Vili Krainz Stavovi izraženi tijekom ove prezentacije su isključivo stavovi autora
|
|
- Ατρεύς Φλέσσας
- 6 χρόνια πριν
- Προβολές:
Transcript
1 Kreditni rizik Modeliranje i izazovi Vili Krainz vili.krainz@rba.hr Stavovi izraženi tijekom ove prezentacije su isključivo stavovi autora 1
2 Što je kreditni rizik? Rizik da jedna strana u financijskom ugovoru neće izvršiti obavezu dijelomično ili u cijelosti Rezultira gubitkom za drugu stranu Primjer bankarski krediti Kreditni rizik najmaterijalniji bankarski rizik Upravljanje rizicima Identificirati Procijeniti Pratiti (Monitorirati) Smanjiti (gdje je moguće) 2
3 Regulacija bankarskog sustava Banka nije obično trgovačko društvo! Integracija u financijski sustav i njegovu stabilnost Socijalna komponenta Potreba za reguliranjem (nadgledanjem) rada banaka! RH Regulator bankarskog sustava je HNB Između ostaloga - nadgledanje upravljanja rizicima Banka mora biti dovoljno sigurna da može izdržati šokove i nepovoljne ekonomske uvjete, kao i redovno poslovanje Jedan od vidova regulacije Minimalni kapitalni zahtjevi Kapitalni zahtjevi Količina kapitala koju regulator zahtijeva od banke kako bi ocijenio da je dovoljno sigurna i dozvolio njeno daljnje poslovanje 3
4 Basel regulatorni okvir BCBS Basel I Samo kreditni rizik Standardizirani pristup predefinirani ponderi Market Risk Amendment Basel II Operativni rizik Internal Rating Based (IRB) pristup EU - Capital Requirements Directive RH Zakon o kreditnim institucijama, Odluka o adekvatnosti jamstvenog kapitala Basel III Implementacija tek slijedi 4
5 Basel II regulatorni okvir 1. Stup Minimalni regulatorni zahtjevi Kapitalni zahtjevi za... Kreditni rizik - Standardizirani pristup - Osnovni IRB pristup - Napredni IRB pristup Tržišni rizik - Standardizirani pristup - Interni VaR modeli Operativni rizik - Pristup osnovnih indikatora - Standardizirani pristup - Pristup naprednog mjerenja (AMA) 2. Stup Supervizorski proces revizije Okvir za banke (ICAAP) - Alokacija kapitala - Upravljanje rizicima Supervizorski okvir - Evaluacija internih sustava banke - Procjena profila rizika - Pregled usklađenosti sa svim propisima - Supervizorske mjere 3. Stup Tržišna disciplina Izvještajni zahtjevi za banke - Transparentnost za tržišne sudionike glede rizične pozicije banke - Povećana usporedivost među bankama 5
6 Standardizirani pristup Osnovni pristup Izračun rizikom ponderirane aktive (RWA) - Predefinirani ponderi Primjer: Klijent Izloženost banke Ponder RWA Republika Njemačka 1,000,000 kn 0% 0 kn Neosigurani kredit fizičke osobe 200,000 kn 100% 200,000 kn Stambeni kredit fizičke osobe u cijelosti osiguran hipotekom Ukupno 800,000 kn 35% 280,000 kn 2,000,000 kn 480,000 kn Kapitalni zahtjev = 12% * RWA = 57,600 kn Prilično konzervativno! 6
7 Internal rating-based (IRB) pristup Banka procjenjuje svoje parametre rizičnosti Direktna korist Najčešće niži kapitalni zahtjevi! Kapitalni zahtjev se procjenjuje kao kvantil (99.9%) neke pretpostavljene razdiobe gubitaka, na horizont od godinu dana 7
8 Osnovni pojmovi Default Status neispunjavanja obveza druge ugovorne strane Prema Baselu više od 90 dana kašnjenja ili neizglednost vraćanja duga (eng. unlikeliness to pay) Vjerojatnost ulaska u default (Probability of Default - PD) Gubitak zbog nastanka statusa neispunjavanja obveza (Loss Given Default LGD) Izloženost u trenutku defaulta (Exposure at Default EAD) Očekivani gubitak (Expected Loss EL) 8
9 Kvantifikacija gubitka Očekivani gubitak EL = F} IRB 14 PD 4 LGD 24 4EAD 3 A IRB Neočekivani gubitak Ovisan o pretpostavkama o distribuciji Regulatorna formula N RWA = LGD N Individualni rizik 1 ( PD) + N Kapitalni zahtjev 1 1 ρ K (0.999) = 12% ρ 1+ ( M 2.5) b PD b Sistemski rizik RWA Korelacija unutar potfelja 9
10 Procjena PD parametra Osnova su kreditni scorecard modeli Ekspertni ili statistički Primjer Dob Score < >46 55 Razina obrazovanja Score NSS 10 SSS, VŠS 35 VSS i više 70 Score M M 520 >440 10
11 Statistički scorecard modeli Za koga - fizičke osobe ili trgovačka društva Aplikativni ili bihevioralni scorecard Na temelju povijesnih podataka nastojimo izvesti zaključke o budućnosti Problem utvrditi funkcijsku vezu između karakteristika dužnika X 1, X 2,..., X n (pokretača rizika) i binarnog događaja defaulta (0/1), odnosno latentne varijable vjerojatnosti defaulta 11
12 Aplikativne karakteristike fizičkih osoba Socio-demografske karakteristike: Starost, bračno stanje, rezidencijalni status... Ekonomske karakteristike: Razina obrazovanja, zanimanje, godine radnog staža... Financijske karakteristike: Mjesečni dohodak, prosjeci mjesečnog dohotka... Karakteristike stabilnosti: Broj mjeseci na trenutnoj adresi, na trenutnom poslu... Karakteristike plasmana: Rata kredita, odobreni limit, ročnost kredita... 12
13 Aplikativne karakteristike trgovačkih društava Financijske karakteristike: Veličina Profitabilnost Likvidnost Rast Financijska poluga Kvalitativne karakteristike: Kvaliteta menadžmenta tvrtke Odnos s bankom Tržišna pozicija M 13
14 Bihevioralne karakteristike Broj dana kašnjenja Dospjelo nenaplaćeno dugovanje Različiti omjeri i trendovske varijable izvedene iz prethodnih karakteristika Iskorištenost kreditnih linija, prekoračenja po tekućem računu... Broj ulazaka u default u određenom razdoblju Broj poslanih opomena M 14
15 Matematički model u pozadini... Logit model najčešće korišten Logistička regresija 1 PD i scorei = ln = β + β x i + + βk x PD L i 1 PD i 1 ln = scorei PDi = PD i 1 + e ki score i 15
16 Matematički model u pozadini... Matematički model u pozadini... Koristi se metoda maksimizacije funkcije vjerodostojnosti = + + = N i y x y x i i i i e e x y L 1 1 ' ' ), ( β β β ), ( max x y L MLE β β = x ik karakteristika k, i-te obzervacije u uzorku y i ishod i-te obzervacije u uzorku (1 default, 0 nije default) ), ( max x y L MLE β β β = 16
17 Matematički model u pozadini... Cilj scorecard modela u ovom stadiju je da dobro diskriminira dobre i loše dužnike (kredite) Prediktivnost se najčešće mjeri Gini indeksom Gini = a R ar + a P 17
18 Kalibracija modela Nekoliko razloga: Kvantifikacija scorea i svođenje na standardnu rating skalu (Moody s, S&P, Fitch...) Score = 3.23 PD = 3.8% Rating = BB- S vremenom: Uzima u obzir promjene u rizičnosti portfelja Uzima u obzir promjene u prediktivnosti scorecard modela 18
19 Kalibracija scorecard modela Promjena rizičnosti portfelja 30,0% 25,0% 20,0% 15,0% 10,0% 5,0% 0,0% Distribucija Portfelja AAA AA A BBB BB B CCC CC C Promjena prediktivnosti 40,0% 35,0% 30,0% 25,0% 20,0% 15,0% 10,0% 5,0% 0,0% Distribucija Portfelja AAA AA A BBB BB B CCC CC C 19
20 Rezultat scorecard modela 45,00% 40,00% 35,00% 30,00% 25,00% 20,00% Realized Default Rate Estimated PD 15,00% 10,00% 5,00% 0,00% AAA AA A BBB BB B CCC CC C 20
21 ...ali to sve je samo manji dio priče... 21
22 Koraci u razvoju (i životnom ciklusu) modela 1. Konstrukcija uzorka 2. Prikupljanje podataka iz baze podataka 3. Provjera kvalitete podataka 4. Univarijantna analiza 5. Priprema podataka (Kategorizacija varijabli) 6. Multivarijantna analiza 7. Validacija, Kalibracija, Testiranje 8. Monitoring modela 22
23 Konstrukcija uzorka Čini se trivijalno na prvu daleko od istine Jedan od najbitnijih koraka Ovisi o modelu odnosno namjeni Primjer: Aplikativni scorecard model za fizičke osobe za stambene kredite - Sve odobrene aplikacije za stambene kredite od Pripadni aplikativne karakteristike u trenutku apliciranja (vlasnik i kredit) - Nove izvedene karakteristike - Indikator defaulta (0/1) za svaku aplikaciju koji agregira informacije o delikventnosti u narednih godinu dana od datuma aplikacije - Koliko vremena prođe od aplikacije do isplate kredita, prve rate? - Što napraviti ako netko ima poček ili moratorij? - Izuzeća iz uzorka? 23
24 Prikupljanje podataka Kompleksnost prikupljanja podataka dodatna, vremenska dimenzija Jesu li svi podaci koje želimo dostupni? Jesu li podaci dostupni direktno/indirektno? Direktno modelari vrše ekstrakciju podataka točnije i preciznije, ali potrebno dodatno vrijeme i ekspertiza Indirektno netko drugi (IT stručnjaci) priprema podatke za nas često zna biti iterativan, dugotrajan i mukotrpan posao, s većom mogućnošću pogreške 24
25 Provjera kvalitete podataka Je li podatak pouzdan, smislen? Nerijetko postoji više izvora podataka (npr. Data Warehouse, Core sustav banke itd.), a podaci su međusobno neusklađeni je li ikoji podatak točan? Koji? Multiplicirani unosi Nedostajuće vrijednosti Outlieri Problem Odrediti koje informacije su smislene, a koje problem loše kvalitete podataka Dugoročno isplativije za potrebe modeliranja odbaciti sve varijable sumnjive kvalitete Konstrukcija novih potencijalno prediktivnih varijabli (relativne) Analiza distribucija varijabli 25
26 Univarijantna analiza Prediktivnost svake zasebne varijable (Information value, Gini indeks...) Stabilnost varijable kroz vrijeme Prati li varijabla očekivanu poslovnu logiku Dob < % [30, 55] 1.86% > % Stopa Defaulta Tzv. U-oblik Grupiranje (kategorizacija) varijabli balans između robusnosti i prediktivnosti 26
27 Priprema podataka (Kategorizacija varijabli) Kategoričke varijable ulaze u regresiju preko tzv. dummy varijabli Primjer: Rezidencijalni status Varijabla Vlasnik nekretnine d_res_vlasnik (0/1) U najmu d_res_najam (0/1) Živi s roditeljima d_res_rod (0/1) Ostalo d_res_ostalo (0/1) score Numeričke varijable izbor ulaska u numeričkom ili kategoričkom obliku (npr. mj. dohodak , , 7000+) i = β + β x + L+ β x 0 1 1i k ki 27
28 Priprema podataka (Kategorizacija varijabli) Numerički oblik numeričke varijable: Precizniji model Što sa outlierima? Što sa nedostajućim vrijednostima? Potrebna je transformacija varijable u slučaju nelinearnog odnosa Kategorički oblik numeričke varijable: Robusniji model Automatski tretira mogući nelinearan odnos i legitimne outliere i nedostajuće vrijednosti Moguća posebna kategorija za ostale outliere i/ili nedostajuće vrijednosti Nakon kategorizacije potrebna provjera prediktivne moći 28
29 Multivarijantna analiza Analiza međusobne korelacije među varijablama kandidatima za finalni model Nepoželjno jer je zbog visoke (apsolutne) korelacije nezavisnih varijabli nepreciznija procjena koeficijenata modela (prakse ) Najčešće e se izbacuje varijabla manje prediktivne moći Logistička regresija zadržavaju se varijable koje zadovoljavaju određenu razinu značajnosti (1%-5%) Analiza koeficijenata scorecard modela Finalni model 6-12 varijabli 29
30 Validacija, Kalibracija, Testiranje Validacija na testnom uzorku (80/20, 70/30...) ili bootstrap metodom Kalibracija modela Testiranje modela PD vs. Stopa defaulta po rating razredima Stabilnost modela po scoreu Koncentracija Testiranje za sve svrhe u koje će se model koristiti Granični score za dodjelu kredita (tržišni udio vs. profitabilnost) M 30
31 Monitoring modela Praćenje čitavog niza pokazatelja (prediktivnost, stabilnost, koncentracija...) Praćenje i anticipiranje utjecaja promjena u okruženju (internom i eksternom) na modele Provjere da se model koristi za namijenjene svrhe i na pravi način (odobravanje kredita, cross-selling, strateško planiranje, risk-based pricing...) Monitorira se i interakcija među modelima scorecardi, PD, LGD, EAD modeli 31
32 Životni ciklus scorecard modela Pad prediktivne moći Razvoj Trajanje ciklusa: Aplikativni Scorecard 2-3 godine Bihevioralni Scorecard 4-5 godina Monitoring i Rekalibracija Implementacija 32
33 Što bi sve trebao znati dobar modelar? Rad s bazama podataka i poznavanje njihove strukture Programiranje (SQL, PLSQL, SAS, Matlab, C...) Matematika i statistika Ekonomija i financije Regulatorni okvir i zakoni Poslovno okruženje (organizacija financijske institucije, kreditna politika...) Soft skills 33
34 Zaključak Moramo biti svjesni ograničenja modela nije zamjena ekspertnom znanju i iskustvu niti zdravom razumu Obavezna je suradnja modelara i eksperata Modeli se rade na starim podacima uvijek kaskaju za aktualnom situacijom Pažljivi monitoring i osvježavanje modela je apsolutno nužno Percepcija risk managera od strane okoline 34
35 Za kraj... "A bank is a place that will lend you money if you can prove that you don't need it." -- Bob Hope 35
IZRAČUNAVANJE 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 περισσότεραValutni rizik Usporedba VaR i Expected Shortfall metode Martina Samac
Valutni rizik Usporedba VaR i Expected Shortfall metode Martina Samac Zagreb, 06. lipnja 2017. Sadržaj Uvod Definicija rizika Rizici u osiguranju Rizici u bankarstvu Mjere rizika Primjena mjera rizika
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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(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 περισσότεραMatematičke metode u marketingu. Generalizirani linearni model. Lavoslav Čaklović PMF-MO
Matematičke metode u marketingu. Generalizirani linearni model Lavoslav Čaklović PMF-MO 2016 Jedan loš linearni model n = 1000, i = 1,..., n { 1 ako yi > 0 y Y = i = 2x i + rnorm(n) 0 inače x i = round(0.001
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 περισσότεραAnita Zelić Gereč, Nataša Šarlija: Kratak pregled Basela 2
Anita Zelić Gereč, Nataša Šarlija: Kratak pregled Basela 2 Basel II predstavlja sveobuhvatan pristup upravljanju rizicima i nadzoru banaka. On će doprinijeti povećanju sigurnosti i zdravog poslovanja banaka,
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 περισσότεραZBIRKA POTPUNO RIJEŠENIH ZADATAKA
**** IVANA SRAGA **** 1992.-2011. ZBIRKA POTPUNO RIJEŠENIH ZADATAKA PRIRUČNIK ZA SAMOSTALNO UČENJE POTPUNO RIJEŠENI ZADACI PO ŽUTOJ ZBIRCI INTERNA SKRIPTA CENTRA ZA PODUKU α M.I.M.-Sraga - 1992.-2011.
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 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 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 περισσότεραMODEL JEDNOSTAVNE LINEARNE REGRESIJE
SVEUČILIŠTE U RIJECI GRAĐEVINSKI FAKULTET U RIJECI Specijalistički diplomski stručni studij građevinarstva Odabrana poglavlja inženjerske matematike MODEL JEDNOSTAVNE LINEARNE REGRESIJE Studenti: Sara
Διαβάστε περισσότεραAlarmni sustavi 07/08 predavanja 12. i 13. Detekcija metala, izvori napajanja u sustavima TZ
Alarmni sustavi 07/08 predavanja 12. i 13. Detekcija metala, izvori napajanja u sustavima TZ pred.mr.sc Ivica Kuric Detekcija metala instrument koji detektira promjene u magnetskom polju generirane prisutnošću
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 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 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 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 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 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 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 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 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 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 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 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 περισσότεραPismeni ispit iz matematike GRUPA A 1. Napisati u trigonometrijskom i eksponencijalnom obliku kompleksni broj, zatim naći 4 z.
Pismeni ispit iz matematike 06 007 Napisati u trigonometrijskom i eksponencijalnom obliku kompleksni broj z = + i, zatim naći z Ispitati funkciju i nacrtati grafik : = ( ) y e + 6 Izračunati integral:
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 περισσότεραPrikaz sustava u prostoru stanja
Prikaz sustava u prostoru stanja Prikaz sustava u prostoru stanja je jedan od načina prikaza matematičkog modela sustava (uz diferencijalnu jednadžbu, prijenosnu funkciju itd). Promatramo linearne sustave
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 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 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 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 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 περισσότεραFAKULTET PROMETNIH ZNANOSTI
SVUČILIŠT U ZAGU FAKULTT POMTNIH ZNANOSTI predmet: Nastavnik: Prof. dr. sc. Zvonko Kavran zvonko.kavran@fpz.hr * Autorizirana predavanja 2016. 1 Pojačala - Pojačavaju ulazni signal - Zahtjev linearnost
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 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 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 περισσότεραMašinsko učenje. Regresija.
Mašinsko učenje. Regresija. Danijela Petrović May 17, 2016 Uvod Problem predviđanja vrednosti neprekidnog atributa neke instance na osnovu vrednosti njenih drugih atributa. Uvod Problem predviđanja vrednosti
Διαβάστε 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 περισσότεραOSNOVE TEHNOLOGIJE PROMETA
OSNOVE TEHNOLOGIJE PROMETA MODUL: Tehnologija teleomuniacijsog rometa FAKULTET PROMETNIH ZNANOSTI Predavači: Doc.dr.sc. Štefica Mrvelj Maro Matulin, dil.ing. Zagreb, ožuja 2009. Oće informacije Konzultacije:
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 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 περισσότεραUvod 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 περισσότεραUPRAVLJANJE RIZICIMA. Sveučilište u Zagrebu EKONOMSKI FAKULTET ZAGREB Katedra za Ekonomiku poduzeća Prof. dr. sc. Danijela Miloš Sprčić
UPRAVLJANJE RIZICIMA Sveučilište u Zagrebu EKONOMSKI FAKULTET ZAGREB Katedra za Ekonomiku poduzeća Prof. dr. sc. Danijela Miloš Sprčić PODACI O NASTAVNIKU Nositelj i izvođač kolegija Prof. dr. sc. Danijela
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 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 περισσότεραViše dokaza jedne poznate trigonometrijske nejednakosti u trokutu
Osječki matematički list 000), 5 9 5 Više dokaza jedne poznate trigonometrijske nejednakosti u trokutu Šefket Arslanagić Alija Muminagić Sažetak. U radu se navodi nekoliko različitih dokaza jedne poznate
Διαβάστε περισσότεραTABLICE AKTUARSKE MATEMATIKE
Na temelju članka 160. stavka 4. Zakona o mirovinskom osiguranju («Narodne novine», br. 102/98., 127/00., 59/01., 109/01., 147/02., 117/03., 30/04., 177/04., 92/05., 43/07., 79/07., 35/08., 40/10., 121/10.,
Διαβάστε περισσότεραGrafičko prikazivanje atributivnih i geografskih nizova
Grafičko prikazivanje atributivnih i geografskih nizova Biserka Draščić Ban Pomorski fakultet u Rijeci 17. veljače 2011. Grafičko prikazivanje atributivnih nizova Atributivni nizovi prikazuju se grafički
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 περισσότεραPRAVAC. riješeni zadaci 1 od 8 1. Nađite parametarski i kanonski oblik jednadžbe pravca koji prolazi točkama. i kroz A :
PRAVAC iješeni adaci od 8 Nađie aameaski i kanonski oblik jednadžbe aca koji olai očkama a) A ( ) B ( ) b) A ( ) B ( ) c) A ( ) B ( ) a) n a AB { } i ko A : j b) n a AB { 00 } ili { 00 } i ko A : j 0 0
Διαβάστε περισσότεραRavnotežni model koji je u osnovi savremene finansijske teorije Izveden primenom principa diversifikacije pod pojednostavljenim pretpostavkama
CAPM Model vrednovanja kapitala (CAPM) Ravnotežni model koji je u osnovi savremene finansijske teorije Izveden primenom principa diversifikacije pod pojednostavljenim pretpostavkama Markowitz, Sharpe,
Διαβάστε περισσότεραPP-talasi sa torzijom
PP-talasi sa torzijom u metrički-afinoj gravitaciji Vedad Pašić i Dmitri Vassiliev V.Pasic@bath.ac.uk D.Vassiliev@bath.ac.uk Department of Mathematics University of Bath PP-talasi sa torzijom p. 1/1 Matematički
Διαβάστε περισσότερα2.6 Nepravi integrali
66. INTEGRAL.6 Neprvi integrli Definicij. Nek je f : [, R funkcij koj je Riemnn integrbiln n svkom podsegmentu [, ] od [,. Ako postoji končn es f() (.4) ond se tj es zove neprvi integrl funkcije f n [,
Διαβάστε περισσότεραPT ISPITIVANJE PENETRANTIMA
FSB Sveučilišta u Zagrebu Zavod za kvalitetu Katedra za nerazorna ispitivanja PT ISPITIVANJE PENETRANTIMA Josip Stepanić SADRŽAJ kapilarni učinak metoda ispitivanja penetrantima uvjeti promatranja SADRŽAJ
Διαβάστε περισσότεραDIMENZIONISANJE PRAVOUGAONIH POPREČNIH PRESEKA NAPREGNUTIH NA PRAVO SLOŽENO SAVIJANJE
TEORIJA ETONSKIH KONSTRUKCIJA T- DIENZIONISANJE PRAVOUGAONIH POPREČNIH PRESEKA NAPREGNUTIH NA PRAVO SLOŽENO SAVIJANJE 3.5 f "2" η y 2 D G N z d y A "" 0 Z a a G - tačka presek koja određje položaj sistemne
Διαβάστε περισσότερα(Hi-kvadrat test) r (f i f ti ) 2 H = f ti. i=1
χ 2 test (Hi-kvadrat test) Jedan od prvih statističkih testova je χ 2 -test. Predložio ga je K. Pearson 900. godine, pa je poznat i pod nazivom Pearsonov test. χ 2 test je neparametarski test. Pomoću χ
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 περισσότεραNovi Sad god Broj 1 / 06 Veljko Milković Bulevar cara Lazara 56 Novi Sad. Izveštaj o merenju
Broj 1 / 06 Dana 2.06.2014. godine izmereno je vreme zaustavljanja elektromotora koji je radio u praznom hodu. Iz gradske mreže 230 V, 50 Hz napajan je monofazni asinhroni motor sa dva brusna kamena. Kada
Διαβάστε περισσότερα4. Trigonometrija pravokutnog trokuta
4. Trigonometrij prvokutnog trokut po školskoj ziri od Dkić-Elezović 4. Trigonometrij prvokutnog trokut Formule koje koristimo u rješvnju zdtk: sin os tg tg ktet nsuprot kut hipotenuz ktet uz kut hipotenuz
Διαβάστε περισσότεραI.13. Koliki je napon između neke tačke A čiji je potencijal 5 V i referentne tačke u odnosu na koju se taj potencijal računa?
TET I.1. Šta je Kulonova sila? elektrostatička sila magnetna sila c) gravitaciona sila I.. Šta je elektrostatička sila? sila kojom međusobno eluju naelektrisanja u mirovanju sila kojom eluju naelektrisanja
Διαβάστε περισσότερα