jev: roda emá chlapce ( ) ; 0, Roda se čtyřm dětm má alespoň jedoho chlapce s pravděpodobostí 9,75 % a alespoň tř chlapce s pravděpodobostí,5 %. řílad.7 ísemý test má dvacet otáze, aždá otáza má čtyř růzé odpověd. Jaá je pravděpodobost, že studet vyoá správě test, má-l správě odpovědět alespoň a patáct otáze, přčemž c eví? Řešeí: počet otáze v tetu: 0, pravděpodobost správě zodpovězeé otázy: p, pravděpodobost esprávě zodpovězeé otázy: q. a pravděpodobost, že studet zodpoví 5 a více otáze správě, je: ,8 9!! 0! 8!! 0! 7!! 0! 6!! 0! 5!5! 0! Studet vyoá správě test s pravděpodobostí,8 0 - %.

15 Teore grafu 5. odmíěá pravděpodobost (A/B) je podmíěá pravděpodobost jevu A za podmíy, že astal jev B [Kába, B., 999] a platí: ( ) ( A I B) A / B, ( B) ( B) 0 ( ) ( A I B) B / A, ( A) ( A) 0 ( A B) ( B) ( A / B) ( A) ( B A) I /. ( A / B) ( B A) ( A) ( B / A) ( B) ( B) ( A / B) ( A) /. ro ezávslé jevy A, B platí: pa ( A I B) ( A) ( B), ( A B) ( A), ( B / A) (B / )., B esmí být jev emožý, A esmí být jev emožý, Teto vztah vyjadřuje, že podmíěá pravděpodobost jevu A (za podmíy jevu B) je rova pravděpodobost jevu A, poud A, B jsou ezávslé jevy. řílad.8 Jaá je pravděpodobost, že roda se třem dětm má dva chlapce a jedo děvče za podmíy, že má alespoň jedoho chlapce? Řešeí: Jev A - dva chlapc a jedo děvče. Jev B - alespoň jede chlapec. (Jev B - žádý chlapec, tj. roda má dívy). 0 7 ( B) ( B) ( B), 0 ( A I B) ( A), 8 8 8

16 6 Teore grafu ( A) , 8 ( A/ B) 0,8. ravděpodobost, že roda se třem dětm má dva chlapce a jedo děvče za podmíy, že má alespoň jedoho chlapce, je,8 %. Celová pravděpodobost Bayesův vzorec: ( B) ( A / B) + ( B) ( A / B) ( A), ( B) ( A / B) ( B / A) ( B) ( A / B) + ( B) ( A / B) ( B) ( A / B) ( A) Tato aptola je podrobě popsáa v lteratuře [Kába, B., 999]. řílad.9 Sodovára má dva automaty a plěí a uzavíráí lahví. rví automat zpracuje 000 lahví za hodu, druhý automat zpracuje 500 lahví za hodu. Z tohoto počtu má zpravdla pět lahví z prvího a dvaáct lahví z druhého automatu vadý uzávěr. Máme za úol určt: ) Má-l láhev vadý uzávěr, jaá je pravděpodobost, že pochází z druhého automatu? ) Jaá je pravděpodobost, že áhodě vybraá láhev je vadá? Řešeí: Jev A začí, že láhev má vadý uzávěr. 000 Jev B začí, že láhev je z prvího automatu ( B ) 0, Jev B začí, že láhev je z druhého automatu ( B) ( B) 0, 6 ravděpodobost, že láhev je vadá a je z prvího automatu: ( A / B) 0,005; ravděpodobost, že láhev je vadá a je z druhého automatu: ( A/ B) 0,008; 500.

17 Teore grafu 7 ad ) Má-l láhev vadý uzávěr, pochází z druhého automatu s pravděpodobostí: ( ) ( B ) ( A / B ) B A 0,6 0,008 / 0,706. 0,6 0, , 0,005 ( A) S pravděpodobostí 70,6 % bude vadá láhev pocházet z druhého automatu. ad ) ravděpodobost, že áhodě vybraá láhev je vadá: ( B) ( A / B) + ( B) ( A / ) 0,6.0, ,.0,005 0,0068 ( A) B Vadá láhev je vybráa s pravděpodobostí 0,68 %. řílad.0 Hodíme dvěma ostam, bílou a čerou. Jaá je pravděpodobost, že a bílé padlo číslo meší ež za podmíy že padl součet 7. Řešeí: Jev A součet je 7. Jev B číslo meší ež a bílé ostce. 6 ( A ) (vz přílad. b), ( B ), ( A I B) (prů jevů je jejch souč), 6 ( A I B) / 50 %. ( A) 6 ( B A) Na bílé ostce pade číslo meší ež s celovým součtem 7 s pravděpodobostí 50 %..

18 8 Teore grafu.5 ravděpodobost hypotéz H, H,, H jsou vzájemě eslučtelé podmíy Nechť jev A může astat je př astoupeí ěteré ze vzájemě eslučtelých podmíe H, H,, H, teré azýváme hypotézy [Kába, B., 999]. Záme:. (H ),,,,. (A/H ) začí pravděpodobost astoupeí jevu A př astoupeí určté podmíy H (pravděpodobost a pror). Jestlže provedeme pous, ve terém sutečě dojde astoupeí jevu A, můžeme určt pravděpodobost hypotéz za předpoladu, že jev A astal (pravděpodobost a posteror). Určíme: ( H ) ( A / H ), de j j j ( H j ) ( A / H j ) j ( H / A) řílad. ( H ) ( A / H ) ( A). V obchodě jsou žárovy ze tří podů. 0 % z jedoho podu, 0 % z druhého podu a 50 % z třetího podu. Mez m je 5 % zmetů z prvího podu, 7 % zmetů z druhého podu, 0 % zmetů z třetího podu. Naším úolem je určt: ) Koupíme-l žárovu, jaá je pravděpodobost, že je vadá? ) Koupíme-l žárovu a je vadá, jaá je pravděpodobost, že je ze třetího podu? Řešeí: Jev A vadá žárova. Jev H žárovy z prvího podu. Jev H žárovy z druhého podu. Jev H žárovy ze třetího podu. (H ) 0,; (A/ H ) 0,05; (H) 0,; (A/ H) 0,07; (H ) 0,5; (A/ H ) 0,;

19 Teore grafu 9 ad ) ( A) ( H ) ( A / H ) 0,. 0,05 + 0,. 0,07 + 0,05. 0, 0,08 j j Vadou žárovu oupíme s pravděpodobostí 8, %. ad ) ( H / A) ( H ) ( A/ H ) ( A) j 0, 0,5 0,08 0,6. Vadou žárovu z třetího podu oupíme s pravděpodobostí 6 %. řílad. V souboru deset výrobů mohou být jede, dva ebo tř zmety. ravděpodobost jedotlvých alteratv jsou postupě 50 %, 0 %, 0 %. Vybereme l z tohoto souboru áhodě jede výrobe, jaá je pravděpodobost, že je špatý? Řešeí: A výrobe je zmete, H - v souboru je jede zmete ( A / H ) 0, 5 ; H - v souboru jsou dva zmety ( A / H ) 0, ; H - v souboru jsou tř zmety ( A / H ) 0, ( H ) ( H ), 0, 0 0 ( H ), 0. 5 ( A) ( H ) ( A / H ) 0,5 + 0, + 0, 0,05 + 0,0 + 0,09 0,8. j j j 0 Špatý výrobe vytáheme s pravděpodobostí 8 %..6 Náhodá velča Náhodá velča X je proměá, jejíž hodota je jedozačě určea výsledem áhodého pousu. Charaterstcým rysem áhodé velčy je, že př opaováí áhodého pousu dochází vlvem áhodých čtelů mělvost hodot. Nemůžeme před provedeím pousu určt, jaé hodoty velča abude [Šráše, J., Tchý, Z., 990], [Vítečová, M.]..

20 0 Teore grafu Spojtá áhodá velča Nabývá lbovolých hodot z určtého tervalu (apř. odečet z měřcího přístroje) F Tabula.: Děleí áhodé velčy Dsrétí áhodá velča Nabývá oečý počet hodot z tervalu (apř. osta, ruleta) Dstrbučí fuce ( ) ( X ) F( ) ( X ) F( ) 0 F( + ) F ( ) F( ) F( ) 0 F( + ) F ( ) F( ) Dstrbučí fuce je fuce elesající. F( ) 0, F( ) 0, Obr..6 Hladá fuce Hustota pravděpodobost df( ) f ( ) d Obr..7 Schodovtá fuce Frevečí fuce f ( ) F( ) F( ) - F( - ) + F Obr..8 Hustota pravděpodobost ( ) d F( ) f ( X ) f ( ) d F( ) F( ) ( ) f ( s) ds 0 f ( ) X ( ) ( < X < ) ( X < ) ( < X ) f ( ) Obr..9 Frevečí fuce f ( ) F( ) F( ) F( ) F( ) f ( 0 f ( ) )

21 Teore grafu Číselé charatersty áhodých velč Číselé charatersty popsují ěteré záladí rysy áhodých velč, jao apřílad obecé a cetrálí momety [Šráše, J., Tchý, Z., 990]. M Spojtá áhodá velča + s ) Tabula. Charatersty áhodých velč Dsrétí áhodá velča Obecý momet áhodé velčy s-tého řádu s [ X ] f ( d [ ] M s X s f ( ) Obecý momet áhodé velčy prvího řádu (středí hodota) + [ X ] E[ X ] µ f ( d [ ] [ ] M X E X µ M ) m + Cetrálí momet s-tého řádu f ( ) s s s [ X ] ( µ ) f ( ) d s [ X ] ( ) f ( Obecý záps cetrálího mometu: m s [X] E[(X - E[X]) s ] [ X ] 0 m Důaz: (pro dsrétí NV) m µ ) Cetrálí momet prvího řádu X ( µ ) f ( ) f ( ) µ f ( ) µ 0 m µ Cetrálí momet druhého řádu (rozptyl, dsperze, varace) [ X ] σ m [ X ] ( µ ) f ( d D[ X ] σ m[ X ] ( µ ) f ( D ) + m[ X ] E[ ( X E[ X ]) ], Směrodatá odchyla (stadardí, středí vadratcá odchyla) σ X m X [ ] [ ] D Vlastost µ a σ (platí pro spojté dsrétí áhodé velčy) C - ostata X, Y - áhodé velčy (platí pro spojté dsrétí) µ - středí hodota σ - rozptyl áhodé velčy µ ( C ) C σ ( C) 0 µ ( X + Y ) µ ( X ) + µ (Y ) σ ( X Y ) σ ( X ) + σ (Y µ ( X + C) µ ( X ) + C σ ( X + C) σ ( X ) µ ( CX ) Cµ (X ) σ ( CX ) C σ ( X ) µ ( XY ) µ ( X ) µ (Y ) + ) )

22 Teore grafu řílad. ř hodu dvěma hracím ostam současě, echť a prví pade číslo j a a druhé ostce pade číslo. Hodota áhodé velčy je: j +. Najděte frevečí a dstrbučí fuc. f Řešeí: F ( ) f ( ) Tabula.: Tabula hodot frevečí a dstrbučí fuce ( ) 6 F( ) Obr..0 Zázorěí průběhu dstrbučí fuce příladu. Obr.. Zázorěí průběhu frevečí fuce příladu. Vypočteé hodoty frevečí a dstrbučí fuce jsou uvedeé v tabulce.. Obr..0 zázorňuje průběh dstrbučí fuce a Obr.. zázorňuje průběh frevečí fuce.

23 Teore grafu řílad. Náhodá velča X má pravděpodobostí fuc (X). Jaá je pravděpodobost, že abude hodoty a) meší ež ( < ), b) větší ež ( > ), c) větší ež a meší ež ( < < ). Řešeí: F ( X ) 0,7 ; 7 0; ( ) f ( ); pro,, pro ostatí, ; a) ( < ) F( ) f ( ) + + 0, 5 <,... 7, b) ( > ) ( ) > ( 0, + 0, + 0,7 + 0,09) 0, c) ( ) 0,+ 0,7 0,57. < < < < Náhodá velča abývá hodoty meší ež ( < ) s pravděpodobostí 5 %, hodotu větší ež ( > ) s pravděpodobostí % a hodoty větší ež a meší ež ( < < ) s pravděpodobostí 5,7 %..7 Rozděleí áhodé velčy Záoy rozděleí pravděpodobostí jsou užíváy jao pravděpodobostí modely, teré mají adevátím způsobem popsovat děje a procesy závsející a áhodě. oud chceme pracovat pouze s pojmem áhodé velčy a vyhout se mapulac s jevy, je uté, romě vztahu mez elemetárím jevy a hodotou áhodé velčy, defovat taé pravděpodobost všech jevů [Kába, B., 999]. Rozděleí áhodé velčy je pravdlo, teré aždé hodotě ebo aždému tervalu hodot přřazuje pravděpodobost, že áhodá velča abude této hodoty ebo hodoty z tohoto tervalu. Tabula.5 Rozděleí áhodé velčy Rozděleí áhodé velčy Spojtá áhodá velča Dsrétí áhodá velča - Rovoměré - obecé - ormovaé - Normálí - obecé - ormovaé - Epoecálí - Bomcé - ossoovo

24 Teore grafu Spojtá áhodá velča.7. Rovoměré rozděleí áhodé velčy a) Obecé rovoměré rozděleí Rovoměré rozděleí abývají apřílad chyby př zaorouhlováí čísel, chyby př odečítáí údajů z leárích měřcích přístrojů, doby čeáí a usutečěí jevu opaujícího se v pravdelých tervalech. Náhodá velča X má rovoměré rozděleí, jestlže pro všecha α; β má ostatí hustotu pravděpodobost. Iterval α; β vymezuje hodotu áhodé velčy [Kába, B., 999], [Vítečová, M.]. µ + f Tabula.6: Charatersty rovoměrého rozděleí Hustota pravděpodobost:, pro α, β, f ( ) β α 0, pro (, α U β, + ). Dstrbučí fuce: 0, pro ( ; α ), α F( ) d, pro α; β, β α β α α, pro ( β; + ). Číselé charatersty Středí hodota: β + β + α d d σ β α ( ) α Rozptyl: β d ( µ ) f ( ) α Obr.. Hustota pravděpodobost Obr.. Dstrbučí fuce

25 Teore grafu 5 řílad.5 ř měřeí s přesostí ± 0,5 mm je hustota pravděpodobost v celém tervalu ostatí. Určete: a) ol je f(), Řešeí: b) jaá je pravděpodobost, že chyba bude omezea tervalem (-0,; +0,), c) dstrbučí fuc F(). a) 0,5; + 0,5 α 0,5; β 0,5; f β α ( ) ; + 0, + 0, b) ( 0, < X < + 0,) f ( ) d d 0,. c) F( ) 0, 0, α + 0,5 + β α 0,5 + 0,5, 0,, pro pro ( ; ) pro 0,5; 0,5 ; + 0,5 ; ( + 0,5; + ). Určl jsme hustotu pravděpodobost, chyba bude omezea tervalem (-0, < < 0,) s pravděpodobostí 0,. Dstrbučí fuce F() abývá hodot vypočteých výše. b) Normovaé rovoměré rozděleí ř ormovaém ormálím rozděleí abývá spojtá áhodá velča hodot z tervalu 0,, α 0, β, z toho vyplývají hodoty číselých charaterst: středí hodota rozptyl β + α µ r, ( β α ) σ r. Hustota pravděpodobost: f ( ) 0 pro 0; pro ( ;0) U ( ; + ).

26 6 Teore grafu Obr.. Hustota pravděpodobost ormovaého rovoměrého rozděleí Dstrbučí fuce: F ( ) 0 pro pro pro ( ; 0) 0; ( ; + ). Obr..5 Dstrbučí fuce ormovaého rovoměrého rozděleí Trasformace ormovaého rovoměrého rozděleí a obecé rovoměré rozděleí: de jsou: ( r ) µ + σ 0,5 obecé r 0,5 + ( µ ) ormovaé σ r - hodoty ormovaého rovoměrého rozděleí, - hodoty obecého rovoměrého rozděleí se středí hodotou µ, a směrodatou odchylou. σ

27 Teore grafu 7.7. Normálí rozděleí áhodé velčy a) Ozačováo též obecé ormálí rozděleí [Kába, B., 999], [Šráše, J., Tchý, Z., 990], [Vítečová, M.]. Je velm důležté, protože: ravdlo σ se ejčastěj vysytuje, moho jých rozděleí se mu blíží, řada jých rozděleí se jím dá ahradt. Hodoty áhodé velčy jsou z tervalu Hodoty áhodé velčy jsou z tervalu Hodoty áhodé velčy jsou z tervalu µ σ ; µ + σ s pravděpodobostí 0,68. µ σ ; µ + σ s pravděpodobostí 0,955. µ σ ; µ + σ s pravděpodobostí 0,997. Dstrbučí fuc ormálího rozděleí áhodé velčy určíme podle vztahu: F ( ) ( t µ ) σ e dt. σ π Hustotu pravděpodobost ormálího rozděleí áhodé velčy určíme podle vztahu: f ( ) e π ( µ ) σ σ. Obr..6 Hustota pravděpodobost obecého ormálího rozděleí

28 8 Teore grafu b) Normovaé ormálí rozděleí Jedá se o specálí případ obecého ormálího rozložeí, dy µ 0, u σ. u de je: u - ozačeí áhodé velčy s ormovaým ormálím rozděleím. Obr..7 Hustota pravděpodobost ormovaého ormálího rozděleí Obr..8 Dstrbučí fuce ormovaého ormálího rozděleí σ σ, µ 0. u u u Dstrbučí fuc ormovaého ormálího rozděleí áhodé velčy určíme podle vztahu F u t ( u) e dt π, a hustotu pravděpodobost ormovaého ormálího rozděleí áhodé velčy určíme podle vztahu f u ( u) e π. Hodoty dstrbučí fuce ormovaého ormálího rozděleí jsou uvedey v tabulce.7.

29 Teore grafu 9 Tabula.7 Hodoty dstrbučí fuce ormovaého ormálího rozděleí u F(u) u F(u) 0 0,5 0 0,5 0, 0,598-0, 0,607 0, 0,5796-0, 0,07 0, 0,679-0, 0,809 0, 0,655-0, 0,58 0,5 0,696-0,5 0,085 0,6 0,7575-0,6 0,75 0,7 0,7580-0,7 0,96 0,8 0,788-0,8 0,86 0,9 0,859-0,9 0,806,0 0,8 -,0 0,5866, 0,86 -, 0,567, 0,889 -, 0,507, 0,900 -, 0,09680, 0,99 -, 0,08076,5 0,99 -,5 0,0668,6 0,950 -,6 0,0580,7 0,955 -,7 0,057,8 0,9607 -,8 0,059,9 0,978 -,9 0,087,0 0,9775 -,0 0,075, 0,98 -, 0,0786, 0,9860 -, 0,090, 0,9898 -, 0,007, 0,9980 -, 0,0080,5 0,9979 -,5 0,006,6 0,995 -,6 0,0066,7 0,9965 -,7 0,007,8 0,997 -,8 0,0056,9 0,998 -,9 0,0087,0 0, ,0 0,005, 0,9990 -, 0,00097, 0,999 -, 0,00069, 0,9995 -, 0,0008, 0, , 0,000,5 0, ,5 0,000,6 0,9998 -,6 0,0006,7 0, ,7 0,000,8 0,9999 -,8 0,00007,9 0, ,9 0,00005,0 0, ,0 0,0000, 0, , 0,0000, 0, , 0,0000

30 0 Teore grafu ro záporé hodoty platí vztah: F( u) F(u ) Trasformace ormovaého ormálího rozděleí a obecé ormálí rozděleí de je: ro trasformac platí vztah: µ + σ u, u - hodota áhodé velčy ormovaého ormálího rozděleí, - vypočítaé hodoty obecého ormálího rozděleí, µ a σ - středí hodota a směrodatá odchyla obecého ormálího rozděleí. Opačá trasformace se provádí podle vztahu: u µ. σ řílad.6 Ze zušeost je zámo, že hmotost určtých výrobů má ormálí rozděleí se směrodatou odchylou, g. Jaá je průměrá hmotost těchto výrobů, jestlže pouze % výrobů váží méě ež 8 g? Řešeí: Hmotost výrobů je áhodou velčou X s rozděleím N ( µ,, ) vyplývá, že (X < 8) 0,0. omocí vzorce: dostaeme: b µ a µ σ σ ( a < < b) F F 8 µ, ( a < 8 ) F 0,0. Z tabuly hodot ormálí dstrbučí fuce (tabula.7) zjstíme, že F(-,88) 0,0; 8 µ,88 µ 50,068., Hledaá průměrá hmotost výrobu je µ 50,068 g.. Ze zadáí úlohy

31 Teore grafu Trasformace rovoměrého rozděleí a ormálí rozděleí Tato trasformace vychází z cetrálí lmtí věty Lberga a Lévyho [Kába, B., 999]. Věta: Sečteme-l dostatečý počet hodot áhodé velčy de,,,, jež jsou vzájemě ezávslé a mají totéž rozděleí s toutéž středí hodotou µ a s tímtéž rozptylem, pa proměá z vytvořeá podle rovce σ z σ µ, s rostoucím overguje ormovaému ormálímu rozděleí ( z u, 0, σ ) µ. u u ro trasformac ormovaého rovoměrého rozděleí a ormovaé ormálí rozděleí je výhodé, aby, protože pa de je: σ r, µ r 0,5 ; u 6, r r - hodota áhodé velčy ormovaého rovoměrého rozděleí, u - hodota áhodé velčy ormovaého ormálího rozděleí.

32 Teore grafu řílad.7 Hmotost výrobu je vyhovující, poud je v mezích 68 g až 69 g. Stadardí hmotost má obecé ormálí rozděleí se středí hodotou µ 68, g a směrodatou odchylou σ 0, g. Jaá je pravděpodobost, že hmotost bude v mezích 68 g až 69 g? Řešeí: Trasformace a hodoty ormovaého ormálího rozděleí: u u µ 68 68,,5; σ 0, µ 69 68,,5; σ 0, rotože hodoty dstrbučí fuce jsou obvyle uváděy je pro ladé hodoty u, využje se vztahu: F(,5) + F(-,5) F(-,5) - F(,5) 0,0668. (68 < < 69) (-,5 < <,5) F(,5) - F(-,5) 0,9. Hmotost bude ve staoveých mezích 68 g až 69 g s pravděpodobostí 9, %. Byly použty hodoty dstrbučí fuce ormovaého ormálího rozděleí z tabuly.7. řílad.8 Náhodá velča představující chybu měřeí má ormálí rozděleí se středí hodotou µ 0, a rozptylem 0,6. Je třeba určt pravděpodobost, že absolutí hodota bude σ meší ež jeda ( < ). Řešeí: N(0,; 0,6), µ 0,, σ 0,6. ( < ) ( < < ) Trasformace a ormálí rovoměré rozděleí: u µ 0, ; u,5; u σ 0,8 0, 0,8 Z tabuly.7 jsou odečtey hodoty dstrbučí fuce hodot NV ormovaého ormálího rozděleí. ( < < ) (,5 < u < ) F( ) F(,5 ) F( ) + F(,5 ) 0, 77 Absolutí hodota bude meší ež jeda s pravděpodobostí 77, %. ;

33 Teore grafu.7. Epoecálí rozděleí áhodé velčy Náhodou velčou je obvyle čas, v ěmž astae sledovaý jev. ravděpodobost, že jev astae v časovém oamžu. oužívá se pro určováí pravděpodobost, žvotost zařízeí, pro řešeí problémů teore hromadé obsluhy a pro řešeí teore grafů [Kába, B., 999]. Charatersty epoecálího rozděleí Hustotu pravděpodobost epoecálího rozděleí áhodé velčy (Obr..9) určíme podle vztahu f ( ) λe 0 λ pro 0, pro < 0. Obr..9 Hustota pravděpodobost epoecálího rozděleí Dstrbučí fuc epoecálího rozděleí áhodé velčy (Obr..0) určíme podle vztahu: F ( ) e 0 λ pro 0 pro < 0. Obr..0 Dstrbučí fuce epoecálího rozděleí

34 Teore grafu Číselé charatersty epoecálího rozložeí: středí hodota rozptyl µ, λ σ. λ oud sledovaý jev může astat až v čase a, de a > 0, pa je hustota pravděpodobost: f λ ( a) ( ) λ e dstrbučí fuce: F λ ( a) ( ) e,pro a,pro a. Grafy jsou posuuty. Rozptyl se eměí, středí hodota je posuuta o hodotu a (vz obr..). σ ; µ a +. λ λ řílad.9 Obr.. Grafy hustoty pravděpodobost a dstrbučí fuce epoecálího rozděleí posuutého o hodotu a Středí doba čeáí záazía a obsluhu v prodejě je 50 seud. Doba čeáí se řídí epoecálím rozděleím (pravděpodobost, že záazí ebude obslouže s rostoucím časem lesá epoecálě). Jaá je pravděpodobost, že áhodý záazí bude obslouže dříve ež za 0 seud? Řešeí: µ 50s, F µ λ λ ( 0 < < 0) F( 0), ( 0) e 0,5. 0,0; Záazí bude obslouže dříve ež za 0 seud s pravděpodobostí 5, %.

35 Teore grafu 5 Dsrétí áhodá velča.7. Bomcé rozděleí dsrétí áhodé velčy ředpoládejme, že určtý pous opaujeme -rát za stejých podmíe. V aždém pousu může astat áhodý jev A (úspěch pousu) se stejou pravděpodobostí p a evysytout se (eúspěch pousu) s pravděpodobostí q p [Kába, B., 999]. očet realzací áhodého jevu A (úspěchů) ezávslých pousů je zřejmě dsrétí áhodou velčou, jež může abývat hodot 0,,,. Vzhledem ezávslost pousů pro její frevečí fuc platí: de je: f, ( ) ( ) p ( p) 0,,,. Charatersty bomcého rozděleí Frevečí fuc (pravděpodobost, že pousů očí zdarem) bomcého rozděleí dsrétí áhodé velčy určíme podle vztahu f ( ) p q 0, p ( p), pro,,,..., pro,,,..., a dstrbučí fuc bomcého rozděleí dsrétí áhodé velčy určíme podle vztahu de je F 0, j, ( ) ( X ) f ( j) - počet ezávslých dílčích pousů,, pro < 0 pro,. pro,,..., - počet pousů očících zdarem s pravděpodobostí p, (-) - počet pousů očících ezdarem s pravděpodobostí q p.,

36 6 Teore grafu Číselé charatersty bomcého rozděleí dsrétí áhodé velčy středí hodota rozptyl µ p, ( p) σ pq p. řílad.0 Výrobí družstvo dodává výroby, u terých ebyla provedea otrola jaost, baleé po deset usech. Družstvo předpoládá, že aždý balí, v ěmž je alespoň jede výrobe vadý, bude relamová a zaručlo se, že př relamac vrátí peíze. Je zámo, že pravděpodobost vyrobeí valtího výrobu je 0,95 a že álady a jede balí jsou dvě oruy. Jaou by mělo družstvo staovt ceu jedoho balíču, aby mohlo očeávat zs 5 %? Řešeí: 0; p 0,95; 0; q 0,05; cea (c)?; f f ( 0) ( 0) c 0,5 0 p 0 q,5 c 0,5987 0, Jede balíče by měl stát cca,50 Kč.,50 Kč.

37 Teore grafu ossoovo rozděleí dsrétí áhodé velčy Je vhodé pro velm velý počet opaovaých ezávslých pousů (počet opaovaých pousů je větší ež třcet). Napřílad počet vadých výrobů velé sére, dy pravděpodobost vyrobeí vadého výrobu je malá (počet těžých úrazů v jedom městě), pravděpodobost zdaru je malá. ossoovo rozděleí je charaterstcé tím, že jeho středí hodota µ a rozptyl se sobě rovají [Kába, B., 999]. σ Charatersty ossoova rozděleí de je Frevečí fuc ossoova rozděleí dsrétí áhodé velčy určíme podle vztahu f ( ) λ e! 0, λ λ > 0, λ p., pro 0,,,..., pro 0,,,... Dstrbučí fuc ossoova rozděleí dsrétí áhodé velčy určíme podle vztahu ( ) ( X < ) f ( j) F. j Číselé charatersty ossoova rozděleí dsrétí áhodé velčy středí hodota rozptyl µ λ, σ λ. řílad. Telefoí ústředa zapojí během hody průměrě patáct hovorů. Jaá je pravděpodobost, že během čtyř mut zapojí: ) právě jede hovor, ) alespoň jede hovor, ) alespoň dva a ejvíce pět hovorů [Hebá,., Kalouová, J., 978]. Řešeí: Středí hodota pro muty: λ λe ad) f ()! ad ),,..., f ad ),,, 5 f λ 0,7; ( ) + f ( ) f ( ) F( ) f ( 0) f ( ) 0,6; ( ) + f ( ) + f ( ) + f ( 5) 0,8 + 0,06 + 0,05 + 0,00 0,6.

38 8 Teore grafu Ústředa během čtyř mut zapojí právě jede hovor s pravděpodobostí 7 %, alespoň jede hovor s pravděpodobostí 6 %, alespoň dva a ejvíce pět hovorů s pravděpodobostí 6 %. řílad. Zázorěme grafy frevečí fuce ossoova rozložeí pro λ, λ 5, λ 6, λ 0. Tabula.8 Hodoty frevečí fuce λ 0,5 0,7 0,7 0,80 0,090 0,06 0,0 0,00 0,00 0,000 0,000 λ 0,007 0,0 0,08 0,0 0,75 0,75 0,6 0,0 0,065 0,06 0,08 λ 0,00 0,05 0,05 0,089 0, 0,6 0,6 0,8 0,0 0,069 0,0 λ 0,000 0,000 0,00 0,008 0,09 0,08 0,06 0,090 0, 0,5 0, λ 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 λ 0,008 0,00 0,00 0,000 0,000 0,000 0,000 0,000 0,000 0,000 λ 0,0 0,0 0,005 0,00 0,00 0,000 0,000 0,000 0,000 0,000 λ 0, 0,095 0,07 0,05 0,05 0,0 0,0 0,007 0,00 0,00 frevečí fuce 0,0 f() 0,5 0,0 0,5 0,0 0,05 λ λ λ λ 0, Obr.. ossoovo rozděleí přílad. rotože je oefcet šmost větší ež ula, jsou příslušé řvy asymetrcé zprava.

39 Teore grafu 9 Teore grafů Teore grafů patří mez relatvě mladé matematcé dscplíy. Jedá se o obor matematy, pomocí ěhož lze formulovat a řešt moho problémů z růzých oblastí, ejčastěj celočíselé a ombatorcé povahy [Demel, J., 988], [Sedláče, J., 98].. Záladí pojmy Graf je určtý útvar (systém), terý je možo zázort obrázem v rově pomocí bodů (uzly grafu) a spojc mez body (hray grafu). Oretovaý graf je trojce G (V, E, ε) tvořeá oečou možou prvů V, jejíž prvy azýváme uzly, oečou možou E, jejíž prvy azýváme oretovaým hraam a zobrazeím ε : E V, teré azýváme vztahem cdece, a teré přřazuje aždé hraě e E uspořádaou dvojc uzlů. Neoretovaý graf je trojce G (V, E, ε) tvořeá oečou možou V, jejíž prvy azýváme uzly, oečou možou E, jejíž prvy azýváme eoretovaým hraam a zobrazeím ε (vztah cdece), teré přřazuje aždé hraě e jedo ebo dvouprvovou možu uzlů. Cesta v grafu je posloupost oretovaých hra, př teré vždy ásledující hray začíají v uzlu, v ěmž očí předcházející hraa. Cylus (ružce u eoretovaého grafu) je taová cesta, terá začíá a očí v témže uzlu. Řetěz je cesta bez ohledu a oretac grafu. Souvslý graf je graf, u terého mez všem dvojcem uzlů estuje alespoň jeda cesta. Nesouvslý graf je graf, u terého eestuje alespoň jeda cesta mez všem dvojcem uzlů. Strom je taový graf, terý eobsahuje žádý cylus. odgraf původího grafu je graf, terý vze tím, že vyecháme z grafu ěteré uzly a příslušé hray těchto uzlů. Acylcý graf je graf, terý eobsahuje žádý cylus. Ohodoceý graf (oretovaý, eoretovaý) je graf, ve terém reálá fuce defovaá a možě hra přřazuje aždé hraě ějaou hodotu (apřílad vzdáleost, doba, eerge ). Síť je graf, terý je oečý, souvslý, oretovaý, acylcý a ohodoceý, v ěmž estuje jede oečý a jede počátečí uzel. Koečý graf má oečý počet uzlů a hra. Řezem sítě se azývá moža všech hra, teré spojují uzly možy U s uzly možy U, dy U je moža uzlů, terá obsahuje počátečí uzel a všechy uzly dosažtelé z počátečího uzlu po easyceé cestě. Moža uzlů U je taová moža, terá obsahuje ocový uzel a všechy zbývající uzly. Kapacta řezu je číslo, teré je tvořeo součtem apact (ohodoceí) všech hra řezu. Mmálí řez je řez, terý má ejmeší apactu. Multgraf je graf, v ěmž mez ěterou dvojcí uzlů estuje v jedom směru větší počet hra ež jeda.

40 0 Teore grafu Druhy hra: Smyčy Tabula. Druhy hra Hraa, terá cduje s jedím uzlem Rovoběžé hray Icdují se stejým uzly. Oretovaé hray Je azače směr oretace Neoretovaé hray Násobé hray Jsou rovoběžé hray, teré jsou buď eoretovaé ebo všechy souhlasě oretovaé. Tabula. Rozděleí hra a smyče ROVNOBĚŽNÉ HRANY SMYČKY Násobé Neásobé

41 Teore grafu Klasface grafů: a) odle hra: jedoduchý graf (oretovaý, eoretovaý) je graf, terý obsahuje prosté hray bez smyče. prostý graf (oretovaý, eoretovaý) je graf, v ěmž ásobost aždé hray je ejvýše rova jedé (eobsahují ásobé hray), multgraf (oretovaý, eoretovaý) je graf, v ěmž ásobost alespoň jedé hray je větší ež jeda (obsahují ásobé hray), Tabula. Typ grafu podle hra TY GRAFU NEORIENTOVANÝ ORIENTOVANÝ Jedoduchý graf rostý graf Multgraf

42 Teore grafu b) odle počtů hra a uzlů: oečý graf (oečý počet hra a uzlů), eoečý graf (eoečý počet hra a uzlů), prázdý graf (prázdá moža uzlů a hra). Úplý graf je graf, mez jehož aždým dvěma růzým uzly estuje právě jeda hraa, pa platí de je: - počet hra - počet uzlů Obr.. řílad úplého grafu odgraf graf G je podgrafem grafu G, jestlže V V, E E a ε je zúžeím zobrazeí ε pro graf G, de grafy G (V, E, ε ), G (V, E, ε ), jsou buď oba oretovaé ebo oba eoretovaé. Obr.. odgraf úplého grafu z obrázu.. Fator grafu graf G je fatorem grafu G, jestlže graf G je podgrafem grafu G, terý má stejou možu uzlů (V V) a jeho moža hra E je podmožou možy hra E ( E E).

43 Teore grafu Obr.. Fatory úplého grafu z obrázu. Stupeň uzlu je počet hra cdujících s daým uzlem (smyča se počítá dvarát). řesuy z jedoho uzlu do druhého uzlu Sled je uspořádaá posloupost uzlů a hra (uzly a hray se mohou opaovat). S (, a,, b,, d,, e, ) S (, a,, c,, e, ) Déla sledu: l(s ) a + b + d + e l(s ) a + c + e Obr.. řesuy uzlů počátečí uzel ocový uzel uzavřeý sled počátečí uzel ocový uzel otevřeý sled Násobost hray počet výsytů téže hray v určtém sledu. Tah je sled, v ěmž se žádá hraa evysytuje více ež jedou. Cesta je taový tah, v ěmž se aždý uzel vysytuje je jedou. Kružce je uzavřeá cesta (vz obr..5). Obr..5 Kružce uzavřeá cesta

44 Teore grafu. Eulerovsé tahy Eulerovsý tah je taový tah, terý obsahuje všechy hray právě jedou. Oretovaé grafy obsahují oretovaé tahy a eoretovaé grafy obsahují eoretovaé tahy [Demel, J., 98], [lesí, J., 98]. Uzavřeé Eulerovsé tahy jsou taové tahy, u terých je počátečí a ocový uzel totožý. Neuzavřeé Eulerovsé tahy jsou taové tahy, teré emají totožý počátečí a ocový uzel. Jedotažy jsou všechy hray aresley jedím tahem. Obr..6 Neuzavřeá jedotaža Obr..7 Uzavřeá jedotaža Typy úloh. Rozhodout, zda v daém grafu estuje otevřeý ebo uzavřeý Eulerovsý tah.. V daém grafu sestrojt otevřeý ebo uzavřeý Eulerovsý tah.. V daém grafu ajít ejmeší počet tahů, ol Eulerovsých, teré porývají všechy hray grafu.. V daém souvslém grafu (mez aždým dvěma uzly estuje hraa), jehož hray jsou ohodocey ladým čísly, máme za úol ajít ejratší uzavřeý sled, terý obsahuje aždou hrau alespoň jedou. Obecě azýváa Úloha čísého pošťáa. Věta : Nechť graf G je eoretovaý, pa v grafu estuje eoretovaý uzavřeý Eulerovsý tah právě tehdy, dyž aždý uzel grafu je sudého stupě. Věta : Nechť graf G je oretovaý, pa v grafu G estuje oretovaý uzavřeý Eulerovsý tah právě tehdy, dyž pro aždý uzel grafu platí, že počet hra vstupujících do uzlu je rove počtu hra z uzlu vystupujících. řílad. Máme město, teré se rozládá a dvou ostrovech a dvou březích, teré jsou spojey sedm mosty. Naším úolem je určt, zda je možo projít přes aždý ze sedm mostů přesě jedou, až bychom přeplaval řeu (vz obr..8)?

45 Teore grafu 5 Obr..8 Sedm mostů a dva břehy daého města a odpovídající graf Neí možo projít přes aždý most bez přeplaváí řey právě jedou, protože všechy uzly mají lchý stupeň. Algortmus pro hledáí uzavřeého Eulerovsého tahu Musí být zajštěa platost věty ebo. V algortmu se pa střídavě prodlužují dvě fáze: Estující tah prodlužujeme, doud se estae uzavřeým. Uzavřeý tah otrolujeme, zda je Eulerovsý. ř otrole procházíme podél tahu a v aždém uzlu testujeme, zda v oolí uzlu estuje hraa, terá dosud eleží v tahu. Jestlže ao, pa přerušíme otrolu, tah v uzlu rozpojíme a začeme jej prodlužovat. rodlužováí sočí v uzlu. o rozpojeí ového a starého tahu poračujeme v otrole počíaje uzlem a postupujeme podél ové část tahu. Tato je zajštěo, že ja př prodlužováí, ta př otrole postupujeme podél aždé hray pouze jedou. Celý postup je tedy velm rychlý. řílad. Sestrojme uzavřeý oretovaý Eulerovsý tah (vz obr..9) pomocí výše uvedeého postupu. Obr..9 Graf příladu. odle algortmu pro hledáí uzavřeého Eulerovsého tahu je pro graf a obr..9 sled hra uzavřeého tahu: 8 7. ř otrole zjstíme, že v uzlu, ve terém očí hraa 8 vychází hraa 6 a vstupuje hraa 5, taže Eulerovsý tah upravíme

46 6 Teore grafu Věta : Nechť G je eoretovaý souvslý graf, terý obsahuje uzlů lchého stupě, pa ejmeší počet eoretovaých tahů porývajících všechy hray grafu je /. očet uzlů lchého stupě v grafu (obr..0): tahy. Věta : Obr..0 Graf potvrzující větu V souvslém oretovaém grafu je právě jede Eulerovsý tah euzavřeý právě tehdy, dyž graf je souvslý a estují-l v ěm dva uzly u, u, pro teré platí (vz obr..): d d + + ( u ) d ( u ), ( u ) d ( u ) +, de je: d + ( u ) - počet hra vstupujících do uzlu u, d - ( u ) - počet hra vystupujících z uzlu u. a uzel u je počátečí uzel a uzel u je ocový uzel euzavřeého Eulerovsého tahu. ro ostatí uzly platí d + (u) d - (u). u u Obr.. Graf potvrzující větu

47 Teore grafu 7 Algortmus čísého pošťáa ošťá musí př rozášce pošty alespoň jederát projít aždou ulcí svého rajóu. Ja má postupovat, aby ušel co ejméě lometrů, to zameá, aby ratší cesty procházel vícerát [Demel, J., 98]?. Zjstt, zda jsou všechy uzly sudého stupě.. Neí-l tomu ta, musíme přdat hray, abychom tuto podmíu spll a to provedeme ta, že spojíme uzly s lchým stupěm ejratší cestou.. rovedeme otrolu, zda cesta pošťáa je opravdu ejratší. řílad. Řešme úlohu čísého pošťáa pro graf a obr... Řešeí: Hray tvořící ejlevější perfetí párováí jsou ozačey tučě (vz obr..). Stupě všech jeho uzlů jsou sudé, ečí tedy potíže alézt v tomto grafu uzavřeý Eulerovsý tah. Obr.. Graf úloze čísého pošťáa přílad. Obr.. Hray tvořící ejlevější perfetí párováí tučé hray

48 8 Teore grafu. Hamltoovsé cesty a ružce Hamltoovsá cesta v grafu G je cesta, terá obsahuje aždý uzel grafu G právě jedou. Hamltoovsá ružce (cylus) v grafu G je ružce (cylus), terá prochází aždým uzlem grafu, u teré je počátečí a ocový uzel totožý [Demel, J., 98]. Typy úloh:. Najít Hamltoovsou ružc (cylus) - (úloha obchodího cestujícího).. Najít Hamltoovsou cestu (mez lbovolým dvěma uzly).. Najít Hamltoovsou cestu, jejíž rají uzel je fová.. Najít Hamltoovsou cestu, jejíž oba rají uzly jsou fováy. ro řešeí těchto typů úloh eestuje žádý efetví algortmus. řílad. Máme za úol ajít Hamltoovu ružc a ejratší cestu (vz obr..). Obr.. Graf příladu. Déla Hamltoovsé ružce: A B C D A jedote. Nejratší déla cesty A D C B C A 0 jedote. Rozhodovací strom oužívá se pro jedoduché úlohy. V aždém uzlu rozhodujeme, am jít dál, ale esmíme se vrátt do uzlu, ve terém jsme byl.

49 Teore grafu 9 řílad.5 Máme za úol ajít Hamltoovu ružc pomocí rozhodovacího stromu (vz obr..5). Řešeí: Tam, de elze dále poračovat, je zača X. Obr..5 Síťový graf příladu.5 B C D G F G E F A E F X D X E G D X B X A F C D G G E X D X E X E G C X D C B A B X F C D G X E G C D G B X F X C B X F X Obr..6 Rozhodovací strom - přílad.5 ro graf a obr..6 estují dvě Hamltoovsé ružce, teré se lší je pořadím uzlů. Hamltoovsé ružce: rví: A F E G D C B A. Druhá: A B C D G E F A.

50 50 Teore grafu. Metoda mmálí cesty a) Oretovaý graf: ro určeí mmálí cesty v oretovaém ohodoceém grafu se využívá Bellmaův prcp optmalty [Demel, J., 988]. je-l cesta z A do C optmálí, pa a této cestě musí ležet cesta z B do C Obr..7 odmía Bellmaova prcpu optmalty odmíy pro graf, aby mohl být použít Bellmaův prcp optmalty: všechy hray grafu jsou ohodocey t j, v grafu esmí být cyly < j (hraa musí vystupovat z uzlu s číslem meším a vstupovat do uzlu j s číslem větším), Obr..8 odmía užtí Bellmaova prcpu optmalty esmí být rovoběžé hray odstraíme pomocí ftvích hra s ulovým ohodoceím. Obr..9 Tvorba ftvího prvu Hraa spojující uzly, je ftví hraa s ulovým ohodoceím. ostup určováí cesty v oretovaém grafu: ř hledáí mmálí (mamálí) cesty v ohodoceém oretovaém grafu postupujeme od ocového uzlu počátečímu uzlu.

51 Teore grafu 5 Ohodoceí v ocovém uzlu (T 0) položíme rovo ule. a postupujeme prot směru oretace hra počátečímu uzlu a u aždého uzlu s pamatujeme mmálí (mamálí) hodotu součtu ohodoceí hra předchozí část cesty a směr, odud jsme do daého uzlu došl. Hodota v počátečím uzlu dává celovou ejratší (ejdelší) cestu v grafu. Tabula. Staoveí déle cesty Nejratší cesta T m ( T j + t j ) T 0 Nejdelší cesta T ma ( T j + t j ) T 0 Nejratší cesta: Obr..0 řílad oretovaého grafu ejratší cesta Nejratší cesta vede uzly: 6, Déla cesty: jedote. Nejdelší cesta: Obr.. řílad oretovaého grafu ejdelší cesta Nejdelší cesta vede uzly: 5 6, Déla cesty: jedote.

52 5 Teore grafu b) Neoretovaý graf Obr.. řílad eoretovaého grafu ostup hledáí mmálí cesty v eoretovaém grafu: Graf musí být ohodoceý, eoretovaý, bez číslováí uzlů. de je:. Ozačíme počátečí uzel číslem ula.. V aždém dalším rou budeme ohodocovat eohodoceé uzly, teré jsou spojey hraam s jž ohodoceým uzly a to ta, že je hodotíme podle vztahu ( t ) [ U ( t ) t ] U m +. j j U( t ) - hodota ohodoceého uzlu, t j - hodota hray mez ohodoceým [ ( )] U a eohodoceým [ ( t )]. Hodota ocového uzlu ám dává hodotu mmálí cesty. Hray, teré leží a mmálí cestě určíme podle vztahu t j [ U ( t ) U ( t )], j směrem od posledího uzlu prvímu. latí, že rozdíl hodot sousedících uzlů musí být hodota hray. a) b) c) d) 5 t 5 U uzlem. j Obr.. ostup ohodocováí uzlů

53 Teore grafu 5.5 Metoda rtcé cesty (CM - Crtcal ath Method) ro řešeí metodou rtcé cesty využíváme tzv. síťový graf, terý se sládá z uzlů a oretovaých hra. Hray odpovídají jedotlvým dílčím čostem úolu. Daou čost jedozačě určují počátečí a ocový uzel, terým je aždá čost ohračea. Čost ozačujeme uspořádaou dvojc čísel (, j), přčemž musí platt < j, tj. v grafu se evysytují cyly a rovoběžé hray [Víteče, A., Wawrzczová, M., 988], [Vítečová, M.]). Na realzac čost je třeba určté doby, tzv. doby trváí čost t j, a vyaložeí určtých áladů. Něteré čost musí být vyoáy v určtém časovém pořadí, proto je třeba do síťového grafu zavést ještě ftví čost (obr.. b) s ulovou dobou trváí, teré vyjadřují vazby a závslost mez čostm. Síťovým grafem G rozumíme tedy dvojc mož: možu uzlů V a možu čostí E (možu hra). Síťový graf zapsujeme ve tvaru G (V, E). a) b) Obr.. Zázorěí čost: a) sutečé, b) ftví řílad.6 Síťový graf G a obr..5 popíšeme možou uzlů V a možou hra E. Obr..5 Síťový graf příladu.6 Řešeí: ro síťový graf podle obr..5 platí G (V, E), de je: V [,,, ], E [(; ), (; ), (; ), (; ), (; )].

54 5 Teore grafu osloupost hra v síťovém grafu, u teré ocový uzel aždé hray (mmo posledí) se shoduje s počátečím uzlem ásledující hray, se azývá cesta. Součet dob trváí všech čostí tvořící cestu je doba trváí cesty. Mamálí doba trváí cesty z uzlu do uzlu j se azývá: ejdříve možý termí uzlu j, m ozačuje se symbolem a určí se ze vztahu: T j m m ( T + t ), T 0 m T ma. j j Je to ejdříve možý termí zahájeí všech čostí vystupujících z uzlu j. Termí realzace úolu m T je ejdříve možý termí uzlu. Je to mmálí doba utá e splěí všech čostí a tím celého úolu. Této době odpovídá mamálí doba trváí cesty z uzlu do uzlu. Symbolem p T se ozačuje ejpozděj přípustý termí uzlu. Je rove rozdílu mez p p m termíem T T t. ředpoládá se, že ejdříve možý termí ocového uzlu je j j zároveň rove jeho ejpozděj přípustému termíu vypočteme ze vztahu p p m ( T t ), T T. p T m Uzly, pro teré platí: T m j j p T, V, p T. Nejpozděj přípustý termí azýváme rtcé uzly a čost, teré spojují tyto rtcé uzly azýváme rtcé čost a vytvářejí rtcou cestu v grafu. Dojde-l jaémuol zpožděí v prováděí rtcých čostí, utě dojde e zpožděí splěí celého úolu. V síťovém grafu může estovat ěol rtcých cest. Zalost rtcých cest, a tedy rtcých čostí, je pro řízeí realzace celého úolu velm důležtá. Časové rezervy U aždé operace rozezáváme ěol druhů časových rezerv (obr..6): Celová časová rezerva čost - představuje časový terval, ve terém lze posuout celou dílčí ac, až by se tím ovlvl výsledý pláovaý termí. očítáme j podle vztahu: R c j T T t. p j m j Volá časová rezerva je taový časový terval, o terý lze prodloužt ebo posuout čost, až by byla ovlvěa čost a avazující. Tuto rezervu počítáme podle vztahu: R v j T T t. m j m j Nezávslá časová rezerv, je to možství času, o terý může být čost prodloužea, až by se tím ovlvla teráolv já čost síťového grafu. Výpočet se provede dle vztahu: R j m p ( 0 T T t ) ma,. j j T p T

55 Teore grafu 55 Mez jedotlvým časovým rezervam platí vztah: R c j R R. v j j c Krtcé čost mají ulové celové časové rezervy ( 0 ). R j Obr..6 Vzájemé vztahy mez časovým rezervam c Subrtcé čost jsou čost s malou celovou časovou rezervou δ, de je: δ - předem zvoleá mmálí rezerva (závsí a povaze realzovaého úolu). R j Síťový graf má tyto záladí vlastost: Každý síťový graf musí mít vždy jede počáte, ze terého hray pouze vystupují, a jede oec, do terého hray pouze vstupují. Tuto podmíu lze splt vždy pomocí ftvích čostí (vz obr..7 a). Každá čost může být zahájea je tehdy, dyž jsou doočey všechy předcházející čost. Souběžé (paralelí) čost z důvodu jedozačé detface musí být odděley ftví čostí (vz obr..7 b). Dély hra eodpovídají dobám trváí čostí. Uzly lze očíslovat ta, aby platla erovost < j. V tomto případě v síťovém grafu evystupují cyly (vz obr..7 c).

56 56 Teore grafu ř sestavováí síťových grafů je třeba provést rozbor čostí a uvědomt s, teré čost bezprostředě předcházejí aždé čost, teré čost za daou čostí bezprostředě ásledují, teré čost probíhají souběžě a teré čost a sobě ezávsejí. Všechy údaje o čostech zapsujeme do tabuly, a jejíž záladě pa sestavíme vlastí síťový graf. Obr..7 Záladí vlastost síťových grafů pro použtí metody CM ro očíslováí uzlů v síťovém grafu můžeme použít ásledující algortmus: Očíslováí uzlů síťového grafu: rví ro - počáte ozačt číslem. Druhý ro - ásledujícím číslem ozačt lbovolý eočíslovaý uzel, u terého jsou všechy předcházející uzly očíslováy (taový uzel vždy estuje, protože síťový graf eobsahuje cyly). Kro je třeba opaovat ta dlouho, až budou všechy uzly očíslováy. Koec bude mít vždy ejvětší číslo rové počtu uzlů.

57 Teore grafu 57 o očíslováí uzlů můžeme rtcou cestu a časové rezervy určt algortmem: Určeí ejdříve možých termíů (postup vpřed): m rví ro - položt T 0. Druhý ro - pro j,,, vypočítat: m j m ( T t ) T ma +. j Určeí ejpozděj přípustých termíů uzlů (postup vzad): p Třetí ro - položt T T T T. p m m, musí platt: Čtvrtý ro - pro,,, vypočítat: T p p ( T t ) m. Určeí časových rezerv čostí: de je: átý ro - pro R R R c j v j j m T j p T j t j T T p j m j j T T m m j (, j) E t j t j,, m p ( 0 T T t ) j vypočítat: ma,, - ejdříve možý termí uzlu j, - ejpozděj přípustý termí uzlu j, - doba trváí čost. Určeí rtcé cesty Šestý ro - vyzačt čost (, j), pro teré rtcou cestu. j c R j 0. Tyto čost jsou rtcé a určují U jedoduchých síťových grafů určeí rtcé cesty provádíme přímo v síťovém grafu [Víteče, A., Wawrzczová, M., 988]. o očíslováí uzlů postupujeme ejdříve od počátu e oc (postup vpřed) a počítáme všechy ejdříve možé termíy a zapsujeme je vlevo (vz obr..9). a postupujeme od oce počátu (postup vzad) a počítáme ejpozděj přípusté termíy a zapsujeme je ad příslušým uzly vpravo. Krtcou cestu vyzačují uzly, u terých ejdříve možé termíy jsou shodé s ejpozděj přípustým termíy m p T T. Celové časové rezervy zapsujeme u jedotlvých čostí do závore (vz obr..8). U rtcých čostí všechy časové rezervy jsou ulové.

58 58 Teore grafu řílad.7 Máme za úol sestrojt zařízeí, teré se sládá ze tří částí. odle tabuly.5 sestrojte síťový graf a určete rtcou cestu a časové rezervy. Čost jsou ozačey písmey velé abecedy. Napřílad symbol A < B, C ozačuje, že čost A předchází čostem B a C a ta dále. Doby trváí čostí jsou uvedey ve zvoleých časových jedotách (č.j.). Řešeí: Tabula.5 Vypočteé hodoty příladu.7 čost j t j podmíy vstupí ávrh A A < B, C ftví čost B 0 projet C 5 C < E, F, G rozbor D D < E, F, G objedáva E 5 E < H objedáva F 6 F < I objedáva G 7 G < J dodáva součásty H 5 8 H < K dodáva součásty I 6 8 I < K dodáva součásty J 7 9 J < L dílčí motáž K 8 9 K < L oečá motáž L Nejdříve sestrojíme síťový graf s uvažováím omezeí a časové čost, vz obr..8. řečíslováí uzlů emusíme provádět, protože vyhovuje podmíce < j. Obr..8 Síťový graf příladu.7

59 Teore grafu 59 V uzlech jsou hodoty m p T j T číslo uzlu Obr..9 Ozačeí uzlů a obr..8 Výpočet ejdříve možých a ejpozděj přípustých termíů provedeme přímo v síťovém grafu. Napřílad ejdříve možý a ejpozděj přípustý termí uzlu je : m m ( T + t ) T p p ( T t ) T 9 7 m T ma t p T ma 6 t6 pro jé uzly je postup stejý. j j časových jedote (, ), časových jedote (j 5, 6, 7), Krtcá cesta vede přes uzly: (zesíleou čarou). T 0 T 0 m p Doba realzace celého úolu: č. j. Časové rezervy př výpočtu je vhodé sestavt do tabuly (vz tabula.6), protože ftví čost (,) slouží pouze jedozačé detfac čost (, ), dostaeme, že čost (,) má ezávslou časovou rezervu č.j. Čost (,5) a (5,8) mají celovou časovou rezervu č. j. a čost (,7) a (7,9) mají celovou časovou rezervu č.j. Zvolíme-l δ č. j., dostaeme, že čost (,5) a (5,8) lze považovat za subrtcé čost, de je: δ - předem zvoleá mmálí rezerva. Tabula.6 Časové rezervy příladu.7 j t j c R j v R j R j A B C D E F G H I J K L

60 60 Teore grafu Agregace a desagregace síťových grafů Každý síťový graf svojí struturou odpovídá úrov řízeí, pro terou je urče. ro vyšší úrově je méě podrobý je agregová. Agregace se týá eje čostí, ale dob jejch trváí. ř agregac síťového grafu je třeba vyzačt důležté tzv. líčové uzly, teré v agregovaém síťovém grafu mají zůstat. Dobu trváí agregovaé čost určuje ejvětší doba trváí cesty z jejího počátečího do jejího ocového uzlu. Mez dvěma líčovým uzly uvažujeme čost tehdy, estuje-l mez těmto uzly cesta ve výchozím síťovém grafu, respetve tvoří-l tato čost cestu s ejdelší dobou trváí mez těmto uzly. Obr..0 Zázorěí agregace a desagregace síťových grafů Agregace a desagregace síťového grafu umožňuje použtí metody rtcé cesty s výhodou v herarchcé strutuře řízeí. Je to taé jede z hlavích důvodů jejího využíváí př pláováí a řízeí realzace složtých úolů, především rozsáhlých projetů s počtem čostí až do ěola desettsíců. Metoda rtcé cesty je vša s úspěchem používáa pro evelé projety, ve terých vystupuje pouze ěol desíte čostí.

Přednáška č. 2 náhodné veličiny

Přednáška č. 2 náhodné veličiny Předáša č. áhodé velčy Pozámy záladím pojmům z počtu pravděpodobost Pozáma 1: Př výpočtu pravděpodobost áhodého jevu dle lascé defce je uté věovat pozorost způsobu formulace vybraého jevu. V ásledující

Více

Digitální učební materiál

Digitální učební materiál Dgtálí učebí materál Číslo projetu CZ..07/.5.00/34.080 Název projetu Zvaltěí výuy prostředctvím ICT Číslo a ázev šabloy líčové atvty III/ Iovace a zvaltěí výuy prostředctvím ICT Příjemce podpory Gymázum,

Více

Doc. Ing. Dagmar Blatná, CSc.

Doc. Ing. Dagmar Blatná, CSc. PRAVDĚPODOBNOST A STATISTIKA Doc. Ig. Dagmar Blatá, CSc. Statsta statstcé údaje o hromadých jevech čost, terá vede zísáí statstcých údajů a jejch zpracováí teore statsty - věda o stavu, vztazích a vývoj

Více

2. TEORIE PRAVDĚPODOBNOSTI

2. TEORIE PRAVDĚPODOBNOSTI . TEORIE PRAVDĚPODOBNOSTI V prax se můžeme setat s dvojím typem procesů. Jeda jsou to procesy determstcé, u terých platí, že př dodržeí orétích vstupích podmíe obdržíme přesý, předem zámý výslede (te můžeme

Více

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D. Odhady parametrů základího souboru Ig. Mchal Dorda, Ph.D. Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl σ atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt

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

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA SP esty dobré shody PRAVDĚPODOBNOS A SAISIKA Lbor Žá SP esty dobré shody Lbor Žá Přpomeutí - estováí hypotéz o rozděleí Ch-vadrát test Chí-vadrát testem terý e založe a tříděém statstcém souboru. SP esty

Více

12. N á h o d n ý v ý b ě r

12. N á h o d n ý v ý b ě r 12. N á h o d ý v ý b ě r Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých

Více

Lineární regrese ( ) 2

Lineární regrese ( ) 2 Leárí regrese Častým úolem je staoveí vzájemé závslost dvou (č více) fzálích velč a její matematcé vjádřeí. K tomuto účelu se používají růzé regresí metod, pomocí chž hledáme vhodou fuc f (), apromující

Více

2. Vícekriteriální a cílové programování

2. Vícekriteriální a cílové programování 2. Vícerterálí a cílové programováí Úlohy vícerterálího programováí jsou úlohy, ve terých se a možě přípustých řešeí optmalzuje ěol salárích rterálích fucí. Moža přípustých řešeí je přtom defováa podobě

Více

Odhady parametrů základního. Ing. Michal Dorda, Ph.D.

Odhady parametrů základního. Ing. Michal Dorda, Ph.D. Odhady parametrů základího souboru Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt celou populac, provádíme

Více

3. Charakteristiky a parametry náhodných veličin

3. Charakteristiky a parametry náhodných veličin 3. Charateristiy a parametry áhodých veliči Úolem této apitoly je zavést pomocý aparát, terým budeme dále popisovat pomocí jedoduchých prostředů áhodé veličiy. Taovýmto aparátem jsou tzv. parametry ebo

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

1 Popis statistických dat. 1.1 Popis nominálních a ordinálních znaků

1 Popis statistických dat. 1.1 Popis nominálních a ordinálních znaků 1 Pops statstcých dat 1.1 Pops omálích a ordálích zaů K zobrazeí rozděleí hodot omálích ebo ordálích zaů lze použít tabulu ebo graf rozděleí četostí. Tuto formu zobrazeí lze dooce použít pro číselé zay,

Více

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i : ometové míry polohy zahrují růzé druhy průměrů pomocí kterých můžeme charakterzovat cetrálí tedec dat ometové míry polohy jsou jedoduché číselé charakterstky které se vyčíslují ze všech prvků výběru

Více

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a)

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a) Předáša 7 Derivace a difereciály vyšších řádů Budeme poračovat v ahrazováí fuce f(x v oolí bodu a polyomy, tj hledat vhodé ostaty c ta, aby bylo pro malá x a f(x c 0 + c 1 (x a + c 2 (x a 2 + c 3 (x a

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

a další charakteristikou je četnost výběrového souboru n.

a další charakteristikou je četnost výběrového souboru n. Předáška č. 8 Testováí rozptylu, testy relatví četost, testy dobré shody, test ezávslost kvaltatvích zaků Testy rozptylu Testy se používají k ověřeí hypotézy o určté velkost rozptylu a k ověřeí vztahu

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

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

Pro orientaci v této problematice jsme se seznámili s nkolika novými pojmy:

Pro orientaci v této problematice jsme se seznámili s nkolika novými pojmy: Ig. Marta Ltschmaová Statsta I., cveí 8 LIMITNÍ VTY Lmtí vty jsou tvrzeí, terá jsou dležtá pro pops pravdpodobostích model v pípad rostoucího potu áhodých pous.. ro oretac v této problematce jsme se sezáml

Více

Markovovy řetězce s diskrétním časem (Discrete Time Markov Chain)

Markovovy řetězce s diskrétním časem (Discrete Time Markov Chain) Stochastcé rocesy Marovovy řetězce s dsrétím časem (Dscrete Tme Marov Cha) Stochastcý roces Stochastcým rocesem {X(t), tr} je moža áhodých velč X(t) závslých a jedom arametru t. Stavový rostor : moža možých

Více

8. Zákony velkých čísel

8. Zákony velkých čísel 8 Zákoy velkých čísel V této část budeme studovat velm často užívaá tvrzeí o součtech posloupost áhodých velč Nedříve budeme vyšetřovat tvrzeí azývaá souhrě ako slabé zákoy velkých čísel Veškeré úvahy

Více

3. Charakteristiky a parametry náhodných veličin

3. Charakteristiky a parametry náhodných veličin 3. Charatersty a parametry áhodýh velč Úolem této aptoly je zavést pomoý aparát, terým budeme dále popsovat pomoí jedoduhýh prostředů áhodé velčy. Taovýmto aparátem jsou tzv. parametry ebo haratersty áhodé

Více

NEPARAMETRICKÉ METODY

NEPARAMETRICKÉ METODY NEPARAMETRICKÉ METODY Jsou to metody, dy předmětem testu hypotézy eí tvrzeí o hodotě parametru ějaého orétího rozděleí, ale ulová hypotéza je formulováa obecěji, apř. jao shoda rozděleí ebo ezávislost

Více

Téma 1: Pravděpodobnost

Téma 1: Pravděpodobnost ravděpodobot Téma : ravděpodobot ředáša - ravděpodobot áhodého evu Náhodý pou a áhodý ev Náhodý pou - aždá čot, eíž výlede eí edozačě urče podmíam, za terých probíhá apř hod otou, měřeí dély, běh a 00

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

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

[ 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

Mendelova univerzita v Brně Statistika projekt

Mendelova univerzita v Brně Statistika projekt Medelova uverzta v Brě Statstka projekt Vypracoval: Marek Hučík Obsah 1. Úvod... 3. Skupové tříděí... 3 o Data:... 3 o Počet hodot:... 3 o Varačí rozpětí:... 3 o Počet tříd:... 4 o Šířka tervalu:... 4

Více

8.1.2 Vzorec pro n-tý člen

8.1.2 Vzorec pro n-tý člen 8 Vzorec pro -tý čle Předpolady: 80 Pedagogicá pozáma: Přílady a hledáí dalších čleů posloupostí a a objevováí vzorců pro -tý čle do začé míry odpovídají typicým příladům z IQ testů, teré studeti zají

Více

Statistická rozdělení

Statistická rozdělení Úvod Statstcá rozděleí Václav Adamec vadamec@medelu.cz Náhodá proměá: matematcá velča, jejíž hodot osclují. Produt áhodého procesu lze charaterzovat fucí Hodot proměé v oboru přípustých hodot Rozděleí

Více

Odhady parametrů 1. Odhady parametrů

Odhady parametrů 1. Odhady parametrů Odhady parametrů 1 Odhady parametrů Na statistický soubor (x 1,..., x, který dostaeme statistickým šetřeím, se můžeme dívat jako a výběrový soubor získaý realizací áhodého výběru z áhodé veličiy X. Obdobě:

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

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA SP Záko velkých čísel, cetrálí lmtí věta PRAVDĚPODOBNOST A STATISTIKA Lbor Žák SP Záko velkých čísel, cetrálí lmtí věta Lbor Žák Kovergece podle pravděpodobost Posloupost áhodých proměých,,,, koverguje

Více

Spolehlivost a diagnostika

Spolehlivost a diagnostika Spolehlvost a dagostka Složté systémy a jejch spolehlvost: Co je spolehlvost? Vlv spolehlvost kompoetů systému Návrh systému z hledska spolehlvost Aplkace - žvotě důležté systémy - vojeské aplkace Teore

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru SP Náhodý vetor ezávislost fuce NV PRAVDĚPODONOST A STATISTIKA Náhodý vetor ezávislost fuce áhodého vetoru Libor Žá Náhodý vetor stochasticá ezávislost Náhodé veličiy... defiovaé a ravděodobostím rostoru

Více

8.1.2 Vzorec pro n-tý člen

8.1.2 Vzorec pro n-tý člen 8.. Vzorec pro -tý čle Předpolady: 80 Pedagogicá pozáma: Myslím, že jde o jedu z velmi pěých hodi. Přílady a hledáí dalších čleů posloupostí a a objevováí vzorců pro -tý čle do začé míry odpovídají typicým

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

Náhoda. Pravděpodobnost výhry při sázce na barvu: p = 18/37 = 0,486 Průměrný zisk při n sázkách částky č: - n.č + 2.č.n.p = n.č.

Náhoda. Pravděpodobnost výhry při sázce na barvu: p = 18/37 = 0,486 Průměrný zisk při n sázkách částky č: - n.č + 2.č.n.p = n.č. Náhoda při i hřeh Martigale: Vsadíšřeěme dolar a barvu, terou si vybereš (červeáči čerá) a budeš stále sázet je a i. Roztočíš ruletu a čeáš Poud prohraješ, zdvojásobíš sázu, taže vsadíš příště dolary.

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

Náhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů.

Náhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů. Náhodu bychom mohli defiovat jako součet velkého počtu drobých epozaých vlivů. V rámci přírodích věd se setkáváme s pokusy typu za určitých podmíek vždy astae určitý důsledek. Např. jestliže za ormálího

Více

V. Normální rozdělení

V. Normální rozdělení V. Normálí rozděleí 1. Náhodá veličia X má ormovaé ormálí rozděleí N(0; 1). Určete: a) P (X < 1, 5); P (X > 0, 3); P ( 1, 135 < x ); P (X < 3X + ). c) číslo ε takové, že P ( X < ε) = 0,

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor SP Náhodý vektor PRAVDĚPODOBNOS A SAISIKA Náhodý vektor SP Náhodý vektor Náhodý vektor Náhodý vektor slouží k popsu výsledku pokusu kdy měříme více údaů o procesu. Před provedeím pokusu eho výsledek a

Více

Testování statistických hypotéz

Testování statistických hypotéz Testováí statstckých hypotéz - Testováí hypotéz je postup, sloužící k ověřeí předpokladů o ZS (hypotéz a základě výběrových dat (tj. hodot z výběrového souboru. - ypotéza = určtý předpoklad o základím

Více

Soustava momentů. k s. Je-li tedy ve vzorci obecného momentu s = 1, získáme vzorec aritmetického průměru.

Soustava momentů. k s. Je-li tedy ve vzorci obecného momentu s = 1, získáme vzorec aritmetického průměru. Soutava mometů Momety (Obecé, cetrálí a ormovaé) Do ytému mometových charatert patří ty ejdůležtější artmetcý průměr (mometová míra úrově) a rozptyl (mometová úroveň varablty). Obecý momet -tého tupě:

Více

S k l á d á n í s i l

S k l á d á n í s i l S l á d á í s i l Ú o l : Všetřovat rovováhu tří sil, působících a tuhé těleso v jedom bodě. P o t ř e b : Viz sezam v desách u úloh a pracovím stole. Obecá část: Při sládáí soustav ěolia sil působících

Více

7 LIMITNÍ VĚTY. Čas ke studiu kapitoly: 70 minut. Cíl:

7 LIMITNÍ VĚTY. Čas ke studiu kapitoly: 70 minut. Cíl: 7 LIMITNÍ VĚTY Čas ke studu kaptoly: 70 mut Cíl: o prostudováí tohoto odstavce budete umět formulovat a používat lmtí věty aproxmovat já rozděleí rozděleím ormálím - 96 - Výklad: V této kaptole adefujeme

Více

TOKY V GRAFU MAXIMÁLNÍ TOK SÍTÍ, MINIMALIZACE NÁKLADŮ SPOJENÝCH S DANOU HODNOTOU TOKU, FIXNÍ NÁKLADY, PŘEPRAVNÍ (TRANSHIPMENT) PROBLÉM.

TOKY V GRAFU MAXIMÁLNÍ TOK SÍTÍ, MINIMALIZACE NÁKLADŮ SPOJENÝCH S DANOU HODNOTOU TOKU, FIXNÍ NÁKLADY, PŘEPRAVNÍ (TRANSHIPMENT) PROBLÉM. TOKY V GRAFU MAXIMÁLNÍ TOK SÍTÍ, MINIMALIZACE NÁKLADŮ SPOJENÝCH S DANOU HODNOTOU TOKU, FIXNÍ NÁKLADY, PŘEPRAVNÍ (TRANSHIPMENT) PROBLÉM. Graf je útvar, terý je možo zázorit obrázem v roviě pomocí bodů (uzly

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOT A TATITIKA Přpomeutí pojmů,, P m θ, R θ R - pravděpodobostí prostor - parametrcký prostor - parametrcká fukce,, T - áhodý vektor defovaý a pravděpodobostím prostoru,, P θ s hustotou f x,

Více

5. Lineární diferenciální rovnice n-tého řádu

5. Lineární diferenciální rovnice n-tého řádu 5 3.3.8 8:44 Josef Herdla lieárí difereciálí rovice -tého řádu 5. Lieárí difereciálí rovice -tého řádu (rovice s ostatími oeficiety) ( ), a,, a (5.) ( ) ( ) y a y a y ay q L[ y] y a y a y a y, q je spojitá

Více

jako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých

jako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých 9 Limití věty. V aplikacích teorie pravděpodobosti (matematická statistika, metody Mote Carlo se užívají tvrzeí vět o kovergeci posloupostí áhodých veliči. Podle povahy kovergece se limití věty teorie

Více

2. Znát definici kombinačního čísla a základní vlastnosti kombinačních čísel. Ovládat jednoduché operace s kombinačními čísly.

2. Znát definici kombinačního čísla a základní vlastnosti kombinačních čísel. Ovládat jednoduché operace s kombinačními čísly. 0. KOMBINATORIKA, PRAVDĚPODOBNOST, STATISTIKA Dovedosti :. Chápat pojem faktoriál a ovládat operace s faktoriály.. Zát defiici kombiačího čísla a základí vlastosti kombiačích čísel. Ovládat jedoduché operace

Více

k(k + 1) = A k + B. s n = n 1 n + 1 = = 3. = ln 2 + ln. 2 + ln

k(k + 1) = A k + B. s n = n 1 n + 1 = = 3. = ln 2 + ln. 2 + ln Číselé řady - řešeé přílady ČÍSELNÉ ŘADY - řešeé přílady A. Součty řad Vzorové přílady:.. Přílad. Určete součet řady + = + 6 + +.... Řešeí: Rozladem -tého čleu řady a parciálí zlomy dostáváme + = + ) =

Více

6. KOMBINATORIKA 181. 6.1. Základní pojmy 181 6.1.1. Počítání s faktoriály a kombinačními čísly 182. 6.2. Variace 184. 6.3.

6. KOMBINATORIKA 181. 6.1. Základní pojmy 181 6.1.1. Počítání s faktoriály a kombinačními čísly 182. 6.2. Variace 184. 6.3. Zálady matematiy Kombiatoria. KOMBINATORIKA 8.. Záladí pojmy 8... Počítáí s fatoriály a ombiačími čísly 8.. Variace 8.. Permutace 85.. Kombiace 87.5. Biomicá věta 89 Úlohy samostatému řešeí 9 Výsledy úloh

Více

10.2.3 VÁŽENÝ ARITMETICKÝ PRŮMĚR S REÁLNÝMI VAHAMI

10.2.3 VÁŽENÝ ARITMETICKÝ PRŮMĚR S REÁLNÝMI VAHAMI Středí hodoty Artmetcý průměr vážeý Aleš Drobí straa 0 VÁŽENÝ ARITMETICKÝ PRŮMĚR S REÁLNÝMI VAHAMI Zatím jsme počítal s tím, že četost ve vztahu pro vážeý artmetcý průměr byla přrozeá čísla Četost mohou

Více

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz:

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz: Ig. Marta Ltschmaová Statstka I., cvčeí 1 TESTOVÁNÍ NEPARAMETRICKÝCH HYPOTÉZ Dosud jsme se zabýval testováím parametrcký hypotéz, což jsou hypotézy o parametrech rozděleí (populace). Statstckým hypotézám

Více

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti.

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti. 10 Cvičeí 10 Statistický soubor. Náhodý výběr a výběrové statistiky aritmetický průměr, geometrický průměr, výběrový rozptyl,...). Bodové odhady parametrů. Itervalové odhady parametrů. Jedostraé a oboustraé

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor SP Náhodý vektor PRAVDĚPODOBNOS A SAISIKA Náhodý vektor Lbor Žák SP Náhodý vektor Lbor Žák Náhodý vektor Náhodý vektor slouží k popsu výsledku pokusu kdy měříme více údaů o procesu. Před provedeím pokusu

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

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

OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN

OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN Úloha obchodího cestujícího OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN Nejprve k pojmům používaým v okružích a rozvozích úlohách: HAMILTONŮV CYKLUS je typ cesty,

Více

2. Náhodná veličina. je konečná nebo spočetná množina;

2. Náhodná veličina. je konečná nebo spočetná množina; . Náhodá veličia Většia áhodých pokusů koaých v přírodích ebo společeských vědách má iterpretaci pomocí reálé hodoty. Při takovýchto dějích přiřazujeme tedy reálá čísla áhodým jevům. Proto je důležité

Více

Komplexní čísla. Definice komplexních čísel

Komplexní čísla. Definice komplexních čísel Komplexí čísla Defiice komplexích čísel Komplexí číslo můžeme adefiovat jako uspořádaou dvojici reálých čísel [a, b], u kterých defiujeme operace sčítáí, ásobeí, apod. Stadardě se komplexí čísla zapisují

Více

Intervalové odhady parametrů některých rozdělení.

Intervalové odhady parametrů některých rozdělení. 4. Itervalové odhady parametrů rozděleí. Jedou ze základích úloh mtematické statistiky je staoveí hodot parametrů rozděleí, ze kterého máme k dispozici áhodý výběr. Nejčastěji hledáme odhady dvou druhů:

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

VY_52_INOVACE_J 05 01

VY_52_INOVACE_J 05 01 Název a adresa školy: Středí škola průmyslová a umělecká, Opava, příspěvková orgazace, Praskova 399/8, Opava, 74601 Název operačího programu: OP Vzděláváí pro kokureceschopost, oblast podpory 1.5 Regstračí

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

3. část: Teorie hromadné obsluhy. Ing. Michal Dorda, Ph.D.

3. část: Teorie hromadné obsluhy. Ing. Michal Dorda, Ph.D. 3. část: Teorie hromadé obsluhy Ig. Michal Dorda, h.d. Zálady teorie pravděpodobosti Náhodý pous je děj, jehož výslede eí ai při dodržeí všech předepsaých podmíe předem zám. Náhodý jev je výsledem áhodého

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru SP Náhodý vetor ezávislost fuce NV PRAVDĚPODONOST A STATISTIKA Náhodý vetor ezávislost fuce áhodého vetoru Libor Žá Náhodý vetor stochasticá ezávislost Náhodé veličiy... defiovaé a ravděodobostím rostoru

Více

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 4. KAPITOLA STATISTICKÉ CHARAKTERISTIKY 16.10.2017 23.10.2017 Přehled témat 1. Pravděpodobost (defiice, využití, výpočet pravděpodobostí

Více

SP2 Korelační analýza. Korelační analýza. Libor Žák

SP2 Korelační analýza. Korelační analýza. Libor Žák Korelačí aalýza Přpomeutí pojmů áhodá proměá áhodý vetor áhodý vetor Náhodý výběr: pro áhodou proměou : pro áhodý vetor : pro áhodý vetor : Přpomeutí pojmů - ovarace Kovarace áhodých proměých ovaračí oefcet

Více

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna. 6 Itervalové odhady parametrů základího souboru V předchozích kapitolách jsme se zabývali ejprve základím zpracováím experimetálích dat: grafické zobrazeí dat, výpočty výběrových charakteristik kapitola

Více

1 PSE Definice základních pojmů. (ω je elementární jev: A ω (A ω) nebo (A );

1 PSE Definice základních pojmů. (ω je elementární jev: A ω (A ω) nebo (A ); 1 PSE 1 Náhodý pokus, áhodý jev. Operace s jevy. Defiice pravděpodobosti jevu, vlastosti ppsti. Klasická defiice pravděpodobosti a její použití, základí kombiatorické vzorce. 1.1 Teoretická část 1.1.1

Více

9 Kombinatorika, teorie pravděpodobnosti a matematická statistika

9 Kombinatorika, teorie pravděpodobnosti a matematická statistika 9 Kombatora, teore pravděpodobost a matematcá statsta Te, do argumetue průměrým platem, e s velou pravděpodobostí vysoce adprůměrý vůl s hluboce podprůměrým vzděláím (Mloslav Drucmüller) 9. Kombatora Kombatora

Více

Chyby přímých měření. Úvod

Chyby přímých měření. Úvod Chyby přímých měřeí Úvod Př zjšťováí velkost sledovaé velčy dochází k růzým chybám, které ovlvňují celkový výsledek. V pra eestuje žádá metoda měřeí a měřcí zařízeí, které by bylo absolutě přesé, což zameá,

Více

STATISTIKA. Základní pojmy

STATISTIKA. Základní pojmy Statistia /7 STATISTIKA Záladí pojmy Statisticý soubor oečá eprázdá možia M zoumaých objetů schromážděých a záladě toho, že mají jisté společé vlastosti záladí statisticý soubor soubor všech v daé situaci

Více

Při sledování a studiu vlastností náhodných výsledků poznáme charakter. podmínek různé výsledky. Ty odpovídají hodnotám jednotlivých realizací

Při sledování a studiu vlastností náhodných výsledků poznáme charakter. podmínek různé výsledky. Ty odpovídají hodnotám jednotlivých realizací 3. Náhodý výběr Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých realizací

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

P1: Úvod do experimentálních metod

P1: Úvod do experimentálních metod P1: Úvod do epermetálích metod Chyby a ejstoty měřeí - Každé měřeí je zatížeo určtou epřesostí, která je způsobea ejrůzějším egatvím vlvy, vyskytujícím se v procesu měřeí. - Výsledek měřeí se díky tomu

Více

4. KRUHOVÁ KONVOLUCE, RYCHLÁ FOURIEROVA TRANSFORMACE (FFT) A SPEKTRÁLNÍ ANALÝZA SIGNÁLŮ

4. KRUHOVÁ KONVOLUCE, RYCHLÁ FOURIEROVA TRANSFORMACE (FFT) A SPEKTRÁLNÍ ANALÝZA SIGNÁLŮ 4. KRUHOVÁ KOVOLUCE, RYCHLÁ FOURIEROVA TRASFORMACE FFT A SEKTRÁLÍ AALÝZA SIGÁLŮ Kruová cylcá ovoluce Ryclá Fourerova trasformace Aplace DFT a aalogové sgály, frevečí aalýza perodcýc aalogovýc sgálů s využtím

Více

Výstup a n. Vstup. obrázek 1: Blokové schéma a graf paralelní soustavy

Výstup a n. Vstup. obrázek 1: Blokové schéma a graf paralelní soustavy Paralelí soustava Vstup a a Výstup a Vstup a Výstup a a obrázek : Blokové schéma a graf paralelí soustavy paralelí soustava je v bezporuchovém stavu je-l v bezporuchovém stavu prvek (tzv. adbytečé spojeí

Více

Náhodný výběr 1. Náhodný výběr

Náhodný výběr 1. Náhodný výběr Náhodý výběr 1 Náhodý výběr Matematická statistika poskytuje metody pro popis veliči áhodého charakteru pomocí jejich pozorovaých hodot, přesěji řečeo jde o určeí důležitých vlastostí rozděleí pravděpodobosti

Více

Mezní stavy konstrukcí a jejich porušov. Hru IV. Milan RůžR. zbynek.hruby.

Mezní stavy konstrukcí a jejich porušov. Hru IV. Milan RůžR. zbynek.hruby. ováí - Hru IV /6 ováí Hru IV Mila RůžR ůžička, Josef Jureka,, Zbyěk k Hrubý zbyek.hruby hruby@fs.cvut.cz ováí - Hru IV /6 ravděpodobostí úavové diagramy s uvažováím předpětí R - plocha ve čtyřrozměrém

Více

Národní informační středisko pro podporu kvality

Národní informační středisko pro podporu kvality Národí iformačí střediso pro podporu vality Problémy s uazateli způsobilosti a výoosti v praxi Dr.Jiří Michále, CSc. Ústav teorie iformace a automatizace AVČR Uazatel způsobilosti C p Předpolady: ormálí

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

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

10.2 VÁŽENÝ ARITMETICKÝ PRŮMĚR

10.2 VÁŽENÝ ARITMETICKÝ PRŮMĚR Středí hodoty Artmetcý průměr vážeý ze tříděí Aleš Drobí straa 0 VÁŽENÝ ARITMETICKÝ PRŮMĚR Výzam a užtí vážeého artmetcého průměru uážeme a ásledujících příladech Přílad 0 Ve frmě Gama Blatá máme soubor

Více

3. cvičení 4ST201 - řešení

3. cvičení 4ST201 - řešení cvčící Ig. Jaa Feclová 3. cvčeí 4ST0 - řešeí Obah: Míry varablty Rozptyl Směrodatá odchyla Varačí oefcet Rozlad rozptylu a mezupovou a vtroupovou varabltu Změa rozptylu Vyoá šola eoomcá VŠE urz 4ST0 Míry

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

DISKRÉTNÍ MATEMATIKA II

DISKRÉTNÍ MATEMATIKA II Faulta pedagogcá Techcá uverzta v Lberc DISKRÉTNÍ MATEMATIKA II Doc. RNDr. Mroslav Koucý CSc. Lberec 4 Úvod Dsrétí ateata resp. její zálady patří jž tradčě ez stadardí téata předášeá a Techcé uverztě v

Více

S1P Popisná statistika. Popisná statistika. Libor Žák

S1P Popisná statistika. Popisná statistika. Libor Žák SP Popsá statstka Popsá statstka Lbor Žák SP Popsá statstka Lbor Žák Základí zdroje : skrpta Mateatka IV - doc. RNDr. Z. Karpíšek, CSc. ateatka o le - http://athole.fe.vutbr.cz/ Základ ateatcké statstk

Více

Cvičení 6.: Výpočet střední hodnoty a rozptylu, bodové a intervalové odhady střední hodnoty a rozptylu

Cvičení 6.: Výpočet střední hodnoty a rozptylu, bodové a intervalové odhady střední hodnoty a rozptylu Cvičeí 6: Výpočet středí hodoty a rozptylu, bodové a itervalové odhady středí hodoty a rozptylu Příklad 1: Postupě se zkouší spolehlivost čtyř přístrojů Další se zkouší je tehdy, když předchozí je spolehlivý

Více

!!! V uvedených vzorcích se vyskytují čísla n a k tato čísla musí být z oboru čísel přirozených.

!!! V uvedených vzorcích se vyskytují čísla n a k tato čísla musí být z oboru čísel přirozených. Kombiatoria Kombiatoria část matematiy, terá se zabývá růzými číselými "ombiacemi". Využití - apř při hledáí počtu možých tipů ve sportce ebo jiých soutěžích hrách, v chemii při spojováí moleul... Záladím

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

7 LIMITNÍ VTY. as ke studiu kapitoly: 70 minut. Cíl:

7 LIMITNÍ VTY. as ke studiu kapitoly: 70 minut. Cíl: 7 LIMITNÍ VTY as e studu aptoly: 70 mut Cíl: o prostudováí tohoto odstavce budete umt formulovat a používat lmtí vty aproxmovat já rozdleí rozdleím ormálím - 90 - Výlad: V této aptole adefujeme tvrzeí

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOST A STATISTIKA Bodové a itervalové odhady Nechť X je áhodá proměá, která má distribučí fukci F(x, ϑ). Předpokládejme, že záme tvar distribučí fukce (víme jaké má rozděleí) a ezáme parametr

Více

Správnost vztahu plyne z věty o rovnosti úhlů s rameny na sebe kolmými (obr. 13).

Správnost vztahu plyne z věty o rovnosti úhlů s rameny na sebe kolmými (obr. 13). 37 Metrické vlastosti lieárích útvarů v E 3 Výklad Mějme v E 3 přímky p se směrovým vektorem u a q se směrovým vektorem v Zvolme libovolý bod M a veďme jím přímky p se směrovým vektorem u a q se směrovým

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

Statistika pro metrologii

Statistika pro metrologii Statistika pro metrologii T. Rössler Teto projekt je spolufiacová Evropským sociálím fodem a státím rozpočtem České republiky v rámci projektu Vzděláváí výzkumých pracovíků v Regioálím cetru pokročilých

Více