Odlučivanje u uvjetima nesigurnosti
|
|
- Εἰλείθυια Κεδίκογλου
- 6 χρόνια πριν
- Προβολές:
Transcript
1 Odlučivanje u uvjetima nesigurnosti S obzirom u kojoj su nam mjeri poznate moguće posljedice odluka koje donosimo metode za odlučivanje dijelimo u dvije skupine: metode odlučivanja u uvjetima sigurnosti, metode odlučivanja u uvjetima nesigurnosti i rizika. Kod odlučivanja u uvjetima nesigurnosti poznate se nam aktivnosti koje možemo poduzeti i moguće posljedice (više njih) tih odluka, ali nam nisu poznate vjerojatnosti nastupanja pojedinih posljedica. Kod odlučivanja u uvjetima rizika poznate su nam aktivnosti koje možemo poduzeti i posljedice tih aktivnosti s pripadnim vjerojatnostima. Informacije koje su nam dostupne možemo zapisati u obliku matrice plaćanja. Svaki stupac predstavlja jedno od stanja okoline koje može nastati. Svaki redak predstavlja moguće ishode ukoliko je poznat akcija. predstavlja financijski rezultat kao posljedicu poduzimanja poduhvata i nastanka stanja okoline. Stanja okoline Metode odlučivanja u uvjetima nesigurnosti: Maximax (optimistični pristup) Maximin (pesimistični pristup, Waldov kriterij) Kriterij realizma (Hurwiczov kriterij) Kriterij minimalnog žaljenja (Savageov kriterij) Laplaceov kriterij (pristup jednake vjerojatnosti) Osnovna metoda odlučivanja u uvjetima rizika: Očekivana vrijednost Metode odlučivanja u uvjetima nesigurnosti i rizika prikazat ćemo kroz primjer. Primjer. Poduzeće razmatra otvaranje novog pogona. U tablici plaćanja prikazani su financijski rezultati (dobit u tisućama kuna) koji mogu nastati u ovisnosti o akciji koje poduzeće odabere poduzeti i stanju ekonomije koje može nastati u budućnosti (poduzeće ne može utjecati na stanje ekonomije).
2 Stanje okoline Gradnja velike tvornice Gradnja srednje tvornice Gradnja male tvornice Odustajanje od gradnje Maximax kriterij Karakterizira je sklonost riziku pri odlučivanju. Za svaku akciju identificira se najbolji ishod i bira se akcija za koju je ta vrijednost najveća. =max =max =max max =argmax U našem primjeru =200, ='Gradnja velike tvornice'. Stanje okoline Max Gradnja velike tvornice Gradnja srednje tvornice Gradnja male tvornice Maximin kriterij Ovaj kriterij karakterizira odbojnost prema riziku u odlučivanju. Za svaku akciju identificira se najslabiji ishod i bira se akcija za koju je ta vrijednost najveća. =max =min =max =argmax U našem primjeru =20, ='Gradnja male tvornice'. max
3 Stanje okoline Min Gradnja velike tvornice Gradnja srednje tvornice Gradnja male tvornice Kriterij realizma Ravnotežni je kriterij između prethodna dva kriterija. Odredi se faktor realizma (optimizma) ili faktor pesimizma (koji iznosi 1 ) koji karakterizira stav donositelja odluke prema riziku. Za svaku akciju odredi se Hurwiczova vrijednost Odabire se ona akcija za koju je najveći. = +1 =max =argmax U našem primjeru, za α=0,4, =30, ='Gradnja srednje tvornice'. Stanje okoline Gradnja velike tvornice Gradnja srednje tvornice Gradnja male tvornice Kriterij minimalnog žaljenja Svakom ishodu u tablici odlučivanja pridružuje se žaljenje =max Od ishoda najbolje akcije za stanje okoline oduzima se vrijednost i formira se nova tablica koju nazivamo tablica žaljenja.
4 Za naš primjer tablica žaljenja ima vrijednosti: Stanje okoline Gradnja velike tvornice Gradnja srednje tvornice Gradnja male tvornice Odustajanje od gradnje Za svaku akciju računa se maksimalno žaljenje. = max Bira se akcija za koju je izračunata vrijednost najmanja. min =minmax U našem primjeru minimalna vrijednost je 110, a ='Gradnja srednje tvornice'. Stanje okoline Max Gradnja velike tvornice Gradnja srednje tvornice Gradnja male tvornice Odustajanje od gradnje Očekivana vrijednost Ako se od ostvarenja nekog događaja čija je vjerojatnost ostvarenja p ostvaruje dobit D, a inače nema ni gubitka ni dobitka, matematičko očekivanje (očekivana vrijednost, očekivana monetarna vrijednost) definira se kao produkt tih dviju vrijednosti = Poopćenje: Neka se nakon pokretanja projekta može ostvariti jedan od n različitih događaja s pripadnim vjerojatnostima, =1,, i pripadnim dobitima. Matematičko očekivanje definira se kao suma produkata vjerojatnosti i dobiti događaja. =
5 Laplaceov kriterij Pošto vjerojatnosti potencijalnih ishoda nisu poznate pretpostavlja se da su vjerojatnosti jednake. = 1 Za svaku akciju računa se očekivana vrijednost = = = 1 Odabere se akcija za koju se ostvaruje na najveća očekivana vrijednost. U našem primjeru najveća očekivana vrijednost iznosi 60, a ostvaruje se za ='Gradnja srednje tvornice'. Stanje okoline Gradnja velike tvornice Gradnja srednje tvornice Gradnja male tvornice Kriterij očekivane vrijednosti Za primjenu kriterija očekivane vrijednosti potrebno je poznavanje vjerojatnosti nastanka pojedinih stanja okoline. Određivanje najbolje alternative dobije se na isti način kao i primjenom Laplaceovog kriterija uz uvažavanje poznatih vjerojatnosti (umjesto vjerojatnosti = 1 ). Ukoliko pretpostavimo da su vjerojatnosti nastanka stanja (Ekspanzija,Stagnacija, Recesija) iznose (0.1, 0.5, 0.4) na temelju kriterija očekivane vrijednosti odabrali bi alternativu 'Izgradnja srednje tvornice'. Očekivana vrijednost iznosi 57. Stanje okoline Gradnja velike tvornice Gradnja srednje tvornice Gradnja male tvornice
6 Trošak nesigurnosti Trošak nesigurnosti ili očekivana vrijednost savršene informacije (OVSI) jednaka je razlici očekivane vrijednosti uslijed sigurnosti (OVUS) i očekivane vrijednosti bez informacija (OVBI). = Očekivana vrijednost uslijed sigurnosti (OVUS) predstavlja poznavanje stanja okoline u budućnosti (relativna frekvencija pojavljivanja pojedinih stanja se ne mijenja). Ukoliko bi stanje bilo poznato odabrali bi akciju koja bi u tom stanju dala maksimalnu dobit. Zaključujemo = max + max + + max OVBI je očekivana vrijednost akcije odabrane na temelju kriterija očekivane vrijednosti. U našem primjeru =0, , ,4 20=88, = =88 57=31.
7 Granična analiza u poslovanju U slučaju poslovnog problema u kojem okolina može poprimiti mnogo stanja izrada tablice isplate bila bi previše komplicirana pa se problemu pristupa na drugi način. Da bi riješili takav problem potrebno je uvesti dva nova pojma: Granični trošak (GT) - dodatni trošak koji nastaje pri proizvodnji jednog dodatnog proizvoda. Granična dobit (GD) dodatna dobit koja nastaje prodajom jednog dodatnog proizvoda. Promatrat ćemo dva slučaja granične analize: granična analiza s diskretnom distribucijom potražnje, granična analiza s normalnom distribucijom potražnje. Proizvodnja dodatnog proizvoda je isplativa ako je očekivana dobit od dodatnog proizvoda veća od očekivanog troška proizvodnje dodatnog proizvoda. U ovoj analizi očekivani gubitak jednak je očekivanom trošku. Neka je p - vjerojatnost da je potražnja veća ili jednaka ponudi (dodatni proizvod će biti prodan) 1-p - vjerojatnost da je potražnja manja od ponude (dodatni proizvod neće biti prodan) očekivana dobit od dodatnog proizvoda 1 - očekivani trošak proizvodnje dodatnog proizvoda Uvjeti isplativosti proizvodnje: Dakle, dodatni proizvod je isplativo proizvesti ukoliko je vjerojatnost prodaje veća od omjera graničnog troška i zbroja graničnog troška i granične dobiti.
8 Granična analiza s diskretnom distribucijom Primjer. Ugostiteljski objekt naručuje krafne. Krafne je potrebno prodati isti dan jer naredni dan potpuno gube na vrijednosti. Ugostiteljski objekt plaća 40 kuna za jednu kutiju krafni, dok je prodaje po 60 kuna. Dakle, granična dobit po kutiji iznosi 20 kuna, a granični trošak je 40 kuna. Iz prošle prodaje ugostiteljski objekt procjenjuje distribuciju prodaje krafni. n Vjerojatnost prodaje (p=n) Kumulativno ( ) 4 0,05 1,00 5 0,15 0,95 6 0,15 0,80 7 0,20 0,65 8 0,25 0,54 9 0,10 0, ,10 0,10 + = =0,66 Pošto su za n=6 kutija očekivani granični prihodi veći od očekivanih graničnih troškova (a za n=7 to više ne vrijedi) to je optimalna narudžba. Granična analiza s normalnom distribucijom Kada potražnja za proizvodom poprima normalnu distribuciju, što je česta pretpostavka u modeliranju poslovanja, granična analiza s normalnom distribucijom se može koristiti. Za takvu analizu potrebno je odraditi četiri veličine: prosječnu prodaju proizvoda, standardnu devijaciju prodaje proizvoda, granična dobit od prodaje jednog proizvoda GD, granični trošak od proizvodnje dodatnog proizvoda GT. Koraci u provođenju analize: (a) Odredite vjerojatnost p. = + (b) Odredite percentil z standardne normalne distribucije koji odgovara vrijednosti 1-p, tj. odredite z t.d. 0,1 =1. (c) Optimalna proizvodnja dobije se formulom =+. Primjer. Prodaja novina na kiosku poprima normalnu razdiobu s 50 prodanih novina i standardnom devijacijom 10 novina. Uz granični trošak od 4 kune i granični dobit od 2 kuna (prodaja po šest kuna), odredite koliko novina kiosk treba naručiti. Rj. = + =2 3 = 0,407 Optimalna narudžba je: =10 0,407+50=45,69 45
9 Zadaci za vježbu ZAD 1. Zadatak. Osoba razmišlja o prodaji ruža subotom navečer zaljubljenim parovima. Nabavna vrijednost ruže je 15 kuna, a prodajna 20 kn. Minimalno može naručiti 10 komada, a odlučila je da neće naručiti više od 20 komada. Za potražnju također očekuje da bi trebala biti barem 10, a najviše 20. (a) Provjerite koje preporuke daje pojedini kriterij odlučivanja u uvjetima nesigurnosti. (b) Ukoliko su poznate vjerojatnosti potražnje, odredite očekivanu vrijednost i trošak nesigurnosti % 5% 5% 10% 15% 20% 15% 10% 5% 5% 5% ZAD 2. Poduzeće razmišlja o osiguranju zgrade od požara. Vrijednost zgrade je 2 milijuna kuna, a osigurali bi je na vrijednost od milijun kuna na razdoblje od pet godina. Ukoliko je vjerojatnost požara u godini 1%, a vremenska vrijednost novca 4% odredite neto cijenu tog osiguranja. (Po isplati osigurane svote koja se isplaćuje na kraju godine osiguranje prestaje.) Rješenje. Godina Vjerojatnost događaja Vjerojatnost isplate Isplata u slučaju nastanka događaja Sadašnja vrijednost isplate Očekivana sadašnja vrijednost isplate 1 0,01 0, /1,04 0,01 /1,04 2 0,01 0,99 0, /1,04 0,99 0,01 /1,04 3 0,01 0,99 0, /1,04 0,99 0,01 /1,04 4 0,01 0,99 0, /1,04 0,99 0,01 /1,04 5 0,01 0,99 0, /1,04 0,99 0,01 /1,04 Neto premija (ukupna očekivana sadašnja vrijednost isplate) ,10
Uvod Teorija odlučivanja je analitički i sistematski pristup proučavanju procesa donošenja odluka Bez obzira o čemu donosimo odluku imamo 6 koraka za
Osnovne teorije odlučivanja Uvod Teorija odlučivanja je analitički i sistematski pristup proučavanju procesa donošenja odluka Bez obzira o čemu donosimo odluku imamo 6 koraka za donošenje dobre odluke:
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 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 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 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 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 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 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 περισσότεραVJEŽBE 3 BIPOLARNI TRANZISTORI. Slika 1. Postoje npn i pnp bipolarni tranziostori i njihovi simboli su dati na slici 2 i to npn lijevo i pnp desno.
JŽ 3 POLAN TANZSTO ipolarni tranzistor se sastoji od dva pn spoja kod kojih je jedna oblast zajednička za oba i naziva se baza, slika 1 Slika 1 ipolarni tranzistor ima 3 izvoda: emitor (), kolektor (K)
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 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 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 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 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 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 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 περισσότεραStrukture podataka i algoritmi 1. kolokvij 16. studenog Zadatak 1
Strukture podataka i algoritmi 1. kolokvij Na kolokviju je dozvoljeno koristiti samo pribor za pisanje i službeni šalabahter. Predajete samo papire koje ste dobili. Rezultati i uvid u kolokvije: ponedjeljak,
Διαβάστε περισσότεραFunkcija 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 περισσότεραDUALNOST. Primjer. 4x 1 + x 2 + 3x 3. max x 1 + 4x 2 1 3x 1 x 2 + x 3 3 x 1 0, x 2 0, x 3 0 (P ) 1/9. Back FullScr
DUALNOST Primjer. (P ) 4x 1 + x 2 + 3x 3 max x 1 + 4x 2 1 3x 1 x 2 + x 3 3 x 1 0, x 2 0, x 3 0 1/9 DUALNOST Primjer. (P ) 4x 1 + x 2 + 3x 3 max x 1 + 4x 2 1 3x 1 x 2 + x 3 3 x 1 0, x 2 0, x 3 0 1/9 (D)
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 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 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 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 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 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 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 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 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 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 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 περισσότεραTRIGONOMETRIJA TROKUTA
TRIGONOMETRIJA TROKUTA Standardne oznake u trokutuu ABC: a, b, c stranice trokuta α, β, γ kutovi trokuta t,t,t v,v,v s α,s β,s γ R r s težišnice trokuta visine trokuta simetrale kutova polumjer opisane
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 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 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 περισσότεραBetonske konstrukcije 1 - vežbe 3 - Veliki ekscentricitet -Dodatni primeri
Betonske konstrukcije 1 - vežbe 3 - Veliki ekscentricitet -Dodatni primeri 1 1 Zadatak 1b Čisto savijanje - vezano dimenzionisanje Odrediti potrebnu površinu armature za presek poznatih dimenzija, pravougaonog
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 περισσότεραDeterminante. a11 a. a 21 a 22. Definicija 1. (Determinanta prvog reda) Determinanta matrice A = [a] je broj a.
Determinante Determinanta A deta je funkcija definirana na skupu svih kvadratnih matrica, a poprima vrijednosti iz skupa skalara Osim oznake deta za determinantu kvadratne matrice a 11 a 12 a 1n a 21 a
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 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 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 περισσότερα( ) ( ) 2 UNIVERZITET U ZENICI POLITEHNIČKI FAKULTET. Zadaci za pripremu polaganja kvalifikacionog ispita iz Matematike. 1. Riješiti jednačine: 4
UNIVERZITET U ZENICI POLITEHNIČKI FAKULTET Riješiti jednačine: a) 5 = b) ( ) 3 = c) + 3+ = 7 log3 č) = 8 + 5 ć) sin cos = d) 5cos 6cos + 3 = dž) = đ) + = 3 e) 6 log + log + log = 7 f) ( ) ( ) g) ( ) log
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 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 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 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 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 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 περισσότεραMATRICE I DETERMINANTE - formule i zadaci - (Matrice i determinante) 1 / 15
MATRICE I DETERMINANTE - formule i zadaci - (Matrice i determinante) 1 / 15 Matrice - osnovni pojmovi (Matrice i determinante) 2 / 15 (Matrice i determinante) 2 / 15 Matrice - osnovni pojmovi Matrica reda
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 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 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 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 περισσότεραPREDNAPETI BETON Primjer nadvožnjaka preko autoceste
PREDNAPETI BETON Primjer nadvožnjaka preko autoceste 7. VJEŽBE PLAN ARMATURE PREDNAPETOG Dominik Skokandić, mag.ing.aedif. PLAN ARMATURE PREDNAPETOG 1. Rekapitulacija odabrane armature 2. Određivanje duljina
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 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 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 περισσότερα21. ŠKOLSKO/OPĆINSKO/GRADSKO NATJECANJE IZ GEOGRAFIJE GODINE 8. RAZRED TOČNI ODGOVORI
21. ŠKOLSKO/OPĆINSKO/GRADSKO NATJECANJE IZ GEOGRAFIJE 2014. GODINE 8. RAZRED TOČNI ODGOVORI Bodovanje za sve zadatke: - boduju se samo točni odgovori - dodatne upute navedene su za pojedine skupine zadataka
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 περισσότεραPošto pretvaramo iz veće u manju mjernu jedinicu broj 2.5 množimo s 1000,
PRERAČUNAVANJE MJERNIH JEDINICA PRIMJERI, OSNOVNE PRETVORBE, POTENCIJE I ZNANSTVENI ZAPIS, PREFIKSKI, ZADACI S RJEŠENJIMA Primjeri: 1. 2.5 m = mm Pretvaramo iz veće u manju mjernu jedinicu. 1 m ima dm,
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 περισσότεραOtpornost R u kolu naizmjenične struje
Otpornost R u kolu naizmjenične struje Pretpostavimo da je otpornik R priključen na prostoperiodični napon: Po Omovom zakonu pad napona na otporniku je: ( ) = ( ω ) u t sin m t R ( ) = ( ) u t R i t Struja
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 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 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 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 περισσότεραSEMINAR IZ KOLEGIJA ANALITIČKA KEMIJA I. Studij Primijenjena kemija
SEMINAR IZ OLEGIJA ANALITIČA EMIJA I Studij Primijenjena kemija 1. 0,1 mola NaOH je dodano 1 litri čiste vode. Izračunajte ph tako nastale otopine. NaOH 0,1 M NaOH Na OH Jak elektrolit!!! Disoira potpuno!!!
Διαβάστε περισσότεραVELEPRODAJNO I MALOPRODAJNO POSLOVANJE - VJEŽBE 9 - Sveučilišni preddiplomski studij Ekonomika poduzetništva
VELEPRODAJNO I MALOPRODAJNO POSLOVANJE - VJEŽBE 9 - Sveučilišni preddiplomski studij Ekonomika poduzetništva 08.01.2013. Sadržaj 1. Cjenovna elastičnost potražnje 2. Izračunavanje marže, prodajne cijene
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 περισσότεραSTATISTIKA S M E I M N I AR R 7 : METODE UZORKA
Fakultet za menadžment u turizmu i ugotiteljtvu, Opatija Sveučilišni preddiplomki tudij Polovna ekonomija u turizmu i ugotiteljtvu Noitelj kolegija: Prof. dr. c. Suzana Marković Aitentica: Jelena Komšić
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 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 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 περισσότεραS t r a n a 1. 1.Povezati jonsku jačinu rastvora: a) MgCl 2 b) Al 2 (SO 4 ) 3 sa njihovim molalitetima, m. za so tipa: M p X q. pa je jonska jačina:
S t r a n a 1 1.Povezati jonsku jačinu rastvora: a MgCl b Al (SO 4 3 sa njihovim molalitetima, m za so tipa: M p X q pa je jonska jačina:. Izračunati mase; akno 3 bba(no 3 koje bi trebalo dodati, 0,110
Διαβάστε περισσότερα10. domaća zadaća. 3. Neka je X neprekidna slučajna varijabla takva da je X N(0, 1). S točnošću od odredite:
Napomena: U svim zadacima treba koristiti tablicu standardne normalne razdiobe. 1. Neka je X neprekidna slučajna varijabla takva da je X N(0, 1). S točnošću od 10 5 odredite: a) P(X 1.16), b) P(X 0.59);
Διαβάστε περισσότεραKontrolni zadatak (Tačka, prava, ravan, diedar, poliedar, ortogonalna projekcija), grupa A
Kontrolni zadatak (Tačka, prava, ravan, diedar, poliedar, ortogonalna projekcija), grupa A Ime i prezime: 1. Prikazane su tačke A, B i C i prave a,b i c. Upiši simbole Î, Ï, Ì ili Ë tako da dobijeni iskazi
Διαβάστε περισσότεραRAZLIKA U CIJENI RAZLIKE U CIJENI U TRGOVINI UKUPNA RAZLIKA U CIJENI UKUPNA RAZLIKA U CIJENI
RAZLIKA U CIJENI RAZLIKE U CIJENI U TRGOVINI Služi za pokriće troškova poslovanja i ostvarenje dobiti; Troškovi poslovanja: materijalni troškovi; amortizacija; troškovi rada; ostali troškovi; Razlikujemo
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 περισσότεραTROŠAK KAPITALA Predmet: Upravljanje finansijskim odlukama i rizicima Profesor: Dr sci Sead Mušinbegovid Fakultet za menadžment i poslovnu ekonomiju
TROŠAK KAPITALA Predmet: Upravljanje finansijskim odlukama i rizicima Profesor: Dr sci Sead Mušinbegovid Fakultet za menadžment i poslovnu ekonomiju Sadržaj predavnaja: Trošak kapitala I. Trošak duga II.
Διαβάστε περισσότεραSortiranje prebrajanjem (Counting sort) i Radix Sort
Sortiranje prebrajanjem (Counting sort) i Radix Sort 15. siječnja 2016. Ante Mijoč Uvod Teorem Ako je f(n) broj usporedbi u algoritmu za sortiranje temeljenom na usporedbama (eng. comparison-based sorting
Διαβάστε περισσότεραSustav dvaju qubitova Teorem o nemogućnosti kloniranja. Spregnuta stanja. Kvantna računala (SI) 17. prosinca 2016.
17. prosinca 2016. Stanje qubita A prikazujemo vektorom φ A u Hilbertovom prostoru H A koristeći ortonormiranu bazu { 0 A, 1 A }. Stanje qubita B prikazujemo vektorom φ B u H B... Ako se qubitovi A i B
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 περισσότεραMATEMATIKA I 1.kolokvij zadaci za vježbu I dio
MATEMATIKA I kolokvij zadaci za vježbu I dio Odredie c 0 i kosinuse kueva koje s koordinanim osima čini vekor c = a b ako je a = i + j, b = i + k Odredie koliki je volumen paralelepipeda, čiji se bridovi
Διαβάστε περισσότεραFTN Novi Sad Katedra za motore i vozila. Teorija kretanja drumskih vozila Vučno-dinamičke performanse vozila: MAKSIMALNA BRZINA
: MAKSIMALNA BRZINA Maksimalna brzina kretanja F O (N) F OI i m =i I i m =i II F Oid Princip određivanja v MAX : Drugi Njutnov zakon Dokle god je: F O > ΣF otp vozilo ubrzava Kada postane: F O = ΣF otp
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 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 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 περισσότερα7. Troškovi Proizvodnje
MIKROEKONOMIJA./. 7. Troškovi Proizvodnje Autori: Penezić Andrija Miković Ivana Pod vodstvom: Prof.dr. Đurđice Fučkan Prezentacije su napravljene prema : Pindyck, R.S./ Rubinfeld, D.L. () MIKROEKONOMIJA
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 περισσότεραPeriodičke izmjenične veličine
EHNČK FAKULE SVEUČLŠA U RJEC Zavod za elekroenergeiku Sudij: Preddiploski sručni sudij elekroehnike Kolegij: Osnove elekroehnike Nosielj kolegija: Branka Dobraš Periodičke izjenične veličine Osnove elekroehnike
Διαβάστε περισσότερα2.2. Analiza vremena Pert metodom
2.2. Analiza vremena Pert metodom Dok je kod CPM metode poznato samo jedno vreme trajanja aktivnosti t, kod Pert metode dane su tri procjene: a - optimistično vreme (najkraće moguće vreme u kojemu se može
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 περισσότεραIII VEŽBA: FURIJEOVI REDOVI
III VEŽBA: URIJEOVI REDOVI 3.1. eorijska osnova Posmatrajmo neki vremenski kontinualan signal x(t) na intervalu definisati: t + t t. ada se može X [ k ] = 1 t + t x ( t ) e j 2 π kf t dt, gde je f = 1/.
Διαβάστε περισσότεραEliminacijski zadatak iz Matematike 1 za kemičare
Za mnoge reakcije vrijedi Arrheniusova jednadžba, koja opisuje vezu koeficijenta brzine reakcije i temperature: K = Ae Ea/(RT ). - T termodinamička temperatura (u K), - R = 8, 3145 J K 1 mol 1 opća plinska
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 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 περισσότεραTEORIJA ODLUČIVANJA DECISION ANALYSIS
DONOŠENJE ODLUKA U UVJETIMA NEIZVJESNOSTI I RIZIKA TEORIJA ODLUČIVANJA DECISION ANALYSIS NEIZVJESNOST- situacija koja može rezultirati s više različitih ishoda (ne nužno i negativnih) RIZIK- šansa ili
Διαβάστε περισσότεραIzbor statističkih testova Ana-Maria Šimundić
Izbor statističkih testova Ana-Maria Šimundić Klinički zavod za kemiju Klinička jedinica za medicinsku biokemiju s analitičkom toksikologijom KBC Sestre milosrdnice Izbor statističkog testa Tajna dobrog
Διαβάστε 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 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 περισσότερα