PředmětyPředměty(verze: 965)
Předmět, akademický rok 2024/2025
  
Laboratorní a průmyslová data - M111006
Anglický název: Laboratory and industrial data
Zajišťuje: Ústav organické technologie (111)
Fakulta: Fakulta chemické technologie
Platnost: od 2020
Semestr: zimní
Body: zimní s.:4
E-Kredity: zimní s.:4
Způsob provedení zkoušky: zimní s.:
Rozsah, examinace: zimní s.:1/2, Z+Zk [HT]
Počet míst: neomezen / neomezen (neurčen)
Minimální obsazenost: neomezen
Stav předmětu: vyučován
Jazyk výuky: čeština
Způsob výuky: prezenční
Úroveň:  
Poznámka: předmět je možno zapsat mimo plán
povolen pro zápis po webu
Garant: Paterová Iva Ing. Ph.D.
Záměnnost : N111018
Pro tento předmět jsou dostupné online materiály
Anotace -
Předmět je zaměřen na neformální, důsledné zpracování a spolehlivé vyhodnocování dat z laboratorních a průmyslových měření. Důraz je kladen především na získání zkušeností z řešení rozsáhlého a pestrého souboru praktických příkladů především z chemické technologie. Cílem předmětu je také osvojení základních principů plánování experimentů.
Poslední úprava: Kubová Petra (04.01.2018)
Výstupy studia předmětu -

Studenti budou umět:

Zpracovat data z laboratorních experimentů a průmyslových měření

Komplexně a spolehlivě interpretovat výsledky statistického zpracování dat

Navrhovat optimální plány pokusů

Ovládat vybraný software pro statistické zpracování dat

Poslední úprava: Kubová Petra (04.01.2018)
Literatura -

Doporučená:

  • Statistická analýza experimentálních dat, Meloun, Milan, Militký, Jiří, 2004
  • Aplikovaná statistika, Pavlík, Jiří, 2005
  • Pravděpodobnost a statistika, Jaroš, František, 2002
  • Optimalizace identifikace matematického modelu, Pexidr, Václav, Kondelík, Petr, 1986

Poslední úprava: Paterová Iva (12.08.2024)
Požadavky ke zkoušce (Forma způsobu ověření studijních výsledků)

1. Podmínkou udělení zápočtu je zvládnutí základních počítačových programů pro zpracování a vyhodnocování dat, prověřené na základě vyřešení 4 domácích úkolů zadaných během semestru.

2. Zkouška je založena na samostatném zpracování vybraného souboru praktických příkladů s možností využití libovolných pomůcek.

Poslední úprava: Paterová Iva (08.09.2023)
Sylabus -

1. Principy analýzy dat, vlastnosti měřených dat, experimenty a monitoring.

2. Statistická analýza dat, typové úlohy, aplikační software.

3. Přímé získávání informací z měřených dat, analýza výběrových charakteristik.

4. Analýza časových řad, třídění dat, plánování experimentů.

5. Matematické modely, mechanistické, semiempirické a empirické modely.

6. Metody optimálních odhadů parametrů modelů, software pro regresní analýzu.

7. Modely s diferenciálními rovnicemi, derivace závisle proměnných, integrace diferenciálních rovnic.

8. Hodnocení spolehlivosti regresních parametrů, konfidenční oblasti, korelace parametrů.

9. Hodnocení spolehlivosti simulovaných dat, analýza rozptylu a reziduálních odchylek.

10. Úpravy dat pro regresní analýzu, eliminace odlehlých měření, transformace proměnných.

11. Úpravy modelů pro regresní analýzu, transformace modelů, eliminace silné korelace parametrů.

12. Plánování experimentů, optimální počet odezev a rozsahu experimentálních podmínek.

13. Sekvenční plánování experimentů, diskriminační a zpřesňující.

14. Faktorové a empirické plány experimentů, plné a neúplné plány.

Poslední úprava: Paterová Iva (08.09.2023)
Studijní opory -

https://e-learning.vscht.cz/course/view.php?id=1164

Poslední úprava: Paterová Iva (08.09.2023)
Studijní prerekvizity -

Matematika I, Aplikovaná statistika

Poslední úprava: Kubová Petra (04.01.2018)
 
VŠCHT Praha