Klasični linearni regresioni model (KLRM)
|
|
- Κλωθώ Δημαράς
- 6 χρόνια πριν
- Προβολές:
Transcript
1 Profesor Zorca Mladeovć Klasč lear regreso model (KLRM) Zorca Mladeovć Ključe teme Postavka pretpostavke KLRM Svojstva ocea parametara u KLRM Elemet statstčkog zaključvaja u KLRM Predvđaje u KLRM Ekoomsk fakultet, Beograd, 7.
2 Profesor Zorca Mladeovć Postavka pretpostavke KLRM 3 Formulacja pretpostavke klasčog learog regresoog modela Posmatramo populacou regresou pravu: Y β + β + ε,,,..., Zavsost je leara po postavc modela. Zavsa velča Y predstavljea je zbrom: Sstematske kompoete, β + β Slučaje kompoete, ε Nvo Y dekompouje se a determstčk stohastčk deo. 4 Ekoomsk fakultet, Beograd, 7.
3 Profesor Zorca Mladeovć Formulacja pretpostavke klasčog learog regresoog modela (II) Kako Y zavs od slučaje greške potrebo je defsat pretpostavke kojma se opsuju svojstva slučaje greške ε. Uvod se ukupo 5 pretpostavk. Počet model zajedo sa pretpostavkamač klasč lear regreso model Često se dodaje prdev jedostav, jer je polaz model jedostav regreso model. 5 Pretpostavke jedostavog KLRM (I) Red broj pretpostavke.. 3. Formulacja Očekvaa vredost slučaje greške je ula Slučaje greške su homoskedastče, odoso poseduju stu varjasu Slučaje greške su međusobo ekorelsae Zaps E ( ε ) v( ε ) E( ε ) σ cov( ε, ε j ) E( εε j ). za svako za svako za svako, j koj su razlčt. 6 Ekoomsk fakultet, Beograd, 7. 3
4 Profesor Zorca Mladeovć Pretpostavke jedostavog KLRM (II) Red broj pretpostavke Formulacja Slučaja greška ma ormalu raspodelu Objašjavajuća promeljva je slučaja promeljva, već poseduje determstčku prrodu Zaps : N (, σ ) ε cov(, ε ) za svako za svako 7 Detaljje o svakoj od pretpostavk KLRM Smsao mplkacje pretpostavke. Šta ako je pretpostavka arušea? 8 Ekoomsk fakultet, Beograd, 7. 4
5 Profesor Zorca Mladeovć Pretpostavka : Očekvaa vredost slučaje greške je ula Implkacja: U proseku slučaja greška e utče a vo zavse promeljve E ( ε ) E( Y ) β + β Ako je pretpostavka arušea: Meja se počet smsao slobodogčlaa: E( ε ) k cost. ε k + u Y β + β + ε Y ( β + k) + β + u sl.cla Pretpostavka : Varjasa slučaje greške je stabla Slučaje greške su homoskedastče Implkacje:. Svaka slučaja greška ma stu varjasu ezavso od vredost objašjavajuće promeljve: v( ε ) v( ε )... v( ε ) cost.. Varjasa zavse promeljve odgovara varjas slučaje greške v( ε ) σ v( Y ) E Y E ( Y ) E ε σ σ ( ) ( ). Ekoomsk fakultet, Beograd, 7. 5
6 Profesor Zorca Mladeovć Pretpostavka : Varjasa slučaje greške je stabla Slučaje greške su homoskedastče Ako je pretpostavka arušea: Varjase slučajh grešk razlkuju se po pojedm opservacjama: v( ε ) σ v( ε ) σ σ M v( ε ) σ Slučaje greške su heteroskedastče Heteroskedastčost sečesto javlja u podacma preseka. σ... σ Pretpostavka : Lev grafk: homoskedastčost Des grafk: heteroskedastčost Ekoomsk fakultet, Beograd, 7. 6
7 Profesor Zorca Mladeovć Pretpostavka 3: Slučaje greške su međusobo ekorelsae Odsustvo autokorelacje Implkacje: Slučaje greške su ekorelsae Cov (ε, ε j ) za j Nema pravlost u korelacooj struktur slučajh grešk Pretpostavka se vezuje za podatke vremeskh serja. Elemet za slučajh grešaka su uređe u odosu a vreme: Cov (ε t, ε t-j ) za j,,... Medjusoba povezaost se opsuje termom autokorelacja. Po ovoj pretpostavc autokorelacja je ula. 3 Pretpostavka 3: Slučaje greške su međusobo ekorelsae Odsustvo autokorelacje Ako je pretpostavka arušea: Postoj autokorelacja Slučaje greške su korelsae Cov (ε, ε j ) za j slede prepozatljv obrazac u kretaju U podacma vremeskh serja: Slučaje greške koje su uređee tokom vremea su korelsae Uobčajea ozaka: Cov (ε t, ε t-j ) za j,,... 4 Ekoomsk fakultet, Beograd, 7. 7
8 Profesor Zorca Mladeovć Pretpostavka 3 (Odsustvo autokorelacje, poztva egatva autokorelacja) 5 Pretpostavka 4: Slučaja greška poseduje ormalu raspodelu Implkacje:. Slučaja greška obuhvata utcaj velkog broja međusobo ezavsh epredvdljvh utcaja.. Cetrala grača teorema: zbr velkog broja takvh člaca aproksmra se ormalom raspodelom 3. Parametr ormale raspodele: Sredja vredost je ula (. pretpostavka) Varjasa je σ (. pretpostavka) Zaps: ε : N, σ ( ) 6 Ekoomsk fakultet, Beograd, 7. 8
9 Profesor Zorca Mladeovć Pretpostavka 4: Slučaja greška poseduje ormalu raspodelu Implkacje: Zavsa promeljva takodje poseduje ormalu raspodelu Parametr ormale raspodele Y Sredja vredost je β + β Varjasa je σ E ( ε ) E ( Y ) E ( β v( ε ) σ v( Y ) E ( β ε : N (, σ Y : N ( β v( Y ) E ) + β + β, σ ). + β ( Y E ( Y )) + ε β β + ε ) β ) E ( ε ) + β. σ. 7 Pretpostavke.,. 4. Grafčk prkaz 8 Ekoomsk fakultet, Beograd, 7. 9
10 Profesor Zorca Mladeovć Pretpostavka 4: Slučaja greška poseduje ormalu raspodelu Ako je pretpostavka arušea: Slučaja greška ema ormalu raspodelu. To je ajčešće posledca pogreše postavke modela. O tome kasje. 9 Pretpostavka 5: Objašjavajuća promeljva je determstčka Implkacje: Objašjavajuća promeljva ma karakter egzogee velče. Ta velča je defsaa uutar ekoomskog segmeta kojem prpada zavsa promeljva. Objašjavajuća promeljva je korelsaa sa slučajom greškom. Ako je pretpostavka arušea: Objašjavajuća promeljva je slučaja promeljva korelsaa je sa slučajom greškom Defsaa je uutar sstema: edogea velča, kao zavsa, jer je pod utcajem ste slučaje greške. Meja se smsao ocee agba. Ekoomsk fakultet, Beograd, 7.
11 Profesor Zorca Mladeovć Ekoomsk fakultet, Beograd, 7. Implkacja avedeh pretpostavk a ocee parametara po metodu ONK Ocea b je leara fukcja slučaje promeljve Y Posledce: Ocea b je slučaja promeljva Ocea b ma ormalu raspodelu. ( )( ) ( ) ( ) ( ) ( ) ( ) + x x w, w Y Y Y Y b ),, N( : ),Y, N( : σ β β σ ε Svojstva ocea dobjeh prmeom metoda ONK u KLRM Karakterstke ocea parametara Kako se mer varjasa ocea parametara?
12 Profesor Zorca Mladeovć Svojstva ocea koje su dobjee prmeom metoda ONK Ako su zadovoljee pretpostavke KLRM tada se prmeom metoda ONK dobjaju - ajbolje - leare - eprstrase ocee (NLNO) koje su - kozstete. Bt dokaz se zvode a tabl. 3 Kako mermo preczost ocea? Svak drug uzorak daje ove ocee parametara. Ako se sa promeom uzorka ocee malo razlkuju, oda oe maju malu varjasu obrato. Preczost ocee se mer a osovu ocee varjase ocea. Kvadrat kore z ocee varjase je stadarda greška ocee. Da b se zračuale stadarde greške ocea potrebo je prethodo ocet varjabltet slučaje greške modela. U ptaju je ocea parametra σ. 4 Ekoomsk fakultet, Beograd, 7.
13 Profesor Zorca Mladeovć Ocea varjase slučaje greške modela σ Varjasa slučaje greške ε je: v(ε ) E[(ε )-E(ε )] σ odoso: v(ε ) E(ε ) Ako b slučaje greške ble pozate tada b oceu varjase dobl a sledeć ač: s ε Međutm, e zamo vredost ε. Al, pozate su am vredost rezduala e : s e Ova ocea je prstrasa ocea parametra σ. 5 Ocea varjase slučaje greške modela (II) Neprstrasa ocea σ je: s e gde je rezduala suma kvadrata uzorka. e je obm Kvadrat kore, s, je stadarda greška regresje, odoso stadarda devjacja rezduala. Sada možemo da aalzramo ocee varjas ocea parametara b b. Ozake za ocee varjas: s (b ) s (b) 6 Ekoomsk fakultet, Beograd, 7. 3
14 Profesor Zorca Mladeovć Ocee varjas ocea parametara b b v( b ) E v( b ) E vˆ( b ) s vˆ( b ) s ( b E( b )) ( b E( b )) ( b ) s ( b ) s... + x... σ + σ x x s( b ) s( b s x x ) s + x 7 Stadarde greške ocea parametara zavse od sledećh faktora:. Varjabltet modela (s l s). Što je već varjabltet modela, to je već stepe raspršeost slučaje greške modela, a tme već varjabltet zavse promeljve Y. Rezultat: eprecze ocee parametara.. Suma kvadrata odstupaja od artmetčke srede. U ptaju je mera varjablteta objašjavajuće promeljve. Veća vredost ove sume utče a povećaje preczost ocea, odoso a pad jhovog varjablteta. 3. Obm uzorka. Javlja se eksplcto u meocu formule za stadardu grešku slobodog člaa mplcto u meocu formule za obe ocee kroz zbr kvadrata odstupaja od artmetčke srede. Već obm uzorka pruža vše formacja. Tme se smajuje varjabltet ocea parametara. 4. Stadarda greška ocee slobodog člaa zavs od artmetčke srede podataka za. Podac su udaljej od y-ose što je vredost ove artmetčke srede veća. Rezultat: epreczja ocea slobodog člaa. 8 Ekoomsk fakultet, Beograd, 7. 4
15 Profesor Zorca Mladeovć Šta se dešava ako je suma relatvo velka? ( ) relatvo mala l Y Y Y Y 9 Prmer: zračuavaje odgovarajućh stadardh grešaka ocea u jedostavom modelu Prethodo je ocejea zavsost potrošje od dohotka z 5 goda: 5 x y. b x b Y b R e Ŷ y e y b x (. 686 ) Ekoomsk fakultet, Beograd, 7. 5
16 Profesor Zorca Mladeovć Prmer: zračuavaje odgovarajućh stadardh grešaka ocea u jedostavom modelu (II) Ocea varjase slučaje greške modela: s e Ocea varjase ocee agba: s ( b ) s x s( b ) 3. 6 Ocea varjase ocee slobodogčlaa: s (b ) s s(b ) x Fal zaps modela Uobčajeo se sv dobje rezultat zapsuju a sledeć ač: Ŷ R. 93 ( ) (. 53 ) Ispod ocea parametara avode se redom odgovarajuće stadarde greške ocea. Deso od ocejeog modela daje se vredost koefcjeta determacje. Model je sprema za statstčku aalzu testraja hpoteza. 3 Ekoomsk fakultet, Beograd, 7. 6
17 Profesor Zorca Mladeovć Elemet statstčkog zaključvaja u KLRM 33 Statstčko zaključvaje u KLRM Testraje hpoteza o vredostma parametara KLRM Formraje tervalh ocea parametara KLRM Progozraje budućh vredost zavse promeljve 34 Ekoomsk fakultet, Beograd, 7. 7
18 Profesor Zorca Mladeovć Testraje hpoteze: osov elemet Iteresuje as da l parametar agba uzma tačo određeu vredost. Postavljamo dve hpoteze: ultu (ozaka H ) alteratvu hpotezu (ozaka H ). Nulta hpoteza je skaz čju valjaost sptujemo, odoso testramo. Alteratva hpoteza obuhvata sva alteratva tvrđeja. Na prmer, teresuje as da l se zavsa promeljva meja u stom obmu kao objašjavajuća, odoso da l je β jedako. Korstmo sledeću otacju: H : β H : β 35 Kako ostvart dskrmacju zmeđu hpoteza? Raspodela verovatoće ocea dobjeh metodom ONK Ocee koje su dobjee prmeom metoda ONK su same ormalo raspodeljee: ε : N(, σ Y : N( β + β, σ ) b : N( β,v( b )) b ) : N( β,v( b )) 36 Ekoomsk fakultet, Beograd, 7. 8
19 Profesor Zorca Mladeovć Raspodela verovatoće ocea dobjeh metodom ONK (II) Stadardzovajem slučajh promeljvh b b dobjamo: b β v ( b ) : N (, ) b β : N v ( b) (, ) Međutm, varjase ocea v(b ) v(b) su su epozate velče. Ako h zamemo odgovarajućm oceama, tada dobjamo slučaje promeljve sa t-raspodelom (zvod se a tabl) b s β ( b ) : t b β : s t ( b) 37 Testraje hpoteza: algortam Posmatramo model oblka: Y β + β + ε,,,..., Testramo valdost hpoteze: H : β β * protv H : β β * Korac u postupku testraja:. Ocejujemo: b, b, s(b ) s(b) a pozat ač.. Račuamo test-statstku korsteć sledeću formulu: b β * t s( b ) : t gde je β * vredost β u uslovma važeja ulte hpoteze. 38 Ekoomsk fakultet, Beograd, 7. 9
20 Profesor Zorca Mladeovć Testraje hpoteza: algortam (II) 3. Sastav deo testraja hpoteze je zbor voa začajost, koj sečesto ozačava sa α. To je verovatoća odbacvaja ulte hpoteze u stuacj kada je oa tača. Uobčajeo se korst vo začajost 5%. Nvo začajost određuje velču oblast prhvataja, odoso eprhvataja valdost ulte hpoteze. Oblast odbacvaja ulte hpoteze je krtča oblast testa. 39 Testraje hpoteza: algortam (III) 4. Defšemo pravlo odlučvaja: krterjum po kojem odbacujemo ultu hpotezu. b β* Ho : β β* :t s(b) α. 5,P t P t b β* (. 5) t s(b) b β* ( α / ) t s(b) (. 5). 95. ( α / ) α f(x).5% Krtca oblast 95% Oblast prhvataja Ho.5% Krtca oblast 4 Ekoomsk fakultet, Beograd, 7.
21 Profesor Zorca Mladeovć Testraje hpoteza: algortam (IV) b β * s( b ) H b β * s( b ) H ( ± t (. 5 )) prhvatamo kao tacu hpotezu ( ± t (. 5 )) odbacujemo kao etacu hpotezu uz vo zacajost 5% Alteratva otacja b β * s( b ) H > t (. 5 ) odbacujemo kao etacu uz vo zacajost 5% 4 Testraje hpoteza: algortam (V) 5. Sprovodmo testraje: Ako zračuata test-statstka lež u oblast prhvataja ulte hpoteze, tada se ulta hpoteza e odbacuje. Obrato, ako zračuata test-statstka prpada krtčoj oblast testa, tada ultu hpotezu odbacujemo za dat vo začajost. 4 Ekoomsk fakultet, Beograd, 7.
22 Profesor Zorca Mladeovć Prmer testraja hpoteza Podsećamo a oceu modela: Ŷ R. 93 ( ) (. 53) Testramo valjaost ulte hpoteze H : β protv alteratve H : β. Potreba am je krtča vredost t raspodele za 5-3 stepe slobode vo začajost 5%. Buduć da je test dvostra da je ukupa velča krtče oblast 5%, korstmo sledeću otacju: t 3 (.5) l t 3 (.5%) Tablce: t 3 (.5).6 43 Određvaje krtče oblast testa f(x).5% krtca oblast.5% krtca oblast Ekoomsk fakultet, Beograd, 7.
23 Profesor Zorca Mladeovć Hpoteze: H : β H : β Testraje hpoteze Izračuata test-statstka: b β *. 686 t 5. 9 s( b ). 53 Kako je 5. 9 >. 6 odbacujemo hpotezu H a datom vou začajost. Ne možemo smatrat da je margala skloost a potrošj jedaka vredost jeda. 45 Testraje drugh hpoteza Može as teresovat sledeće: H : β l H : β. H : β H : β H : β H : β 46 Ekoomsk fakultet, Beograd, 7. 3
24 Profesor Zorca Mladeovć Specjal tp hpoteze: t-odos Opšt oblk testa koj smo korstl je: b β * t s( b ) Pretpostavmo da as teresuje H : β protv H : β. Ako je tača ulta hpoteza, tada objašjavajuća promeljva e utče a kretaje zavse promeljve. Tme proveravamo opravdaost postavke modela. 47 Specjal tp hpoteze: t-odos (II) Test-statstka se azva t-odos, zato što za β test-statstka postaje odos ocee odgovarajuće stadarde greške ocee: t b b s( b ) b s( b ). 686 tb. 94,. 94 > H : β prhvata se kao taco. Zaključak: dohodak () ostvaruje statstčk začaja utcaj a potrošju (Y). 48 Ekoomsk fakultet, Beograd, 7. 4
25 Profesor Zorca Mladeovć Specjal tp hpoteze: t-odos (III) Opravdaost prsustva slobodog člaa proverava se prema shodu testraja sledećh hpoteza: H : β protv H : β b tb s( b ) 8. 7 tb. 33,. 33 > H : β prhvata se kao taco. Zaključak: u ocejeom modelu potrebo je uključt sloboda čla. 49 Prmer prmee testraja hpoteza Prethod rezultat: Na osovu mesečh podataka u perodu: jauar 998- decembar 8. goda (3 podatka) oceje je model vredovaja kaptala za stopu prosa akcja kompaje Mcrosoft: ( R R ) + ε R 33 R j R f m f. Da l je rzk posedovaja ovh akcja jedak opštem tržšom rzku? Da l je ocea slobodog člaa očekvaa? Ekoomsk fakultet, Beograd, 7. 5
26 Profesor Zorca Mladeovć Prmer prmee testraja hpoteza (II) Dodat rezultat sadrž stadarde greške ocea: R (. 9) (. 6) ( R R ) j R f m f + ε R Da l je rzk posedovaja ovh akcja jedak opštem tržšom rzku? Odgovor: da, prema rezultatma testraja. H : β, H : β. 33 b. 6 t. 65 s( b ). 6 t3 N(, ) t3(. 5 ). 96 H : β se e odbacuje.. 65 <. 96 Prmer prmee testraja hpoteza (III) Dodat rezultat: (. 9) (. 6) ( R R ) R j R f m f + ε R Da l je sloboda čla statstčk začaja? Odgovor: e, prema rezultatma testraja. H : β, H : β b. t. s( b ). 9 H t3 N(, ) t3(. 5 ). 96 : β. 33 se e odbacuje. Ekoomsk fakultet, Beograd, 7. 6
27 Profesor Zorca Mladeovć Formraje tervalh ocea parametara Ocee parametara mogu bt tačkaste tervale. Do sada smo razmatral samo tačkastu oceu. Itervala ocea parametra predstavlja grace tervala uutar koga očekujemo stvaru vredost parametra uz određeu verovatoću. Korstmo pozat rezultat: P t α. 5,P t b β ( α / ) t s(b) b β (. 5) t s(b) ( α / ) α (. 5). 95. Formraje tervalh ocea parametara (II) Dvoju ejedakost rešavamo u fukcj od epozatog parametra: α ( t (. 5)s(b) β b+ t (. 5)s(b) )... 5,P b 95 Itervala ocea parametra agba sa verovatoćom 95%: β ( b ± t (. 5 )s( b )) Itervala ocea parametra slobodog člaa sa verovatoćom 95%: ( ± t (. )s( b )) β 5 b Ekoomsk fakultet, Beograd, 7. 7
28 Profesor Zorca Mladeovć Prmer obrazovaja tervalh ocea epozath parametara Rezultat prethodog ocejvaja: Ŷ ( ) (. 53 ) Itervala ocea za Tačkasta ocea Stad. greš. ocee t-krt. Izračuavaje tervale ocee Itervala ocea uz verovatoću 95% Beta ( ± ) ( ) , ± 5.35 Beta ( 8. 75± ) (. 59, ) Ekoomsk fakultet, Beograd, 7. 8
Jednostavna regresiona analiza
Profesor Zorca Mladeovć Jedostava regresoa aalza Zorca Mladeovć Struktura predavaja Polaza deja prmer Populacoa uzoračka regresoa prava Metod očh ajmajh kvadrata Korelacja Jedostave eleare zavsost Ekoomsk
Διαβάστε περισσότεραEkonometrija 5. Ekonometrija, Osnovne studije. Predavač: Aleksandra Nojković
Ekoometja 5 Ekoometja, Osove studje Pedavač: Aleksada Nojkovć Stuktua pedavaja Klasč dvostuk (všestuk) lea egeso model - metod ONK. Petpostavke všestukog KLM. Koelacja u všestukom KLM. Oča kogova. Dvostuk
Διαβάστε περισσότεραRAČUNANJE SA PRIBLIŽNIM VREDNOSTIMA BROJEVA
RAČUNANJE SA PRIBLIŽNIM VREDNOSTIMA BROJEVA PRIBLIŽNI BROJ I GREŠKA tača vredost ekog broja X prblža vredost ekog broja X apsoluta greška Δ = X X graca apsolute greške (gorja graca) relatva greška X X
Διαβάστε περισσότεραOsnovi ekonometrije Glava 8
Osov ekoomerje Glava 8 Osove sudje Predavač: Aleksadra Nojkovć Srukura predavaja Narušavaje preposavk KLRM Heeroskedascos Auokorelacja Preposavke KLRM. E(ε ) = 0. Var(ε ) = = cos. 3. Cov (ε, ε j ) = 0
Διαβάστε περισσότεραREGRESIJSKA ANALIZA. U razvoju regresijske analize najznačajniju ulogu su imali: Carl Friedrich Gauss ( ) Francis Galton (
SEMINAR U razvoju regresjske aalze ajzačajju ulogu su mal: Carl Fredrch Gauss (822 9) Fracs Galto (822 9) Karl Pearso (857 936) George Udy Yule (87 95) SEMINAR Regresjska aalza je matematčko-statstčk postupak
Διαβάστε περισσότεραEkonometrija 4. Ekonometrija, Osnovne studije. Predavač: Aleksandra Nojković
Ekonometrja 4 Ekonometrja, Osnovne studje Predavač: Aleksandra Nojkovć Struktura predavanja Nelnearne zavsnost Prmene u ekonomskoj analz Prmer nelnearne zavsnost Isptujemo zavsnost zmeđu potrošnje dohotka.
Διαβάστε περισσότεραMetoda najmanjih kvadrata
Metoda ajmajh kvadrata Moday, May 30, 011 Metoda ajmajh kvadrata (MNK) MNK smo već uvel u proučavaju leare korelacje; gdje smo tražl da suma kvadrata odstupaja ekspermetalh točaka od pravca koj h a ajbolj
Διαβάστε περισσότεραAKSIOMATIKA TEORIJE VEROVATNOĆE
AKSIOMATIKA TEORIJE VEROVATNOĆE E Aksomatka teorje verovatoće Polaz se od osovh stavova, tzv. aksoma, a osovu kojh se sve ostale osobe mogu dokazat. Za posmatra prostor el. shoda aksomatzacja daje odgovore
Διαβάστε περισσότεραnepoznati parametar θ jednak broju θ 0, u oznaci H 0 (θ =θ 0 ), je primer proste hipoteze. Ako hipoteza nije prosta, onda je složena.
Testiraje parametarskih hipoteza Pretpostavka (hipoteza) o parametru raspodele se zove parametarska hipoteza. Postupak jeog potvrđivaja ili odbacivaja a osovu podataka iz uzorka je parametarski test. t
Διαβάστε περισσότεραAritmetički i geometrijski niz
Zadac sa prethodh prjemh spta z matematke a Beogradskom uverztetu Artmetčk geometrjsk z. Artmetčk z. 00. FF Zbr prvh dvadeset člaova artmetčkog za čj je prv čla, a razlka A) 0 B) C) D) 880 E) 878. 000.
Διαβάστε περισσότεραPolarizacija. Procesi nastajanja polarizirane svjetlosti: a) refleksija b) raspršenje c) dvolom d) dikroizam
Polarzacja Proces asajaja polarzrae svjelos: a refleksja b raspršeje c dvolom d dkrozam Freselove jedadžbe Svjelos prelaz z opčkog sredsva deksa loma 1 u sredsvo deksa loma, dolaz do: refleksje (prema
Διαβάστε περισσότεραDvanaesti praktikum iz Analize 1
Dvaaesti praktikum iz Aalize Zlatko Lazovi 20. decembar 206.. Dokazati da fukcija f = 5 l tg + 5 ima bar jedu realu ulu. Ree e. Oblast defiisaosti fukcije je D f = k Z da postoji ula fukcije a 0, π 2.
Διαβάστε περισσότεραLinearna korelacija. Vrijedi: (1) 1 r 1
Leara korelacja Korelacja je mjera leare zavsost dvju serja podataka 1,,..., 1,,...,. Drugm rječma, ako su točke 1, 1,,,..., gruprae oko regresjskog pravca, oda govormo da su podatc korelra learo korelra.
Διαβάστε περισσότεραElektrotehnički fakultet univerziteta u Beogradu 16.maj Odsek za Softversko inžinjerstvo
Elektrotehnčk fakultet unverzteta u Beogradu 6.maj 8. Odsek za Softversko nžnjerstvo Performanse računarskh sstema Drug kolokvjum Predmetn nastavnk: dr Jelca Protć (35) a) () Posmatra se segment od N uzastonh
Διαβάστε περισσότεραEkonometrija 2. Ekonometrija, Osnovne studije. Predavač: Aleksandra Nojković
Ekonometrja Ekonometrja, Osnovne studje Predavač: Aleksandra Nojkovć Struktura predavanja Svojstva ocena na malm uzorcma Asmptotska svojstva ocena Svojstva ocena dobjenh metodom ONK Svojstva ocena U regresonoj
Διαβάστε περισσότεραTESTIRANJE ZNAČAJNOSTI RAZLIKE
//0 TESTIRANJE ZNAČAJNOSTI RAZLIKE Z-TEST I T-TEST Beograd, 0 Ass. dr Zora Bukumirić Z-TEST I T-TEST z-testom i Studetovim t-testom testiramo razliku: jede aritmetičke sredie i pretpostavljee vredosti
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 περισσότεραRAZLICITI PRISTUPI KREDITNOM. - master rad -
UNIVERZITET U NOVOM SADU PRIRODNO MATEMATICKI FAKULTET DEPARTMAN ZA MATEMATIKU I INFORMATIKU RAZLICITI PRISTUPI KREDITNOM SKORING SISTEMU - master rad - Profesor: dr. Zoraa Luža Autor: Jelea Burgjašev
Διαβάστε περισσότεραKOMUTATIVNI I ASOCIJATIVNI GRUPOIDI. NEUTRALNI ELEMENT GRUPOIDA.
KOMUTATIVNI I ASOCIJATIVNI GRUPOIDI NEUTRALNI ELEMENT GRUPOIDA 1 Grupoid (G, ) je asocijativa akko važi ( x, y, z G) x (y z) = (x y) z Grupoid (G, ) je komutativa akko važi ( x, y G) x y = y x Asocijativa
Διαβάστε 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 περισσότεραTačkaste ocene parametara raspodele
Tačkaste ocee parametara raspodele Na osovu uzorka treba da se odredi kakva je raspodela obeležja a populaciji Ako je tip raspodele pozat, treba da se odrede parametri raspodele Pošto je realizovaa vredost
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 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 περισσότεραObrada empirijskih podataka
Obrada emprjskh podataka deskrptva statstka opsvaje podataka z uzorka l populacje u form osovh parametara osove vrste podataka po astaku varjable (upotreba razlčth mjerh ljestvca) se mogu klasfcrat a:.
Διαβάστε 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 περισσότεραMoguća i virtuelna pomjeranja
Dnamka sstema sa vezama Moguća vrtuelna pomjeranja f k ( r 1,..., r N, t) = 0 (k = 1, 2,..., K ) df k dt = r + t = 0 d r = r dt moguća pomjeranja zadovoljavaju uvjet: df k = d r + dt = 0. t δ r = δx +
Διαβάστε περισσότεραnumeričkih deskriptivnih mera.
DESKRIPTIVNA STATISTIKA Numeričku seriju podataka opisujemo pomoću Numeričku seriju podataka opisujemo pomoću numeričkih deskriptivnih mera. Pokazatelji centralne tendencije Aritmetička sredina, Medijana,
Διαβάστε περισσότερα10. REGRESIJA I KORELACIJA
0. REGRESIJA I KORELACIJA Jospa Perkov, prof., pred. Jedodmezoala aalza stražvaje vaje jede pojave predočee ee statstčkm zom ezavso od drugh, statstčkm metodama (grafčko tabelaro prkazvaje za, zračuavaje
Διαβάστε περισσότεραReverzibilni procesi
Reverzbln proces Reverzbln proces: proces pr koja sste nkada nje vše od beskonačno ale vrednost udaljen od ravnoteže, beskonačno ala proena spoljašnjh uslova ože vratt sste u blo koju tačku, proena ože
Διαβάστε περισσότεραMETODA SEČICE I REGULA FALSI
METODA SEČICE I REGULA FALSI Zadatak: Naći ulu fukcije f a itervalu (a,b), odoso aći za koje je f()=0. Rešeje: Prvo, tražimo iterval (a,b) a kome je fukcija eprekida, mootoa i važi: f(a)f(b)
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 περισσότεραObrada signala
Obrada signala 1 18.1.17. Greška kvantizacije Pretpostavka je da greška kvantizacije ima uniformnu raspodelu 7 6 5 4 -X m p x 1,, za x druge vrednosti x 3 x X m 1 X m = 3 x Greška kvantizacije x x x p
Διαβάστε 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 περισσότεραElektrotehnički fakultet univerziteta u Beogradu 26. jun Katedra za Računarsku tehniku i informatiku
Elektrotehički fakultet uiverziteta u Beogradu 6. ju 008. Katedra za Račuarku tehiku i iformatiku Performae račuarkih itema Rešeja zadataka..videti predavaja.. Kretaje Verovatoća Opi 4 4 Kretaje u itom
Διαβάστε περισσότεραGranične vrednosti realnih nizova
Graiče vredosti realih izova Fukcija f : N R, gde je N skup prirodih brojeva a R skup realih brojeva, zove se iz realih brojeva ili reala iz. Opšti čla iza f je f(), N, i običo se obeležava sa f, dok se
Διαβάστε περισσότεραRatomir Paunović i Radovan Omorjan, Tehnološki fakultet u Novom Sadu
PREDGOVOR Ova kjga predstavlja uvod u statstku amejea je pre svega studetma prmejeh tehčkh auka, kao žejerma. Psal smo je sa cljem da pomogemo zateresovaom čtaocu da razume pravlo korst osove statstčke
Διαβάστε περισσότερα3n an = 4n3/2 +2n+ n 5n 3/2 +5n+2 n a 2 n = n 2. ( 2) n Dodatak. = 0, lim n! 2n 6n + 1
Nizovi 5 a = 5 +3+ + 6 a = 3 00 + 00 3 +5 7 a = +)+) ) 3 3 8 a = 3 +3+ + +3 9 a = 3 5 0 a = 43/ ++ 5 3/ +5+ a = + + a = + ) 3 a = + + + 4 a = 3 3 + 3 ) 5 a = +++ 6 a = + ++ 3 a = +)!++)! +3)! a = ) +3
Διαβάστε περισσότεραTestiranje statistiqkih hipoteza
Testiranje statistiqkih hipoteza Testiranje statistiqkih hipoteza Testiranje statistiqkih hipoteza je vid statistiqkog zakljuqivanja koji se primenjuje u situacijama: kada se unapred pretpostavlja postojanje određene
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 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 περισσότεραProf. dr. sc. Maja Biljan-August Prof. dr. sc. Snježana Pivac Doc. dr. sc. Ana Štambuk 2. IZDANJE. Poglavlje 2.
Prof. dr. sc. Maja Blja-August Prof. dr. sc. Sježaa Pvac Doc. dr. sc. Aa Štambuk UPORABA STATISTIKE U EKONOMIJI. IZDANJE Poglavlje. REGRESIJSKA I KORELACIJSKA ANALIZA Ekoomsk fakultet Sveučlšta u Rjec
Διαβάστε περισσότεραOsnove. Uloga algoritama u računarstvu. Algoritmi. Algoritmi kao tehnika
dr Boba Stojaovć Osove Uloga algortama u račuarstvu Algortm Algortam je strogo defsaa kompjuterska procedura koja uzma vredost l skup vredost, kao ulaz prozvod eku vredost l skup vredost, kao zlaz. Drugm
Διαβάστε περισσότερα10.1. Bit Error Rate Test
.. Bt Error Rat Tst.. Bt Error Rat Tst Zadata. Izračuat otrba broj rth formacoh bta u BER tstu za,, ogršo dttovaa bta a rjmu, tao da s u sstmu sa brzoom sgalzacj od Mbs mož tvrdt da j vrovatoća grš rosa
Διαβάστε 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 περισσότερα6.1 Metod najmanjih kvadrata Srednje kvadratno odstupanje empirijske formule Koeficijent determinacije
Sadržaj. Uvod u Ecel..... Startovaje Ecela...3.. Rado okružeje...3.3. Rad papr ćelja...3.4. Upsvaje kretaje po ćeljama...5.5. Formatraje ćelja...6.6. Formatraje decmalh brojeva...6.7 Mejaje boje pozade
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 περισσότεραtransformacija j y i x x promatramo dva koordinatna sustava S i S sa zajedničkim ishodištem z z Homogene funkcije Ortogonalne transformacije
promatramo dva oordnatna sustava S S sa zaednčm shodštem z z y y x x blo o vetor možemo raspsat u baz, A = A x + Ay + Az = ( A ) + ( A ) + ( A ) (1) sto vred za ednčne vetore sustava S = ( ) + ( ) + (
Διαβάστε περισσότεραParcijalne molarne veličine
arcale molare velče 2.5.5. Hemsk potecal 2.5.6. 2.5.6.2. arcale molare velče. Ukolko e kolča supstace u sstemu promelva zbog razmee matere zmeđu sstema okole zbog reverzble hemske reakce l reverzble razmee
Διαβάστε περισσότεραProcjena parametara. Zadatak 4.1 Neka je X 1, X 2,..., X n slučajni uzorak iz populacije s konačnim očekivanjem µ i varijancom σ 2.
4 Procjea parametara Neka je X slučaja varijabla čiju distribuciju proučavamo. Defiicija: Slučaji uzorak duljie za X je iz od ezavisih i jedako distribuiraih slučajih varijabli X 1, X,..., X koje imaju
Διαβάστε 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 περισσότεραRačunarska grafika. Rasterizacija linije
Računarska grafika Osnovni inkrementalni algoritam Drugi naziv u literaturi digitalni diferencijalni analizator (DDA) Pretpostavke (privremena ograničenja koja se mogu otkloniti jednostavnim uopštavanjem
Διαβάστε περισσότεραx pojedinačnih rezultata:
ovarjaca koefcjet korelacje Sredja vrjedost stadardo odstupaje Prlkom poavljaja mjereja, uz ste (kolko je to moguće uvjete (st mjertelj, mjer strumet, mjera metoda okol uvjet, eke stale fzkale velče, dobt
Διαβάστε περισσότεραStr. 454;139;91.
Str. 454;39;9 Metod uzorka Predavač: Dr Mirko Savić avicmirko@eccf.u.ac.yu www.eccf.u.ac.yu Statitička maa može da e pomatra a jeda od ledeća dva ačia: potpuo pomatraje, delimičo pomatraje (metod uzorka).
Διαβάστε περισσότεραStatistika sažetak i popis formula
Stattka ažetak pop formula Dekrptva tattka Artmetčka reda brojeva,,, : + + + = + + 3 + 4 + 5 5 Na prmjer, artmetčka reda brojeva,,3,4,5 je broj = = 3 5 5 Frekvecja ekog podatka je broj pojavljvaja tog
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 περισσότερα( x) ( ) dy df dg. =, ( x) e = e, ( ) ' x. Zadatak 001 (Marinela, gimnazija) Nađite derivaciju funkcije f(x) = a + b x. ( ) ( )
Zadatak (Mariela, gimazija) Nađite derivaciju fukcije f() a + b c + d Rješeje Neka su f(), g(), h() fukcije ezavise varijable, a f (), g (), h () derivacije tih fukcija po Osova pravila deriviraja Derivacija
Διαβάστε 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 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 περισσότεραUNIVERZITET U NIŠU FAKULTET ZAŠTITE NA RADU U NIŠU TEHNIČKA MEHANIKA - PREZENTACIJA PREDAVANJA PREDAVANJE
UNIVERZITET U NIŠU FAKULTET ZAŠTITE NA RADU U NIŠU TEHNIČKA MEHANIKA - PREZENTACIJA PREDAVANJA - - 4. PREDAVANJE - Dr Darko Mhajlov, doc. 1. ČAS Sredšte (cetar) sstema paralelh sla; Težšte krutog tela;
Διαβάστε 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 περισσότεραT r. T n. Naponi na bokovima zubaca
Napoi a bokovima zubaca U treutoj tački dodira spregutih profila zubaca dejstvuje ormala sila i to u pravcu dodirice profila. Na mestima dodira spregutih zubaca astaju lokale elastiče deformacije, tako
Διαβάστε περισσότεραSTATISTIKA. 1. Osnovni pojmovi
STATISTIKA. Osovi pojmovi Matematička statistika se bavi proučavajem skupova sa velikim brojem elemeata, koji su jedorodi u odosu a jedo ili više zajedičkih kvalitatitvih ili kvatitativih svojstava. Kako
Διαβάστε περισσότεραMate Vijuga: Rijeseni zadaci iz matematike za srednju skolu
7. KOMPLEKSNI BROJEVI 7. Opc pojmov Kompleksn brojev su sastavljen dva djela: Realnog djela (Re) magnarnog djela (Im) Promatrajmo broj a+ b = + 3 Realn do jednak je Re : Imagnarna jednca: = - l = (U elektrotehnc
Διαβάστε περισσότερα1 Uvod i neki osnovni pojmovi
Prrodo-matematčk fakultet, Uverztet u Nšu, Srbja http://www.pmf..ac.rs/m Matematka formatka 3 05, 5-64 Nestadard ač za sumraje ekh redova Mhalo Krstć studet matematke, PMF Uverzteta u Nšu E-mal: mhalo994@yahoo.com
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 περισσότεραVerovatnoća i Statistika. II deo. Osnovi Statistike. Beleške Prof. Aleksandra Ivića
Verovatoća i Statistika II deo. Osovi Statistike Beleške Prof. Aleksadra Ivića 0.1 Osove statističke veličie Osovi zadatak matematičke statistike sastoji se u tome da se iz jedog dela eke geerale kolekcije
Διαβάστε περισσότεραTrigonometrija 2. Adicijske formule. Formule dvostrukog kuta Formule polovičnog kuta Pretvaranje sume(razlike u produkt i obrnuto
Trigonometrija Adicijske formule Formule dvostrukog kuta Formule polovičnog kuta Pretvaranje sume(razlike u produkt i obrnuto Razumijevanje postupka izrade složenijeg matematičkog problema iz osnova trigonometrije
Διαβάστε περισσότεραPRESECI SA PRSLINOM - VELIKI EKSCENTRICITET
TEORJA ETONSKH KONSTRUKCJA 1 PRESEC SA PRSLNO - VELK EKSCENTRCTET ČSTO SAVJANJE - SLOODNO DENZONSANJE Poznato: Nepoznato: - statčk tcaj za pojedna opterećenja ( ) - sračnato - kvaltet materjala (, σ v
Διαβάστε περισσότεραXI dvoqas veжbi dr Vladimir Balti. 4. Stabla
XI dvoqas veжbi dr Vladimir Balti 4. Stabla Teorijski uvod Teorijski uvod Definicija 5.7.1. Stablo je povezan graf bez kontura. Definicija 5.7.1. Stablo je povezan graf bez kontura. Primer 5.7.1. Sva stabla
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 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 περισσότεραRAČUNSKE VEŽBE IZ PREDMETA POLUPROVODNIČKE KOMPONENTE (IV semestar modul EKM) IV deo. Miloš Marjanović
Univerzitet u Nišu Elektronski fakultet RAČUNSKE VEŽBE IZ PREDMETA (IV semestar modul EKM) IV deo Miloš Marjanović MOSFET TRANZISTORI ZADATAK 35. NMOS tranzistor ima napon praga V T =2V i kroz njega protiče
Διαβάστε περισσότεραPOTPUNO RIJEŠENIH ZADATAKA PRIRUČNIK ZA SAMOSTALNO UČENJE
**** MLADEN SRAGA **** 011. UNIVERZALNA ZBIRKA POTPUNO RIJEŠENIH ZADATAKA PRIRUČNIK ZA SAMOSTALNO UČENJE SKUP REALNIH BROJEVA α Autor: MLADEN SRAGA Grafički urednik: BESPLATNA - WEB-VARIJANTA Tisak: M.I.M.-SRAGA
Διαβάστε περισσότεραKaskadna kompenzacija SAU
Kaskadna kompenzacija SAU U inženjerskoj praksi, naročito u sistemima regulacije elektromotornih pogona i tehnoloških procesa, veoma često se primenjuje metoda kaskadne kompenzacije, u čijoj osnovi su
Διαβάστε περισσότεραGreške merenja i statistička obrada podataka
Vežbe iz Električih mereja http://www.kelm.ft.us.ac.rs Greške mereja i statistička obrada podataka. Greške mereja Osovi zadatak mere tehike je da odredi pravu vredost meree veličie, imajući u vidu okolosti
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 περισσότεραZadaci sa prethodnih prijemnih ispita iz matematike na Beogradskom univerzitetu
Zadaci sa prethodnih prijemnih ispita iz matematike na Beogradskom univerzitetu Trigonometrijske jednačine i nejednačine. Zadaci koji se rade bez upotrebe trigonometrijskih formula. 00. FF cos x sin x
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 περισσότεραProgram testirati pomoću podataka iz sledeće tabele:
Deo 2: Rešeni zadaci 135 Vrednost integrala je I = 2.40407 42. Napisati program za izračunavanje koeficijenta proste linearne korelacije (Pearsonovog koeficijenta) slučajnih veličina X = (x 1,..., x n
Διαβάστε περισσότεραZadaci iz trigonometrije za seminar
Zadaci iz trigonometrije za seminar FON: 1. Vrednost izraza sin 1 cos 6 jednaka je: ; B) 1 ; V) 1 1 + 1 ; G) ; D). 16. Broj rexea jednaqine sin x cos x + cos x = sin x + sin x na intervalu π ), π je: ;
Διαβάστε περισσότεραASIMPTOTE FUNKCIJA. Dakle: Asimptota je prava kojoj se funkcija približava u beskonačno dalekoj tački. Postoje tri vrste asimptota:
ASIMPTOTE FUNKCIJA Naš savet je da najpre dobro proučite granične vrednosti funkcija Neki profesori vole da asimptote funkcija ispituju kao ponašanje funkcije na krajevima oblasti definisanosti, pa kako
Διαβάστε περισσότεραVEROVATNOĆA I STATISTIKA SA ZBIRKOM ZADATKA
UNIVERZITET SINGIDUNUM Ivaa Kovačevć VEROVATNOĆA I STATISTIKA SA ZBIRKOM ZADATKA Treće zmejeo dopujeo zdaje Beograd, 05. VEROVATNOĆA I STATISTIKA SA ZBIRKOM ZADATAKA Autor: dr Ivaa Kovačevć Recezet: dr
Διαβάστε περισσότεραGRANIČNE VREDNOSTI FUNKCIJA zadaci II deo
GRANIČNE VREDNOSTI FUNKCIJA zdci II deo U sledećim zdcim ćemo korisii poznu grničnu vrednos: li i mnje vrijcije n i 0 n ( Zdci: ) Odredii sledeće grnične vrednosi: Rešenj: 4 ; 0 g ; 0 cos v) ; g) ; 4 ;
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 περισσότεραGlava 5 Z-TRANSFORMACIJA I NJENE PRIMJENE U ANALIZI DISKRETNIH LTI ISTEMA
Glava 5 Z-TRANSFORMACIJA I NJENE PRIMJENE U ANALIZI DISKRETNIH LTI ISTEMA Trasformacoe tehke su moća alat a aalu sgala LTI sstema. U ovoj glav ćemo uvest -trasformacju, opsat jee osobe mogućost prmjee
Διαβάστε περισσότεραNeparametarski testovi za dva nezavisna uzorka. Boris Glišić 208/2010 Bojana Ružičić 21/2010
Neparametarski testovi za dva nezavisna uzorka Boris Glišić 208/2010 Bojana Ružičić 21/2010 Neparametarski testovi Hipoteze o raspodeli obeležja se nazivaju neparametarske hipoteze, a odgovarajući testovi
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 περισσότερα1.1. Startovanje Excela Radno okruženje Radni papir i ćelija
Sadržaj. Uvod u Ecel..... Startovaje Ecela..... Rado okružeje....3. Rad papr ćelja....4. Upsvaje kretaje po ćeljama...4.5. Formatraje ćelja...5.6. Formatraje decmalh brojeva...5.7 Mejaje boje pozade teksta
Διαβάστε περισσότερα1. ODREĐIVANJE NETOČNOSTI MJERENJA
. ODREĐIVANJE NETOČNOSTI MJERENJA. Opće Mjereja razh fzkalh ostalh velča rezultat se e ogu provest apsoluto točo. Usljed tehčkh ekooskh razloga potrebo je etočost jereja svest a ajaju oguću jeru, sa što
Διαβάστε περισσότεραZadatak 1. Rešenje: Imamo sistem sa ekvivalentnim paralelnim serverima: λp 5. X=λ(1-p 5 ) X μ
Zadatak U račuarskom etru ostoi soba sa 3 račuara. Soba e mala i u o, ored oih koi treuto rade, može da čeka oš dva korisika. Korisii dolaze ezaviso i slučao, u roseku 4 korisika a sat. Svaki korisik radi
Διαβάστε περισσότερα5 Ispitivanje funkcija
5 Ispitivanje funkcija 3 5 Ispitivanje funkcija Ispitivanje funkcije pretodi crtanju grafika funkcije. Opšti postupak ispitivanja funkcija koje su definisane eksplicitno y = f() sadrži sledeće elemente:
Διαβάστε περισσότεραOM2 V3 Ime i prezime: Index br: I SAVIJANJE SILAMA TANKOZIDNIH ŠTAPOVA
OM V me i preime: nde br: 1.0.01. 0.0.01. SAVJANJE SLAMA TANKOZDNH ŠTAPOVA A. TANKOZDN ŠTAPOV PROZVOLJNOG OTVORENOG POPREČNOG PRESEKA Preposavka: Smičući napon je konsanan po debljini ida (duž pravca upravnog
Διαβάστε περισσότεραUvod u neparametarske testove
Str. 148 Uvod u neparametarske testove Predavač: Dr Mirko Savić savicmirko@ef.uns.ac.rs www.ef.uns.ac.rs Hi-kvadrat testovi c Str. 149 Koristi se za upoređivanje dve serije frekvencija. Vrste c testa:
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 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 περισσότεραIZRAČUNAVANJE POKAZATELJA NAČINA RADA NAČINA RADA (ISKORIŠĆENOSTI KAPACITETA, STEPENA OTVORENOSTI RADNIH MESTA I NIVOA ORGANIZOVANOSTI)
IZRAČUNAVANJE POKAZATELJA NAČINA RADA NAČINA RADA (ISKORIŠĆENOSTI KAPACITETA, STEPENA OTVORENOSTI RADNIH MESTA I NIVOA ORGANIZOVANOSTI) Izračunavanje pokazatelja načina rada OTVORENOG RM RASPOLOŽIVO RADNO
Διαβάστε περισσότεραPrvi kolokvijum. y 4 dy = 0. Drugi kolokvijum. Treći kolokvijum
27. septembar 205.. Izračunati neodredjeni integral cos 3 x (sin 2 x 4)(sin 2 x + 3). 2. Izračunati zapreminu tela koje nastaje rotacijom dela površi ograničene krivama y = 3 x 2, y = x + oko x ose. 3.
Διαβάστε περισσότεραINTELIGENTNO UPRAVLJANJE
INTELIGENTNO UPRAVLJANJE Fuzzy sistemi zaključivanja Vanr.prof. Dr. Lejla Banjanović-Mehmedović Mehmedović 1 Osnovni elementi fuzzy sistema zaključivanja Fazifikacija Baza znanja Baze podataka Baze pravila
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