MEGBIZHAT OS AG MODELLEZES. M}uszaki informatika szak. Hibat}ur}o rendszerek modul. 1997/ felev. Jereb Laszlo, Telek Miklos,

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "MEGBIZHAT OS AG MODELLEZES. M}uszaki informatika szak. Hibat}ur}o rendszerek modul. 1997/ felev. Jereb Laszlo, Telek Miklos,"

Átírás

1 MEGBIZHAT OS AG MODELLEZES M}uszaki informatika szak Hibat}ur}o rendszerek modul 1997/ felev Jereb Laszlo, Telek Miklos, Horvath Andras, Pfening Andras

2

3 Tartalomjegyzek 1. MEGBIZHAT OS AGI MOTIV ACI OK, ALAPFOGALMAK A megbzhatosagelmelet jelent}osege Informacios tarsadalom Meghibasodasok A tantargy Tartalmi kerdesek A megbzhatosag jellemzese A megbzhatosag fogalma A meghibasodasi-javtasi folyamat jellemz}oi A meghibasodasi tenyez}o ((t)) f(t) alkalmazasanak korlatai (t) bevezetese (t) id}ofuggese igenybevetel- es kornyezetfuggese Alkatreszek megbzhatosagi modellezese Alkatresz megbzhatosagi adatok forrasa Alkatresz megbzhatosagi modellek Komplex modellek implementalasa Peldak NEMJAVITOTT RENDSZEREK MEGBIZHAT OS AGA Redundanciamentes (soros) rendszer Redundanciamentes rendszer fogalma Redundanciamentes rendszer szamtasa Redundans alapstrukturak megbzhatosaga Melegtartalekolt rendszer megbzhatosagi jellemz}oi Hidegtartalekolt rendszer megbzhatosagi jellemz}oi Csokkentett terheles}u tartalek n-b}ol k jo rendszer megbzhatosagi jellemz}oi i

4 2.3. Osszetett redundans rendszerek Soros-parhuzamos rendszerek Majoritasos rendszer megbzhatosagi jellemz}oi Atkapcsolo tartalekolasu rendszer megbzhatosagi jellemz}oi Nemjavtott rendszerek szamtasi modszerei Megbzhatosagi blokkdiagram A teljes valoszin}useg tetel alkalmazasa Halozatmegbzhatosag szamtasi modszerek Vagatmeghatarozas (cut set) Utmeghatarozas (tie set) Esemenyfa meghatarozas (event tree) Kapcsolat matrix (connection matrix) Hibafa analzis (fault tree) Modellezesi alapelemek (szimbolumok) Analzis lepesek Gyakorlatok nemjavtott rendszerek modellezesere, szamtasara JAVITOTT RENDSZEREK MEGBIZHAT OS AGA Kiindulopontok Diszkret idej}u (veges) Markov lancok Markovitas es tulajdonsagai A hatareloszlas Bolyongasok (diszkret idej}u szuletesi-halalozasi folyamatok) Peldak Folytonos idej}u veges Markov lancok Markov tulajdonsag A hatareloszlas Szuletesi-halalozasi folyamatok (folytonos idej}u) A tranziens eloszlas Allapotok tartasid}o eloszlasa Ketallapotu pelda a tranziens es egyensulyi eloszlas el}oalltasara Folytonos idej}u Markov lancok alkalmazasa a megbzhatosagi modellezesben Megfeleltetesek Rendszerek megbzhatosagi jellemz}oi Rendszerek megbzhatosagi jellemz}oinek el}oalltasa Mintapelda Mintapeldak markovi modellek alkalmazasara Ketegyseges csokkentett terheles}u tartalek ii

5 Ketegyseges rendszer az egysegek ket hibas allapotaval Ketegyseges melegtartalek ket hibas allapotu atkapcsoloval Majoritasos rendszer Osszefoglalas Markovi modellek feleptese es alkalmazasa (otletek) Fuggetlen reszegysegek halozatok Kitekintes FONTOSABB TOV ABBLEPESI IR ANYOK NEH ANY JELLEMZ }OJE A markovi apparatus kiterjesztese Petri-halok es alkalmazasuk a megbzhatosagelmeletben Hozam modellezes iii

6 2

7 1. fejezet MEGBIZHAT OS AGI MOTIV ACI OK, ALAPFOGALMAK 1.1. A megbzhatosagelmelet jelent}osege Informacios tarsadalom 1. Szamtastechnikai alkalmazasi motivaciok (gyors, pontos munka) bonyolult feladatok elvegzese (pl. er}om}uvi szabalyozas) id}oigenyes tevekenyseg (pl. tudomany) elosztott informacio, adatbazis (pl. repul}ogepes helyfoglalas) 2. Mind szelesebb kor}u, fontos szamtastechnikai alkalmazas egyre bonyolultabb funkciok egyre bonyolultabb rendszerek 3. Novekv}o felhasznaloi kockazat kornyezet informaciok (pl. adatbazisok) eszkozok ember Kritikusak a meghibasodasok! megbzhatosag! 3

8 Meghibasodasok 1. Problema: a meghibasodasok veletlenszer}uen keletkeznek 2. Cel: nem kiszamthato id}opontban nem kiszamthato helyen meghibasodasok bekovetkezesenek megakadalyozasa, de legalabb a hatasuk korlatozasa 3. Lehet}oseg a meghibasodas bekovetkezesenek megakadalyozasaban nagymegbzhatosagu alkatelemek (pl. redundans) megbzhatosagnovelesi modszerek alkalmazasa (pl. alulterheles) 4. Lehet}oseg a meghibasodas hatasanak korlatozasaban terben (redundancia) id}oben (karbantartas, javtas) 5. Beavatkozasi lehet}oseg gyartok, felhasznalok, szolgaltatok, szolgaltatas igenybe vev}ok elter}o lehet}osegek a meghibasodasok megakadalyozasaban vagy a meghibasodasok hatasanak korlatozasaban 6. A kulonboz}o beavatkozasi lehet}osegek hatasara elter}o a koltsegek megosztasa is el}oalltasi, uzemeltetesi koltseg kockazat, veszteseg (pl. kotber) 7. Gazdasagos m}uszaki kompromisszumot kell talalni, tehat: ismerni kell a meghibasodasok bekovetkezesi jellemz}oit tudni kell megakadalyozasuk, korlatozasuk lehet}osegeit fel kell tudni merni a megoldasok hatasat (javulas, koltseg) de altalaban csak olyan termeket szabad letrehozni, amire adott az igeny, azaz megterul, megzetnek! mernoki tervezesi-alkalmazasi tevekenyseg kulcskerdese 4

9 1.2. A tantargy Tartalmi kerdesek 1. A tantargy celja a megbzhatosagelmelet alapfogalmainak, modelljeinek, szamtasi modszereinek megismertetese 2. A tantargy kornyezete el}ozmenyek { Valoszin}usegszamtas { Informatika { Hibat}ur}o szamtogepstrukturak { Programozas es diagnosztika folytatas { Hibat}ur}o rendszerek tervezese 3. A tantargy feleptese Mir}ol szol a targy? megbzhatosagi alapfogalmak: a megbzhatosag modellezese alkatreszek megbzhatosaga: alkatreszmegbzhatosag modellezese, el}orejelzese nem javtott rendszerek megbzhatosaga: rendszerek megbzhatosaganak meghatarozasa rendszerelemek megbzhatosagi jellemz}oi alapjan javtott rendszerek megbzhatosaga: javtasok, karbantartas modellezese, hatasuk a rendszerek megbzhatosagi jellemz}oire megbzhatosag es teljest}okepesseg: nem idealis megbzhatosagu rendszerek teljest}okepessegenek modellezese 4. Mir}ol nem szol a targy? alkatreszmegbzhatosag zikai kerdesei konkret megbzhato aramkori megoldasok konkret megbzhato rendszerek Azaz csak az elmeleti szempontok, modellek, szamtasi modszerek! 5

10 1.3. A megbzhatosag jellemzese A megbzhatosag fogalma 1. A megbzhatosag denicioja A termek azon tulajdonsaga, hogy el}ort funkcioit, adott korulmenyek kozott teljesti. 2. A megbzhatosag jellemzesenek problemai termek min}osege: altalanosan sokparameter}u termek parameterei: fx(t) = fx i (t)g; i = 1; 2; ; ng egy sokdimenzios veletlen folyamat, ahol X i (t) valos kezdetben lesz}uktjuk erdekl}odesunket a ketallapotu esetre, azaz, feltesszuk, hogy a termek eleget tesz a vele szemben tamasztott kovetelmenyeknek, ha X(t) 2 U, s nem tesz eleget, ha X(t) 2 D, ahol X = U [ D; U \ D = ; a termek parametervaltozanak demonstralasa egy ketdimenzios abran A meghibasodasi-javtasi folyamat jellemz}oi 1. Meghibasodasi/javtasi folyamatok jellemz}oi t 0 ; t 2 ; t 4 ; ; t 2n ; : az n + 1. m}ukodesi id}oszakasz kezdete t 1 ; t 3 ; ; t 2n 1 ; : az n. kiesesi id}oszakasz kezdete (az n. meghibasodas id}opontja) n = t 2n 1 t 2n 2 : az n. m}ukodesi id}oszakasz hossza (veletlen valtozo) n = t 2n t 2n 1 : az n. kiesesi id}oszakasz hossza (veletlen valtozo) n = n + n = t 2n t 2n 2 : az n. m}ukodesi-kiesesi ciklus hossza (veletlen valtozo) F n (t) = P r( n t): az n. m}ukodesi id}oszakasz hosszanak eloszlasfuggvenye G n (t) = P r( n t): az n. javtasi id}oszakasz hosszanak eloszlasfuggvenye H n (t) = P r( n t): az n. m}ukodesi-javtasi id}oszakasz hosszanak eloszlasfuggvenye 6

11 f n (t): az n. m}ukodesi id}oszakasz hosszanak s}ur}usegfuggvenye, (ha letezik) f n (t) = df n(t) dt Altalaban letezik, mivel nincsenek kituntetett meghibasodasi id}opontok g n (t): az n. kiesesi id}oszakasz hosszanak s}ur}usegfuggvenye, (ha letezik) g n (t) = dg n(t) dt Sokszor nem letezik, mivel lehetnek megadott hosszusagu javtasi id}oszakaszok h n (t): az n. m}ukodesi-kiesesi id}oszakasz hosszanak s}ur}usegfuggvenye, (ha letezik) h n (t) = f n (t) g n (t) = a ket id}oszakasz konvolucioja 2. Nem javtott es javtott rendszerek fogalma nem javtott rendszerek { 0 < 1 < 1 { 1 = 1 { 1 = 1 javtott rendszerek { 0 < k < 1; 8k = 1; 2; { 0 < k < 1; 8k = 1; 2; { 0 < k < 1; 8k = 1; 2; Z t 0 f n ()g n (t )d; 7

12 3. Nem javtott rendszerek megbzhatosagi jellemz}oi alapjellemz}o: r(t), a hibamentes m}ukodes valoszin}usege (sokszor megbzhatosagnak nevezik, survivability reliability): A deniciobol kovetkez}oen: r(t) = P(X(s) 2 U; 80 s t) = P( 1 > t) = 1 F (t) (1.1) r(t) tulajdonsagai: { r(0) = 1, kezdetben minden termek jo (?) { lim t!1 r(t) = 0, valamikor minden termek meghibasodik { r(t) monoton fogyo, (s}ot szigoruan monoton is, ha nincsenek garantaltan hibamentes id}oszakaszok) q(t) = P (9s t; amelyre X(s) 2 D): nevezik. A deniciobol kovetkez}oen: sokszor megbzhatatlansagnak q(t) = P(9s t : X(s) 2 D) = P( 1 t) = F (t) (1.2) q(t) tulajdonsagai: eloszlasfuggveny tulajdonsagok { q(0) = 0 { lim t!1 q(t) = 1 { q(t) monoton nov}o MT F F = E( 1 ): az els}o meghibasodas varhato ideje (Mean Time to First Failure) (altalanosan tetszes szerinti magasabb momentumok is) MT F F es r(t) kapcsolata: MT F F = E[ 1 ] = Z 1 t=0 tdf (t) = Z 1 t=0 tdr(t) = [r(t) t] Z 1 0 r(t)dt amelyb}ol, ha limt r(t) = 0 (ami teljesul, ha E[ 1 ] veges), akkor t!1 MT F F = Z 1 0 r(t)dt (1.3) 8

13 4. Javtott rendszerek megbzhatosagi jellemz}oi alapjellemz}o: d(t), rendelkezesreallasi valoszin}useg: dependability keszenleti tenyez}o: availability ha letezik. id}oparameterek: d(t) = P(X(t) 2 U) (1.4) K = lim t!1 d(t) (1.5) { MUT n = E[ n ]: varhato m}ukodesi id}o (Mean Up Time) { MDT n = E[ n ] : varhato kiesesi id}o (Mean Down Time) { MCT n = E[ n ] = E[ n ]+E[ n ] : varhato ciklusid}o (Mean Cycle Time) K es az id}oparameterek kapcsolata, ha { E( n ) = MUT; 8n { E( n ) = MDT; 8n { E( n ) = MCT = MUT + MDT; 8n akkor K = MUT MUT + MDT 5. A min}osegvaltozas demonstralasa egy ketertek}u (U, D) abraval (1.6) 9

14 t i N(t i ) N(t i 1 ) N(t i ) tablazat: A m}ukodesi id}o hisztogramjanak meghatarozasahoz vegzett kserlet eredmenyei 1.4. A meghibasodasi tenyez}o ((t)) f(t) alkalmazasanak korlatai 1. Legyen N(t i ) a t i id}opontban m}ukod}o alkatreszek szama 2. Ekkor r(t) becslese: 3. f(t) becslese: ^r(t i ) = N(t i) N(t 0 ) ^f(t i ) = N(t i 1) N(t i ) N(t 0 ) 1 t 4. f(t) alkalmazasanak demonstralasa: pl. 100 alkatresz, javtas es csere nelkuli m}ukodtetese (ld tablazat) (Kerdes: Javul, romlik vagy valtozatlan az alkatresz?) (t) bevezetese 1. (t) meghibasodasi tenyez}o (intenzitas) failure rate N(t i 1 ) N(t i ) N(t i 1 ) 1 t = N (t i 1) N (t i ) N (t 0 ) N (t i 1) N (t 0 ) 1 t = ^f(t) ^r(t) (t) = f(t) r(t) (1.7) 2. dimenzioja: 1=ora, 1=h, 1 FIT = 1:0e 9 =h 10

15 t r(t) : : tablazat: Nehany hibamentes m}ukodesi valoszin}useg eredmeny = 10 6 /ora eseten 3. (t) kapcsolata r(t)-vel (t) = 1 df (t) = 1 dr(t) r(t) dt r(t) dt (1.8) A dierencialegyenletet megoldva: Z t amib}ol r(0) = 1 kezdeti feltetel mellett: (t) id}ofuggese 1. a tekn}ogorbe es szakaszai I. kezdeti meghibasodasi szakasz 0 (u) du = ln r(t) ln r(0); { gyartasi, tervezesi hibak { bejaratasi, karbantartasi kerdesek II. veletlen meghibasodasok szakasza III. elhasznalodasi szakasz { oregedes, kopas { karbantartasi kerdesek elettartam es varhato m}ukodesi id}o kapcsolata 2. exponencialis eloszlas, orokifjusag r(t) = e R t 0 (u)du (1.9) exponencialis szakasz jellege, fuggvenyei (r(t); F (t); f(t)) { (t) = ; 8 t 11

16 { f(t) = e t { r(t) = e t { F (t) = 1 e t MTFF meghatarozasa: MT F F = Z 1 mivel a L'Hospital szabaly alkalmazasaval: Igy 0 r(t)dt ; lim t r(t) = lim t!1 t!1 e t = 0; MT F F = Z 1 0 r(t)dt = Z 1 0 e t dt = 1 [e t ] 1 0 = 1 (1.10) orokifjusag demonstralasa P ( t + tj t; t 0) = r(t + t) r(t) = e (t+t) e t = e (t) Csak a t id}okulonbsegt}ol fugg, s nem fugg t-t}ol kozvetlenul! exponencialis eloszlas alkalmazasa: veletlen szakasz exponencialis eloszlas kozeltese r(t) = 1X k=0 ( t) k k! = 1 t + 0:5 ( t) 2 ::: ha t < 0:1, akkor jo kozeltessel r(t) = 1 t 3. egyeb m}ukodesi id}o eloszlasok normalis eloszlas { f(t) = 1 p (t m) 2 2 e 2 2 { r(t) = { (t) = 1 p 2 Z 1 t e (t m)2 2 2 R 1 t e (t m)2 2 2 dt e (t m)2 2 2 dt 12

17 { alkalmazas: oreged}o alkatreszek m > 3 Weibull eloszlas (b t)a { r(t) = e (b t)a { F (t) = 1 e { f(t) = a b (b t) a 1 (b t)a e { (t) = a b (b t) a 1 { alkalmazas: mindharom tekn}ogorbe szakasz lerasara alkalmas I. szakasz: a < 1 II. szakasz: a = 1,! = b III. szakasz: a > 2 megjegyzes: 1 < a 2 lognormalis eloszlas { ha Y lognormalis eloszlasu v.v. akkor logy normalis eloszlasu (innet szarmazik az elnevezese), es ugyan ugy ket parameterrel adhato meg az eloszlas { alkalmazas: oreged}o alkatreszek m < igenybevetel- es kornyezetfuggese 1. megbzhatosagi adatok, megbzhatosagi jellemz}ok meghatarozasa uzemeltetesi adatok (elter}o korulmenyek osszevetese) gyartonal vegzett vizsgalatok (alapadatok, kulonboz}o tenyez}ok hatasanak elemzese) eredmeny: ( = (h}omerseklet, kornyezet...)) 2. igenybevetel- es kornyezetfugges gyelembevetele csokkentett terheles (derating) gyorstott elettartam vizsgalatok hatasanak elemzese) 3. igenybeveteli (stressz) es kornyezeti alapmodellek es kornyezet: (kategoria peldak) { foldi rogztett, mobil { hajo, repul}ogep, raketa 13

18 { hatasa: ket nagysagrenddel novekv}o es h}omerseklet: { Arrhenius torvenyb}ol szarmaztatva: = 0 e Ea k ( 1 T 0 1 T ) (1.11) Jelolesek: E a : aktivacios energia [ev] k: Boltzmann allando 1: J=K = 8: ev=k T; T 0 : h}omerseklet [K] { 2-es alapu kozeltes = 0 e Ea k T T 0 T T 0 = 0 2 # # f (1.12) ahol # f = kt T 0 E a log 2 e, mivel ex = 2 xlog 2e Jelolesek: # = # # 0 = T T 0 : h}omersekletkulonbseg [C] # f : felelettartamhoz tartozo h}omersekletkulonbseg [C] es terheles jellegzetesen: Jelolesek: = 0 ( S S 0 ) i (1.13) { S; S 0 : terheles (U; I; P ), illetve nevleges terheles (U 0 ; I 0 ; P 0 ) { i = 3:::8: kitev}o (jelent}os hatas) es ciklikus igenybevetel: ciklusszam - id}o megfeleltetes es tanulas: uj, bejaratott gyartmany (10, 1 szorzo) es min}oseg: alkatresztpus, stb. fugg}o es technologia: alkatresztpus-fugg}o 4. becslese meghibasodasi adatok alapjan N elem}u mintahalmazt vizsgalunk, a vizsgalati id}oszakban K elem hibasodik meg 1 ; : : : ; K (hiba id}ok, nem cenzoralt adatok), id}opontokban 14

19 N K elem eseten a vizsgalatot abbahagyjuk 1 ; : : : ; N K id}opontokban az elem meghibasodasa elott (leallasi id}ok, cenzoralt adatok) ezekhez az adatokhoz tartozo likelihood fuggveny megadja, hogy adott eseten mennyire valoszn}u az adatok el}ofordulasa F L ( 1 ; : : : ; K ; 1 ; : : : ; N K ; ) = KY i=1 f ( i ) Y N K i=1 (1 F ( i )) a likelihood fuggveny maximumahoz tartozo ertekkel becsulhet}o a meghibasodasi tenyez}o a rendelkezesre allo adatok alapjan. mivel a likelihood fuggveny szorzatokbol all, es mivel a likelihood fuggvenynek es logaritmusanak ugyan azon erteknel van maximuma, gy a gyakorlatban a likelihood fuggveny logaritmusat hasznaljak. 15

20 1.5. Alkatreszek megbzhatosagi modellezese Alkatresz megbzhatosagi adatok forrasa 1. uzemeltetesi tapasztalatok (eld data) el}onyok: { \pontos" informacio hatranyok: { tulzottan kes}on all rendelkezesre (uzemeltetes megkezdese utan) { a pontos uzemeltetesi korulmenyek nem allnak rendelkezesre { egyeb motivaciok (pl. a szervizszemelyzet erdekeltsege) 2. fokozott igenybevetel melletti vizsgalatok el}onyok: { gyartonal letrehozott feltetelek { ismert, attekinthet}o korulmenyek { hasznalatavetel el}otti eredmenyek hatranyok: { meresi koltsegek { egyedi termeknel nem megoldas 3. azonos technologiaju, hasonlo bonyolultsagu alkatreszek adataibol szarmaztatassal el}onyok: { nem igenyel specialis beruhazast, csak egy szervezeti hatteret { az uzemeltetesi adatgy}ujteshez hasonlo pontossag { hasznalatavetel el}otti eredmenyek hatranyok: { jelent}os valtoztataskor nincs megfelel}o adat 16

21 Alkatresz megbzhatosagi modellek 1. gyartok, felhasznalok modelljei (pl. Siemens, Ericsson) 2. komplex "fuggetlen" modellek (legjellemz}obb a MIL-HDBK/217) 3. peldak: monolit IC: Jelolesek: p = Q [C 1 T V P T + (C 2 + C 3 ) E ] L (1.14) { Q : min}osegi tenyez}o { T : h}omersekleti tenyez}o (Arrchenius) { V : feszultseg gyorstasi tenyez}o { P T : programozasi tenyez}o (csak PROM-ra) { E : kornyezeti tenyez}o { L : tanulasi tenyez}o { C 1 ; C 2 : allando, bonyolultsagtol fugg { C 3 : allando, tokozastol fugg kondenzator: { b : alaplambda { SR : soros ellenallas tenyez}oje { CV : nevleges kapacitas tenyez}oje { C : konstrukcios tenyez}o Komplex modellek implementalasa p = b Q E SR CV C (1.15) 1. RELECT: RELCOM: BME - HT, laboratoriumi gyakorlatok 2. rugalmas feleptes, tetszes szerinti szovegesen megadhato modell 3. alkatreszek, megbzhatosagi modellek (alkatreszek modellhez rendelese) 4. alkatresz- es modelljellemz}ok, fuggvenyek es tablazatok 5. szamtasok, osszehasonltasok 6. MIL-HDBK/217E implementalva 17

22 Peldak 1. pelda: Adott egy IC, amelyre = 100 F IT. Mekkora r(1 ev)? t = 1 ev = 8760 ora ' 10 4 ora, ahonnan: t = q(1 ev) ' 10 3 Vajon mi tortenik, ha 100 darab alkatreszunk van? (0:1!!) 2. pelda: Egy integralt aramkorre v = 85 C -on vizsgalatokat vegeztek, ahol v = 2:210 7 =h erteket hataroztak meg. Az alkatreszt N = 55 C-on akarjak m}ukodtetni. Mekkora lesz a N nevleges meghibasodasi tenyez}o, ha E A = 0:25eV? Az Arrchenius torveny alkalmazasaval: 1eV=k = 1: K, ahonnan 0:25 ev=k = 2900 K, s gy N v = e EA k ( 1 Tv 1 T N ) = e 2900( ) = 1 2:1 Tehat: N = 2:2 2: =h '= 10 7 =h = 100 F IT 3. pelda: Egy ellenallasra a nevleges N = 25 C h}omersekleten N = 200 F IT. Az alkatreszt a = 75 C-on akarjak m}ukodtetni. Mekkora lesz a a aktualis meghibasodasi tenyez}o, ha f = 10 C? Megoldas: Tehat: a = 2 f N = = 2 5 = 32 a = = 6:410 6 =h 18

23 2. fejezet NEMJAVITOTT RENDSZEREK MEGBIZHAT OS AGA 2.1. Redundanciamentes (soros) rendszer Redundanciamentes rendszer fogalma 1. a rendszer m}ukodesehez minden elem m}ukodesere szukseg van 2. grakus abrazolas 3. elemek funkcionalis kapcsolata (nem azonos a strukturalissal) 4. (kapcsoloelemre nincs szukseg) Redundanciamentes rendszer szamtasa 1. legyen adott egy rendszer n elemmel az egyes elemek meghibasodasi id}opontja i ; i = 1; :::; n az egyes elemek meghibasodasi id}opontjanak eloszlasfuggvenye F i (t) = P ( i t); i = 1; :::; n kerdes: = min i ; i = 1; :::; n, F s (t) = P ( t) megoldas: F s (t) = P ( t) = P (min i t) = 1 P (min i > t) = 1 P ( i > t; 8i) 19

24 Ha a i meghibasodasi id}opontok mindegyike fuggetlen egymastol: (nem szigoru feltetel, csak az els}o meghibasodasi id}opontig kell teljesulnie) F s (t) = 1 ny i=1 P ( i > t) = 1 ny (1 P ( i t) = 1 ny i=1 i=1 (1 F i (t)) amib}ol 1 F s (t) = ny (1 F i (t)); i=1 es r s (t) = ny r i (t) = ny e R t 0 i(u) du = e R t 0 P n i=1 i(u) du (2.1) i=1 i=1 2. exponencialis eloszlasra: r s (t) = ny i=1 r i (t) = e P n i=1 it = e st (2.2) ahol s = nx i=1 i MT F F s = 1 s = 1 nx i=1 i (2.3) 3. kovetkezmeny, problema 4. pelda novekv}o alkatreszszam, novekv}o osszetettebb funkciokbol elvileg a kisebb megbzhatosag kovetkezne miniaturizacio: azonos feluleten azonos megbzhatosagot cellal de mindenkeppen szukseg van megbzhatosag novelesi modszerekre adott egy egyszer}u soros rendszer, a felelettartamhoz tartozo h}omersekletekkel a nevleges h}omerseklet: N = 25 C az uzemi h}omerseklet: a = 55 C 20

25 = 25 = 55 alkatresz n i i n i i fi a i a i i a i n i i IC ell kond forr ossz tablazat: Egyszer}u soros rendszer megbzhatosaganak szamtasa ([] = F IT ) Kerdes: Mekkora a rendszer varhato meghibasodasi ideje a nevleges es az uzemi h}omersekleten? MT F F s ( = 25) = MT F F s ( = 55) = Xn k i=1 Xn k i=1 1 1 n i i = a i n i i = MT F F s ( = 25) MT F F s ( = 55) = 6: = 1: =h = 1: =h azaz a rendszer romlasa 6.2-szeres. Megjegyzes: Vigyazat! Ez egy atlagos ertek, nem igaz minden alkatreszre! 5. megbzhatosag novelesi modszerek meghibasodasok szamanak csokkentese { keves alkatresz { kicsi { csokkentett teheles (derating) { azonos ertekre torekves meghibasodasok hatasanak csokkentese { redundancia { fenntartas, javtas { ket megoldas (redundancia, fenntartas) egyuttes alkalmazasa 21

26 2.2. Redundans alapstrukturak megbzhatosaga 1. aktv redundancia: forrotartalekolt rendszer ("melegtartalek") a rendszer n (azonos) elemb}ol all a rendszer m}ukodesehez egyetlen elem m}ukodesere van szukseg a "funkcioban" vagy tartalekban lev}o elemek meghibasodasi tenyez}oje kozott nincs kulonbseg grakus abrazolas elemek funkcionalis kapcsolata (nem azonos a strukturalissal) kapcsoloelemre nincs szukseg 2. passzv redundancia: hidegtartalekolt rendszer a rendszer n (azonos) elemb}ol all a rendszer m}ukodesehez egyetlen elem m}ukodesere van szukseg a tartalekban lev}o elem nem hibasodhat meg grakus abrazolas elemek funkcionalis kapcsolata (nem azonos a strukturalissal) hibafelismer}o es kapcsoloelemre szukseg van, (de most meg idealisnak tekintjuk) 3. "n-b}ol k jo" rendszer a rendszer n (azonos) elemb}ol all a rendszer m}ukodesehez n-b}ol k elem m}ukodesere van szukseg a "funkcioban" vagy tartalekban lev}o elemek meghibasodasi tenyez}oje kozott nincs kulonbseg grakus abrazolas elemek funkcionalis kapcsolata (nem azonos a strukturalissal) hibafelismer}o es kapcsoloelemre szukseg van, (de most meg idealisnak tekintjuk) 22

27 Melegtartalekolt rendszer megbzhatosagi jellemz}oi 1. a megbzhatosagi parameterek meghatarozasa aktv redundancia legyen adott egy rendszer n elemmel az egyes elemek meghibasodasi id}opontja i ; i = 1; :::; n az egyes elemek meghibasodasi id}opontjanak eloszlasfuggvenye F i (t) = P ( i t); i = 1; :::; n = max i ; i = 1; :::; n kerdes: F p (t) = P ( t) megoldas: F p (t) = P ( t) = P (max i t) = P ( i t; 8i) Ha a i meghibasodasi id}opontok mindegyike fuggetlen egymastol: (sokkal szigorubb feltetel, mint a soros rendszernel, mivel az utolso meghibasodasi id}opontig kell a fuggetlensegnek teljesulnie) es F p (t) = ny i=1 r p (t) = 1 P ( i t) = ny i=1 ny i=1 F i (t) (2.4) (1 r i (t)) (2.5) Ha az egyes elemek azonos megbzhatosaguak, azaz r i (t) = r(t); 8i; t (nem tul szigoru feltetel, mivel a redundancianal ez altalaban celszer}u) r p (t) = 1 (1 r(t)) n ; q p (t) = q(t) n ; F p (t) = F n (t); MT F F p = Z 1 2. exponencialis eloszlasra, azonos elemek eseten: 0 r p (t)dt (2.6) r p (t) = 1 (1 r(t)) n = 1 (1 e t ) n (2.7) MT F F p = Z 1 0 r p (t)dt = 23 Z 1 0 (1 F p (t))dt

28 MT F F p(n) MT F F r(t) = 0:9 r(t) = 0:5 n r p (t) q p (t) r p (t) q p (t) tablazat: Egy parhuzamos melegtartalekolt (aktv tartalekolasu) rendszer megbzhatosagi jellemz}oi Helyettesteses integralassal: df (t) dt = e t = (1 F (t)) amib}ol y = F (t) helyettestessel MT F F p = 1 Z 1 t=0 dt = df (t) (1 F (t)) 1 F (t) n 1 F (t) df (t) = 1 Z 1 0 n 1 X k=0 y k dy = 1 nx k=1 1 k (2.8) 3. pelda egyszer}u parhuzamos rendszer, n elemmel 2.2. tablazat abra (id}ofugg}o es r(t)-fugg}o) eredmenyekkel r p (t) vizsgalata r p (t) es r p(t) r(t) vizsgalata 4. p (t) vizsgalata p (t) = 1 dr p (t) r p (t) dt 24 = ne t (1 e t ) n 1 1 (1 e t ) n (2.9)

29 lim t!0 p (t) = 0, lim t!1 p (t) = p (t; n) fuggvenyalakja 5. eredmenyek demonstralasa ketegyseges rendszer eseten 6. kovetkezmeny, problema t << MT F F -nel nagyon hatasos a q p (t)-t tekintve MT F F p javulasa csak logaritmikus n fuggvenyeben p fokozatosan n}o a tartalek az operatv elemmel azonos valoszin}useggel meghibasodhat megvalostasi problemak az idealis erzekel}ot, atkapcsolot es a fuggetlenseget tekintve Hidegtartalekolt rendszer megbzhatosagi jellemz}oi 1. a megbzhatosagi parameterek meghatarozasa legyen adott egy rendszer n elemmel az egyes elemek meghibasodasi id}opontja i ; i = 1; :::; n az egyes elemek meghibasodasi id}opontjanak eloszlasfuggvenye F i (t) = P ( i < t); i = 1; :::; n = nx 1 i ; i = 1; :::; n kerdes: F h (t) = P ( < t) megoldas: (felteve, hogy az atkapcsolas idealis) f h (t) = f 1 f 2 ::: f n (2.10) A rendszerhiba bekovetkezesenek ideje n novekedesevel tart a normalis eloszlashoz!!! relatv szorasa n novekedesevel csokken!!! MT F F h = nx 1 MT F F i (2.11) 25

30 MT F F p(n) MT F F r(t) = 0:9 r(t) = 0:5 n r p (t) q p (t) r p (t) q p (t) tablazat: Egy parhuzamos hidegtartalekolt (passzv tartalekolasu) rendszer megbzhatosagi jellemz}oi Ha az egyes elemek azonos megbzhatosaguak, azaz F i (t) = F (t); 8i; t (nem tul szigoru feltetel, mivel a redundancianal ez altalaban celszer}u) MT F F h = n MT F F (2.12) Gyakorlatban n = 3; :: eseten eloszlasa jol kozelthet}o az (n MT F F; n 2 1 ) parameter}u normalis eloszlassal. 2. exponencialis eloszlasra, azonos elemek eseten: Poisson eloszlas r h (t) = n 1 X 0 (t) k e t (2.13) k! MT F F h = n (2.14) 3. pelda egyszer}u hidegtartalekolt rendszer, n elemmel 2.3. tablazat r h (t) es r h(t) r p (t) vizsgalata r h (t) lim t!1 r p (t) = (t)n 1 n! 26

31 4. h (t) vizsgalata lim h (t) = 0, t!0 lim h (t) = t!1 h (t; n) fuggvenyalakja h (t) = 1 dr h (t) = r h (t) dt (t) n 1 (n 1)! (t) k n 1 X k=0 k! (2.15) 5. eredmenyek demonstralasa ketegyseges rendszer eseten 6. kovetkezmeny, problema t << MT F F -nel nagyon hatasos a q p (t)-t tekintve MT F F h javulasa linearis n fuggvenyeben h fokozatosan n}o a tartalek nem hibasodhat meg megvalostasi problemak az idealis erzekel}ot, atkapcsolot es a fuggetlenseget tekintve Csokkentett terheles}u tartalek 1. a megbzhatosagi parameterek meghatarozasa legyen adott egy rendszer n egyforma elemmel az n elemb}ol egy teljes terhelessel m}ukodik, mg a tobbi m}ukod}okepes elem (kezdetben n 1) csokkentett terhelessel tartalekot kepez. az uzemi es a tartalek elemek megbzhatosagi tenyez}oje id}oben allando,, illetve t vegyuk eszre, hogy itt felteteleztuk, hogy az uzembehelyezes id}opontja nem befolyasolja az elemek uzembehelyezeset}ol szamtott meghibasodasi idejet. a csokkentett terheles}u rendszert gyakran jellemzik az a = t = arannyal adott tartatlekolasi tenyez}ovel. a = 1 parhuzamos rendszer, a = 0 hidegtartalekolt rendszer rendszerhiba akkor kovetkezik be, amikor az osszes elem (uzemi es tartalek) meghibasodott. 27

32 jelolje r(t) = P ( > t) = e t az uzemi, r cs (t) = P ( cs < t) = e cst a (csokkentett terheles}u) tartalek elemek es r n (t) = P ( n < t) az n elem}u csokkentett tartalekolasu rendszer hibamentes m}ukodesenek valoszn}useget. Tetelezzuk fel, hogy az els}o operatv egyseg a T 1 id}opillanatban hibasodik meg. A rendszer t-ben jo, ha T 1 > t. Amennyiben T 1 < t, akkor T 1 -t}ol az addig meg nem hibasodott tartalekokbol allo rendszer kezd m}ukodni hasonlo modon (csokkentett terheles}u tartalekolassal). r n (t j 8T 1 = h) = >< 1 h > t! n 1 X n 1 >: r k k cs (h) (1 r cs(h)) n k 1 r k (t h) h < t k=1 a feltetel eloszlasa alapjan: r n (t) = Z 1 t Z 1 0 Z t 0 e t + r n (t j T 1 = h) f T1 (h) dh = 1 f T1 (h) dh+ n 1 X k=1 Z t 0 n 1 X k=1 n 1 k! n 1 k r k cs(h) (1 r cs (h)) n k 1 r k (t h) f T1 (h) dh =! e cshk (1 e csh ) n k 1 r k (t h) e h dh amib}ol r 1 (t) = e t alapjan a hibamentes m}ukodes valoszn}usege rekurzven szamthato n-b}ol k jo rendszer megbzhatosagi jellemz}oi 1. a megbzhatosagi parameterek meghatarozasa legyen adott egy rendszer n azonos elemmel az egyes elemek meghibasodasi id}opontja i ; i = 1; :::; n az egyes elemek meghibasodasi id}opontjanak eloszlasfuggvenye F (t) = P ( i < t); r(t) = P ( > t) = 1 F (t); 8i = 1; :::; n 28

33 MT F F nk (n) MT F F r(t) = 0:9 r(t) = 0:5 k=n r nk (t) q nk (t) r nk (t) q nk (t) 1/ / / / / / tablazat: Egy n-b}ol k (aktv) tartalekolasu rendszer megbzhatosagi jellemz}oi kerdes: F nk (t) = P (t; k:::n) kerdes: r nk (t) = 1 F nk (t) megoldas: Ha a i meghibasodasi id}opontok mindegyike fuggetlen egymastol: (hasonloan szigoru, mint a parhuzamos melegtartalekolt rendszernel, mivel az (n-k)+1-ik meghibasodasi id}opontig kell a fuggetlensegnek teljesulnie) r nk (t) = nx i=k P (t; k:::k) = MT F F nk = nx i=k Z 1 2. exponencialis eloszlasra, azonos elemek eseten: 3. pelda MT F F nk = Z 1 0 r nk (t) = nx r nk (t)dt = n i! i=k Z n i! r i (t)q n i (t) (2.16) r nk (t)dt (2.17) e it (1 e t ) n i (2.18) egyszer}u n-b}ol k rendszer, k = n 1 eseten 2.4. tablazat 29 nx i=k n i! e it (1 e t ) n i dt (2.19)

34 4. eredmenyek demonstralasa ketegyseges rendszer eseten 5. kovetkezmeny, problema MT F F nk nem biztos, hogy jobb egyetlen elemnel azonban k 6= 2 eseten t << MT F F -nel hatasos a q nk (t)-t tekintve nk fokozatosan n}o megvalostasi problemak az idealis erzekel}ot es atkapcsolot tekintve 2.3. Osszetett redundans rendszerek 1. soros-parhuzamos rendszerek 2. tobbsegi szavazasos (majoritasos) rendszer 3. atkapcsolo tartalekolasu rendszer (stand-by): aktv vagy passzv tartalekolas nem idealis atkapcsoloval Soros-parhuzamos rendszerek 1. grakus demonstracio 2. szamtasi modszer: fokozatos kiertekeles - osszevonasok sorozata 3. eredmenyek: illusztracio peldakon ( 1 ; 2 ) ket-ket soros-parhuzamos elem rendszertartalekolassal r(t) = 1 (1 r 1 (t)r 2 (t)) 2 = 2r 1 (t)r 2 (t) r 2 1 (t)r2 2 (t) MT F F = r(t) = 2e ( 1+ 2 )t e 2( 1+ 2 )t ( ) = 3 2( ) ket-ket soros-parhuzamos elem elemenkenti tartalekolassal r(t) = (1 (1 r 1 (t)) 2 )(1 (1 r 2 (t)) 2 ) = (2r 1 (t) r 2 1 (t))(2r 2(t) r 2 2 (t)) r(t) = 4r 1 (t)r 2 (t) 2r 1 (t)r 2 2(t) 2r 2 1(t)r 2 (t) + r 2 1(t)r 2 2(t) r(t) = 4e ( 1+ 2 )t 2e ( )t 2e ( )t + e 2( 1+ 2 )t 30

35 egy elemmel ket parhuzamos sorban, vegigszamolva r(t) = r 1 (t)(1 (1 r 2 (t)) 2 ) = 2r 1 (t)r 2 (t) r 1 (t)r 2 2 (t) r(t) = 2e ( 1+ 2 )t e ( )t MT F F = 4. pelda a hdelemb}ol szarmazo koniktusra Majoritasos rendszer megbzhatosagi jellemz}oi 1. grakus abrazolas 2. szamtasi modszer: soros-parhuzamos modell 3. eredmenyek: illusztracio 3 egyseges peldan r m (t) = r l (t) 3X i=2 3 i! r i (t)(1 r(t)) 3 i = e lt (3e 2t (1 e t ) + e 3t ) r m (t) = 3e ( l+2)t 2e ( l+3)t MT F F m = (MTFF csokkenesenek magyarazata) 3 l l kapcsoloelem jelent}osege, idealis kapcsoloju rendszer (n-b}ol k tpusu rendszer) Atkapcsolo tartalekolasu rendszer megbzhatosagi jellemz}oi 1. gyakori megnevezes: stand-by 2. grakus abrazolas 3. szamtasi modszer: specialis soros-parhuzamos modell (kapcsolo sorosan, kapcsolo mellekagban sorosan) 4. eredmenyek: illusztracio 2 egyseges peldan 31

36 aktv tartalekolas, kapcsolo sorosan r sb (t) = r k (t)(1 (1 r 2 (t)) 2 ) = 2r k t)r(t) r k (t)r 2 (t) r sb (t) = 2e ( k+)t e ( k+2)t MT F F sb = 2 k + 1 k + 2 passzv tartalekolas, kapcsolo mellekagban sorosan mivel azonos, allando hibaintenzitasu elemekb}ol allo hidegtartalekolt rendszernel a meghibasodasok (amg vannak) Poisson folyamat szerint fordulnak el}o annak valoszn}usege, hogy (0; t)-ben egy elem sem hibasodik meg e t es, hogy pont egy elem hibasodik meg te t. r hk (t) = e t (1 + tr k (t)) = e t (1 + te kt ) MT F F hk = 1 + ( k + ) 2 csokkentett terheles}u tartalekolas, kapcsolo mellekagban sorosan Tetelezzuk fel, hogy az operativ egyseg T 1 id}opillanatban hibasodik meg, es hogy a tartalek meghibasodasi tenyez}oje cs <. A rendszer jo, ha az operatv egyseg meg nem hibasodott meg T 1 > t, vagy ha mar meghibasodott, de sem a kapcsolo sem az eredetileg tartalekkent hasznalt alkatresz nem romlott meg el (ez utobbi meghibasodasi tenyez}oje T 1 -ben megvaltozik). ( 1 h > t r csk (t j T 1 = h) = r cs (h)r(t h)r k (t) h < t a feltetel eloszlasa alapjan: r csk (t) = Z 1 t e t + Z 1 0 r csk (t j T 1 = h)f T1 (h)dh = 1f T1 (h)dh + Z t Z t amib}ol az integralok kiertekelese utan 0 0 r cs (h)r(t h)r k (t)f T1 (h)dh = e csh e (t h) e kt e h dh r csk (t) = e t + cs e (+ k)t [1 e cst ] 32

37 MT F F csk = cs + k + k + cs 5. kerdes: tobballapotu kapcsoloelem (ld. aktv tartalekolas) 2.4. Nemjavtott rendszerek szamtasi modszerei Megbzhatosagi blokkdiagram 1. eddigi megbzhatosagi modellek jellemz}oi Boole-fele modell (ketallapotu elem, fuggetlenseg) soros-parhuzamos strukturak veges (megszamlalhato) szamu alkatresz monoton nem javulhat tobb hibas elemmel (nincs ongyogytas) szamtas a Boole-algebra szabalyai szerint konjunktv (normal) alak (sum of disjoint products) eseten az logikai kifejezes alapjan a valoszn}useg kozvetlenul szamthato. 2. eddigi megbzhatosagi modellek korlatai ketallapotu rendszer (kiterjeszthet}o, ld. n-b}ol k, ahol tudhatjuk azt is, hogy az "eppen k" valoszn}useg hogy alakul) javtasmentesseg csokkentett terheles exponencialis meghibasodasi id}o eloszlas (valojaban ez nem mindig, hisz egyes esetekben altalanos r(t)-re is ismert) A teljes valoszin}useg tetel alkalmazasa 1. felteteles valoszin}usegek alkalmazasa: [ n i B i = ; B i \ B j = ;; 8 i; j = 1:::n P (A) = nx i=1 P (AjB i )P (B i ) 2. a tetel alkalmazasa tobballapotu elemekre: pl. dioda ket hibas allapottal, ketallapotu kapcsolo 33

38 3. a tetel alkalmazasa nem soros-parhuzamos rendszerekre: hdagas otelem}u pelda 4. a tetel alkalmazasa nem fuggetlen elem}u rendszerekre: csak utalva ra, mivel erre nem egy hatekony megoldas 2.5. Halozatmegbzhatosag szamtasi modszerek Halozatmegbzhatosagi modell 1. az egyes elemek egy graf egy-egy elenek felelnek meg 2. ketallapotu, fuggetlen elem 3. fuggetlenseg 4. tetszes szerinti grafstrukturak 5. szamtas graogalmakra alapozottan 6. rendszermegbzhatosag "kozvetlenul" szamthato diszjunktv normal alak, P (AB + AB + A B) = r A r B + q A r B + r A q B = vagy annak egyszer}ustesevel nyert alakok (SDP - sum of disjoint products) eseten P (B + A B) = r B + r A q B Vagatmeghatarozas (cut set) 1. kezd}o- es vegpontot elsziget}o elek (csucsok) halmaza 2. C i ; i = 1; :::; N sd : az i: vagat eleinek halmaza 3. C i ; i = 1; :::; N sd : azon esemeny, hogy az i: vagatban minden el meghibasodott 4. q k = q k (t): a k: el m}ukodeskeptelensegenek valoszin}usege 5. q e = q e (s; d; t) = P ([ N sd C i=1 i) mivel [ N sd C i=1 i nem SDP alaku q e = P (C 1 ) + P (C 2 ) + ::: + P (C Nsd ) P (C i \ C j ; 8 i; j)+ P (C i \ C j \ C k ; 8 i; j; k) :::: 34

39 6. altalanosthato: tobb csomopontparra, teljes grafra (osszefugg}oseg) tobballapotu elekre (kapacitas jelleg}u kovetelmenynel) 7. kozelt}o szamtasok: (mivel a hibas m}ukodes valoszin}usege altalaban kicsi) q e ' P (C 1 ) + P (C 2 ) + ::: + P (C 4 ) 8. alkalmazas otelem}u hdagas rendszerre: C 1 = (1; 2); C 2 = (1; 4; 5); C 3 = (2; 3; 5); C 4 = (3; 4) q e = P (C 1 ) + P (C 2 ) + ::: + P (C 4 ) P (C 1 \ C 2 ) P (C 1 \ C 3 ) P (C 1 \ C 4 ) P (C 2 \ C 3 ) P (C 2 \ C 4 ) P (C 3 \ C 4 ) + P (C 1 \ C 2 \ C 3 ) + P (C 1 \ C 2 \ C 4 )+ P (C 1 \ C 3 \ C 4 ) + P (C 2 \ C 3 \ C 4 ) P (C 1 \ C 2 \ C 3 \ C 4 ) Mivel P (C i \ C j ) = Q k2(c i [C j ) q k ; 8 i; j : q e = q 1 q 2 + q 1 q 4 q 5 + q 2 q 3 q 5 + q 3 q 4 q 1 q 2 q 4 q 5 q 1 q 2 q 3 q 5 q 1 q 2 q 3 q 4 q 1 q 2 q 3 q 4 q 5 q 1 q 3 q 4 q 5 q 2 q 3 q 4 q 5 + 4q 1 q 2 q 3 q 4 q 5 q 1 q 2 q 3 q 4 q 5 q e = q 1 q 2 + q 1 q 5 q 4 + q 2 q 5 q 3 + q 3 q 4 q 1 q 2 q 4 q 5 q 1 q 2 q 3 q 5 q 1 q 2 q 3 q 4 q 1 q 3 q 4 q 5 q 2 q 3 q 4 q 5 + 2q 1 q 2 q 3 q 4 q 5 Ha az elemek azonos megbzhatosaguak: q e = 2q 2 + 2q 3 5q 4 + 2q 5 Kozelt}oen: q e = 2q 2 + 2q Utmeghatarozas (tie set) 1. kezd}o- es vegpontot osszekot}o elek (csucsok) halmaza 2. kezd}o- es vegpontot elsziget}o elek (csucsok) halmaza 3. C i ; i = 1; :::; M sd : az i: ut eleinek halmaza 4. T i ; i = 1; :::; M sd : azon esemeny, hogy az i: uton minden el m}ukodik 5. r k = r k (t): a k: el hibamentes m}ukodesenek valoszin}usege 35

40 6. r e = r e (t) = P ([ M sd T i=1 i) mivel [ M sd T i=1 i nem SDP alaku r e = P (T 1 ) + P (T 2 ) + ::: + P (T Msd ) P (T i \ T j ; 8 i; j)+ P (T i \ T j \ T k ; 8 i; j; k) :::: 7. nincs egyszer}u altalanosthatosag tobb csomopontparra, tobballapotu elemre 8. kozelt}o szamtasok: (nincs a vagatokhoz hasonlo egyszer}u lehet}oseg) 9. alkalmazas otelem}u hdagas rendszerre: T 1 = (1; 3); T 2 = (1; 4; 5); T 3 = (2; 3; 5); T 4 = (2; 4) r e = P (T 1 ) + P (T 2 ) + ::: + P (T 4 ) P (T 1 \ T 2 ) P (T 1 \ T 3 ) P (T 1 \ T 4 ) P (T 2 \ T 3 ) P (T 2 \ T 4 ) P (T 3 \ T 4 ) + P (T 1 \ T 2 \ T 3 ) + P (T 1 \ T 2 \ T 4 )+ P (T 1 \ T 3 \ T 4 ) + P (T 2 \ T 3 \ T 4 ) P (T 1 \ T 2 \ T 3 \ T 4 ) r e = r 1 r 3 + r 1 r 4 r 5 + r 2 r 3 r 5 + r 2 r 4 r 1 r 3 r 4 r 5 r 1 r 2 r 3 r 5 r 1 r 2 r 3 r 4 r 1 r 2 r 3 r 4 r 5 Mivel P (T i \ T j ) = Q k2(c i [C j ) r k ; 8 i; j : r 1 r 2 r 4 r 5 r 2 r 3 r 4 r 5 + 4r 1 r 2 r 3 r 4 r 5 r 1 r 2 r 3 r 4 r 5 r e = r 1 r 3 + r 1 r 4 r 5 + r 2 r 3 r 5 + r 2 r 4 r 1 r 3 r 4 r 5 r 1 r 2 r 3 r 5 r 1 r 2 r 3 r 4 r 1 r 2 r 4 r 5 r 2 r 3 r 4 r 5 + 2r 1 r 2 r 3 r 4 r 5 Ha az elemek azonos megbzhatosaguak: r e = 2r 2 + 2r 3 5r 4 + 2r Esemenyfa meghatarozas (event tree) 1. alapmegoldasaban az n darab ketallapotu elem allapotfajat denialja 2 n allapottal 2. a fa leveleihez m}ukod}okepes vagy kies}o allapotokat kell rendelni, amely allapotokat a gyokert}ol a levelig vezet}o ut eleinek allapota denial 3. r e es q e valoszin}usegeket (a megfelel}o diszjunkt allapotvaloszin}usegeket) a gyokert}ol a levelig vezet}o elek valoszin}usegenek szorzata hatarozza meg 4. az allapotok szama redukalhato, ha az egyertelm}u helyzetekben megszuntetjuk az agak folytatasat 36

41 5. tovabbi egyszer}ustes, ha csak az egyik (r e vagy q e ) meghatarozasat vegezzuk el (csokkenthet}o a memoriaigeny) 6. az esemenyfa felhasznalhato vagatok el}oalltasara utak el}oalltasara 7. minden esetben SDP alaku megoldast szolgaltat!! 8. alkalmazasi pelda otelem}u hdagas rendszerre: (teljes (32), redukalt (13), ut- (7), vagatmeghatarozas (6) - demonstralasa) 9. az esemenyfa kiterjeszthet}o tobballapotu (redundans) elemekre tobballapotu rendszerek lerasara, szamtasara nem exponencialis eloszlasu rendszerek lerasara, szamtasara 10. adott kezdeti esemeny mellett kritikus hiba el}ofordulasi gyakorisag meghatarozasa esemenyfaval az esemenyfa csucspontja a kezdeti hiba (egy olyan meghibasodas, amelyik kritikus hibahoz is vezethet) az elagazasok az adott kezdeti hibatol a kritikus hibahoz vezet}o esemenyek bekovetkezeset, illetve elmaradasat rjak le (megfelel}o valoszn}usegekkel). az utolso szinten a fa levelein az adott esemenysor mellett a kritritikus hiba el}ofordulasat/elmaradasat kell megadni. amennyiben a kezdeti esemeny f kezd, [1/ev] gyakorisaggal fordul el}o, es a kezdeti esemenyb}ol a kritikus hiba bekovetkezesenek valoszn}usege p kr, akkor (az adott kezdeti esemenyb}ol) a kritikus hiba el}ofordulasanak gyakorisaga f krit = f kezd p kr 37 [1/ev]

42 Kapcsolat matrix (connection matrix) 1. iranytott kapcsolatok (szomszedossag) matrixalapu felrasa 2. megoldasi modszer matrixszorzas: specialis megoldast jelent, az osszeadasok uniokepzeskent, a szorzasok metszetkepzeskent jelentkeznek csomopont megszuntetes (implicit matrixszorzas) 3. alkalmazasi pelda otelem}u hdagas rendszerre M = A B E C 0 E 1 D matrixszorzas M 3 = M 2 = A + BE B + AE AC + BD 0 1 E C + DE 0 E 1 D + CE A + BE B + AE AC + BD + BCE + ADE 0 1 E C + DE 0 E 1 D + CE A tobbi hatvany mar azonos M 3 -bel! Az eredmeny (M 3 14) nem SDP alaku!! csomopont megszuntetes Alapelv: M 0 ij = M ij + (M ik M kj ) a megszuntetett k 6= i; j csomopontra M 0 = B + AE AC 0 1 D + CE " 1 AC + BD + BCE + ADE M" = 0 1 # 38

43 mindket megoldas az utak el}oalltasat vegzi egy egyszer}ubben implementalhato modon. javasoljon vagatel}oalltasi eljarast hasonlo matrixos algoritmus alapjan Hibafa analzis (fault tree) 1. nem topologiai, hanem kuldetesorientalt rendszerek biztonsagi vizsgalatanak eszkoze 2. ketallapotu elemekkel dolgozik (Boole-modell) 3. tobbfele meghibasodasi okot is megenged primer meghibasodas (alkatresz meghibasodasa sajat hibaja vagy gyengesege miatt) szekunder meghibasodas (alkatresz meghibasodasa az alkatresz nem megengedett alkalmazasi korulmenyek kovetkezteben) utastas altal okozott meghibasodas (utastasok vagy segedenergia kimaradas, mikozben a m}ukodesi elemek rendben vannak - pl. kornyezet) Modellezesi alapelemek (szimbolumok) 1. AND, OR, EOR, NOT kapu 2. n-b}ol k (szavazo) kapu 3. alapesemeny, nem teljes esemeny, kozbens}o esemeny 4. transfer IN es OUT Analzis lepesek 1. egy meghibasodasi f}oesemeny (rendszer-meghibasodas) visszavezetese alapesemenyekre (hibaokokra) 2. els}osorban kvalitatv analzisre hasznaljak Hanyszoros "melyseg}u" a hiba? 3. a Boole-modellnek megfelel}oen vegezhet}o kvantitatv analzis is ketfele numerikus modszer 39

44 felulr}ol-lefele eptkezes alulrol-felfele eptkezes (Gondot jelent a tobbszoros hibak (common mode failure) kezelese!) 4. hibafak hasznalata vagatok meghatarozasara, lepesek OR-kapu minden bemenete egy-egy uj listaelemet jelent AND-kapu bemenete egy kozos uj listaelemet jelent minden listaelem egyes kapuit az el}oz}oek szerint tovabb kell alaktani ha valamelyik elemnek egy masik a minimalvagata, akkor a b}ovebbet meg kell szuntetni a vegeredmeny a minimalvagat 5. kiterjeszthet}o tobballapotu elemekre 6. a tobbfele lehetseges f}oesemeny lehet}ove teszi a tobballapotu rendszer ertelmezest (pl. f}oesemenyek kombinacioja) 7. korlatozottan lehet}ove teszi a fugg}oseg gyelembevetelet (csak a pillanatnyi fugg}oseg rhato le, s nem az esemenyhez kotott) 2.7. Gyakorlatok nemjavtott rendszerek modellezesere, szamtasara 1. pelda: Billinton-Allan: 5.4 pelda, 111. oldal megoldas soros/parhuzamos atalaktassal: nem lehetseges megoldas felteteles valoszin}usegekkel: r e = r A r e (A) + q A r e ( A) = r A r B + r A q B r E (r F + q F r C r D ) + q A r C r D r E megoldas vagatokkal: megoldas utakkal: C 1 = (A; C); C 2 = (A; D); C 3 = (A; E); C 4 = (B; E); C 5 = (B; F; C); C 6 = (B; F; D) T 1 = (A; B); T 2 = (C; D; E); T 3 = (A; F; E) 40

45 megoldas esemenyfaval: r e = P AB + A BCDE + A BC DEF + A B CEF + ACDE q e = P A B E + A BC DE F + A B CE F + A C + AC D + ACD E megoldas kapcsolatmatrixszal: { matrixszorzas: M 3 = M 2 = M = { csomopont megszuntetes: A C F B D E A C AF + CD AB F B + F E D DE E A C AF + CD AB + AF E + CDE F B + F E D DE E A C F B D E es csomopont megszuntetese: C AF AB 0 1 D E

46 3-as csomopont megszuntetese: AF + CD AB 0 1 E es csomopont megszuntetese: " 1 AB + AF E + CDE 0 1 hibafa letrehozas: "bal - jobb erkez}o jel" kimaradas 2. pelda: Billinton-Allan: pelda, oldal ketfele numerikus modszer illusztralasa a peldakon hibafak hasznalata vagatok meghatarozasara illusztracio 3. pelda: Adott egy harom elemb}ol (E 1, E 2 es E 3 ) allo rendszer. E 1 es E 2 parhuzamos es veluk sorban E 3. r 1 (t) = pe at + (1 p)e bt, r 2 (t) = e 2t, r 3 (t) = e 3t, ahol p = 0:5, a = 100F IT, b = 500F IT, 2 = 200F IT es 3 = 100F IT. Kerdesek: r(t) MTFF 1 (t) valamint lim t!0 1 (t), es lim t!1 1 (t) # 42

47 3. fejezet JAVITOTT RENDSZEREK MEGBIZHAT OS AGA 3.1. Kiindulopontok 1. feloldott modellkorlatok ketallapotu elem (teljes valoszin}useg tetele, esemenyfa) fuggetlenseg (teljes valoszin}useg tetele, korlatozottan esemenyfa, hibafa) soros-parhuzamos strukturak (teljes valoszin}useg tetele, halozat) ketallapotu rendszer (esemenyfa, hibafa) exponencialis meghibasodasi id}o eloszlas (esemenyfa, de tobb mas modell is megenged altalanos F(t) fuggvenyt) 2. megmaradt modellkorlatok javtasok gyelembevetele csokkentett terheles (valojaban allapotfugg}o meghibasodasi tenyez}o) lehet}osegenek gyelembevetele 3. fenntartas (javtas) celja meghibasodas kovetkezmenyenek elhartasa (kiesesi id}o lerovidtese) meghibasodasok megel}ozese 43

48 4. fenntartas, felujtas gyelembevetele (modellezesi kerdesek) fenntartas jellege { megel}oz}o karbantartas preventv (id}o- vagy allapotfugg}o) { javtas korrektv javtas feltetelei { id}ofugg}oseg { allapotfugg}oseg (pl. kotelez}o kikapcsolas) javtas hatasa { reszleges { teljes beavatkozas eloszlasa, id}otartama { tavolsag { tartalekkeszlet redundancia es fenntartas egyuttes kezelese altalanos problema: az allapotfugg}oseg kezelese 5. altalanos modell termek lerasa: X(t) = X i ; i = 0; 1; 2; ; n egy veletlen folyamat, ahol az X ( t) folyamat altal felvett X i ertekek a rendszer egy-egy allapotanak felelnek. A tovabbiakban az egyszer}ubb kezeles erdekeben X i helyett az i jelolest hasznaljuk. gondot jelent, hogy az X(t) veletlen folyamatot altalanosan az F X (x; t) = P fx(t 1) x 1 ; X(t 2 ) x 2 ; ; X(t n ) x n g veges dimenzios eloszlasfuggvenyekkel adhatnank meg. ezen folyamatok specialis esetet jelentik az ugynevezett Markov folyamatok kozuluk el}oszor a diszkret idej}u Markov lancokkal (diszkret parameterter, diszkret allapotter), majd a folytonos idej}uekkel (folytonos parameterter, diszkret allapotter) foglalkozunk. 44

49 3.2. Diszkret idej}u (veges) Markov lancok Markovitas es tulajdonsagai 1. markovitas: (a jov}o a multtol csak a jelenen keresztul fugg) P(X n+1 = x n+1 j X n = x n ; ; X 0 = x 0 ) = P(X n+1 = x n+1 j X(t n ) = x n ) (3.1) 8n = 0; 1; ; es 8x k 2 S; S = f0; 1; ; Ng. 2. kovetkezmeny: P(X 0 = x 0 ; ; X n = x n ) = P(X n = x n j X n 1 = x n 1 ; ; X 0 = x 0 ) P(X 0 = x 0 ; ; X n 1 = x n 1 ) = P(X n = x n j X n 1 = x n 1 ) P(X n 1 = x n 1 j X n 2 = x n 2 ; ; X 0 = x 0 ) P(X 0 = x 0 ; ; X n 2 = x n 2 ) = = P(X n = x n j X n 1 = x n 1 )P(X n 1 = x n 1 j X n 2 = x n 2 ) P(X 1 = x 1 j X 0 = x 0 )P (X 0 = x 0 ) 3. jelolesek: egylepeses atmenetvaloszin}usegek p (1) ij (n) = P(X n+1 = j j X n = i) 8i 2 S; 8j 2 S; 8n = 0; 1; (3.2) X j2s 4. Chapman-Kolmogorov egyenl}oseg: p ij (n) = 1 8i 2 S; 8n = 0; 1; (3.3) X p (m+n) ij (l) = k2s p (m) ik (l)p(n) kj (l + m) 8i 2 S (3.4) 5. a diszkret idej}u Markov lancokkal kapcsolatban tanult alapfogalmak irreducibilitas: minden allapot minden allapotbol elerhet}o (szemrevetelezes) aperiodikussag: nem periodikus (szemrevetelezes) orokl}odes: irreducibilis Markov lancokra az aperiodikussag orokl}odik 45

50 6. homogenitas p ij = p (1) ij (n) = P(X n+1 = j j X n = i) 8i 2 S; 8j 2 S 8n = 0; 1; (3.5) 7. kovetkezmeny matrixos jelolessel: P (n) = P (n 1) = P (0) (n) = P (0) n (3.6) ahol: P h (n) = i [p 0 (n); ip 1 (n); p 2 (n); ; p N (n)] ; p i (n) = P (X n = i); (n) = p (n) ij = hp (n) ij es (1) = ; 8 i; j 2 S, n = 0; 1; 2; 8. alapkerdes: hatareloszlas letezese, meghatarozasa A hatareloszlas 1. veges Markov lanc, a hatareloszlas letezik, azaz a Markov-lanc stabil, ha irreducibilis aperiodikus 2. a hatareloszlas el}oalltasa n!1 lim p (n) ij = p j > 0; 8i; j, ahol p j = n!1 lim P(X n = j); 8j-re ekkor a P = P, P = [p 0 ; p 1 ; p 2 ; ] egyenl}osegnek a 1X i=0 p i = 1 feltetel mellett csak egy megoldasa van, amely a hatareloszlast szolgaltatja. Ha a P (0) = P feltetel teljesul, akkor P (n) = P; 8n-re. 3. a hatareloszlas letezesenek kovetkezmenye mas felrassal kifejtve a j. allapotra: X X p j (n) = p i (n 1)p ij = p j (n 1)p jj + p i (n 1)p ij i2s i6=j X X p j (n) = p j (n 1)(1 p jk ) + p i (n 1)p ij X k6=j i6=j X p j (n) p j (n 1) = p i (n 1)p ij p j (n 1) p jk (3.7) i6=j k6=j (A kifejezes interpretalasa! ) 46

51 A hatareloszlasra, mivel n!1 lim p j (n) = n!1 lim p j (n 1) = p j ; 8j-re X X p j p j = 0 = p i p ij p j p jk i6=j azaz X i6=j k6=j X p i p ij = p j p jk (3.8) k6=j (A kifejezes interpretalasa, grakus demonstracio! ) a kifejezes kiterjeszthet}o allapotcsoportokra is grakus demonstracio X X X (p i (p j p jk ); A S (3.9) i2a j2 A p ij ) = X j2 A Bolyongasok (diszkret idej}u szuletesi-halalozasi folyamatok) 1. ertelmezes: p ij = 2. bolyongasok hatareloszlasa 8 >< >: k2a b i j = i + 1; i 0 d i j = i 1; i > 0 1 (b i + d i ) j = i; i > 0 1 b 0 j = i; i = 0 0 egyebkent p k 1 p k 1;k + p k+1 p k+1;k = p k (p k;k 1 + p k;k+1 ); k > 0 p k 1 b k 1 + p k+1 d k+1 = p k (b k + d k ); k > 0 p 1 d 1 = p 0 b 0 amib}ol (allapotcsoportos megoldasbol is szarmaztathato!) Igy p k d k = p k 1 b k 1 ; k > 0 (3.10) p k = b k 1 d k p k 1 = p 0 Mivel P k p k = p 0 + p 0 P Nk=1 Q kj=1 b j 1 d j = 1; p 0 = 1 + NX ky j=1 1 ky k=1 j=1 b j 1 d j ; k > 0 (3.11) b j 1 d j (3.12) 47

BME Járműgyártás és -javítás Tanszék. Javítási ciklusrend kialakítása

BME Járműgyártás és -javítás Tanszék. Javítási ciklusrend kialakítása BME Járműgyártás és -javítás Tanszék Javítási ciklusrend kialakítása A javítási ciklus naptári napokban, üzemórákban vagy más teljesítmény paraméterben meghatározott időtartam, amely a jármű, gép új állapotától

Részletesebben

TERMÉKEK MŐSZAKI TERVEZÉSE Megbízhatóságra, élettartamra tervezés I.

TERMÉKEK MŐSZAKI TERVEZÉSE Megbízhatóságra, élettartamra tervezés I. TERMÉKEK MŐSZAKI TERVEZÉSE Megbízhatóságra, élettartamra tervezés I. Dr. Kovács Zsolt egyetemi tanár Megbízhatóság-elméleti alapok A megbízhatóságelmélet az a komplex tudományág, amely a meghibásodási

Részletesebben

Ellátási lánc optimalizálás P-gráf módszertan alkalmazásával mennyiségi és min ségi paraméterek gyelembevételével

Ellátási lánc optimalizálás P-gráf módszertan alkalmazásával mennyiségi és min ségi paraméterek gyelembevételével Ellátási lánc optimalizálás P-gráf módszertan alkalmazásával mennyiségi és min ségi paraméterek gyelembevételével Pekárdy Milán, Baumgartner János, Süle Zoltán Pannon Egyetem, Veszprém XXXII. Magyar Operációkutatási

Részletesebben

12. előadás - Markov-láncok I.

12. előadás - Markov-láncok I. 12. előadás - Markov-láncok I. 2016. november 21. 12. előadás 1 / 15 Markov-lánc - definíció Az X n, n N valószínűségi változók sorozatát diszkrét idejű sztochasztikus folyamatnak nevezzük. Legyen S R

Részletesebben

Alapvető karbantartási stratégiák

Alapvető karbantartási stratégiák Alapvető karbantartási stratégiák MBA képzés 2009 Erdei János 4. Tervszerű karbantartás teljesítőképess pesség 00% Teljesítm tménytartalék-diagram kiesési si ciklikus állapotfüggő teljesítménymaradék t

Részletesebben

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1 Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában

Részletesebben

Modulzáró ellenőrző kérdések és feladatok (2)

Modulzáró ellenőrző kérdések és feladatok (2) Modulzáró ellenőrző kérdések és feladatok (2) 1. Definiálja az alábbi, technikai eszközök üzemi megbízhatóságával kapcsolatos fogalmakat (1): Megbízhatóság. Használhatóság. Hibamentesség. Fenntarthatóság.

Részletesebben

Gazdasági matematika II. tanmenet

Gazdasági matematika II. tanmenet Gazdasági matematika II. tanmenet Mádi-Nagy Gergely A hivatkozásokban az alábbi tankönyvekre utalunk: T: Tóth Irén (szerk.): Operációkutatás I., Nemzeti Tankönyvkiadó 1987. Cs: Csernyák László (szerk.):

Részletesebben

(Diszkrét idejű Markov-láncok állapotainak

(Diszkrét idejű Markov-láncok állapotainak (Diszkrét idejű Markov-láncok állapotainak osztályozása) March 21, 2019 Markov-láncok A Markov-láncok anaĺızise főként a folyamat lehetséges realizációi valószínűségeinek kiszámolásával foglalkozik. Ezekben

Részletesebben

előadás Diszkrét idejű tömegkiszolgálási modellek Poisson-folyamat Folytonos idejű Markov-láncok Folytonos idejű sorbanállás

előadás Diszkrét idejű tömegkiszolgálási modellek Poisson-folyamat Folytonos idejű Markov-láncok Folytonos idejű sorbanállás 13-14. előadás Diszkrét idejű tömegkiszolgálási modellek Poisson-folyamat Folytonos idejű Markov-láncok Folytonos idejű sorbanállás 2016. november 28. és december 5. 13-14. előadás 1 / 35 Bevezetés A diszkrét

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 3 III. VÉLETLEN VEKTOROK 1. A KÉTDIMENZIÓs VÉLETLEN VEKTOR Definíció: Az leképezést (kétdimenziós) véletlen vektornak nevezzük, ha Definíció:

Részletesebben

Valószínűségi változók. Várható érték és szórás

Valószínűségi változók. Várható érték és szórás Matematikai statisztika gyakorlat Valószínűségi változók. Várható érték és szórás Valószínűségi változók 2016. március 7-11. 1 / 13 Valószínűségi változók Legyen a (Ω, A, P) valószínűségi mező. Egy X :

Részletesebben

A kockázatelemzés menete

A kockázatelemzés menete A kockázatelemzés menete 1. Üzem (folyamat) jellemzői Veszélyforrások 2. Baleseti sorok meghatározása 3a. Következmények felmérése 3b. Gyakoriság becslése 4. Kockázat meghatározás Balesetek Gyakoriság

Részletesebben

A szolgáltatásbiztonság alapfogalmai

A szolgáltatásbiztonság alapfogalmai A szolgáltatásbiztonság alapfogalmai Majzik István majzik@mit.bme.hu http://www.inf.mit.bme.hu/edu/courses/szbt 1 Tartalomjegyzék A szolgáltatásbiztonság fogalma A szolgáltatásbiztonságot befolyásoló tényezők

Részletesebben

Megbízhatósági analízis

Megbízhatósági analízis Megbízhatósági analízis Rendszertervezés és -integráció előadás dr. Majzik István Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék BME-MIT Célkitűzések BME-MIT

Részletesebben

Modulzáró ellenőrző kérdések és feladatok (2)

Modulzáró ellenőrző kérdések és feladatok (2) Modulzáró ellenőrző kérdések és feladatok (2) 1. Definiálja az alábbi, technikai eszközök üzemi megbízhatóságával kapcsolatos fogalmakat (1): Megbízhatóság. Használhatóság. Hibamentesség. Fenntarthatóság.

Részletesebben

Markov-láncok stacionárius eloszlása

Markov-láncok stacionárius eloszlása Markov-láncok stacionárius eloszlása Adatbányászat és Keresés Csoport, MTA SZTAKI dms.sztaki.hu Kiss Tamás 2013. április 11. Tartalom Markov láncok definíciója, jellemzése Visszatérési idők Stacionárius

Részletesebben

Készítette: Fegyverneki Sándor

Készítette: Fegyverneki Sándor VALÓSZÍNŰSÉGSZÁMÍTÁS Összefoglaló segédlet Készítette: Fegyverneki Sándor Miskolci Egyetem, 2001. i JELÖLÉSEK: N a természetes számok halmaza (pozitív egészek) R a valós számok halmaza R 2 {(x, y) x, y

Részletesebben

x, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:

x, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Valószínűségi változó általános fogalma: A : R leképezést valószínűségi változónak nevezzük, ha : ( ) x, x R, x rögzített esetén esemény.

Részletesebben

Az előadásdiák gyors összevágása, hogy legyen valami segítség:

Az előadásdiák gyors összevágása, hogy legyen valami segítség: Az előadásdiák gyors összevágása, hogy legyen valami segítség: Az elektronikai gyártás ellenőrző berendezései (AOI, X-RAY, ICT) 1. Ismertesse az automatikus optikai ellenőrzés alapelvét (a), megvilágítási

Részletesebben

A következő feladat célja az, hogy egyszerű módon konstruáljunk Poisson folyamatokat.

A következő feladat célja az, hogy egyszerű módon konstruáljunk Poisson folyamatokat. Poisson folyamatok, exponenciális eloszlások Azt mondjuk, hogy a ξ valószínűségi változó Poisson eloszlású λ, 0 < λ

Részletesebben

Véletlen bolyongás. Márkus László március 17. Márkus László Véletlen bolyongás március / 31

Véletlen bolyongás. Márkus László március 17. Márkus László Véletlen bolyongás március / 31 Márkus László Véletlen bolyongás 2015. március 17. 1 / 31 Véletlen bolyongás Márkus László 2015. március 17. Modell Deníció Márkus László Véletlen bolyongás 2015. március 17. 2 / 31 Modell: Egy egyenesen

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,

Részletesebben

Budapesti M}uszaki Egyetem. Hradastechnikai Tanszek. Jereb Laszlo, Telek Miklos

Budapesti M}uszaki Egyetem. Hradastechnikai Tanszek. Jereb Laszlo, Telek Miklos SORBAN ALL ASOS RENDSZEREK Budapesti M}uszaki Egyetem Hradastechnikai Tanszek Jereb Laszlo, Telek Miklos Tartalomjegyzek. BEVEZETES.. A sokfelhasznalos hrkozles motivacioi....2. Tomegkiszolgalasi modellek

Részletesebben

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg LMeasurement.tex, March, 00 Mérés Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg a mérendő mennyiségben egy másik, a mérendővel egynemű, önkényesen egységnek választott

Részletesebben

Yule és Galton-Watson folyamatok

Yule és Galton-Watson folyamatok Dr. Márkus László Yule és ok 2015. március 9. 1 / 36 Yule és ok Dr. Márkus László 2015. március 9. Yule folyamat Dr. Márkus László Yule és ok 2015. március 9. 2 / 36 A független stacionárius növekmény

Részletesebben

Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem.

Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem. Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem. Elemi esemény: a kísérlet egyes lehetséges egyes lehetséges kimenetelei.

Részletesebben

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus. Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza

Részletesebben

0,424 0,576. f) P (X 2 = 3) g) P (X 3 = 1) h) P (X 4 = 1 vagy 2 X 2 = 2) i) P (X 7 = 3, X 4 = 1, X 2 = 2 X 0 = 2) j) P (X 7 = 3, X 4 = 1, X 2 = 2)

0,424 0,576. f) P (X 2 = 3) g) P (X 3 = 1) h) P (X 4 = 1 vagy 2 X 2 = 2) i) P (X 7 = 3, X 4 = 1, X 2 = 2 X 0 = 2) j) P (X 7 = 3, X 4 = 1, X 2 = 2) Legyen adott a P átmenetvalószín ség mátrix és a ϕ 0 kezdeti eloszlás Kérdés, hogy miként lehetne meghatározni az egyes állapotokban való tartózkodás valószín ségét az n-edik lépés múlva Deniáljuk az n-lépéses

Részletesebben

Abszolút folytonos valószín ségi változó (4. el adás)

Abszolút folytonos valószín ségi változó (4. el adás) Abszolút folytonos valószín ségi változó (4. el adás) Deníció (Abszolút folytonosság és s r ségfüggvény) Az X valószín ségi változó abszolút folytonos, ha van olyan f : R R függvény, melyre P(X t) = t

Részletesebben

Gazdasági matematika II. vizsgadolgozat megoldása A csoport

Gazdasági matematika II. vizsgadolgozat megoldása A csoport Gazdasági matematika II. vizsgadolgozat megoldása A csoport Definiálja az alábbi fogalmakat!. Egy eseménynek egy másik eseményre vonatkozó feltételes valószínűsége. ( pont) Az A esemény feltételes valószínűsége

Részletesebben

Kecskeméti Fıiskola GAMF Kar Informatika Tanszék. Johanyák Zsolt Csaba

Kecskeméti Fıiskola GAMF Kar Informatika Tanszék. Johanyák Zsolt Csaba Kecskeméti Fıiskola GAMF Kar Informatika Tanszék Johanyák Zsolt Csaba 003 Tartalomjegyzék. Bevezetés.... A megbízhatóság fogalmai..... A termék idıtıl függı képességei...... Használhatóság /Üzemkészség/

Részletesebben

4. Laplace transzformáció és alkalmazása

4. Laplace transzformáció és alkalmazása 4. Laplace transzformáció és alkalmazása 4.1. Laplace transzformált és tulajdonságai Differenciálegyenletek egy csoportja algebrai egyenletté alakítható. Ennek egyik eszköze a Laplace transzformáció. Definíció:

Részletesebben

(Independence, dependence, random variables)

(Independence, dependence, random variables) Két valószínűségi változó együttes vizsgálata Feltételes eloszlások Két diszkrét változó együttes eloszlása a lehetséges értékpárok és a hozzájuk tartozó valószínűségek (táblázat) Példa: Egy urna 3 fehér,

Részletesebben

Valószínűségszámítás összefoglaló

Valószínűségszámítás összefoglaló Statisztikai módszerek BMEGEVGAT Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:

Részletesebben

2. gyakorlat RENDSZEREK MEGBÍZHATÓSÁGA: SOROS RENDSZEREK, REDUNDANCIA. Összeállította: Farkas Balázs

2. gyakorlat RENDSZEREK MEGBÍZHATÓSÁGA: SOROS RENDSZEREK, REDUNDANCIA. Összeállította: Farkas Balázs 2. gyakorlat RENDSZEREK MEGBÍZHATÓSÁGA: SOROS RENDSZEREK, REDUNDANCIA Összeállította: Farkas Balázs BEVEZETÉS RENDSZERTULAJDONSÁGOK Egy rendszer megbízhatósága függ: elemeinek megbízhatóságától és az elemek

Részletesebben

Függvények növekedési korlátainak jellemzése

Függvények növekedési korlátainak jellemzése 17 Függvények növekedési korlátainak jellemzése A jellemzés jól bevált eszközei az Ω, O, Θ, o és ω jelölések. Mivel az igények általában nemnegatívak, ezért az alábbi meghatározásokban mindenütt feltesszük,

Részletesebben

Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny

Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny Szűk elméleti összefoglaló Valószínűségi változó: egy függvény, ami az eseményteret a valós számok halmazára tudja vetíteni. A val.

Részletesebben

Sztochasztikus folyamatok alapfogalmak

Sztochasztikus folyamatok alapfogalmak Matematikai Modellalkotás Szeminárium 2012. szeptember 4. 1 Folytonos idejű Markov láncok 2 3 4 1 Folytonos idejű Markov láncok 2 3 4 Folytonos idejű Markov láncok I Adott egy G = (V, E) gráf Folytonos

Részletesebben

e (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:

e (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma: Normális eloszlás ξ valószínűségi változó normális eloszlású. ξ N ( µ, σ 2) Paraméterei: µ: várható érték, σ 2 : szórásnégyzet (µ tetszőleges, σ 2 tetszőleges pozitív valós szám) Normális eloszlás sűrűségfüggvénye:

Részletesebben

FELVÉTELI VIZSGA, július 21. Írásbeli próba MATEMATIKÁBÓL A. RÉSZ

FELVÉTELI VIZSGA, július 21. Írásbeli próba MATEMATIKÁBÓL A. RÉSZ BABE -BOLYAI TUDOMÁNYEGYETEM, KOLOZSVÁR MATEMATIKA ÉS INFORMATIKA KAR FELVÉTELI VIZSGA, 9. július. Írásbeli próba MATEMATIKÁBÓL FONTOS MEGJEGYZÉS: ) Az A. részben megjelen feleletválasztós feladatok esetén

Részletesebben

Megoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ

Megoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ Megoldások Harmadik fejezet gyakorlatai 3.. gyakorlat megoldása ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4;, 3 normális eloszlású P (ξ 8 ξ 5 feltételes valószínűségét (.3. alapján számoljuk.

Részletesebben

Véletlen szám generálás

Véletlen szám generálás 2. elıadás Véletlen szám generálás LCG: (0 < m, 0

Részletesebben

Gyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László

Gyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László Gyakorló feladatok Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László I/. A vizsgaidőszak második napján a hallgatók %-ának az E épületben, %-ának a D épületben,

Részletesebben

Biomatematika 2 Orvosi biometria

Biomatematika 2 Orvosi biometria Biomatematika 2 Orvosi biometria 2017.02.13. Populáció és minta jellemző adatai Hibaszámítás Valószínűség 1 Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza)

Részletesebben

Mesterséges Intelligencia MI

Mesterséges Intelligencia MI Mesterséges Intelligencia MI Valószínűségi hálók - következtetés Dobrowiecki Tadeusz Eredics Péter, és mások BME I.E. 437, 463-28-99 dobrowiecki@mit.bme.hu, http://www.mit.bme.hu/general/staff/tade Következtetés

Részletesebben

Legyen adott egy S diszkrét halmaz. Leggyakrabban S az egész számoknak egy halmaza, például S = {0, 1, 2,..., N}, {0, 1, 2,... }.

Legyen adott egy S diszkrét halmaz. Leggyakrabban S az egész számoknak egy halmaza, például S = {0, 1, 2,..., N}, {0, 1, 2,... }. . Markov-láncok. Definíció és alapvető tulajdonságok Legyen adott egy S diszkrét halmaz. Leggyakrabban S az egész számoknak egy halmaza, például S = {0,,,..., N}, {0,,,... }.. definíció. S értékű valószínűségi

Részletesebben

Matematika A3 Valószínűségszámítás, 5. gyakorlat 2013/14. tavaszi félév

Matematika A3 Valószínűségszámítás, 5. gyakorlat 2013/14. tavaszi félév Matematika A3 Valószínűségszámítás, 5. gyakorlat 013/14. tavaszi félév 1. Folytonos eloszlások Eloszlásfüggvény és sűrűségfüggvény Egy valószínűségi változó, illetve egy eloszlás eloszlásfüggvényének egy

Részletesebben

Új típusú döntési fa építés és annak alkalmazása többtényezős döntés területén

Új típusú döntési fa építés és annak alkalmazása többtényezős döntés területén Új típusú döntési fa építés és annak alkalmazása többtényezős döntés területén Dombi József Szegedi Tudományegyetem Bevezetés - ID3 (Iterative Dichotomiser 3) Az ID algoritmusok egy elemhalmaz felhasználásával

Részletesebben

CHT& NSZT Hoeffding NET mom. stabilis. 2011. november 9.

CHT& NSZT Hoeffding NET mom. stabilis. 2011. november 9. CHT& NSZT Hoeffding NET mom. stabilis Becslések, határeloszlás tételek Székely Balázs 2011. november 9. CHT& NSZT Hoeffding NET mom. stabilis 1 CHT és NSZT 2 Hoeffding-egyenlőtlenség Alkalmazása: Beengedés

Részletesebben

Sorozatok és Sorozatok és / 18

Sorozatok és Sorozatok és / 18 Sorozatok 2015.11.30. és 2015.12.02. Sorozatok 2015.11.30. és 2015.12.02. 1 / 18 Tartalom 1 Sorozatok alapfogalmai 2 Sorozatok jellemz i 3 Sorozatok határértéke 4 Konvergencia és korlátosság 5 Cauchy-féle

Részletesebben

Pontműveletek. Sergyán Szabolcs Óbudai Egyetem Neumann János Informatikai Kar február 20.

Pontműveletek. Sergyán Szabolcs Óbudai Egyetem Neumann János Informatikai Kar február 20. Pontműveletek Sergyán Szabolcs sergyan.szabolcs@nik.uni-obuda.hu Óbudai Egyetem Neumann János Informatikai Kar 2012. február 20. Sergyán (OE NIK) Pontműveletek 2012. február 20. 1 / 40 Felhasznált irodalom

Részletesebben

SÚLYOS BALESETEK ELEMZÉSE. 3. téma: Kvalitatív módszerek - Hibafa

SÚLYOS BALESETEK ELEMZÉSE. 3. téma: Kvalitatív módszerek - Hibafa Az oktatási anyag a szerzők szellemi terméke. Az anyag kizárólag a 2014.01.22-23 23-i OKF Továbbképzés céljaira használható. Sokszorosítás, utánközlés és mindennemű egyéb felhasználás a szerzők engedélyéhez

Részletesebben

Megoldott feladatok november 30. n+3 szigorúan monoton csökken, 5. n+3. lim a n = lim. n+3 = 2n+3 n+4 2n+1

Megoldott feladatok november 30. n+3 szigorúan monoton csökken, 5. n+3. lim a n = lim. n+3 = 2n+3 n+4 2n+1 Megoldott feladatok 00. november 0.. Feladat: Vizsgáljuk az a n = n+ n+ sorozat monotonitását, korlátosságát és konvergenciáját. Konvergencia esetén számítsuk ki a határértéket! : a n = n+ n+ = n+ n+ =

Részletesebben

Függvények július 13. f(x) = 1 x+x 2 f() = 1 ()+() 2 f(f(x)) = 1 (1 x+x 2 )+(1 x+x 2 ) 2 Rendezés után kapjuk, hogy:

Függvények július 13. f(x) = 1 x+x 2 f() = 1 ()+() 2 f(f(x)) = 1 (1 x+x 2 )+(1 x+x 2 ) 2 Rendezés után kapjuk, hogy: Függvények 015. július 1. 1. Feladat: Határozza meg a következ összetett függvényeket! f(x) = cos x + x g(x) = x f(g(x)) =? g(f(x)) =? Megoldás: Összetett függvény el állításához a küls függvényben a független

Részletesebben

Gazdasági matematika II. vizsgadolgozat megoldása, június 10

Gazdasági matematika II. vizsgadolgozat megoldása, június 10 Gazdasági matematika II. vizsgadolgozat megoldása, 204. június 0 A dolgozatírásnál íróeszközön kívül más segédeszköz nem használható. A dolgozat időtartama: 90 perc. Ha a dolgozat első részéből szerzett

Részletesebben

Dinamikus modellek szerkezete, SDG modellek

Dinamikus modellek szerkezete, SDG modellek Diagnosztika - 3. p. 1/2 Modell Alapú Diagnosztika Diszkrét Módszerekkel Dinamikus modellek szerkezete, SDG modellek Hangos Katalin PE Villamosmérnöki és Információs Rendszerek Tanszék Diagnosztika - 3.

Részletesebben

I. A DIGITÁLIS ÁRAMKÖRÖK ELMÉLETI ALAPJAI

I. A DIGITÁLIS ÁRAMKÖRÖK ELMÉLETI ALAPJAI I. A DIGITÁLIS ÁRAMKÖRÖK ELMÉLETI ALAPJAI 1 A digitális áramkörökre is érvényesek a villamosságtanból ismert Ohm törvény és a Kirchhoff törvények, de az elemzés és a tervezés rendszerint nem ezekre épül.

Részletesebben

Mérési hibák 2006.10.04. 1

Mérési hibák 2006.10.04. 1 Mérési hibák 2006.10.04. 1 Mérés jel- és rendszerelméleti modellje Mérési hibák_labor/2 Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális értéke közötti különbség

Részletesebben

A valószínűségszámítás elemei

A valószínűségszámítás elemei Alapfogalmak BIOSTATISZTIKA ÉS INFORMATIKA A valószínűségszámítás elemei Jelenség: minden, ami lényegében azonos feltételek mellett megismételhető, amivel kapcsolatban megfigyeléseket lehet végezni, lehet

Részletesebben

Sztochasztikus temporális logikák

Sztochasztikus temporális logikák Sztochasztikus temporális logikák Teljesítmény és szolgáltatásbiztonság jellemzők formalizálása és ellenőrzése Majzik István Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs

Részletesebben

Analízis elo adások. Vajda István. 2012. szeptember 10. Neumann János Informatika Kar Óbudai Egyetem. Vajda István (Óbudai Egyetem)

Analízis elo adások. Vajda István. 2012. szeptember 10. Neumann János Informatika Kar Óbudai Egyetem. Vajda István (Óbudai Egyetem) Vajda István Neumann János Informatika Kar Óbudai Egyetem 1 / 36 Bevezetés A komplex számok értelmezése Definíció: Tekintsük a valós számpárok R2 halmazát és értelmezzük ezen a halmazon a következo két

Részletesebben

4. Az A és B események egymást kizáró eseményeknek vagy idegen (diszjunkt)eseményeknek nevezzük, ha AB=O

4. Az A és B események egymást kizáró eseményeknek vagy idegen (diszjunkt)eseményeknek nevezzük, ha AB=O 1. Mit nevezünk elemi eseménynek és eseménytérnek? A kísérlet lehetséges kimeneteleit elemi eseményeknek nevezzük. Az adott kísélethez tartozó elemi események halmazát eseménytérnek nevezzük, jele: X 2.

Részletesebben

f(x) vagy f(x) a (x x 0 )-t használjuk. lim melyekre Mivel itt ɛ > 0 tetszőlegesen kicsi, így a a = 0, a = a, ami ellentmondás, bizonyítva

f(x) vagy f(x) a (x x 0 )-t használjuk. lim melyekre Mivel itt ɛ > 0 tetszőlegesen kicsi, így a a = 0, a = a, ami ellentmondás, bizonyítva 6. FÜGGVÉNYEK HATÁRÉRTÉKE ÉS FOLYTONOSSÁGA 6.1 Függvény határértéke Egy D R halmaz torlódási pontjainak halmazát D -vel fogjuk jelölni. Definíció. Legyen f : D R R és legyen x 0 D (a D halmaz torlódási

Részletesebben

ÁRAMKÖRÖK SZIMULÁCIÓJA

ÁRAMKÖRÖK SZIMULÁCIÓJA ÁRAMKÖRÖK SZIMULÁCIÓJA Az áramkörök szimulációja révén betekintést nyerünk azok működésébe. Meg tudjuk határozni az áramkörök válaszát különböző gerjesztésekre, különböző üzemmódokra. Végezhetők analóg

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.22. Valószínűségi változó Véletlentől függő számértékeket (értékek sokasága) felvevő változókat valószínűségi változóknak nevezzük(jelölés: ξ, η, x). (pl. x =

Részletesebben

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI MÉRÉSI EREDMÉYEK POTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI. A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk

Részletesebben

KÖZELÍTŐ INFERENCIA II.

KÖZELÍTŐ INFERENCIA II. STATISZTIKAI TANULÁS AZ IDEGRENDSZERBEN KÖZELÍTŐ INFERENCIA II. MONTE CARLO MÓDSZEREK ISMÉTLÉS Egy valószínűségi modellben a következtetéseinket a látensek vagy a paraméterek fölötti poszterior írja le.

Részletesebben

A maximum likelihood becslésről

A maximum likelihood becslésről A maximum likelihood becslésről Definíció Parametrikus becsléssel foglalkozunk. Adott egy modell, mellyel elképzeléseink szerint jól leírható a meghatározni kívánt rendszer. (A modell típusának és rendszámának

Részletesebben

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk Valószínűségszámítás 8. feladatsor 2015. november 26. 1. Bizonyítsuk be, hogy az alábbi folyamatok mindegyike martingál. a S n, Sn 2 n, Y n = t n 1+ 1 t 2 Sn, t Fn = σ S 1,..., S n, 0 < t < 1 rögzített,

Részletesebben

Szójegyzék/műszaki lexikon

Szójegyzék/műszaki lexikon Tartalom Szójegyzék/műszaki lexikon Szójegyzék/műszaki lexikon Tápegységek Áttekintés.2 Szabványok és tanúsítványok.4 Szójegyzék.6.1 Tápegységek áttekintés Tápegységek - áttekintés A hálózati tápegységek

Részletesebben

Félévi időbeosztás (nagyjából) házi feladat beadási határidőkkel (pontosan) Valószínűségszámítás 2. matematikusoknak és fizikusoknak, 2009 tavasz

Félévi időbeosztás (nagyjából) házi feladat beadási határidőkkel (pontosan) Valószínűségszámítás 2. matematikusoknak és fizikusoknak, 2009 tavasz Félévi időbeosztás (nagyjából) házi feladat beadási határidőkkel (pontosan) Valószínűségszámítás 2. matematikusoknak és fizikusoknak, 2009 tavasz Dátum Téma beadandó Feb 12Cs Konvolúció (normális, Cauchy,

Részletesebben

E.4 Markov-láncok E.4 Markov-láncok. Sok sorbanállási hálózat viselkedése leírható "folytonos idejű Markovláncok " segítségével.

E.4 Markov-láncok E.4 Markov-láncok. Sok sorbanállási hálózat viselkedése leírható folytonos idejű Markovláncok  segítségével. E.4 Markov-láncok Sok sorbanállási hálózat viselkedése leírható "folytonos idejű Markovláncok " segítségével. Egy Markov-láncot (MC) meghatároznak az alapját adó sorbanállási hálózat állapotai és az ezek

Részletesebben

MIKROELEKTRONIKA, VIEEA306

MIKROELEKTRONIKA, VIEEA306 Budapesti Műszaki és Gazdaságtudományi Egyetem MIKROELEKTRONIKA, VIEEA306 A MOS inverterek http://www.eet.bme.hu/~poppe/miel/hu/13-mosfet2.ppt http://www.eet.bme.hu Vizsgált absztrakciós szint RENDSZER

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.15. Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza) alkotja az eseményteret. Esemény: az eseménytér részhalmazai.

Részletesebben

minden x D esetén, akkor x 0 -at a függvény maximumhelyének mondjuk, f(x 0 )-at pedig az (abszolút) maximumértékének.

minden x D esetén, akkor x 0 -at a függvény maximumhelyének mondjuk, f(x 0 )-at pedig az (abszolút) maximumértékének. Függvények határértéke és folytonossága Egy f: D R R függvényt korlátosnak nevezünk, ha a függvényértékek halmaza korlátos. Ha f(x) f(x 0 ) teljesül minden x D esetén, akkor x 0 -at a függvény maximumhelyének

Részletesebben

Elméleti összefoglaló a Valószín ségszámítás kurzushoz

Elméleti összefoglaló a Valószín ségszámítás kurzushoz Elméleti összefoglaló a Valószín ségszámítás kurzushoz Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet kimeneteleinek

Részletesebben

Országos Középiskolai Tanulmányi Verseny 2009/2010 Matematika I. kategória (SZAKKÖZÉPISKOLA) 2. forduló feladatainak megoldása

Országos Középiskolai Tanulmányi Verseny 2009/2010 Matematika I. kategória (SZAKKÖZÉPISKOLA) 2. forduló feladatainak megoldása Oktatási Hivatal Országos Középiskolai Tanulmányi Verseny / Matematika I. kategória (SZAKKÖZÉPISKOLA) 2. forduló feladatainak megoldása. Oldja meg a valós számok legbővebb részhalmazán a egyenlőtlenséget!

Részletesebben

Lineáris algebra (10A103)

Lineáris algebra (10A103) Lineáris algebra (10A103) Dr. Hartmann Miklós Tudnivalók Honlap: http://www.math.u-szeged.hu/~hartm Jegyzet: Megyesi László: Lineáris algebra. Vizsga: írásbeli, feltétele a Lineáris algebra gyakorlat teljesítése.

Részletesebben

Kockázati folyamatok. Sz cs Gábor. Szeged, 2012. szi félév. Szegedi Tudományegyetem, Bolyai Intézet

Kockázati folyamatok. Sz cs Gábor. Szeged, 2012. szi félév. Szegedi Tudományegyetem, Bolyai Intézet Kockázati folyamatok Sz cs Gábor Szegedi Tudományegyetem, Bolyai Intézet Szeged, 2012. szi félév Sz cs Gábor (SZTE, Bolyai Intézet) Kockázati folyamatok 2012. szi félév 1 / 48 Bevezetés A kurzus céljai

Részletesebben

Analóg áramkörök Műveleti erősítővel épített alapkapcsolások

Analóg áramkörök Műveleti erősítővel épített alapkapcsolások nalóg áramkörök Műveleti erősítővel épített alapkapcsolások Informatika/Elektronika előadás encz Márta/ess Sándor Elektronikus Eszközök Tanszék 07-nov.-22 Témák Műveleti erősítőkkel kapcsolatos alapfogalmak

Részletesebben

Véletlenszám generátorok és tesztelésük HORVÁTH BÁLINT

Véletlenszám generátorok és tesztelésük HORVÁTH BÁLINT Véletlenszám generátorok és tesztelésük HORVÁTH BÁLINT Mi a véletlen? Determinisztikus vs. Véletlen esemény? Véletlenszám: számok sorozata, ahol véletlenszerűen követik egymást az elemek Pszeudo-véletlenszám

Részletesebben

EGYENÁRAMÚ TÁPEGYSÉGEK

EGYENÁRAMÚ TÁPEGYSÉGEK dátum:... a mérést végezte:... EGYENÁRAMÚ TÁPEGYSÉGEK m é r é s i j e g y z k ö n y v 1/A. Mérje meg az adott hálózati szabályozható (toroid) transzformátor szekunder tekercsének minimálisan és maximálisan

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI 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

Részletesebben

GPK M1 (BME) Interpoláció / 16

GPK 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

Részletesebben

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

STATISZTIKA. 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

Részletesebben

(1 + (y ) 2 = f(x). Határozzuk meg a rúd alakját, ha a nyomaték eloszlás. (y ) 2 + 2yy = 0,

(1 + (y ) 2 = f(x). Határozzuk meg a rúd alakját, ha a nyomaték eloszlás. (y ) 2 + 2yy = 0, Feladatok az 5. hétre. Eredményekkel és kidolgozott megoldásokkal. Oldjuk meg az alábbi másodrend lineáris homogén d.e. - et, tudva, hogy egy megoldása az y = x! x y xy + y = 0.. Oldjuk meg a következ

Részletesebben

Funkcionálanalízis. n=1. n=1. x n y n. n=1

Funkcionálanalízis. n=1. n=1. x n y n. n=1 Funkcionálanalízis 2011/12 tavaszi félév - 2. előadás 1.4. Lényeges alap-terek, példák Sorozat terek (Folytatás.) C: konvergens sorozatok tere. A tér pontjai sorozatok: x = (x n ). Ezen belül C 0 a nullsorozatok

Részletesebben

Véletlenszám generátorok és tesztelésük. Tossenberger Tamás

Véletlenszám generátorok és tesztelésük. Tossenberger Tamás Véletlenszám generátorok és tesztelésük Tossenberger Tamás Érdekességek Pénzérme feldobó gép: $0,25-os érme 1/6000 valószínűséggel esik az élére 51% eséllyel érkezik a felfelé mutató oldalára Pörgetésnél

Részletesebben

BIOMATEMATIKA ELŐADÁS

BIOMATEMATIKA ELŐADÁS BIOMATEMATIKA ELŐADÁS 9. Együttes eloszlás, kovarianca, nevezetes eloszlások Debreceni Egyetem, 2015 Dr. Bérczes Attila, Bertók Csanád A diasor tartalma 1 Bevezetés, definíciók Együttes eloszlás Függetlenség

Részletesebben

1. Fuggveny ertekek. a) f (x) = 3x 3 2x 2 + x 15 x = 5, 10, 5 B I. x = arcsin(x) ha 1 x 0 x = 1, arctg(x) ha 0 < x < + a) f (x) = 4 x 2 x+log

1. Fuggveny ertekek. a) f (x) = 3x 3 2x 2 + x 15 x = 5, 10, 5 B I. x = arcsin(x) ha 1 x 0 x = 1, arctg(x) ha 0 < x < + a) f (x) = 4 x 2 x+log 1. Fuggveny ertekek 1 Szamtsuk ki az alabbi fuggvenyek erteket a megadott helyeken! a) f (x) = 3x 3 2x 2 + x 15 x = 5, 10, 5 B I b) f (x) = sin x 1 x = π 2, π 4, 3 3 2π, 10π I arcsin(x) ha 1 x 0 1 c) f

Részletesebben

Lineáris algebra (10A103)

Lineáris algebra (10A103) Lineáris algebra (10A103) Kátai-Urbán Kamilla (1. előadás) Mátrixok 2019. február 6. 1 / 35 Bevezetés Előadás Tudnivalók (I.) Honlap: http://www.math.u-szeged.hu/~katai Jegyzet: Az előadáson készített

Részletesebben

Tantárgy kódja Meghirdetés féléve 3 Kreditpont 4 Összóraszám (elm+gyak) 2+2

Tantárgy kódja Meghirdetés féléve 3 Kreditpont 4 Összóraszám (elm+gyak) 2+2 Tantárgy neve Alkalmazott matematika II. Tantárgy kódja MT003 Meghirdetés féléve 3 Kreditpont 4 Összóraszám (elm+gyak) 2+2 Számonkérés módja gyakorlati jegy Előfeltétel (tantárgyi kód) MT002 Tantárgyfelelős

Részletesebben

A Markovi forgalomanalízis legújabb eredményei és ezek alkalmazása a távközlő hálózatok teljesítményvizsgálatában

A Markovi forgalomanalízis legújabb eredményei és ezek alkalmazása a távközlő hálózatok teljesítményvizsgálatában A Markovi forgalomanalízis legújabb eredményei és ezek alkalmazása a távközlő hálózatok teljesítményvizsgálatában Horváth Gábor ghorvath@hit.bme.hu (Horváth András, Telek Miklós) - p. 1 Motiváció, problémafelvetés

Részletesebben

szakértői rendszer Tóth György E.ON Németh Bálint BME VET

szakértői rendszer Tóth György E.ON Németh Bálint BME VET xát transzformátor, megszakító és mérőváltó állapot tényező szakértői rendszer Tóth György E.ON Németh Bálint BME VET Kiindulás amink van: Primer diagnosztikai és karbantartási stratégiák Egymásra épülő,

Részletesebben

Együ ttes e s vetü leti eloszlá s, sü rü se gfü ggve ny, eloszlá sfü ggve ny

Együ ttes e s vetü leti eloszlá s, sü rü se gfü ggve ny, eloszlá sfü ggve ny Együ ttes e s vetü leti eloszlá s, sü rü se gfü ggve ny, eloszlá sfü ggve ny Szűk elméleti összefoglaló Együttes és vetületi eloszlásfüggvény: X = (X, X, X n ) valószínűségi vektorváltozónak hívjuk. X

Részletesebben

36 0,3. Mo.: 36 0,19. Mo.: 36 0,14. Mo.: 32 = 0,9375 32 = 0,8125 32 = 0,40625. Mo.: 32 = 0,25

36 0,3. Mo.: 36 0,19. Mo.: 36 0,14. Mo.: 32 = 0,9375 32 = 0,8125 32 = 0,40625. Mo.: 32 = 0,25 Valószínűségszámítás I. Kombinatorikus valószínűségszámítás. BKSS 4... Egy szabályos dobókockát feldobva mennyi annak a valószínűsége, hogy a -ost dobunk; 0. b legalább 5-öt dobunk; 0, c nem az -est dobjuk;

Részletesebben

Gazdasági matematika II. vizsgadolgozat, megoldással,

Gazdasági matematika II. vizsgadolgozat, megoldással, Gazdasági matematika II. vizsgadolgozat, megoldással, levelező képzés Definiálja az alábbi fogalmakat! 1. Kvadratikus mátrix invertálhatósága és inverze. (4 pont) Egy A kvadratikus mátrixot invertálhatónak

Részletesebben

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

BAGME11NNF 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

Részletesebben

Gazdasági matematika II. Tantárgyi útmutató

Gazdasági matematika II. Tantárgyi útmutató Módszertani Intézeti Tanszék Gazdálkodási és menedzsment, pénzügy és számvitel szakok távoktatás tagozat Gazdasági matematika II. Tantárgyi útmutató 2016/17 tanév II. félév 1/6 A KURZUS ALAPADATAI Tárgy

Részletesebben