Hodnocení přesnosti výsledků z metody FMECA
|
|
- Zdenka Macháčková
- před 5 lety
- Počet zobrazení:
Transkript
1 Hodnocení přesnosti výsledů z metody FMECA Josef Chudoba 1. Úvod Metoda FMECA je semivantitativní metoda, pomocí teré se identifiují poruchy s významnými důsledy ovlivňující funci systému. Závažnost následů poruchy se popisuje ritičností. Existuje něoli tříd nebo úrovní ritičnosti v závislosti na nebez-pečích a snížení provozuschopnosti systému a nědy též na pravdě-podobnosti výsytu. Při zadávání ritičnosti se dopouštíme dvou záladních chyb. První je, že se špatně odhadne hodnota ritičnosti. Tato chyba vznine, jestliže jednotlivých úrovní ritičnosti je velé množství. Druhá chyba vzniá velou zaorouhlovací chybou vstupů a tím zároveň výstupu. Této chyby se autor dopustí, jestliže jednotlivých úrovní ritičnosti je málo. Omezením veliosti jedné chyby roste vliv druhé. Cílem této práce je popsat způsob zjištění veliosti druhé chyby. Předpoládá se, že autor neudělá chybu při zadávání vstupních dat. K určení celového výsledu riziovosti se využívá jednoduchých matematicých vzorců. Napřílad sčítání nebo násobení jednotlivých riziovostí. Další variantou je určení speciálního vzorce podle fyziálně/eonomico/-bezpečnostní podstaty úlohy. Tento příspěve se bude zabývat určením přesnosti pomocí poslední, třetí varianty. Byla řešena testovací úloha, terá se zabývala finančním zjištěním šody, při uzavření dopravního úseu z nějaé příčiny. Finanční šody jsou dány něolia fatory, napřílad: hustotou dopravy, frevencí událostí, finanční šodou, délou objížďy a zdravotní újmou. Každý tento fator je bodově ohodnocen a podle daného vzorce je přiřazena výsledná disrétní bodová hodnota. 2. Hodnocené fatory Ke aždému objetu a hodnocené události, jejíž výsyt je na objetu reálně možný, se zvažují následující fatory:
2 1. Intenzita výsytu události [h -1 ] 2. Nálady na obnovu [Kč] 3. Vícenálady na objížďu [Kč/h] 4. Hustota dopravy [1] 5. MTTR - doba do obnovy [h] 6. Vliv na bezpečnost / životy [Kč] Ke aždému z výše uvedených fatorů byla vytvořená bodová stupnice v rozsahu 1 až 5. Rozdělení do pětistupňové šály ne-vyžaduje přehnané nároy na hodnotitele a navíc posytuje dostatečnou přesnost výsledů prováděných analýz. 2.1 Intenzita výsytu události Vytvořená stupnice je přibližně logaritmicá s přihlédnutím na běžně používané časové jednoty. X1 Intenzita výsytu události 1 1x za 100 let 2 1x za 10 let 3 1x za ro 4 1x za měsíc 2.2 Nálady na obnovu Nálady na obnovu jsou tzv. jednorázové nálady - tyto nálady nejsou závislé na času, po terý bude obnova probíhat. 5 1x za týden a častěji X2 Nálady na obnovu 1 do Kč 2 do Kč 3 do Kč 4 do Kč 5 nad Kč
3 2.3 Vícenálady na objížďu Vícenálady na objížďu jsou reprezentovány rozdílem déle tras (původní trasa a objížďa) v ilometrech. Spodní hranice (do 10m) se bude vztahovat především na silnice nižších tříd, de je silniční síť hustší, naopa nejvyšší hodnota (nad 100m) bude ve většině případů reprezentovat objížďu po železniční síti. 2.4 Hustota dopravy Hodnotící stupnice hustoty dopravy byla vytvořena na záladě údajů ze statisticých ročene Ministerstva dopravy ČR. 2.5 MTTR - doba do obnovy Doba do obnovy je čas od vzniu nežádoucí události až po plné zprovoznění hodnoceného objetu. X3 Vícenálady na objížďu 1 do 10m 2 do 20m 3 do 50m 4 do 100m 5 nad 100m X4 Hustota dopravy 1 do 5 s/h 2 5 až 50 s/h 3 30 až 150 s/h 4 I.třída (100 až s/h) 5 dálnice (1 000 až s/h) X5 MTTR - doba do obnovy 1 8 hodin 2 den 3 týden 4 měsíc 5 ro
4 2.6 Vliv na bezpečnost / životy Vliv na bezpečnost, případně životy lidí, se hodnotí pro fázi vzniu nežádoucí události. Zdravotní následy způsobené během obnovy/opravy v analýze zanedbáváme X6 Vliv na bezpečnost / životy 1 pošození zdraví bez trvalého následu 2 pošození zdraví s trvalými následy 3 úmrtí jedné osoby 4 úmrtí 2-10 osob 5 úmrtí osob 3. Transformace semivantitativního hodnocení na vantitativní výpočet Sestavení modelu, terý by počítal pouze s bodovým ohodnocením jednotlivých fatorů, by bylo velmi složité. Bylo by nutné správně zvolit váhové fatory a dále taé uvažovat, zda je stupnice zvolena lineárně, logaritmicy atd. Jednodušší a přesnější variantou je převod F1 Intenzita výsytu události F2 Nálady na obnovu F3 Vícenálady na objížďu F4 Hustota dopravy F5 MTTR - doba do obnovy F6 Vliv na bezpečnost / životy 1/h Kč Kč/s s/h h Kč na čistě vantitativní hodnocení. Uvažované fatory tedy vyjádříme v jednotách dle následující tabuly. 3.1 Intenzita výsytu události X1 Pravděpodobnost nastoupení jevu 1/h 1 1x za 100 let 1,0E x za 10 let 1,0E x za ro 1,0E x za měsíc 1,0E x za týden a častěji 1,0E-02
5 3.2 Nálady na obnovu X2 Nálady na obnovu Kč 1 do Kč 5,00E+03 2 do Kč 5,00E+04 3 do Kč 5,00E+05 4 do Kč 5,00E+06 5 nad Kč 5,00E Vícenálady na objížďu X3 Vícenálady na objížďu Kč 1 do 10m 45 2 do 20m do 50m do 100m nad 100m Hustota dopravy X4 Hustota dopravy s/h 1 do 5 s/h až 50 s/h až 150 s/h I.třída (100 až s/h) dálnice (1 000 až s/h) 2500
6 3.5 MTTR doba do obnovy X5 MTTR doba do obnovy h 1 8 hodin 6 2 den 24 3 týden měsíc ro Vliv na bezpečnost / životy X6 Vliv na bezpečnost / životy Kč 1 pošození zdraví bez trvalého následu 2,0E+04 2 pošození zdraví s trvalými následy 2,0E+05 3 úmrtí jedné osoby 2,0E+06 4 úmrtí 2-10 osob 2,0E+07 5 úmrtí osob 2,0E Model výpočtu rizia V případě, že se úspěšně provedl převod na bodové hodnoty viz. ap.3, je již snadné zísat riziové číslo hodnocené nežádoucí události. Součinem jednotových vícenáladů na objížďu (F3) a hustotou dopravy (F4) zísáme hodinové ztráty z objížďy. Po vynásobení dobou do obnovy (F5) již máme celové nálady z objížďy v Kč. F3 * F4 * F5 Jednorázové nálady na obnovu (F2) a vliv na bezpečnost/životy (F6) jsou již v Kč, je tedy možné je pouze přičíst. F2 + F3 * F4 * F5 + F6 V této chvíli jsou již známy finančně ohodnocené důsledy z analyzované události. Tyto důsledy se násobí intenzitou výsytu události, čímž se zísá riziové číslo v Kč/h. R = F1 * (F2 + F3 * F4 * F5 + F6)
7 Ja bylo již zmíněno, e aždému objetu lze analyzovat více nežádoucích událostí. V tomto případě je pa výsledné riziové číslo objetu dáno součtem všech dílčích riziových čísel analyzovaných událostí na příslušném objetu: R v = Σ R i 5. Zpětný přepočet výsledného rizia do bodové stupnice R [Kč/h] R [bod] R [Kč/h] R [bod] 0,025 až 0, až ,1 až 0, až ,4 až 1, až ,6 až 6, až ,4 až 25 5 více než Metodia zjišťování chyby Záladem metodiy je namodelování mnoha fitivních scénářů (pro matlabovsou simulaci jich bylo použito ), de se předpoládá znalost sutečné finanční, hodinové, frevenční hodnoty události. Na záladě těchto přesných vstupů se vypočte výsledná šoda dopravní infrastrutury v orunách za hodinu. Při znalosti šody dopravní infrastrutury v orunách za hodinu se přiřadí události výsledná bodová hodnota dle tabuly 3. Pomocí tohoto postupu se zjistí přesná hodnota rizia ritičnosti dopravní infrastrutury. Dle tabuly 4.1 až 4.6 v [1] se pro aždý scénář finančním, hodinovým, frevenčím vstupním hodnotám přiřadí bodové ohodnocení. Na záladě tohoto bodového ohodnocení se vybere hodnota, terá reprezentuje celý interval. Pomocí této hodnoty se zísá odhad celové šody dopravní infrastrutury v orunách za hodinu. Následně ze znalosti celové šody dopravní infrastrutury se přiřadí odhadovaná bodová hodnota rizia ritičnosti dopravní infrastrutury - tabula 3. Pro aždý scénář se vytvoří rozdíl v absolutní hodnotě přesné hodnoty rizia a odhadované bodové hodnoty rizia. Pro všechny scénáře se vytvoří součet vznilých rozdílů a zjistí se střední hodnota odchyly odhadované a přesné ritičnosti dopravní infrastrutury.
8 6.1 Určení sutečných vstupních dat Odhad hodnot pro aždý fitivní scénář byl řešen na záladě náhodných čísel rovnoměrného rozdělení v rozmezí 0, 1 a příslušné transformace, terá upraví náhodné číslo do reálné hodnoty daného fatoru. Protože všechny fatory mají exponenciální stupnici v rámci jednoho bodu, byla navržena exponenciální transformace. Nálady na údržbu jsou v rámci jednoho bodu v rozmezí 10 3 až 10 4, 10 4 až 10 5, 10 5 až 10 6, 10 6 až 10 7, 10 7 až 10 8 Kč. Příslušná transformace z náhodného čísla má následující vzorec: ( 1 * nahcislo ) + 2 F = 10 1 x 2 = log( nejvyssi nejnizsi = log nejnizsi de nejvyšší/nejnižší označuje maximální/minimální hodnotu, terou lze zadat pro daný parametr. Výhoda této transformace je, že hodnoty jsou náhodné a zároveň respetují exponenciální tvar stupnice. Každý interval je zastoupen přibližně stejným množstvím hodnot. Parametry 1 a 2 jsou uvedeny v následující tabulce: F x 1 2 F x , ,7 5 3,4 0,6 3 1,5 1, ,3 Přílad: Na záladě náhodných čísel z rovnoměrného rozdělení se určí hodnoty parametrů F x. Náhodná čísla jsou napřílad , , , , , Těmto náhodným číslům odpovídají následující hodnoty: F 1 = 0, /h F 2 = Kč F 3 = 284,1 Kč F 4 = 6,210 s/h F 5 = 53,05 h F 6 = Kč Nevýhodou těchto dat je, že se předpoládá nezávislost jednotlivých parametrů F 1 až F 6. Tento předpolad plně nevystihuje reálnou situaci. Systém popisuje všechny scénáře jao stejně pravděpodobné, což není ve sutečnosti pravda. )
9 6.2 Výpočet sutečné ritičnosti dopravní infrastrutury Výsledná sutečná ritičnost se vypočítá podle vzorce (2), terý je již uveden ve zprávě Hodnocení ritičnosti dopravní infrastrutury [1]. R = F 1 * (F 2 + F 3 * F 4 * F 5 + F 6 ) Pomocí vzorce (2) se vypočítají celové šody za hodinu a na záladě veliosti této šody je přidělena ritičnost scénáře. Kritičnost scénáře je označena 1 až 10. V apitole 3.1 bylo uvedeno, že v simulacích vzniají i scénáře, teré jsou silně nepravděpodobné. Sutečná ritičnost něterých scénářů je výrazně vyšší než bodové označení 10, proto byla bodová šála rozšířena na 13 stupňů. Jednotlivé bodové hodnoty ritičnosti jsou uvedeny v tabulce 3. Šody min Šody max Šody min Šody max R=1 0 0,025 Kč R=2 0,025 Kč 0,10 Kč R=3 0,10 Kč 0,40 Kč R=4 0,40 Kč 1,60 Kč R=5 1,60 Kč 6,40 Kč R=6 6,40 Kč 25 Kč R=7 25 Kč 100 Kč R=8 100 Kč 400 Kč R=9 400 Kč 1600 Kč R= Kč 6400 Kč R= Kč Kč R= Kč Kč R= Kč Kč Tab 3.: Kritičnost scénářů při známých šodách za hodinu Z dat v odstavci 3.1 a na záladě vzorce (2) se zjistila celová hodnota šody dopravní infrastrutury za hodinu. Tato šoda je 638,80 Kč za hodinu. Tato částa odpovídá bodové hodnotě 9 ritičnosti dopravní infrastrutury. 6.3 Výpočet odhadované ritičnosti dopravní infrastrutury Z náhodných čísel se po transformaci zjistily hodnoty parametrů F 1 až F 6. Podle [1] lze aždou hodnotu zařadit do bodové stupnice 1 až 5 aždého parametru. Každý tento parametr má stanovenu střední hodnotu. S pomocí této střední hodnoty a vzorce (2) se vypočítá odhadovaná šoda dopravní infrastrutury. Odhadované šody dopravní infrastrutury lze
10 zařadit do tabuly ritičností dopravní infrastrutury. Na záladě vstupních dat příladu je celová odhadovaná šoda: R=F 1 *(F 2 +F 3 *F 4 *F 5 + F 6 )=0,001*( *30* )=1645Kč/hod. Podle výsledu je ritičnost dopravní infrastrutury ohodnocena 10 body. 6.4 Určení výsledů přesnosti ritičnosti Pro aždý scénář byl vypočten v absolutní hodnotě rozdíl odhadované a sutečné ritičnosti. Sečtením těchto rozdílů přes všechny scénáře byla zjištěna střední hodnota rozdílů odhadované a sutečné ritičnosti. Střední hodnota rozdílu byla na záladě 10 7 simulací odhadnuta na 0, Závěr Bylo zjištěno, že sutečná a odhadovaná ritičnost se liší od sebe po vytvoření 10 7 simulací v průměru o 0,6335 bodu. Z tohoto důvodu lze přijmout závěr, že semivantitativní analýza je dostatečně přesná a lze ji použít v praxi. V analýze se neuvažoval případ, že odborní zapíše omylem hodnotu špatně nebo se neumí rozhodnout mezi dvěma bodovými hodnotami. Tento fat může zhoršit výslede analýzy. Literatura [1] Zajíče J.: Hodnocení ritičnosti dopravní infrastrutury, TUL, 2006 Adresa autora: Ing. Josef Chudoba, Technicá univerzita v Liberci, Faulta mechatroniy a mezioborových inženýrsých studií, Katedra modelování procesů, Hálova 6, Liberec 1 Josef.chudoba@tul.cz Tato práce byla vytvořena za podpory projetu MŠMT 1M CQR
Příklady: - počet členů dané domácnosti - počet zákazníků ve frontě - počet pokusů do padnutí čísla šest - životnost televizoru - věk člověka
Náhodná veličina Náhodnou veličinou nazýváme veličinu, terá s určitými p-stmi nabývá reálných hodnot jednoznačně přiřazených výsledům příslušných náhodných pousů Náhodné veličiny obvyle dělíme na dva záladní
Vícef (k) (x 0 ) (x x 0 ) k, x (x 0 r, x 0 + r). k! f(x) = k=1 Řada se nazývá Taylorovou řadou funkce f v bodě x 0. Přehled některých Taylorových řad.
8. Taylorova řada. V urzu matematiy jsme uázali, že je možné funci f, terá má v oolí bodu x derivace aproximovat polynomem, jehož derivace se shodují s derivacemi aproximované funce v bodě x. Poud má funce
Více1 Gaussova kvadratura
Cvičení - zadání a řešení úloh Zálady numericé matematiy - NMNM0 Verze z 7. prosince 08 Gaussova vadratura Fat, že pro něterá rovnoměrná rozložení uzlů dostáváme přesnost o stupeň vyšší napovídá, že pro
VíceL. Podéště 1875, Ostrava-Poruba, tel: ,
VYUŽITÍ MTOD ANALÝZY RIZIK V PRAXI U OBJKTŮ POŠKOZNÝCH POŽÁRM A ŽIVLNOU POHROMOU. USING RISK ANALYSIS MTHODS IN PRACTIC FOR BUILDINGS AND FACILITIS DAMAGD BY FIR OR NATURAL CALAMITIS. Karel Kubeča 1, Silvie
VíceMěření indukčností cívek
7..00 Ṫeorie eletromagneticého pole Měření indučností cíve.......... Petr Česá, studijní supina 05 Letní semestr 000/00 . Měření indučností cíve Měření vlastní a vzájemné indučnosti válcových cíve ZAÁNÍ
VíceBuckinghamův Π-teorém (viz Barenblatt, Scaling, 2003)
Bucinghamův Π-teorém (viz Barenblatt, Scaling, 2003) Formalizace rozměrové analýzy ( výsledné jednoty na obou stranách musí souhlasit ). Rozměr fyziální veličiny Mějme nějaou třídu jednote, napřílad [(g,
VíceKMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC
Přednáša 04 Přírodovědecá faulta Katedra matematiy KMA/P506 Pravděpodobnost a statistia KMA/P507 Statistia na PC jiri.cihlar@ujep.cz Záon velých čísel Lemma Nechť náhodná veličina nabývá pouze nezáporných
VíceMotivace. Náhodný pokus, náhodný n jev. pravděpodobnost. podobnostní charakteristiky diagnostických testů, Bayesův vzorec. Prof.RND. RND.
Pravděpodobnostn podobnostní charateristiy diagnosticých testů, Bayesův vzorec Prof.RND RND.Jana Zvárov rová,, DrSc. Náhodný pous, náhodný n jev Náhodný pous: výslede není jednoznačně určen podmínami,
Víceχ 2 testy. Test nekorelovanosti.
χ 2 testy. Test neorelovanosti. Petr Poší Části doumentu jsou převzaty (i doslovně) z Miro Navara: Pravděpodobnost a matematicá statistia, https://cw.fel.cvut.cz/lib/exe/fetch.php/courses/a6m33ssl/pms_print.pdf
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Číselné charateristiy náhodných proměnných Charateristiy náhodných proměnných dělíme nejčastěji na charateristiy polohy a variability. Mezi charateristiy polohy se nejčastěji
VíceObsah přednášky. 1. Principy Meta-learningu 2. Bumping 3. Bagging 4. Stacking 5. Boosting 6. Shrnutí
1 Obsah přednášy 1. Principy Meta-learningu 2. Bumping 3. Bagging 4. Stacing 5. Boosting 6. Shrnutí 2 Meta learning = Ensemble methods Cíl použít predici ombinaci více různých modelů Meta learning (meta
VíceBinomická věta
97 Binomicá věta Předpolady: 96 Kdysi dávno v prvním ročníu jsme se učili vzorce na umocňování dvojčlenu Př : V tabulce jsou vypsány vzorce pro umocňování dvojčlenu Najdi podobnost s jinou dosud probíranou
VíceZávislost indexů C p,c pk na způsobu výpočtu směrodatné odchylky
Závislost indexů C,C na zůsobu výočtu směrodatné odchyly Ing. Renata Przeczová atedra ontroly a řízení jaosti, VŠB-TU Ostrava, FMMI Podni, terý chce usět v dnešní onurenci, musí neustále reagovat na měnící
Více7. Rozdělení pravděpodobnosti ve statistice
7. Rozdělení pravděpodobnosti ve statistice Statistika nuda je, má však cenné údaje, neklesejte na mysli, ona nám to vyčíslí Jednou z úloh statistiky je odhad (výpočet) hodnot statistického znaku x i,
Více7.3.9 Směrnicový tvar rovnice přímky
739 Směrnicový tvar rovnice přímy Předpolady: 7306 Pedagogicá poznáma: Stává se, že v hodině nestihneme poslední část s určováním vztahu mezi směrnicemi olmých příme Vrátíme se obecné rovnici přímy: Obecná
VíceAlternativní rozdělení. Alternativní rozdělení. Binomické rozdělení. Binomické rozdělení
Alternativní rozdělení Alternativní rozdělení Alternativní rozdělení Alternativní rozdělení Náhodná veličina X má alternativní rozdělení s parametrem p, jestliže nabývá hodnot 0 a 1 s pravděpodobnostmi
Více(iv) D - vybíráme 2 koule a ty mají různou barvu.
2 cvičení - pravděpodobnost 2102018 18cv2tex Definice pojmů a záladní vzorce Vlastnosti pravděpodobnosti Pravděpodobnost P splňuje pro libovolné jevy A a B následující vlastnosti: 1 0, 1 2 P (0) = 0, P
Vícezpracování signálů - Fourierova transformace, FFT Frekvenční
Digitální zpracování signálů - Fourierova transformace, FF Frevenční analýza 3. přednáša Jean Baptiste Joseph Fourier (768-830) Zálady experimentální mechaniy Frevenční analýza Proč se frevenční analýza
VíceKMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC
Přednáša 02 Přírodovědecá faulta Katedra matematiy KMA/P506 Pravděpodobnost a statistia KMA/P507 Statistia na PC jiri.cihlar@ujep.cz Náhodné veličiny Záladní definice Nechť je dán pravděpodobnostní prostor
VíceTestování hypotéz. December 10, 2008
Testování hypotéz December, 2008 (Testování hypotéz o neznámé pravděpodobnosti) Jan a Františe mají pytlíy s uličami. Jan má 80 bílých a 20 červených, Františe má 30 bílých a 70 červených. Vybereme náhodně
VíceMĚŘENÍ MOMENTU SETRVAČNOSTI Z DOBY KYVU
Úloha č 5 MĚŘENÍ MOMENTU SETRVAČNOSTI Z DOBY KYVU ÚKOL MĚŘENÍ: Určete moment setrvačnosti ruhové a obdélníové desy vzhledem jednotlivým osám z doby yvu Vypočtěte moment setrvačnosti ruhové a obdélníové
Více3.3.4 Thaletova věta. Předpoklady:
3.3.4 Thaletova věta Předpolady: 030303 Př. : Narýsuj ružnici ( ;5cm) a její průměr. Na ružnici narýsuj libovolný bod různý od bodů, (bod zvol jina než soused v lavici). Narýsuj trojúhelní. Má nějaou speciální
Více7.3.9 Směrnicový tvar rovnice přímky
7.3.9 Směrnicový tvar rovnice přímy Předpolady: 7306 Pedagogicá poznáma: Stává se, že v hodině nestihneme poslední část s určováním vztahu mezi směrnicemi olmých příme. Vrátíme se obecné rovnici přímy:
Více6 5 = 0, = 0, = 0, = 0, 0032
III. Opaované pousy, Bernoulliho nerovnost. Házíme pětrát hrací ostou a sledujeme výsyt šesty. Spočtěte pravděpodobnosti možných výsledů a určete, terý má největší pravděpodobnost. Řešení: Jedná se o serii
VícePřed zahájením vlastních výpočtů je potřeba analyzovat konstrukci a zvolit vhodný návrhový
2 Zásady navrhování Před zahájením vlastních výpočtů je potřeba analyzovat onstruci a zvolit vhodný návrhový model. Model musí být dostatečně přesný, aby výstižně popsal chování onstruce s přihlédnutím
VíceANALÝZA SCHOPNOSTI ČESKÉ DOMÁCNOSTI VYSTAČIT S PŘÍJMY. Pavla Kafková, Jitka Bartošová. Úvod
ANALÝZA SCHOPNOSTI ČESKÉ DOMÁCNOSTI VYSTAČIT S PŘÍJMY Pavla Kafová, Jita Bartošová Abstrat Většina domácností má v současné době problém platit nejen mimořádné výdaje, ale i ty, teré jsou běžné a nezbytné
Více3. Mocninné a Taylorovy řady
3. Mocninné a Taylorovy řady A. Záladní pojmy. Obor onvergence Mocninné řady jsou nejjednodušším speciálním případem funčních řad. Jsou to funční řady, jejichž členy jsou mocninné funce. V této apitole
VíceMetoda konjugovaných gradientů
0 Metoda onjugovaných gradientů Ludě Kučera MFF UK 11. ledna 2017 V tomto textu je popsáno, ja metodou onjugovaných gradientů řešit soustavu lineárních rovnic Ax = b, de b je daný vetor a A je symetricá
VíceMocnost bodu ke kružnici
3.. ocnost bodu e ružnici Předpolady: 03009 Př. : Je dána ružnice a bod, ležící vně ružnice. Veď bodem dvě různé sečny ružnice p a p. Průsečíy sečny p s ružnicí označ A, B. Průsečíy sečny p s ružnicí označ
VíceMocnost bodu ke kružnici
3..0 ocnost bodu e ružnici Předpolady: 309 Př. : Je dána ružnice a bod, ležící vně ružnice. Veď bodem dvě různé sečny ružnice p a p. Průsečíy sečny p,. Průsečíy sečny p,. Změř potřebné vzdálenosti a spočti
Více7. TRANSFORMÁTORY. 7.1 Štítkové údaje. 7.2 Měření odporů vinutí. 7.3 Měření naprázdno
7. TRANSFORMÁTORY Pro zjednodušení budeme měření provádět na jednofázovém transformátoru. Na trojfázovém transformátoru provedeme pouze ontrolu jeho zapojení měřením hodinových úhlů. 7.1 Štítové údaje
VícePOUŽITÍ CEPSTER V DIAGNOSTICE STROJŮ
POUŽITÍ CEPSTER V DIAGNOSTICE STROJŮ Jiří TŮMA, VŠB Technicá univerzita Ostrava 1 Anotace: Referát se zabývá použitím cepster analýze signálů jao alternativy frevenční analýze. Jao je frevenční analýza
VíceÚNOSNOST A SEDÁNÍ MIKROPILOT TITAN STANOVENÉ 3D MODELEM MKP
Dr.Ing. Hyne Lahuta VŠB-TU Ostrava, Faulta stavební, atedra geotechniy e-mail: hyne.lahuta@vsb.cz Prof.Ing. Josef Aldorf, DrSc. VŠB-TU Ostrava, Faulta stavební, atedra geotechniy e-mail: josef.aldorf@vsb.cz
VíceOdborná skupina pro spolehlivost. Použití ordinálních a semikvantitativních postupů ve spolehlivosti. Jaroslav Zajíček
Odborná skupina pro spolehlivost Použití ordinálních a semikvantitativních postupů ve spolehlivosti Jaroslav Zajíček Obsah 1. Úvod management rizika 2. Výskyt a analýza nekvantitativních postupů - matice
Víceβ 180 α úhel ve stupních β úhel v radiánech β = GONIOMETRIE = = 7π 6 5π 6 3 3π 2 π 11π 6 Velikost úhlu v obloukové a stupňové míře: Stupňová míra:
GONIOMETRIE Veliost úhlu v oblouové a stupňové míře: Stupňová míra: Jednota (stupeň) 60 600 jeden stupeň 60 minut 600 vteřin Př. 5,4 5 4 0,4 0,4 60 4 Oblouová míra: Jednota radián radián je veliost taového
VíceAplikované chemické procesy
pliované hemié proesy Záladní pojmy, bilanování Rozdělení systému - podle výměny hmoty a energie Otevřený systém může se svým oolím vyměňovat hmotu a energii v průběhu časového období bilanování Uzavřený
VíceVYSOKONAPĚŤOVÉ ZKUŠEBNICTVÍ. #2 Nejistoty měření
VYSOKONAPĚŤOVÉ ZKUŠEBNICTVÍ # Nejistoty měření Přesnost měření Klasický způsob vyjádření přesnosti měření chyba měření: Absolutní chyba X = X M X(S) Relativní chyba δ X = X(M) X(S) - X(M) je naměřená hodnota
VíceGeometrická zobrazení
Pomocný text Geometricá zobrazení hodná zobrazení hodná zobrazení patří nejjednodušším zobrazením na rovině. Je jich vša hrozně málo a často se stává, že musíme sáhnout i po jiných, nědy výrazně složitějších
VíceMULTIKRITERIÁLNÍ ROZHODOVÁNÍ VEKTOROVÁ OPTIMALIZACE
OPTIMALIZACE A ROZHODOVÁNÍ V DOPRAVĚ část druhá Přednáša 5 PŘEDNÁŠKA 5 MULTIKRITERIÁLNÍ ROZHODOVÁNÍ VEKTOROVÁ OPTIMALIZACE OPTIMALIZACE A ROZHODOVÁNÍ V DOPRAVĚ část druhá Přednáša 5 Multiriteriální rozhodování
Vícerozvahový den:
PŘÍLOHA V ÚČETNÍ ZÁVĚRCE rozvahový den: 31. 12. 2016 ÚČETNÍ OBDOBÍ 1. 1. 2016-31. 12. 2016 OBECNÉ ÚDAJE (1) Popis účetní jednoty Obchodní firma: QED SYSTEMS a.s. Spisová znača: B 3261 vedená u Městsého
VíceStanovení nejistot při výpočtu kontaminace zasaženého území
Stanovení nejistot při výpočtu kontaminace zasaženého území Michal Balatka Abstrakt Hodnocení ekologického rizika kontaminovaných území představuje komplexní úlohu, která vyžaduje celou řadu vstupních
Více1.5.7 Prvočísla a složená čísla
17 Prvočísla a složená čísla Předpolady: 103, 106 Dnes bez alulačy Číslo 1 je dělitelné čísly 1,, 3,, 6 a 1 Množinu, terou tvoří právě tato čísla, nazýváme D 1 množina dělitelů čísla 1, značíme ( ) Platí:
VíceFRP 5. cvičení Skonto, porovnání různých forem financování
FRP 5. cvičení onto, porovnání různých forem financování onto je sráža (sleva) z ceny, terou posytuje prodávající upujícímu v případě, že upující zaplatí oamžitě (resp. během dohodnuté ráté lhůty). Výše
VíceFyzikální praktikum č.: 1
Datum: 5.5.2005 Fyziální pratium č.: 1 ypracoval: Tomáš Henych Název: Studium činnosti fotonásobiče Úol: 1. Stanovte závislost oeficientu seundární emise na napětí mezi dynodami. yneste do grafu závislost
VícePravděpodobnost a statistika
Pravděpodobnost a statistia Přílady a otázy Petr Hebá a Hana Salsá GAUDEAMUS 2011 Autoři: prof. Ing. Petr Hebá, CSc. Autoři: prof. RNDr. Hana Salsá, CSc. Recenzenti: doc. RNDr. Tatiana Gavalcová, CSc.
VíceBudeme 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
VíceMOMENT SETRVAČNOSTI. Obecná část Pomocí Newtonova pohybového zákona síly můžeme odvodit pohybovou rovnici pro rotační pohyb:
MOMENT SETRVAČNOST Obecná část Pomocí Newtonova pohybového záona síly můžeme odvodit pohybovou rovnici pro rotační pohyb: dω M = = ε, (1) d t de M je moment vnější síly působící na těleso, ω úhlová rychlost,
VíceÚloha č. 2 - Kvantil a typická hodnota. (bodově tříděná data): (intervalově tříděná data): Zadání úlohy: Zadání úlohy:
Úloha č. 1 - Kvantily a typická hodnota (bodově tříděná data): Určete typickou hodnotu, 40% a 80% kvantil. Tabulka hodnot: Varianta Četnost 0 4 1 14 2 17 3 37 4 20 5 14 6 7 7 11 8 20 Typická hodnota je
VíceMakrozátěžové testy sektoru penzijních společností
Marozátěžové testy setoru penzijních společností Marozátěžové testy setoru penzijních společností (PS) jsou v ČNB využívány jao nástroj pro hodnocení odolnosti setoru vůči možným nepříznivým šoům. estu
Více9 Stupně vrcholů, Věta Havla-Hakimiho
Typicé přílady pro zápočtové písemy DiM 470-301 (Kovář, Kovářová, Kubesa) (verze: November 5, 018) 1 9 Stupně vrcholů, Věta Havla-Haimiho 9.1. Doážete nareslit graf na 9 vrcholech, ve terém mají aždé dva
VíceInženýrská statistika pak představuje soubor postupů a aplikací teoretických principů v oblasti inženýrské činnosti.
Přednáška č. 1 Úvod do statistiky a počtu pravděpodobnosti Statistika Statistika je věda a postup jak rozvíjet lidské znalosti použitím empirických dat. Je založena na matematické statistice, která je
VíceKMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC
Přednáška 03 Přírodovědecká fakulta Katedra matematiky KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC jiri.cihlar@ujep.cz Diskrétní rozdělení Důležitá diskrétní rozdělení pravděpodobnosti
VíceTHE POSSIBILITY OF RELOCATION WAREHOUSES IN CZECH-POLISH BORDER MOŽNOSTI RELOKACE SKLADŮ V ČESKO-POLSKÉM PŘÍHRANIČÍ
Jan CHOCHOLÁČ 1 THE POSSIBILITY OF RELOCATION WAREHOUSES IN CZECH-POLISH BORDER MOŽNOSTI RELOKACE SKLADŮ V ČESKO-POLSKÉM PŘÍHRANIČÍ BIO NOTE Jan CHOCHOLÁČ Asistent na Katedře dopravního managementu, maretingu
VíceMATEMATIKA II V PŘÍKLADECH
VYSOKÁ ŠKOL BÁŇSKÁ TECHICKÁ UIVERZIT OSTRV FKULT STROJÍ MTEMTIK II V PŘÍKLDECH CVIČEÍ Č 0 Ing Petra Schreiberová, PhD Ostrava 0 Ing Petra Schreiberová, PhD Vysoá šola báňsá Technicá univerzita Ostrava
VíceS D Ě L E N Í 1. KRITÉRIA HODNOCENÍ ZKOUŠEK A DÍLČÍCH ZKOUŠEK SPOLEČNÉ ČÁSTI MATURITNÍ ZKOUŠKY
V Praze dne 19. března 2013 Č. j.: MSMT-10139/2013-211 S D Ě L E N Í V souladu s 22, odst. 1 vyhlášky č. 177/2009 Sb., o bližších podmínkách ukončování vzdělávání ve středních školách maturitní zkouškou,
VíceKombinace s opakováním
9..3 Kombinace s opaováním Předpolady: 907. 908, 9, 92 Pedagogicá poznáma: Tato hodina zabere opět minimálně 70 minut. Asi ji čeá rozšíření na dvě hodiny. Netradiční začáte. Nemáme žádné přílady, ale rovnou
VíceÚNOSNOST A PŘETVÁŘENÍ TYČOVÝCH MIKROPILOT TITAN V ZÁVISLOSTI NA VLASTNOSTECH HORNINOVÉHO PROSTŘEDÍ A JEJICH DÉLCE
Dr.Ing. Hyne Lahuta, Ing. Josef Mráz VŠB-TU Ostrava, Katedra geotechniy a podzemního stavitelství, L.Podéště 1875, 708 00 Ostrava-Poruba, hyne.lahuta@vsb.cz, nusa@lobou.fsv.cvut.cz ÚNOSNOST A PŘETVÁŘENÍ
VíceMatematické modelování dopravního proudu
Matematické modelování dopravního proudu Ondřej Lanč, Alena Girglová, Kateřina Papežová, Lucie Obšilová Gymnázium Otokara Březiny a SOŠ Telč lancondrej@centrum.cz Abstrakt: Cílem projektu bylo seznámení
VícePÍSEMNÁ ZPRÁVA ZADAVATELE, dle 85 zákona č. 137/2006 Sb., o veřejných zakázkách, ve znění pozdějších předpisů (dále jen zákon ).
STÁTNÍ POZEMKOVÝ ÚŘAD Sídlo: Husinecá 104/11a, 130 00 Praha 3 - Žižov, IČO: 0131774, DIČ: CZ0131774 Krajsý pozemový úřad pro Karlovarsý raj Adresa: Chebsá 73/48, Dvory, 360 06 Karlovy Vary PÍSEMNÁ ZPRÁVA
VíceKombinace s opakováním
9..3 Kombinace s opaováním Předpolady: 907. 908, 9, 92 Pedagogicá poznáma: Časová náročnost této hodiny je podobná hodině předchozí. Netradiční začáte. Nemáme žádné přílady, ale rovnou definici. Definice
Více1. Náhodný vektor (X, Y ) má diskrétní rozdělení s pravděpodobnostní funkcí p, kde. p(x, y) = a(x + y + 1), x, y {0, 1, 2}.
VIII. Náhodný vektor. Náhodný vektor (X, Y má diskrétní rozdělení s pravděpodobnostní funkcí p, kde p(x, y a(x + y +, x, y {,, }. a Určete číslo a a napište tabulku pravděpodobnostní funkce p. Řešení:
VíceVzorový příklad na rozhodování BPH_ZMAN
Vzorový příklad na rozhodování BPH_ZMAN Základní charakteristiky a značení symbol verbální vyjádření interval C g g-tý cíl g = 1,.. s V i i-tá varianta i = 1,.. m K j j-té kriterium j = 1,.. n v j x ij
VíceSPOTŘEBITELSKÝ ÚVĚR. Na začátku provedeme inicializaci proměnných jejich vynulováním příkazem "restart". To oceníme při opakovaném použití dokumentu.
Úloha 1 - Koupě nového televizoru SPOTŘEBITELSKÝ ÚVĚR Chceme si oupit nový televizor v hodnotě 000,-Kč. Bana nám půjčí, přičemž její úroová sazba činí 11%. Předpoládejme, že si půjčujeme na jeden ro a
VíceProtokol č. 5. Vytyčovací údaje zkusných ploch
Protokol č. 5 Vytyčovací údaje zkusných ploch Zadání: Ve vybraném porostu bylo prováděno zjišťování zásob za použití reprezentativní metody kruhových zkusných ploch. Na těchto zkusných plochách byl zjišťován
VícePříklady - Bodový odhad
Příklady - odový odhad 5. října 03 Pražské metro Přijdu v pražském metru na nástupiště a tam zjistím, že metro v mém směru jelo před :30 a metro v opačném směru před 4:0. Udělejte bodový odhad, jak dlouho
VíceReprezentace přirozených čísel ve Fibonacciho soustavě František Maňák, FJFI ČVUT, 2005
Reprezentace přirozených čísel ve ibonacciho soustavě rantiše Maňá, JI ČVUT, 2005 Úvod Ja víme, přirozená čísla lze vyádřit různými způsoby Nečastěi zápisu čísel používáme soustavu desítovou, ale umíme
VíceMakrozátěžové testy sektoru penzijních společností 1
Marozátěžové testy setoru penzijních společností 1 Marozátěžové testy setoru penzijních společností (PS) jsou v ČNB využívány jao nástroj pro hodnocení odolnosti setoru vůči možným nepříznivým šoům. estu
VíceMATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci
MATEMATICKÁ STATISTIKA Dana Černá http://www.fp.tul.cz/kmd/ Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci Matematická statistika Matematická statistika se zabývá matematickým
VíceZatížení štíhlých konstrukcí větrem podle evropských norem
euroódy text: Ing. Jiří Laodný, Ing. Vladimír Janata, CSc., Ing. Stanislav Pospíšil, P.D. graficé podlady: EXCON a.s., ÚTAM AV Č Zatížení štílýc onstrucí větrem podle evropsýc norem Nové evropsé normy
VíceAbsorpční vlastnosti plazmatu směsí SF 6 a PTFE
Absorpční vlastnosti plazmatu směsí SF 6 a PTFE N. Bogatyreva, M. Bartlová, V. Aubrecht Faulta eletrotechniy a omuniačních technologií, Vysoé učení technicé v Brně, Technicá 10, 616 00 Brno Abstrat Článe
VíceMATEMATIKA III V PŘÍKLADECH
VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ MATEMATIKA III V PŘÍKLADECH Cvičení 7 Rozdělení pravděpodobnosti spojité náhodné veličiny Mgr. Petr Otipka Ostrava 2013 Mgr. Petr Otipka
VíceMATEMATIKA. O paradoxech spojených s losováním koulí
MATEMATIKA O paradoxeh spojenýh s losováním oulí PAVEL TLUSTÝ IRENEUSZ KRECH Eonomiá faulta JU, Česé Budějovie Uniwersytet Pedagogizny, Kraów Matematia popisuje a zoumá různé situae reálného světa. Je
VíceVYŠŠÍ ODBORNÁ ŠKOLA A STŘEDNÍ ŠKOLA SLABOPROUDÉ ELEKTROTECHNIKY Novovysočanská 48/280, Praha 9
1. Analogové měřicí přístroje Jsou přístroje, teré slouží měření různých eletricých veličin. Např. měření proudu, napětí a výonu. Pro měření těchto veličin nejčastěji používáme tyto soustavy:magnetoeletricá,
VíceÚvod do Kalmanova filtru
Kalmanův filtr = odhadovač stavu systému Úvod do Kalmanova filtru KF dává dohromady model systému a měření. Model systému použije tomu, aby odhadl, ja bude stav vypadat a poté stav porovná se sutečným
VíceI. Určete(a nakreslete) definiční obor a vrstevnice funkcí 1. f(x, y)=x+ y 2. f(x, y)= y 3. f(x, y)=x 2 + y 2 4. f(x, y)=x 2 y 2
I. Určete(a nareslete) definiční obor a vrstevnice funcí. f( )=+. f( )=. f( )= +. f( )= 5. f( )=. f( )= 7. f( )= + 8. f( )= ( + )( ) 9. f( )= ( + ) 0. f( )= sin( + ). f( )=sgn(sin sin). f( )= + Rozhodněte
VíceKGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 5. Odhady parametrů základního souboru Mgr. David Fiedor 16. března 2015 Vztahy mezi výběrovým a základním souborem Osnova 1 Úvod, pojmy Vztahy mezi výběrovým a základním
VíceDetailní porozumění podstatě měření
Nejistoty Účel Zjištění intervalu hodnot okolo výsledku měření, který lze přiřadit k hodnotě měřené veličiny Nejčastěji X X [%] X U X U [%] V roce 1990 byl vydán dokument WECC 19/90, který představoval
VíceUKAZATELÉ VARIABILITY
UKAZATELÉ VARIABILITY VÝZNAM Porovnejte známky dvou studentek ze stejného předmětu: Studentka A: Studentka B: Oba soubory mají stejný rozsah hodnoty, ale liší se známky studentky A jsou vyrovnanější, jsou
VíceX = x, y = h(x) Y = y. hodnotám x a jedné hodnotě y. Dostaneme tabulku hodnot pravděpodobnostní
..08 8cv7.tex 7. cvičení - transformace náhodné veličiny Definice pojmů a základní vzorce Je-li X náhodná veličina a h : R R je měřitelná funkce, pak náhodnou veličinu Y, která je definovaná vztahem X
VíceSYLABUS PŘEDNÁŠKY 10 Z GEODÉZIE 1
SYLABUS PŘEDNÁŠKY 10 Z GEODÉZIE 1 (Souřadnicové výpočty 4, Orientace osnovy vodorovných směrů) 1. ročník bakalářského studia studijní program G studijní obor G doc. Ing. Jaromír Procházka, CSc. prosinec
Více(Cramerovo pravidlo, determinanty, inverzní matice)
KMA/MAT1 Přednáška a cvičení, Lineární algebra 2 Řešení soustav lineárních rovnic se čtvercovou maticí soustavy (Cramerovo pravidlo, determinanty, inverzní matice) 16 a 21 října 2014 V dnešní přednášce
Více20 - Číslicové a diskrétní řízení
20 - Číslicové a disrétní řízení Michael Šebe Automaticé řízení 2013 22-4-14 Analogové a číslicové řízení Proč číslicově? Snadno se přeprogramuje (srovnej s výměnou rezistorů/apacitorů v analogové řídicím
VíceZPRÁVA O POSOUZENÍ A HODNOCENÍ NABÍDEK podle 80 zákona č. 137/2006 Sb. o veřejných zakázkách, v platném znění (dále jen zákon )
ZPRÁVA O POSOUZENÍ A HODNOCENÍ NABÍDEK podle 80 zákona č. 137/2006 Sb. o veřejných zakázkách, v platném znění (dále jen zákon ) Veřejná zakázka: Sdružené dodávky elektrické energie pro FNKV 1. Evidenční
Více6. Měření Youngova modulu pružnosti v tahu a ve smyku
6. Měření Youngova modulu pružnosti v tahu a ve smyu Úol : Určete Youngův modul pružnosti drátu metodou přímou (z protažení drátu). Prostudujte doporučenou literaturu: BROŽ, J. Zálady fyziálních měření..
VíceDynamika populací s oddělenými generacemi
Dynamia populací s oddělenými generacemi Tento text chce představit nejjednodušší disrétní deterministicé dynamicé modely populací. Deterministicé nebudeme uvažovat náhodné vlivy na populace působící nebo
Vícea) formulujte Weierstrassovo kritérium stejnoměrné konvergence b) pomocí tohoto kritéria ukažte, že funkční řada konverguje stejnoměrně na celé R
) ČÍSELNÉ A FUNKČNÍ ŘADY (5b) a) formulujte Leibnitzovo ritérium včetně absolutní onvergence b) apliujte toto ritérium na řadu a) formulujte podílové ritérium b) posuďte onvergenci řad c) oli členů této
VícePostup pro kalibraci vyměřené zkušební dráhy pro stanovení konstanty vozidla W a účinného obvodu pneumatik (dále jen dráhy )
Postup pro kalibraci vyměřené zkušební dráhy pro stanovení konstanty vozidla W a účinného obvodu pneumatik (dále jen dráhy ) Kalibrace se provede porovnávací metodou pomocí kalibrovaného ocelového měřicího
VíceSystém rizikové analýzy při sta4ckém návrhu podzemního díla. Jan Pruška
Systém rizikové analýzy při sta4ckém návrhu podzemního díla Jan Pruška Definice spolehlivos. Spolehlivost = schopnost systému (konstrukce) zachovávat požadované vlastnos4 po celou dobu životnos4 = pravděpodobnost,
VíceNávrh vysokofrekvenčních linkových transformátorů
inové transformátory inové transformátory Při požadavu na transformaci impedancí v široém frevenčním pásmu, dy nelze obsáhnout požadovanou oblast mitočtů ani široopásmovými obvody, je třeba použít široopásmových
VíceStupnice geomagnetické aktivity
AKADEMIE VĚD ČESKÉ REPUBLIKY Geofyzikální ústav Stupnice geomagnetické aktivity Petr Kubašta Rozbor a zhodnocení předpovědí geomagnetické aktivity Praha, 2011 Abstrakt Tento článek poskytuje kvantitativní
Více4 všechny koeficienty jsou záporné, nedochází k žádné změně. Rovnice tedy záporné reálné kořeny nemá.
Přílad 1. Řešte v R rovnici x 4x + x 4 0. Výslede vypočtěte s přesností alespoň 0,07. 1) Reálné ořeny rovnice budou ležet v intervalu ( 5,5), protože největší z oeficientů polynomu bez ohledu na znaméno
Více1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.
Prostá regresní a korelační analýza 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Problematika závislosti V podstatě lze rozlišovat mezi závislostí nepodstatnou, čili náhodnou
Více( ) ( ) 9.2.7 Nezávislé jevy I. Předpoklady: 9204
9.2.7 Nezávislé jevy I Předpoklady: 9204 Př. : Předpokládej, že pravděpodobnost narození chlapce je stejná jako pravděpodobnost narození dívky (a tedy v obou případech rovna 0,5) a není ovlivněna genetickými
Více9 Skonto, porovnání různých forem financování
9 Sonto, porovnání různých forem financování Sonto je sráža (sleva) z ceny, terou posytuje prodávající upujícímu v případě, že upující zaplatí oamžitě (resp. během dohodnuté ráté lhůty). Výše sonta je
VícePříklad zatížení ocelové haly
4. Zatížení větrem Přílad haly Zatížení stavebních onstrucí Přílad atížení ocelové haly Zadání Určete atížení a maximální možné vnitřní síly na prostřední rám halového jednolodního objetu (vi obráe). Celová
Vícepracovní verze pren 13474 "Glass in Building", v níž je uveden postup výpočtu
POROVNÁNÍ ANALYTICKÉHO A NUMERICKÉHO VÝPOČTU NOSNÉ KONSTRUKCE ZE SKLA Horčičová I., Netušil M., Eliášová M. Česé vysoé učení technicé v Praze, faulta stavební Anotace Slo se v moderní architetuře stále
VícePojmy z kombinatoriky, pravděpodobnosti, znalosti z kapitoly náhodná veličina, znalost parciálních derivací, dvojného integrálu.
6. NÁHODNÝ VEKTOR Průvodce studiem V počtu pravděpodobnosti i v matematické statistice se setkáváme nejen s náhodnými veličinami, jejichž hodnotami jsou reálná čísla, ale i s takovými, jejichž hodnotami
VíceSystém ČESKÉ VYSOKÉ UČENĺ TECHNICKÉ V PRAZE Směrnice prorektora č. 2 I 2014 Postup při správě a využití duševnĺho vlastnictví ČVUT Čj.: NP
Systém ČESKÉ VYSOKÉ UČENĺ TECHNICKÉ V PRAZE Směrnice proretora č. 2 I 2014 Postup při správě a využití duševnĺho vlastnictví ČVUT Čj.: 011114151922NP V Praze dne 18.3.2014 PREAMBULE ČVUT je organizací
VíceChyby měření 210DPSM
Chyby měření 210DPSM Jan Zatloukal Stručný přehled Zdroje a druhy chyb Systematické chyby měření Náhodné chyby měření Spojité a diskrétní náhodné veličiny Normální rozdělení a jeho vlastnosti Odhad parametrů
VícePravděpodobnost a matematická statistika
Pravděpodobnost a matematická statistika Příklady k přijímacím zkouškám na doktorské studium 1 Popisná statistika Určete aritmetický průměr dat, zadaných tabulkou hodnot x i a četností n i x i 1 2 3 n
Více