Hledej
Zobraz:
Univerzity
Kategorie
Rozšířené vyhledávání
12 659 projektů
0 nových
Skripta z předmětu Stochastické systémy
«»
| Přípona |
Typ skripta |
Stažené 0 x |
| Velikost 1,0 MB |
Jazyk český |
ID projektu 12105 |
| Poslední úprava 22.05.2018 |
Zobrazeno 823 x |
Autor: royal.cut |
Sdílej na Facebooku |
||
| Detaily projektu | ||
- Cena:
10 Kreditů - kvalita:
90,6% -
Stáhni
- Přidej na srovnání
- Univerzita:České vysoké učení technické v Praze
- Fakulta:Fakulta dopravní
- Kategorie:Technika » Strojírenství
- Předmět:Stochastické systémy
- Studijní obor:-
- Ročník:5. ročník
- Formát:PDF dokument (.pdf)
- Rozsah A4:145 stran
1 Úvod
1.1 Opakování pravděpodobnosti
• Veličina je pojem používaný pro kvantitativní a kvalitativní popis reality. Veličina má svou jednotku a číselnou hodnotu. Určování hodnoty veličiny (tedy její velikosti ve zvolených jednotkách) nazýváme měření. Hodnoty veličin jsou buď uspořádané nebo bez uspořádání. U veličin s uspořádanými hodnotami lze hovořit o tom, že veličina při současném měření nabyla hodnoty větší nebo menší než při měření jiném.
• Náhodná veličina je veličina, jejíž hodnotu neznáme a nemůžeme ji změřit, nebo jsme ji dosud nezměřili, a při jejím opakovaném měření dostáváme různé hodnoty. Změřená hodnota této veličiny je její realizace.
Náhodná veličina je buď diskrétní (má konečný nebo spočetný počet realizací), nebo spojitá (její realizace mohou nabývat jakékoli hodnoty z reálné osy).
• Rozdělení náhodné veličiny je funkce, která jednotlivým hodnotám nebo intervalům hodnot náhodné veličiny přiřazuje pravděpodobnosti.
1.1 Opakování pravděpodobnosti
• Veličina je pojem používaný pro kvantitativní a kvalitativní popis reality. Veličina má svou jednotku a číselnou hodnotu. Určování hodnoty veličiny (tedy její velikosti ve zvolených jednotkách) nazýváme měření. Hodnoty veličin jsou buď uspořádané nebo bez uspořádání. U veličin s uspořádanými hodnotami lze hovořit o tom, že veličina při současném měření nabyla hodnoty větší nebo menší než při měření jiném.
• Náhodná veličina je veličina, jejíž hodnotu neznáme a nemůžeme ji změřit, nebo jsme ji dosud nezměřili, a při jejím opakovaném měření dostáváme různé hodnoty. Změřená hodnota této veličiny je její realizace.
Náhodná veličina je buď diskrétní (má konečný nebo spočetný počet realizací), nebo spojitá (její realizace mohou nabývat jakékoli hodnoty z reálné osy).
• Rozdělení náhodné veličiny je funkce, která jednotlivým hodnotám nebo intervalům hodnot náhodné veličiny přiřazuje pravděpodobnosti.
Klíčová slova:
spojitý model
logistický model
diskrétní model
modelované veličiny
programy
diferenciál
Obsah:
- 1 Úvod
1.1 Opakování pravděpodobnosti 7
1.2 Systém a veličiny s ním spojené 14
2 Spojitý model 16
2.1 Princip stochastického modelu 16
2.2 Lineární regresní model s normálním šumem 18
2.3 Diferenciální a diferenční rovnice ve spojitém modelu 19
2.4 Regresní model ve stavovém tvaru 20
3 Diskrétní a logistický model 22
3.1 Diskrétní model 22
3.2 Logistický model 23
4 Odhad spojitého modelu 24
4.1 Bayesovské odhadování 24
4.2 Odhad parametr regresního modelu 29
5 Odhad diskrétního a logistického modelu 34
5.1 Odhad parametrů diskrétního modelu 34
5.2 Odhad parametrů logistického modelu 40
5.3 Klasifikace 42
6 Předpověď modelované veličiny 44
6.1 Jednokroková předpověď 44
6.2 Vícekroková předpověď 45
6.3 Vícekroková bodová předpověď 47
7 Stav, stavový model a odhad stavu 50
7.1 Stav 50
7.2 Stavový model 50
7.3 Odhad stavu 51
7.4 Kalmanův filtr 52
8 Řízení se spojitým modelem 54
9 Řízení s diskrétním modelem 58
10 Přílohy 61
10.1 Doplnění na čtverec 61
10.2 Přirozené podmínky řízení 61
10.3 Bayesův vzorec 62
10.4 Multinomiální rozdělení 63
10.5 Dirichletovo rozdělení 64
10.6 Normální rozdělení 65
10.7 Inverzní Gauss-Wishartovo (GiW) rozdělení 65
10.8 Bodový odhad podle kvadratického kritéria 66
10.9 Bodové odhady parametrů spojitého modelu 67
10.10Bodové odhady parametrů diskrétního modelu 68
10.11Logistická regrese 69
10.12Rozšířený Kalmanův filtr 70
11 Programy 72
11.1 Diferenciální a Diferenční rovnice 72
11.2 Simulace 78
11.3 Odhad 84
11.4 Předpověď 89
11.5 Klasifikace 96
11.6 Řízení 100
11.7 Složitější úlohy 104
11.8 Pomocné procedury 127
11.9 Dicretization of diferential equations 134