I INFORMATIKE STATISTIKA. Uvod u verovatnoću i statistiku Osnovni pojmovi matematičke statistike Parametri deskriptivne statistike
|
|
- Κλήμεντος Λύτρας
- 7 χρόνια πριν
- Προβολές:
Transcript
1 OSNOVE SPORTSKE STATISTIKE I INFORMATIKE Predavač: Dragan Veličković, dipl.mat. MSc. profesor matematike i računarstva ECDL ovlašćeni ispitivač CS 0826J 1. Uvod STATISTIKA Uvod u verovatnoću i statistiku Osnovni pojmovi matematičke statistike Parametri deskriptivne statistike 2. Testiranje hipoteza i analiza varijanse Testiranje statističkih hipoteza Analiza varijanse i vremenskih serija Tablice 3. Microsoft Excel Unakrsne tabele, osnovne alatke, operacije, formule i grafičko predstavljanje podataka Praktičan primer iz statistike
2 VEROVATNOĆA DOGAĐAJA Verovatnoća oća događaja A zadaje se na sledećinačin: sedeć gde je k brojonih ishoda prikojimasedogađaj A realizovao a n broj svih mogućih ishoda koji semeđusobno isključuju j i za koje pretpostavljamo da su jednako verovatni. Primeri: A događajđ da dobijemo šesticu posle jd jednog bacanja kockice. Verovatnoća događaja iznosi: proučavanje spiskova rođenih skoro uvek daje sledeći rezultat: na 1000 rođene dece ima oko 485 ženske dece tj. frekvencija rađanja ženskog deteta je približno PRIMERI ELEMENTARNIH DOGAĐAJA Primer 1: Novčić se baca jednom. Može da padne pismo P ili glava G tako da je skup elementarnih događaja (P, G). Za elementarne događaje možemo uzeti sledeće ishode eksperimenta: A1 palojepismo,p(a1)=1/2 A2 pala je glava, P(A2)=1/2 Primer 2: Novčić se baca 2 puta. Za elementarne događaje možemo uzeti sledeće ishode eksperimenta: A1 u oba bacanja je palo pismo, P(A1)=1/4 A2 u oba bacanja je pala glava, P(A2)=1/4 A3 palo je jd jedno pismo i jd jedna glava, P(A3)=1/2 Uovomslučaju skup elementarnih događaja je složeniji i glasi: (PP, PG, GP, GG)
3 SLUČAJNE VELIČINE Često se u svakodnevnom životu, igri ili naučnim istraživanjima susrećemo sa veličinama čije se vrednosti menjajuodslučajadoslučaja. jj j j Razmotrimo sledeće primere: broj automobila koji prođu kroz raskrsnicu u toku jednog sata broj registrovanih šestica u n bacanja kockice broj obavljenih telefonskih razgovora iz jedne govornice u toku jednog dana Veličine opisanog tipa zvaćemo slučajnim veličinama. Vrednost koju uzima neka slučajna veličina predstavlja numeričku karakteristiku (ili verovatnoću) ishoda nekog eksperimenta. Raspodela verovatnoća slučajne veličine X označava se na sledećinačin: Primer 1: Novčić se baca 3 puta. Elementaran skup događaja je (PPP, PPG, PGP, GPP, PGG, GPG, GGP, GGG). Svaki od elemenata skupa ima verovatnoću 1/8 i neka je slučajna veličina X broj palih pisama. Raspodela verovatnoće slučajne č veličine X data je nasledeći ldći način:
4 MATEMATIČKO OČEKIVANJE, DISPERZIJA Najvažnije od numeričkih karakteristikakt tik slučajne č veličine X su njeno matematičko očekivanje E i disperzija D. Matematičko očekivanje E slučajne veličine X (ili srednja vrednost) jebroj: Disperzija D predstavlja meru rasipanja vrednosti koju uzima slučajna veličina X u odnosu na njeno matematičko očekivanje: č KOVARIJACIJA, KOEFICIJENT KORELACIJE Kovarijacija slučajnih č veličina X i Y je broj: Koeficijent korelacije slučajnih veličina X i Y je broj: Ova dva koeficijenta se često uzimaju kao mere zavisnosti slučajnih č veličina X i Y.
5 BERNULIJEVA SHEMA Neka je n prirodan broj. Pretpostavimo da se izvodi n eksperimenata za koje važe sledeći uslovi: 1. svaki od n eksperimenata završava se sa jednim od 2 moguća ishoda: uspeh (1) i neuspeh (0) 2. verovatnoća uspeha u svakom eksperimentu jednaka je p (verovatnoća neuspeha jednaka je q=1-p, p+q=1) 3. eksperimenti su međusobno nezavisni. Ak - događaj da se tačno k izvedenih eksperimenata završilo uspešno. Verovatnoća događaja Ak glasi: Brojevi Pn(k) određuju binomnu raspodelu verovatnoća Sn (E(Sn)=np; D(Sn)=npq) BERNULIJEV ZAKON VELIKIH BROJEVA U Bernulijevoj shemi Sn/n predstavlja frekvenciju uspeha u n nezavisnih eksperimenata i ne razlikuje se mnogo od verovatnoće uspeha tj. odbroja p. p Kako slučajna veličina Sn može uzeti svaku od vrednosti 0,1,2,..., n to odstupanje frekvencije Sn/n od verovatnoće p može biti i veliko. Međutim, verovatnoća da to odstupanje bude veće od unapred zadatog broja ε>00 je proizvoljno mala, ako je broj n dovoljno veliki (teži ka beskonačnosti).
6 APROKSIMACIJA NORMALNOM RASPODELOM Bernulijev zakon velikih brojeva nije primenljiv u praksi tako da su određeni matematičari (Muavr i Laplas) dokazali da se verovatnoće Pn(k) mogu aproksimirati integralom jedne nenegativne neprekidne funkcije. Funkcija određena formulom zove se gustina normalne raspodele: Funkcija određena formulom zove se normalna funkcija raspodele: NORMALNA RASPODELA (GAUSOVA KRIVA) Život je jedna Gausova kriva!
7 NORMALNA RASPODELA (GAUSOVA KRIVA) Portret Karla Fridriha Gausa i grafik gustine normalne raspodele, raspodele od izuzetnog značaja u teoriji verovatnoće sa nekadašnje novčanice od 10 DM! NORMALNA RASPODELA (Z - vrednost) Aritmetička sredina i standardna devijacija j (ukoliko su podaci normalno distribuirani) u potpunosti definišu raspodelu rezultata, pa se može odrediti na koji deo standardne devijacije pada svaki pojedini rezultat. To je postupak pretvaranja originalnih rezultata u z vrednosti ili tzv. standardizacija podataka. Njihova aritmetička sredina je nula, a standardna devijacija i varijansa jedan (N(0,1)). glasi: Ako je distribucija podataka idealno normalna formula Pomoću z vrednosti lakše je određivati vrednost j rezultata u različitim merama, uz upotrebu tablica. (zadatak u Excelu)
8 TABLICE NORMALNE RASPODELE POPULACIJA I OBELEŽJE Matematička statistika je deo matematike čiji je predmet razvijanje metoda na osnovu kojih se podaci sistematizuju, obrađuju i koriste za donošenje naučnih i praktičnih zaključaka. Skup koji se proučava u matematičkoj statistici zove se populacija, a numerička č karakteristika aa aee elemenatae populacije zove se obeležje. Primeri: populacija je skup svih atletičara koji će učestvovati na narednim Olimpijskim igrama u trci na 400 metara, a obeležje je najbolji raniji rezultat populaciju čine svi zaposleni u jednoj firmi, a obeležje je mesečna plata ili broj godina radnog staža na populaciji svih stanovnika jd jednog grada možemo razmatrati različita obeležja: visina u cm, pol, godine,...
9 Neka je P=(p1, p2,, pn) populacija, X:P->R obeležje i x1, x2,..., xn vrednosti koje može uzeti obeležje. Za svako k(k=1,m)označimo sa Nk broj elemenata populacije P na kojima obeležje X uzima vrednost xk. Broj Nk zove se apsolutna frekvencija vrednosti xk, broj Nk/N zove se relativna frekvencija te vrednosti a broj 100*Nk/N procenat onih članova populacije na kojima obeležje X uzima vrednosti xk. Raspodela obeležja se uglavnom prikazuje grafički i dobijena figura se naziva histogram raspodele obeležja. Primeri: kalendari takmičenja/aktivnosti kti ti pokrajinskih kih granskih saveza (broj aktivnosti po sportovima):
10 UZORAK U praksi je veoma teško registrovati vrednosti obeležja na svim članovima populacije. U takvim situacijama postupa se na sledećinačin: registruju se vrednosti obeležja na članovima jednog dela populacije, pa se za raspodelu obeležja na celoj populaciji prihvata raspodela dl nauočenomč dl delupopulacijel deo populacije na čijim se elementima vrši registrovanje vrednosti obeležja zove se uzorak broj elemenata uzorka zove se obim uzorka uzorak je reprezentativan ako u potpunosti oslikava tj. predstavlja čitavu populaciju (elementi uzorka se biraju slučajnim izborom i moraju imati jednaku verovatnoću izbora) KARAKTERISTIKE UZORAČKE RASPODELE Neka je X obeležje definisano na nekoj populaciji P. uzoračka (aritmetička) sredina ili srednja vrednost: uzoračka disperzija: uzoračko standardno odstupanje ili devijacija:
11 Primer 1: U grupi za osposobljavanje ima 25 polaznika. Uspeh na testut iz statistike ti tik i informatike prikazan je utabeli: OCENA Frekvencija Rešenje: TESTIRANJE STATISTIČKIH HIPOTEZA Testiranje hipoteza je oblast statističke analize koja je u širokoj upotrebi jer omogućava sistematično donošenje odluka o problemima koji u sebi sadrže neodređenost. Ono omogućava da se podaci dobijeni iz uzorka mogu kombinovati sa teorijom i na taj način izvode zaključci oceloj populaciji (Hipoteza H se prihvata ili odbacuje). Primer 1: Ako je u 1000 bacanja novčića pismo palo 525 puta, odrediti 99% -tni interval poverenja za nepoznatu verovatnoću padanja pisma. Rešenje: n=1000, Sn=525, nivo poverenja β =0.99 ESn=n*p=1000p, DSn=np*(1-p)=1000p*(1-p), iz formule ispod ubacivanjem dobijenih vrednosti u jednačinu koristeći tablice za normalnu raspodelu, dl rešavanjem kvadratne jd jednačine po p dobijamo da je interval poverenja: ( , ).
12 ANALIZA VARIJANSE Analiza varijanse (disperziona analiza) je jedan od najčešće korišćenih statističkih metoda. Koristi se u ispitivanjima kako jedan ili više kontrolisanih faktora utiču na formiranje vrednosti posmatranog obeležja. Primer 1: Polje od 20 ari je podeljeno na 20 parcela od 1 ara, i slučajnim izborom su napravljene 4 grupe od 5 parcela. Na parcele u svakoj grupi je bačeno drugačije mineralno đubrivo A, B, C, D. Za svaku parcelu je izmeren prinos žita: Đubriva Prinos A B C D Razlike među prosečnim prinosima postoje, ali postavlja se pitanje da li su one statistički značajne, odnosno da li postoje statistički značajne razlike među prosečnim prinosima ostvarenim dejstvom pojedinih đubriva? ELEMENTI TEORIJE KORELACIJE U svakodnevnom životu i u naučnim istraživanjima često se srećemo sa potrebom merenja različitih veličina. Veličine koje merimo mogu biti konstantne a mogu imati i vrednosti koje zavise od različitih slučajnih faktora. Veličina koja nas interesuje, najčešće može biti proizvoljan broj iz nekog intervala [a,b]. Jasno je da se vrednost X koju dobijamo u procesu merenja razlikuje od tačne vrednosti μ. Razlika X- μ zove se greška merenja. Gaus je predložio da se verovatnoća da greška merenja X- μ uzme vrednost u intervalu [a,b] aproksimira integralom: X- μ ima normalnu gustinu raspodele, dok broj σ predstavlja standardno odstupanje koje smo ranije pominjali.
13 LINEARNA REGRESIJA U statističkim istraživanjima često je značajno ispitati da li su neke slučajne veličine zavisne ili nezavisne, a u slučaju zavisnosti važno je okarakterisati postojeću zavisnost. Pretpostavimo da se u procesu eksperimenta registruju vrednosti veličina X i Y. Ako se eksperiment n puta nezavisno ponovi, onda se kao krajnji j rezultat registruju n parova brojeva: (x1, y1), (x2, y2),... (xn, yn). Pretpostavimo da se zavisnost između X i Y može opisati linearnom vezom Y =ax+b. b (sledi primer u Excelu) Ako pokušamo da odredimo konstante a i b dobijamo sistem od n linearnih jednačina: yk = a*xk + b, k=1,..., n. Ako važi zavisnost između X i Y, konstante a i b određujemo tako da se ukupna apsolutna vrednost grešaka: εk = yk (a*xk + b), k=1,..., n minimizira uodređenom smislu (metod najmanjih kvadrata). STANDARDNA GREŠKA REGRESIJE Razmotrimo opet n parova brojeva: (x1, y1), (x2, y2),... (xn, yn) dobijenih u n nezavisnih merenja. Iz pretpostavke zavisnosti veličina X i Y dobijamo da je razlika Y -ax-bjednaka nuli. Međutim rezultati dobijeni u merenjima εk = yk a*xk - b, k=1,..., n nisu jednaki nuli. Razlika Y - ax b = ε zove se greška linearne regresije Y na X i predstavlja slučajnu veličinu. Na osnovu ranije rečenog, greška linearne regresije ima normalnu gustinu raspodele verovatnoća:
14 MICROSOFT EXCEL Najpopularniji program za rad sa unakrsnim tabelama. Osnovni element radnog lista (h (sheet) jeste ćelija l (cell). Excel dokument (workbook) se sastoji od više radnih listova. Ćelijaj se dobija u preseku jedne kolone (column) i jednog reda (row). U ćeliju se mogu upisivati brojčane vrednosti, tekstualne vrednosti, datum ivremealiiformulei funkcije. TABELE I GRAFIKONI Podaci uneti u tabelu veoma jednostavno se mogu predstaviti i grafički (INSERT CHART).
15 GOTOVE FUNKCIJE Excel u sebi sadrži veliku biblioteku gotovih funkcija. LINEARNI TREND Excel omogućava automatsko računanje koeficijenata a i b ako pretpostavimo da se zavisnost između X i Y može opisati linearnom vezom Y=aX+b.(već smo definisali) (funkcije SLOPE=nagib, INTERCEPT=odsečak)
16 LITERATURA 1. Elementaran uvod u verovatnoću istatistiku, Mladenović P., Društvo Matematičara Srbije, Beograd 2. Statistička metodologija repetitorijum vežbi, Kormanjoš A., Novi Sad 3. Statistika, Lozanov-Crvenković Z., PMF, Novi Sad 4. Bussines Master 1, Smart School, Novi Sad SEMINARSKI RAD U Microsoft Excel-u kreirati tabelu popunjenu statističkim podacima koji treba da budu obrađeni i grafički prikazani. Tabelu snimiti pod nazivom ime_prezime.xls Tabelu poslati kao prilog (attachment) na adresu: ecdl@ssv.rs KONTAKT PODACI Dragan Veličković Mob.: dragan.velickovic@vojvodina.gov.rs
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 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 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 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 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 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 περισσότεραTestiranje statistiqkih hipoteza
Testiranje statistiqkih hipoteza Testiranje statistiqkih hipoteza Testiranje statistiqkih hipoteza je vid statistiqkog zakljuqivanja koji se primenjuje u situacijama: kada se unapred pretpostavlja postojanje određene
Διαβάστε περισσότεραJednodimenzionalne slučajne promenljive
Jednodimenzionalne slučajne promenljive Definicija slučajne promenljive Neka je X f-ja def. na prostoru verovatnoća (Ω, F, P) koja preslikava prostor el. ishoda Ω u skup R realnih brojeva: (1)Skup {ω/
Διαβάστε 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 περισσότεραVEROVATNO 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 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 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 περισσότεραSkup svih mogućih ishoda datog opita, odnosno skup svih elementarnih događaja se najčešće obeležava sa E. = {,,,... }
VEROVTNOĆ - ZDI (I DEO) U računu verovatnoće osnovni pojmovi su opit i događaj. Svaki opit se završava nekim ishodom koji se naziva elementarni događaj. Elementarne događaje profesori različito obeležavaju,
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 περισσότεραUvod u neparametarske testove
Str. 148 Uvod u neparametarske testove Predavač: Dr Mirko Savić savicmirko@ef.uns.ac.rs www.ef.uns.ac.rs Hi-kvadrat testovi c Str. 149 Koristi se za upoređivanje dve serije frekvencija. Vrste c testa:
Διαβάστε 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 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 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 περισσότεραDefinicija: 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 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 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 περισσότεραProgram testirati pomoću podataka iz sledeće tabele:
Deo 2: Rešeni zadaci 135 Vrednost integrala je I = 2.40407 42. Napisati program za izračunavanje koeficijenta proste linearne korelacije (Pearsonovog koeficijenta) slučajnih veličina X = (x 1,..., x n
Διαβάστε 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 περισσότεραNeparametarski testovi za dva nezavisna uzorka. Boris Glišić 208/2010 Bojana Ružičić 21/2010
Neparametarski testovi za dva nezavisna uzorka Boris Glišić 208/2010 Bojana Ružičić 21/2010 Neparametarski testovi Hipoteze o raspodeli obeležja se nazivaju neparametarske hipoteze, a odgovarajući testovi
Διαβάστε 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 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 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 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 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 περισσότεραStatističke metode. doc. dr Dijana Karuović
Statističke metode doc. dr Dijana Karuović STATISTIČKE METODE Danas jedan od glavnih metoda naučnog saznanja Najvažnije statističke metode koje se upotrebljavaju: Metod uzorka Metod srednjih vrednosti
Διαβάστε περισσότεραAutori: Dr Biljana Popović, redovni profesor Prirodno matematičkog fakulteta u Nišu Mr Borislava Blagojević, asistent Gradjevinskog fakulteta u Nišu
Biblioteka: ACADEMIA Autori: Dr Biljana Popović, redovni profesor Prirodno matematičkog fakulteta u Nišu Mr Borislava Blagojević, asistent Gradjevinskog fakulteta u Nišu MATEMATIČKA STATISTIKA SA PRIMENAMA
Διαβάστε περισσότεραOsnovne teoreme diferencijalnog računa
Osnovne teoreme diferencijalnog računa Teorema Rolova) Neka je funkcija f definisana na [a, b], pri čemu važi f je neprekidna na [a, b], f je diferencijabilna na a, b) i fa) fb). Tada postoji ξ a, b) tako
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 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 περισσότεραAPROKSIMACIJA FUNKCIJA
APROKSIMACIJA FUNKCIJA Osnovni koncepti Gradimir V. Milovanović MF, Beograd, 14. mart 2011. APROKSIMACIJA FUNKCIJA p.1/46 Osnovni problem u TA Kako za datu funkciju f iz velikog prostora X naći jednostavnu
Διαβάστε περισσότεραPopulacija 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 περισσότεραStr
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 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 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 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 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 περισσότεραKOMUTATIVNI I ASOCIJATIVNI GRUPOIDI. NEUTRALNI ELEMENT GRUPOIDA.
KOMUTATIVNI I ASOCIJATIVNI GRUPOIDI NEUTRALNI ELEMENT GRUPOIDA 1 Grupoid (G, ) je asocijativa akko važi ( x, y, z G) x (y z) = (x y) z Grupoid (G, ) je komutativa akko važi ( x, y G) x y = y x Asocijativa
Διαβάστε 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 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 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 περισσότεραRAČUNSKE VEŽBE IZ PREDMETA POLUPROVODNIČKE KOMPONENTE (IV semestar modul EKM) IV deo. Miloš Marjanović
Univerzitet u Nišu Elektronski fakultet RAČUNSKE VEŽBE IZ PREDMETA (IV semestar modul EKM) IV deo Miloš Marjanović MOSFET TRANZISTORI ZADATAK 35. NMOS tranzistor ima napon praga V T =2V i kroz njega protiče
Διαβάστε 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 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 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 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 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 περισσότεραSLUČAJNA PROMENLJIVA I RASPOREDI VEROVATNOĆA
SLUČAJNA PROMENLJIVA I RASPOREDI VEROVATNOĆA CILJEVI POGLAVLJA Nakon čitanja ovoga poglavlja bićete u stanju da: 1. razumete pojmove slučajna promenljiva, raspored verovatnoća, očekivana vrednost i funkcija
Διαβάστε περισσότεραDRUGI KOLOKVIJUM IZ MATEMATIKE 9x + 6y + z = 1 4x 2y + z = 1 x + 2y + 3z = 2. je neprekidna za a =
x, y, z) 2 2 1 2. Rešiti jednačinu: 2 3 1 1 2 x = 1. x = 3. Odrediti rang matrice: rang 9x + 6y + z = 1 4x 2y + z = 1 x + 2y + 3z = 2. 2 0 1 1 1 3 1 5 2 8 14 10 3 11 13 15 = 4. Neka je A = x x N x < 7},
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 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 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 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 περισσότεραPostoji 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 περισσότερα2log. se zove numerus (logaritmand), je osnova (baza) log. log. log =
( > 0, 0)!" # > 0 je najčešći uslov koji postavljamo a još je,, > 0 se zove numerus (aritmand), je osnova (baza). 0.. ( ) +... 7.. 8. Za prelazak na neku novu bazu c: 9. Ako je baza (osnova) 0 takvi se
Διαβάστε περισσότεραInženjerska grafika geometrijskih oblika (5. predavanje, tema1)
Inženjerska grafika geometrijskih oblika (5. predavanje, tema1) Prva godina studija Mašinskog fakulteta u Nišu Predavač: Dr Predrag Rajković Mart 19, 2013 5. predavanje, tema 1 Simetrija (Symmetry) Simetrija
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 περισσότερα9.1 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 περισσότεραSOPSTVENE VREDNOSTI I SOPSTVENI VEKTORI LINEARNOG OPERATORA I KVADRATNE MATRICE
1 SOPSTVENE VREDNOSTI I SOPSTVENI VEKTORI LINEARNOG OPERATORA I KVADRATNE MATRICE Neka je (V, +,, F ) vektorski prostor konačne dimenzije i neka je f : V V linearno preslikavanje. Definicija. (1) Skalar
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 περισσότεραKVADRATNA FUNKCIJA. Kvadratna funkcija je oblika: Kriva u ravni koja predstavlja grafik funkcije y = ax + bx + c. je parabola.
KVADRATNA FUNKCIJA Kvadratna funkcija je oblika: = a + b + c Gde je R, a 0 i a, b i c su realni brojevi. Kriva u ravni koja predstavlja grafik funkcije = a + b + c je parabola. Najpre ćemo naučiti kako
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 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 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 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 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 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 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 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 περισσότεραMATEMATIKA 2. Grupa 1 Rexea zadataka. Prvi pismeni kolokvijum, Dragan ori
MATEMATIKA 2 Prvi pismeni kolokvijum, 14.4.2016 Grupa 1 Rexea zadataka Dragan ori Zadaci i rexea 1. unkcija f : R 2 R definisana je sa xy 2 f(x, y) = x2 + y sin 3 2 x 2, (x, y) (0, 0) + y2 0, (x, y) =
Διαβάστε περισσότεραUniverzitet u Nišu, Prirodno-matematički fakultet Prijemni ispit za upis OAS Matematika
Univerzitet u Nišu, Prirodno-matematički fakultet Prijemni ispit za upis OAS Matematika Rešenja. Matematičkom indukcijom dokazati da za svaki prirodan broj n važi jednakost: + 5 + + (n )(n + ) = n n +.
Διαβάστε περισσότεραRešenje predhodnog primera: Neka je A događaj izvlačenja crne kuglice, a B verovatnoća izvlačenja bele kuglice iz prvog izvlačenja.
USLOVNA VEROVATNOĆA Često smo u prilici da tražimo verovatnoću nekog događaja A, posedujući informaciju o tome da se događaj B realizovao ili pretpostavljajući da će se realizovati. U kesi se nalazi belih
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 περισσότεραZadaci iz trigonometrije za seminar
Zadaci iz trigonometrije za seminar FON: 1. Vrednost izraza sin 1 cos 6 jednaka je: ; B) 1 ; V) 1 1 + 1 ; G) ; D). 16. Broj rexea jednaqine sin x cos x + cos x = sin x + sin x na intervalu π ), π je: ;
Διαβάστε περισσότερα1 UPUTSTVO ZA IZRADU GRAFIČKOG RADA IZ MEHANIKE II
1 UPUTSTVO ZA IZRADU GRAFIČKOG RADA IZ MEHANIKE II Zadatak: Klipni mehanizam se sastoji iz krivaje (ekscentarske poluge) OA dužine R, klipne poluge AB dužine =3R i klipa kompresora B (ukrsne glave). Krivaja
Διαβάστε περισσότεραSTATISTIKA. Miroslav M. Risti 2008/2009. Katedra za Matematiku Prirodno-matematiqki fakultet Univerzitet u Nixu
STATISTIKA Miroslav M. Risti Katedra za Matematiku Prirodno-matematiqki fakultet Univerzitet u Nixu 2008/2009 Literatura Miroslav M. Risti, Biljana Q. Popovi, Miodrag S. orđevi, Statistika za studente geografije,
Διαβάστε περισσότεραUvod 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 περισσότερα1. zadatak , 3 Dakle, sva kompleksna re{ewa date jedna~ine su x 1 = x 2 = 1 (dvostruko re{ewe), x 3 = 1 + i
PRIPREMA ZA II PISMENI IZ ANALIZE SA ALGEBROM. zadatak Re{avawe algebarskih jedna~ina tre}eg i ~etvrtog stepena. U skupu kompleksnih brojeva re{iti jedna~inu: a x 6x + 9 = 0; b x + 9x 2 + 8x + 28 = 0;
Διαβάστε περισσότεραMate Vijuga: Rijeseni zadaci iz matematike za srednju skolu
16. UVOD U STATISTIKU Statistika je nauka o sakupljanju i analizi sakupljenih podatka u cilju donosenja zakljucaka o mogucem toku ili obliku neizvjesnosti koja se obradjuje. Frekventna distribucija - je
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 περισσότεραDvanaesti praktikum iz Analize 1
Dvaaesti praktikum iz Aalize Zlatko Lazovi 20. decembar 206.. Dokazati da fukcija f = 5 l tg + 5 ima bar jedu realu ulu. Ree e. Oblast defiisaosti fukcije je D f = k Z da postoji ula fukcije a 0, π 2.
Διαβάστε περισσότεραKVADRATNA FUNKCIJA. Kvadratna funkcija je oblika: Kriva u ravni koja predstavlja grafik funkcije y = ax + bx + c. je parabola.
KVADRATNA FUNKCIJA Kvadratna funkcija je oblika: a + b + c Gde je R, a 0 i a, b i c su realni brojevi. Kriva u ravni koja predstavlja grafik funkcije a + b + c je parabola. Najpre ćemo naučiti kako izgleda
Διαβάστε περισσότεραZadaci iz Osnova matematike
Zadaci iz Osnova matematike 1. Riješiti po istinitosnoj vrijednosti iskaza p, q, r jednačinu τ(p ( q r)) =.. Odrediti sve neekvivalentne iskazne formule F = F (p, q) za koje je iskazna formula p q p F
Διαβάστε 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 περισσότεραBinomna, Poissonova i normalna raspodela
Binomna, Poissonova i normalna raspodela Dejana Stanisavljević januar, 2012. godine Identifikacija empirijske raspodele učestalosti Teorijske raspodele verovatnoća opisuju očekivano variranje ishoda nekog
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 περισσότεραPrvi kolokvijum. y 4 dy = 0. Drugi kolokvijum. Treći kolokvijum
27. septembar 205.. Izračunati neodredjeni integral cos 3 x (sin 2 x 4)(sin 2 x + 3). 2. Izračunati zapreminu tela koje nastaje rotacijom dela površi ograničene krivama y = 3 x 2, y = x + oko x ose. 3.
Διαβάστε περισσότεραVerovatnoća i Statistika. I deo. Verovatnoća. Beleške Prof. Aleksandra Ivića
Verovatnoća i Statistika I deo. Verovatnoća Beleške Prof. Aleksandra Ivića 0.1 Slučajni doga - daji i osnovni pojmovi verovatnoće Matematička teorija verovatnoće je grana čiste matematike. Teorija verovatnoće
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 περισσότερα1 Afina geometrija. 1.1 Afini prostor. Definicija 1.1. Pod afinim prostorom nad poljem K podrazumevamo. A - skup taqaka
1 Afina geometrija 11 Afini prostor Definicija 11 Pod afinim prostorom nad poljem K podrazumevamo svaku uređenu trojku (A, V, +): A - skup taqaka V - vektorski prostor nad poljem K + : A V A - preslikavanje
Διαβάστε περισσότεραKlasifikacija blizu Kelerovih mnogostrukosti. konstantne holomorfne sekcione krivine. Kelerove. mnogostrukosti. blizu Kelerove.
Klasifikacija blizu Teorema Neka je M Kelerova mnogostrukost. Operator krivine R ima sledeća svojstva: R(X, Y, Z, W ) = R(Y, X, Z, W ) = R(X, Y, W, Z) R(X, Y, Z, W ) + R(Y, Z, X, W ) + R(Z, X, Y, W ) =
Διαβάστε 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 περισσότεραKonstruisanje. Dobro došli na... SREDNJA MAŠINSKA ŠKOLA NOVI SAD DEPARTMAN ZA PROJEKTOVANJE I KONSTRUISANJE
Dobro došli na... Konstruisanje GRANIČNI I KRITIČNI NAPON slajd 2 Kritični naponi Izazivaju kritične promene oblika Delovi ne mogu ispravno da vrše funkciju Izazivaju plastične deformacije Može doći i
Διαβάστε περισσότεραELEMENTI TEORIJE VEROVATNOĆE I MATEMATIČKE STATISTIKE
VIOLETA ALEKSIĆ ELEMENTI TEORIJE VEROVATNOĆE I MATEMATIČKE STATISTIKE Materijal za pripremu ispita iz predmeta Obrada i analiza podataka SADRŽAJ 1 Deskriptivna statistička analiza 1 1.1 Populacija. Obeležje..................................................................
Διαβάστε περισσότεραZadatak 2 Odrediti tačke grananja, Riemann-ovu površ, opisati sve grane funkcije f(z) = z 3 z 4 i objasniti prelazak sa jedne na drugu granu.
Kompleksna analiza Zadatak Odrediti tačke grananja, Riemann-ovu površ, opisati sve grane funkcije f(z) = z z 4 i objasniti prelazak sa jedne na drugu granu. Zadatak Odrediti tačke grananja, Riemann-ovu
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 περισσότερα