Statistika (KMI/PSTAT)
|
|
- Rafał Cichoń
- 4 lat temu
- Przeglądów:
Transkrypt
1 Statistika (KMI/PSTAT) Cvičení deváté aneb Důležitá rozdělení pravděpodobnosti spojité náhodné veličiny Statistika (KMI/PSTAT) 1 / 15
2 Spojitá náhodná veličina Spojitá náhodná veličina Spojitá náhodná veličina může nabývat libovolnou hodnotu z konečného nebo nekonečného intervalu reálných čísel. Statistika (KMI/PSTAT) 2 / 15
3 Spojitá náhodná veličina Spojitá náhodná veličina Spojitá náhodná veličina může nabývat libovolnou hodnotu z konečného nebo nekonečného intervalu reálných čísel. Distribuční funkce náhodné veličiny Distribuční funkce náhodné veličiny X je pro každé reálné číslo x definována vztahem F (x) = P (X x). Hodnota distribuční funkce v bodě x tedy znamená pravděpodobnost, že náhodná veličina X má hodnotu nejvýše x. Statistika (KMI/PSTAT) 2 / 15
4 Spojitá náhodná veličina Spojitá náhodná veličina Spojitá náhodná veličina může nabývat libovolnou hodnotu z konečného nebo nekonečného intervalu reálných čísel. Distribuční funkce náhodné veličiny Distribuční funkce náhodné veličiny X je pro každé reálné číslo x definována vztahem F (x) = P (X x). Hodnota distribuční funkce v bodě x tedy znamená pravděpodobnost, že náhodná veličina X má hodnotu nejvýše x. Hustota pravděpodobnosti spojité náhodné veličiny Je-li X spojitá náhodná veličina, potom existuje nezáporná funkce f(x) taková, že pro všechna reálná čísla x 0 platí x0 F (x 0 ) = f(x) dx. Funkci f(x) nazýváme hustota pravděpodobnosti spojité náhodné veličiny X. Statistika (KMI/PSTAT) 2 / 15
5 Charakteristiky náhodné veličiny Hustota pravděpodobnosti má tyto vlastnosti: f(x) 0 f(x) dx = 1 P (a X b) = F (b) F (a) = b a f(x) dx pro a < b Statistika (KMI/PSTAT) 3 / 15
6 Číselné charakteristiky spojité náhodné veličiny Mějme spojitou náhodnou veličinu X s hustotou pravděpodobnosti f(x), kde M představuje množinu všech možných hodnot x náhodné veličiny X. Střední hodnota náhodné veličiny X je definována vztahem E(X) = x f(x) dx. M Druhý obecný moment náhodné veličiny X je definován vztahem E(X 2 ) = x 2 f(x) dx. M Rozptyl náhodné veličiny X je definován vztahem { [X ] } 2 [ ] 2 D(X) = E E(X) = x E(X) f(x) dx = E(X 2 ) ( E(X) ) 2. M Medián x je taková hodnota náhodné veličiny X, pro kterou platí P (X x) = P (X x) = 0, 5. Statistika (KMI/PSTAT) 4 / 15
7 Rovnoměrné (spojité) rozdělení náhodné veličiny Rovnoměrné rozdělení používáme k modelování situací, kdy obor hodnot náhodné veličiny je oboustranně omezen (je to tedy interval) a není možné předpokládat, že některé hodnoty z tohoto intervalu by se vyskytovaly častěji než jiné. To znamená, že pravděpodobnost, že hodnota náhodné veličiny pochází z libovolného podintervalu od α do β je stejná, jako že pochází z jakéhokoliv jiného podintervalu stejné délky. Statistika (KMI/PSTAT) 5 / 15
8 Rovnoměrné (spojité) rozdělení náhodné veličiny Rovnoměrné rozdělení Rovnoměrným (spojitým) rozdělením náhodné veličiny X, která nabývá hodnot x (a, b), nazveme takové rozdělení pravděpodobnosti, jehož hustota je { 1, x (a, b) f(x) = b a. 0, jinak Distribuční funkce je potom popsána rovnicemi 0, x a x a F (x) =, x (a, b). b a 1, x b b b 1 Střední hodnota je dána vzorcem E(X) = x f(x) dx = x a a b a dx = a + b 2. Rozptyl je dán vzorcem D(X) = E(X 2 ) (E(X)) 2 = (b a)2. 12 Statistika (KMI/PSTAT) 6 / 15
9 Rovnoměrné (spojité) rozdělení Rovnoměrné rozdělení Představme si ideální systém městské hromadné dopravy, ve které určitá linka přijíždí na zastávku v naprosto přesném intervalu 10 minut. Náhodnou veličinou X je doba čekání na tuto linku při náhodném příchodu na zastávku. 1 Jaké jsou možné hodnoty této náhodné veličiny? 2 Namalujte a popište graf hustoty pravděpodobnosti této náhodné veličiny. 3 Jaká je pravděpodobnost, že na autobus budete čekat od 2 do 7 minut? 4 Jaká je pravděpodobnost, že na autobus budete čekat více než 6 minut? Statistika (KMI/PSTAT) 7 / 15
10 Rovnoměrné (spojité) rozdělení Rovnoměrné rozdělení Představme si ideální systém městské hromadné dopravy, ve které určitá linka přijíždí na zastávku v naprosto přesném intervalu 10 minut. Náhodnou veličinou X je doba čekání na tuto linku při náhodném příchodu na zastávku. 1 Jaké jsou možné hodnoty této náhodné veličiny? 2 Namalujte a popište graf hustoty pravděpodobnosti této náhodné veličiny. 3 Jaká je pravděpodobnost, že na autobus budete čekat od 2 do 7 minut? 4 Jaká je pravděpodobnost, že na autobus budete čekat více než 6 minut? Rovnoměrné rozdělení Generátor náhodných čísel v PC vytváří náhodná čísla z rozmezí 0, 1. S jakou pravděpodobností bude vylosováno číslo a) x = 0, 3251 b) menší než x = 0, 4 c) číslo větší než x = 0, 7 d) číslo z rozmezí 0,4 až 0,7? Statistika (KMI/PSTAT) 7 / 15
11 pravděpodobnosti má zcela výjimečnou pozici mezi ostatními pravděpodobnostními rozděleními spojité náhodné veličiny. Toto rozdělení je použitelné tam, kde koĺısání hodnot náhodné veličiny kolem střední hodnoty je způsobeno velkým počtem nepatrných a nezávislých vlivů. Řekneme, že náhodná veličina X má normální rozdělení pravděpodobnosti, tj. X No[µ, σ 2 ], jestliže hustota pravděpodobnosti f(x) je popsána vzorcem f(x) = 1 σ (x µ) 2 2π e 2σ 2, < x <. má dva parametry µ a σ 2, kde µ je střední hodnota rozdělení a σ 2 je jeho rozptyl. Je tedy E(X) = µ, D(X) = σ 2. Statistika (KMI/PSTAT) 8 / 15
12 Distribuční funkce normálního rozdělení má tvar F (x) = 1 x σ 2π e (t µ)2 2σ 2 dt. Obrázek : Hustota pravděpodobnosti normálního rozdělení X No[180, 10 2 ] Statistika (KMI/PSTAT) 9 / 15
13 Výpočet F (x) podle vzorce je obtížný, proto náhodnou veličinu X transformujeme na normovanou veličinu U, kde U = X µ σ. Po této transformaci dostaneme tzv. normované náhodné rozdělení U, kde je f(u) = 1 e u2 2, F (u) = 1 u e t2 2 dt. 2π 2π Parametry normovaného normálního rozdělení U jsou E(U) = 0, D(U) = 1. Hodnoty normovaného normálního rozdělení jsou tabelovány. Protože je rozdělení symetrické okolo nuly, stačí v tabulce uvést hodnoty pravděpodobností pouze pro u > 0. Potom platí F ( u) = 1 F (u). Často máme najít pravděpodobnost, že náhodná veličina X nabude hodnoty z intervalu x 1 až x 2. Z vlastností distribuční funkce plyne P (u 1 < U < u 2 ) = F (u 2 ) F (u 1 ). Statistika (KMI/PSTAT) 10 / 15
14 Necht X je náhodná veličina s normovaným normálním rozdělením No[0, 1]. Určete, jaká je pravděpodobnost, že hodnota X bude a) menší než 1, 25 b) větší než 2, 1 c) menší než 1, 5 d) větší než 0, 45 e) v rozmezí 0, 35 až 1, 87 f) v rozmezí 1, 35 až 0, 55 Statistika (KMI/PSTAT) 11 / 15
15 Necht X je náhodná veličina s normovaným normálním rozdělením No[0, 1]. Určete, jaká je pravděpodobnost, že hodnota X bude a) menší než 1, 25 b) větší než 2, 1 c) menší než 1, 5 d) větší než 0, 45 e) v rozmezí 0, 35 až 1, 87 f) v rozmezí 1, 35 až 0, 55 a) P (X < 1, 25) = F (1, 25) = 0, Statistika (KMI/PSTAT) 11 / 15
16 Necht X je náhodná veličina s normovaným normálním rozdělením No[0, 1]. Určete, jaká je pravděpodobnost, že hodnota X bude a) menší než 1, 25 b) větší než 2, 1 c) menší než 1, 5 d) větší než 0, 45 e) v rozmezí 0, 35 až 1, 87 f) v rozmezí 1, 35 až 0, 55 a) P (X < 1, 25) = F (1, 25) = 0, b) P (X > 2, 1) = 1 F (2, 1) = 1 0, = 0, Statistika (KMI/PSTAT) 11 / 15
17 Necht X je náhodná veličina s normovaným normálním rozdělením No[0, 1]. Určete, jaká je pravděpodobnost, že hodnota X bude a) menší než 1, 25 b) větší než 2, 1 c) menší než 1, 5 d) větší než 0, 45 e) v rozmezí 0, 35 až 1, 87 f) v rozmezí 1, 35 až 0, 55 a) P (X < 1, 25) = F (1, 25) = 0, b) P (X > 2, 1) = 1 F (2, 1) = 1 0, = 0, c) P (X < 1, 5) = 1 F (1, 5) = 1 0, = 0, Statistika (KMI/PSTAT) 11 / 15
18 Necht X je náhodná veličina s normovaným normálním rozdělením No[0, 1]. Určete, jaká je pravděpodobnost, že hodnota X bude a) menší než 1, 25 b) větší než 2, 1 c) menší než 1, 5 d) větší než 0, 45 e) v rozmezí 0, 35 až 1, 87 f) v rozmezí 1, 35 až 0, 55 a) P (X < 1, 25) = F (1, 25) = 0, b) P (X > 2, 1) = 1 F (2, 1) = 1 0, = 0, c) P (X < 1, 5) = 1 F (1, 5) = 1 0, = 0, d) P (X > 0, 45) = F (0, 45) = 0, Statistika (KMI/PSTAT) 11 / 15
19 Necht X je náhodná veličina s normovaným normálním rozdělením No[0, 1]. Určete, jaká je pravděpodobnost, že hodnota X bude a) menší než 1, 25 b) větší než 2, 1 c) menší než 1, 5 d) větší než 0, 45 e) v rozmezí 0, 35 až 1, 87 f) v rozmezí 1, 35 až 0, 55 a) P (X < 1, 25) = F (1, 25) = 0, b) P (X > 2, 1) = 1 F (2, 1) = 1 0, = 0, c) P (X < 1, 5) = 1 F (1, 5) = 1 0, = 0, d) P (X > 0, 45) = F (0, 45) = 0, e) P (0, 35 < X < 1, 87) = F (1, 87) F (0, 35) = 0, , = 0, Statistika (KMI/PSTAT) 11 / 15
20 Necht X je náhodná veličina s normovaným normálním rozdělením No[0, 1]. Určete, jaká je pravděpodobnost, že hodnota X bude a) menší než 1, 25 b) větší než 2, 1 c) menší než 1, 5 d) větší než 0, 45 e) v rozmezí 0, 35 až 1, 87 f) v rozmezí 1, 35 až 0, 55 a) P (X < 1, 25) = F (1, 25) = 0, b) P (X > 2, 1) = 1 F (2, 1) = 1 0, = 0, c) P (X < 1, 5) = 1 F (1, 5) = 1 0, = 0, d) P (X > 0, 45) = F (0, 45) = 0, e) P (0, 35 < X < 1, 87) = F (1, 87) F (0, 35) = 0, , = 0, f) P ( 1, 35 < X < 0, 55) = F (0, 55) F ( 1, 35) = F (0, 55) [1 F (1, 35)] = F (0, 55) + F (1, 35) 1 = 0, Statistika (KMI/PSTAT) 11 / 15
21 Životnost baterie je náhodnou veličinou X s normálním rozdělením s parametry µ = 300 hodin a σ = 35 hodin. Jaká je pravděpodobnost, že náhodně vybraná baterie bude mít životnost větší než 320 hodin? Statistika (KMI/PSTAT) 12 / 15
22 Životnost baterie je náhodnou veličinou X s normálním rozdělením s parametry µ = 300 hodin a σ = 35 hodin. Jaká je pravděpodobnost, že náhodně vybraná baterie bude mít životnost větší než 320 hodin? Je X No[300, 35 2 ]. Převedením na normované rozdělení dostaneme Je tedy U = X = = = 4. = 0, P (X > 320) = P (U > 0, 57) = 1 F (0, 57) = 1 0, = 0, Pravděpodobnost, že náhodně vybraná baterie vydrží pracovat déle než 320 hodin je přibližně p = 0, 284. Statistika (KMI/PSTAT) 12 / 15
23 Při výstupní kontrole je součástka uznána za kvalitní, jestliže se její rozměr pohybuje v rozmezí 35 až 37 mm. Rozměry součástek mají normální rozdělení se střední hodnotou µ = 36, 2 mm a směrodatnou odchylkou 0, 3 mm. Jaká je pravděpodobnost, že rozměr součástky, náhodně vybrané ke kontrole, bude v požadovaných mezích? Statistika (KMI/PSTAT) 13 / 15
24 Při výstupní kontrole je součástka uznána za kvalitní, jestliže se její rozměr pohybuje v rozmezí 35 až 37 mm. Rozměry součástek mají normální rozdělení se střední hodnotou µ = 36, 2 mm a směrodatnou odchylkou 0, 3 mm. Jaká je pravděpodobnost, že rozměr součástky, náhodně vybrané ke kontrole, bude v požadovaných mezích? Je X No[36.2, ]. Převedením na normované rozdělení dostaneme U = X , u 1 = = = 4, u = = 0.8. = Hledaná pravděpodobnost je P (35 < X < 37) = P ( 4 < U < 2, 67) = F (2, 67) F ( 4) = F (2, 67) + F (4) 1 = 0, , = 0, 9962 Pravděpodobnost, že součástka bude v požadovaných mezích činí přibližně p = 0, 996. Statistika (KMI/PSTAT) 13 / 15
25 Výrobce trolejbusů připravuje nový typ trolejbusu. Při návrhu stanovuje různé detaily týkající se trolejbusu. Jedním z nich je výška dveří, která má být taková, aby jimi prošlo 95 % lidí. Předpokládejme, že výška lidí, kteří používají městskou dopravu podléhá normálnímu rozdělení s parametry µ = 180 cm a směrodatnou odchylkou σ = 10 cm. Jaká by tedy měla být výška dveří? Statistika (KMI/PSTAT) 14 / 15
26 Výrobce trolejbusů připravuje nový typ trolejbusu. Při návrhu stanovuje různé detaily týkající se trolejbusu. Jedním z nich je výška dveří, která má být taková, aby jimi prošlo 95 % lidí. Předpokládejme, že výška lidí, kteří používají městskou dopravu podléhá normálnímu rozdělení s parametry µ = 180 cm a směrodatnou odchylkou σ = 10 cm. Jaká by tedy měla být výška dveří? Z tabulek pro normovanou distribuční funkci normálního rozdělení vyčteme, že Φ(u) = 0, 95 platí pro u = 1, 65. Je tedy Φ(1, 65) = 0, 95, resp. P (U 1, 65). = 0, 95. Nyní musíme zjistit, která hodnota x v X No[180, 10 2 ] odpovídá u = 1, 65 pro U N[0, 1]. U = X µ σ 1, 65 = x Výška dveří trolejbusu by měla být rovna 196,5 cm. 16, 5 = x 180 x = 196, 5 Statistika (KMI/PSTAT) 14 / 15
27 Výrobce trolejbusů připravuje nový typ trolejbusu. Při návrhu stanovuje různé detaily týkající se trolejbusu. Jedním z nich je výška dveří, která má být taková, aby jimi prošlo 95 % lidí. Předpokládejme, že výška lidí, kteří používají městskou dopravu podléhá normálnímu rozdělení s parametry µ = 180 cm a směrodatnou odchylkou σ = 10 cm. Jaká by tedy měla být výška dveří? Z tabulek pro normovanou distribuční funkci normálního rozdělení vyčteme, že Φ(u) = 0, 95 platí pro u = 1, 65. Je tedy Φ(1, 65) = 0, 95, resp. P (U 1, 65). = 0, 95. Nyní musíme zjistit, která hodnota x v X No[180, 10 2 ] odpovídá u = 1, 65 pro U N[0, 1]. U = X µ σ 1, 65 = x Výška dveří trolejbusu by měla být rovna 196,5 cm. 16, 5 = x 180 x = 196, 5 Uvedená hodnota představuje 95% kvantil, nebot je 95% všech hodnot menších nebo rovných 196,5 cm a 5% je stejných nebo větších než 196,5 cm. Statistika (KMI/PSTAT) 14 / 15
28 Úlohy k samostatné práci Příklad I Předepsaný objem automaticky plněné krabice s mlékem je 1 litr. Povolená tolerance (směrodatná odchylka) činí 0.03 litru. 1 Kolik krabic v zásilce kusů bude mít objem menší než 0.97 litru? 2 Jaká by musela být směrodatná odchylka, aby pouze 4 % krabic mělo svůj objem mimo povolený interval (0.97, 1.03) litru? Příklad II Zkouška nového stroje musí probíhat nepřetržitě 24 hodin a je nezbytně nutné, aby po celou tuto dobu byl stroj pod kontrolou diagnostického zařízení. Víme, že diagnostické zařízení má poruchu průměrně jednou za hodin. Zjistěte, zda čas čekání na poruchu diagnostického zařízení je s pravděpodobností p = 0.99 delší, než čas vymezený na zkoušku. Příklad III Váha automaticky vyráběného výrobku (v gramech) je náhodná veličina X No[152.4, 0.16]. Kolik procent výrobků je těžších než 153 gramů? Statistika (KMI/PSTAT) 15 / 15
Kristýna 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 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 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 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 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 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 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 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 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 szczegółowoStatistika (KMI/PSTAT)
Cvičení sedmé (a asi i osmé a doufám, že ne deváté) aneb Náhodná veličina, rozdělení pravděpodobnosti náhodné veličiny Náhodná veličina Náhodná veličina Studenti skládají písemku sestávající ze tří úloh.
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 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 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 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 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 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 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 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 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 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 szczegółowoStochastické 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 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 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 szczegółowoDFT. verze:
Výpočet spektra signálu pomocí DFT kacmarp@fel.cvut.cz verze: 009093 Úvod Signály můžeme rozdělit na signály spojité v čase nebo diskrétní v čase. Další možné dělení je na signály periodické nebo signály
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 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 szczegółowoMatematika 2, vzorová písemka 1
Matematika 2, vzorová písemka Pavel Kreml 9.5.20 Přesun mezi obrazovkami Další snímek: nebo Enter. Zpět: nebo Shift + Enter 2 3 4 Doporučení Pokuste se vyřešit zadané úlohy samostatně. Pokud nebudete vědět
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 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 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 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 szczegółowoObsah. Petr Hasil. (konjunkce) (disjunkce) A B (implikace) A je dostačující podmínka pro B; B je nutná podmínka pro A A B: (A B) (B A) A (negace)
Množiny, číselné obory, funkce Petr Hasil Přednáška z Matematické analýzy I c Petr Hasil (MUNI) Množiny, číselné obory, funkce Matematická analýza / 5 Obsah Množinové operace Operace s funkcemi Definice
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 szczegółowox2 + 2x 15 x 2 + 4x ) f(x) = x 2 + 2x 15 x2 + x 12 3) f(x) = x 3 + 3x 2 10x. x 3 + 3x 2 10x x 2 + x 12 10) f(x) = log 2.
Příklady k 1 zápočtové písemce Definiční obor funkce Určete definiční obor funkce: x + x 15 1 f(x x + x 1 ( x + x 1 f(x log x + x 15 x + x 1 3 f(x x 3 + 3x 10x ( x 3 + 3x 10x f(x log x + x 1 x3 + 5x 5
Bardziej szczegółowoEuklidovský prostor. Funkce dvou proměnných: základní pojmy, limita a spojitost.
Euklidovský prostor. Funkce dvou proměnných: základní pojmy, limita a spojitost. Vyšší matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU
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 szczegółowoAlgebra I Cvičení. Podstatná část příkladů je převzata od kolegů, jmenovitě Prof. Kučery, Doc. Poláka a Doc. Kunce, se
Algebra I Cvičení Podstatná část příkladů je převzata od kolegů, jmenovitě Prof. Kučery, Doc. Poláka a Doc. Kunce, se kterými jsem při přípravě cvičení spolupracoval. Sbírka vznikla modifikací některých
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 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 szczegółowoObsah. 1 Konstrukce (definice) Riemannova integrálu Výpočet Newtonova Leibnizova věta Aplikace výpočet objemů a obsahů 30
Určitý integrál Robert Mřík 6. září 8 Obsh 1 Konstrukce (definice) Riemnnov integrálu. Výpočet Newtonov Leibnizov vět. 18 3 Numerický odhd Lichoběžníkové prvidlo 19 4 Aplikce výpočet objemů obshů 3 c Robert
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 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 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 szczegółowoKatedra kybernetiky skupina Inteligentní Datové Analýzy (IDA) Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti
Vytěžování dat Filip Železný Katedra kybernetiky skupina Inteligentní Datové Analýzy (IDA) Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti Filip Železný (ČVUT) Vytěžování dat 1 / 26
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 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 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 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 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 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 szczegółowofakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu (reg. č. CZ.1.07/2.2.00/28.
Extrémy Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného
Bardziej szczegółowoPetr Beremlijski, Marie Sadowská
Počítačová cvičení Petr Beremlijski, Marie Sadowská Katedra aplikované matematiky Fakulta elektrotechniky a informatiky VŠB - Technická univerzita Ostrava Cvičení : Matlab nástroj pro matematické modelování
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 szczegółowoDesign of Experiment (DOE) Petr Misák. Brno 2016
Design of Experiment (DOE) Petr Misák Vysoké učení technické v Brně, Fakulta stavební, Ústav stavebního zkušebnictví Brno 2016 Úvod - Experiment jako nástroj hledání slavné vynálezy - žárovka, antibiotika
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 szczegółowoPOLIURETANOWE SPRĘŻYNY NACISKOWE. POLYURETHANOVÉ TLAČNÉ PRUŽINY
POLIURETAOWE SPRĘŻYY ACISKOWE. POLYURETHAOVÉ TLAČÉ PRUŽIY Oferowane są wymiary wyrobów o różnych twardościach. Konstrukcja tych sprężyn umożliwia zastąpienie sprężyn tradycyjnych tam, gdzie korozja, wibracje,
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 szczegółowoUniverzita Karlova v Praze Matematicko-fyzikální fakulta. Bc. Hana Tritová. Katedra pravděpodobnosti a matematické statistiky
Univerzita Karlova v Praze Matematicko-fyzikální fakulta DIPLOMOVÁ PRÁCE Bc. Hana Tritová Metody MCMC pro finanční časové řady Katedra pravděpodobnosti a matematické statistiky Vedoucí diplomové práce:
Bardziej szczegółowoÚstav teorie informace a automatizace. Tato prezentace je k dispozici na:
Aplikace bayesovských sítí Jiří Vomlel Ústav teorie informace a automatizace Akademie věd České republiky Tato prezentace je k dispozici na: http://www.utia.cas.cz/vomlel/ Obsah přednášky Podmíněná pravděpodobnost,
Bardziej szczegółowoInternet a zdroje. (Zdroje na Internetu) Mgr. Petr Jakubec. Katedra fyzikální chemie Univerzita Palackého v Olomouci Tř. 17.
Internet a zdroje (Zdroje na Internetu) Mgr. Petr Jakubec Katedra fyzikální chemie Univerzita Palackého v Olomouci Tř. 17. listopadu 12 26. listopadu 2010 (KFC-INTZ) Databáze, citování 26. listopadu 2010
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 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 szczegółowoObsah. Aplikovaná matematika I. Vlivem meze Vlivem funkce Bernhard Riemann. Mendelu Brno. 3 Vlastnosti určitého integrálu
Určitý integrál Aplikovná mtemtik I Dn Říhová Mendelu Brno Obsh Zákldní úloh integrálního počtu Definice určitého integrálu 3 Vlstnosti určitého integrálu 4 Výpočet určitého integrálu 5 Geometrické plikce
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 szczegółowoMatematika 1 Jiˇr ı Fiˇser 24. z aˇr ı 2013 Jiˇr ı Fiˇser (KMA, PˇrF UP Olomouc) KMA MAT1 24. z aˇr ı / 52
í150doc-start í251doc-start Jiří Fišer (KMA, PřF UP Olomouc) KMA MAT1 24. září 2013 1 / 52 Matematika 1 Jiří Fišer 24. září 2013 Jiří Fišer (KMA, PřF UP Olomouc) KMA MAT1 24. září 2013 1 / 52 Zimní semestr
Bardziej szczegółowoMatematika I (KMI/PMATE) Co se naučíme? x = a a x = b. rozumět pojmu střední hodnota funkce na daném intervalu. Obrázek 1.
Mtemtik I (KMI/PMATE). Integrální počet funkcí jedné proměnné.. Co se nučíme? Po sérii přednášek věnovných integrálům byste měli být schopni: rozumět definici pojmu neurčitý integrál používt metodu přímé
Bardziej szczegółowoUniverzita Karlova v Praze Matematicko-fyzikální fakulta. rizik. Katedra pravděpodobnosti a matematické statistiky
Univerzita Karlova v Praze Matematicko-fyzikální fakulta DIPLOMOVÁ PRÁCE Bc. Milena Benešová Aktuárský přístup k modelování kreditních rizik Katedra pravděpodobnosti a matematické statistiky Vedoucí diplomové
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 szczegółowoVybrané partie z kvantitativního řízení rizik - kreditní riziko
Vybrané partie z kvantitativního řízení rizik - kreditní riziko 1 Úvod Kreditní riziko je riziko vyplývající z neschopnosti nebo neochoty protistrany splatit své závazky. Basilejský rámec pro kapitálovou
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 szczegółowoprof. RNDr. Roman Kotecký DrSc., Dr. Rudolf Blažek, PhD Pravděpodobnost a statistika Katedra teoretické informatiky Fakulta informačních technologií
Základní pojmy pravděpodobnosti prof. RNDr. Roman Kotecký DrSc., Dr. Rudolf Blažek, PhD Katedra teoretické informatiky Fakulta informačních technologií České vysoké učení technické v Praze c Rudolf Blažek,
Bardziej szczegółowoObsah. Zobrazení na osmistěn. 1 Zobrazení sféry po částech - obecné vlastnosti 2 Zobrazení na pravidelný konvexní mnohostěn
Obsah 1 2 3 Použití Zobrazení rozsáhlého území, ale hodnoty zkreslení nesmí přesáhnout určitou hodnotu Rozdělením území na menší části a ty pak zobrazíme zvlášť Nevýhodou jsou však samostatné souřadnicové
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 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 szczegółowoPopisná statistika. David Hampel. Přednáška Statistika 1 (BKMSTA1) 13. říjen 2012, Brno.
12235@mail.muni.cz Přednáška Statistika 1 (BKMSTA1) 13. říjen 2012, Brno Motivace slouží zejména k prezentaci dat a výsledků. Číselné charakteristiky informují o úrovni, variabilitě a těsnosti závislosti
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 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 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 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 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 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 szczegółowo7. Aplikace derivace
7. Aplikace derivace 7A. Taylorův polynom 7. Aplikace derivace Verze 20. července 207 Derivace funkce se využívá při řešení úloh technické prae i teorie. Uvedeme několik z nich: vyčíslení hodnot funkce,
Bardziej szczegółowoPojem množiny nedefinujeme, pouze připomínáme, že množina je. Nejprve shrneme pojmy a fakta, které znáte ze střední školy.
1 Kapitola 1 Množiny 1.1 Základní množinové pojmy Pojem množiny nedefinujeme, pouze připomínáme, že množina je souhrn, nebo soubor navzájem rozlišitelných objektů, kterým říkáme prvky. Pro známé množiny
Bardziej szczegółowo1 Dedekindovy řezy (30 bodů)
Pokročilá matematická analýza úlohy pro zimní semestr Dedekindovy řezy ( bodů) V této úloze se pokusíme seznámit s Dedekindovými řezy, pomocí nichž zavedeme reálná čísla. Tuto konstrukci vymyslel a publikoval
Bardziej szczegółowoEnergetické principy a variační metody ve stavební mechanice
Energetické principy a variační metody ve stavební mechanice Přetvárná práce vnějších sil Přetvárná práce vnitřních sil Potenciální energie Lagrangeův princip Variační metody Ritzova metoda 1 Přetvárná
Bardziej szczegółowoUniverzita Palackého v Olomouci
Počítačová grafika - 5. cvičení Radek Janoštík Univerzita Palackého v Olomouci 22.10.2018 Radek Janoštík (Univerzita Palackého v Olomouci) Počítačová grafika - 5. cvičení 22.10.2018 1 / 10 Reakce na úkoly
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 szczegółowoUniverzita Karlova v Praze Matematicko-fyzikální fakulta
Univerzita arlova v Praze Matematicko-fyzikální fakulta BAALÁŘSÁ PRÁCE Matěj Novotný Operátory skládání na prostorech funkcí atedra matematické analýzy Vedoucí bakalářské práce: doc. RNDr. Jiří Spurný
Bardziej szczegółowoNÁVOD K POUŽITÍ KEZELÉSI KÉZIKÖNYV INSTRUKCJA OBSŁUGI NÁVOD NA POUŽÍVANIE. Česky. Magyar. Polski. Slovensky
CANON INC. 30-2 Shimomaruko 3-chome, Ohta-ku, Tokyo 146-8501, Japan Europe, Africa & Middle East CANON EUROPA N.V. PO Box 2262, 1180 EG Amstelveen, The Netherlands For your local Canon office, please refer
Bardziej szczegółowoMatematická statistika, statistická rozdělení a termodynamická limita
Kapitola 6 Matematická statistika, statistická rozdělení a termodynamická limita 6. Matematická statistika a teorie pravděpodobnosti Jestliže popisujeme systém, který se skládá z velkého počtu elementárních
Bardziej szczegółowoMATEMATIKA 3 NUMERICKÉ METODY. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci
MATEMATIKA 3 NUMERICKÉ METODY Dana Černá http://kmd.fp.tul.cz Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci INFORMACE O PŘEDMĚTU Konzultační hodiny: ÚT 11:00-12:00, budova G,
Bardziej szczegółowoNDMI002 Diskrétní matematika
NDMI002 Diskrétní matematika prof. RNDr. Martin Loebl, CSc. ZS 2016/17 Obsah 1 Množiny 2 1.1 Relace....................................... 2 1.2 Ekvivalence.................................... 3 1.3 Částečné
Bardziej szczegółowox y (A)dy. a) Určete a načrtněte oblasti, ve kterých je funkce diferencovatelná. b) Napište diferenciál funkce v bodě A = [x 0, y 0 ].
II.4. Totální diferenciál a tečná rovina Značení pro funkci z = f,: totální diferenciál funkce f v bodě A = 0, 0 ]: dfa = A 0+ A 0 Označme d = 0, d = 0. Pak dfa = A d+ A d Příklad91.Je dána funkce f, =.
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 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 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 szczegółowoPowyższe reguły to tylko jedna z wersji gry. Istnieje wiele innych wariantów, można też ustalać własne zasady. Miłej zabawy!
Krykiet W krykieta może grać od 2 do 4 osób, którzy albo grają każdy przeciw każdemu, albo dzielą się na dwie drużyny. Bramki oraz palik startowy i powrotne umieszcza się tak, jak pokazano na rysunku.
Bardziej szczegółowoŠkola matematického modelování 2017
Počítačová cvičení Škola matematického modelování 2017 Petr Beremlijski, Rajko Ćosić, Marie Sadowská Počítačová cvičení Škola matematického modelování Petr Beremlijski, Rajko Ćosić, Marie Sadowská Katedra
Bardziej szczegółowo