III. METODY MĚŘENÍ A ZPRACOVÁNÍ MĚŘENÍ

Rozměr: px
Začít zobrazení ze stránky:

Download "III. METODY MĚŘENÍ A ZPRACOVÁNÍ MĚŘENÍ"

Transkript

1 III. METODY MĚŘENÍ A ZPRACOVÁNÍ MĚŘENÍ Způsob, jímž se provádí fzkálí měřeí, závsí jedak a povaze měřeé velč, jedak a tom, ze kterých vztahů pro měřeou velču vjdeme a jakých přístrojů použjeme. Všech měřcí metod se dělí a:. absolutí měřcí metod,. srovávací měřcí metod. ad ) Absolutí měřcí metod vcházejí z defce měřeé velč, která se určí výpočtem ze zámých základích fzkálích velč. Používají se k měřeí základích velč. ad ) Hodota měřeé velč se srovává se zámou hodotou velč téhož druhu ebo velč jého druhu, jež je zámou fukcí měřeé velč. Sem patří všech měřcí metod kromě metod absolutích. Srovávací metod dále dělíme a výchlkové, ulové, kocdečí a specálí. Podle způsobu určeí měřeé velč lze měřeí rozdělt a: měřeí přímá - hodotu měřeé velč získáváme přímo, až b blo uto dodatečě provádět výpočt založeé a fukčí závslost daé velč a jých zámých velčách; apř. určeí velkost proudu z údaje ampérmetru, měřeí epřímá - hodota měřeé velč se určuje pomocí přímých měřeí velč jého druhu, které jsou s měřeou velčou vázá zámým vztah; apř. měřeí odporu pomocí Ohmova zákoa, měřeí kombačí - hodot určtého počtu měřeých velč staovíme z růzých kombací výsledků měřeí přímých ebo epřímých řešeím soustav rovc; apř. měřeí teplotích součtelů odporů. V dalším popíšeme dvě měřcí metod, používaé př měřeí úloh uvedeých v těchto skrptech.. METODY MĚŘENÍ a) Metoda kompezačí Podstatou metod je, že měřeou velču kompezujeme (vrováváme) velčou téhož druhu, stejé a zámé velkost, ale opačého zaméka tak, ab se oba účk vroval a astala rovováha. Metoda bývá velm často uspořádáa tak, že po vkompezováí měřcí přístroj ukazuje ulovou výchlku. Má to tu výhodu, že emusíme zát příslušé hodot a stupc přístroje a ezáleží a přesost stupce. Stačí, kdž přístroj dost přesě ukazuje ulovou polohu. Takovou metodou je vlastě vážeí a aaltckých vahách, kd slový momet tělesa kompezujeme mometem závaží, kompezačí metoda měřeí elektromotorckého apětí a mohé další. b) Metoda omezovací Pro měřeí času u perodckých dějů, které se opakují ve velkém počtu a pro ěž je jeda peroda delší ež dvojásobek odhadu chb jedoho měřeí, můžeme použít omezovací metodu, kterou lze za uvedeých předpokladů dosáhout lbovolé relatví přesost. Postup vložíme a příkladu měřeí dob kvu reverzího kvadla.

2 Změříme stopkam apř. dobu deset kvů: 0 τ, s. Víme-l teď, že tato doba je zaručea uvtř mezí ± 0, s (což je přesost jedoho měřeí stopkam), můžeme zapsat:,0 s < 0 τ <,4 s. Pro 0 kvů bude ted 4,0 s < 0 τ < 4,8 s. Tto meze jsou užší, ež doba jedoho kvu. Stačí ted spustt stopk a začátku lbovolého kvu a bez počítáí kvů je zastavt př ukočeí kvu po 4,0 sekudách. Na stopkách přečteme hodotu, apř. 4,4 s. Tím se zúží meze pro 0 kvů a bude 4, s < 0 τ < 4,6 s. Z toho pak pro 50 kvů 60,5 s < 50 τ < 6,5 s. Rozdíl mezí je opět meší ež doba jedoho kvu, takže zastaveím stopek po 60,5 sekudách dostaeme zase přesější určeí dob 50 kvů. Určl jsme 6, s. Tím se zúží meze pro 50 kvů a bude 6,0 s < 50 τ < 6,4 s. Pro 00 kvů bude ted,0 s < 00 τ <,8 s. Rozdíl mezí je opět meší ež doba jedoho kvu, stačí ted spustt stopk a začátku lbovolého kvu a bez počítáí kvů je zastavt př ukočeí kvu po,0 sekudách. Ukočíme-l teď měřeí, je údaj 00 τ,4 s zaruče uvtř mezí ± 0, s:, s < 00 τ <,6 s. Z toho pro dobu jedoho kvu platí:, s < τ <,6 s, ebol τ (,4 ± 0,00) s. Výhodou metod je, že můžeme určt dobu velkého počtu opakovaých dějů bez jejch přesého počítáí. Podstatou podmíkou použtí této metod ovšem je, abchom voll je takový ásobek, ab rozdíl mezí ásobku bl meší ež velkost měřeého tervalu.. METODY ZPRACOVÁNÍ MĚŘENÍ a) Iterpolace je početí postup, kterým můžeme určt velkost měřeé velč, odpovídající daé výchlce měřcího přístroje, zjstíme-l dvě výchlk,, odpovídající dvěma zámým hodotám, téže velč tak, ab platlo < <. V malém rozmezí výchlek lze závslost výchlk a měřeé velčě pokládat za leárí a musí ted platt: a + b, a + b () a tak a + b. () 3

3 Vloučeím kostat a, b obdržíme pro velkost měřeé velč terpolačí vztah: + ( ). (3) Teto postup se azývá leárí terpolace a je zázorě a obr.. Leárí terpolac budeme používat př vážeí a tlumeých aaltckých vahách. Protože je pracé vvážt předmět závažím přesě do výchlk ezatížeých vah ( ), vvážíme předmět ějakým závažím ( ) do výchlk a stupc ( ) a přdáme (ebo ubereme) malý přívažek ( ) tak, ab ové závaží ( ± ) způsoblo výchlku ( ) a druhé straě stupce. Hmotost vážeého předmětu (závaží, odpovídající výchlce ) určíme pak terpolací ze vztahu (3). Další terpolačí metodou, kterou budeme používat, je terpolace grafcká. Zjšťujeme závslost výchlk měřcího přístroje (ebo odpovídající fzkálí velč) a měřeé velčě pro řadu zámých hodot měřeé velč. Tuto závslost (emusí být leárí!) veseme do grafu a bod proložíme křvkou. Velkost měřeé velč odpovídající zjštěé výchlce potom odečítáme z grafu. Nutou podmíkou je dodržeí zásad pro kostrukc grafu (vz čláek 3, kaptola III). b) Metoda skupová Patří mez metod, jmž provádíme vrováí aměřeých hodot. Obvkle se používá ke staoveí parametrů, obsažeých ve fukčí závslost dvou měřeých velč. Dosadíme aměřeé hodot obou velč do předpokládaého vztahu. Vzklé rovce rozdělíme a tolk skup, kolk je ezámých parametrů. V každé skupě sečteme všech rovce a vdělíme jejch počtem. Obdržíme soustavu tolka rovc, kolk parametrů hledáme a jejím řešeím dostaeme přblžě hodot hledaých parametrů. Postup ukážeme a příkladu leárí fukce. Máme dvojc aměřeých hodot velč, a víme, že ebude obecě platt současě všech rovc a + b,,,...,. (4) Dvojce odpovídajících aměřeých hodot, seřadíme podle velkost velč a rozdělíme a dvě skup I a II o I a II měřeích,,,..., I ; I +,..., I + II, pro sudé je I II, pro lché I II +. Sečteme rovce (4) v obou skupách a vdělíme jejch počtem. Ozačíme-l průměr aměřeých hodot v obou skupách: I I I ; ; ;, (5a) I II I II I II I + I II I + dostaeme pro přblžé hodot a 0, b 0 kostat a, b dvě rovce: I a0 I + b0 ; II a0 II + b0, (5b) jejchž řešeím obdržíme: a ; b II I I II II I 0 0 II I II I Obr. Leárí terpolace. (6) 4

4 Zbývá rozhodout otázku přesost určeí kostat a 0, b 0. Dosadíme je do odchlkových rovc a0 + b0 (7) a vpočteme středí kvadratcké chb jedoho měřeí v každé skupě s ( ) ( ) (I) (II) I ; sii I II. (8) Ab ejstota určeí kostat a 0, b 0 bla ejmeší, musí platt si sii. Nejsou-l tto hodot alespoň přblžě stejé, posueme rozhraí obou skup tak, ab pokud možo počet měřeí v I. skupě I a počet měřeí v II. skupě II bl v poměru příslušých směrodatých odchlek I : II s I : s II. Pro ejstot kostat a 0, b 0 můžeme pak odvodt vztah: u a0 s s + I II II I I II ; s s ub + 0 I II II I II I I II. (9) V případě, že v leárím vztahu dvou velč určujeme pouze jedu kostatu a 0 (b 0 0), stačí sečíst všech hodot závsle proměé a vdělt součtem všech hodot ezávsle proměé : a 0. (0) c) Metoda postupá Tato metoda je vhodá pro měřeí, která se vícekrát opakují a kde koečá hodota jedoho měřeí je počátečí hodotou měřeí ásledujícího. Její prcp spočívá v početím zpracováí aměřeých údajů. Používá se obecě v těch případech, kd měřeí postupuje po stejých hodotách měřeé velč a aměřeé hodot tvoří přblžě artmetckou posloupost. Tak je tomu u perodckých časových měřeí ebo př staoveí vlové délk stojatého vlěí v rezoátoru. Máme ted aměřeých hodot,,..., a velkost měřeé velč odpovídá rozdíl dvou po sobě jdoucích hodot a + -, kde,,..., -. Kdbchom za ejsprávější hodotu velč vzal artmetcký průměr hodot (jak to děláme v případě opakovaých měřeí), dostaeme hodotu průměru ( ) ( 3 )... ( ) + + +, () jež je ezávslá a všech ostatích aměřeých hodotách kromě prví a posledí. Přesější výsledek získáme, rozdělíme-l po sobě jdoucí aměřeé hodot a dvě polov (počet aměřeých hodot musí být ted sudý!) a utvoříme rozdíl prvích, druhých 5

5 až posledích měřeí v obou skupách. Je-l v každé polově m / hodot, udává každý z těchto rozdílů Y m + -,,,..., m m-ásobou hodotu měřeé velč. Zpracujeme-l teď velč Y statstck, dostaeme: m m ( Y Y) ;, () Y Y Y u m m m ( ) kde je stejoměrě vužto všech aměřeých hodot. Pro středí hodotu měřeé velč pak bude platt: Y ; u uy m m. (3) Protože ejstota velč (vz kap. IV), staoveá z průměru (), je řádově stejá jako u, Y lze postupou metodou staovt přesější výsledek měřeí, jak je patro ze vztahu (3). Uvedeý postup lustrujeme a příkladu měřeí vlové délk stojatého vlěí v rezoátoru (Tabulka č.) Tabulka č.. A B C 5+ Y λ 5 λ ( Y ) ( Y ) ( ) ( ) (cm) (cm) (cm) (cm) (cm) (cm) (cm) (cm) 4,3 53,6 49,3-0,04 0,6 0-9,5-0,3 9,6 0-3,8 63,5 49,7 0,36,96 0-9,9 0,09 0, ,7 73,3 49,6 0,6 6,76 0-0, 0,9 8, ,8 8,5 48,7-0,64 40,96 0-9,4 0,4 6, , 9,6 49,4 0,06 0,36 0-0,4 0,59 34, ,6 9,9 0,09 0, ,5 9,8-0,0 0, ,3 9, -0,6 37, ,5 0 9,6 0, 0,9 8,4 0-9 Σ 46,7 6, 0-88,3 6, Y 49,34 cm, u Y 0,75 cm λ 9,74 cm, u λ 0,07 cm λ 9,8 cm, u 0,3 cm λ 9,6 cm, u λ 0,6 cm 9,6 0,3 cm ( 9,74± 0,07) cm λ ( ± ) V část A tabulk jsou uvede aměřeé hodot; rozdíl po sobě jdoucích hodot odpovídá délce půlvl λ/. Naměřeé hodot jsou rozděle a dvě polov, zapsaé vedle sebe. V část B jsou tto hodot zpracová postupou metodou a v část C pro srováí postupem (vz rovce ()). 6

6 d) Zprostředkující měřeí - metoda ejmeších čtverců U těchto měřeí půjde o zjštěí ejpravděpodobějších hodot ěkolka fzkálích velč ebo kostat fzkálích zákoů, jejchž souvslost s měřeým velčam může být dáa růzým způsobem, a které vedle toho mají ěkd splňovat jsté podmík. Vjádříme-l souvslost mez měřeým a hledaým velčam matematckým vztahem a dosadíme-l do tohoto vztahu aměřeé hodot, dostaeme tzv. určující rovce. Počet určujících rovc je vžd větší ež počet ezámých, a protože měřeí je zatížeo ejstotam, eestují takové hodot hledaých velč, které b splňoval všech určující rovce současě. Hledáme proto ejpravděpodobější hodot staovovaých velč. Řešeí podobých úloh se azývá vrováváí měřeí a je založeo a metodě ejmeších čtverců. Prcp vrováí měřeí metodou ejmeších čtverců objasíme a ásledujícím příkladu: Provedl jsme měřeí velč a tak, že hodotě odpovídá hodota (,,..., ); ( může být apř. teplota a ěkterá velča, závslá a teplotě; pak začí hodotu, kterou dostaeme měřeím př daé teplotě ). Předpokládáme, že mez velčam a platí fukčí vztah a + b, (4) počet měřeí > a máme určt ejpravděpodobější hodot kostat a, b. Kdb př měřeí evzkal chb, platlo b pro jedou dvojc kostat a, b a pro všecha měřeí přesě a + b a všech bod (, ) b ležel a přímce daé rovcí (4). Ve skutečost platí a + b + ejstota. Bod (, ) jsou kolem přímk a + b rozptýle. Měřeí pak můžeme vjádřt rovcí a + b + u,,,...,, (5) kde u, u,..., u jsou ejstot měřeí, které považujeme za áhodé velč. Rovce (5) jsou určující rovce a úlohou je proložt bod (, ), (, ),..., (, ) přímku, tj. určt kostat a, b tak, ab přímka co ejlépe přléhala k emprckým bodům (, ). Kostat, které tuto podmíku splňují, ozačíme a *, b * a jejch určeí závsí a tom, jaké zvolíme krtérum pro "přléhavost přímk k bodům". * * Metoda ejmeších čtverců požaduje, ab součet čtverců rozdílů a b bl ejmeší: * * ( ) S a b. (6) Podmík etrému S S 0 0 (7) * * a b představují tzv. ormálí rovce, které po provedeí azačeých parcálích dervací a úpravě zapíšeme ve tvaru * * + * * + a b (8) a b 7

7 8 Řešeím rovc (8) dostaeme pro daý počet epermetálích bodů (, ) ejpravděpodobější hodot kostat a *, b * : Σ a b. (9) Velča S ve vztahu (6) se azývá chbový součet čtverců. Pomocí í vpočteme středí odchlku jedoho měřeí : p S s, (0) kde p představuje počet staovovaých velč (kostat), v ašem případě p. Výraz -p je počet stupňů volost. Pro stadardí ejstot kostat a, b, můžeme odvodt vztah: a s u, b s u. () Pozámka : Neí-l mez měřeým velčam leárí vztah, lze ěkd vhodou substtucí jejch souvslost "learzovat" a pak použít vrováí měřeí pro tto ové proměé, apř. : Y a log X + b, X log X Y a X + b ; Y a X + b, X X a X + b ; Y e ax + b, Y l Y Y a X + b ; apod. 3. GRAFICKÉ ZPRACOVÁNÍ VÝSLEDKŮ Grafcké zpracováí výsledků měřeí jedoduchým způsobem posktuje ázorou představu o provedeém měřeí závslost dvou fzkálích velč. Př měřeí závslost f () obdržíme bodů (, ), které slouží ke kostrukc grafu a svým rozložeím azačují průběh křvk. Často můžeme předpokládat plulý průběh jevu a tím spojtou změu parametrů fzkálí soustav. V pra však často pozorujeme př kostrukc grafu určtý rozptl bodů získaých měřeím. Proto každou závslost, která má zřejmě plulý průběh, zázoríme jedoduchou hladkou křvkou. Křvku evedeme přímo

8 aměřeým bod (výjmkou je korekčí křvka, která je tvořea lomeou čarou), ale mez bod tak, ab algebracký součet odchlek jedotlvých bodů od křvk bl rove 0. Pokud se stae, že jeda ebo více aměřeých hodot jsou zatíže chbou, která přesahuje možou ejstotu měřeí, a je-l v daém oboru vloučea áhlá změa průběhu sledovaé závslost, lze tto odchlk vsvětlt pouze hrubou chbou. Takové bod z grafu vecháme, případě, zjstíme-l hrubou chbu jž v průběhu měřeí, v těchto bodech měřeí opakujeme. Hlaví zásad grafckého zobrazeí.. K sestrojeí grafů použjte buď mlmetrový, logartmcký č semlogartmcký papír ebo vužjte možost počítačového zpracováí.. Pokud graf kreslíte tužkou, použjte pravítko a křvítko. Čár a křvk kd ekreslete od ruk! 3. Základem grafu jsou souřadé os. Na každou osu veste vhodě zvoleou rovoměrou stupc, zahrující rozsah aměřeých hodot. Měřítko volte takové, ab ejstota odečítáí z grafu bla meší, ež ejstota určeí zázorňovaé velč. Dílk stupc vzačte krátkým kolmým rskam, k mž přpojíte číselý údaj vě os. Os popšte smbol příslušých velč a jejch jedotkam. 4. Př kresleí grafu f () hodot ezávsle proměé vášejte zásadě a osu, hodot závsle proměé a osu. Souřadce bodů odpovídajících aměřeým hodotám a osách a v grafu evzačujte! 5. Zakreslete všech bod, z chž je graf kostruová, a to křížkem, kroužkem apod. Těmto bod pak proložte plulou křvku tak, ab procházela co ejblíže jedotlvých bodů. 6. Graf musí mít v záhlaví adps, vjadřující, jaká závslost je grafem zobrazea. 7. Zásad uvedeé v bodech 3 až 6 dodržujte v případě, že graf kostruujete a počítač. Vzorový graf je uvede a obr.. I (A) I f (U),0 0,8 0,6 0,4 0, 0, U (V) Obr.. Závslost proudu a apětí př regulac potecometrem (R Z ) 9

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

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

[ 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

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

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

, 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

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

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

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

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

Více

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

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

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

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

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

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

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

Úvod do zpracování měření

Úvod do zpracování měření Úvod do zpracováí měřeí Teore chb Opakujeme-l měřeí téže fzkálí velč za stejých podmíek ěkolkrát za sebou, dostáváme zpravdla růzé hodot. Měřeé velčě přísluší však jedá správá hodota. Každou odchlku aměřeé

Více

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

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

Více

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

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

USTÁLENÉ PROUDĚNÍ V OTEVŘENÝCH KORYTECH

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

Více

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

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

Více

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

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

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

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

Chyby měření: 1. hrubé chyby - nepozornost, omyl, únava pozorovatele... - významně převyšuje rozptyl náhodné chyby 2. systematické chyby - chybné

Chyby měření: 1. hrubé chyby - nepozornost, omyl, únava pozorovatele... - významně převyšuje rozptyl náhodné chyby 2. systematické chyby - chybné CHYBY MĚŘENÍ Opakovaé měřeí téže fyzkáí večy evede vždy k přesě stejým výsedkům. Této skutečost bychom se evyhu, kdybychom měřeí provádě s ejvětší důkadostí a precsostí aopak, čím ctvější a přesější jsou

Více

L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y

L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE KATED RA F YZIKY L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y Jméo TUREČEK Daiel Datum měřeí 8.11.2006 Stud. rok 2006/2007 Ročík 2. Datum odevzdáí 15.11.2006 Stud.

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. Základy měření neelektrických veličin

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

Více

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou 1 Zápis číselých hodot a ejistoty měřeí Zápis číselých hodot Naměřeé hodoty zapisujeme jako číselý údaj s určitým koečým počtem číslic. Očekáváme, že všechy zapsaé číslice jsou správé a vyjadřují tak i

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

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

1 Měření závislosti statistických znaků. 1.1 Dvourozměrný statistický soubor

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

Více

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

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

Matematika I, část II

Matematika I, část II 1. FUNKCE Průvodce studiem V deím životě, v přírodě, v techice a hlavě v matematice se eustále setkáváme s fukčími závislostmi jedé veličiy (apř. y) a druhé (apř. x). Tak apř. cea jízdeky druhé třídy osobího

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

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

Interpolace a aproximace. Interpolace algebraickým polynomem a aproximace metodou nejmenších čtverců

Interpolace a aproximace. Interpolace algebraickým polynomem a aproximace metodou nejmenších čtverců Iterpolce promce Iterpolce lgebrckým polomem p g ý p promce metodou ejmeších čtverců Iterpolce lgebrckým polomem Apromce metodou ejmeších čtverců Úloh. Dá tbulk hodot,, j pro j. Hodot jsou přesé. Hledáme

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

Základní požadavky a pravidla měření

Základní požadavky a pravidla měření Základí požadavky a pravidla měřeí Základí požadavky pro správé měřeí jsou: bezpečost práce teoretické a praktické zalosti získaé přípravou a měřeí přesost a spolehlivost měřeí optimálí orgaizace průběhu

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

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

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

Více

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění Předáška č. 0 Aalýza roztylu ř jedoduchém tříděí Aalýza roztylu je statstcká metoda, kterou se osuzuje romělvost oakovaých realzací áhodého okusu tj. romělvost áhodé velčy. Náhodá velča vzká za relatvě

Více

Téma 2 Přímková a rovinná soustava sil

Téma 2 Přímková a rovinná soustava sil Stavebí statka,.ročík bakalářského studa Téma 2 Přímková a rová soustava sl Přímková soustava sl ový svazek sl Statcký momet síly k bodu a dvojce sl v rově Obecá rová soustava sl ová soustava rovoběžých

Více

ZPRACOVÁNÍ VÝSLEDKŮ MĚŘENÍ

ZPRACOVÁNÍ VÝSLEDKŮ MĚŘENÍ ZPRACOVÁNÍ VÝSLEDKŮ MĚŘENÍ 1. CHYBY MĚŘENÍ Nedokoalost metod měřeí, přístroů ldských smslů a emožost regstrace a kotrol všech podmíek, které určuí stav měřeého obektu způsobuí, že měřeím emůžeme zstt skutečou

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

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

2 STEJNORODOST BETONU KONSTRUKCE

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

Více

OVMT Přesnost měření a teorie chyb

OVMT Přesnost měření a teorie chyb Přesost měřeí a teorie chyb Základí pojmy Naměřeé údaje ejsou ikdy absolutě přesé, protože skutečé podmíky pro měřeí se odlišují od ideálích. Při každém měřeí vzikají odchylky od správých hodot chyby.

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

Optimalizace portfolia

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

Více

14. B o d o v é o d h a d y p a r a m e t r ů

14. B o d o v é o d h a d y p a r a m e t r ů 4. B o d o v é o d h a d y p a r a m e t r ů Na základě hodot áhodého výběru z rozděleí určitého typu odhadujeme parametry tohoto rozděleí, tak aby co ejlépe odpovídaly hodotám výběru. Formulujme tudíž

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

SOUKROMÁ VYSOKÁ ŠKOLA EKONOMICKÁ ZNOJMO. Statistika I. distanční studijní opora. Milan Křápek

SOUKROMÁ VYSOKÁ ŠKOLA EKONOMICKÁ ZNOJMO. Statistika I. distanční studijní opora. Milan Křápek SOUKROMÁ VYSOKÁ ŠKOLA EKONOMICKÁ ZNOJMO Statstka I dstačí studjí opora Mla Křápek Soukromá vysoká škola ekoomcká Zojmo Dube 3 Statstka I Vydala Soukromá vysoká škola ekoomcká Zojmo. vydáí Zojmo, 3 ISBN

Více

1 ROVNOMĚRNOST BETONU KONSTRUKCE

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

Více

Úvod do teorie měření

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

Více

IV. MKP vynucené kmitání

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

Více

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

1.3. POLYNOMY. V této kapitole se dozvíte:

1.3. POLYNOMY. V této kapitole se dozvíte: 1.3. POLYNOMY V této kapitole se dozvíte: co rozumíme pod pojmem polyom ebo-li mohočle -tého stupě jak provádět základí početí úkoy s polyomy, kokrétě součet a rozdíl polyomů, ásobeí, umocňováí a děleí

Více

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

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

Více

P2: Statistické zpracování dat

P2: Statistické zpracování dat P: Statistické zpracováí dat Úvodem - Statistika: věda, zabývající se shromažďováím, tříděím a ásledým popisem velkých datových souborů. - Základem statistiky je teorie pravděpodobosti, založeá a popisu

Více

TĚŽIŠTĚ A STABILITA. Těžiště tělesa = bod, kterým stále prochází výslednice tíhových sil všech jeho hmotných bodů, ať těleso natáčíme jakkoli

TĚŽIŠTĚ A STABILITA. Těžiště tělesa = bod, kterým stále prochází výslednice tíhových sil všech jeho hmotných bodů, ať těleso natáčíme jakkoli SAIKA - těžště ĚŽIŠĚ A SABILIA ěžště tělesa bod, kterým stále prochází výsledce tíhových sl všech jeho hmotých bodů, ať těleso atáčíme jakkol bod, ke kterému astává rovováha mometů způsobeých tíhou jedotlvých

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

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

3. Lineární diferenciální rovnice úvod do teorie

3. Lineární diferenciální rovnice úvod do teorie 3 338 8: Josef Hekrdla lieárí difereciálí rovice úvod do teorie 3 Lieárí difereciálí rovice úvod do teorie Defiice 3 (lieárí difereciálí rovice) Lieárí difereciálí rovice -tého řádu je rovice, která se

Více

6. FUNKCE A POSLOUPNOSTI

6. FUNKCE A POSLOUPNOSTI 6. FUNKCE A POSLOUPNOSTI Fukce Dovedosti:. Základí pozatky o fukcích -Chápat defiici fukce,obvyklý způsob jejího zadáváí a pojmy defiičí obor hodot fukce. U fukcí zadaých předpisem umět správě operovat

Více

1.1 Definice a základní pojmy

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

Více

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

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

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

4. B o d o v é o d h a d y p a r a m e t r ů

4. B o d o v é o d h a d y p a r a m e t r ů 4. B o d o v é o d h a d y p a r a m e t r ů Na základě hodot áhodého výběru z rozděleí určitého typu odhadujeme parametry tohoto rozděleí, tak aby co ejlépe odpovídaly hodotám výběru. Formulujme tudíž

Více

Téma 11 Prostorová soustava sil

Téma 11 Prostorová soustava sil Stavebí statka,.ročík bakalářského studa Téma Prostorová soustava sl Prostorový svazek sl Statcký momet síly a dvojce sl v prostoru Obecá prostorová soustava sl Prostorová soustava rovoběžých sl Katedra

Více

Zhodnocení přesnosti měření

Zhodnocení přesnosti měření Zhodoceí přesosti měřeí 1. Chyby měřeí Měřeím emůžeme ikdy zjistit skutečou (pravou) hodotu s měřeé veličiy. To je způsobeo edokoalostí metod měřeí, měřicích přístrojů, lidských smyslů i proměých podmíek

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

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

STATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson

STATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson STATISTIKA Statistika se těší pochybému vyzameáí tím, že je ejvíce epochopeým vědím oborem. H. Leviso Charakterizace statistického souboru Statistický soubor Prvek souboru Zak prvku kvatitativí teplota,

Více

6. Posloupnosti a jejich limity, řady

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

Více

Geodézie 3 (154GD3) Téma č. 9: Hodnocení a rozbory přesnosti výškových měření.

Geodézie 3 (154GD3) Téma č. 9: Hodnocení a rozbory přesnosti výškových měření. Geodéze 3 (54GD3) Téma č. 9: Úvod o měřeí obecě. V geodéz měříme především déky, úhy, a dáe také apř. čas, vekost síy tíže apod. Výsedek měřeí je charakterzová čísem, závsým též a vobě jedotek. Ze zkušeost

Více

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

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

Více

APLIKOVANÁ STATISTIKA

APLIKOVANÁ STATISTIKA VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA MANAGEMENTU A EKONOMIKY VE ZLÍNĚ APLIKOVANÁ STATISTIKA FRANTIŠEK PAVELKA PETR KLÍMEK ZLÍN 000 Recezoval: Haa Lošťáková Fratšek Pavelka, Petr Klímek, 000 ISBN 80 4

Více

ZÁKLADY STAVEBNÍ MECHANIKY

ZÁKLADY STAVEBNÍ MECHANIKY VYSOKÉ UČENÍ TECHNICKÉ V BNĚ AKULTA STAVEBNÍ ING. JIŘÍ KYTÝ, CSc. ING. ZBYNĚK KEŠNE, CSc. ING. OSTISLAV ZÍDEK ING. ZBYNĚK VLK ZÁKLADY STAVEBNÍ ECHANIKY ODUL BD0-O SILOVÉ SOUSTAVY STUDIJNÍ OPOY PO STUDIJNÍ

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

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT 2 IDENIFIKACE H-MAICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNO omáš Novotý ČESKÉ VYSOKÉ UČENÍ ECHNICKÉ V PRAZE Faulta eletrotechicá Katedra eletroeergetiy. Úvod Metody založeé a loalizaci poruch pomocí H-matic

Více

Střední hodnoty. Aritmetický průměr prostý Aleš Drobník strana 1

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

Více

ÚVOD DO PRAKTICKÉ FYZIKY I

ÚVOD DO PRAKTICKÉ FYZIKY I JIŘÍ ENGLICH ÚVOD DO PRAKTICKÉ FYZIKY I ZPRACOVÁNÍ VÝSLEDKŮ MĚŘENÍ Jede z epermetů, které změly vývoj fyzky v mulém století. V roce 9 prof. H. Kamerlgh Oes ve své laboratoř v Leydeu měřl teplotí závslost

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

Pro statistické šetření si zvolte si statistický soubor např. všichni žáci třídy (několika tříd, školy apod.).

Pro statistické šetření si zvolte si statistický soubor např. všichni žáci třídy (několika tříd, školy apod.). STATISTIKA Statistické šetřeí Proveďte a vyhodoťte statistické šetřeí:. Zvolte si statistický soubor. 2. Zvolte si určitý zak (zaky), které budete vyhodocovat. 3. Určete absolutí a relativí četosti zaků,

Více

Měření závislostí. Statistická závislost číselných znaků

Měření závislostí. Statistická závislost číselných znaků Měřeí závslostí Statstcká závslost číselých zaků - závslost dvou velč lze vádřt ako ech fukčí vztah vzorcem, taulkou hodot příslušé fukce eo grafck; - mez zak zkoumaých evů zšťueme estec příčé (kauzálí

Více

8 NELINEÁRNÍ REGRESNÍ MODELY

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

Více

Univerzita Karlova v Praze Pedagogická fakulta

Univerzita Karlova v Praze Pedagogická fakulta Uverzt Krlov v Prze Pedgogcká kult SEMINÁRNÍ PRÁCE Z POLYNOMICKÉ ALGEBRY POLYNOM / CIFRIK Zdáí: Vyšetřete všem probrým prostředky polyom Vyprcováí: Rcoálí kořey Podle věty: Nechť p Q je koře polyomu q

Více

ANALÝZA A KLASIFIKACE DAT

ANALÝZA A KLASIFIKACE DAT ANALÝZA A KLASIFIKACE DA prof. Ig. Jří Holčík, CSc. INVESICE Isttut DO bostatstky ROZVOJE VZDĚLÁVÁNÍ a aalýz IV. LINEÁRNÍ KLASIFIKACE pokračováí Isttut bostatstky a aalýz (SUPPOR VECOR MACHINE SVM) SEPARABILNÍ

Více

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ PRÁCE

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ PRÁCE ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ PRÁCE Praha 8 Pavel Třasák ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ

Více

11. Popisná statistika

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

Více

Popisná statistika. Zdeněk Janák 9. prosince 2007

Popisná statistika. Zdeněk Janák 9. prosince 2007 Popisá statistika Zdeěk Jaák jaak@physics.mui.cz 9. prosice 007 Výsledkem měřeí atmosférické extikce z pozorováí komet a observatoři Skalaté Pleso jsou tyto hodoty extikčích koeficietů ve vlové délce 46

Více

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

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

Více

MATICOVÉ HRY MATICOVÝCH HER

MATICOVÉ HRY MATICOVÝCH HER MATICOVÉ HRY FORMULACE, KONCEPCE ŘEŠENÍ, SMÍŠENÉ ROZŠÍŘENÍ MATICOVÝCH HER, ZÁKLADNÍ VĚTA MATICOVÝCH HER CO JE TO TEORIE HER A ČÍM SE ZABÝVÁ? Teorie her je ekoomická vědí disciplía, která se zabývá studiem

Více

13 Popisná statistika

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

Více

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