heteroskedasticitě Radim Navrátil, Jana Jurečková Katedra pravděpodobnosti a matematické statistiky, MFF UK, Praha
|
|
- Laura Wysocka
- 5 lat temu
- Przeglądów:
Transkrypt
1 Pořadové testy v regresi při rušivé heteroskedasticitě Radim Navrátil, Jana Jurečková Katedra pravděpodobnosti a matematické statistiky, MFF UK, Praha Robust 2014, Jetřichovice Radim Navrátil, Jana Jurečková (KPMS UK) Pořadové testy v regresi při rušivé heteroskedasticitě Robust / 24
2 Úvod Úvod Homoskedasticita je často předpokládána při klasické analýze lineárního modelu. Heteroskedasticita: Cíl: Můžeme testovat její přítomnost před statistickou inferencí. Najít přístup, který je invariantní vůči heteroskedasticitě. Testy o regresi za přítomnosti rušivé heteroskedasticity. Testy homoskedasticity za přítomnosti rušivé regrese. Oba typy testů jsou založeny na vhodných ancilárních statistikách, není tedy nutné odhadovat rušivé parametry modelu. Radim Navrátil, Jana Jurečková (KPMS UK) Pořadové testy v regresi při rušivé heteroskedasticitě Robust / 24
3 Úvod Historie Lineární model s možnou heteroskedasticitou Y i = β 0 + x i β + σ i U i, i = 1,..., n. Požadavky na znalost struktury σ i mnoho modelů. Testy heteroskedasticity: Breusch and Pagan (1979), Carroll and Ruppert (1981), Koenker and Bassett (1982), Dette and Munk (1999). Pořadové testy: Akritas and Albers (1993), Gutenbrunner (1994). Odhady parametrů: Dixon and McKean (1996). Radim Navrátil, Jana Jurečková (KPMS UK) Pořadové testy v regresi při rušivé heteroskedasticitě Robust / 24
4 Úvod Model Y i = β 0 + x i β + exp{z i γ}u i, i = 1,..., n, β 0 R, β R p, γ R q, x i je p-rozměrný vektor regresorů. z i je q-rozměrný vektor regresorů. U i jsou i.i.d. náhodné veličiny s distribuční funkcí F, resp. absolutně spojitou hustotou f a konečnými nenulovými Fisherovými informacemi vzhledem k posunutí i měřítku. H 1 : γ = 0, proti alternativě K 1 : γ 0, H 2 : β = 0, proti alternativě K 2 : β 0. Radim Navrátil, Jana Jurečková (KPMS UK) Pořadové testy v regresi při rušivé heteroskedasticitě Robust / 24
5 Test H 1 Test H 1 Za H 1 : γ = 0 máme model Y i = β 0 + x i β + U i, i = 1,..., n. Zkonstruujeme vektor regresních pořadových skórů â n (α) = (â n,1 (α),..., â n,n (α)), optimální řešení úlohy lineárního programování: â n (α) = arg max{yn a X n a = (1 α)x n 1 n, a [0, 1] n }, 0 < α < 1, kde Y n = (Y 1,..., Y n ), 1 n = (1,..., 1) R n a X n = (x 1,..., x n ), X n = (1 n, X n ). Radim Navrátil, Jana Jurečková (KPMS UK) Pořadové testy v regresi při rušivé heteroskedasticitě Robust / 24
6 Test H 1 Regresní kvantily Koenker and Bassett (1978) zobecnili pojem kvantilu pro lineární regresní model, α-regresní kvantil: { n ( β n (α) = argmin ρ α Yi x i t ) }, t R p+1, i=1 kde ρ α (x) = x (αi{x > 0} + (1 α)i{x < 0}). Koenker and Bassett (1978): β n (α) lze počítat jako komponentu β optimálního řešení (β, r +, r ) úlohy lineárního programování vzhledem k min α1 n r + + (1 α)1 n r X nβ + r + r = Y n (β, r +, r ) R p+1 R 2n +, kde Y n = (Y 1,..., Y n ), 1 n = (1,..., 1) R n a X n = (x 1,..., x n ), X n = (1 n, X n ). Radim Navrátil, Jana Jurečková (KPMS UK) Pořadové testy v regresi při rušivé heteroskedasticitě Robust / 24
7 Test H 1 Regresní pořadové skóry Regresní kvantily úloha lineárního programování: vzhledem k min α1 n r + + (1 α)1 n r X nβ + r + r = Y n (β, r +, r ) R p+1 R 2n +. Vektor regresních pořadových skórů â n (α) je optimálním řešením duální úlohy: â n (α) = arg max{yn a X n a = (1 α)x n 1 n, a [0, 1] n }, 0 < α < 1. Kĺıčová vlastnost: â n (α) je invariantní vůči regresi X n, t.j. â n (α) se nezmění pokud místo Y n pozorujeme Y n + X nδ pro všechna δ R p+1. Radim Navrátil, Jana Jurečková (KPMS UK) Pořadové testy v regresi při rušivé heteroskedasticitě Robust / 24
8 Test H 1 Testová statistika Zvoĺıme funkci ϕ : (0, 1) R, integrovatelnou se čtvercem, tvaru U. S n = n 1/2 A 2 (ϕ) = ˆb n,i = n i= (ϕ(t) ϕ)dâ n,i (t). (z i ẑ i )ˆb n,i, T 2 n = 1 A 2 (ϕ) S n (ϕ(t) ϕ) 2 dt, ϕ = 1 D n = n 1 (Z n Ẑn) (Z n Ẑn) 0 D 1 n S n, ϕ(t)dt. a Ẑn = X n(x n X n) 1 X n Z n je projekce Z n na prostor sloupců matice X n, resp. ẑ i je i-tý řádek matice Ẑn. Radim Navrátil, Jana Jurečková (KPMS UK) Pořadové testy v regresi při rušivé heteroskedasticitě Robust / 24
9 Test H 1 Předpoklady (F.1) f (x) f (x) c x, pro x K 0, c > 0. (F.2) f (x) > 0 na (A, B) a absolutně spojitá, omezená a klesající pro x A+ a x B, kde A = sup{x : F (x) = 0}, B = inf{x : F (x) = 1}, sup u(1 u) f (F 1 (u)) 0<u<1 f 2 (F 1 (u)) = α pro 1 α ε, ε > 0. Necht existují pozitivně definitní matice D, M takové, že max 1 i n x i = o lim D n = D, n lim n n 1 X n X n = M. ( n 1 4 η) pro nějaké η > 0, pro n. Radim Navrátil, Jana Jurečková (KPMS UK) Pořadové testy v regresi při rušivé heteroskedasticitě Robust / 24
10 Test H 1 Asymptotické rozdělení Věta Za výše uvedených předpokladů T 2 n má za hypotézy H 1 asymptoticky χ 2 rozdělení o q stupních volnosti a za lokální alternativy K 1,n : γ = γ n = n 1/2 γ, γ R q pevné má asymptoticky χ 2 rozdělení o q stupních volnosti a parametrem necentrality η 2 = τ 1 2(ϕ, f ) A 2 (ϕ) γ Dγ, 1 ( τ 1 (ϕ, f ) = ϕ(t) 1 F 1 (t) f (F 1 ) (t)) f (F 1 dt. (t)) 0 Radim Navrátil, Jana Jurečková (KPMS UK) Pořadové testy v regresi při rušivé heteroskedasticitě Robust / 24
11 Test H 1 Poznámky Asymptotické rozdělení za H 1 nezávisí na rozdělení chyb modelu. Asymptotické rozdělení za K 1 nezávisí na hodnotě rušivého parametru β. Asymptotická síla testu je stejná jako u klasického pořadového testu, kde parametr β je známý. Test nerozliší alternativy s chybami exp{x i γ}u i kvůli ancilaritě regresních pořadových skórů. Radim Navrátil, Jana Jurečková (KPMS UK) Pořadové testy v regresi při rušivé heteroskedasticitě Robust / 24
12 Test H 2 Test H 2 Model: Y i = β 0 + x i β + exp{z i γ}u i, i = 1,..., n. Necht F splňuje všechny předpoklady z minulého odstavce a navíc je symetrická a β 0 = 0. Za platnosti H 2 : β = 0 můžeme psát: kde W i = ln Y i, V i = ln U i, i = 1,..., n. W i = z i γ + V i, i = 1,..., n, (1) Radim Navrátil, Jana Jurečková (KPMS UK) Pořadové testy v regresi při rušivé heteroskedasticitě Robust / 24
13 Test H 2 Test H 2 Zkonstruujeme vektor regresních pořadových skórů â n (α) = (â n,1 (α),..., â n,n (α)) v modelu W i = z i γ + V i, i = 1,..., n, t.j. optimální řešení úlohy lineárního programování: â n (α) = arg max{w n a Z n a = (1 α)z n 1 n, a [0, 1] n }, 0 < α < 1, kde W n = (W 1,..., W n ), 1 n = (1,..., 1) R n a Z n = (z 1,..., z n ). Radim Navrátil, Jana Jurečková (KPMS UK) Pořadové testy v regresi při rušivé heteroskedasticitě Robust / 24
14 Test H 2 Předpoklady Necht F je symetrická s konečnými nenulovými Fisherovými informacemi vzhledem k posunutí i měřítku a splňuje (F.1) a (F.2). z i,1 = 1, i = 1,..., n a max 1 i n z i = O(1). D n = 1 n n i=1 z iz i D kde D je pozitivně definitní. Q n (γ) = n 1 n i=1 e z i γ (x i x i )(x i x i ) Q(γ), γ R q, kde Q(γ) je pozitivně definitní a x i je i-tý řádek X n = Z n (Z n Z n ) 1 Z n X n. Dále pro jednoduchost označme Q n (0) Q n and Q(0) Q. Radim Navrátil, Jana Jurečková (KPMS UK) Pořadové testy v regresi při rušivé heteroskedasticitě Robust / 24
15 Test H 2 Testová statistika Zvoĺıme funkci ϕ : (0, 1) R, integrovatelnou se čtvercem, neklesající a nekonstantní, pro jejíž derivaci platí, že pro všechna 0 < u < α 0, 1 α 0 < u < 1 je ϕ (u) c(u(1 u)) 1 δ pro nějaké δ > 0. ˆb + n,i = 1 0 ( u + 1 ) (ϕ + (t) ϕ + ) dâ n,i (t), ϕ + (u) = ϕ, 0 < u < 1. 2 S n = n 1/2 n (x i x i ) sign Y i ˆb+ n,i, i=1 T 2 n = 1 A 2 (ϕ) S n 1 Q S n n Radim Navrátil, Jana Jurečková (KPMS UK) Pořadové testy v regresi při rušivé heteroskedasticitě Robust / 24
16 Test H 2 Asymptotické rozdělení Věta Za výše uvedených předpokladů T 2 n má za hypotézy H 2 asymptoticky χ 2 rozdělení o p stupních volnosti a za lokální alternativy K 2,n : β = β n = n 1/2 β, β R p pevné má asymptoticky χ 2 rozdělení o p stupních volnosti a parametrem necentrality η 2 (γ) = τ 2 1 (ϕ, f ) A 2 (ϕ) β Q (γ) Q 1 Q(γ)β. Radim Navrátil, Jana Jurečková (KPMS UK) Pořadové testy v regresi při rušivé heteroskedasticitě Robust / 24
17 Test H 2 Poznámky Asymptotické rozdělení za H 2 nezávisí na rozdělení chyb modelu. Asymptotické rozdělení za K 2 závisí na hodnotě rušivého parametru γ. Asymptotická síla testu je stejná jako u klasického pořadového testu, kde parametr γ je známý. Předpoklad symetrie. Radim Navrátil, Jana Jurečková (KPMS UK) Pořadové testy v regresi při rušivé heteroskedasticitě Robust / 24
18 Aplikace Příklad Data: M. Ezekiel, K. A. Fox (1959). Methods of correlation and regression analysis. Wiley, New York. Údaje o n = 63 autech. Y i brzdná dráha (ft) i-tého auta. z i rychlost (mph) i-tého auta. Uvažovaný model kvadratické závislosti: Y i = βz 2 i + e i, i = 1,..., 63. Radim Navrátil, Jana Jurečková (KPMS UK) Pořadové testy v regresi při rušivé heteroskedasticitě Robust / 24
19 Data Aplikace brzdná dráha [ft] rychlost [mph] Radim Navrátil, Jana Jurečková (KPMS UK) Pořadové testy v regresi při rušivé heteroskedasticitě Robust / 24
20 Aplikace Data s odhadnutou kvadratickou závislostí brzdná dráha [ft] rychlost [mph] Radim Navrátil, Jana Jurečková (KPMS UK) Pořadové testy v regresi při rušivé heteroskedasticitě Robust / 24
21 Aplikace Závislost reziduí na rychlosti rychlost rezidua Radim Navrátil, Jana Jurečková (KPMS UK) Pořadové testy v regresi při rušivé heteroskedasticitě Robust / 24
22 Příklad - obecnější model Aplikace Možná heteroskedasticita v datech. Obecnější model: Test H 1 : γ = 0 proti γ > 0: Y i = βz 2 i + exp{γz i }U i, i = 1,..., 63. Testová statistika Tn 2 s Wilcoxonovými skóry pro měřítko, t.j. generovaná skórovou funkcí ϕ(t) = 1 + (2t 1) log t 1 t. Odpovídající p-hodnota je = heteroskedasticitu musíme připustit. Test H 2 : β = 0 proti β > 0: T 2 n s Wilcoxonovými skóry generovanými funkcí ϕ(t) = t 1 2. Odpovídající p-hodnota je = regrese je skutečně přítomná. Radim Navrátil, Jana Jurečková (KPMS UK) Pořadové testy v regresi při rušivé heteroskedasticitě Robust / 24
23 Závěr Závěr Testy homoskedasticity za přítomnosti rušivé regrese a testy významnosti regrese za přítomnosti rušivé heteroskedasticity. Konstruovány bez nutnosti odhadu rušivých odhadů. Výpočetně nenáročné, odpadá riziko užití špatného odhadu. Rozšíření klasických pořadových testů (regresní pořadové skóry místo pořadí). Asymptoticky ekvivalentní odpovídajícím testům v modelu bez rušivých parametrů, kde jejich hodnoty jsou známé. Bĺızkost potvrzena i numericky pro konečný počet pozorování. Testy homoskedasticity s rušivou regresí Xβ nerozliší alternativy s chybami exp{x i γ}u i kvůli ancilaritě regresních pořadových skórů. Testy o regresi s rušivou heteroskedasticitou - předpoklad symetrie rozdělení chyb modelu. Radim Navrátil, Jana Jurečková (KPMS UK) Pořadové testy v regresi při rušivé heteroskedasticitě Robust / 24
24 Poděkování Poděkování Děkuji za pozornost. Práce byla spolufinancována grantem SVV a projektem Klimatext reg.číslo CZ.1.07/2.3.00/ Radim Navrátil, Jana Jurečková (KPMS UK) Pořadové testy v regresi při rušivé heteroskedasticitě Robust / 24
Stochastické modelování v ekonomii a financích Konzistence odhadu LWS. konzistence OLS odhadu. Předpoklady pro konzistenci LWS
Whitův pro heteroskedasticitě pro heteroskedasticitě Stochastické modelování v ekonomii a financích 7. 12. 2009 Obsah Whitův pro heteroskedasticitě pro heteroskedasticitě 1 Whitův 2 pro 3 heteroskedasticitě
Bardziej szczegółowoKristýna Kuncová. Matematika B2 18/19
(6) Určitý integrál Kristýna Kuncová Matematika B2 18/19 Kristýna Kuncová (6) Určitý integrál 1 / 28 Newtonův integrál Zdroj: https://kwcalculus.wikispaces.com/integral+applications Kristýna Kuncová (6)
Bardziej szczegółowoMATEMATIKA 3. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci
MATEMATIKA 3 Dana Černá http://www.fp.tul.cz/kmd/ Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci Osnova: Komplexní funkce - definice, posloupnosti, řady Vybrané komplexní funkce
Bardziej szczegółowoFunkce zadané implicitně. 4. března 2019
Funkce zadané implicitně 4. března 2019 Parciální derivace druhého řádu Parciální derivace druhého řádu funkce z = f (x, y) jsou definovány: Parciální derivace 2 f 2 = ( ) f 2 f 2 = ( ) f 2 f a 2 f 2 f
Bardziej szczegółowoKristýna Kuncová. Matematika B3
(10) Vícerozměrný integrál II Kristýna Kuncová Matematika B3 Kristýna Kuncová (10) Vícerozměrný integrál II 1 / 30 Transformace Otázka Jaký obrázek znázorňuje čtverec vpravo po transformaci u = x + y a
Bardziej szczegółowoNecht je funkce f spojitá v intervalu a, b a má derivaci v (a, b). Pak existuje bod ξ (a, b) tak, že f(b) f(a) b a. Geometricky
Monotónie a extrémy funkce Diferenciální počet - průběh funkce Věta o střední hodnotě (Lagrange) Necht je funkce f spojitá v intervalu a, b a má derivaci v (a, b). Pak existuje bod ξ (a, b) tak, že f (ξ)
Bardziej szczegółowoCo nám prozradí derivace? 21. listopadu 2018
Co nám prozradí derivace? Seminář sedmý 21. listopadu 2018 Derivace základních funkcí Tečna a normála Tečna ke grafu funkce f v bodě dotyku T = [x 0, f (x 0 )]: y f (x 0 ) = f (x 0 )(x x 0 ) Normála: y
Bardziej szczegółowoNumerické metody minimalizace
Numerické metody minimalizace Než vám klesnou víčka - Stříbrnice 2011 12.2. 16.2.2011 Emu (Brkos 2011) Numerické metody minimalizace 12.2. 16.2.2011 1 / 19 Obsah 1 Úvod 2 Základní pojmy 3 Princip minimalizace
Bardziej szczegółowo(1) Derivace. Kristýna Kuncová. Matematika B2 17/18. Kristýna Kuncová (1) Derivace 1 / 35
(1) Derivace Kristýna Kuncová Matematika B2 17/18 Kristýna Kuncová (1) Derivace 1 / 35 Růst populací Zdroj : https://www.tes.com/lessons/ yjzt-cmnwtvsq/noah-s-ark Kristýna Kuncová (1) Derivace 2 / 35 Růst
Bardziej szczegółowoLinea rnı (ne)za vislost
[1] Lineární (ne)závislost Skupiny, resp. množiny, vektorů mohou být lineárně závislé nebo lineárně nezávislé... a) zavislost, 3, b) P. Olšák, FEL ČVUT, c) P. Olšák 2010, d) BI-LIN, e) L, f) 2009/2010,
Bardziej szczegółowoMatematika pro ekonomiku
Statistika, regresní analýza, náhodné procesy 7.10.2011 1 I. STATISTIKA Úlohy statistiky 2 1 Sestavit model 2 Odhadnout parametr(y) 1 Bodově 2 Intervalově 3 Testovat hypotézy Častá rozdělení ve statistice:
Bardziej szczegółowoKomplexní analýza. Martin Bohata. Katedra matematiky FEL ČVUT v Praze Martin Bohata Komplexní analýza Mocninné řady 1 / 18
Komplexní analýza Mocninné řady Martin Bohata Katedra matematiky FEL ČVUT v Praze bohata@math.feld.cvut.cz Martin Bohata Komplexní analýza Mocninné řady 1 / 18 Posloupnosti komplexních čísel opakování
Bardziej szczegółowoNumerické metody 8. května FJFI ČVUT v Praze
Obyčejné diferenciální rovnice Numerické metody 8. května 2018 FJFI ČVUT v Praze 1 Úvod Úvod Základní metody Pokročilejší metody Soustava Vyšší řád Program 1 Úvod Úvod - Úloha Základní úloha, kterou řešíme
Bardziej szczegółowoCo to znamená pro vztah mezi simultánní a marginální hustotou pravděpodobnosti f (x) (pravděpodobnostní funkci p(x))?
Ondřej Pokora M5120 Lineární statistické modely I poznámky do cvičení podzim 2011 1 / 36 12.12.2011 Maximálně věrohodné odhady Náhodný výběr X 1,..., X n rosahu n z rozdělení pravděpodobnosti P: X i P
Bardziej szczegółowoMatematika (KMI/PMATE)
Matematika (KMI/PMATE) Úvod do matematické analýzy Limita a spojitost funkce Matematika (KMI/PMATE) Osnova přednášky lineární funkce y = kx + q definice lineární funkce význam (smysl) koeficientů lineární
Bardziej szczegółowo1 Soustava lineárních rovnic
Soustavy lineárních rovnic Aplikovaná matematika I Dana Říhová Mendelu Brno Obsah 1 Soustava lineárních rovnic 2 Řešitelnost soustavy lineárních rovnic 3 Gaussova eliminační metoda 4 Jordanova eliminační
Bardziej szczegółowoUrčitý (Riemannův) integrál a aplikace. Nevlastní integrál. 19. prosince 2018
Určitý (Riemnnův) integrál plikce. Nevlstní integrál Seminář 9. prosince 28 Určitý integrál Existence: Necht funkce f (x) je definovná n uzvřeném intervlu, b. Necht je splněn n tomto intervlu kterákoliv
Bardziej szczegółowoKatedra aplikované matematiky FEI VŠB Technická univerzita Ostrava
Lineární algebra 8. přednáška: Kvadratické formy Dalibor Lukáš Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava email: dalibor.lukas@vsb.cz http://www.am.vsb.cz/lukas/la Text byl vytvořen
Bardziej szczegółowoKatedra aplikované matematiky FEI VŠB Technická univerzita Ostrava
Lineární algebra 5. přednáška: Báze a řešitelnost soustav Dalibor Lukáš Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava email: dalibor.lukas@vsb.cz http://www.am.vsb.cz/lukas/la1 Text
Bardziej szczegółowoGeometrická nelinearita: úvod
Geometrická nelinearita: úvod Opakování: stabilita prutů Eulerovo řešení s využitím teorie 2. řádu) Stabilita prutů Ritzovou metodou Stabilita tenkých desek 1 Geometrická nelinearita Velké deformace průhyby,
Bardziej szczegółowoKristýna Kuncová. Matematika B2
(3) Průběh funkce Kristýna Kuncová Matematika B2 Kristýna Kuncová (3) Průběh funkce 1 / 26 Monotonie (x 2 ) = 2x (sin x) = cos x Jak souvisí derivace funkce a fakt, zda je funkce rostoucí nebo klesající?
Bardziej szczegółowoEdita Pelantová, katedra matematiky / 16
Edita Pelantová, katedra matematiky seminář současné matematiky, září 2010 Axiomy reálných čísel Axiomy tělesa Axiom 1. x + y = y + x a xy = yx (komutativní zákon). Axiom 2. x + (y + z) = (x + y) + z a
Bardziej szczegółowoVybrané kapitoly z matematiky
Vybrané kapitoly z matematiky VŠB-TU Ostrava 2018-2019 Vybrané kapitoly z matematiky 2018-2019 1 / 11 Křivkový integrál Vybrané kapitoly z matematiky 2018-2019 2 / 11 Parametricky zadaná křivka v R 3 :
Bardziej szczegółowo5. a 12. prosince 2018
Integrální počet Neurčitý integrál Seminář 9, 0 5. a. prosince 08 Neurčitý integrál Definice. Necht funkce f (x) je definovaná na intervalu I. Funkce F (x) se nazývá primitivní k funkci f (x) na I, jestliže
Bardziej szczegółowoElementární funkce. Edita Pelantová. únor FJFI, ČVUT v Praze. katedra matematiky, FJFI, ČVUT v Praze
Elementární funkce Edita Pelantová FJFI, ČVUT v Praze Seminář současné matematiky katedra matematiky, FJFI, ČVUT v Praze únor 2013 c Edita Pelantová (FJFI) Elementární funkce únor 2013 1 / 19 Polynomiální
Bardziej szczegółowoROBUST January 19, Zdeněk Fabián Ústav informatiky AVČR Praha
ROBUST 2014 Zdeněk Fabián Ústav informatiky AVČR Praha January 19, 2014 Starověk x 1,..., x n data průměry Starověk x 1,..., x n data průměry aritm., geom., harm. Novověk Model F a skórová funkce Ψ F inferenční
Bardziej szczegółowoMartin Branda. Univerzita Karlova v Praze Matematicko-fyzikální fakulta Katedra pravděpodobnosti a matematické statistiky
Tvorba optimálních sazeb v neživotním pojištění Martin Branda Univerzita Karlova v Praze Matematicko-fyzikální fakulta Katedra pravděpodobnosti a matematické statistiky Seminář z aktuárských věd 2013 M.Branda
Bardziej szczegółowo(a). Pak f. (a) pro i j a 2 f
Připomeň: 1. Necht K R n. Pak 1. Funkce více proměnných II 1.1. Parciální derivace vyšších řádů K je kompaktní K je omezená a uzavřená. 2. Necht K R n je kompaktní a f : K R je spojitá. Pak f nabývá na
Bardziej szczegółowoPoslední úprava dokumentu: 7. května 2019
Poslední úprava dokumentu: 7. května 2019 Budu velmi vděčný za upozornění na případné chyby a překlepy. 1 Podmíněné hustoty, podmíněné momenty Z teorie pravděpodobnosti (NMSA 333 víme, že podmíněná střední
Bardziej szczegółowoTeorie plasticity. Varianty teorie plasticity. Pružnoplastická matice tuhosti materiálu
Teorie plasticity Varianty teorie plasticity Teorie plastického tečení Přehled základních vztahů Pružnoplastická matice tuhosti materiálu 1 Pružnoplastické chování materiálu (1) Pracovní diagram pro případ
Bardziej szczegółowoAproximace funkcí 1,00 0,841 1,10 0,864 1,20 0,885. Body proložíme lomenou čarou.
Příklad Známe následující hodnoty funkce Φ: u Φ(u) 1,00 0,841 1,10 0,864 1,20 0,885 Odhadněte přibližně hodnoty Φ(1,02) a Φ(1,16). Možnosti: Vezmeme hodnotu v nejbližším bodě. Body proložíme lomenou čarou.
Bardziej szczegółowoInverzní Z-transformace
Modelování systémů a procesů (11MSP) Bohumil Kovář, Jan Přikryl, Miroslav Vlček Ústav aplikované matematiky ČVUT v Praze, Fakulta dopravní 9. přednáška 11MSP úterý 16. dubna 2019 verze: 2019-04-15 12:25
Bardziej szczegółowoKapitola 4: Soustavy diferenciálních rovnic 1. řádu
Sbírka příkladů Matematika II pro strukturované studium Kapitola 4: Soustavy diferenciálních rovnic 1 řádu Chcete-li ukončit prohlížení stiskněte klávesu Esc Chcete-li pokračovat stiskněte klávesu Enter
Bardziej szczegółowoMATEMATIKA 1 ALEŠ NEKVINDA. + + pokud x < 0; x. Supremum a infimum množiny.
MATEMATIKA ALEŠ NEKVINDA DIFERENCIÁLNÍ POČET Přednáška Označíme jako na střední škole N, Z, Q, R a C postupně množinu přirozených, celých, racionálních, reálných a komplexních čísel R = R { } { } Platí:
Bardziej szczegółowoCauchyova úloha pro obyčejnou diferenciální rovnici
Řešení ODR v MATLABu Přednáška 3 15. října 2018 Cauchyova úloha pro obyčejnou diferenciální rovnici y = f (x, y), y(x 0 ) = y 0 Víme, že v intervalu a, b existuje jediné řešení. (f (x, y) a f y jsou spojité
Bardziej szczegółowoTGH01 - Algoritmizace
TGH01 - Algoritmizace Jan Březina Technical University of Liberec 31. března 2015 Metainformace materiály: jan.brezina.matfyz.cz/vyuka/tgh (./materialy/crls8.pdf - Introduction to algorithms) SPOX: tgh.spox.spoj.pl
Bardziej szczegółowo(13) Fourierovy řady
(13) Fourierovy řady Kristýna Kuncová Matematika B3 Kristýna Kuncová (13) Fourierovy řady 1 / 22 O sinech a kosinech Lemma (O sinech a kosinech) Pro m, n N 0 : 2π 0 2π 0 2π 0 sin nx dx = sin nx cos mx
Bardziej szczegółowoPROGRAMECH JOSEF TVRDÍK ČÍSLO OBLASTI PODPORY: STUDIJNÍCH PROGRAMECH OSTRAVSKÉ UNIVERZITY REGISTRAČNÍ ČÍSLO PROJEKTU: CZ.1.07/2.2.00/28.
ANALÝZA VÍCEROZMĚRNÝCH DAT URČENO PRO VZDĚLÁVÁNÍ V AKREDITOVANÝCH STUDIJNÍCH PROGRAMECH JOSEF TVRDÍK ČÍSLO OPERAČNÍHO PROGRAMU: CZ.1.07 NÁZEV OPERAČNÍHO PROGRAMU: VZDĚLÁVÁNÍ PRO KONKURENCESCHOPNOST OPATŘENÍ:
Bardziej szczegółowoKristýna Kuncová. Matematika B2 18/19. Kristýna Kuncová (1) Vzorové otázky 1 / 36
(1) Vzorové otázky Kristýna Kuncová Matematika B2 18/19 Kristýna Kuncová (1) Vzorové otázky 1 / 36 Limity - úlohy Otázka Určete lim x 0 f (x) A -3 B 0 C 5 D 7 E D Zdroj: Calculus: Single and Multivariable,
Bardziej szczegółowoprof. RNDr. Roman Kotecký DrSc., Dr. Rudolf Blažek, PhD Pravděpodobnost a statistika Katedra teoretické informatiky Fakulta informačních technologií
Náhodné vektory prof. RNDr. Roman Kotecký DrSc., Dr. Rudolf Blažek, PhD Katedra teoretické informatiky Fakulta informačních technologií České vysoké učení technické v Praze c Rudolf Blažek, Roman Kotecký,
Bardziej szczegółowoLineární algebra - iterační metody
Lineární algebra - iterační metody Numerické metody 7. dubna 2018 FJFI ČVUT v Praze 1 Úvod Úvod Rozdělení Metody Zastavení SOR Programy 1 Úvod Úvod - LAR Mějme základní úlohu A x = b, (1) kde A R n,n je
Bardziej szczegółowoż ż ż ż ż ż ż Ś ż ń ż ż Ę ż ż ż ż ń ż ż Ś ż ż ż ż ń Ł
Ś ż Ś Ą ż ż Ą ńż ń ż ż ż ż ż ż Ą ż żń ź Ś ż Ę ż ń ź ń ż Ę ź ń ż ż Ś ż ń ż ż ż ż ż ż ż Ś ż ń ż ż Ę ż ż ż ż ń ż ż Ś ż ż ż ż ń Ł Ś ż ż ż ż ż ż ż ń ń żń ż ż Ę ż Ś ż ż ż ż ć ń Ą ż ż ń ż ż ż ń ż ż ż ż ć Ł ż
Bardziej szczegółowoLucie Mazurová AS
Dynamické modelování úmrtnosti Lucie Mazurová AS 18.3.2016 Riziko úmrtnosti a) volatilita - odchylky od očekáváných hodnot způsobené náhodným charakterem délky života, b) katastrofické riziko - krátkodobé
Bardziej szczegółowoGEM a soustavy lineárních rovnic, část 2
GEM a soustavy lineárních rovnic, část Odpřednesenou látku naleznete v kapitole 6 skript Abstraktní a konkrétní lineární algebra. Jiří Velebil: B6B0LAG 8.3.09: GEM a soustavy, část / Minulá přednáška Gaussova
Bardziej szczegółowoTvarová optimalizace pro 3D kontaktní problém
Tvarová optimalizace pro 3D kontaktní problém s Coulombovým třením Petr Beremlijski, Jaroslav Haslinger, Michal Kočvara, Radek Kučera a Jiří V. Outrata Katedra aplikované matematik Fakulta elektrotechnik
Bardziej szczegółowoMatematika III Stechiometrie stručný
Matematika III Stechiometrie stručný matematický úvod Miroslava Dubcová, Drahoslava Janovská, Daniel Turzík Ústav matematiky Přednášky LS 2015-2016 Obsah 1 Zápis chemické reakce 2 umožňuje jednotný přístup
Bardziej szczegółowoUniverzita Karlova v Praze Matematicko-fyzikální fakulta. bankovnictví. Katedra pravděpodobnosti a matematické statistiky
Univerzita Karlova v Praze Matematicko-fyzikální fakulta BAKALÁŘSKÁ PRÁCE Barbora Janečková Aplikace 2-dimenzionálních rozdělení v bankovnictví Katedra pravděpodobnosti a matematické statistiky Vedoucí
Bardziej szczegółowoMatematická analýza 2. Kubr Milan
Matematická analýza. Kubr Milan. února 008 Obsah Vektorové funkce jedné reálné proměnné. 3. Základní pojmy...................................... 3. Křivky v R n........................................
Bardziej szczegółowoParadoxy geometrické pravděpodobnosti
Katedra aplikované matematiky 1. června 2009 Úvod Cíle práce : Analýza Bertrandova paradoxu. Tvorba simulačního softwaru. Osnova 1 2 3 4 Osnova 1 2 3 4 Osnova 1 2 3 4 Osnova 1 2 3 4 V rovině je zadán kruh
Bardziej szczegółowoLineární algebra II, přednáška Mgr. Milana Hladíka, Ph.D.
Lineární algebra II, přednáška Mgr. Milana Hladíka, Ph.D. Poznámky sepsal Robert Husák Letní semestr 29/21 Obsah 1 Permutace 1 2 Determinant 3 3 Polynomy 7 4 Vlastní čísla 9 5 Positivně definitní matice
Bardziej szczegółowoPetr Hasil. c Petr Hasil (MUNI) Nekonečné řady MA III (M3100) 1 / 187
Nekonečné řady Petr Hasil Přednáška z Matematické analýzy III c Petr Hasil (MUNI) Nekonečné řady MA III (M3100) 1 / 187 Obsah 1 Nekonečné číselné řady Základní pojmy Řady s nezápornými členy Řady s libovolnými
Bardziej szczegółowo(2) Funkce. Kristýna Kuncová. Matematika B2. Kristýna Kuncová (2) Funkce 1 / 25
(2) Funkce Kristýna Kuncová Matematika B2 Kristýna Kuncová (2) Funkce 1 / 25 Sudá a lichá funkce Určete, které funkce jsou sudé a které liché: liché: A, D, E sudé: B Kristýna Kuncová (2) Funkce 2 / 25
Bardziej szczegółowoObsah. Limita posloupnosti a funkce. Petr Hasil. Limita posloupnosti. Pro a R definujeme: Je-li a < 0, pak a =, a ( ) =. vlastní body.
Obsah a funkce Petr Hasil Přednáška z Matematické analýzy I Úvod 2 c Petr Hasil (MUNI) a funkce Matematická analýza / 90 c Petr Hasil (MUNI) a funkce Matematická analýza 2 / 90 Úvod Úvod Pro a R definujeme:
Bardziej szczegółowoTeorie. kuncova/ Definice 1. Necht f je reálná funkce a a R. Jestliže existuje.
8. cvičení http://www.karlin.mff.cuni.cz/ kuncova/ kytaristka@gmail.com Teorie Definice. Necht f je reálná funkce a a R. Jestliže eistuje h 0 fa + h) fa), h pak tuto itu nazýváme derivací funkce f v bodě
Bardziej szczegółowoRovnice proudění Slapový model
do oceánského proudění Obsah 1 2 3 Co způsobuje proudění v oceánech? vyrovnávání rozdílů v teplotě, salinitě, tlaku, ρ = ρ(p, T, S) vítr - wind stress F wind = ρ air C D AU 2 10 slapy produkují silné proudy,
Bardziej szczegółowoLucie Mazurová. AS a
Dynamické modelování úmrtnosti Lucie Mazurová AS 13.10. a 27.10.2017 Riziko úmrtnosti a) volatilita - odchylky od očekáváných hodnot způsobené náhodným charakterem délky života b) katastrofické riziko
Bardziej szczegółowoPrůvodce studiem V této kapitole se budeme zabývat diferenciálním počtem pro funkce více
5 Diferenciální počet funkcí více proměnných Průvodce studiem V této kapitole se budeme zabývat diferenciálním počtem pro funkce více proměnných, především budeme pracovat s funkcemi dvou proměnných Ukážeme
Bardziej szczegółowoGranica i ciągłość funkcji. 1 Granica funkcji rzeczywistej jednej zmiennej rzeczywsitej
Wydział Matematyki Stosowanej Zestaw zadań nr 3 Akademia Górniczo-Hutnicza w Krakowie WEiP, energetyka, I rok Elżbieta Adamus listopada 07r. Granica i ciągłość funkcji Granica funkcji rzeczywistej jednej
Bardziej szczegółowoSlabá formulace rovnic proudění tekutin
Univerzita Karlova v Praze Matematicko-fyzikální fakulta BAKALÁŘSKÁ PRÁC Mark Dostalík Slabá formulace rovnic proudění tekutin Matematický ústav UK Vedoucí bakalářské práce: Studijní program: Studijní
Bardziej szczegółowoNumeryczne metody optymalizacji Optymalizacja w kierunku. informacje dodatkowe
Numeryczne metody optymalizacji Optymalizacja w kierunku informacje dodatkowe Numeryczne metody optymalizacji x F x = min x D x F(x) Problemy analityczne: 1. Nieliniowa złożona funkcja celu F i ograniczeń
Bardziej szczegółowoDiferenciální rovnice základní pojmy. Rovnice se
Diferenciální rovnice základní pojmy. Rovnice se separovanými proměnnými. Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské
Bardziej szczegółowokontaktní modely (Winklerův, Pasternakův)
TÉMA 7: Pružný poloprostor, modely podloží pružný poloprostor základní předpoklady pružný poloprostor Boussinesqueovo řešení kontaktní modely (Winklerův, Pasternakův) 1 Pružný poloprostor (1) vychází z
Bardziej szczegółowoŚ Ś Ś Ś Ś Ś Ę Ą Ę ŚĘ Ę Ś ń Ę Ę Ą Ł Ż Ń Ł ć Ą ć Ł Ę Ó ć Ź ć ź ń Ń ń Ś Ą Ę Ł Ę Ą Ę ń ć ń Ź ć ń ć ń Ś ń ŚĆ ć ź Ł Ę Ę Ś Ę Ę Ę ń ŚĘ Ń Ę Ę ń ŚĘ Ę Ę Ś Ś ć ń Ę ń Ś Ę ć ć Ę Ę ć ź ć ń Ę Ń ń ć Ł Ę Ę Ę Ę ć Ę ć ć ź
Bardziej szczegółowoć ż ź ć ć Ń ć ż ż ż ż ż ć ż ż ć ż Ź ż ż ż ż ź ź ż ż ń ż ćż ż ź ć ń ć Ń Ą ż ń ż ż ż ż ć ż ć ż ż Ń ż ż ń ż ć ż ń ż ń ż Ź ż ż ń ż ć ć ź ż ż ż ź ż ń ź ż ń ż Ń ć Ą Ę ż ż ć ń ć ż ż ń ż ż ż ć ć ć ń ż Ź ć ż ć
Bardziej szczegółowoŚ ź ź Ś Ś Ź ć ź Ń ź Ś Ś ć ć Ź Ś ź Ź Ź Ń ź Ś ć Ł ź ź ć Ś ć ć ć ć Ś ź ź Ź Ń ź ź Ś ć Ś ź ć ź ź ć ź ź ć Ł Ź ź ź ź ź ź ć ź ź ć ź ć ć Ź ź ź Ń ź ź ć ź ź ć Ń Ś Ś Ź Ń Ś ź ć Ś ź ź ź ć Ś Ź Ń ź ź Ś ć Ź ź ć ć ź Ł ć
Bardziej szczegółowo1. Liczby zespolone Zadanie 1.1. Przedstawić w postaci a + ib, a, b R, następujące liczby zespolone (1) 1 i (2) (5)
. Liczby zespolone Zadanie.. Przedstawić w postaci a + ib, a, b R, następujące liczby zespolone () i +i, () 3i, (3) ( + i 3) 6, (4) (5) ( +i ( i) 5, +i 3 i ) 4. Zadanie.. Znaleźć moduł i argument główny
Bardziej szczegółowoStatistika (KMI/PSTAT)
Statistika (KMI/PSTAT) Cvičení deváté aneb Důležitá rozdělení pravděpodobnosti spojité náhodné veličiny Statistika (KMI/PSTAT) 1 / 15 Spojitá náhodná veličina Spojitá náhodná veličina Spojitá náhodná veličina
Bardziej szczegółowoTGH01 - Algoritmizace
TGH01 - Algoritmizace Jan Březina Technical University of Liberec 28. února 2017 Co je to algoritmus? Porovnávání algoritmů Porovnávání algoritmů Co je to algoritmus? Který algoritmus je lepší? Záleží
Bardziej szczegółowoOperace s funkcemi [MA1-18:P2.1] funkční hodnota... y = f(x) (x argument)
KAPITOLA : Funkce - úvod [MA-8:P.] reálná funkce (jedné) reálné proměnné... f : A R...... zobrazení množin A R do množin reálných čísel R funkční hodnota... = f() ( argument) ( tj. reálná funkce f : A
Bardziej szczegółowoGranica i ciągłość funkcji. 1 Granica funkcji rzeczywistej jednej zmiennej rzeczywistej
Wydział Matematyki Stosowanej Zestaw zadań nr 3 Akademia Górniczo-Hutnicza w Krakowie WEiP, energetyka, I rok Elżbieta Adamus 3 listopada 06r. Granica i ciągłość funkcji Granica funkcji rzeczywistej jednej
Bardziej szczegółowoKomplexní analýza. Martin Bohata. Katedra matematiky FEL ČVUT v Praze Martin Bohata Komplexní analýza Úvod 1 / 32
Komplexní analýza Úvod Martin Bohata Katedra matematiky FEL ČVUT v Praze bohata@math.feld.cvut.cz Martin Bohata Komplexní analýza Úvod 1 / 32 Základní informace Stránky předmětu: http://math.feld.cvut.cz/bohata/kan.html
Bardziej szczegółowoObsah. 1.2 Integrály typu ( ) R x, s αx+β
Sbírka úloh z matematické analýzy. Čížek Jiří Kubr Milan. prosince 006 Obsah Neurčitý integrál.. Základní integrály...................................... Integrály typu ) R, s α+β γ+δ d...........................
Bardziej szczegółowoSb ırka pˇr ıklad u z matematick e anal yzy II Petr Tomiczek
Sbírka příkladů z matematické analýzy II Petr Tomiczek Obsah 0 Diferenciální rovnice. řádu 0. Separace proměnných Příklad : Najděte obecné řešení (obecný integrál) diferenciální rovnice y = tg x tg y.
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD listopada 2009
STATYSTYKA MATEMATYCZNA WYKŁAD 7 23 listopada 2009 Wykład 6 (16.XI.2009) zakończył się zdefiniowaniem współczynnika korelacji: E X µ x σ x Y µ y σ y = T WSPÓŁCZYNNIK KORELACJI ρ X,Y = ρ Y,X (!) WSPÓŁCZYNNIK
Bardziej szczegółowoKombinatorika a grafy I
Kombinatorika a grafy I Martin Balko 1. přednáška 19. února 2019 Základní informace Základní informace úvodní kurs, kde jsou probrány základy kombinatoriky a teorie grafů ( pokračování diskrétní matematiky
Bardziej szczegółowo1 Definice. A B A B vlastní podmnožina. 4. Relace R mezi množinami A a B libovolná R A B. Je-li A = B relace na A
1 Definice 1. Množiny: podmnožina: A B x(x A x B) průnik: A B = {x A x B} sjednocení: A B = {x x A x B} rozdíl: A B = {x A x B} A B A B vlastní podmnožina 2. uspořádaná dvojice: (x, y) = {{x}, {x, y}}
Bardziej szczegółowoAnna Kratochvílová Anna Kratochvílová (FJFI ČVUT) PDR ve zpracování obrazu / 17
Parciální diferenciální rovnice ve zpracování obrazu Anna Kratochvílová FJFI ČVUT 10. 6. 2009 Anna Kratochvílová (FJFI ČVUT) PDR ve zpracování obrazu 10. 6. 2009 1 / 17 Obsah 1 Motivace 2 Vyšetření pomocí
Bardziej szczegółowoKvalitativní analýza nelineárních rovnic typu reakce-difuze
Západočeská univerzita v Plzni Fakulta aplikovaných věd Katedra matematiky Diplomová práce Kvalitativní analýza nelineárních rovnic typu reakce-difuze Plzeň, 2018 Bc. Martin Kaisler cistylist listzadani1
Bardziej szczegółowoOkrajový problém podmínky nejsou zadány v jednom bodu nejčastěji jsou podmínky zadány ve 2 bodech na okrajích, ale mohou být
Obyčejné diferenciální rovnice 1 Úvod Obyčejnou diferenciální rovnici N-tého řádu f ( x,y,y,y,...,y (N)) = g(x) převádíme na soustavu N diferenciálních rovnic 1. řádu. Provedeme substituce y z 1 y z 2...
Bardziej szczegółowoń ń Ś Ż Ś ń
ń ń Ś Ż Ś ń ć Ż Ś Ż ń Ś Ż Ż ń Ś Ó ń ć ć ć ć ć Ść Ę ź Ó ć ć źń ć Ś Ć Ż Ś Ć ŚĆ ń ć ź Ś ń ń Ż ć ń ć ń Ś ź ń ź ć ź ć Ę ń ć ć ć Ę ć Ó ń ć ź Ó ŻÓ ź ń ń Ć ć ź ć ń ź ń ć ń Ą ń ć Ż ń Ś Ś ź Ą ć ŚĆ ń ć źć ć Ę Ż ć
Bardziej szczegółowoNumerické metody a statistika
Numerické metody a statistika Radek Kučera VŠB-TU Ostrava 2016-2017 ( ) Numerické metody a statistika 2016-2017 1 / 17 Číslo předmětu: 714-0781/02 Rozsah: 2+2 Hodnocení: 6 kreditů Přednáší: Radek Kučera
Bardziej szczegółowoB. Patzák verze 01. Direct Approach to FEM
B. Patzák (borek.patzak@fsv.cvut.cz), verze 0 Úvodní přednáška Direct Approach to FEM Úvod do Metody Konečných Prvků (MKP) Většina fyzikálních jevů může být popsána systémem parciálních diferenciálních
Bardziej szczegółowoÚvodní informace. 18. února 2019
Úvodní informace Funkce více proměnných Cvičení první 18. února 2019 Obsah 1 Úvodní informace. 2 Funkce více proměnných Definiční obor Úvodní informace. Komunikace: e-mail: olga@majling.eu nebo olga.majlingova@fs.cvut.cz
Bardziej szczegółowonejsou citlivé na monotónní transformace vstupů, dost dobře se vyrovnají s nerelevantními vstupy.
Přednosti rozhodovacích stromů Přirozeně pracují s kategoriálními i spojitými veličinami, přirozeně pracují s chybějícími hodnotami, jsou robustní vzhledem k outliers vybočujícím pozorováním, nejsou citlivé
Bardziej szczegółowoMetody, s nimiž se seznámíme v této kapitole, lze použít pro libovolnou
2. Řešení nelineárních rovnic Průvodce studiem Budeme se zabývat výpočtem reálných kořenů nelineární rovnice f(x) =0, (2.0.1) kde f je v jistém smyslu rozumná reálná funkce. Pro některé funkce (kvadratické,
Bardziej szczegółowoKatedra kybernetiky laboratoř Inteligentní Datové Analýzy (IDA) Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti
Vytěžování dat: klasifikace Filip Železný Katedra kybernetiky laboratoř Inteligentní Datové Analýzy (IDA) Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti Filip Železný (ČVUT) Vytěžování
Bardziej szczegółowoZápadočeská univerzita v Plzni Fakulta aplikovaných věd. Katedra matematiky. Semestrální práce - matematika a byznys
Západočeská univerzita v Plzni Fakulta aplikovaných věd Katedra matematiky Obor: Matematické inženýrství Optimální výrobní program Semestrální práce - matematika a byznys Vypracovala: Radka Zahradníková
Bardziej szczegółowoZadání: Vypočítejte hlavní momenty setrvačnosti a vykreslete elipsu setrvačnosti na zadaných
Příklad k procvičení : Průřeové charakteristik Zadání: Vpočítejte hlavní moment setrvačnosti a vkreslete elipsu setrvačnosti na adaných obracích. Příklad. Zadání: Rokreslení na jednoduché obrace: 500 T
Bardziej szczegółowoFunkce více proměnných: limita, spojitost, parciální a směrové derivace, diferenciál
Matematika III 2. přednáška Funkce více proměnných: limita, spojitost, parciální a směrové derivace, diferenciál Michal Bulant Masarykova univerzita Fakulta informatiky 29. 9. 2010 Obsah přednášky 1 Literatura
Bardziej szczegółowoVýzvy, které před matematiku staví
1 / 21 Výzvy, které před matematiku staví výpočetní technika Edita Pelantová Katedra matematiky, FJFI, České vysoké učení technické v Praze 25. pledna 2018 Praha Zápisy čísel v minulosti 2 / 21 Římský
Bardziej szczegółowopodle přednášky doc. Eduarda Fuchse 16. prosince 2010
Jak souvisí plochá dráha a konečná geometrie? L ubomíra Balková podle přednášky doc. Eduarda Fuchse Trendy současné matematiky 16. prosince 2010 (FJFI ČVUT v Praze) Konečná geometrie 16. prosince 2010
Bardziej szczegółowoLineární regrese. Skutečné regresní funkce nejsou nikdy lineární! regrese extrémně užitečná jak svou koncepcí, tak prakticky.
Lineární regrese Lineární regrese je jednoduchý přístup k učení s učitelem (supervizovanému učení). Předpokládá, že závislost Y na X 1, X 2,..., X p je lineární. Skutečné regresní funkce nejsou nikdy lineární!
Bardziej szczegółowo1 Relacje i odwzorowania
Relacje i odwzorowania Relacje Jacek Kłopotowski Zadania z analizy matematycznej I Wykazać, że jeśli relacja ρ X X jest przeciwzwrotna i przechodnia, to jest przeciwsymetryczna Zbadać czy relacja ρ X X
Bardziej szczegółowoStavový popis Stabilita spojitých systémů (K611MSAP) Katedra aplikované matematiky Fakulta dopravní ČVUT. čtvrtek 20. dubna 2006
Modelování systémů a procesů (K611MSAP) Přednáška 4 Katedra aplikované matematiky Fakulta dopravní ČVUT Pravidelná přednáška K611MSAP čtvrtek 20. dubna 2006 Obsah 1 Laplaceova transformace Přenosová funkce
Bardziej szczegółowoFunkce více proměnných: limita, spojitost, derivace
Matematika III 2. přednáška Funkce více proměnných: limita, spojitost, derivace Michal Bulant Masarykova univerzita Fakulta informatiky 22. 9. 2014 Obsah přednášky 1 Literatura 2 Zobrazení a funkce více
Bardziej szczegółowo(např. ve Weka) vycházejí z tzv. matice záměn (confusion matrix): + TP true positive FN false negative - FP false positive TN true negative
Ohodnocení úspěšnosti klasifikace Základní statistiky uváděné při ohodnocování modelů pro klasifikaci (např. ve Weka) vycházejí z tzv. matice záměn (confusion matrix): správná třída \ klasifikace + - +
Bardziej szczegółowo