Markovove procesy. Teória hromadnej obsluhy. doc. RNDr. tefan Pe²ko, CSc. 17. októbra Katedra matematických metód, FRI šu
|
|
- Ελλεν Κουταλιανός
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Teória hromadnej obsluhy Katedra matematických metód, FRI šu 17. októbra 2013
2 Náhodný re azec {X(t)} t T s mnoºinou stavov S nazveme Markovov proces, ak 1 mnoºina T = 0, ), 2 platí Markovova vlastnos : t 0, t 1,..., t n+1 T : t o < t 1 <... t n+1, i 0, i 1,..., i n 1, i, j S : P(X(t n+1) = j X(t n ) = i, X(t n 1) = i n 1,..., X(t 0 ) = i 0 ) = P(X(t n+1) = j X(t n ) = i). Ak X(t) = i, potom hovoríme, ºe proces je v ase t v stave i. Poznámka Pojem Markovov proces sa pouºíva hlavne v technickej literatúre miesto zd havého názvu Markovov re azec so spojitým asom.
3 Homogénne Markovov proces {X(t)} t T t 1, t 1 + h, t 2, t 2 + h T, i, j S : nazveme homogénny (v ase), ak platí: P(X(t 1 + h) = j X(t 1 ) = i) = P(X(t 2 + h) = j X(t 2 ) = i). Pravdepodobnosti prechodu zo stavu i do stavu j za as h ozna íme P(X(t + h) = j X(t) = i) ak h > 0 p ij (h) = 1 ak h = 0, i = j 0 ak h = 0, i j a usporiadame do matice pravdepodobností prechodu za as h P(h) = (p ij (h)) i,j S. Pravdepodobnos, ºe sa proces v ase t T nachádza v stave j S ozna íme p j (t) = P(X(t) = j) a po usporiadaní v tvare p(t) = ( p j (t) ) nazývame pp. rozdelenie procesu v ase t. j S
4 Po iato ným rozdelením procesu rozumieme p(0). Príklad 2.1 V dvoch urnách je opä 5 guli iek. Teraz nás v²ak bude zaujíma chovanie guli iek v reálnom ase. Nech je na za iatku pozorovania je 1.urna prázdna. D ºky asových intervalov medzi jednotlivými zmenami po tu guli iek v urnách sú náhodné, nezávislé a nie sú ovplyvnené zmenami po tu guli iek v urnách. Pravdepodobnos zmien po as intervalu danej d ºky nezávisí od polohy tohoto intervalu na asovbej osi. Navrhnite model, ktorý umoºní výpo et stredného po tu guli iek v 1.urne ako funkciu doby trvania pozorovania. Nech X(t) udáva po et guli iek v 1.urne v ase pozorovania t T. Jedná sa o homogénny Markovov proces s po iato ným rozdelením p(0) = (1, 0, 0, 0, 0, 0). Potom stredný po et guli iek v 1.urne je v ase t ur ený vz ahom E(X(t)) = 1 p 1 (t) + 2 p 2 (t) + 3 p 3 (t) + 4 p 4 (t) + 5 p 5 (t).
5 Chapman-Kolmogorovove tvrdenia Veta 2.1 P(r + s) = P(r)P(s) r, s T. (1) Veta 2.2 p(t + h) = p(t)p(h) t, h T. (2) Poznámka Hovoríme, ºe reálna funkcia reálnej premennej f (x) je pre x 0 rádovo men²ia neº x a zapisujeme f (x) o(x) pre x 0 ak platí f (x) lim = 0. x 0 x Overte, ºe platí o(x) + o(x) = o(x), K o(x) = o(x).
6 Intenzity prechodu Intenzitou prechodu zo stavu i do stavu j rozumieme p ij (h) lim ak i j h 0+ h λ ij = 1 p ii (h) lim ak i = j h 0+ h (3) a zvykneme usporiada do matice intenzít prechodu Q = (q i,j) i,j S, kde q ij = { λij ak i j λ ii ak i = j. (4) Cvi enie: Z (3), (4) a j S p ij(h) = 1 overte platnos rovnosti q ij = 0 i S. j S
7 Príklad 2.2 pokra ovanie 2.1 Predpokladajme, ºe inteznity prechodu medzi rôznymi (bezprostredne dostupnými) stavmi urien sú rovnaké a nezávislé od po tu guli iek v urnách. Denujte v tomto modeli maticú intenzít prechodu a maticu pravdepodobnosti prechodu za ve mi malú dobu t. V²etky moºné bezprostredné prechody budú ma kon²tantnú intenzitu prechodu λ Q = λ λ λ 2λ λ λ 2λ λ λ 2λ λ λ 2λ λ λ λ Potom P( t) = E + Q t + I o( t) pre malé t.
8 Kolmogorovove diferenciálne rovnice Veta 2.3 p (t) = p(t)q t T. (5) Dôkaz: Ozna me E jednotkovú maticu a I maticu jednotiek. Z Chapman-Kolmogorovovej vety 2.2 dostaneme p(t + t) p(t) t = p(t)p( t) p(t)e t = p(t)q + o( t) p(t)i. t Po limitnom prechode t 0 + máme tvrdenie vety.
9 Príklad 2.3 pokra ovanie 2.2 Bude nás zaujíma dynamika chovania guli iek, ak na za iatku pozorovania je rovnako pravdepodobné, ºe sú v²etky guli ky bu v prvej alebo druhej urne. Potom systém Kolmogorovových diferenciálnych rovníc má tvar p 0(t) = λp 0 (t) + λp 1 (t) p 1(t) = λp 0 (t) 2λp 1 (t) + λp 2 (t) p 2(t) = λp 1 (t) 2λp 2 (t) + λp 3 (t) p 3(t) = λp 2 (t) 2λp 3 (t) + λp 4 (t) p 4(t) = λp 3 (t) 2λp 4 (t) + λp 5 (t) p 5(t) = λp 4 (t) λp 5 (t) s po iato nými podmienkami p(0) = ( 1 2, 0, 0, 0, 0, 1 2).
10 Rie²enie p (t) = p(t)q Po úprave na tvar a integrovaní máme p (t) p(t) = Q p(t) = ce Qt, kde c = (c 0, c 1,... ) je kon²tantný vektor a e Qt = E + t 1! Q + t2 2! Q2 + t 3 3! Q Potom pre po iato né rozdelenie procesu p(0) poznáme explicitný tvar rie²enia sytému Kolmogorovových diferenciálnych rovníc p(t) = p(0)e Qt.
11 Stacionárne rozdelenie a regulárny proces Nech Q je matica intenzít. Potom vektor π = (π j ) j S platí pre ktorý πq = 0 π j = 1 j S π j 0 j S nazývame stacionárne rozdelenie procesu ur eného maticou intenzít Q. Ak existuje limita lim p(t) = π > 0 t a toto limitné rozdelenie nezávisí na p(0), potom Markovov proces nazveme regulárny.
12 Veta 2.4 Limitné rozdelenie regulárneho procesu je stacionárne. Veta 2.5 (Markovova) Ak existuje t > 0, ºe v²etky prvky matice P(t) sú kladné, potom je príslu²ný Markovov proces regulárny.
13 Príklad 2.4 pokra ovanie 2.3 Bude nás zaujíma chovania guli iek v ase ke sa systém stabilizuje. H adáme stacinárne rozdelenie procesu rie²ením systému lineárnych rovníc 0 = λπ 0 + λπ 1 0 = λπ 0 2λπ 1 + λπ 2. 0 = λπ 3 2λπ 4 + λπ 5 0 = λπ 4 λπ 5 1 = π 0 + π π 5 ktorý má o akávané rie²enie p(0) = ( 1 6, 1 6, 1 6, 1 6, 1 6, 1 6). Je príslu²ný Markovov proces regulárny?
14 Prechodový graf Markovovho procesu Nech Q = (q ij ) i,j S je matica intenzít Markovovho procesu s mnoºinou stavov S. Potom prechodovým grafom procesu rozumieme hranovo ohodnotený orientovaný graf G = (S, H, c) s mnoºinou vrcholov S, mnoºinou orientovaných hrán H = {(i, j) S S : q ij 0} a ohodnotním hrán c : H (, ) ur eného c(i, j) = q ij. Poznámka Pre zjednodu²enie obrázku prechodového grafu budeme alej, ak nebude hrozi nedorozumenie, vynechávat kreslenie slu iek (i, i). Ich ohodnotenie získame ahko zo vz ahu q ii = q ij. j S {i}
15 Príklad 2.5 pokra ovanie 2.2 Nahra me maticu Q intenzít prechodovým grafom G. Q = λ λ λ 2λ λ λ 2λ λ λ 2λ λ λ 2λ λ λ λ Obr. 1: Prechodový graf G so zobrazenými slu kami
16 Prechodový graf Markovovho re azca Nech P = (p ij ) i,j S je matica prechodu Markovovho re azca s mnoºinou stavov S. Potom prechodovým grafom re azca rozumieme hranovo ohodnotený orientovaný graf G = (S, H, c) s mnoºinou vrcholov S, mnoºinou orientovaných hrán H = {(i, j) S S : p ij > 0} a ohodnotním hrán c : H (0, 1 ur eného c(i, j) = p ij. Poznámka V prípade Markovovho procesu sa niekedy môºeme stretnú aj s prechodovým grafom G = (S, H, c), kde je ohodnotenie hrán grafu denované takto c(i, j) = p ij ( t). Ako sa zmení obr.1. z prikladu 2.5.?
17 Markovova veta Význam reprezentácie procesu ur ného maticou Q prechodovými grafom G nie je len vo vä ²ej preh adnosti prechodov medzi stavmi. Zaujimavá je napr. grafová reformulácia vety 2.5. Veta 2.5 (Markovova) Mech G = (S, H, c) je prechodový graf Markovovho procesu s maticou intenzít Q. Ak existuje prirodzené íslo n, ºe pre ubovo nú dvojicu vrcholov i, j S existuje orientovaný sled d ºky n z vrcholu i do vrcholu j, potom je Markovov re azec ragulárny. Poznámka V teórii grafov pod pojmom orientovaný sled d ºky n z vrcholu v 0 do vrcholu v n v orientovanom grafe G = (V, H) rozumieme striedavú postupnos vrcholov a hrán v 0, (v 0, v 1 ), v 1, (v 1, v 2 ), v 2,..., (v n 1, v n ), v n kde v 0, v 1, v 2,..., v n V a (v 0, v 1 ), (v 1, v 2 ),..., (v n 1, v n ) H.
18 Príklad 2.6 Ukáºte, ºe Markovov proces z príkladu 2.5 je regulárny. Obr. 2: Prechodový graf G Zvolíme n = 5 a ukáºeme pre ubovo né vrcholy i, j S prechodového grafu G existuje orientovaný sled d ºky 5 z i j. Vzorom takého orientovaného sledu 0 3 je 0, (0, 1), 1, (1, 2), 2, (2, 3), 3, (3, 3), 3, (3, 3), 3. Analogicky pre ubovo ný orientovaný i j sled d ºky 5 pre i j 5.
19 Kore ová kostra v orientovanom grafe Kore ovou kostrou v orientovanom grafe G = (V, H, c) rozumieme taký orientovaný strom K = (V, H k, c), H K H, ktorý obsahuje v²etky vrcholy grafu, má jediný kore (vrchol z ktorého nevychádzajú ºiadne orientované hrany) a v²etky jeho hrany sú orientované do kore a (kaºdá hrana z H k leºí práve na jednej ceste do kore a). Ohodnotením kostry K je sú in ohodnotení hrán orientovanej kostry t.j. c(k) = h H k c(h). Obr. 3: Príklad kore ovej kostry K = (V, HK, c) s kore om 1 a ohodnotením c(k) = = 12
20 Grafová metóda pre kone né re azce/procesy Veta 2.6 (Marklova,1993) Nech G = (S, H, c) je silne súvislý prechodový graf Markovovho re azca/procesu s kone ným po tom stavov S. Potom je stacionárne rozdelenie π = (π j ) j S procesu ur ené vz ahom π j = B j, (6) i S B i kde B j je sú tom ohodnotení v²etkých kore ových kostier, ktoré majú kore vo vrchole j. Poznámka Pod pojmom silne súvislý orientovaný graf G = (V, H) rozumieme taký orientovaný graf, v ktorom pre ubovo né dva rôzne vrcholy u, v V existuje orientovaný sled u v.
21 Príklad 2.7 Vypo ítajte stacionárne rozdelenie procesu z príkladu 2.5. Obr. 4: Prechodový graf G Pre kaºdý vrchol j S = {0, 1,..., 5} existuje jediná orientovaná kostra s kore om j, ktorá má v²etky hrany ohodnotené λ a tak B j = λ 5, π j = B j i S B i = λ5 6 λ 5 = 1 6.
22 Algebraická metóda pre kone né V Markovovom procese ur enom kone nou mnoºinou stavov S = {0, 1,..., n} a maticou intenzít Q h adáme stacinárne rozdelenie v tvare rie²enia systému πq = 0, j S π j = 1, π 0, ktoré môºeme prepísa na tvar Aπ T = b T, b = (0, 0,..., 0, 1) π T = A 1 b T, kde A = q 00 q 10 q q n 1,0 q n0 q 01 q 11 q q n 1,1 q n1 q 02 q 12 q q n 1,2 q n2 : : :... : : q 0,n 1 q 1,n 1 q 2,n 1... q n 1,n 1 q n,n
23 Poissonov proces Homogénnym Poissonovým procesom s parametrom λ, λ > 0 rozumieme homogénny Markovov proces s mnoºinou stavov S = {0, 1, 2,... } s po iato ným rozdelením p(0) = (1, 0, 0,... ) a s nasledujúcim prechodovým grafom Obr. 5: Prechodový graf homogénneho Poissonovho procesu Poznámka alej budeme v názve vynecháva slovo homogénny a skracova len na Poissonov proces. So v²eobecnej²ími nehomogénnymi Poissonovými procesmi sa nebudeme zaobera.
24 Vlastnosti Poissovho procesu Veta 2.7 Nech {X(t)} t T je Poissonov proces s parametrom λ. Potom p j (t) = (λt)j e λt j S. (7) j! Dôkaz: Matica intenzít Poissonovho procesu má tvar Q = λ λ λ λ λ λ λ λ... : : : : :... Zo vz ahu p(t) = (1, 0, 0,... ) e Qt trpezlivosti odvodi tvrdenie. moºno pri ;-) dostato nej
25 Veta 2.8 Nech {X(t)} t T je Poissonov proces s parametrom λ. Potom E(X(t)) = λt. (8) Dôkaz: Z denície strednej hodnoty a vety 2.7 dostaneme E(X(t)) = jp(x(t) = j) = j (λt)j e λt = j! j=0 = e λt j=1 (λt) j j=0 (j 1)! = e λt λt = e λt λt e λt = λt. j=1 (λt) j 1 (j 1)! = Poznámka Parameter λ moºno interpretova ako stredný po et udalostí (zmien stavu) za jednotku asu a nazva intenzitou Poissonovho procesu.
26 Elementárny tok udalostí Elementárnym tokom udalostí rozumieme náhodnú postupnos udalostí {t n } n=0 0 t 0 t 1 t 2 t 3..., ktorá má nasledujúce vlastnosti: 1 stacionárnos pp., ºe v intervale (t, t + t) nastane k udalostí je rovnaké pre kaºdé t 0 pri ubovo nom t 0 a celo íselnom k 0, 2 beznáslednos udalosti nemajú dodato né pôsobenie, takºe pp. výskytu udalosti v intervale (t, t + t) nezávisí na po te ko kokrát sa udalosti vyskytli do okamihu t, 3 ordinárnos pp., ºe sa v asovom intervale (t, t + t) d ºky t 0 vyskytnú aspo dve udalosti je rádu o( t).
27 Veta 2.9 Elementárny tok udalostí so stredným po tom udalostí za jednotku asu λ je Poissonovým procesom s parametrom λ. Poznámka Ak z pozorovania nejakého toku udalostí zistíme, ºe je stacionárny, beznásledný a ordinárny, vieme ºe sa jedná o Poissonov proces.
28 Príklad 2.8 Majite potravín zistil, ºe v rannej ²pi ke prichádza do potravín priemerne 20 zákazníkov za 5 minút. Majite ova manºelka sa domnieva, ºe v priebehu 10 minút môºu o akáva príchod 30-tich zákazníkov. Optimistický majite v²ak v priebehu 10 minút o akáva príchod 40-tich zákazníkov. Kto z manºelov má presnej²í odhad? Budeme predpoklada, ºe príchody zákazníkov sú náhodné udalosti a tok zákazníkov je elementárny tok. Zodpovedajúci Poissonov proces má intenzitu λ = 20 = 4 zák./min. Pp. 30-tich príchodov za 5 10 minút je rovná p 30 (10) = (4 10)30 e 4 10 = ! a pp. 40-tich príchodov za 10 minút je rovná p 40 (10) = (4 10)40 e 4 10 = ! a tak je odhad majite a pravdepodobnej²í neº odhad jeho manºelky.
29 Medzery elementárneho toku udalostí Obr. 6: Realizácia elementárneho toku udalostí ako Poissonov proces Doba medzi dvoma po sebe nasledujúcimi udalos ami sa nazýva medzera, medzery budeme modelova náhodnými veli inami τ k = t k t k 1 k = 1, 2,... (9)
30 Vlastnosti elementárneho toku udalostí Veta 2.10 Nech {τ k } sú medzery elementárneho toku udalostí k=1 s intenzitou λ. Potom P(τ k > τ) = e λτ τ > 0 (10) Dôkaz: Z denície medzier na obr.6 vidíme ºe po as trvania medzery k ºiadnej al²ej udalosti nedochádza. Pravdepodobnos, ºe τ k nepresiahne nejkú hodnotu τ > 0 je rovná pp., ºe po as intervalu d ºky τ k ºiadnej al²ej udalosti nedôjde. Z homogenity Poissonovho procesu máme P(τ k > τ) = P(X(τ) = 0 X(0) = 0) = P(X(τ) = 0) = p 0 (τ) = e λτ.
31 Dôsledok vety 2.10 Nech {τ k } sú medzery elementárneho toku udalostí k=1 s intenzitou λ. Potom P(τ k > t + τ τ k > t) = P(τ k > τ) t, τ > 0 (11) E(τ k ) = 1 λ. (12) Dôkaz: Z denície podmienenej pravdepodobnosti a (10) P(τ k > t + τ τ k > t) = P(τ k > t + τ, τ k > t) P(τ k > t) = E(τ k ) = = e λ(t+τ) e λt t λe λt dt = = 1 λ. 0 = e λτ = P(τ k > τ).
32 Proces vzniku a zániku Procesom vzniku a zániku rozumieme homogénny Markovov proces s mnoºinou stavov S = {0, 1, 2,... } s po iato ným rozdelením p(0) = (0,..., 0, 1, 0,... ) a s nasledujúcim prechodovým grafom Obr. 7: Prechodový graf procesu vzniku a zániku Poznámka Jedná sa o model populácie, v ktorej z niektorých jedincov vznikajú noví jedinci a iní jedinci pustupne zanikajú - odtia tieº alternatívny názov proces rodenia a úmrtí.
33 peciálne prípady 1 lineárny proces vzniku a zániku intenzity prechodu sú lineárnymi funkciami stavov, v ktorých bol systém v predo²lom okamihu napr. λ i = (i + 1)λ, λ > 0 pre i = 0, 1, 2,... a µ i = iµ, µ > 0 pre i = 1, 2,..., 2 proces rastu ke po et jedincov v systéme s asom len rastie t.j. λ i > 0 pre i = 0, 1, 2,..., 3 proces zániku ke po et jedincov v systéme s asom len klesá t.j. µ i > 0 pre i = 1, 2,..., 4 kone ný proces vzniku a zániku u ktorého je mnoºina stavov S = {0, 1, 2,..., n} kone ná, a tak λ i > 0 pre i S {n} a µ i > 0 pre i S {0}.
34 Kone ný proces vzniku a zániku Veta 2.11 Kone ný proces vzniku a zániku je regulárny a má stacionárne rozdelenie π = (π j ) j S ur ené π j = π 0 λ 0 λ 1... λ j 1 µ 1 µ 2... µ j j S {0}, (13) kde π 0 = (1 j S {0} λ 0 λ 1... λ j 1 µ 1 µ 2... µ j ) 1. (14) Dôkaz: ahko sa presved íme, ºe v prechodovom grafe na obr.8 existuje medzi kaºdou dvojicou vrcholov i, j S, i j orientovaný sled d ºky n = S 1. Najkrat²í sled dlºky n je 0 n. Pre ostatné sledy i j, i j < n môºme vyuºi slu ky na dorovnanie d ºok. Pod a Marklovovej vety 2.5 je proces regulárny.
35 Obr. 8: Prechodový graf kone ného procesu vzniku a zániku Pod a Marklovej vety 2.6 sta í nájs v²etky kore ové kostry vo vrcholoch, no tu existuje pre kaºdý vrchol j S jediná kostra s ohodnotením B j B 0 = µ 1 µ 2... µ n, B 1 = λ 0 µ 2... µ n,... B j = λ 0 λ 1... λ j 1µ j+1... µ n,..., B n = λ 0 λ 1... λ n 1 Po dosadení do vzorca (6) máme vz ah (13) a z π j π 0 (14). = B j B 0 vz ah
36 Príklad 2.9 Vrátime sa k 5-tim guli kám. Bude predpoklada, ºe doba pobytu guli ky v 1. urne má exponenciálne rozdelenie s parametrom µ, µ > 0 a v 2. urne má exponenciálne rozdelenie s parametrom λ, λ > 0. Udalos ou v tomto systéme je presko enie niektorej guli ky medzi urnami. Stabilizuje sa systém a aký bude stredný po et guli iek v 1. a 2. urne? Mnoºinou stavov v takomto systéme je po et guli iek v 1.urne, teda S = {0, 1, 2,..., 5}. alej vyuºijeme bezpamä ovú vlastnos exponenciálneho rozdelenia ktorá zabezpe uje Markovovu vlastnas modelujúceho procesu. Ak τ 1 Exp(µ) a τ 2 Exp(λ) sú doby pobytu guli iek v 1. a 2. urne, Prametre oboch rozdelelení nezávisia na ase a tak sa jedná o homogénny proces. Vypo ítame pp. prechodu pre nejaký dostato ne malý asový interval d ºky t, pri om sa sústredíme len na zmeny stavu vyvolané zmenou polohy nanajvý² jednej guli ky. Zmeny polohy viac neº jednej guli ky v tomto intervale nastávajú s pp. o( t).
37 Príklad pokra ovanie I. Teda p ij ( t) = o( t) pre stavy i, j S : i j > 1. Pravdepodobnos, ºe 1. urna je prázdna a ºiadna guli ka do nej presko í je rovná sú inu pp., ºe guli ky v priebehu asového intervalu d ºky t nezmenia svoju polohu p 00 ( t) = P(τ 2 > t) 5 + o( t) = e 5λ t + o( t) = = 1 5λ t + o( t). Pravdepodobnos, ºe 1. urna je prázdna a 1 guli ka do nej presko í je rovná sú inu pp., ºe 1 z 5-tich guli ku v priebehu asového intervalu d ºky t zmení 1 svoju polohu ale ostatné 4 nezmenia p 01 ( t) = 5P(τ 2 t)p(τ 2 > t) 4 + o( t) = = 5(1 e λ t )(e λ t ) 4 + o( t) = = 5λ t + o( t).
38 Príklad pokra ovanie II. Potom ak je 1. urne i guli iek (1 i 5) potom analogicky máme p i,i 1( t) = i(p(τ 1 t)(p(τ 1 > t) i 1 P(τ 2 > t) 5 i +... = i(1 e µ t )(e µ t ) i 1 (e λ t ) 5 i + o( t) = = iµ t + o( t). p i,i+1( t) = (5 i)(p(τ 2 t)p(τ 1 > t) i P(τ 2 > t) 4 i +... = (5 i)(1 e λ t )(e µ t ) i (e λ t ) 4 i + o( t) = = (5 i)λ t + o( t). p i,i( t) = P(τ 1 > t) i P(τ 2 > t) 5 i + o( t) = = (e µ t ) i (e λ t ) 5 i + o( t) = = 1 (iµ + (5 i)λ) t + o( t).
39 Príklad pokra ovanie III. Pravdepodobnos ºe 1. urna je plná a jedna z jej guli iek presko í je p 54 ( t) = 5P(τ 1 t)p(τ 1 > t) 4 + o( t) = 5(1 e µ t )(e µ t ) 4 + o( t) = 5µ t + o( t). Kone ne pp. ºe 1. urna zostane plná je p 55 ( t) = P(τ 1 > t) 5 + o( t) = (e µ t ) 5 + o( t) = 1 5µ t + o( t). Teraz uº ahko zostrojíme prechodový graf a tak sa pod a vety 2.11 systém stabilizuje a výpo et stredného po tu guli iek v urnách ;-) môºeme ponecha na cvi enie.
40 Nekone ný proces vzniku a zániku Veta 2.12 Nech pre proces vzniku a zániku s nekone nou mnoºinou stavov platí λ 0 λ 1... λ j 1 <. (15) µ 1 µ 2... µ j j=1 Potom je proces regulárny a má stacionárne rozdelenie π = (π j ) j=0 ur ené π j = π 0 λ 0 λ 1... λ j 1 µ 1 µ 2... µ j j 1, (16) kde π 0 = ( 1 j=1 λ 0 λ 1... λ j 1 µ 1 µ 2... µ j ) 1. (17)
Motivácia 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 περισσότεραEulerovské grafy. Príklad Daný graf nie je eulerovský, ale obsahuje eulerovskú cestu (a, ab, b, bc, c, cd, d, da, a, ac, c, ce, e, ed, d, db).
Eulerovské grafy Denícia Nech G = (V, E) je graf. Uzavretý ah v G sa nazýva eulerovská kruºnica, ak obsahuje v²etky hrany G. Otvorený ah obsahujúci v²etky hrany grafu sa nazýva eulerovská cesta. Graf sa
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 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 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 περισσότεραMaticové hry. doc. RNDr. tefan Pe²ko. 9. marca Katedra matematických metód a opera nej analýzy, FRI šu
Katedra matematických metód a opera nej analýzy, FRI šu 9. marca 2018 Antagonistický konikt dvoch hrá ov s kone nými priestormi stratégií modeluje maticová hra. Denícia 3.1 Kone nú hra s nulovým sú tom
Διαβάστε περισσότεραPravdepodobnos a ²tatistika (1-INF-435) Poznámky k predná²kam. Radoslav Harman, KAM, FMFI UK
Pravdepodobnos a ²tatistika (1-INF-435) Poznámky k predná²kam Radoslav Harman, KAM, FMFI UK 15. januára 2014 Obsah 1 Úvod 3 2 Axiomatická denícia pravdepodobnosti 3 2.1 Priestor udalostí..................................
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 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 περισσότεραNekone ný antagonistický konikt
Katedra matematických metód, FRI šu 12. apríl 2012 V al²om výklade sa obmedzíme na také hry dvoch hrá ov H 0, v ktorých sú priestory stratégií hrá ov nekone né mnoºiny. Takýto prístup je výhodný aj v pripadoch
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 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 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 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 περισσότεραVLASTNÉ ČÍSLA A JORDANOV KANONICKÝ TVAR. Michal Zajac. 3 T b 1 = T b 2 = = = 2b
VLASTNÉ ČÍSLA A JORDANOV KANONICKÝ TVAR Michal Zajac Vlastné čísla a vlastné vektory Pripomeňme najprv, že lineárny operátor T : L L je vzhl adom na bázu B = {b 1, b 2,, b n } lineárneho priestoru L určený
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 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 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 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 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 περισσότεραMATEMATIKA I. Základy diferenciálneho počtu. Návody k cvičeniam pre odbory VSVH a STOP. Andrea Stupňanová, Alexandra Šipošová
MATEMATIKA I. Základy diferenciálneho počtu Návody k cvičeniam pre odbory VSVH a STOP Andrea Stupňanová, Alexandra Šipošová MATEMATIKA I. Základy diferenciálneho počtu Návody k cvičeniam pre odbory VSVH
Διαβάστε περισσότεραHry N hrá ov. doc. RNDr. tefan Pe²ko. April 9, Katedra matematických metód a opera nej analýzy, FRI šu
Katedra matematických metód a opera nej analýzy, FRI šu April 9, 2018 Budeme predpoklada, ºe kaºdý z N hrá ov (N 2) je inteligentný hrá. Najskôr za budeme zaobera nekooperativnymi hrami, v ktorých hrá
Διαβάστε περισσότεραMatematika 2. časť: Analytická geometria
Matematika 2 časť: Analytická geometria RNDr. Jana Pócsová, PhD. Ústav riadenia a informatizácie výrobných procesov Fakulta BERG Technická univerzita v Košiciach e-mail: jana.pocsova@tuke.sk Súradnicové
Διαβάστε περισσότεραPlanárne a rovinné grafy
Planárne a rovinné grafy Definícia Graf G sa nazýva planárny, ak existuje jeho nakreslenie D, v ktorom sa žiadne dve hrany nepretínajú. D sa potom nazýva rovinný graf. Planárne a rovinné grafy Definícia
Διαβάστε περισσότεραKatedra matematiky Fakulta elektrotechniky a informatiky
Katedra matematiky Fakulta elektrotechniky a informatiky Technická univerzita v Ko²iciach GRAFOVÉ ALGORITMY A FORMÁLNA LOGIKA Marián Kle², Ján Plavka Ko²ice 2008 RECENZOVALI: RNDr. Vladimír Lacko, PhD.
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 περισσότεραÚvod do lineárnej algebry. Monika Molnárová Prednášky
Úvod do lineárnej algebry Monika Molnárová Prednášky 2006 Prednášky: 3 17 marca 2006 4 24 marca 2006 c RNDr Monika Molnárová, PhD Obsah 2 Sústavy lineárnych rovníc 25 21 Riešenie sústavy lineárnych rovníc
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 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 περισσότεραZbierka rie²ených úloh z matematickej fyziky
Zbierka rie²ených úloh z matematickej fyziky Milan šukovi 22. novembra 2009 2 Obsah Komplexné ísla. Úvod.................................................................2 Úlohy...............................................................
Διαβάστε περισσότεραZáklady automatického riadenia
Základy automatického riadenia Predná²ka 8 doc. Ing. Anna Jadlovská, PhD., doc. Ing. Ján Jadlovský, CSc. Katedra kybernetiky a umelej inteligencie Fakulta elektrotechniky a informatiky Technická univerzita
Διαβάστε περισσότεραPRUŽNOSŤ A PEVNOSŤ PRE ŠPECIÁLNE INŽINIERSTVO
ŽILINSKÁ UNIVERZITA V ŽILINE Fakulta špeciálneho inžinierstva Doc. Ing. Jozef KOVAČIK, CSc. Ing. Martin BENIAČ, PhD. PRUŽNOSŤ A PEVNOSŤ PRE ŠPECIÁLNE INŽINIERSTVO Druhé doplnené a upravené vydanie Určené
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 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 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 περισσότεραIV Paralelné a distribuované výpo ty. Dana Pardubská
IV 100 - Paralelné a distribuované výpo ty Dana Pardubská 2 Obsah 1 Model distribuovaných výpo tov 7 1.1 Formálny popis...................................... 7 1.2 Overovanie vlastností prechodových systémov.....................
Διαβάστε περισσότεραMATEMATIKA. Martin Kalina
MATEMATIKA Martin Kalina Slovenská technická univerzita v Bratislave Všetky práva vyhradené. Nijaká časť textu nesmie byť použitá na ďalšie šírenie akoukoľvek formou bez predchádzajúceho súhlasu autorov
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 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 περισσότεραPriamkové plochy. Ak každým bodom plochy Φ prechádza aspoň jedna priamka, ktorá (celá) na nej leží potom plocha Φ je priamková. Santiago Calatrava
Priamkové plochy Priamkové plochy Ak každým bodom plochy Φ prechádza aspoň jedna priamka, ktorá (celá) na nej leží potom plocha Φ je priamková. Santiago Calatrava Priamkové plochy rozdeľujeme na: Rozvinuteľné
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 περισσότεραTomáš Madaras Prvočísla
Prvočísla Tomáš Madaras 2011 Definícia Nech a Z. Čísla 1, 1, a, a sa nazývajú triviálne delitele čísla a. Cele číslo a / {0, 1, 1} sa nazýva prvočíslo, ak má iba triviálne delitele; ak má aj iné delitele,
Διαβάστε περισσότεραLineárna algebra I - pole skalárov, lineárny priestor, lineárna závislosť, dimenzia, podpriestor, suma podpriestorov, izomorfizmus
1. prednáška Lineárna algebra I - pole skalárov, lineárny priestor, lineárna závislosť, dimenzia, podpriestor, suma podpriestorov, izomorfizmus Matematickým základom kvantovej mechaniky je teória Hilbertových
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 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 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 περισσότεραMIDTERM (A) riešenia a bodovanie
MIDTERM (A) riešenia a bodovanie 1. (7b) Nech vzhl adom na štandardnú karteziánsku sústavu súradníc S 1 := O, e 1, e 2 majú bod P a vektory u, v súradnice P = [0, 1], u = e 1, v = 2 e 2. Aký predpis bude
Διαβάστε περισσότεραAlgoritmy teórie grafov
Algoritmy teórie grafov Hľadanie minimálnej kostry grafu Kostra grafu taký strom grafu G = [U, H], pre ktorého podrgaf G = [U, H ] platí U = U a H H (faktor grafu). Kostra grafu každý súvislý graf má kostru.
Διαβάστε περισσότεραPavol Jozef afárik University in Ko²ice Faculty of Science. Testovanie a verikácia programov Floydova metóda Gabriela Andrejková
Pavol Jozef afárik University in Ko²ice Faculty of Science Testovanie a verikácia programov Floydova metóda Gabriela Andrejková Pri dokazovaní správnosti programov je potrebné ma ²pecikované: a) programovací
Διαβάστε περισσότεραTeória pravdepodobnosti
2. Podmienená pravdepodobnosť Katedra Matematických metód Fakulta Riadenia a Informatiky Žilinská Univerzita v Žiline 23. februára 2015 1 Pojem podmienenej pravdepodobnosti 2 Nezávislosť náhodných udalostí
Διαβάστε περισσότεραDIPLOMOVÁ PRÁCE. Monika Jakubcová Míry ecience portfolia vzhledem k stochastické dominanci
Univerzita Karlova v Praze Matematicko-fyzikální fakulta DIPLOMOVÁ PRÁCE Monika Jakubcová Míry ecience portfolia vzhledem k stochastické dominanci Katedra pravd podobnosti a matematické statistiky Vedoucí
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 περισσότεραDefinícia parciálna derivácia funkcie podľa premennej x. Definícia parciálna derivácia funkcie podľa premennej y. Ak existuje limita.
Teória prednáška č. 9 Deinícia parciálna deriácia nkcie podľa premennej Nech nkcia Ak eistje limita je deinoaná okolí bod [ ] lim. tak túto limit nazýame parciálno deriácio nkcie podľa premennej bode [
Διαβάστε περισσότεραFUNKCIE N REÁLNYCH PREMENNÝCH
FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY UNIVERZITY KOMENSKÉHO V BRATISLAVE FUNKCIE N REÁLNYCH PREMENNÝCH RNDr. Kristína Rostás, PhD. PREDMET: Matematická analýza ) 2010/2011 1. DEFINÍCIA REÁLNEJ FUNKCIE
Διαβάστε περισσότεραTeória grafov I definícia grafu, základné pojmy, podgraf, cesty a kružnice v grafe, orientované grafy, eulerovský ťah, hamiltonovská kružnica
0. kapitola Teória grafov I definícia grafu, základné pojmy, podgraf, cesty a kružnice v grafe, orientované grafy, eulerovský ťah, hamiltonovská kružnica 0. Úvodné poznámky Teória grafov ako matematická
Διαβάστε περισσότεραMETÓDY VNÚTORNÉHO BODU VO FINANƒNÝCH MODELOCH DIPLOMOVÁ PRÁCA
Fakulta matematiky, fyziky a informatiky Univerzity Komenského v Bratislave Katedra aplikovanej matematiky a ²tatistiky METÓDY VNÚTORNÉHO BODU VO FINANƒNÝCH MODELOCH DIPLOMOVÁ PRÁCA 2006 Václav Kolátor
Διαβάστε περισσότερα4. Výrokové funkcie (formy), ich definičný obor a obor pravdivosti
4. Výrokové funkcie (formy), ich definičný obor a obor pravdivosti Výroková funkcia (forma) ϕ ( x) je formálny výraz (formula), ktorý obsahuje znak x, pričom x berieme z nejakej množiny M. Ak za x zvolíme
Διαβάστε περισσότεραVektorový priestor V : Množina prvkov (vektory), na ktorej je definované ich sčítanie a ich
Tuesday 15 th January, 2013, 19:53 Základy tenzorového počtu M.Gintner Vektorový priestor V : Množina prvkov (vektory), na ktorej je definované ich sčítanie a ich násobenie reálnym číslom tak, že platí:
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 περισσότερα4 Reálna funkcia reálnej premennej a jej vlastnosti
Reálna unkcia reálnej premennej a jej vlastnosti Táto kapitola je venovaná štúdiu reálnej unkcie jednej reálnej premennej. Pojem unkcie patrí medzi základné pojmy v matematike. Je to vlastne matematický
Διαβάστε περισσότεραx x x2 n
Reálne symetrické matice Skalárny súčin v R n. Pripomeniem, že pre vektory u = u, u, u, v = v, v, v R platí. dĺžka vektora u je u = u + u + u,. ak sú oba vektory nenulové a zvierajú neorientovaný uhol
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 περισσότεραGoniometrické substitúcie
Goniometrické substitúcie Marta Kossaczká S goniometrickými funkciami ste sa už určite stretli, pravdepodobne predovšetkým v geometrii. Ich použitie tam ale zďaleka nekončí. Nazačiatoksizhrňme,čoonichvieme.Funkciesínusakosínussadajúdefinovať
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 περισσότεραPríklady na precvičovanie Fourierove rady
Príklady na precvičovanie Fourierove rady Ďalším významným typom funkcionálnych radov sú trigonometrické rady, pri ktorých sú jednotlivé členy trigonometrickými funkciami. Konkrétne, jedná sa o rady tvaru
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 περισσότεραJán Buša Štefan Schrötter
Ján Buša Štefan Schrötter 1 KOMPLEXNÉ ČÍSLA 1 1.1 Pojem komplexného čísla Väčšine z nás je známe, že druhá mocnina ľubovoľného reálneho čísla nemôže byť záporná (ináč povedané: pre každé x R je x 0). Ako
Διαβάστε περισσότεραPrednáška Fourierove rady. Matematická analýza pre fyzikov IV. Jozef Kise lák
Prednáška 6 6.1. Fourierove rady Základná myšlienka: Nech x Haφ 1,φ 2,...,φ n,... je ortonormálny systém v H, dá sa tento prvok rozvinút do radu x=c 1 φ 1 + c 2 φ 2 +...,c n φ n +...? Ako nájdeme c i,
Διαβάστε περισσότεραLogické systémy. doc. RNDr. Jana Galanová, PhD. RNDr. Peter Kaprálik, PhD. Mgr. Marcel Polakovič, PhD.
Logické systémy doc. RNDr. Jana Galanová, PhD. RNDr. Peter Kaprálik, PhD. Mgr. Marcel Polakovič, PhD. KAPITOLA 1 Úvodné pojmy V tejto časti uvádzame základné pojmy, prevažne z diskrétnej matematiky, ktoré
Διαβάστε περισσότεραKódovanie a dekódovanie
Kódovanie a deovanie 1 Je daná množina B={0,1,2} Zostrojte množinu B* všetkých možných slov dĺžky dva 2 Je daná zdrojová abeceda A={α,β,ϕ,τ} Navrhnite príklady aspoň dvoch prostých ovaní týchto zdrojových
Διαβάστε περισσότεραObsah. 1.1 Reálne čísla a ich základné vlastnosti... 7 1.1.1 Komplexné čísla... 8
Obsah 1 Číselné obory 7 1.1 Reálne čísla a ich základné vlastnosti............................ 7 1.1.1 Komplexné čísla................................... 8 1.2 Číselné množiny.......................................
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 περισσότερα4. decembra decembra 2003 Teria grafov 1
4. decembra 2003 19. decembra 2003 Teria grafov 1 9. Teória grafov Definícia. Obyčajný graf G je dvojica (V, E), kde V je množina vrcholov grafu G, E množina hrán grafu G je podmnožinou množiny ( V 2).
Διαβάστε περισσότεραu R Pasívne prvky R, L, C v obvode striedavého prúdu Činný odpor R Napätie zdroja sa rovná úbytku napätia na činnom odpore.
Pasívne prvky, L, C v obvode stredavého prúdu Čnný odpor u u prebeh prúdu a napäta fázorový dagram prúdu a napäta u u /2 /2 t Napäte zdroja sa rovná úbytku napäta na čnnom odpore. Prúd je vo fáze s napätím.
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 περισσότεραZáklady automatického riadenia
Základy automatického riadenia Predná²ka 9 doc. Ing. Anna Jadlovská, PhD., doc. Ing. Ján Jadlovský, CSc. Katedra kybernetiky a umelej inteligencie Fakulta elektrotechniky a informatiky Technická univerzita
Διαβάστε περισσότεραDeliteľnosť a znaky deliteľnosti
Deliteľnosť a znaky deliteľnosti Medzi základné pojmy v aritmetike celých čísel patrí aj pojem deliteľnosť. Najprv si povieme, čo znamená, že celé číslo a delí celé číslo b a ako to zapisujeme. Nech a
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 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 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 περισσότεραUNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY
UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY KALIBRÁCIA JEDNOFAKTOROVÉHO MODELU ÚROKOVÝCH MIER POMOCOU VIACERÝCH KRITÉRIÍ DIPLOMOVÁ PRÁCA Bratislava 2015 Bc. Martin ƒechvala
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 περισσότεραNumerické metódy, pravdepodobnosť a matematická štatistika. Ján BUŠA Viktor PIRČ Štefan SCHRÖTTER
Numerické metódy, pravdepodobnosť a matematická štatistika Ján BUŠA Viktor PIRČ Štefan SCHRÖTTER Košice 2006 RECENZOVALI: Prof. RNDr. Jozef Doboš, CSc. Doc. RNDr. Vladimír Penjak, CSc. Prvé vydanie Za
Διαβάστε περισσότεραNumerické metódy, pravdepodobnosť a matematická štatistika
Numerické metódy, pravdepodobnosť a matematická štatistika Ján BUŠA Viktor PIRČ Štefan SCHRÖTTER Strana 1 z 262 Košice 2006 RECENZOVALI: Prof. RNDr. Jozef Doboš, CSc. Doc. RNDr. Vladimír Penjak, CSc. Strana
Διαβάστε περισσότεραZÁKLADY MATEMATIKY 1 UNIVERZITA KONŠTANTÍNA FILOZOFA V NITRE FAKULTA PRÍRODNÝCH VIED
UNIVERZITA KONŠTANTÍNA FILOZOFA V NITRE FAKULTA PRÍRODNÝCH VIED ZÁKLADY MATEMATIKY 1 Kitti Vidermanová, Júlia Záhorská Eva Barcíková, Michaela Klepancová NITRA 2013 Názov: Základy matematiky 1 Edícia Pírodovedec.
Διαβάστε περισσότεραCieľom cvičenia je zvládnuť riešenie diferenciálnych rovníc pomocou Laplaceovej transformácie,
Kapitola Riešenie diferenciálnych rovníc pomocou Laplaceovej tranformácie Cieľom cvičenia je zvládnuť riešenie diferenciálnych rovníc pomocou Laplaceovej tranformácie, keď charakteritická rovnica má rôzne
Διαβάστε περισσότεραAko si nájs chybu? o a ako sa pýta výsledkov
o a ako sa pýta výsledkov Katedra teoretickej fyziky a didaktitky fyziky FMFI, UK Letná ²kola FKS/TMF 29.7.2016 Keby ste sa nudili Túto prezentáciu a mnoºstvo al²ích príkladov nájdete na davinci.fmph.uniba.sk/
Διαβάστε περισσότερα11. prednáška ( ) Najkratšie cesty (v grafe)
11. prednáška (9.5.2016) Najkratšie cesty (v grafe) 1 Grafy čo už vieme... Umožňujú modelovať relácie medzi objektmi reálneho sveta Skladajú sa z vrcholov a hrán G=(V, E) neorientované grafy (krúžky a
Διαβάστε περισσότεραŘečtina I průvodce prosincem a začátkem ledna prezenční studium
Řečtina I průvodce prosincem a začátkem ledna prezenční studium Dobson číst si Dobsona 9. až 12. lekci od 13. lekce už nečíst (minulý čas probírán na stažených slovesech velmi matoucí) Bartoň pořídit si
Διαβάστε περισσότεραFUNKCIE. Funkcia základné pojmy. Graf funkcie
FUNKCIE Funkcia základné pojm. Graf funkcie V prai sa často stretávame so skúmaním závislosti veľkosti niektorých veličín od veľkosti iných veličín, napríklad dĺžka kružnice l závisí od jej priemeru d
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 περισσότεραTECHNICKÁ UNIVERZITA V KOŠICIACH STROJNÍCKA FAKULTA MATEMATIKA 1. Funkcia jednej premennej a jej diferenciálny počet
TECHNICKÁ UNIVERZITA V KOŠICIACH STROJNÍCKA FAKULTA MATEMATIKA časťa Funkcia jednej premennej a jej diferenciáln počet Dušan Knežo, Miriam Andrejiová, Zuzana Kimáková 200 RECENZOVALI: prof. RNDr. Jozef
Διαβάστε περισσότεραKatolícka univerzita v Ružomberku, Pedagogická fakulta TEÓRIA GRAFOV. ( História matematiky referát ) Mária Házyová. M I Nv
atolícka univerzita v Ružomberku, Pedagogická fakulta TEÓRIA GRAFOV ( História matematiky referát ) Mária Házyová 4.ročník M I Nv Teória grafov Teória grafov je časť matematiky, ktorá skúma vlastnosti
Διαβάστε περισσότεραNumerické metódy Učebný text pre bakalárske štúdium
Imrich Pokorný Numerické metódy Učebný text pre bakalárske štúdium Strana 1 z 48 1 Nepresnosť numerického riešenia úloh 4 1.1 Zdroje chýb a ich klasifikácia................... 4 1.2 Základné pojmy odhadu
Διαβάστε περισσότεραObyčajné diferenciálne rovnice
(ÚMV/MAN3b/10) RNDr. Ivan Mojsej, PhD ivan.mojsej@upjs.sk 14.3.2013 Úvod patria k najdôležitejším a najviac prepracovaným matematickým disciplínam. Nielen v minulosti, ale aj v súčastnosti predstavujú
Διαβάστε περισσότεραNUMERICKÁ MATEMATIKA. Moderné vzdelávanie pre vedomostnú spoločnosť/ Projekt je spolufinancovaný zo zdrojov EÚ. Fakulta elektrotechniky a informatiky
Moderné vzdelávanie pre vedomostnú spoločnosť/ Projekt je spolufinancovaný zo zdrojov EÚ NUMERICKÁ MATEMATIKA Fakulta elektrotechniky a informatiky Štefan Berežný Táto publikácia vznikla za finančnej podpory
Διαβάστε περισσότεραTREDNÁ ODBORNÁ ŠKOLA STRÁŽSKE PRACOVNÝ ZOŠIT. k predmetu Matematika pre
TREDNÁ ODBORNÁ ŠKOLA STRÁŽSKE PRACOVNÝ ZOŠIT k predmetu Matematika pre 2. ročník SOŠ v Strážskom, študijný odbor 3760 6 00 prevádzka a ekonomika dopravy Operačný program: Vzdelávanie Programové obdobie:
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 περισσότεραGoniometrické funkcie
Goniometrické funkcie Oblúková miera Goniometrické funkcie sú funkcie, ktoré sa používajú pri meraní uhlov (Goniometria Meranie Uhla). Pri týchto funkciách sa uvažuje o veľkostiach uhlov udaných v oblúkovej
Διαβάστε περισσότερα24. Základné spôsoby zobrazovania priestoru do roviny
24. Základné spôsoby zobrazovania priestoru do roviny Voľné rovnobežné premietanie Presné metódy zobrazenia trojrozmerného priestoru do dvojrozmernej roviny skúma samostatná matematická disciplína, ktorá
Διαβάστε περισσότερα