Sadrˇzaj. Sadrˇzaj 1 9 DVODIMENZIONALNI SLUČAJNI VEKTOR DISKRETNI DVODIMENZIONALNI
|
|
- Πέρσις Ζυγομαλάς
- 6 χρόνια πριν
- Προβολές:
Transcript
1 Sadrˇzaj Sadrˇzaj DVODIMENZIONALNI. DISKRETNI DVODIMENZIONALNI KONTINUIRANI -dim tko želi znati više KOVARIJANCA, KORELACIJA, PRAVCI REGRESIJE Ponovimo
2 Radni materijal
3 Poglavlje DVODIMENZIONALNI Pojam slučajne varijable generalizira se za dvije i n varijabli. U ovom poglavlju posebno će se obraditi diskretni dvodimenzionali slučajni vektor. Pojam n-dim slučajnog vektora važan je za definiciju slučajnog uzorka. Definicija. (n-dim, engl. random vector) Neka su su X : Ω R, X : Ω R,..., X n : Ω R slučajne varijable definirane na vjerojatnosnom prostoru (Ω, F, P). Funkciju (X, X,..., X n ) : Ω R n zovemo n-dim slučajni vektor ako vrijedi x, x,..., x n R, {ω Ω : X (ω) x, X (ω) x,..., X n (ω) x n } F i označavamo (X, X,..., X n )(ω) = (X (ω), X (ω),..., X n (ω)), ω Ω. Definicija. (FUNKCIJA DISTRIBUCIJE n-dim SLUČAJNOG VEKTORA, engl. distribution function of random vector) Neka je (X, X,..., X n ) : Ω R n n-dim slučajni vektor. Funkciju F : R n R definiranu na sljedeći način: F(x, x,..., x n ) := P(X x,..., X n x n ) zovemo funkcija distribucije diskretnog n-dim slučajnog vektora (X, X,.., X n ).
4 .. DISKRETNI DVODIMENZIONALNI. DISKRETNI DVODIMENZIONALNI MOTIV. Promatramo slučajni pokus bacanje igraće kocke i slučajnu varijablu X = suma brojeva koji su pali i slučajnu varijablu Y = broj ako su pali jednaki brojevi, inače. (a) Nadite funkciju vjerojatnosti slučajnog vektora (X, Y). (b)izračunajte vjerojatnost da je zbroj brojeva koji su pali veći od a manji ili jednak i da su pali isti brojevi? (c) Jesu li X i Y nezavisne varijable? (d) Izračunajte kovarijancu. (e) Jesu li X i Y korelirane varijable? Definicija. DISKRETNI n-dim Ako su slučajne varijable X, X,..., X n diskretne slučajne varijable, onda za slučajni vektor (X, X,..., X n ) kažemo da je diskretni n-dim slučajni vektor. Definicija. (FUNKCIJA VJEROJATNOSTI n-dim SLUČAJNOG VEKTORA, engl. probability function of random vector) Neka je (X, X,..., X n ) : Ω R n n-dim diskretni slučajni vektor. Funkciju f : R n R definiranu na sljedeći način: f (x, x,..., x n ) := P(X = x, X = x,...x n = x n ), (x,..., x n ) R(X, X,..., X n ),, inače zovemo funkcija vjerojatnosti diskretnog n-dim slučajnog vektora (X, X,..., X n ). Definicija.5 DISKRETNI -dim Ako su slučajne varijable X i Y diskretne slučajne varijable, onda za slučajni vektor (X, Y) kažemo da je diskretni dvodimenzionalni slučajni vektor. Definicija. (FUNKCIJA VJEROJATNOSTI diskretnog -dim SLUČAJNOG VEKTORA) Neka su X : Ω R, Y : Ω R diskretne slučajne varijable sa slikama R(X) = {x, x,...}, R(Y) = {y, y,...} Funkciju f : R R definiranu na sljedeći način: f (x, y) := P(X = x i, Y = y j ),, inače x = x i R(X), y = y j R(X), zovemo funkcija vjerojatnosti diskretnog -dim slučajnog vektora (X, Y). Radni materijal
5 . DVODIMENZIONALNI T: SVOJSTVA funkcije vjerojatnosti slučajne varijable X. (i) f (x i, y j ), (ii) f (x i, y j ) =. i= j= Dokaz: tko želi znati više (i) Za (x i, y j ) R, P(X = x i, Y = y j ) = P({ω : X(ω) = x i, Y(ω) = y j }) f (x i, y i ). (ii) Za (x i, y j ) (x k, y l ) {ω : X(ω) = x i, Y(ω) = y j } {ω : X(ω) = x k, Y(ω) = y l } =, svojstvo (ii) slijedi prema svojstvu (P), prebrojive aditivnosti funkcije P: i= f (x i, y j ) = j= i= P(X = x i, Y = y j ) = P(Ω) =. j= NAPOMENA. Diskretni -dim slučajni vektor je zadan sa svojom slikom R((X, Y)) = {(x i, y j ), i =,...; j =,...} i funkcijom vjerojatnosti f slučajne varijable, vrijednostima { f (x i, y j ), i =,...; j =,...}. U literaturi se zato može naći zapis slučajnog vektora (X, Y) kao uredene sheme: X/Y y y... y j... x p p p j... (X, Y) x p p j... x i p i p ij gdje su p ij = f (x i, y j ), i, j {,,...}. PRIMJER. Neka je (Ω, P(Ω), P) diskretni vjerojatnosni prostor slučajnog pokusa bacanje igraće kocke. Ω = {ω, ω, ω,..., ω }, P({ω i }) =, i =,..,. Neka je X : Ω R slučajna varijabla definirana na sljedeći način: X = broj koji je pao. Neka je Y : Ω R slučajna varijabla definirana na sljedeći način: Y = ako je pao paran broj veći od, inače. X je slučajna varijabla. Slika slučajne varijable je skup R(X) = {,,,, 5, }. Y je slučajna varijabla. Slika slučajne varijable je skup R(Y) = {, }. Naći funkciju vjerojatnosti slučajnog vektora (X, Y). 5 Radni materijal
6 .. DISKRETNI DVODIMENZIONALNI Rješenje: Funkcija vjerojatnosti slučajne varijable X je f : R R f (x, y) := = P(X = x i, Y = y j ),, inače. x = x i R(X), y = y j R(Y), x = x i {, }, y = y j {}, x = x i {,,, 5}, y = y j {}, inače. Slučajni vektor (X,Y) možemo za zadati s X/Y (X, Y) 5 PRIMJER. Neka je (X,Y) slučajni vektor za slučajni pokus izbora dva broja iz {,,}, pri čemu je X= prvi izabrani broj, Y= izabrani broj nije manji od prvog. Naći funkciju vjerojatnosti slučajnog vektora. Rješenje: (X, Y) X/Y. Definicija.7 (FUNKCIJA DISTRIBUCIJE DISKRETNOG -dim SLUČAJNOG VEKTORA) Neka je (X, Y) : Ω R diskretni -dim slučajni vektor sa slikom R((X, Y)) = {(x i, y j ), i =,...; j =,...}. Funkciju F : R R definiranu na sljedeći način: F(x, y) := P(X x, Y y) = f (x i, y j ) i: x i x j: y j y zovemo funkcija distribucije diskretnog -dim slučajnog vektora (X, Y). Radni materijal
7 . DVODIMENZIONALNI T: SVOJSTVA funkcije distribucije diskretnog -dim slučajnog vektora: (F) (F) lim F(x, y) = F(, ) = x, y lim F(x, y) = F(, y) = x lim F(x, y) = F(x, ) = y lim F(x, y) = F(, ) = x, y (F) F(x, y) (F) P(a < X b, a < Y b ) = F(b, b ) F(a, b ) F(b, a ) + F(a, a ), a, b, a, b R, a < b, a < b. (F) F je rastuća funkcija po svakoj varijabli. Dokaz: tko želi znati više (F) Kako je dogadaj X, Y nemoguć dogadaj F(, ) := P(X, Y ) = P( ) =. F(, y) = P(X Y y) = P( Y y) = P( ) =. (F) Budući je dogadaj X, Y siguran dogadaj, onda je F(, ) = P(Ω) =. (F) tvrdnja slijedi iz svojstava (F) i (F). (F) Neka su a, b R, a < b, a < b. Računamo P(a < X b, a < Y b ) = P(a < X b, Y b ) P(a < X b, Y a ) = (F(b, b ) F(a, b )) (F(b, a ) F(a, a )). (F) Neka su a, b R, a < b. P(a < X b, Y y) = F(b, y) F(a, y) F(b, ) + F(a, ) = F(b, y) F(a, y). Iz svojstva (F5) slijedi da je F(a, y) F(b, y), funkcija je rastuća po prvoj varijabli. 7 Radni materijal
8 .. DISKRETNI DVODIMENZIONALNI PRIMJER. Za slučajni vektor (X, Y) iz primjera zadan s X/Y (X, Y) 5 odredite vrijednost funkcije distribucije F(, ), F(, ), F(, ), F(, ), F(, ). Izračunajte vjerojatnost P( < X, < Y ) i P( < X, Y ). Rješenje: F(x, y) = P(X x, Y y) = f (x i, y j ) i: x i x j: y j y F(, ) = f (, ) = p =, F(, ) = f (, ) + f (, ) = p + p =, F(, ) = f (, ) + f (, ) = p + p =, F(, ) = f (, ) + f (, ) + f (, ) + f (, ) = p + p + p + p =, F(, ) = f (, ) + f (, ) + f (, ) + f (, ) = p + p + p + p =. Koristimo formule P(a < X b, a < Y b ) = F(b, b ) F(a, b ) F(b, a ) + F(a, a ) P(a < X b, Y b ) = F(b, b ) F(a, b ) P( < X, < Y ) = F(, ) F(, ) F(, ) + F(, ) = + =. P( < X, Y ) = F(, ) F(, ) = =. ili P( < X, < Y ) = P( ) =, P( < X, Y ) = P({ω }) + P({ω }) = + =. PRIMJER. Bacimo istovremeno dva novčića od kune i od 5 kuna. Neka su X i Y slučajne varijable definirane: X= ako je pao slavuj, inače Radni materijal 8
9 . DVODIMENZIONALNI Y= ako je pao medo, inače. Promatramo slučajni vektor (X,Y). Napišite funkciju vjerojatnosti slučajnog vektora. Odredite F(, ), P( < X, < Y ) i P( < X, Y ). Rješenje: R(X) = {, }, R(Y) = {, }. R((X, Y)) = {(x i, y j ), i =, ; j =, } = {(, ), (, ), (, ), (, )}. f (x, y) :=, x = x i {, }, y = y j {, }, inače. (X, Y) X/Y, f (, ) = f (, ) = f (, ) = f (, ) =. F(x, y) := P(X x, Y y) = i: x i x j: y j y f (x i, y j ) F(, ) = f (, ) = p = F(, ) = f (, ) + f (, ) = p + p = + =. F(, ) = f (, ) + f (, ) = p + p = + = F(, ) = f (, ) + f (, ) + f (, ) + f (, ) = p + p + p + p = Koristimo formule P(a < X b, a < Y b ) = F(b, b ) F(a, b ) F(b, a ) + F(a, a ) P(a < X b, Y b ) = F(b, b ) F(a, b ) P( < X, < Y ) = F(, ) F(, ) F(, ) + F(, ) = + =. ili P( < X, Y ) = F(, ) F(, ) = =. P( < X, < Y ) = P({(s, m)}) = =, P( < X, Y ) = P({s, 5}}) = =. Prisjetimo se motivacijskog primjera: Radni materijal
10 .. DISKRETNI DVODIMENZIONALNI PRIMJER.5 motiv Promatramo slučajni pokus bacanje igraće kocke i slučajnu varijablu X = suma brojeva koji su pali i slučajnu varijablu Y = broj ako su pali jednaki brojevi, inače. (a) Nadite funkciju vjerojatnosti slučajnog vektora (X, Y). (b) Izračunajte vjerojatnost da je zbroj brojeva koji su pali veći od a manji ili jednak i da su pali isti brojevi? Rješenje: (a) (X, Y) X/Y (b) P( < X, Y = ) = f (, ) + f (5, ) + f (, ) = + + =. Definicija.8 (MARGINALNA FUNKCIJA VJEROJATNOSTI komponenata -dim SLUČAJNOG VEKTORA, engl. marginal distribution) Neka je (X, Y) : Ω R diskretni -dim slučajni vektor sa slikom R((X, Y)) = {(x i, y j ), i =,...; j =,...} i funkcijom vjerojatnosti f : R [, ] f (x, y) := P(X = x i, Y = y j ),, inače. (x, y) = (x i, y j ) R((X, Y)) Funkciju f (x) = f (X = x, Y = proizvoljno) = f (x, y j ), zovemo marginalna funkcija vjerojatnosti komponente X slučajnog vektora (X, Y). Funkciju f (y) = f (X = proizvoljno, Y = y) = f (x i, y) zovemo marginalna funkcija vjerojatnosti komponente Y slučajnog vektora (X, Y). Radni materijal j i
11 . DVODIMENZIONALNI X/Y y y... y j... f (x) x p p... p j... j p j x p p j... j p j x i p i p ij j p ij f (y) i p i... i p ij i j p ij = PRIMJER. U prethodnim primjerima slučajnih vektora odredite marginalne funkcije vjerojatnosti komponenti X i Y slučajnog vektora (X, Y). Rješenje: X/Y f (x) (a) (b) 5 f (y) X/Y f (x) f (y) , X, Y (c) X/Y f (x) f (y) Radni materijal
12 .. DISKRETNI DVODIMENZIONALNI (d) X/Y f (x) f (y) Definicija. (MARGINALNA FUNKCIJA DISTRIBUCIJE VJEROJATNOSTI komponenata -dim SLUČAJNOG VEKTORA, engl. marginal distribution) Neka je (X, Y) : Ω R diskretni -dim slučajni vektor sa slikom R((X, Y)) = {(x i, y j ), i =,...; j =,...} i funkcijom distribucije vjerojatnosti F : R [, ] F(x, y) := P(X x, Y y) = f (x i, y j ) i: x i x j: y j y Funkciju F (x) := F(x, ) = P(X x, < Y ) = f (u), zovemo marginalna funkcija distribucije vjerojatnosti komponente X slučajnog vektora (X, Y). Funkciju F (y) := F(, y) = P( < X, Y y) = f (u) zovemo marginalna funkcija distribucije vjerojatnosti komponente Y slučajnog vektora (X, Y). u x u y Definicija. (NEZAVISNE SLUČAJNE VARIJABLE -dim SLUČAJNOG VEK- TORA, engl. independent variables) Neka je (X, Y) : Ω R -dim slučajni vektor sa funkcijom distribucije vjerojatnosti F(x, y). Za slučajne varijable X i Y kažemo da su nezavisne ako je za svaki (x, y) F(x, y) = F (x) F (y). Radni materijal
13 . DVODIMENZIONALNI Neka je (X, Y) : Ω R diskretni -dim slučajni vektor sa funkcijom vjerojatnosti f (x, y). Za slučajne varijable X i Y kažemo da su nezavisne ako je za svaki (x, y) Inače su X i Y zavisne. f (x, y) = f (x) f (y). PRIMJER.7 U primjerima provjeri jesu li slučajne varijable u slučajnim vektorima (X,Y) nezavisne. Rješenje: (a) nisu jer je npr. f (, ) f () f (), f (, ) =, f () =, f () = ; (b) nisu jer je npr. f (, ) f () f (), f (, ) =, f () = 8, f () = 8 ; (c) jesu jer je f (x i, y j ) = f (x i ) f (y j ), i, j =, ; (d) nisu jer je npr. f (, ) f () f (), f (, ) =, f () = 5, f () =. Definicija. (OČEKIVANJE -dim SLUČAJNOG VEKTORA) Neka je (X, Y) : Ω R -dim slučajni vektor i neka komponente X i Y su slučajne varijable koje imaju očekivnje E(X) i E(Y) onda se matematičko očekivanje slučajnog vektora definira s E(X, Y) = (E(X), E(Y)). Definicija. (OČEKIVANJE funkcije DISKRETNOG -dim SLUČAJNOG VEK- TORA) Neka je (X, Y) : Ω R diskretni -dim slučajni vektor sa slikom R((X, Y)) = {(x i, y j ), i =,.; j =,...} i funkcijom vjerojatnosti f : R [, ] f (x, y) := P(X = x i, Y = y j ),, inače. (x, y) = (x i, y j ) R((X, Y)) Neka je zadana funkcija h : R R. Kažemo da je slučajna varijabla h(x, Y) funkcija od slučajnog vektora (X,Y) i za nju definiramo očekivanje ako red h(x i, y j ) f (x i, y j ) konvergira i označavamo E(h(X, Y)) := i= h(x i, y j ) f (x i, y j ). j= i= j= Radni materijal
14 .. DISKRETNI DVODIMENZIONALNI PRIMJER.8 E(X Y) = i= x i y j f (x i, y j ) za h(x, y) = x y. j= PRIMJER. Ako su X i Y nezavisne slučajne varijable onda je jer E(X Y) = E(X) E(Y), E(X Y) = = x i y j f (x i, y j ) = x i y j f (x i ) f (y j ) i= j= i= j= i= j= x i f (x i ) y j f (y j ) = E(X) E(Y). PRIMJER. Ako je (X, X,..., X n ) n-dim slučajni vektor i sve varijable nezavisne onda E(X X... X n ) = E(X ) E(X )... E(X n ). PRIMJER. E(X + Y) = E(X) + E(Y) za h(x, y) = x + y. PRIMJER. Ako je (X, X,..., X n ) n-dim slučajni vektor onda E(X + X X n ) = E(X ) + E(X ) E(X n ). PRIMJER. Neka je (X, Y) diskretni -dim slučajni vektor takav da Y ne poprima vrijednost. Odredi E(sin X Y ). Rješenje: h(x, y) = sin x y E(sin X Y ) = i= h(x i, y j ) f (x i, y j ) = j= i= j= sin x i y j f (x i, y j ) Radni materijal
15 . DVODIMENZIONALNI. KONTINUIRANI -dim tko želi znati više MOTIV. Mladić i djevojka su dogovorili sastanak na trgu u sati. Čekat će se najdulje minuta nakon dolaska. Kolika je vjerojatnost da se susretnu ako su oboje došli na trg od do sati? Definicija. KONTINUIRANI -dim Ako su slučajne varijable X i Y kontinuirane slučajne varijable, onda za slučajni vektor (X, Y) kažemo da je kontinuirani dvodimenzionalni slučajni vektor. Definicija. (FUNKCIJA GUSTOĆE VJEROJATNOSTI kontinuiranog -dim SLUČAJNOG VEKTORA) Neka su X : Ω R, Y : Ω R kontinuirane slučajne varijable sa slikama R(X) i R(Y). Funkciju f : R R definiranu na sljedeći način: (i) f (x, y) (ii) f (x, y)dxdy =. zovemo funkcija gustoće vjerojatnosti kontinuiranog -dim slučajnog vektora (X, Y). Definicija.5 (FUNKCIJA DISTRIBUCIJE kontinuiranog -dim SLUČAJNOG VEKTORA) Neka je (X, Y) : Ω R kontinuirani -dim slučajni vektor sa slikom R((X, Y)). Funkciju F : R R definiranu na sljedeći način: F(x, y) := P(X x, Y y) = x y f (x, y)dxdy zovemo funkcija distribucije kontinuiranog -dim slučajnog vektora (X, Y). NAPOMENA. Neka je (X, Y) : Ω R kontinuirani -dim slučajni vektor sa slikom R((X, Y)) = [a, b] [c, d].tada vrijedi P(a < X b, c < Y d) = b d a c f (x, y)dxdy. NAPOMENA. Neka je (X, Y) : Ω R kontinuirani -dim slučajni vektor sa slikom R((X, Y)). Neka je dogadaj A vezan uz slučajni pokus i vektor (X, Y). Ako označimo područje u xy ravnini koje odgovara dogadaju A sa D A onda vjerojatnost dogadaja A (geometrijsku vjerojatnost) možemo računati pomoću 5 Radni materijal
16 .. KONTINUIRANI -dim tko želi znati više P(A) = f (x, y)dxdy. D A MOTIV. Mladić i djevojka su dogovorili sastanak na trgu u sati. Čekat će se najdulje minuta nakon dolaska. Kolika je vjerojatnost da se susretnu ako su oboje došli na trg od do sati? Rješenje: Neka su X i Y slučajne varijable koje predtavljaju vrijeme dolaska djevojke i mladića. Pretpostavit ćemo da jednaki vremenski intervali imaju jednaku vjerojatnost, pa su funkcije gustoće vjerojatnosti za obe varijable jednake:, x f (x) =, inače. f (x) =, x, inače. Budući su slučajne varijable X i Y nezavisne možemo odrediti funkciju gustoće vjerojatnosti slučajnog vektora (X, Y) : f (x, y) = f (x) f (y), x, y f (x, y) =, inače. Računamo vjerojatnost dogadaja A = {(x, y) [, ] [, ] : x y < } : P(A) = P( X Y < ) = D A f (x, y)dxdy = 5. (vidite PRIMJER?? u. poglavlju.) Radni materijal
17 . DVODIMENZIONALNI. KOVARIJANCA, KORELACIJA, PRAVCI RE- GRESIJE MOTIV. Promatramo slučajni pokus bacanje igraće kocke i slučajnu varijablu X = suma brojeva koji su pali i slučajnu varijablu Y = broj ako su pali jednaki brojevi, inače. (c) Jesu li X i Y nezavisne varijable? (d) Izračunajte kovarijancu. (e) Jesu li X i Y korelirane varijable? Definicija. (KOVARIJANCA SLUČAJNOG VEKTORA - engl.covariance of X and Y) Neka je (X, Y) : Ω R -dim slučajni vektor. Kovarijanca slučajnog vektora (X, Y) je µ XY = E((X E(X))(Y E(Y))) = E(X Y) E(X) E(Y). Ako su X i Y nezavisne slučajne varijable onda je µ XY =. PRIMJER. (a) Var(X + Y) = Var(X) + Var(Y) + µ XY (b) Ako su X i Y nezavisne slučajne varijable onda je Var(X + Y) = Var(X) + Var(Y). Dokaz: tko želi znati više Ako je h(x, y) = x + y onda je Z = X + Y slučajna varijabla, funkcija slučajnog vektora (X, Y). Var(Z) = E(Z ) (E(Z)) = E((X + Y) ) (E(X + Y)) = E(X + X Y + Y ) (E(X) + E(Y)) = E(X ) + E(X Y) + E(Y ) ((E(X)) + E(X) E(Y) + (E(Y)) ) = E(X ) (E(X)) + E(Y ) (E(Y)) + (E(X Y) E(X) E(Y)) Ako su X i Y nezavisne slučajne varijable onda je µ XY = pa tvrdnja slijedi iz (a). Definicija.7 (KOEFICIJENT KORELACIJE, engl. correlation coefficient ) Neka je (X, Y) : Ω R -dim slučajni vektor Neka je µ XY kovarijanca slučajnih varijabli X i Y, a σ i σ njihove standardne devijacije. Koeficijent korelacije komponenti X i Y slučajnog vektora je definiran s ρ XY = µ XY σ σ. 7 Radni materijal
18 .. KOVARIJANCA, KORELACIJA, PRAVCI REGRESIJE T: SVOJSTVA KOEFICIJENTA KORELACIJE ρ XY : (i) ρ XY = ρ YX, (ii) ρ XY, (iii) ρ XY = ako je Y = ax + b, a >, ρ XY = ako je Y = ax + b, a <, (iv) ρ UW = ρ XY, ako je U = ax + b, W = cy + d, a, c. D: tko želi znati više (ii) Za slučajnu varijablu U = σ X σ Y, odredimo varijancu: Var(U) = E(U ) (E(U)) = E(σ X σ σ XY + σ Y ) (σ E(X) σ E(Y)) = σ E(X ) σ σ E(XY) + σ E(Y ) (σ (E(X)) σ σ E(X)E(Y) + σ (E(Y)) ) = σ Var(X) + σ Var(Y) σ σ (E(XY) E(X)E(Y)) = σ σ + σ σ σ σ µ XY = σ σ σ σ µ XY. Budući je varijanca pozitivan broj zaključujemo da je µ XY σ σ, ρ XY. Analogno, promatrajući slučajnu varijablu U = σ X+σ Y dobit ćemo nejednakost µ XY σ σ, ρ XY. (iii) µ XY = E(XY) E(X)E(Y) = E(X(aX + b)) E(X)E(aX + b) = ae(x ) + be(x) a(e(x)) + be(x) = avar(x) = aσ, σ = Var(Y) = Var(aX + b) = a Var(X) = a σ, ρ XY = µ XY σ σ = aσ σ σ a = a a. Definicija.8 (NEKORELIRANE SLUČAJNE VARIJABLE) Neka je (X, Y) : Ω R -dim slučajni vektor Neka je µ XY kovarijanca slučajnih varijabli X i Y, a σ i σ njihove standardne devijacije. Za slučajne varijable X i Y kažemo da su nekorelirane ako je koeficijent korelacije ρ XY =. Ako je ρ XY slučajne varijable su korelirane. Radni materijal 8
19 . DVODIMENZIONALNI PRIMJER.5 (a) Ako su X i Y nezavisne slučajne varijable onda su one nekorelirane. (b) Ako su X i Y nekorelirane slučajne varijable onda one ne moraju biti nezavisne. Dokaz: (a) X i Y nezavisne µ XY = ρ XY = X i Y nekorelirane. (b) X i Y nekorelirane ρ XY = ali ne moraju biti X i Y nezavisne (mogu se naći primjeri). NAPOMENA. Neka je zadan slučajni vektor (X, Y) s funkcijom vjerojatnosti f (x, y), ili funkcija gustoće vjerojatnosti. Tražimo funkcijsku vezu izmedu slučajnih varijabli X i Y npr. Y = g(x) tako da E((Y g(x) )) min. Tada se krivulja dana jednadžbom y = g(x) zove regresijska krivulja od Y po X (u smislu najmanjih kvadrata) i odreduje se kao ili y = g(x) = E(Y X = x) = y = g(x) = E(Y X = x) = j= y j f (x, y j ) f (x y f (x, y) f (x) Ako pretpostavimo linearnu ovisnost Y od X tako da je g(x) = ax + b onda kao regresijsku krivulju dobijemo pravac: y µ = ρ XY σ σ (x µ ) je pravac regresije Y po X. Koeficijent a = ρ XY σ = µ XY σ σ je koeficijent regresije Y po X. PRIMJER. Neka je (X, Y) : Ω R -dim slučajni vektor. Neka je µ XY kovarijanca slučajnih varijabli X i Y, ρ XY koeficijent korelacije, σ i σ njihove standardne devijacije, a µ, µ njihova očekivanja. Pretostavimo da su X i Y zavisne slučajne varijable takve da je Y = ax + b. Parametre a i b možemo odrediti metodom najmanjih kvadrata tako da E((Y (ax + b)) ) ima minimalnu vrijednost. a = ρ XY σ = µ XY σ σ je koeficijent regresije Y po X. b = µ ρ XY σ µ = µ µ XY σ σ µ. y µ = µ XY σ (x µ ), Radni materijal
20 .. KOVARIJANCA, KORELACIJA, PRAVCI REGRESIJE y µ = ρ XY σ σ (x µ ) je pravac regresije Y po X. Analogno, ako je X=aY+b a = ρ XY σ = µ XY σ σ je koeficijent regresije X po Y x µ = µ XY σ (Y µ ), x µ = ρ XY σ σ (y µ ) je pravac regresije X po Y. Dokaz: tko želi znati više (metoda najmanjih kvadrata) Označimo K(a, b) = E((Y ax b) ) = E(Y µ a(x µ ) b + µ aµ ) = σ + a σ aµ XY + (µ b aµ ) K(a, b) je funkcija od varijable i tražimo njen ekstrem. Nužni uvjeti su K a = aσ µ XY (µ b aµ ) =, K b = (µ b aµ ) =. Rješavanjem ovog sustava od jed. s nepoznanice dobit ćemo a = µ XY σ, b = µ aµ = µ µ XY σ µ. NAPOMENA.5 Pravci regresije sijeku se u točki (µ, µ ) koja se zove centar zajedničke distribucije X i Y. Kut izmedu pravaca regresije tgϕ = ρ XY σ σ ρ XY σ +. σ Ako je ρ XY = ili pravci regresije se poklapaju i tada postoji potpuna linearna zavisnost izmedu X i Y. Ako je ρ XY = onda su pravci regresije y = µ, x = µ okpmiti, a ne postoji linearna zavisnost slučajnih varijabli X i Y. PRIMJER.7 Za primjer slučajnog vektora (X, Y) nadite kovarijancu, koeficijent korelacije i pravce regresije. Radni materijal
21 . DVODIMENZIONALNI X/Y f (x) f (y) 8 xi p ij y j xi p ij yj p ij x i yj p ij µ = E(X) = µ = E(Y) = E(X ) = E(Y ) = σ σ x i f (x i ) = y j f (y j ) = x i f (x i ) = y j f (y j ) = = = = = Var(X) = 8 ( 8 ) = = Var(Y) = 8 (5 8 ) = = 8 Kovarijanca je µ XY = E(XY) E(X)E(Y) = =. Pravac regresije Y po X je y µ = µ XY σ (x µ ), y 5 y = x +. Pravac regresije X po Y je x µ = µ XY σ (y µ ), x x = 7 y + 7, y = 7 x. Pravci se sijeku u točki (µ, µ ) = (, 5 ). tgϕ = Koeficijent korelacije je ρ XY = 8 = 8 = 7 (x 8 ), = ; Kut izmedu pravaca regresije je ϕ = 8.. µ XY σ σ = 7 =.5. (y 5 8 ), Radni materijal
22 .. KOVARIJANCA, KORELACIJA, PRAVCI REGRESIJE y y x ( ) (, ), 5 y 7 x x Slika.: Pravci regresije slučajnog vektora (X, Y). Prisjetimo se motivacijskog primjera: PRIMJER.8 motiv Promatramo slučajni pokus bacanje igraće kocke i slučajnu varijablu X = suma brojeva koji su pali i slučajnu varijablu Y = broj ako su pali jednaki brojevi, inače. (c) Jesu li X i Y nezavisne varijable? (d) Izračunajte kovarijancu. (e) Jesu li X i Y korelirane varijable? Rješenje: (c) X/Y f (x) f (y) Varijable nisu nezavisne jer je npr. f (, ) f () f (), f (, ) =, f () = 5, f () =. Radni materijal
23 . DVODIMENZIONALNI (d) E(X) = 7, E(Y) =, E(XY) = i x i j y j f (x i, y j ) = 7 Kovarijanca je µ XY = E(XY) E(X) E(Y) =, pa je i koeficijnt korelacije jednak ρ XY =. (e) Varijable su nekorelirane jer je koeficijnt korelacije jednak ρ XY =. Radni materijal
24 .. Ponovimo. Ponovimo DISKRETNI -dim diskretni -dim sl. vek. (X, Y) : Ω R funkcija vjerojatnosti f (x i, y j ) = P(X = x i, Y = y j ), (x i, y j ) R((X, Y)) funkcija distribucije vj. F(x, y) = P(X x, Y y) marginalne funkcije vj. po X f (x) = j f (x, y j ) po Y f (y) = i f (x i, y) nezavisne sl. var. funkcija -dim sl. vek. očekivanje od Z = h((x, Y)) ako su X i Y nezavisna f (x i, y j ) = f (x i ) f (y j ), za sve (x i, y j ) R((X, Y)) Z = h((x, Y)), h : R R E(Z) = i j h(x i, y j ) f (x i, y j ) E(X Y) = i j x i y j f (x i, y j ) E(X + Y) = E(X) + E(Y) E(X Y) = E(X) E(Y) KOVARIJANCA - KORELACIJA PRAVCI REGRESIJE kovarijanca od (X, Y) µ XY = E(XY) E(X) E(Y) koef. korelacije od (X, Y) ρ XY = µ XY σ σ nekorelirane sl. var. ρ XY = pravac regresije Y po X Var(X + Y) = Var(X) + Var(Y) + µ XY y µ = µ XY σ (x µ ) Radni materijal
Funkcija gustoće neprekidne slučajne varijable ima dva bitna svojstva: 1. Nenegativnost: f(x) 0, x R, 2. Normiranost: f(x)dx = 1.
σ-algebra skupova Definicija : Neka je Ω neprazan skup i F P(Ω). Familija skupova F je σ-algebra skupova na Ω ako vrijedi:. F, 2. A F A C F, 3. A n, n N} F n N A n F. Borelova σ-algebra Definicija 2: Neka
Διαβάστε περισσότεραVJEROJATNOST I STATISTIKA Popravni kolokvij - 1. rujna 2016.
Broj zadataka: 5 Vrijeme rješavanja: 120 min Ukupan broj bodova: 100 Zadatak 1. (a) Napišite aksiome vjerojatnosti ako je zadan skup Ω i σ-algebra F na Ω. (b) Dokažite iz aksioma vjerojatnosti da za A,
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 περισσότεραDiskretan slučajni vektor
Sveučilište J J Strossmayera u Osijeku Odjel za matematiku Sveučilišni preddiplomski studij matematike Mia Ćurić Diskretan slučajni vektor Završni rad Osijek, 206 Sveučilište J J Strossmayera u Osijeku
Διαβάστε περισσότεραa M a A. Može se pokazati da je supremum (ako postoji) jedinstven pa uvodimo oznaku sup A.
3 Infimum i supremum Definicija. Neka je A R. Kažemo da je M R supremum skupa A ako je (i) M gornja meda skupa A, tj. a M a A. (ii) M najmanja gornja meda skupa A, tj. ( ε > 0)( a A) takav da je a > M
Διαβάστε περισσότερα(P.I.) PRETPOSTAVKA INDUKCIJE - pretpostavimo da tvrdnja vrijedi za n = k.
1 3 Skupovi brojeva 3.1 Skup prirodnih brojeva - N N = {1, 2, 3,...} Aksiom matematičke indukcije Neka je N skup prirodnih brojeva i M podskup od N. Ako za M vrijede svojstva: 1) 1 M 2) n M (n + 1) M,
Διαβάστε περισσότεραradni nerecenzirani materijal za predavanja R(f) = {f(x) x D}
Matematika 1 Funkcije radni nerecenzirani materijal za predavanja Definicija 1. Neka su D i K bilo koja dva neprazna skupa. Postupak f koji svakom elementu x D pridružuje točno jedan element y K zovemo funkcija
Διαβάστε περισσότερα1.4 Tangenta i normala
28 1 DERIVACIJA 1.4 Tangenta i normala Ako funkcija f ima derivaciju u točki x 0, onda jednadžbe tangente i normale na graf funkcije f u točki (x 0 y 0 ) = (x 0 f(x 0 )) glase: t......... y y 0 = f (x
Διαβάστε περισσότερα3 Populacija i uzorak
3 Populacija i uzorak 1 3.1 Slučajni uzorak X varijabla/stat. obilježje koje izučavamo Cilj statističke analize na osnovi uzorka izvesti odredene zaključke o (populacijskoj) razdiobi od X 2 Primjer 3.1.
Διαβάστε περισσότεραFunkcije dviju varjabli (zadaci za vježbu)
Funkcije dviju varjabli (zadaci za vježbu) Vidosava Šimić 22. prosinca 2009. Domena funkcije dvije varijable Ako je zadano pridruživanje (x, y) z = f(x, y), onda se skup D = {(x, y) ; f(x, y) R} R 2 naziva
Διαβάστε περισσότερα7 Algebarske jednadžbe
7 Algebarske jednadžbe 7.1 Nultočke polinoma Skup svih polinoma nad skupom kompleksnih brojeva označavamo sa C[x]. Definicija. Nultočka polinoma f C[x] je svaki kompleksni broj α takav da je f(α) = 0.
Διαβάστε περισσότεραSlučajni procesi Prvi kolokvij travnja 2015.
Zadatak Prvi kolokvij - 20. travnja 205. (a) (3 boda) Neka je (Ω,F,P) vjerojatnosni prostor, neka je G σ-podalgebra od F te neka je X slučajna varijabla na (Ω,F,P) takva da je X 0 g.s. s konačnim očekivanjem.
Διαβάστε περισσότεραVJEROJATNOST popravni kolokvij veljače 2017.
Zadatak 1. (20 bodova) (a) (4 boda) Precizno definirajte pojam σ-algebre događaja na nepraznom skupu Ω. (b) (6 bodova) Neka je (Ω, F, P) vjerojatnosni prostor i A, B F događaji. Pomoću aksioma vjerojatnosti
Διαβάστε περισσότεραINTEGRALNI RAČUN. Teorije, metodike i povijest infinitezimalnih računa. Lucija Mijić 17. veljače 2011.
INTEGRALNI RAČUN Teorije, metodike i povijest infinitezimalnih računa Lucija Mijić lucija@ktf-split.hr 17. veljače 2011. Pogledajmo Predstavimo gornju sumu sa Dodamo još jedan Dobivamo pravokutnik sa Odnosno
Διαβάστε περισσότεραELEKTROTEHNIČKI ODJEL
MATEMATIKA. Neka je S skup svih živućih državljana Republike Hrvatske..04., a f preslikavanje koje svakom elementu skupa S pridružuje njegov horoskopski znak (bez podznaka). a) Pokažite da je f funkcija,
Διαβάστε περισσότεραMatematička analiza 1 dodatni zadaci
Matematička analiza 1 dodatni zadaci 1. Ispitajte je li funkcija f() := 4 4 5 injekcija na intervalu I, te ako jest odredite joj sliku i inverz, ako je (a) I = [, 3), (b) I = [1, ], (c) I = ( 1, 0].. Neka
Διαβάστε περισσότερα2. Ako je funkcija f(x) parna onda se Fourierov red funkcije f(x) reducira na Fourierov kosinusni red. f(x) cos
. KOLOKVIJ PRIMIJENJENA MATEMATIKA FOURIEROVE TRANSFORMACIJE 1. Za periodičnu funkciju f(x) s periodom p=l Fourierov red je gdje su a,a n, b n Fourierovi koeficijenti od f(x) gdje su a =, a n =, b n =..
Διαβάστε περισσότερα18. listopada listopada / 13
18. listopada 2016. 18. listopada 2016. 1 / 13 Neprekidne funkcije Važnu klasu funkcija tvore neprekidne funkcije. To su funkcije f kod kojih mala promjena u nezavisnoj varijabli x uzrokuje malu promjenu
Διαβάστε περισσότερα2 tg x ctg x 1 = =, cos 2x Zbog četvrtog kvadranta rješenje je: 2 ctg x
Zadatak (Darjan, medicinska škola) Izračunaj vrijednosti trigonometrijskih funkcija broja ako je 6 sin =,,. 6 Rješenje Ponovimo trigonometrijske funkcije dvostrukog kuta! Za argument vrijede sljedeće formule:
Διαβάστε περισσότεραRiješeni zadaci: Limes funkcije. Neprekidnost
Riješeni zadaci: Limes funkcije. Neprekidnost Limes funkcije Neka je 0 [a, b] i f : D R, gdje je D = [a, b] ili D = [a, b] \ { 0 }. Kažemo da je es funkcije f u točki 0 jednak L i pišemo f ) = L, ako za
Διαβάστε περισσότεραVJEROJATNOST I STATISTIKA 2. kolokvij lipnja 2016.
Broj zadataka: 5 Vrijeme rješavanja: 0 min Ukupan broj bodova: 50 Zadatak.. kolokvij - 0. lipnja 0. (a Ako su X i Y diskretne slučajne varijable, dokažite da vrijedi formula E [X + Y ] = E [X] + E [Y ].
Διαβάστε περισσότερα3.1 Granična vrednost funkcije u tački
3 Granična vrednost i neprekidnost funkcija 2 3 Granična vrednost i neprekidnost funkcija 3. Granična vrednost funkcije u tački Neka je funkcija f(x) definisana u tačkama x za koje je 0 < x x 0 < r, ili
Διαβάστε περισσότερα1 Promjena baze vektora
Promjena baze vektora Neka su dane dvije različite uredene baze u R n, označimo ih s A = (a, a,, a n i B = (b, b,, b n Svaki vektor v R n ima medusobno različite koordinatne zapise u bazama A i B Zapis
Διαβάστε περισσότερα5. Karakteristične funkcije
5. Karakteristične funkcije Profesor Milan Merkle emerkle@etf.rs milanmerkle.etf.rs Verovatnoća i Statistika-proleće 2018 Milan Merkle Karakteristične funkcije ETF Beograd 1 / 10 Definicija Karakteristična
Διαβάστε περισσότεραSlučajni vektor. Poglavlje 3
Poglavlje 3 Slučajni vektor Ukoliko u jednom istraživanju za dani slučajni pokus pratimo nekoliko različitih slučajnih varijabli, moguće veze među njima nećemo dokučiti ako ih proučavamo samo svaku za
Διαβάστε περισσότεραNumerička matematika 2. kolokvij (1. srpnja 2009.)
Numerička matematika 2. kolokvij (1. srpnja 29.) Zadatak 1 (1 bodova.) Teorijsko pitanje. (A) Neka je G R m n, uz m n, pravokutna matrica koja ima puni rang po stupcima, tj. rang(g) = n. (a) Napišite puni
Διαβάστε περισσότεραSlučajne varijable Materijali za nastavu iz Statistike
Slučajne varijable Materijali za nastavu iz Statistike Kristina Krulić Himmelreich i Ksenija Smoljak 2012/13 1 / 1 Slučajna varijabla Slučajna varijabla je funkcija X koja elementarnim dogadajima pridružuje
Διαβάστε περισσότεραradni nerecenzirani materijal za predavanja
Matematika 1 Funkcije radni nerecenzirani materijal za predavanja Definicija 1. Kažemo da je funkcija f : a, b R u točki x 0 a, b postiže lokalni minimum ako postoji okolina O(x 0 ) broja x 0 takva da je
Διαβάστε περισσότερα6 Polinomi Funkcija p : R R zadana formulom
6 Polinomi Funkcija p : R R zadana formulom p(x) = a n x n + a n 1 x n 1 +... + a 1 x + a 0, gdje su a 0, a 1,..., a n realni brojevi, a n 0, i n prirodan broj ili 0, naziva se polinom n-tog stupnja s
Διαβάστε περισσότεραLinearna algebra 2 prvi kolokvij,
1 2 3 4 5 Σ jmbag smjer studija Linearna algebra 2 prvi kolokvij, 7. 11. 2012. 1. (10 bodova) Neka je dano preslikavanje s : R 2 R 2 R, s (x, y) = (Ax y), pri čemu je A: R 2 R 2 linearan operator oblika
Διαβάστε περισσότεραOperacije s matricama
Linearna algebra I Operacije s matricama Korolar 3.1.5. Množenje matrica u vektorskom prostoru M n (F) ima sljedeća svojstva: (1) A(B + C) = AB + AC, A, B, C M n (F); (2) (A + B)C = AC + BC, A, B, C M
Διαβάστε περισσότεραDISKRETNA MATEMATIKA - PREDAVANJE 7 - Jovanka Pantović
DISKRETNA MATEMATIKA - PREDAVANJE 7 - Jovanka Pantović Novi Sad April 17, 2018 1 / 22 Teorija grafova April 17, 2018 2 / 22 Definicija Graf je ure dena trojka G = (V, G, ψ), gde je (i) V konačan skup čvorova,
Διαβάστε περισσότεραVerovatnoća i Statistika I deo Teorija verovatnoće (zadaci) Beleške dr Bobana Marinkovića
Verovatnoća i Statistika I deo Teorija verovatnoće zadaci Beleške dr Bobana Marinkovića Iz skupa, 2,, 00} bira se na slučajan način 5 brojeva Odrediti skup elementarnih dogadjaja ako se brojevi biraju
Διαβάστε περισσότεραLinearna algebra 2 prvi kolokvij,
Linearna algebra 2 prvi kolokvij, 27.. 20.. Za koji cijeli broj t je funkcija f : R 4 R 4 R definirana s f(x, y) = x y (t + )x 2 y 2 + x y (t 2 + t)x 4 y 4, x = (x, x 2, x, x 4 ), y = (y, y 2, y, y 4 )
Διαβάστε περισσότεραRiješeni zadaci: Nizovi realnih brojeva
Riješei zadaci: Nizovi realih brojeva Nizovi, aritmetički iz, geometrijski iz Fukciju a : N R azivamo beskoači) iz realih brojeva i ozačavamo s a 1, a,..., a,... ili a ), pri čemu je a = a). Aritmetički
Διαβάστε περισσότεραJednodimenzionalne slučajne promenljive
Jednodimenzionalne slučajne promenljive Definicija slučajne promenljive Neka je X f-ja def. na prostoru verovatnoća (Ω, F, P) koja preslikava prostor el. ishoda Ω u skup R realnih brojeva: (1)Skup {ω/
Διαβάστε περισσότεραTeorijske osnove informatike 1
Teorijske osnove informatike 1 9. oktobar 2014. () Teorijske osnove informatike 1 9. oktobar 2014. 1 / 17 Funkcije Veze me du skupovima uspostavljamo skupovima koje nazivamo funkcijama. Neformalno, funkcija
Διαβάστε περισσότεραElementi spektralne teorije matrica
Elementi spektralne teorije matrica Neka je X konačno dimenzionalan vektorski prostor nad poljem K i neka je A : X X linearni operator. Definicija. Skalar λ K i nenula vektor u X se nazivaju sopstvena
Διαβάστε 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 περισσότεραSlučajne varijable. Diskretna slučajna varijabla X je promjenjiva veličina koja poprima vrijednosti iz skupa
Slučajne varijable Statistički podaci su distribuirani po odredenoj zakonitosti. Za matematičko (apstraktno) opisivanje te zakonitosti potrebno je definirati slučajnu varijablu kojoj pripada odredena razdioba
Διαβάστε περισσότερα( x) ( ) ( ) ( x) ( ) ( x) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
Zadatak 08 (Vedrana, maturantica) Je li unkcija () = cos (sin ) sin (cos ) parna ili neparna? Rješenje 08 Funkciju = () deiniranu u simetričnom području a a nazivamo: parnom, ako je ( ) = () neparnom,
Διαβάστε περισσότεραTRIGONOMETRIJSKE FUNKCIJE I I.1.
TRIGONOMETRIJSKE FUNKCIJE I I Odredi na brojevnoj trigonometrijskoj kružnici točku Et, za koju je sin t =,cost < 0 Za koje realne brojeve a postoji realan broj takav da je sin = a? Izračunaj: sin π tg
Διαβάστε περισσότερα- pravac n je zadan s točkom T(2,0) i koeficijentom smjera k=2. (30 bodova)
MEHANIKA 1 1. KOLOKVIJ 04/2008. grupa I 1. Zadane su dvije sile F i. Sila F = 4i + 6j [ N]. Sila je zadana s veličinom = i leži na pravcu koji s koordinatnom osi x zatvara kut od 30 (sve komponente sile
Διαβάστε περισσότεραUvod u vjerojatnost i matematičku statistiku
Uvod u vjerojatnost i matematičku statistiku - vježbe - Danijel Krizmanić 28. rujna 2007. Sadržaj Osnove vjerojatnosti 2 2 Kombinatorika i vjerojatnost 5 3 Uvjetna vjerojatnost. Nezavisnost 9 4 Geometrijske
Διαβάστε περισσότεραPismeni ispit iz matematike Riješiti sistem jednačina i diskutovati rješenja sistema u zavisnosti od parametra: ( ) + 1.
Pismeni ispit iz matematike 0 008 GRUPA A Riješiti sistem jednačina i diskutovati rješenja sistema u zavisnosti od parametra: λ + z = Ispitati funkciju i nacrtati njen grafik: + ( λ ) + z = e Izračunati
Διαβάστε περισσότεραSadrˇzaj. Sadrˇzaj 1. 4 UVJETNA VJEROJATNOST Ponovimo... 14
Sadrˇzaj Sadrˇzaj 1 4 UVJETNA VJEROJATNOST 3 4.1 Ponovimo................................. 14 1 Radni materijal 2 Poglavlje 4 UVJETNA VJEROJATNOST Thomas Bayes (1702 1762) uvodi pojam uvjetne vjerojatnosti:
Διαβάστε περισσότεραNeka je a 3 x 3 + a 2 x 2 + a 1 x + a 0 = 0 algebarska jednadžba trećeg stupnja. Rješavanje ove jednadžbe sastoji se od nekoliko koraka.
Neka je a 3 x 3 + a x + a 1 x + a 0 = 0 algebarska jednadžba trećeg stupnja. Rješavanje ove jednadžbe sastoji se od nekoliko koraka. 1 Normiranje jednadžbe. Jednadžbu podijelimo s a 3 i dobivamo x 3 +
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 περισσότεραParametarski zadane neprekidne distribucije
Sveučilište J. J. Strossmayera u Osijeku Odjel za matematiku Sveučilišni preddiplomski studij matematike Kristijan Šućur Parametarski zadane neprekidne distribucije Završni rad Osijek, 217. Sveučilište
Διαβάστε περισσότεραSume kvadrata. mn = (ax + by) 2 + (ay bx) 2.
Sume kvadrata Koji se prirodni brojevi mogu prikazati kao zbroj kvadrata dva cijela broja? Propozicija 1. Ako su brojevi m i n sume dva kvadrata, onda je i njihov produkt m n takoder suma dva kvadrata.
Διαβάστε περισσότερα2.2 Srednje vrijednosti. aritmetička sredina, medijan, mod. Podaci (realizacije varijable X): x 1,x 2,...,x n (1)
2.2 Srednje vrijednosti aritmetička sredina, medijan, mod Podaci (realizacije varijable X): x 1,x 2,...,x n (1) 1 2.2.1 Aritmetička sredina X je numerička varijabla. Aritmetička sredina od (1) je broj:
Διαβάστε περισσότεραπ π ELEKTROTEHNIČKI ODJEL i) f (x) = x 3 x 2 x + 1, a = 1, b = 1;
1. Provjerite da funkcija f definirana na segmentu [a, b] zadovoljava uvjete Rolleova poučka, pa odredite barem jedan c a, b takav da je f '(c) = 0 ako je: a) f () = 1, a = 1, b = 1; b) f () = 4, a =,
Διαβάστε περισσότερα16 Lokalni ekstremi. Definicija 16.1 Neka je A R n otvoren, f : A R i c A. Ako postoji okolina U(c) od c na kojoj je f(c) minimum
16 Lokalni ekstremi Važna primjena Taylorovog teorema odnosi se na analizu lokalnih ekstrema (minimuma odnosno maksimuma) relanih funkcija (više varijabli). Za n = 1 i f : a,b R ako funkcija ima lokalni
Διαβάστε περισσότεραVeleučilište u Rijeci Stručni studij sigurnosti na radu Akad. god. 2011/2012. Matematika. Monotonost i ekstremi. Katica Jurasić. Rijeka, 2011.
Veleučilište u Rijeci Stručni studij sigurnosti na radu Akad. god. 2011/2012. Matematika Monotonost i ekstremi Katica Jurasić Rijeka, 2011. Ishodi učenja - predavanja Na kraju ovog predavanja moći ćete:,
Διαβάστε περισσότεραAko između tri slučajne varijable postoji veza ζ = f (ξ, η) i ako su poznate sve relevantne gustoće vjerojatnosti, tada je
Višekomponentne slučajne varijable Srednje vrijednosti i momenti Definicija srednje vrijednosti Ako između tri slučajne varijable postoji veza ζ = f (ξ, η) i ako su poznate sve relevantne gustoće vjerojatnosti,
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 περισσότερα2. KOLOKVIJ IZ MATEMATIKE 1
2 cos(3 π 4 ) sin( + π 6 ). 2. Pomoću linearnih transformacija funkcije f nacrtajte graf funkcije g ako je, g() = 2f( + 3) +. 3. Odredite domenu funkcije te odredite f i njenu domenu. log 3 2 + 3 7, 4.
Διαβάστε περισσότεραCauchyjev teorem. Postoji više dokaza ovog teorema, a najjednostvniji je uz pomoć Greenove formule: dxdy. int C i Cauchy Riemannovih uvjeta.
auchyjev teorem Neka je f-ja f (z) analitička u jednostruko (prosto) povezanoj oblasti G, i neka je zatvorena kontura koja čitava leži u toj oblasti. Tada je f (z)dz = 0. Postoji više dokaza ovog teorema,
Διαβάστε περισσότερα9. GRANIČNA VRIJEDNOST I NEPREKIDNOST FUNKCIJE GRANIČNA VRIJEDNOST ILI LIMES FUNKCIJE
Geodetski akultet, dr sc J Beban-Brkić Predavanja iz Matematike 9 GRANIČNA VRIJEDNOST I NEPREKIDNOST FUNKCIJE GRANIČNA VRIJEDNOST ILI LIMES FUNKCIJE Granična vrijednost unkcije kad + = = Primjer:, D( )
Διαβάστε περισσότεραKlasifikacija blizu Kelerovih mnogostrukosti. konstantne holomorfne sekcione krivine. Kelerove. mnogostrukosti. blizu Kelerove.
Klasifikacija blizu Teorema Neka je M Kelerova mnogostrukost. Operator krivine R ima sledeća svojstva: R(X, Y, Z, W ) = R(Y, X, Z, W ) = R(X, Y, W, Z) R(X, Y, Z, W ) + R(Y, Z, X, W ) + R(Z, X, Y, W ) =
Διαβάστε περισσότεραRIJEŠENI ZADACI I TEORIJA IZ
RIJEŠENI ZADACI I TEORIJA IZ LOGARITAMSKA FUNKCIJA SVOJSTVA LOGARITAMSKE FUNKCIJE OSNOVE TRIGONOMETRIJE PRAVOKUTNOG TROKUTA - DEFINICIJA TRIGONOMETRIJSKIH FUNKCIJA - VRIJEDNOSTI TRIGONOMETRIJSKIH FUNKCIJA
Διαβάστε περισσότεραUNIVERZITET U NIŠU ELEKTRONSKI FAKULTET SIGNALI I SISTEMI. Zbirka zadataka
UNIVERZITET U NIŠU ELEKTRONSKI FAKULTET Goran Stančić SIGNALI I SISTEMI Zbirka zadataka NIŠ, 014. Sadržaj 1 Konvolucija Literatura 11 Indeks pojmova 11 3 4 Sadržaj 1 Konvolucija Zadatak 1. Odrediti konvoluciju
Διαβάστε περισσότερα5. PARCIJALNE DERIVACIJE
5. PARCIJALNE DERIVACIJE 5.1. Izračunajte parcijalne derivacije sljedećih funkcija: (a) f (x y) = x 2 + y (b) f (x y) = xy + xy 2 (c) f (x y) = x 2 y + y 3 x x + y 2 (d) f (x y) = x cos x cos y (e) f (x
Διαβάστε περισσότερα( , treći kolokvij) 3. Na dite lokalne ekstreme funkcije z = x 4 + y 4 2x 2 + 2y 2 3. (20 bodova)
A MATEMATIKA (.6.., treći kolokvij. Zadana je funkcija z = e + + sin(. Izračunajte a z (,, b z (,, c z.. Za funkciju z = 3 + na dite a diferencijal dz, b dz u točki T(, za priraste d =. i d =.. c Za koliko
Διαβάστε περισσότεραMatematika 1 - vježbe. 11. prosinca 2015.
Matematika - vježbe. prosinca 5. Stupnjevi i radijani Ako je kut φ jednak i rad, tada je veza između i 6 = Zadatak.. Izrazite u stupnjevima: a) 5 b) 7 9 c). d) 7. a) 5 9 b) 7 6 6 = = 5 c). 6 8.5 d) 7.
Διαβάστε περισσότεραLINEARNA ALGEBRA 1, ZIMSKI SEMESTAR 2007/2008 PREDAVANJA: NENAD BAKIĆ, VJEŽBE: LUKA GRUBIŠIĆ I MAJA STARČEVIĆ
LINEARNA ALGEBRA 1 ZIMSKI SEMESTAR 2007/2008 PREDAVANJA: NENAD BAKIĆ VJEŽBE: LUKA GRUBIŠIĆ I MAJA STARČEVIĆ 2. VEKTORSKI PROSTORI - LINEARNA (NE)ZAVISNOST SISTEM IZVODNICA BAZA Definicija 1. Neka je F
Διαβάστε περισσότεραIspitivaƬe funkcija: 1. Oblast definisanosti funkcije (ili domen funkcije) D f
IspitivaƬe funkcija: 1. Oblast definisanosti funkcije (ili domen funkcije) D f IspitivaƬe funkcija: 1. Oblast definisanosti funkcije (ili domen funkcije) D f 2. Nule i znak funkcije; presek sa y-osom IspitivaƬe
Διαβάστε περισσότερα2.7 Primjene odredenih integrala
. INTEGRAL 77.7 Primjene odredenih integrala.7.1 Računanje površina Pořsina lika omedenog pravcima x = a i x = b te krivuljama y = f(x) i y = g(x) je b P = f(x) g(x) dx. a Zadatak.61 Odredite površinu
Διαβάστε περισσότεραPRIMJER 3. MATLAB filtdemo
PRIMJER 3. MATLAB filtdemo Prijenosna funkcija (IIR) Hz () =, 6 +, 3 z +, 78 z +, 3 z +, 53 z +, 3 z +, 78 z +, 3 z +, 6 z, 95 z +, 74 z +, z +, 9 z +, 4 z +, 5 z +, 3 z +, 4 z 3 4 5 6 7 8 3 4 5 6 7 8
Διαβάστε περισσότεραPARCIJALNI IZVODI I DIFERENCIJALI. Sama definicija parcijalnog izvoda i diferencijala je malo teža, mi se njome ovde nećemo baviti a vi ćete je,
PARCIJALNI IZVODI I DIFERENCIJALI Sama definicija parcijalnog ivoda i diferencijala je malo teža, mi se njome ovde nećemo baviti a vi ćete je, naravno, naučiti onako kako vaš profesor ahteva. Mi ćemo probati
Διαβάστε περισσότεραMATEMATIKA Pokažite da za konjugiranje (a + bi = a bi) vrijedi. a) z=z b) z 1 z 2 = z 1 z 2 c) z 1 ± z 2 = z 1 ± z 2 d) z z= z 2
(kompleksna analiza, vježbe ). Izračunajte a) (+i) ( i)= b) (i+) = c) i + i 4 = d) i+i + i 3 + i 4 = e) (a+bi)(a bi)= f) (+i)(i )= Skicirajte rješenja u kompleksnoj ravnini.. Pokažite da za konjugiranje
Διαβάστε περισσότεραDijagonalizacija operatora
Dijagonalizacija operatora Problem: Može li se odrediti baza u kojoj zadani operator ima dijagonalnu matricu? Ova problem je povezan sa sljedećim pojmovima: 1 Karakteristični polinom operatora f 2 Vlastite
Διαβάστε περισσότεραPISMENI ISPIT IZ STATISTIKE
1. a) Trgovina odjeće prodaje odjeću u tri različite veličine: 32% veličine S, 44% veličine M i ostatak veličine L. Pokazalo se da je postotak odjeće s greškom redom 1%, 5% i 2%. Ako je trgovina ustanovila
Διαβάστε περισσότεραM086 LA 1 M106 GRP Tema: Uvod. Operacije s vektorima.
M086 LA 1 M106 GRP Tema:.. 5. 10. 2017. predavač: Rudolf Scitovski, Darija Marković asistent: Darija Brajković, Katarina Vincetić P 1 www.fizika.unios.hr/grpua/ 1 2 M086 LA 1, M106 GRP.. 2/17 P 1 www.fizika.unios.hr/grpua/
Διαβάστε περισσότερα4. poglavlje (korigirano) LIMESI FUNKCIJA
. Limesi funkcija (sa svim korekcijama) 69. poglavlje (korigirano) LIMESI FUNKCIJA U ovom poglavlju: Neodređeni oblik Neodređeni oblik Neodređeni oblik Kose asimptote Neka je a konačan realan broj ili
Διαβάστε περισσότεραUvod u teoriju brojeva
Uvod u teoriju brojeva 2. Kongruencije Borka Jadrijević Borka Jadrijević () UTB 2 1 / 25 2. Kongruencije Kongruencija - izjava o djeljivosti; Teoriju kongruencija uveo je C. F. Gauss 1801. De nicija (2.1)
Διαβάστε περισσότεραNeka su A i B skupovi. Kažemo da je A podskup od B i pišemo A B ako je svaki element skupa A ujedno i element skupa B. Simbolima to zapisujemo:
2 Skupovi Neka su A i B skupovi. Kažemo da je A podskup od B i pišemo A B ako je svaki element skupa A ujedno i element skupa B. Simbolima to zapisujemo: A B def ( x)(x A x B) Kažemo da su skupovi A i
Διαβάστε περισσότεραSISTEMI NELINEARNIH JEDNAČINA
SISTEMI NELINEARNIH JEDNAČINA April, 2013 Razni zapisi sistema Skalarni oblik: Vektorski oblik: F = f 1 f n f 1 (x 1,, x n ) = 0 f n (x 1,, x n ) = 0, x = (1) F(x) = 0, (2) x 1 0, 0 = x n 0 Definicije
Διαβάστε περισσότεραZadaci iz Osnova matematike
Zadaci iz Osnova matematike 1. Riješiti po istinitosnoj vrijednosti iskaza p, q, r jednačinu τ(p ( q r)) =.. Odrediti sve neekvivalentne iskazne formule F = F (p, q) za koje je iskazna formula p q p F
Διαβάστε περισσότεραZavrxni ispit iz Matematiqke analize 1
Građevinski fakultet Univerziteta u Beogradu 3.2.2016. Zavrxni ispit iz Matematiqke analize 1 Prezime i ime: Broj indeksa: 1. Definisati Koxijev niz. Dati primer niza koji nije Koxijev. 2. Dat je red n=1
Διαβάστε περισσότεραPRAVA. Prava je u prostoru određena jednom svojom tačkom i vektorom paralelnim sa tom pravom ( vektor paralelnosti).
PRAVA Prava je kao i ravan osnovni geometrijski ojam i ne definiše se. Prava je u rostoru određena jednom svojom tačkom i vektorom aralelnim sa tom ravom ( vektor aralelnosti). M ( x, y, z ) 3 Posmatrajmo
Διαβάστε περισσότερα( , 2. kolokvij)
A MATEMATIKA (0..20., 2. kolokvij). Zadana je funkcija y = cos 3 () 2e 2. (a) Odredite dy. (b) Koliki je nagib grafa te funkcije za = 0. (a) zadanu implicitno s 3 + 2 y = sin y, (b) zadanu parametarski
Διαβάστε περισσότεραREKURZIVNE FUNKCIJE PRIRODOSLOVNO MATEMATIČKI FAKULTET MATEMATIČKI ODSJEK. Diplomski rad. Voditelj rada: Doc.dr.sc.
SVEUČILIŠTE U ZAGREBU PRIRODOSLOVNO MATEMATIČKI FAKULTET MATEMATIČKI ODSJEK Brigita Švec REKURZIVNE FUNKCIJE Diplomski rad Voditelj rada: Doc.dr.sc. Zvonko Iljazović Zagreb, Rujan, 2014. Ovaj diplomski
Διαβάστε περισσότεραSignali i sustavi - Zadaci za vježbu II. tjedan
Signali i sustavi - Zadaci za vježbu II tjedan Periodičnost signala Koji su od sljedećih kontinuiranih signala periodički? Za one koji jesu, izračunajte temeljni period a cos ( t ), b cos( π μ(, c j t
Διαβάστε περισσότεραMJERA I INTEGRAL 2. kolokvij 30. lipnja (Knjige, bilježnice, dodatni papiri i kalkulatori nisu dozvoljeni!)
JMBAG IM I PZIM BOJ BODOVA MJA I INTGAL 2. kolokvij 30. lipnja 2017. (Knjige, bilježnice, dodatni papiri i kalkulatori nisu dozvoljeni!) 1. (ukupno 6 bodova) Neka je (, F, µ) prostor mjere i neka je (
Διαβάστε περισσότεραAPROKSIMACIJA FUNKCIJA
APROKSIMACIJA FUNKCIJA Osnovni koncepti Gradimir V. Milovanović MF, Beograd, 14. mart 2011. APROKSIMACIJA FUNKCIJA p.1/46 Osnovni problem u TA Kako za datu funkciju f iz velikog prostora X naći jednostavnu
Διαβάστε περισσότεραKarakteristične funkcije
Sveučilište J. J. Strossmayera u Osijeku Odjel za matematiku Sveučilišni preddiplomski studij matematike Matea Spajić Karakteristične funkcije Završni rad Osijek, 2015. Sveučilište J. J. Strossmayera u
Διαβάστε περισσότεραIZVODI ZADACI (I deo)
IZVODI ZADACI (I deo) Najpre da se podsetimo tablice i osnovnih pravila:. C`=0. `=. ( )`= 4. ( n )`=n n-. (a )`=a lna 6. (e )`=e 7. (log a )`= 8. (ln)`= ` ln a (>0) 9. = ( 0) 0. `= (>0) (ovde je >0 i a
Διαβάστε περισσότεραLinearna algebra I, zimski semestar 2007/2008
Linearna algebra I, zimski semestar 2007/2008 Predavanja: Nenad Bakić, Vježbe: Luka Grubišić i Maja Starčević 22. listopada 2007. 1 Prostor radijvektora i sustavi linearni jednadžbi Neka je E 3 trodimenzionalni
Διαβάστε περισσότεραĈetverokut - DOMAĆA ZADAĆA. Nakon odgledanih videa trebali biste biti u stanju samostalno riješiti sljedeće zadatke.
Ĉetverokut - DOMAĆA ZADAĆA Nakon odgledanih videa trebali biste biti u stanju samostalno riješiti sljedeće zadatke. 1. Duljine dijagonala paralelograma jednake su 6,4 cm i 11 cm, a duljina jedne njegove
Διαβάστε περισσότεραIskazna logika 3. Matematička logika u računarstvu. novembar 2012
Iskazna logika 3 Matematička logika u računarstvu Department of Mathematics and Informatics, Faculty of Science,, Serbia novembar 2012 Deduktivni sistemi 1 Definicija Deduktivni sistem (ili formalna teorija)
Διαβάστε περισσότερα1. zadatak , 3 Dakle, sva kompleksna re{ewa date jedna~ine su x 1 = x 2 = 1 (dvostruko re{ewe), x 3 = 1 + i
PRIPREMA ZA II PISMENI IZ ANALIZE SA ALGEBROM. zadatak Re{avawe algebarskih jedna~ina tre}eg i ~etvrtog stepena. U skupu kompleksnih brojeva re{iti jedna~inu: a x 6x + 9 = 0; b x + 9x 2 + 8x + 28 = 0;
Διαβάστε περισσότεραMATEMATIKA 1 8. domaća zadaća: RADIJVEKTORI. ALGEBARSKE OPERACIJE S RADIJVEKTORIMA. LINEARNA (NE)ZAVISNOST SKUPA RADIJVEKTORA.
Napomena: U svim zadatcima O označava ishodište pravokutnoga koordinatnoga sustava u ravnini/prostoru (tj. točke (0,0) ili (0, 0, 0), ovisno o zadatku), označava skalarni umnožak, a vektorski umnožak.
Διαβάστε περισσότεραIZVODI ZADACI ( IV deo) Rešenje: Najpre ćemo logaritmovati ovu jednakost sa ln ( to beše prirodni logaritam za osnovu e) a zatim ćemo
IZVODI ZADACI ( IV deo) LOGARITAMSKI IZVOD Logariamskim izvodom funkcije f(), gde je >0 i, nazivamo izvod logarima e funkcije, o jes: (ln ) f ( ) f ( ) Primer. Nadji izvod funkcije Najpre ćemo logarimovai
Διαβάστε περισσότεραNeprekinute funkcije i limesi Definicija neprekinute funkcije i njen odnos prema limesu Asimptote Svojstva neprekinutih funkcija
Sadržaj: Nizovi brojeva Pojam niza Limes niza. Konvergentni nizovi Neki važni nizovi. Broj e. Limes funkcije Definicija esa Računanje esa Jednostrani esi Neprekinute funkcije i esi Definicija neprekinute
Διαβάστε περισσότερα1 Diferencijabilnost Motivacija. Kažemo da je funkcija f : a, b R derivabilna u točki c a, b ako postoji limes f f(x) f(c) (c) = lim.
1 Diferencijabilnost 11 Motivacija Kažemo da je funkcija f : a, b R derivabilna u točki c a, b ako postoji es f f(x) f(c) (c) x c x c Najbolja linearna aproksimacija funkcije f je funkcija l(x) = f(c)
Διαβάστε περισσότερα41. Jednačine koje se svode na kvadratne
. Jednačine koje se svode na kvadrane Simerične recipročne) jednačine Jednačine oblika a n b n c n... c b a nazivamo simerične jednačine, zbog simeričnosi koeficijenaa koeficijeni uz jednaki). k i n k
Διαβάστε περισσότερα( ) ( ) Zadatak 001 (Ines, hotelijerska škola) Ako je tg x = 4, izračunaj
Zadaak (Ines, hoelijerska škola) Ako je g, izračunaj + 5 + Rješenje Korisimo osnovnu rigonomerijsku relaciju: + Znači svaki broj n možemo zapisai n n n ( + ) + + + + 5 + 5 5 + + + + + 7 + Zadano je g Tangens
Διαβάστε περισσότεραSadrˇzaj Sadrˇzaj 12 TEORIJA PROCJENA
Sadrˇzaj Sadrˇzaj 2 TEORIJA PROCJENA 3 2. TOČKASTE PROCJENE......................... 5 2.2 REGRESIJSKA ANALIZA........................ 2.3 ML-PROCJENITELJI tko želi zati više................. 5 2.4 Poovimo.................................
Διαβάστε περισσότερα1 / 79 MATEMATIČKA ANALIZA II REDOVI
/ 79 MATEMATIČKA ANALIZA II REDOVI 6.. Definicija reda Promatrajmo niz Definicija reda ( ) n 2 :, 2 2 3 2 4 2,... Postupno zbrajajmo elemente niza: = + 2 2 = 5 4 + 2 2 + 3 2 = 49 36 + 2 2 + 3 2 + 4 2 =
Διαβάστε περισσότερα