Výstup a n. Vstup. obrázek 1: Blokové schéma a graf paralelní soustavy

Rozměr: px
Začít zobrazení ze stránky:

Download "Výstup a n. Vstup. obrázek 1: Blokové schéma a graf paralelní soustavy"

Transkript

1 Paralelí soustava Vstup a a Výstup a Vstup a Výstup a a obrázek : Blokové schéma a graf paralelí soustavy paralelí soustava je v bezporuchovém stavu <> je-l v bezporuchovém stavu prvek (tzv. adbytečé spojeí > zvýšeí spolehlvost) pravděpodobost bezporuchového stavu: (sjedoceí jevů bezporuchovost) x x x x ) aalogcky jako u sérové soustavy rozvutím pravé stray rovce: x ) x )... x ) [ x, x ) x, x ) x, x j )]... ( ) x... x j porucha paralelí soustavy astae, když astae porucha všech prvků: průk jevu poruchy Q xx x... x ) př závslých jevech: Q P x ) x x ) x x x )... x x x... x ) ( př ezávslých jevech: Q Závěr: bezporuchovost paralelí soustavy je vždy lepší ež bezporuchovost ejméě spolehlvého prvku pro paralelí soustavu ze shodých prvků (ezávslých): p. poruchy.: p.bezp.: ( Q q p) Q ( q ) ( p) Kombovaé soustavy: řešeí složtých soustav () převod a kombac sérových a paralelích soustav YCHLÉ () částečý převod dle () ásledovaý specfckým výpočtem pro epřevodtelou část dle () x x ) )

2 ! vz tabulka ásl. str. (slajd 49, kope ze skrpt) DALŠÍ TYP SOUSTAVY soustava typu "m z " prvků soustavy ke správé fukc uto m správě pracujících prvků Př. : lao spleteé z vláke, k dosažeí osost je třeba mmálě m< vláke earušeých Př. : (soustava "m z ") skupa vodáre prameících do společé rozvodé sítě model soustavy má h m paralelích spojeí vstup výstup v každém spojeí je m-prvků v sér (jeda kombace / výběr z prvků) Soustava je ve stavu bez poruchy <> alespoň jedo spojeí je fukčí Stuace se shodým prvky jež jsou ezávslé > bomcké rozděleí tj. prevděp. bezporuch. provozu: k m lmtí případy: pravděp. bezp. p. prvku f ( k,, p) k m, m... pro m (aspoň jede z ) čstě paralelí soustava pro m (všechy z ) sérová soustava

3 Řešeí soustav metodou sezamu: Prcp: () Sestaveí sezamu všech možých (logckých) událostí () V sezamech jsou zolovaé jevy přízvé a epřízvé Σ pravděp. všech přízvých jevů (stav provozu) Σ pravděp. všech epřízvých jevů (stav poruchy) Př: Vstup a b d Výstup c e obrázek Blokové schéma soustavy počet prvků soustavy 5 > 5 jevů rozděleí do skup dle počtu pevých prvků: 5 žádá porucha jevů jeda porucha vše v poruše jevů 5 jevů

4 tj. Nepřízvý výsl. poruch. stav Skup. 0 A abcde e Skup. A abcde e A ab cde e A 4 abcde e A 5 abcde e A 6 abcde e Skup. A 7 abcde e A 8 abcde e A 9 abcde e Skup. 4 A 7 abcde A 8 abcde A 9 ab cde ao ao ao A abcde ao Skup. 5 A abcde ao Celkem vyjde: Porucha: kombací Bezp. stav: 9 kombací tedy pravděpodobost poruchy soustavy: Q P A A A A A A A A A A A A tabulka ( A) protože A až A se vzájemě vylučují > P sjedoceí těchto jevů ~ Σ pravděpodobostí tj. Q [ A ) A )... )] 6 7 A Σ pouze epřízvé a ezávslé jevy vz. tabulka Specálě: shodé prvky soustavy p bezporuchový provoz Q [ p ( p) 6 p ( p) dle předchozí rce. 5p( p) 4 ( p) 5 ]

5 Poz.: () Pravděp. bezporuchového provozu lze též spočítat přímo sjedoceí jevů bezpor. provozu) () v prax se volí výpočet P ebo Q dle toho, co je jedodušší meší počet posloupost Nevýhoda postupu: kombatorcká exploze pro větší počty prvků soustavy Řešeí soustav metodou drah a řezů: vhodé pro výpočty složtých soustav s ezávslostí poruch vychází se z grafu soustavy o graf má m. tolk hra, kolk je prvků soustavy o ejedozačá kostrukce grafu (více řešeí) Defce: mootóí sled (hra) ~ posloupost hra, ke které lze alézt takovou posloupost uzlů, kdy aktuálí uzel je vstupím uzlem hray (sledu) a ásledující je výstupím uzlem sledu. Defce : jsou-l všechy uzly ve sledu růzé > jsou též všechy hray růzé a sled se azývá dráha. (prochází každým uzlem ejvýše jedou) Lemma: dráha je mmálím sledem (obsahuje mmálí počet hra) Defce : hraový řez (řez) grafu je moža hra, z íž je vždy aspoň jeda hraa obsažea v každé dráze mez dvěma uzly (zvoleým, zde vstup-výstup) Tedy řešeí soustavy: Nechť: drah mez vstupem a výstupem spojeí mez vstupem a výstupem je-l aspoň jeda dráha fukčí Nechť: T T jsou bezporuchové stavy drah Pravděpodobost bezporuchového stavu soustavy je: P T T... T ) ( Naopak, porucha astae odstraěím aspoň jedoho mmálího řezu. Mějme soustavu s j mmálím řezy jm příslušé bezporuchové stavy C C... C Metoda drah a řezů příklad: Mějme soustavu: 6 prvků ~ 6 hra poruchy m. řezů C, C,... C j Pravděpodobost poruchy: Q C, C,... C j ),, j

6 x x x 5 x 6 x x 4 Sledy soustavy: T x x T 4 x x 5 x Sledy T, T, T a T 4 jsou také dráhy. Sledy T 5 a T 6 ejsou dráhy (prochází x uzlem) z rovce pro > T T T T4 ) xx xx4 xx6 x4 xx5x ) Porucha řezu ~ všechy prvky odpovídající hraám řezu mají poruchu Bezporuchový stav řezu ~ aspoň jede prvek odpovídající hraám řezu pracuje bez poruchy ěkteré řezy soustavy jsou: C x x C x x 4 C x x 5 x C 4 x x 5 x 4 C 5 x x 6 x C 6 x x 6 x C, C, C 4, C 6 jsou mmálí řezy C, C 5 ejsou mmálí (obsahují C ) z předchozí rovce (str. 5) > pravděp. poruchy: Q C, C T x x 4 T 5 x x 5 x 6 x T x x 6 x 4 T 6 x x 5 x 6 x 4 * xx xx4 xx5 x4 xx6x) Problémy: () alezeí všech drah a mmálích řezů je komplkovaé u složtých soustav > algortmzace () špatá detfkace mmalty řezu evede k esprávému výsledku (prodlouží ale výpočet) () rozvoj pravděpodobost sjedoceí jevů, jež se evylučují je složtý zjedodušeí pro jevy vzájemě se vylučující > prostý součet pravděpodobost, C 4, C 6 )

7 Přípustost zjedodušeí: pro velm pravděp. výskytu jevů pro velm malé pravděp. bezporuchového provozu ebo pro velm velké pravděp. bezporuch. provozu > eboť pravděpodobost sjedoceí jevů A, B, C má rozvoj: P ( A B C) A) B) C) AB) AC) BC) ABC) jestlže ABC se vzájemě vylučují > vyloučeí kompoztích čleů ze vzorce výše! lze ukázat, že platí (obecě pro A, B, C): P ( A B C) A) B) C) horí mez pro případ ezávslost jevů tedy je-l T ) " 0 platí: bezpor. stav T ) dráhy horí odhad pravděp. por. Q C ) řezy dvoustraý odhad tedy: C ) dolí odhad Př.: vz. str. 5, všechy prvky soustavy echť jsou shodé, pravděp. bezporuchového stavu p potom (odhady): Chyba! Objekty emohou být vytvořey úpravam kódů polí. Soustavy prvků s více stavy! dosud předpoklad: soustava ve dvou možých stavech porucha ormálí provoz! obecější stuace: ormálí provoz porucha růzého typu př..: polovodčová doda zkrat přerušeí př..: trazstor kombace zkratu a přerušeí CB, BE přechodů př..: poruchy toleračího typu (růzá toleračí pole a jejch kombace) > třída poruch > poruchový stav prvku

8 př. 4.: bezporuchový stav: x zkrat: xs přerušeí: x0 x x x ) x) x ) x0) S 0 S vzájemě se vylučují; aspoň jede astae a) pravděpodobost bezporuchového stavu jedé dody: b) soustava dod v sér: x) xs x0) x S ) x0) tedy: Soustava v bezpor. stavu: ) obě dody O.K. ) jeda z dod zkrat poruchový stav: ) obě dody zkrat )aspoň jeda doda přerušea dráhy soustavy (přízvé kombace): x x x x S xs x řezy soustavy (epřízvé případy) x x0, xs xs, xs x0, x0x, x0 xs, x0 x0 pravděpodobost bezporuchového stavu (pomocí drah): xx x xs xs x) ebo (pomocí řezů) x x0 x xs xs x0 x0x x0 xs úpravou: pravděp. poruchy zkratem c) dody paralelě: ( S x0 x0 p pq S kde současě: p q q0 S pravděp. bezpor. provozu pravděp. poruchy přerušeím )

9 Poz.: dráhy: x x, x x0, x0x xx x x0 x0x) pro poruchy ezávslé, obě dody shodé (dosazeím): pravděp. poruchy přerušeím p pq použtelé pro více stavů prvků obtížá kostrukce grafů pro více prvků jedodušší je přímá tvorba drah a řezů 0

10 Soustavy s časově závslým pravděpodobostm poruch kroky:. odvozeí výrazu pro pravděpodobost bezporuchového provozu soustavy. dosazeí příslušého zákoa rozděleí poruch za pravděpodobost poruch prvků Varaty:. poruchy jsou ezávslé jevy jedoduché (aproxmačí postupy pro velká ). poruchy jsou závslé jevy: eí možé rozdělt (zolovat) vlv struktury soustavy a podíl bezporuchovost prvků (s její závslostí) a výsledou poruchovost soustavy řešeí pomocí sdružeých hustot pravděp. z dstr. fukcí stochastcké (Markovovy) modely Sérová soustava (časově závslé pravděpodobost)! celá soustava fukčí všechy prvky fukčí! soustava ezávslých prvů: df ( t) echť prvky soustavy mají exp. rozděleí poruch x ) exp( t) často užívaá rce ( t) x ) dosazeím exp( t) exp( t) poz.:. rozděleím poruch sérové soustavy je rověž exp. s teztou poruch # soustavy s větším počtem prvků je vhodé seskupt do podsoustav se shodou (podobou) teztou poruch > herarchcký výpočet a úrovích. časté použtí Wzbullova rozděleí pro sérovou soustavu (poč. (m<) orm. (m>) provoz) m t ( t) exp( ) t 0

11 Paralelí soustava: df! bezporuchový provoz aspoň jeda cesta fukčí (eastae současě porucha všech prvků) ( t)! př exp. rozděleí poruch x ) exp( t) t ) ( ( exp( )) m t! pro Webullovo rozděleí: x ) exp( ) Poz.:! pro sérovou soustavu: t m t ( t) ( exp( )) t0! sérová soustava " dolí mez bezporuchovost! paralelí soustava " horí mez bezporuchovost > pro soustavy složeé z daých prvků! složtý výpočet bezporuchovost použtím zákoů rozděleí poruch > zjedodušeí: prováděí výpočtu pro krátký časový terval ( ( t ) )! áhrady složtých fukcí Taylorovým rozvojem! často stačí k charakterzac bezporuchovost středí doba bezporuchového provozu T S pro paralelí soustavu (složtější): exp. rozděleí: ( prvky paralelě): ( t) dt 0 x ) exp. rozděleí: Webullovo rozděleí: T S ( prvků paralelě): t 0 T S T S Γ( ) m ( ) t 0 m

12 ( ) T S pro shodé prvky a exp. rozděleí: ( )... ( ) T S... Poz.: praktcky provedtelý je aalytcký výpočet pro exp. rozděleí a sérovou ebo paralelí soustavu já rozděleí ebo struktura soustav je je obtížě řeštelá! Soustavy se zálohováím! zvětšováí spolehlvost " zálohováí soustav (ebo jejch částí)! druhy zálohováí: stálé s přepíáím majortí. Stálé zálohováí: (se zatížeou zálohou, paralelí zálohováí)! obvyklý typ poruchy "přerušeí" > vytvořeí áhradích cest (paralelě)! obvyklý typ poruchy "zkrat" > záloha se přpojuje do sére! kombace předchozího x x x x x x x m x m obrázek zálohováí sérové soustavy (celku)

13 x x x x x x x m x m obrázek 4 Zálohováí prvků sérové soustavy předpoklad: sérová soustava složeá ze shodých prvků (ezávslých), pravděpodobost bezporuchového provozu p zálohováí soustavy jako celku: paralelí zálohováí jedotlvých prvků: ( p ) m [ ( p) ] m stuace se -ma prvky (zálohováí soustavy (a), prvků (b)) a) Vstup x x Výstup a ( ) 4 p p p p x' x' b) x x Vstup Výstup b ( ) p p b a x' ( p) ( p) x' 0 < p < p p utvoříme poměr: > 0 b z předchozího plye, že > > paralelí záloha prvků je výhodější a poz.:! předchozí lze zobect pro, m prvků v sér a paralelě! zálohováí prvků je výhodější (platí pro prvky se dvěma stavy, porucha přerušeí) b a! obecá stuace může vést k opačému závěru

14 . Zálohováí přepíáím (zálohováí s okamžtou obovou) př poruše prvku se ahradí přepe bezchybý prvek) vstup s x x předpoklad: soustava z m shodých a ezávslých prvků, jež estárou > Possoovo rozděleí m a f ( m; a) exp( a) m 0,,,... m! stuace pro prvky (tedy žádá ebo jeda porucha) odpovídá řeštelé stuac Z exp( a) a exp( a) ( a) exp( a)! je-l pravděpodobost bezporuchového provozu p > dle Possoova rozděleí ~ pravděpodobost ulového počtu poruch (m0) > P exp a porováí: Z a l l p dosazeím: ( ) ( ) ( p) 0,8 ( l p) přepíáím p p p paralelízáloha 0,6 0,4 p - (bez zálohy) 0, 0,75 0,5 0,5 0 p obrázek 5 Porováí zálohováí s přepíáím paralelího zálohováí a základí soustavy Poz.: Paralelí zálohováí je horší ež zálohováí přepíáím. (v paralelím systému pracuje vše společě > větší aděje a poruchu záloží soustavy) - paralelí zál. ~ max. (doba do poruchy prvku, doba do doba do poruchy zálohy poruchy - přepíáím ~ součet dob obou prvků (záloží provozí) P x P x exp t! př exp. rozděleí poruch prvků ( ) ( ) ( ) :

15 t exp t P přepíáí: Z ( ) ( ) přep exp t exp t P paralelí záloha: Z ( ) ( ) přep! vlv poruchy přepíače! > pravděp. bezpor. provozu a pravou strau rce. > (selže přepíač > selže soustava) eí přesé. selháí přepíače je podmíěo selháím soustavy. přepíač selhává právě př přeputí a) x x x x x x x m x m x m b) x x x x x x x m x m x m Zálohováí s přepíáím a) sérové soustavy b) prvků sérové soustavy Poz.: př deálím přepíač (a omezeém počtu záloh) je výhodější zálohovat jedotlvé prvky soustavy ež celou soustavu jako celek poz.:! zálohováí přepíáím s pohyblvou zálohou umožňuje áhradu více ež jedoho prvku! výpočty složtějších soustav (ež s kostatím bezporuchovostm prvků) jsou eúosě složté > užtí statstckého modelováí, Markovových modelů (dále)

16 . Majortí zálohováí:! zlepšeí poruchovost dskrétích (dgtálích) systémů (a rozdíl od aalogového syst. může astat lbovolý výstup př ulovém vstupu)! zálohováí dgtálích systémů musí zlepšt bezporuchovost př všech stavech a výstupu výpočet majorty z lchého počtu výstupů soustav (shodých) echť soustavy: x vstup x M výstup x m obrázek 6 Majortí zálohováí echť majortí čle je bezporuchový a x, x, x shodé: z bomckého rozděleí: p p p p p ( ) ( ) pravděp.bezporuch.provozu jedotl.soustav pro obecou majortu z () je: N p ( p)! porováí pravděp. bezporuchového provozu jedé soustavy p p p ( p) poměr p( p) vz. obr. dále str. 7 a > p > 0,5! tedy majortí zálohováí zlepšuje pravděp. bezporuchového provozu, má-l každá soustava pravděp. bezporuchového provozu p>0,5.! uvážeím poruchovost majortího čleu se ásobí pravá straa rovce pro ( ) > předchozí podmíka se modfkuje Obr.: p exp t kde Majortí zálohováí s exp. rozděleím ( )

17 0 0, e -t 0 0,5 0,69,5 t

Spolehlivost a diagnostika

Spolehlivost a diagnostika Spolehlvost a dagostka Složté systémy a jejch spolehlvost: Co je spolehlvost? Vlv spolehlvost kompoetů systému Návrh systému z hledska spolehlvost Aplkace - žvotě důležté systémy - vojeské aplkace Teore

Více

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

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i : ometové míry polohy zahrují růzé druhy průměrů pomocí kterých můžeme charakterzovat cetrálí tedec dat ometové míry polohy jsou jedoduché číselé charakterstky které se vyčíslují ze všech prvků výběru

Více

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

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA SP Záko velkých čísel, cetrálí lmtí věta PRAVDĚPODOBNOST A STATISTIKA Lbor Žák SP Záko velkých čísel, cetrálí lmtí věta Lbor Žák Kovergece podle pravděpodobost Posloupost áhodých proměých,,,, koverguje

Více

Metody zkoumání závislosti numerických proměnných

Metody zkoumání závislosti numerických proměnných Metody zkoumáí závslost umerckých proměých závslost pevá (fukčí) změě jedoho zaku jedozačě odpovídá změa druhého zaku (podle ějakého fukčího vztahu) (matematka, fyzka... statstcká (volá) změám jedé velčy

Více

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností 4.2 Elemetárí statstcké zpracováí Výsledkem statstckého zjšťováí (. etapa statstcké čost) jsou euspořádaá, epřehledá data. Proto 2. etapa statstcké čost zpracováí, začíá většou jejch utříděím, zpřehleděím.

Více

8. Zákony velkých čísel

8. Zákony velkých čísel 8 Zákoy velkých čísel V této část budeme studovat velm často užívaá tvrzeí o součtech posloupost áhodých velč Nedříve budeme vyšetřovat tvrzeí azývaá souhrě ako slabé zákoy velkých čísel Veškeré úvahy

Více

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

Optimalizace portfolia

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

Více

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

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC 5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC V této kaptole se dozvíte: jak je defováa fukce přrozeá odmoca v kompleím oboru a jaké má vlastost včetě odlšostí od odmocy v reálém

Více

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

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

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

Více

jako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých

jako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých 9 Limití věty. V aplikacích teorie pravděpodobosti (matematická statistika, metody Mote Carlo se užívají tvrzeí vět o kovergeci posloupostí áhodých veliči. Podle povahy kovergece se limití věty teorie

Více

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru Lekce Normálí rozděleí v rově V této lekc se udeme věovat měřeí korelačí závslost dvojce áhodých velč (dvousložkového áhodého vektoru) Vcházet udeme z ormálího rozděleí pravděpodoost áhodého vektoru v

Více

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

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

Více

Generování dvojrozměrných rozdělení pomocí copulí

Generování dvojrozměrných rozdělení pomocí copulí Pravděpodobost a matematcká statstka eerováí dvojrozměrých rozděleí pomocí copulí umbelova copule PRAHA 005 Vpracoval: JAN ZÁRUBA OBSAH: CÍL PRÁCE TEORIE Metoda verzí trasformace O copulích Sklarova věta

Více

Náhodné jevy, jevové pole, pravděpodobnost

Náhodné jevy, jevové pole, pravděpodobnost S Náhodé jevy pravděpodobost Náhodé jevy jevové pole pravděpodobost Lbor Žák S Náhodé jevy pravděpodobost Lbor Žák Základí pojmy Expermet česky též vědecký pokus je soubor jedáí a pozorováí jehož účelem

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor SP Náhodý vektor PRAVDĚPODOBNOS A SAISIKA Náhodý vektor SP Náhodý vektor Náhodý vektor Náhodý vektor slouží k popsu výsledku pokusu kdy měříme více údaů o procesu. Před provedeím pokusu eho výsledek a

Více

2. TEORIE PRAVDĚPODOBNOSTI

2. TEORIE PRAVDĚPODOBNOSTI . TEORIE PRAVDĚPODOBNOSTI V prax se můžeme setat s dvojím typem procesů. Jeda jsou to procesy determstcé, u terých platí, že př dodržeí orétích vstupích podmíe obdržíme přesý, předem zámý výslede (te můžeme

Více

Lineární regrese ( ) 2

Lineární regrese ( ) 2 Leárí regrese Častým úolem je staoveí vzájemé závslost dvou (č více) fzálích velč a její matematcé vjádřeí. K tomuto účelu se používají růzé regresí metod, pomocí chž hledáme vhodou fuc f (), apromující

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST 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

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA SP Náhodý vektor PRAVĚPOOBNOS A SAISIKA Lbor Žák SP Náhodý vektor Lbor Žák Náhodý vektor přpomeutí pomů z SP V prví část kurzu SP s rozšíříme pomy o áhodém vektoru z SP: Nechť e áhodý vektor eho složky:

Více

P1: Úvod do experimentálních metod

P1: Úvod do experimentálních metod P1: Úvod do epermetálích metod Chyby a ejstoty měřeí - Každé měřeí je zatížeo určtou epřesostí, která je způsobea ejrůzějším egatvím vlvy, vyskytujícím se v procesu měřeí. - Výsledek měřeí se díky tomu

Více

Předmět: SM 01 ROVINNÉ PŘÍHRADOVÉ KONSTRUKCE

Předmět: SM 01 ROVINNÉ PŘÍHRADOVÉ KONSTRUKCE Přdmět: SM 0 ROVIÉ PŘÍHRADOVÉ KOSTRUKCE doc. Ig. Michl POLÁK, CSc. Fkult stvbí, ČVUT v Prz ROVIÉ PŘÍHRADOVÉ KOSTRUKCE: KOSTRUKCE JE VYTVOŘEA Z PŘÍMÝCH PRUTŮ, PRUTY JSOU AVZÁJEM POSPOJOVÁY V BODECH STYČÍCÍCH,

Více

IV. MKP vynucené kmitání

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

Více

Chyby přímých měření. Úvod

Chyby přímých měření. Úvod Chyby přímých měřeí Úvod Př zjšťováí velkost sledovaé velčy dochází k růzým chybám, které ovlvňují celkový výsledek. V pra eestuje žádá metoda měřeí a měřcí zařízeí, které by bylo absolutě přesé, což zameá,

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA SP4 Přpomeutí pojmů PRAVDĚPODOBNOST A STATISTIKA SP4 Přpomeutí pojmů SP4 Přpomeutí pojmů Pravděpodobost Náhodý jev: - základí prostor - elemetárí áhodý jev A - áhodý jev, - emožý jev, jstý jev podjev opačý

Více

Sekvenční logické obvody(lso)

Sekvenční logické obvody(lso) Sekvečí logické obvody(lso) 1. Logické sekvečí obvody, tzv. paměťové čley, jsou obvody u kterých výstupí stavy ezávisí je a okamžitých hodotách vstupích sigálů, ale jsou závislé i a předcházejících hodotách

Více

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

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

Více

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 STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOT A TATITIKA Přpomeutí pojmů,, P m θ, R θ R - pravděpodobostí prostor - parametrcký prostor - parametrcká fukce,, T - áhodý vektor defovaý a pravděpodobostím prostoru,, P θ s hustotou f x,

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor SP Náhodý vektor PRAVDĚPODOBNOS A SAISIKA Náhodý vektor Lbor Žák SP Náhodý vektor Lbor Žák Náhodý vektor Náhodý vektor slouží k popsu výsledku pokusu kdy měříme více údaů o procesu. Před provedeím pokusu

Více

7 LIMITNÍ VĚTY. Čas ke studiu kapitoly: 70 minut. Cíl:

7 LIMITNÍ VĚTY. Čas ke studiu kapitoly: 70 minut. Cíl: 7 LIMITNÍ VĚTY Čas ke studu kaptoly: 70 mut Cíl: o prostudováí tohoto odstavce budete umět formulovat a používat lmtí věty aproxmovat já rozděleí rozděleím ormálím - 96 - Výklad: V této kaptole adefujeme

Více

Digitální učební materiál

Digitální učební materiál Dgtálí učebí materál Číslo projetu CZ..07/.5.00/34.080 Název projetu Zvaltěí výuy prostředctvím ICT Číslo a ázev šabloy líčové atvty III/ Iovace a zvaltěí výuy prostředctvím ICT Příjemce podpory Gymázum,

Více

Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n

Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n Regrese Aproxmace metodou ejmeších čtverců v v ( ) = f x v v x x x x Je dáo bodů [x, ], =,,, předpoládáme závslost a x a chceme ajít fuc, terá vsthuje teto tred - Sažíme se proložt fuc = f x ta, ab v =

Více

Správnost vztahu plyne z věty o rovnosti úhlů s rameny na sebe kolmými (obr. 13).

Správnost vztahu plyne z věty o rovnosti úhlů s rameny na sebe kolmými (obr. 13). 37 Metrické vlastosti lieárích útvarů v E 3 Výklad Mějme v E 3 přímky p se směrovým vektorem u a q se směrovým vektorem v Zvolme libovolý bod M a veďme jím přímky p se směrovým vektorem u a q se směrovým

Více

Mendelova univerzita v Brně Statistika projekt

Mendelova univerzita v Brně Statistika projekt Medelova uverzta v Brě Statstka projekt Vypracoval: Marek Hučík Obsah 1. Úvod... 3. Skupové tříděí... 3 o Data:... 3 o Počet hodot:... 3 o Varačí rozpětí:... 3 o Počet tříd:... 4 o Šířka tervalu:... 4

Více

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

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

1. Úvod do základních pojmů teorie pravděpodobnosti

1. Úvod do základních pojmů teorie pravděpodobnosti . Úvod do základích pojmů teore pravděpodobost. Úvodí pojmy Větša exaktích věd zobrazuje své výsledky rgorózě tj. výsledky jsou získáváy a základě přesých formulí a jsou jejch terpretací. Příkladem je

Více

Přednáška V. Úvod do teorie odhadu. Pojmy a principy teorie odhadu Nestranné odhady Metoda maximální věrohodnosti Průměr vs.

Přednáška V. Úvod do teorie odhadu. Pojmy a principy teorie odhadu Nestranné odhady Metoda maximální věrohodnosti Průměr vs. Předáška V. Úvod do teore odhadu Pojmy a prcpy teore odhadu Nestraé odhady Metoda mamálí věrohodost Průměr vs. medá Opakováí výběrová dstrbučí fukce Sestrojíme výběrovou dstrbučí fukc pro výšku a váhu

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

1. Základy měření neelektrických veličin

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

Více

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

8 NELINEÁRNÍ REGRESNÍ MODELY

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

Více

Úvod do korelační a regresní analýzy

Úvod do korelační a regresní analýzy Úvod do korelačí a regresí aalýz Bude ás zajímat, jak těsě spolu souvsí dva sledovaé jev Příklad: vztah mez rchlostí auta a brzdou dráhou vztah mez věkem žáka a rchlostí v běhu a 60 m vztah mez spotřebou

Více

n=0 a n, n=0 a n = ±. n=0 n=0 a n diverguje k ±, a píšeme n=0 n=0 b n = t. Pak je konvergentní i řada n=0 (a n + b n ) = s + t. n=0 k a n a platí n=0

n=0 a n, n=0 a n = ±. n=0 n=0 a n diverguje k ±, a píšeme n=0 n=0 b n = t. Pak je konvergentní i řada n=0 (a n + b n ) = s + t. n=0 k a n a platí n=0 Nekoečé řady, geometrická řada, součet ekoečé řady Defiice Výraz a 0 a a a, kde {a i } i0 je libovolá posloupost reálých čísel, azveme ekoečou řadou Číslo se azývá -tý částečý součet Defiice Nekoečá řada

Více

Univerzita Karlova v Praze Pedagogická fakulta

Univerzita Karlova v Praze Pedagogická fakulta Uverzta Karlova v Praze Pedagogcká fakulta SEMINÁRNÍ PRÁCE Z OBECNÉ ALGEBRY DĚLITELNOST CELÝCH ČÍSEL V SOUSTAVÁCH O RŮZNÝCH ZÁKLADECH / Cfrk C. Zadáí: Najděte pět krtérí pro děltelost v jých soustavách

Více

Regresní a korelační analýza

Regresní a korelační analýza Regresí a korelačí aalýza Závslost příčá (kauzálí). Závslostí pevou se ozačuje případ, kdy výskytu jedoho jevu utě odpovídá výskyt druhé jevu (a často aopak). Z pravděpodobostího hledska jde o vztah, který

Více

6. FUNKCE A POSLOUPNOSTI

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

Více

Úvod do teorie měření

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

Více

MATEMATICKÁ INDUKCE. 1. Princip matematické indukce

MATEMATICKÁ INDUKCE. 1. Princip matematické indukce MATEMATICKÁ INDUKCE ALEŠ NEKVINDA. Pricip matematické idukce Nechť V ) je ějaká vlastost přirozeých čísel, apř. + je dělitelé dvěma či < atd. Máme dokázat tvrzeí typu Pro každé N platí V ). Jeda možost

Více

U. Jestliže lineární zobrazení Df x n n

U. Jestliže lineární zobrazení Df x n n MATEMATICKÁ ANALÝZA III předášky M. Krupky Zmí semestr 999/ 3. Iverzí a mplctí zobrazeí V této kaptole uvádíme dvě důležté věty, které acházeí aplkace v moha oblastech matematky: Větu o verzím a větu o

Více

[ jednotky ] Chyby měření

[ jednotky ] Chyby měření Chyby měřeí Provedeme-l určté měřeí za stejých podmíek vícekrát, jedotlvá měřeí se mohou odlšovat (z důvodu koečé rozlšovací schopost měř. přístrojů, áhodých vlvů apod.). Chyba měřeí: e = x x x...přesá

Více

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

2. Vícekriteriální a cílové programování

2. 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

Více

NEPARAMETRICKÉ METODY

NEPARAMETRICKÉ 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

Více

Matematika I, část II

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

Více

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

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA Matematka IV PRAVDĚPODOBNOT A TATITIKA Lbor Žák Matematka IV Lbor Žák Regresí aalýza Regresí aalýza zkoumá závslost mez ezávslým proměým X ( X,, X k a závsle proměou Y. Tato závslost se vjadřuje ve tvaru

Více

LABORATORNÍ CVIČENÍ Z FYZIKY. Měření objemu tuhých těles přímou metodou

LABORATORNÍ CVIČENÍ Z FYZIKY. Měření objemu tuhých těles přímou metodou ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE KATEDRA FYZIKY LABORATORNÍ CVIČENÍ Z FYZIKY Jméo: Petr Česák Datum měřeí:.3.000 Studjí rok: 999-000, Ročík: Datum odevzdáí: 6.3.000 Studjí skupa: 5 Laboratorí skupa:

Více

Rekonstrukce vodovodních řadů ve vztahu ke spolehlivosti vodovodní sítě

Rekonstrukce vodovodních řadů ve vztahu ke spolehlivosti vodovodní sítě Rekostrukce vodovodích řadů ve vztahu ke spolehlvost vodovodí sítě Ig. Jaa Šekapoulová Vodáreská akcová společost, a.s. Bro. ÚVOD V oha lokaltách České republky je v současost aktuálí problée zastaralá

Více

, jsou naměřené a vypočtené hodnoty závisle

, jsou naměřené a vypočtené hodnoty závisle Měřeí závslostí. Průběh závslost spojtá křvka s jedoduchou rovcí ( jedoduchým průběhem), s malým počtem parametrů, která v rozmezí aměřeých hodot vsthuje průběh závslost, určeí kokrétího tpu křvk (přímka,

Více

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

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

Více

Matematika 1. Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D / 13. Posloupnosti

Matematika 1. Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D / 13. Posloupnosti Úvod Opakováí Poslouposti Příklady Matematika 1 Katedra matematiky, Fakulta stavebí ČVUT v Praze středa 10-11:40 posluchára D-1122 2012 / 13 Úvod Opakováí Poslouposti Příklady Úvod Opakováí Poslouposti

Více

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz:

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz: Ig. Marta Ltschmaová Statstka I., cvčeí 1 TESTOVÁNÍ NEPARAMETRICKÝCH HYPOTÉZ Dosud jsme se zabýval testováím parametrcký hypotéz, což jsou hypotézy o parametrech rozděleí (populace). Statstckým hypotézám

Více

ZÁKLADY TEORIE PRAVDĚPODOBNOTI

ZÁKLADY TEORIE PRAVDĚPODOBNOTI Přírodovědecká fakulta ZÁKLADY TEORIE PRAVDĚPODOBNOTI Iva Křvý OSTRAVSKÁ UNIVERZITA 004 OSTRAVSKÁ UNIVERZITA ZÁKLADY TEORIE PRAVDĚPODOBNOSTI Iva Křvý ÚVOD. PROSTOR ELEMENTÁRNÍCH JEVŮ 3.. Náhodé pokusy

Více

n 3 lim 3 1 = lim Je vidět, že posloupnost je neklesající, tedy z Leibnize řada konverguje, ( 1) k 1 k=1

n 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.

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

Matematická analýza I

Matematická analýza I 1 Matematická aalýza ity posloupostí, součty ekoečých řad, ity fukce, derivace Matematická aalýza I látka z I. semestru iformatiky MFF UK Zpracovali: Odřej Keddie Profat, Ja Zaatar Štětia a další 2 Matematická

Více

12. Neparametrické hypotézy

12. Neparametrické hypotézy . Neparametrcké hypotézy V této část se budeme zabývat specálí částí teore statstckých hypotéz tzv. eparametrckým hypotézam ebo jak řečeo eparametrckým statstckým testy. Neparametrcké se azývají proto,

Více

3. cvičení - LS 2017

3. cvičení - LS 2017 3. cvičeí - LS 07 Michal Outrata Defiičí obor, průsečíky os, kladost/záporost fukce a) fx) x 5x+4 4 x b) fx) x x +4x+ c) fx) 3x 9x+ x +6x 0 d) fx) x 7x+0 4 x. Řešeí a) Nulové body čitatele a jmeovatele

Více

Komplexní čísla. Definice komplexních čísel

Komplexní čísla. Definice komplexních čísel Komplexí čísla Defiice komplexích čísel Komplexí číslo můžeme adefiovat jako uspořádaou dvojici reálých čísel [a, b], u kterých defiujeme operace sčítáí, ásobeí, apod. Stadardě se komplexí čísla zapisují

Více

Testy statistických hypotéz

Testy statistických hypotéz Úvod Testy statstckých hypotéz Václav Adamec vadamec@medelu.cz Testováí: kvalfkovaá procedura vedoucí v zamítutí ebo ezamítutí ulové hypotézy v podmíkách ejstoty Testy jsou vázáy a rozděleí áhodých velč

Více

3. cvičení - LS 2017

3. cvičení - LS 2017 3. cvičeí - LS 07 Michal Outrata Defiičí obor, průsečíky os, kladost/záporost fukce a fx x 5x+4 4 x b fx x x +4x+ c fx 3x 9x+ x +6x 0. Řešeí a Nulové body čitatele a jmeovatele jsou { 4}. Aby vše bylo

Více

Aritmetická posloupnost, posloupnost rostoucí a klesající Posloupnosti

Aritmetická posloupnost, posloupnost rostoucí a klesající Posloupnosti 8 Aritmetická posloupost, posloupost rostoucí a klesající Poslouposti Posloupost je fukci s defiičím oborem celých kladých čísel - apř.,,,,,... 3 4 5 Jako fukci můžeme také posloupost zobrazit do grafu:

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

8.2.1 Aritmetická posloupnost I

8.2.1 Aritmetická posloupnost I 8.2. Aritmetická posloupost I Předpoklady: 80, 802, 803, 807 Pedagogická pozámka: V hodiě rozdělím třídu a dvě skupiy a každá z ich dělá jede z prvích dvou příkladů. Čley posloupostí pak při kotrole vypíšu

Více

P. Girg. 23. listopadu 2012

P. Girg. 23. listopadu 2012 Řešeé úlohy z MS - díl prví P. Girg 2. listopadu 202 Výpočet ity poslouposti reálých čísel Věta. O algebře it kovergetích posloupostí.) Necht {a } a {b } jsou kovergetí poslouposti reálých čísel a echt

Více

Přednáška č. 2 náhodné veličiny

Přednáška č. 2 náhodné veličiny Předáša č. áhodé velčy Pozámy záladím pojmům z počtu pravděpodobost Pozáma 1: Př výpočtu pravděpodobost áhodého jevu dle lascé defce je uté věovat pozorost způsobu formulace vybraého jevu. V ásledující

Více

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

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2 SP3 Neparametrcké testy hypotéz PRAVDĚPODOBNOST A STATISTIKA Neparametrcké testy hypotéz čast Lbor Žák SP3 Neparametrcké testy hypotéz Lbor Žák Neparametrcké testy hypotéz - úvod Neparametrcké testy statstckých

Více

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

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

Více

USTÁLENÉ PROUDĚNÍ V OTEVŘENÝCH KORYTECH

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

Více

Univerzita Karlova v Praze Pedagogická fakulta

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

Více

3. Lineární diferenciální rovnice úvod do teorie

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

Více

je číselná posloupnost. Pro všechna n položme s n = ak. Posloupnost

je číselná posloupnost. Pro všechna n položme s n = ak. Posloupnost Číselé řady Defiice (Posloupost částečých součtů číselé řady). Nechť (a ) =1 je číselá posloupost. Pro všecha položme s = ak. Posloupost ( s ) azýváme posloupost částečých součtů řady. Defiice (Součet

Více

Časová hodnota peněz. Metody vyhodnocení efektivnosti investic. Příklad

Časová hodnota peněz. Metody vyhodnocení efektivnosti investic. Příklad Metody vyhodoceí efektvost vestc Časová hodota peěz Metody vyhodoceí Časová hodota peěz Prostředky, které máme k dspozc v současost mají vyšší hodotu ež prostředky, které budeme mít k dspozc v budoucost.

Více

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ

VYSOCE 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,

Více

8.2.1 Aritmetická posloupnost

8.2.1 Aritmetická posloupnost 8.. Aritmetická posloupost Předpoklady: 80, 80, 803, 807 Pedagogická pozámka: V hodiě rozdělím třídu a dvě skupiy a každá z ich dělá jede z prvích dvou příkladů. Př. : V továrě dokočí každou hodiu motáž

Více

Odhady parametrů 1. Odhady parametrů

Odhady parametrů 1. Odhady parametrů Odhady parametrů 1 Odhady parametrů Na statistický soubor (x 1,..., x, který dostaeme statistickým šetřeím, se můžeme dívat jako a výběrový soubor získaý realizací áhodého výběru z áhodé veličiy X. Obdobě:

Více

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013.

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013. Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95

Více

MATICOVÉ HRY MATICOVÝCH HER

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

Více

Iterační metody řešení soustav lineárních rovnic

Iterační metody řešení soustav lineárních rovnic Iteračí metody řešeí soustav lieárích rovic Matice je: diagoálě domiatí právě tehdy, když pozitivě defiití (symetrická matice) právě tehdy, když pro x platí x, Ax a ij Tyto vlastosti budou důležité pro

Více

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014. Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95

Více

Funkce. RNDr. Yvetta Bartáková. Gymnázium, SOŠ a VOŠ Ledeč nad Sázavou

Funkce. RNDr. Yvetta Bartáková. Gymnázium, SOŠ a VOŠ Ledeč nad Sázavou Fukce RNDr. Yvetta Bartáková Gymázium, SOŠ a VOŠ Ledeč ad Sázavou Limita poslouposti a fukce VY INOVACE_0 9_M Gymázium, SOŠ a VOŠ Ledeč ad Sázavou A) Limita poslouposti Říkáme, že posloupost a je kovergetí,

Více

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n 8.3. Limity ěkterých posloupostí Předpoklady: 83 Pedagogická pozámka: Tuto a tři ásledující hodiy je možé probrat za dvě vyučovací hodiy. V této hodiě je možé vyechat dokazováí limit v příkladu 3. Opakováí

Více

1 Měření závislosti statistických znaků. 1.1 Dvourozměrný statistický soubor

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

Více