VAJE IZ VERJETNOSTI IN STATISTIKE. Martin Raič

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "VAJE IZ VERJETNOSTI IN STATISTIKE. Martin Raič"

Transcript

1 VAJE IZ VERJETNOSTI IN STATISTIKE Martin Raič Datum zadnje spremembe: 0 februar 207

2 Kazalo Osnove kombinatorike 3 2 Elementarna verjetnost 5 3 Pogojna verjetnost 0 4 Slučajne spremenljivke 7 5 Slučajni vektorji 3 6 Pričakovana vrednost in sorodne karakteristike 42 7 Pogojne porazdelitve in pogojevanje na slučajne spremenljivke 52 8 Rodovne, momentno-rodovne in karakteristične funkcije 62 9 Limitni izreki 68 0Zadostne in postranske statistike 74 Točkasto ocenjevanje in vzorčenje 78 2Intervali zaupanja 87 3Testi značilnosti 96 4Povezanost dveh številskih spremenljivk 5 5Linearna regresija 8 REŠITVE 20 Osnove kombinatorike 2 2 Elementarna verjetnost 22 3 Pogojna verjetnost 29 4 Slučajne spremenljivke 4 5 Slučajni vektorji 55 6 Pričakovana vrednost in sorodne karakteristike 77 7 Pogojne porazdelitve in pogojevanje na slučajne spremenljivke 94

3 8 Rodovne, momentno-rodovne in karakteristične funkcije Limitni izreki 24 0Zadostne in postranske statistike 226 Točkasto ocenjevanje in vzorčenje 232 2Intervali zaupanja 247 3Testi značilnosti 257 4Povezanost dveh številskih spremenljivk 268 5Linearna regresija 269

4 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE 3 Osnove kombinatorike Pravilo vsote, pravilo produkta Variacije, kombinacije in permutacije Na koliko načinov lahko opremimo dnevno sobo, če imamo na voljo 4 vrste parketa, 3 vrste nelesnih talnih oblog in 5 vrst pohištva? 2 Koliko je: a) vseh trimestnih števil? b) vseh sodih trimestnih števil? c) vseh trimestnih števil s sodo prvo števko? d) vseh trimestnih števil s samimi enakimi števkami? e) vseh trimestnih števil s samimi različnimi števkami? f) vseh trimestnih števil, ki so palindromi? 3 Na koliko načinov lahko iz škatle s petimi različnimi kroglicami vzamemo: a) eno kroglico b) dve kroglici c) tri kroglice Pri tem ločite primer, ko kroglice vračamo, in primer, ko jih ne vračamo Poleg tega ločite primer, ko je vrstni red jemanja pomemben, in primer, ko ni pomemben Pri različici, ko kroglic ne vračamo in vrstni red jemanja ni pomemben, primerjajte rezultata iz točk b) in c) 4 Na koliko načinov lahko na ravno polico razporedimo 3 begonije in 4 fuksije? Pri tem ločite primer, ko razločujemo vse cvetlice, in primer, ko cvetlic iste vrste med seboj ne razločujemo Splošneje: iz škatle z n različnimi kroglicami lahko izvlečemo k kroglic na naslednje število načinov: vračamo ne vračamo Velja še V k n vrstni red vlečenja pomemben ni pomemben ( ) n + k (p) V k n n k (p) C k n V k n n(n ) (n k + ) C k n n! (n k)! in ( ) n k ( ) n! n k! (n k)! n k ( n k ) k V n k k!

5 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE 4 5 V posodi je 6 rdečih in 4 modre kroglice, vse kroglice so različne Na koliko načinov lahko iz posode brez vračanja vzamemo (vrstni red ni pomemben): a) 4 rdeče in 2 modri kroglici? b) 4 kroglice, a od tega vsaj eno rdečo in vsaj eno modro? 6 Na koliko načinov lahko v ravno vrsto položimo tri brezove, dve leskovi in štiri vrbove šibe, če: a) vse šibe razločujemo in ni omejitev? b) vse šibe razločujemo ter morajo priti najprej brezove, nato leskove in nazadnje vrbove? c) vse šibe razločujemo in morajo biti šibe posamezne vrste skupaj? d) šib iste vrste med seboj ne razločujemo in ni omejitev? 7 Na koliko načinov lahko razvrstimo šest otrok (ki jih razločujemo) na vrtiljak s šestimi sedeži (ki jih ločimo le glede na njihovo medsebojno lego)? Kaj pa na vrtiljak z desetimi sedeži? Na vsak sedež gre največ en otrok 8 7 moških in 5 žensk se odpravi na taborjenje Na voljo imajo dva šotora za tri osebe in tri šotore za dve osebi Vse šotore med seboj ločimo Na koliko načinov se lahko razporedijo v šotore, če: a) ni omejitev? b) smejo biti v posameznem šotoru le osebe istega spola? c) mora biti v posameznem šotoru najmanj en moški in najmanj ena ženska? Avtor naloge: Gregor Šega

6 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE 5 2 Elementarna verjetnost Klasična verjetnost, klasična geometrijska verjetnost Računanje z dogodki Klasična verjetnost Če so vsi izidi enako verjetni, za dogodek A velja: P(A) število izidov, ki so v A število vseh izidov Temu, da so vse možnosti enako verjetne, pravimo slepa izbira Izbirati dve (splošneje n) stvari na slepo in neodvisno pa pomeni, da so vse kombinacije možnosti (kjer stvari ločimo) enako verjetne Z drugimi besedami, to pomeni slepo izbiro ustreznega urejenega para oz n-terice Vržemo dve neodvisni standardni kocki Kolikšna je verjetnost, da bo skupno število pik enako 8? 2 Zakonca načrtujeta štiri otroke Kaj je verjetneje: da bosta oba spola enako zastopana ali da bodo trije enega, eden pa nasprotnega spola? Privzamemo, da sta oba spola pri posameznem rojstvu enako verjetna in da so spoli pri posameznih rojstvih neodvisni P(A c ) P(A) 3 Vržemo pet neodvisnih standardnih kock Kolikšna je verjetnost, da bo na vsaj eni kocki padla šestica? 4 V posodi je 5 belih, 4 črne in 3 rdeče kroglice Iz posode potegnemo tri kroglice Kolikšna je verjetnost, da bo med njimi po ena kroglica vsake barve, če: a) kroglice vračamo? b) kroglic ne vračamo? P(A B) P(A) + P(B) P(A B) Dokaz Ker sta A in B \ A nezdružljiva, velja P(A B) P(A) + P(B \ A) Podobno, ker sta A B in B \ A nezdružljiva, velja P(B) P(A B) + P(B \ A) Ko dobljeni enakosti odštejemo in preoblikujemo, dobimo natančno želeno formulo 5 Iz posode, v kateri so 3 rdeče, 2 zeleni in 5 belih kroglic, na slepo in brez vračanja izvlečemo dve kroglici Kolikšna je verjetnost, da je prva rdeča ali pa druga zelena?

7 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE 6 6 Kolikšna je verjetnost, da v skupini n ljudi obstajata dva, ki imata rojstni dan na isti dan? Prestopna leta zanemarite Najmanj koliko ljudi mora biti, da je ta verjetnost enaka vsaj /2? Zapišite rezultat še za splošno število dni v letu in raziščite asimptotično obnašanje, ko gre le-to proti neskončno 7 Dan je dobro premešan kup 6 kart, med katerimi so štirje piki Kolikšna je verjetnost, da sta med prvimi osmimi kartami natanko dva pika? 8 Med 00 izdelki v seriji je 0 okvarjenih Iz serije na slepo izberemo 0 izdelkov Če je med njimi več kot en okvarjen, serijo zavrnemo Kolikšna je verjetnost, da se bo to zgodilo? 9 V posodi je 8 belih, 4 črne in 2 rdeči kroglici Iz posode brez vračanja potegnemo sedem kroglic Kolikšna je verjetnost, da bo razmerje barv enako kot v posodi? 0 Pri igri Loto na kombinacijskem listku prekrižamo 7 številk izmed 39 Izžreba se 7 rednih številk in še ena dodatna Včasih so bili možni naslednji dobitki: 2 sedmica: vse prekrižane številke so redno izžrebane; šest in dodatna: med prekrižanimi številkami je šest redno izžrebanih in ena dodatna; šestica: natanko šest prekrižanih številk je redno izžrebanih, dodatna ni prekrižana; petica: natanko pet prekrižanih številk je redno izžrebanih (dodatna pa je lahko prekrižana ali ne); štirica: natanko štiri prekrižane številke so redno izžrebane (dodatna pa je lahko prekrižana ali ne); tri in dodatna: natanko tri prekrižane številke so redno izžrebane, prekrižana pa je tudi dodatna številka Izračunajte verjetnosti posameznih dobitkov Če lahko prostor izidov razbijemo na paroma nezdružljive enako verjetne dogodke, jih lahko obravnavamo kot izide: če je dogodek A unija k od n takih dogodkov, je P(A) k/n V kupu je 0 kart, od tega dve rdeči, tri zelene in pet belih Kup dobro premešamo in drugo za drugo brez vračanja vlečemo karte Izračunajte verjetnosti dogodkov: a) da bo prva rdeča karta izvlečena pred prvo zeleno; b) da bo prva rdeča karta izvlečena pred zadnjo zeleno 2 Študenti, ki bodo pisali izpit, se posedejo v tri vrste in tri kolone, tako kot je prikazano spodaj: 2 Danes sta možna tudi dobitka štiri in dodatna ter pet in dodatna

8 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE 7 Aljaž Brigita Cveto Dragica Edo Fani Gregor Hana Iztok Asistent na slepo izbere tri študente in jih zamenja: prvega premesti na mesto drugega, drugega na mesto tretjega in tretjega na mesto prvega Kolikšna je verjetnost, da sta Aljaž in Brigita po premestitvi še vedno soseda v isti vrsti? Računanje z dogodki A B B A A B B A A (B C) (A B) C A (B C) (A B) C A (B C) (A B) (A C) A (B C) (A B) (A C) A Ω Ω A Ω A A A A (A B) c A c B c (A B) c A c B c A A c Ω A A c (A c ) c A 3 Poenostavite naslednji izraz z dogodki: (B C) (B C c ) (B c C) 4 Dani so dogodki A, B in C Matematično zapišite: a) dogodek, da se ne zgodi niti A niti B niti C; b) dogodek, da se zgodi natanko eden od teh treh dogodkov; c) dogodek, da se zgodita vsaj dva od teh treh dogodkov Izračunajte še verjetnosti zgornjih dogodkov, če veste, da je P(A) 0 3, P(B) 0 45, P(C) 0 6, P(A B) 0 2, P(A C) 0 2, P(B C) 0 3 in P(A B C) 0 Načelo vključitev in izključitev P(A A 2 A n ) P(A ) + P(A 2 ) + + P(A n ) P(A A 2 ) P(A A 3 ) P(A n A n ) + + ( ) n+ P(A A 2 A n )

9 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE 8 Dokaz z indukcijo Za n in n 2 velja Naredimo indukcijski korak z n na n + Najprej opazimo: P(A A 2 A n A n+ ) P(A A 2 A n) + P(A n+ ) P ( (A A 2 A n) A n+ ) P(A A 2 A n) + P(A n+ ) P ( (A A n+ ) (A n A n+ ) ) Po indukcijski predpostavki je: P(A A 2 A n A n+ ) P(A ) + P(A 2 ) + + P(A n) P(A A 2 ) P(A A 3 ) P(A n A n) + + A A 2 A 3 + A A 2 A An 2 A n An + ( ) n+ P(A A n) + + P(A n+ ) P(A A n+ ) P(A 2 A n+ ) + P(A n A n+ ) + P(A A 2 A n+ ) + P(A A 3 A n+ ) + + P(A n A n A n+ ) + + ( ) n+2 P(A A 2 A n A n+ ), kar je natančno ustrezna desna stran: iz razvoja verjetnosti P(A A 2 A n) smo dobili tiste člene, ki ne vsebujejo dogodka A n+, iz P(A n+ ) in razvoja verjetnosti P ( (A A n+ ) (A n A n+ ) ) pa tiste člene, ki dogodek A n+ vsebujejo 5 Mama napiše pet različnih pisem in pripravi pet kuvert za ta pisma s samimi različnimi naslovi Mali Pepček želi pomagati in na slepo vtakne pisma v kuverte, v vsako kuverto po eno pismo Kolikšna je verjetnost, da je vsaj eno pismo v pravi kuverti? 6 Desetkrat vržemo pošteno kocko in pri vsakem metu zabeležimo, koliko pik je padlo Kolikšna je verjetnost, da bodo na koncu zabeležena vsa možna števila pik (od do 6)? Klasična geometrijska verjetnost Točka je izbrana na slepo iz množice G, ki je lahko interval, lik, telo ipd, če za vsako merljivo podmnožico A G velja: P(točka pripada A) mera množice A mera množice G Pri tem je mera lahko dolžina, ploščina itd Na slepo in neodvisno izbrati dve točki (splošneje, n točk) pomeni slepo izbiro njunega urejenega para (oz n-terice) v ustreznem kartezijskem produktu 7 Do šole je štiri minute hoda, vmes pa je semafor, na katerem dve minuti gori zelena, dve minuti pa rdeča luč Od doma se odpravim pet minut pred začetkom pouka Kolikšna je verjetnost, da pridem še pravočasno, če se držim predpisov? Kaj pa, če sta na poti dva semaforja? Seveda privzamemo, da je faza semaforja izbrana na slepo (oz da sta fazi semaforjev izbrani na slepo in neodvisno) 8 Avtobus se ustavi na postaji na slepo med 6:55 in 7:05 Študent pa je nagnjen k zamujanju in pride na postajo na slepo med 7:00 in 7:07, neodvisno od avtobusa

10 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE 9 a) Kolikšna je verjetnost, da ujame ta avtobus? b) Če želi študent še pravočasno priti na predavanje, mora biti na tem avtobusu najkasneje ob 7:02 Kolikšna je verjetnost, da se to zgodi? 9 Kolikšna je verjetnost, da je na slepo izbrana točka v kvadratu bližje robu kot središču kvadrata? 20 Buffonova 3 igla Na list papirja z ravnimi vzporednimi črtami, razmaknjenimi za a, na slepo vržemo iglo dolžine b Kolikšna je verjetnost, da igla seka katero od črt? 3 Georges-Louis Leclerc, comte de Buffon ( ), francoski naravoslovec, matematik, kozmolog in filozof; enciklopedist; grof

11 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE 0 3 Pogojna verjetnost Računanje pogojne verjetnosti po definiciji Izrek o polni verjetnosti, Bayesova formula Neodvisnost Zapletenejši primeri pogojne verjetnosti Definicija pogojne verjetnosti A B Ω P(A B) P(A B) P(B) Če je dogodek B sestavljen iz samih enako verjetnih izidov, pa je tudi: P(A B) (A B) (B) Vržemo standardno kocko Naj bo A dogodek, da padejo vsaj štiri pike, B dogodek, da pade šest pik, L pa dogodek, da pade liho mnogo pik Izračunajte P(A L) in P(B L) Kaj pa, če kocka ni poštena, tako da ena pika pade z verjetnostjo 0 3, izidi z dvema, tremi, štirimi in petimi pikami imajo verjetnost 0 5, šest pik pa pade z verjetnostjo 0? 2 Iz dobro premešanega kupa 6 kart, med katerimi so štirje piki, izvlečemo štiri karte Kolikšna je pogojna verjetnost, da je prva med njimi pik, če vemo, da sta med njimi natanko dva pika? 3 Bertrandov paradoks Dane so tri škatle V eni sta dva zlata kovanca, v drugi en zlat in en srebrn, v tretji pa dva srebrna Dovoljeno nam je, da na slepo izberemo en kovanec (t j vseh šest z enako verjetnostjo) Če uganemo, kakšen je drugi kovanec v škatli, ki smo jo izbrali, dobimo kovanec Kolikšna je verjetnost, da dobimo kovanec? Razmislek: Recimo, da je kovanec zlat Potem vemo, da je prišel ali iz škatle z dvema zlatima kovancema ali pa iz škatle z enim zlatim in enim srebrnim kovancem Ker sta obe škatli enako verjetni, je verjetnost, da bomo uganili, enaka /2, ne glede na to, kaj rečemo Je s tem razmislekom vse v redu? 4 Monty Hallov paradoks Danih je troje vrat Za enimi je skrit avto, za preostalimi dvojimi pa buča Najprej izberemo ena vrata, ne da bi jih odprli, nakar vodja

12 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE igre odpre ena izmed vrat, za katerima je buča in ki jih nismo izbrali Nato nam ponovno ponudi, da izberemo ena izmed še zaprtih vrat Tisto, kar se skriva za njimi, dobimo Kako naj ravnamo, če želimo dobiti avto? Privzamemo, da so vse možnosti za vrata, za katerimi stoji avto, enako verjetne Razmislek: Recimo, da smo najprej pokazali na prva vrata, vodja igre pa je nato odprl tretja vrata Prva in druga vrata so še zaprta Ker so vsa vrata enako verjetna, je pri obojih verjetnost, da bo zadaj avto, enaka /2 Torej je čisto vseeno, kaj storimo Je s tem razmislekom vse v redu? 5 Janez in Peter igrata namizni tenis V vsaki rundi nekdo zmaga in oba sta enakovredna, ne glede na zgodovino, igrata pa, dokler eden od njiju ne dobi šest rund Trenutni izid je 4 : 2 za Janeza Kolikšna je verjetnost, da bo Janez dobil cel dvoboj? 6 Janez in Peter spet igrata namizni tenis Spet v vsaki rundi nekdo zmaga, a tokrat Janez dobi posamezno rundo z verjetnostjo /3 (ne glede na zgodovino), igrata pa na dve točki razlike Kolikšna je zdaj verjetnost, da bo Janez dobil dvoboj? Le-to zdaj računamo od začetka, t j izida 0:0 Namig: Rekurzivna formula 7 Pri določenem slučajnem poskusu lahko med drugim pride do opažanja A in do opažanja B Lahko pride tudi do obeh opažanj, to označimo z A B Poskus ponavljamo in pri vsaki izvedbi pride do opažanja A z verjetnostjo P(A), do opažanja B z verjetnostjo P(B) in do obeh opažanj z verjetnostjo P(A B), ne glede na zgodovino Privzemimo, da je P(B) > 0 Poskus ponavljamo, dokler ne pride do opažanja B Kolikšna je verjetnost, da pri zadnjem poskusu pride tudi do opažanja A? 8 Mečemo pošten kovanec, pri čemer privzamemo, da je verjetnost, da v posameznem metu pade grb, enaka /2 ne glede na prejšnje mete Kolikšna je verjetnost, da v prvih n metih nista padli dve zaporedni cifri? Izrek o polni verjetnosti Če H, H 2, H 3, tvorijo popoln sistem dogodkov (t j vedno se zgodi natanko eden izmed njih), velja: P(A) P(H ) P(A H ) + P(H 2 ) P(A H 2 ) + P(H 3 ) P(A H 3 ) + Dogodkom H i često pravimo hipoteze in jih je lahko končno ali pa števno neskončno 9 V prvi posodi je 5 belih, 3 rdeče in 2 črni kroglici, v drugi posodi pa so tri bele in tri črne kroglice Iz prve posode v drugo na slepo premestimo eno kroglico, nato pa

13 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE 2 iz druge na slepo in brez vračanja potegnemo dve kroglici Kolikšna je verjetnost, da je med njima ena bela in ena črna? Bayesova 4 formula Če H, H 2, H 3, tvorijo popoln sistem dogodkov, velja: P(H i A) P(H i ) P(A H i ) P(H ) P(A H ) + P(H 2 ) P(A H 2 ) + P(H 3 ) P(A H 3 ) + Brezpogojnim verjetnostim P(H i ) pravimo apriorne, pogojnim verjetnostim P(H i A) pa aposteriorne verjetnosti hipotez 0 Žena pošlja moža na trg po solato, ki jo prodajata dve branjevki, Francka in Micka Verjetnost, da mož kupi solato pri Francki, je 60%, verjetnost, da kupi pri Micki, pa 40% Francka ima 0%, Micka pa 20% nagnitih glav solate Mož prinese domov nagnito glavo solate Katero branjevko lahko žena bolj upravičeno osumi, da mu je prodala nagnito solato? Privzamemo, da branjevki solato izbirata na slepo Matičnemu podjetju dobavljajo trije kooperanti: kooperant Alfa Deli dobavlja 20%, kooperant Bobo Deli 50%, kooperant Centro Deli pa 30% vseh delov Kooperant Alfa Deli ima 5%, Bobo Deli %, Centro Deli pa 2% okvarjenih delov Kontrolor v matičnem podjetju testira na slepo izbran del in izkaže se, da je okvarjen, zato zavzdihne: Oh, že spet ti Alfa Deli! Kolikšna je verjetnost, da je bil del dobavil kooperant Alfa Deli? 2 V prvi posodi je 6 belih in 4 rdeče kroglice, v drugi pa ena bela in ena rdeča Najprej na slepo premestimo 3 kroglice iz prve posode v drugo, nato pa iz druge posode potegnemo dve kroglici (na slepo in brez vračanja) Obe sta rdeči Kolikšna je pogojna verjetnost, da so bile vse tri premeščene kroglice rdeče? 3 Manja ugiba neznano besedo, ki ima štiri soglasnike in en samoglasnik Črke se ji prikazujejo druga za drugo, vrstni red prikazovanja pa je izbran na slepo Ko so črke enkrat prikazane, ostanejo na zaslonu V tabeli na desni so prikazane verjetnosti, da Manja ugane besedo po določenem številu prikazanih soglasnikov in samoglasnikov Te verjetnosti veljajo ne glede na to, katere črke so bile prikazane prej sogl samogl ugane a) Kolikšna je verjetnost, da Manja ugane besedo po treh prikazanih črkah (ne pa tudi prej)? b) Recimo, da je Manja uganila besedo po treh prikazanih črkah Kolikšna je pogojna verjetnost, da so bili to sami soglasniki? 4 Thomas Bayes (ok 70 76), angleški statistik, filozof in duhovnik

14 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE 3 Dogodka A in B sta neodvisna, če velja: P(A B) P(A) P(B) Če je P(B) > 0, je to ekvivalentno pogoju, da je P(A B) P(A) Če je 0 < P(B) <, pa je to ekvivalentno tudi pogoju, da je P(A B) P(A B c ) Dogodki A, A 2, A 3 so neodvisni, če za poljubne različne indekse i, i 2,, i k velja: P(A i A i2 A ik ) P(A i ) P(A i2 ) P(A ik ) 4 Na kupu so štiri karte: pikov kralj, pikova dama, srčev kralj in srčeva dama Na slepo izvlečemo eno izmed kart Definirajmo naslednje dogodke: A : {izvlekli smo pika} B : {izvlekli smo damo} C : {izvlekli smo srčevega kralja ali pikovo damo} Sta dogodka A in B neodvisna? Kaj pa A in C? Kaj pa B in C? Kako pa je z dogodki A, B in C, so neodvisni? 5 Danih je osem kart: as, kralj, dama, fant, 0, 9, 8 in 7 Na slepo izvlečemo eno karto Definirajmo naslednje dogodke: F : {karta je as, kralj, dama ali fant} G : {karta je as, kralj, 0 ali 9} H : {karta je as, dama, 8 ali 7} So dogodki F, G in H neodvisni? 6 Vržemo tri kovance Meti so med seboj neodvisni, verjetnosti, da pade grb, pa niso nujno enake Naj bo A dogodek, da se na prvem kovancu pojavi grb, B pa dogodek, da se grb pojavi na natanko dveh kovancih a) Recimo, da so vsi trije kovanci pošteni, se pravi, da je verjetnost za grb pri vseh kovancih enaka /2 Sta dogodka A in B neodvisna? b) Recimo, da je prvi kovanec pošten, druga dva pa ne: na vsakem od njiju se grb pojavi z verjetnostjo p Pri katerih p sta A in B neodvisna? 7 Simpsonov paradoks Dve zdravili so preizkušali na ženskah in moških Rezultati so naslednji:

15 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE 4 zdravljenje ženske moški Prvo zdravilo Drugo zdravilo Prvo zdravilo Drugo zdravilo uspelo ni uspelo Katero zdravilo je bilo uspešnejše: pri ženskah? pri moških? pri obojih skupaj? Komentirajte! Neodvisnost izpeljanih dogodkov Naj bo F družina dogodkov S σ(f) označimo najmanjšo σ-algebro, ki vsebuje F, t j družino vseh dogodkov, ki jih dobimo iz dogodkov iz F s števnimi unijami in komplementi Naj bodo: A, A 2, A 3, A 2, A 22, A 23, A 3, A 32, A 33, neodvisni dogodki Tedaj so tudi poljubni dogodki B σ(a, A 2, ), B 2 σ(a 2, A 22, ), B 3 σ(a n, A n2, ), neodvisni 8 V vezju, ki ga prikazuje spodnja skica, vsako stikalo prepušča električni tok z verjetnostjo /3, posamezna stikala pa so med seboj neodvisna Kolikšna je verjetnost, da vezje prepušča tok? 9 Janez, Francelj in Tone gredo streljat zajce Janez zadene z verjetnostjo 0, Francelj z verjetnostjo 0 2, Tone pa z verjetnostjo 0 3, neodvisno drug od drugega a) Vsi pomerijo, ustrelijo in zajec je zadet Kolikšna je pogojna verjetnost, da ga je Janez zadel?

16 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE 5 b) Ko pridejo do zajca, se izkaže, da ga je zadel natanko eden Kolikšna je pogojna verjetnost, da je bil to Janez? 20 Andraž, Bojan, Cilka in Darja streljajo v tarčo Andraž in Bojan streljata z modrimi, Cilka in Darja pa z rdečimi puščicami Andraž zadene z verjetnostjo 0 6, Bojan z verjetnostjo 0 7, Cilka z verjetnostjo 0 5, Darja pa z verjetnostjo 0 9 Vsi hkrati pomerijo in ustrelijo, neodvisno drug od drugega V tarči se znajdeta ena modra in ena rdeča puščica Kolikšna je pogojna verjetnost, da sta to Bojanova in Darjina? 2 Študent se od 50 izpitnih vprašanj nauči le 30 Za vsako vprašanje, ki se ga nauči, je potem še 30% verjetnosti, da pozabi odgovor, za vsako vprašanje, ki se ga ne nauči, pa je še 0% verjetnosti, da odgovor ugane Privzamemo, da so dogodki, da študent posamezno vprašanje pozabi oz ugane odgovor nanj, neodvisni Na izpitu dobi tri na slepo izbrana vprašanja in izpit naredi, če pravilno odgovori na vsaj dve vprašanji Kolikšna je verjetnost, da bo naredil izpit? 22 Miha se odpravi na obisk k vinogradnikom Janezu, Lojzu in Štefanu Vsak mu ponudi kozarec vina, ki je lahko cviček ali pa šmarnica Janez mu ponudi šmarnico z verjetnostjo 60%, Lojz z verjetnostjo 40%, Štefan pa z verjetnostjo 0% Verjetnost, da Miho boli glava, ne da bi pil šmarnico, je 0%, verjetnost, da ga boli po kozarcu šmarnice (ne glede na to, čigave), 40%, po dveh kozarcih (ne glede na to, čigave šmarnice) 70% in po treh kozarcih 00% Naslednji dan Miho boli glava in prijatelj Tone mu pravi: Janez in Lojz sta ti gotovo dala šmarnico! Kolikšna je pogojna verjetnost, da ima prav? Privzamemo, da vinogradniki izberejo vrsto vina neodvisno drug od drugega 23 Pustolovec Albert pride v tujo deželo, kjer ga takoj primejo in vtaknejo v ječo Po prvi noči, prebiti v ječi, ga obišče kralj in mu ponudi posodo, v kateri je ena rdeča in ena zelena kroglica Albert na slepo izvleče eno kroglico Če izvleče zeleno, je izpuščen, če izvleče rdečo, pa mora prebiti v ječi še eno noč Naslednji dan ga spet obišče kralj in spet mu ponudi posodo, le da sta tokrat notri dve rdeči in ena zelena kroglica Spet je Albert izpuščen, če izvleče zeleno kroglico, sicer pa mora ponovno prespati v ječi Tako se nadaljuje: vsak dan je v posodi ena rdeča kroglica več a) Dokažite, da Albert z verjetnostjo ena nekoč pride iz ječe b) Ko Alberta izpustijo, mu kralj izroči posodo s kroglicami (n rdečimi in eno zeleno, če je Albert v ječi prespal n-krat) Albert nato sam takoj izvleče eno kroglico Če je zelena, takoj zapusti deželo, sicer pa izvlečeno rdečo kroglico odvrže in tam prespi (tokrat na svobodi) Nato spet vleče kroglice (tokrat z eno rdečo manj) in če izvleče zeleno, deželo zapusti, sicer pa ponovno prespi Tako nadaljuje, vsakič z eno rdečo kroglico manj Recimo, da je Albert v tej deželi prespal natanko petkrat Kolikšna je pogojna verjetnost, da je v ječi prespal trikrat? 24 Iz posode, v kateri je sprva a rdečih in b belih kroglic, vlečemo kroglice Če izvlečemo rdečo, končamo, če izvlečemo belo, pa jo vrnemo v posodo in dodamo še k novih

17 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE 6 belih kroglic Seveda vsakič vlečemo na slepo Dokažite, da skoraj gotovo nekoč nehamo vleči Opomba: tovrstni protokoli vlečenja kroglic so znani kot Pólyeva 5 žara 25 Miranda je na nočni zabavi spoznala Ferdinanda V dneh po zabavi čaka na njegov klic Verjetnost, da jo Ferdinand prvič pokliče k-ti dan po zabavi, je enaka 3 k Vsako noč, ki sledi dnevu, ko Ferdinand Mirande ne pokliče, Miranda spozna novega fanta z verjetnostjo /0 Recimo, da je Ferdinand poklical Mirando Kolikšna je pogojna verjetnost, da je, preden jo je prvič poklical, že spoznala novega fanta? Privzamemo, da Miranda fante spoznava le ponoči in da Franc na posamezen dan pokliče Mirando neodvisno od tega, ali je prej spoznala novega fanta ali ne 5 György Pólya ( ), madžarski matematik judovskega rodu

18 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE 7 4 Slučajne spremenljivke Pojem porazdelitve, kumulativna porazdelitvena funkcija, porazdelitvena shema diskretno porazdeljene slučajne spremenljivke, porazdelitvena gostota zvezno porazdeljene slučajne spremenljivke Ugotavljanje in prepoznavanje porazdelitev Približni obrazci za binomsko porazdelitev Vrstilne karakteristike Transformacije (funkcije) slučajnih spremenljivk Generiranje slučajnih spremenljivk Diskretne slučajne spremenljivke Porazdelitev diskretne slučajne spremenljivke (t j take, ki svoje vrednosti zavzema le na končni ali števno neskončni množici) lahko opišemo s porazdelitveno shemo: ( ) a a X 2 a 3, p p 2 p 3 ki (če so vse vrednosti a i različne) pomeni P(X a ) p, P(X a 2 ) p 2 itd Velja: p + p 2 + p 3 + Slučajna spremenljivka X je diskretna natanko tedaj, ko njena verjetnostna funkcija: f X (x) P(X x) zadošča x f X(x) Vržemo standardno kocko in število pik, ki padejo, označimo z X Zapišite porazdelitev te slučajne spremenljivke Diskretna enakomerna porazdelitev na n-elementni množici {a, a 2,, a n } je porazdelitev na slepo izbranega elementa te množice, t j porazdelitev s shemo: ( ) a a 2 a n n n n Označevali jo bomo z E d {a, a 2,, a n } 2 Neodvisno vržemo dva poštena kovanca in standardno kocko Za vsako piko na kocki dobimo en evro, za vsako cifro na kovancu pa dva evra Slučajna spremenljivka S naj predstavlja skupni znesek v evrih, ki ga dobimo Zapišite njeno porazdelitev 3 Slučajna spremenljivka X ima diskretno porazdelitev z vrednostmi v množici {, 2,, 0} Verjetnost, da je X enaka določeni vrednosti iz te množice, je premo sorazmerna s to vrednostjo Izračunajte P(X > 3) 4 Naj bo X število šestic, ki padejo v desetih neodvisnih metih standardne kocke Zapišite porazdelitev te slučajne spremenljivke

19 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE 8 Bernoullijevo 6 zaporedje poskusov je zaporedje neodvisnih slučajnih poskusov, od katerih lahko vsak uspe ali ne uspe, in sicer vsak poskus uspe z isto verjetnostjo Binomska porazdelitev Bin(n, p) je porazdelitev števila uspelih poskusov v Bernoullijevem zaporedju n poskusov, od katerih vsak uspe z verjetnostjo p Če je X Bin(n, p), velja: ( ) n P(X k) p k ( p) n k ; k 0,,, n k 5 Šestkrat vržemo nepošten kovanec, pri katerem grb pade z verjetnostjo /3 Meti so med seboj neodvisni Kolikšna je verjetnost, da padeta več kot dva grba? Aproksimacija točkastih verjetnosti pri binomski porazdelitvi Naj bo X Bin(n, p) in n ter še k N 0 Če gre p 0 in je k np n, velja Poissonov 7 obrazec: P(X k) (np)k e np k! Če pa je p, p /n (ali, ekvivalentno, σ : np( p) ) in še k np σ 4/3, velja Laplaceova 8 lokalna formula: P(X k) σ 2π e (k np)2 /(2σ2) Meja med smotrnostjo uporabe Poissonovega obrazca in Laplaceove lokalne formule je za velike n približno pri p 0 6/ 3 n V okviru dometa aproksimacij lahko relativne napake pri aproksimaciji točkastih verjetnosti P(X k) navzgor omejimo s količinami naslednjih velikostnih redov: pri Poissonovi aproksimaciji: p + (k np)2 ; n 3 k np pri Laplaceovi lokalni formuli: + σ σ 4 ; 3 + k np k np pri Laplaceovi lokalni formuli, če je k Z + /2: σ 2 + σ 4 Izboljšave aproksimacij (asimptotski razvoj reda): ( ) ( ) pri Poissonovem obrazcu: P(X k) (np)k k (k np)2 exp np + (np)k p (k np)2 exp np + ; k! 2n k! 2n pri Laplaceovi lokalni formuli: P(X k) ( σ 2π exp x p ) 6σ (3x x3 ) ; pri Laplaceovi integralski formuli: P(X < k) ( 2 + Φ x + 2p ) 6σ (x2 ) (za k Z + /2); Označili smo x (k np)/σ Iz zgornjih izboljšanih aproksimacij lahko izpeljemo asimptotično obnašanje napake pri Poissonovi aproksimaciji in pri Laplaceovi lokalni formuli, če je /n p : max k P(X k) (np)k e np k! p 2σ 2π max x 2 x 2 /2 p e x 2σ 0 99 p 2π σ ; P(X k) (np)k e np k! p 2 x 2 x 2 /2 2p e dx p; 2π k 2πe 6 Jakob Bernoulli ( ), švicarski matematik 7 Siméon Denis Poisson (78 840), francoski matematik, geometer in fizik 8 Pierre-Simon de Laplace ( ), francoski matematik, astronom, fizik in politik

20 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE 9 ( ) max P(X k) k σ 2π exp (k np)2 2σ 2 6σ 2 2π max 3x x 3 x 2 /2 3 6 e x σ 2 2π 6 ( ) P(X k) σ 2π exp (k np)2 2σ k 2 6σ 3x x 3 x 2 /2 e dx 2π σ + 4 e 3/2 2π 3 Asimptotična meja med smotrnostjo uporabe Poissonove in Laplaceove aproksimacije bo torej: ( 2(3 /3 6) če gledamo maksimalno absolutno napako: pri p e 6)) (3 n / n /3 ; ( e če gledamo vsoto absolutnih napak: pri p /2 +4 e ) 2/3 n / n /3 e (3 6)/ σ 2 ; σ 6 Naj bo X spet število šestic, ki padejo v desetih neodvisnih metih standardne kocke Preverite, kako natančna sta Poissonov obrazec in Laplaceova lokalna formula pri izračunu P(X ) 7 50-krat vržemo nepošten kovanec, pri katerem je verjetnost, da pade grb, enaka 0 4 Meti so neodvisni Kolikšna je verjetnost, da bo padlo natanko 20 grbov? Točen rezultat primerjajte z rezultatoma, dobljenima po Poissonovem obrazcu in po Laplaceovi lokalni formuli 8 Verjetnost, da uporabnik stranišča potegne vodo, je 0 99 Kolikšna je verjetnost, da se pri 000 uporabah voda potegne natanko 990-krat? Aproksimacija intervalskih verjetnosti pri binomski porazdelitvi Če je X Bin(n, p), a b, σ : np( p) in je a np σ 4/3 ali b np σ 4/3 ter še a, b Z+ ali b a, velja Laplaceova integralska 2 formula: ( ) ( ) b np a np P(a < X < b) P(a X b) Φ Φ σ σ Funkcija Φ je Gaussov 9 verjetnostni integral: in je liha Graf: Φ(x) x e t2 /2 dt 2π Φ(x) x V literaturi so definicije funkcije Φ različne, zato je treba paziti! 9 V tovarni vsak dan proizvedejo 600 izdelkov Za vsakega je verjetnost, da bo okvarjen, enaka 0% Izdelki so med seboj neodvisni 9 Carl Friedrich Gauß ( ), nemški matematik

21 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE 20 a) Kolikšna je verjetnost, da bo okvarjenih natanko 60 izdelkov? Kolikšna pa je verjetnost, da bo okvarjenih natanko 75 izdelkov? b) Kolikšna je verjetnost, da bo okvarjenih več kot 75 izdelkov? Kaj pa, da bo okvarjenih manj kot 50 izdelkov? c) Okvarjene izdelke spravijo v skladišče, kjer jih popravijo in ki se dnevno prazni Najmanj kako veliko mora biti skladišče, če naj bo verjetnost, da bo premajhno, največ 0 05? 0 Zavarovalnica je proti nezgodi zavarovala 000 oseb Vsako od njih doleti nezgoda z verjetnostjo in osebe so med seboj neodvisne Kolikšna je verjetnost, da se noben zavarovanec ne ponesreči? Kolikšna pa je verjetnost, da se ponesrečita več kot dva? Točen rezultat primerjajte z rezultati, dobljenimi po Poissonovem obrazcu, Laplaceovi lokalni in Laplaceovi integralski formuli Verjetnost, da je izdelek prvovrsten, je 60% Najmanj koliko izdelkov približno moramo naročiti, če naj bo med naročenimi izdelki z verjetnostjo najmanj 0 99 vsaj 59% izdelkov prvovrstnih? Seveda privzamemo, da so posamezni izdelki med seboj neodvisni 2 Verjetnost, da je izdelek prvovrsten, je 0% Najmanj koliko izdelkov približno moramo naročiti, če naj bo med naročenimi izdelki z verjetnostjo najmanj 0 95 vsaj 00 izdelkov prvovrstnih? 3 Naj bo X število metov standardne kocke, ki jo mečemo, dokler ne pade šestica Meti so med seboj neodvisni Zapišite in poimenujte porazdelitev slučajne spremenljivke X Geometrijska porazdelitev je porazdelitev na N, pri kateri točkaste verjetnosti tvorijo geometrijsko zaporedje Natančneje, zapis X Geo(p), kjer je 0 < p, pomeni: P(X k) p( p) k ; k N Geometrijska porazdelitev je tudi porazdelitev števila poskusov do vključno prvega uspelega, če izvajamo Bernoullijevo zaporedje poskusov, pri katerih vsak uspe z verjetnostjo p 4 Naj bo X število metov standardne kocke, ki jo mečemo, dokler šestica ne pade desetkrat Meti so med seboj neodvisni Zapišite porazdelitev slučajne spremenljivke X

22 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE 2 Negativna binomska (Pascalova) 0 porazdelitev NegBin(n, p) je porazdelitev števila poskusov do vključno n-tega uspelega, če izvajamo Bernoullijevo zaporedje poskusov, pri katerih vsak uspe z verjetnostjo p Če je X NegBin(n, p), velja: ( ) k P(X k) p n ( p) k n ; k n, n +, n + 2, n POZOR! Marsikje v literaturi je negativna binomska porazdelitev pomaknjena za n v levo, t j: ( ) n + l P(Y l) p n ( p) l ; l 0,, 2, n To lahko interpretiramo tako, da uspelih poskusov ne štejemo v Y Tako premaknjena porazdelitev se da lepo posplošiti tudi na necele n > 0, tako da definiramo: ( ) n(n + ) (n + l ) P(Y l) p n ( p) l n p n (p ) l k! l Tej porazdelitvi često pravimo Pólyeva porazdelitev Uporablja se v statistiki za modeliranje raznih stvari, kot npr števila tropskih ciklonov v sezoni ali števila dni, ki jih pacient preživi v bolnišnici 5 Naj bo X število metov poštenega kovanca, ki ga mečemo, dokler ne pade cifra, takoj za njo pa še grb Meti so med seboj neodvisni Zapišite in poimenujte porazdelitev slučajne spremenljivke X Kaj pa, če kovanec ni pošten? 6 Naj bo X število metov poštenega kovanca, ki ga mečemo, dokler ne pade tako cifra kot tudi grb Meti so med seboj neodvisni Zapišite porazdelitev slučajne spremenljivke X Je le-ta kaj povezana s kako znano porazdelitvijo? 7 Med 6 kartami so štirje piki Na slepo in brez vračanja izvlečemo sedem kart Naj bo X število pikov med njimi Zapišite porazdelitev slučajne spremenljivke X 8 Pošten kovanec mečemo, dokler ne padeta dve zaporedni cifri, vendar največkrat 7- krat Označimo z X število metov Zapišite porazdelitev te slučajne spremenljivke Kaj pa, če umaknemo omejitev, da vržemo največ 7-krat? 0 Blaise Pascal ( ), francoski matematik, fizik, izumitelj, filozof, moralist in teolog György Pólya ( ), madžarski matematik judovskega rodu

23 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE 22 P(X k) Hipergeometrijska porazdelitev Iz posode, v kateri je n kroglic, od tega r rdečih, na slepo in brez vračanja izvlečemo s kroglic Če z X označimo število rdečih med izvlečenimi, ima ta slučajna spremenljivka hipergeometrijsko porazdelitev: X Hip(s, r, n) Hip(r, s, n) Velja: ( )( ) ( )( ) r n r s n s k s k k r k ( n s ) ( n r ) ; k 0,, 2, Opomba Če naredimo limito, ko gre n proti neskončno in r/n proti nekemu fiksnemu številu p, s pa ostane konstanten, je plavzibilno, da postanejo vlečenja med seboj neodvisna: dobimo torej Bernoullijevo zaporedje poskusov z verjetnostjo uspeha p V kakšnem smislu limito dobimo, bi bilo sicer treba še precizirati, a tukaj tega ne bomo storili Opazimo pa, da, brž ko je r, r 2, zaporedje z lim n r n /n p, za vsak k velja: ( )( ) s n s k r n k lim n ( ) n r n ( ) s (n s)! r n! (n r n )! lim n k r n k)! (n r n s + k)! n! ( ) s rn (r n ) (r n k + ) (n r n )(n r n ) (n r n s + k + ) lim n k n(n ) (n s + ) ( ) s lim p k ( p) s k n k Hipergeometrijska porazdelitev Hip(s, r, n), ki izhaja iz izvirnega poskusa, torej glede na točkaste verjetnosti konvergira proti binomski porazdelitvi Bin(s, p), ki izhaja iz limitnega Bernoullijevega zaporedja poskusov 9 Danih je 2 praznih škatel Mimo pride Janezek, na slepo izbere tri škatle in v vsako vrže po eno kroglico Mimo pride še Marička, na slepo (in neodvisno od Janezka) izbere štiri škatle in prav tako v vsako vrže po eno kroglico Naj bo X število škatel, v katerih sta dve kroglici Zapišite in poimenujte porazdelitev te slučajne spremenljivke Kaj pa porazdelitev števila škatel, v katerih ni nobene kroglice? 20 Na nekem izpitu dobi študent dve na slepo izbrani vprašanji izmed 0 možnih Študent se je učil le polovico vseh vprašanj Vendar pa na vsako vprašanje, ki se ga ni učil, z verjetnostjo 20% ugane odgovor Glede tega so vprašanja neodvisna, prav tako je študentova zmožnost ugibanja odgovorov neodvisna od izbire izpitnih vprašanj

24 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE 23 Slučajna spremenljivka U naj pove število vprašanj, ki se jih študent ni učil, je pa uganil odgovor Zapišite njeno porazdelitev numerično na 4 decimalke natančno 2 V dobro premešanem kupu šestih kart so tri rdeče in tri črne Iz kupa brez vračanja vlečemo karte, dokler črna karta ne sledi rdeči karti ali pa ne izvlečemo vseh kart Zapišite porazdelitev števila izvlečenih kart 22 V Pólyevi žari je sprva b belih in r rdečih kroglic Iz nje na slepo vlečemo kroglice Vsakič, ko izvlečemo kroglico posamezne barve, jo vrnemo v posodo in dodamo še eno kroglico enake barve Določite porazdelitev števila belih izvlečenih kroglic po n vlečenjih Kakšna je ta porazdelitev za b r? 23 Iz posode, v kateri je n kroglic, od tega r rdečih, na slepo in brez vračanja vlečemo kroglice, dokler ne izvlečemo s rdečih ( s r) Porazdelitvi števila izvlečenih kroglic pravimo negativna hipergeometrijska porazdelitev Določite jo 24 V Pólyevi žari je sprva a rdečih in b belih kroglic Iz nje na slepo vlečemo kroglice Če izvlečemo rdečo, končamo, če izvlečemo belo, pa jo vrnemo v posodo in dodamo še k novih belih kroglic V 24 nalogi iz 3 razdelka smo dokazali, da z verjetnostjo ena nekoč nehamo vleči Zapišite porazdelitev števila vlečenj Kumulativna porazdelitvena funkcija V splošnem porazdelitev opišemo z verjetnostmi P(X C) za vse merljive množice C Pri realnih slučajnih spremenljivkah pa zadostuje za C vzeti poltrake (, x] Tako dobimo kumulativno porazdelitveno funkcijo: F X (x) P(X x) 25 Narišite grafa kumulativnih porazdelitvenih funkcij slučajnih spremenljivk iz in 2 naloge 26 Na intervalu [ 2, 2] na slepo izberemo število Označimo z D oddaljenost tega števila od intervala [0, ] Izračunajte kumulativno porazdelitveno funkcijo slučajne spremenljivke D in narišite njen graf

25 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE 24 Realna slučajna spremenljivka X je porazdeljena zvezno, če za poljubna a b velja: P(a < X < b) P(a X b) To je natanko tedaj, ko za vsak x R velja: F X (x) x p X (t) dt b a p X (x) dx Poleg tega je to natanko tedaj, ko je kumulativna porazdelitvena funkcija F X absolutno zvezna veljata implikaciji: zvezna, odsekoma zvezno odvedljiva absolutno zvezna zvezna Za skoraj vsak x velja: p X (x) F X(x) lim h 0 F X (x + h) F X (x) h F X (x h) F X (x) lim h 0 h Za vsak x velja P(X x) 0 Velja tudi lim h 0 P(x < X x + h) h P(x h < X x) lim h 0 h p X (x) dx 27 Je slučajna spremenljivka D iz prejšnje naloge porazdeljena diskretno? Je porazdeljena zvezno? 28 Avtobus vozi na 0 minut, na postajo pa pridemo na slepo Slučajna spremenljivka X naj predstavlja čas čakanja na avtobus v minutah Zapišite kumulativno porazdelitveno funkcijo te slučajne spremenljivke Nadalje dokažite, da je porazdelitev zvezna, in zapišite še njeno gostoto 29 V kvadratu s stranico 2 na slepo izberemo točko Zapišite porazdelitev oddaljenosti te točke do najbližje stranice Zvezna enakomerna porazdelitev na intervalu (a, b) (a < b) je porazdelitev na slepo izbrane točke iz tega intervala To je porazdelitev z gostoto: ; a < x < b p(x) b a 0 ; sicer 30 Rok in Simona se dogovorita za zmenek natanko ob osmih pod starim zvonikom A v resnici prideta enkrat med 20:00 in 20:0, in sicer z enakomerno porazdelitvijo in

26 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE 25 neodvisno drug od drugega Ljubosumni Maks vse od 20:00 opreza za vogalom in čaka, dokler ne prideta obadva Slučajna spremenljivka M naj predstavlja, koliko časa (v minutah) je čakal Maks Zapišite kumulativno porazdelitveno funkcijo in gostoto te slučajne spremenljivke Kolikšna je verjetnost, da je Maks čakal med 5 in 6 minut? 3 Na slepo izberemo točko iz lika, ki ga sestavljajo točke, ki ležijo levo od ordinatne osi in so od izhodišča oddaljene največ, in točke, ki ležijo desno od ordinatne osi in so od izhodišča oddaljene največ 2 (glej sliko) Naj bo Z oddaljenost izbrane točke od izhodišča Zapišite kumulativno porazdelitveno funkcijo in gostoto porazdelitve te slučajne spremenljivke y x 32 Naj bo λ > 0 Slučajna spremenljivka X je porazdeljena zvezno z gostoto: { ce λx ; x > 0 p X (x) 0 ; sicer Izračunajte konstanto c in določite kumulativno porazdelitveno funkcijo F X (x) Izračunajte še P( < X < 2) Eksponentna porazdelitev je zvezna porazdelitev, skoncentrirana na intervalu [0, ) in katere gostota na tem intervalu je eksponentna funkcija Natančneje, porazdelitev Exp(λ) ima gostoto: { λe λx ; x > 0 p(x) 0 ; sicer 33 Slučajna spremenljivka X je porazdeljena diskretno po naslednji shemi: ( ) 0 2 X Zapišite porazdelitev slučajne spremenljivke Y X 2 34 Slučajna spremenljivka X je porazdeljena geometrijsko Geo(p) Zapišite porazdelitev slučajne spremenljivke Y : sin(πx/2) 35 Nekorektno zastavljen problem: kakšna je porazdelitev prve decimalke naključno izbranega pozitivnega realnega števila?

27 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE 26 Če želimo dobiti korekten problem, moramo sprejeti določene dodatne predpostavke, npr kakšno porazdelitev imamo v mislih, ko govorimo o naključnosti števila Števila, s katerimi se srečujemo, zavzemajo precej velik razpon, od zelo majhnih, kakršen je npr Planckov čas s, do zelo velikih, npr en kilogram vodika vsebuje približno atomov Privzemimo, da gostota porazdelitve v glavnini zaloge vrednosti ostane približno nespremenjena, če slučajno število pomnožimo s faktorjem reda velikosti od /0 do 0 To ustreza predpostavki, da gostota porazdelitve logaritma tega števila ostane približno nespremenjena, če temu logaritmu prištejemo število reda velikosti od do To pa je takrat, ko je gostota porazdelitve logaritma v glavnini približno konstantna Označimo dano slučajno število z X Njegovo prvo decimalko dobimo tako, da ga pomnožimo s tako celoštevilsko potenco števila 0, da se bo produkt nahajal med in 0 Označimo ta produkt z X; iskana decimalka bo njegov celi del tega produkta Če jo označimo z D, bo torej D X Ta postopek pa lahko spet opišemo z logaritmom: naj bo Y log 0 X Številu Y moramo najprej prišteti tako celo število, da se bo vsota nahajala med 0 in Označimo to vsoto z Ỹ to je neceli del števila Y Tedaj bo ravno X 0Ỹ, torej D 0Ỹ Slika: X 0 k X D log 0 0 Y +k Ỹ Če je gostota slučajne spremenljivke Y log 0 X v glavnini približno konstantna, je slučajna spremenljivke Ỹ porazdeljena približno enakomerno na intervalu (0, ) Pripadajoči korektno zastavljen problem bi bil torej naslednji: naj bo slučajna spremenljivka Ỹ porazdeljena enakomerno na (0, ) Kako je porazdeljena slučajna spremenljivka D 0Ỹ? Problem se da seveda posplošiti na poljubno osnovo: če je b 2 naravno število in Ỹ E z (0, ), kako je porazdeljena slučajna spremenljivka D bỹ? Tej porazdelitvi pravimo Benfordova porazdelitev Določite jo! 36 Naj bo a R in λ > 0 Slučajna spremenljivka X je porazdeljena eksponentno Exp(λ) Dokažite, da je slučajna spremenljivka Y (X + a) 2 zvezno porazdeljena, in zapišite njeno porazdelitveno gostoto 37 Na razpolago imamo generator slučajnih števil, ki generira enakomerno porazdelitev E z (0, ) Kako bi generirali porazdelitev slučajne spremenljivke X iz 33 naloge? Kaj pa eksponentno porazdelitev Exp(λ)?

28 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE 27 Število x α je kvantil slučajne spremenljivke X za verjetnost α, če velja: P(X < x α ) α P(X x α ) Kvantilu za verjetnost /2 pravimo mediana, kvantiloma za verjetnosti /3 in 2/3 pravimo prvi in drugi tercil, kvantili za verjetnosti /4, 2/4 in 3/4 so kvartili, kvantili za verjetnosti 0, 0 2,, 0 9 so decili, kvantili za verjetnosti 0 0, 0 02,, 0 09 pa so centili ali percentili 38 Slučajna spremenljivka X je porazdeljena diskretno po shemi: ( ) Določite x 03 in x 05 Če je X zvezno porazdeljena in je x α kvantil za verjetnost α, velja kar: F X (x α ) α Če ima X v okolici točke x α strogo pozitivno gostoto, je x α edini kvantil za verjetnost α Brž ko je torej gostota na nekem intervalu strogo pozitivna, izven tega intervala pa enaka nič, so kvantili za vse verjetnosti iz (0, ) natančno določeni 39 Določite vse kvantile slučajne spremenljivke, porazdeljene zvezno z gostoto: ; x 0 p X (x) ( + x) 2 0 ; sicer Posebej izračunajte še njeno mediano in semiinterkvartilni razmik 40 Naj bo X slučajna spremenljivka s kumulativno porazdelitveno funkcijo F a) Naj bo q kvantil slučajne spremenljivke X za verjetnost p Dokažite, da za vsak x veljajo naslednje implikacije: x < q F (x) p, F (x) < p x p, x > q F (x) p, F (x) > p x p Ali lahko katero od teh implikacij še okrepimo, tako da na levi strani dodamo enačaj in/ali ga na desni odvzamemo? b) Naj bo Q: (0, ) R kvantilna funkcija slučajne spremenljivke X, t j za vsak p (0, ) naj bo Q(p) kvantil slučajne spremenljivke X za verjetnost p Dokažite, da je Q (ne nujno strogo) naraščajoča

29 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE 28 c) Naj bo spet Q: (0, ) R kvantilna funkcija slučajne spremenljivke X Nadalje naj bo slučajna spremenljivka U porazdeljena zvezno enakomerno na intervalu (0, ) Dokažite, da ima slučajna spremenljivka Q(U) enako porazdelitev kot X To je torej splošni recept za generiranje porazdelitev Naj bo µ R in σ > 0 Normalna (Gaussova 2 ) porazdelitev N(µ, σ) je porazdelitev z gostoto: p(x) σ (x µ) 2 2π e 2σ 2 Normalna porazdelitev N(µ, 0) je porazdelitev, ki je skoncentrirana v µ (X N(µ, 0) pomeni P(X µ) ) Parametru µ pravimo pričakovana vrednost, parametru σ pa standardni odklon Standardna normalna porazdelitev N(0, ) ima potemtakem gostoto: p(x) 2π e x2 /2 in kumulativno porazdelitveno funkcijo F (x) 2 + Φ(x) 4 Slučajna spremenljivka Z je porazdeljena standardno normalno Izračunajte P(Z < 5) Naj bo X zvezno porazdeljena slučajna spremenljivka z gostoto p X in skoncentrirana na intervalu (a, b) Nadalje naj bo h: (a, b) (c, d) bijektivna zvezno odvedljiva preslikava, katere odvod ni nikjer enak 0 Tedaj ima slučajna spremenljivka Y : h(x) gostoto: { ( px h p Y (y) (y) ) (h ) (y) ; c < y < d 0 ; sicer Slika: Ω X Y (a, b) h (c, d) p X [0, ) p Y 42 Slučajna spremenljivka X je porazdeljena normalno N(µ, σ) Kako je porazdeljena slučajna spremenljivka Y : ax + b? 2 Carl Friedrich Gauß( ), nemški matematik

30 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE 29 Če je X N(µ, σ), velja: ( ) ( ) b µ a µ P(a < X < b) P(a X b) Φ Φ σ σ Laplaceova integralska formula tako ne pomeni nič drugega kot to, da za velike n in za p, ki ni preblizu 0 ali, velja: Bin(n, p) N ( np, npq ) kjer je q p 43 Slučajna spremenljivka X je porazdeljena normalno N(9, 5) Izračunajte P(X < 0) Porazdelitev gama, ki jo bomo označevali z Gama(a, λ), je zvezna porazdelitev z gostoto: λ a p(x) Γ(a) xa e λx ; x > 0 0 ; sicer Poseben primer te porazdelitve je eksponentna porazdelitev Exp(λ) Gama(, λ) 44 Če je X Gama(a, λ) in k > 0, določite porazdelitev slučajne spremenljivke Y kx 45 Slučajna spremenljivka X je porazdeljena standardno normalno Določite porazdelitev slučajne spremenljivke Y e X 46 Slučajna spremenljivka R ima Rayleighovo 3 porazdelitev, t j porazdelitev z gostoto: { ar e ar2 /2 ; r > 0 p R (r) 0 ; sicer (to je porazdelitev razdalje, za katero se po določenem času premakne delec, ki se giblje v skladu z ravninskim Brownovim gibanjem) a) Določite porazdelitev slučajne spremenljivke R 2 b) Slučajnima spremenljivkama R in R 2 določite 95 centil Namig: katerega je lažje izračunati? 3 John William Strutt, 3 rd Baron Rayleigh (842 99), angleški fizik

31 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE 30 Naj bo X zvezno porazdeljena slučajna spremenljivka z gostoto p X in skoncentrirana na odprti množici A R n Nadalje naj bo dana zvezno odvedljiva bijekcija h: A B, pri čemer naj bo h (x) 0 za vse x A Tedaj ima slučajna spremenljivka Y : h(x) gostoto: { ( px h (y) ) (h ) (y) ; y B p Y (y) 0 ; sicer Opomba Iz izreka o inverzni funkciji sledi, da je potem tudi B odprta in h : B A zvezno odvedljiva A X Slika: Ω h Y B p X [0, ) p Y 47 Naj bo λ > 0 in a R Slučajna spremenljivka X naj bo porazdeljena eksponentno Exp(λ) Kako je porazdeljena slučajna spremenljivka Y : e ax? Naj bo X zvezno porazdeljena slučajna spremenljivka z gostoto p X in skoncentrirana na dovolj lepi množici A Če je h: A R dovolj lepa funkcija in: P ( h v X ni odvedljiva ali h (X) 0 ) 0, je slučajna spremenljivka Y porazdeljena zvezno z gostoto: p Y (y) x A h(x)y h odvedljiva v x h (x) 0 p X (x) h (x) 48 Slučajna spremenljivka X je porazdeljena standardno normalno Določite porazdelitvi slučajnih spremenljivk Y X 2 in Z (X ) 2

32 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE 3 5 Slučajni vektorji Skupne (navzkrižne) in robne porazdelitve Neodvisnost slučajnih spremenljivk Transformacije slučajnih vektorjev Diskretni slučajni vektorji Porazdelitev slučajnega vektorja (X, Y ) podamo z verjetnostmi P ( (X, Y ) (x, y) ) P(X x, Y y) (skupna ali navzkrižna porazdelitev slučajnih spremenljivk X in Y ) Porazdelitve komponent imenujemo robne porazdelitve: P(X x) y P(X x, Y y) P(Y y) x P(X x, Y y) X in Y sta neodvisni, brž ko za poljubna x in y velja P(X x, Y y) P(X x) P(Y y) Iz posode, v kateri so 3 rdeče, 2 modri in 5 belih kroglic, na slepo in brez vračanja izvlečemo tri kroglice Naj bo R število rdečih, M pa število modrih med njimi Zapišite porazdelitev slučajnega vektorja (R, M) ter določite in poimenujte še robni porazdelitvi Sta slučajni spremenljivki R in M neodvisni? Zapišite in poimenujte še porazdelitev slučajne spremenljivke R + M 2 Slučajni spremenljivki R in M sta neodvisni in porazdeljeni hipergeometrijsko: R Hip(3, 3, 0), M Hip(3, 2, 0) Zapišite porazdelitev slučajne spremenljivke R + M 3 Slučajni vektor (X, Y ) je porazdeljen po naslednji shemi: Y Y 2 X a 3 a2 3 a2 X 2 a 6 6 a) Za katere vrednosti parametra a je z zgornjo shemo določena porazdelitev slučajnega vektorja? b) Pri katerih vrednostih parametra a sta X in Y enako porazdeljeni? c) Pri katerih vrednostih parametra a sta X in Y skoraj gotovo enaki? d) Pri katerih vrednostih parametra a sta X in Y neodvisni?

33 M RAIČ: VAJE IZ VERJETNOSTI IN STATISTIKE 32 4 Slučajni vektor (X, Y ) je porazdeljen po naslednji shemi: Y 0 Y Y 2 X X 0 0 X 0 05 Dopolnite tabelo tako, da bosta slučajni spremenljivki X in Y neodvisni Poiščite še robni porazdelitvi in porazdelitev razlike Y X Diskretni slučajni spremenljivki s končno zalogo vrednosti sta neodvisni natanko tedaj, ko ima matrika njune navzkrižne porazdelitve rang ena Diskretne slučajne spremenljivke X, X 2,, X n so neodvisne, če za poljubne x, x 2,, x n velja: P(X x, X 2 x 2,, X n x n ) P(X x ) P(X 2 x 2 ) P(X n x n ) 5 Dane so neodvisne slučajne spremenljivke X, X 2, X 3 Ber(0 3) Določite porazdelitev njihove vsote S : X + X 2 + X 3 Splošneje, naj bodo X,, X n Ber(p) neodvisne slučajne spremenljivke Kako je porazdeljena vsota S : X + + X n? Posledica Če sta S Bin(m, p) in T Bin(n, p) neodvisni slučajni spremenljivki, je U : S + T Bin(m + n, p) Poissonova porazdelitev Slučajna spremenljivka X ima Poissonovo porazdelitev, kar označimo z X Poi(λ), če velja: P(X k) λk e λ ; k 0,, 2, k! Poissonova porazdelitev je torej limita binomske porazdelitve Bin(n, p), ko gre n in np λ 6 Naj bosta S Poi(λ) in T Poi(µ) neodvisni slučajni spremenljivki Kako je porazdeljena slučajna spremenljivka U : S + T? 7 Naj bodo X,, X n Geo(p) neodvisne slučajne spremenljivke Kako je porazdeljena vsota S : X + + X n? Posledica Če sta S NegBin(m, p) in T NegBin(n, p) neodvisni slučajni spremenljivki, je U : S + T NegBin(m + n, p)

Odvod. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 5. december Gregor Dolinar Matematika 1

Odvod. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 5. december Gregor Dolinar Matematika 1 Matematika 1 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 5. december 2013 Primer Odvajajmo funkcijo f(x) = x x. Diferencial funkcije Spomnimo se, da je funkcija f odvedljiva v točki

Διαβάστε περισσότερα

Funkcijske vrste. Matematika 2. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 2. april Gregor Dolinar Matematika 2

Funkcijske vrste. Matematika 2. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 2. april Gregor Dolinar Matematika 2 Matematika 2 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 2. april 2014 Funkcijske vrste Spomnimo se, kaj je to številska vrsta. Dano imamo neko zaporedje realnih števil a 1, a 2, a

Διαβάστε περισσότερα

Zaporedja. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 22. oktober Gregor Dolinar Matematika 1

Zaporedja. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 22. oktober Gregor Dolinar Matematika 1 Matematika 1 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 22. oktober 2013 Kdaj je zaporedje {a n } konvergentno, smo definirali s pomočjo limite zaporedja. Večkrat pa je dobro vedeti,

Διαβάστε περισσότερα

Bernoullijevo zaporedje neodvisnih poskusov

Bernoullijevo zaporedje neodvisnih poskusov A. Jurišić in V. Batagelj: Verjetnostni račun in statistika 45 Bernoullijevo zaporedje neodvisnih poskusov O zaporedju neodvisnih poskusov X 1, X 2,, X n, govorimo tedaj, ko so verjetnosti izidov v enem

Διαβάστε περισσότερα

Odvod. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 10. december Gregor Dolinar Matematika 1

Odvod. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 10. december Gregor Dolinar Matematika 1 Matematika 1 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 10. december 2013 Izrek (Rolleov izrek) Naj bo f : [a,b] R odvedljiva funkcija in naj bo f(a) = f(b). Potem obstaja vsaj ena

Διαβάστε περισσότερα

Funkcije. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 14. november Gregor Dolinar Matematika 1

Funkcije. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 14. november Gregor Dolinar Matematika 1 Matematika 1 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 14. november 2013 Kvadratni koren polinoma Funkcijo oblike f(x) = p(x), kjer je p polinom, imenujemo kvadratni koren polinoma

Διαβάστε περισσότερα

SKUPNE PORAZDELITVE VEČ SLUČAJNIH SPREMENLJIVK

SKUPNE PORAZDELITVE VEČ SLUČAJNIH SPREMENLJIVK SKUPNE PORAZDELITVE SKUPNE PORAZDELITVE VEČ SLUČAJNIH SPREMENLJIVK Kovaec vržemo trikrat. Z ozačimo število grbov ri rvem metu ( ali ), z Y a skuo število grbov (,, ali 3). Kako sta sremelivki i Y odvisi

Διαβάστε περισσότερα

Tretja vaja iz matematike 1

Tretja vaja iz matematike 1 Tretja vaja iz matematike Andrej Perne Ljubljana, 00/07 kompleksna števila Polarni zapis kompleksnega števila z = x + iy): z = rcos ϕ + i sin ϕ) = re iϕ Opomba: Velja Eulerjeva formula: e iϕ = cos ϕ +

Διαβάστε περισσότερα

Diferencialna enačba, v kateri nastopata neznana funkcija in njen odvod v prvi potenci

Diferencialna enačba, v kateri nastopata neznana funkcija in njen odvod v prvi potenci Linearna diferencialna enačba reda Diferencialna enačba v kateri nastopata neznana funkcija in njen odvod v prvi potenci d f + p= se imenuje linearna diferencialna enačba V primeru ko je f 0 se zgornja

Διαβάστε περισσότερα

REˇSITVE. Naloga a. b. c. d Skupaj. FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Verjetnost 2. kolokvij 23.

REˇSITVE. Naloga a. b. c. d Skupaj. FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Verjetnost 2. kolokvij 23. Ime in priimek: Vpisna št: FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Verjetnost. kolokvij 3. januar 08 Navodila Pazljivo preberite besedilo naloge, preden se lotite reševanja. Nalog je 6,

Διαβάστε περισσότερα

KODE ZA ODKRIVANJE IN ODPRAVLJANJE NAPAK

KODE ZA ODKRIVANJE IN ODPRAVLJANJE NAPAK 1 / 24 KODE ZA ODKRIVANJE IN ODPRAVLJANJE NAPAK Štefko Miklavič Univerza na Primorskem MARS, Avgust 2008 Phoenix 2 / 24 Phoenix 3 / 24 Phoenix 4 / 24 Črtna koda 5 / 24 Črtna koda - kontrolni bit 6 / 24

Διαβάστε περισσότερα

Definicija. definiramo skalarni produkt. x i y i. in razdaljo. d(x, y) = x y = < x y, x y > = n (x i y i ) 2. i=1. i=1

Definicija. definiramo skalarni produkt. x i y i. in razdaljo. d(x, y) = x y = < x y, x y > = n (x i y i ) 2. i=1. i=1 Funkcije več realnih spremenljivk Osnovne definicije Limita in zveznost funkcije več spremenljivk Parcialni odvodi funkcije več spremenljivk Gradient in odvod funkcije več spremenljivk v dani smeri Parcialni

Διαβάστε περισσότερα

Funkcije. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 21. november Gregor Dolinar Matematika 1

Funkcije. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 21. november Gregor Dolinar Matematika 1 Matematika 1 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 21. november 2013 Hiperbolične funkcije Hiperbolični sinus sinhx = ex e x 2 20 10 3 2 1 1 2 3 10 20 hiperbolični kosinus coshx

Διαβάστε περισσότερα

IZPIT IZ ANALIZE II Maribor,

IZPIT IZ ANALIZE II Maribor, Maribor, 05. 02. 200. (a) Naj bo f : [0, 2] R odvedljiva funkcija z lastnostjo f() = f(2). Dokaži, da obstaja tak c (0, ), da je f (c) = 2f (2c). (b) Naj bo f(x) = 3x 3 4x 2 + 2x +. Poišči tak c (0, ),

Διαβάστε περισσότερα

Zaporedja. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 15. oktober Gregor Dolinar Matematika 1

Zaporedja. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 15. oktober Gregor Dolinar Matematika 1 Matematika 1 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 15. oktober 2013 Oglejmo si, kako množimo dve kompleksni števili, dani v polarni obliki. Naj bo z 1 = r 1 (cosϕ 1 +isinϕ 1 )

Διαβάστε περισσότερα

Funkcije. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 12. november Gregor Dolinar Matematika 1

Funkcije. Matematika 1. Gregor Dolinar. Fakulteta za elektrotehniko Univerza v Ljubljani. 12. november Gregor Dolinar Matematika 1 Matematika 1 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 12. november 2013 Graf funkcije f : D R, D R, je množica Γ(f) = {(x,f(x)) : x D} R R, torej podmnožica ravnine R 2. Grafi funkcij,

Διαβάστε περισσότερα

1.3 Vsota diskretnih slučajnih spremenljivk

1.3 Vsota diskretnih slučajnih spremenljivk .3 Vsota diskretnih slučajnih spremenljivk Naj bosta X in Y neodvisni Bernoullijevo porazdeljeni spremenljivki, B(p). Kako je porazdeljena njuna vsota? Označimo Z = X + Y. Verjetnost, da je P (Z = z) za

Διαβάστε περισσότερα

VAJE IZ OSNOV VERJETNOSTI IN STATISTIKE. Martin Raič

VAJE IZ OSNOV VERJETNOSTI IN STATISTIKE. Martin Raič VAJE IZ OSNOV VERJETNOSTI IN STATISTIKE Martin Raič Datum zadnje spremembe: 3. januar 2016 Kazalo 1. Osnove kombinatorike 3 2. Elementarna verjetnost 4 3. Pogojna verjetnost 6 4. Diskretne slučajne spremenljivke

Διαβάστε περισσότερα

*M * Osnovna in višja raven MATEMATIKA NAVODILA ZA OCENJEVANJE. Sobota, 4. junij 2011 SPOMLADANSKI IZPITNI ROK. Državni izpitni center

*M * Osnovna in višja raven MATEMATIKA NAVODILA ZA OCENJEVANJE. Sobota, 4. junij 2011 SPOMLADANSKI IZPITNI ROK. Državni izpitni center Državni izpitni center *M40* Osnovna in višja raven MATEMATIKA SPOMLADANSKI IZPITNI ROK NAVODILA ZA OCENJEVANJE Sobota, 4. junij 0 SPLOŠNA MATURA RIC 0 M-40-- IZPITNA POLA OSNOVNA IN VIŠJA RAVEN 0. Skupaj:

Διαβάστε περισσότερα

Booleova algebra. Izjave in Booleove spremenljivke

Booleova algebra. Izjave in Booleove spremenljivke Izjave in Booleove spremenljivke vsako izjavo obravnavamo kot spremenljivko če je izjava resnična (pravilna), ima ta spremenljivka vrednost 1, če je neresnična (nepravilna), pa vrednost 0 pravimo, da gre

Διαβάστε περισσότερα

matrike A = [a ij ] m,n αa 11 αa 12 αa 1n αa 21 αa 22 αa 2n αa m1 αa m2 αa mn se števanje po komponentah (matriki morata biti enakih dimenzij):

matrike A = [a ij ] m,n αa 11 αa 12 αa 1n αa 21 αa 22 αa 2n αa m1 αa m2 αa mn se števanje po komponentah (matriki morata biti enakih dimenzij): 4 vaja iz Matematike 2 (VSŠ) avtorica: Melita Hajdinjak datum: Ljubljana, 2009 matrike Matrika dimenzije m n je pravokotna tabela m n števil, ki ima m vrstic in n stolpcev: a 11 a 12 a 1n a 21 a 22 a 2n

Διαβάστε περισσότερα

Na pregledni skici napišite/označite ustrezne točke in paraboli. A) 12 B) 8 C) 4 D) 4 E) 8 F) 12

Na pregledni skici napišite/označite ustrezne točke in paraboli. A) 12 B) 8 C) 4 D) 4 E) 8 F) 12 Predizpit, Proseminar A, 15.10.2015 1. Točki A(1, 2) in B(2, b) ležita na paraboli y = ax 2. Točka H leži na y osi in BH je pravokotna na y os. Točka C H leži na nosilki BH tako, da je HB = BC. Parabola

Διαβάστε περισσότερα

Osnove matematične analize 2016/17

Osnove matematične analize 2016/17 Osnove matematične analize 216/17 Neža Mramor Kosta Fakulteta za računalništvo in informatiko Univerza v Ljubljani Kaj je funkcija? Funkcija je predpis, ki vsakemu elementu x iz definicijskega območja

Διαβάστε περισσότερα

Izpeljava Jensenove in Hölderjeve neenakosti ter neenakosti Minkowskega

Izpeljava Jensenove in Hölderjeve neenakosti ter neenakosti Minkowskega Izeljava Jensenove in Hölderjeve neenakosti ter neenakosti Minkowskega 1. Najosnovnejše o konveksnih funkcijah Definicija. Naj bo X vektorski rostor in D X konveksna množica. Funkcija ϕ: D R je konveksna,

Διαβάστε περισσότερα

NEPARAMETRIČNI TESTI. pregledovanje tabel hi-kvadrat test. as. dr. Nino RODE

NEPARAMETRIČNI TESTI. pregledovanje tabel hi-kvadrat test. as. dr. Nino RODE NEPARAMETRIČNI TESTI pregledovanje tabel hi-kvadrat test as. dr. Nino RODE Parametrični in neparametrični testi S pomočjo z-testa in t-testa preizkušamo domneve o parametrih na vzorcih izračunamo statistike,

Διαβάστε περισσότερα

PONOVITEV SNOVI ZA 4. TEST

PONOVITEV SNOVI ZA 4. TEST PONOVITEV SNOVI ZA 4. TEST 1. * 2. *Galvanski člen z napetostjo 1,5 V požene naboj 40 As. Koliko električnega dela opravi? 3. ** Na uporniku je padec napetosti 25 V. Upornik prejme 750 J dela v 5 minutah.

Διαβάστε περισσότερα

1. Definicijsko območje, zaloga vrednosti. 2. Naraščanje in padanje, ekstremi. 3. Ukrivljenost. 4. Trend na robu definicijskega območja

1. Definicijsko območje, zaloga vrednosti. 2. Naraščanje in padanje, ekstremi. 3. Ukrivljenost. 4. Trend na robu definicijskega območja ZNAČILNOSTI FUNKCIJ ZNAČILNOSTI FUNKCIJE, KI SO RAZVIDNE IZ GRAFA. Deinicijsko območje, zaloga vrednosti. Naraščanje in padanje, ekstremi 3. Ukrivljenost 4. Trend na robu deinicijskega območja 5. Periodičnost

Διαβάστε περισσότερα

Kontrolne karte uporabljamo za sprotno spremljanje kakovosti izdelka, ki ga izdelujemo v proizvodnem procesu.

Kontrolne karte uporabljamo za sprotno spremljanje kakovosti izdelka, ki ga izdelujemo v proizvodnem procesu. Kontrolne karte KONTROLNE KARTE Kontrolne karte uporablamo za sprotno spremlane kakovosti izdelka, ki ga izdeluemo v proizvodnem procesu. Izvaamo stalno vzorčene izdelkov, npr. vsako uro, vsake 4 ure.

Διαβάστε περισσότερα

Funkcije več spremenljivk

Funkcije več spremenljivk DODATEK C Funkcije več spremenljivk C.1. Osnovni pojmi Funkcija n spremenljivk je predpis: f : D f R, (x 1, x 2,..., x n ) u = f (x 1, x 2,..., x n ) kjer D f R n imenujemo definicijsko območje funkcije

Διαβάστε περισσότερα

Splošno o interpolaciji

Splošno o interpolaciji Splošno o interpolaciji J.Kozak Numerične metode II (FM) 2011-2012 1 / 18 O funkciji f poznamo ali hočemo uporabiti le posamezne podatke, na primer vrednosti r i = f (x i ) v danih točkah x i Izberemo

Διαβάστε περισσότερα

Kotni funkciji sinus in kosinus

Kotni funkciji sinus in kosinus Kotni funkciji sinus in kosinus Oznake: sinus kota x označujemo z oznako sin x, kosinus kota x označujemo z oznako cos x, DEFINICIJA V PRAVOKOTNEM TRIKOTNIKU: Kotna funkcija sinus je definirana kot razmerje

Διαβάστε περισσότερα

VAJE IZ MATEMATIKE za študente gozdarstva. Martin Raič

VAJE IZ MATEMATIKE za študente gozdarstva. Martin Raič VAJE IZ MATEMATIKE za študente gozdarstva Martin Raič OSNUTEK Kazalo 1. Ponovitev 2 2. Ravninska in prostorska geometrija 5 3. Linearna algebra 7 4. Ponavljanje pred kolokvijem 8 M. RAIČ: VAJE IZ MATEMATIKE(GOZDARSTVO)

Διαβάστε περισσότερα

Matematika 1. Gabrijel Tomšič Bojan Orel Neža Mramor Kosta

Matematika 1. Gabrijel Tomšič Bojan Orel Neža Mramor Kosta Matematika Gabrijel Tomšič Bojan Orel Neža Mramor Kosta 6. november 200 Poglavje 2 Zaporedja in številske vrste 2. Zaporedja 2.. Uvod Definicija 2... Zaporedje (a n ) = a, a 2,..., a n,... je predpis,

Διαβάστε περισσότερα

VAJE IZ SLUČAJNIH PROCESOV 1. Martin Raič in Aleš Toman

VAJE IZ SLUČAJNIH PROCESOV 1. Martin Raič in Aleš Toman VAJE IZ SLUČAJNIH PROCESOV 1 Martin Raič in Aleš Toman Datum zadnje spremembe: 24. junij 214 Kazalo 1. Ponovitev izbranih tem iz teorije verjetnosti 2 2. Procesi štetja 5 3. Homogeni Poissonov proces 7

Διαβάστε περισσότερα

Kotne in krožne funkcije

Kotne in krožne funkcije Kotne in krožne funkcije Kotne funkcije v pravokotnem trikotniku Avtor: Rok Kralj, 4.a Gimnazija Vič, 009/10 β a c γ b α sin = a c cos= b c tan = a b cot = b a Sinus kota je razmerje kotu nasprotne katete

Διαβάστε περισσότερα

UL FGG GR B II - Verjetnostni račun in statistika. Poskus, izid. Dogodek. Notes. Notes. Notes. Uvod. Osnovni pojmi.

UL FGG GR B II - Verjetnostni račun in statistika. Poskus, izid. Dogodek. Notes. Notes. Notes. Uvod. Osnovni pojmi. UL FGG GR B II - Verjetnostni račun in statistika Marjeta Kramar Fijavž, oktober 2014 Uvod Osnovni pojmi Poskus in dogodek Računanje z dogodki Definicije verjetnosti Pogojna verjetnost, neodvisnost dogodkov

Διαβάστε περισσότερα

Podobnost matrik. Matematika II (FKKT Kemijsko inženirstvo) Diagonalizacija matrik

Podobnost matrik. Matematika II (FKKT Kemijsko inženirstvo) Diagonalizacija matrik Podobnost matrik Matematika II (FKKT Kemijsko inženirstvo) Matjaž Željko FKKT Kemijsko inženirstvo 14 teden (Zadnja sprememba: 23 maj 213) Matrika A R n n je podobna matriki B R n n, če obstaja obrnljiva

Διαβάστε περισσότερα

Enačba, v kateri poleg neznane funkcije neodvisnih spremenljivk ter konstant nastopajo tudi njeni odvodi, se imenuje diferencialna enačba.

Enačba, v kateri poleg neznane funkcije neodvisnih spremenljivk ter konstant nastopajo tudi njeni odvodi, se imenuje diferencialna enačba. 1. Osnovni pojmi Enačba, v kateri poleg neznane funkcije neodvisnih spremenljivk ter konstant nastopajo tudi njeni odvodi, se imenuje diferencialna enačba. Primer 1.1: Diferencialne enačbe so izrazi: y

Διαβάστε περισσότερα

vezani ekstremi funkcij

vezani ekstremi funkcij 11. vaja iz Matematike 2 (UNI) avtorica: Melita Hajdinjak datum: Ljubljana, 2009 ekstremi funkcij več spremenljivk nadaljevanje vezani ekstremi funkcij Dana je funkcija f(x, y). Zanimajo nas ekstremi nad

Διαβάστε περισσότερα

FAKULTETA ZA STROJNIŠTVO Matematika 4 Pisni izpit 22. junij Navodila

FAKULTETA ZA STROJNIŠTVO Matematika 4 Pisni izpit 22. junij Navodila FAKULTETA ZA STROJNIŠTVO Matematika 4 Pisni izpit 22 junij 212 Ime in priimek: Vpisna št: Navodila Pazljivo preberite besedilo naloge, preden se lotite reševanja Veljale bodo samo rešitve na papirju, kjer

Διαβάστε περισσότερα

II. LIMITA IN ZVEZNOST FUNKCIJ

II. LIMITA IN ZVEZNOST FUNKCIJ II. LIMITA IN ZVEZNOST FUNKCIJ. Preslikave med množicami Funkcija ali preslikava med dvema množicama A in B je predpis f, ki vsakemu elementu x množice A priredi natanko določen element y množice B. Važno

Διαβάστε περισσότερα

1 Fibonaccijeva stevila

1 Fibonaccijeva stevila 1 Fibonaccijeva stevila Fibonaccijevo število F n, kjer je n N, lahko definiramo kot število načinov zapisa števila n kot vsoto sumandov, enakih 1 ali Na primer, število 4 lahko zapišemo v obliki naslednjih

Διαβάστε περισσότερα

Spoznajmo sedaj definicijo in nekaj osnovnih primerov zaporedij števil.

Spoznajmo sedaj definicijo in nekaj osnovnih primerov zaporedij števil. Zaporedja števil V matematiki in fiziki pogosto operiramo s približnimi vrednostmi neke količine. Pri numeričnemu računanju lahko npr. število π aproksimiramo s števili, ki imajo samo končno mnogo neničelnih

Διαβάστε περισσότερα

Osnove elektrotehnike uvod

Osnove elektrotehnike uvod Osnove elektrotehnike uvod Uvod V nadaljevanju navedena vprašanja so prevod testnih vprašanj, ki sem jih našel na omenjeni spletni strani. Vprašanja zajemajo temeljna znanja opredeljenega strokovnega področja.

Διαβάστε περισσότερα

Matematika vaja. Matematika FE, Ljubljana, Slovenija Fakulteta za Elektrotehniko 1000 Ljubljana, Tržaška 25, Slovenija

Matematika vaja. Matematika FE, Ljubljana, Slovenija Fakulteta za Elektrotehniko 1000 Ljubljana, Tržaška 25, Slovenija Matematika 1 3. vaja B. Jurčič Zlobec 1 1 Univerza v Ljubljani, Fakulteta za Elektrotehniko 1000 Ljubljana, Tržaška 25, Slovenija Matematika FE, Ljubljana, Slovenija 2011 Določi stekališča zaporedja a

Διαβάστε περισσότερα

Delovna točka in napajalna vezja bipolarnih tranzistorjev

Delovna točka in napajalna vezja bipolarnih tranzistorjev KOM L: - Komnikacijska elektronika Delovna točka in napajalna vezja bipolarnih tranzistorjev. Določite izraz za kolektorski tok in napetost napajalnega vezja z enim virom in napetostnim delilnikom na vhod.

Διαβάστε περισσότερα

Vaje iz MATEMATIKE 8. Odvod funkcije., pravimo, da je funkcija f odvedljiva v točki x 0 z odvodom. f (x f(x 0 + h) f(x 0 ) 0 ) := lim

Vaje iz MATEMATIKE 8. Odvod funkcije., pravimo, da je funkcija f odvedljiva v točki x 0 z odvodom. f (x f(x 0 + h) f(x 0 ) 0 ) := lim Študij AHITEKTURE IN URBANIZMA, šol l 06/7 Vaje iz MATEMATIKE 8 Odvod funkcije f( Definicija: Naj bo f definirana na neki okolici točke 0 Če obstaja lim 0 +h f( 0 h 0 h, pravimo, da je funkcija f odvedljiva

Διαβάστε περισσότερα

Arjana Žitnik. Rešene naloge iz kolokvijev in izpitov pri predmetu

Arjana Žitnik. Rešene naloge iz kolokvijev in izpitov pri predmetu Arjana Žitnik Rešene naloge iz kolokvijev in izpitov pri predmetu DISKRETNA MATEMATIKA 1 Študijsko gradivo za študente 1. letnika Finančne matematike Ljubljana, 2016 NASLOV: Rešene naloge iz kolokvijev

Διαβάστε περισσότερα

INŽENIRSKA MATEMATIKA I

INŽENIRSKA MATEMATIKA I INŽENIRSKA MATEMATIKA I REŠENE NALOGE za izredne študente VSŠ Tehnično upravljanje nepremičnin Marjeta Škapin Rugelj Fakulteta za gradbeništvo in geodezijo Kazalo Števila in preslikave 5 Vektorji 6 Analitična

Διαβάστε περισσότερα

Verjetnostni račun in statistika

Verjetnostni račun in statistika FRI, Verjetnostni račun in statistika Aleksandar Jurišić Ljubljana, 1. oktober 2007 različica: 29. november 2007 / 20 : 09 A. Jurišić in V. Batagelj: Verjetnostni račun in statistika 6 Aleksandar Jurišić

Διαβάστε περισσότερα

Reševanje sistema linearnih

Reševanje sistema linearnih Poglavje III Reševanje sistema linearnih enačb V tem kratkem poglavju bomo obravnavali zelo uporabno in zato pomembno temo linearne algebre eševanje sistemov linearnih enačb. Spoznali bomo Gaussovo (natančneje

Διαβάστε περισσότερα

Frekvenčna analiza neperiodičnih signalov. Analiza signalov prof. France Mihelič

Frekvenčna analiza neperiodičnih signalov. Analiza signalov prof. France Mihelič Frekvenčna analiza neperiodičnih signalov Analiza signalov prof. France Mihelič Vpliv postopka daljšanja periode na spekter periodičnega signala Opazujmo družino sodih periodičnih pravokotnih impulzov

Διαβάστε περισσότερα

Maja Pohar Perme. Verjetnost in statistika z nalogami

Maja Pohar Perme. Verjetnost in statistika z nalogami Maja Pohar Perme Verjetnost in statistika z nalogami Ljubljana, 2014 Skripte Ekonomske fakultete Maja Pohar Perme Verjetnost in statistika z nalogami Založila : Šifra: Recenzenta: Objavljeno na spletni

Διαβάστε περισσότερα

Matematika I (VS) Univerza v Ljubljani, FE. Melita Hajdinjak 2013/14. Pregled elementarnih funkcij. Potenčna funkcija. Korenska funkcija.

Matematika I (VS) Univerza v Ljubljani, FE. Melita Hajdinjak 2013/14. Pregled elementarnih funkcij. Potenčna funkcija. Korenska funkcija. 1 / 46 Univerza v Ljubljani, FE Potenčna Korenska Melita Hajdinjak Matematika I (VS) Kotne 013/14 / 46 Potenčna Potenčna Funkcijo oblike f() = n, kjer je n Z, imenujemo potenčna. Število n imenujemo eksponent.

Διαβάστε περισσότερα

V tem poglavju bomo vpeljali pojem determinante matrike, spoznali bomo njene lastnosti in nekaj metod za računanje determinant.

V tem poglavju bomo vpeljali pojem determinante matrike, spoznali bomo njene lastnosti in nekaj metod za računanje determinant. Poglavje IV Determinanta matrike V tem poglavju bomo vpeljali pojem determinante matrike, spoznali bomo njene lastnosti in nekaj metod za računanje determinant 1 Definicija Preden definiramo determinanto,

Διαβάστε περισσότερα

8. Diskretni LTI sistemi

8. Diskretni LTI sistemi 8. Diskreti LI sistemi. Naloga Določite odziv diskretega LI sistema s podaim odzivom a eoti impulz, a podai vhodi sigal. h[] x[] - - 5 6 7 - - 5 6 7 LI sistem se a vsak eoti impulz δ[] a vhodu odzove z

Διαβάστε περισσότερα

Matematika 1. Gabrijel Tomšič Bojan Orel Neža Mramor Kosta

Matematika 1. Gabrijel Tomšič Bojan Orel Neža Mramor Kosta Matematika 1 Gabrijel Tomšič Bojan Orel Neža Mramor Kosta 21. april 2008 102 Poglavje 4 Odvod 4.1 Definicija odvoda Naj bo funkcija f definirana na intervalu (a, b) in x 0 točka s tega intervala. Vzemimo

Διαβάστε περισσότερα

Algebraične strukture

Algebraične strukture Poglavje V Algebraične strukture V tem poglavju bomo spoznali osnovne algebraične strukture na dani množici. Te so podane z eno ali dvema binarnima operacijama. Binarna operacija paru elementov iz množice

Διαβάστε περισσότερα

1. Trikotniki hitrosti

1. Trikotniki hitrosti . Trikotniki hitrosti. Z radialno črpalko želimo črpati vodo pri pogojih okolice z nazivnim pretokom 0 m 3 /h. Notranji premer rotorja je 4 cm, zunanji premer 8 cm, širina rotorja pa je,5 cm. Frekvenca

Διαβάστε περισσότερα

Poliedri Ines Pogačar 27. oktober 2009

Poliedri Ines Pogačar 27. oktober 2009 Poliedri Ines Pogačar 27. oktober 2009 Pri linearnem programiranju imamo opravka s končnim sistemom neenakosti in končno spremenljivkami, torej je množica dopustnih rešitev presek končno mnogo polprostorov.

Διαβάστε περισσότερα

Matrike. Poglavje II. Matrika je pravokotna tabela realnih števil. Na primer: , , , 0 1

Matrike. Poglavje II. Matrika je pravokotna tabela realnih števil. Na primer: , , , 0 1 Poglavje II Matrike Matrika je pravokotna tabela realnih števil Na primer: [ ] 1 1 1, 2 3 1 1 0 1 3 2 1, 0 1 4 [ ] 2 7, Matrika je sestavljena iz vrstic in stolpcev Vrstici matrike [ ] 1 1 1 2 3 1 [ ]

Διαβάστε περισσότερα

Statistična analiza. doc. dr. Mitja Kos, mag. farm. Katedra za socialno farmacijo Univerza v Ljubljani- Fakulteta za farmacijo

Statistična analiza. doc. dr. Mitja Kos, mag. farm. Katedra za socialno farmacijo Univerza v Ljubljani- Fakulteta za farmacijo Statistična analiza opisnih spremenljivk doc. dr. Mitja Kos, mag. arm. Katedra za socialno armacijo Univerza v Ljubljani- Fakulteta za armacijo Statistični znaki Proučevane spremenljivke: statistični znaki

Διαβάστε περισσότερα

Matematika. Funkcije in enačbe

Matematika. Funkcije in enačbe Matematika Funkcije in enačbe (1) Nariši grafe naslednjih funkcij: (a) f() = 1, (b) f() = 3, (c) f() = 3. Rešitev: (a) Linearna funkcija f() = 1 ima začetno vrednost f(0) = 1 in ničlo = 1/. Definirana

Διαβάστε περισσότερα

Univerza v Ljubljani Fakulteta za računalništvo in informatiko MATEMATIKA. Polona Oblak

Univerza v Ljubljani Fakulteta za računalništvo in informatiko MATEMATIKA. Polona Oblak Univerza v Ljubljani Fakulteta za računalništvo in informatiko MATEMATIKA Polona Oblak Ljubljana, 04 CIP - Kataložni zapis o publikaciji Narodna in univerzitetna knjižnica, Ljubljana 5(075.8)(0.034.) OBLAK,

Διαβάστε περισσότερα

Dragi polinom, kje so tvoje ničle?

Dragi polinom, kje so tvoje ničle? 1 Dragi polinom, kje so tvoje ničle? Vito Vitrih FAMNIT - Izlet v matematično vesolje 17. december 2010 Polinomi: 2 Polinom stopnje n je funkcija p(x) = a n x n + a n 1 x n 1 +... + a 1 x + a 0, a i R.

Διαβάστε περισσότερα

Funkcije dveh in več spremenljivk

Funkcije dveh in več spremenljivk Poglavje 3 Funkcije dveh in več spremenljivk 3.1 Osnovni pojmi Definicija 3.1.1. Funkcija dveh spremenljivk je preslikava, ki vsaki točki (x, y) ravninske množice D priredi realno število z = f(x, y),

Διαβάστε περισσότερα

Matematika 1. Gregor Dolinar. 2. januar Fakulteta za elektrotehniko Univerza v Ljubljani. Gregor Dolinar Matematika 1

Matematika 1. Gregor Dolinar. 2. januar Fakulteta za elektrotehniko Univerza v Ljubljani. Gregor Dolinar Matematika 1 Mtemtik 1 Gregor Dolinr Fkultet z elektrotehniko Univerz v Ljubljni 2. jnur 2014 Gregor Dolinr Mtemtik 1 Izrek (Izrek o povprečni vrednosti) Nj bo m ntnčn spodnj mej in M ntnčn zgornj mej integrbilne funkcije

Διαβάστε περισσότερα

Linearne preslikave. Poglavje VII. 1 Definicija linearne preslikave in osnovne lastnosti

Linearne preslikave. Poglavje VII. 1 Definicija linearne preslikave in osnovne lastnosti Poglavje VII Linearne preslikave V tem poglavju bomo vektorske prostore označevali z U,V,W,... Vsi vektorski prostori bodo končnorazsežni. Zaradi enostavnosti bomo privzeli, da je pripadajoči obseg realnih

Διαβάστε περισσότερα

cot x ni def. 3 1 KOTNE FUNKCIJE POLJUBNO VELIKEGA KOTA (A) Merske enote stopinja [ ] radian [rad] 1. Izrazi kot v radianih.

cot x ni def. 3 1 KOTNE FUNKCIJE POLJUBNO VELIKEGA KOTA (A) Merske enote stopinja [ ] radian [rad] 1. Izrazi kot v radianih. TRIGONOMETRIJA (A) Merske enote KOTNE FUNKCIJE POLJUBNO VELIKEGA KOTA stopinja [ ] radian [rad] 80 80 0. Izrazi kot v radianih. 0 90 5 0 0 70. Izrazi kot v stopinjah. 5 8 5 (B) Definicija kotnih funkcij

Διαβάστε περισσότερα

Verjetnost 2. Oktober Verjetnost 2 Šesto poglavje. Obratna pot do markovskih verig. Od diskretnega časa proti zveznemu. Stabilnost in eksplozije

Verjetnost 2. Oktober Verjetnost 2 Šesto poglavje. Obratna pot do markovskih verig. Od diskretnega časa proti zveznemu. Stabilnost in eksplozije Oktober 2010 Vsebina 1 2 3 Osnovne sestavine obratne poti Imejmo markovsko o z diskretnim časom Y s števno množico stanj S, z začetno porazdelitvijo π 0 in prehodno matriko Q, ki ima lastnost, da so vsi

Διαβάστε περισσότερα

Multivariatna analiza variance

Multivariatna analiza variance (MANOVA) MANOVA je multivariatna metoda za proučevanje odvisnosti med več odvisnimi (številskimi) in več neodvisnimi (opisnimi) spremenljivkami. (MANOVA) MANOVA je multivariatna metoda za proučevanje odvisnosti

Διαβάστε περισσότερα

VAJE IZ MATEMATIKE za študente lesarstva. Martin Raič

VAJE IZ MATEMATIKE za študente lesarstva. Martin Raič VAJE IZ MATEMATIKE za študente lesarstva Martin Raič Datum zadnje spremembe:. oktober 05 Kazalo. Števila 4. Matrike in sistemi 6 3. Ravninska in prostorska geometrija 8 4. Zaporedja 0 5. Funkcije 3 6.

Διαβάστε περισσότερα

Navadne diferencialne enačbe

Navadne diferencialne enačbe Navadne diferencialne enačbe Navadne diferencialne enačbe prvega reda V celotnem poglavju bo y = dy dx. Diferencialne enačbe z ločljivima spremeljivkama Diferencialna enačba z ločljivima spremeljivkama

Διαβάστε περισσότερα

Univerza v Mariboru. Fakulteta za logistiko MATEMATIKA. Univerzitetni učbenik

Univerza v Mariboru. Fakulteta za logistiko MATEMATIKA. Univerzitetni učbenik Univerza v Mariboru Fakulteta za logistiko MATEMATIKA Univerzitetni učbenik AJDA FOŠNER IN MAJA FOŠNER Junij, 2008 Kazalo 1 Množice 5 11 Matematična logika 5 12 Množice 10 2 Preslikave 18 21 Realne funkcije

Διαβάστε περισσότερα

diferencialne enačbe - nadaljevanje

diferencialne enačbe - nadaljevanje 12. vaja iz Matematike 2 (VSŠ) avtorica: Melita Hajdinjak datum: Ljubljana, 2009 diferencialne enačbe - nadaljevanje Ortogonalne trajektorije Dana je 1-parametrična družina krivulj F(x, y, C) = 0. Ortogonalne

Διαβάστε περισσότερα

Uporabna matematika za naravoslovce

Uporabna matematika za naravoslovce Uporabna matematika za naravoslovce Zapiski predavanj Študijski programi: Aplikativna kineziologija, Biodiverziteta Študijsko leto 203/4 doc.dr. Barbara Boldin Fakulteta za matematiko, naravoslovje in

Διαβάστε περισσότερα

Numerično reševanje. diferencialnih enačb II

Numerično reševanje. diferencialnih enačb II Numerčno reševanje dferencaln enačb I Dferencalne enačbe al ssteme dferencaln enačb rešujemo numerčno z več razlogov:. Ne znamo j rešt analtčno.. Posamezn del dferencalne enačbe podan tabelarčno. 3. Podatke

Διαβάστε περισσότερα

13. Jacobijeva metoda za računanje singularnega razcepa

13. Jacobijeva metoda za računanje singularnega razcepa 13. Jacobijeva metoda za računanje singularnega razcepa Bor Plestenjak NLA 25. maj 2010 Bor Plestenjak (NLA) 13. Jacobijeva metoda za računanje singularnega razcepa 25. maj 2010 1 / 12 Enostranska Jacobijeva

Διαβάστε περισσότερα

Funkcija je predpis, ki vsakemu elementu x iz definicijskega območja D R priredi neko število f (x) R.

Funkcija je predpis, ki vsakemu elementu x iz definicijskega območja D R priredi neko število f (x) R. II. FUNKCIJE 1. Osnovni pojmi 2. Sestavljanje funkcij 3. Pregled elementarnih funkcij 4. Zveznost Kaj je funkcija? Definicija Funkcija je predpis, ki vsakemu elementu x iz definicijskega območja D R priredi

Διαβάστε περισσότερα

Realne funkcije. Elementarne funkcije. Polinomi in racionalne funkcije. Eksponentna funkcija a x : R R + FKKT Matematika 1

Realne funkcije. Elementarne funkcije. Polinomi in racionalne funkcije. Eksponentna funkcija a x : R R + FKKT Matematika 1 Realne funkcije Funkcija f denirana simetri nem intervalu D = ( a, a) ali D = [ a, a] (i) je soda, e velja f(x) = f( x), x D; (ii) je liha, e velja f(x) = f( x), x D. Naj bo f denirana D f in x 1, x 2

Διαβάστε περισσότερα

Matematika. BF Lesarstvo. Zapiski ob predavanjih v šolskem letu 2010/2011

Matematika. BF Lesarstvo. Zapiski ob predavanjih v šolskem letu 2010/2011 Matematika BF Lesarstvo Matjaž Željko Zapiski ob predavanjih v šolskem letu 00/0 Izpis: 9 avgust 0 Kazalo Števila 5 Naravna števila 5 Cela števila 6 3 Racionalna števila 6 4 Realna števila 7 5 Urejenost

Διαβάστε περισσότερα

Kazalo. Predstavitev

Kazalo. Predstavitev Ljubljana, 6. oktober 2008 FRI, Verjetnostni račun in statistika Aleksandar Jurišić različica: 19. januar 2009 / 11 : 51 A. Jurišić in V. Batagelj: Verjetnostni račun in statistika A. Jurišić 2 in V. Batagelj:

Διαβάστε περισσότερα

ZBIRKA REŠENIH NALOG IZ MATEMATIKE I

ZBIRKA REŠENIH NALOG IZ MATEMATIKE I Univerza v Ljubljani Fakulteta za elektrotehniko Andrej Perne ZBIRKA REŠENIH NALOG IZ MATEMATIKE I Skripta za vaje iz Matematike I (UNI + VSP) Ljubljana, množice Osnovne definicije: Množica A je podmnožica

Διαβάστε περισσότερα

Gimnazija Krˇsko. vektorji - naloge

Gimnazija Krˇsko. vektorji - naloge Vektorji Naloge 1. V koordinatnem sistemu so podane točke A(3, 4), B(0, 2), C( 3, 2). a) Izračunaj dolžino krajevnega vektorja točke A. (2) b) Izračunaj kot med vektorjema r A in r C. (4) c) Izrazi vektor

Διαβάστε περισσότερα

VEKTORJI. Operacije z vektorji

VEKTORJI. Operacije z vektorji VEKTORJI Vektorji so matematični objekti, s katerimi opisujemo določene fizikalne količine. V tisku jih označujemo s krepko natisnjenimi črkami (npr. a), pri pisanju pa s puščico ( a). Fizikalne količine,

Διαβάστε περισσότερα

UNIVERZA V MARIBORU FAKULTETA ZA KEMIJO IN KEMIJSKO TEHNOLOGIJO MATEMATIKA III

UNIVERZA V MARIBORU FAKULTETA ZA KEMIJO IN KEMIJSKO TEHNOLOGIJO MATEMATIKA III UNIVERZA V MARIBORU FAKULTETA ZA KEMIJO IN KEMIJSKO TEHNOLOGIJO Petra Žigert Pleteršek MATEMATIKA III Maribor, september 215 ii Kazalo Diferencialni račun vektorskih funkcij 1 1.1 Skalarne funkcije...........................

Διαβάστε περισσότερα

Vektorski prostori s skalarnim produktom

Vektorski prostori s skalarnim produktom Poglavje IX Vektorski prostori s skalarnim produktom Skalarni produkt dveh vektorjev v R n smo spoznali v prvem poglavju. Sedaj bomo pojem skalarnega produkta razširili na poljuben vektorski prostor V

Διαβάστε περισσότερα

Lastne vrednosti in lastni vektorji

Lastne vrednosti in lastni vektorji Poglavje VIII Lastne vrednosti in lastni vektorji V tem poglavju bomo privzeli, da so skalarji v vektorskih prostorih, koeficienti v matrikah itd., kompleksna števila. Algebraične operacije seštevanja,

Διαβάστε περισσότερα

p 1 ENTROPIJSKI ZAKON

p 1 ENTROPIJSKI ZAKON ENROPIJSKI ZAKON REERZIBILNA srememba: moža je obrjea srememba reko eakih vmesih staj kot rvota srememba. Po obeh sremembah e sme biti obeih trajih srememb v bližji i dalji okolici. IREERZIBILNA srememba:

Διαβάστε περισσότερα

SEMINARSKA NALOGA Funkciji sin(x) in cos(x)

SEMINARSKA NALOGA Funkciji sin(x) in cos(x) FAKULTETA ZA MATEMATIKO IN FIZIKO Praktična Matematika-VSŠ(BO) Komuniciranje v matematiki SEMINARSKA NALOGA Funkciji sin(x) in cos(x) Avtorica: Špela Marinčič Ljubljana, maj 2011 KAZALO: 1.Uvod...1 2.

Διαβάστε περισσότερα

Državni izpitni center SPOMLADANSKI IZPITNI ROK *M * NAVODILA ZA OCENJEVANJE. Sreda, 3. junij 2015 SPLOŠNA MATURA

Državni izpitni center SPOMLADANSKI IZPITNI ROK *M * NAVODILA ZA OCENJEVANJE. Sreda, 3. junij 2015 SPLOŠNA MATURA Državni izpitni center *M15143113* SPOMLADANSKI IZPITNI ROK NAVODILA ZA OCENJEVANJE Sreda, 3. junij 2015 SPLOŠNA MATURA RIC 2015 M151-431-1-3 2 IZPITNA POLA 1 Naloga Odgovor Naloga Odgovor Naloga Odgovor

Διαβάστε περισσότερα

MATEMATIKA ZA BIOLOGE

MATEMATIKA ZA BIOLOGE MATEMATIKA ZA BIOLOGE Zapiski predavanj Milan Hladnik Fakulteta za matematiko in fiziko Ljubljana 2006 KAZALO I. DISKRETNA MATEMATIKA 3 1. Množice, relacije, funkcije 3 2. Kombinatorika in verjetnost 9

Διαβάστε περισσότερα

Domače naloge za 2. kolokvij iz ANALIZE 2b VEKTORSKA ANALIZA

Domače naloge za 2. kolokvij iz ANALIZE 2b VEKTORSKA ANALIZA Domače naloge za 2. kolokvij iz ANALIZE 2b VEKTORSKA ANALIZA. Naj bo vektorsko polje R : R 3 R 3 dano s predpisom R(x, y, z) = (2x 2 + z 2, xy + 2yz, z). Izračunaj pretok polja R skozi površino torusa

Διαβάστε περισσότερα

22. Kdaj sta dva vektorja vzporedna? FGG geodezija UNI Matematika I, 2005/ Kdaj so vektorji a 1, a 2,..., a n linearno neodvisni?

22. Kdaj sta dva vektorja vzporedna? FGG geodezija UNI Matematika I, 2005/ Kdaj so vektorji a 1, a 2,..., a n linearno neodvisni? FGG geodezija UNI Matematika I, 2005/06 1. Definicija enakosti množic (funkcij, kompleksnih števil, urejenih n teric)? 2. Definicija kartezičnega produkta množic A in B. Definicija množice R n. 3. Popolna

Διαβάστε περισσότερα

Matematika 2. Diferencialne enačbe drugega reda

Matematika 2. Diferencialne enačbe drugega reda Matematika 2 Diferencialne enačbe drugega reda (1) Reši homogene diferencialne enačbe drugega reda s konstantnimi koeficienti: (a) y 6y + 8y = 0, (b) y 2y + y = 0, (c) y + y = 0, (d) y + 2y + 2y = 0. Rešitev:

Διαβάστε περισσότερα

Vaje iz MATEMATIKE 2. Vektorji

Vaje iz MATEMATIKE 2. Vektorji Študij AHITEKTURE IN URBANIZMA, šol. l. 06/7 Vaje iz MATEMATIKE. Vektorji Vektorji: Definicija: Vektor je usmerjena daljica. Oznake: AB, a,... Enakost vektorjev: AB = CD: če lahko vektor AB vzporedno premaknemo

Διαβάστε περισσότερα

MATEMATIČNI IZRAZI V MAFIRA WIKIJU

MATEMATIČNI IZRAZI V MAFIRA WIKIJU I FAKULTETA ZA MATEMATIKO IN FIZIKO Jadranska cesta 19 1000 Ljubljan Ljubljana, 25. marec 2011 MATEMATIČNI IZRAZI V MAFIRA WIKIJU KOMUNICIRANJE V MATEMATIKI Darja Celcer II KAZALO: 1 VSTAVLJANJE MATEMATIČNIH

Διαβάστε περισσότερα

Iterativno reševanje sistemov linearnih enačb. Numerične metode, sistemi linearnih enačb. Numerične metode FE, 2. december 2013

Iterativno reševanje sistemov linearnih enačb. Numerične metode, sistemi linearnih enačb. Numerične metode FE, 2. december 2013 Numerične metode, sistemi linearnih enačb B. Jurčič Zlobec Numerične metode FE, 2. december 2013 1 Vsebina 1 z n neznankami. a i1 x 1 + a i2 x 2 + + a in = b i i = 1,..., n V matrični obliki zapišemo:

Διαβάστε περισσότερα

1. Έντυπα αιτήσεων αποζημίωσης... 2 1.1. Αξίωση αποζημίωσης... 2 1.1.1. Έντυπο... 2 1.1.2. Πίνακας μεταφράσεων των όρων του εντύπου...

1. Έντυπα αιτήσεων αποζημίωσης... 2 1.1. Αξίωση αποζημίωσης... 2 1.1.1. Έντυπο... 2 1.1.2. Πίνακας μεταφράσεων των όρων του εντύπου... ΑΠΟΖΗΜΙΩΣΗ ΘΥΜΑΤΩΝ ΕΓΚΛΗΜΑΤΙΚΩΝ ΠΡΑΞΕΩΝ ΣΛΟΒΕΝΙΑ 1. Έντυπα αιτήσεων αποζημίωσης... 2 1.1. Αξίωση αποζημίωσης... 2 1.1.1. Έντυπο... 2 1.1.2. Πίνακας μεταφράσεων των όρων του εντύπου... 3 1 1. Έντυπα αιτήσεων

Διαβάστε περισσότερα

Kvadratne forme. Poglavje XI. 1 Definicija in osnovne lastnosti

Kvadratne forme. Poglavje XI. 1 Definicija in osnovne lastnosti Poglavje XI Kvadratne forme V zadnjem poglavju si bomo ogledali še eno vrsto preslikav, ki jih tudi lahko podamo z matrikami. To so tako imenovane kvadratne forme, ki niso več linearne preslikave. Kvadratne

Διαβάστε περισσότερα