MILYEN FELADATOKNÁL HASZNÁLHATÓ?
|
|
- Judit Ráczné
- 6 évvel ezelőtt
- Látták:
Átírás
1 SZIMULÁCIÓ FOGALMA: Olyan módszer, amely alkalmas a folyamatok valósághű modellezésére, és vele értékelhetőek a folyamat- és rendszer-állapotváltozások. A folyamat leutánzása, modellezése. Állapotváltozások mintavételezése. A mintavételezések matematikai-statisztikai kiértékelése. A SZIMULÁCIÓ CÉLJA: Tervezési hiba elkerülése bonyolult gépeknél, komplex rendszereknél, Tervezési változatok összehasonlítása, Dinamikus és sztochasztikus folyamatok elemzése, Határteljesítmények és állapotok meghatározása, Irányítási stratégiaváltozatok összehasonlítása, Működési zavarok és azok elhárításának modellezése, Minősítő paraméterek, befolyásoló tényezők vizsgálata.
2 MILYEN FELADATOKNÁL HASZNÁLHATÓ? Meglévő gépek, folyamatok, rendszerek működésének vizsgálata, értékelése, javítása, Gépek, folyamatok, rendszerek tervezése, Gépek, folyamatok, rendszerek paramétereinek optimalizálása, Gépek vezérlése, folyamatok, rendszerek irányítása. MIKOR SZÜKSÉGES SZIMULÁCIÓ? Bonyolult gépeknél, komplex, nagyméretű rendszereknél determinisztikus folyamatok esetén, Gépeknél, folyamatoknál, rendszereknél, ha véletlenszerű hatások lépnek föl (sztochasztikus folyamatok), o termelési folyamatok működési zavarai, o a kiszolgálási folyamat szabálytalanságai, o gépek, géprendszerek működési zavarai, o az irányító rendszer zavarai, o környezeti bizonytalanságok.
3 SZIMULÁCIÓS MODELLEK OSZTÁLYOZÁSA Vizsgálat tárgya: Valóságos rendszer Modell matematikai fizikai Folyamat jellege: Determinisztikus Sztochasztikus Fuzzy Folyamat idõbeni lefolyása: Folyamatos Diszkrét Végrehajtás módja: Manuális Számítógépes Digitális Analóg Hibrid Interaktív Kötegelt (batch) Animáció nélkül Animációval Szakaszos Folyamatos
4 A SZIMULÁCIÓ FÁZISAI: Folyamatanalízis, Modellalkotás, Folyamatstruktúra, Működési stratégia, Bemenő és kimenő adatok megadása, Belső adatok, kimenő adatok előállítására szolgáló algoritmusok, Programozás, Szimulációs futtatás: o bemenő adatok realizálása, o kimenő adatok meghatározása, A kapott eredmények kiértékelése, Ha szükséges a modell javítása.
5 A SZIMULÁCIÓ ÁLTALÁNOS MODELLJE START Keresett mennyiségek, hatékonysági mutatók összeállítása Pl.:-szükséges tárolókapacitás - várakozási idõk - berendezések kihasználtsága A bemenõ mennyiségek és függvények alakulásának vizsgálata pl.: - bizonyos helyeken állandó - idõközû feladások - kiszolgálási igények alakulásának eloszlásfüggvénye A rendszer mûködésének leírása, modellalkotás pl.: - konténeres daru mikor, hova, honnan rakodik (egyszerû) - kétpályás konvejor rendszernél ez bonyolultabb (váltok, útvonalak) Keresett mennyiségek elõállítására szolgáló algoritmus megalkotása ez a leghosszadalmasabb, de a legfontosabb része a szimulációnak Soronkövetkezõ adat (véletlenszerûségének) realizálása idõléptetés Kimenõ adatok elõállításához szükséges jellemzõk képzése az algoritmus segítségével Nem Realizáltuk-e a kívánt pontossághoz szükséges kimenõ adatot Igen Keresett mennyiségek, hatékonysági mutatók meghatározása, statisztikus kiértékelése Pontossági vizsgálat STOP
6 RENDSZERPARAMÉTEREK Bemenő paraméterek: o állandók, a rendszert jellemző, de a folyamat során állandó paraméterek. kiszolgálógépek száma, maximális tárolókapacitás, stb. o véletlen változók, melyek pl.: eloszlás függvényeikkel adottak kiszolgálási igények jelentkezése, kiszolgálási időtartamok o kezdeti állapotjelzők Függő változók: a bemenő adatokból, állandó és véletlen változókból képezhető jellegzetes függőváltozók, pl.: o kiszolgálásra váró igények száma, o kiszolgáló eszközök várakozási ideje, stb. Kimenő paraméterek: hatékonysági jellemzők, melyek a független és függő változók halmazából statisztikai kiértékeléssel képezhetők, pl.: o kiszolgálásra váró igények eloszlása, várható értéke, szórása, o várakozási idők eloszlása, o eszközkihasználások
7 SZIMULÁCIÓS ALGORITMUS NÉHÁNY SAJÁTOSSÁGA A rendszer állapotai: o közönséges állapot: állapotváltozók nem változnak ugrásszerűen. Pl.: egypályás konvejornál nincs feladás, leadás csak egy követési időnyi előrehaladás van o különleges állapot: állapotjellemzők ugrásszerűen változnak, feladások leadások vannak. ALGORITMUS SZERKESZTÉSI ELV: o t elv: található egy olyan egységnyi idő. melynek csak egészszámú többszörösein következhet be állapotváltozás. o különleges állapotok elve: (futtatási idő talán rövidebb, de az algoritmus bonyolultabb)
8 FOLYAMATOK JELLEMZÉSE: y Instac. Stac. Instac. Stac. x
9 MIKOR LÉP FEL INSTACIONÉR FOLYAMAT? A termelési, ill. szolgáltatási folyamat indításakor és leállításakor. A termelési, ill. szolgáltatási folyamatban programváltás során (pl. egy szereldében termékváltásnál). HOGYAN KELL KEZELNI AZ INSTACIONÉR FOLYAMATOT? Szét kell választani a stacionér és instacionér folyamatot, és külön-külön kell kiértékelni (pl. egy egyváltozós eloszlás függvényét kell meghatározni). Szétválasztás a jellegzetes változó várható értékének, szórásának elemzése alapján. Hogyha csak a stacionér állapot vizsgálata szükséges, akkor, ha tudjuk a kezdő állapotot, ennek beállításával elkerülhető a szimulációs eljárásnál az instacionér folyamat rész megjelenése (pl. egy raktári betárolásnál bizonyos rekeszekben a folyamat jellegénél egy kezdő áruelrendezésből indulunk ki).
10 VÉLETLEN VÁLTOZÓK (SZÁMOK) GENERÁLÁSA GENERÁLÁSI MÓDOK: számozott papírdarabok kihúzása dobozból kézi úton végrehajtott szimulációval (fizika: szim.), rövid bemutatóknál véletlen szám táblázatok (1927-től) legismertebb RAND Corporation táblázata ilyen célra tervezett speciális gépek fentiek nem megfelelő véletlen szám források a digitális számítógépek számára pl.: táblázat adatait memóriában, vagy periférián (szalag, dob, kártya) kell tárolni nagy kapacitást foglal, speciális gépek nem kapcsolhatók a digitális géphez hatékony numerikus módszerekkel, magában a digitális számítógépben generálunk véletlen számokat véletlen szám generáló könyvtári program (csak be kell hívni a véletlen számot) KÖVETELMÉNY A VÉLETLEN SZÁMOKKAL SZEMBEN: reprodukálható legyen a sorozat (modellt ugyanazon véletlen számokkal, de más paraméterekkel futtatom le) számok valóban véletlenek legyenek (a kívánt eloszlást hozzák) ellenőrzési próbákkal ne legyen degenerált a számsorozat (ne alakuljon ki hurok)
11 1., EGYENLETES ELOSZLÁSÚ VÉLETLEN VÁLTOZÓ SZÁM (egyszerűen véletlen szám) közvetlenül használhatók felhasználhatók más eloszlású véletlen változó generálására Sűrűségfüggvénye: f(x) = 1 0 x 1 x - a véletlen szám x' = a + x (b-a) x=0 x'=a x=1 x'=b tizedespont tologatásával , közötti egyenletes eloszlású véletlen számok képezhetők
12 NUMERIKUS MÓDSZEREK VÉLETLEN SZÁM ELŐÁLLÍTÁSÁRA NÉGYZETKÖZÉP MÓDSZER Elindulunk egy tetszőleges n (általában v. szám) jegyű x0 számmal, képezzük x1-et x0 négyzetre emelésével és a középső n jegy kiírásával... x0= 3456 x0 2 = x1= 9439 x1 2 = x2= Előnye: egyszerű, könnyen programozható, egy számot kell tárolni reprodukálható
13 2., NEM EGYENLETES ELOSZLÁSÚ VÉLETLEN VÁLTOZÓK GENERÁLÁSA általában normális eloszlású véletlen változó generálása a feladat véletlen számokat használunk a véletlen változó előállítására Kumulált eloszlásfügvénnyel leíró matematika kifejezés inverz függvényével véletlen változó: y sűrűségfüggvénye: f(y) kumulált eloszlásfüggvény: F(y) x = F(y) x - véletlen szá m, értéke y-tól függően 0-1 között van
14 Pl. : exponenciális eloszlású véletlen változó generálása (sorbanállási feladatoknál gyakori) f(y) = λ e-λy y 0 sűrűségfgv. eloszlásfüggvény: F(y) = λ e-λy dy = - e-λy + C y=0 F(y)=0 0 = - e -0 + C C = e -0 = 1 F(y) = 1 - e-λy x = 1 - e-λy e-λy = 1 - x - λy = ln ( 1 - x ) => y = - 1 ln ( 1 - x ) λ x egyenletes eloszlású x 1 - x y = - 1 ln (x) λ
15 3., ELTÉRÉSES MÓDSZER (MONTE CARLÓ) ALKALMAZÁSA HATÁROZOTT INTEGRÁL KISZÁMÍTÁSÁRA A1= 1 y 2 dy = [ y 3 1 ]0 = x1 véletlen szám, y1 = x1, z = f(y1) x2 véletlen szám x2 > z x2 z u-szor teljesül az n-ből Becslés: A1 ' = u n (A 1 + A2) A1 + A2 = 1 A1 ' = u n = = , NORMÁLIS ELOSZLÁSÚ VÁLTOZÓ sűrűségű függvény: f(y) = 1 exp [- 1 ( y a b 2π 2 b a - várható érték b - szórás )2] eloszlásfüggvény explicite nem írható fel inverz nem jó => táblázat kell elvetéses módszer jó, ha sűrűségfgv-t két végén elvágjuk
16 16 Elosztó- osztályozós pályák szimulációs vizsgálata A vizsgált rendszer vázlata: L F F 2 v G F 1 v G K 2 K 1 Vízszintes síkban zárt hevederes szalag S 0 P 1 P 2 v 0 v G v 1 L 11 L L L 21 v G v G R 11 R 21 R L L 12 R 22 v G S 1 S 2 görgõspálya Az elosztó-osztályozó logisztikai rendszer működése: F 1 és F 2 feladó helyeken 6 féle különböző terméket adnak 8 féle célállomásra, egy-egy célállomásra történő kiszállítás szakaszos, különböző ideig tart, a célállomásra L L 22 pályákon lép ki az áru, egy-egy periódusban azonos pályán, periódusonként változhat a pálya, F 1 és F 2 pályán különböző áruk, különböző célállomással érkeznek be, változó követési idővel, az F 1 és F 2 pályáról csak akkor lehet az S 0 pályára, ha üres pályaszakasz érkezik,
17 17 az S 1 pályára csak akkor lehet leadni az árut, ha az adott címre vagy L 11 és L 21 pályán hasonló a feltétele S 2 pályára való leadásnak, egy-egy címre egyidejűleg több féle termék is kiszállításra kerülhet, az F 1 és F 2 feladott termékek, azok követési ideje, valamint a címe sztochasztikusan változik, az egyes címekre való kiszállítások időpontjai, ill. időtartama, valamint a kiszállítást gépkocsira való rakodás ideje véletlenszerűen változik, az L F valamint L L 22 pályák hossza adott, zavar lép fel, ha: egyidejűleg F 1 és S 0 vagy F 2 és S 0 pályák telítettek, zavar helye az S 0 pálya, egyidejűleg L 11 és S 1 vagy L 12 és S 1 pályák, ill. L 21 és S 2 vagy L 22 és S 2 pályák telítettek, akkor a zavar S 1, ill. S 2 pályánál következik be. Működési stratégiák: L L 22 pályákra egy-egy periódus időn belül csak egy címre lehet feladni, akkor kezdődik egy leadóhelyen az új periódus, ha: előző periódus idő befejeződik, amit L L 21 leadóhelyre első áru beérkezésétől mérünk, van olyan cím, amely leadása még valamely pályán nem kezdődött meg ha valamely leadó pályán felszabaduláskor több címre is van várakozó áru, azt választjuk, amelyből több darab a rendszerben, ha egy adott cím leadásra több leadó pálya is adódik, akkor azt kell választani, amelyre a legrövidebb idő alatt, a legrövidebb úton jutnak el az áruk, ha zavar áll elő (S 0 körpálya telített) az F 1 és F 2 tárolópályák mellett kell pótpályát létrehozni.
18 18 Kiindulási adatok: Állandók: v 0, v 1, v 2 és v G sebességek: S 0, S 1, és S 2 körpálya hosszak, L F, L L 22 görgőpálya hosszak, c 1... c 6 az áruk pálya hosszirányú méretei (fel-tételezve, hogy a pályákon úgy kerül átadásra, hogy a pálya hosszirányú mérete azonos) Eloszlásfüggvények: Feladó helyeken a feladások követési ideje: F(t F1 ); F(t F2 ) Pl.: 1 F(t F1 ) 1 t F10 0 t F1 Feladó helyeken feladott áruk fajtája: F(r 1 ) és F(r 2 ) Pl.: F(r 1 ) i= árufajta 1 0 i= r 1
19 19 Pl.: T Kj0 >> τ j0 F(τ j ) τ j0 j= τ j Az áruk rakodási ideje (egy áru): F (t R ) F(t R ) τ R0 t R Kimenő adatok: F 1 és F 2 tárolópályák foglaltsága, L L 22 tárolópálya foglaltsága, S 0, S 1 és S 2 körszállító pályák foglaltsága, a zavarok miatti szünetidők az F 1 és F 2 feladóhelyeken összesen.
20 20 A feladott áruk címei: F(p ij ) i=1...6 árufajta j=1...8 cím Pl.: F(p i ) 1 j= p i Az egyes címekre való kiszállítás kezdeti időpontjai: F(T Kj ) j=1...8 Pl.: F(T kj ) T Kj0 T Kj Az egyes címekre való feladási periódus ideje F(τ j ) j=1...8
21 21 A szimuláció algoritmusa START Bemenõ adatok bevitele, kezdõ állapot beállítása Az elsõ feladóhely feladás programjának realizálása B1 Következõ belépési idõpon meghatározása Következõ belépõ áru fajtájának meghatározása Következõ belépõ áru címének meghatározása A1
22 22 A2 A3 nem Leadható-e az aktuális P pontban az áru? igen Várakozási idõ meghatározása Körpályán futás során a K 1 és K 2, valamint az aktuális P-ba való beérkezés idõpontjának meghatározása A leadott áruk számlázása A4 igen A körpályáról az aktuális P pontba való leadás idõpontjának meghatározása Az aktuális F feladó pályán várakozó áruk száma Elegendõ-e a tároló pálya hossza? Pótpályán való elhelyezés Zavar idõtartamának és a pótpályán tárolt áruk számának meghatározása nem
23 23 A4 S 0 pályán való futási idõ meghatározása Az aktuális S 1 vagy S 2 pályán, az aktuális R- pontban való beérkezés idõpontjának meghatározása nem igen Leadható-e az aktuális R pontban az áru? Az aktuális R-ba a pályán való körbefutás utáni beérkezés idõpontjának meghatározása Az aktuális pályára leado áruk számlálása Az S 1, ill. S 2 körpályán való futási idõ meghatározása Az áru gépkocsira való rakodási idejének elõállítása Az aktuális tárolón lévõ ábrák száma A4
24 24 A5 Rendszer jellemzõinek kigyûjtése: - körpályákon lévõ áruk száma, - körpályán való futási idõ, - tárolópályákon lévõ áruk száma, - várakozási idõk. igen Ven-e feladóhely, amelynél még szükséges további vizsgálat? nincs Az idõben következõ feladóhely feladási programjának realizálása Szimuláció kiértékelése: - várható értékek, - szórások, - eloszlás függvények meghatározása. B1 START
Újrahasznosítási logisztika. 7. Gyűjtőrendszerek számítógépes tervezése
Újrahasznosítási logisztika 7. Gyűjtőrendszerek számítógépes tervezése A tervezési módszer elemei gyűjtési régiók számának, lehatárolásának a meghatározása, régiónként az 1. fokozatú gyűjtőhelyek elhelyezésének
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,
Logisztikai szimulációs módszerek
Üzemszervezés Logisztikai szimulációs módszerek Dr. Juhász János Integrált, rugalmas gyártórendszerek tervezésénél használatos szimulációs módszerek A sztochasztikus külső-belső tényezőknek kitett folyamatok
biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás
Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani
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
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
Kvantitatív módszerek
Kvantitatív módszerek szimuláció Kovács Zoltán Szervezési és Vezetési Tanszék E-mail: kovacsz@gtk.uni-pannon.hu URL: http://almos/~kovacsz Mennyiségi problémák megoldása analitikus numerikus szimuláció
Logisztikai hálózatok funkcionális elemekre bontása intralogisztikai
Logisztikai hálózatok funkcionális elemekre bontása intralogisztikai rendszerekben Minden rendszer, és így a logisztikai hálózatok is egymással meghatározott kapcsolatban lévő rendszerelemekből, illetve
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
LOGISZTIKA. Anyagmozgatás. Szakálosné Mátyás Katalin
LOGISZTIKA Anyagmozgatás Szakálosné Mátyás Katalin F Az anyagáramlás fizikai megvalósulása Feladó Áramló anyag Út Nyelő N Az anyagáramlás objektumai Anyag: az áramló objektum (tárgy, személy, stb.) Forrás:
Termelési logisztika tervezése
Termelési logisztika tervezése Anyagáramlás tervezése: Raktárak, üzemek elhelyezésének tervezése. Az anyagáramlási utak minimálisra adódjanak. A kapcsolódás az anyagmozgató rendszerekhez a legkedvezőbb
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
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.
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:
Operációs rendszerek II. Folyamatok ütemezése
Folyamatok ütemezése Folyamatok modellezése az operációs rendszerekben Folyamatok állapotai alap állapotok futásra kész fut és várakozik felfüggesztett állapotok, jelentőségük Állapotátmeneti diagram Állapotátmenetek
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 :
Számítógép-rendszerek fontos jellemzői (Hardver és Szoftver):
B Motiváció B Motiváció Számítógép-rendszerek fontos jellemzői (Hardver és Szoftver): Helyesség Felhasználóbarátság Hatékonyság Modern számítógép-rendszerek: Egyértelmű hatékonyság (például hálózati hatékonyság)
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
Dr. Kalló Noémi. Termelés- és szolgáltatásmenedzsment. egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék. Dr.
Termelés- és szolgáltatásmenedzsment egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Termelés- és szolgáltatásmenedzsment 13. Ismertesse a legfontosabb előrejelzési módszereket és azok gyakorlati
Monte Carlo módszerek a statisztikus fizikában. Az Ising modell. 8. előadás
Monte Carlo módszerek a statisztikus fizikában. Az Ising modell. 8. előadás Démon algoritmus az ideális gázra időátlag fizikai mennyiségek átlagértéke sokaságátlag E, V, N pl. molekuláris dinamika Monte
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:
Villamos autókból álló taxi flotta számára létesítendő töltőállomások modellezése
Villamos autókból álló taxi flotta számára létesítendő töltőállomások modellezése 62. Vándorgyűlés, konferencia és kiállítás Siófok, 2015. 09. 16-18. Farkas Csaba egyetemi tanársegéd Dr. Dán András professor
A mérési eredmény megadása
A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk meg: a determinisztikus és a véletlenszerű
Anyagmozgatás és gépei. 1. témakör. Egyetemi szintű gépészmérnöki szak. MISKOLCI EGYETEM Anyagmozgatási és Logisztikai Tanszék.
Anyagmozgatás és gépei tantárgy 1. témakör Egyetemi szintű gépészmérnöki szak 2006-07. II. félév MISKOLCI EGYETEM Anyagmozgatási és Logisztikai Tanszék Miskolci Egyetem Anyagmozgatási és Logisztikai Tanszék
NEVEZETES FOLYTONOS ELOSZLÁSOK
Bodó Beáta - MATEMATIKA II 1 NEVEZETES FOLYTONOS ELOSZLÁSOK EXPONENCIÁLIS ELOSZLÁS 1. A ξ valószínűségi változó eponenciális eloszlású 80 várható értékkel. (a) B Adja meg és ábrázolja a valószínűségi változó
[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 =
Miskolci Egyetem Anyagmozgatási és Logisztikai Tanszék. 1. fólia
Miskolci Egyetem Anyagmozgatási és Logisztikai Tanszék 1. fólia Miskolci Egyetem Anyagmozgatási és Logisztikai Tanszék 2. fólia 3. fólia Külső anyagmozgatás elemei Szállítás. közúti, vasúti, vízi, légi,
8. Előadás: Szimuláció, I.
8. Előadás: Szimuláció, I. Wayne L. Winston: Operációkutatás, módszerek és alkalmazások, Aula Kiadó, Budapest, 2003 könyvének 21. fejezete alapján. A szimulációt komplex rendszerek elemzésére, tanulmányozására
Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév
Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév 1. A várható érték és a szórás transzformációja 1. Ha egy valószínűségi változóhoz hozzáadunk ötöt, mínusz ötöt, egy b konstanst,
1. Példa. A gamma függvény és a Fubini-tétel.
. Példa. A gamma függvény és a Fubini-tétel.. Az x exp x + t )) függvény az x, t tartományon folytonos, és nem negatív, ezért alkalmazható rá a Fubini-tétel. I x exp x + t )) dxdt + t dt π 4. [ exp x +
STATISZTIKA 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
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,
Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem
agy számok törvényei Statisztikai mintavétel Várható érték becslése Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem A mérés mint statisztikai mintavétel A méréssel az eloszlásfüggvénnyel
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
Anyagmozgatás és gépei. 1. témakör. Egyetemi szintű gépészmérnöki szak. MISKOLCI EGYETEM Anyagmozgatási és Logisztikai Tanszék.
Anyagmozgatás és gépei tantárgy 1. témakör Egyetemi szintű gépészmérnöki szak 2004-05. II. félév MISKOLCI EGYETEM Anyagmozgatási és Logisztikai Tanszék Miskolci Egyetem Anyagmozgatási és Logisztikai Tanszék
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.
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
Szimulációs technikák
SZÉCHENYI ISTVÁN EGYETEM Műszaki Tudományi Kar Informatikai tanszék Szimulációs technikák ( NGB_IN040_1) 2. csapat Comparator - Dokumentáció Mérnök informatikus BSc szak, nappali tagozat 2012/2013 II.
ÁRAMKÖRÖK SZIMULÁCIÓJA
ÁRAMKÖRÖK SZIMULÁCIÓJA Az áramkörök szimulációja révén betekintést nyerünk azok működésébe. Meg tudjuk határozni az áramkörök válaszát különböző gerjesztésekre, különböző üzemmódokra. Végezhetők analóg
KÉSZLETMODELLEZÉS EGYKOR ÉS MA
DR. HORVÁTH GÉZÁNÉ PH.D. * KÉSZLETMODELLEZÉS EGYKOR ÉS MA Az optimális tételnagyság (Economic Order Quantity) klasszikus modelljét 96-tól napjainkig a világon széles körben alkalmazták és módosított változatait
i p i p 0 p 1 p 2... i p i
. vizsga, 06--9, Feladatok és megoldások. (a) Adja meg az diszkrét eloszlás várható értékének a definícióját! i 0... p i p 0 p p... i p i (b) Tegyük fel, hogy a rigófészkekben található tojások X száma
Mérés és modellezés 1
Mérés és modellezés 1 Mérés és modellezés A mérnöki tevékenység alapeleme a mérés. A mérés célja valamely jelenség megismerése, vizsgálata. A mérés tervszerűen végzett tevékenység: azaz rögzíteni kell
Beszállítás AR Gyártási folyamat KR
3. ELŐADÁS TERMELÉSI FOLYAMATOK STRUKTURÁLÓDÁSA 1. Megszakítás nélküli folyamatos gyártás A folyamatos gyártás lényege, hogy a termelési folyamat az első művelettől az utolsóig közvetlenül összekapcsolt,
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
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
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:
Ütemezés (Scheduling),
1 Ütemezés (Scheduling), Alapfogalmak Ütemezési feltételek (kritériumok) Ütemezési algoritmusok Több-processzoros eset Algoritmus kiértékelése 2 Alapfogalmak A multiprogramozás célja: a CPU foglaltság
RUGALMAS GYÁRTÓRENDSZER ÉS LOGISZTIKAI (ANYAG- ÉS INFORMÁCIÓÁRAMLÁSI) RENDSZER. 1. Rugalmas gyártó- és anyagáramlási rendszerek sajátosságai
UGALAS GYÁTÓENDSZE ÉS LOGISZTIKAI (ANYAG- ÉS INFOÁCIÓÁALÁSI) ENDSZE. ugalmas gyártó- és ayagáramlási redszerek sajátosságai 2. ugalmas ayagáramlási redszer általáos modellje 3. Gyártóredszerek rugalmassági
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.
Hagyományos termelésirányítási módszerek:
Hagyományos termelésirányítási módszerek: - A termelésirányítás határozza meg, hogy az adott termék egyes technológiai műveletei - melyik gépeken vagy gépcsoportokon készüljenek el, - mikor kezdődjenek
FEGYVERNEKI 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
Közlekedési áramlatok MSc. Csomóponti-, útvonali eljutási lehetőségek minősítése
Közlekedési áramlatok MSc Csomóponti-, útvonali eljutási lehetőségek minősítése minősítése jogszabályi esetben Az alárendelt áramlatból egy meghatározott forgalmi művelet csak akkor végezhető el, ha a
Lukovich Gábor Logisztikai rendszerfejlesztő
Lukovich Gábor Logisztikai rendszerfejlesztő Intra-logisztikai rendszerek Lay-out tervezése/fejlesztése Logisztikai informatikai rendszerek tervezése Egymással kölcsönhatásban lévő részfeladatok rendszere
2. A ξ valószín ségi változó eloszlásfüggvénye a következ : x 4 81 F (x) = x 4 ha 3 < x 0 különben
1 feladatsor 1 Egy dobozban 20 fehér golyó van Egy szabályos dobókockával dobunk, majd a következ t tesszük: ha a dobott szám 1,2 vagy 3, akkor tíz golyót cserélünk ki pirosra; ha a dobott szám 4 vagy
Számítógépes döntéstámogatás. Statisztikai elemzés
SZDT-03 p. 1/22 Számítógépes döntéstámogatás Statisztikai elemzés Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás SZDT-03 p. 2/22 Rendelkezésre
Méréselmélet MI BSc 1
Mérés és s modellezés 2008.02.15. 1 Méréselmélet - bevezetés a mérnöki problémamegoldás menete 1. A probléma kitűzése 2. A hipotézis felállítása 3. Kísérlettervezés 4. Megfigyelések elvégzése 5. Adatok
ANYAGÁRAMLÁS ÉS MŰSZAKI LOGISZTIKA
ANYAGÁRAMLÁS ÉS MŰSZAKI LOGISZTIKA Raktár készletek, raktározási folyamato ELŐADÁS I. é. Szabó László tanársegéd BME Közlekedésmérnöki és Járműmérnöki Kar Anyagmozgatási és Logisztikai Rendszerek Tanszék
Számítógépes döntéstámogatás. Genetikus algoritmusok
BLSZM-10 p. 1/18 Számítógépes döntéstámogatás Genetikus algoritmusok Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu BLSZM-10 p. 2/18 Bevezetés 1950-60-as
MISKOLCI EGYETEM GÉPÉSZMÉRNÖKI ÉS INFORMATIKAI KAR MATEMATIKAI INTÉZET SZAKDOLGOZATI TÉMÁK
SZAKDOLGOZATI TÉMÁK 2018 Fedélzeti kamera alapú helymeghatározó, navigációs algoritmusok vizsgálata és implementálása Témavezető: Dr. Árvai-Homolya Szilvia A drónok mind szélesebb körű elterjedésével,
y 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
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
dimenziója Szirmay-Kalos László N= 1/r D D= (logn) / (log 1/r) D= (log4) / (log 3) = 1.26 N = 4, r = 1/3 Vonalzó ( l ) db r =1/3 N = 4 r 2 N 2 N m r m
Fraktálok Hausdorff dimenzió Fraktálok N = N = 4 N = 8 Szirmay-Kalos László r = r = r = N= /r D D= (logn) / (log /r) Koch görbe D= (log4) / (log 3) =.6 N = 4, r = /3 Nem önhasonló objektumok dimenziója
Készlet menedzsment. R i. R max R 4 R 2 R 3 R 1. R min. Készletfogyás: K észletmenedzselés: a. Periodikus után pótlás, elhanyagolható rendelési idő
Készlet menedzsment Készletfogyás: i t K észletmenedzselés: a. Periodikus után pótlás, elhanyagolható rendelési idő 1 2 3 4 max min T T T T t b. Azonos pótlási mennyiség, elhanyagolható pótlási idő max
Loss Distribution Approach
Modeling operational risk using the Loss Distribution Approach Tartalom»Szabályozói környezet»modellezési struktúra»eseményszám eloszlás»káreloszlás»aggregált veszteségek»további problémák 2 Szabályozói
A technológiai berendezés (M) bemenő (BT) és kimenő (KT) munkahelyi tárolói
9., ELŐADÁS LOGISZTIKA A TERMELÉSIRÁNYÍTÁSBAN Hagyományos termelésirányítási módszerek A termelésirányítás feladata az egyes gyártási műveletek sorrendjének és eszközökhöz történő hozzárendelésének meghatározása.
Operációs rendszerek. Folyamatok ütemezése
Operációs rendszerek Folyamatok ütemezése Alapok Az ütemezés, az események sorrendjének a meghatározása. Az ütemezés használata OPR-ekben: az azonos erőforrásra igényt tartó folyamatok közül történő választás,
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
Jelek és rendszerek 1. 10/9/2011 Dr. Buchman Attila Informatikai Rendszerek és Hálózatok Tanszék
Jelek és rendszerek 1 10/9/2011 Dr. Buchman Attila Informatikai Rendszerek és Hálózatok Tanszék 1 Ajánlott irodalom: FODOR GYÖRGY : JELEK ÉS RENDSZEREK EGYETEMI TANKÖNYV Műegyetemi Kiadó, Budapest, 2006
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;
Zajok és fluktuációk fizikai rendszerekben
Zajok és fluktuációk fizikai rendszerekben Zajjelenségek modellezése Makra Péter SZTE Kísérleti Fizikai Tanszék 2009-2010. őszi félév Változat: 0.1 Legutóbbi frissítés: 2009. október 14. Makra Péter (SZTE
A Föld középpontja felé szabadon eső test sebessége növekszik, azaz, a
a Matematika mérnököknek I. című tárgyhoz Függvények. Függvények A Föld középpontja felé szabadon eső test sebessége növekszik, azaz, a szabadon eső test sebessége az idő függvénye. Konstans hőmérsékleten
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.
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
Akusztikai tervezés a geometriai akusztika módszereivel
Akusztikai tervezés a geometriai akusztika módszereivel Fürjes Andor Tamás BME Híradástechnikai Tanszék Kép- és Hangtechnikai Laborcsoport, Rezgésakusztika Laboratórium 1 Tartalom A geometriai akusztika
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
Biometria az orvosi gyakorlatban. Számítógépes döntéstámogatás
SZDT-01 p. 1/23 Biometria az orvosi gyakorlatban Számítógépes döntéstámogatás Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Gyakorlat SZDT-01 p.
Megkülönböztetett kiszolgáló routerek az
Megkülönböztetett kiszolgáló routerek az Interneten Megkülönböztetett kiszolgálás A kiszolgáló architektúrák minősége az Interneten: Integrált kiszolgálás (IntServ) Megkülönböztetett kiszolgálás (DiffServ)
1. Név:... Neptun Kód:... Feladat: Egy összeszerel½o üzemben 3 szalag van. Mindehárom szalagon ugyanazt
1. Név:......................... Egy összeszerel½o üzemben 3 szalag van. Mindehárom szalagon ugyanazt a gyártmányt készítik. Egy gyártmány összeszerelési ideje normális eloszlású valószín½uségi változó
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
( 1) i 2 i. megbízhatóságú a levont következtetése? A matematikai statisztika eszközeivel értékelje a kapott eredményeket!
1. Név:......................... Egy szabályos pénzérmét feldobunk, ha az els½o FEJ az i-edik dobásra jön, akkor a játékos nyereménye ( 1) i i forint. Vizsgálja szimulációval a játékot, különböz½o induló
Értékáram elemzés szoftveres támogatással. Gergely Judit 2013. 03. 01. Lean-klub
Értékáram elemzés szoftveres támogatással Gergely Judit 2013. 03. 01. Lean-klub Tartalom Az Értékáram és elemzésének szerepe a Leanben Értékáram modellezés és elemzés Esetpélda: termelő folyamat Képzeletbeli
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
XIII. Bolyai Konferencia Bodnár József Eötvös József Collegium, ELTE TTK, III. matematikus. A véletlen nyomában
XIII. Bolyai Konferencia Bodnár József Eötvös József Collegium, ELTE TTK, III. matematikus A véletlen nyomában Mi is az a véletlen? 1111111111, 1010101010, 1100010111 valószínűsége egyaránt 1/1024 Melyiket
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
Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.
Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,
Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.
Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,
Matematikai statisztika c. tárgy oktatásának célja és tematikája
Matematikai statisztika c. tárgy oktatásának célja és tematikája 2015 Tematika Matematikai statisztika 1. Időkeret: 12 héten keresztül heti 3x50 perc (előadás és szeminárium) 2. Szükséges előismeretek:
Az irányítástechnika alapfogalmai. 2008.02.15. Irányítástechnika MI BSc 1
Az irányítástechnika alapfogalmai 2008.02.15. 1 Irányítás fogalma irányítástechnika: önműködő irányítás törvényeivel és gyakorlati megvalósításával foglakozó műszaki tudomány irányítás: olyan művelet,
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.
Ütemezés (Scheduling),
1 Ütemezés (Scheduling), Alapfogalmak Ütemezési feltételek (kritériumok) Ütemezési algoritmusok Több-processzoros eset Algoritmus kiértékelése 2 Alapfogalmak A multiprogramozás célja: a CPU foglaltság
Termelési folyamat logisztikai elemei
BESZERZÉSI LOGISZTIKA Termelési logisztika Beszállítás a technológiai folyamat tárolójába Termelés ütemezés Kiszállítás a technológiai sorhoz vagy géphez Technológiai berendezés kiválasztása Technológiai
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
Mérés és modellezés Méréstechnika VM, GM, MM 1
Mérés és modellezés 2008.02.04. 1 Mérés és modellezés A mérnöki tevékenység alapeleme a mérés. A mérés célja valamely jelenség megismerése, vizsgálata. A mérés tervszerűen végzett tevékenység: azaz rögzíteni
Magasraktár tárolóterének és kiszolgáló terének tervezése
agasraktár tárolóterének és kiszolgáló terének tervezése. A raktártechnológia tervezési munka fő lépései: Konzultációk, interjúk Előterv (több változat feltárása) Konzultációk Részletes terv (ma. változat
Régebbi Matek M1 zh-k. sztochasztikus folyamatokkal kapcsolatos feladatai.
Régebbi Matek M1 zh-k Folyamfeladatokkal, többszörös összef ggőséggel, párosításokkal, Nagy szḿok törvényével, Centrális Határeloszlás tétellel, sztochasztikus folyamatokkal kapcsolatos feladatai. Gráfok
Gyakorló feladatok valószínűségszámításból végeredményekkel. a megoldásra ajánlott feladatokat jelöli, a nehezebb feladatokat jelöli
Gyakorló feladatok valószínűségszámításból végeredményekkel a megoldásra ajánlott feladatokat jelöli, a nehezebb feladatokat jelöli Mutassuk meg, hogy tetszőleges A és B eseményekre PA B PA+PB. Mutassuk
Logisztikai teljesítménytol függo költségek. Teljes logisztikai költségek. Logisztikai teljesítmény hiánya okozta költségek. költség.
0., ELŐADÁS LOGISZTIAI ÖLTSÉGE A tevékenységek esetén is számolni kell ekkel. Ezek a ek különbözőképpen számolhatóak, attól függően, hogy milyen tényezőket vesznek számításba és hogy a tevékenységek hogyan
Feladatok matematikából 3. rész
Debreceni Egyetem Matematikai Intézet Feladatok matematikából 3. rész fizika és villamosmérök alapszakos hallgatók részére Debrecen, 6 ősz Határozatlan integrál. Számítsuk ki a következő integrálokat!
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