Pravdepodobnostné modelovanie inverznými distribučnými funkciami: Charakteristiky kvantilových rozdelení
|
|
- ἐλπίς Παπάγος
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Katedra štatistiky, Fakulta hospodárskej informatiky, Ekonomická univerzita v Bratislave Pravdepodobnostné modelovanie inverznými distribučnými funkciami: Charakteristiky kvantilových rozdelení Ľubica SIPKOVÁ 5. z cyklu prezentácií December 2009
2 Rôzna báza konštrukcie štatistík Vlastnosti rozdelenia možno charakterizovať štatistikami na rôznej báze: momentov kvantilov lineárnych momentov pravdepodobnostných momentov
3 Stredná hodnota vyjadrená pomocou QF definovaného pomocou funkcie hustoty f(x) (Báza-momentová): E ( X ) xf ( x) = dx Dosadením x = Q(p) a dp = f(x) dx pre 0 p 1 (Báza-kvantilová): 1 = E( X ) Q( p) dp pre 0 p 1 0 pre rozdelenia s predĺženým koncom je stredná hodnota definovaná len pre niektoré hodnoty parametrov QF
4 Stredná hodnota Paretovho rozdelenia S (p) = 1/(1 p) β, kdeβ > 0, 0 p < 1 napr. Paretovo rozdelenie s dlhou pravou stranou má konečnú strednú hodnotu len pre 0 < β < 1 E ( X ) Q( p) dp preβ>1 platí E(X) = 1 = 0
5 k-ty začiatočný moment pomocou kvantilovej funkcie pomocou funkcie hustoty f(x) (Báza-momentová): m k k ( ) = x f x d x k-ty začiatočný moment m k = E(X k ) pomocou kvantilovej funkcie (Báza-kvantilová): 1 0 [ Q p ] k dp m k = ( )
6 k-ty centrálny moment pomocou kvantilovej funkcie pomocou funkcie hustoty f(x) (Báza-momentová): [ ( ) ] k x E X f ( x ) µ k = dx k-ty centrálny moment pomocou kvantilovej funkcie (Báza-kvantilová) : µ k 1 = 0 [ ( ) ( )] k Q p E X dp Dosadením za k možno získať tvar všetkých základných momentových charakteristík priamo z kvantilovej funkcie
7 Rozptyl pomocou kvantilovej funkcie k-ty centrálny moment µ k 1 = 0 [ Q ( p ) E ( X ) ] k d p D druhý centrálny moment ( X ) = µ = E ( X E( X )) [ ] 2 = Q( p) E( X ) [ ] 2 dp
8 Stredná hodnota transformovanej funkcie E[T(X)] T[E(X)] t. j. stredná hodnota transformovanej funkcie nie je transformácia integrálu, ale integrál transformácie (spôsobuje to problémy pri stanovení strednej hodnoty po úpravách QF) 1 = 0 [ ( X )] T[ Q( p) ] E T dp
9 Kvantilové charakteristiky QF je vhodnejšie charakterizovať vlastnosti kvantilového rozdelenia pomocou kvantilových charakteristík (kvantilové charakteristiky kvantilových modelov) sú analógiou výberových kvantilových charakteristík vo vzťahoch ich definovania namiesto výberovej kvantilovej funkcie Q (p) je použitá kvantilová funkcia rozdelenia Q(p) Nasledujú definície kvantilových charaktristík s ich schématickým zobrazením
10 Výberové kvantilové charakteristiky Označenie: polohy: minimálna hodnota (s), dolný kvartil (lq), medián (m), horný kvartil (uq), maximálna hodnota (l) sú to výberové p-kvantily pre p = 0; 0,25; 0,5; 0,75; 1 a sú východiskom najznámejších výberových charakteristík variability a šikmosti znázornené v Box-Plot-e Pre ľubovolné p : výberové p - kvantily percentily, decily, oktily, sixtily
11 Výpočet p kvantilov p-kvantily možno počítať cez funkciu excelu : PERCENTILE (array; array;p) Podľa Parzena je empirická kvantilová distribučná funkcia, definovaná: Q (p r ) = x r, pre (r 1)/n < p r r/n je inverznou funkciou k F (x r ), neklesajúcou a spojitou len zľava v každom p r = (r 0,5)/n rovnajúca sa hodnote kvantilu x r pre r = 1, 2,, n Empirickú kvantilovú distribučnú funkciu Q (p) pre spojitú náhodnú premennú možno pomocou interpolácie zapísať: Q (p) = (1 z) x s + z x s+1, pre (r 1)/n < p r/n, kdes je celočíselnáčasť r, r = np + 0,5 z = r s
12 Výpočet p-kvantilov v EXCEL-i
13 Výberové charakteristiky variability (1): horná kvartilová diferencia dolná kvartilová diferencia uqd = uq m lqd = m lq kvartilové rozpätie iqr = uqd + lqd = Q (1 0,25) Q (0,25) kvartilová odchýlka qo(0,25) = iqr/2
14 Výberové charakteristiky variability (2): dolná p-diferencia ld(p) = m Q (p), kde Q (p) je p-ty výberový kvantil a 0 p 0,5 horná p-diferencia ud(p) = Q (1 p) m, kde Q (1 p) je (1 p) -ty kvantil a 0 p 0,5 kvantilové rozpätie ipr(p) = ud(p) + ld(p) = Q (1 ( p) Q(p) kvantilová odchýlka qo(p) = ipr(p)/2
15 Výberové charakteristiky variability (3): kvartilová diferencia qd = uqd lqd p-diferencia pd(p) = ud(p) ld(p) mediánová absolútna odchýlka d = med x i - x alebo d = med x i - m
16 Výberové charakteristiky šikmosti (1): kvartilová diferencia Galtonov koeficient šikmosti qd = lq + uq 2m g = qd/iqr kvantilová diferencia, p-diferencia Galtonova šikmosť pd(p) = ud(p) ld(p) g(p) = pd(p)/iqr t. j. normovaná kvantilová diferencia pomocou kvartilového rozpätia
17 Výberové charakteristiky šikmosti: Galtonov p-index šikmosti g*(p) = pd(p)/ipr(p) t. j. štandardizovaná kvantilová diferencia pomocou kvantilového rozpätia ľavá Galtonova p-šikmosť kvantilový podiel, kvantilová proporcia sr(p) = ud(p)/ld(p)
18 Výberové charakteristiky špicatosti: index špicatosti t(p) = ipr(p)/iqr, pre 0 p 0,5 horný a dolný index špicatosti ut(p) = ud(p)/uqd lt(p )= ld(p)/lqd
19 Výberové charakteristiky špicatosti: Moorsova špicatosť k vychádza z oktilov e1, e2,, e7 t. j. kvantilov deliacich súbor na osem častí k = [(e7 e5) + (e3 e1)]/iqr horná a dolná špicatosť uk(t) = [Q (1 t)+ Q (0,5 + t) 2Q (0,75)]/[Q (1 t) Q (t)] kde 0 < t < 0,25 lk(t) = [Q (0,5 t) + Q (t) 2Q (0,25)]/[Q (1 t) Q (t)] kde 0 < t < 0,25
20 Moorsova sumarizácia o tvare rozdelenia Štyri miery (m, iqr, g, k) : 1. medián 2. kvartilové rozpätie 3. Galtonov koeficient šikmosti 4. Moorsova špicatosť poskytujú podľa Moorsa jednoduchú sumarizáciu o tvare rozdelenia na kvantilovom základe Zodpovedá Pearsonovej štvorčíselnej sumarizácii priemer, rozptyl, koeficient šikmosti a Pearsonova špicatosť na báze momentov.
21 Označenie kvantilových charakteristík QF je adekvátne výberovým kvantilovým charakteristikám, no pre kvantilové charakteristiky teoretického rozdelenia, alebo rozdelenia základného súboru sa používajú veľké písmená Napríklad pre výberové kvantilové rozpätie ipr(p): ipr(p)= ud(p) + ld(p)= Q (1 p) Q (p) Kvartilové rozpätie teoretického rozdelenia, označené ako IPR(p), je definované ako IPR(p)= UD(p) + LD(p)= Q(1 p) Q(p)
22 Mediánové transformačné pravidlo M[T(X)] = T[M(X)] Medián (ľubovoľný kvantil) neklesajúcej transformačnej funkcie premennej X sa rovná adekvátnej transformácii mediánu (ľubovoľného kvantilu) tejto premennej. Veľký rozsah uplatnenia pori rôznych transformáciách kvantilových funkcií
23 Pravdepodobnostné modelovanie inverznými distribučnými funkciami: Charakteristiky kvantilových rozdelení Spracovanie piatej z cyklu prezentácií o kvantilovom modelovaní. Podrobnejšie možno nájsť v monografii: Sipková, Ľ; Sodomová, E.: Modelovanie kvantilovými funkciami, Vydavateľstvo EKONÓM, Bratislava, 2007; 175 s. (kap. 3.4; s.84-91) ISBN Ľubica SIPKOVÁ december 2009
Pravdepodobnostné modelovanie inverznými distribučnými funkciami : Kvantilová deskriptívna analýza ako východisko ku kvantilovému modelovaniu
Katedra štatistiky, Fakulta hospodárskej informatiky, Ekonomická univerzita v Bratislave Pravdepodobnostné modelovanie inverznými distribučnými funkciami : Kvantilová deskriptívna analýza ako východisko
Διαβάστε περισσότεραPravdepodobnostné modelovanie inverznými distribučnými funkciami : Identifikácia kvantilového modelu
Katedra štatistiky, Fakulta hospodárskej informatiky, Ekonomická univerzita v Bratislave Pravdepodobnostné modelovanie inverznými distribučnými funkciami : Identifikácia kvantilového modelu Ľubica SIPKOVÁ
Διαβάστε περισσότεραPravdepodobnostné modelovanie inverznými distribučnými funkciami: Úvod do kvantilového modelovania
Katedra štatistiky, Fakulta hospodárskej informatiky, Ekonomická univerzita v Bratislave Pravdepodobnostné modelovanie inverznými distribučnými funkciami: Úvod do kvantilového modelovania Ľubica SIPKOVÁ
Διαβάστε περισσότεραMatematika Funkcia viac premenných, Parciálne derivácie
Matematika 2-01 Funkcia viac premenných, Parciálne derivácie Euklidovská metrika na množine R n všetkých usporiadaných n-íc reálnych čísel je reálna funkcia ρ: R n R n R definovaná nasledovne: Ak X = x
Διαβάστε περισσότεραZáklady matematickej štatistiky
1. Náhodný výber, výberové momenty a odhad parametrov Katedra Matematických metód Fakulta Riadenia a Informatiky Žilinská Univerzita v Žiline 6. mája 2015 1 Náhodný výber 2 Výberové momenty 3 Odhady parametrov
Διαβάστε περισσότεραZáklady metodológie vedy I. 9. prednáška
Základy metodológie vedy I. 9. prednáška Triedenie dát: Triedny znak - x i Absolútna početnosť n i (súčet všetkých absolútnych početností sa rovná rozsahu súboru n) ni fi = Relatívna početnosť fi n (relatívna
Διαβάστε περισσότεραReprezentácia dát. Ing. Martin Mariš, Katedra regionalistiky a rozvoja vidieka, SPU, NITRA
Reprezentácia dát Ing. Martin Mariš, Katedra regionalistiky a rozvoja vidieka, SPU, NITRA slovným opisom grafickým zobrazením Typy grafov a ich použitie Najčastejšie používané typy grafov: čiarový graf
Διαβάστε περισσότεραSpojité rozdelenia pravdepodobnosti. Pomôcka k predmetu PaŠ. RNDr. Aleš Kozubík, PhD. 26. marca Domovská stránka. Titulná strana.
Spojité rozdelenia pravdepodobnosti Pomôcka k predmetu PaŠ Strana z 7 RNDr. Aleš Kozubík, PhD. 6. marca 3 Zoznam obrázkov Rovnomerné rozdelenie Ro (a, b). Definícia.........................................
Διαβάστε περισσότεραGoniometrické rovnice a nerovnice. Základné goniometrické rovnice
Goniometrické rovnice a nerovnice Definícia: Rovnice (nerovnice) obsahujúce neznámu x alebo výrazy s neznámou x ako argumenty jednej alebo niekoľkých goniometrických funkcií nazývame goniometrickými rovnicami
Διαβάστε περισσότεραIng. Andrej Trnka, PhD. Základné štatistické metódy marketingového výskumu
Ing. Andrej Trnka, PhD. Základné štatistické metódy marketingového výskumu 2016 Základné štatistické metódy marketingového výskumu Autor: Recenzenti: Ing. Andrej Trnka, PhD. prof. Ing. Pavol Tanuška, PhD.
Διαβάστε περισσότεραMatematika prednáška 4 Postupnosti a rady 4.5 Funkcionálne rady - mocninové rady - Taylorov rad, MacLaurinov rad
Matematika 3-13. prednáška 4 Postupnosti a rady 4.5 Funkcionálne rady - mocninové rady - Taylorov rad, MacLaurinov rad Erika Škrabul áková F BERG, TU Košice 15. 12. 2015 Erika Škrabul áková (TUKE) Taylorov
Διαβάστε περισσότεραPrechod z 2D do 3D. Martin Florek 3. marca 2009
Počítačová grafika 2 Prechod z 2D do 3D Martin Florek florek@sccg.sk FMFI UK 3. marca 2009 Prechod z 2D do 3D Čo to znamená? Ako zobraziť? Súradnicové systémy Čo to znamená? Ako zobraziť? tretia súradnica
Διαβάστε περισσότεραModelovanie dynamickej podmienenej korelácie kurzov V4
Modelovanie dynamickej podmienenej korelácie menových kurzov V4 Podnikovohospodárska fakulta so sídlom v Košiciach Ekonomická univerzita v Bratislave Cieľ a motivácia Východiská Cieľ a motivácia Cieľ Kvantifikovať
Διαβάστε περισσότερα7. FUNKCIE POJEM FUNKCIE
7. FUNKCIE POJEM FUNKCIE Funkcia f reálnej premennej je : - každé zobrazenie f v množine všetkých reálnych čísel; - množina f všetkých usporiadaných dvojíc[,y] R R pre ktorú platí: ku každému R eistuje
Διαβάστε περισσότερα1. Limita, spojitost a diferenciálny počet funkcie jednej premennej
. Limita, spojitost a diferenciálny počet funkcie jednej premennej Definícia.: Hromadný bod a R množiny A R: v každom jeho okolí leží aspoň jeden bod z množiny A, ktorý je rôzny od bodu a Zadanie množiny
Διαβάστε περισσότεραEkvačná a kvantifikačná logika
a kvantifikačná 3. prednáška (6. 10. 004) Prehľad 1 1 (dokončenie) ekvačných tabliel Formula A je ekvačne dokázateľná z množiny axióm T (T i A) práve vtedy, keď existuje uzavreté tablo pre cieľ A ekvačných
Διαβάστε περισσότεραKATEDRA DOPRAVNEJ A MANIPULAČNEJ TECHNIKY Strojnícka fakulta, Žilinská Univerzita
132 1 Absolútna chyba: ) = - skut absolútna ochýlka: ) ' = - spr. relatívna chyba: alebo Chyby (ochýlky): M systematické, M náhoné, M hrubé. Korekcia: k = spr - = - Î' pomerná korekcia: Správna honota:
Διαβάστε περισσότεραMotivácia Denícia determinantu Výpo et determinantov Determinant sú inu matíc Vyuºitie determinantov. Determinanty. 14. decembra 2010.
14. decembra 2010 Rie²enie sústav Plocha rovnobeºníka Objem rovnobeºnostena Rie²enie sústav Príklad a 11 x 1 + a 12 x 2 = c 1 a 21 x 1 + a 22 x 2 = c 2 Dostaneme: x 1 = c 1a 22 c 2 a 12 a 11 a 22 a 12
Διαβάστε περισσότεραPREHĽAD ZÁKLADNÝCH VZORCOV A VZŤAHOV ZO STREDOŠKOLSKEJ MATEMATIKY. Pomôcka pre prípravný kurz
KATEDRA APLIKOVANEJ MATEMATIKY A INFORMATIKY STROJNÍCKA FAKULTA TU KOŠICE PREHĽAD ZÁKLADNÝCH VZORCOV A VZŤAHOV ZO STREDOŠKOLSKEJ MATEMATIKY Pomôcka pre prípravný kurz 8 ZÁKLADNÉ ALGEBRAICKÉ VZORCE ) (a±b)
Διαβάστε περισσότεραŠtatistické spracovanie experimentálnych dát
Štatistické spracovanie experimentálnych dát Štatistická analýza veľkých výberov Štatistická analýza malých výberov podľa Horna Štatistické testovanie Analýza rozptylu Dátum: 12. máj 2008 Vypracoval: Ing.
Διαβάστε περισσότεραHľadanie, skúmanie a hodnotenie súvislosti medzi znakmi
Hľadanie, skúmanie a hodnotenie súvislosti medzi znakmi Typy súvislostí javov a vecí: nepodstatné - vonkajšia súvislosť nevyplýva z vnútornej potreby (javy spoločne vznikajú, majú zhodný priebeh, alebo
Διαβάστε περισσότεραObvod a obsah štvoruholníka
Obvod a štvoruholníka D. Štyri body roviny z ktorých žiadne tri nie sú kolineárne (neležia na jednej priamke) tvoria jeden štvoruholník. Tie body (A, B, C, D) sú vrcholy štvoruholníka. strany štvoruholníka
Διαβάστε περισσότεραOdporníky. 1. Príklad1. TESLA TR
Odporníky Úloha cvičenia: 1.Zistite technické údaje odporníkov pomocou katalógov 2.Zistite menovitú hodnotu odporníkov označených farebným kódom Schématická značka: 1. Príklad1. TESLA TR 163 200 ±1% L
Διαβάστε περισσότεραKomplexné čísla, Diskrétna Fourierova transformácia 1
Komplexné čísla, Diskrétna Fourierova transformácia Komplexné čísla C - množina všetkých komplexných čísel komplexné číslo: z = a + bi, kde a, b R, i - imaginárna jednotka i =, t.j. i =. komplexne združené
Διαβάστε περισσότεραModerné vzdelávanie pre vedomostnú spoločnosť Projekt je spolufinancovaný zo zdrojov EÚ M A T E M A T I K A
M A T E M A T I K A PRACOVNÝ ZOŠIT II. ROČNÍK Mgr. Agnesa Balážová Obchodná akadémia, Akademika Hronca 8, Rožňava PRACOVNÝ LIST 1 Urč typ kvadratickej rovnice : 1. x 2 3x = 0... 2. 3x 2 = - 2... 3. -4x
Διαβάστε περισσότεραCvičenie č. 4,5 Limita funkcie
Cvičenie č. 4,5 Limita funkcie Definícia ity Limita funkcie (vlastná vo vlastnom bode) Nech funkcia f je definovaná na nejakom okolí U( ) bodu. Hovoríme, že funkcia f má v bode itu rovnú A, ak ( ε > )(
Διαβάστε περισσότεραMichal Páleník. Fiškálna politika v kontexte regionalizácie a globalizácie:
Fiškálna politika v kontexte regionalizácie a globalizácie: Metodologické prístupy pri meraní konvergencie s aplikáciou na Európske regióny Štruktúra prezentácie 1. Úvod 2. Ciele práce 3. Definícia základných
Διαβάστε περισσότεραJednotkový koreň (unit root), diferencovanie časového radu, unit root testy
Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy Beáta Stehlíková Časové rady, FMFI UK, 2012/2013 Jednotkový koreň(unit root),diferencovanie časového radu, unit root testy p.1/18
Διαβάστε περισσότερα2 Chyby a neistoty merania, zápis výsledku merania
2 Chyby a neistoty merania, zápis výsledku merania Akej chyby sa môžeme dopustiť pri meraní na stopkách? Ako určíme ich presnosť? Základné pojmy: chyba merania, hrubé chyby, systematické chyby, náhodné
Διαβάστε περισσότερα4. domáca úloha. distribučnú funkciu náhodnej premennej X.
4. domáca úloha 1. (rovnomerné rozdelenie) Električky idú v 20-minútových intervaloch. Cestujúci príde náhodne na zastávku. Určte funkciu hustoty rozdelenia pravdepodobnosti a distribučnú funkciu náhodnej
Διαβάστε περισσότεραUrčite vybrané antropometrické parametre vašej skupiny so základným (*úplným) štatistickým vyhodnotením.
Priezvisko a meno študenta: 216_Antropometria.xlsx/Pracovný postup Študijná skupina: Ročník štúdia: Antropometria Cieľ: Určite vybrané antropometrické parametre vašej skupiny so základným (*úplným) štatistickým
Διαβάστε περισσότεραM6: Model Hydraulický systém dvoch zásobníkov kvapaliny s interakciou
M6: Model Hydraulický ytém dvoch záobníkov kvapaliny interakciou Úlohy:. Zotavte matematický popi modelu Hydraulický ytém. Vytvorte imulačný model v jazyku: a. Matlab b. imulink 3. Linearizujte nelineárny
Διαβάστε περισσότεραŠtatistické riadenie procesov Regulačné diagramy 3-1
Charakteristika Štatistické riadenie procesov Regulačné diagramy 3-1 3 Regulačné diagramy Cieľ kapitoly Po preštudovaní tejto kapitoly budete vedieť: čo je to regulačný diagram, aké je jeho teoretické
Διαβάστε περισσότεραÚLOHA Č.8 ODCHÝLKY TVARU A POLOHY MERANIE PRIAMOSTI A KOLMOSTI
ÚLOHA Č.8 ODCHÝLKY TVARU A POLOHY MERANIE PRIAMOSTI A KOLMOSTI 1. Zadanie: Určiť odchýlku kolmosti a priamosti meracej prizmy prípadne vzorovej súčiastky. 2. Cieľ merania: Naučiť sa merať na špecializovaných
Διαβάστε περισσότεραRozsah akreditácie 1/5. Príloha zo dňa k osvedčeniu o akreditácii č. K-003
Rozsah akreditácie 1/5 Názov akreditovaného subjektu: U. S. Steel Košice, s.r.o. Oddelenie Metrológia a, Vstupný areál U. S. Steel, 044 54 Košice Rozsah akreditácie Oddelenia Metrológia a : Laboratórium
Διαβάστε περισσότεραPRIEMER DROTU d = 0,4-6,3 mm
PRUŽINY PRUŽINY SKRUTNÉ PRUŽINY VIAC AKO 200 RUHOV SKRUTNÝCH PRUŽÍN PRIEMER ROTU d = 0,4-6,3 mm èíslo 3.0 22.8.2008 8:28:57 22.8.2008 8:28:58 PRUŽINY SKRUTNÉ PRUŽINY TECHNICKÉ PARAMETRE h d L S Legenda
Διαβάστε περισσότεραKompilátory. Cvičenie 6: LLVM. Peter Kostolányi. 21. novembra 2017
Kompilátory Cvičenie 6: LLVM Peter Kostolányi 21. novembra 2017 LLVM V podstate sada nástrojov pre tvorbu kompilátorov LLVM V podstate sada nástrojov pre tvorbu kompilátorov Pôvodne Low Level Virtual Machine
Διαβάστε περισσότεραTesty dobrej zhody. H 0 : f(x) = g(x) ; H 1 : f(x) g(x)
TESTY DOBREJ ZHODY Testy dobrej zhody = testy hypotéz zhody rozdelení (= testy dobrej zhody / ft testy / Goodness of Ft Tests) Overujeme, č emprcké rozdelene je štatstcky zhodné s nektorým z teoretckých
Διαβάστε περισσότεραHarmonizované technické špecifikácie Trieda GP - CS lv EN Pevnosť v tlaku 6 N/mm² EN Prídržnosť
Baumit Prednástrek / Vorspritzer Vyhlásenie o parametroch č.: 01-BSK- Prednástrek / Vorspritzer 1. Jedinečný identifikačný kód typu a výrobku: Baumit Prednástrek / Vorspritzer 2. Typ, číslo výrobnej dávky
Διαβάστε περισσότερα3. Striedavé prúdy. Sínusoida
. Striedavé prúdy VZNIK: Striedavý elektrický prúd prechádza obvodom, ktorý je pripojený na zdroj striedavého napätia. Striedavé napätie vyrába synchrónny generátor, kde na koncoch rotorového vinutia sa
Διαβάστε περισσότερα2.1 Charakteristiky polohy
2 POPISNÉ CHARAKTERISTIKY Výsledkom prvého kroku spracovaia štatistických údajov je usporiadaie aalyzovaých hodôt do kotigečých alebo frekvečých tabuliek. Častokrát, predovšetkým pri porovávaí viacerých
Διαβάστε περισσότεραRozdiely vo vnútornej štruktúre údajov = tvarové charakteristiky
Veľkosť Varablta Rozdelene 0 00 80 n 60 40 0 0 0 4 6 8 Tredy 0 Rozdely vo vnútornej štruktúre údajov = tvarové charakterstky I CHARAKTERISTIKY PREMELIVOSTI Artmetcký premer Vzťahy pre výpočet artmetckého
Διαβάστε περισσότεραvantum s.r.o. VŠETKO PRE ELEKTROERÓZIU V3 Kap.11 / str. 1
VŠETKO PRE ELEKTROERÓZIU V3 Kap.11 / str. 1 Prúdové kontakty pre rezačky Brother 5400 Horný a dolný prúdový kontakt pre sériu HS 300 materiál: karbid wolfrámu OKB: 632276000 5401 Horný a dolný prúdový
Διαβάστε περισσότεραPevné ložiská. Voľné ložiská
SUPPORTS D EXTREMITES DE PRECISION - SUPPORT UNIT FOR BALLSCREWS LOŽISKA PRE GULIČKOVÉ SKRUTKY A TRAPÉZOVÉ SKRUTKY Výber správnej podpory konca uličkovej skrutky či trapézovej skrutky je dôležité pre správnu
Διαβάστε περισσότεραZáklady matematickej štatistiky a jej aplikácie použitím programovacích jazykov R a S
Katedra aplikovanej matematiky a štatistiky Fakulta matematiky, fyziky a informatiky Univerzita Komenského v Bratislave Vybrané kapitoly z počítačovej štatistiky I Základy matematickej štatistiky a jej
Διαβάστε περισσότεραHASLIM112V, HASLIM123V, HASLIM136V HASLIM112Z, HASLIM123Z, HASLIM136Z HASLIM112S, HASLIM123S, HASLIM136S
PROUKTOVÝ LIST HKL SLIM č. sklad. karty / obj. číslo: HSLIM112V, HSLIM123V, HSLIM136V HSLIM112Z, HSLIM123Z, HSLIM136Z HSLIM112S, HSLIM123S, HSLIM136S fakturačný názov výrobku: HKL SLIMv 1,2kW HKL SLIMv
Διαβάστε περισσότεραPodnikateľ 90 Mobilný telefón Cena 95 % 50 % 25 %
Podnikateľ 90 Samsung S5230 Samsung C3530 Nokia C5 Samsung Shark Slider S3550 Samsung Xcover 271 T-Mobile Pulse Mini Sony Ericsson ZYLO Sony Ericsson Cedar LG GM360 Viewty Snap Nokia C3 Sony Ericsson ZYLO
Διαβάστε περισσότεραIntegrovanie racionálnych funkcií
Integrovanie racionálnych funkcií Tomáš Madaras 2009-20 Z teórie funkcií už vieme, že každá racionálna funkcia (t.j. podiel dvoch polynomických funkcií) sa dá zapísať ako súčet polynomickej funkcie a funkcie
Διαβάστε περισσότεραFAKULTA MATEMATIKY, FYZIKY A INFORMATIKY UNIVERZITA KOMENSKÉHO V BRATISLAVE DIPLOMOVÁ PRÁCA
FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY UNIVERZITA KOMENSKÉHO V BRATISLAVE DIPLOMOVÁ PRÁCA Bratislava 211 Maroš Komadel Analýza horných a dolných odhadov na oceňovanie ázijských typov košíkových opcií
Διαβάστε περισσότεραJednotkový koreň (unit root), diferencovanie časového radu, unit root testy
Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy Beáta Stehlíková Časové rady, FMFI UK, 2013/2014 Jednotkový koreň(unit root),diferencovanie časového radu, unit root testy p.1/27
Διαβάστε περισσότεραPREHĽAD ÚDAJOV. 1. Početnosť
PREHĽAD ÚDAJOV 1. Početnosť. Miery centrálnej tendencie a. Aritmetický priemer b. Medián c. Modus 3. Miery rozptylu a. Tvar b. Rozdelenie, rozloženie údajov c. Rozsah d. Rozptyl - variancia e. Smerodatná
Διαβάστε περισσότεραFunkcie - základné pojmy
Funkcie - základné pojmy DEFINÍCIA FUNKCIE Nech A, B sú dve neprázdne číselné množiny. Ak každému prvku x A je priradený najviac jeden prvok y B, tak hovoríme, že je daná funkcia z množiny A do množiny
Διαβάστε περισσότεραmnožiny F G = {t1, t2,, tn} T a pre ľubovoľný valec C so základňou B1, B2,, Bn v bodoch t1, t2,, tn, takou, že pre t G - F je Bt = E, platí PF(C) = PG
STOCHASTICKÝ PROCES Definícia stochastického procesu Definícia 1 Nech (Ω, F, P) je pravdepodobnostný priestor a nech T je podmnožina R. Pre každé t T nech X(t, ω) je náhodná premenná definovaná na pravdepodobnostnom
Διαβάστε περισσότεραŠTATISTIKA. Obsah. Predmet štatistiky Popisná štatistika Štatistické charakteristiky jednorozmerných rozdelení.. 17
ŠTATISTIKA Obsah Predmet štatistiky Meranie a úrovne merania 10 Popisná štatistika 13 Jednorozmerné rozdelenie 14 Štatistické charakteristiky jednorozmerných rozdelení 17 Dvojrozmerné rozdelenie 5 Štatistické
Διαβάστε περισσότεραTESTOVANIE ŠTATISTICKÝCH HYPOTÉZ. Zdroje: Kompendium statistického zpracování dat, VPS s r. o.
TESTOVANIE ŠTATISTICKÝCH HYPOTÉZ Zdroje: Kompendium statistického zpracování dat, VPS s r. o. Témy prednášky ŠTATISTIKA, HYPOTÉZA TESTY ŠTATISTICKÝCH HYPOTÉZ (Testy štatistickej významnosti) t-test (STUDENTOV)
Διαβάστε περισσότεραNávrh vzduchotesnosti pre detaily napojení
Výpočet lineárneho stratového súčiniteľa tepelného mosta vzťahujúceho sa k vonkajším rozmerom: Ψ e podľa STN EN ISO 10211 Návrh vzduchotesnosti pre detaily napojení Objednávateľ: Ing. Natália Voltmannová
Διαβάστε περισσότεραReálna funkcia reálnej premennej
(ÚMV/MAN3a/10) RNDr. Ivan Mojsej, PhD ivan.mojsej@upjs.sk 18.10.2012 Úvod V každodennom živote, hlavne pri skúmaní prírodných javov, procesov sa stretávame so závislosťou veľkosti niektorých veličín od
Διαβάστε περισσότεραARMA modely čast 2: moving average modely (MA)
ARMA modely čast 2: moving average modely (MA) Beáta Stehlíková Časové rady, FMFI UK, 2014/2015 ARMA modely časť 2: moving average modely(ma) p.1/24 V. Moving average proces prvého rádu - MA(1) ARMA modely
Διαβάστε περισσότεραStart. Vstup r. O = 2*π*r S = π*r*r. Vystup O, S. Stop. Start. Vstup P, C V = P*C*1,19. Vystup V. Stop
1) Vytvorte algoritmus (vývojový diagram) na výpočet obvodu kruhu. O=2xπxr ; S=πxrxr Vstup r O = 2*π*r S = π*r*r Vystup O, S 2) Vytvorte algoritmus (vývojový diagram) na výpočet celkovej ceny výrobku s
Διαβάστε περισσότεραZáklady automatického riadenia
Základy automatického riadenia Prednáška 1 doc. Ing. Anna Jadlovská, PhD., doc. Ing. Ján Jadlovský, CSc. Katedra kybernetiky a umelej inteligencie Fakulta elektrotechniky a informatiky Technická univerzita
Διαβάστε περισσότεραMatematika 2. časť: Funkcia viac premenných Letný semester 2013/2014
Matematika 2 časť: Funkcia viac premenných Letný semester 2013/2014 RNDr. Jana Pócsová, PhD. Ústav riadenia a informatizácie výrobných procesov Fakulta BERG Technická univerzita v Košiciach e-mail: jana.pocsova@tuke.sk
Διαβάστε περισσότεραNumerické metódy Zbierka úloh
Blanka Baculíková Ivan Daňo Numerické metódy Zbierka úloh Strana 1 z 37 Predhovor 3 1 Nelineárne rovnice 4 2 Sústavy lineárnych rovníc 7 3 Sústavy nelineárnych rovníc 1 4 Interpolačné polynómy 14 5 Aproximácia
Διαβάστε περισσότεραVyužitie programu Microsoft Excel pri ekonometrickom modelovaní
Využitie programu Microsoft Excel pri ekonometrickom modelovaní Martin Lukáčik, Adriana Lukáčiková, Karol Szomolányi Aplikovanú ekonometriu, najmä odhad parametrov modelu a testovanie predpokladov si už
Διαβάστε περισσότεραŠTATISTICKÉ METÓDY VPRAXI
TECHNICKÁ UNIVERZITA V KOŠICIACH Strojnícka fakulta ŠTATISTICKÉ METÓDY VPRAXI Miriam Andrejiová Edícia vedeckej a odbornej literatúry Košice 2016 Technická univerzita v Košiciach, Strojnícka fakulta Miriam
Διαβάστε περισσότεραMetódy vol nej optimalizácie
Metódy vol nej optimalizácie Metódy vol nej optimalizácie p. 1/52 Metódy minimalizácie funkcie jednej premennej Metódy minimalizácie funkcie jednej premennej p. 2/52 Metódy minimalizácie funkcie jednej
Διαβάστε περισσότερα8 Regulačné diagramy. 8.1 Štatistický základ regulačných diagramov ZABEZPEČOVANIE KVALITY PROCESOV
ZEZPEČOVNIE KVLITY POESOV 8 egulačné diagramy egulačné diagramy (ontrol harts), sú známe od r.194, keď ich princíp formuloval W.. Shewhart. egulačné diagramy sa používajú ako preventívny prostriedok riadenia
Διαβάστε περισσότεραη = 1,0-(f ck -50)/200 pre 50 < f ck 90 MPa
1.4.1. Návrh priečneho rezu a pozĺžnej výstuže prierezu ateriálové charakteristiky: - betón: napr. C 0/5 f ck [Pa]; f ctm [Pa]; fck f α [Pa]; γ cc C pričom: α cc 1,00; γ C 1,50; η 1,0 pre f ck 50 Pa η
Διαβάστε περισσότεραCvičenia zo ŠTATISTIKY v Exceli Kurz IPA-Slovakia, september 2008, VYHNE
Cvičenia zo ŠTATISTIKY v Exceli Kurz IPA-Slovakia, september 2008, VYHNE doc. RNDr. Štefan PEŠKO, CSc. stefan.pesko@fri.uniza.sk, http://frcatel.fri.uniza.sk/pesko/ Katedra matematických metód, Fakulta
Διαβάστε περισσότεραChí kvadrát test dobrej zhody. Metódy riešenia úloh z pravdepodobnosti a štatistiky
Chí kvadrát test dobrej zhody Metódy riešenia úloh z pravdepodobnosti a štatistiky www.iam.fmph.uniba.sk/institute/stehlikova Test dobrej zhody I. Chceme overiť, či naše dáta pochádzajú z konkrétneho pravdep.
Διαβάστε περισσότεραx j hodnota štatistického znaku x - aritmetický priemer ni absolútna početnosť m počet tried hšt ti ti kéh m počet tried hšt ti ti kéh
4. Bodový odhad Pricíp bodového odhadu spočíva v odhade ezámych parametrov (stredej hodoty, rozptylu, smerodajej odchýlky, atď.) prostredíctvom výberových charakteristík, ktoré sú reprezetovaé jedým číslom
Διαβάστε περισσότεραARMA modely čast 2: moving average modely (MA)
ARMA modely čast 2: moving average modely (MA) Beáta Stehlíková Časové rady, FMFI UK, 2011/2012 ARMA modely časť 2: moving average modely(ma) p.1/25 V. Moving average proces prvého rádu - MA(1) ARMA modely
Διαβάστε περισσότεραFunkcie a grafy v programe Excel
Tabuľkový kalkulátor EXCEL Funkcie a grafy v programe Excel Minimum, maximum Aritmetický priemer, medián, modus, vážený priemer Zaokrúhľovanie Grafy - Koláčový - Koláčový s čiastkovými výsekmi - Stĺpcový
Διαβάστε περισσότερα6 Limita funkcie. 6.1 Myšlienka limity, interval bez bodu
6 Limita funkcie 6 Myšlienka ity, interval bez bodu Intuitívna myšlienka ity je prirodzená, ale definovať presne pojem ity je značne obtiažne Nech f je funkcia a nech a je reálne číslo Čo znamená zápis
Διαβάστε περισσότεραNumerické metódy matematiky I
Prednáška č. 7 Numerické metódy matematiky I Riešenie sústav lineárnych rovníc ( pokračovanie ) Prednáška č. 7 OBSAH 1. Metóda singulárneho rozkladu (SVD) Úvod SVD štvorcovej matice SVD pre menej rovníc
Διαβάστε περισσότεραMotivácia pojmu derivácia
Derivácia funkcie Motivácia pojmu derivácia Zaujíma nás priemerná intenzita zmeny nejakej veličiny (dráhy, rastu populácie, veľkosti elektrického náboja, hmotnosti), vzhľadom na inú veličinu (čas, dĺžka)
Διαβάστε περισσότεραAerobTec Altis Micro
AerobTec Altis Micro Záznamový / súťažný výškomer s telemetriou Výrobca: AerobTec, s.r.o. Pionierska 15 831 02 Bratislava www.aerobtec.com info@aerobtec.com Obsah 1.Vlastnosti... 3 2.Úvod... 3 3.Princíp
Διαβάστε περισσότεραPríručka ku kurzu SPÔSOBILOSŤ PROCESU
E+6 E+5 E+ E+ E+ E+ E+ E- Príručka ku kurzu SPÔSOBILOSŤ PROCESU E- E- E- E-5 E-6 E-7 E-8,5,7,9,,,5,7,9,,,5 ÚVOD Z noriem a inej literatúry je známych mnoho postupov, ako stanoviť spôsobilosť procesu. Existuje
Διαβάστε περισσότεραZáklady automatického riadenia
Základy automatického riadenia Predná²ka 6 doc. Ing. Anna Jadlovská, PhD., doc. Ing. Ján Jadlovský, CSc. Katedra kybernetiky a umelej inteligencie Fakulta elektrotechniky a informatiky Technická univerzita
Διαβάστε περισσότεραVyhlásenie o parametroch stavebného výrobku StoPox GH 205 S
1 / 5 Vyhlásenie o parametroch stavebného výrobku StoPox GH 205 S Identifikačný kód typu výrobku PROD2141 StoPox GH 205 S Účel použitia EN 1504-2: Výrobok slúžiaci na ochranu povrchov povrchová úprava
Διαβάστε περισσότεραMetódy vol nej optimalizácie
Metódy vol nej optimalizácie Metódy vol nej optimalizácie p. 1/28 Motivácia k metódam vol nej optimalizácie APLIKÁCIE p. 2/28 II 1. PRÍKLAD: Lineárna regresia - metóda najmenších štvorcov Na základe dostupných
Διαβάστε περισσότεραPožiadavky k štátnej skúške pre magisterský študijný program
z predmetu: Matematická analýza 1. Číselné postupnosti a ich základné vlastnosti. 2. Funkcia jednej reálnej premennej, základné vlastnosti funkcií. 3. Derivácia funkcie jednej reálnej premennej, jej vlastnosti
Διαβάστε περισσότεραYQ U PROFIL, U PROFIL
YQ U PROFIL, U PROFIL YQ U Profil s integrovanou tepelnou izoláciou Minimalizácia tepelných mostov Jednoduché stratené debnenie monolitických konštrukcií Jednoduchá a rýchla montáž Výrobok Pórobetón značky
Διαβάστε περισσότεραprimitívnoufunkcioukfukncii f(x)=xnamnožinereálnychčísel.avšakaj 2 +1 = x, tedaajfunkcia x2
Neurčitý integrál. Primitívna funkcia a neurčitý integrál Funkcia F(x)sanazývaprimitívnoufunkcioukfunkcii f(x)naintervale(a,b),akpre každé x (a,b)platí F (x)=f(x). Z definície vidíme, že pojem primitívnej
Διαβάστε περισσότερα1. písomná práca z matematiky Skupina A
1. písomná práca z matematiky Skupina A 1. Vypočítajte : a) 84º 56 + 32º 38 = b) 140º 53º 24 = c) 55º 12 : 2 = 2. Vypočítajte zvyšné uhly na obrázku : β γ α = 35 12 δ a b 3. Znázornite na číselnej osi
Διαβάστε περισσότερα22 Špeciálne substitúcie, postupy a vzorce používané pri výpočte
Špeciálne substitúcie, postupy vzorce používné pri výpočte niektorých ďlších typov neurčitých integrálov. Pomocou vhodnej substitúcie tvru t = n + b (potom = tn b, = n tn dt) vypočítjte neurčitý integrál
Διαβάστε περισσότεραObsah. 1.1 Základné pojmy a vzťahy Základné neurčité integrály Cvičenia Výsledky... 11
Obsah Neurčitý integrál 7. Základné pojmy a vzťahy.................................. 7.. Základné neurčité integrály............................. 9.. Cvičenia..........................................3
Διαβάστε περισσότεραPROMO AKCIA. Platí do konca roka 2017 APKW 0602-HF APKT PDTR APKT 0602-HF
AKCIA Platí do konca roka 2017 APKW 0602-HF APKT 060204 PDTR APKT 0602-HF BENEFITY PLÁTKOV LAMINA MULTI-MAT - nepotrebujete na každú operáciu špeciálny plátok - sprehľadníte situáciu plátkov vo výrobe
Διαβάστε περισσότεραDIFERENCÁLNE ROVNICE Matematická analýza (MAN 2c)
Prírodovedecká fakulta Univerzity P. J. Šafárika v Košiciach Božena Mihalíková, Ivan Mojsej Strana 1 z 43 DIFERENCÁLNE ROVNICE Matematická analýza (MAN 2c) 1 Obyčajné diferenciálne rovnice 3 1.1 Úlohy
Διαβάστε περισσότεραDerivácia funkcie. Pravidlá derivovania výrazov obsahujúcich operácie. Derivácie elementárnych funkcií
Derivácia funkcie Derivácia funkcie je jeden z najužitočnejších nástrojov, ktoré používame v matematike a jej aplikáciách v ďalších odboroch. Stručne zhrnieme základné informácie o deriváciách. Podrobnejšie
Διαβάστε περισσότεραMotivácia na zlepšenie obrazu sa používajú frekvenčné metódy a priestorové metódy.
OBRAZOVÉ TRANSFORMÁCIE Motivácia na zlepšenie obrazu sa používajú frekvenčné metódy a priestorové metódy. Fourierova transformácia Jednorozmerný spojitý prípad Nech f(x je spojitá funkcia reálnej premennej
Διαβάστε περισσότεραGramatická indukcia a jej využitie
a jej využitie KAI FMFI UK 29. Marec 2010 a jej využitie Prehľad Teória formálnych jazykov 1 Teória formálnych jazykov 2 3 a jej využitie Na počiatku bolo slovo. A slovo... a jej využitie Definícia (Slovo)
Διαβάστε περισσότεραZADANIE 1_ ÚLOHA 3_Všeobecná rovinná silová sústava ZADANIE 1 _ ÚLOHA 3
ZDNIE _ ÚLOH 3_Všeobecná rovinná silová sústv ZDNIE _ ÚLOH 3 ÚLOH 3.: Vypočítjte veľkosti rekcií vo väzbách nosník zťženého podľ obrázku 3.. Veľkosti známych síl, momentov dĺžkové rozmery sú uvedené v
Διαβάστε περισσότεραUČEBNÉ TEXTY. Pracovný zošit č.2. Moderné vzdelávanie pre vedomostnú spoločnosť Elektrotechnické merania. Ing. Alžbeta Kršňáková
Stredná priemyselná škola dopravná, Sokolská 911/94, 960 01 Zvolen Kód ITMS projektu: 26110130667 Názov projektu: Zvyšovanie flexibility absolventov v oblasti dopravy UČEBNÉ TEXTY Pracovný zošit č.2 Vzdelávacia
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 περισσότεραREZISTORY. Rezistory (súčiastky) sú pasívne prvky. Používajú sa vo všetkých elektrických
REZISTORY Rezistory (súčiastky) sú pasívne prvky. Používajú sa vo všetkých elektrických obvodoch. Základnou vlastnosťou rezistora je jeho odpor. Odpor je fyzikálna vlastnosť, ktorá je daná štruktúrou materiálu
Διαβάστε περισσότεραKontrolné otázky na kvíz z jednotiek fyzikálnych veličín. Upozornenie: Umiestnenie správnej a nesprávnych odpovedí sa môže v teste meniť.
Kontrolné otázky na kvíz z jednotiek fyzikálnych veličín Upozornenie: Umiestnenie správnej a nesprávnych odpovedí sa môže v teste meniť. Ktoré fyzikálne jednotky zodpovedajú sústave SI: a) Dĺžka, čas,
Διαβάστε περισσότερα7 Derivácia funkcie. 7.1 Motivácia k derivácii
Híc, P Pokorný, M: Matematika pre informatikov a prírodné vedy 7 Derivácia funkcie 7 Motivácia k derivácii S využitím derivácií sa stretávame veľmi často v matematike, geometrii, fyzike, či v rôznych technických
Διαβάστε περισσότεραANALÝZA VÝKONNOSTI CALL CENTRA POMOCÍ STATISTICKÝCH METOD
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV INFORMATIKY FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF INFORMATICS ANALÝZA VÝKONNOSTI CALL CENTRA POMOCÍ STATISTICKÝCH
Διαβάστε περισσότεραModul pružnosti betónu
f cm tan α = E cm 0,4f cm ε cl E = σ ε ε cul Modul pružnosti betónu α Autori: Stanislav Unčík Patrik Ševčík Modul pružnosti betónu Autori: Stanislav Unčík Patrik Ševčík Trnava 2008 Obsah 1 Úvod...7 2 Deformácie
Διαβάστε περισσότεραObsah. Motivácia a definícia. Metódy výpočtu. Problémy a kritika. Spätné testovanie. Prípadová štúdia využitie v NBS. pre 1 aktívum pre portfólio
Value at Risk Obsah Motivácia a definícia Metódy výpočtu pre 1 aktívum pre portfólio Problémy a kritika Spätné testovanie Prípadová štúdia využitie v NBS Motivácia Ako kvantifikovať riziko? Nakúpil som
Διαβάστε περισσότερα