Prof. dr. sc. Maja Biljan-August Prof. dr. sc. Snježana Pivac Doc. dr. sc. Ana Štambuk 2. IZDANJE. Poglavlje 2.
|
|
- Βασιλική Λύτρας
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Prof. dr. sc. Maja Blja-August Prof. dr. sc. Sježaa Pvac Doc. dr. sc. Aa Štambuk UPORABA STATISTIKE U EKONOMIJI. IZDANJE Poglavlje. REGRESIJSKA I KORELACIJSKA ANALIZA Ekoomsk fakultet Sveučlšta u Rjec Rjeka, 9.
2
3 . REGRESIJSKA I KORELACIJSKA ANALIZA.. Pojam regresjske korelacjske aalze Poslova makroekoomska statstka često, uz aalzu kretaja jede ekoomske pojave, maju potrebu stražt ovsost dvju l vše pojava, odoso umerčkh zova, zajedo. Prv korak u stražvaju ovsost varjabl jeste crtaje grafčkog prkaza koj se azva djagram raspaja. Djagram raspaja u pravokutom koordatom sustavu točkama ( x, y prkazuje parove vrjedost dvju promatrah umerčkh varjabl. Na osov takve slke mogu se odmah uočt osove veze među promatram varjablama. Slka.. y y x (a poztva fukcoala veza x (b poztva statstčka veza Na slc.. prkazaa su djagrama raspaja. Slka (a prkazuje fukcoalu vezu zmeđu varjable. Zamšljea lja koja povezuje sve točke a slc je pravac. Matematčk oblk veze, ovh dvju promatrah varjabl, je jedadžba pravca. Od te lje ema kakvog odstupaja, stoga se kaže da je ova veza strogo fukcoala. Zamšlje pravac je rastuć, odoso porast vrjedost jede varjable prat porast vrjedost druge promatrae varjable zato je ova veza poztva. Čest slučaj u praks prkaza je a slc (b. Ako se zmeđu točaka ovog djagrama zamsl krvulja, to b opet bo pravac. Međutm ovdje su prsuta poztva egatva odstupaja od lje pravca, a to se tumač razm utjecajma drugh varjabl z prakse. Stoga ova veza vše je strogo fukcoala, već se za ju kaže da je statstčka (stohastčka l slučaja veza. 77
4 Porast vrjedost jede varjable u prosjeku prat porast druge varjable, pa je ova veza poztva. Slka.. y y x (a egatva fukcoala (b egatva statstčka veza veza Na slc.. prkazaa su opet djagrama raspaja. Slka (a prkazuje fukcoalu vezu zmeđu varjable, a zamšljea lja koja povezuje sve točke a slc je opet pravac. Matematčk oblk veze ovh dvju promatrah varjabl je jedadžba pravca od čje lje ema kakvog odstupaja, pa je ova veza strogo fukcoala. Zamšlje pravac je padajuć, odoso porast vrjedost jede varjable prat pad vrjedost druge promatrae varjable, pa je ova veza egatva. Čest slučaj u praks prkaza je a slc (b. Ako se zmeđu točaka ovog djagrama zamsl krvulja, to b opet bo pravac. Međutm ovdje su prsuta poztva egatva odstupaja od lje pravca, a to se, kako je već rečeo, tumač razm utjecajma drugh varjabl z prakse. Stoga ova veza vše je strogo fukcoala, već se za ju kaže da je statstčka (stohastčka l slučaja veza. Porast vrjedost jede varjable u prosjeku prat pad druge varjable, stoga je ova veza egatva. Veza zmeđu promatrah varjabl e mora uvjek odgovarat jedadžb pravca. x 78
5 Slka.3. y y x (a poztva fukcoala krvoljska veza Na slc.3. su djagrama raspaja. Slka (a prkazuje fukcoalu krvoljsku poztvu vezu zmeđu varjable. Zamšljea lja koja povezuje sve točke a slc je krvulja. Matematčk oblk veze ovh dvju promatrah varjabl je eka ekspoecjala jedadžba od čje lje ema kakvog odstupaja, pa je ova veza strogo fukcoala. I ovdje vrjed da porast vrjedost jede varjable prat porast vrjedost druge promatrae varjable zato je ova veza poztva. U praks se češće događa slučaj prkaza a slc (b. Ako se zmeđu točaka ovog djagrama zamsl lja to b opet bla krvulja. Međutm ovdje su prsuta poztva egatva odstupaja zbog utjecaja drugh varjabl z prakse. Ova veza je statstčka (stohastčka l slučaja. I ovdje porast vrjedost jede varjable u prosjeku prat porast druge varjable, stoga je ova veza poztva. x (b poztva statstčka krvoljska veza U poslovoj makroekoomskoj statstc promatra se samo prv kvadrat koordatog sustava jer su u ekoomj varjable uglavom poztve. 79
6 Slka.4. y x (a ema veze među pojavama Na slc.4. prkaza je djagram raspaja koj upućuje a zaključak da ema povezaost među promatram pojavama. Name zamšljea krvulja koja prolaz zmeđu točaka a ovom grafkou e postoj e može se defrat prat l porast jede pojave rast l pad druge promatrae pojave, jer se pr jedoj vrjedost varjable x može dogodt vše razlčth vrjedost druge varjable y. Pod pojmom korelacja podrazumjeva se međuzavsost l povezaost slučajh varjabl. Po smjeru korelacja može bt poztva egatva. Poztva korelacja je prsuta kada rast jede varjable prat rast druge promatrae varjable, odoso kada pad jede prat pad druge varjable. Negatva korelacja prsuta je kada rast jede varjable prat pad druge varjable obrato. Za razlku od korelacjske aalze zadaća regresjske aalze je da proađe aaltčko-matematčk oblk veze zmeđu jede ovse l regresad varjable jede l vše eovsh l regresorskh varjabl. Osm objašjavaja prrode ovsost promatrah pojava a temelju tog aaltčkog oblka može se vršt predvđaje vrjedost ovse varjable pr određem vrjedostma eovse-h varjabl... Regresjsk model U slučaju postojaja samo jede ovse l regresad, samo jede eovse l regresorske varjable kaže se da je to jedostav, jedostruk l jedodmezoal regresjsk model. Ako se uz jedu ovsu l regresad 8
7 varjablu u aalz jave dvje l vše eovsh l regresorskh varjabl kaže se da je to slože, všestruk l všedmezoal model. Regresjska aalza se može postavt a sljedeć ač:. Potpuo, preczo koczo defraje predmeta cljeva stražvaja, te postavljaje osovh pretpostavk. Crtaje djagrama raspaja, zbor modela defraje varjabl (a prmjer adtv model f ( + e, (.. gdje je: - ovsa l regresad varjabla - eovsa l regresorska varjabla e - slučaja kompoeta. Svak model ma slučaju kompoetu e, koja upućuje da veze zmeđu pojava u praks su fukcoale ego su statstčke l stohastčke, odoso oko lje kokretog adtvog modela postoje poztva /l egatva odstupaja orgalh vrjedost. U ovom koraku bto je formrat statstčko-dokumetacjsku osovu z prmarog (drekto /l sekudarog (lteratura zvora vodeć račua da promatra podac budu usporedv da jhova usporedba zadovoljava ekoomske krterje. 3. Odabr kokretog regresjskog modela, jegova specfkacja pretpostavke (a prmjer lear model: β + + e. Slka.5. y β Model u praks e moraju bt adtv: a prmjer, multplkatv model f ( e, gdje je: - ovsa l regresad varjabla, - eovsa l regresorska varjabla, e - slučaja kompoeta. x 8
8 Na slc.5. prkaza je djagram raspaja koj upućuje a postojaje poztve statstčke veze zmeđu dvju varjabl. Povlačejem lje pravca zmeđu točaka djagrama raspaja pretpostavlja se adtva leara veza među varjablama. 4. Statstčka aalza modela: ocjea parametara pokazatelja reprezetatvost modela U ovoj faz regresjske aalze ocjejuju se parametr kokretog zabraog regresjskog modela, te se račuaju odgovarajuć pokazatelj reprezetatvost modela, koj ukazuju a to zadovoljava l model statstčke krterje. 5. Testraje hpoteza o modelu statstčko teorjskh pretpostavk a DA - ako su spujee pretpostavke, vrš se steza rezultata doose se sudov o predmetu stražvaja b NE -ako su spujee pretpostavke: vrš se modfkacja modela vraća se a korak., tj. a zbor ovog modela defraje varjabl. Regresjskom aalzom traže se ocjejuju parametr fukcje koja a ajbolj moguć ač opsuje vezu zmeđu varjabl..3. Model jedostave leare regresje Ako su u aalz prsute samo dvje varjable tada se rad o jedostavoj regresj. Na temelju uzorka parova vrjedost varjabl : ( x, y, ( x, y,..., ( x, y crta se djagram raspaja koj je prkaza a slc.6.. Slka.6. y y x x 8
9 . Djagram raspaja pokazuje poztvu statstčku vezu zmeđu pojava Slka.7. y y e ˆ β ˆ + ˆ β x x Ako se a djagramu raspaja povuče pravac o je općeto oblka: ˆ ˆ β + ˆ β (.3. Svaka točka djagrama raspaja zadovoljava jedadžbu: ˆ β ˆ + e, (.3. + β odoso svaka točka odstupa od lje pravca za poztvu l egatvu razlku e. Regresjska aalza traž parametre ˆ β ˆ β, tako da pravac ˆ prolaz zmeđu stvarh točaka promatrah varjabl da ajbolje tumač vezu zmeđu jh, odoso pravac mora bt takav da odstupaja e budu ajmaja. Postoj vše razlčth metoda za ocjeu ovh parametara, a ajčešće rabljea metoda je metoda ajmajh kvadrata koja upravo procjejuje parametre ˆ β ˆ β tako da odstupaja e budu ajmaja. 3 Oa daje ajbolje 3 Pr formraju modela postavljaju se pretpostavke slučaje greške e (tzv. Gauss- Markovljev uvjet: I. E( e, (očekvaje slučaje pogrješke je ula za svaku opservacju II. III. E( e, e j σ e < + za j (homoskedastčost varjace rezduala, tj. cost. pretpostavlja se da je varjaca rezduala koača čvrsta E( e, e j, j, tj. (pogrješka je slučaja ema korelacje zmeđu varjabl Cov( e, e j, j s pomakom od e 83
10 leare eprstrae ocjee vrlo je često prmjejvaa metoda za ocjeu parametara. + e ˆ (.3.3 Odstupaja orgalh vrjedost od ocjejeh vrjedost e mogu bt poztva egatva, stoga da se e b međusobo poštle te poztve egatve vrjedost, ova metoda mmzra sumu kvadrata od e. m e m ( ˆ [ ( ˆ ˆ β ] m + β (.3.4 Dakle, traž se mmum kvadrata odstupaja emprjskh (stvarh u odosu a regresjske vrjedost: [ ( ˆ β ˆ ] f ( ˆ β, ˆ β + β (.3.5 Nako prmjee matematčkog postupka tražeja mmuma dobju se dvje jedadžbe s dvje epozace tj. parametr regresjskog modela ˆ β ˆ β. gdje su: ˆ β + ˆ β (.3.6 ˆ β + ˆ β (.3.7 Sustav (.3.6, (.3.7 uvjek ma rješeja vrjed da je: ˆ β ˆ b ˆ β (.3.8 (.3.9 jedostave artmetčke srede varjabl. Koačo je ocjeje model: ˆ ˆ β + ˆ β (.3. IV. E ( e, (slučaja pogrješka je dstrburaa ezavso od regresorske varjable Vrjed da je slučaja pogrješka e dstrburaa ormalom dstrbucjom: N (, σ <. 84
11 85 gdje je ˆβ kostat čla, tj. očekvaa vrjedost zavse varjable kada je ezavsa varjabla jedaka ul: ( ˆβ kada je. Ovaj parametar terpretra se kao odsječak a os koordata u kojoj regresjsk pravac sječe os, uz pretpostavku da je apscsa te točke. Regresjsk koefcjet ˆβ pokazuje prosječu promjeu zavse varjable kada ezavsa varjabla poraste za jedcu. Ovaj parametar terpretra se kao koefcjet smjera, odoso agba regresjskog pravca koj može mat poztv egatv predzak, ovso o smjeru veze zmeđu promatrah varjabl. Može se postavt suprota ovsost u modelu, a ač da je varjabla sada ovsa l regresorska varjabla: e + + ˆ ˆ α α (.3. Ocjea parametara u ovom slučaju vrš se a jedak ač kao kod početog modela ˆ, samo što je sada ovsa varjabla, pa u zrazma za zračuavaje parametara, mjejaju mjesta. a ˆ ˆ ˆ α α (.3. Matrčm putem regresjska jedadžba može se apsat: βˆ ; (.3.3 gdje su matrce: ˆ ˆ ˆ ;.... ;.. β β β (.3.4 ( ( ˆ T T β (.3.5 gdje su: T T ( (. (.3.6
12 .4. Leara korelacja procjea koefcjeta korelacje.4. Leara korelacja Najpozatja mjera leare korelacje zmeđu slučajh varjabl je Pearsoov koefcjet leare korelacje (r: ( ( r, l ( ( r (.4. σ x σ y gdje su σ x σ y jedostave stadarde devjacje promatrah varjabl: x y σ x y σ (.4. Vrjedost koefcjeta leare korelacje kreće se u tervalu: r (.4.3 U skladu s velčom ovog koefcjeta može se zaključt smjer teztet leare korelacje među promatram varjablama: r ; r fukcoala egatva/poztva korelacja < r,8 ;,8 r < jaka egatva/poztva korelacja,8 < r,5 ;,5 r <, 8 sredje jaka egatva/poztva korelacja,5 < r < ; < r <, 5 slaba egatva/poztva korelacja r ema korelacje. Koefcjet parcjale korelacje je pokazatelj korelacje zmeđu dvje varjable uz stodobo sključeje utjecaja drugh varjabl. Ako se račua parcjala korelacja zmeđu trju varjabl u kombacj vrjed da je: korelacja zmeđu.. varjable uz sključeje utjecaja 3. varjable: r ( r3 r3 ρ.3 (.4.4 ( r ( r 3 3 korelacja zmeđu. 3. varjable uz sključeje utjecaja. varjable: 86
13 r3 ( r r3 ρ 3. (.4.5 ( r ( r 3 korelacja zmeđu. 3. varjable uz sključeje utjecaja. varjable: r3 ( r r3 ρ 3., (.4.6 ( r ( r 3 gdje su r j odgovarajuć koefcjet korelacje promatrah varjabl. Matrca koefcjeata korelacje općeto je: r r3.. r k r r3.. rk R r3 r3.. r3k, rk rk rk 3.. gdje je k broj promatrah varjabl. S obzrom da za korelacju vrjed da je r, matrca R je smetrča matrca. j r jk Koefcjet parcjale korelacje zmeđu. varjable, uz sključeje utjecaja ostalh promatrah varjabl je općeto: Rj ρ j. klm..., (.4.7 ( R R gdje je R : jj R j kofaktor, tj. algebarsk komplemet matrce koefcjeata korelacje R j + j ( M j, (.4.8 a M j je odgovarajuć mor (subdetermata matrce koefcjeata korelacje R..4.. Procjea koefcjeta korelacje Ako je vrjedost koefcjeta korelacje blža, jegova samplg dstrbucja (dstrbucja z uzoraka je asmetrča ema ormal oblk. Stoga 87
14 se procjea vrš Fsherovom trasformacjom (r u Z - pomoću odgovarajućh tablca l račuom: Zˆ ar tgh rˆ (.4.9 Iterval povjereja procjee za Z je: { ˆ Z Se( Z < Z < Zˆ + Z Se( Z } α Pr Z (.4. gdje je: Z - odgovarajuća vrjedost z tablca ormale dstrbucje α - odgovarajuć vo pouzdaost procjee (ajčešće 95% Se ( Z. (.4. 3 Nako zračuavaja tervala pouzdaost za Z potrebo je doju gorju gracu za Z trasformrat atrag u r (Z u r - pomoću odgovarajućh tablca l račuom: r tgh Z (.4. Kod egatve korelacje prlkom trasformraja treba vodt račua o egatvom predzaku koefcjeta korelacje r. Napomea: Fsherova trasformacja se e korst za male uzorke..5. Spearmaov koefcjet korelacje Ako se žel stražt međuovsost pojava koje su zražee modaltetma redosljedog oblježja, odoso ako su m modaltet prdruže a temelju ordale skale račua se korelacja raga. Najpozatja mjera korelacje raga zmeđu dvju varjabl je Spearmaov koefcjet korelacje raga (r S : N 6 d rs, (.5. 3 N N gdje je: N - broj parova vrjedost varjabl, d r x r( y - razlka ragova vrjedost varjabl. ( 88
15 Svakoj vrjedost varjabl dodjeljuje se rag skaza prvm N prrodm brojevma. Pr tome se ragraje može započet ragom, počevš od ajmaje vrjedost oblježja l počevš od ajveće vrjedost oblježja. Pr tom se ragraje mora provest a jedak ač za obje promatrae varjable. Ako se jav vše jedakh vrjedost jede varjable mora m se dodjelt jedak rag a ač da se zračua artmetčka sreda jhovh ragova. Spearmaov koefcjet korelacje raga može poprmt vrjedost u tervalu: r (.5. S Kada ovaj koefcjet poprm vrjedost -, rječ je o potpuoj korelacj raga među varjablama. Vrjedost ovog koefcjeta zač da ema kakve korelacje raga među pojavama. Najčešće se vrjedost Spearmaovog koefcjeta kreće u raspou < r s <. Koefcjet blž rubovma ovog tervala, tj. - upućuje a veću korelacju raga promatrah dvju varjabl. Prmjer.5.. Vlask velkog saloa automobla «Z» žel utvrdt odos zmeđu postguth bodova a testu koj su prodavač spujaval prlkom prjema a posao prodah automobla, koje su t prodavač uspjel prodat tjekom svoje prve gode rada u tom salou. Slučaj uzorak od prodavača dao je sljedeće rezultate: Tablca.. Bodov postgut a testu broj prodah automobla prodavača autosaloa «Z», 8. god. Prodavač Bodov a Broj prodah Ragrae testu automobla varjable d r(x -r(y d (x (y r(x r(y A B C D E F G H I J Izvor: Podac autosaloa «Z», 9.god. Zadatak je zračuat Spearmaov koefcjet korelacje raga. 89
16 N 6 d 6 6 rs, N N Očta je jaka veza zmeđu postguth bodova a testu broja prodah automobla..6. Regresjska djagostka Nako ocjee parametara regresjskog modela postavlja se ptaje reprezetatvost, odoso sposobost modela da objas kretaje ovse varjable uz pomoć odabrae eovse varjable. U tu svrhu korste se ek apsolut relatv pokazatelj. Ov pokazatelj temelje se a raspodjel odstupaja vrjedost ovse varjable u regresjskom modelu od jee artmetčke srede jeh očekvah vrjedost ˆ. Slka.8. y ˆ β ˆ + ˆ β y ST y SR SP y x Na slc.8. prkaza je djagram raspaja varjabl s ucrtam ocjejem modelom pravca ˆ. Na slc je ozačea artmetčka sreda varjable. Pr formraju suma odgovarajućh odstupaja, zbog već raje avedeog razloga, da se međusobo e b poštle poztve egatve razlke račuaju se jhov kvadrat: SP ( ˆ ˆ + ˆ β β (.6. Dakle, SP je suma kvadrata protumačeog djela odstupaja vrjedost varjable od artmetčke srede, odoso suma kvadrata odstupaja ocjejeh vrjedost varjable od artmetčke srede. 9
17 SR ( ˆ ˆ ˆ β β (.6. Dakle, SR je suma kvadrata eprotumačeog djela odstupaja vrjedost varjable od artmetčke srede, odoso suma kvadrata odstupaja orgalh l emprjskh vrjedost varjable od ocjejeh vrjedost. Ova odstupaja su u stvar slučaje pogrješke e. ST ( (.6.3 ST je suma kvadrata ukuph odstupaja vrjedost varjable od artmetčke srede. Vrjed da je: SP + SR ST, (.6.4 što se vd a slc.8. Ovaj zraz koj je u skraćeom oblku da pomoću (.6.4 zove se jedadžba aalze varjace predstavlja temelj aalze reprezetatvost regresjskog modela. Stadarda pogrješka regresje je apsolut pokazatelj reprezetatvost regresjskog modela, a pokazuje prosječ stupaj varjacje stvarh vrjedost ovse varjable u odosu a očekvae regresjske vrjedost. SR ˆ σ ˆ (.6.5 Izraz (.6.5 je stadarda pogrješka regresje jedostrukog modela. Ovaj pokazatelj zraže je u orgalm jedcama mjere ovse varjable. Stoga je a temelju stadarde pogrješke regresje teško uspoređvat reprezetatvost modela s razlčtm mjerm jedcama. Taj problem elmra relatv pokazatelj koefcjet varjacje regresje, koj predstavlja postotak stadarde pogrješke regresje od artmetčke srede varjable. ˆ ˆ σ ˆ V ˆ (.6.6 Najmaja vrjedost koefcjeta varjacje je %, a ajveća je defraa. Što je koefcjet varjacje regresjskog modela blž ul, to je model reprezetatvj. Često se uzma dogovorea graca reprezetatvost od %. Dakle ako je koefcjet varjacje maj od % kaže se da je model dobar. Koefcjet determacje je pokazatelj reprezetatvost regresjskog modela koj se temelj a aalz varjace. O se defra kao omjer sume 9
18 kvadrata odstupaja protumačeh regresjom sume kvadrata ukuph odstupaja. SP r (.6.7 ST Koefcjet determacje kaže kolko % je sume kvadrata odstupaja vrjedost varjable od artmetčke srede protumačeo regresjskm modelom. Prema (.6.4, vrjed da je: r SR ST (.6.8 Vrjedost koefcjeta determacje kreće se u tervalu r. Regresjsk model je reprezetatvj ako je ovaj pokazatelj blž. Teorjska graca reprezetatvost modela je,9. U praks je poekad vrlo teško proać varjablu koja dobro objašjava ovsu pojavu, pa se ta graca reprezetatvost spušta do,6. Korgra koefcjet determacje: r ( r (.6.9 ( k + je asmptotsk eprstraa ocjea koefcjeta determacje. Za jedostruku learu regresju vrjed da je koefcjet leare korelacje: r, r ± gdje predzak koefcjeta leare korelacje odgovara predzaku parametara ocjejeog jedostrukog learog modela: ˆα ˆβ. Još vrjed da je: r σ σ ˆ ˆ, σ α r β σ gdje su σ σ stadarde devjacje varjabl. Prmjer.6.. Isptuje se veza zmeđu obrazovaja vsa plaća u trgov «Z» u kojoj je zaposleo djelatka: 9
19 Tablca.. Gode obrazovaja prosječe plaće zaposleka u trgov «Z» u 8. god. Obrazovaje Prosječa eto x y x y - gode (x mjeseča plaća u k (y Izvor: Podac trgove «Z», 9.god. Zadatak je: a acrtat djagram raspaja b ocjet parametre jedadžb pravaca leare regresje c zračuat Pearsoov koefcjet leare korelacje koefcjet determacje d zračuat koefcjet varjacje regresje Rješeja: a Grafko. Djagram raspaja Mjeseča plaća Gode obrazovaja Izvor: Podac trgove «Z», 9.god. 93
20 b Jedadžba prvog pravca regresje glas: β + β 457,5 49, 8 β + 63, ,5 β β ,8,5 457,6 49,8 Regresjsk koefcjet ( β pokazuje da se mjeseča eto plaća povećava u prosjeku za 49,8 k kada se duža obrazovaje produž za godu. Jedadžba drugog pravca regresje glas: α + α 3,53, 35 α + 63, α α,5, ,53,35 Regresjsk koefcjet ( α pokazuje da se obrazovaje produžlo u prosjeku za,35 gode ukolko se mjeseča eto plaća povećala za k. c Pearsoov koefcjet korelacje (r zos: r 63, ,5 94 σ x σ y,93 σ x x 685,5 3,5 y 86 σ 458 y 94 Između obrazovaja plaća postoj jaka poztva korelacja. 94
21 Koefcjet determacje glas: r SP SP ST , β + β 457, , ST Koefcjet determacje pokazuje da je 86% sume kvadrata odstupaja vrjedost varjable od artmetčke srede protumačeo regresjskm modelom. Koefcjet leare korelacje pomoću koefcjeta determacje zos: r r,86,93 d Koefcjet varjacje regresje glas: σ 388,5 V 8, Koefcjet varjacje regresje maj je od % pa je ocjeje model regresje reprezetatva. Stadarda pogrješka regresje je: σ SR SR β ,5 β , ,
REGRESIJSKA ANALIZA. U razvoju regresijske analize najznačajniju ulogu su imali: Carl Friedrich Gauss ( ) Francis Galton (
SEMINAR U razvoju regresjske aalze ajzačajju ulogu su mal: Carl Fredrch Gauss (822 9) Fracs Galto (822 9) Karl Pearso (857 936) George Udy Yule (87 95) SEMINAR Regresjska aalza je matematčko-statstčk postupak
Διαβάστε περισσότερα10. REGRESIJA I KORELACIJA
0. REGRESIJA I KORELACIJA Jospa Perkov, prof., pred. Jedodmezoala aalza stražvaje vaje jede pojave predočee ee statstčkm zom ezavso od drugh, statstčkm metodama (grafčko tabelaro prkazvaje za, zračuavaje
Διαβάστε περισσότεραMetoda najmanjih kvadrata
Metoda ajmajh kvadrata Moday, May 30, 011 Metoda ajmajh kvadrata (MNK) MNK smo već uvel u proučavaju leare korelacje; gdje smo tražl da suma kvadrata odstupaja ekspermetalh točaka od pravca koj h a ajbolj
Διαβάστε περισσότεραObrada empirijskih podataka
Obrada emprjskh podataka deskrptva statstka opsvaje podataka z uzorka l populacje u form osovh parametara osove vrste podataka po astaku varjable (upotreba razlčth mjerh ljestvca) se mogu klasfcrat a:.
Διαβάστε περισσότεραLinearna korelacija. Vrijedi: (1) 1 r 1
Leara korelacja Korelacja je mjera leare zavsost dvju serja podataka 1,,..., 1,,...,. Drugm rječma, ako su točke 1, 1,,,..., gruprae oko regresjskog pravca, oda govormo da su podatc korelra learo korelra.
Διαβάστε περισσότεραPolarizacija. Procesi nastajanja polarizirane svjetlosti: a) refleksija b) raspršenje c) dvolom d) dikroizam
Polarzacja Proces asajaja polarzrae svjelos: a refleksja b raspršeje c dvolom d dkrozam Freselove jedadžbe Svjelos prelaz z opčkog sredsva deksa loma 1 u sredsvo deksa loma, dolaz do: refleksje (prema
Διαβάστε περισσότεραx pojedinačnih rezultata:
ovarjaca koefcjet korelacje Sredja vrjedost stadardo odstupaje Prlkom poavljaja mjereja, uz ste (kolko je to moguće uvjete (st mjertelj, mjer strumet, mjera metoda okol uvjet, eke stale fzkale velče, dobt
Διαβάστε περισσότεραEkonometrija 5. Ekonometrija, Osnovne studije. Predavač: Aleksandra Nojković
Ekoometja 5 Ekoometja, Osove studje Pedavač: Aleksada Nojkovć Stuktua pedavaja Klasč dvostuk (všestuk) lea egeso model - metod ONK. Petpostavke všestukog KLM. Koelacja u všestukom KLM. Oča kogova. Dvostuk
Διαβάστε περισσότεραKorelacijska i regresijska analiza
Korelacjska regresjska analza Odnos među pojavama Odnos među pojavama može bt: determnstčk l funkconaln stohastčk l statstčk Kod determnstčkoga se odnosa za svaku vrjednost jedne pojave točno zna vrjednost
Διαβάστε περισσότεραAritmetički i geometrijski niz
Zadac sa prethodh prjemh spta z matematke a Beogradskom uverztetu Artmetčk geometrjsk z. Artmetčk z. 00. FF Zbr prvh dvadeset člaova artmetčkog za čj je prv čla, a razlka A) 0 B) C) D) 880 E) 878. 000.
Διαβάστε περισσότερα1.1. Pregled najvažnijih izraza i pojmova
Teorja formacje, kapactet dskretog komukacjskog kaala, Markovljev lac Pregled ajvažjh zraza pojmova Dskreto bezmemorjsko zvoršte Izvoršte X X = {x,,x,,x } [p(x ) = [p(x) = [p(x ) p(x ) p(x ) X dskreta
Διαβάστε περισσότεραRiješeni zadaci: Nizovi realnih brojeva
Riješei zadaci: Nizovi realih brojeva Nizovi, aritmetički iz, geometrijski iz Fukciju a : N R azivamo beskoači) iz realih brojeva i ozačavamo s a 1, a,..., a,... ili a ), pri čemu je a = a). Aritmetički
Διαβάστε περισσότεραMoguća i virtuelna pomjeranja
Dnamka sstema sa vezama Moguća vrtuelna pomjeranja f k ( r 1,..., r N, t) = 0 (k = 1, 2,..., K ) df k dt = r + t = 0 d r = r dt moguća pomjeranja zadovoljavaju uvjet: df k = d r + dt = 0. t δ r = δx +
Διαβάστε περισσότεραRAČUNANJE SA PRIBLIŽNIM VREDNOSTIMA BROJEVA
RAČUNANJE SA PRIBLIŽNIM VREDNOSTIMA BROJEVA PRIBLIŽNI BROJ I GREŠKA tača vredost ekog broja X prblža vredost ekog broja X apsoluta greška Δ = X X graca apsolute greške (gorja graca) relatva greška X X
Διαβάστε περισσότεραKlasični linearni regresioni model (KLRM)
Profesor Zorca Mladeovć Klasč lear regreso model (KLRM) Zorca Mladeovć Ključe teme Postavka pretpostavke KLRM Svojstva ocea parametara u KLRM Elemet statstčkog zaključvaja u KLRM Predvđaje u KLRM Ekoomsk
Διαβάστε περισσότερα1.4 Tangenta i normala
28 1 DERIVACIJA 1.4 Tangenta i normala Ako funkcija f ima derivaciju u točki x 0, onda jednadžbe tangente i normale na graf funkcije f u točki (x 0 y 0 ) = (x 0 f(x 0 )) glase: t......... y y 0 = f (x
Διαβάστε περισσότεραJednostavna regresiona analiza
Profesor Zorca Mladeovć Jedostava regresoa aalza Zorca Mladeovć Struktura predavaja Polaza deja prmer Populacoa uzoračka regresoa prava Metod očh ajmajh kvadrata Korelacja Jedostave eleare zavsost Ekoomsk
Διαβάστε περισσότεραF (t) F (t) F (t) OGLEDNI PRIMJER SVEUČILIŠTE J.J.STROSSMAYERA U OSIJEKU ZADATAK
OGLEDNI PRIMJER ZADAAK Odredte dnamčke karakterstke odzv armranobetonskog okvra C-C prkazanog na slc s prpadajućom tlorsnom površnom, na zadanu uzbudu tjekom prve tr sekunde, ako je konstrukcja prje djelovanja
Διαβάστε περισσότεραUNIVERZITET U NIŠU ELEKTRONSKI FAKULTET SIGNALI I SISTEMI. Zbirka zadataka
UNIVERZITET U NIŠU ELEKTRONSKI FAKULTET Goran Stančić SIGNALI I SISTEMI Zbirka zadataka NIŠ, 014. Sadržaj 1 Konvolucija Literatura 11 Indeks pojmova 11 3 4 Sadržaj 1 Konvolucija Zadatak 1. Odrediti konvoluciju
Διαβάστε περισσότεραMate Vijuga: Rijeseni zadaci iz matematike za srednju skolu
7. KOMPLEKSNI BROJEVI 7. Opc pojmov Kompleksn brojev su sastavljen dva djela: Realnog djela (Re) magnarnog djela (Im) Promatrajmo broj a+ b = + 3 Realn do jednak je Re : Imagnarna jednca: = - l = (U elektrotehnc
Διαβάστε περισσότερα10.1. Bit Error Rate Test
.. Bt Error Rat Tst.. Bt Error Rat Tst Zadata. Izračuat otrba broj rth formacoh bta u BER tstu za,, ogršo dttovaa bta a rjmu, tao da s u sstmu sa brzoom sgalzacj od Mbs mož tvrdt da j vrovatoća grš rosa
Διαβάστε περισσότεραDvanaesti praktikum iz Analize 1
Dvaaesti praktikum iz Aalize Zlatko Lazovi 20. decembar 206.. Dokazati da fukcija f = 5 l tg + 5 ima bar jedu realu ulu. Ree e. Oblast defiisaosti fukcije je D f = k Z da postoji ula fukcije a 0, π 2.
Διαβάστε περισσότεραM086 LA 1 M106 GRP. Tema: Baza vektorskog prostora. Koordinatni sustav. Norma. CSB nejednakost
M086 LA 1 M106 GRP Tema: CSB nejednakost. 19. 10. 2017. predavač: Rudolf Scitovski, Darija Marković asistent: Darija Brajković, Katarina Vincetić P 1 www.fizika.unios.hr/grpua/ 1 Baza vektorskog prostora.
Διαβάστε περισσότεραEkonometrija 4. Ekonometrija, Osnovne studije. Predavač: Aleksandra Nojković
Ekonometrja 4 Ekonometrja, Osnovne studje Predavač: Aleksandra Nojkovć Struktura predavanja Nelnearne zavsnost Prmene u ekonomskoj analz Prmer nelnearne zavsnost Isptujemo zavsnost zmeđu potrošnje dohotka.
Διαβάστε περισσότερα3.1 Granična vrednost funkcije u tački
3 Granična vrednost i neprekidnost funkcija 2 3 Granična vrednost i neprekidnost funkcija 3. Granična vrednost funkcije u tački Neka je funkcija f(x) definisana u tačkama x za koje je 0 < x x 0 < r, ili
Διαβάστε περισσότεραII. ANALITIČKA GEOMETRIJA PROSTORA
II. NLITIČK GEMETRIJ RSTR I. I (Točka. Ravia.) d. sc. Mia Rodić Lipaović 9./. Točka u postou ( ; i, j, k ) Kateijev pavokuti koodiati sustav k i j T T (,, ) oložaj točke u postou je jedoačo odeñe jeim
Διαβάστε περισσότεραOperacije s matricama
Linearna algebra I Operacije s matricama Korolar 3.1.5. Množenje matrica u vektorskom prostoru M n (F) ima sljedeća svojstva: (1) A(B + C) = AB + AC, A, B, C M n (F); (2) (A + B)C = AC + BC, A, B, C M
Διαβάστε περισσότεραReverzibilni procesi
Reverzbln proces Reverzbln proces: proces pr koja sste nkada nje vše od beskonačno ale vrednost udaljen od ravnoteže, beskonačno ala proena spoljašnjh uslova ože vratt sste u blo koju tačku, proena ože
Διαβάστε περισσότερα- pravac n je zadan s točkom T(2,0) i koeficijentom smjera k=2. (30 bodova)
MEHANIKA 1 1. KOLOKVIJ 04/2008. grupa I 1. Zadane su dvije sile F i. Sila F = 4i + 6j [ N]. Sila je zadana s veličinom = i leži na pravcu koji s koordinatnom osi x zatvara kut od 30 (sve komponente sile
Διαβάστε περισσότεραIskazna logika 3. Matematička logika u računarstvu. novembar 2012
Iskazna logika 3 Matematička logika u računarstvu Department of Mathematics and Informatics, Faculty of Science,, Serbia novembar 2012 Deduktivni sistemi 1 Definicija Deduktivni sistem (ili formalna teorija)
Διαβάστε περισσότεραElektrotehnički fakultet univerziteta u Beogradu 16.maj Odsek za Softversko inžinjerstvo
Elektrotehnčk fakultet unverzteta u Beogradu 6.maj 8. Odsek za Softversko nžnjerstvo Performanse računarskh sstema Drug kolokvjum Predmetn nastavnk: dr Jelca Protć (35) a) () Posmatra se segment od N uzastonh
Διαβάστε περισσότεραKRIVULJE RASPODJELE. Doc.dr.sc. Vesna Denić-Jukić
KRIVULJE RASPODJELE Doc.dr.sc. Vesna Denć-Jukć Krvulje raspodjele predstavljaju zakon vjerojatnost pojave neke hdrološke velčne. Za slučajnu varjablu X kažemo da je poznata ako znamo zakon njene raspodjele.
Διαβάστε περισσότερα2 tg x ctg x 1 = =, cos 2x Zbog četvrtog kvadranta rješenje je: 2 ctg x
Zadatak (Darjan, medicinska škola) Izračunaj vrijednosti trigonometrijskih funkcija broja ako je 6 sin =,,. 6 Rješenje Ponovimo trigonometrijske funkcije dvostrukog kuta! Za argument vrijede sljedeće formule:
Διαβάστε περισσότεραTEHNIČKI FAKULTET SVEUČILIŠTA U RIJECI Zavod za elektroenergetiku. Prijelazne pojave. Osnove elektrotehnike II: Prijelazne pojave
THNIČKI FAKUTT SVUČIIŠTA U IJI Zavod za elekroenergek Sdj: Preddplomsk srčn sdj elekroehnke Kolegj: Osnove elekroehnke II Noselj kolegja: v. pred. mr.sc. Branka Dobraš, dpl. ng. el. Prjelazne pojave Osnove
Διαβάστε περισσότερα( x) ( ) dy df dg. =, ( x) e = e, ( ) ' x. Zadatak 001 (Marinela, gimnazija) Nađite derivaciju funkcije f(x) = a + b x. ( ) ( )
Zadatak (Mariela, gimazija) Nađite derivaciju fukcije f() a + b c + d Rješeje Neka su f(), g(), h() fukcije ezavise varijable, a f (), g (), h () derivacije tih fukcija po Osova pravila deriviraja Derivacija
Διαβάστε περισσότεραPRIMJER 3. MATLAB filtdemo
PRIMJER 3. MATLAB filtdemo Prijenosna funkcija (IIR) Hz () =, 6 +, 3 z +, 78 z +, 3 z +, 53 z +, 3 z +, 78 z +, 3 z +, 6 z, 95 z +, 74 z +, z +, 9 z +, 4 z +, 5 z +, 3 z +, 4 z 3 4 5 6 7 8 3 4 5 6 7 8
Διαβάστε περισσότερα18. listopada listopada / 13
18. listopada 2016. 18. listopada 2016. 1 / 13 Neprekidne funkcije Važnu klasu funkcija tvore neprekidne funkcije. To su funkcije f kod kojih mala promjena u nezavisnoj varijabli x uzrokuje malu promjenu
Διαβάστε περισσότεραradni nerecenzirani materijal za predavanja
Matematika 1 Funkcije radni nerecenzirani materijal za predavanja Definicija 1. Kažemo da je funkcija f : a, b R u točki x 0 a, b postiže lokalni minimum ako postoji okolina O(x 0 ) broja x 0 takva da je
Διαβάστε περισσότεραPRAVA. Prava je u prostoru određena jednom svojom tačkom i vektorom paralelnim sa tom pravom ( vektor paralelnosti).
PRAVA Prava je kao i ravan osnovni geometrijski ojam i ne definiše se. Prava je u rostoru određena jednom svojom tačkom i vektorom aralelnim sa tom ravom ( vektor aralelnosti). M ( x, y, z ) 3 Posmatrajmo
Διαβάστε περισσότεραOsnovni primer. (Z, +,,, 0, 1) je komutativan prsten sa jedinicom: množenje je distributivno prema sabiranju
RAČUN OSTATAKA 1 1 Prsten celih brojeva Z := N + {} N + = {, 3, 2, 1,, 1, 2, 3,...} Osnovni primer. (Z, +,,,, 1) je komutativan prsten sa jedinicom: sabiranje (S1) asocijativnost x + (y + z) = (x + y)
Διαβάστε περισσότερα1. ODREĐIVANJE NETOČNOSTI MJERENJA
. ODREĐIVANJE NETOČNOSTI MJERENJA. Opće Mjereja razh fzkalh ostalh velča rezultat se e ogu provest apsoluto točo. Usljed tehčkh ekooskh razloga potrebo je etočost jereja svest a ajaju oguću jeru, sa što
Διαβάστε περισσότεραOsnove kineziometrije i statistike
Osove kezometrje statstke Prručk za sportske treere 0 P a g e 1 Osov kezometrjsk pojmov Kezometrja je zastvea dscpla koja proučava probleme mjereja u kezologj, odoso probleme kostrukcje, evaluacje prmjee
Διαβάστε περισσότεραRačunarska grafika. Rasterizacija linije
Računarska grafika Osnovni inkrementalni algoritam Drugi naziv u literaturi digitalni diferencijalni analizator (DDA) Pretpostavke (privremena ograničenja koja se mogu otkloniti jednostavnim uopštavanjem
Διαβάστε περισσότεραRiješeni zadaci: Limes funkcije. Neprekidnost
Riješeni zadaci: Limes funkcije. Neprekidnost Limes funkcije Neka je 0 [a, b] i f : D R, gdje je D = [a, b] ili D = [a, b] \ { 0 }. Kažemo da je es funkcije f u točki 0 jednak L i pišemo f ) = L, ako za
Διαβάστε περισσότερα1. Uvod u multivarijatnu statistiku. Prof.dr.sc. N. Bogunović Prof.dr.sc. B. Dalbelo Bašić
Otkrvaje zaja u skuovma odataka Metoda glavh komoeeta Otkrvaje zaja u skuovma odataka Metoda glavh komoeeta FAKULE ELEKROEHNIKE I RAČUNARSVA Uvod u multvarjatu statstku Profdrs N Boguovć Profdrs B Dalbelo
Διαβάστε περισσότεραPARCIJALNI IZVODI I DIFERENCIJALI. Sama definicija parcijalnog izvoda i diferencijala je malo teža, mi se njome ovde nećemo baviti a vi ćete je,
PARCIJALNI IZVODI I DIFERENCIJALI Sama definicija parcijalnog ivoda i diferencijala je malo teža, mi se njome ovde nećemo baviti a vi ćete je, naravno, naučiti onako kako vaš profesor ahteva. Mi ćemo probati
Διαβάστε περισσότεραtransformacija j y i x x promatramo dva koordinatna sustava S i S sa zajedničkim ishodištem z z Homogene funkcije Ortogonalne transformacije
promatramo dva oordnatna sustava S S sa zaednčm shodštem z z y y x x blo o vetor možemo raspsat u baz, A = A x + Ay + Az = ( A ) + ( A ) + ( A ) (1) sto vred za ednčne vetore sustava S = ( ) + ( ) + (
Διαβάστε περισσότεραMODELI TEMELJENI NA DIFERENCIJALNIM JEDNADŽBAMA VIŠEG REDA I NA SUSTAVIMA DIFERENCIJALNIH JEDNADŽBI
MODELI TEMELJENI NA DIFERENCIJALNIM JEDNADŽBAMA VIŠEG REDA I NA SUSTAVIMA DIFERENCIJALNIH JEDNADŽBI MATEMATIČKO NJIHALO Jedadžba koja osuje gbaje matematčkog jala rozlaz z drugog Newtoovog zakoa r ma F
Διαβάστε περισσότερα41. Jednačine koje se svode na kvadratne
. Jednačine koje se svode na kvadrane Simerične recipročne) jednačine Jednačine oblika a n b n c n... c b a nazivamo simerične jednačine, zbog simeričnosi koeficijenaa koeficijeni uz jednaki). k i n k
Διαβάστε περισσότεραPRESECI SA PRSLINOM - VELIKI EKSCENTRICITET
TEORJA ETONSKH KONSTRUKCJA 1 PRESEC SA PRSLNO - VELK EKSCENTRCTET ČSTO SAVJANJE - SLOODNO DENZONSANJE Poznato: Nepoznato: - statčk tcaj za pojedna opterećenja ( ) - sračnato - kvaltet materjala (, σ v
Διαβάστε περισσότεραIZVODI ZADACI ( IV deo) Rešenje: Najpre ćemo logaritmovati ovu jednakost sa ln ( to beše prirodni logaritam za osnovu e) a zatim ćemo
IZVODI ZADACI ( IV deo) LOGARITAMSKI IZVOD Logariamskim izvodom funkcije f(), gde je >0 i, nazivamo izvod logarima e funkcije, o jes: (ln ) f ( ) f ( ) Primer. Nadji izvod funkcije Najpre ćemo logarimovai
Διαβάστε περισσότεραa M a A. Može se pokazati da je supremum (ako postoji) jedinstven pa uvodimo oznaku sup A.
3 Infimum i supremum Definicija. Neka je A R. Kažemo da je M R supremum skupa A ako je (i) M gornja meda skupa A, tj. a M a A. (ii) M najmanja gornja meda skupa A, tj. ( ε > 0)( a A) takav da je a > M
Διαβάστε περισσότεραMatematička analiza 1 dodatni zadaci
Matematička analiza 1 dodatni zadaci 1. Ispitajte je li funkcija f() := 4 4 5 injekcija na intervalu I, te ako jest odredite joj sliku i inverz, ako je (a) I = [, 3), (b) I = [1, ], (c) I = ( 1, 0].. Neka
Διαβάστε περισσότεραnumeričkih deskriptivnih mera.
DESKRIPTIVNA STATISTIKA Numeričku seriju podataka opisujemo pomoću Numeričku seriju podataka opisujemo pomoću numeričkih deskriptivnih mera. Pokazatelji centralne tendencije Aritmetička sredina, Medijana,
Διαβάστε περισσότεραGlava 4 ANALIZA I OBRADA SIGNALA U VREMENSKOM DOMENU
Glava 4 ANALIZA I OBRADA SIGNALA U VREMENSKOM DOMENU Obrada sgala u vremeskom domeu podrazumjeva određvaje odzva a pobudu prozvoljog oblka. Damčk lear sstem opsa su dferecjalm jedačama određvaje odzva
Διαβάστε περισσότεραCauchyjev teorem. Postoji više dokaza ovog teorema, a najjednostvniji je uz pomoć Greenove formule: dxdy. int C i Cauchy Riemannovih uvjeta.
auchyjev teorem Neka je f-ja f (z) analitička u jednostruko (prosto) povezanoj oblasti G, i neka je zatvorena kontura koja čitava leži u toj oblasti. Tada je f (z)dz = 0. Postoji više dokaza ovog teorema,
Διαβάστε περισσότεραIZRAČUNAVANJE POKAZATELJA NAČINA RADA NAČINA RADA (ISKORIŠĆENOSTI KAPACITETA, STEPENA OTVORENOSTI RADNIH MESTA I NIVOA ORGANIZOVANOSTI)
IZRAČUNAVANJE POKAZATELJA NAČINA RADA NAČINA RADA (ISKORIŠĆENOSTI KAPACITETA, STEPENA OTVORENOSTI RADNIH MESTA I NIVOA ORGANIZOVANOSTI) Izračunavanje pokazatelja načina rada OTVORENOG RM RASPOLOŽIVO RADNO
Διαβάστε περισσότεραTRIGONOMETRIJA TROKUTA
TRIGONOMETRIJA TROKUTA Standardne oznake u trokutuu ABC: a, b, c stranice trokuta α, β, γ kutovi trokuta t,t,t v,v,v s α,s β,s γ R r s težišnice trokuta visine trokuta simetrale kutova polumjer opisane
Διαβάστε περισσότεραNumerička matematika 2. kolokvij (1. srpnja 2009.)
Numerička matematika 2. kolokvij (1. srpnja 29.) Zadatak 1 (1 bodova.) Teorijsko pitanje. (A) Neka je G R m n, uz m n, pravokutna matrica koja ima puni rang po stupcima, tj. rang(g) = n. (a) Napišite puni
Διαβάστε περισσότεραINTEGRALNI RAČUN. Teorije, metodike i povijest infinitezimalnih računa. Lucija Mijić 17. veljače 2011.
INTEGRALNI RAČUN Teorije, metodike i povijest infinitezimalnih računa Lucija Mijić lucija@ktf-split.hr 17. veljače 2011. Pogledajmo Predstavimo gornju sumu sa Dodamo još jedan Dobivamo pravokutnik sa Odnosno
Διαβάστε περισσότεραUNIVERZITET U NIŠU FAKULTET ZAŠTITE NA RADU U NIŠU TEHNIČKA MEHANIKA - PREZENTACIJA PREDAVANJA PREDAVANJE
UNIVERZITET U NIŠU FAKULTET ZAŠTITE NA RADU U NIŠU TEHNIČKA MEHANIKA - PREZENTACIJA PREDAVANJA - - 4. PREDAVANJE - Dr Darko Mhajlov, doc. 1. ČAS Sredšte (cetar) sstema paralelh sla; Težšte krutog tela;
Διαβάστε περισσότεραFrekvencijska karakteristika Prijenosna funkcija Granična frekvencija Rezonantna frekvencija RLC krugova Električni filtri
5 MREŽNE KARAKTERISTIKE Frekecjska karakterstka Prjeosa fukcja Grača frekecja Rezoata frekecja RLC krugoa Elektrč fltr Mreže karakterstke 5.. Frekecjske karakterstke AC strujh krugoa Mreže karakterstke
Διαβάστε περισσότεραProcjena parametara. Zadatak 4.1 Neka je X 1, X 2,..., X n slučajni uzorak iz populacije s konačnim očekivanjem µ i varijancom σ 2.
4 Procjea parametara Neka je X slučaja varijabla čiju distribuciju proučavamo. Defiicija: Slučaji uzorak duljie za X je iz od ezavisih i jedako distribuiraih slučajih varijabli X 1, X,..., X koje imaju
Διαβάστε περισσότεραEliminacijski zadatak iz Matematike 1 za kemičare
Za mnoge reakcije vrijedi Arrheniusova jednadžba, koja opisuje vezu koeficijenta brzine reakcije i temperature: K = Ae Ea/(RT ). - T termodinamička temperatura (u K), - R = 8, 3145 J K 1 mol 1 opća plinska
Διαβάστε περισσότεραELEKTROTEHNIČKI ODJEL
MATEMATIKA. Neka je S skup svih živućih državljana Republike Hrvatske..04., a f preslikavanje koje svakom elementu skupa S pridružuje njegov horoskopski znak (bez podznaka). a) Pokažite da je f funkcija,
Διαβάστε περισσότεραElementi spektralne teorije matrica
Elementi spektralne teorije matrica Neka je X konačno dimenzionalan vektorski prostor nad poljem K i neka je A : X X linearni operator. Definicija. Skalar λ K i nenula vektor u X se nazivaju sopstvena
Διαβάστε περισσότεραπ π ELEKTROTEHNIČKI ODJEL i) f (x) = x 3 x 2 x + 1, a = 1, b = 1;
1. Provjerite da funkcija f definirana na segmentu [a, b] zadovoljava uvjete Rolleova poučka, pa odredite barem jedan c a, b takav da je f '(c) = 0 ako je: a) f () = 1, a = 1, b = 1; b) f () = 4, a =,
Διαβάστε περισσότεραĈetverokut - DOMAĆA ZADAĆA. Nakon odgledanih videa trebali biste biti u stanju samostalno riješiti sljedeće zadatke.
Ĉetverokut - DOMAĆA ZADAĆA Nakon odgledanih videa trebali biste biti u stanju samostalno riješiti sljedeće zadatke. 1. Duljine dijagonala paralelograma jednake su 6,4 cm i 11 cm, a duljina jedne njegove
Διαβάστε περισσότεραKOMUTATIVNI I ASOCIJATIVNI GRUPOIDI. NEUTRALNI ELEMENT GRUPOIDA.
KOMUTATIVNI I ASOCIJATIVNI GRUPOIDI NEUTRALNI ELEMENT GRUPOIDA 1 Grupoid (G, ) je asocijativa akko važi ( x, y, z G) x (y z) = (x y) z Grupoid (G, ) je komutativa akko važi ( x, y G) x y = y x Asocijativa
Διαβάστε περισσότεραTrigonometrija 2. Adicijske formule. Formule dvostrukog kuta Formule polovičnog kuta Pretvaranje sume(razlike u produkt i obrnuto
Trigonometrija Adicijske formule Formule dvostrukog kuta Formule polovičnog kuta Pretvaranje sume(razlike u produkt i obrnuto Razumijevanje postupka izrade složenijeg matematičkog problema iz osnova trigonometrije
Διαβάστε περισσότεραMatematika 1 - vježbe. 11. prosinca 2015.
Matematika - vježbe. prosinca 5. Stupnjevi i radijani Ako je kut φ jednak i rad, tada je veza između i 6 = Zadatak.. Izrazite u stupnjevima: a) 5 b) 7 9 c). d) 7. a) 5 9 b) 7 6 6 = = 5 c). 6 8.5 d) 7.
Διαβάστε περισσότεραAKSIOMATIKA TEORIJE VEROVATNOĆE
AKSIOMATIKA TEORIJE VEROVATNOĆE E Aksomatka teorje verovatoće Polaz se od osovh stavova, tzv. aksoma, a osovu kojh se sve ostale osobe mogu dokazat. Za posmatra prostor el. shoda aksomatzacja daje odgovore
Διαβάστε περισσότεραradni nerecenzirani materijal za predavanja R(f) = {f(x) x D}
Matematika 1 Funkcije radni nerecenzirani materijal za predavanja Definicija 1. Neka su D i K bilo koja dva neprazna skupa. Postupak f koji svakom elementu x D pridružuje točno jedan element y K zovemo funkcija
Διαβάστε περισσότεραRačunarska grafika. Rasterizacija linije
Računarska grafika Osnovni inkrementalni algoritam Drugi naziv u literaturi digitalni diferencijalni analizator (DDA) Pretpostavke (privremena ograničenja koja se mogu otkloniti jednostavnim uopštavanjem
Διαβάστε περισσότερα( ) BROJNI PRIMER 4. Temeljni nosač na sloju peska. Slika 6.3. Rešenje: Ekvivalentni modul reakcije podloge/peska k i parametar krutosti λ :
BROJNI PRIMER 4 Armrano etonsk temeljn nosač (slka 63), fundran je na dun od D f =15m, u sloju poto-pljenog peska relatvne zjenost D r 75% Odredt sleganje w, nag θ, transverzalnu slu T, moment savjanja
Διαβάστε περισσότεραOpćenito, iznos normalne deformacije u smjeru normale n dan je izrazom:
Otporost mterijl. Zdtk ZDTK: U točki čeliče kostrukije postvlje su tri osjetil z mjereje deformij prem slii. ri opterećeju kostrukije izmjeree su reltive ormle (dužiske deformije: b ( - b 3 - -6 - ( b
Διαβάστε περισσότεραApsolutno neprekidne raspodele Raspodele apsolutno neprekidnih sluqajnih promenljivih nazivaju se apsolutno neprekidnim raspodelama.
Apsolutno neprekidne raspodele Raspodele apsolutno neprekidnih sluqajnih promenljivih nazivaju se apsolutno neprekidnim raspodelama. a b Verovatno a da sluqajna promenljiva X uzima vrednost iz intervala
Διαβάστε περισσότεραZBIRKA POTPUNO RIJEŠENIH ZADATAKA
**** IVANA SRAGA **** 1992.-2011. ZBIRKA POTPUNO RIJEŠENIH ZADATAKA PRIRUČNIK ZA SAMOSTALNO UČENJE POTPUNO RIJEŠENI ZADACI PO ŽUTOJ ZBIRCI INTERNA SKRIPTA CENTRA ZA PODUKU α M.I.M.-Sraga - 1992.-2011.
Διαβάστε περισσότερα7 Algebarske jednadžbe
7 Algebarske jednadžbe 7.1 Nultočke polinoma Skup svih polinoma nad skupom kompleksnih brojeva označavamo sa C[x]. Definicija. Nultočka polinoma f C[x] je svaki kompleksni broj α takav da je f(α) = 0.
Διαβάστε περισσότεραFunkcije dviju varjabli (zadaci za vježbu)
Funkcije dviju varjabli (zadaci za vježbu) Vidosava Šimić 22. prosinca 2009. Domena funkcije dvije varijable Ako je zadano pridruživanje (x, y) z = f(x, y), onda se skup D = {(x, y) ; f(x, y) R} R 2 naziva
Διαβάστε περισσότεραSEMINAR IZ KOLEGIJA ANALITIČKA KEMIJA I. Studij Primijenjena kemija
SEMINAR IZ OLEGIJA ANALITIČA EMIJA I Studij Primijenjena kemija 1. 0,1 mola NaOH je dodano 1 litri čiste vode. Izračunajte ph tako nastale otopine. NaOH 0,1 M NaOH Na OH Jak elektrolit!!! Disoira potpuno!!!
Διαβάστε περισσότεραTrigonometrijske nejednačine
Trignmetrijske nejednačine T su nejednačine kd kjih se nepznata javlja ka argument trignmetrijske funkcije. Rešiti trignmetrijsku nejednačinu znači naći sve uglve kji je zadvljavaju. Prilikm traženja rešenja
Διαβάστε περισσότεραMATRICE I DETERMINANTE - formule i zadaci - (Matrice i determinante) 1 / 15
MATRICE I DETERMINANTE - formule i zadaci - (Matrice i determinante) 1 / 15 Matrice - osnovni pojmovi (Matrice i determinante) 2 / 15 (Matrice i determinante) 2 / 15 Matrice - osnovni pojmovi Matrica reda
Διαβάστε περισσότεραKONVEKSNI SKUPOVI. Definicije: potprostor, afin skup, konveksan skup, konveksan konus. 1/5. Back FullScr
KONVEKSNI SKUPOVI Definicije: potprostor, afin skup, konveksan skup, konveksan konus. 1/5 KONVEKSNI SKUPOVI Definicije: potprostor, afin skup, konveksan skup, konveksan konus. 1/5 1. Neka su x, y R n,
Διαβάστε περισσότεραIZVODI ZADACI (I deo)
IZVODI ZADACI (I deo) Najpre da se podsetimo tablice i osnovnih pravila:. C`=0. `=. ( )`= 4. ( n )`=n n-. (a )`=a lna 6. (e )`=e 7. (log a )`= 8. (ln)`= ` ln a (>0) 9. = ( 0) 0. `= (>0) (ovde je >0 i a
Διαβάστε περισσότεραLinearna algebra 2 prvi kolokvij,
1 2 3 4 5 Σ jmbag smjer studija Linearna algebra 2 prvi kolokvij, 7. 11. 2012. 1. (10 bodova) Neka je dano preslikavanje s : R 2 R 2 R, s (x, y) = (Ax y), pri čemu je A: R 2 R 2 linearan operator oblika
Διαβάστε περισσότεραObrada signala
Obrada signala 1 18.1.17. Greška kvantizacije Pretpostavka je da greška kvantizacije ima uniformnu raspodelu 7 6 5 4 -X m p x 1,, za x druge vrednosti x 3 x X m 1 X m = 3 x Greška kvantizacije x x x p
Διαβάστε περισσότερα( , 2. kolokvij)
A MATEMATIKA (0..20., 2. kolokvij). Zadana je funkcija y = cos 3 () 2e 2. (a) Odredite dy. (b) Koliki je nagib grafa te funkcije za = 0. (a) zadanu implicitno s 3 + 2 y = sin y, (b) zadanu parametarski
Διαβάστε περισσότεραGlava 5 Z-TRANSFORMACIJA I NJENE PRIMJENE U ANALIZI DISKRETNIH LTI ISTEMA
Glava 5 Z-TRANSFORMACIJA I NJENE PRIMJENE U ANALIZI DISKRETNIH LTI ISTEMA Trasformacoe tehke su moća alat a aalu sgala LTI sstema. U ovoj glav ćemo uvest -trasformacju, opsat jee osobe mogućost prmjee
Διαβάστε περισσότεραGranične vrednosti realnih nizova
Graiče vredosti realih izova Fukcija f : N R, gde je N skup prirodih brojeva a R skup realih brojeva, zove se iz realih brojeva ili reala iz. Opšti čla iza f je f(), N, i običo se obeležava sa f, dok se
Διαβάστε περισσότεραVeleučilište u Rijeci Stručni studij sigurnosti na radu Akad. god. 2011/2012. Matematika. Monotonost i ekstremi. Katica Jurasić. Rijeka, 2011.
Veleučilište u Rijeci Stručni studij sigurnosti na radu Akad. god. 2011/2012. Matematika Monotonost i ekstremi Katica Jurasić Rijeka, 2011. Ishodi učenja - predavanja Na kraju ovog predavanja moći ćete:,
Διαβάστε περισσότερα4. Perspektiviteti i perspektivne figure. Desarguesov teorem
4 Persektvtet ersektvne fgure Desarguesov teorem Promatrajmo rojektvnu ravnnu kao oeratvn rostor u njoj nz točaka ramen ravaca ( ) s vrhom, r čemu točka ne lež na ravcu ( ) na nosocu Jednoznačno obostrano
Διαβάστε περισσότεραLEKCIJE IZ OSNOVA STATISTIKE I TEORIJE VJEROJATNOSTI. Ivica Gusić
LEKCIJE IZ OSNOVA STATISTIKE I TEORIJE VJEROJATNOSTI Ivca Gusć Uvod u matematčku statstku Pojam matematčke statstke. Pojedostavljeo rečeo, matematčka statstka je zastvea dscpla koja z pozavaja određeh
Διαβάστε περισσότεραOsnovi ekonometrije Glava 8
Osov ekoomerje Glava 8 Osove sudje Predavač: Aleksadra Nojkovć Srukura predavaja Narušavaje preposavk KLRM Heeroskedascos Auokorelacja Preposavke KLRM. E(ε ) = 0. Var(ε ) = = cos. 3. Cov (ε, ε j ) = 0
Διαβάστε περισσότεραOvdje će se prikazati dva primjera za funkciju cilja sa dvije varijable: kružnicu i elipsu.
Neke metode z nelnearnog programranja Od metoda nelnearnog programranja koje se korste za rješavanje nekh problema sa specfčnom funkcjom clja zdvojt će se sljedeće: a) grafčka metoda, b) metoda neposrednog
Διαβάστε περισσότερα10 = 1 + = = 1.1. Vježba 001 U banku je danas uloženo kn. Kolika je vrijednost tog uloga na kraju treće godine ako je C C
Zadatak (Des, ekoomska škola) U baku je daas uložeo k. Kolka je vrjedost tog uloga a kraju ete gode ako je obraču kamata slože, godšj dekurzva? Godšja kamata stoa je. Rješeje Postuak o kojem se kamate
Διαβάστε περισσότεραDinamika krutog tijela ( ) Gibanje krutog tijela. Gibanje krutog tijela. Pojmovi: C. Složeno gibanje. A. Translacijsko gibanje krutog tijela. 14.
Pojmo:. Vektor se F (transacja). oment se (rotacja) Dnamka krutog tjea. do. oment tromost masa. Rad krutog tjea A 5. Knetka energja k 6. oment kona gbanja 7. u momenta kone gbanja momenta se f ( ) Gbanje
Διαβάστε περισσότεραElektrotehnički fakultet univerziteta u Beogradu 26. jun Katedra za Računarsku tehniku i informatiku
Elektrotehički fakultet uiverziteta u Beogradu 6. ju 008. Katedra za Račuarku tehiku i iformatiku Performae račuarkih itema Rešeja zadataka..videti predavaja.. Kretaje Verovatoća Opi 4 4 Kretaje u itom
Διαβάστε περισσότεραLinearna algebra 2 prvi kolokvij,
Linearna algebra 2 prvi kolokvij, 27.. 20.. Za koji cijeli broj t je funkcija f : R 4 R 4 R definirana s f(x, y) = x y (t + )x 2 y 2 + x y (t 2 + t)x 4 y 4, x = (x, x 2, x, x 4 ), y = (y, y 2, y, y 4 )
Διαβάστε περισσότερα5. Karakteristične funkcije
5. Karakteristične funkcije Profesor Milan Merkle emerkle@etf.rs milanmerkle.etf.rs Verovatnoća i Statistika-proleće 2018 Milan Merkle Karakteristične funkcije ETF Beograd 1 / 10 Definicija Karakteristična
Διαβάστε περισσότερα