Systémy. Definice systému Systém je množina navzájem souvisejících prvků a vztahů mezi nimi.

Slides:



Advertisements
Podobné prezentace
Základy teorie řízení 2010.
Advertisements

Elektrické obvody – základní analýza
Dynamické systémy.
MARKOVSKÉ ŘETĚZCE.
Přednáška č. 3 Normalizace dat, Datová a funkční analýza
Úvod Klasifikace disciplín operačního výzkumu
Modulární systém dalšího vzdělávání pedagogických pracovníků JmK v přírodních vědách a informatice CZ.1.07/1.3.10/ Úvod do teorie grafů.
Statické systémy.
ENVIRONMENTÁLNÍ INFORMATIKA A REPORTING
FORMALIZACE PROJEKTU DO SÍŤOVÉHO GRAFU
Matematické metody v ekonomice a řízení II
Markovské řetězce Definice Markovského řetězce
Diagnostika počítačů DGP_12
Optimalizační úlohy i pro nadané žáky základních škol
SIMULACE MANAŽERSKÝCH ROZHODOVACÍCH PROCESŮ Úvodní část.
TYPY MODELŮ FYZIKÁLNÍ MATEMATICKÉ ANALYTICKÉ NUMERICKÉ.
 Diskrétní  Abstraktní  Sekvenční  Deterministický  Dynamický.
EKONOMICKO MATEMATICKÉ METODY
Příklady jazyků Příklad 1: G=({S}, {0,1}, P, S)
Gramatiky a jazyky Přednáška z předmětu Řízení v komplexních systémech
Nechť (, , P) je pravděpodobnostní prostor:
Modelování a simulace MAS_02
Charakteristiky výstupního procesu systémů hromadné obsluhy Martin Meca ČVUT, Fakulta strojní.
Další typy dopravních problémů
Petriho sítě.
Simultánní reakce – následné reakce. Použitím substituce c B ≡ u.v dostáváme pro c B = f(t) výslednou funkci:
Matematické metody v ekonomice a řízení II 4. Metoda PERT
Markovovské řetězce. Andrej Andrejevič Markov
Autoři: Martin Dlouhý a Martina Kuncová
Konečné automaty Vít Fábera.
Tvorba simulačních modelů. Než vznikne model 1.Existence problému 2.Podrobnosti o problému a o systému 3.Jiné možnosti řešení ? 4.Existence podobného.
P-těžké, np-těžké a np-úplné problémy
Matematické metody optimalizace Tomáš Vaníček Katedra inženýrské informatiky Stavební fakulta ČVUT Thákurova 7, Praha 6 Dejvice, b407
Turingův stroj.
Rozhodovací proces, podpory rozhodovacích procesů
Úvod do teorie konečných automatů
Automaty a gramatiky.
Analýza lineárních regulačních systémů v časové doméně.
Projektové plánování.
Náhodný vektor Litschmannová, 2007.
Konečné automaty a vyhledávání
12/2003Přednáška č. 51 Vyhodnocení změny struktury modelu Předmět: Modelování v řízení MR 11 (Počítačová podpora) Obor C, Modul M8 ZS, 2003, K126 EKO Předn./Cvič.:
Generování náhodných čísel
Kendalova klasifikace SHO
(Popis náhodné veličiny)
Les, stromy a kostry Kružnice: sled, který začíná a končí ve stejném vrcholu, ostatní vrcholy jsou různé Souvislý graf: mezi každými dvěma vrcholy existuje.
SIGNÁLY A LINEÁRNÍ SYSTÉMY
Modelování Multiagentních sysémů František Zbořil ml. Ústav Inteligentních Systémů FIT, VUT Brno.
Formální definice Konečná množina vnitřních stavů Q Konečná vstupní abeceda A Počáteční stav q 0 Množina přijímacích stavů K.
BioTech 2011, Strážná. O čem to bude? Stochastické simulace Diferenciální rovnice (ODR) Automaty.
Turingův stroj c qiqi Konečná množina vnitřních stavů Q Pásková abeceda P Počáteční stav q 0 Množina koncových stavů K Přechodová funkce.
Informační systém podniku
C-Sim verze 5.0. Charakteristika Softwarový nástroj pro simulaci v diskrétním čase Použitá metodou paralelních procesů Navržen podle vzoru jazyka SIMULA.
Teorie systémů z ptačí perspektivy. Praktická cvičení z teorie systémů, Fruta Mochov 1977.
Stavová formulace v diskrétním čase důvody pro diskrétní interpretaci času některé dynamické jevy má smysl sledovat vždy jen ve zvláštních okamžicích,
Informační systém podniku Tomáš Vaníček Stavební fakulta ČVUT Thákurova 7, Praha Dejvice, B407
Ústav technických zařízení budov MĚŘENÍ A REGULACE Ing. Václav Rada, CSc. ZS – 2003/
© Institut biostatistiky a analýz INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ ANALÝZA A KLASIFIKACE DAT prof. Ing. Jiří Holčík, CSc.
Náhodná veličina. Nechť (, , P) je pravděpodobnostní prostor:
1 Principy simulace Definice Koncepce tvorby modelů Obecné charakteristiky.
Praha & EU: Investujeme do vaší budoucnosti Evropský sociální fond Gymnázium, Praha 10, Voděradská 2 Projekt OBZORY Robotika 3.
Ing. Milan Houška KOSA PEF ČZU v Praze
Znázornění dopravní sítě grafem a kostra grafu Předmět: Teorie dopravy - cvičení Ing. František Lachnit, Ph.D.
SIMULAČNÍ MODELY.
Ing. Milan Houška KOSA PEF ČZU v Praze
SIGNÁLY A LINEÁRNÍ SYSTÉMY
Geografické informační systémy
Dynamické systémy Topologická klasifikace
Ústav lékařské informatiky, 2. LF UK
Informační systém podniku
Transkript prezentace:

Systémy

Definice systému Systém je množina navzájem souvisejících prvků a vztahů mezi nimi

Vymezení systému Hranice systému Okolí systému Rozhraní (inteface) systému

Členění systému Podsystémy Vnitřní hranice systému – Logická hranice

Klasifikace systémů Podle vztahu k okolí – Systémy uzavřené – Systémy otevřené Podle způsobu popisu – Systémy tvrdé – Systémy měkké

Klasifikace systémů Podle chování – Systémy statické – Systémy dynamické Diskrétní Spojité

Klasifikace dynamických systémů Podle typu chování – Deterministické – Stochastické Modelování pomocí pravděpodobnostních metod Modelování pomocí simulace

Markovovské řetězce Metoda pro popis diskrétních dynamických systémů

Andrej Andrejevič Markov

Definice Stavy systému q i Přechody mezi stavy (q x q y ) Pravděpodobnostní ohodnocení přechodů p(q x q y ), musí platit ∑ y p(q x q y )=1 Počáteční stav Koncové stavy

Reprezentace pomocí grafu medvídek pastmed 60% 40% 50% 30% 20% 100% 50% 40% 10%

Simulace medvídek pastmed 60% 40% 50% 30% 20% 100% 50% 40% 10% R<0,6 R>=0,6 R<0,3 0,3<=R<0,8 R>=0,8 R<0,5 R>=0,5 R<0,5 0,5<=R<0,9 R>=0,9

Zjednodušení Markovovského řetězce medvídek pastmed 60% 40% 30% 70% 50% 40% 10%

Odstranění vrcholu p1p1 p2p2 p3p3 q1q1 q2q2 P i *q j

Zjednodušení Markovovského řetězce medvídek pastmed 40% 50% 40% 10% 60%*70%=42% 60%*30% =18%

Odstranění násobných hran p1p1 p2p2 ∑p i

Zjednodušení Markovovského řetězce medvídek pastmed 58% 50% 40% 10% 42%

Další odstranění vrcholu medvídek pastmed 40% 10% 42% 29% 25%

Další odstranění násobných hran medvídek pastmed 40% 35% 71% 29% 25%

Odstranění smyčky q p1p1 p2p2 p3p3 p i -/(1-q)

Odstranění smyčky medvídek pastmed 40%*4/3= 53,33% 35%*4/3= 46,66% 71% 29%

Odstranění vrcholu medvídek pastmed 29% 33% 38%

Odstranění násobné hrany medvídek pastmed 62% 38%

Příklad hokej Statistika o vzajemnych hokejovych utkanich mezi Spartou a Kladnem rika, ze pravdepodobnost, ze puk prejde: ze stredni tretiny do utocne tretiny Kladna = 0.57 z utocne tretiny Kladna do stredni tretiny = 0.31 z utocne tretiny Sparty do stredni tretiny = 0.79 Vypoctete pravdepodobnost, ze prvni gol da Kladno.

Markovovský řetězec Gól Kladno Útočí Kladno Útočí Sparta Gól Sparta Střední třetina 0,57 0,430,31 0,69 0,79 0,21

Markovovský řetězec Gól Kladno Útočí Sparta Gól Sparta Střední třetina 0,57*0,69=0,3933 0,43 0,57*0,31=0,1767 0,79 0,21

Markovovský řetězec Gól Kladno Gól Sparta Střední třetina 0,3933 0,0903 0,1767 0,3397

Markovovský řetězec Gól Kladno Gól Sparta Střední třetina 0,3933 0,0903 0,1767+0,3397=0,5164

Markovovský řetězec Gól Kladno Gól Sparta Střední třetina 0,3933/0,4836=81% 0,0903/0,4836=19%