Pravdepodobnostné modelovanie inverznými distribučnými funkciami: Charakteristiky kvantilových rozdelení

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Pravdepodobnostné modelovanie inverznými distribučnými funkciami: Charakteristiky kvantilových rozdelení"

Transcript

1 Katedra štatistiky, Fakulta hospodárskej informatiky, Ekonomická univerzita v Bratislave Pravdepodobnostné modelovanie inverznými distribučnými funkciami: Charakteristiky kvantilových rozdelení Ľubica SIPKOVÁ 5. z cyklu prezentácií December 2009

2 Rôzna báza konštrukcie štatistík Vlastnosti rozdelenia možno charakterizovať štatistikami na rôznej báze: momentov kvantilov lineárnych momentov pravdepodobnostných momentov

3 Stredná hodnota vyjadrená pomocou QF definovaného pomocou funkcie hustoty f(x) (Báza-momentová): E ( X ) xf ( x) = dx Dosadením x = Q(p) a dp = f(x) dx pre 0 p 1 (Báza-kvantilová): 1 = E( X ) Q( p) dp pre 0 p 1 0 pre rozdelenia s predĺženým koncom je stredná hodnota definovaná len pre niektoré hodnoty parametrov QF

4 Stredná hodnota Paretovho rozdelenia S (p) = 1/(1 p) β, kdeβ > 0, 0 p < 1 napr. Paretovo rozdelenie s dlhou pravou stranou má konečnú strednú hodnotu len pre 0 < β < 1 E ( X ) Q( p) dp preβ>1 platí E(X) = 1 = 0

5 k-ty začiatočný moment pomocou kvantilovej funkcie pomocou funkcie hustoty f(x) (Báza-momentová): m k k ( ) = x f x d x k-ty začiatočný moment m k = E(X k ) pomocou kvantilovej funkcie (Báza-kvantilová): 1 0 [ Q p ] k dp m k = ( )

6 k-ty centrálny moment pomocou kvantilovej funkcie pomocou funkcie hustoty f(x) (Báza-momentová): [ ( ) ] k x E X f ( x ) µ k = dx k-ty centrálny moment pomocou kvantilovej funkcie (Báza-kvantilová) : µ k 1 = 0 [ ( ) ( )] k Q p E X dp Dosadením za k možno získať tvar všetkých základných momentových charakteristík priamo z kvantilovej funkcie

7 Rozptyl pomocou kvantilovej funkcie k-ty centrálny moment µ k 1 = 0 [ Q ( p ) E ( X ) ] k d p D druhý centrálny moment ( X ) = µ = E ( X E( X )) [ ] 2 = Q( p) E( X ) [ ] 2 dp

8 Stredná hodnota transformovanej funkcie E[T(X)] T[E(X)] t. j. stredná hodnota transformovanej funkcie nie je transformácia integrálu, ale integrál transformácie (spôsobuje to problémy pri stanovení strednej hodnoty po úpravách QF) 1 = 0 [ ( X )] T[ Q( p) ] E T dp

9 Kvantilové charakteristiky QF je vhodnejšie charakterizovať vlastnosti kvantilového rozdelenia pomocou kvantilových charakteristík (kvantilové charakteristiky kvantilových modelov) sú analógiou výberových kvantilových charakteristík vo vzťahoch ich definovania namiesto výberovej kvantilovej funkcie Q (p) je použitá kvantilová funkcia rozdelenia Q(p) Nasledujú definície kvantilových charaktristík s ich schématickým zobrazením

10 Výberové kvantilové charakteristiky Označenie: polohy: minimálna hodnota (s), dolný kvartil (lq), medián (m), horný kvartil (uq), maximálna hodnota (l) sú to výberové p-kvantily pre p = 0; 0,25; 0,5; 0,75; 1 a sú východiskom najznámejších výberových charakteristík variability a šikmosti znázornené v Box-Plot-e Pre ľubovolné p : výberové p - kvantily percentily, decily, oktily, sixtily

11 Výpočet p kvantilov p-kvantily možno počítať cez funkciu excelu : PERCENTILE (array; array;p) Podľa Parzena je empirická kvantilová distribučná funkcia, definovaná: Q (p r ) = x r, pre (r 1)/n < p r r/n je inverznou funkciou k F (x r ), neklesajúcou a spojitou len zľava v každom p r = (r 0,5)/n rovnajúca sa hodnote kvantilu x r pre r = 1, 2,, n Empirickú kvantilovú distribučnú funkciu Q (p) pre spojitú náhodnú premennú možno pomocou interpolácie zapísať: Q (p) = (1 z) x s + z x s+1, pre (r 1)/n < p r/n, kdes je celočíselnáčasť r, r = np + 0,5 z = r s

12 Výpočet p-kvantilov v EXCEL-i

13 Výberové charakteristiky variability (1): horná kvartilová diferencia dolná kvartilová diferencia uqd = uq m lqd = m lq kvartilové rozpätie iqr = uqd + lqd = Q (1 0,25) Q (0,25) kvartilová odchýlka qo(0,25) = iqr/2

14 Výberové charakteristiky variability (2): dolná p-diferencia ld(p) = m Q (p), kde Q (p) je p-ty výberový kvantil a 0 p 0,5 horná p-diferencia ud(p) = Q (1 p) m, kde Q (1 p) je (1 p) -ty kvantil a 0 p 0,5 kvantilové rozpätie ipr(p) = ud(p) + ld(p) = Q (1 ( p) Q(p) kvantilová odchýlka qo(p) = ipr(p)/2

15 Výberové charakteristiky variability (3): kvartilová diferencia qd = uqd lqd p-diferencia pd(p) = ud(p) ld(p) mediánová absolútna odchýlka d = med x i - x alebo d = med x i - m

16 Výberové charakteristiky šikmosti (1): kvartilová diferencia Galtonov koeficient šikmosti qd = lq + uq 2m g = qd/iqr kvantilová diferencia, p-diferencia Galtonova šikmosť pd(p) = ud(p) ld(p) g(p) = pd(p)/iqr t. j. normovaná kvantilová diferencia pomocou kvartilového rozpätia

17 Výberové charakteristiky šikmosti: Galtonov p-index šikmosti g*(p) = pd(p)/ipr(p) t. j. štandardizovaná kvantilová diferencia pomocou kvantilového rozpätia ľavá Galtonova p-šikmosť kvantilový podiel, kvantilová proporcia sr(p) = ud(p)/ld(p)

18 Výberové charakteristiky špicatosti: index špicatosti t(p) = ipr(p)/iqr, pre 0 p 0,5 horný a dolný index špicatosti ut(p) = ud(p)/uqd lt(p )= ld(p)/lqd

19 Výberové charakteristiky špicatosti: Moorsova špicatosť k vychádza z oktilov e1, e2,, e7 t. j. kvantilov deliacich súbor na osem častí k = [(e7 e5) + (e3 e1)]/iqr horná a dolná špicatosť uk(t) = [Q (1 t)+ Q (0,5 + t) 2Q (0,75)]/[Q (1 t) Q (t)] kde 0 < t < 0,25 lk(t) = [Q (0,5 t) + Q (t) 2Q (0,25)]/[Q (1 t) Q (t)] kde 0 < t < 0,25

20 Moorsova sumarizácia o tvare rozdelenia Štyri miery (m, iqr, g, k) : 1. medián 2. kvartilové rozpätie 3. Galtonov koeficient šikmosti 4. Moorsova špicatosť poskytujú podľa Moorsa jednoduchú sumarizáciu o tvare rozdelenia na kvantilovom základe Zodpovedá Pearsonovej štvorčíselnej sumarizácii priemer, rozptyl, koeficient šikmosti a Pearsonova špicatosť na báze momentov.

21 Označenie kvantilových charakteristík QF je adekvátne výberovým kvantilovým charakteristikám, no pre kvantilové charakteristiky teoretického rozdelenia, alebo rozdelenia základného súboru sa používajú veľké písmená Napríklad pre výberové kvantilové rozpätie ipr(p): ipr(p)= ud(p) + ld(p)= Q (1 p) Q (p) Kvartilové rozpätie teoretického rozdelenia, označené ako IPR(p), je definované ako IPR(p)= UD(p) + LD(p)= Q(1 p) Q(p)

22 Mediánové transformačné pravidlo M[T(X)] = T[M(X)] Medián (ľubovoľný kvantil) neklesajúcej transformačnej funkcie premennej X sa rovná adekvátnej transformácii mediánu (ľubovoľného kvantilu) tejto premennej. Veľký rozsah uplatnenia pori rôznych transformáciách kvantilových funkcií

23 Pravdepodobnostné modelovanie inverznými distribučnými funkciami: Charakteristiky kvantilových rozdelení Spracovanie piatej z cyklu prezentácií o kvantilovom modelovaní. Podrobnejšie možno nájsť v monografii: Sipková, Ľ; Sodomová, E.: Modelovanie kvantilovými funkciami, Vydavateľstvo EKONÓM, Bratislava, 2007; 175 s. (kap. 3.4; s.84-91) ISBN Ľubica SIPKOVÁ december 2009

Pravdepodobnostné modelovanie inverznými distribučnými funkciami : Kvantilová deskriptívna analýza ako východisko ku kvantilovému modelovaniu

Pravdepodobnostné modelovanie inverznými distribučnými funkciami : Kvantilová deskriptívna analýza ako východisko ku kvantilovému modelovaniu Katedra štatistiky, Fakulta hospodárskej informatiky, Ekonomická univerzita v Bratislave Pravdepodobnostné modelovanie inverznými distribučnými funkciami : Kvantilová deskriptívna analýza ako východisko

Διαβάστε περισσότερα

Pravdepodobnostné modelovanie inverznými distribučnými funkciami : Identifikácia kvantilového modelu

Pravdepodobnostné modelovanie inverznými distribučnými funkciami : Identifikácia kvantilového modelu Katedra štatistiky, Fakulta hospodárskej informatiky, Ekonomická univerzita v Bratislave Pravdepodobnostné modelovanie inverznými distribučnými funkciami : Identifikácia kvantilového modelu Ľubica SIPKOVÁ

Διαβάστε περισσότερα

Pravdepodobnostné modelovanie inverznými distribučnými funkciami: Úvod do kvantilového modelovania

Pravdepodobnostné modelovanie inverznými distribučnými funkciami: Úvod do kvantilového modelovania Katedra štatistiky, Fakulta hospodárskej informatiky, Ekonomická univerzita v Bratislave Pravdepodobnostné modelovanie inverznými distribučnými funkciami: Úvod do kvantilového modelovania Ľubica SIPKOVÁ

Διαβάστε περισσότερα

Matematika Funkcia viac premenných, Parciálne derivácie

Matematika Funkcia viac premenných, Parciálne derivácie Matematika 2-01 Funkcia viac premenných, Parciálne derivácie Euklidovská metrika na množine R n všetkých usporiadaných n-íc reálnych čísel je reálna funkcia ρ: R n R n R definovaná nasledovne: Ak X = x

Διαβάστε περισσότερα

Základy matematickej štatistiky

Základy matematickej štatistiky 1. Náhodný výber, výberové momenty a odhad parametrov Katedra Matematických metód Fakulta Riadenia a Informatiky Žilinská Univerzita v Žiline 6. mája 2015 1 Náhodný výber 2 Výberové momenty 3 Odhady parametrov

Διαβάστε περισσότερα

Základy metodológie vedy I. 9. prednáška

Základy metodológie vedy I. 9. prednáška Základy metodológie vedy I. 9. prednáška Triedenie dát: Triedny znak - x i Absolútna početnosť n i (súčet všetkých absolútnych početností sa rovná rozsahu súboru n) ni fi = Relatívna početnosť fi n (relatívna

Διαβάστε περισσότερα

Reprezentácia dát. Ing. Martin Mariš, Katedra regionalistiky a rozvoja vidieka, SPU, NITRA

Reprezentácia dát. Ing. Martin Mariš, Katedra regionalistiky a rozvoja vidieka, SPU, NITRA Reprezentácia dát Ing. Martin Mariš, Katedra regionalistiky a rozvoja vidieka, SPU, NITRA slovným opisom grafickým zobrazením Typy grafov a ich použitie Najčastejšie používané typy grafov: čiarový graf

Διαβάστε περισσότερα

Spojité rozdelenia pravdepodobnosti. Pomôcka k predmetu PaŠ. RNDr. Aleš Kozubík, PhD. 26. marca Domovská stránka. Titulná strana.

Spojité rozdelenia pravdepodobnosti. Pomôcka k predmetu PaŠ. RNDr. Aleš Kozubík, PhD. 26. marca Domovská stránka. Titulná strana. Spojité rozdelenia pravdepodobnosti Pomôcka k predmetu PaŠ Strana z 7 RNDr. Aleš Kozubík, PhD. 6. marca 3 Zoznam obrázkov Rovnomerné rozdelenie Ro (a, b). Definícia.........................................

Διαβάστε περισσότερα

Goniometrické rovnice a nerovnice. Základné goniometrické rovnice

Goniometrické rovnice a nerovnice. Základné goniometrické rovnice Goniometrické rovnice a nerovnice Definícia: Rovnice (nerovnice) obsahujúce neznámu x alebo výrazy s neznámou x ako argumenty jednej alebo niekoľkých goniometrických funkcií nazývame goniometrickými rovnicami

Διαβάστε περισσότερα

Ing. Andrej Trnka, PhD. Základné štatistické metódy marketingového výskumu

Ing. Andrej Trnka, PhD. Základné štatistické metódy marketingového výskumu Ing. Andrej Trnka, PhD. Základné štatistické metódy marketingového výskumu 2016 Základné štatistické metódy marketingového výskumu Autor: Recenzenti: Ing. Andrej Trnka, PhD. prof. Ing. Pavol Tanuška, PhD.

Διαβάστε περισσότερα

Matematika prednáška 4 Postupnosti a rady 4.5 Funkcionálne rady - mocninové rady - Taylorov rad, MacLaurinov rad

Matematika prednáška 4 Postupnosti a rady 4.5 Funkcionálne rady - mocninové rady - Taylorov rad, MacLaurinov rad Matematika 3-13. prednáška 4 Postupnosti a rady 4.5 Funkcionálne rady - mocninové rady - Taylorov rad, MacLaurinov rad Erika Škrabul áková F BERG, TU Košice 15. 12. 2015 Erika Škrabul áková (TUKE) Taylorov

Διαβάστε περισσότερα

Prechod z 2D do 3D. Martin Florek 3. marca 2009

Prechod z 2D do 3D. Martin Florek 3. marca 2009 Počítačová grafika 2 Prechod z 2D do 3D Martin Florek florek@sccg.sk FMFI UK 3. marca 2009 Prechod z 2D do 3D Čo to znamená? Ako zobraziť? Súradnicové systémy Čo to znamená? Ako zobraziť? tretia súradnica

Διαβάστε περισσότερα

Modelovanie dynamickej podmienenej korelácie kurzov V4

Modelovanie dynamickej podmienenej korelácie kurzov V4 Modelovanie dynamickej podmienenej korelácie menových kurzov V4 Podnikovohospodárska fakulta so sídlom v Košiciach Ekonomická univerzita v Bratislave Cieľ a motivácia Východiská Cieľ a motivácia Cieľ Kvantifikovať

Διαβάστε περισσότερα

7. FUNKCIE POJEM FUNKCIE

7. FUNKCIE POJEM FUNKCIE 7. FUNKCIE POJEM FUNKCIE Funkcia f reálnej premennej je : - každé zobrazenie f v množine všetkých reálnych čísel; - množina f všetkých usporiadaných dvojíc[,y] R R pre ktorú platí: ku každému R eistuje

Διαβάστε περισσότερα

1. Limita, spojitost a diferenciálny počet funkcie jednej premennej

1. Limita, spojitost a diferenciálny počet funkcie jednej premennej . Limita, spojitost a diferenciálny počet funkcie jednej premennej Definícia.: Hromadný bod a R množiny A R: v každom jeho okolí leží aspoň jeden bod z množiny A, ktorý je rôzny od bodu a Zadanie množiny

Διαβάστε περισσότερα

Ekvačná a kvantifikačná logika

Ekvačná a kvantifikačná logika a kvantifikačná 3. prednáška (6. 10. 004) Prehľad 1 1 (dokončenie) ekvačných tabliel Formula A je ekvačne dokázateľná z množiny axióm T (T i A) práve vtedy, keď existuje uzavreté tablo pre cieľ A ekvačných

Διαβάστε περισσότερα

KATEDRA DOPRAVNEJ A MANIPULAČNEJ TECHNIKY Strojnícka fakulta, Žilinská Univerzita

KATEDRA DOPRAVNEJ A MANIPULAČNEJ TECHNIKY Strojnícka fakulta, Žilinská Univerzita 132 1 Absolútna chyba: ) = - skut absolútna ochýlka: ) ' = - spr. relatívna chyba: alebo Chyby (ochýlky): M systematické, M náhoné, M hrubé. Korekcia: k = spr - = - Î' pomerná korekcia: Správna honota:

Διαβάστε περισσότερα

Motivácia Denícia determinantu Výpo et determinantov Determinant sú inu matíc Vyuºitie determinantov. Determinanty. 14. decembra 2010.

Motivácia Denícia determinantu Výpo et determinantov Determinant sú inu matíc Vyuºitie determinantov. Determinanty. 14. decembra 2010. 14. decembra 2010 Rie²enie sústav Plocha rovnobeºníka Objem rovnobeºnostena Rie²enie sústav Príklad a 11 x 1 + a 12 x 2 = c 1 a 21 x 1 + a 22 x 2 = c 2 Dostaneme: x 1 = c 1a 22 c 2 a 12 a 11 a 22 a 12

Διαβάστε περισσότερα

PREHĽAD ZÁKLADNÝCH VZORCOV A VZŤAHOV ZO STREDOŠKOLSKEJ MATEMATIKY. Pomôcka pre prípravný kurz

PREHĽAD ZÁKLADNÝCH VZORCOV A VZŤAHOV ZO STREDOŠKOLSKEJ MATEMATIKY. Pomôcka pre prípravný kurz KATEDRA APLIKOVANEJ MATEMATIKY A INFORMATIKY STROJNÍCKA FAKULTA TU KOŠICE PREHĽAD ZÁKLADNÝCH VZORCOV A VZŤAHOV ZO STREDOŠKOLSKEJ MATEMATIKY Pomôcka pre prípravný kurz 8 ZÁKLADNÉ ALGEBRAICKÉ VZORCE ) (a±b)

Διαβάστε περισσότερα

Štatistické spracovanie experimentálnych dát

Štatistické spracovanie experimentálnych dát Štatistické spracovanie experimentálnych dát Štatistická analýza veľkých výberov Štatistická analýza malých výberov podľa Horna Štatistické testovanie Analýza rozptylu Dátum: 12. máj 2008 Vypracoval: Ing.

Διαβάστε περισσότερα

Hľadanie, skúmanie a hodnotenie súvislosti medzi znakmi

Hľadanie, skúmanie a hodnotenie súvislosti medzi znakmi Hľadanie, skúmanie a hodnotenie súvislosti medzi znakmi Typy súvislostí javov a vecí: nepodstatné - vonkajšia súvislosť nevyplýva z vnútornej potreby (javy spoločne vznikajú, majú zhodný priebeh, alebo

Διαβάστε περισσότερα

Obvod a obsah štvoruholníka

Obvod a obsah štvoruholníka Obvod a štvoruholníka D. Štyri body roviny z ktorých žiadne tri nie sú kolineárne (neležia na jednej priamke) tvoria jeden štvoruholník. Tie body (A, B, C, D) sú vrcholy štvoruholníka. strany štvoruholníka

Διαβάστε περισσότερα

Odporníky. 1. Príklad1. TESLA TR

Odporníky. 1. Príklad1. TESLA TR Odporníky Úloha cvičenia: 1.Zistite technické údaje odporníkov pomocou katalógov 2.Zistite menovitú hodnotu odporníkov označených farebným kódom Schématická značka: 1. Príklad1. TESLA TR 163 200 ±1% L

Διαβάστε περισσότερα

Komplexné čísla, Diskrétna Fourierova transformácia 1

Komplexné čísla, Diskrétna Fourierova transformácia 1 Komplexné čísla, Diskrétna Fourierova transformácia Komplexné čísla C - množina všetkých komplexných čísel komplexné číslo: z = a + bi, kde a, b R, i - imaginárna jednotka i =, t.j. i =. komplexne združené

Διαβάστε περισσότερα

Moderné vzdelávanie pre vedomostnú spoločnosť Projekt je spolufinancovaný zo zdrojov EÚ M A T E M A T I K A

Moderné vzdelávanie pre vedomostnú spoločnosť Projekt je spolufinancovaný zo zdrojov EÚ M A T E M A T I K A M A T E M A T I K A PRACOVNÝ ZOŠIT II. ROČNÍK Mgr. Agnesa Balážová Obchodná akadémia, Akademika Hronca 8, Rožňava PRACOVNÝ LIST 1 Urč typ kvadratickej rovnice : 1. x 2 3x = 0... 2. 3x 2 = - 2... 3. -4x

Διαβάστε περισσότερα

Cvičenie č. 4,5 Limita funkcie

Cvičenie č. 4,5 Limita funkcie Cvičenie č. 4,5 Limita funkcie Definícia ity Limita funkcie (vlastná vo vlastnom bode) Nech funkcia f je definovaná na nejakom okolí U( ) bodu. Hovoríme, že funkcia f má v bode itu rovnú A, ak ( ε > )(

Διαβάστε περισσότερα

Michal Páleník. Fiškálna politika v kontexte regionalizácie a globalizácie:

Michal Páleník. Fiškálna politika v kontexte regionalizácie a globalizácie: Fiškálna politika v kontexte regionalizácie a globalizácie: Metodologické prístupy pri meraní konvergencie s aplikáciou na Európske regióny Štruktúra prezentácie 1. Úvod 2. Ciele práce 3. Definícia základných

Διαβάστε περισσότερα

Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy

Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy Beáta Stehlíková Časové rady, FMFI UK, 2012/2013 Jednotkový koreň(unit root),diferencovanie časového radu, unit root testy p.1/18

Διαβάστε περισσότερα

2 Chyby a neistoty merania, zápis výsledku merania

2 Chyby a neistoty merania, zápis výsledku merania 2 Chyby a neistoty merania, zápis výsledku merania Akej chyby sa môžeme dopustiť pri meraní na stopkách? Ako určíme ich presnosť? Základné pojmy: chyba merania, hrubé chyby, systematické chyby, náhodné

Διαβάστε περισσότερα

4. domáca úloha. distribučnú funkciu náhodnej premennej X.

4. domáca úloha. distribučnú funkciu náhodnej premennej X. 4. domáca úloha 1. (rovnomerné rozdelenie) Električky idú v 20-minútových intervaloch. Cestujúci príde náhodne na zastávku. Určte funkciu hustoty rozdelenia pravdepodobnosti a distribučnú funkciu náhodnej

Διαβάστε περισσότερα

Určite vybrané antropometrické parametre vašej skupiny so základným (*úplným) štatistickým vyhodnotením.

Určite vybrané antropometrické parametre vašej skupiny so základným (*úplným) štatistickým vyhodnotením. Priezvisko a meno študenta: 216_Antropometria.xlsx/Pracovný postup Študijná skupina: Ročník štúdia: Antropometria Cieľ: Určite vybrané antropometrické parametre vašej skupiny so základným (*úplným) štatistickým

Διαβάστε περισσότερα

M6: Model Hydraulický systém dvoch zásobníkov kvapaliny s interakciou

M6: Model Hydraulický systém dvoch zásobníkov kvapaliny s interakciou M6: Model Hydraulický ytém dvoch záobníkov kvapaliny interakciou Úlohy:. Zotavte matematický popi modelu Hydraulický ytém. Vytvorte imulačný model v jazyku: a. Matlab b. imulink 3. Linearizujte nelineárny

Διαβάστε περισσότερα

Štatistické riadenie procesov Regulačné diagramy 3-1

Štatistické riadenie procesov Regulačné diagramy 3-1 Charakteristika Štatistické riadenie procesov Regulačné diagramy 3-1 3 Regulačné diagramy Cieľ kapitoly Po preštudovaní tejto kapitoly budete vedieť: čo je to regulačný diagram, aké je jeho teoretické

Διαβάστε περισσότερα

ÚLOHA Č.8 ODCHÝLKY TVARU A POLOHY MERANIE PRIAMOSTI A KOLMOSTI

ÚLOHA Č.8 ODCHÝLKY TVARU A POLOHY MERANIE PRIAMOSTI A KOLMOSTI ÚLOHA Č.8 ODCHÝLKY TVARU A POLOHY MERANIE PRIAMOSTI A KOLMOSTI 1. Zadanie: Určiť odchýlku kolmosti a priamosti meracej prizmy prípadne vzorovej súčiastky. 2. Cieľ merania: Naučiť sa merať na špecializovaných

Διαβάστε περισσότερα

Rozsah akreditácie 1/5. Príloha zo dňa k osvedčeniu o akreditácii č. K-003

Rozsah akreditácie 1/5. Príloha zo dňa k osvedčeniu o akreditácii č. K-003 Rozsah akreditácie 1/5 Názov akreditovaného subjektu: U. S. Steel Košice, s.r.o. Oddelenie Metrológia a, Vstupný areál U. S. Steel, 044 54 Košice Rozsah akreditácie Oddelenia Metrológia a : Laboratórium

Διαβάστε περισσότερα

PRIEMER DROTU d = 0,4-6,3 mm

PRIEMER DROTU d = 0,4-6,3 mm PRUŽINY PRUŽINY SKRUTNÉ PRUŽINY VIAC AKO 200 RUHOV SKRUTNÝCH PRUŽÍN PRIEMER ROTU d = 0,4-6,3 mm èíslo 3.0 22.8.2008 8:28:57 22.8.2008 8:28:58 PRUŽINY SKRUTNÉ PRUŽINY TECHNICKÉ PARAMETRE h d L S Legenda

Διαβάστε περισσότερα

Kompilátory. Cvičenie 6: LLVM. Peter Kostolányi. 21. novembra 2017

Kompilátory. Cvičenie 6: LLVM. Peter Kostolányi. 21. novembra 2017 Kompilátory Cvičenie 6: LLVM Peter Kostolányi 21. novembra 2017 LLVM V podstate sada nástrojov pre tvorbu kompilátorov LLVM V podstate sada nástrojov pre tvorbu kompilátorov Pôvodne Low Level Virtual Machine

Διαβάστε περισσότερα

Testy dobrej zhody. H 0 : f(x) = g(x) ; H 1 : f(x) g(x)

Testy dobrej zhody. H 0 : f(x) = g(x) ; H 1 : f(x) g(x) TESTY DOBREJ ZHODY Testy dobrej zhody = testy hypotéz zhody rozdelení (= testy dobrej zhody / ft testy / Goodness of Ft Tests) Overujeme, č emprcké rozdelene je štatstcky zhodné s nektorým z teoretckých

Διαβάστε περισσότερα

Harmonizované technické špecifikácie Trieda GP - CS lv EN Pevnosť v tlaku 6 N/mm² EN Prídržnosť

Harmonizované technické špecifikácie Trieda GP - CS lv EN Pevnosť v tlaku 6 N/mm² EN Prídržnosť Baumit Prednástrek / Vorspritzer Vyhlásenie o parametroch č.: 01-BSK- Prednástrek / Vorspritzer 1. Jedinečný identifikačný kód typu a výrobku: Baumit Prednástrek / Vorspritzer 2. Typ, číslo výrobnej dávky

Διαβάστε περισσότερα

3. Striedavé prúdy. Sínusoida

3. Striedavé prúdy. Sínusoida . Striedavé prúdy VZNIK: Striedavý elektrický prúd prechádza obvodom, ktorý je pripojený na zdroj striedavého napätia. Striedavé napätie vyrába synchrónny generátor, kde na koncoch rotorového vinutia sa

Διαβάστε περισσότερα

2.1 Charakteristiky polohy

2.1 Charakteristiky polohy 2 POPISNÉ CHARAKTERISTIKY Výsledkom prvého kroku spracovaia štatistických údajov je usporiadaie aalyzovaých hodôt do kotigečých alebo frekvečých tabuliek. Častokrát, predovšetkým pri porovávaí viacerých

Διαβάστε περισσότερα

Rozdiely vo vnútornej štruktúre údajov = tvarové charakteristiky

Rozdiely vo vnútornej štruktúre údajov = tvarové charakteristiky Veľkosť Varablta Rozdelene 0 00 80 n 60 40 0 0 0 4 6 8 Tredy 0 Rozdely vo vnútornej štruktúre údajov = tvarové charakterstky I CHARAKTERISTIKY PREMELIVOSTI Artmetcký premer Vzťahy pre výpočet artmetckého

Διαβάστε περισσότερα

vantum s.r.o. VŠETKO PRE ELEKTROERÓZIU V3 Kap.11 / str. 1

vantum s.r.o. VŠETKO PRE ELEKTROERÓZIU V3 Kap.11 / str. 1 VŠETKO PRE ELEKTROERÓZIU V3 Kap.11 / str. 1 Prúdové kontakty pre rezačky Brother 5400 Horný a dolný prúdový kontakt pre sériu HS 300 materiál: karbid wolfrámu OKB: 632276000 5401 Horný a dolný prúdový

Διαβάστε περισσότερα

Pevné ložiská. Voľné ložiská

Pevné ložiská. Voľné ložiská SUPPORTS D EXTREMITES DE PRECISION - SUPPORT UNIT FOR BALLSCREWS LOŽISKA PRE GULIČKOVÉ SKRUTKY A TRAPÉZOVÉ SKRUTKY Výber správnej podpory konca uličkovej skrutky či trapézovej skrutky je dôležité pre správnu

Διαβάστε περισσότερα

Základy matematickej štatistiky a jej aplikácie použitím programovacích jazykov R a S

Základy matematickej štatistiky a jej aplikácie použitím programovacích jazykov R a S Katedra aplikovanej matematiky a štatistiky Fakulta matematiky, fyziky a informatiky Univerzita Komenského v Bratislave Vybrané kapitoly z počítačovej štatistiky I Základy matematickej štatistiky a jej

Διαβάστε περισσότερα

HASLIM112V, HASLIM123V, HASLIM136V HASLIM112Z, HASLIM123Z, HASLIM136Z HASLIM112S, HASLIM123S, HASLIM136S

HASLIM112V, HASLIM123V, HASLIM136V HASLIM112Z, HASLIM123Z, HASLIM136Z HASLIM112S, HASLIM123S, HASLIM136S PROUKTOVÝ LIST HKL SLIM č. sklad. karty / obj. číslo: HSLIM112V, HSLIM123V, HSLIM136V HSLIM112Z, HSLIM123Z, HSLIM136Z HSLIM112S, HSLIM123S, HSLIM136S fakturačný názov výrobku: HKL SLIMv 1,2kW HKL SLIMv

Διαβάστε περισσότερα

Podnikateľ 90 Mobilný telefón Cena 95 % 50 % 25 %

Podnikateľ 90 Mobilný telefón Cena 95 % 50 % 25 % Podnikateľ 90 Samsung S5230 Samsung C3530 Nokia C5 Samsung Shark Slider S3550 Samsung Xcover 271 T-Mobile Pulse Mini Sony Ericsson ZYLO Sony Ericsson Cedar LG GM360 Viewty Snap Nokia C3 Sony Ericsson ZYLO

Διαβάστε περισσότερα

Integrovanie racionálnych funkcií

Integrovanie racionálnych funkcií Integrovanie racionálnych funkcií Tomáš Madaras 2009-20 Z teórie funkcií už vieme, že každá racionálna funkcia (t.j. podiel dvoch polynomických funkcií) sa dá zapísať ako súčet polynomickej funkcie a funkcie

Διαβάστε περισσότερα

FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY UNIVERZITA KOMENSKÉHO V BRATISLAVE DIPLOMOVÁ PRÁCA

FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY UNIVERZITA KOMENSKÉHO V BRATISLAVE DIPLOMOVÁ PRÁCA FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY UNIVERZITA KOMENSKÉHO V BRATISLAVE DIPLOMOVÁ PRÁCA Bratislava 211 Maroš Komadel Analýza horných a dolných odhadov na oceňovanie ázijských typov košíkových opcií

Διαβάστε περισσότερα

Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy

Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy Beáta Stehlíková Časové rady, FMFI UK, 2013/2014 Jednotkový koreň(unit root),diferencovanie časového radu, unit root testy p.1/27

Διαβάστε περισσότερα

PREHĽAD ÚDAJOV. 1. Početnosť

PREHĽAD ÚDAJOV. 1. Početnosť PREHĽAD ÚDAJOV 1. Početnosť. Miery centrálnej tendencie a. Aritmetický priemer b. Medián c. Modus 3. Miery rozptylu a. Tvar b. Rozdelenie, rozloženie údajov c. Rozsah d. Rozptyl - variancia e. Smerodatná

Διαβάστε περισσότερα

Funkcie - základné pojmy

Funkcie - základné pojmy Funkcie - základné pojmy DEFINÍCIA FUNKCIE Nech A, B sú dve neprázdne číselné množiny. Ak každému prvku x A je priradený najviac jeden prvok y B, tak hovoríme, že je daná funkcia z množiny A do množiny

Διαβάστε περισσότερα

množiny F G = {t1, t2,, tn} T a pre ľubovoľný valec C so základňou B1, B2,, Bn v bodoch t1, t2,, tn, takou, že pre t G - F je Bt = E, platí PF(C) = PG

množiny F G = {t1, t2,, tn} T a pre ľubovoľný valec C so základňou B1, B2,, Bn v bodoch t1, t2,, tn, takou, že pre t G - F je Bt = E, platí PF(C) = PG STOCHASTICKÝ PROCES Definícia stochastického procesu Definícia 1 Nech (Ω, F, P) je pravdepodobnostný priestor a nech T je podmnožina R. Pre každé t T nech X(t, ω) je náhodná premenná definovaná na pravdepodobnostnom

Διαβάστε περισσότερα

ŠTATISTIKA. Obsah. Predmet štatistiky Popisná štatistika Štatistické charakteristiky jednorozmerných rozdelení.. 17

ŠTATISTIKA. Obsah. Predmet štatistiky Popisná štatistika Štatistické charakteristiky jednorozmerných rozdelení.. 17 ŠTATISTIKA Obsah Predmet štatistiky Meranie a úrovne merania 10 Popisná štatistika 13 Jednorozmerné rozdelenie 14 Štatistické charakteristiky jednorozmerných rozdelení 17 Dvojrozmerné rozdelenie 5 Štatistické

Διαβάστε περισσότερα

TESTOVANIE ŠTATISTICKÝCH HYPOTÉZ. Zdroje: Kompendium statistického zpracování dat, VPS s r. o.

TESTOVANIE ŠTATISTICKÝCH HYPOTÉZ. Zdroje: Kompendium statistického zpracování dat, VPS s r. o. TESTOVANIE ŠTATISTICKÝCH HYPOTÉZ Zdroje: Kompendium statistického zpracování dat, VPS s r. o. Témy prednášky ŠTATISTIKA, HYPOTÉZA TESTY ŠTATISTICKÝCH HYPOTÉZ (Testy štatistickej významnosti) t-test (STUDENTOV)

Διαβάστε περισσότερα

Návrh vzduchotesnosti pre detaily napojení

Návrh vzduchotesnosti pre detaily napojení Výpočet lineárneho stratového súčiniteľa tepelného mosta vzťahujúceho sa k vonkajším rozmerom: Ψ e podľa STN EN ISO 10211 Návrh vzduchotesnosti pre detaily napojení Objednávateľ: Ing. Natália Voltmannová

Διαβάστε περισσότερα

Reálna funkcia reálnej premennej

Reálna funkcia reálnej premennej (ÚMV/MAN3a/10) RNDr. Ivan Mojsej, PhD ivan.mojsej@upjs.sk 18.10.2012 Úvod V každodennom živote, hlavne pri skúmaní prírodných javov, procesov sa stretávame so závislosťou veľkosti niektorých veličín od

Διαβάστε περισσότερα

ARMA modely čast 2: moving average modely (MA)

ARMA modely čast 2: moving average modely (MA) ARMA modely čast 2: moving average modely (MA) Beáta Stehlíková Časové rady, FMFI UK, 2014/2015 ARMA modely časť 2: moving average modely(ma) p.1/24 V. Moving average proces prvého rádu - MA(1) ARMA modely

Διαβάστε περισσότερα

Start. Vstup r. O = 2*π*r S = π*r*r. Vystup O, S. Stop. Start. Vstup P, C V = P*C*1,19. Vystup V. Stop

Start. Vstup r. O = 2*π*r S = π*r*r. Vystup O, S. Stop. Start. Vstup P, C V = P*C*1,19. Vystup V. Stop 1) Vytvorte algoritmus (vývojový diagram) na výpočet obvodu kruhu. O=2xπxr ; S=πxrxr Vstup r O = 2*π*r S = π*r*r Vystup O, S 2) Vytvorte algoritmus (vývojový diagram) na výpočet celkovej ceny výrobku s

Διαβάστε περισσότερα

Základy automatického riadenia

Základy automatického riadenia Základy automatického riadenia Prednáška 1 doc. Ing. Anna Jadlovská, PhD., doc. Ing. Ján Jadlovský, CSc. Katedra kybernetiky a umelej inteligencie Fakulta elektrotechniky a informatiky Technická univerzita

Διαβάστε περισσότερα

Matematika 2. časť: Funkcia viac premenných Letný semester 2013/2014

Matematika 2. časť: Funkcia viac premenných Letný semester 2013/2014 Matematika 2 časť: Funkcia viac premenných Letný semester 2013/2014 RNDr. Jana Pócsová, PhD. Ústav riadenia a informatizácie výrobných procesov Fakulta BERG Technická univerzita v Košiciach e-mail: jana.pocsova@tuke.sk

Διαβάστε περισσότερα

Numerické metódy Zbierka úloh

Numerické metódy Zbierka úloh Blanka Baculíková Ivan Daňo Numerické metódy Zbierka úloh Strana 1 z 37 Predhovor 3 1 Nelineárne rovnice 4 2 Sústavy lineárnych rovníc 7 3 Sústavy nelineárnych rovníc 1 4 Interpolačné polynómy 14 5 Aproximácia

Διαβάστε περισσότερα

Využitie programu Microsoft Excel pri ekonometrickom modelovaní

Využitie programu Microsoft Excel pri ekonometrickom modelovaní Využitie programu Microsoft Excel pri ekonometrickom modelovaní Martin Lukáčik, Adriana Lukáčiková, Karol Szomolányi Aplikovanú ekonometriu, najmä odhad parametrov modelu a testovanie predpokladov si už

Διαβάστε περισσότερα

ŠTATISTICKÉ METÓDY VPRAXI

ŠTATISTICKÉ METÓDY VPRAXI TECHNICKÁ UNIVERZITA V KOŠICIACH Strojnícka fakulta ŠTATISTICKÉ METÓDY VPRAXI Miriam Andrejiová Edícia vedeckej a odbornej literatúry Košice 2016 Technická univerzita v Košiciach, Strojnícka fakulta Miriam

Διαβάστε περισσότερα

Metódy vol nej optimalizácie

Metódy vol nej optimalizácie Metódy vol nej optimalizácie Metódy vol nej optimalizácie p. 1/52 Metódy minimalizácie funkcie jednej premennej Metódy minimalizácie funkcie jednej premennej p. 2/52 Metódy minimalizácie funkcie jednej

Διαβάστε περισσότερα

8 Regulačné diagramy. 8.1 Štatistický základ regulačných diagramov ZABEZPEČOVANIE KVALITY PROCESOV

8 Regulačné diagramy. 8.1 Štatistický základ regulačných diagramov ZABEZPEČOVANIE KVALITY PROCESOV ZEZPEČOVNIE KVLITY POESOV 8 egulačné diagramy egulačné diagramy (ontrol harts), sú známe od r.194, keď ich princíp formuloval W.. Shewhart. egulačné diagramy sa používajú ako preventívny prostriedok riadenia

Διαβάστε περισσότερα

η = 1,0-(f ck -50)/200 pre 50 < f ck 90 MPa

η = 1,0-(f ck -50)/200 pre 50 < f ck 90 MPa 1.4.1. Návrh priečneho rezu a pozĺžnej výstuže prierezu ateriálové charakteristiky: - betón: napr. C 0/5 f ck [Pa]; f ctm [Pa]; fck f α [Pa]; γ cc C pričom: α cc 1,00; γ C 1,50; η 1,0 pre f ck 50 Pa η

Διαβάστε περισσότερα

Cvičenia zo ŠTATISTIKY v Exceli Kurz IPA-Slovakia, september 2008, VYHNE

Cvičenia zo ŠTATISTIKY v Exceli Kurz IPA-Slovakia, september 2008, VYHNE Cvičenia zo ŠTATISTIKY v Exceli Kurz IPA-Slovakia, september 2008, VYHNE doc. RNDr. Štefan PEŠKO, CSc. stefan.pesko@fri.uniza.sk, http://frcatel.fri.uniza.sk/pesko/ Katedra matematických metód, Fakulta

Διαβάστε περισσότερα

Chí kvadrát test dobrej zhody. Metódy riešenia úloh z pravdepodobnosti a štatistiky

Chí kvadrát test dobrej zhody. Metódy riešenia úloh z pravdepodobnosti a štatistiky Chí kvadrát test dobrej zhody Metódy riešenia úloh z pravdepodobnosti a štatistiky www.iam.fmph.uniba.sk/institute/stehlikova Test dobrej zhody I. Chceme overiť, či naše dáta pochádzajú z konkrétneho pravdep.

Διαβάστε περισσότερα

x j hodnota štatistického znaku x - aritmetický priemer ni absolútna početnosť m počet tried hšt ti ti kéh m počet tried hšt ti ti kéh

x j hodnota štatistického znaku x - aritmetický priemer ni absolútna početnosť m počet tried hšt ti ti kéh m počet tried hšt ti ti kéh 4. Bodový odhad Pricíp bodového odhadu spočíva v odhade ezámych parametrov (stredej hodoty, rozptylu, smerodajej odchýlky, atď.) prostredíctvom výberových charakteristík, ktoré sú reprezetovaé jedým číslom

Διαβάστε περισσότερα

ARMA modely čast 2: moving average modely (MA)

ARMA modely čast 2: moving average modely (MA) ARMA modely čast 2: moving average modely (MA) Beáta Stehlíková Časové rady, FMFI UK, 2011/2012 ARMA modely časť 2: moving average modely(ma) p.1/25 V. Moving average proces prvého rádu - MA(1) ARMA modely

Διαβάστε περισσότερα

Funkcie a grafy v programe Excel

Funkcie a grafy v programe Excel Tabuľkový kalkulátor EXCEL Funkcie a grafy v programe Excel Minimum, maximum Aritmetický priemer, medián, modus, vážený priemer Zaokrúhľovanie Grafy - Koláčový - Koláčový s čiastkovými výsekmi - Stĺpcový

Διαβάστε περισσότερα

6 Limita funkcie. 6.1 Myšlienka limity, interval bez bodu

6 Limita funkcie. 6.1 Myšlienka limity, interval bez bodu 6 Limita funkcie 6 Myšlienka ity, interval bez bodu Intuitívna myšlienka ity je prirodzená, ale definovať presne pojem ity je značne obtiažne Nech f je funkcia a nech a je reálne číslo Čo znamená zápis

Διαβάστε περισσότερα

Numerické metódy matematiky I

Numerické metódy matematiky I Prednáška č. 7 Numerické metódy matematiky I Riešenie sústav lineárnych rovníc ( pokračovanie ) Prednáška č. 7 OBSAH 1. Metóda singulárneho rozkladu (SVD) Úvod SVD štvorcovej matice SVD pre menej rovníc

Διαβάστε περισσότερα

Motivácia pojmu derivácia

Motivácia pojmu derivácia Derivácia funkcie Motivácia pojmu derivácia Zaujíma nás priemerná intenzita zmeny nejakej veličiny (dráhy, rastu populácie, veľkosti elektrického náboja, hmotnosti), vzhľadom na inú veličinu (čas, dĺžka)

Διαβάστε περισσότερα

AerobTec Altis Micro

AerobTec Altis Micro AerobTec Altis Micro Záznamový / súťažný výškomer s telemetriou Výrobca: AerobTec, s.r.o. Pionierska 15 831 02 Bratislava www.aerobtec.com info@aerobtec.com Obsah 1.Vlastnosti... 3 2.Úvod... 3 3.Princíp

Διαβάστε περισσότερα

Príručka ku kurzu SPÔSOBILOSŤ PROCESU

Príručka ku kurzu SPÔSOBILOSŤ PROCESU E+6 E+5 E+ E+ E+ E+ E+ E- Príručka ku kurzu SPÔSOBILOSŤ PROCESU E- E- E- E-5 E-6 E-7 E-8,5,7,9,,,5,7,9,,,5 ÚVOD Z noriem a inej literatúry je známych mnoho postupov, ako stanoviť spôsobilosť procesu. Existuje

Διαβάστε περισσότερα

Základy automatického riadenia

Základy automatického riadenia Základy automatického riadenia Predná²ka 6 doc. Ing. Anna Jadlovská, PhD., doc. Ing. Ján Jadlovský, CSc. Katedra kybernetiky a umelej inteligencie Fakulta elektrotechniky a informatiky Technická univerzita

Διαβάστε περισσότερα

Vyhlásenie o parametroch stavebného výrobku StoPox GH 205 S

Vyhlásenie o parametroch stavebného výrobku StoPox GH 205 S 1 / 5 Vyhlásenie o parametroch stavebného výrobku StoPox GH 205 S Identifikačný kód typu výrobku PROD2141 StoPox GH 205 S Účel použitia EN 1504-2: Výrobok slúžiaci na ochranu povrchov povrchová úprava

Διαβάστε περισσότερα

Metódy vol nej optimalizácie

Metódy vol nej optimalizácie Metódy vol nej optimalizácie Metódy vol nej optimalizácie p. 1/28 Motivácia k metódam vol nej optimalizácie APLIKÁCIE p. 2/28 II 1. PRÍKLAD: Lineárna regresia - metóda najmenších štvorcov Na základe dostupných

Διαβάστε περισσότερα

Požiadavky k štátnej skúške pre magisterský študijný program

Požiadavky k štátnej skúške pre magisterský študijný program z predmetu: Matematická analýza 1. Číselné postupnosti a ich základné vlastnosti. 2. Funkcia jednej reálnej premennej, základné vlastnosti funkcií. 3. Derivácia funkcie jednej reálnej premennej, jej vlastnosti

Διαβάστε περισσότερα

YQ U PROFIL, U PROFIL

YQ U PROFIL, U PROFIL YQ U PROFIL, U PROFIL YQ U Profil s integrovanou tepelnou izoláciou Minimalizácia tepelných mostov Jednoduché stratené debnenie monolitických konštrukcií Jednoduchá a rýchla montáž Výrobok Pórobetón značky

Διαβάστε περισσότερα

primitívnoufunkcioukfukncii f(x)=xnamnožinereálnychčísel.avšakaj 2 +1 = x, tedaajfunkcia x2

primitívnoufunkcioukfukncii f(x)=xnamnožinereálnychčísel.avšakaj 2 +1 = x, tedaajfunkcia x2 Neurčitý integrál. Primitívna funkcia a neurčitý integrál Funkcia F(x)sanazývaprimitívnoufunkcioukfunkcii f(x)naintervale(a,b),akpre každé x (a,b)platí F (x)=f(x). Z definície vidíme, že pojem primitívnej

Διαβάστε περισσότερα

1. písomná práca z matematiky Skupina A

1. písomná práca z matematiky Skupina A 1. písomná práca z matematiky Skupina A 1. Vypočítajte : a) 84º 56 + 32º 38 = b) 140º 53º 24 = c) 55º 12 : 2 = 2. Vypočítajte zvyšné uhly na obrázku : β γ α = 35 12 δ a b 3. Znázornite na číselnej osi

Διαβάστε περισσότερα

22 Špeciálne substitúcie, postupy a vzorce používané pri výpočte

22 Špeciálne substitúcie, postupy a vzorce používané pri výpočte Špeciálne substitúcie, postupy vzorce používné pri výpočte niektorých ďlších typov neurčitých integrálov. Pomocou vhodnej substitúcie tvru t = n + b (potom = tn b, = n tn dt) vypočítjte neurčitý integrál

Διαβάστε περισσότερα

Obsah. 1.1 Základné pojmy a vzťahy Základné neurčité integrály Cvičenia Výsledky... 11

Obsah. 1.1 Základné pojmy a vzťahy Základné neurčité integrály Cvičenia Výsledky... 11 Obsah Neurčitý integrál 7. Základné pojmy a vzťahy.................................. 7.. Základné neurčité integrály............................. 9.. Cvičenia..........................................3

Διαβάστε περισσότερα

PROMO AKCIA. Platí do konca roka 2017 APKW 0602-HF APKT PDTR APKT 0602-HF

PROMO AKCIA. Platí do konca roka 2017 APKW 0602-HF APKT PDTR APKT 0602-HF AKCIA Platí do konca roka 2017 APKW 0602-HF APKT 060204 PDTR APKT 0602-HF BENEFITY PLÁTKOV LAMINA MULTI-MAT - nepotrebujete na každú operáciu špeciálny plátok - sprehľadníte situáciu plátkov vo výrobe

Διαβάστε περισσότερα

DIFERENCÁLNE ROVNICE Matematická analýza (MAN 2c)

DIFERENCÁLNE ROVNICE Matematická analýza (MAN 2c) Prírodovedecká fakulta Univerzity P. J. Šafárika v Košiciach Božena Mihalíková, Ivan Mojsej Strana 1 z 43 DIFERENCÁLNE ROVNICE Matematická analýza (MAN 2c) 1 Obyčajné diferenciálne rovnice 3 1.1 Úlohy

Διαβάστε περισσότερα

Derivácia funkcie. Pravidlá derivovania výrazov obsahujúcich operácie. Derivácie elementárnych funkcií

Derivácia funkcie. Pravidlá derivovania výrazov obsahujúcich operácie. Derivácie elementárnych funkcií Derivácia funkcie Derivácia funkcie je jeden z najužitočnejších nástrojov, ktoré používame v matematike a jej aplikáciách v ďalších odboroch. Stručne zhrnieme základné informácie o deriváciách. Podrobnejšie

Διαβάστε περισσότερα

Motivácia na zlepšenie obrazu sa používajú frekvenčné metódy a priestorové metódy.

Motivácia na zlepšenie obrazu sa používajú frekvenčné metódy a priestorové metódy. OBRAZOVÉ TRANSFORMÁCIE Motivácia na zlepšenie obrazu sa používajú frekvenčné metódy a priestorové metódy. Fourierova transformácia Jednorozmerný spojitý prípad Nech f(x je spojitá funkcia reálnej premennej

Διαβάστε περισσότερα

Gramatická indukcia a jej využitie

Gramatická indukcia a jej využitie a jej využitie KAI FMFI UK 29. Marec 2010 a jej využitie Prehľad Teória formálnych jazykov 1 Teória formálnych jazykov 2 3 a jej využitie Na počiatku bolo slovo. A slovo... a jej využitie Definícia (Slovo)

Διαβάστε περισσότερα

ZADANIE 1_ ÚLOHA 3_Všeobecná rovinná silová sústava ZADANIE 1 _ ÚLOHA 3

ZADANIE 1_ ÚLOHA 3_Všeobecná rovinná silová sústava ZADANIE 1 _ ÚLOHA 3 ZDNIE _ ÚLOH 3_Všeobecná rovinná silová sústv ZDNIE _ ÚLOH 3 ÚLOH 3.: Vypočítjte veľkosti rekcií vo väzbách nosník zťženého podľ obrázku 3.. Veľkosti známych síl, momentov dĺžkové rozmery sú uvedené v

Διαβάστε περισσότερα

UČEBNÉ TEXTY. Pracovný zošit č.2. Moderné vzdelávanie pre vedomostnú spoločnosť Elektrotechnické merania. Ing. Alžbeta Kršňáková

UČEBNÉ TEXTY. Pracovný zošit č.2. Moderné vzdelávanie pre vedomostnú spoločnosť Elektrotechnické merania. Ing. Alžbeta Kršňáková Stredná priemyselná škola dopravná, Sokolská 911/94, 960 01 Zvolen Kód ITMS projektu: 26110130667 Názov projektu: Zvyšovanie flexibility absolventov v oblasti dopravy UČEBNÉ TEXTY Pracovný zošit č.2 Vzdelávacia

Διαβάστε περισσότερα

M086 LA 1 M106 GRP. Tema: Baza vektorskog prostora. Koordinatni sustav. Norma. CSB nejednakost

M086 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 περισσότερα

REZISTORY. Rezistory (súčiastky) sú pasívne prvky. Používajú sa vo všetkých elektrických

REZISTORY. Rezistory (súčiastky) sú pasívne prvky. Používajú sa vo všetkých elektrických REZISTORY Rezistory (súčiastky) sú pasívne prvky. Používajú sa vo všetkých elektrických obvodoch. Základnou vlastnosťou rezistora je jeho odpor. Odpor je fyzikálna vlastnosť, ktorá je daná štruktúrou materiálu

Διαβάστε περισσότερα

Kontrolné otázky na kvíz z jednotiek fyzikálnych veličín. Upozornenie: Umiestnenie správnej a nesprávnych odpovedí sa môže v teste meniť.

Kontrolné otázky na kvíz z jednotiek fyzikálnych veličín. Upozornenie: Umiestnenie správnej a nesprávnych odpovedí sa môže v teste meniť. Kontrolné otázky na kvíz z jednotiek fyzikálnych veličín Upozornenie: Umiestnenie správnej a nesprávnych odpovedí sa môže v teste meniť. Ktoré fyzikálne jednotky zodpovedajú sústave SI: a) Dĺžka, čas,

Διαβάστε περισσότερα

7 Derivácia funkcie. 7.1 Motivácia k derivácii

7 Derivácia funkcie. 7.1 Motivácia k derivácii Híc, P Pokorný, M: Matematika pre informatikov a prírodné vedy 7 Derivácia funkcie 7 Motivácia k derivácii S využitím derivácií sa stretávame veľmi často v matematike, geometrii, fyzike, či v rôznych technických

Διαβάστε περισσότερα

ANALÝZA VÝKONNOSTI CALL CENTRA POMOCÍ STATISTICKÝCH METOD

ANALÝZA VÝKONNOSTI CALL CENTRA POMOCÍ STATISTICKÝCH METOD VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV INFORMATIKY FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF INFORMATICS ANALÝZA VÝKONNOSTI CALL CENTRA POMOCÍ STATISTICKÝCH

Διαβάστε περισσότερα

Modul pružnosti betónu

Modul pružnosti betónu f cm tan α = E cm 0,4f cm ε cl E = σ ε ε cul Modul pružnosti betónu α Autori: Stanislav Unčík Patrik Ševčík Modul pružnosti betónu Autori: Stanislav Unčík Patrik Ševčík Trnava 2008 Obsah 1 Úvod...7 2 Deformácie

Διαβάστε περισσότερα

Obsah. Motivácia a definícia. Metódy výpočtu. Problémy a kritika. Spätné testovanie. Prípadová štúdia využitie v NBS. pre 1 aktívum pre portfólio

Obsah. Motivácia a definícia. Metódy výpočtu. Problémy a kritika. Spätné testovanie. Prípadová štúdia využitie v NBS. pre 1 aktívum pre portfólio Value at Risk Obsah Motivácia a definícia Metódy výpočtu pre 1 aktívum pre portfólio Problémy a kritika Spätné testovanie Prípadová štúdia využitie v NBS Motivácia Ako kvantifikovať riziko? Nakúpil som

Διαβάστε περισσότερα