Mérnökgeodéziai hálózatok dr. Siki Zoltán
|
|
- Magda Veresné
- 5 évvel ezelőtt
- Látták:
Átírás
1 Mérnökgeodéziai hálózatok dr. Siki Zoltán Mérnökgeodézia BSc
2 Mérnökgeodéziai hálózatok nagy relatív pontosságú hálózatok (1/1, 1/1), pontok távolsága néhány tíz, száz méter, Homogén hálózat: a magas fölösmérés szám könnyen biztosítható, minden hibaellipszis kör és a sugaruk mm-es vagy kisebb elvárt középhibák azonos Pontosság fokozására hálózat kiegyenlítés, durvahiba szűrés, kedvezőbb (homogénebb) középhibakép érdekében szabad hálózat Szabad hálózat Beillesztett hálózat
3 Mérések, hálózatok pontossági tervezése max max p = rendű tervezés pontok elhelyezése (hálózat alak) 2. rendű tervezés mérésszám, súly tervezés 2. rendű tervezés Hálózat alak ismert (előzetes koordináták) Mérési középhibák és a priori súlyegység középhiba ismert Alakmátrix és súlymátrix felírható Pont középhibák (A*PA)-1 -ból számíthatók Pont középhibák összehasonlítás az elvárt pontossággal Az elvártnál nagyobb középhibák esetén 1) ismétlési szám növelés vagy 2) pontosabb mérőeszköz alkalmazása vagy 3) fölösmérés szám növelése vagy 4) hálózati geometria módosítása
4 Szabad hálózat kiegyenlítés Előny nincsenek kényszerek, feltételezések, jobb középhiba kép Hátrány a normál egyenletrendszer együttható mátrix determinánsa nulla, nem létezik reguláris inverz Megoldási módszerek Moore-Penrose pseudo inverz (N+) Zérus sajátértékekhez tartozó sajátvektorokkal bővítés, pl. szintezési hálózatban az előzetes magasságok súlypontja maradjon helyben svd singular value decomposition A mai informatikai eszközökkel nem okoz gondot a szinguláris egyenletrendszer megoldása.
5 Megoldási módszerek Moore-Penrose pseudo inverz (N +) N N+ N = N minimum feltétel a koordináta változásokra N+ N N + = N + (N N+)' = N N+ (N+ N)' = N+ N Zérus sajátértékekhez tartozó sajátvektorokkal bővítés, pl. szintezési hálózatban az előzetes magasságok súlypontja maradjon helyben svd singular value decomposition N = U D V' U'U = I, V'V = I, D diagonál mátrix D+ - d+i,j = ha i!= j; d+i,i = 1/di,i ha di,i!= ; különben d+i,j = N+ = V D+ U' U m x m, D m x n, V n x n Ax l = x = A+ l = V D+ U' l Egyenértékű matematikai módszerek.
6 Példa: pseudo inverz N= pinv(n)= N * pinv(n) * N N = e e e e-16 (N*pinv(N))' - N*pinv(N)= det(n) = e e e e-16.e+.e e e e e e e-15.e+.e e e e e e e e e-17.e+.e e e-16.e+.e+
7 Példa: sajátértékek N= [V, lambda] = eig(n) N +V1* V1' = inv(n +V1* V1')-V1* V1' = v v v v e e e e det(n +V1*V1') =
8 Példa: SVD N= e e e e-16 [U, D, V] = svd(n) Diagonál mátrix inverze egyszerű! A értékek helyett az inverzbe! V * inv(d1) * U' =
9 Hibák Hiba típusok (véletlen, szabályos, durva) Véletlen hibák Normális eloszlás 1/2/3 (szigma) szabály (68%/95%/99.7%) II. kiegyenlítési csoport (közvetett mérések) Csak véletlen hibák esetén alkalmazható Durva hiba esetén valamennyi eredményt torzítja Példa: L2 norma: ± L norma: (medián) ±? Loo norma: ±?
10 Statisztikai módszerek Teljes hálózatra az a priori és a posteriori súlyegység középhibák (,m )vizsgálata 2f,a/2 próba Mérések egyenkénti vizsgálata, standardizált javítások alapján wi < tp,f u vagy t próba (Baarda-féle data snooping) t v Pv = f, / 2 2 f,1 / 2 2 QXX = N-1 QUU = A QXX A* Qvv = P-1 - QUU vi w i= mvi
11 Durva hiba szűrés végrehajtása Súlyegység középhibára vonatkozó statisztikai próba Iterációs megoldás (Baarda-féle data snooping) 1.Kiegyenlítés II. kiegyenlítési csoporttal (közvetett mérések) 2.Statisztikák számítása (standardizált javítások) 3.Legnagyobb statisztikával bíró mérés kihagyása, mely az adott szignifikancia szinten nem elfogadható 4. Ismétlés az 1. ponttól amíg van kihagyandó mérés
12 Durva hiba szűrés eredménye Két mérés kiszűrése után a koordináta középhibák a felére csökkentek! 36 2 = 34 m aposteriori 1.58 max. statisztika 3.7 > 1.94 m aposteriori 1.5 max. statisztika 1.93 < 1.94 Pont Y [m] X [m] my mx [mm] [mm] Y X my mx [mm] [mm]
13 Mozgásvizsgálati hálózat Psz A [mm] B [mm] Fi [Grad] A A A A A A
14 Nyílt forráskódú programok GNU GaMa GaMa Local 1D, 2D, 3D geodéziai hálózatok kiegyenlítése Statisztikai próbák alkalmazása GeoEasy-ből is használható QGIS SurveyingCalculation modul Egyszerű geodéziai számítások, tájékozás, előmetszés, Sokszögvonal, GNU Gama, koordináta transzformációk Octave, QtOctave Általános célú matematikai programcsomag Mátrix műveletek, eloszlás függvények Euler Általános célú matematikai programcsomag Mátrix műveletek R Matematikai statisztikai programcsomag
15 GNU GaMa XML imput Parancssori használat Grafikus felhasználói felület - GeoEasy <?xml version="1."?> <!DOCTYPE gama-xml SYSTEM "gama-xml.dtd"> <gama-local version="2."> <network axes-xy="ne" angles="right-handed"> <description> GeoEasy 2D network </description> <parameters sigma-apr = "1" conf-pr = ".95" tol-abs = "1" sigma-act = "aposteriori" update-constrained-coordinates="yes" /> <points-observations distance-stdev="1. 1.5" direction-stdev="3" angle-stdev="4"> <point id="5" y="-6.365" x=" " adj="xy" /> <point id="4" y="78.135" x=" " adj="xy" /> xy -ismeretlen pont <point id="3" y="257.95" x=" " adj="xy" /> XY- ismeretlen + minimum felt. <point id="2" y="211.7" x="." adj="xy" /> FIX -rögzített pont <point id="1" y="." x="." adj="xy" /> <obs from="5"> <distance to="4" val="138.73" stdev="1.28" /> <distance to="3" val=" " stdev="1.478" /> <distance to="2" val=" " stdev="1.711" />
16 GNU GaMa 2 Egyenletek száma Szabadságfok m apriori : m' aposteriori: : : Ismeretlenek száma: Hálózati defektus : 15 3 [pvv] : e+1 Statisztikai analízis - aposteriori középhiba konfidencia szint 95 % GaMa output m' aposteriori / m apriori: % intervallum (.7, 1.3) m'/m értéket tartalmazza m'/m (távolság): 1.49 m'/m (irány):.85 Egy mérés elhagyásával elérhető maximális csökkenés az m''/m értékben :.93 Maximális studentizált javítás 1.99 eléri a kritikus értéket 1.94 szignifikancia szint 5 % az észlelésnél #28 <distance from="2" to="1" val=" " stdev="1.3" />... Test Kolmogorov-Smirnov : 94.4 %
17 Megoldás Octave programmal N = A' * P * A; % szinguláris együttható mátrix? if (n > rank(n)) Ninv = pinv(n); else Ninv = inv(n); endif % fölösmérés szám f = m - rank(n); % ismeretlenek változása x = Ninv * A' * P * l; % javítások "/cm v = A * x - l; % számítási ellenőrzés w1 = v' * P * v; w2 = -l' * P * v; % súlyegység középhiba m = sqrt((w1) / f); % ismeretlenek középhibája mx = m * sqrt(diag(ninv));
18 Ezen a fejlesztésen még dolgozunk...
19 Mérnökgeodéziai hálózatok dr. Siki Zoltán Mérnökgeodézia BSc
20 Mérnökgeodéziai hálózatok nagy relatív pontosságú hálózatok (1/1, 1/1), pontok távolsága néhány tíz, száz méter, Homogén hálózat: a magas fölösmérés szám könnyen biztosítható, minden hibaellipszis kör és a sugaruk mm-es vagy kisebb elvárt középhibák azonos Pontosság fokozására hálózat kiegyenlítés, durvahiba szűrés, kedvezőbb (homogénebb) középhibakép érdekében szabad hálózat Szabad hálózat Beillesztett hálózat
21 Mérések, hálózatok pontossági tervezése max max p = rendű tervezés pontok elhelyezése (hálózat alak) 2. rendű tervezés mérésszám, súly tervezés 2. rendű tervezés Hálózat alak ismert (előzetes koordináták) Mérési középhibák és a priori súlyegység középhiba ismert Alakmátrix és súlymátrix felírható Pont középhibák (A*PA)-1 -ból számíthatók Pont középhibák összehasonlítás az elvárt pontossággal Az elvártnál nagyobb középhibák esetén 1) ismétlési szám növelés vagy 2) pontosabb mérőeszköz alkalmazása vagy 3) fölösmérés szám növelése vagy 4) hálózati geometria módosítása
22 Szabad hálózat kiegyenlítés Előny nincsenek kényszerek, feltételezések, jobb középhiba kép Hátrány a normál egyenletrendszer együttható mátrix determinánsa nulla, nem létezik reguláris inverz Megoldási módszerek Moore-Penrose pseudo inverz (N+) Zérus sajátértékekhez tartozó sajátvektorokkal bővítés, pl. szintezési hálózatban az előzetes magasságok súlypontja maradjon helyben svd singular value decomposition A mai informatikai eszközökkel nem okoz gondot a szinguláris egyenletrendszer megoldása.
23 Megoldási módszerek Moore-Penrose pseudo inverz (N+) N N+ N = N minimum feltétel a koordináta változásokra N + N N+ = N+ (N N+)' = N N+ (N+ N)' = N+ N Zérus sajátértékekhez tartozó sajátvektorokkal bővítés, pl. szintezési hálózatban az előzetes magasságok súlypontja maradjon helyben svd singular value decomposition N = U D V' U'U = I, V'V = I, D diagonál mátrix D - d i,j = ha i!= j; d i,i = 1/di,i ha di,i!= ; különben d+i,j = N+ = V D+ U' U m x m, D m x n, V n x n Ax l = x = A+ l = V D+ U' l Egyenértékű matematikai módszerek.
24 Példa: pseudo inverz N= pinv(n)= N * pinv(n) * N N = e e e e-16 (N*pinv(N))' - N*pinv(N)= det(n) = e e e e e e e e e e e e-15.e+.e e-16.e+.e e e e-17.e e e-16.e e e-16.e+.e+
25 Példa: sajátértékek N= [V, lambda] = eig(n) N +V1* V1' = inv(n +V1* V1')-V1* V1' = v v v v e e e e det(n +V1*V1') =
26 Példa: SVD N= e e e e-16 [U, D, V] = svd(n) Diagonál mátrix inverze egyszerű! A értékek helyett az inverzbe! V * inv(d1) * U' =
27 Hibák Hiba típusok (véletlen, szabályos, durva) Véletlen hibák Normális eloszlás 1/2/3 (szigma) szabály (68%/95%/99.7%) II. kiegyenlítési csoport (közvetett mérések) Csak véletlen hibák esetén alkalmazható Durva hiba esetén valamennyi eredményt torzítja Példa: L2 norma: ± L norma: (medián) ±? Loo norma: ±?
28 Statisztikai módszerek Teljes hálózatra az a priori és a posteriori súlyegység középhibák (,m )vizsgálata 2f,a/2 próba Mérések egyenkénti vizsgálata, standardizált javítások alapján wi < tp,f u vagy t próba (Baarda-féle data snooping) 2= vt P v f, / 2 2 2f,1 / 2 QXX = N-1 QUU = A QXX A* Qvv = P-1 - QUU w i= vi m vi
29 Durva hiba szűrés végrehajtása Súlyegység középhibára vonatkozó statisztikai próba Iterációs megoldás (Baarda-féle data snooping) 1.Kiegyenlítés II. kiegyenlítési csoporttal (közvetett mérések) 2.Statisztikák számítása (standardizált javítások) 3.Legnagyobb statisztikával bíró mérés kihagyása, mely az adott szignifikancia szinten nem elfogadható 4. Ismétlés az 1. ponttól amíg van kihagyandó mérés
30 Durva hiba szűrés eredménye Két mérés kiszűrése után a koordináta középhibák a felére csökkentek! 36 2 = 34 m aposteriori 1.58 max. statisztika 3.7 > 1.94 m aposteriori 1.5 max. statisztika 1.93 < 1.94 Pont Y [m] X [m] my mx [mm] [mm] Y X my mx [mm] [mm]
31 Mozgásvizsgálati hálózat Psz A [mm] B [mm] Fi [Grad] A A A A A A
32 Nyílt forráskódú programok GNU GaMa GaMa Local 1D, 2D, 3D geodéziai hálózatok kiegyenlítése Statisztikai próbák alkalmazása GeoEasy-ből is használható QGIS SurveyingCalculation modul Egyszerű geodéziai számítások, tájékozás, előmetszés, Sokszögvonal, GNU Gama, koordináta transzformációk Octave, QtOctave Általános célú matematikai programcsomag Mátrix műveletek, eloszlás függvények Euler Általános célú matematikai programcsomag Mátrix műveletek R Matematikai statisztikai programcsomag
33 GNU GaMa XML imput Parancssori használat Grafikus felhasználói felület - GeoEasy <?xml version="1."?> <!DOCTYPE gama-xml SYSTEM "gama-xml.dtd"> <gama-local version="2."> <network axes-xy="ne" angles="right-handed"> <description> GeoEasy 2D network </description> <parameters sigma-apr = "1" conf-pr = ".95" tol-abs = "1" sigma-act = "aposteriori" update-constrained-coordinates="yes" /> <points-observations distance-stdev="1. 1.5" direction-stdev="3" angle-stdev="4"> <point id="5" y="-6.365" x=" " adj="xy" /> <point id="4" y="78.135" x=" " adj="xy" /> xy -ismeretlen pont <point id="3" y="257.95" x=" " adj="xy" /> XY- ismeretlen + minimum felt. <point id="2" y="211.7" x="." adj="xy" /> FIX -rögzített pont <point id="1" y="." x="." adj="xy" /> <obs from="5"> <distance to="4" val="138.73" stdev="1.28" /> <distance to="3" val=" " stdev="1.478" /> <distance to="2" val=" " stdev="1.711" />
34 GNU GaMa 2 Egyenletek száma Szabadságfok m apriori : m' aposteriori: : : Ismeretlenek száma: Hálózati defektus : 15 3 [pvv] : e+1 Statisztikai analízis - aposteriori középhiba konfidencia szint 95 % GaMa output m' aposteriori / m apriori: % intervallum (.7, 1.3) m'/m értéket tartalmazza m'/m (távolság): 1.49 m'/m (irány):.85 Egy mérés elhagyásával elérhető maximális csökkenés az m''/m értékben :.93 Maximális studentizált javítás 1.99 eléri a kritikus értéket 1.94 szignifikancia szint 5 % az észlelésnél #28 <distance from="2" to="1" val=" " stdev="1.3" />... Test Kolmogorov-Smirnov : 94.4 %
35 Megoldás Octave programmal N = A' * P * A; % szinguláris együttható mátrix? if (n > rank(n)) Ninv = pinv(n); else Ninv = inv(n); endif % fölösmérés szám f = m - rank(n); % ismeretlenek változása x = Ninv * A' * P * l; % javítások "/cm v = A * x - l; % számítási ellenőrzés w1 = v' * P * v; w2 = -l' * P * v; % súlyegység középhiba m = sqrt((w1) / f); % ismeretlenek középhibája mx = m * sqrt(diag(ninv));
36 Ezen a fejlesztésen még dolgozunk...
Mérnökgeodéziai hálózatok feldolgozása
Mérnökgeodéziai hálózatok feldolgozása dr. Siki Zoltán siki@agt.bme.hu XIV. Földmérő Találkozó Gyergyószentmiklós 2013.05.09-12. Mérnökgeodéziai hálózatok nagy relatív pontosságú hálózatok (1/100 000,
RészletesebbenHálózat kiegyenlítés dr. Siki Zoltán
Hálózat kiegyenlítés dr. Siki Zoltán siki.zoltan@epito.bme.hu 2017-09-26 MMK-GGT Továbbképzési tananyag 2016-2017 1 Legkisebb négyzetek módszere Közvetítő egyenletek, kapcsolat az ismeretlenek és a mérési
RészletesebbenPaksi Atomerőmű II. blokk lokalizációs torony deformáció mérése
Siki Zoltán, Dede Károly, Homolya András, Kiss Antal (BME-ÁFGT) Paksi Atomerőmű II. blokk lokalizációs torony deformáció mérése siki@agt.bme.hu http://www.agt.bme.hu Geomatikai Szeminárium, 2008 Sopron
RészletesebbenHálózat kiegyenlítés modul
Hálózat modul GeoEasy V2.05+ Geodéziai Feldolgozó Program (c)digikom Kft. 2008-2010 Tartalomjegyzék Bevezetés A előkészítése A végrehajtása A eredményei Exportálás GNU GaMa XML formátumba Bevezetés A Hálózat
RészletesebbenMatematikai geodéziai számítások 10.
Matematikai geodéziai számítások 10. Hibaellipszis, talpponti görbe és közepes ponthiba Dr. Bácsatyai, László Matematikai geodéziai számítások 10.: Hibaellipszis, talpponti görbe és Dr. Bácsatyai, László
RészletesebbenMatematikai geodéziai számítások 8.
Matematikai geodéziai számítások 8 Szintezési hálózat kiegyenlítése Dr Bácsatyai, László Matematikai geodéziai számítások 8: Szintezési hálózat kiegyenlítése Dr Bácsatyai, László Lektor: Dr Benedek, Judit
RészletesebbenMatematikai geodéziai számítások 9.
Matematikai geodéziai számítások 9 Szabad álláspont kiegyenlítése Dr Bácsatyai, László Created by XMLmind XSL-FO Converter Matematikai geodéziai számítások 9: Szabad álláspont kiegyenlítése Dr Bácsatyai,
RészletesebbenMatematikai geodéziai számítások 9.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr Bácsatyai László Matematikai geodéziai számítások 9 MGS9 modul Szabad álláspont kiegyenlítése SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői
RészletesebbenMatematikai geodéziai számítások 8.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr Bácsatyai László Matematikai geodéziai számítások 8 MGS8 modul Szintezési hálózat kiegyenlítése SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői
RészletesebbenMatematikai geodéziai számítások 5.
Matematikai geodéziai számítások 5 Hibaterjedési feladatok Dr Bácsatyai László Matematikai geodéziai számítások 5: Hibaterjedési feladatok Dr Bácsatyai László Lektor: Dr Benedek Judit Ez a modul a TÁMOP
RészletesebbenMozgásvizsgálatok. Mérnökgeodézia II. Ágfalvi Mihály - Tóth Zoltán
Mérnökgeodézia II. Ágfalvi Mihály - Tóth Zoltán Célja: Várható elmozdulások előrejelzése (erőhatások alatt, Siógemenci árvízkapu) Már bekövetkezett mozgások okainak vizsgálata (Pl. kulcsi löszpart) Laboratóriumi
RészletesebbenBevezetés. 1. előadás
Bevezetés. előadás Tartalom Bevezetés A LKN kiegyenlítés különböző esetei Pontossági mérőszámok Geodéziai hálózatok kiegyenlítése S-transzformáció 2 Bevezetés A kiegyenlítő számítások: (nem csak) geodéziai
Részletesebben4. Előadás: Magassági hálózatok tervezése, mérése, számítása. Hálózatok megbízhatósága, bekapcsolás az országos hálózatba
4. előadás: Magassági hálózatok tervezése 4. Előadás: Magassági hálózatok tervezése, mérése, számítása. Hálózatok megbízhatósága, bekapcsolás az országos hálózatba Magassági hálózatok tervezése, mérése
RészletesebbenSTATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése
4. A modell érvényességének ellenőrzése STATISZTIKA 4. Előadás Variancia-analízis Lineáris modellek 1. Függetlenség 2. Normális eloszlás 3. Azonos varianciák A maradék független a kezelés és blokk hatástól
RészletesebbenGeoCalc 3 Bemutatása
3 Bemutatása Gyenes Róbert & Kulcsár Attila 1 A 3 egy geodéziai programcsomag, ami a terepen felmért, manuálisan és/vagy adatrögzítővel tárolt adatok feldolgozására szolgál. Adatrögzítő A modul a felmérési
RészletesebbenPrincipal Component Analysis
Principal Component Analysis Principal Component Analysis Principal Component Analysis Definíció Ortogonális transzformáció, amely az adatokat egy új koordinátarendszerbe transzformálja úgy, hogy a koordináták
RészletesebbenSTATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás
ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 9. Előadás Binomiális eloszlás Egyenletes eloszlás Háromszög eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell 2/62 Matematikai statisztika
RészletesebbenA vasbetonszerkezetes lakóépületek geodéziai munkái
A vasbetonszerkezetes lakóépületek geodéziai munkái SZAKDOLGOZAT SOMLÓ CSABA Geodéziai feladatok az építıipar területein Alapadatok beszerzése Alappontok Digitális földmérési nyilvántartási térkép Digitális
RészletesebbenA KroneckerCapelli-tételb l következik, hogy egy Bx = 0 homogén lineáris egyenletrendszernek
10. gyakorlat Mátrixok sajátértékei és sajátvektorai Azt mondjuk, hogy az A M n mátrixnak a λ IR szám a sajátértéke, ha létezik olyan x IR n, x 0 vektor, amelyre Ax = λx. Ekkor az x vektort az A mátrix
Részletesebbeny ij = µ + α i + e ij
Elmélet STATISZTIKA 3. Előadás Variancia-analízis Lineáris modellek A magyarázat a függő változó teljes heterogenitásának két részre bontását jelenti. A teljes heterogenitás egyik része az, amelynek okai
RészletesebbenMatematika (mesterképzés)
Matematika (mesterképzés) Környezet- és Településmérnököknek Debreceni Egyetem Műszaki Kar, Műszaki Alaptárgyi Tanszék Vinczéné Varga A. Környezet- és Településmérnököknek 2016/2017/I 1 / 29 Lineáris tér,
RészletesebbenRegresszió számítás. Tartalomjegyzék: GeoEasy V2.05+ Geodéziai Kommunikációs Program
Regresszió számítás GeoEasy V2.05+ Geodéziai Kommunikációs Program DigiKom Kft. 2006-2010 Tartalomjegyzék: Egyenes x változik Egyenes y változik Egyenes y és x változik Kör Sík z változik Sík y, x és z
RészletesebbenMatematikai geodéziai számítások 6.
Matematikai geodéziai számítások 6. Lineáris regresszió számítás elektronikus távmérőkre Dr. Bácsatyai, László Matematikai geodéziai számítások 6.: Lineáris regresszió számítás elektronikus távmérőkre
RészletesebbenSTATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás
ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 7. Előadás Egyenletes eloszlás Binomiális eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell /56 Matematikai statisztika Reprezentatív mintavétel
RészletesebbenLineáris algebra 2. Filip Ferdinánd december 7. siva.banki.hu/jegyzetek
Lineáris algebra 2 Filip Ferdinánd filipferdinand@bgkuni-obudahu sivabankihu/jegyzetek 2015 december 7 Filip Ferdinánd 2016 februar 9 Lineáris algebra 2 1 / 37 Az el adás vázlata Determináns Determináns
RészletesebbenLineáris algebra Gyakorló feladatok
Lineáris algebra Gyakorló feladatok. október.. Feladat: Határozzuk meg a, 4b, c és a b c vektorokat, ha a = (; ; ; ; b = (; ; ; ; c = ( ; ; ; ;.. Feladat: Határozzuk meg a, 4b, a, c és a b; c + b kifejezések
RészletesebbenMatematikai geodéziai számítások 5.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr Bácsatyai László Matematikai geodéziai számítások 5 MGS5 modul Hibaterjedési feladatok SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői jogról
RészletesebbenHipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok
STATISZTIKA 1. Előadás Hipotézisvizsgálatok Tematika 1. Hipotézis vizsgálatok 2. t-próbák 3. Variancia-analízis 4. A variancia-analízis validálása, erőfüggvény 5. Korreláció számítás 6. Kétváltozós lineáris
RészletesebbenMatematika A2 vizsga mgeoldása június 4.
Matematika A vizsga mgeoldása 03. június.. (a (3 pont Definiálja az f(x, y függvény határértékét az (x 0, y 0 helyen! Megoldás: Legyen D R, f : D R. Legyen az f(x, y függvény értelmezve az (x 0, y 0 pont
RészletesebbenGeodéziai mérések feldolgozását támogató programok fejlesztése a GEO-ban
Geodéziai mérések feldolgozását támogató programok fejlesztése a GEO-ban Gyenes Róbert, NYME GEO Geodézia Tanszék, Kulcsár Attila, NYME GEO Térinformatika Tanszék 1. Bevezetés Karunkon a hároméves nappali
RészletesebbenHipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás
STATISZTIKA Hipotézis, sejtés 11. Előadás Hipotézisvizsgálatok, nem paraméteres próbák Tudományos hipotézis Nullhipotézis felállítása (H 0 ): Kétmintás hipotézisek Munkahipotézis (H a ) Nullhipotézis (H
RészletesebbenSajátértékek és sajátvektorok. mf1n1a06- mf1n2a06 Csabai István
Sajátértékek és sajátvektorok A fizika numerikus módszerei I. mf1n1a06- mf1n2a06 Csabai István Lineáris transzformáció Vektorok lineáris transzformációja: általános esetben az x vektor iránya és nagysága
RészletesebbenKeresztmetszet másodrendű nyomatékainak meghatározása
BUDAPEST MŰSZAK ÉS GAZDASÁGTUDOMÁNY EGYETEM Keresztmetszet másodrendű nyomatékainak meghatározása Segédlet a Szilárdságtan c tárgy házi feladatához Készítette: Lehotzky Dávid Budapest, 205 február 28 ábra
RészletesebbenVektorterek. =a gyakorlatokon megoldásra ajánlott
Vektorterek =a gyakorlatokon megoldásra ajánlott 40. Alteret alkotnak-e a valós R 5 vektortérben a megadott részhalmazok? Ha igen, akkor hány dimenziósak? (a) L = { (x 1, x 2, x 3, x 4, x 5 ) x 1 = x 5,
RészletesebbenA kivitelezés geodéziai munkái II. Magasépítés
A kivitelezés geodéziai munkái II. Magasépítés Építésirányítási feladatok Kitűzési terv: a tervezési térkép másolatán Az elkészítése a tervező felelőssége Nehézségek: Gyakorlatban a geodéta bogarássza
RészletesebbenMatematikai geodéziai számítások 6.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr. Bácsatyai László Matematikai geodéziai számítások 6. MGS6 modul Lineáris regresszió számítás elektronikus távmérőkre SZÉKESFEHÉRVÁR 2010 Jelen szellemi
RészletesebbenMatematikai geodéziai számítások 7.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr. Bácsatyai László Matematikai geodéziai számítások 7. MGS7 modul Súlyozott számtani közép számítása és záróhibák elosztása SZÉKESFEHÉRVÁR 2010 Jelen
RészletesebbenSzinguláris érték felbontás Singular Value Decomposition
Szinguláris érték felbontás Singular Value Decomposition Borbély Gábor 7. április... Tétel (teljes SVD. Legyen A C m n mátrix (valósra is jó, ekkor léteznek U C m m és V C n n unitér mátrixok (valósban
RészletesebbenÚ Í Í í í ú Ő ü Ú É í í Ü ű ü ű í í í ű ü ú ü í ű ü ú ü ú ü ü ü ű ü Ú É í ú ü ü ü ú ü ü ú í ü ü ú ü í í ú ű í ú ű ü í í ü í Í í í ü í ú Ü Ú É í í í ü ü ü ú ú ü ü ú ü ü ú ú í í ű ü ü ü ű Á ü ú ű í í ü ü
RészletesebbenNyílt forráskódú szoftverek a geodéziai gyakorlatban. dr. Siki Zoltán BME Általános- és Felsőgeodézia Tanszék siki.zoltan@epito.bme.
Nyílt forráskódú szoftverek a geodéziai gyakorlatban dr. Siki Zoltán BME Általános- és Felsőgeodézia Tanszék siki.zoltan@epito.bme.hu Szoftver kategóriák licenc szerint Szabad szoftver (nyílt forráskódú)
RészletesebbenÉ Ü É ÉÉ Ú ű ű É Á Á Á Á Á Á ű Á Á Á É Ú Ö ű ű É ű É ű Ú ű ű ű ű É Á ű ű Á ű ű ű Ü Ü Ú Ü ű ű ű Ú Ö Ó Ú ű ű ű ű ű ű ű ű ű Ú Ú Ö Á ű ű ű ű Ü ű Ü ű ű Ü ű ű Ü Ú Ú Ö ű Á Á ű ű ű Ú Ü Ü ű ű ű ű Ú Ú Ú ű Ü ű ű
RészletesebbenGauss elimináció, LU felbontás
Közelítő és szimbolikus számítások 3. gyakorlat Gauss elimináció, LU felbontás Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor London András Deák Gábor jegyzetei alapján 1 EGYENLETRENDSZEREK 1. Egyenletrendszerek
RészletesebbenBeltéri geodéziai mikrohálózat létesítésének tapasztalatai
Beltéri geodéziai mikrohálózat létesítésének tapasztalatai Készítette: Nagy Nándor Antal Építőmérnök Bsc-s hallgató Konzulens: Dr. Égető Csaba Adjunktus, Általános- és Felsőgeodéziai Tanszék 1 Tartalomjegyzék
RészletesebbenVektorok, mátrixok, lineáris egyenletrendszerek
a Matematika mérnököknek I. című tárgyhoz Vektorok, mátrixok, lineáris egyenletrendszerek Vektorok A rendezett valós számpárokat kétdimenziós valós vektoroknak nevezzük. Jelölésükre latin kisbetűket használunk.
RészletesebbenAlap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )
Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9 http://www.vizgep.bme.hu Alap-ötlet:
Részletesebben1. Előadás: A mérnökgeodézia általános ismertetése. Alapfogalmak, jogszabályi háttér. Vízszintes értelmű alappont hálózatok tervezése, létesítése.
1. előadás: A mérnökgeodézia alapfogalmai 1. Előadás: A mérnökgeodézia általános ismertetése. Alapfogalmak, jogszabályi háttér. Vízszintes értelmű alappont hálózatok tervezése, létesítése. A mérnökgeodézia
RészletesebbenSzalai Péter. April 17, Szalai Péter April 17, / 36
Szociális hálók Szalai Péter April 17, 2015 Szalai Péter April 17, 2015 1 / 36 Miről lesz szó? 1 Megfigyelések Kis világ Power-law Klaszterezhetőség 2 Modellek Célok Erdős-Rényi Watts-Strogatz Barabási
Részletesebben6. gyakorlat. Gelle Kitti. Csendes Tibor Somogyi Viktor. London András. jegyzetei alapján
Közelítő és szimbolikus számítások 6. gyakorlat Sajátérték, Gersgorin körök Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor Vinkó Tamás London András Deák Gábor jegyzetei alapján . Mátrixok sajátértékei
Részletesebben3. el adás: Determinánsok
3. el adás: Determinánsok Wettl Ferenc 2015. február 27. Wettl Ferenc 3. el adás: Determinánsok 2015. február 27. 1 / 19 Tartalom 1 Motiváció 2 A determináns mint sorvektorainak függvénye 3 A determináns
RészletesebbenTotális Unimodularitás és LP dualitás. Tapolcai János
Totális Unimodularitás és LP dualitás Tapolcai János tapolcai@tmit.bme.hu 1 Optimalizálási feladat kezelése NP-nehéz Hatékony megoldás vélhetően nem létezik Jó esetben hatékony algoritmussal közelíteni
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
RészletesebbenNorma Determináns, inverz Kondíciószám Direkt és inverz hibák Lin. egyenletrendszerek A Gauss-módszer. Lineáris algebra numerikus módszerei
Indukált mátrixnorma Definíció A. M : R n n R mátrixnormát a. V : R n R vektornorma által indukált mátrixnormának nevezzük, ha A M = max { Ax V : x V = 1}. Az indukált mátrixnorma geometriai jelentése:
RészletesebbenGeoEasy lépésről lépésre
GeoEasy V2.5 GeoEasy lépésről lépésre Geodéziai Feldolgozó Program (c)digikom Kft. 1997-28 Ez az oktató anyag nem terjed ki a program használatának minden részletére, további információkat a súgóban találhat.
RészletesebbenMérnökgeodézia. A mérnöki létesítmények áttekintése, csoportosítása. A mérnöki létesítményekkel kapcsolatos alapfeladatok
Mérnökgeodézia A mérnöki létesítmények áttekintése, csoportosítása. A mérnöki létesítményekkel kapcsolatos alapfeladatok Kapcsolódó jogszabályok Főbb jogszabályok Építési törvény (Étv) Földmérési törvény
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.29. A statisztika típusai Leíró jellegű statisztika: összegzi egy adathalmaz jellemzőit. A középértéket jelemzi (medián, módus, átlag) Az adatok változékonyságát
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 8 VIII. REGREssZIÓ 1. A REGREssZIÓs EGYENEs Két valószínűségi változó kapcsolatának leírására az eddigiek alapján vagy egy numerikus
RészletesebbenSzámítógépes Grafika mintafeladatok
Számítógépes Grafika mintafeladatok Feladat: Forgassunk a 3D-s pontokat 45 fokkal a X tengely körül, majd nyújtsuk az eredményt minden koordinátájában kétszeresére az origóhoz képest, utána forgassunk
Részletesebben3. Előadás: Speciális vízszintes alappont hálózatok tervezése, mérése, számítása. Tervezés méretezéssel.
3. Előadás: Speciális vízszintes alappont hálózatok tervezése, mérése, számítása. Tervezés méretezéssel. Speciális vízszintes alappont hálózatok tervezése, mérése, számítása Egy-egy ipartelep derékszögű
Részletesebben5 1 6 (2x3 + 4) 7. 4 ( ctg(4x + 2)) + c = 3 4 ctg(4x + 2) + c ] 12 (2x6 + 9) 20 ln(5x4 + 17) + c ch(8x) 20 ln 5x c = 11
Bodó Beáta ISMÉTLÉS. ch(6 d.. 4.. 6. 7. 8. 9..... 4.. e (8 d ch (9 + 7 d ( + 4 6 d 7 8 + d sin (4 + d cos sin d 7 ( 6 + 9 4 d INTEGRÁLSZÁMÍTÁS 7 6 sh(6 + c 8 e(8 + c 9 th(9 + 7 + c 6 ( + 4 7 + c = 7 4
RészletesebbenGauss-Jordan módszer Legkisebb négyzetek módszere, egyenes LNM, polinom LNM, függvény. Lineáris algebra numerikus módszerei
A Gauss-Jordan elimináció, mátrixinvertálás Gauss-Jordan módszer Ugyanazzal a technikával, mint ahogy a k-adik oszlopban az a kk alatti elemeket kinulláztuk, a fölötte lévő elemeket is zérussá lehet tenni.
RészletesebbenYBL - SGYMMAT2012XA Matematika II.
YBL - SGYMMAT2012XA Matematika II. Tantárgyfelelős: Dr. Joós Antal Tárgyelőadó: Dr. Joós Antal Tantárgyi leírás Oktatási cél: Azoknak a matematikai alapoknak a megszerzése, melyek a szaktárgyak elsajátításához
RészletesebbenMinimum követelmények matematika tantárgyból 11. évfolyamon
Minimum követelmények matematika tantárgyból. évfolyamon A hatványozás általánosítása pozitív alap esetén racionális kitevőre. Műveletek hatványokkal. A, a 0 függvény. Az eponenciális függvény. Vizsgálata
RészletesebbenLineáris algebra és mátrixok alkalmazása a numerikus analízisben
Eötvös Loránd Tudományegyetem Természettudományi kar Lineáris algebra és mátrixok alkalmazása a numerikus analízisben Szakdolgozat Készítette: Borostyán Dóra Matematika BSc matematikai elemző Témavezető:
RészletesebbenGauss-eliminációval, Cholesky felbontás, QR felbontás
Közelítő és szimbolikus számítások 4. gyakorlat Mátrix invertálás Gauss-eliminációval, Cholesky felbontás, QR felbontás Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor London András Deák Gábor jegyzetei
RészletesebbenProblémás regressziók
Universitas Eotvos Nominata 74 203-4 - II Problémás regressziók A közönséges (OLS) és a súlyozott (WLS) legkisebb négyzetes lineáris regresszió egy p- változós lineáris egyenletrendszer megoldása. Az egyenletrendszer
RészletesebbenMatematikai programok
Matematikai programok Mátrixalapú nyelvek MatLab Wettl Ferenc diái alapján Budapesti M szaki Egyetem Algebra Tanszék 2017.11.07 Borbély Gábor (BME Algebra Tanszék) Matematikai programok 2017.11.07 1 /
RészletesebbenLin.Alg.Zh.1 feladatok
Lin.Alg.Zh. feladatok 0.. d vektorok Adott három vektor ā (0 b ( c (0 az R Euklideszi vektortérben egy ortonormált bázisban.. Mennyi az ā b skalárszorzat? ā b 0 + + 8. Mennyi az n ā b vektoriális szorzat?
RészletesebbenMatematikai programok
Matematikai programok Mátrixalapú nyelvek octave Wettl Ferenc Algebra Tanszék B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Wettl
RészletesebbenMátrixok 2017 Mátrixok
2017 számtáblázatok" : számok rendezett halmaza, melyben a számok helye két paraméterrel van meghatározva. Például lineáris egyenletrendszer együtthatómátrixa 2 x 1 + 4 x 2 = 8 1 x 1 + 3 x 2 = 1 ( 2 4
RészletesebbenVégeselem modellezés alapjai 1. óra
Végeselem modellezés alapjai. óra Gyenge alak, Tesztfüggvény, Lagrange-féle alakfüggvény, Stiness mátrix Kivonat Az óra célja, hogy megismertesse a végeselem módszer (FEM) alkalmazását egy egyszer probléma,
RészletesebbenGyakorló feladatok javítóvizsgára szakközépiskola matematika 9. évfolyam
Gyakorló feladatok javítóvizsgára szakközépiskola matematika 9. évfolyam Halmazok:. Adott két halmaz: A = kétjegyű pozitív, 4-gyel osztható számok B = 0-nél nagyobb, de 0-nál nem nagyobb pozitív egész
RészletesebbenA végeselem módszer alapjai. 2. Alapvető elemtípusok
A végeselem módszer alapjai Előadás jegyzet Dr. Goda Tibor 2. Alapvető elemtípusok - A 3D-s szerkezeteket vagy szerkezeti elemeket gyakran egyszerűsített formában modellezzük rúd, gerenda, 2D-s elemek,
RészletesebbenMatematika elméleti összefoglaló
1 Matematika elméleti összefoglaló 2 Tartalomjegyzék Tartalomjegyzék... 2 1. Sorozatok jellemzése, határértéke... 3 2. Függvények határértéke és folytonossága... 5 3. Deriválás... 6 4. Függvényvizsgálat...
Részletesebben9. Előadás. (9. előadás) Lineáris egyr.(3.), Sajátérték április / 35
9. Előadás (9. előadás) Lineáris egyr.(3.), Sajátérték 2019. április 24. 1 / 35 Portfólió-analízis Tegyük fel, hogy egy bank 4 különböző eszközbe fektet be (réz, búza, arany és kakaó). Az ügyfeleinek ezen
Részletesebben12. előadás. Egyenletrendszerek, mátrixok. Dr. Szörényi Miklós, Dr. Kallós Gábor
12. előadás Egyenletrendszerek, mátrixok Dr. Szörényi Miklós, Dr. Kallós Gábor 2015 2016 1 Tartalom Matematikai alapok Vektorok és mátrixok megadása Tömbkonstansok Lineáris műveletek Mátrixok szorzása
RészletesebbenKiegészítő előadás. Vizsgabemutató Matlab. Dr. Kallós Gábor, Dr. Szörényi Miklós, Fehérvári Arnold. Széchenyi István Egyetem
Kiegészítő előadás Vizsgabemutató Dr. Kallós Gábor, Dr. Szörényi Miklós, Fehérvári Arnold 2016 2017 1 Virágboltos feladat Egy virágboltban négyféle virágból állítanak össze csokrokat. Az első összeállítás
RészletesebbenMatematika tanmenet 10. évfolyam 2018/2019
Matematika tanmenet 10. évfolyam 2018/2019 Műveltségi terület: MATEMATIKA Iskola, osztályok: Vetési Albert Gimnázium, 10.A, 10.B, 10.C, 10.D Tantárgy: MATEMATIKA Heti óraszám: 3 óra Készítette: a matematika
RészletesebbenFeladatok a Gazdasági matematika II. tárgy gyakorlataihoz
Debreceni Egyetem Közgazdaságtudományi Kar Feladatok a Gazdasági matematika II tárgy gyakorlataihoz a megoldásra ajánlott feladatokat jelöli e feladatokat a félév végére megoldottnak tekintjük a nehezebb
RészletesebbenGeoEasy lépésről lépésre
GeoEasy lépésről lépésre GeoEasy V2.05+ Geodéziai Feldolgozó Program (c)digikom Kft. 1997-2010 Ez az oktató anyag nem terjed ki a program használatának minden részletére, további információkat a súgóban
RészletesebbenMatlab alapok. Baran Ágnes
Matlab alapok Mátrixok Baran Ágnes Mátrixok megadása Mátrix megadása elemenként A = [1, 2, 3; 4, 5, 6; 7, 8, 9] vagy A = [1 2 3; 4 5 6; 7 8 9] eredménye: A = 1 2 3 4 5 6 7 8 9 (Az egy sorban álló elemeket
Részletesebben12 48 b Oldjuk meg az Egyenlet munkalapon a következő egyenletrendszert az inverz mátrixos módszer segítségével! Lépések:
A feladat megoldása során az Excel 2010 használata a javasolt. A feladat elvégzése során a következőket fogjuk gyakorolni: Egyenletrendszerek megoldása Excelben. Solver használata. Mátrixműveletek és függvények
RészletesebbenPROGRAMOK GEODÉZIAI MÉRÉSEK FELDOLGOZÁSÁRA
Térinformatika tanszék * Keresztmetszet 2004. Nyugat-Magyarországi Egyetem, Geoinformatikai Főiskolai Kar, Székesfehérvár. PROGRAMOK GEODÉZIAI MÉRÉSEK FELDOLGOZÁSÁRA Kulcsár Attila * Gyenes Róbert ** *
RészletesebbenA mérés problémája a pedagógiában. Dr. Nyéki Lajos 2015
A mérés problémája a pedagógiában Dr. Nyéki Lajos 2015 A mérés fogalma Mérésen olyan tevékenységet értünk, amelynek eredményeként a vizsgált jelenség számszerűen jellemezhetővé, más hasonló jelenségekkel
RészletesebbenGPK M1 (BME) Interpoláció / 16
Interpoláció Matematika M1 gépészmérnököknek 2017. március 13. GPK M1 (BME) Interpoláció 2017 1 / 16 Az interpoláció alapfeladata - Példa Tegyük fel, hogy egy ipari termék - pl. autó - előzetes konstrukciójának
RészletesebbenA Föld alakja TRANSZFORMÁCIÓ. Magyarországon még használatban lévő vetületi rendszerek. Miért kell transzformálni? Főbb transzformációs lehetőségek
TRANSZFORMÁCIÓ A Föld alakja -A föld alakja: geoid (az a felület, amelyen a nehézségi gyorsulás értéke állandó) szabálytalan alak, kezelése nehéz -A geoidot ellipszoiddal közelítjük -A földfelszíni pontokat
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen
RészletesebbenLin.Alg.Zh.1 feladatok
LinAlgZh1 feladatok 01 3d vektorok Adott három vektor ā = (0 2 4) b = (1 1 4) c = (0 2 4) az R 3 Euklideszi vektortérben egy ortonormált bázisban 1 Mennyi az ā b skalárszorzat? 2 Mennyi az n = ā b vektoriális
RészletesebbenBAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.
BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011. 1 Mérési hibák súlya és szerepe a mérési eredményben A mérési hibák csoportosítása A hiba rendűsége Mérési bizonytalanság Standard és kiterjesztett
RészletesebbenStatisztika I. 9. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 9. előadás Előadó: Dr. Ertsey Imre Statisztikai hipotézis vizsgálatok elsősorban a biometriában alkalmazzák, újabban reprezentatív jellegű ökonómiai vizsgálatoknál, üzemi szinten élelmiszeripari
RészletesebbenGBN304G Alkalmazott kartográfia II. gyakorlat
GBN304G Alkalmazott kartográfia II. gyakorlat TEREPI FELMÉRÉSI FELADATOK Unger János unger@geo.u @geo.u-szeged.hu www.sci.u-szeged.hu/eghajlattan szeged.hu/eghajlattan Földtudományi BSc (Geográfus, Földrajz
RészletesebbenTartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE
Tartalomjegyzék 5 Tartalomjegyzék Előszó I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE 1. fejezet: Kontrollált kísérletek 21 1. A Salk-oltás kipróbálása 21 2. A porta-cava sönt 25 3. Történeti kontrollok 27 4. Összefoglalás
RészletesebbenSTATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba
Egymintás u-próba STATISZTIKA 2. Előadás Középérték-összehasonlító tesztek Tesztelhetjük, hogy a valószínűségi változónk értéke megegyezik-e egy konkrét értékkel. Megválaszthatjuk a konfidencia intervallum
RészletesebbenLineáris leképezések (előadásvázlat, szeptember 28.) Maróti Miklós, Kátai-Urbán Kamilla
Lineáris leképezések (előadásvázlat, 2012. szeptember 28.) Maróti Miklós, Kátai-Urbán Kamilla Ennek az előadásnak a megértéséhez a következő fogalmakat kell tudni: homogén lineáris egyenletrendszer és
RészletesebbenBevezetés a hipotézisvizsgálatokba
Bevezetés a hipotézisvizsgálatokba Nullhipotézis: pl. az átlag egy adott µ becslése : M ( x -µ ) = 0 Alternatív hipotézis: : M ( x -µ ) 0 Szignifikancia: - teljes bizonyosság csak teljes enumerációra -
RészletesebbenMátrixhatvány-vektor szorzatok hatékony számítása
Mátrixhatvány-vektor szorzatok hatékony számítása Izsák Ferenc ELTE TTK, Alkalmazott Analízis és Számításmatematikai Tanszék & ELTE-MTA NumNet Kutatócsoport munkatárs: Szekeres Béla János Alkalmazott Analízis
RészletesebbenKísérlettervezés alapfogalmak
Kísérlettervezés alapfogalmak Rendszermodellezés Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Kísérlettervezés Cél: a modell paraméterezése a valóság alapján
RészletesebbenDiszkrét matematika I., 12. előadás Dr. Takách Géza NyME FMK Informatikai Intézet takach november 30.
1 Diszkrét matematika I, 12 előadás Dr Takách Géza NyME FMK Informatikai Intézet takach@infnymehu http://infnymehu/ takach 2005 november 30 Vektorok Definíció Egy tetszőleges n pozitív egész számra n-komponensű
RészletesebbenStatikailag határozatlan tartó vizsgálata
Statikailag határozatlan tartó vizsgálata Készítette: Hénap Gábor henapg@mm.bme.hu E E P MT A y F D E E d B MT p C x a b c Adatok: a = m, p = 1 N, b = 3 m, F = 5 N, c = 4 m, d = 5 mm. m A kés bbikekben
RészletesebbenTANMENET. Matematika
Bethlen Gábor Református Gimnázium és Szathmáry Kollégium 6800 Hódmezővásárhely, Szőnyi utca 2. Telefon: +36-62-241-703 www.bgrg.hu OM: 029736 TANMENET Matematika 2016/2017 9. B tagozat Összeállította:
RészletesebbenLineáris leképezések. 2. Lineáris-e az f : R 2 R 2 f(x, y) = (x + y, x 2 )
Lineáris leképezések 1 Lineáris-e az f : R 2 R 2 f(x, y = (3x + 2y, x y leképezés? A linearitáshoz ellen riznünk kell, hogy a leképzés additív és homogén Legyen x = (x 1, R 2, y = (y 1, y 2 R 2, c R Ekkor
Részletesebben