stavební obzor 1 2/
|
|
- Ludvík Čermák
- před 9 lety
- Počet zobrazení:
Transkript
1 tavebí obzor /04 Exploratorí aalýza výběrového ouboru dat pevoti drátobetou v tlau Ig. Daiel PIESZKA Ig. Iva KOLOŠ, Ph.D. doc. Ig. Karel KUBEČKA, Ph.D. VŠB-TU Otrava Faulta tavebí Věrohodé vyhodoceí experimetálích dat a áledé taoveí tatiticých odhadů charateriticých hodot materiálových vlatotí je při hodoceí exitujících otrucí z hledia fučí způobiloti záadí. Čláe e zabývá možou metodiou ověřeí předpoladů o těchto datech, zejméa metodiou ověřeí ezáviloti prvů, tejé pravděpodoboti zařazeí prvů do výběru, tejého rozděleí hutoty pravděpodoboti a homogeity výběrového ouboru experimetálích dat jao utých podmíe polehlivého vyhodoceí. Exploratory aalyi of SFRC compreive tregth of a ample data file The evaluatio reliability of experimetal data file ad the etimatio of characteritic material property value are the ey poit i the aemet of the erviceability of exitig cotructio. The paper deal with poible procedure for the data aumptio verificatio, epecially procedure for the verificatio of data idepedece, the ame data probability, the ame data probable deity ad ample data file homogeeity a the required coditio for reliable data evaluatio. Úvod Důvodem pro vlatí hodoceí exitující otruce je podle ČSN ISO 38 [] hledio oučaého tavu a jejího budoucího použití, tedy hledio požadavů budoucí fučí způobiloti. Tato způobilot je defiováa úroví bezpečoti uživatelů při užíváí otruce, úroví trvale udržitelých vlatotí a úroví požadavů a použitelot, životot a trvalivot otruce. Fučí způobilot otruce e ověřuje a modelech podle ČSN EN 990 [], teré polehlivě reprezetují zatížeí a chováí otruce a úoot jejích jedotlivých prvů. Tyto výpočetí modely muí reprezetovat taé změy ve způobu budoucího užíváí, poud ěmu dojde. Předpoladem možoti taoveí materiálových vlatotí je zalot fyziálích, chemicých i biologicých vlivů protředí. Vlatoti materiálů e tedy taovují experimetálě, detrutivími či edetrutivími zoušami. V případě detrutivího zoušeí betou v otrucích e pa vychází z ČSN EN 504- [3], alterativě z ČSN EN 397 [4]. Vyhodoceí zouše a taoveí odhadu charateriticých hodot vlatotí materiálů e podle ČSN EN 990 [] provádí tatiticými metodami a pravděpodobotím počtem [8]. Tato zíaé výledy jou vša závilé a charateritiách zoumaého výběrového ouboru dat. Pro oretí tatiticé vyhodoceí je tedy ezbyté ověřit, zda je výběrový oubor reprezetativí (tz. zda jou prvy výběru vzájemě ezávilé, tejě pravděpodobé, zda pocházejí ze tejého rozděleí hutoty pravděpodoboti a zda je celý výběr homogeí). Čláe předládá možý potup ověřeí vlatotí výběrového ouboru e taoveím předpoladů pro áledé tatiticé zpracováí a vyhodoceí. V jedotlivých rocích je prezetová a příladu ověřeí ouboru dat detrutivích měřeí pevoti drátobetou v tlau dle ČSN EN [5] vzorů odebraých z drátobetoové průmylové podlahové otruce v ouladu ČSN EN 504- [3]. Hodoty jedotlivých měřeí jou jao výběrový oubor dat vatitativí proměé uvedey v tab.. Tab.. Pevot betou v tlau f c,i dle metodiy [5] Pevot betou v tlau f c,i pro i-tý vzore, de i = á, 50ñ (po řádcích) 9,9 3,6 38,0,9 4, 7,6 34,9 7,4 37,7 8,4 6,9 3,7 9,9 36, 3,3 3,8 3,9 30,0 4, 38, 5,7 3, 9, 33,9 35,8 34,4 3,9 4, 3, 35, 9,7 38, 5,5 8,5 35,7 36,3 6,3 3,9 7,8 5,9,5 39,3 3,0 34, 3,4 9,7 33,9 35,7 38,9 6, Ověřeí áhodoti výběru Hodoceá pravoúhlá plošá otruce byla před odběrem vzorů položea do roviy x - y artézého ouřadicového ytému a počáte byl ztotožě hraičím rohovým bodem. Poloha jedotlivých vývrtů byla popáa dvojicí ouřadic x i a y i, jejichž veliot byla zíáa z tabuly áhodých číel daého itervalu v ouladu utaoveím čl. 8 ČSN 0050 [7]. Prvy výběru je tedy možo považovat za áhodé. Teto aademicý potup taoveí polohy vývrtů e v praxi ejpíše euplatí, eboť by došlo odběru vzorů i z těch čátí otruce, teré eí žádoucí pošodit (apř. oridory pojížděé maipulačí techiou). Ověřeí ezáviloti prvů výběru Korelace vlatotí prvů výběru bývá způobea zejméa etabilitou měřicího zařízeí a zaedbáím orajových podmíe (teploty, čau), obecě pa ytémovými chybami
2 tavebí obzor /04 měřeí. Výběrový oubor dat závilých prvů elze áledě považovat za vydatý. K ověřeí ezáviloti ouedích prvů jedorozměrého ouboru dat použijme autoorelačí tet výzamoti autoorelačího oeficietu. řádu r. Výzam orelačího oeficietu vyplývá ze vztahu x i = ρ xi + ei, de e i je ryze áhodá loža čitě áhodého průběhu. Formulujme áledující hypotézy [9]: ulová hypotéza H 0, prvy výběru jou vzájemě ezávilé, r = 0; alterativí hypotéza H A, prvy výběru jou autoorelováy a orelace je výzamá, r 0. Tetovací tatitia de T + t =, () T T T =, () 4 Ověřeí homogeity výběru Homogeitu výběru obecě arušují taové hodoty vatitativí proměé, teré e od otatích hodot mimořádě liší. Tyto mimořádé hodoty ozačme jao odlehlá pozorováí a jejich idetifiaci použijme áledující pravidlo. Za odlehlé pozorováí budeme považovat taovou hodotu x i, jejíž z-core (tab. ) je větší ež 3, tedy je-li tato hodota x i vzdálea od výběrového průměru o více ež trojáobe výběrové měrodaté odchyly (5), (6). xi x z-corei =, (5) poud tedy platí x i x 3, (6) pa x i je odlehlým pozorováím. Výběrový průměr je defiová jao x = x i (7) přičemž T je vo Neumaův poměr T = ( x x ) ( xi x) i+ a riticým oborem pro tet autoorelace I. řádu i (3) a po doazeí x = f c = 3,36 MPa. Výběrová měrodatá odchyla je defiováa jao = ( x i x), (8) po doazeí pa = 4,80 MPa. ( + ) t > t α, (4) de a je hladia výzamoti, zde a = 0,05; po doazeí,5 <,30 ( 5 ) t = = t 0, 975 (5). Tetovací tatitia epadá do riticého oboru hodot a a hladiě výzamoti a = 0,05 eí důvod ulovou hypotézu zamítout. Prvy výběru ejou autoorelovaé, jou ezávilé. Graficy je taé možé pooudit autoorelaci (obr. ). Z grafu je zřejmé, že zoumaé prvy výběru evyazují žádý výzamý tred. řádu a že ejou orelovaé. Tab.. Z-core prvů výběru Z-core i [-] pro i-tý vzore, de i = á, 50ñ (po řádcích) 0,3 0,05,38,76,03 0,78 0,74 0,83,3 0,6 0,93 0,07 0,3 0,99 0,0 0,30 0, 0,8,5,40,8 0,7 0,47 0,53 0,9 0,63 0,3,5 0,03 0,78 0,35,4, 0,60 0,90,03,06 0, 0,74,4,85,65,74 0,57 0, 0,35 0,53 0,90,57,08 Ja je patré z tab., u žádého prvu výběru edoahuje z-core riticé hodoty 3. Ve výběru tedy ejou odlehlá pozorováí a výběr je možé považovat za homogeí. Maximálí hodoty doahuje z-core u hraičích prvů výběru, tj. pro x mi = x 4 =,5 MPa, je z-core rova,85, pro x max = x 5 = 4, MPa, je z-core rova,03 (hodoty x mi a x max viz tab. ). Obr.. Graf autoorelace Ověřeí ormality výběru tet dobré hody c Ověřme hypotézu o předpoladu ormálího rozděleí výběru, tj. předpolad, že výběr pochází z rozděleí N(m, ). Vzhledem abeci apriorí zaloti tředí hodoty m a měrodaté odchyly záladího ouboru ahraďme tyto
3 tavebí obzor /04 3 parametry výběrovým průměrem x a výběrovou měrodatou odchylou. Nulová hypotéza H 0 áhodý výběr pochází ze záladího ouboru ormálím rozděleím, alterativí hypotéza H A áhodý výběr epochází ze záladího ouboru ormálím rozděleím. Výběrový oubor o rozahu rozdělme do třídích itervalů J až J, de veliot itervalu volme mezi /4 a /. Dále taovme třídí četoti a tředy tříd c (tab. 3). Horí hraice itervalů x převeďme a hodoty ormovaé proměé x µ u =, (9) σ de ezámé parametry rozděleí záladího ouboru ahraďme parametry výběru taoveými podle (7), (8), tedy u x x =. (0) Tab. 3. Třídy, třídí četoti a ditribučí fuce výběrového ouboru dat Třídy Třídí četot [-] Střed třídy c Hodoty ditribučí fuce F(f c ) [-] horí hraici třídy J = á,0; 4,0ñ 3 3,0 0,060 J = (4,0; 6,0ñ 5 5,0 0,60 J 3 = (6,0; 8,0ñ 6 7,0 0,80 J 4 = (8,0; 30,0ñ 8 9,0 0,440 J 5 = (30,0; 3,0ñ 6 3,0 0,560 J 6 = (3,0; 34,0ñ 7 33,0 0,700 J 7 = (34,0; 36,0ñ 6 35,0 0,80 J 8 = (36,0; 38,0ñ 5 37,0 0,90 J 9 = (38,0; 40,0ñ 3 39,0 0,980 J 0 = (40,0; 4,0ñ 4,0,000 S i = 50 Dále taovme odpovídající ditribučí fuci ormovaého ormálího rozděleí N(0, ) Φ ( u ), () relativí třídí četot abolutí třídí četot ( u ) ( u ) π, () 0, = Φ Φ π 0, ; (3) podmíou dalšího potupu je ověřeí, zda platí p 0, > 5. Poud podmía eí plěa, přílušé itervaly loučíme. V tomto případě tedy loučíme itervaly J a J a itervaly J 8, J 9, J 0 (tab. 4). Nyí taovme hodotu tetovaé tatitiy ( π 0, ) G = c = ; (4) π = 0, pře reduovaý počet tříd je tedy hodota tetovaé tatitiy G = c =,9. Kriticým oborem pro tet ormality je ( h ) c > c α, (5) de a je hladia výzamoti, zde a = 0,05, h je počet odhadovaých parametrů (m, ), tj. h =. Obr.. Hitogram (tab. 3) Tab. 4. Výpočet tatitiy c Horí mez itervalu x Třídí četot [-] Norm. horí hraice u Norm. ditribučí fuce F(u ) Relativí třídí četot p 0, Abolutí třídí četot p 0, Upraveá ab. četot p 0, (p 0, > 5) Upraveá Statitia třídí četot c (G ) 4,0 3 -,53 0,0630 0,0630 3,50 6,0 5 -, 0,34 0,0684 3,40 6, ,3 8,0 6-0,70 0,40 0,06 5,530 5, ,040 30,0 8-0,8 0,3897 0,477 7,385 7, ,05 3,0 6 0,3 0,557 0,60 8,00 8,00 6 0,544 34,0 7 0,55 0,7088 0,57 7,855 7, ,093 36,0 6 0,97 0,8340 0,5 6,60 6,60 6 0,0 38,0 5,38 0,96 0,08 4,0 40,0 3,80 0,964 0,0479,395 4,0, 0,9868 0,07,35 7, ,4 Sc,9
4 4 tavebí obzor /04 Dle tatiticých tabule [7] je riticá hodota pro čtyři tupě voloti c 0,05 (7 ) = c 0,975 (4) =,43. Vypočteá hodota tetovaé tatitiy epadá do oboru riticých hodot c =,9 <,43 = c 0,975 (4). Neí je tedy důvod a hladiě výzamoti a = 0,05 zamítout ulovou hypotézu, že výběr pochází ze záladího ouboru ormálím rozděleím. Zamítáme hypotézu alterativí. Pro poouzeí ymetrie rozložeí hodot výběru olem výběrového průměru taovme výběrovou šimot dle vztahu α 3 = ( x i x) ; (6) ( )( ) 3 výběrového ouboru je výběrovou chybou. Je-li bodový odhad parametru ezreleý, pa měřítem přeoti je měrodatá odchyla, v této ouviloti ozačovaá jao tředí chyba odhadu. Bodový odhad tředí hodoty Požadovaé vlatoti dobrého bodového odhadu tředí hodoty m záladího ouboru plňuje výběrový průměr x. µ = x = x i = 3,36 MPa, (9) tředí chyba odhadu = 4,80 MPa. Bodový odhad rozptylu Požadovaé vlatoti dobrého bodového odhadu rozptylu záladího ouboru plňuje výběrový rozptyl ( ) po doazeí a = 0,0. Hodoty výběru jou olem výběrového průměru rozložey ymetricy (a 0). Pro poouzeí ocetrace hodot výběru olem výběrového průměru taovíme výběrovou špičatot dle vztahu ( + ) ( )( )( 3) β = 4 ( ) ( )( ) + 4 = ( ) 3 4 ( )( )( 3) xi x 3 po doazeí b = 0,84. Kocetrace hodot olem výběrového průměru eodpovídá přímo ormálímu rozděleí, pro teré platí b = 0. Křiva hutoty rozděleí pravděpodoboti výběrového ouboru je plošší ež u ormového ormálího rozděleí. Podle hitogramu a obr. e vša plochot ejeví jao výzamá. Staovme výběrový variačí oeficiet 4,80 V c = = = 0,5. (8) x 3,36 Míra variability proměé x i, tedy měřeé pevoti betou v tlau f c,i, je 5 %. Statiticá aalýza dat a jejich vyhodoceí Výběrový oubor můžeme yí považovat za reprezetativí výběr ze záladího ouboru ormálím rozděleím, eboť bylo ověřeo, že jedotlivé prvy výběru jou vzájemě ezávilé, tejě pravděpodobé, pocházejí ze tejého ormálího rozděleí hutoty pravděpodoboti a výběr je homogeí. Teprve yí je možé přitoupit e taoveí bodových odhadů parametrů záladího ouboru. I zde ovšem platí určitá pravidla. Dobrý (věrohodý) bodový odhad muí být zejméa etraý, vydatý, ozitetí a dotatečý. Každý bodový odhad parametru je ám o obě áhodou veličiou, eboť je taove z výběrového ouboru dat. Tato vypočteá hodota parametru e bude od utečého parametru záladího ouboru lišit. Veliot chyby při taoveí parametru z jedoho σ = = ( x i x) = 3 3,08., (0) Bodový odhad charateriticé pevoti ( ) Charateriticá pevot betou v tlau je dle požadavů 3 (7) ČSN EN 990 ed. [] defiováa jao 5% vatil, tj. ( )( 3) 4 ( xi x) f c = f c;0,05 = x 0,05. () Metodia určeí tohoto vatilu je rověž taovea v []. Předepaou metodou je metoda předpovědí, vycházející z výběrové měrodaté odchyly. Obecě je pa hodota vatilu defiováa jao x = (, p, v) + p, predp x t p α, () de x je výběrový průměr, je výběrová měrodatá odchyla, t p p-procetí vatil Studetova t-rozděleí, a je výběrová šimot, v je počet tupňů voloti, de v =. Dle doporučeí ormy e výběrová šimot zaedbává. Vztah pro taoveí 5% vatilu má tedy tvar / x 0,05,predp = x t p (0; 0,05; 49) ( + ). 50 Jedotraá hodota 5% vatilu Studetova t-rozděleí pro 49 tupňů voloti je dle tabule [] po doazeí t 0,05 (49) =,6766; / x 0,05,predp = 3,36 4,80,6766) ( + ) = 3,3 MPa; 50 charateriticá pevot betou v tlau je pro tetovaou otruci f c = 3,3 MPa.
5 tavebí obzor /04 5 Závěr Na uvedeém příladu byly předvedey možé způoby ověřeí vlatotí experimetálích dat a jejich způobiloti pro áledé tatiticé vyhodoceí. Předložeý potup je použitelý pro jedorozměrá vatitativí data. Při poouzeí vzájemé záviloti prvů byl v čláu apliová tet autoorelace. řádu. Poouzeí záviloti prvů autoorelačími tety vyšších řádů poechává oletiv autorů a čteáři. Přío tatiticých metod pro tavebí praxi epočívá je v ověřováí vlatotí materiálů, ale taé ve vlatím ávrhu tavebích otrucí. Při avrhováí podle mezích tavů e uplatňují ve výpočtu protředictvím dílčích oučiitelů, teré zohledňují ejitoty modelů zatížeí, ejitoty modelů účiů zatížeí, ejitoty způobeé epřízivými odchylami vlatotí materiálů od jejich charateriticých hodot, dále pa ejitoty modelů odoloti a v epoledí řadě zohledňují ejitoty geometricých rozměrů otruce. Literatura [] ČSN ISO 38 Záady avrhováí otrucí Hodoceí exitujících otrucí. ČNI, 005. [] ČSN EN 990 ed. Euroód: Záady avrhováí otrucí. ÚNMZ, 0. [3] ČSN EN 504- Zoušeí betou v otrucích Čát : Vývrty Odběr, vyšetřeí a zoušeí v tlau. ÚNMZ, 009. [4] ČSN EN 379 Pouzováí pevoti betou v tlau v otrucích a v prefabriovaých dílcích. ČNMZ, 007. [5] ČSN EN Zoušeí ztvrdlého betou Čát 3: Pevot v tlau zušebích těle. ÚNMZ, 0. [6] ČSN 0 050, Zb. Statiticé metody v průmylové praxi. Všeobecé zálady. ÚNMZ, 978. [7] Lida, B. Kubaová, J.: Statiticé tabuly a vzorce. Uiverzita Pardubice, 000. [8] Tichý, M.: Co tou pravděpodobotí? Stavebí obzor,, 0, č. 0, ISSN (Olie) [9] Kubeča, K.: Využití tatiticých metod při taticém avrhováí a pouzováí železobetoových otrucí. VŠB-TU Otrava, 004.
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
VíceTestování statistických hypotéz
Tetováí tatitických hypotéz CHEMOMETRIE I, David MILDE Jedá e o jedu z ejpoužívaějších metod pro vyloveí závěrů o základím ouboru, který ezkoumáme celý, ale pomocí áhodého výběru. Př.: Je obah účié látky
Více8 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 -
VíceSoustava momentů. k s. Je-li tedy ve vzorci obecného momentu s = 1, získáme vzorec aritmetického průměru.
Soutava mometů Momety (Obecé, cetrálí a ormovaé) Do ytému mometových charatert patří ty ejdůležtější artmetcý průměr (mometová míra úrově) a rozptyl (mometová úroveň varablty). Obecý momet -tého tupě:
Více7 VYUŽITÍ METOD OPERAČNÍ ANALÝZY V TECHNOLOGII DOPRAVY
7 VYUŽITÍ METOD OERAČNÍ ANALÝZY V TECHNOLOGII DORAVY Operačí aalýza jao jeda z oblatí apliovaé matematiy achází vé široé uplatěí v průmylových a eoomicých apliacích. Jedím z oborů, ve teré hraje ezatupitelou
VíceNEPARAMETRICKÉ METODY
NEPARAMETRICKÉ METODY Jsou to metody, dy předmětem testu hypotézy eí tvrzeí o hodotě parametru ějaého orétího rozděleí, ale ulová hypotéza je formulováa obecěji, apř. jao shoda rozděleí ebo ezávislost
VíceInterval spolehlivosti pro podíl
Iterval polehlivoti pro podíl http://www.caueweb.org/repoitory/tatjava/cofitapplet.html Náhodý výběr Zkoumaý proce chápeme jako áhodou veličiu určitým ám eámým roděleím a měřeá data jako realiace této
VíceStatistické metody ve veřejné správě ŘEŠENÉ PŘÍKLADY
Statitické metody ve veřejé právě ŘEŠENÉ PŘÍKLADY Ig. Václav Friedrich, Ph.D. 2013 1 Kapitola 2 Popi tatitických dat 2.1 Tabulka obahuje rozděleí pracovíků podle platových tříd: TARIF PLAT POČET TARIF
Více6 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
VíceStatistické charakteristiky (míry)
Stattcé charaterty (míry) - hrují formac, obažeou v datech (vyjadřují j v ocetrovaé formě); - charaterzují záladí ryy zoumaého ouboru dat; - umožňují porováváí více ouborů. upy tattcých charatert :. charaterty
Více2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT
2 IDENIFIKACE H-MAICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNO omáš Novotý ČESKÉ VYSOKÉ UČENÍ ECHNICKÉ V PRAZE Faulta eletrotechicá Katedra eletroeergetiy. Úvod Metody založeé a loalizaci poruch pomocí H-matic
VíceUPLATNĚNÍ 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,6 32, ,6 29,7 29,2 35,9 32,6 34,7 35,3
Př 7: S 95% polehlivotí odhaděte variabilitu (protředictvím odhadu měrodaté odchylky) a tředí hodotu obahu vitamíu C u rajčat. Záte-li výledky rozboru 0-ti vzorků rajčat: 3 4 5 6 7 8 9 0 9,6 3,4 30 3,6
VíceZÁKLADY POPISNÉ STATISTIKY
ZÁKLADY POPISNÉ STATISTIKY Statitia věda o metodách běru, zpracováí a vyhodocováí tatiticých údaů. Statiticé údae ou apř. údae o přirozeém přírůtu či migraci obyvateltva, obemu výroby průmylových podiů,
VíceOdhady 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:
VíceVYSOCE PŘESNÉ METODY OBRÁBĚNÍ
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojího ižeýrství Ústav strojíreské techologie ISBN 978-80-214-4352-5 VYSOCE PŘESNÉ METODY OBRÁBĚNÍ doc. Ig. Jaroslav PROKOP, CSc. 1 1 Fakulta strojího ižeýrství,
Více1. Rozdělení četností a grafické znázornění Předpokládejme, že při statistickém šetření nás zajímá jediný statistický znak x, který nabývá
Statitická šetřeí a zpracováí dat Statitika e věda o metodách běru, zpracováí a vyhodocováí tatitických údaů. Statitika zkoumá polečeké, přírodí, techické a. evy vždy a dotatečě rozáhlém ouboru údaů. Matematická
VíceKapitola 3.: Úlohy o jednom náhodném výběru z normálního rozložení
Kapitola 3.: Úlohy o jedom áhodém výběru z ormálího rozložeí Cíl kapitoly Po protudováí této kapitoly budete - zát vlatoti pivotových tatitik odvozeých z áhodého výběru z ormálího rozložeí a budete je
Více8. cvičení 4ST201-řešení
cvičící 8. cvičeí 4ST01-řešeí Obsah: Neparametricé testy Chí-vadrát test dobréshody Kotigečí tabuly Aalýza rozptylu (ANOVA) Vysoá šola eoomicá 1 VŠE urz 4ST01 Neparametricé testy Neparametricétesty využíváme,
VíceVztahy mezi základním souborem a výběry. Základní pojmy a symboly. K čemu to je dobré? Výběrové metody zkoumání
K čemu to je dobé? Obvyklým případem při zpacováí homadých jevů je, že máme poměě malý počet pozoováí ějaké veličiy a chceme učiit závěy o tom, co bychom obdželi, kdybychom měli pozoováí mohokát více.
Více3. cvičení 4ST201 - řešení
cvčící Ig. Jaa Feclová 3. cvčeí 4ST0 - řešeí Obah: Míry varablty Rozptyl Směrodatá odchyla Varačí oefcet Rozlad rozptylu a mezupovou a vtroupovou varabltu Změa rozptylu Vyoá šola eoomcá VŠE urz 4ST0 Míry
VíceJednoduchá lineární závislost
Jedoduchá leárí závlot Regreí fuce: ),...,, ( 0 m f Předpolad: Fuce je leárí v parametrech: ) (... ) 0 ( 0 f f m m f 0 ()... f m () regreor 0... m regreí parametr určujeme METODOU NEJMENŠÍCH ČTVERCŮ Regreí
Více- metody, kterými lze z napozorovaných hodnot NV získat co nejlepší odhady neznámých parametrů jejího rozdělení.
MATEMATICKÁ STATISTIKA - a základě výběrových dat uuzujeme a obecější kutečot, týkající e základího ouboru; provádíme zevšeobecňující (duktví) úudek - duktví uuzováí pomocí matematcko-tattckých metod je
Více3. cvičení 4ST201. Míry variability
cvčící Ig. Jaa Feclová 3. cvčeí 4ST0 Obah: Míry varablty Rozptyl Směrodatá odchyla Varačí oefcet Rozlad rozptylu a mezupovou a vtroupovou varabltu Změa rozptylu Vyoá šola eoomcá VŠE urz 4ST0 Míry varablty
VíceOdhady a testy hypotéz o regresních přímkách
Lekce 3 Odhad a tet hpotéz o regreích přímkách Ve druhé lekc jme kotruoval kofdečí terval a formuloval tet hpotéz o korelačím koefcetu Korelačí koefcet je metrckou charaktertkou tezt závlot, u které ezáleží
Více3. Charakteristiky a parametry náhodných veličin
3. Charateristiy a parametry áhodých veliči Úolem této apitoly je zavést pomocý aparát, terým budeme dále popisovat pomocí jedoduchých prostředů áhodé veličiy. Taovýmto aparátem jsou tzv. parametry ebo
VíceTéma 5: Analýza závislostí
Aalýza závlotí Téma 5: Aalýza závlotí Předáša 5 Závlot mez ev Záladí pom Předmětem této aptol ude zoumáí závlotí ouvlotí mez dvěma a více ev. Jedá e o proutí do vztahů mez ledovaým ev a tím přlížeí tzv.
VíceCharakteristiky úrovně
Charaterty úrově Měřeí úrově Úroveň (poloha) je jedou ze záladích vlatotí tattcých dat, v úrov e mohou tattcá data lšt ebo aopa hodovat. Výzačé hodoty varačí řady ejou ctlvé a změu jedotlvých hodot Medá
VíceDeskriptivní 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
VíceSměrnice 1/2011 Statistické vyhodnocování dat, verze 3 Verze 3 je shodná s původní Směrnicí 1/2011 verze 2, za čl. 2.3 je vložen nový odstavec
Směrice /0 Statitické vyhodocováí dat, verze 3 Verze 3 e hodá ůvodí Směricí /0 verze, za čl..3 e vlože ový odtavec. Statitické metody ro zkoušeí zůobiloti Statitická aalýza oužívaá ro aalýzu výledků zkoušky
VícePravděpodobnost 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
Vícek(k + 1) = A k + B. s n = n 1 n + 1 = = 3. = ln 2 + ln. 2 + ln
Číselé řady - řešeé přílady ČÍSELNÉ ŘADY - řešeé přílady A. Součty řad Vzorové přílady:.. Přílad. Určete součet řady + = + 6 + +.... Řešeí: Rozladem -tého čleu řady a parciálí zlomy dostáváme + = + ) =
Více1 STATISTICKÁ ŠETŘENÍ
STATISTICKÁ ŠETŘENÍ Záladem aždého tattcého zoumáí jou údaje (data). Lze je zíat v záadě dvěma způoby. Buď je převzít z ějaého zdroje ebo je am zjtt. Seudárí data údaje, teré převezmeme z růzých zdrojů;
VíceSměrnice 1/2011 Statistické vyhodnocování dat, verze 4 Verze 4 je shodná se Směrnicí 1/2011 verze 3, pouze byla rozšířena o robustní analýzu
Směrce /0 Stattcké vyhodocováí dat, verze 4 Verze 4 e hodá e Směrcí /0 verze 3, ouze byla rozšířea o robutí aalýzu. Stattcké metody ro zkoušeí zůoblot Cílem tattcké aalýzy výledků zkoušek ř zkouškách zůoblot
VíceBIOSTATISTIKY A ANALÝZ
Tety hypotéz - úvod Statitika v průzkumém tudiu Prováděí odhadů Tety hypotéz Cílová populace Závěr? Reprezetativot? Vzorek Závěr? Iterpretace POPIS Ověřeí Výledek OTÁZKY Elemetárí prvky tatitických tetů
VíceZá k l a d y k v a n t i t a t i v n í g e n e t i k y
Virtuálí vět geetiky 1 Základy kvatitativí geetiky Zá k l a d y k v a t i t a t i v í g e e t i k y Doud byly základí geetické procey (přeo geetické iformace) ledováy a zacích a vlatotech dikrétími hodotami
VíceSTATISTIKA. Základní pojmy
Statistia /7 STATISTIKA Záladí pojmy Statisticý soubor oečá eprázdá možia M zoumaých objetů schromážděých a záladě toho, že mají jisté společé vlastosti záladí statisticý soubor soubor všech v daé situaci
VíceSTATISTIKA. 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,
VíceZáklady 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
VíceNárodní informační středisko pro podporu kvality
Národí iformačí střediso pro podporu vality Problémy s uazateli způsobilosti a výoosti v praxi Dr.Jiří Michále, CSc. Ústav teorie iformace a automatizace AVČR Uazatel způsobilosti C p Předpolady: ormálí
VíceNáhodný 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
VíceZÁKLADNÍ 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
VíceMatematická statistika I přednášky
Statitika (004) - Kába, Svatošová Cvičeí ze tatitiky - Prášilová, Svatošová Matematická tatitika I předášky SAS (Statitical Aalyi Sytem) - tatitický oftware (v dalším emetru) Základí tatitické pojmy -
Více1 Popis statistických dat. 1.1 Popis nominálních a ordinálních znaků
1 Pops statstcých dat 1.1 Pops omálích a ordálích zaů K zobrazeí rozděleí hodot omálích ebo ordálích zaů lze použít tabulu ebo graf rozděleí četostí. Tuto formu zobrazeí lze dooce použít pro číselé zay,
Více8. cvičení 4ST201. Obsah: Neparametrické testy. Chí-kvadrát test dobréshody Kontingenční tabulky Analýza rozptylu (ANOVA) Neparametrické testy
cvičící 8. cvičeí 4ST1 Obsah: Neparametricé testy Chí-vadrát test dobréshody Kotigečí tabuly Aalýza rozptylu (ANOVA) Vysoá šola eoomicá 1 VŠE urz 4ST1 Neparametricé testy Neparametricétesty využíváme,
VíceOdhad 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
VíceOdhady 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
VíceAsynchronní motory Ing. Vítězslav Stýskala, Ph.D., únor 2006
8 ELEKTRCKÉ STROJE TOČVÉ říklad 8 Základí veličiy Určeo pro poluchače akalářkých tudijích programů FS Aychroí motory g Vítězlav Stýkala, hd, úor 006 Řešeé příklady 3 fázový aychroí motor kotvou akrátko
VíceOdhady 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
VíceV. 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,
VícePRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru
SP Náhodý vetor ezávislost fuce NV PRAVDĚPODONOST A STATISTIKA Náhodý vetor ezávislost fuce áhodého vetoru Libor Žá Náhodý vetor stochasticá ezávislost Náhodé veličiy... defiovaé a ravděodobostím rostoru
Více2. Vícekriteriální a cílové programování
2. Vícerterálí a cílové programováí Úlohy vícerterálího programováí jsou úlohy, ve terých se a možě přípustých řešeí optmalzuje ěol salárích rterálích fucí. Moža přípustých řešeí je přtom defováa podobě
VícePRAVDĚPODOBNOST A STATISTIKA
SP esty dobré shody PRAVDĚPODOBNOS A SAISIKA Lbor Žá SP esty dobré shody Lbor Žá Přpomeutí - estováí hypotéz o rozděleí Ch-vadrát test Chí-vadrát testem terý e založe a tříděém statstcém souboru. SP esty
VícePRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru
SP Náhodý vetor ezávislost fuce NV PRAVDĚPODONOST A STATISTIKA Náhodý vetor ezávislost fuce áhodého vetoru Libor Žá Náhodý vetor stochasticá ezávislost Náhodé veličiy... defiovaé a ravděodobostím rostoru
VíceCvičení 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
VíceČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta dopraví Statistika Semestrálí práce Zdražováí pohoých hmot Jméa: Martia Jelíková, Jakub Štoudek Studijí skupia: 2 37 Rok: 2012/2013 Obsah Úvod... 2 Použité
VíceIlustrativní příklad ke zkoušce z B_PS_A léto 2014.
Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95
Víceveličiny 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} kvantitativní znaky. korelace, regrese. Prof. RNDr. Jana Zvárov. Obecné principy
Měřeí statistické závislosti, korelace, regrese Prof. RNDr. Jaa Zvárov rová,, DrSc. MĚŘENÍZÁVISLOSTI Cílem statistické aalýzy vepidemiologii bývá eje staovit, zda oemocěí závisí a výskytu rizikového faktoru,
VícePřednáška č. 2 náhodné veličiny
Předáša č. áhodé velčy Pozámy záladím pojmům z počtu pravděpodobost Pozáma 1: Př výpočtu pravděpodobost áhodého jevu dle lascé defce je uté věovat pozorost způsobu formulace vybraého jevu. V ásledující
Více8. 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,
VíceSP2 Korelační analýza. Korelační analýza. Libor Žák
Korelačí aalýza Přpomeutí pojmů áhodá proměá áhodý vetor áhodý vetor Náhodý výběr: pro áhodou proměou : pro áhodý vetor : pro áhodý vetor : Přpomeutí pojmů - ovarace Kovarace áhodých proměých ovaračí oefcet
VícePRAVDĚPODOBNOST 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
VíceIntervalové 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:
VíceMEMBRÁNOVÉ PŮSOBENÍ OCELOBETONOVÉ KONSTRUKCE VYSTAVENÉ POŽÁRU
Moorafie vyila při práci a projetu MACS + Membráové půobeí při požárím ávrhu ocelobetoové tropí dey plotěými a prolamovaými oíy č. RFS-CT--5 MEMBRÁNOVÉ PŮSOBENÍ OCELOBETONOVÉ KONSTRUKCE VYSTAVENÉ POŽÁRU
VícePříklady z přednášek
Příklady z předášek. Normálí rozložeí a rozložeí z ěj odvozeá.7. Příklad: Výledky u přijímacích zkoušek a jitou VŠ jou ormálě rozložey parametry µ 550 bodů, σ 00 bodů. S jakou pravděpodobotí bude mít áhodě
Vícevají 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
Vícevají 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
VíceP2: 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
VíceTeorie hromadné obsluhy
4..5 Teorie hromadé obluhy Radim Faraa Podlady pro výuu pro aademicý ro 3/4 Obah Teorie hromadé obluhy Klaiiace ytémů hromadé obluhy Sytém hromadé obluhy M/M// / /FIFO Sytém hromadé obluhy M/M/// Sytém
VíceParametr populace (populační charakteristika) je číselná charakteristika sledované vlastnosti
1 Základí statistické zpracováí dat 1.1 Základí pojmy Populace (základí soubor) je soubor objektů (statistických jedotek), který je vymeze jejich výčtem ebo charakterizací jejich vlastostí, může být proto
Více1 Měření závislosti statistických znaků. 1.1 Dvourozměrný statistický soubor
1 Měřeí závlot tattckých zaků 1.1 Dvourozměrý tattcký oubor Př aalýze ekoomckých kutečotí á čato ezajímají jedotlvé velč jako takové, ale vztah mez m. Ptáme e, jak záví poptávka a ceě produktu, plat zamětaců
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
VíceZpracování a prezentace výsledků měření (KFY/ZPM)
Jihočká uivrzita Pdagogická fakulta katdra fyziky Zpracováí a prztac výldků měří (KFY/ZPM) tručý učbí tt Pavl Kříž Čké Budějovic 005 Úvod Přdmět Zpracováí a prztac výldků měří (ZPM) volě avazuj a přdmět
VíceTESTOVÁNÍ STATISTICKÝCH HYPOTÉZ
TESTOVÁNÍ STATISTICKÝC YPOTÉZ je postup, pomocí ěhož a základě áhodého výběru ověřujeme určité předpoklady (hypotézy) o základím souboru STATISTICKÁ YPOTÉZA předpoklad (tvrzeí) o parametru G základího
Více8. 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
VíceAktivita 1 Seminář základů statistiky a workshop (Prof. Ing. Milan Palát, CSc., Ing. Kristina Somerlíková, Ph.D.)
Aktvta Semář základů tattky a workhop (Prof. Ig. Mla Palát, CSc., Ig. Krta Somerlíková, Ph.D.) Stattcké tříděí Základí metoda tattckého zpracováí. Sekupováí hodot proměé, které jou z hledka klafkačího
VíceTéma 3: Popisná statistika
Popá tatta Téma : Popá tatta Předáša 7 Záladí tattcé pojmy Pojem a úoly tatty Statta je věda, teá e zabývá zíáváím, zpacováím a aalýzou dat po potřeby ozhodováí. Zoumá tav a vývoj homadých jevů a vztahů
Více12. 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
Více1.1. Primitivní funkce a neurčitý integrál
Mateatia II. NEURČITÝ INTEGRÁL.. Priitiví fuce a eurčitý itegrál Defiice... Říáe, že fuce F( ) je v itervalu ( ab, ) priitiví fucí fuci f ( ), platí-li pro všecha ( ab, ) vztah F = f. Defiice... Možia
VícePřednáška 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?
VíceTéma 1: Pravděpodobnost
ravděpodobot Téma : ravděpodobot ředáša - ravděpodobot áhodého evu Náhodý pou a áhodý ev Náhodý pou - aždá čot, eíž výlede eí edozačě urče podmíam, za terých probíhá apř hod otou, měřeí dély, běh a 00
VícePravděpodobnost 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,
VíceDvourozměrná tabulka rozdělení četností
ANALÝZA ZÁVILOTÍ - zouáí závlot dvou evet více poěých, ěřeí íl této závlot, atd - cíle je hlubší vutí do podtat ledovaých jevů a poceů, přblížeí tzv příčý ouvlote Dvouozěá tabula ozděleí četotí - je eleetáí
VíceREGRESNÍ 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
Vícen 3 lim 3 1 = lim Je vidět, že posloupnost je neklesající, tedy z Leibnize řada konverguje, ( 1) k 1 k=1
3. cvičeí Přílady. (a) (b) (c) ( ) ( 3 ) = Otestujeme itu 3 = 3 = = 0. Je vidět, že posloupost je elesající, tedy z Leibize řada overguje, ( ) Řada overguje podle Leibizova ritéria, ebot je zjevě erostoucí.
Více1) Vypočtěte ideální poměr rozdělení brzdných sil na nápravy dvounápravového vozidla bez ABS.
Dopraví stroje a zařízeí odborý zálad AR 04/05 Idetifiačí číslo: Počet otáze: 6 Čas : 60 miut Počet bodů Hodoceí OTÁZKY: ) Vypočtěte eálí poměr rozděleí brzdých sil a ápravy dvouápravového vozla bez ABS.
VíceMezní 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
VíceObr. DI-1. K principu reverzibility (obrácení chodu paprsků).
Učebí text k předášce UFY8 Dvojvzková tererece teké vrtvě Dvojvzková tererece teké vrtvě Předpokládejme, vl o mpltudě dvou delektrk tk, že mpltud održeé vly bude o dexu lomu bude t (vz obr. DI-1). v protředí
Více8 DALŠÍ SPOJITÁ ROZDLENÍ PRAVDPODOBNOSTI
8 DALŠÍ SPOJITÁ ROZDLENÍ PRAVDPODOBNOSTI a ke tudiu kapitoly: 30 iut Cíl: Po protudováí tohoto odtavce budete ut: charakterizovat další typy pojitých rozdleí:, Studetovo, Ficher- Sedocorovo - - Výklad:
VícePřednáška 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
Více17. 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
Více13 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
VícePro 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,
VíceZávislost 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
VíceMomenty a momentové charakteristiky
Lekce 3 Momety a mometové charaktertky Pokud jme e v předešlém výkladu zmňoval o ěkteré tattcké charaktertce, zpravdla jme rověž uváděl, zda j řadíme mez více ebo méě důležté. A byly to právě artmetcký
VíceS k l á d á n í s i l
S l á d á í s i l Ú o l : Všetřovat rovováhu tří sil, působících a tuhé těleso v jedom bodě. P o t ř e b : Viz sezam v desách u úloh a pracovím stole. Obecá část: Při sládáí soustav ěolia sil působících
VíceTestujeme hypotézu: proti alternativě. Jednoduché třídění:
Y,, Y je áhodý výběr z N(μ, σ ) Y,, Y je áhodý výběr z N(μ, σ ) Y,, Y je áhodý výběr z N(μ, σ ) Testujeme hypotézu: proti alterativě H : μ = μ = = μ H : e všechy středí hodoty μ,, μ jsou si rovy Jedoduché
VíceProstředky automatického řízení
VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ Protředky automatického řízeí Měřící a řídící řetězec Vypracoval: Petr Oadík Akademický rok: 006/007 Semetr: letí Zadáí Navrhěte měřicí
Více