TESTIRANJE ZNAČAJNOSTI RAZLIKE

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "TESTIRANJE ZNAČAJNOSTI RAZLIKE"

Transcript

1 //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 dve aritmetičke sredie dva ezavisa uzorka dva zavisa uzorka

2 //0 Z-TEST I T-TEST Pretpostavke za izvođeje: obe varijable koje se testiraju moraju biti umeričke ormala raspodela ili aproksimacija ormale raspodele (CV<30%) obe varijable PROCEDURA TESTIRANJA HIPOTEZA. Formulisati ultu i alterativu hipotezu. Odrediti ivo začajosti (α-ivo) 3. Odabrati odgovarajući test 4. Izračuati empirijsku vredost testa (statistika testa) a osovu primejee formule 5. Odrediti teorijsku vredost testa (oblast odbacivaja) tj. graiče vredosti 6. Doeti statistički zaključak

3 //0 Formulisati Odrediti Odabrati Izračuati empirijsku Odrediti teorijsku Statistički H 0 i H ivo začajosti test vredost testa vredost testa zaključak Nulta hipoteza, e postoji razlika aritmetičkih sredia: H 0 : μ = μ Alterativa (rada) hipoteza -dvostraa hipoteza, postoji razlika aritmetičkih sredia bez obzira a smer razlike: H : μ μ -jedosmera hipoteza, postoji razlika aritmetičkih sredia u jedom smeru tj. da jeda veća od druge: H : μ < μ H : μ > μ Formulisati Odrediti Odabrati Izračuati empirijsku Odrediti teorijsku Statistički H 0 i H ivo začajosti test vredost testa vredost testa zaključak Nivo začajosti (α-ivo) je maksimala verovatoća greške I tipa koju je istraživač sprema da prihvati u svom istraživaju. α-ivo je ajčešće 0,05 ili 0,0. 3

4 //0 Formulisati Odrediti Odabrati Izračuati empirijsku Odrediti teorijsku Statistički H 0 i H ivo začajosti test vredost testa vredost testa zaključak MALI UZORCI 30 t-test VELIKI UZORCI > 30 z-test NEZAVISNI UZORAK ZAVISNI UZORAK Jediice u jedom uzorku su različite i ezavise od jediica u drugom uzorku. Jediica posmatraja može biti samo u jedom uzorku. Jediice jedog uzorka povezae su sa jediicama drugog uzorka. Poovljea mereja a istim jediicama posmatraja (pre i posle) Formulisati Odrediti Odabrati Izračuati empirijsku Odrediti teorijsku Statistički H 0 i H ivo začajosti test vredost testa vredost testa zaključak Izračuati empirijsku vredost testa (statistika testa) a osovu primejee formule. 4

5 //0 Formulisati Odrediti Odabrati Izračuati empirijsku Odrediti teorijsku Statistički H 0 i H ivo začajosti test vredost testa vredost testa zaključak Odrediti teorijsku vredost testa iz tablica. Teorijska vredost testa je maksimala vredost testa za koju još uvek važi H 0. z t teorijska vredost z-testa Određuje se a osovu: jedosmere ili dvosmere H ivoa začajosti (α-ivo) Nivo začajosti 0,05 0,0 Dvosmero testiraje,96,58 Jedosmero testiraje,64,33 Formulisati Odrediti Odabrati Izračuati empirijsku Odrediti teorijsku Statistički H 0 i H ivo začajosti test vredost testa vredost testa zaključak t-test Određuje se iz tablica t raspodele a osovu: jedosmere ili dvosmere H ivoa začajosti (α-ivo) broja stepea slobode (DF) za dvosmeru H α-ivo od 0,05 DF=9 t t =,6 jedosmero testiraje (verovatoća rizika) Stepe 0,05 0,05 0,0 0,005 slobode dvosmero testiraje (verovatoća rizika) 0,0 0,05 0,0 0,0 6,34,706 3,8 63,657,90 4,303 6,965 9,95 3,353 3,8 4,54 5,84 4,3,776 3,747 4,604 5,05,57 3,365 4,03 6,943,447 3,43 3,707 7,895,365,998 3,500 8,860,306,896 3,355 9,833,6,8 3,50 0,8,8,764 3,69 5

6 //0 Formulisati Odrediti Odabrati Izračuati empirijsku Odrediti teorijsku Statistički H 0 i H ivo začajosti test vredost testa vredost testa zaključak Poređeje empirijske i teorijske vredosti metoda. t e > t t H p<0,05 t e < t t H 0 p>0,05 z e > z t H p<0,05 z e < z t H 0 p>0,05 Ako je empirijska vredost testa u oblasti odbacivaja odbaciti ultu i prihvatiti alterativu hipotezu. U protivom, zadržati ultu hipotezu. jeda uzorak Testiramo ultu hipotezu da je aritmetička sredia populacije jedaka ekoj specifikovaoj vredosti: H 0 : = 0 - epozata aritmetička sredia populacije iz koje potiče uzorak, 0 -specifikovaa vredost koja je pretpostavljea a osovu raijih istraživaja ili teorijskog modela. 6

7 //0 jeda uzorak z-test veliki uzorak (>30) pozata varijasa populacije (SD ) t-test mali uzorak ( 30) ije pozata varijasa populacije (SD ) x X z SE x x X SD x X t SE x x X sd x - aritmetička sredia uzorka X - specifikovaa vredost populacije SD SE x -stadarda greška aritmetičke sredie populacije jeda uzorak Pretpostavke za izvođeje: slučajo bira uzorak umerički kotiuirai podaci ormala raspodela u populaciji 7

8 //0 jeda uzorak Primer : Ispitivaa je telesa masa a rođeju u jedoj opštii u toku jede godie. Aritmetička sredia slučajog uzroka, veličie 50, izosila je 3530 g. Prethoda istraživaja ukazivala su a aritmetičku srediu 3550 g, i stadardu devijaciju SD=49g. Da li se može reći da je došlo do promee telese mase a rođeju? Testirati a ivou začajosti od 0,05. jeda uzorak H 0 : μ = 3550g H : μ 3550g α-ivo = 0,05 pozata SD populacije >30 x X z SE x z ,948 49, 50 z e = 0,948 z t =,96 z e < z t H 0 p>0,05 Zaključak: Dobijea zed vredost (0,948) je maja od teorijske (,96), za dvosmero testiraje i ivo začajosti 0,05, pa prihvatamo H 0 i zaključujemo da ije došlo do začaje promee telese mase a rođeju u posledjoj godii u odosu a protekli period (p>0,05). 8

9 //0 dva ezavisa uzorka Testiramo ultu hipotezu da su aritmetičke sredie osovih skupova iz kojih su dobijei uzorci jedake H 0 : = Uslovi za testiraje: ormalost podataka jedakost varijasi ezavisost uzoraka dva ezavisa uzorka z-test SD u populaciji pozate uzorci veliki ili mali z x x SD SD z-test SD u populaciji epozate uzorci veliki ( > 30) t-test za dva ezavisa uzorka SD u populaciji epozate uzorci mali ( 30) z t x x sd ( sd ) sd ( ) sd x x DF 9

10 //0 dva ezavisa uzorka Primer : Dve grupe lečee su tretmaima A i B. Sedimetacija eritrocita (mm/h) ispitaika u istraživaju izosi: Tretma A: Tretma B: Da li se ova dva tretmaa razlikuju prema sedimetaciji eritrocita? Testirati a ivou začajosti od 0,05. Pozato je da ispitivaa varijabla ima ormalu raspodelu u populaciji. dva ezavisa uzorka x x x 39 8 x 3 7 sd sd x x 7,38 6,4 9,88 7 x x 0,86 6 4,7,8 t x x ( ) sd ( ) sd Tretma A Tretma B x x x x x x x x 5 -,38 5,66 6-0,4 0,0 7-0,38 0,4 4 -,4 4,58 0,6 6,86 7 0,86 0,74 4-3,38,4 5 -,4,30 9,6,6 8,86 3,46 7-0,38 0,4 7 0,86 0,74 8 0,6 0,38 6-0,4 0,0 9,6,6 Σ 39 8,88 3 0,86 7,38 6,4 x (8 ) 4.7 (7 ) ,35 x 0

11 //0 dva ezavisa uzorka za dvosmera H α-ivo od 0,05 DF=3 t t =,60 Stepe slobode jedosmero testiraje (verovatoća rizika) 0,05 0,05 0,0 0,005 dvosmero testiraje (verovatoća rizika) 0,0 0,05 0,0 0,0 6,34,706 3,8 63,657,90 4,303 6,965 9,95 3,353 3,8 4,54 5,84 4,3,776 3,747 4,604 5,05,57 3,365 4,03 6,943,447 3,43 3,707 7,895,365,998 3,500 8,860,306,896 3,355 9,833,6,8 3,50 0,8,8,764 3,69,796,0,78 3,06,78,79,68 3,054 3,77,60,650 3,0 dva ezavisa uzorka H 0 : A = B H : A B α-ivo = 0,05 t e =,35 t t =,60 t e < t t H 0 p>0,05 Zaključak: Dobijea t statistika (,35) maja je od graiče (,60) za dvosmero testiraje, DF=3 i ivo začajosti 0,05. Zaključujemo da između ispitaika a tretmaima A i B e postoji statistički začaja razlika prema sedimetaciji eritrocita (t=,35; DF=3; p>0,05).

12 //0 dva zavisa uzorka Test je zasova a razlici opservacija pre-posle ili razlici mečovaih opservacija. Testiramo ultu hipotezu da je aritmetička sredia razlika pre-posle jedaka 0. H 0 : d = 0 Uslovi za testiraje: ormalost podataka jedakost varijasi zavisi uzorci dva zavisa uzorka Primer 3: Deset bolesika od hroiče opstruktive bolesti pluća praćeo je u toku 5 godia. Date su vredosti vitalog kapaciteta pluća (ml) a početku i kraju tog perioda: Prvo mereje: Drugo mereje: Da li je došlo do promee vitalog kapaciteta u posmatraom periodu? Testirati a ivou začajosti od 0,05.

13 //0 dva zavisa uzorka d 480 d 48 0 t d d d ( ) 4,08 DF (0 ) prvo mereje drugo mereje x x d=x -x d Σ dva zavisa uzorka dvosmera H za α-ivo od 0,05 DF=9 t t =,6 Stepe slobode jedosmero testiraje (verovatoća rizika) 0,05 0,05 0,0 0,005 dvosmero testiraje (verovatoća rizika) 0,0 0,05 0,0 0,0 6,34,706 3,8 63,657,90 4,303 6,965 9,95 3,353 3,8 4,54 5,84 4,3,776 3,747 4,604 5,05,57 3,365 4,03 6,943,447 3,43 3,707 7,895,365,998 3,500 8,860,306,896 3,355 9,833,6,8 3,50 0,8,8,764 3,69,796,0,78 3,06,78,79,68 3,054 3,77,60,650 3,0 3

14 //0 dva zavisa uzorka H 0 : d = 0 H : d 0 α-ivo = 0,05 t e = 4,08 t t =,6 t e > t t H p<0,05 Zaključak: Dobijea statistika t-testa (4,08) je veća od graiče vredosti (,6) za dvosmero testiraje, DF = 9 i ivo začajosti od 0,05. Došlo je do začajog smajeja vitalog kapaciteta u posmatraom periodu (t = 4,08; DF=9; p<0,05). Zadatak Zadatak: Deset dijabetičara je pre terapije imalo sledeće vredosti glikemije: 4,99, 9,38 6,99 6,44 0,66 7,98 3,0 9, 6,6 mmol/l Posle odgovarajuće terapije kod istih bolesika vredost šećera u krvi izosila je: 0,05 8, 7,33 0,49 9,44 6,99,7 7,6 5,83 8,88 mmol/l Da li je terapija uspešo delovala? Testirati a ivou začajosti od 0,05. 4

15 //0 Zadatak d 3,46 d 3,46 0 t d d d ( ) 3,46-3,46 08,36 0 0(0 ) 3,46,854,5 Pre terapije Posle terapije x x d=x -x d 4,99 0,05-4,94 4,40, 8, -3,99 5,9 9,38 7,33 -,05 4,0 6,99 0,49-6,5 4,5 6,44 9,44 3,00 9,00 0,66 6,99-3,67 3,47 7,98,7-6,7 45,0 3, 7,6-5,94 35,8 9, 5,83-3,38,4 6,6 8,88,7 7,40 Σ ,46 08,36 DF 0 9 Zadatak dvosmera H za α-ivo od 0,05 DF=9 t t =,6 Stepe slobode jedosmero testiraje (verovatoća rizika) 0,05 0,05 0,0 0,005 dvosmero testiraje (verovatoća rizika) 0,0 0,05 0,0 0,0 6,34,706 3,8 63,657,90 4,303 6,965 9,95 3,353 3,8 4,54 5,84 4,3,776 3,747 4,604 5,05,57 3,365 4,03 6,943,447 3,43 3,707 7,895,365,998 3,500 8,860,306,896 3,355 9,833,6,8 3,50 0,8,8,764 3,69,796,0,78 3,06,78,79,68 3,054 3,77,60,650 3,0 5

16 //0 Zadatak H 0 : d = 0 H : d 0 α-ivo = 0,05 t e =,854 t t =,6 t e > t t H p<0,05 Zaključak: Dobijea statistika t-testa (,854) je veća od graiče vredosti (,6) za dvosmero testiraje, DF = 9 i ivo začajosti od 0,05. Došlo je do začajog smajeja glikemije ako primee terapije (t =,854; DF=9; p<0,05). 6

nepoznati parametar θ jednak broju θ 0, u oznaci H 0 (θ =θ 0 ), je primer proste hipoteze. Ako hipoteza nije prosta, onda je složena.

nepoznati 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 περισσότερα

VJEROVATNOĆA-POJAM. Definicija vjerovatnoće Σ = f x f. f f. f x f. f f ... = Σ = Σ. i...

VJEROVATNOĆA-POJAM. Definicija vjerovatnoće Σ = f x f. f f. f x f. f f ... = Σ = Σ. i... VJEROVATNOĆA-OJAM Defiicija vjerovatoće f f f f f f f m X i i... ) + + + Σ p p p p f f f f f i i i i i i i ) )... ) )... + + + Σ + + Σ + Σ Σ Σ µ µ Aditivo i multiplikativo pravilo. Ako su E i E slučaji

Διαβάστε περισσότερα

Neparametarski 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 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 περισσότερα

numeričkih deskriptivnih mera.

numeričkih deskriptivnih mera. DESKRIPTIVNA STATISTIKA Numeričku seriju podataka opisujemo pomoću Numeričku seriju podataka opisujemo pomoću numeričkih deskriptivnih mera. Pokazatelji centralne tendencije Aritmetička sredina, Medijana,

Διαβάστε περισσότερα

Osnove teorije uzoraka

Osnove teorije uzoraka Oove teorije uzoraka Oove teorije uzoraka UZORAK: lučaji, reprezetativi dio oovog kupa populacije Uzorci: 1.uzorak:,, 1 1.uzorak:,, i.uzorak:,, i i Razdioba aritmetičke redie uzorka f ( ) f ( ) razdioba

Διαβάστε περισσότερα

Definicija: Hipoteza predstavlja pretpostavku koja je zasnovana na određenim činjenicama (najčešće naučnim ili iskustvenim).

Definicija: Hipoteza predstavlja pretpostavku koja je zasnovana na određenim činjenicama (najčešće naučnim ili iskustvenim). Str. 53;76; Testiranje statističkih hipoteza Predavač: Dr Mirko Savić savicmirko@eccf.su.ac.yu www.eccf.su.ac.yu Definicija: Hipoteza predstavlja pretpostavku koja je zasnovana na određenim činjenicama

Διαβάστε περισσότερα

Uvod u neparametarske testove

Uvod 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 περισσότερα

Str. 454;139;91.

Str. 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 περισσότερα

Str

Str Str. Testiranje statističkih hipoteza Predavač: Dr Mirko Savić savicmirko@ef.uns.ac.rs www.ef.uns.ac.rs Definicija: Hipoteza predstavlja pretpostavku koja je zasnovana na određenim činjenicama (najčešće

Διαβάστε περισσότερα

Postoji nekoliko statidtičkih testova koji koriste t raspodelu, koji se jednim imenom zovu t-testovi.

Postoji nekoliko statidtičkih testova koji koriste t raspodelu, koji se jednim imenom zovu t-testovi. Postoji nekoliko statidtičkih testova koji koriste t raspodelu, koji se jednim imenom zovu t-testovi. U SPSS-u su obradjeni: t test razlike između aritmetičke sredine osnovnog skupa i uzorka t test razlike

Διαβάστε περισσότερα

Statističko zaključivanje - testiranje hipoteza. Katedra za medicinsku statistiku i informatiku

Statističko zaključivanje - testiranje hipoteza. Katedra za medicinsku statistiku i informatiku Statističko zaključivanje - testiranje hipoteza Statističko zaključivanje Ideja moderne statistike je da na osnovu uzorka (dobijenog uzorkovanjem iz osnovnog skupa) donosimo zaključke o populaciji (statističko

Διαβάστε περισσότερα

5. Karakteristične funkcije

5. 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 περισσότερα

Uvod u neparametarske testove

Uvod u neparametarske testove Str. 644;1;148 Uvod u neparametarske testove Predavač: Dr Mirko Savić savicmirko@eccf.su.ac.yu www.eccf.su.ac.yu Hi-kvadrat testovi χ Str. 646;1;149 Koristi se za upoređivanje dve serije frekvencija. Vrste

Διαβάστε περισσότερα

Testiranje statistiqkih hipoteza

Testiranje 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 περισσότερα

Verovatnoća i Statistika. II deo. Osnovi Statistike. Beleške Prof. Aleksandra Ivića

Verovatnoća 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 περισσότερα

PROCJENE PARAMETARA POPULACIJE

PROCJENE PARAMETARA POPULACIJE PROCJENE PARAMETARA POPULACIJE Iferecijala statistika je skup postupaka kojima se a osovi rezultata iz uzorka doose zaključci o populaciji. INFERENCIJALNA STATISTIKA Procjee parametara Testiraje hipoteza

Διαβάστε περισσότερα

Procjena parametara. Zadatak 4.1 Neka je X 1, X 2,..., X n slučajni uzorak iz populacije s konačnim očekivanjem µ i varijancom σ 2.

Procjena 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 περισσότερα

Apsolutno 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. 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 περισσότερα

Analiza varijanse sa jednim Posmatra se samo jedna promenljiva

Analiza varijanse sa jednim Posmatra se samo jedna promenljiva ANOVA Analiza varijanse (ANOVA) Analiza varijanse sa jednim faktorom Proširena ANOVA tabela 2 Tehnike za analizu podataka Analiza varijanse sa jednim faktorom Posmatra se samo jedna promenljiva Posmatra

Διαβάστε περισσότερα

Počela biostatistike, Poslijediplomski interdisciplinarni doktorski studij Molekularne bioznanosti. Molekularne bioznanosti. Molekularne bioznanosti

Počela biostatistike, Poslijediplomski interdisciplinarni doktorski studij Molekularne bioznanosti. Molekularne bioznanosti. Molekularne bioznanosti Analiza brojčanih podataka Nora Nikolac Klinički zavod za kemiju KB Sestre milosrdnice Kolegij: Počela biostatistike Statistička hipoteza postupak testiranja 1. postavljanje hipoteze: H 0, H 1 2. odabir

Διαβάστε περισσότερα

KOMUTATIVNI I ASOCIJATIVNI GRUPOIDI. NEUTRALNI ELEMENT GRUPOIDA.

KOMUTATIVNI 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 περισσότερα

Greške merenja i statistička obrada podataka

Greške 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 περισσότερα

Broj e. Nadja Radović, Maja Roslavcev, Jelena Tomanović December 14, 2006

Broj e. Nadja Radović, Maja Roslavcev, Jelena Tomanović December 14, 2006 Broj e Nadja Radović, Maja Roslavcev, Jelea Tomaović December 4, 2006 Uvod Broj e je jeda od ajzačajijih matematičkih kostati, pozata još i kao Ojlerov broj ili Nejpirova kostata Njegova vredost, zaokružea

Διαβάστε περισσότερα

Dvanaesti praktikum iz Analize 1

Dvanaesti 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 περισσότερα

3n 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

3n 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 περισσότερα

(Hi-kvadrat test) r (f i f ti ) 2 H = f ti. i=1

(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 περισσότερα

Granične vrednosti realnih nizova

Granične 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 περισσότερα

UNIVERZITET U NIŠU ELEKTRONSKI FAKULTET SIGNALI I SISTEMI. Zbirka zadataka

UNIVERZITET 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 περισσότερα

Obrada signala

Obrada 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 περισσότερα

Sadrˇzaj Sadrˇzaj 12 TEORIJA PROCJENA

Sadrˇzaj Sadrˇzaj 12 TEORIJA PROCJENA Sadrˇzaj Sadrˇzaj 2 TEORIJA PROCJENA 3 2. TOČKASTE PROCJENE......................... 5 2.2 REGRESIJSKA ANALIZA........................ 2.3 ML-PROCJENITELJI tko želi zati više................. 5 2.4 Poovimo.................................

Διαβάστε περισσότερα

Osnovni primer. (Z, +,,, 0, 1) je komutativan prsten sa jedinicom: množenje je distributivno prema sabiranju

Osnovni 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 περισσότερα

a M a A. Može se pokazati da je supremum (ako postoji) jedinstven pa uvodimo oznaku sup A.

a 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

Izbor statističkih testova Ana-Maria Šimundić

Izbor 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 περισσότερα

9.1 Testovi hipoteza u statistici

9.1 Testovi hipoteza u statistici 196 9 Testiranje parametarskih hipoteza 9.1 Testovi hipoteza u statistici Popularan metod dokazivanja teorema u matematici je deductio ad absurdum, dovod enje do protivrečnosti ako se pretpostavi suprotno

Διαβάστε περισσότερα

Elementi spektralne teorije matrica

Elementi 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 περισσότερα

Zavrxni ispit iz Matematiqke analize 1

Zavrxni 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 περισσότερα

Ispitivanje toka i skiciranje grafika funkcija

Ispitivanje 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

Univerzitet u Sarajevu Građevinski fakultet Katedra za matematiku, programiranje, nacrtnu geometriju i fiziku

Univerzitet u Sarajevu Građevinski fakultet Katedra za matematiku, programiranje, nacrtnu geometriju i fiziku Uiverzitet u Sarajevu Građeviski fakultet Katedra za matematiku, programiraje, acrtu geometriju i fiziku Ispita pitaja za drugi parc. ispit iz teor. osova predmeta «VJEROVATNOĆA I STATISTIKA» Akademska

Διαβάστε περισσότερα

3.1 Granična vrednost funkcije u tački

3.1 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 περισσότερα

X. Testiranje hipoteza. Osnovni koncepti testiranja hipoteza TESTIRANJE HIPOTEZA OSNOVNI KONCEPTI I TESTOVI POVEZANOSTI 19/11/15

X. Testiranje hipoteza. Osnovni koncepti testiranja hipoteza TESTIRANJE HIPOTEZA OSNOVNI KONCEPTI I TESTOVI POVEZANOSTI 19/11/15 TESTIRANJE HIPOTEZA OSNOVNI KONCEPTI I TESTOVI POVEZANOSTI X. Testiranje hipoteza Osnovni koncepti testiranja hipoteza Unakrsno tabeliranje i hi-kvadrat Testiranje hipoteza o srednjoj vrednosti i proporcijama

Διαβάστε περισσότερα

Mašinsko učenje. Regresija.

Mašinsko 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 περισσότερα

UVOD U STATISTIČKO ZAKLJUČIVANJE

UVOD U STATISTIČKO ZAKLJUČIVANJE STROJNO UČENJE Uvod u statističko zaključivaje 1/22 STROJNO UČENJE Uvod u statističko zaključivaje 2/22 UVOD U STATISTIČKO ZAKLJUČIVANJE riječ STATISTIKA (lat. status = staje) Statistika deskriptiva iferecijala

Διαβάστε περισσότερα

9. TESTIRANJE HIPOTEZA O PARAMETRU. Josipa Perkov, prof., pred. 1

9. TESTIRANJE HIPOTEZA O PARAMETRU. Josipa Perkov, prof., pred. 1 9. TESTIRANJE HIPOTEZA O PARAMETRU Josipa Perkov, prof., pred. 1 na prethodnom predavanju upoznali smo se s metodom i postupcima koji omogućavaju da se iz dijela populacije, koji je slučajno izabran, procijeni

Διαβάστε περισσότερα

DISKRETNA MATEMATIKA - PREDAVANJE 7 - Jovanka Pantović

DISKRETNA 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 περισσότερα

Računarska grafika. Rasterizacija linije

Računarska 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 περισσότερα

(P.I.) PRETPOSTAVKA INDUKCIJE - pretpostavimo da tvrdnja vrijedi za n = k.

(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 περισσότερα

STATISTIKA S M E I M N I AR R 7 : METODE UZORKA

STATISTIKA 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 περισσότερα

Verovatnoća i Statistika I deo Teorija verovatnoće (zadaci) Beleške dr Bobana Marinkovića

Verovatnoća 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 περισσότερα

Tačkaste ocene parametara raspodele

Tačkaste 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 περισσότερα

T r. T n. Naponi na bokovima zubaca

T 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 περισσότερα

3 Populacija i uzorak

3 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 περισσότερα

SISTEMI NELINEARNIH JEDNAČINA

SISTEMI 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 περισσότερα

Pošto pretvaramo iz veće u manju mjernu jedinicu broj 2.5 množimo s 1000,

Pošto 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 περισσότερα

IspitivaƬe 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 IspitivaƬe funkcija: 1. Oblast definisanosti funkcije (ili domen funkcije) D f 2. Nule i znak funkcije; presek sa y-osom IspitivaƬe

Διαβάστε περισσότερα

PRAVA. Prava je u prostoru određena jednom svojom tačkom i vektorom paralelnim sa tom pravom ( vektor paralelnosti).

PRAVA. Prava je u prostoru određena jednom svojom tačkom i vektorom paralelnim sa tom pravom ( vektor paralelnosti). PRAVA Prava je kao i ravan osnovni geometrijski ojam i ne definiše se. Prava je u rostoru određena jednom svojom tačkom i vektorom aralelnim sa tom ravom ( vektor aralelnosti). M ( x, y, z ) 3 Posmatrajmo

Διαβάστε περισσότερα

STATISTIKA. 1. Osnovni pojmovi

STATISTIKA. 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 περισσότερα

Riješeni zadaci: Nizovi realnih brojeva

Riješeni 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 περισσότερα

VEROVATNO A I STATISTIKA A - TEST 1 9. NOVEMBAR 2013.

VEROVATNO A I STATISTIKA A - TEST 1 9. NOVEMBAR 2013. VEROVATNO A I STATISTIKA A - TEST 1 9. NOVEMBAR 2013. 1. Novqi se baca tri puta. (a) Zapisati skup svih mogu ih ishoda. (b) Oznaqimo sa A k događaj da je u k-tom bacanju palo pismo, k {1, 2, 3}. Koriste

Διαβάστε περισσότερα

2.2 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) 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 περισσότερα

( x) ( ) dy df dg. =, ( x) e = e, ( ) ' x. Zadatak 001 (Marinela, gimnazija) Nađite derivaciju funkcije f(x) = a + b x. ( ) ( )

( 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 περισσότερα

Sadrˇzaj. Sadrˇzaj MATEMATIČKA STATISTIKA DESKRIPTIVNA STATISTIKA Ponovimo... 15

Sadrˇzaj. Sadrˇzaj MATEMATIČKA STATISTIKA DESKRIPTIVNA STATISTIKA Ponovimo... 15 Sadrˇzaj Sadrˇzaj 1 11 MATEMATIČKA STATISTIKA 3 11.1 DESKRIPTIVNA STATISTIKA..................... 5 11. Poovimo................................. 15 1 Radi materijal Poglavlje 11 MATEMATIČKA STATISTIKA

Διαβάστε περισσότερα

Općenito, iznos normalne deformacije u smjeru normale n dan je izrazom:

Općenito, iznos normalne deformacije u smjeru normale n dan je izrazom: Otporost mterijl. Zdtk ZDTK: U točki čeliče kostrukije postvlje su tri osjetil z mjereje deformij prem slii. ri opterećeju kostrukije izmjeree su reltive ormle (dužiske deformije: b ( - b 3 - -6 - ( b

Διαβάστε περισσότερα

2 tg x ctg x 1 = =, cos 2x Zbog četvrtog kvadranta rješenje je: 2 ctg x

2 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 περισσότερα

Chi-kvadrat test. Chi-kvadrat (χ2) test

Chi-kvadrat test. Chi-kvadrat (χ2) test 1 Chi-kvadrat test Chi-kvadrat (χ2) test Test za proporcije, porede se frekvence Neparametarski test Koriste se dihotomne varijable Proverava se veza između dva faktora Npr. tretmana i bolesti pola i smrtnosti

Διαβάστε περισσότερα

METODA SEČICE I REGULA FALSI

METODA 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 περισσότερα

ELEKTROTEHNIČKI ODJEL

ELEKTROTEHNIČKI 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 περισσότερα

Iskazna logika 3. Matematička logika u računarstvu. novembar 2012

Iskazna 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

MATRICE I DETERMINANTE - formule i zadaci - (Matrice i determinante) 1 / 15

MATRICE 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 περισσότερα

APROKSIMACIJA FUNKCIJA

APROKSIMACIJA 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 περισσότερα

3. OSNOVNI POKAZATELJI TLA

3. OSNOVNI POKAZATELJI TLA MEHANIKA TLA: Onovni paraetri tla 4. OSNONI POKAZATELJI TLA Tlo e atoji od tri faze: od čvrtih zrna, vode i vazduha i njihovo relativno učešće e opiuje odgovarajući pokazateljia.. Specifična težina (G)

Διαβάστε περισσότερα

Kontrolni zadatak (Tačka, prava, ravan, diedar, poliedar, ortogonalna projekcija), grupa A

Kontrolni 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 περισσότερα

Populacija Ciljna/uzoračka populacija

Populacija Ciljna/uzoračka populacija Populacija i uzorak Sadržaj predavanja Šta je populacija, šta je uzorak a šta uzorkovanje? Statističko zaključivanje Klasifikacija uzoraka: sa i bez verovatnoće, sa i bez zamenjivanja Uzoračke raspodele

Διαβάστε περισσότερα

INTELIGENTNO UPRAVLJANJE

INTELIGENTNO 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 περισσότερα

IZVODI 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) 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 περισσότερα

41. Jednačine koje se svode na kvadratne

41. Jednačine koje se svode na kvadratne . Jednačine koje se svode na kvadrane Simerične recipročne) jednačine Jednačine oblika a n b n c n... c b a nazivamo simerične jednačine, zbog simeričnosi koeficijenaa koeficijeni uz jednaki). k i n k

Διαβάστε περισσότερα

POSTAVLJANJE I TESTIRANJE HIPOTEZA

POSTAVLJANJE I TESTIRANJE HIPOTEZA POSTAVLJANJE I TESTIRANJE HIPOTEZA Hipoteza je precizno formulisana verbalna tvrdnja, pretpostavka o karakteristici jednog skupa ili o odnosu vrednosti posmatrane karakteristike u više skupova. U statističkim

Διαβάστε περισσότερα

NEPARAMETRIJSKE TEHNIKE

NEPARAMETRIJSKE TEHNIKE NEPARAMETRIJSKE TEHNIKE Neparametrijske tehnike se koriste za obradu podataka dobijenih na nominalnim i ordinalnim skalama. za testiranje značajnosti distribucije frekvencija po kategorijama jedne nominalne

Διαβάστε περισσότερα

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 NAČINA RADA (ISKORIŠĆENOSTI KAPACITETA, STEPENA OTVORENOSTI RADNIH MESTA I NIVOA ORGANIZOVANOSTI) Izračunavanje pokazatelja načina rada OTVORENOG RM RASPOLOŽIVO RADNO

Διαβάστε περισσότερα

PARCIJALNI 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 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

Testiranje statističkih hipoteza Materijali za nastavu iz Statistike

Testiranje statističkih hipoteza Materijali za nastavu iz Statistike Testiranje statističkih hipoteza Materijali za nastavu iz Statistike Kristina Krulić Himmelreich i Ksenija Smoljak 2012/13 1 / 39 Uvod Osnovna zadaća Statistike je na temelju uzorka ocijeniti kakvu razdiobu

Διαβάστε περισσότερα

XI dvoqas veжbi dr Vladimir Balti. 4. Stabla

XI 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 περισσότερα

Sistemi veštačke inteligencije primer 1

Sistemi veštačke inteligencije primer 1 Sistemi veštačke inteligencije primer 1 1. Na jeziku predikatskog računa formalizovati rečenice: a) Miloš je slikar. b) Sava nije slikar. c) Svi slikari su umetnici. Uz pomoć metode rezolucije dokazati

Διαβάστε περισσότερα

SVEUČILIŠTE U RIJECI GRAĐEVINSKI FAKULTET U RIJECI. Specijalistički diplomski stručni studij

SVEUČILIŠTE U RIJECI GRAĐEVINSKI FAKULTET U RIJECI. Specijalistički diplomski stručni studij SVEUČILIŠTE U RIJECI GRAĐEVINSKI FAKULTET U RIJECI Specijalistički diplomski stručni studij Test hipoteze o jednakosti aritmetičkih sredina K osnovnih skupova Seminarski rad Kolegij: Odabrana poglavlja

Διαβάστε περισσότερα

RAČUNANJE SA PRIBLIŽNIM VREDNOSTIMA BROJEVA

RAČUNANJE 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 περισσότερα

PISMENI ISPIT IZ STATISTIKE

PISMENI 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 περισσότερα

I.13. Koliki je napon između neke tačke A čiji je potencijal 5 V i referentne tačke u odnosu na koju se taj potencijal računa?

I.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

Kaskadna kompenzacija SAU

Kaskadna 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 περισσότερα

Studentov t-test. razlike. t = SG X

Studentov t-test. razlike. t = SG X Studentov t-test Najčešće upotrebljavan parametrijski test značajnosti za testiranje nulte hipoteze je Studentov t-test. Koristi se za testiranje značajnosti razlika između dve aritmetičke sredine. Uslovi

Διαβάστε περισσότερα

Cauchyjev teorem. Postoji više dokaza ovog teorema, a najjednostvniji je uz pomoć Greenove formule: dxdy. int C i Cauchy Riemannovih uvjeta.

Cauchyjev 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 περισσότερα

radni nerecenzirani materijal za predavanja R(f) = {f(x) x D}

radni 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 περισσότερα

Ĉetverokut - 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. 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 περισσότερα

Trigonometrija 2. Adicijske formule. Formule dvostrukog kuta Formule polovičnog kuta Pretvaranje sume(razlike u produkt i obrnuto

Trigonometrija 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 περισσότερα

Računarska grafika. Rasterizacija linije

Računarska 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 περισσότερα

Betonske konstrukcije 1 - vežbe 3 - Veliki ekscentricitet -Dodatni primeri

Betonske 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 περισσότερα

Zaključivanje o jednakosti distribucija temeljeno na dva uzorka

Zaključivanje o jednakosti distribucija temeljeno na dva uzorka Zaključivanje o jednakosti distribucija 1 Zaključivanje o jednakosti distribucija temeljeno na dva uzorka Odgovorom na ovako postavljeno pitanje u praksi možemo zaključiti dolazi li do promjene obilježja

Διαβάστε περισσότερα

Testiranje hipoteza statistika zaključivanja

Testiranje hipoteza statistika zaključivanja Metodologija političkih i društvenih istraživanja II Pavle Pavlović pavlovic.pavle@outlook.com Testiranje hipoteza statistika zaključivanja Testiranje hipoteza zajedno sa statistikom ocjenjivanja čine

Διαβάστε περισσότερα

OBRTNA TELA. Vladimir Marinkov OBRTNA TELA VALJAK

OBRTNA TELA. Vladimir Marinkov OBRTNA TELA VALJAK OBRTNA TELA VALJAK P = 2B + M B = r 2 π M = 2rπH V = BH 1. Zapremina pravog valjka je 240π, a njegova visina 15. Izračunati površinu valjka. Rešenje: P = 152π 2. Površina valjka je 112π, a odnos poluprečnika

Διαβάστε περισσότερα

18. listopada listopada / 13

18. 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 περισσότερα

Funkcije dviju varjabli (zadaci za vježbu)

Funkcije 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 περισσότερα

13. TESTIRANJE HIPOTEZE O NEPOZNATIM KARAKTERISTIKAMA POPULACIJE

13. TESTIRANJE HIPOTEZE O NEPOZNATIM KARAKTERISTIKAMA POPULACIJE 13. TESTIRANJE HIPOTEZE O NEPOZNATIM KARAKTERISTIKAMA POPULACIJE χ - TEST χ -test je neparametrijski test kojim se vrlo uspješno rješavaju problemi masovnih pojava kao što su: testiranje hipoteze da distribucija

Διαβάστε περισσότερα