VYSOCE PŘESNÉ METODY OBRÁBĚNÍ

Rozměr: px
Začít zobrazení ze stránky:

Download "VYSOCE PŘESNÉ METODY OBRÁBĚNÍ"

Transkript

1 VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojího ižeýrství Ústav strojíreské techologie ISBN VYSOCE PŘESNÉ METODY OBRÁBĚNÍ doc. Ig. Jaroslav PROKOP, CSc. 1 1 Fakulta strojího ižeýrství, Vysoké učeí techické v Brě, Techická 2896/2, Bro prokop@fme.vutbr.cz ABSTRAKT Příspěvek se zabývá aalýzou přesosti a kvalitou obrobeých ploch ve výrobím procesu, statistickou iterpretací parametrů přesosti obrobeých ploch, požadavky a přístrojové vybaveí pro kotrolu přesosti a jakosti těchto ploch, dosažitelou přesostí a ekoomickou retabilitou vysoce přesých metod obráběí. Dále popisuje vliv řezých podmíek a časovou a ceovou áročost produkce, staovuje požadavky a obráběcí stroje pro vysoce přesé metody obráběí a avrhuje optimalizací techologických procesů vysoce přesého obráběí. Zvláští pozorost je věováa statistickým hodoceím stability velmi přesých výrobích procesů a doporučeím pro zaváděí a využíváí vysoce přesých metod obráběí ve výrobě. Klíčová slova: přesé metody obráběí, optimalizace, hodoceí stability ÚVOD Předmětem této části projektu je aalýza a kokretizace řešeé problematiky v oblasti reálé aplikace v provozích podmíkách. Jedotlivé oblasti jsou zaměřey a techologickou charakteristiky a požadavky a příslušé techologické systémy. V mezích možostí jsou zpracovaé části doplěy kokrétími příklady pro sazší orietaci poteciálích uživatelů. Cosultig poit pro rozvoj spolupráce v oblasti řízeí iovací a trasferu techologií

2 1. PŘESNOST A KVALITA OBROBENÝCH PLOCH Přesost a kvalita obrobeé plochy představuje itegrovaý výstup daého obráběcího procesu. Parametry přesosti a kvality posuzovaé obrobeé plochy se kokretizují jako parametry přesosti, k imž patří zejméa: úchylka rozměru úchylka tvaru úchylka polohy struktura povrchu - úchylka od jmeovité hodoty - úchylka přímosti, úchylka kruhovitosti, úchylka válcovitosti - úchylka rovoběžosti, úchylka kolmosti, úchylka souososti - průměrá aritmetická úchylka Ra, ejvětší výška profilu Rz V ěkterých speciálích případech se mohou kvatifikovat další parametry jako druh a velikost apětí v povrchové vrstvě obrobeé plochy, mikrotvrdost povrchové vrstvy Specifikovaé parametry přesosti a kvality obrobeé plochy závisí a moha techologických faktorech, které lze z hlediska jejich charakteru čleit a: systematicky kostatí - chyba v seřízeí obráběcího stroje, úchylka rozměru a tvaru ástroje systematicky proměé - opotřebeí ástroje, tepelé deformace obráběcího systému áhodé - rozptýleí přídavků a obráběí, rozptýleí vlastostí materiálu Parametry přesosti a kvality obrobeé plochy se kvatifikují pro idetifikovaý obráběcí proces, kdy se idetifikuje zejméa obrobek, obráběcí metoda, obráběcí stroj, ástroj a řezé podmíky. Přesost obrobeé plochy je obecě fukcí přesosti a techologických vlastostí obráběcího stroje, ástroje, obrobku, upíače a řezých podmíek. Obráběcí stroj má z hlediska přesosti obrobeé plochy obvykle priorití postaveí a jeho vlastosti zpravidla rozhodujícím způsobem ovlivňují realizovaé parametry přesosti obrobeé plochy. 2. KONTROLA PŘESNOSTI A KVALITY OBROBENÉHO POVRCHU VE VÝROBNÍM PROCESU Kotrola a měřeí. Měřeí rozměrů. Měřeí tvarů. Měřeí úchylek polohy. Měřeí parametrů struktury povrchu (rozpracováo). 3. STATISTICKÁ INTERPRETACE PARAMETRŮ PŘESNOSTI OBROBENÉ PLOCHY Přesost obrobeé plochy se v závislosti a techologických aspektech idetifikovaého obráběcího procesu kvatifikuje a základě obrobeí určitého počtu vhodě zvoleých zkušebích obrobků. Pro zobecěí výsledků prováděé aalýzy je důležitá idetifikace podmíek, za kterých byly kvatifikovaé parametry přesosti obrobeé plochy vyšetřey. Z praktického hlediska se idetifikuje zejméa obráběcí metodu, obráběcí stroj, zkušebí obrobek, ástroj a

3 řezé podmíky. Pro idetifikovaý obráběcí proces a pro hodoceé plochy zkušebího obrobku se specifikují parametry přesosti a avrhe se metodický postup jejich měřeí. Součástí měřících postupů jsou rověž základí charakteristiky použitých měřících přístrojů. Úchylky obrobeé plochy mají vesměs charakter spojitých áhodých proměých a při kvatifikaci přesosti obrobeé plochy se jejich hodoty vyšetří a základě obrobeí určitého počtu zkušebích obrobků. Počet zkušebích obrobků se obecě ozačí a volí se s ohledem a očekávaý průběh a tredy posuzovaé úchylky a charakter obráběcího procesu. Pro ustáleé obráběcí procesy, kdy techologické vlivy a přesost jsou převážě áhodého charakteru, je možé doporučit 5. Pro případ, kdy je zřejmý tred změy parametrů přesosti a kdy převažují systematicky proměé vlivy, bude třeba volit větší počet zkušebích obrobků. Statistická iterpretace parametrů přesosti daé obrobeé plochy se provede a základě předpokladu o průběhu a tredech hodoceých veliči. Formulace těchto předpokladů případě hypotéz vychází ze zalosti podobých či aalogických obráběcích procesů. Metodické postupy a výstupí závěry celé aalýzy se použijí v závislosti a vstupích předpokladech a hypotézách. Z hlediska řešeé problematiky se rozliší obráběcí procesy, které korespodují s určitým statistickým rozděleím hodoceých veliči a obráběcí procesy, u ichž je rozděleí posuzovaých veliči ezámé. Při aalýze obráběcích procesů se z hlediska parametrů jejich přesosti často pracuje s ormálím rozděleím, přičemž hypotéza ormálího rozděleí uvažovaé áhodé veličiy může být ověřea vhodým testem ormality. 3.1 Normálí rozděleí parametru přesosti obrobeé plochy Normálí rozděleí parametrů přesosti obrobeé plochy se uplatí zejméa v těch případech, kdy převažuje áhodý charakter techologických vlivů a kdy systematicky proměé vlivy jsou během obráběcího procesu korigováy ebo elimiováy. Uvedeé podmíky jsou splěy apř. pro obráběcí proces realizovaý a CNC obráběcím stroji s diagostikou stavu ástroje a tepelých deformací stroje ebo pro obráběcí proces realizovaý a uiverzálím obráběcím stroji s kvalifikovaou obsluhou v malosériové výrobě. Výchozí údaje pro statistickou iterpretaci jsou parametry přesosti obrobeé plochy realizovaé a zkušebích obrobcích, které se obecě ozačí x 1, x 2... x i... x. Tyto veličiy se z hlediska dalšího statistického zpracováí považují za áhodý výběr z ormálě rozděleého základího souboru, který charakterizuje středí hodota m a směrodatá odchylka. Metodický postup se rozliší v závislosti a tom, zda jsou ebo ejsou zámé parametry ormálího rozděleí posuzovaých parametrů přesosti obrobeé plochy. Obvykle však ai středí hodota m a ai směrodatá odchylka ejsou zámé a proto se pracuje s příslušými odhady. Pro zvoleé parametry přesosti obrobeé plochy se v řešeém případu kvatifikuje odhad středí hodoty, kofidečí iterval středí hodoty a statistický toleračí iterval.

4 Odhad středí hodoty parametru přesosti obrobeé plochy Odhad středí hodoty parametru přesosti obrobeé plochy se ozačí x a vyjádří se jako výběrový průměr defiovaý vztahem: 1 x x (3.1) i i Kofidečí iterval středí hodoty parametru přesosti obrobeé plochy Odhad středí hodoty parametru přesosti obrobeé plochy x je však sám o sobě také áhodou veličiou. V souvislosti s touto skutečostí se určí dvoustraý ebo jedostraý kofidečí iterval pro středí hodotu parametru přesosti obrobeé plochy. Meze kofidečího itervalu limitují skutečou velikost středí hodoty parametru přesosti obrobeé plochy s určitou předem zvoleou pravděpodobostí. Dvoustraý kofidečí iterval středí hodoty parametru přesosti obrobeé plochy je ohraiče mezemi, pro které platí: P ( m D2 m m H2 ) = 1 - (3.2) m D 2 -dolí mez dvoustraého kofidečího itervalu středí hodoty parametru přesosti obrobeé plochy m H 2 - horí mez dvoustraého kofidečího itervalu středí hodoty parametru přesosti obrobeé plochy m - středí hodota parametru přesosti obrobeé plochy kofidečí úroveň Jedostraé kofidečí itervaly středí hodoty parametru přesosti obrobeé plochy jsou ohraičey mezemi, pro které platí: m D 1 m H 1 P ( m D1 m ) = 1 - (3.3) P ( m m H1 ) = 1 - (3.4) - dolí mez jedostraého kofidečího itervalu středí hodoty parametru přesosti obrobeé plochy - horí mez jedostraého kofidečího itervalu středí hodoty parametru přesosti obrobeé plochy Meze kofidečích itervalů středí hodoty parametru přesosti obrobeé plochy se vyčíslí a základě odhadu středí hodoty x a odhadu směrodaté odchylky s dle vztahů: s x t 1 α/2; (3.5) m D2 1 s x t1 α/2; (3.6) m H2 1

5 t 1- /2;-1 t 1- ;-1 s m m x t1 ; s (3.7) x t1 ; s (3.8) D1 1 H /2 -kvatil Studetova t rozděleí s (-1) stupi volosti kvatil Studetova t rozděleí s (-1) stupi volosti - odhad směrodaté odchylky parametru přesosti obrobeé plochy Hodoty kvatilů Studetova rozděleí jsou apř. v [2], [3], [5]. V rámci řešeé problematiky jsou vybraé hodoty q - kvatilů Studetova t rozděleí pro stupňů volosti uvedey v příloze 3.1. Odhad směrodaté odchylky parametru přesosti obrobeé plochy se vyčíslí dle vztahu: 1 2 s (x i x) (3.9) 1 i Velikost dvoustraého kofidečího itervalu středí hodoty parametru přesosti obrobeé plochy se ozačí I m2 a vyjádří se jako rozdíl příslušých mezí: s m H2 m D2 2t 1 α/2; (3.10) I m Statistický toleračí iterval parametru přesosti obrobeé plochy Statistický toleračí iterval parametru přesosti obrobeé plochy je iterval, pro který existuje pevá pravděpodobost vyjádřeá kofidečí úroví 1-, že pokryje alespoň podíl p souboru, z ěhož pochází áhodý výběr. Statistický toleračí iterval se staoví jako dvoustraý ebo jedostraý, jehož meze se vyčíslí a základě závislostí: L i2 = x - k 2. s (3.11) L s2 = x + k 2. s (3.12) L i1 = x - k 1. s (3.13) L s1 = x + k 1. s (3.14) L i 2 - dolí mez dvoustraého statistického toleračího itervalu parametru přesosti obrobeé plochy L s 2 - horí mez dvoustraého statistického toleračího itervalu parametru přesosti obrobeé plochy L i 1 - dolí mez jedostraého statistického toleračího itervalu parametru přesosti obrobeé plochy L s1 - horí mez jedostraého statistického toleračího itervalu parametru přesosti obrobeé plochy k 2 - součiitel pro meze dvoustraého statistického toleračího itervalu parametru přesosti obrobeé plochy

6 k 1 - součiitel pro meze jedostraého statistického toleračího itervalu parametru přesosti obrobeé plochy Hodoty součiitelů k 2, k 1 závisí a počtu posuzovaých zkušebích obrobků, a zvoleém podílu základího souboru p, který staoveé meze mají pokrýt a a zvoleé kofidečí úrovi 1 -. Hodoty součiitelů k 2 (, p, 1- ) a k 1 (, p, 1- ) jsou apř. v [2], [4]. Vybraé hodoty součiitelů k 2 a k 1 pro ormálí rozděleí posuzovaé veličiy při ezámých hodotách m a jsou uvedey v přílohách 3.2 a 3.3. Velikost dvoustraého statistického toleračího itervalu parametru přesosti obrobeé plochy I 2 se vyjádří jako rozdíl mezi příslušou horí a dolí mezí: I 2 = L s2 - L i2 = 2 k 2. s (3.15) 3.2. Nezámé rozděleí parametru přesosti obrobeé plochy V případě ezámého, avšak spojitého rozděleí hodoceých veliči je možé pro statistickou iterpretaci přesosti hodoceé obrobeé plochy využít ěkteré eparametrické metody. V rámci dále uvedeého postupu se statistická iterpretace vztahuje k extrémím hodotám vyšetřeých veliči specifikovaých parametrů přesosti. Na základě zjištěých parametrů přesosti obrobeé plochy a zkušebích obrobcích x 1, x 2... x i... x se staoví odhad středí hodoty parametru přesosti x a odhad směrodaté odchylky parametru přesosti s. Veličiy x a s se vyčíslí podle dříve uvedeých vztahů (3.1) a (3.9) Tyto odhady mají z hlediska dalšího postupu iformativí charakter. Statistická iterpretace parametrů přesosti se provede ve vztahu k miimálí a maximálí hodotě vyšetřeých parametrů přesosti x mi, x max, pro které formálě platí x mi = mi {x 1, x 2... x i... x } x max = max {x 1, x 2... x i... x } Z hlediska metodického postupu se rozliší jedostraě ebo dvoustraě omezeé rozptýleí hodoceých veliči, které souvisí s jedostraým a dvoustraým statistickým toleračím itervalem Jedostraě omezeé rozptýleí parametru přesosti Při jedostraě omezeém rozptýleí hodoceého parametru přesosti se vychází z předpokladu, že mezi počtem zkušebích obrobků, kofidečí úroví 1- a podílem p souboru ad x mi respektive pod x max platí vztah : p α (3.16) Řešeí se provede a základě aalýzy uvedeého vztahu, kdy se vychází z předem daých, ebo zvoleých dvou veliči a třetí se specifikuje. Obecě mohou astat tři základí, dále charakterizovaé případy. a) Pravděpodobost (1 α), že podíl souboru p je ad x mi (ebo pod x max )

7 1 α 1 p (3.17) b) Podíl souboru p, který se s pravděpodobostí (1 α) achází ad x mi (ebo pod x max ) p α (3.18) c) Počet zkušebích obrobků, při kterých podíl souboru p se s pravděpodobostí (1 α) achází v itervalu log 1 1 α log p (3.19) Vybraé případy těchto relací jsou pro orietaci uvedey v příloze Dvoustraě omezeé rozptýleí parametru přesosti Při dvoustraě omezeém rozptýleí hodoceých parametrů přesosti se vychází z předpokladu, že mezi počtem zkušebích obrobků, kofidečí úroví (1- ) a podílem p souboru, který se achází mezi x mi a x max platí vztah :. p 1 1. p α Obecě se řešeí daého problému provádí pro ásledující případy: a) Pravděpodobost (1 α), že podíl souboru p leží v itervalu < x mi, x max > 1 1 α 1. p 1. p Podíl souboru p, který se s pravděpodobostí (1- ) achází v itervalu < x mi, x max > (3.20) (3.21) b) Velikost podílu souboru p se staoví postupým řešeím rovice (3.22) s využitím relací uvedeých v příloze α 1. p 1. p (3.22) c) Počet zkušebích obrobků, při kterých podíl souboru p se s pravděpodobostí (1- ) achází v itervalu < x mi, x max > Hodota se určí postupým řešeím rovice (3.22) s využitím relací uvedeých v příloze 3.5.

8 Příloha 3.1 Vybraé hodoty q- kvatilů Studetova t rozděleí pro stupňů volosti t q; q 0,90 0,95 0,975 0,99 0, ,533 2,132 2,776 3,747 4, ,476 2,015 2,571 3,365 4, ,440 1,943 2,447 3,143 3, ,415 1,895 2,365 2,998 3, ,397 1,860 2,306 2,896 3, ,383 1,833 2,262 2,821 3, ,372 1,812 2,228 2,764 3, ,363 1,796 2,201 2,718 3, ,356 1,782 2,179 2,681 3, ,350 1,771 2,160 2,650 3, ,345 1,761 2,145 2,624 2, ,341 1,753 2,131 2,602 2, ,337 1,746 2,120 2,583 2, ,333 1,740 2,110 2,567 2, ,330 1,734 2,101 2,552 2, ,328 1,729 2,093 2,539 2, ,325 1,725 2,086 2,528 2, ,323 1,721 2,080 2,518 2, ,321 1,717 2,074 2,508 2, ,319 1,714 2,069 2,500 2, ,318 1,711 2,064 2,492 2, ,316 1,708 2,060 2,485 2, ,315 1,706 2,056 2,479 2, ,314 1,703 2,052 2,473 2, ,313 1,701 2,048 2,467 2, ,311 1,699 2,045 2,462 2, ,310 1,697 2,042 2,457 2,750

9 Příloha 3.2 Vybraé hodoty součiitelů k 2 (,p,1- ) pro staoveí dvoustraého statistického toleračího itervalu - ormálí rozděleí - m a ezámé 1- = 0,95 1- = 0,99 p = 0,90 p = 0,95 p = 0,99 p = 0,90 p = 0,95 p = 0,99 5 4,28 5,08 6,63 6,61 7,86 10,26 6 3,71 4,41 5,78 5,34 6,35 8,30 7 3,37 4,01 5,25 4,61 5,49 7,19 8 3,14 3,73 4,89 4,15 4,94 6,47 9 2,97 3,53 4,63 3,82 4,55 5, ,84 3,38 4,43 3,58 4,27 5, ,74 3,26 4,28 3,40 4,05 5, ,66 3,16 4,15 3,25 3,87 5, ,59 3,08 4,04 3,13 3,13 4, ,53 3,01 3,96 3,03 3,61 4, ,48 2,95 3,88 2,95 3,51 4, ,44 2,90 3,81 2,87 3,41 4, ,40 2,86 3,75 2,81 3,35 4, ,37 2,82 3,70 2,72 3,28 4, ,34 2,78 3,66 2,70 3,22 4, ,31 2,75 3,62 2,66 3,17 4, ,29 2,72 3,58 2,62 3,12 4, ,26 2,70 3,54 2,58 3,08 4, ,24 2,67 3,51 2,56 3,04 3, ,23 2,65 3,48 2,52 3,00 3, ,21 2,63 3,46 2,49 2,97 3, ,19 2,61 3,43 2,47 2,94 3, ,18 2,59 3,41 2,45 2,91 3, ,16 2,58 3,39 2,43 2,89 3, ,15 2,56 3,37 2,40 2,86 3, ,14 2,55 3,35 2,39 2,84 3,73

10 Příloha 3.3 Vybraé hodoty součiitelů k 1 (,p,1- ) pro staoveí jedostraého statistického toleračího itervalu - ormálí rozděleí - m a ezámé 1- = 0,95 1- = 0,99 p = 0,90 p = 0,95 p = 0,99 p = 0,90 p = 0,95 p = 0,99 5 3,41 4,21 5,75 6 3,01 3,71 5,07 4,41 5,41 7,33 7 2,76 3,40 4,64 3,86 4,73 6,41 8 2,58 3,19 4,36 3,50 4,29 5,81 9 2,45 3,03 4,14 3,24 3,97 5, ,36 2,91 3,98 3,05 3,74 5, ,28 2,82 3,85 2,90 3,56 4, ,21 2,74 3,75 2,77 3,41 4, ,16 2,67 3,66 2,68 3,29 4, ,11 2,61 3,59 2,59 3,19 4, ,07 2,57 3,52 2,52 3,10 4, ,03 2,52 3,46 2,46 3,03 4, ,00 2,49 3,41 2,41 2,96 4, ,97 2,45 3,37 2,36 2,91 3, ,95 2,42 3,33 2,32 2,86 3, ,93 2,40 3,30 2,28 2,81 3, ,91 2,37 3,26 2,24 2,77 3, ,89 2,35 3,23 2,21 2,73 3, ,87 2,33 3,21 2,18 2,69 3, ,85 2,31 3,18 2,15 2,66 3, ,84 2,29 3,16 2,13 2,63 3, ,82 2,27 3,13 2,11 2,60 3, ,81 2,26 3,12 2,09 2,58 3, ,80 2,24 3,09 2,07 2,56 3, ,79 2,23 3,08 2,05 2,54 3, ,78 2,22 3,06 2,03 2,52 3,45

11 Příloha 3.4 Vybraé případy relací p = pro jedostraě omezeé rozptýleí parametrů přesosti - počet zkušebích obrobků, p - podíl souboru, 1- - kofidečí úroveň 1- p 0,50 0,75 0,90 0,95 0,99 0,999 0, , , , , , Příloha 3.5 Vybraé případy relací p -1 - (-1) p = pro dvoustraě omezeé rozptýleí parametrů přesosti - počet zkušebích obrobků, p - podíl souboru, 1- - kofidečí úroveň 1- p 0,50 0,75 0,90 0,95 0,99 0,999 0, , , , , , PŘÍLOHY 3.1 Vybraé hodoty q- kvatilů Studetova t rozděleí pro stupňů volosti t q; 3.2 Vybraé hodoty součiitelů k 2 (,p,1- ) pro staoveí dvoustraého statistického toleračího itervalu - ormálí rozděleí - m a ezámé 3.3 Vybraé hodoty součiitelů k 1 (,p,1- ) pro staoveí jedostraého statistického toleračího itervalu - ormálí rozděleí - m a ezámé 3.4 Vybraé případy relací p = pro jedostraě omezeé rozptýleí parametrů přesosti - počet zkušebích obrobků, p - podíl souboru, 1- - kofidečí úroveň 3.5 Vybraé případy relací p -1 - (-1) p = pro dvoustraě omezeé rozptýleí parametrů přesosti - počet zkušebích obrobků, p - podíl souboru, 1- - kofidečí úroveň

12 LITERATURA [1] KOCMAN, K. a PROKOP, J. Techická diagostika přesosti obráběí. I: Sborík předášek Meziárodí koferece TD DIAGON 96, s , Zlí. [2] LIKEŠ,J. a LAGA,J.(1978). Základí statistické tabulky. SNTL Praha. [3] ČSN ISO 2602 (1993). Statistická iterpretace výsledků zkoušek. Odhad průměru. Kofidečí iterval. [4] ČSN ISO 3207 (1993). Statistická iterpretace údajů. Staoveí statistického toleračího itervalu. [5] ČSN (1985). Aplikovaá statistika. Pravidla staoveí odhadů a kofidečích mezí pro parametry ormálího rozděleí.

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU) ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU) Základy teorie pravděpodobosti měřeí chyba měřeí Provádíme kvalifikovaý odhad áhodá systematická výsledek ejistota výsledku Základy teorie pravděpodobosti

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

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

UPLATNĚNÍ ZKOUŠEK PŘI PROHLÍDKÁCH MOSTŮ

UPLATNĚNÍ ZKOUŠEK PŘI PROHLÍDKÁCH MOSTŮ 3..- 4.. 2009 DIVYP Bro, s.r.o., Filipova, 635 00 Bro, http://www.divypbro.cz UPLATNĚNÍ ZKOUŠEK PŘI PROHLÍDKÁCH MOSTŮ autoři: prof. Ig. Mila Holický, PhD., DrSc., Ig. Karel Jug, Ph.D., doc. Ig. Jaa Marková,

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

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

MOŽNOSTI STATISTICKÉHO POSOUZENÍ KVANTITATIVNÍCH VÝSLEDKŮ POŽÁRNÍCH ZKOUŠEK PRO POTŘEBY CERTIFIKACE A POSUZOVÁNÍ SHODY VÝROBKŮ

MOŽNOSTI STATISTICKÉHO POSOUZENÍ KVANTITATIVNÍCH VÝSLEDKŮ POŽÁRNÍCH ZKOUŠEK PRO POTŘEBY CERTIFIKACE A POSUZOVÁNÍ SHODY VÝROBKŮ PŘÍSPĚVKY THE SCIENCE FOR POPULATION PROTECTION 0/008 MOŽNOSTI STATISTICKÉHO POSOUZENÍ KVANTITATIVNÍCH VÝSLEDKŮ POŽÁRNÍCH ZKOUŠEK PRO POTŘEBY CERTIFIKACE A POSUZOVÁNÍ SHODY VÝROBKŮ STATISTICAL ASSESSMENT

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

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

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

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

Intervalové odhady parametrů

Intervalové odhady parametrů Itervalové odhady parametrů Petr Pošík Části dokumetu jsou převzaty (i doslově) z Mirko Navara: Pravděpodobost a matematická statistika, https://cw.felk.cvut.cz/lib/ee/fetch.php/courses/a6m33ssl/pms_prit.pdf

Více

Pravděpodobnostní model doby setrvání ministra školství ve funkci

Pravděpodobnostní model doby setrvání ministra školství ve funkci Pravděpodobostí model doby setrváí miistra školství ve fukci Základí statistická iferece Data Zdro: http://www.msmt.cz/miisterstvo/miistri-skolstvi-od-roku-848. Ke statistickému zpracováí byla vzata pozorováí

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

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

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

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

14. Testování statistických hypotéz Úvod statistické hypotézy Definice 14.1 Statistickou hypotézou parametrickou neparametrickou. nulovou testovanou

14. Testování statistických hypotéz Úvod statistické hypotézy Definice 14.1 Statistickou hypotézou parametrickou neparametrickou. nulovou testovanou 4. Testováí statistických hypotéz Úvod Při práci s daty se mohdy spokojujeme s itervalovým či bodovým odhadem parametrů populace. V mohých případech se však uchylujeme k jiému postupu, většiou jde o případy,

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

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

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

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

Intervalový odhad. nazveme levostranným intervalem pro odhad parametru Θ. Statistiku. , kde číslo α je blízké nule, nazveme horním

Intervalový odhad. nazveme levostranným intervalem pro odhad parametru Θ. Statistiku. , kde číslo α je blízké nule, nazveme horním Lekce Itervalový odhad Itervalový odhad je jedou ze stadardích statistických techik Cílem je sestrojit iterval (kofidečí iterval, iterval spolehlivosti, který s vysokou a avíc předem daou pravděpodobostí

Více

Prorážka DOC. ING. PAVEL HÁNEK, CSC. Uvedené materiály jsou doplňkem přednášek předmětu 154GP10

Prorážka DOC. ING. PAVEL HÁNEK, CSC. Uvedené materiály jsou doplňkem přednášek předmětu 154GP10 Prorážka DOC. ING. PAVEL HÁNEK, CSC. Uvedeé materiály jsou doplňkem předášek předmětu 154GP10 014 HLAVNÍ PROJEKČNÍ PRVKY Směr pokud možo volit přímý tuel. U siličích t. miimálí poloměr 300 m, u železičích

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

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL Elea Mielcová, Radmila Stoklasová a Jaroslav Ramík; Statistické programy POPISNÁ STATISTIKA V PROGRAMU MS EXCEL RYCHLÝ NÁHLED KAPITOLY Žádý výzkum se v deší době evyhe statistickému zpracováí dat. Je jedo,

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

0,063 0,937 0,063 0, P 0,048 0,078 0,95. = funkce CONFIDENCE.NORM(2α; p(1 p)

0,063 0,937 0,063 0, P 0,048 0,078 0,95. = funkce CONFIDENCE.NORM(2α; p(1 p) . Příklad Při průzkumu trhu projevilo 63 z dotázaých zákazíků zájem o iovovaý výrobek, který má být uvede a trh se zákazíky. Odvoďte a odhaděte proceto a počet zájemců v populaci s 95% spolehlivostí. Následě

Více

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 6. KAPITOLA CENTRÁLNÍ LIMITNÍ VĚTA 6.11.2017 Opakováí: Čebyševova erovost příklad Pravděpodobost vyrobeí zmetku je 0,5. Odhaděte pravděpodobost,

Více

8. Odhady parametrů rozdělení pravděpodobnosti

8. Odhady parametrů rozdělení pravděpodobnosti Pozámky k předmětu Aplikovaá statistika, 8 téma 8 Odhady parametrů rozděleí pravděpodobosti Zaměříme se a odhad středí hodoty a rozptylu a to dvěma způsoby Předpokládejme, že máme áhodý výběr X 1,, X z

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

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 3. ÚKOL JB TEST 3. Úkol zadáí pro statistické testy U každého z ásledujících testů uveďte ázev (včetě autora), předpoklady použití, ulovou

Více

Základy statistiky. Zpracování pokusných dat Praktické příklady. Kristina Somerlíková

Základy statistiky. Zpracování pokusných dat Praktické příklady. Kristina Somerlíková Základy statistiky Zpracováí pokusých dat Praktické příklady Kristia Somerlíková Data v biologii Zak ebo skupia zaků popisuje přírodí jevy, úlohou výzkumíka je vybrat takovou skupiu zaků, které charakterizují

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

vají statistické metody v biomedicíně

vají statistické metody v biomedicíně Statistika v biomedicísk ském m výzkumu a ve zdravotictví Prof. RNDr. Jaa Zvárov rová,, DrSc. EuroMISE Cetrum Ústav iformatiky AV ČR R v.v.i. Proč se používaj vají statistické metody v biomedicíě Biomedicísk

Více

vají statistické metody v biomedicíně Literatura Statistika v biomedicínsk nském výzkumu a ve zdravotnictví

vají statistické metody v biomedicíně Literatura Statistika v biomedicínsk nském výzkumu a ve zdravotnictví Statistika v biomedicísk ském výzkumu a ve zdravotictví Prof. RNDr. Jaa Zvárov rová,, DrSc. EuroMISE Cetrum Ústav iformatiky AV ČR R v.v.i. Literatura Edice Biomedicísk ská statistika vydáva vaá a Uiverzitě

Více

Přednáška VIII. Testování hypotéz o kvantitativních proměnných

Přednáška VIII. Testování hypotéz o kvantitativních proměnných Předáška VIII. Testováí hypotéz o kvatitativích proměých Úvodí pozámky Testy o parametrech rozděleí Testy o parametrech rozděleí Permutačí testy Opakováí hypotézy Co jsou to hypotézy a jak je staovujeme?

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

1. Definice elektrického pohonu 1.1 Specifikace pohonu podle typu poháněného pracovního stroje 1.1.1 Rychlost pracovního mechanismu

1. Definice elektrického pohonu 1.1 Specifikace pohonu podle typu poháněného pracovního stroje 1.1.1 Rychlost pracovního mechanismu 1. Defiice elektrického pohou Pod pojmem elektrický poho rozumíme soubor elektromechaických vazeb a vztahů mezi pracovím mechaismem a elektromechaickou soustavou. Mezi základí tři části elektrického pohou

Více

Národní informační středisko pro podporu jakosti

Národní informační středisko pro podporu jakosti Národí iformačí středisko pro podpor jakosti Kozltačí středisko statistických metod při NIS-PJ Výpočet koeficietů reglačích diagramů pro obecé riziko Ig. Václav Chmelík, CSc Ústav strojíreské techologie,

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

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

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

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

Více

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

Cvičení 6.: Bodové a intervalové odhady střední hodnoty, rozptylu a koeficientu korelace, test hypotézy o střední hodnotě při známém rozptylu

Cvičení 6.: Bodové a intervalové odhady střední hodnoty, rozptylu a koeficientu korelace, test hypotézy o střední hodnotě při známém rozptylu Cvičeí 6: Bodové a itervalové odhady středí hodoty, rozptylu a koeficietu korelace, test hypotézy o středí hodotě při zámém rozptylu Příklad : Bylo zkoumáo 9 vzorků půdy s růzým obsahem fosforu (veličia

Více

TECHNICKÝ AUDIT VODÁRENSKÝCH DISTRIBUČNÍCH

TECHNICKÝ AUDIT VODÁRENSKÝCH DISTRIBUČNÍCH ECHNICKÝ AUDI VODÁRENSKÝCH DISRIBUČNÍCH SYSÉMŮ Ig. Ladislav uhovčák, CSc. 1), Ig. omáš Kučera 1), Ig. Miroslav Svoboda 1), Ig. Miroslav Šebesta 2) 1) 2) Vysoké učeí techické v Brě, Fakulta stavebí, Ústav

Více

Závislost slovních znaků

Závislost slovních znaků Závislost slovích zaků Závislost slovích (kvalitativích) zaků Obměy slovího zaku Alterativí zaky Možé zaky Tříděí věcé sloví řady: seřazeí obmě je subjektiví záležitostí (podle abecedy), možé i objektiví

Více

Příloha č. 7 Dodatku ke Smlouvě o službách Systém měření kvality Služeb

Příloha č. 7 Dodatku ke Smlouvě o službách Systém měření kvality Služeb Příloha č. 7 Dodatku ke Smlouvě o službách Systém měřeí kvality Služeb Dodavatel a Objedatel se dohodli a ahrazeí Přílohy C - Systém měřeí kvality Služeb Obchodích podmíek Smlouvy o službách touto Přílohou

Více

17. Statistické hypotézy parametrické testy

17. Statistické hypotézy parametrické testy 7. Statistické hypotézy parametrické testy V této části se budeme zabývat statistickými hypotézami, pomocí vyšetřujeme jedotlivé parametry populace. K takovýmto šetřeím většiou využíváme ám již dobře zámé

Více

Co je to statistika? Statistické hodnocení výsledků zkoušek. Úvod statistické myšlení. Úvod statistické myšlení. Popisná statistika

Co je to statistika? Statistické hodnocení výsledků zkoušek. Úvod statistické myšlení. Úvod statistické myšlení. Popisná statistika Co e to statistika? Statistické hodoceí výsledků zkoušek Petr Misák misak.p@fce.vutbr.cz Statistika e ako bikiy. Odhalí téměř vše, ale to edůležitěší ám zůstae skryto. (autor ezámý) Statistika uda e, má

Více

Pevnost a životnost - Hru III 1. PEVNOST a ŽIVOTNOST. Hru III. Milan Růžička, Josef Jurenka, Zbyněk Hrubý.

Pevnost a životnost - Hru III 1. PEVNOST a ŽIVOTNOST. Hru III. Milan Růžička, Josef Jurenka, Zbyněk Hrubý. evost a životost - Hr III EVNOT a ŽIVOTNOT Hr III Mila Růžička, Josef Jreka, Zbyěk Hrbý zbyek.hrby@fs.cvt.cz evost a životost - Hr III tatistické metody vyhodocováí dat evost a životost - Hr III 3 tatistické

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

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

i 1 n 1 výběrový rozptyl, pro libovolné, ale pevně dané x Roznačme n 1 Téma 6.: Základní pojmy matematické statistiky

i 1 n 1 výběrový rozptyl, pro libovolné, ale pevně dané x Roznačme n 1 Téma 6.: Základní pojmy matematické statistiky Téma 6.: Základí pojmy matematické statistiky Vlastosti důležitých statistik odvozeých z jedorozměrého áhodého výběru: Nechť X,..., X je áhodý výběr z rozložeí se středí hodotou μ, rozptylem σ a distribučí

Více

8. Analýza rozptylu.

8. Analýza rozptylu. 8. Aalýza rozptylu. Lieárí model je popis závislosti, který je využívá v řadě disciplí matematické statistiky. Uvedeme jeho popis a tvrzeí, která budeme využívat. Setkáme se s ím jedak v aalýze rozptylu,

Více

REGRESNÍ DIAGNOSTIKA. Regresní diagnostika

REGRESNÍ DIAGNOSTIKA. Regresní diagnostika 4.11.011 REGRESNÍ DIAGNOSTIKA Chemometrie I, David MILDE Regresí diagostika Obsahuje postupy k posouzeí: kvality dat pro regresí model (přítomost vlivých bodů), kvality modelu pro daá data, splěí předpokladů

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

Modelování jednostupňové extrakce. Grygar Vojtěch

Modelování jednostupňové extrakce. Grygar Vojtěch Modelováí jedostupňové extrakce Grygar Vojtěch Soutěží práce 009 UTB ve Zlíě, Fakulta aplikovaé iformatiky, 009 OBSAH ÚVOD...3 1 MODELOVÁNÍ PRACÍCH PROCESŮ...4 1.1 TERMODYNAMIKA PRACÍHO PROCESU...4 1.

Více

Kvantily. Problems on statistics.nb 1

Kvantily. Problems on statistics.nb 1 Problems o statistics.b Kvatily 5.. Nechť x a, kde 0 < a

Více

U klasifikace podle minimální vzdálenosti je nutno zvolit:

U klasifikace podle minimální vzdálenosti je nutno zvolit: .3. Klasifikace podle miimálí vzdáleosti Tato podkapitola je věováa popisu podstaty klasifikace podle miimálí vzdáleosti, jež úzce souvisí s klasifikací pomocí etaloů klasifikačích tříd. Představíme si

Více

Odhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení

Odhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení Odhad parametru p biomického rozděleí a test hypotézy o tomto parametru Test hypotézy o parametru p biomického rozděleí Motivačí úloha Předpokládejme, že v důsledku realizace jistého áhodého pokusu P dochází

Více

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT Základy práce s tabulkou Výukový modul III. Iovace a zkvalitěí výuky prostředictvím ICT Téma III..3, pracoví list 3 Techická měřeí v MS Ecel Průměry a četosti, odchylky změřeých hodot. Ig. Jiří Chobot

Více

Téma: 11) Dynamika stavebních konstrukcí

Téma: 11) Dynamika stavebních konstrukcí Počítačová podpora statických výpočtů Téma: ) Dyamika stavebích kostrukcí Katedra stavebí mechaiky Fakulta stavebí, VŠB V Techická uiverzita Ostrava Rozděleí mechaiky Statika Zabývá se problematikou působeí

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

HODNOCENÍ KVALITY MATERIÁLU PRI SÉRIOVÉ PRODUKCI ODLITKU Z NIKLOVÝCH SLITIN PRO NÁROCNÉ PROVOZNÍ PODMÍNKY

HODNOCENÍ KVALITY MATERIÁLU PRI SÉRIOVÉ PRODUKCI ODLITKU Z NIKLOVÝCH SLITIN PRO NÁROCNÉ PROVOZNÍ PODMÍNKY HODNOCENÍ KVALITY MATERIÁLU PRI SÉRIOVÉ PRODUKCI ODLITKU Z NIKLOVÝCH SLITIN PRO NÁROCNÉ PROVOZNÍ PODMÍNKY MATERIAL QUALITY EVALUATION IN SERIES PRODUCTION OF INVESTMENT CAST PARTS FROM NICKEL BASE ALLOYS

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojního inženýrství. Matematika IV. Semestrální práce

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojního inženýrství. Matematika IV. Semestrální práce VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta troího ižeýrtví Matematika IV Semetrálí práce Zpracoval: Čílo zadáí: 7 Studií kupia: Datum: 8.4. 0 . Při kotrole akoti výrobků byla ledováa odchylka X [mm] eich rozměru

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

VaR analýza citlivosti, korekce

VaR analýza citlivosti, korekce VŠB-TU Ostrava, Ekoomická fakulta, katedra fiací.-. září 008 VaR aalýza citlivosti, korekce Fratišek Vávra, Pavel Nový Abstrakt Práce se zabývá rozbory citlivosti ěkterých postupů, zahrutých pod zkratkou

Více

Přednášky část 7 Statistické metody vyhodnocování dat

Přednášky část 7 Statistické metody vyhodnocování dat DŽ ředášky část 7 tatistické metody vyhodocováí dat Mila Růžička mechaika.fs.cvt.cz mila.rzicka@fs.cvt.cz DŽ tatistické metody vyhodocováí dat Jak velké rozptyly lze očekávat mezi dosažeými pevostmi ebo

Více

8 DALŠÍ SPOJITÁ ROZDĚLENÍ PRAVDĚPODOBNOSTI

8 DALŠÍ SPOJITÁ ROZDĚLENÍ PRAVDĚPODOBNOSTI 8 DALŠÍ SPOJITÁ ROZDĚLENÍ PRAVDĚPODOBNOSTI Ča ke tudiu kapitoly: 60 miut Cíl: Po protudováí tohoto odtavce budete umět: charakterizovat další typy pojitých rozděleí: χ, Studetovo, Ficher- Sedocorovo -

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

1 Úvod { }.[ ] A= A A, (1.1)

1 Úvod { }.[ ] A= A A, (1.1) Obsah Obsah... Úvod... 3 Základí pojmy počtu pravděpodobosti... 7. Základí statistické pojmy... 7. Fukce áhodých veliči... 8.3 Charakteristiky áhodých veliči... 0.4 Některá rozděleí pravděpodobosti....5

Více

Dynamická pevnost a životnost Statistika

Dynamická pevnost a životnost Statistika DŽ statistika Dyamická pevost a životost tatistika Mila Růžička, Josef Jreka, Zbyěk Hrbý mechaika.fs.cvt.cz zbyek.hrby@fs.cvt.cz DŽ statistika tatistické metody vyhodocováí dat DŽ statistika 3 tatistické

Více

b c a P(A B) = c = 4% = 0,04 d

b c a P(A B) = c = 4% = 0,04 d Příklad 6: Z Prahy do Athé je 50 km V Praze byl osaze válec auta ovou svíčkou, jejíž životost má ormálí rozděleí s průměrem 0000 km a směrodatou odchylkou 3000 km Jaká je pravděpodobost, že automobil překoá

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

Integrace hodnot Value-at-Risk lineárních subportfolií na bázi vícerozměrného normálního rozdělení výnosů aktiv

Integrace hodnot Value-at-Risk lineárních subportfolií na bázi vícerozměrného normálního rozdělení výnosů aktiv 3. meziárodí koferece Řízeí a modelováí fiačích rizik Ostrava VŠB-U Ostrava, Ekoomická fakulta, katedra Fiací 6.-7. září 006 tegrace hodot Value-at-Risk lieárích subportfolií a bázi vícerozměrého ormálího

Více

Pravděpodobnostní modely

Pravděpodobnostní modely Pravděpodobostí modely Meu: QCEpert Pravděpodobostí modely Modul hledá metodou maimálí věrohodosti (MLE Maimum Likelihood Estimate) statistický model (rozděleí) který ejlépe popisuje data. Je přitom k

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

Popisná statistika - zavedení pojmů. 1 Jednorozměrný statistický soubor s kvantitativním znakem

Popisná statistika - zavedení pojmů. 1 Jednorozměrný statistický soubor s kvantitativním znakem Popisá statistika - zavedeí pojmů Popisá statistika - zavedeí pojmů Soubor idividuálích údajů o objektech azýváme základí soubor ebo také populace. Zkoumaé objekty jsou tzv. statistické jedotky a sledujeme

Více

Odhad parametrů normálního rozdělení a testy hypotéz o těchto parametrech * Věty o výběru z normálního rozdělení

Odhad parametrů normálního rozdělení a testy hypotéz o těchto parametrech * Věty o výběru z normálního rozdělení Odhad parametrů ormálího rozděleí a testy hypotéz o těchto parametrech * Věty o výběru z ormálího rozděleí Nechť, X, X je áhodý výběr z rozděleí N ( µ, ) X, Ozačme výběrový průměr a = X = i = X i i = (

Více

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test, varianta C)

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test, varianta C) Přijímací řízeí pro akademický rok 24/ a magisterský studijí program: PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemý test, variata C) Zde alepte své uiverzití číslo U každé otázky či podotázky v ásledujícím

Více

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test, varianta B)

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test, varianta B) Přijímací řízeí pro akademický rok 24/5 a magisterský studijí program: PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemý test, variata B) Zde alepte své uiverzití číslo U každé otázky či podotázky v ásledujícím

Více

AMC/IEM J - HMOTNOST A VYVÁŽENÍ

AMC/IEM J - HMOTNOST A VYVÁŽENÍ ČÁST JAR-OPS 3 AMC/IEM J - HMOTNOST A VYVÁŽENÍ ACJ OPS 3.605 Hodoty hmotostí Viz JAR-OPS 3.605 V souladu s ICAO Ae 5 a s meziárodí soustavou jedotek SI, skutečé a omezující hmotosti vrtulíků, užitečé zatížeí

Více

Úloha II.S... odhadnutelná

Úloha II.S... odhadnutelná Úloha II.S... odhadutelá 10 bodů; průměr 7,17; řešilo 35 studetů a) Zkuste vlastími slovy popsat, k čemu slouží itervalový odhad středí hodoty v ormálím rozděleí a uveďte jeho fyzikálí iterpretaci (postačí

Více

1. Základy počtu pravděpodobnosti:

1. Základy počtu pravděpodobnosti: www.cz-milka.et. Základy počtu pravděpodobosti: Přehled pojmů Jev áhodý jev, který v závislosti a áhodě může, ale emusí při uskutečňováí daého komplexu podmíek astat. Náhoda souhr drobých, ezjistitelých

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

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

Náhodné jevy a pravděpodobnost

Náhodné jevy a pravděpodobnost Lekce Náhodé jevy a pravděpodobost Výklad pravděpodobosti musí začít evyhutelě od základích pojmů Pravděpodobost, velmi zjedodušeě řečeo, pojedává o áhodých jevech (slově vyjádřeých výsledcích áhodých

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

7. Odhady populačních průměrů a ostatních parametrů populace

7. Odhady populačních průměrů a ostatních parametrů populace 7. Odhady populačích průměrů a ostatích parametrů populace Jak sme zišťovali v kapitole. e možé pro každou populaci sestroit možství parametrů, které i charakterizue. Pro účely základího pozáí e evýzaměší

Více

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Náhodá veličia Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 45/004. Náhodá veličia Většia áhodých pokusů má jako výsledky reálá čísla. Budeme tedy dále áhodou veličiou rozumět proměou, která

Více

Úloha III.S... limitní

Úloha III.S... limitní Úloha III.S... limití 10 bodů; průměr 7,81; řešilo 6 studetů a) Zkuste vlastími slovy popsat postup kostrukce itervalových odhadů středí hodoty v případě obecého rozděleí měřeých dat (postačí vlastími

Více

PRAVDĚPODOBNOSTNÍ POSUDEK SPOLEHLIVOSTI KOTEVNÍ

PRAVDĚPODOBNOSTNÍ POSUDEK SPOLEHLIVOSTI KOTEVNÍ PRAVDĚPODOBNOSTNÍ POSUDEK SPOLEHLIVOSTI KOTEVNÍ VÝZTUŽE DLOUHÝCH DŮLNÍCH A PODZEMNÍCH DĚL PROBABILISTIC RELIABILITY ASSESSMENT OF ANCHORING REINFORCEMENT IN MINE EXCAVATIONS AND UNDERGROUND WORKINGS Petr

Více

Laboratorní práce č. 10 Úloha č. 9. Polarizace světla a Brownův pohyb:

Laboratorní práce č. 10 Úloha č. 9. Polarizace světla a Brownův pohyb: ruhlář Michal 8.. 5 Laboratorí práce č. Úloha č. 9 Polarizace světla a Browův pohyb: ϕ p, C 4% 97,kPa Úkol: - Staovte polarizačí schopost daého polaroidu - Určete polarimetrem úhel stočeí kmitavé roviy

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

9. Měření závislostí ve statistice Pevná a volná závislost

9. Měření závislostí ve statistice Pevná a volná závislost Dráha [m] 9. Měřeí závislostí ve statistice Měřeí závislostí ve statistice se zabývá především zkoumáím vzájemé závislosti statistických zaků vícerozměrých souborů. Závislosti přitom mohou být apříklad

Více

523/2006 Sb. VYHLÁŠKA

523/2006 Sb. VYHLÁŠKA 523/2006 Sb. VYHLÁŠKA ze de 21. listopadu 2006, kterou se staoví mezí hodoty hlukových ukazatelů, jejich výpočet, základí požadavky a obsah strategických hlukových map a akčích pláů a podmíky účasti veřejosti

Více

Teorie chyb a vyrovnávací počet. Obsah:

Teorie chyb a vyrovnávací počet. Obsah: Teorie chyb a vyrovávací počet Obsah: Testováí statistických hypotéz.... Ověřováí hypotézy o středí hodotě základího souboru s orálí rozděleí... 4. Ověřováí hypotézy o rozptylu v základí souboru s orálí

Více

1. Základy měření neelektrických veličin

1. Základy měření neelektrických veličin . Základy měřeí eelektrických veliči.. Měřicí řetězec Měřicí řetězec (měřicí soustava) je soubor měřicích čleů (jedotek) účelě uspořádaých tak, aby bylo ožě split požadovaý úkol měřeí, tj. získat iformaci

Více

Problémy hodnocení výkonnosti a způsobilosti řízení procesů v rámci nesplnění normality rozdělení dominantního znaku jakosti

Problémy hodnocení výkonnosti a způsobilosti řízení procesů v rámci nesplnění normality rozdělení dominantního znaku jakosti Jiří Zmatlík 1, Pavel Zdvořák Problémy hodoceí výkoosti a zůsobilosti řízeí rocesů v rámci eslěí ormality rozděleí domiatího zaku jakosti Klíčová slova: eshodý rodukt, zaky jakosti měřitelé a zaky jakosti

Více