Metoda Monte Carlo, simulované žíhání
|
|
- Jaromír Michal Mach
- před 5 lety
- Počet zobrazení:
Transkript
1 co byste měli umět po dnešní lekci: integrovat pomocí metody Monte Carlo modelovat jednoduché mnočásticové systémy (Brownův pohyb,...) nalézt globální minimum pomocí simulovaného žíhání
2 Určení čísla metodou Monte Carlo (x,y) a=2 funkce rand() vrací náhodná čísla v intervalu <0,1>; pro náhodná čísla generovaná v intervalu <a,b> použijeme následující vztah:
3 Výpočet integrálů jedné proměnné metodou Monte Carlo výpočet spočívá ve 2 krocích: určíme maximum a minimum f(x) na intervalu <a,b>, f max a f min generujeme dvojice náhodných čísel (x,y) a určíme počet náhodně generovaných dvojic (x,y) ležících pod křivkou f(x) ku celkovému počtu generovaných čísel
4 Výpočet integrálů jedné proměnné metodou Monte Carlo Příklad: Spočtěte integrál metodou Monte Carlo. Výsledek porovnejte se skutečnou hodnotou. function y=intmc1d(fce,a,b,n) x=linspace(a,b,100); maxfce=1.1*max(feval(fce,x)); x=a+(b a)*rand(n,1); y=maxfce*rand(n,1); (x,y) pod_fci=(abs(y)<abs(feval(fce,x))).*abs(y)./y; Npod_fci=sum(pod_fci); Sobd=maxfce*(b a); y=sobd*npod_fci/n;
5 Výpočet integrálů dvou proměnných metodou Monte Carlo výpočet spočívá ve 2 krocích: určíme maximum a minimum f(x,y) na intervalu <a,b> x <c,d>, f max a f min generujeme trojice náhodných čísel (x,y,z) a určíme počet náhodně generovaných trojic (x,y) ležících pod plochou f(x,y) ku celkovému počtu generovaných čísel
6 Výpočet integrálů dvou proměnných metodou Monte Carlo Příklad: Určete hodnotu integrálu metodou Monte Carlo. Výsledek porovnejte se skutečnou hodnotou. function yn=intmc2d(fce,a,b,c,d,n) xx=linspace(a,b,100); yy=linspace(c,d,100); maxfce=1.1*max(max(feval(fce,xx,yy))); minfce=1.1*min(min(feval(fce,xx,yy))); (x,y,z) z x=a+(b a)*rand(n,1); y=c+(d c)*rand(n,1); z=minfce+(maxfce minfce)*rand(n,1); pod_fci=(abs(z)<abs(feval(fce,x,y))).*abs(z)./z; Npod_fci=sum(pod_fci); y Vhranol=(maxfce minfce)*(b a)*(d c); yn=vhranol*npod_fci/n; x
7 Modelování Brownova pohybu částic metodou Monte Carlo náhodný pohyb částice/částic lze pomocí Octave/Matlabu modelovat tímto postupem: vygenerujeme náhodné pozice částic (částice) pro každou částici vygenerujeme náhodný směr rychlosti, popř. i velikost pro každou částici vygenerujeme náhodnou střední dráhu kde je střední volná dráha a p náhodné číslo s normálním rozdělením 4) pro každou částici počítáme novou polohu dle vztahu 5) urazí li částice delší vzdálenost než, tak je náhodně vygenerován nový směr (popř. i velikost) rychlosti.
8 Modelování Brownova pohybu částic metodou Monte Carlo Příklad: Napište skript modelující Brownův pohyb jedné částice. Pohyb částice znázorněte graficky
9 Modelování interagujících mnohočásticových systémů metodou Monte Carlo vygenerujeme náhodné pozice částic (částice) pro každou částici vygenerujeme náhodný směr rychlosti, popř. i velikost 3) pro každou částici počítáme novou polohu dle vztahu 4) Síla působící na částici se určí např. z potenciálové energie 2 částicového problému (Lennard Jonesovy potenciály) nebo pomocí Coulombických sil v případě nabitých částic
10 Modelování interagujících mnohočásticových systémů metodou Monte Carlo Příklad: Modelujte 3 částicový problém, silové působení mezi dvěma částicemi popište vhodným potenciálem
11 Simulované žíhání (Metropolisův algoritmus) metoda je inspirována experimentálními postupy při přípravě rovnovážných slitin, kdy se původní tavenina velmi pomalu ochlazuje tak, aby bylo dosaženo stabilní konfigurace, tj. dosaženo energetického minima princip metody: pro určitou konfiguraci systému danou vhodnými parametry spočtu energii E 0 (sumu čtverců,...) tzv. cost function provedu malé náhodné změny parametrů a znovu určím energii E 1 určím E=E 1 E 0 ; je li E<0, pak nový stav s náhodně změněnými parametry akceptuji je li E>0 akceptuji tento stav s pravděpodobností (tj. vygeneruji náhodné číslo a porovnám je s p( E)) je li menší, akceptuji horší stav, je li větší ponechám původní během iterací pomalu snižuji teplotu, čímž snížím pohyb parametrů
12 Simulované žíhání (Metropolisův algoritmus) Příklad: Nalezněte globální minimum funkce
13 Příklad: Nalezněte globální minimum funkce octave:1> [p,sum,total]=simzih('camel',[0 0], 1e 3,1,100) p = sum = total = 3200 octave:2> [p,sum,total]=simzih('camel',[0 0], 1e 6,1,100) p = octave:3> [p,sum,total]=simzih('camel',[0 0.5], 1e 6,1,100) p = sum = total = sum = total = 6300 f( ,0.7126) = f(0.0898, ) =
14 Isingův model vygenerujeme náhodně orientaci spinů (+/ 1) v bodech mříže vybereme náhodně jeden mřížový bod a změníme orientaci spinu spočteme změnu energie E a aplikujeme Metropolisův algoritmus ferromg. antiferromg. (při výpočtu energie se omezíme na nejbližší sousedy)
15 Isingův model ferromagnetické uspořádání
16 Isingův model antiferromagnetické uspořádání
17 Isingův model
Zada ní 1. Semina rní pra ce z pr edme tu Matematický software (KI/MSW)
Zada ní. Semina rní pra ce z pr edme tu Matematický software (KI/MSW) Datum zadání: 5.. 06 Podmínky vypracování: - Seminární práce se skládá z programové části (kódy v Matlabu) a textové části (protokol
VíceNumerická integrace a derivace
co byste měli umět po dnešní lekci: integrovat funkce různými metodami (lichoběžníkové pravidlo, Simpson,..) počítat vícenásobné integrály počítat integrály podél křivky a integrály komplexních funkcí
VíceOPTIMALIZAČNÍ ÚLOHY. Modelový příklad problém obchodního cestujícího:
OPTIMALIZAČNÍ ÚLOHY Problém optimalizace v různých oblastech: - minimalizace času, materiálu, - maximalizace výkonu, zisku, - optimalizace umístění komponent, propojení,... Modelový příklad problém obchodního
VíceMonte Carlo. Simulační metoda založená na užití stochastických procesů a generace náhodných čísel.
Monte Carlo Simulační metoda založená na užití stochastických procesů a generace náhodných čísel. Typy MC simulací a) MC integrace b) Geometrické MC c) Termodynamické MC d) Modelování vývoje na strukturální
VíceKombinatorická minimalizace
Kombinatorická minimalizace Cílem je nalézt globální minimum ve velké diskrétní množině, kde může být mnoho lokálních minim. Úloha obchodního cestujícího Cílem je najít nejkratší cestu, která spojuje všechny
VícePočítačový model plazmatu. Vojtěch Hrubý listopad 2007
Počítačový model plazmatu Vojtěch Hrubý listopad 2007 Situace Zajímá nás, co se děje v okolí kovové sondy ponořené do plazmatu. Na válcovou sondu přivedeme napětí U Očekáváme, že se okolo sondy vytvoří
VíceDyson s Coulomb gas on a circle and intermediate eigenvalue statistics
Dyson s Coulomb gas on a circle and intermediate eigenvalue statistics Rainer Scharf, Félix M. Izrailev, 1990 rešerše: Pavla Cimrová, 28. 2. 2012 1 Náhodné matice Náhodné matice v současnosti nacházejí
VíceDefinice globální minimum (absolutní minimum) v bodě A D f, jestliže X D f
Výklad Globální extrémy mají stejný význam jako u funkcí jedné proměnné. Hledáme je bud na celém definičním oboru dané funkce, nebo na předem zadané podmnožině definičního oboru. Definice 6..1. Řekneme,
VíceVazby v pevných látkách
Vazby v pevných látkách Hlavní body 1. Tvorba pevných látek 2. Van der Waalsova vazba elektrostatická interakce indukovaných dipólů 3. Iontová vazba elektrostatická interakce iontů 4. Kovalentní vazba
VíceVyhodnocení 2D rychlostního pole metodou PIV programem Matlab (zpracoval Jan Kolínský, dle programu ing. Jana Novotného)
Vyhodnocení 2D rychlostního pole metodou PIV programem Matlab (zpracoval Jan Kolínský, dle programu ing. Jana Novotného) 1 Obecný popis metody Particle Image Velocimetry, nebo-li zkráceně PIV, je měřící
VíceStruktury a vazebné energie iontových klastrů helia
Společný seminář 11. června 2012 Struktury a vazebné energie iontových klastrů helia Autor: Lukáš Červenka Vedoucí práce: Doc. RNDr. René Kalus, Ph.D. Technický úvod Existují ověřené optimalizační algoritmy
VíceJak se matematika poučila v biologii
Jak se matematika poučila v biologii René Kalus IT4Innovations, VŠB TUO Role matematiky v (nejen) přírodních vědách Matematika inspirující a sloužící jazyk pro komunikaci s přírodou V 4 3 r 3 Matematika
VíceMETODA MONTE CARLO A PROGRAMOVACÍ JAZYK MATLAB PŘI PŘÍPRAVĚ UČITELŮ NA PEDAGOGICKÝCH FAKULTÁCH
METODA MOTE CARLO A PROGRAMOVACÍ JAZYK MATLAB PŘI PŘÍPRAVĚ UČITELŮ A PEDAGOGICKÝCH FAKULTÁCH Jiří Tesař, Petr Bartoš Pedagogická fakulta Jihočeské univerzity v Č. Budějovicích Katedra fyziky Abstrakt V
VíceBayesovské metody. Mnohorozměrná analýza dat
Mnohorozměrná analýza dat Podmíněná pravděpodobnost Definice: Uvažujme náhodné jevy A a B takové, že P(B) > 0. Podmíněnou pravěpodobností jevu A za podmínky, že nastal jev B, nazýváme podíl P(A B) P(A
VíceGenerování pseudonáhodných. Ing. Michal Dorda, Ph.D.
Generování pseudonáhodných čísel při simulaci Ing. Michal Dorda, Ph.D. 1 Úvodní poznámky V simulačních modelech se velice často vyskytují náhodné proměnné. Proto se budeme zabývat otázkou, jak při simulaci
VíceMatematika II, úroveň A ukázkový test č. 1 (2016) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené
22. 2. 2016 Matematika II, úroveň A ukázkový test č. 1 (2016) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené mn. M E n. Zapište a načrtněte množinu D, ve které
Více4. Na obrázku je rozdělovací funkce (hustota pravděpodobnosti) náhodné veličiny X. Jakou hodnotu musí mít parametr k?
A 1. Stanovte pravděpodobnost, že náhodná veličina X nabyde hodnoty menší než 6: P( X 6). Veličina X má rozdělení se střední hodnotou 6 a směrodatnou odchylkou 5: N(6,5). a) 0 b) 1/3 c) ½ 2. Je možné,
VíceVýpočet nejistot metodou Monte carlo
Výpočet nejistot metodou Monte carlo Mgr. Martin Šíra, Ph.D. (ČMI, Brno) červen 2012 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem České republiky. p. 1 Výpočty nejistot
VíceMatematika II, úroveň A ukázkový test č. 1 (2017) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené
28. 2. 2017 Matematika II, úroveň A ukázkový test č. 1 (2017) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené mn. M E n. Zapište a načrtněte množinu D, ve které
VíceGlobální extrémy. c ÚM FSI VUT v Brně. 10. ledna 2008
10. ledna 2008 Příklad. Určete globální extrémy funkce f(x, y) = x 2 + 2xy + 2y 2 3x 5y na množině M. Množina M je trojúhelník určený body A[0, 2], B[3, 0], C[0, 1]. Protože množina M je kompaktní (uzavřená,
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,
VíceVzorová písemka č. 1 (rok 2015/2016) - řešení
Vzorová písemka č. rok /6 - řešení Pavla Pecherková. května 6 VARIANTA A. Náhodná veličina X je určena hustotou pravděpodobností: máme hustotu { pravděpodobnosti C x pro x ; na intervalu f x jinde jedná
VíceHledání kořenů rovnic jedné reálné proměnné metoda půlení intervalů Michal Čihák 23. října 2012
Hledání kořenů rovnic jedné reálné proměnné metoda půlení intervalů Michal Čihák 23. října 2012 Problém hledání kořenů rovnice f(x) = 0 jeden ze základních problémů numerické matematiky zároveň i jeden
VíceKapitola 3. Magnetické vlastnosti látky. 3.1 Diamagnetismus
Kapitola 3 Magnetické vlastnosti látky Velká část magnetických projevů je zejména u paramagnetických a feromagnetických látek způsobena především spinovým magnetickým momentem. Pokud se po sečtení všech
VíceMarkov Chain Monte Carlo. Jan Kracík.
Markov Chain Monte Carlo Jan Kracík jan.kracik@vsb.cz Princip Monte Carlo integrace Cílem je (přibližný) výpočet integrálu I(g) = E f [g(x)] = g(x)f (x)dx. (1) Umíme-li generovat nezávislé vzorky x (1),
VíceObr. 141: První tři Bernsteinovy iontové módy. Na vodorovné ose je bezrozměrný vlnový vektor a na svislé ose reálná část bezrozměrné frekvence.
Mikronestability 33 m Re( ) ( m1) m1,,3, (5.18) ci Imaginární část frekvence, která je zodpovědná za útlum, razantně roste, pokud se vlny nešíří kolmo na magnetické pole. Útlum také roste s číslem módu
VíceOdhad parametrů N(µ, σ 2 )
Odhad parametrů N(µ, σ 2 ) Mějme statistický soubor x 1, x 2,, x n modelovaný jako realizaci náhodného výběru z normálního rozdělení N(µ, σ 2 ) s neznámými parametry µ a σ. Jaký je maximální věrohodný
VíceKritický stav jaderného reaktoru
Kritický stav jaderného reaktoru Autoři: L. Homolová 1, L. Jahodová 2, J. B. Hejduková 3 Gymnázium Václava Hlavatého Louny 1, Purkyňovo gymnázium Strážnice 2, SPŠ Stavební Plzeň 3 jadracka@centrum.cz Abstrakt:
VíceVojtěch Hrubý: Esej pro předmět Seminář EVF
Vojtěch Hrubý: Esej pro předmět Seminář EVF Plazma Pod pojmem plazma většinou myslíme plynné prostředí, které se skládá z neutrálních částic, iontů a elektronů. Poměr množství neutrálních a nabitých částic
VícePokročilé simulace ve fyzice mnoha částic:
Pokročilé simulace ve fyzice mnoha částic: Simulace složitých, nerovnovážných a kvantových jevů Miroslav Kotrla & Milan Předota FZÚ AV ČR, Praha 8 oddělení teorie kondenzovaných látek JU České Budějovice
VíceVysoké učení technické v Brně, Fakulta strojního inženýrství MATEMATIKA 2
Vysoké učení technické v Brně, Fakulta strojního inženýrství MATEMATIKA 2 Požadavky ke zkoušce pro skupinu C 1. ročník 2014/15 I. Diferenciální počet funkcí více proměnných 1. Funkce více proměnných (a)
Více1 Analytické metody durace a konvexita aktiva (dluhopisu) $)*
Modely analýzy a syntézy plánů MAF/KIV) Přednáška 10 itlivostní analýza 1 Analytické metody durace a konvexita aktiva dluhopisu) Budeme uvažovat následující tvar cenové rovnice =, 1) kde jsou současná
VícePřijímací zkouška na navazující magisterské studium 2017
Přijímací zkouška na navazující magisterské studium 207 Řešení příkladů pečlivě odůvodněte. Příklad (25 bodů) Studijní program: Studijní obory: Varianta A Matematika MMUI Navrhněte deterministický konečný
Více5. Lokální, vázané a globální extrémy
5 Lokální, vázané a globální extrémy Studijní text Lokální extrémy 5 Lokální, vázané a globální extrémy Definice 51 Řekneme, že f : R n R má v bodě a Df: 1 lokální maximum, když Ka, δ Df tak, že x Ka,
VíceCvičná bakalářská zkouška, 1. varianta
jméno: studijní obor: PřF BIMAT počet listů(včetně tohoto): 1 2 3 4 5 celkem Cvičná bakalářská zkouška, 1. varianta 1. Matematická analýza Najdětelokálníextrémyfunkce f(x,y)=e 4(x y) x2 y 2. 2. Lineární
Vícemetodou Monte Carlo J. Matěna, Gymnázium Českolipská, Praha
Výpočet obsahu plošných obrazců metodou Monte Carlo J. Löwit, Gymnázium Českolipská, Praha jakub.lowit@gmail.com J. Matěna, Gymnázium Českolipská, Praha matenajakub@gmail.com J. Novotná, Gymnázium, Chomutov
VíceTéma 3: Metoda Monte Carlo
y Náhodná proměnná D Téma 3: Metoda Monte Carlo Přednáška z předmětu: Pravděpodobnostní posuzování konstrukcí 4. ročník bakalářského studia 1,0 1,00 0,80 0,60 0,40 0,0 0,00 0,00 0,0 0,40 0,60 0,80 1,00
Vícesin(x) x lim. pomocí mocninné řady pro funkci sin(x) se středem x 0 = 0. Víme, že ( ) k=0 e x2 dx.
Použití mocniných řad Nejprve si ukážeme dvě jednoduchá použití Taylorových řad. Příklad Spočtěte následující limitu: ( ) sin(x) lim. x x ( ) Najdeme lim sin(x) x x pomocí mocninné řady pro funkci sin(x)
VíceMatematika I (KX001) Užití derivace v geometrii, ve fyzice 3. října f (x 0 ) (x x 0) Je-li f (x 0 ) = 0, tečna: x = 3, normála: y = 0
Rovnice tečny a normály Geometrický význam derivace funkce f(x) v bodě x 0 : f (x 0 ) = k t k t je směrnice tečny v bodě [x 0, y 0 = f(x 0 )] Tečna je přímka t : y = k t x + q, tj y = f (x 0 ) x + q; pokud
VíceKlasifikace snímků DaTscan pomocí CNN: Preprocessing obrazových dat a jejich generování metodou Monte Carlo
Klasifikace snímků DaTscan pomocí CNN: Preprocessing obrazových dat a jejich generování metodou Monte Carlo Ing. Kateřina Chytrá 1,2 Školitel: Ing. Jiří Trnka, PhD. 1,3 Školitel-specialista: Ing. Jiří
VíceÚvod do mobilní robotiky AIL028
SLAM - souběžná lokalizace a mapování {md zw} at robotika.cz http://robotika.cz/guide/umor07/cs 10. ledna 2008 1 2 3 SLAM intro Obsah SLAM = Simultaneous Localization And Mapping problém typu slepice-vejce
VícePrincip metody Transport částic Monte Carlo v praxi. Metoda Monte Carlo. pro transport částic. Václav Hanus. Koncepce informatické fyziky, FJFI ČVUT
pro transport částic Koncepce informatické fyziky, FJFI ČVUT Obsah Princip metody 1 Princip metody Náhodná procházka 2 3 Kódy pro MC Příklady použití Princip metody Náhodná procházka Příroda má náhodný
VícePřijímací zkouška na navazující magisterské studium 2014
Přijímací zkouška na navazující magisterské studium 4 Studijní program: Studijní obory: Příklad (5 bodů) Spočtěte Matematika MA, MMIB, MMFT, MSTR, NVM, PMSE, MDU Varianta A M xy dxdy, kde M = {(x, y) R
Více8 Střední hodnota a rozptyl
Břetislav Fajmon, UMAT FEKT, VUT Brno Této přednášce odpovídá kapitola 10 ze skript [1]. Také je k dispozici sbírka úloh [2], kde si můžete procvičit příklady z kapitol 2, 3 a 4. K samostatnému procvičení
VíceMatematika II, úroveň A ukázkový test č. 1 (2018) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené
2. 3. 2018 Matematika II, úroveň A ukázkový test č. 1 (2018) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené mn. M E n. Zapište a načrtněte množinu D, ve které
VíceUniverzita Pardubice. Fakulta chemicko-technologická Katedra analytické chemie. Licenční studium Statistické zpracování dat
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie Licenční studium Statistické zpracování dat Semestrální práce Interpolace, aproximace a spline 2007 Jindřich Freisleben Obsah
VíceAlgoritmizace diskrétních. Ing. Michal Dorda, Ph.D.
Algoritmizace diskrétních simulačních modelů Ing. Michal Dorda, Ph.D. 1 Úvodní poznámky Při programování simulačních modelů lze hlavní dílčí problémy shrnout do následujících bodů: 1) Zachycení statických
VíceVariace. Kvadratická funkce
Variace 1 Kvadratická funkce Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv další využití výukového materiálu je povoleno pouze s uvedením odkazu na www.jarjurek.cz. 1. Kvadratická funkce Kvadratická
VíceOdhad stavu matematického modelu křižovatek
Odhad stavu matematického modelu křižovatek Miroslav Šimandl, Miroslav Flídr a Jindřich Duník Katedra kybernetiky & Výzkumné centrum Data-Algoritmy-Rozhodování Fakulta aplikovaných věd Západočeská univerzita
VíceOdhad parametrů N(µ, σ 2 )
Odhad parametrů N(µ, σ 2 ) Mějme statistický soubor x 1, x 2,, x n modelovaný jako realizaci náhodného výběru z normálního rozdělení N(µ, σ 2 ) s neznámými parametry µ a σ. Jaký je maximální věrohodný
VícePočítačové simulace a statistická mechanika
Počítačové simulace a statistická mechanika Model = soubor aproximaci přijatých za účelem popisu určitého systému okrajové podmínky mezimolekulové interakce Statistické zpracování průměrování ve fázovém
VícePracovní text a úkoly ke cvičením MF002
Pracovní text a úkoly ke cvičením MF002 Ondřej Pokora, PřF MU, Brno 11. března 2013 1 Brownův pohyb (Wienerův proces) Základním stavebním kamenem simulací náhodných procesů popsaných pomocí stochastických
VícePřijímací zkouška na navazující magisterské studium 2015
Přijímací zkouška na navazující magisterské studium 2015 Studijní program: Studijní obory: Matematika MMUI Varianta A Řešení příkladů pečlivě odůvodněte. Příklad 1 (25 bodů Navrhněte deterministický konečný
VíceTéma 4: Stratifikované a pokročilé simulační metody
0.007 0.006 0.005 0.004 0.003 0.002 0.001 Dlouhodobé nahodilé Std Distribution: Gumbel Min. EV I Mean Requested: 140 Obtained: 141 Std Requested: 75.5 Obtained: 73.2-100 0 100 200 300 Mean Std Téma 4:
VícePřijímací zkouška na navazující magisterské studium 2018
Přijímací zkouška na navazující magisterské studium 2018 Řešení příkladů pečlivě odůvodněte. Příklad 1 (2 bodů) Studijní program: Studijní obory: Varianta A Matematika MMUI Navrhněte deterministický konečný
Více5.3. Implicitní funkce a její derivace
Výklad Podívejme se na následující problém. Uvažujme množinu M bodů [x,y] R 2, které splňují rovnici F(x, y) = 0, M = {[x,y] D F F(x,y) = 0}, kde z = F(x,y) je nějaká funkce dvou proměnných. Je-li F(x,y)
VíceCvičení 3. Posudek únosnosti ohýbaného prutu. Software FREET Simulace metodou Monte Carlo Simulace metodou LHS
Spolehlivost a bezpečnost staveb, 4. ročník bakalářského studia (všechny obory) Cvičení 3 Posudek únosnosti ohýbaného prutu Software FREET Simulace metodou Monte Carlo Simulace metodou LHS Katedra stavební
Více6.1 Normální (Gaussovo) rozdělení
6 Spojitá rozdělení 6.1 Normální (Gaussovo) rozdělení Ze spojitých rozdělení se v praxi setkáme nejčastěji s normálním rozdělením. Toto rozdělení je typické pro mnoho náhodných veličin z rozmanitých oborů
VíceLinearní algebra příklady
Linearní algebra příklady 6. listopadu 008 9:56 Značení: E jednotková matice, E ij matice mající v pozici (i, j jedničku a jinak nuly. [...]... lineární obal dané soustavy vektorů. Popište pomocí maticového
VíceNÁHODNÉ VELIČINY JAK SE NÁHODNÁ ČÍSLA PŘEVEDOU NA HODNOTY NÁHODNÝCH VELIČIN?
NÁHODNÉ VELIČINY GENEROVÁNÍ SPOJITÝCH A DISKRÉTNÍCH NÁHODNÝCH VELIČIN, VYUŽITÍ NÁHODNÝCH VELIČIN V SIMULACI, METODY TRANSFORMACE NÁHODNÝCH ČÍSEL NA HODNOTY NÁHODNÝCH VELIČIN. JAK SE NÁHODNÁ ČÍSLA PŘEVEDOU
VíceÚvod do mobilní robotiky NAIL028
md at robotika.cz http://robotika.cz/guide/umor08/cs 11. listopadu 2008 1 2 PID Sledování cesty Modely kolových vozidel (1/5) Diferenční řízení tank b Encoder Motor Centerpoint Motor Encoder Modely kolových
VíceTéma 2 Simulační metody typu Monte Carlo
Spolehlivost a bezpečnost staveb, 4.ročník bakalářského studia Téma 2 Simulační metody typu Monte Carlo Princip simulačních metod typu Monte Carlo Metoda Simulation Based Reliability Assessment (SBRA)
VícePočítačové simulace fyzikálních problému TASEP
Počítačové simulace fyzikálních problému TASEP Jakub Doležal 1, Jakub Kantner 2, Tomáš Zahradník 3 1 Gymnázium Špitálská Praha, 2 Gymnázium Českolipská Praha, 3 Gymnázium Oty Pavla Praha 1 janjansen@centrum.cz,
VíceKatedra informatiky a výpočetní techniky. 10. prosince Ing. Tomáš Zahradnický doc. Ing. Róbert Lórencz, CSc.
Katedra informatiky a výpočetní techniky České vysoké učení technické, fakulta elektrotechnická Ing. Tomáš Zahradnický doc. Ing. Róbert Lórencz, CSc. 10. prosince 2007 Pamět ové banky S výhodou používáme
VíceVYUŽITÍ PRAVDĚPODOBNOSTNÍ METODY MONTE CARLO V SOUDNÍM INŽENÝRSTVÍ
VYUŽITÍ PRAVDĚPODOBNOSTNÍ METODY MONTE CARLO V SOUDNÍM INŽENÝRSTVÍ Michal Kořenář 1 Abstrakt Rozvoj výpočetní techniky v poslední době umožnil také rozvoj výpočetních metod, které nejsou založeny na bázi
VíceFunkce - pro třídu 1EB
Variace 1 Funkce - pro třídu 1EB Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv využití výukového materiálu je povoleno pouze s odkazem na www.jarjurek.cz. 1. Funkce Funkce je přiřazení, které každému
VíceMATEMATIKA II - vybrané úlohy ze zkoušek (2015)
MATEMATIKA II - vybrané úlohy ze zkoušek (2015) doplněné o další úlohy 24. 2. 2015 Nalezené nesrovnalosti ve výsledcích nebo připomínky k tomuto souboru sdělte laskavě F. Mrázovi (e-mail: Frantisek.Mraz@fs.cvut.cz
VíceModifikace algoritmu FEKM
Modifikace algoritmu FEKM Marta Žambochová Katedra matematiky a informatiky Fakulta sociálně ekonomická Univerzita J. E. Purkyně v Ústí nad Labem ROBUST 9. 14. září 2012 Němčičky Motivace Potřeba metod
VíceProgramy na PODMÍNĚNÝ příkaz IF a CASE
Vstupy a výstupy budou vždy upraveny tak, aby bylo zřejmé, co zadáváme a co se zobrazuje. Není-li určeno, zadáváme přirozená čísla. Je-li to možné, používej generátor náhodných čísel vysvětli, co a jak
VíceMATEMATIKA II V PŘÍKLADECH
VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ MATEMATIKA II V PŘÍKLADECH CVIČENÍ Č. 8 Ing. Petra Schreiberová, Ph.D. Ostrava 01 Ing. Petra Schreiberová, Ph.D. Vysoká škola báňská Technická
VíceFázové přechody Isingův model
Fázové přechody Isingův model Fázové přechody prvního druhu: diskontinuita v první derivaci volné energie Fázové přechody druhého druhu: diskontinuita v druhých derivacích A Může statistická mechanika
VíceSimulace. Simulace dat. Parametry
Simulace Simulace dat Menu: QCExpert Simulace Simulace dat Tento modul je určen pro generování pseudonáhodných dat s danými statistickými vlastnostmi. Nabízí čtyři typy rozdělení: normální, logaritmicko-normální,
VíceNumerické metody 6. května FJFI ČVUT v Praze
Extrémy funkcí Numerické metody 6. května 2018 FJFI ČVUT v Praze 1 Úvod Úvod 1D Více dimenzí Kombinatorika Lineární programování Programy 1 Úvod Úvod - Úloha Snažíme se najít extrém funkce, at už jedné
VíceOtázky k ústní zkoušce, přehled témat A. Číselné řady
Otázky k ústní zkoušce, přehled témat 2003-2004 A Číselné řady Vysvětlete pojmy částečný součet řady, součet řady, řadonverguje, řada je konvergentní Formulujte nutnou podmínku konvergence řady a odvoďte
VíceDistribuované sledování paprsku
Distribuované sledování paprsku 1996-2015 Josef Pelikán, CGG MFF UK Praha http://cgg.mff.cuni.cz/~pepca/ pepca@cgg.mff.cuni.cz DistribRT 2015 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 24 Distribuované
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
Více1. a) Určete parciální derivace prvního řádu funkce z = z(x, y) dané rovnicí z 3 3xy 8 = 0 v
. a) Určete parciální derivace prvního řádu funkce z = z(x, y) dané rovnicí z xy 8 = v bodě A =, ]. b) e grafu funkce f najděte tečnou rovinu, která je rovnoběžná s rovinou ϱ. f(x, y) = x + y x, ϱ : x
VíceEuklidovský prostor. Funkce dvou proměnných: základní pojmy, limita a spojitost.
Euklidovský prostor. Funkce dvou proměnných: základní pojmy, limita a spojitost. Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a
VíceFakulta chemicko-technologická Katedra analytické chemie. 3.2 Metody s latentními proměnnými a klasifikační metody
Fakulta chemicko-technologická Katedra analytické chemie 3.2 Metody s latentními proměnnými a klasifikační metody Vypracoval: Ing. Tomáš Nekola Studium: licenční Datum: 21. 1. 2008 Otázka 1. Vypočtěte
VíceAVDAT Nelineární regresní model
AVDAT Nelineární regresní model Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Nelineární regresní model Ey i = f (x i, β) kde x i je k-členný vektor vysvětlujících proměnných
VíceExtrémy funkce dvou proměnných
Extrémy funkce dvou proměnných 1. Stanovte rozměry pravoúhlé vodní nádrže o objemu 32 m 3 tak, aby dno a stěny měly nejmenší povrch. Označme rozměry pravoúhlé nádrže x, y, z (viz obr.). ak objem této nádrže
VíceCvičení 9. Posudek únosnosti ohýbaného prutu metodou LHS v programu FREET. Software FREET Simulace metodou LHS
Pravděpodobnostní posuzování konstrukcí 4. ročník bakalářského studia obor Konstrukce staveb Cvičení 9 Posudek únosnosti ohýbaného prutu metodou LHS v programu FREET Software FREET Simulace metodou LHS
VíceCvičení 2. Vyjádření náhodně proměnných veličin, Posudek spolehlivosti metodou SBRA, Posudek metodou LHS.
Spolehlivost a bezpečnost staveb 4. ročník bakalářského studia Cvičení 2 Vyjádření náhodně proměnných veličin, Posudek spolehlivosti metodou SBRA, Posudek metodou LHS. Zpracování naměřených dat Tvorba
VíceÚloha2.Naleznětevšechnydvojicereálnýchčísel(a,b)takové,žečísla10, a, b, abtvořívtomtopořadí aritmetickou posloupnost.
Úloha. V Americe se pro měření teploty používají místo Celsiových stupňů stupně Fahrenheitovy. PřepočetzCelsiovýchstupňůnaFahrenheitovylzeprovéstpodlevzorce f = 9 5 c+32(cjsoustupně Celsiovy, f Farenheitovy).
VíceSimulační modely. Kdy použít simulaci?
Simulační modely Simulace z lat. Simulare (napodobení). Princip simulace spočívá v sestavení modelu reálného systému a provádění opakovaných experimentů s tímto modelem. Simulaci je nutno považovat za
VíceZpětnovazební učení Michaela Walterová Jednoocí slepým,
Zpětnovazební učení Michaela Walterová Jednoocí slepým, 17. 4. 2019 V minulých dílech jste viděli Tři paradigmata strojového učení: 1) Učení s učitelem (supervised learning) Trénovací data: vstup a požadovaný
Více4. Aplikace matematiky v ekonomii
4. Aplikace matematiky v ekonomii 1 Lineární algebra Soustavy 1) Na základě statistických údajů se zjistilo, že závislost množství statku z poptávaného v průběhu jednoho týdne lze popsat vztahem q d =
Více3.2. ANALYTICKÁ GEOMETRIE ROVINY
3.2. ANALYTICKÁ GEOMETRIE ROVINY V této kapitole se dozvíte: jak popsat rovinu v třídimenzionálním prostoru; jak analyzovat vzájemnou polohu bodu a roviny včetně jejich vzdálenosti; jak analyzovat vzájemnou
Více12 Trojný integrál - Transformace integrálů
Trojný integrál transformace integrálů) - řešené příklady 8 Trojný integrál - Transformace integrálů. Příklad Spočtěte x + y dxdydz, kde : z, x + y. Řešení Integrační obor určený vztahy z, x + y je válec.
VíceSimulované žíhání jako nástroj k hledání optimálního řešení
Simulované žíhání jako nástroj k hledání optimálního řešení Michael Pokorný - Střední škola aplikované kybernetiky s.r.o. - pokorny.michael@ssakhk.cz 21. června 211 Úvod Nedeterministická metoda optimalizace
Vícepracovní list studenta Kombinatorika, pravděpodobnost, základy statistiky Jak jsou vysocí? Mirek Kubera
Výstup RVP: Klíčová slova: pracovní list studenta Kombinatorika, pravděpodobnost, základy statistiky Mirek Kubera žák diskutuje a kriticky zhodnotí statistické informace a daná statistická sdělení, volí
VíceFunkce zadané implicitně
Kapitola 8 Funkce zadané implicitně Začneme několika příklady. Prvním je známá rovnice pro jednotkovou kružnici x 2 + y 2 1 = 0. Tato rovnice popisuje křivku, kterou si však nelze představit jako graf
VíceZápočtová práce STATISTIKA I
Zápočtová práce STATISTIKA I Obsah: - úvodní stránka - charakteristika dat (původ dat, důvod zpracování,...) - výpis naměřených hodnot (v tabulce) - zpracování dat (buď bodové nebo intervalové, podle charakteru
Vícefakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu (reg. č. CZ.1.07/2.2.00/28.
Extrémy Vyšší matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu http://akademie.ldf.mendelu.cz/cz
VíceProtokol č. 3. Morfologie ležícího kmene
Protokol č. 3 Morfologie ležícího kmene Zadání: Stanovte vhodný analytický tvar morfologické křivky kmene včetně výpočtu parametrů, dále stanovte postupnou a celkovou sbíhavost kmene. Měřené a modelové
VíceHodina 50 Strana 1/14. Gymnázium Budějovická. Hodnocení akcií
Hodina 50 Strana /4 Gymnázium Budějovická Volitelný předmět Ekonomie - jednoletý BLOK ČÍSLO 8 Hodnocení akcií Předpokládaný počet : 9 hodin Použitá literatura : František Egermayer, Jan Kožíšek Statistická
VíceMonte Carlo Lokalizace. Martin Skalský
Monte Carlo Lokalizace Martin Skalský Proč Lokalizace? Problém určení pozice robota a věcí kolem něj. (filtrování dat, state estimation) Je důležitá Knowledge about where things are is at the core of any
VícePetr Hasil
Základy Vyšší Matematiky Petr Hasil hasil@mendelu.cz Poznámka 1. Vytvořeno s podporou projektu Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na disciplíny
VíceDerivace a monotónnost funkce
Derivace a monotónnost funkce Věta : Uvažujme funkci f (x), která má na intervalu I derivaci f (x). Pak platí: je-li f (x) > 0 x I, funkce f je na intervalu I rostoucí. je-li f (x) < 0 x I, funkce f je
VíceGEODETICKÉ VÝPOČTY I.
SPŠS Č.Budějovice Obor Geodézie a Katastr nemovitostí 2.ročník GEODETICKÉ VÝPOČTY I. TABELACE FUNKCE LINEÁRNÍ INTERPOLACE TABELACE FUNKCE Tabelace funkce se v minulosti často využívala z důvodu usnadnění
Více