Národní informační středisko pro podporu kvality

Podobné dokumenty
Technická kybernetika. Linearizace. Obsah

Vojtěch Janoušek: III. Statistické zpracování a interpretace analytických dat

Demografické projekce počtu žáků mateřských a základních škol pro malé územní celky

Reálné opce. Typy reálných opcí. Výpočet hodnoty opce. příklady použití základních reálných opcí

Metodika odhadu kapitálových služeb

SP2 01 Charakteristické funkce

NCCI: Určení bezrozměrné štíhlosti I a H průřezů

4. LOCK-IN ZESILOVAČE

KIV/PD. Sdělovací prostředí

Statika 2. Kombinace namáhání N + M y + M z. Miroslav Vokáč 19. října ČVUT v Praze, Fakulta architektury.

Univerzita Tomáše Bati ve Zlíně

Upozornění: Dne:

Výkonnost a spolehlivost číslicových systémů

Příklady: - počet členů dané domácnosti - počet zákazníků ve frontě - počet pokusů do padnutí čísla šest - životnost televizoru - věk člověka

ŔᶑPř. 10 Ohyb nosníku se ztrátou stability. studentská kopie

7.3.9 Směrnicový tvar rovnice přímky

transformace Idea afinního prostoru Definice afinního prostoru velké a stejně orientované.

= μ. (NB.3.1) L kde bezrozměrný kritický moment μ cr je: Okrajové podmínky při kroucení Krouticí zatížení α β. (volná deplanace) obecné 3,7 1,08

Volba vhodného modelu trendu

7. Měření kmitočtu a fázového rozdílu; 8. Analogové osciloskopy

Modelování rizika úmrtnosti

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC

7.3.9 Směrnicový tvar rovnice přímky

EI GI. bezrozměrný parametr působiště zatížení vzhledem ke středu smyku ζ g =

2.2.2 Měrná tepelná kapacita

Studie proveditelnosti (Osnova)

Testování hypotéz. December 10, 2008

MATEMATIKA II V PŘÍKLADECH

Téma: Měření tíhového zrychlení.

Analýza časových řad. Informační a komunikační technologie ve zdravotnictví. Biomedical Data Processing G r o u p

STATISTICKÁ ANALÝZA PODVĚDOMÉHO JEDNÁNÍ. David Kordek, Pavel Kříž Univerzita Hradec Králové

SIMULACE. Numerické řešení obyčejných diferenciálních rovnic. Měřicí a řídicí technika přednášky LS 2006/07

RŮSTOVÉ MODELY ČESKÉHO STRAKATÉHO SKOTU

Analýza rizikových faktorů při hodnocení investičních projektů dle kritéria NPV na bázi EVA

Kontrolní technika. Nyní pro proudy až do 100 A! IK 9270, IL 9270, IP 9270, SK 9270, SL 9270, SP 9270

PRAVDĚPODOBNOST A STATISTIKA. Testy hypotéz

Standard IAS 19 a výpočet výše rezervy na zaměstnanecké benefity. Šárka Hezoučká

Řazení elektráren. 8760h. vodní průtočné t. křivka trvání výkonu. fosilní paliva. jaderné elektrárny. plynové špičkové.

NUMP403 (Pravděpodobnost a Matematická statistika II) 1. Na autě jsou prováděny dvě nezávislé opravy a obě opravy budou hotovy do jedné hodiny.

Využijeme znalostí z předchozích kapitol, především z 9. kapitoly, která pojednávala o regresní analýze, a rozšíříme je.

Úvod do problematiky průmyslového vytápění velkoprostorových objektů

Analýza citlivosti NPV projektu na bázi ukazatele EVA

ODHADY VARIABILITY POSLOUPNOSTÍ

Příklad zatížení ocelové haly

4. Přednáška: Kvazi-Newtonovské metody:

ANALÝZA ZPOŽDĚNÍ PŘI MODELOVÁNÍ VZTAHŮ MEZI ČASOVÝMI ŘADAMI

byt 1+kk, 1. NP Celková prodejní plocha bytu: 53,5 m 2 Užitná plocha bytu: 53,5 m 2

SYNTÉZA FYZIKÁLNÍHO OPTIMÁLNÍHO SYSTÉMU

73-01 KONEČNÝ NÁVRH METODIKY VÝPOČTU KAPACITU VJEZDU DO OKRUŽNÍ KOMENTÁŘ 1. OBECNĚ 2. ZOHLEDNĚNÍ SKLADBY DOPRAVNÍHO PROUDU KŘIŽOVATKY

Měřicí a řídicí technika magisterské studium FTOP - přednášky ZS 2009/10. měřicí člen. porovnávací. člen. REGULÁTOR ruční řízení

Národní informační středisko pro podporu kvality

Akceptace zpoždění a rozvázání přípojových vazeb cestujícími v železniční dopravě

Seznámíte se s principem integrace substituční metodou a se základními typy integrálů, které lze touto metodou vypočítat.

4EK211 Základy ekonometrie

6 5 = 0, = 0, = 0, = 0, 0032

Using a Kalman Filter for Estimating a Random Constant Použití Kalmanova filtru pro výpočet odhadu konstantní hodnoty

Numerická integrace. b a. sin 100 t dt

teorie elektronických obvodů Jiří Petržela syntéza a návrh elektronických obvodů

Biblische Lieder Op. 99, Nº 3 Biblické písně Op. 99, č. 3

Částka 12 Ročník Vydáno dne 8. listopadu 2012 ČÁST OZNAMOVACÍ

FINANČNÍ MATEMATIKA- ÚVĚRY

NUMP403 (Pravděpodobnost a Matematická statistika I)

ZRE - Kódování řeči II. CELP. Vladimír Malenovský, ÚPGM FIT VUT Brno

Měření indukčností cívek

2.2.9 Jiné pohyby, jiné rychlosti II

5. MĚŘENÍ KMITOČTU a FÁZOVÉHO ROZDÍLU

e) U ( ) ( ) r 1.1. Ř EŠENÉPŘ ÍKLADY PDF byl vytvořen zkušebníverzífineprint pdffactory

Spektrum 1. Spektrum 2. Výsledné Spektrum. Jan Malinský

Lineární rovnice prvního řádu. Máme řešit nehomogenní lineární diferenciální rovnici prvního řádu. Funkce h(t) = 2

(iv) D - vybíráme 2 koule a ty mají různou barvu.

Statika 2. Excentrický tlak za. Miroslav Vokáč 6. prosince ČVUT v Praze, Fakulta architektury. Statika 2. M.

Řešení ustáleného stavu a posuzování stability parametrických systémů s 1 stupněm volnosti

Časové řady měření sezónnosti

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC

2.6.4 Kapalnění, sublimace, desublimace

Úvod do Kalmanova filtru

ecosyn -plast Šroub pro termoplasty

Řazení elektráren DYNAMICKÉ PROGRAMOVÁNÍ DOPRAVNÍ PROBLÉM (N = 5) Skupiny s k. do N ne více jak za N-k kroků ( ) ( )

ZATÍŽENÍ ROVINNÝCH PRUTŮ

4. MĚŘICÍ PŘEVODNÍKY ELEKTRICKÝCH VELIČIN 1, MĚŘENÍ KMITOČTU A FÁZOVÉHO ROZDÍLU

7.4.1 Parametrické vyjádření přímky I

Vyrovnání měření přímých stejné přesnosti

Transport látek. Dva typy modelů. Řešení problémů. Pohyb rozpuštěných látek. Pohyb rozhraní. Přechod - emulze

Modelování spotřeby vybraných výrobků prodaných nápojovými a prodejními automaty společnosti Petrov group s.r.o.

Číslicový lineární filtr prvého řádu se statisticky optimálně nastavovanými parametry

3. cvičení 4ST201 - řešení


Obsah přednášky. 1. Principy Meta-learningu 2. Bumping 3. Bagging 4. Stacking 5. Boosting 6. Shrnutí

Národní informační středisko pro podporu jakosti

Cvičení 5 Bilancování provozu tepelných čerpadel

Složité systémy řízení

Stochastické modelování úrokových sazeb

Úloha IV.E... už to bublá!

Student(ka): Písemná část státní závěrečné zkoušky Fyzika (učitelství) červen Bodové hodnocení: Hodnotil(a): Celkové hodnocení testu:

7. TRANSFORMÁTORY. 7.1 Štítkové údaje. 7.2 Měření odporů vinutí. 7.3 Měření naprázdno

INDIKÁTORY HODNOCENÍ EFEKTIVNOSTI VÝDAJŮ MÍSTNÍCH ROZPOČTŮ DO OBLASTI NAKLÁDÁNÍ S ODPADY

Řetězení stálých cen v národních účtech

DERIVACE A MONOTÓNNOST FUNKCE DERIVACE A MONOTÓNNOST FUNKCE. y y

NEPARAMETRICKÉ METODY

Vstupní tok požadavků

Transkript:

Národní nformační ředo pro podporu valy

Využí meody boorappng př analýe da Eva Jarošová 8. lopadu 200

Použí Určení přeno odhadu nenámých charaer Výpoče onfdenčních meí pro nenámou charaeru Teování hypoé Využí naměřených da a počíače mulac nenámého výběrového rodělení Neplňují-l daa předpolad normálního rodělení Nenáme-l výběrové rodělení odhadu Nemůžeme-l využí cenrální lmní věy

Přílad mulace 4 Schéma výběru opaováním 2 2 5 3 3 4 3 2 4 4 5 5 2 Naměřené Smulované výběry hodnoy 2 3 6, 6, 6, 6,6 6,2 6,2 6,9 6,5 6,5 6,6 6,5 6,2 6,6 6,6 6,9 6, 6,9 6,2 6, 6, 6,46 6,34 6,50 6,30 mulované rodělení průměrů

Konfdenční nervaly

Meody Podle výpoču onfdenčních meí percenlový, orecí na relení a acelerací, udenovaný, áladní; andardní normální Podle půobu mulace nenámého rodělení neparamercý č paramercý boorap Podle výběru vorů obyčejný, vyvážený, louavým bloy

Značení odhadovaná charaera odhad charaery na áladě n naměřených hodno odhad charaery na áladě n hodno v -ém mulovaném výběru, 2 ; L U,..., B mulované rodělení hodnoy eřaené veupně onfdenční nerval pro

Přílad odhad řední hodnoy odhadovaná charaera odhad řední hodnoy, výběrový průměr n naměřených hodno Rodělení hodno X není normální, malý roah výběru, nemůžeme uplan cenrální lmní věu...,, 2, B průměr v -ém mulovaném výběru mulované rodělení ; L U onfdenční nerval pro

Vlano odhadu Zrelení odhadu E odhad B B Směrodaná chyba odhadu E[ E ] 2 odhad B B 2 B B

Percenlový nerval L 2 B Zvolená onfdence -, 2,..., B B U L Nejvěší celé čílo menší nebo rovné Např. pro onfdenc - = 0,95 a B = 999 ; 25 975 Jednoduchý, dobře funguje u ymercých rodělení U neymercých rodělení poryí neodpovídá delarované onfdenc

Záladní nerval 2...,,, B ; L U 2 ; 2 L U U L 2 2 L U

BCa nerval 0 0 p ; L U emprcá drbuční funce v bodě podíl hodno menších než 2...,,, B 2 / 0 2 / 0 0 a p L 2 / 0 2 / 0 0 a p U p 0 orece relení acelerace, orece neonanní měrodané chyby, odhad v Efron, Tbhran 993 â B p L L U L B

/ 2 vanl normovaného normálního rodělení Odhad oefcenu relení 0 a oefcenu acelerace a neparamercy č paramercy a předpoladu určého rodělení Úprava namená měnu pořadí L a U pro určení percenlů Zachovává obor hodno paramerů S rooucím n e poryí blíží anovené onfdenc rychlej než u předešlých je vša řeba mnmálně B = 000

Založen na jném mulovaném rodělení Sudenovaný 2...,,, B mulované rodělení L U ; U L B B 2

Nevýhody Problém př odhadu měrodané chyby v aždém mulovaném voru Není-l dpoc vorec pro odhad měrodané chyby, použje e novu boorap na aždý e mulovaných vorů Např. pro aždý 000 vorů 25 vorů pro odhad měrodané chyby celem 25000 b Může bý přílš šroý a obahova nepřípuné hodnoy charaery Nerepeuje ranformac áleží na upnc měření b 2

Sandardní normální nerval B B B B 2 ; / 2 / 2 Nearučuje dodržení oboru hodno 2...,,, B

Přílady

Pro velý výběr Plaí přblžně, nemají l průměry normální rodělení. Inerval pro řední hodnou n n 2 / / 2 ; / 2 / 2 n n P

Percenlový nerval, 2,..., B L 2 B B U L Nejvěší celé čílo menší nebo rovné ; L U

Založen na jném boorapovém rodělení než předcháející Sudenovaný nerval 2 2 n n j j 2...,,, B ; U L 2 2 n n j j

Inerval pro nde výonno

Odhad ndeů a předpoladu normaly P p USL LSL 6 2 2 / 2 n / 2 n Pp Pp Pp n n P p USL LSL mn ; 3 3 P p / 2 P 2 p Pp / 2 2 9nP 2 n 9 2 n p np p

Inde výonno P p odhad.56023 Normal Bac.284,.795.257,.774 Percenle BCa.346,.863.324,.829 Normala,5602,34307,,77699 Clemen,4825

Inde výonno P p odhad.45426 Normal Bac.6,.633.3,.608 Percenle BCa.223,.699.97,.666 Normala,4543,20773,6232 Clemen,36902

Meoda vorování Výonno dlouhodobá půoblo Pp, Pp odhad na áladě varably všech hodno ve výběru vorování celého výběru Způoblo ráodobá Cp, Cp odhad na áladě varably v podupnách případně pomocí louavých ropěí vorování jednolvých podupn

Leraura Cho, K.C., Nam, K.H., Par, D.H.: Emaon of capably nde baed on boorap mehod. Mcroelecronc and Relably, vol.36, no.9, pp. 4-53, 996 Colln, A.J.: Boorap onfdence lm on proce capably ndce. The Sacan, vol.44, no.3, pp. 373-378, 995 Don, P.M.: The boorap and he jacnfe: decrbng he precon of ecologcal ude, n Degn and Analy of Ecologcal Epermen,... 200 www.wley.com/legacy/wleych/eoenv/pdf/vab028-.pdf Efron, B., Tbhran, R.J.: Boorap Mehod for Sandard Error, Confdence Inerval, and Oher meaure of Sacal Accuracy. Sacal Scence, vol., no., pp. 54-77, 986

Efron, B., Tbhran, R.J.: An Inroducon o he Boorap. Chapman&Hall/CRC 993 Franln, L.A., Waerman, G.: Sandard boorap confdence nerval emae of C PK Compuer & Indural Engneerng, vol.2, no.-4, pp. 29-33, 99 Franln, L.A., Waerman, G.S.: Boorap Lower Confdence Lm for Capably Indce. JQT, vol.24, no.4, 992 Yang J.: A Boorap Confdence Lm for Proce Capably Indce hp://www.bmf.ne/upload/produc/20090/2007glhy4a3. pdf