Regresija in korelacija
|
|
- Σόλων Παχής
- 6 χρόνια πριν
- Προβολές:
Transcript
1 Regresija in korelacija - Kvantitativne metode v geografiji in uvod v GIS - dr. Gregor Kovačič, doc.
2 Odvisnost in povezanost Opazujemo primere, ko na vsaki enoti gledamo dve številski spremenljivki hkrati Spremenljivki imata lahko dve relaciji Odvisnost Vpliv vrednosti ene spremenljivke na vrednosti druge, v obratni smeri pa ni vpliva (X neodvisna spremenljivka; Y odvisna spremenljivka) Primer: nadmorska višina in temperatura zraka Namen študije odvisnosti Pridobiti nova spoznanja o odvisnosti Napovedovanje vrednosti odvisne spremenljivke Y pri izbrani vrednosti neodvisne spremenljivke X (nekaj podobnega, kot je napovedovanje vrednosti časovne vrste s pomočjo trenda) Povezanost (soodvisnost) Relacija, ko se vrednosti obeh spremenljivk spreminjajo hkrati Primer: Prostornina in masa prodnikov sta povezani (soodvisni) spremenljivki obe spremenljivki sta enakovredni (vseeno je, katero spremenljivko značimo z X ali Y) Namen študije povezanosti Izračunati ustrezno mero, ki vrednosti jakost povezanosti obeh spremenljivk Običajni meri povezanosti sta Pearsonov koeficient korelacije in Spearmanov koeficient korelacije rangov Obliko in jakost odvisnosti in povezanosti med dvema spremenljivkama lahko ponazorimo: Grafično (razsevni grafikon) S števili, koeficienti (različno glede na tip spremenljivk)
3 Regresija Regresija je prilagajanje ustrezne matematične funkcije empiričnim podatkom to funkcijo imenujemo regresijska funkcija Lahko je enostavna, npr. linearna Kompleksna Regresijska funkcija je funkcija, ki se najbolje prilega preučevanemu pojavu in kaže, kakšen bi bil vpliv spremenljivke X na Y, če razen vpliva spremenljivke X ne bi bilo drugih vplivov na spremenljivko Y. Metoda, s katero ob znani X napovemo, koliko bo (neznana) Y. Primer: Kolikšen bo pretok reke pri vodostaju 600, če velja, da je pretok reke pri vodostaju 400 cm = 45 m 3 /s. Napoved vedno vsebuje napako (razen če gre za funkcijsko zvezo), ki je tem večja, čim manjša (absolutno) je korelacija med X in Y. Napovedovanje vrednosti spremenljivke Y iz X zunaj okvirjev podatkov X, ki smo jih uporabili za postavitev linearnega modela, je zelo tvegano početje (npr. stoletnih poplav na osnovi obstoječih podatkov). Išče se funkcijo, pri kateri je vsota kvadratov odklonov minimalna Podatke najprej grafično prikažemo z razsevnim grafikonom
4 Razsevni grafikon ali korelacijski diagram Razsevni diagram je grafični prikaz povezanosti med dvema spremenljivkama. Regresijska črta kaže obliko povezanosti: - Linearna - Nelinearna (krivuljna)
5 Model enostavne linearne regresije Grafična rešitev je premica, ki poteka skozi korelacijski oblak v razsevnem grafikonu (točke (X,Y)) čim bližje sredini Pri linearni regresiji je to premica z enačbo Y = α + β X+ ε Kriterij, ki določa, da bo premica potekala čim bolj po sredini korelacijskega oblaka, je kriterij metode najmanjših kvadratov vsota kvadriranih odklonov mora biti najmanjša Rešitev α in β dobimo iz sistema dveh linearnih enačb Y - napovedana vrednost oz. linearna regresijska funkcija N t1 ( y t y ' i ) min α - presečišče z osjo Y; α = μ y β μ x β - pričakovano povečanje Y, če se X poveča za 1 enoto; β =C xy / σ x Ocena linearnega regresijskega modela je torej premica Y = α + β X
6 Regresijska premica Ob kriteriju najmanjših kvadratov odklonov Pri enačbi Y = α + β X imamo rešitev β =C xy / σ x α = μ y β μ x MS Excel vam na ukaz sam doda linearno regresijsko premico (lahko tudi druge krivulje) in enačbo ter izračuna determinacijski koeficient (glej predavanje o trendih pri časovnih vrstah) N t1 ( y t y ' i ) min C xy 1 N N i1 1 ( x ) ( y N x ( x i N i 1 i x i ) x ) y
7 Regresijska premica - primer Reka 1 = X Reka 1 = Y Datum Vodostaj (cm) Pretok (m 3 /s) x i - µ x y i - µ y (x i - µ x ) x (y i - µ y ) AS (µ) Standardni odklon σ AS (X ) AS (Y ) SUM Kovarianca XY = 415 / Pearson r = C XY / σ X * σ Y 0.8 β = C XY / σ X α = μ Y β μ X Y = α + β X (30 cm) Regresijska enačba Y = α + β X Y = 0,139 X + 3,1197 Interpretacija: - Vrednost α = 0,139 nima vsebinskega pomena - Vrednost β pove, da se pretok reke poveča za 139 l/s, če se vodostaj poveča za 1 cm Kolikšen je pretok reke 1 pri vodostaju 30 cm? Ugotovitve / pojasnila: Izračunana vrednost je nižja od tiste v preglednici za ta pretok, razlog je v tem, da vodostaj in pretok nista linearno povezana, temveč gre za krivuljno povezanost Napovedovanje vrednosti spremenljivke Y iz X zunaj okvirjev podatkov X, ki smo jih uporabili za postavitev linearnega modela, je zelo tvegano početje (npr. stoletnih poplav na osnovi obstoječih podatkov).
8 Regresijska premica in razsevni grafikon pretok reke 1 (m3/s) Qd = 85 m 3 /s Qi = 76 m 3 /s y = x R = Regresijska premica je pri vodostaju 30 cm pod krivuljo, zato je izračunani Q i iz regresijske enačbe manjši od dejanskega Q d vodostaj reke 1 (cm) 30 cm Polinomska regresijska krivulja Boljša povezanost bolj natančne napovedi (to poznamo že iz računanja trendov) pretok reke 1 (m3/s) y = x x R = y = 8E-07x x x R = vodostaj reke 1 (cm)
9 Determinacijski koeficient (r ) Regresijski model je lahko boljši ali slabši. Mera, ki vrednosti kakovost regresijskega modela je koeficient determinacije (r ) Pri napovedovanju Y iz X pri vsaki od enot delamo večjo ali manjšo napako. Njeno varianco imenujemo varianca napake ali nepojasnjena varianca. N 1 ' ( y y ) y N i 1 i i Njen koren je standardna napaka napovedi ali ocene. y y xy Pravilno napovedan del variance pa se imenuje pojasnjena varianca. Izračunamo jo enostavno kot r determinacijski koeficient, ki je določen na intervalu med 0 in 1. Ta kaže delež (lahko tudi v %) celotne variance spremenljivke Y, ki je pojasnjen z variiranjem spremenljivke X. V primeru linearne regresije je enak kvadratu Pearsonovega koeficienta korelacije ( XY ). 1 - r je nepojasnjena varianca. C y xy x Glej primer pri Pearsonovem koeficientu korelacije! r xy C x xy y
10 Pearsonov koeficient korelacije - r Ugotavljanje povezanosti dveh številskih (razmernostnih) spremenljivk Računanje iz nestandardiziranih podatkov kovarianca vlomljena s standardnimi odkloni spremenljivk r xy C x xy y Pri tem je kovarianca enaka povprečnemu produktu odklonov od povprečja C xy 1 N N i1 ( x i ) ( y x i ) y C xy - kovarianca σ x standardni odklon spremenljivke x σ y - standardni odklon spremenljivke y N - število vseh enot (parov rangov) 1 N x ( x i N i 1 ) x Vrednosti na intervalu -1 do +1-1 popolna negativna povezanost 0 ni povezanosti +1 popolna pozitivna povezanost 1 N y ( y i N i 1 ) y Meri se samo linearna povezanost Močan vpliv osamelcev (outliers), zlasti pri majhnih vzorcih (malo podatkov) Korelacija spremenljivke same s seboj = 1 Koeficient korelacije je simetričen, spremenljivki sta enakovredni, torej velja σ xy = σ yx (varianci!)
11 Pearsonov koeficient - primer Reka 1 = x Reka = y Datum pretok (m 3 /s) pretok (m 3 /s) x i - µ x y i - µ y (x i -µ x ) x (y i -µ y ) ,360 6,049-58,435-3,65 190, ,753 5,973-59,04-3, , ,198 7,47-48,597-1,84 89, ,797 8,988-11,998-0,36 3, ,998 9,398 0,03 0,084 0, ,459 9,518 4,664 0,04 0, ,149 9,48,354 0,168 0, ,34 9,511 3,59 0,197 0, ,595 9,6 6,800 0,308, ,815 9,574 6,00 0,60 1, ,550 9,53 5,755 0,18 1, ,010 9,489 5,15 0,175 0, ,459 9,496 4,664 0,18 0, ,54 9,654 8,747 0,340, ,111 9,969 16,316 0,655 10, ,763 10,10 17,968 0,896 16, ,610 10,86 18,815 0,97 18, ,811 10,313 19,016 0,999 18, ,899 10,34 19,104 1,010 19, ,113 10,349 19,318 1,035 19, ,380 10,385 19,585 1,071 0,975 AS (µ) 68,795 9,314 0,000 0, ,5 Standardni odklon (σ) 4,017 1,39 AS (x) AS (y) SUM Kovarianca = 617,5 / 1 9,406 Pearson r = 9,406 / 4,017 x 1,39 0,988 Interpretacija: r = 0,988 pretoka rek 1 in sta zelo visoko pozitivno povezana!
12 Pearsonov koeficient - primer Reka - pretok y = 0,051x + 5,807 R² = 0, Reka 1 - pretok
13 Razlaga r Korelacijski koeficient r nam pove stopnjo (jakost, moč) povezave in smer povezave (+ ali -) Korelacijski koeficient r ne pokaže vzročno-posledične povezanosti (odvisnosti), ampak zgolj korelacijo Najbolj primerno za uporabo, če je porazdelitev X in Y normalna (ali vsaj simetrična in unimodalna; en modus)
14 Vrste korelacij Glede na smer povezanosti: Pozitivna: z naraščanjem X narašča tudi Y Negativna: z naraščanjem X se vrednosti Y zmanjšujejo Glede na obliko povezanosti: Linearna - premočrtna Nelinearna krivuljna (več vrst, krivulje, 3 in nadaljnjega reda; MS Excel!) Glede na jakost povezanosti: ni povezanosti, neznatna, šibka,, močna (funkcijska) glej naprej
15 Stopnja povezanosti r Stopnja (jakost, moč) povezanosti (intervali r) se običajno poimenujejo: 0 ni povezanosti 0 0, : neznatna (pozitivna / negativna) povezanost 0, 0,4 : nizka (šibka) povezanost 0,4 0,7 : srednja (zmerna) povezanost 0,7 0,9 : visoka povezanost 0,9 1 : zelo visoka povezanost 1: popolna (funkcijska) povezanost
16 Razsevni grafikon ali korelacijski diagram Razsevni diagram je grafični prikaz povezanosti med dvema spremenljivkama. Regresijska črta kaže obliko povezanosti: - Linearna - Nelinearna (krivuljna)
17 Determinacijski koeficient - primer Povezanost pretokov Reke 1 in Reke Ker je r = 0,988 je r = 0,976 oz. 97,6 %) S spreminjanem pretokov Reke 1 je pojasnjeno 98 % spreminjanja (variance) pretokov Reke in obratno
18 Sklepanje povezanosti spremenljivk v populaciji iz vzorca H 0 : = 0 - spremenljivki nista linerano povezani H 1 : 0 - spremenljivki sta linerano povezani Testna statistika za ničelno domnevo je: t = Ničelna porazdelitev je t(sp = n ) Preračunavanju se izognemo s pomočjo preglednice
19 Sklepanje povezanosti spremenljivk v populaciji iz vzorca - primer na slidu 11 Pri stopnji značilnosti α = 0,01 preverimo domnevo o povezanosti pretokov reke 1 in reke H 0 : = 0 - pretoka rek nista linerano povezana H 1 : 0 - petoka rek sta linerano povezana, r = = 0,988,, N = 1 r tab = 0,5487 0,988 > 0,5487 ničelno domnevo zavržemo v korist alternativne domneve Pri stopnji značilnosti α = 0,01 trdimo, da obstaja pozitivna linearna povezava med pretokoma reke 1 in reke
20 Uporaba korelacijskega koeficienta Previdnost, ko povezanost ni linearna takrat uporaba korelacijskega koeficienta kot mere povezanosti dveh številskih spremenljivk ni ustrezna Povezanosti dveh številskih spremenljivk so lahko nelinearne (MS Excel jih zna računati) Pri kvadratni porazdelitvi bi izračun Pearsonovega koeficienta korelacije pokazal vrednost okrog 0 obrazložitev, da povezave med spremenljivkama ni, bi bila napačna Povezava obstaja, vendar ni linearna Ko predpostavka o linearni povezanosti za dve številski spremenljivki ni utemeljena, s e uporabi druge mere povezanosti, ki ne temeljijo na linearnosti Npr. Koeficient korelacije rangov ali Spearmanov koeficient korelacije (r s )
21 Literatura in viri Ferligoj, Anuška Osnove statistike na prosojnicah. Ljubljana: Samozaložba Z. Batagelj. Statistika. 013.»Electronic statistic textbook, StatSoft «. Rogerson, Peter A Statistical Methods for Geography: a student guide. London: Sage Publications. Kastelec, Damijana in Katarina Košmelj, 010. Osnove statistike z Excelom 007. Ljubljana: Biotehniška fakulteta. - Dostopno tudi na medmrežju.
Diferencialna enačba, v kateri nastopata neznana funkcija in njen odvod v prvi potenci
Linearna diferencialna enačba reda Diferencialna enačba v kateri nastopata neznana funkcija in njen odvod v prvi potenci d f + p= se imenuje linearna diferencialna enačba V primeru ko je f 0 se zgornja
Διαβάστε περισσότεραOdvod. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 5. december Gregor Dolinar Matematika 1
Matematika 1 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 5. december 2013 Primer Odvajajmo funkcijo f(x) = x x. Diferencial funkcije Spomnimo se, da je funkcija f odvedljiva v točki
Διαβάστε περισσότεραFunkcijske vrste. Matematika 2. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 2. april Gregor Dolinar Matematika 2
Matematika 2 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 2. april 2014 Funkcijske vrste Spomnimo se, kaj je to številska vrsta. Dano imamo neko zaporedje realnih števil a 1, a 2, a
Διαβάστε περισσότεραTretja vaja iz matematike 1
Tretja vaja iz matematike Andrej Perne Ljubljana, 00/07 kompleksna števila Polarni zapis kompleksnega števila z = x + iy): z = rcos ϕ + i sin ϕ) = re iϕ Opomba: Velja Eulerjeva formula: e iϕ = cos ϕ +
Διαβάστε περισσότεραFunkcije. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 14. november Gregor Dolinar Matematika 1
Matematika 1 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 14. november 2013 Kvadratni koren polinoma Funkcijo oblike f(x) = p(x), kjer je p polinom, imenujemo kvadratni koren polinoma
Διαβάστε περισσότεραFunkcije. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 21. november Gregor Dolinar Matematika 1
Matematika 1 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 21. november 2013 Hiperbolične funkcije Hiperbolični sinus sinhx = ex e x 2 20 10 3 2 1 1 2 3 10 20 hiperbolični kosinus coshx
Διαβάστε περισσότεραStatistika II z računalniško analizo podatkov. Bivariatna regresija, tipi povezanosti
Statistika II z računalniško analizo podatkov Bivariatna regresija, tipi povezanosti 1 Regresijska analiza Regresijska analiza je statistična metoda, ki nam pomaga analizirati odnos med odvisno spremenljivko
Διαβάστε περισσότεραBooleova algebra. Izjave in Booleove spremenljivke
Izjave in Booleove spremenljivke vsako izjavo obravnavamo kot spremenljivko če je izjava resnična (pravilna), ima ta spremenljivka vrednost 1, če je neresnična (nepravilna), pa vrednost 0 pravimo, da gre
Διαβάστε περισσότερα3. STATISTIKE Z DVEMA SPREMENLJIVKAMA
3. STATISTIKE Z DVEMA SPREMENLJIVKAMA Bivariatne metodo obravnavajo dve spremenljivki hkrati, zato so podatki zapisani: x 1 y 1 x 2 y 2 : : x n y n 3.1. KORELACIJSKI KOEFICIENT Mera stopnje linearne povezanosti
Διαβάστε περισσότεραZaporedja. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 22. oktober Gregor Dolinar Matematika 1
Matematika 1 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 22. oktober 2013 Kdaj je zaporedje {a n } konvergentno, smo definirali s pomočjo limite zaporedja. Večkrat pa je dobro vedeti,
Διαβάστε περισσότεραStatistika 2 z računalniško analizo podatkov. Multipla regresija in polinomski regresijski model
Statistika z računalniško analizo podatkov Multipla regresija in polinomski regresijski model 1 Multipli regresijski model Pogosto so vrednosti odvisne spremenljivke linearno odvisne od več kot ene neodvisne
Διαβάστε περισσότεραKODE ZA ODKRIVANJE IN ODPRAVLJANJE NAPAK
1 / 24 KODE ZA ODKRIVANJE IN ODPRAVLJANJE NAPAK Štefko Miklavič Univerza na Primorskem MARS, Avgust 2008 Phoenix 2 / 24 Phoenix 3 / 24 Phoenix 4 / 24 Črtna koda 5 / 24 Črtna koda - kontrolni bit 6 / 24
Διαβάστε περισσότεραNEPARAMETRIČNI TESTI. pregledovanje tabel hi-kvadrat test. as. dr. Nino RODE
NEPARAMETRIČNI TESTI pregledovanje tabel hi-kvadrat test as. dr. Nino RODE Parametrični in neparametrični testi S pomočjo z-testa in t-testa preizkušamo domneve o parametrih na vzorcih izračunamo statistike,
Διαβάστε περισσότεραIZPIT IZ ANALIZE II Maribor,
Maribor, 05. 02. 200. (a) Naj bo f : [0, 2] R odvedljiva funkcija z lastnostjo f() = f(2). Dokaži, da obstaja tak c (0, ), da je f (c) = 2f (2c). (b) Naj bo f(x) = 3x 3 4x 2 + 2x +. Poišči tak c (0, ),
Διαβάστε περισσότεραFunkcije. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 12. november Gregor Dolinar Matematika 1
Matematika 1 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 12. november 2013 Graf funkcije f : D R, D R, je množica Γ(f) = {(x,f(x)) : x D} R R, torej podmnožica ravnine R 2. Grafi funkcij,
Διαβάστε περισσότεραKontrolne karte uporabljamo za sprotno spremljanje kakovosti izdelka, ki ga izdelujemo v proizvodnem procesu.
Kontrolne karte KONTROLNE KARTE Kontrolne karte uporablamo za sprotno spremlane kakovosti izdelka, ki ga izdeluemo v proizvodnem procesu. Izvaamo stalno vzorčene izdelkov, npr. vsako uro, vsake 4 ure.
Διαβάστε περισσότερα*M * Osnovna in višja raven MATEMATIKA NAVODILA ZA OCENJEVANJE. Sobota, 4. junij 2011 SPOMLADANSKI IZPITNI ROK. Državni izpitni center
Državni izpitni center *M40* Osnovna in višja raven MATEMATIKA SPOMLADANSKI IZPITNI ROK NAVODILA ZA OCENJEVANJE Sobota, 4. junij 0 SPLOŠNA MATURA RIC 0 M-40-- IZPITNA POLA OSNOVNA IN VIŠJA RAVEN 0. Skupaj:
Διαβάστε περισσότεραFunkcije več spremenljivk
DODATEK C Funkcije več spremenljivk C.1. Osnovni pojmi Funkcija n spremenljivk je predpis: f : D f R, (x 1, x 2,..., x n ) u = f (x 1, x 2,..., x n ) kjer D f R n imenujemo definicijsko območje funkcije
Διαβάστε περισσότεραMETODA FAKTORSKE ANALIZE je osnovana na analizi medsebojnih korelacij. Tu potrebujemo neko vsebinsko poznavanje oz. neko teorijo, da pojav x vpliva na
4. predavanje RVM Kvantitativne metode Borut Kodrič, Koper 4.6.2010 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 1. del Na podlagi česa ugotovimo kako sta dve spremenljivki med
Διαβάστε περισσότεραOdvod. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 10. december Gregor Dolinar Matematika 1
Matematika 1 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 10. december 2013 Izrek (Rolleov izrek) Naj bo f : [a,b] R odvedljiva funkcija in naj bo f(a) = f(b). Potem obstaja vsaj ena
Διαβάστε περισσότεραStatistična analiza. doc. dr. Mitja Kos, mag. farm. Katedra za socialno farmacijo Univerza v Ljubljani- Fakulteta za farmacijo
Statistična analiza opisnih spremenljivk doc. dr. Mitja Kos, mag. arm. Katedra za socialno armacijo Univerza v Ljubljani- Fakulteta za armacijo Statistični znaki Proučevane spremenljivke: statistični znaki
Διαβάστε περισσότεραNumerično reševanje. diferencialnih enačb II
Numerčno reševanje dferencaln enačb I Dferencalne enačbe al ssteme dferencaln enačb rešujemo numerčno z več razlogov:. Ne znamo j rešt analtčno.. Posamezn del dferencalne enačbe podan tabelarčno. 3. Podatke
Διαβάστε περισσότεραOsnove sklepne statistike
Univerza v Ljubljani Fakulteta za farmacijo Osnove sklepne statistike doc. dr. Mitja Kos, mag. farm. Katedra za socialno farmacijo e-pošta: mitja.kos@ffa.uni-lj.si Intervalna ocena oz. interval zaupanja
Διαβάστε περισσότεραMultivariatna analiza variance
(MANOVA) MANOVA je multivariatna metoda za proučevanje odvisnosti med več odvisnimi (številskimi) in več neodvisnimi (opisnimi) spremenljivkami. (MANOVA) MANOVA je multivariatna metoda za proučevanje odvisnosti
Διαβάστε περισσότεραvezani ekstremi funkcij
11. vaja iz Matematike 2 (UNI) avtorica: Melita Hajdinjak datum: Ljubljana, 2009 ekstremi funkcij več spremenljivk nadaljevanje vezani ekstremi funkcij Dana je funkcija f(x, y). Zanimajo nas ekstremi nad
Διαβάστε περισσότεραEnačba, v kateri poleg neznane funkcije neodvisnih spremenljivk ter konstant nastopajo tudi njeni odvodi, se imenuje diferencialna enačba.
1. Osnovni pojmi Enačba, v kateri poleg neznane funkcije neodvisnih spremenljivk ter konstant nastopajo tudi njeni odvodi, se imenuje diferencialna enačba. Primer 1.1: Diferencialne enačbe so izrazi: y
Διαβάστε περισσότεραStatistika 2 z računalniško analizo podatkov. Statistično sklepanje
Statistika 2 z računalniško analizo podatkov Statistično sklepanje 1 Multipla regresija Statistično sklepanje o regresijskih koeficientih Multipla regresija Vključevanje nominalnih in ordinalnih spremenljivk
Διαβάστε περισσότεραIntegralni račun. Nedoločeni integral in integracijske metrode. 1. Izračunaj naslednje nedoločene integrale: (a) dx. (b) x 3 +3+x 2 dx, (c) (d)
Integralni račun Nedoločeni integral in integracijske metrode. Izračunaj naslednje nedoločene integrale: d 3 +3+ 2 d, (f) (g) (h) (i) (j) (k) (l) + 3 4d, 3 +e +3d, 2 +4+4 d, 3 2 2 + 4 d, d, 6 2 +4 d, 2
Διαβάστε περισσότεραSKUPNE PORAZDELITVE VEČ SLUČAJNIH SPREMENLJIVK
SKUPNE PORAZDELITVE SKUPNE PORAZDELITVE VEČ SLUČAJNIH SPREMENLJIVK Kovaec vržemo trikrat. Z ozačimo število grbov ri rvem metu ( ali ), z Y a skuo število grbov (,, ali 3). Kako sta sremelivki i Y odvisi
Διαβάστε περισσότερα1.3 Vsota diskretnih slučajnih spremenljivk
.3 Vsota diskretnih slučajnih spremenljivk Naj bosta X in Y neodvisni Bernoullijevo porazdeljeni spremenljivki, B(p). Kako je porazdeljena njuna vsota? Označimo Z = X + Y. Verjetnost, da je P (Z = z) za
Διαβάστε περισσότεραKotne in krožne funkcije
Kotne in krožne funkcije Kotne funkcije v pravokotnem trikotniku Avtor: Rok Kralj, 4.a Gimnazija Vič, 009/10 β a c γ b α sin = a c cos= b c tan = a b cot = b a Sinus kota je razmerje kotu nasprotne katete
Διαβάστε περισσότεραmatrike A = [a ij ] m,n αa 11 αa 12 αa 1n αa 21 αa 22 αa 2n αa m1 αa m2 αa mn se števanje po komponentah (matriki morata biti enakih dimenzij):
4 vaja iz Matematike 2 (VSŠ) avtorica: Melita Hajdinjak datum: Ljubljana, 2009 matrike Matrika dimenzije m n je pravokotna tabela m n števil, ki ima m vrstic in n stolpcev: a 11 a 12 a 1n a 21 a 22 a 2n
Διαβάστε περισσότεραPONOVITEV SNOVI ZA 4. TEST
PONOVITEV SNOVI ZA 4. TEST 1. * 2. *Galvanski člen z napetostjo 1,5 V požene naboj 40 As. Koliko električnega dela opravi? 3. ** Na uporniku je padec napetosti 25 V. Upornik prejme 750 J dela v 5 minutah.
Διαβάστε περισσότερα1. Definicijsko območje, zaloga vrednosti. 2. Naraščanje in padanje, ekstremi. 3. Ukrivljenost. 4. Trend na robu definicijskega območja
ZNAČILNOSTI FUNKCIJ ZNAČILNOSTI FUNKCIJE, KI SO RAZVIDNE IZ GRAFA. Deinicijsko območje, zaloga vrednosti. Naraščanje in padanje, ekstremi 3. Ukrivljenost 4. Trend na robu deinicijskega območja 5. Periodičnost
Διαβάστε περισσότεραOsnove matematične analize 2016/17
Osnove matematične analize 216/17 Neža Mramor Kosta Fakulteta za računalništvo in informatiko Univerza v Ljubljani Kaj je funkcija? Funkcija je predpis, ki vsakemu elementu x iz definicijskega območja
Διαβάστε περισσότερα1. Trikotniki hitrosti
. Trikotniki hitrosti. Z radialno črpalko želimo črpati vodo pri pogojih okolice z nazivnim pretokom 0 m 3 /h. Notranji premer rotorja je 4 cm, zunanji premer 8 cm, širina rotorja pa je,5 cm. Frekvenca
Διαβάστε περισσότεραTema 1 Osnove navadnih diferencialnih enačb (NDE)
Matematične metode v fiziki II 2013/14 Tema 1 Osnove navadnih diferencialnih enačb (NDE Diferencialne enačbe v fiziki Večina osnovnih enačb v fiziki je zapisana v obliki diferencialne enačbe. Za primer
Διαβάστε περισσότεραSplošno o interpolaciji
Splošno o interpolaciji J.Kozak Numerične metode II (FM) 2011-2012 1 / 18 O funkciji f poznamo ali hočemo uporabiti le posamezne podatke, na primer vrednosti r i = f (x i ) v danih točkah x i Izberemo
Διαβάστε περισσότεραDISKRIMINANTNA ANALIZA
DISKRIMINANTNA ANALIZA Z diskriminantno analizo poiščemo tako linearno kombinacijo merjenih spremenljivk, da bo maksimalno ločila vnaprej določene skupine in da bo napaka pri uvrščanju enot v skupine najmanjša.
Διαβάστε περισσότεραDelovna točka in napajalna vezja bipolarnih tranzistorjev
KOM L: - Komnikacijska elektronika Delovna točka in napajalna vezja bipolarnih tranzistorjev. Določite izraz za kolektorski tok in napetost napajalnega vezja z enim virom in napetostnim delilnikom na vhod.
Διαβάστε περισσότεραOsnove statistike. Drago Bokal Oddelek za matematiko in računalništvo Fakulteta za naravoslovje in matematiko Univerza v Mariboru. 1.
Oddelek za matematiko in računalništvo Fakulteta za naravoslovje in matematiko Univerza v Mariboru 1. marec 2010 Obvestila. http://um.fnm.uni-mb.si/ Prosojnice se lahko spremenijo v tednu po predavanjih.
Διαβάστε περισσότεραMETODE IN TEHNIKE PLANIRANJA
FAKULTETA ZA ORGANIZACIJSKE VEDE KRANJ Katedra za poslovne in delovne sisteme Matjaž ROBLEK METODE IN TEHNIKE PLANIRANJA 03 Napovedovanje stohastično planiranje NAPOVEDOVANJE Mesto napovedovanja v sistemu
Διαβάστε περισσότεραRegularizacija. Poglavje Polinomska regresija
Poglavje 5 Regularizacija Pri vpeljavi linearne regresije v prejšnjem poglavju je bil cilj gradnja modela, ki se čimbolj prilega učni množici. Pa je to res pravi kriterij za določanje parametrov modela?
Διαβάστε περισσότεραNa pregledni skici napišite/označite ustrezne točke in paraboli. A) 12 B) 8 C) 4 D) 4 E) 8 F) 12
Predizpit, Proseminar A, 15.10.2015 1. Točki A(1, 2) in B(2, b) ležita na paraboli y = ax 2. Točka H leži na y osi in BH je pravokotna na y os. Točka C H leži na nosilki BH tako, da je HB = BC. Parabola
Διαβάστε περισσότεραOsnove elektrotehnike uvod
Osnove elektrotehnike uvod Uvod V nadaljevanju navedena vprašanja so prevod testnih vprašanj, ki sem jih našel na omenjeni spletni strani. Vprašanja zajemajo temeljna znanja opredeljenega strokovnega področja.
Διαβάστε περισσότεραKvadratne forme. Poglavje XI. 1 Definicija in osnovne lastnosti
Poglavje XI Kvadratne forme V zadnjem poglavju si bomo ogledali še eno vrsto preslikav, ki jih tudi lahko podamo z matrikami. To so tako imenovane kvadratne forme, ki niso več linearne preslikave. Kvadratne
Διαβάστε περισσότεραREˇSITVE. Naloga a. b. c. d Skupaj. FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Verjetnost 2. kolokvij 23.
Ime in priimek: Vpisna št: FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Verjetnost. kolokvij 3. januar 08 Navodila Pazljivo preberite besedilo naloge, preden se lotite reševanja. Nalog je 6,
Διαβάστε περισσότεραNekateri primeri sklopov izpitnih vprašanj pri predmetu Naključni pojavi
Nekateri primeri sklopov izpitnih vprašanj pri predmetu Naključni pojavi 1. Izpeljite Binomsko porazdelitev in pokažite kako pridemo iz nje do Poissonove porazdelitve? 2. Kako opišemo naključne lastnosti
Διαβάστε περισσότερα13. Jacobijeva metoda za računanje singularnega razcepa
13. Jacobijeva metoda za računanje singularnega razcepa Bor Plestenjak NLA 25. maj 2010 Bor Plestenjak (NLA) 13. Jacobijeva metoda za računanje singularnega razcepa 25. maj 2010 1 / 12 Enostranska Jacobijeva
Διαβάστε περισσότεραZaporedja. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 15. oktober Gregor Dolinar Matematika 1
Matematika 1 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 15. oktober 2013 Oglejmo si, kako množimo dve kompleksni števili, dani v polarni obliki. Naj bo z 1 = r 1 (cosϕ 1 +isinϕ 1 )
Διαβάστε περισσότεραdiferencialne enačbe - nadaljevanje
12. vaja iz Matematike 2 (VSŠ) avtorica: Melita Hajdinjak datum: Ljubljana, 2009 diferencialne enačbe - nadaljevanje Ortogonalne trajektorije Dana je 1-parametrična družina krivulj F(x, y, C) = 0. Ortogonalne
Διαβάστε περισσότερα1. Έντυπα αιτήσεων αποζημίωσης... 2 1.1. Αξίωση αποζημίωσης... 2 1.1.1. Έντυπο... 2 1.1.2. Πίνακας μεταφράσεων των όρων του εντύπου...
ΑΠΟΖΗΜΙΩΣΗ ΘΥΜΑΤΩΝ ΕΓΚΛΗΜΑΤΙΚΩΝ ΠΡΑΞΕΩΝ ΣΛΟΒΕΝΙΑ 1. Έντυπα αιτήσεων αποζημίωσης... 2 1.1. Αξίωση αποζημίωσης... 2 1.1.1. Έντυπο... 2 1.1.2. Πίνακας μεταφράσεων των όρων του εντύπου... 3 1 1. Έντυπα αιτήσεων
Διαβάστε περισσότεραZanesljivost psihološkega merjenja. Osnovni model, koeficient α in KR-21
Zanesljivost psihološkega merjenja Osnovni model, koeficient α in KR- Osnovni model in KTT V kolikšni meri na testne dosežke vplivajo slučajne napake? oziroma, kako natančno smo izmerili neko lastnost.
Διαβάστε περισσότεραD f, Z f. Lastnosti. Linearna funkcija. Definicija Linearna funkcija f : je definirana s predpisom f(x) = kx+n; k,
Linearna funkcija Linearna funkcija f : je definirana s predpisom f(x) = kx+n; k, n ᄀ. k smerni koeficient n začetna vrednost D f, Z f Definicijsko območje linearne funkcije so vsa realna števila. Zaloga
Διαβάστε περισσότεραDržavni izpitni center SPOMLADANSKI IZPITNI ROK *M * FIZIKA NAVODILA ZA OCENJEVANJE. Petek, 10. junij 2016 SPLOŠNA MATURA
Državni izpitni center *M16141113* SPOMLADANSKI IZPITNI ROK FIZIKA NAVODILA ZA OCENJEVANJE Petek, 1. junij 16 SPLOŠNA MATURA RIC 16 M161-411-3 M161-411-3 3 IZPITNA POLA 1 Naloga Odgovor Naloga Odgovor
Διαβάστε περισσότεραMatematika 1. Gregor Dolinar. 2. januar Fakulteta za elektrotehniko Univerza v Ljubljani. Gregor Dolinar Matematika 1
Mtemtik 1 Gregor Dolinr Fkultet z elektrotehniko Univerz v Ljubljni 2. jnur 2014 Gregor Dolinr Mtemtik 1 Izrek (Izrek o povprečni vrednosti) Nj bo m ntnčn spodnj mej in M ntnčn zgornj mej integrbilne funkcije
Διαβάστε περισσότεραReševanje sistema linearnih
Poglavje III Reševanje sistema linearnih enačb V tem kratkem poglavju bomo obravnavali zelo uporabno in zato pomembno temo linearne algebre eševanje sistemov linearnih enačb. Spoznali bomo Gaussovo (natančneje
Διαβάστε περισσότεραPoglavje 7. Poglavje 7. Poglavje 7. Regulacijski sistemi. Regulacijski sistemi. Slika 7. 1: Normirana blokovna shema regulacije EM
Slika 7. 1: Normirana blokovna shema regulacije EM Fakulteta za elektrotehniko 1 Slika 7. 2: Principielna shema regulacije AM v KSP Fakulteta za elektrotehniko 2 Slika 7. 3: Merjenje komponent fluksa s
Διαβάστε περισσότεραPostavitev hipotez NUJNO! Milena Kova. 10. januar 2013
Postavitev hipotez NUJNO! Milena Kova 10. januar 2013 Osnove biometrije 2012/13 1 Postavitev in preizku²anje hipotez Hipoteze zastavimo najprej ob na rtovanju preizkusa Ob obdelavi jih morda malo popravimo
Διαβάστε περισσότεραMatematika. Funkcije in enačbe
Matematika Funkcije in enačbe (1) Nariši grafe naslednjih funkcij: (a) f() = 1, (b) f() = 3, (c) f() = 3. Rešitev: (a) Linearna funkcija f() = 1 ima začetno vrednost f(0) = 1 in ničlo = 1/. Definirana
Διαβάστε περισσότερα,..., y T imenujemo časovna vrsta.
ČASOVNE VRSTE. UVOD Številsko spremenljivko Y opazujemo v času. Podatki se nanašajo na zaporedna časovna obdobja t, t,..., t T. Statistično vrsto y, y,..., y T imenujemo časovna vrsta. T dolžina časovne
Διαβάστε περισσότεραInterpolacija in aproksimacija funkcij
Poglavje 4 Interpolacija in aproksimacija funkcij Na interpolacijo naletimo, kadar moramo vrednost funkcije, ki ima vrednosti znane le v posameznih točkah (pravimo jim interpolacijske točke), izračunati
Διαβάστε περισσότεραPOROČILO 3.VAJA DOLOČANJE REZULTANTE SIL
POROČILO 3.VAJA DOLOČANJE REZULTANTE SIL Izdba aje: Ljubjana, 11. 1. 007, 10.00 Jan OMAHNE, 1.M Namen: 1.Preeri paraeogramsko praio za doočanje rezutante nezporedni si s skupnim prijemaiščem (grafično)..dooči
Διαβάστε περισσότεραcot x ni def. 3 1 KOTNE FUNKCIJE POLJUBNO VELIKEGA KOTA (A) Merske enote stopinja [ ] radian [rad] 1. Izrazi kot v radianih.
TRIGONOMETRIJA (A) Merske enote KOTNE FUNKCIJE POLJUBNO VELIKEGA KOTA stopinja [ ] radian [rad] 80 80 0. Izrazi kot v radianih. 0 90 5 0 0 70. Izrazi kot v stopinjah. 5 8 5 (B) Definicija kotnih funkcij
Διαβάστε περισσότεραINŽENIRSKA MATEMATIKA I
INŽENIRSKA MATEMATIKA I REŠENE NALOGE za izredne študente VSŠ Tehnično upravljanje nepremičnin Marjeta Škapin Rugelj Fakulteta za gradbeništvo in geodezijo Kazalo Števila in preslikave 5 Vektorji 6 Analitična
Διαβάστε περισσότεραDISKRETNA FOURIERJEVA TRANSFORMACIJA
29.03.2004 Definicija DFT Outline DFT je linearna transformacija nekega vektorskega prostora dimenzije n nad obsegom K, ki ga označujemo z V K, pri čemer ima slednji lastnost, da vsebuje nek poseben element,
Διαβάστε περισσότεραVPLIVI SPREMINJANJA CEN POGONSKIH GORIV NA DOLOČENE SPREMENLJIVKE
VPLIVI SPREMINJANJA CEN POGONSKIH GORIV NA DOLOČENE SPREMENLJIVKE MAJA TAVČAR MPRESTOR@GMAIL.COM POVZETEK Skozi celotno statistično analizo sem ugotovila, da na prodajo avtomobilov v Sloveniji vplivajo
Διαβάστε περισσότεραMašinsko učenje. Regresija.
Mašinsko učenje. Regresija. Danijela Petrović May 17, 2016 Uvod Problem predviđanja vrednosti neprekidnog atributa neke instance na osnovu vrednosti njenih drugih atributa. Uvod Problem predviđanja vrednosti
Διαβάστε περισσότεραOdvode odvisnih spremenljivk po neodvisni spremenljivki bomo označevali s piko: Sistem navadnih diferencialnih enačb prvega reda ima obliko:
4 Sisemi diferencialnih enačb V prakičnih primerih večkra naleimo na več diferencialnih enačb, ki opisujejo določen pojav in so medsebojno povezane edaj govorimo o sisemih diferencialnih enačb V eh enačbah
Διαβάστε περισσότεραNEPARAMETRIČNI TESTI Doc.dr. Tadeja Kraner Šumenjak
NEPARAMETRIČNI TESTI 5.3.011 Doc.dr. Tadeja Kraner Šumenjak Slabosti parametričnih preizkusov: -stroge predpostavke (predpostavka o normalni porazdelitvi) -veliko računanja -težave, če spremenljivke niso
Διαβάστε περισσότεραFrekvenčna analiza neperiodičnih signalov. Analiza signalov prof. France Mihelič
Frekvenčna analiza neperiodičnih signalov Analiza signalov prof. France Mihelič Vpliv postopka daljšanja periode na spekter periodičnega signala Opazujmo družino sodih periodičnih pravokotnih impulzov
Διαβάστε περισσότεραDefinicija. definiramo skalarni produkt. x i y i. in razdaljo. d(x, y) = x y = < x y, x y > = n (x i y i ) 2. i=1. i=1
Funkcije več realnih spremenljivk Osnovne definicije Limita in zveznost funkcije več spremenljivk Parcialni odvodi funkcije več spremenljivk Gradient in odvod funkcije več spremenljivk v dani smeri Parcialni
Διαβάστε περισσότεραNavadne diferencialne enačbe
Navadne diferencialne enačbe Navadne diferencialne enačbe prvega reda V celotnem poglavju bo y = dy dx. Diferencialne enačbe z ločljivima spremeljivkama Diferencialna enačba z ločljivima spremeljivkama
Διαβάστε περισσότεραMatematika 1. Gabrijel Tomšič Bojan Orel Neža Mramor Kosta
Matematika 1 Gabrijel Tomšič Bojan Orel Neža Mramor Kosta 21. april 2008 102 Poglavje 4 Odvod 4.1 Definicija odvoda Naj bo funkcija f definirana na intervalu (a, b) in x 0 točka s tega intervala. Vzemimo
Διαβάστε περισσότεραKotni funkciji sinus in kosinus
Kotni funkciji sinus in kosinus Oznake: sinus kota x označujemo z oznako sin x, kosinus kota x označujemo z oznako cos x, DEFINICIJA V PRAVOKOTNEM TRIKOTNIKU: Kotna funkcija sinus je definirana kot razmerje
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 περισσότεραIzbor statističkih testova Ana-Maria Šimundić
Izbor statističkih testova Ana-Maria Šimundić Klinički zavod za kemiju Klinička jedinica za medicinsku biokemiju s analitičkom toksikologijom KBC Sestre milosrdnice Izbor statističkog testa Tajna dobrog
Διαβάστε περισσότεραp 1 ENTROPIJSKI ZAKON
ENROPIJSKI ZAKON REERZIBILNA srememba: moža je obrjea srememba reko eakih vmesih staj kot rvota srememba. Po obeh sremembah e sme biti obeih trajih srememb v bližji i dalji okolici. IREERZIBILNA srememba:
Διαβάστε περισσότεραAfina in projektivna geometrija
fina in projektivna geometrija tožnice () kiciraj stožnico v evklidski ravnini R, ki je določena z enačbo 6 3 8 + 6 =. Rešitev: tožnica v evklidski ravnini je krivulja, ki jo določa enačba a + b + c +
Διαβάστε περισσότεραPodobnost matrik. Matematika II (FKKT Kemijsko inženirstvo) Diagonalizacija matrik
Podobnost matrik Matematika II (FKKT Kemijsko inženirstvo) Matjaž Željko FKKT Kemijsko inženirstvo 14 teden (Zadnja sprememba: 23 maj 213) Matrika A R n n je podobna matriki B R n n, če obstaja obrnljiva
Διαβάστε περισσότερα8. Diskretni LTI sistemi
8. Diskreti LI sistemi. Naloga Določite odziv diskretega LI sistema s podaim odzivom a eoti impulz, a podai vhodi sigal. h[] x[] - - 5 6 7 - - 5 6 7 LI sistem se a vsak eoti impulz δ[] a vhodu odzove z
Διαβάστε περισσότερα1. UREJENE OBLIKE KVADRATNE FUNKCIJE
1. UREJENE OBLIKE KVADRATNE FUNKCIJE A) Splošna oblika Definicija 1 : Naj bodo a, b in c realna števila in a 0. Realno funkcijo: f : x ax + bx + c imenujemo kvadratna funkcija spremenljivke x v splošni
Διαβάστε περισσότεραOSNOVE STATISTIKE. FKKT-kemijski tehnologi 1.letnik Miran Černe
OSNOVE STATISTIKE FKKT-kemijski tehnologi 1.letnik 2010 Miran Černe Statistika je način, kako iz množice podatkov izluščiti ustrezne informacije. Izraz izhaja iz latinskih besed STATUS = stanje STATO =
Διαβάστε περισσότεραS programom SPSS se, glede na število ur, ne bomo ukvarjali. Na izpitu so zastavljena neka vprašanja, zraven pa dobimo računalniški izpis izračunov. T
2. predavanje RVM Kvantitativne metode Borut Kodrič, Koper 21.5.2010 Ključ za dostop do e-učilnice: RMD2009 Tekom srečanj bodo zadeve osvežene v smislu, da bodo okleščene. Morda bo dodan še kak rešen primer.
Διαβάστε περισσότερα8. MULTIVARIATNE METODE 8.1. Uvod Zakaj jih uporabljati
8. MULTIVARIATNE METODE 8.1. Uvod 8.1.1. Zakaj jih uporabljati Multivariatne metode omogočajo sočasno analizo kakršnegakoli števila spremenljivk. Poseben problem predstavlja grafična predstavitev več kot
Διαβάστε περισσότεραIterativno reševanje sistemov linearnih enačb. Numerične metode, sistemi linearnih enačb. Numerične metode FE, 2. december 2013
Numerične metode, sistemi linearnih enačb B. Jurčič Zlobec Numerične metode FE, 2. december 2013 1 Vsebina 1 z n neznankami. a i1 x 1 + a i2 x 2 + + a in = b i i = 1,..., n V matrični obliki zapišemo:
Διαβάστε περισσότεραMATEMATIČNI IZRAZI V MAFIRA WIKIJU
I FAKULTETA ZA MATEMATIKO IN FIZIKO Jadranska cesta 19 1000 Ljubljan Ljubljana, 25. marec 2011 MATEMATIČNI IZRAZI V MAFIRA WIKIJU KOMUNICIRANJE V MATEMATIKI Darja Celcer II KAZALO: 1 VSTAVLJANJE MATEMATIČNIH
Διαβάστε περισσότερα6. Preverjanje predpostavk klasičnega regresijskega modela
6. Preverjanje predpostavk klasičnega regresijskega modela doc. dr. Miroslav Verbič miroslav.verbic@ef.uni-lj.si www.miroslav-verbic.si Ljubljana, februar 2014 Motivacija 1/93 Preverjanje predpostavke
Διαβάστε περισσότεραNavadne diferencialne enačbe
Navadne diferencialne enačbe (študijsko gradivo) Matija Cencelj 1. maja 2003 2 Kazalo 1 Uvod 5 1.1 Preprosti primeri......................... 8 2 Diferencialne enačbe prvega reda 11 2.1 Ločljivi spremenljivki.......................
Διαβάστε περισσότεραUnivariatna in bivariatna statistika
Univariatna in bivariatna statistika Aleš Žiberna 14. oktober 2011 Kazalo 1 Uporabljeni podatki 2 2 Osnovne statistike 2 3 Preverjanje domnev o srednjih vrednostih in pripadajoči intervali zaupanja 12
Διαβάστε περισσότεραOsnove merjenj. B. Golli, PeF. 22. oktober 2009
Osnove merjenj B Golli, PeF 22 oktober 2009 Kazalo 1 apake izmerjenih količin 2 11 Zapis fizikalnih količin 2 12 Določitev napakeizmerka 3 13 Računanje skoličinami, obremenjenimi znapako 5 2 Grafi 8 21
Διαβάστε περισσότεραGimnazija Krˇsko. vektorji - naloge
Vektorji Naloge 1. V koordinatnem sistemu so podane točke A(3, 4), B(0, 2), C( 3, 2). a) Izračunaj dolžino krajevnega vektorja točke A. (2) b) Izračunaj kot med vektorjema r A in r C. (4) c) Izrazi vektor
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 περισσότεραV tem poglavju bomo vpeljali pojem determinante matrike, spoznali bomo njene lastnosti in nekaj metod za računanje determinant.
Poglavje IV Determinanta matrike V tem poglavju bomo vpeljali pojem determinante matrike, spoznali bomo njene lastnosti in nekaj metod za računanje determinant 1 Definicija Preden definiramo determinanto,
Διαβάστε περισσότεραMatematika 2. Diferencialne enačbe drugega reda
Matematika 2 Diferencialne enačbe drugega reda (1) Reši homogene diferencialne enačbe drugega reda s konstantnimi koeficienti: (a) y 6y + 8y = 0, (b) y 2y + y = 0, (c) y + y = 0, (d) y + 2y + 2y = 0. Rešitev:
Διαβάστε περισσότεραIspitivanje toka i skiciranje grafika funkcija
Ispitivanje toka i skiciranje grafika funkcija Za skiciranje grafika funkcije potrebno je ispitati svako od sledećih svojstava: Oblast definisanosti: D f = { R f R}. Parnost, neparnost, periodičnost. 3
Διαβάστε περισσότεραAnaliza 2 Rešitve 14. sklopa nalog
Analiza Rešitve 1 sklopa nalog Navadne diferencialne enačbe višjih redov in sistemi diferencialnih enačb (1) Reši homogene diferencialne enačbe drugega reda s konstantnimi koeficienti: (a) 6 + 8 0, (b)
Διαβάστε περισσότερα1. OSNOVNI POJMI STATISTIKA. Definicija 2: Statistika je veda, ki se ukvarja s proučevanjem množičnih pojavov v določenem prostoru in času.
1 OSNOVNI POJMI STATISTIKA Definicija 1: Statistika je veda, ki se ukvarja s proučevanjem množičnih pojavov v določenem prostoru in času Množičen pojav: ocenjevanje dijakov merjenje višin dijakov branje knjig
Διαβάστε περισσότεραNajprej zapišemo 2. Newtonov zakon za cel sistem v vektorski obliki:
NALOGA: Po cesi vozi ovornjak z hirosjo 8 km/h. Tovornjak je dolg 8 m, širok 2 m in visok 4 m in ima maso 4 on. S srani začne pihai veer z hirosjo 5 km/h. Ob nekem času voznik zaspi in ne upravlja več
Διαβάστε περισσότεραMatematično modeliranje 3. poglavje Dinamično modeliranje: diferencialne enačbe, sistemi diferencialnih enačb
Matematično modeliranje 3. poglavje Dinamično modeliranje: diferencialne enačbe, sistemi diferencialnih enačb Fakulteta za računalništvo in informatiko Univerza v Ljubljani 2017/2018 Za kaj rabimo diferencialne
Διαβάστε περισσότερα