DISTRIBUČNÍ ÚLOHY. Cílem pokrývacího problému je vybrat firmy tak, aby byly co nejlevněji pokryty všechny úkoly.

Rozměr: px
Začít zobrazení ze stránky:

Download "DISTRIBUČNÍ ÚLOHY. Cílem pokrývacího problému je vybrat firmy tak, aby byly co nejlevněji pokryty všechny úkoly."

Transkript

1 Distribučí úlohy DISTRIBUČNÍ ÚLOHY KONTEJNEROVÝ DOPRAVNÍ PROBLÉM, ROZŠÍŘENÁ ÚLOHA BATOHU (BIN PACKING PROBLEM), ÚLOHA OPTIMÁLNÍHO ROZMÍSTĚNÍ ZAŘÍZENÍ, ÚLOHA O POKRYTÍ. POKRÝVACÍ A DĚLÍCÍ PROBLÉM (SET COVERING A SET PARTITIONING PROBLÉM) Cíle je optiálí pokrytí či děleí ějaké ožiy. Měje apříklad úkoly U = {U 1,U 2 U }, M = {1,2 }. Dále ěje firy F 1, F 2 F. Každá fira zajišťuje určitou podožiu ze všech úkolů, a to za ceu c j (tz. každý úkol zajišťuje fira za stejou ceu). V atici A áe iforace o to, zda je fira j schopa zajistit úkol i: a ij = 1 tehdy, pokud je fira j schopa úkol i zajistit, jiak 0. Cíle pokrývacího probléu je vybrat firy tak, aby byly co ejlevěji pokryty všechy úkoly. z = j=1 c j x j i, Miializujee celkové áklady a zajištěí úkolů. Často se iializuje pouze sua xj, tedy počet použitých fire. j=1 a ij x j 1, i = 1, 2,,, aij = 1 tehdy, pokud je fira j schopá zajistit úkol i. Podíka říká, že každý úkol usí zajišťovat alespoň jeda fira., a sčítáe vlastě je přes ty firy, které jsou schopy i-tý projekt zajistit, protože jiak je aij rovo 0. Případě při rozdělováí pracovíků a sěy (tz. úkoly jsou sěy) apod. eusí být apravo utě 1, ěkdy si přejee, aby a sěě byli iiálě dva pracovíci apod. x j {0, 1}, j = 1, 2,,. xj = 1 tehdy, pokud je vybráa fira j Jedou z aplikací je apříklad výstavba staic rychlé pooci v růzých lokalitách (aalogie fire), které ají obsluhovat určité obvody (aalogie úkolů). V atici A je prvek a ij rove 1 tehdy, pokud je staice v j-té lokalitě ve staoveé dojezdové vzdáleosti od i-tého obvodu. c ij pak začí apříklad áklady a provoz staice v j-té lokalitě. z = j=1 c j x j i, Miializujee celkové áklady a provoz staic. j=1 a ij x j 1, i = 1, 2,,, aij = 1 tehdy, pokud j-tá staice v požadovaé dojezdové vzdáleosti. Každý obvod usí obsluhovat alespoň jeda staice. x j {0, 1}, j = 1, 2,,. xj = 1 pokud bude v lokalitě j postavea staice Cíle dělícího probléu je vybrat firy tak, aby byly projekty rozděley ezi ě tak, aby každý projekt zajišťovala právě jeda fira a áklady přito byly iiálí. z = j=1 c j x j i, Miializujee celkové áklady a zajištěí projektů. Často se iializuje pouze sua xj, tedy počet použitých fire. j=1 a ij x j = 1, i = 1, 2,,, aij = 1 tehdy, pokud je fira j schopá zajistit projekt i. Každý projekt usí zajišťovat právě jeda fira. Případě při rozdělováí pracovíků a sěy apod. eusí být apravo utě jedička, ěkdy si přejee, aby a sěě byli právě dva pracovíci apod. x j {0, 1}, j = 1, 2,,. xj = 1 tehdy, pokud je vybráa fira j Leka Fiřtová (2014)

2 Distribučí úlohy!v čajově pracuje celke 8 čajeů a vrchí čaje přeýšlí, kteří z ich by ěli teto týde přijít do práce. Každý večer od podělí do pátku usí být v čajově alespoň dva z ich. Každý z ich sdělil vrchíu čajeovi, který večer by ohl dorazit. Jedička ozačuje, že čaje ůže přijít, ula že přijít eůže. C1 C2 C3 C4 C5 C6 C7 C8 po út st čt pá Cíle je iializovat počet čajeů, kteří budou teto týde v práci.; odel: sets: caje/1..8/:x; de/po,ut,st,ct,pa/; prirazei(de,caje): a; edsets data: a = ; eddata i x(j)); a(i,j)*x(j)) >=2);!pokrývací problé: aspoň 2 čajei ta usí být každý a(i,j)*x(j)) >=2);!dělící problé: právě ed Výsledek pokrývacího probléu: teto týde by ěli přijít čajei číslo 1, 4 a 8. Úloha á alterativí optiálí řešeí. C1 C2 C3 C4 C5 C6 C7 C8 po út st čt pá x j Leka Fiřtová (2014)

3 Distribučí úlohy ÚLOHA O POKRYTÍ Typický příklade úlohy o pokrytí je situace, kdy áe obvodů O 1, O 2 O, v ichž chcee postavit celke K obslužých staic, které všech těchto obvodů obsluhovat, přičež > K. Navíc je třeba určit, které obvody budou obsluhováy kterou staicí. K dispozici áe iforace o čase/dojezdové vzdáleosti ze staice postaveé v obvodu O i do obvodu O j a průěrou frekveci zásahů v každé obvodu. Cíle je rozhodout, ve kterých obvodech postavit obslužé staice a které obvody ji přiřadit tak, aby doba zásahu byla iiálí. Na rozdíl od přiřazovacího probléu eplatí, že jede prvek ožiy usí být přiřaze právě jedou jiéu prvku, aopak jede prvek ožiy (jeda staice) by ěla obsluhovat více prvků. Na rozdíl od pokrývacího probléu títo odele určíe přesé přiřazeí. U pokrývacího probléu jse pouze zjistili, které firy vybrat, aby byly všechy úkoly splěy, ale ikoli která fira by ěla dělat který úkol. Všechy úkoly zajišťovala daá fira s týiž áklady. Tady se však áklady staic a obsluhu jedotlivých obvodů (v podobě dojezdových vzdáleostí) liší. Modele zjistíe i jedozačé přiřazeí obvodů jedotlivý staicí v závislosti a těchto ákladech. Zavádí se dvě biárí proěé: y i, která je rova 1, pokud je v lokalitě O i zřízea staice, jiak 0 x ij, která se rová 1, pokud staice v obvodu O i obsluhuje staici v obvodě O j Náklady (čas či vzdáleost) a dojezd ze staice v i-té obvodě do j-tého obvodu ozačíe c ij. Frekveci zásahů v j-té obvodě ozače f j. z = i=1 j=1 c ij x ij f j i Miializujee dojezdový čas/vzdáleost ásobeou frekvecí zásahů. j=1 x ij y i i = 1, 2,, (1) Když bude v obvodě i staice, bude obsluhovat ejvýše obvodů, jiak 0. i=1 x ij = 1 j = 1, 2,, (2) Každý obvod usí být obsluhová právě jedou staicí. i=1 y i = K (3) Celke usí být zřízeo K staic. x ij {0, 1}, i = 1,2, j = 1, 2,, (4) Je obvod j obsluhová staicí i? y i {0, 1}, i = 1, 2,, (5) Je v obvodě i postavea staice? Možé (e utě optiálí) řešeí by ohlo vypadat takto: xij O1 O2 O3 O4 O5 yi O O O O O fj Leka Fiřtová (2014)

4 Distribučí úlohy ÚLOHA OPTIMÁLNÍHO ROZMÍSTĚNÍ ZAŘÍZENÍ (PLANT LOCATION PROBLEM) Máe k dispozici M = {1,2, } íst a v ěkterých z ich chcee zřídit sklad. Každý sklad á kapacitu a i a fixí áklady a jeho provoz jsou f i. Dále áe N zákazíků = {1,2, } a každý z ich á určité požadavky b j. Záe jedotkové přepraví áklady c ij z i-tého skladu k j-téu zákazíkovi. Naší cíle je určit optiálí rozístěí skladů tak, aby byly splěy požadavky zákazíků, a to s iiálíi áklady. Zavádí se jeda biárí proěá: x i, která je rova 1, pokud je v ístě Mi zříze sklad, jiak 0 Dále se zavádí proěá y ij y ij, představuje ožství zboží přepravovaého z i-tého skladu k j-téu zákazíkovi z = i=1 j=1 c ij y ij + i=1 f i x i i Miializujee dojezdový čas/vzdáleost ásobeou frekvecí zásahů. j=1 y ij a i x i i = 1,2 (1) Když bude v i-té ístě zříze sklad, usí být součet přepraveého zboží do všech j íst eší ež jeho kapacita. i=1 y ij = b j j = 1, 2,, (2) Musí být uspokojey požadavky všech zákazíků. y ij 0 i = 1,2, j = 1, 2,, (3) Kolik zboží přepravuje i-tý sklad k j-téu zákazíkovi? x i {0, 1}, i = 1, 2,, (4) Je v ístě i zříze sklad? Jedodušší příklad:!mae k dispozici 6 ist, kde bycho ohli zridit sklad, a fixi aklady by byly: 25, 15, 35, 30, 20 a 25 tisíc Kč. Každý sklad á určitou kapacitu: 60, 50, 30, 35, 25 a 30 tisíc kusů. Zároveň áe 5 zákazíků, kteří chtějí odebírat zboží z těchto skladů. Jejich požadavky jsou 12, 18, 23, 17 a 30 tisíc ks zboží. Matice jedotkových přepravích ákladů je uvedea íže. Ve kterých ístech áe postavit sklad a jak rozvrhout rozvoz zboží?; cij O1 O2 O3 O4 O5 fi ai S S S S S S bj odel: sets: sklady/1..6/:f,x,kapacity;!f = fixi aklady, x = zrize sklad?; odberatele/1..5/:pozadavky; preprava(sklady,odberatele): y,c;!c = prepravi aklady, y = obje prepravy; edsets i y(i,j)*c(i,j)) x(i)*f(i)); y(i,j)) y(i,j)) <= kapacity(i)*x(i));!pokud bude v iste i zrize sklad, pak esi preprava prekrocit pozadavky; Leka Fiřtová (2014)

5 Distribučí úlohy data: kapacity = ; pozadavky = ; f = ; c = ; eddata Řešeí: cij O1 O2 O3 O4 O5 Σ kap xi S S S S S S Σ poz Leka Fiřtová (2014)

6 Distribučí úlohy Trošku složitější příklad: Popis situace: Společost PHARMA objevila v Tiché oceáu tři ostrovy sopečého původu (O1, O2, O3), a ichž se vyskytuje zvláští horia, která by podle ich ohla být používaá pro lékařské účely. Proto se rozhodla zřídit a ich výzkué staice. Problée je, že kroě této horiy a ostrovech eí ic jiého, proto usí PHARMA staice zásobovat z peviy. Vzhlede k tou, že pevia je veli daleko, došla PHARMA a základě ákladové aalýzy k závěru, že z í eá sysl dovážet do staic vodu. Tu lze totiž a rozdíl od ostatích potřeb pro jejich provoz odebírat i ze čtyř eobydleých ostrovů poblíž (D1, D2, D3, D4). Vodu je ožé dopravovat v barelech, a to buď a alých lodích, ebo letecky. Barely ají kapacitu 1000 litrů vody a jsou přepravováy vždy plé. Do jedé lodi se vejde 60 barelů, letadlo ůže přepravit 40 barelů. Lodě ai letadla společost kupovat eusí, jelikož jich vlastí dostatek. Náklady a přepravu jedoho letadla, respektive jedé lodě z ostrovů s vodou a ostrovy se staicei v tisících Kč jsou uvedey v tabulce: LOĎ O1 O2 O3 LETADLO O1 O2 O3 D D D D D D D D Na prví ostrově (O1) je potřeba ěsíčě 180 tisíc litrů vody, a druhé 120 tisíc litrů a a třetí 200 tisíc litrů. Bylo zjištěo, že vzhlede k relativě aléu průtoku vodích toků a dodavatelských ostrovech je ožé z prvího ostrova (D1) ěsíčě poskytout 150 tisíc litrů vody, z druhého 100 tisíc litrů, z třetího 250 tisíc litrů a ze čtvrtého 200 tisíc litrů. Aby bylo ožé realizovat přepravu, je však uté a dodavatelských ostrovech postavit buď alý přístav, ebo příletovou plochu (azvěe trochu adeseě letiště ). Měsíčí obsluha přístavu stojí 35 tisíc Kč, ěsíčí obsluha příletové plochy pak je 18 tisíc Kč, a druhou strau přeprava letadle je dražší ež přeprava lodí. Náklady a saoté zřízeí přístavů a letišť jsou srovatelé, a eí tedy třeba je při optializaci uvažovat, protože vzhlede ke kapacitá dodavatelů je zřejé, že budou postavey celke tři objekty (společost by zřizovací áklady zahrula do výpočtu v případě, že by výsledke optializace byla stavba čtyř objektů, a zřizovací áklady by tudíž také hrály roli). Protože á PHARMA obavu, že projekt bude stát velké ožství peěz, iforovala se u Evropské uie ohledě gratů. Zjistila, že EU je ochotá výzku fiačě podporovat, ale pouze ve výši 600 eur, tz. 15 tisíc Kč ěsíčě, a avíc je za předpokladu, že se při výše zíěé přepravě vody budou používat výhradě lodě, protože je to ekologičtější a evziká tolik eisí CO 2, proti který EU bojuje. 1. Problé: 2. Na kterých ostrovech s vodou se á zřídit přístav a a kterých letiště? 3. Z kterého ostrova a který je ejvýhodější přepravovat vodu a jaký dopraví prostředke? 4. V jaké ožství á být voda přepravováa, tz. kolika loďi či letadly? 5. Vyplatí se využít podpory EU? Leka Fiřtová (2014)

7 Distribučí úlohy Model 1:! Proěé: x = počet barelů s vodou, které jsou přepravovaé od D(i) k O(j) y = počet lodí přepravovaých od D(i) k O(j) w = počet letadel přepravovaých od D(i) k O(j) P = přístav (biárí proěá, kdy P(i)=1, je-li a ostrově D(i) zříze přístav, P=0 jiak) L = letiště (biárí proěá, kdy L(i)=1, je-li a ostrově D(i) zřízeo letiště, P=0 jiak) Paraetry: c = ěsíčí áklady a provoz přístavu d = ěsíčí áklady a provoz letiště aklod = áklady a přepravu jedé lodi od D(i) k O(j) aklet = áklady a přepravu jedoho letadla od D(i) k O(j) pozadavky = ěsíčí potřeba vody u jedotlivých odběratelů (uvedea v počtu barelů) kapacity = ožství, které je ožo ěsíčě dodat z jedotlivých ostrovů s vodou (uvedeo v počtu barelů) kaplod = kapacita lodi; kaplet = kapacita letadla; odel: sets: odberatele/1..3/:pozadavky; dodavatele/1..4/:kapacity,p,l; preprava(dodavatele,odberatele): aklod,aklet,x,y,w; edsets data: aklod= ; aklet= ; pozadavky = ; kapacity = ; kaplod=60; kaplet=40; c=35; d=18; eddata i aklod*y)+@su(preprava: @su(odberatele(j): P(i)+L(i)<=1);!a ostrove uze byt je jede pristav ci @su(odberatele(j): y(i,j))<= 100*P(i));!tyto dve podíky zajistuji, ze pokud ebude a i-té ostrove letiste, ebudou z ej letat zada letadla, totez v pripade lodi ed Leka Fiřtová (2014)

8 Distribučí úlohy Výsledky 1: Účelová fukce: 209 tisíc Kč Matice X O1 O2 O3 Celke Přístav Letiště D D D D Celke Letadla O1 O2 O3 Lodě O1 O2 O3 D D D D D D D D Model 2 Přidáe L(i) = 0); Výsledky 2: Účelová fukce: 222 tisíc Kč Matice X O1 O2 O3 Celke Přístav Letiště D D D D Celke Letadla O1 O2 O3 Lodě O1 O2 O3 D D D D D D D D Iterpretace Pokud by se společost rozhodla evyužít grat EU, pak by pro i bylo ejvýhodější zřídit a druhé ostrově letiště a a třetí a čtvrté ostrově přístav. Z druhého dodavatelského ostrova poletí dvě letadla a třetí odběratelský ostrov, z třetího dodavatelského ostrova poplují dvě lodě a druhý a dvě a třetí odběratelský ostrov, ze čtvrtého dodavatelského ostrova poplují tři lodě a prví odběratelský ostrov. Požadavky odběratelských ostrovů by byly splěy, kapacity dodavatelů by ebyly vyčerpáy. Lodě i letadla by jely zcela plé a společost by celke zaplatila 209 tisíc Kč. Pokud by se společost rozhodla využít gratu EU, pak by esěla vůbec stavět letiště. Proto by a prví, třetí a čtvrté dodavatelské ostrově zřídila přístavy. Z prvího dodavatelského ostrova by pluly dvě lodě a druhý odběratelský ostrov, ze třetího dodavatelského ostrova čtyři lodě a třetí odběratelský ostrov a ze čtvrtého dodavatelského ostrova tři lodě a prví odběratelský. Kapacity dodavatelských ostrovů by rověž ebyly překročey. Čtvrtá loď plující z dodavatelského ostrova by ebyla zcela plá, ale vzhlede k ejistotě doby trváí celého projektu společost euvažuje při výpočtech využití této kapacity k vytvářeí zásoby a další ěsíce. V případě zřízeí tří přístavů by společost ěsíčě zaplatila 222 tisíc Kč. Jelikož od částky 222 tisíc Kč je ožé odečíst 15 tisíc Kč, které společost dostae od EU, celkové áklady při druhé alterativě budou je 207 tisíc Kč, a proto se právě pro tuto alterativu společost rozhode. Leka Fiřtová (2014)

9 Distribučí úlohy ROZŠÍŘENÁ ÚLOHA BATOHU (BIN PACKING PROBLEM) Uvažuje typů výrobků, které ozače V 1, V 2,, V. U každého typu výrobku je dá jeho počet r j, hotost a j a obje b j. K dispozici áe kotejerů o hotosti K a objeu L. Chtěli bycho uístit všechy tyto výrobky do kotejerů tak, aby ebyla překročea jejich hotost ai obje, a aby byl zároveň počet použitých kotejerů co eješí. Zavádí se jeda biárí proěá: x i, která je rova 1, pokud je i-tý kotejer obsaze, jiak 0. Dále se zavádí ezáporá celá proěá y ij y ij, představuje ožství j-tého výrobku v i-té kotejeru z = i=1 x i i Miializujee počet použitých kotejerů. i=1 y ij = r j j = 1,2 (1) Pro každý výrobek typu j usí platit, že do všech kotejerů dohroady usíe uístit všech rj výrobků. j=1 a j y ij Kx i i = 1,2 (2) Pro každý kotejer i usí platit, že jeho kapacita eí překročea (hotost). j=1 b j y ij Lx i i = 1,2 (3) Pro každý kotejer i usí platit, že jeho kapacita eí překročea (obje). y ij 0, celé i = 1,2, j = 1, 2,, (4) Kolik výrobku j je v kotejeru i? x i {0, 1}, i = 1, 2,, (5) Je i-tý kotejer obsaze?!fira á ožost si proajout 10 idetických kotejerů o kapacitě 5000 kg, s jejichž poocí á přepravit 3 druhy výrobků v ásledující ožství: 65 ks, 68 ks a 150 ks. Hotost výrobků je 50 kg, 86 kg a 63 kg. Cíle je iializovat áklady spojeé s proáje kotejerů, tedy vlastě počet použitých kotejerů.; odel: sets: vyrobek/1..3/:pozadavek,hotost; kotejer/1..10/:x; preprava(kotejer,vyrobek): y; edsets data: hotost = ; pozadavek = ; kapacita = 5000; eddata i x); y(i,j)) y(i,j)*hotost(j)) <=x(i)*kapacita); ed!řešeí jsou 4 použité kotejery.; Zdroj: Ig. Ja Fábry, Ph.D.: 4EK314 Diskrétí odely Leka Fiřtová (2014)

10 Distribučí úlohy KONTEJNEROVÝ DOPRAVNÍ PROBLÉM Kotejerový dopraví problé je odifikací klasického dopravího probléu. V ě je cíle rozvézt zboží od dodavatelů D 1,D 2 D k odběratelů O 1,O 2...O tak, aby ebyla překročea kapacita dodavatelů a i, byly uspokojey požadavky odběratelů a celkové áklady a přepravu byly iiálí. z = i=1 j=1 c ij x ij i Miializujee áklady a přepravu, kde c ij jsou jjedotkové áklady a přepravu od dodavatele i k odběrateli ija xij je obje přepravy. j=1 x ij a i i = 1,2 (1) Pro každého dodavatele usí platit, že sua zboží přepraveá od ěj k odběratelů epřekročí jeho kapacitu. i=1 x ij = b j j = 1,2 (2) Pro každého odběratele usí platit, že sua zboží přepraveá k ěu od dodavatelů se bude rovat jeho požadavků. x ij 0 i = 1,2, j = 1, 2,, (3) Kolik výrobků je přepravováo z i do j? Na rozdíl od dopravího probléu se u kotejerového dopravího probléu přeprava realizuje poocí kotejerů o kapacitě K. Uvažuje dodavatele D 1,D 2 D s kapacitou a i a odběratele O 1,O 2...O s požadavky b j. Záe přepraví áklady a jede kotejer od i-tého dodavatele k j-téu odběrateli. Naší cíle je iializovat celkové přepraví áklady tak, abycho epřekročili kapacitu kotejeru ai kapacitu jedotlivých dodavatelů a zároveň uspokojili požadavky odběratelů. Zavádí se dvě proěé: x ij, představuje obje přepravy od dodavatele i k odběrateli j y ij, představuje počet kotejerů přepraveých od dodavatele i k odběrateli j (celočíselá) z = i=1 j=1 c ij y ij i Miializujee áklady a přepravu kotejerů. x ij Ky ij i = 1,2, j = 1,2 (1) Pokud bude přepravová kotejer z i do j, pak v ě usí být přepravováo ejvýše tolik zboží, kolik čií jeho kapacita. j=1 x ij a i i = 1,2 (2) Pro každého dodavatele usí platit, že sua zboží přepraveá od ěj k odběratelů epřekročí jeho kapacitu. i=1 x ij = b j j = 1,2 (3) Pro každého odběratele usí platit, že sua zboží přepraveá k ěu od dodavatelů se bude rovat jeho požadavků. y ij 0, celé i = 1,2, j = 1, 2,, (4) Kolik kotejerů je přepravováo z i do j? x ij 0 i = 1,2, j = 1, 2,, (5) Kolik výrobků je přepravováo z i do j? Leka Fiřtová (2014)

11 Distribučí úlohy!máe 4 dodavatele s kapacitai 30, 25, 21 a 35 tu a 5 odběratelů s požadavky 15,17, 22, 12 a 33 tu. Přeprava probíhá v kotejerech o kapacitě 10 tu. Náklady spojeé s přepravou 1 kotejeru od jedotlivých dodavatelů k odběratelů jsou dáy aticí C. Úkole je split požadavky odběratelů a iializovat celkové přepraví áklady C = ; odel: sets: dodavatele/1..4/:kapacity; odberatele/1..5/:pozadavky; preprava(dodavatele,odberatele):x,y,c; edsets data: kapacity = ; pozadavky = ; C = ; KAP = 10; eddata i y*c); x(i,j)) x(i,j)) ed Zdroj: Ig. Ja Fábry, Ph.D.: 4EK314 Diskrétí odely ZDROJE: Ig. J. Fábry, Ph.D.: předášky 4EK314 Diskrétí odely, Leka Fiřtová (2014)

OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN

OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN Úloha obchodího cestujícího OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN Nejprve k pojmům používaým v okružích a rozvozích úlohách: HAMILTONŮV CYKLUS je typ cesty,

Více

ÚLOHA ČÍNSKÉHO LISTONOŠE, MATEMATICKÉ MODELY PRO ORIENTOVANÝ A NEORIENTOVANÝ GRAF

ÚLOHA ČÍNSKÉHO LISTONOŠE, MATEMATICKÉ MODELY PRO ORIENTOVANÝ A NEORIENTOVANÝ GRAF Úloha číského listooše ÚLOHA ČÍNSKÉHO LISTONOŠE, MATEMATICKÉ MODELY PRO ORIENTOVANÝ A NEORIENTOVANÝ GRAF Uvažujme situaci, kdy exstuje ějaký výchozí uzel a další uzly spojeé hraami (může jít o cesty, ulice

Více

Nalezení výchozího základního řešení. Je řešení optimální? ne Změna řešení

Nalezení výchozího základního řešení. Je řešení optimální? ne Změna řešení Sipleová etoda: - patří ezi uiverzálí etody řešeí úloh lieárího prograováí. - de o etodu iteračí, t. k optiálíu řešeí dospíváe postupě, krok za kroke. - výpočetí algoritus se v každé iteraci rozpadá do

Více

4EK311 Operační výzkum. 4. Distribuční úlohy LP část 2

4EK311 Operační výzkum. 4. Distribuční úlohy LP část 2 4EK311 Operačí výzkum 4. Distribučí úlohy LP část 2 4.1 Dopraví problém obecý model miimalizovat za podmíek: m z = c ij x ij i=1 j=1 j=1 m i=1 x ij = a i, i = 1, 2,, m x ij = b j, j = 1, 2,, x ij 0, i

Více

Základní pojmy kombinatoriky

Základní pojmy kombinatoriky Základí pojy kobiatoriky Začee příklade Příklad Máe rozesadit lidí kole kulatého stolu tak, aby dva z ich, osoby A a B, eseděly vedle sebe Kolika způsoby to lze učiit? Pro získáí odpovědi budee potřebovat

Více

TOKY V GRAFU MAXIMÁLNÍ TOK SÍTÍ, MINIMALIZACE NÁKLADŮ SPOJENÝCH S DANOU HODNOTOU TOKU, FIXNÍ NÁKLADY, PŘEPRAVNÍ (TRANSHIPMENT) PROBLÉM.

TOKY V GRAFU MAXIMÁLNÍ TOK SÍTÍ, MINIMALIZACE NÁKLADŮ SPOJENÝCH S DANOU HODNOTOU TOKU, FIXNÍ NÁKLADY, PŘEPRAVNÍ (TRANSHIPMENT) PROBLÉM. TOKY V GRAFU MAXIMÁLNÍ TOK SÍTÍ, MINIMALIZACE NÁKLADŮ SPOJENÝCH S DANOU HODNOTOU TOKU, FIXNÍ NÁKLADY, PŘEPRAVNÍ (TRANSHIPMENT) PROBLÉM. Graf je útvar, terý je možo zázorit obrázem v roviě pomocí bodů (uzly

Více

Jestliže nějaký objekt A můžeme vybrat m způsoby a jiný objekt B lze vybrat n způsoby, potom výběr buď A nebo B je možné provést m+n způsoby.

Jestliže nějaký objekt A můžeme vybrat m způsoby a jiný objekt B lze vybrat n způsoby, potom výběr buď A nebo B je možné provést m+n způsoby. V kapitole Ituitiví kobiatorika jse řešili příklady více éě stejý způsobe a stejých pricipech. Nyí si je zobecíe a adefiujee obvyklou teriologii. pravidlo součtu: Jestliže ějaký objekt A ůžee vybrat způsoby

Více

7. Analytická geometrie

7. Analytická geometrie 7. Aaltická geoetrie Studijí tet 7. Aaltická geoetrie A. Příka v roviě ϕ s A s ϕ s 2 s 1 B p s ϕ = (s1, s 2 ) sěrový vektor přík p orálový vektor přík p sěrový úhel přík p k = tgϕ = s 2 s 1 sěrice příkp

Více

2.7.5 Racionální a polynomické funkce

2.7.5 Racionální a polynomické funkce 75 Racioálí a poloické fukce Předpoklad: 704 Pedagogická pozáka: Při opisováí defiic racioálí a poloické fukce si ěkteří studeti stěžovali, že je to příliš těžké Ve skutečosti je ssté, který jsou fukce

Více

Teorie chyb a vyrovnávací počet. Obsah:

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

Více

4EK212 Kvantitativní management 4. Speciální úlohy lineárního programování

4EK212 Kvantitativní management 4. Speciální úlohy lineárního programování 4EK212 Kvatitativí maagemet 4. Speciálí úlohy lieárího programováí 3. Typické úlohy LP Úlohy výrobího pláováí (alokace zdrojů) Úlohy fiačího pláováí (optimalizace portfolia) Směšovací problémy Nutričí

Více

10 částic. 1,0079 1, kg 1, kg. 1, kg. 6, , kg 0, kg 1,079g

10 částic. 1,0079 1, kg 1, kg. 1, kg. 6, , kg 0, kg 1,079g ..7 oláí veličiy I Předpoklady: 0 Opakováí z iulé hodiy: Ato uhlíku A C C je přibližě x těžší ež ato H. Potřebujee,0 0 atoů uhlíku C abycho dohoady získali g látky. Pokud áe,0 0 částic látky, říkáe, že

Více

. viz věty 1.7 a 1.2 (čísla m a M lze vybrat tak, aby nerovnost platila v R n i R m ). Máme m f x h f x l h f x h f x l h M f x h f x l h

. viz věty 1.7 a 1.2 (čísla m a M lze vybrat tak, aby nerovnost platila v R n i R m ). Máme m f x h f x l h f x h f x l h M f x h f x l h MATEMATICKÁ ANALÝZA III předášky M. Krupky Zií seestr 999/. Derivace prvío řádu V této základí kapitole pojedáváe o dierecovatelosti zobrazeí : U R R (podožia U je vždy otevřeá). Zavádíe ěkolik základíc

Více

I. Výpočet čisté současné hodnoty upravené

I. Výpočet čisté současné hodnoty upravené I. Výpočet čisté současé hodoty upraveé Příklad 1 Projekt a výrobu laserových lamp pro dermatologii vyžaduje ivestici 4,2 mil. Kč. Předpokládají se rovoměré peěží příjmy po zdaěí ve výši 1,2 mil. Kč ročě

Více

Vzorový příklad na rozhodování BPH_ZMAN

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

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

Deskriptivní statistika 1

Deskriptivní statistika 1 Deskriptiví statistika 1 1 Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 1145/2004. Základí charakteristiky souboru Pro lepší představu používáme k popisu vlastostí zkoumaého jevu určité charakteristiky

Více

3. DIFERENCIÁLNÍ ROVNICE

3. DIFERENCIÁLNÍ ROVNICE 3 DIFERENCIÁLNÍ ROVNICE Difereciálí rovice (dále je DR) jsou veli důležitou částí ateatické aalýz, protože uožňují řešit celou řadu úloh z fzik a techické prae Občejé difereciálí rovice: rovice, v íž se

Více

IAJCE Přednáška č. 12

IAJCE Přednáška č. 12 Složitost je úvod do problematiky Úvod praktická realizace algoritmu = omezeí zejméa: o časem o velikostí paměti složitost = vztah daého algoritmu k daým prostředkům: časová složitost každé možiě vstupích

Více

Základní pojmy kombinatoriky

Základní pojmy kombinatoriky Základí pojy kobiatoriky Začee příklade Příklad Máe rozesadit lidí kole kulatého stolu tak, aby dva z ich, osoby A a B, eseděly vedle sebe Kolika způsoby to lze učiit? Pro získáí odpovědi budee potřebovat

Více

-1- Finanční matematika. Složené úrokování

-1- Finanční matematika. Složené úrokování -- Fiačí ateatika Složeé úrokováí Při složeé úročeí se úroky přičítají k počátečíu kapitálu ( k poskytutí úvěru, k uložeéu vkladu ) a společě s í se úročí. Vzorec pro kapitál K po letech při složeé úročeí

Více

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

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

Více

1. K o m b i n a t o r i k a

1. K o m b i n a t o r i k a . K o m b i a t o r i k a V teorii pravděpodobosti a statistice budeme studovat míru výskytu -pravděpodobostvýsledků procesů, které mají áhodý charakter, t.j. při opakováí za stejých podmíek se objevují

Více

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna. 6 Itervalové odhady parametrů základího souboru V předchozích kapitolách jsme se zabývali ejprve základím zpracováím experimetálích dat: grafické zobrazeí dat, výpočty výběrových charakteristik kapitola

Více

základním prvkem teorie křivek v počítačové grafice křivky polynomiální n

základním prvkem teorie křivek v počítačové grafice křivky polynomiální n Petra Suryková Modelováí křivek základím prvkem teorie křivek v počítačové grafice křivky polyomiálí Q( t) a a t... a t polyomiálí křivky můžeme sado vyčíslit sado diferecovatelé lze z ich skládat křivky

Více

Mod(x) = 2, Med(x) = = 2

Mod(x) = 2, Med(x) = = 2 Pracoví list č.. Při zjišťováí počtu ezletilých dětí ve třiceti vybraých rodiách byly získáy tyto výsledky:,,,,,,,,,,,,,,,,,,,,,,,,,,,,,. Uspořádejte získaé údaje do tabulky rozděleí četostí a vyjádřete

Více

Závislost slovních znaků

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

Více

10.3 GEOMERTICKÝ PRŮMĚR

10.3 GEOMERTICKÝ PRŮMĚR Středí hodoty, geometrický průměr Aleš Drobík straa 1 10.3 GEOMERTICKÝ PRŮMĚR V matematice se geometrický průměr prostý staoví obdobě jako aritmetický průměr prostý, pouze operace jsou o řád vyšší: místo

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

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

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

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

Tento materiál vznikl díky Operačnímu programu Praha Adaptabilita CZ.2.17/3.1.00/33254

Tento materiál vznikl díky Operačnímu programu Praha Adaptabilita CZ.2.17/3.1.00/33254 Evropský sociálí fod Praha & EU: Ivestujeme do vaší budoucosti Teto materiál vzikl díky Operačímu programu Praha Adaptabilita CZ.2.17/3.1.00/33254 Maažerské kvatitativí metody II - předáška č.1 - Dyamické

Více

2. Náhodná veličina. je konečná nebo spočetná množina;

2. Náhodná veličina. je konečná nebo spočetná množina; . Náhodá veličia Většia áhodých pokusů koaých v přírodích ebo společeských vědách má iterpretaci pomocí reálé hodoty. Při takovýchto dějích přiřazujeme tedy reálá čísla áhodým jevům. Proto je důležité

Více

Metoda datových obalů DEA

Metoda datových obalů DEA Metoda datoých obalů DEA Model datoých obalů složí ro hodoceí techické efektiit rodkčích jedotek ssté a základě elosti stů a ýstů. Protože stů a ýstů ůže být íce drhů, řadí se DEA ezi etod icekriteriálího

Více

Kombinatorika- 3. Základy diskrétní matematiky, BI-ZDM

Kombinatorika- 3. Základy diskrétní matematiky, BI-ZDM Kombiatorika- 3 doc. RNDr. Josef Kolář, CSc. Katedra teoretické iformatiky FIT České vysoké učeí techické v Praze c Josef Kolar, 2011 Základy diskrétí matematiky, BI-ZDM ZS 2011/12, Lekce 8 Evropský sociálí

Více

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 4. KAPITOLA STATISTICKÉ CHARAKTERISTIKY 16.10.2017 23.10.2017 Přehled témat 1. Pravděpodobost (defiice, využití, výpočet pravděpodobostí

Více

Pojem času ve finančním rozhodování podniku

Pojem času ve finančním rozhodování podniku Pojem času ve fiačím rozhodováí podiku 1.1. Výzam faktoru času a základí metody jeho vyjádřeí Fiačí rozhodováí podiku je ovlivěo časem. Peěží prostředky získaé des mají větší hodotu ež tytéž peíze získaé

Více

Algebraický výraz je číselný výraz s proměnou. V těchto výrazech se vyskytují vedle reálných čísel také proměnné. Například. 4a 4,5x + 6,78 7t.

Algebraický výraz je číselný výraz s proměnou. V těchto výrazech se vyskytují vedle reálných čísel také proměnné. Například. 4a 4,5x + 6,78 7t. ročík - loeý lgebrický výrz, lieárí rovice s ezáou ve jeovteli Loeý lgebrický výrz Lieárí rovice s ezáou ve jeovteli Doporučujee žáků zopkovt vzorce tpu ( + pod úprvu výrzu souči Loeý výrz Číselé výrz

Více

2,3 ČTYŘI STANDARDNÍ METODY I, ČTYŘI STANDARDNÍ METODY II

2,3 ČTYŘI STANDARDNÍ METODY I, ČTYŘI STANDARDNÍ METODY II 2,3 ČTYŘI STADARDÍ METODY I, ČTYŘI STADARDÍ METODY II 1.1.1 Statické metody a) ARR - Average Rate of Retur průměrý ročí čistý zisk (po zdaěí) ARR *100 % ( 20 ) ivestic do projektu V čitateli výrazu ( 20

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

I. Výpočet čisté současné hodnoty upravené

I. Výpočet čisté současné hodnoty upravené I. Výpočet čisté současé hodoty upraveé Příklad 1 Projekt a výrobu laserových lamp pro dermatologii vyžaduje ivestici 4,2 mil. Kč. Předpokládají se rovoměré peěží příjmy po zdaěí ve výši 1,2 mil. Kč ročě

Více

2. Finanční rozhodování firmy (řízení investic a inovací)

2. Finanční rozhodování firmy (řízení investic a inovací) 2. Fiačí rozhodováí firmy (řízeí ivestic a iovací) - fiačí rozhodováí je podmožiou fiačího řízeí (domiatí) - kompoety = složky: výběr optimálí variaty zdrojů fiacováí užití získaých prostředků uvážeí vlivu

Více

1 Trochu o kritériích dělitelnosti

1 Trochu o kritériích dělitelnosti Meu: Úloha č.1 Dělitelost a prvočísla Mirko Rokyta, KMA MFF UK Praha Jaov, 12.10.2013 Růzé dělitelosti, třeba 11 a 7 (aeb Jak zfalšovat rodé číslo). Prvočísla: které je ejlepší, které je ejvětší a jak

Více

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

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

Více

České vysoké učení technické v Praze. Fakulta dopravní. Semestrální práce. Statistika

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

Více

Vyšší mocniny. Předpoklady: Doplň místo obdélníčků správné číslo. a) ( 2) 3. = c) ( ) = 1600 = e) ( 25) 2 0,8 0, 64.

Vyšší mocniny. Předpoklady: Doplň místo obdélníčků správné číslo. a) ( 2) 3. = c) ( ) = 1600 = e) ( 25) 2 0,8 0, 64. 81 Vyšší mociy Předpoklady: 0081 Př 1: Doplň místo obdélíčků správé číslo a) ( ) = b) = 0, 0000 e) ( ) = 0, ( 0) = 100 = f) ( ) = 8 a) ( ) = 8 b) 0, 0 0, 0000 = ( ) 0,8 0, 0 = 100 = e) ( ) = f) ( ) = 8

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

II. METODICKÉ PŘÍKLADY SESTAVENÍ VÝKAZU PAP

II. METODICKÉ PŘÍKLADY SESTAVENÍ VÝKAZU PAP Istituce i zazameaé operace jsou fiktiví. Ukázkové případy - sezam Případ Vykazující účetí Vykázaé Části I až XIII Straa jedotka (zkráceě až 3) A Půjčka od baky Město, v roce +1, T2 v roce +1, T7, T8,

Více

17. Statistické hypotézy parametrické testy

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

Více

Zformulujme PMI nyní přesně (v duchu výrokové logiky jiný kurz tohoto webu):

Zformulujme PMI nyní přesně (v duchu výrokové logiky jiný kurz tohoto webu): Pricip matematické idukce PMI) se systematicky probírá v jié části středoškolské matematiky. a tomto místě je zařaze z důvodu opakováí matka moudrosti) a proto, abychom ji mohli bez uzarděí použít při

Více

9.1.12 Permutace s opakováním

9.1.12 Permutace s opakováním 9.. Permutace s opakováím Předpoklady: 905, 9 Pedagogická pozámka: Pokud echáte studety počítat samostatě příklad 9 vyjde tato hodia a skoro 80 miut. Uvažuji o tom, že hodiu doplím a rozdělím a dvě. Př.

Více

1.3. POLYNOMY. V této kapitole se dozvíte:

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

Více

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

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

Více

Pro statistické šetření si zvolte si statistický soubor např. všichni žáci třídy (několika tříd, školy apod.).

Pro statistické šetření si zvolte si statistický soubor např. všichni žáci třídy (několika tříd, školy apod.). STATISTIKA Statistické šetřeí Proveďte a vyhodoťte statistické šetřeí:. Zvolte si statistický soubor. 2. Zvolte si určitý zak (zaky), které budete vyhodocovat. 3. Určete absolutí a relativí četosti zaků,

Více

1. Měření ve fyzice, soustava jednotek SI

1. Měření ve fyzice, soustava jednotek SI . Měřeí ve fyzice, soustava jedotek SI Fyzika: - je věda o hotě (ta eistuje ve dvou forách jako látka, ebo jako pole), o jejích ejobecějších vlastostech, stavech, zěách, iterakcích Rozděleí fyziky: a)

Více

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

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

Více

11. přednáška 16. prosince Úvod do komplexní analýzy.

11. přednáška 16. prosince Úvod do komplexní analýzy. 11. předáška 16. prosice 009 Úvod do komplexí aalýzy. Tři závěrečé předášky předmětu Matematická aalýza III (NMAI056) jsou věováy úvodu do komplexí aalýzy. Což je adeseá formulace eboť časový rozsah ám

Více

Využití účetních dat pro finanční řízení

Využití účetních dat pro finanční řízení Využtí účetích dat pro fačí řízeí KAPITOLA 4 V rác této kaptoly se zaěříe a časovou hodotu peěz (a to včetě oceňováí ceých papírů), která se prolíá celý vestčí rozhodováí, dále a fačí aalýzu (vycházející

Více

f B 6. Funkce a posloupnosti 3 patří funkci dané předpisem y = 2 x + 3. [všechny] 1) Rozhodněte, která z dvojic [ ;9][, 0;3 ][, 2;7]

f B 6. Funkce a posloupnosti 3 patří funkci dané předpisem y = 2 x + 3. [všechny] 1) Rozhodněte, která z dvojic [ ;9][, 0;3 ][, 2;7] 6. Fukce a poslouposti ) Rozoděte, která z dvojic [ ;9[, 0; [, ; patří fukci daé předpisem y +. [všecy ) Auto má spotřebu 6 l beziu a 00 km. Na začátku jízdy mělo v plé ádrži 6 l beziu. a) Vyjádřete závislost

Více

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT

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

Více

4 DOPADY ZPŮSOBŮ FINANCOVÁNÍ NA INVESTIČNÍ ROZHODOVÁNÍ

4 DOPADY ZPŮSOBŮ FINANCOVÁNÍ NA INVESTIČNÍ ROZHODOVÁNÍ 4 DOPADY ZPŮSOBŮ FACOVÁÍ A VESTČÍ ROZHODOVÁÍ 77 4. ČSTÁ SOUČASÁ HODOTA VČETĚ VLVU FLACE, CEOVÝCH ÁRŮSTŮ, DAÍ OPTMALZACE KAPTÁLOVÉ STRUKTURY Čistá současá hodota (et preset value) Jedá se o dyamickou metodu

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

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

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

Více

2. Znát definici kombinačního čísla a základní vlastnosti kombinačních čísel. Ovládat jednoduché operace s kombinačními čísly.

2. Znát definici kombinačního čísla a základní vlastnosti kombinačních čísel. Ovládat jednoduché operace s kombinačními čísly. 0. KOMBINATORIKA, PRAVDĚPODOBNOST, STATISTIKA Dovedosti :. Chápat pojem faktoriál a ovládat operace s faktoriály.. Zát defiici kombiačího čísla a základí vlastosti kombiačích čísel. Ovládat jedoduché operace

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

Aplikovaná informatika. Podklady předmětu Aplikovaná informatika pro akademický rok 2006/2007 Radim Farana. Obsah. Algoritmus

Aplikovaná informatika. Podklady předmětu Aplikovaná informatika pro akademický rok 2006/2007 Radim Farana. Obsah. Algoritmus Podklady předmětu pro akademický rok 006007 Radim Faraa Obsah Tvorba algoritmů, vlastosti algoritmu. Popis algoritmů, vývojové diagramy, strukturogramy. Hodoceí složitosti algoritmů, vypočitatelost, časová

Více

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou 1 Zápis číselých hodot a ejistoty měřeí Zápis číselých hodot Naměřeé hodoty zapisujeme jako číselý údaj s určitým koečým počtem číslic. Očekáváme, že všechy zapsaé číslice jsou správé a vyjadřují tak i

Více

VLASTNOSTI ÚLOH CELOČÍSELNÉHO PROGRAMOVÁNÍ

VLASTNOSTI ÚLOH CELOČÍSELNÉHO PROGRAMOVÁNÍ Vlastosti úloh celočíselého programováí VLASTNOSTI ÚLOH CELOČÍSELNÉHO PROGRAMOVÁNÍ PRINCIP ZESILOVÁNÍ NEROVNOSTÍ A ZÁKLADNÍ METODY. METODA VĚTVENÍ A HRANIC. TYPY ÚLOH 1. Úloha lieárího programováí: max{c

Více

Aplikace teorie neuronových sítí

Aplikace teorie neuronových sítí Aplikace teorie euroových sítí Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické iforatiky Mateaticko-fyzikálí fakulta Uiverzity Karlovy v Praze Zpracováí časových vzorů (teporal processig) Stadardí algoritus

Více

2.4. INVERZNÍ MATICE

2.4. INVERZNÍ MATICE 24 INVERZNÍ MICE V této kapitole se dozvíte: defiici iverzí matice; základí vlastosti iverzí matice; dvě základí metody výpočtu iverzí matice; defiici celočíselé mociy matice Klíčová slova této kapitoly:

Více

n=1 ( Re an ) 2 + ( Im a n ) 2 = 0 Im a n = Im a a n definujeme předpisem: n=1 N a n = a 1 + a 2 +... + a N. n=1

n=1 ( Re an ) 2 + ( Im a n ) 2 = 0 Im a n = Im a a n definujeme předpisem: n=1 N a n = a 1 + a 2 +... + a N. n=1 [M2-P9] KAPITOLA 5: Číselé řady Ozačeí: R, + } = R ( = R) C } = C rozšířeá komplexí rovia ( evlastí hodota, číslo, bod) Vsuvka: defiujeme pro a C: a ± =, a = (je pro a 0), edefiujeme: 0,, ± a Poslouposti

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

jsou reálná a m, n jsou čísla přirozená.

jsou reálná a m, n jsou čísla přirozená. .7.5 Racioálí a polomické fukce Předpoklad: 704 Pedagogická pozámka: Při opisováí defiic racioálí a polomické fukce si ěkteří studeti stěžovali, že je to příliš těžké. Ve skutečosti je sstém, kterým jsou

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

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 Opakováí z miulé hodiy: 8 Hodoty poslouposti + se pro blížící se k ekoeču blíží k a to tak že mezi = posloupostí a číslem eexistuje žádá mezera říkáme že

Více

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

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

Více

Finanční řízení podniku. Téma: Časová hodnota peněz

Finanční řízení podniku. Téma: Časová hodnota peněz Fiačí řízeí podiku Téma: Časová hodota peěz Faktor času se ve fiačím řízeí uplatňuje a) při rozhodováí o ivesticích b) při staoveí trží cey majetku podiku c) při ukládáí volých peěžích prostředků d) při

Více

Užití binomické věty

Užití binomické věty 9..9 Užití biomické věty Předpoklady: 98 Často ám z biomického rozvoje stačí pouze jede kokrétí čle. Př. : x Urči šestý čle biomického rozvoje xy + 4y. Získaý výraz uprav. Biomický rozvoj začíá: ( a +

Více

Zobrazení čísel v počítači

Zobrazení čísel v počítači Zobraeí ísel v poítai, áklady algoritmiace Ig. Michala Kotlíková Straa 1 (celkem 10) Def.. 1 slabika = 1 byte = 8 bitů 1 bit = 0 ebo 1 (ve dvojkové soustavě) Zobraeí celých ísel Zobraeí ísel v poítai Ke

Více

pravděpodobnostn podobnostní jazykový model

pravděpodobnostn podobnostní jazykový model Pokročilé metody rozpozáváířeči Předáška 8 Rozpozáváí s velkými slovíky, pravděpodobost podobostí jazykový model Rozpozáváí s velkým slovíkem Úlohy zaměřeé a diktováíči přepis řeči vyžadují velké slovíky

Více

5 PŘEDNÁŠKA 5: Jednorozměrný a třírozměrný harmonický oscilátor.

5 PŘEDNÁŠKA 5: Jednorozměrný a třírozměrný harmonický oscilátor. 5 PŘEDNÁŠKA 5: Jedorozměrý a třírozměrý harmoický oscilátor. Půjde o spektrum harmoického oscilátoru emá to ic společého se spektrem atomu ebo se spektrálími čarami atomu. Liší se to právě poteciálem!

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

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT

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

Více

Diskrétní matematika

Diskrétní matematika Diskrétí matematika Biárí relace, zobrazeí, Teorie grafů, Teorie pravděpodobosti Diskrétí matematika látka z I semestru iformatiky MFF UK Zpracovali: Odřej Keddie Profat, Ja Zaatar Štětia Obsah Biárí relace2

Více

Kvantová a statistická fyzika 2 (Termodynamika a statistická fyzika)

Kvantová a statistická fyzika 2 (Termodynamika a statistická fyzika) Kvatová a statistická fyzika (Termodyamika a statistická fyzika) Boltzmaovo - Gibbsovo rozděleí - ilustračí příklad Pro ilustraci odvozeí rozděleí eergií v kaoickém asámblu uvažujme ásledující příklad.

Více

1.2. NORMA A SKALÁRNÍ SOUČIN

1.2. NORMA A SKALÁRNÍ SOUČIN 2 NORMA A SKALÁRNÍ SOUČIN V této kapitole se dozvíte: axiomatickou defiici ormy vektoru; co je to ormováí vektoru a jak vypadá Euklidovská orma; axiomatickou defiici skalárího (také vitřího) součiu vektorů;

Více

Zimní semestr akademického roku 2015/ listopadu 2015

Zimní semestr akademického roku 2015/ listopadu 2015 Cvičeí k předmětu BI-ZMA Tomáš Kalvoda Katedra aplikovaé matematiky FIT ČVUT Matěj Tušek Katedra matematiky FJFI ČVUT Obsah Cvičeí Zimí semestr akademického roku 2015/2016 20. listopadu 2015 Předmluva

Více

-cenzura- Obsah. 1.1 Přeskoč není důležité

-cenzura- Obsah. 1.1 Přeskoč není důležité Čísla v obecější pohledu -cezura- kotakt str. - Obsah.. Příklad ze kterých představa vchází. Přeskoč eí důležité str. -.. Model str. -.. Pravidla pro počítáí se zobecělý áhlede a čísla str. -.. Důsledk

Více

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

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

Více

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

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

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

Abstrakt. Co jsou to komplexní čísla? K čemu se používají? Dá se s nimi dělat

Abstrakt. Co jsou to komplexní čísla? K čemu se používají? Dá se s nimi dělat Komplexí čísla Hoza Krejčí Abstrakt. Co jsou to komplexí čísla? K čemu se používají? Dá se s imi dělat ěco cool? Na tyto a další otázky se a předášce/v příspěvku pokusíme odpovědět. Proč vzikla komplexí

Více

Kapitola 5 - Matice (nad tělesem)

Kapitola 5 - Matice (nad tělesem) Kapitola 5 - Matice (ad tělesem) 5.. Defiice matice 5... DEFINICE Nechť T je těleso, m, N. Maticí typu m, ad tělesem T rozumíme zobrazeí možiy {, 2,, m} {, 2,, } do T. 5..2. OZNAČENÍ Možiu všech matic

Více

ODRAZ A LOM SVTLA. Odraz svtla lom svtla index lomu úplný odraz svtla píklady

ODRAZ A LOM SVTLA. Odraz svtla lom svtla index lomu úplný odraz svtla píklady ODRAZ A LOM SVTLA Odraz svtla lo svtla idex lou úplý odraz svtla píklady Každý z Vás se urit kdy díval do vody. Na klidé vodí hladi vidl kro svého obrazu také kaey ebo písek a d. Na základí škole jste

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

1. Přirozená topologie v R n

1. Přirozená topologie v R n MATEMATICKÁ ANALÝZA III předášy M Krupy Zií seestr 999/ Přirozeá topologie v R V prví části tohoto tetu zavádíe přirozeou topologii a ožiě R ejprve jao topologii orovaého prostoru a pa jao topologii součiu

Více

TAC. Zařízení pro ahování da z digiálních achografů a čipových kare řidičů. Uživaelká příručka

TAC. Zařízení pro ahování da z digiálních achografů a čipových kare řidičů. Uživaelká příručka TAC Zařízení pro ahování da z digiálních achografů a čipových kare řidičů Uživaelká příručka Telefonická pomoc: +20 777 62 970 E-mail: halesro@hale.cz Verze dokuetu: 2.0 číslo dokuetu 6939-173 straa 1

Více

Didaktika výpočtů v chemii

Didaktika výpočtů v chemii Didaktika výpočtů v cheii RNDr. ila Šídl, Ph.D. 1 Didaktické zpracováí Pojy: olárí hotost (), hotostí zloek (w), látková ožství (), olárí obje ( ), Avogadrova kostata N A, látková a hotostí kocetrace (c,

Více