Larisa Oceretná, Eva Koštáková, Richard Charvát, Jirí Chaloupek, Aleš Linka, Weng Ming, Arindam Sarkar a David Lukáš

Podobné dokumenty
Přednáška č. 2 náhodné veličiny

PRAVDĚPODOBNOST A STATISTIKA

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

Optimalizace portfolia

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

Digitální učební materiál

Generování dvojrozměrných rozdělení pomocí copulí

Analytická geometrie

8. Zákony velkých čísel

PRAVDĚPODOBNOST A STATISTIKA

Doc. Ing. Dagmar Blatná, CSc.

Statistická rozdělení

2. TEORIE PRAVDĚPODOBNOSTI

Lineární regrese ( ) 2

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

Markovovy řetězce s diskrétním časem (Discrete Time Markov Chain)

Analytické modely systémů hromadné obsluhy

Náhodné jevy, jevové pole, pravděpodobnost

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2

Téma 1: Pravděpodobnost

plynné směsi viriální rozvoj plynné směsi stavové rovnice empirická pravidla pro plynné směsi příklady na procvičení

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.


1. Základy měření neelektrických veličin

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)

SP2 Korelační analýza. Korelační analýza. Libor Žák

NEPARAMETRICKÉ METODY

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru

Odhady parametrů základního. Ing. Michal Dorda, Ph.D.

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA

SP NV Normalita-vlastnosti

3. část: Teorie hromadné obsluhy. Ing. Michal Dorda, Ph.D.

Spolehlivost a diagnostika

VY_52_INOVACE_J 05 01

4.2 Elementární statistické zpracování Rozdělení četností

9 Kombinatorika, teorie pravděpodobnosti a matematická statistika

9.3.5 Korelace. Předpoklady: 9304

Hartre-Fock method (HF)

DSpace VSB-TUO

PRAVDĚPODOBNOST A STATISTIKA

Náhoda. Pravděpodobnost výhry při sázce na barvu: p = 18/37 = 0,486 Průměrný zisk při n sázkách částky č: - n.č + 2.č.n.p = n.č.

5. Lineární diferenciální rovnice n-tého řádu

k(k + 1) = A k + B. s n = n 1 n + 1 = = 3. = ln 2 + ln. 2 + ln

Název školy: Gymnázium Jana Nerudy, škola hl. města Prahy. Předmět, mezipředmětové vztahy: matematika a její aplikace

rovinná soustava sil (paprsky všech sil soustavy leží v jedné rovině) rovinný svazek sil rovinná soustava rovnoběžných sil

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

8.1.2 Vzorec pro n-tý člen

3. Charakteristiky a parametry náhodných veličin

a další charakteristikou je četnost výběrového souboru n.

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

S k l á d á n í s i l

2. Vícekriteriální a cílové programování

Národní informační středisko pro podporu kvality

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

8.1.2 Vzorec pro n-tý člen

= + nazýváme tečnou ke grafu funkce f

11. Časové řady Pojem a klasifikace časových řad

3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě.

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC

Metody zkoumání závislosti numerických proměnných

Téma 5: Analýza závislostí

Aplikace teorie neuronových sítí

1. Přirozená topologie v R n

, jsou naměřené a vypočtené hodnoty závisle

V. Normální rozdělení

Chyby měření: 1. hrubé chyby - nepozornost, omyl, únava pozorovatele... - významně převyšuje rozptyl náhodné chyby 2. systematické chyby - chybné

S1P Popisná statistika. Popisná statistika. Libor Žák





Testování statistických hypotéz

Matematické modelování turbulence

6. KOMBINATORIKA Základní pojmy Počítání s faktoriály a kombinačními čísly Variace

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA. VZORCE PRO 4ST201 a 4ST210

Pravděpodobnostní model doby setrvání ministra školství ve funkci

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

1. Čím se zabývá 4PP? zabývá se určováním deformace a porušováním celistvých těles v závislosti na vnějším zatížení

1) Vypočtěte ideální poměr rozdělení brzdných sil na nápravy dvounápravového vozidla bez ABS.

Agregace vzájemné spojování destabilizovaných částic ve větší celky, případně jejich adheze na povrchu jiných materiálů

Cvičení 6.: Výpočet střední hodnoty a rozptylu, bodové a intervalové odhady střední hodnoty a rozptylu

Money - Models of "Time" and Distance Between Risk Events


3.3.3 Rovinná soustava sil a momentů sil

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru


IAJCE Přednáška č. 12

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

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

Petr Šedivý Šedivá matematika

8.1.3 Rekurentní zadání posloupnosti I

Téma 6: Indexy a diference

1 PSE Definice základních pojmů. (ω je elementární jev: A ω (A ω) nebo (A );

8. cvičení 4ST201-řešení

( NV, )} Řešením Schrödingerovy rovnice pro N částic

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

DISKRÉTNÍ MATEMATIKA II

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

Přehled modelů viskoelastických těles a materiálů

Transkript:

Prostorové áhodé dee Larsa Oceretá Eva Koštáová Rchard Charvát Jrí Chaloupe Aleš La Weg Mg Ardam Sarar a Davd Luáš Podeováí:GACR-Nestadardí aplace fzálích polí.

Demarací le - mez vedam eatím a humatím Odlšeí eatích sutecých emprcých ved od ved humatích speulatvích metafzcých Verfací rtérum rtérum smslu ved Carap a další emprsté Vídesého roužu Carap 932: Vedoucí cle Vídesého ruhu a prometí obháce logcého postvsmu. 2

Verfací rtérum: Fala popsue v D.Krámsý 2007 Smsl maí e t ved teré maí správou logcou struturu terá e dovolue aalzovat a elemetárí slož teré sou bud to pravdvé cste logc ebo sou overtelé verfovatelé - bezprostredí smslovou sutecostí. Všecho ostatí sou pseudoved e to blábol terý sad muže budt emoce pozávací hodotu vša emá žádou. Reproduce baroího obrazu Alegore ved od Govaa Serrodho 3

Verfací rtérum apadl a vvrátl emecý flosof Kurt Godel svým výsled o eúplost. Prpoíme se emu m ve saze uázat že demarací l mez vedam emá smsl vtcovat. 4

výsled o eúplost Model-aratura sutecost. 5

Podle ašeho ázoru sou eatí ved epochbe založe a saze o prísé logcé uvažováí a a verfac výsledu. Logcé stavb stavb teorí eatích ved sou založe a mšleových obetech -vzešee azývaých model- teré sou zpravdla e hrubou araturou sutecost terá zace relatvzue prídome eatí. T T Up or dow oreted magets the two-dmesoal Isg model 92. 6

844-906 Kofgurace Ludwg Boltzma raousý fz zaladatel statstcé fz. V 25 letech se stal profesorem matematcé fz a uverzte ve Štýrsém hradc. Slavá rovce Boltzmaova rovce popsue rovovážé pravdepodobost ofgurací v závslost a eergích ofgurací sstému. Trpel depresem. V roce 906 se obesl. Vztah mez tvar obetu a ech eergem. Eerge Kofgurace Eerge r r P = ep Q r r Q = H [ ] / τ 7

Ludwg Boltzma r r P = ep Q Z [ ] Fzálí hatec 8

Náhodé pole Adre Marov 856-922 rusý matemat teore stochastcých áhodých procesu. Marovovo áhodé pole Matemata euverzáleší eatí veda. 9

Náhodé pole a Marovovo áhodé pole uzel Nezávslé oblast Náhodá promeá vazba Nezávslé oblast Marovovo pole Náhodé pole 0

áhodé pole a Marovovo áhodé pole Globálí Pravdepodobost - Loálí podmíeé pravdepodobost

esagovo tvrzeí 974 ula Besag rofessor verst of ashgto esearch: Spatal atstcs wth plcatos to demolog age aalss rculture etc. aesa ferece Marov a Mote Carlo. r P r P = p p 2...... + + 2 2 + + 2...... 2

Sousedství: Moža sousedu daého uzlu. Iterace-sousedství-eerge 3

ousedství uzlu Marovovo áhodé pole V rámc sousedství mluvíme o loálích podmíeých pravdepodobostech. Sousedství uzlu #2 Sousedství uzlu #5 usedství uzlu # Sousedství uzlu #4 Sousedství uzlu #3 Sousedství uzlu # 4

Globál oálí podmíeé pravdepodobost globálí pravdepodobost P r Loálí 5

6 + + + + = p p P P 2 2 2 2............ r r Globálí Loálí Besagovo tvrzeí Jaý e obecý tvar pravé stra?

ammersleova-clffordova veta 97 K L A N Y: Sup vzáeme sousedích uzlu Každý uzel sám o sobe tvorí la! Toto eí la! 7

8 = l l g g g g P... 3 2...... ν r Klaové fuce g + + + + = p p P P 2 2 2 2............ r r Globálí pravdepodobost lze vádrt pomocí soucu laových fucí. Loálí podmíeé pravdepodobost lze fatorzovat laovým fucem. g g g p............ 2 2 2 = + + Každému lau prísluší laová fuce -C veta Pro vtah globálích a loálích událostí v áhodém pol e la duležteším pomem ež uzel!

9 + + + = l l q q q q Q... 3 2...... ν r = q q Z P 2 ep r = l l g g g g P... 3 2...... ν r Logartmus Eerge sou adtví [ ] ep Q Z P r r = Q P r r = l -C veta - Boltzmauv vztah H-C veta Boltzmauv vztah

20 -C veta tvrdí: Klaové ofgurace sou a sobe ezávslé! = p P r = l l g g g g P... 3 2...... ν r CO TO JE ZA FUNKCE? COTO JE ZA NEZÁVISLÉ PRAVDEPODOBNOSTI? Pravdepodobost ezávslých evu Závslé ev teraguící uzl Nezávslé U Z L Y?

Náhodé pole Náhodé pole lau 2 Dva stav aždého z uzlu Neteré ombace laových ofgurací se emohou usutect! Návod 2 2 Pravdepodobost laových ofgurací sou ezávslé 02 09 08 0 0 02 03 04 Náhodé pole lau e pole deálího chováí zolovaých lau. P g eostruce globálí avdepodobost z laových avdepodobostí r = g 2 g 2 2 0 8 09 04 = 0288 = g g 2 g 3... gν... l Z!!! 2

Náhodé pole 2 Náhodé pole lau 2 2 Jech pravdepodo bost sou ezávslé Co se stae dž sou la závslé? Náhodé pole s vazbam mez la Nezávslé sou pa pravdepodobost lau-lau. Je áhodé pole s la-lau opravdu eco ého ež Marovovo áhodé pole? 22

Vzáemé pusobeí lau e eco ého ež vzáemé pusobeí uzlu Seátor sou dobrí ldé ale Seát e beste! 23

Isg Model soá ravdepodobost Nízá pravdepodobost 24

Klaové pravdepodobost -la 25

pred Retezec výme stavu uzlu po r P pred P = Ppo po P pred Opaovat stále doola 26

Modelováí Raleghov establt 27

28

λ = 2 87π r o 29

Aaltcal descrpto 30

omputer smulato 3

mulatoofthe 2D Isg model. The upper row ofmages show the oma growth versus tme. The bottom row are scaled subsectos of 32

áhodé pole a Marovovo áhodé pole 33

025 025 025 025 Isguv model a eho drama 04 04 0 0 Shodé pravdepodobost laových ofgurací. Výraze odlšé pravdepodobost 34

hree-dmesoal g model below e crtcal mperature g sp sstem oled bstatall below e crtcal mperature; hase separatos rogressg 35

The gate ofthe Yale Chemstr Research buldg s adored wth a model beloved of phscsts ad chemsts who stud phase 36