NEJISTOTA ODHADU AMPLITUDOVÉHO DFT SPEKTRA
|
|
- Radka Beranová
- před 9 lety
- Počet zobrazení:
Transkript
1 EJISTOTA ODHADU AMPLITUDOÉHO DFT SPEKTRA Marti ovotý, Miloš Sdláč Čsé vysoé č tchicé v Praz, Fal ltrotchicá, atdra měř 1. Úvod Frvč aalýza, čili alz rvčho sptra sigál, patř důlžitým úlohám v moha tchicých obstch. S rozvojm čslicové tchiy s stál častěji začalo vyžvat výhod čslicového zpracová sigálů v rvč aalýz jd o zsá odhad sptra pomoc DFT). Z ho důvod j vhodé zabývat s otázo přsosti odhad sptra při požit DFT. sočasé době s postpě přcház ovým mdám vyjadřová odchyl měř. Dosavad chyby měř jso ahrazováy mi měř. Z ho důvod považjm za vhodé strčě problmati t měř připomot.. ty měř praxi jso žádé měř, žádá měřic mda ai žádý přstroj absoltě přsé. jrůzějš ga vlivy, tré s v rálém měřicm procs vysytj, s projv odchylo mzi aměřo a stčo hodo měřé vličiy. ýsld měř s vždy pohybj v tém lračm poli olm stčé hodoty, al téměř idy astává idál zžě obo hodot. Rozsah hodot, jž j možo racioálě přiřadit měřé vličiě, charatrizj paramtr azvaý měř..1 ty měř - diic.1.1 Sdard ty měř s rozm výsld měř přidržý paramtr charatrizjc rozptýl hodot, tré lz odůvoděě poládat za hodot vličiy, trá j objtm měř [1]. Zád vati charatristio j sdard. J směrodatá odchyla vličiy, pro ž j dáváa. Sdard ty s podl způsob svého vyhodoc děl a sdard ty typ A sové z výsldů opaovaých měř obcě stistico aalýzo séri aměřých hodot a a sdard ty typ B zsaé jiými způsoby. Sdard ty typ B pocházjc z růzých zdrojů s slčj do výsldé sdard ty typ B..1. Kombiovaá sdard praxi s j zřda vysč s jdm bo drhým typm ty samostě. Pa j za potřb sovit výsldý t ombiovaých t měř obo typů, A i B. Kombiovaá sdard s zsá sločm sdard ty typ A s výsldo sdard typ B: x) x) + x) A B d x) j ombiovaá sdard, A x) j sdard typ A, B x) j výsldá sdard typ B. 1).1.3 Rozšřá Původě sová směrodatá odchyla tdy i sdard ) přdsvj apř. jčastěji požvaého ormálho rozděl itrval rčý s pravděpodobost asi 68 %. Podobě j m i jiých záoů rozděl. Aby bylo dosažo lpšho itrval poryt blžcho s 1 %, j třba rozšřit sdard t čiitlm rozšř r [1]. Pro ormál rozděl r odpovdá úrovi oidc 95 %, r 3 odpovdá oidci 99,7%. Rozšřo t lz pa vyjádřit: U r d U j rozšřá, r oicit rozšř, sdard. S rozšřo j vést čiitl rozšř r. )
2 . Záo šř t Pro přmá měř lz t vličiy y závislé a vličiách x i rčých přmým měřm jjich odhady a ty jso zámy), j-li záma č závislost y x 1, x,..., x ), rčit z vzh [1]: y) x ) 3) i i 1 xi d y) j ombiovaá sdard vličiy y, x i ) sdard měřé vličiy x i. T vzh pt poz pod jso vličiy x 1 až x orlovaé. opačém přpadě j třba orci do vzh zahrot viz [1]..3 Zdroj t Měřic systém s sládá z ěolia bloů. přpadě čslicových systémů jso většio smač, obvody pro přdzpracová sigál, měřic ar pro sběr dat s vzorovačm, AČ přvod a počč vybavý přslšým sotwarm. Každý blo měřcho řtězc j zdrojm t, tré s šř s průchodm sigál do ásldjcch bloů a přispvaj výsldé ombiovaé tě výsld měř. My s zaměřm a ty způsobé vavám přdsvjc domiat zdroj t) a jjich šřm algoritmm DFT..4 způsobá vavám Kvavá j jčastěji modlováo šmm s rovoměrým rozložm pravděpodobosti v rozsah ± ½ vatizačho ro. t způsobo vavám vzor můžm vyjádřit jao směroda odchyl áhodé vličiy s rovoměrým rozdělm dl vzh: rag 4) 1 1 d j jmš vavac ro, rag j rozsah AČ přvod a j počt bitů AČ přvod. U rálých AČ přvodů s lz spolhot a rozliš odpovdajc omiálm počt bitů, stčé rozliš j mš a popisj ho paramtr zvaý počt bitů []. Pomoc můžm vyjádřit t zsaého vzor pomoc vzh [3]: rag 1 5).5 vstho algoritm DFT zh 5) rčj t jdotlivých odbraých vzorů. ás zajmá jaým způsobm s projv v výsldé posloposti, tro zsám apliac DFT a vstp vzory. To ztm požitm záoa šř t 3) a algoritms DFT. DFT j diováa vzhm [4,5]: X ) 1 x ) π j d x) j poslopost vzorů a X) j omplx poslopost vzorů rprztjc sptrm. Poslopost X) j v obcém přpadě omplx a lz ji tdy zapsat jao X) R) j I). Pom rálo slož R) a imagiár slož I) můžm vyjádřit s vyžitm Elrova vzh ásldově: 1 π ) x ) cos 1 π ) x ) si R I 6) 7) 8)
3 Pomoc těch slož j možé vyjádřit amplitdovo část sptra: M ) X ) R ) + I ) 9) Apliac záoa šř t ztm, ja s projv vavá v výsld DFT: M )) pro pro 1) 3. Odhad amplitdového sptra Z posloposti DFT rsp z modl jjch hodot) chcm zsat odhad amplitdového sptra. Pro postp zsá odhad j rozhodjc zda s jdá o přpad ohrtho vzorová, dy poslopost DFT rprztj rvč sptrm ortě, bo j přpad ohrtho vzorová, při trém vziá rozmazá sptra. 3.1 Kohrt vzorová Aby došlo rozmazá sptra, j třba zatit odbrá clistvého počt priod vstpho sigál. To odpovdá požadav a splě podmy: m 11) sig vz d sig j rvc sigál, j počt vzorů DFT, vz j vzorovac rvc a m j přirozé čslo. Odhady střd hodot sigál a amplitdy jdotlivých harmoicých slož rčm z modl sptra: M ) im M i), i d přdsvj střd hodot a im j amplitda i-té harmoicé složy. ty těch odhadů způsobé vavám vyjádřm za pomoci 3) dosazm 1): 1 1 ) M )) M )) M ) 1) 13) 14) im ) M i)) M i)) im ) M i 15) 3. ohrt vzorová přpadě, ž splěa podma 11), dojd rozmazá sptra boli prosaová rgi v sptr [4,5], ozačovaé běžě aglicým trmm ag. T jv j důsldm vhodého výběr vzorů, trý má za ásld ávazost priodicého prodlož a sigál v zádm itrval. Ergi sptrál čáry odpovdajc orét harmoicé složc s rozprostř do oolch prvů posloposti DFT, jž přdsvj vzorovaé sptrm. Laag tvoř při splě vzorovac věty obvyl jzávažějš slož chyby DFT sptrál aalýzy. Možost potč j požit o, trým s vstp poslopost vyásob. To má za ásld sostřdě podsté části rgi harmoicé složy do mšho počt sosdch prvů DFT a tm mš vliv a vzdálějš prvy vzory sptra). jčastěji s v té sovislosti požvaj osiová oéa diovaá vzhm: P ) πr w cos P r r d os P s azývá řád oa.,1, )
4 Odhad hodoty rčité rvč složy sptra sigál ásobým osiovým om s zsá pomoc ásldjcho vzh [6]: d M ) M ) 17) pg pg w i), přičmž wi) j poslopost přdsvjc važovaé oo, M) j modl i sptra sigál ásobého važovaým om a 1 a jso ové rvc, aby s obsáhlo P+1 slož DFT olm hv rvč složy a stjý počt olm jjho zrcadlového obraz, P j řád oa. Zsat aalyticý vzh pro výsldo t při ohrtm vzorová by bylo vlmi obtžé, boť jdotlivé sptrál složy včtě svých zrcadlových obrazů s avzájm ovlivňj, přičmž závislost orc j vlic ompliovaá. 4. Simc Simc poslož ověř psti rticých vzhů zjméa z hldisa važová orc mzi jdotlivými vstpmi vličiami), popřpadě prvot přdsvě závislosti ty v přpadě, ž aalyticý vzh zám. Simc spočvá v grová tsvacch sigálů a jjich zpracová. Sigál ms modlovat vavá, což spočvá v přidá áhodé vličiy aždém vzor grovaého harmoicého sigál. Ta áhodá vličia přdsvjc vavac šm, podléhá rovoměrém rozlož pravděpodobosti a jj směrodatá odchyla s rová tě způsob vavám 5). Pro přpad ohrt vzorová j třba avc v sérii grovaých sigálů měit rvc rozsah : sig m m.5 +, vz.5 vz m přirozé d m j zvolá poloha čáry v posloposti DFT. Pro střd rvci sigál Hz, pět priod sigál m 5) vycház rozpět rvc sigál 18 až Hz. yhodoc ty spočvá v spočt DFT sigál a rč sdard ty. Zd a i pohlžm, jao a t typ A. To zamá, ž ji vyhodocjm stisticými mdami. Z ho ply požadav a dostčý počt ralizac. ašm přpadě byl procs opaová 1x. 5. Exprimtál ověř Ta áz j zaměřá a ověř vybraého modl zdrojů t, važovaých v přdšlých rocch. Exprimtál ověř probhá podobě jao v přdchozm ro, výpočtm zomaého algoritm, trát ovšm z rálého sigál s paramtry shodými jao v přdchozch dvo rocch, a hardwar, jž byl modlová v rticé aalýz i mricé simci. yhodoc probhá stjým způsobm jao v přpadě simc. 18) 6. Hardwarové a sotwarové vybav Při výběr sotwarového prostřd pro simc i rálá měř pad volba amaticy a prodt irmy MathWors : MATLAB v ombiaci s Sigal procssig olboxm a Da Acisitio olboxm. Hardwarové prostřd tvořil grár sigál a zásvá měřic dsa I 63E irmy atioal Istrmts. Ta ar obsahj dvaáctibivý přvod pracjc a pricip postpé aproximac. Požadavy a grová sigál splňj č grár HP 331A irmy Hwltt Pacard. T grár možňj grová harmoicého sigál, obdélového, trojúhlového a pilového sigál. avc posytj ci swp rvč rozmtá), trá by poži pro grová sigál při ohrtm vzorová.
5 r ]- ) odhad střd hodoty počé z sptra při ohrtm vzorová počt vzorů a priod [-] Trticá aalýza mricá simc Exprimtál ověř Obr. 1 Závisl ost t oty odhad střd hodo ty poč é z sptr a při ohr t m vzor ová odhad hodoty počé z sptra při ohrtm vzorová. ]ṟ ) Trticá aalýza mricá simc Exprimtál ověř počt vzorů a priod [-] Obr. Závislost ty odhad hodoty počé z sptra při ohrtm vzorová
6 6 odhad střd hodoty z sptra při ohrtm vzorová mricá simc Exprimtál ověř ]ṟ ) počt vzorů a priod [-] Obr. 3 Závislost ty odhad střd hodoty počé z sptra při ohrtm vzorová vliv lag) odhad hodoty počé z sptra při ohrtm vzorová 15 ]ṟ 1 ) 5 mricá simc Exprimtál ověř počt vzorů a priod [-] Obr. 4 Závislost ty odhad hodoty počé z sptra při ohrtm vzorová obdélové oo)
7 .3 hodoty z sptra při požit oa Hammig mricá simc Exprimtál ověř r ]- ) počt vzorů a priod [-] Obr. 5 Závislost ty odhad hodoty počé z sptra při ohrtm vzorová požitém oě Hammig.5.45 odhad hodoty z sptra při požit oa vo Ha mricá simc Exprimtál ověř r ]- ) počt vzorů a priod [-] Obr. 6 Závislost ty odhad hodoty počé z sptra při ohrtm vzorová požitém oě vo Ha
8 7. Závěr ětré z výsldů aš sahy v obsti t odhad amplitdového DFT sptra j možé spatřit a obrázcch obr.1 obr.6. jdotlivých grach jso zobrazy závislosti ty zsaé rtico aalýzo, simc i xprimtálm ověřm pro ohrt vzorová a pro ohrt vzorová simc a xprimtálm ověřm. Exprimtál ověř bylo provdo a harmoicém sigál s těmi paramtry: amplitda pp 4, stjosměrá složa 1, rvc 5 Hz, spoštěc úrovň t 1. Pro ohrt vzorová střd hodo rvc Hz. Z graů j vidět dobrý sod výsldů zsaý váděými způsoby. Zajmavý pozat ply pro požit o při ohrtm vzorová. Závislost ty a počt vzorů, lsá s vzrůsjcm počtm vzorů DFT j do rčité hodoty, od tré výš j téměř ost, dalš zvyšová ad t hodot má z hldisa zvýš přsosti smysl. J třba podotot, ž v přspěv byly zomáy poz hv zdroj t. Pod by výpočty byly prováděy s mš přsost, ž odpovdá požit poččů PC, bylo by vyštřit é vliv očé dély slova a t výsld. To můž být přpad miroprocsorových systémů. Rověž při vysoých vzorovacch mičtch by s moh ptit časová rčist vzorová jittr) a dalš vlivy v měřicm řtězci. Poděová Přspěv byl zpracová v rámci výzmého záměr čslo J4/98:115 a ČUT v Praz, podporovaého Miistrstvm šolstv, mládž a tělovýchovy Čsé rpbliy. 8. Litratra [1] ISO Gid th Exprssio o Ucrity i Masrmt, Itratioal Orgaisatio or Sdardizatio, Swizrd, 1993 []. Haasz, J. Rozčil, J. ová: Čslicové měřic systémy. ČUT, Praha [3] G. Bt, C. Ligori, A. Pitrosa: Strctrd Approach Estimat th Masrmt Ucrity i Digil Sigal Eboratio Algorithms, IEE Proc.-Sci. Mas. Tchol. ol. 146, o. 1, Jaary 1999, str.1-6. [4] M. Sdláč: Zpracová sigálů v měřic tchic. ČUT, Praha 1993 [5] J. Uhlř, P. Sova: Čslicové zpracová sigál, ČUT, Praha 1995 [6] O. M. Solomo, Jr.: Th Us o DFT Widows i Sigal--ois Ratio ad Harmoic disrtio comptios, IEEE Trasactios o Istrmtio ad Masrmt, vol. 43, pp , April 1994 Kot adrsa: Ig. Marti ovotý, Doc. Ig. Miloš Sdláč, CSc. Čsé vysoé č tchicé v Praz, Fal ltrotchicá, atdra měř, Tchicá, Praha 6. Tl: +4 ) , ax: +4 ) {ovotm5,
Analýza signálů ve frekvenční oblasti
Aalýza sigálů v frvčí oblasti Fourirova trasformac Záladí ida trasformac () Trasformac () Zpracováí v časové oblasti Zpracováí v trasform. oblasti () Ivrzí Trasformac () Typy Fourirových trasformací Discrt
Variabilita měření a statistická regulace procesu
Variabilita měří a statistická rgulac procsu Ig. Darja Noskivičová, CSc. Katdra kotroly a řízí jakosti, VŠB-TU Ostrava Abstrakt: Efktivost využití statistických mtod pro aalýzu a řízí procsů j odvislá
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
Diskrétní Fourierova transformace
Disrétí Fourierova trasformace Záladí idea trasformace x Trasformace Zpracováí v časové oblasti Zpracováí v trasform. oblasti x Iverzí Trasformace Spojitá Fourierova trasformace f j πft x t e dt Disrétí
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
je daná vztahem v 0 Ve fyzice bývá zvykem značit derivaci podle proměnné t (podle času) tečkou, proto píšeme
DERIVACE FUNKCE Má zásadí výzam při vyštřováí fukčích závislostí j v matmatic, al také v aplikacích, apř v chmii, fyzic, koomii a jiých vědích oborch Pricip drivováí formulovali v 7 stoltí závisl a sobě
ZJIŠŤOVÁNÍ FREKVENČNÍCH VLASTNOSTÍ OTEVŘENÉHO OBVODU V UZAVŘENÉ REGULAČNÍ SMYČCE
Nové mtod a postp v olasti přístrojové tchnik, atomatického řízní a informatik Ústav přístrojové a řídicí tchnik ČVUT v Praz odorný sminář Jindřichův Hradc, 28. až 29. května 2009 ZJIŠŤOVÁNÍ FREKVENČNÍCH
veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou
1 Zápis číselých hodot a ejistoty měřeí Zápis číselých hodot Naměřeé hodoty zapisujeme jako číselý údaj s určitým koečým počtem číslic. Očekáváme, že všechy zapsaé číslice jsou správé a vyjadřují tak i
Měření na trojfázovém transformátoru naprázdno a nakrátko.
Úol: Měřeí a trojfázovém trasformátoru aprázdo a aráto. 1. Změřte a areslete charateristiy aprázdo trojfázového trasformátoru 2,, P, cos = f ( 1) v rozmezí 4-1 V. Zdůvoděte průběh charateristi 2 = f (
Doc. Ing. Dagmar Blatná, CSc.
PRAVDĚPODOBNOST A STATISTIKA Doc. Ig. Dagmar Blatá, CSc. Statsta statstcé údaje o hromadých jevech čost, terá vede zísáí statstcých údajů a jejch zpracováí teore statsty - věda o stavu, vztazích a vývoj
Fotometrie a radiometrie Důležitou částí kvantitativního popisu optického záření je určování jeho mohutnosti
Učbí txt k přášc UFY1 Fotomtri a raiomtri Fotomtri a raiomtri Důlžitou částí kvatitativího popisu optického září j určováí jho mohutosti B, jsou přímo měřitlé, a proto rgtických charaktristik. Samoté vktory
SPOTŘEBITELSKÝ ÚVĚR. Na začátku provedeme inicializaci proměnných jejich vynulováním příkazem "restart". To oceníme při opakovaném použití dokumentu.
SPOTŘEBITELSKÝ ÚVĚR Úloha 3 - Fiacováí stavebích úprav Rozhodli jsme se pro stavebí úpravy v bytě. Po zhotoveí rozpočt a tyto úpravy jsme zjistili, že ám chybí ještě 30 000,-Kč. Máme možost si tto část
P2: Statistické zpracování dat
P: Statistické zpracováí dat Úvodem - Statistika: věda, zabývající se shromažďováím, tříděím a ásledým popisem velkých datových souborů. - Základem statistiky je teorie pravděpodobosti, založeá a popisu
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,
Budeme 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
Národní informační středisko pro podporu jakosti
Národí iformačí středisko pro podpor jakosti Kozltačí středisko statistických metod při NIS-PJ Výpočet koeficietů reglačích diagramů pro obecé riziko Ig. Václav Chmelík, CSc Ústav strojíreské techologie,
Funkce hustoty pravděpodobnosti této veličiny je. Pro obecný počet stupňů volnosti je náhodná veličina
Přdnáša č 6 Náhodné vličiny pro analyticou statistiu Při výpočtch v analyticé statistic s používají vhodné torticé vličiny, tré popisují vlastnosti vytvořných tstovacích charatristi Mzi njpoužívanější
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,
S 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
6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.
6 Itervalové odhady parametrů základího souboru V předchozích kapitolách jsme se zabývali ejprve základím zpracováím experimetálích dat: grafické zobrazeí dat, výpočty výběrových charakteristik kapitola
Stísněná plastická deformace PLASTICITA
Stísěá asticá deformace PLASTICITA STÍSNĚNÁ PLASTICKÁ DEORACE VE STATICKY NEURČITÝCH ÚLOHÁCH Elasticé řešeí: N cos, N N cos. Největší síla, tero může prt přeést: N S. Prt přejde do ast. stav prví při zatěž.síle
u, v, w nazýváme číslo u.( v w). Chyba! Chybné propojení.,
Def: Vetorovým součiem vetorů u =(u, u, u 3 ) v = (v, v, v 3 ) zýváme vetor u v = (u v 3 u 3 v, u 3 v u v 3, u v u v ) Vět: Pro vetory i, j, ortoormálí báze pltí i i = j = i, i = j Vět: Nechť u v, w, jsou
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
Kapitola 2. Bohrova teorie atomu vodíku
Kapitola - - Kapitola Bohrova tori atomu vodíku Obsah:. Klasické modly atomu. Spktrum atomu vodíku.3 Bohrův modl atomu vodíku. Frack-Hrtzův pokus Litratura: [] BEISER A. Úvod do modrí fyziky [] HORÁK Z.,
PRAVDĚPODOBNOST 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
z možností, jak tuto veličinu charakterizovat, je určit součet
6 Charakteristiky áhodé veličiy. Nejdůležitější diskrétí a spojitá rozděleí. 6.1. Číselé charakteristiky áhodé veličiy 6.1.1. Středí hodota Uvažujme ejprve diskrétí áhodou veličiu X s rozděleím {x }, {p
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
2 STEJNORODOST BETONU KONSTRUKCE
STEJNORODOST BETONU KONSTRUKCE Cíl kapitoly a časová áročost studia V této kapitole se sezámíte s možostmi hodoceí stejorodosti betou železobetoové kostrukce a prakticky provedete jede z možých způsobů
Národní 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
6. KOMBINATORIKA 181. 6.1. Základní pojmy 181 6.1.1. Počítání s faktoriály a kombinačními čísly 182. 6.2. Variace 184. 6.3.
Zálady matematiy Kombiatoria. KOMBINATORIKA 8.. Záladí pojmy 8... Počítáí s fatoriály a ombiačími čísly 8.. Variace 8.. Permutace 85.. Kombiace 87.5. Biomicá věta 89 Úlohy samostatému řešeí 9 Výsledy úloh
PRAVDĚPODOBNOST 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
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,
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:
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
ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)
ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU) Základy teorie pravděpodobosti měřeí chyba měřeí Provádíme kvalifikovaý odhad áhodá systematická výsledek ejistota výsledku Základy teorie pravděpodobosti
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
1.3. POLYNOMY. V této kapitole se dozvíte:
1.3. POLYNOMY V této kapitole se dozvíte: co rozumíme pod pojmem polyom ebo-li mohočle -tého stupě jak provádět základí početí úkoy s polyomy, kokrétě součet a rozdíl polyomů, ásobeí, umocňováí a děleí
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
Exponenciální funkce a jejich "využití" - A (Tato doplňková pomůcka nemůže v žádném případě nahradit systematickou matematickou přípravu.
Josf PUNČOCHÁŘ: Epociálí fukc a ich "využití" ld Epociálí fukc a ich "využití" - A (Tato doplňková pomůcka můž v žádém případě ahradit systmatickou matmatickou přípravu. Epociálí fukc dfiováa obcě vztahm
Deskriptivní statistika 1
Deskriptiví statistika 1 1 Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 1145/2004. Základí charakteristiky souboru Pro lepší představu používáme k popisu vlastostí zkoumaého jevu určité charakteristiky
b c a P(A B) = c = 4% = 0,04 d
Příklad 6: Z Prahy do Athé je 50 km V Praze byl osaze válec auta ovou svíčkou, jejíž životost má ormálí rozděleí s průměrem 0000 km a směrodatou odchylkou 3000 km Jaká je pravděpodobost, že automobil překoá
Algoritmus RSA. Vilém Vychodil. 4. března 2002. Abstrakt
Algoritmus RSA Vilém Vychodil 4. břza 2002 Abstrakt Násldující podpůrý txt stručě shruj základí problmatiky při šifrováí algoritmm RSA. Sm spadá j samotý pricip algoritmu, al i základí mtody grováí vlkých
Lineární a adaptivní zpracování dat. 8. Modely časových řad I.
Lieárí a adaptiví zpracováí dat 8. Modely časových řad I. Daiel Schwarz Ivestice do rozvoje vzděláváí Cíl, motivace Popis a idetifikace systémů BLACK BOX Cíl, motivace Popis a idetifikace systémů BLACK
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 =
Ě Ý Č ř é Ž ů Á á á Ž á ů ů ž é š č š Ž é ř á é ář š č á Ž č ář é á č ů Š Ý š ř é š á é é Žďá ů á á Ž š ů ŽďáÍ á Ž á é áš š éůž š é Ž á é ž á č á ů á á é Š áž á á ů ř ř šř Č ů á ř ň ů á ů á é č é á š á
1 ROVNOMĚRNOST BETONU KONSTRUKCE
ROVNOMĚRNOST BETONU KONSTRUKCE Cíl kapitoly a časová áročost studia V této kapitole se sezámíte s možostmi hodoceí rovoměrosti betou železobetoové kostrukce a prakticky provedete jede z možých způsobů
2 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
Pevnost a životnost - Hru III 1. PEVNOST a ŽIVOTNOST. Hru III. Milan Růžička, Josef Jurenka, Zbyněk Hrubý.
evost a životost - Hr III EVNOT a ŽIVOTNOT Hr III Mila Růžička, Josef Jreka, Zbyěk Hrbý zbyek.hrby@fs.cvt.cz evost a životost - Hr III tatistické metody vyhodocováí dat evost a životost - Hr III 3 tatistické
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
PRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Bodové a itervalové odhady Nechť X je áhodá proměá, která má distribučí fukci F(x, ϑ). Předpokládejme, že záme tvar distribučí fukce (víme jaké má rozděleí) a ezáme parametr
Aplikace marginálních nákladů. Oceňování ztrát v distribučním rozvodu
Apliace margiálích áladů Oceňováí ztrát v distribučím rozvodu Učebí text předmětu MES Doc. Ig. J. Vastl, CSc. Celové ročí álady a ztráty N P ( T ) z z sj z wj Kč de N z celové ročí álady a ztráty *Kč+
České vysoké učení technické v Praze. Fakulta dopravní. Semestrální práce. Statistika
České vysoké učeí techické v Praze Fakulta dopraví Semestrálí práce Statistika Čekáí vlaku ve staicích a trase Klado Ostrovec Praha Masarykovo ádraží Zouzalová Barbora 2 35 Michálek Tomáš 2 35 sk. 2 35
1) 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.
} 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,
sin n sin n 1 n 2 Obr. 1: K zákonu lomu
MĚŘENÍ INDEXU LOMU REFRAKTOMETREM Jedou z charakteristických optických veliči daé látky je absolutím idexu lomu. Je to podíl rychlosti světla ve vakuu c a v daém prostředí v: c (1) v Průchod světla rozhraím
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
vají statistické metody v biomedicíně Literatura Statistika v biomedicínsk nském výzkumu a ve zdravotnictví
Statistika v biomedicísk ském výzkumu a ve zdravotictví Prof. RNDr. Jaa Zvárov rová,, DrSc. EuroMISE Cetrum Ústav iformatiky AV ČR R v.v.i. Literatura Edice Biomedicísk ská statistika vydáva vaá a Uiverzitě
1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE
1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE V této kapitole se dozvíte: jak je axiomaticky defiová vektor a vektorový prostor včetě defiice sčítáí vektorů a ásobeí vektorů skalárem;
3. 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
4.5.9 Vznik střídavého proudu
4.5.9 Vzik střídavého proudu Předpoklady: 4508 Miulá hodia: Pokud se v uzavřeém závitu měí magetický idukčí tok, idukuje se v ěm elektrické apětí =. Př. 1: Vodorově orietovaá smyčka se pohybuje rovoměrě
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
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
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
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,
Délka kružnice (obvod kruhu) II
.10.7 Déla užnice (obvod uhu) II Předpolady: 01006 Př. 1: Bod je od středu užnice ( ;cm) vzdálen 7 cm. Uči početně vzdálenost z bodu do bodu, teý je tečným bodem tečny užnice jdoucí z bodu. vůj výslede
4. LOCK-IN ZESILOVAČE
4. LOCK-IN ZESILOVAČE Záladní princip Fázově cilivý deeor (PSD) s řízeným směrňovačem - vlasnosi Fázově cilivý deeor (PSD) s číslicovým zpracováním signál - vlasnosi Vysoofrevenční Loc-in zesilovač X38SMP
Odhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení
Odhad parametru p biomického rozděleí a test hypotézy o tomto parametru Test hypotézy o parametru p biomického rozděleí Motivačí úloha Předpokládejme, že v důsledku realizace jistého áhodého pokusu P dochází
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
vají statistické metody v biomedicíně
Statistika v biomedicísk ském m výzkumu a ve zdravotictví Prof. RNDr. Jaa Zvárov rová,, DrSc. EuroMISE Cetrum Ústav iformatiky AV ČR R v.v.i. Proč se používaj vají statistické metody v biomedicíě Biomedicísk
5. Lineární diferenciální rovnice n-tého řádu
5 3.3.8 8:44 Josef Herdla lieárí difereciálí rovice -tého řádu 5. Lieárí difereciálí rovice -tého řádu (rovice s ostatími oeficiety) ( ), a,, a (5.) ( ) ( ) y a y a y ay q L[ y] y a y a y a y, q je spojitá
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
o d e vz d á v e j t ek o m p l e t n í, / n e r o z e b r a n é /, a b y s e t y t o
o b d o b í : X e r v e n e c s r p e n z á í 2 0 1 1 U S N E S E N Í Z A S T U P I T E L S T V A Z v e e j n é h o z a s e d á n í Z a s t u p i t e l s t v a o b c e d n e 3 0. 6. 2 0 1 1 p r o s t e
14/10/2015 Z Á K L A D N Í C E N Í K Z B O Ž Í Strana: 1
14/10/2015 Z Á K L A D N Í C E N Í K Z B O Ž Í Strana: 1 S Á ČK Y NA PS Í E XK RE ME N TY SÁ ČK Y e xk re m en t. p o ti sk P ES C Sá čk y P ES C č er né,/ p ot is k/ 12 m y, 20 x2 7 +3 c m 8.8 10 bl ok
Cvičení 3 - teorie. Teorie pravděpodobnosti vychází ze studia náhodných pokusů.
Cvičeí 3 - teorie Téma: Teorie pravděpodobosti Teorie pravděpodobosti vychází ze studia áhodých pokusů. Náhodý pokus Proces, který při opakováí dává ze stejých podmíek rozdílé výsledky. Výsledek pokusu
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
Statistické 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
Náhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů.
Náhodu bychom mohli defiovat jako součet velkého počtu drobých epozaých vlivů. V rámci přírodích věd se setkáváme s pokusy typu za určitých podmíek vždy astae určitý důsledek. Např. jestliže za ormálího
3. 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
5. Funkce náhodných veličin a náhodných vektorů. 5.1 Spojité náhodné veličiny
5 Fc áhodých vliči a áhodých vorů 5 Spojié áhodé vliči V éo čási s bd zabýva problaio rasorac áhodé vliči a ja js již ěolirá zíili v přdchozí Njdřív vd dvě záladí vě o sbsici v igrálí poč Důaz ěcho vě
VLIV MODIFIKACE MATICE HMOTNOSTI NA VÝSLEDKY MODÁLNÍ ANALÝZY
VLIV MODIFIKACE MAICE HMONOSI NA VÝSLEDKY MODÁLNÍ ANALÝZY omáš Brzobohatý, Alxadros Markopoulos Fakulta strojí, katdra mchaiky VŠB-U Ostrava, řída 7. listopadu, 78 Abstrakt Při řší dyamických úloh mtodou
Zpracování 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
Vzorový příklad na rozhodování BPH_ZMAN
Vzorový příklad a rozhodováí BPH_ZMAN Základí charakteristiky a začeí symbol verbálí vyjádřeí iterval C g g-tý cíl g = 1,.. s V i i-tá variata i = 1,.. m K j j-té kriterium j = 1,.. v j x ij u ij váha
Nejistoty v mìøení III: nejistoty nepøímých mìøení
Nestoty v ìøeí III: estoty epøíých ìøeí MÌØIÍ TEHNIK V èácích [] a [] by podá pøehed soèasých ázorù a probeatk estot v ìøeí obecì a pøedstave zpùsob výpoèt estot pø éì ároèých pøíých ìøeích. Teto tøetí
Katedra elektrotechniky Fakulta elektrotechniky a informatiky, VŠB - TU Ostrava
Katedra elektrotechiky Fakulta elektrotechiky a iformatiky, VŠB - TU Ostrava 10. STŘÍDAVÉ STROJE Obsah 1. Asychroí stroje 1. Výzam a použití asychroích strojů 1.2 Pricip čiosti a provedeí asychroího motoru.
4. Model M1 syntetická geometrie
4. Model M1 sytetiká geometrie V této kapitole se udeme zaývat vektory, jejih vlastostmi a využitím v geometrii. Neudeme přitom rozlišovat, jestli se jedá je o roviu (dvě dimeze) eo prostor (tři dimeze).
( NV, )} Řešením Schrödingerovy rovnice pro N částic
Partčí fuc { E ( V, )} Řším Schrödgrovy rovc pro částc Zdoduší (?) H = H E = E Ψ= Ψ BOSOY stavy sou obsazováy bz omzí FERMIOY frmoy mohou být v stém stavu Přílady: Ply (ízý tla) => mzmolulové trac zadbáy
Katedra obecné elektrotechniky Fakulta elektrotechniky a informatiky, VŠB - TU Ostrava ENERGETIKA U ŘÍZENÝCH ELEKTRICKÝCH POHONŮ. 1.
Katedra obecé eletrotechiy Faulta eletrotechiy a iformatiy, VŠB - TU Ostrava EERGETIKA U ŘÍZEÝCH EEKTRICKÝCH POHOŮ Předmět : Rozvody eletricé eergie v dolech a lomech. Úvod: Světový tred z hledisa eletricé
FINANČNÍ MATEMATIKA. Jarmila Radová KBP VŠE Praha
FINANČNÍ MATEMATIA Jarmila Radová BP VŠE Praha Osova Jedoduché úročeí Diskotováí krátkodobé ceé papíry Metody vedeí a výpočtu úroku z běžého účtu Skoto Složeé úrokováí Budoucí hodota auity spořeí Současá
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
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
0. 4b) 4) Je dán úhel 3450. Urči jeho základní velikost a převeď ji na radiány. 2b) Jasný Q Q ZK T D ZNÁMKA. 1. pololetí 2 3 1 2 2 3 5 2 3 1 1
) Urči záladí veliost úhlu v radiáech, víš-li, že platí: a) si cos 0. b) cos, Opravá zouša z matematiy 3SD (druhé pololetí) c) cotg 3 5b) ) Na možiě R řeš rovici cos cos 0. 4b) 3) Vzdáleost bodů AB elze
ý ú ž ž š ž Š Ž Í š ý ú ž ž š ý š ů é é ú ů š ů ž é ž Č é ž ž é ž ž ů é š ž š é ž š ž é ž Č ý ž ž ó é ž Č Š ž ž ž ž ý ý ů š ž ž é ž Č Č Ó é é ž ý é ž é ž š Č Ž é ž Č ťž ž ž ó é ž ů Č é ž Č ž é ž Č Ž é
á ě ř š ě š Ů Ž Ž Ů Ů á á á ŠÍ ř ě ř á á ř ě á Ů á ěř Š á á Ů ř ŠÍ Í Í Éá á ú á ř á ě ěž á ň á á Š á Ů á ó ř ň Ž á ň Č ů ř á Íě á ů ú ě á á á É ě Ý ě á á ě Ž ě ěř Ú čá Ů ě š á áž Ů Ž ř á ě ň á á á Ž Š
OBRAZOVÁ ANALÝZA POVRCHU POTISKOVANÝCH MATERIÁLŮ A POTIŠTĚNÝCH PLOCH
OBRAZOVÁ ANALÝZA POVRCU POTISKOVANÝC MATERIÁLŮ A POTIŠTĚNÝC PLOC Zmeškal Oldřich, Marti Julíe Tomáš Bžatek Ústav fyzikálí a spotřebí chemie, Fakulta chemická, Vysoké učeí techické v Brě, Purkyňova 8, 62
L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE KATED RA F YZIKY L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y Jméo TUREČEK Daiel Datum měřeí 8.11.2006 Stud. rok 2006/2007 Ročík 2. Datum odevzdáí 15.11.2006 Stud.
ÚBYTKY NAPĚTÍ V ES Jednoduchá ss vedení nn, vn Dvouvodičový rozvod. Předpoklad konst. průřezu a rezistivity. El. trakce, elektrochemie, světelné
ÚBYTKY NAPĚTÍ V ES Jedoduchá ss vedeí, v Dvouvodičový rozvod. Předpoad ost. průřezu a rezistivity. E. trace, eetrochemie, světeé zdroje, dáové přeosy, výoová eetroia. Osaměé zátěže apájeé z jedé stray
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
Katedra pravděpodobnosti a matematické statistiky. χ 2 test nezávislosti
Katedra pravděpodobosti a matematické statistiky Oborový semiář χ 2 test ezávislosti Petr Míchal 27 listopadu 2017 Situace 2 X {1,, I}, Y {1,, J} Jsou X a Y ezávislé? K dispozici máme áhodý vyběr (X 1,
8.1.2 Vzorec pro n-tý člen
8.. Vzorec pro -tý čle Předpolady: 80 Pedagogicá pozáma: Myslím, že jde o jedu z velmi pěých hodi. Přílady a hledáí dalších čleů posloupostí a a objevováí vzorců pro -tý čle do začé míry odpovídají typicým
1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL
Elea Mielcová, Radmila Stoklasová a Jaroslav Ramík; Statistické programy POPISNÁ STATISTIKA V PROGRAMU MS EXCEL RYCHLÝ NÁHLED KAPITOLY Žádý výzkum se v deší době evyhe statistickému zpracováí dat. Je jedo,