Panelové dáta v programe EViews
|
|
- Διόσκουροι Κουβέλης
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Panelové dáta v programe EViews Martin Lukáčik, Adriana Lukáčiková, Karol Szomolányi Panelové dáta sú kombinované prierezové a časové údaje. Pri panelových údajoch existuje časový rad pre každú entitu použitú v rámci prierezového výberu. Najčastejšie sa panelové dáta využívajú na skúmanie časového vývoja rôznych jednotiek z toho istého sektora, trhu alebo geografického celku, pričom typické sú rozsiahla prierezová štruktúra a len niekoľko časových období. Panelové dáta sú z hľadiska zvládnutia štatistických metód náročnejšou oblasťou ako samostatné prierezové dáta a časové rady, preto nebudeme prezentovať všetky možnosti ich analýzy, ale zameriame sa iba na základy. Sem rátame najmä pochopenie postupu vloženia panelových údajov do programu EViews a pochopenie postupu ako sa odhadujú modely s fixnými a náhodnými efektmi. Vysvetlíme tiež jednoduchý Hausmanov test, pomocou ktorého vyberáme z týchto dvoch alternatív. Náročnejšie postupy by následne už nemali byť pre čitateľa problémom práce so softvérom, ale iba problémom zvládnutia metodológie. Úvod Za základný regresný model panelových dát považuje Greene (2003) model: y = β x + β x + + β x + α z + α z + + α z + u, it 1 it1 2 it 2 k itk 1 i1 2 i2 q iq it kde index i označuje prierezový rozmer i = 1,, n, index t časový rozmer t = 1,, T, premenné X 1 až X k sú vysvetľujúce premenné nezahŕňajúce vektor jednotiek a premenné Z 1 až Z q predstavujú individuálne efekty rôznorodosť, ktorou sa môže odlišovať jednotlivec alebo celá skupina od ostatných entít sem sa zaraďuje prípadný vektor jednotiek. Individuálne efekty sa nemenia sa s časom. Na základe uvedeného rámca rozlíšime a ukážeme ako sa odhadujú tri prípady: spojený regresný model (Pooled Regression) ak individuálnym efektom je iba vektor jednotiek, čo znamená, že jediný parameter α je spoločnou konštantou: y x x x u it = α + β1 it1 + β2 it βk itk + it, model s fixnými efektmi (Fixed Effects Model FEM) ak individuálne efekty Z 1 až Z q sú nepozorovateľné, ale korelované s vysvetľujúcimi premennými, tak riešením je zahrnúť všetky efekty do odhadnuteľného podmieneného priemeru pomocou vzťahu α = α z + α z + + α z a model FEM má tvar: i 1 i1 2 i2 q iq y x x x u it = αi + β1 it1 + β2 it βk itk + it, fixný efekt α i znamená špecifickú konštantu pre každú prierezovú jednotku,
2 model s náhodnými efektmi (Random Effects Model REM) ak individuálne efekty Z 1 až Z q sú nepozorovateľné, ale nekorelované s vysvetľujúcimi premennými, tak riešením je zložená náhodná zložka ε i + uit zložku pre každú prierezovú jednotku a model REM má tvar:, ktorá okrem pôvodnej predpokladá aj špecifickú náhodnú ( ) y = β x + β x + + β x + α + ε + u. it 1 it1 2 it 2 k itk i it Načítanie panelových dát do programu EViews Najrýchlejším spôsobom zavádzania údajov tvoriacich panelové dáta do programu EViews je ich vhodná príprava v tabuľkovom procesore (napríklad Microsoft Excel). Za vhodnú prípravu môžeme považovať tabuľky údajov naskladaných za sebou, pričom údaje môžu byť naskladané prierezovo alebo časovo. Ako príklad údajov naskladaných časovo môžeme uviesť tabuľku s údajmi o leteckých spoločnostiach, ktorú uvádzajú Lukáčiková a Lukáčik (2008) obrázok 1, pričom pokračovanie pôvodných stĺpcov ako ďalšie stĺpce (ako to bolo zobrazené v učebnici) samozrejme nie je dovolené. Údaje obsahujú celkové náklady TC, produkciu Q, cenu benzínu P a koeficient vyťaženia lietadiel KV 6 firiem za 15 rokov. Obrázok 1: Usporiadanie dát naskladané časové rady V programe EViews pomocou File/Open/Foreign_Data_as_Workfile spustíme sprievodcu načítaním údajov a načítame pripravené údaje z tabuľkového procesora.
3 Obrázok 2: Sprievodca načítaním údajov v programe EViews a jeho výsledok Po načítaní zmeníme štruktúru pomocou ponuky Proc/Structure/Resize_current_page, pričom v komunikačnom okne Workfile structure zmeníme typ na Dated Panel a zadáme názvy radov, ktoré sú identifikátormi panelových údajov. Obrázok 3: Zmena typu štruktúry pracovného zošita v programe EViews Podľa príkladu uvedeného na obrázku 1 to budú rady i a t, ktoré použijeme ako identifikátory pre Cross-section ID series a Date series. Výsledkom je pracovný zošit programu EViews obsahujúci panelové dáta. Obrázok 4: Pracovný zošit programu EViews s panelovými dátami
4 Analýza panelových dát v programe EViews Najjednoduchší prípad, ktorým je spojený regresný model (pool), predstavuje naivný prístup, v ktorom sa predpokladá, že absolútny člen aj všetky parametre pri vysvetľujúcich premenných sú pre všetky prierezové jednotky rovnaké. Spojený model má všeobecný tvar: y1 X1 u1 y X u yn Xn un y = = α + β + = α + Xβ + u Odhad spojeného regresného modelu v programe EViews je v prípade štruktúry pracovného zošitu typu panelové dáta analógiou odhadu lineárneho modelu v iných typoch údajov pomocou objektu rovnica. Špecifikáciu zadáme vymenovaním premenných na záložke Specification v okne, ktoré spustíme voľbou Object/New_object/Equation. Obrázok 5: Odhad parametrov spojeného regresného modelu. Výsledkom je odhadnutý spojený regresný model na obrázku 6. Obrázok 6: Výsledný spojený regresný model
5 Model s fixnými efektmi (FEM) na rozdiel od spojeného regresného modelu predpokladá rôznorodosť prierezových jednotiek v absolútnych členoch. Model FEM má tvar: y1 i 0 0 α1 X1 u1 2 α y 0 i 0 2 X2 u2 y = = + β + = Dα + Xβ + u. yn 0 0 i α n Xn un Vidíme, že v modeli predstavujú stĺpce matice D umelé premenné D 1 až D n, ktoré nadobúdajú hodnotu d it = 1 pre i-tú prierezovú jednotku, a hodnotu d it = 0 pre všetky ostatné prierezové jednotky. Pri odhade v programe EViews sa oproti spojenému regresnému modelu zmení iba Cross-section špecifikácia na záložke Panel Options na typ Fixed (obrázok 7). Obrázok 7: Odhad parametrov modelu FEM Výsledkom je odhadnutý model FEM na obrázku 8. Efekty jednotlivých prierezových jednotiek sa dajú zobraziť cez ponuku View/Fixed/Random_Effects/Cross-section_Effects. Obrázok 8: Výsledný model FEM s výpisom fixných efektov
6 Kvôli umelým premenným sa model zvykne nazývať aj LSDV (Least Squares Dummy Variable) a takýmto spôsobom ho môžeme po vytvorení umelých premenných pre každú prierezovú jednotku odhadnúť. Model môžeme odhadnúť ako regresný model bez konštanty, alebo sa zvolí jedna prierezová jednotka za základnú skupinu, ktorej hodnotu v modeli LSDV bude predstavovať absolútny člen a využijeme len n 1 umelých premenných: y1 0 0 α 2 α1 X1 u1 y 2 i 0 α3 α 1 X2 u2 * y = = α β + = α1 + Dα 1 + Xβ + u. y α α 0 i X u n n 1 n n V modeli matica D 1 predstavuje maticu D bez prvého stĺpca a vektor α * je n 1 prvkový vektor diferencujúcich absolútnych členov vzťahujúcich sa na absolútny člen základnej skupiny. Výsledky oboch odhadov vidíme na obrázku 9. Obrázok 9: Výsledný model LSDV s n a n 1 umelými premennými Na testovanie významnosti parametrov α i sa dajú využiť ich t-štatistiky, ale hypotéza o jednej špecifickej prierezovej jednotke obyčajne nemá veľký význam. Preto program EViews túto hodnotu ani neposkytuje. Rozdielnosť medzi jednotlivými prierezovými jednotkami je vhodnejšie testovať pomocou F-testu porovnávajúceho model bez ohraničení, model FEM a model s ohraničeniami, ktorým je model pool. Testovacia štatistika má tvar: ( RSS pool RSSFEM ) ( n 1) FEM ( ) ( 1, ) F = F n nt k n RSS nt k n Ak je štatistika väčšia ako tabuľková hodnota, zamietame nulovú hypotézu, že prierezové jednotky majú rovnaké absolútne členy. V programe EViews sa test spustí v okne FEM cez ponuku View/Fixed/Random_Effects_Testing/Redundant_Fixed_Effects Likelihood_Ratio obrázok 10.
7 Obrázok 10: Testovanie hypotézy, či prierezové jednotky majú rovnaké konštanty Model s náhodnými efektmi REM V modeli FEM sa odlišnosť medzi prierezovými jednotkami uvažovala ako posun regresnej funkcie. Ak individuálne vplyvy pôsobiace na prierezové jednotky nie sú korelované s vysvetľujúcimi premennými celého panelu, tak je vhodnejšie uvažovať jednotlivé absolútne členy pre prierezové údaje ako náhodne rozdelené. Model REM má tvar: y = α + β x + + β x + ε + u = α + β x + + β x + v, it 1 it1 k itk i it 1 it1 k itk it kde spojením náhodnej zložky pozorovania prierezovej jednotky u it a náhodnej zložky špecifickej pre prierezovú jednotku ε i dostávame náhodnú zložku v it. Absolútny člen α značí v modeli priemer prierezových absolútnych členov a náhodná zložka špecifická pre prierezovú jednotku je náhodnou odchýlkou od tohto priemeru. Pri odhade v programe EViews sa zmení Cross-section špecifikácia na záložke Panel Options na typ Random (obrázok 11). Obrázok 11: Odhad parametrov modelu FEM
8 Výsledkom je odhadnutý model REM na obrázku 12. Efekty jednotlivých prierezových jednotiek sa dajú zobraziť cez ponuku View/Fixed/Random_Effects/Cross-section_Effects. Obrázok 12: Výsledný model REM s výpisom náhodných efektov Voľba medzi modelmi FEM a REM Pri rozhodovaní, ktorý z dvojice modelov s fixnými alebo s náhodnými efektmi použiť, odporúča Gujarati (2003) tieto dve pravidlá: ak hodnota T je veľká a hodnota n malá, tak bude pravdepodobne malý rozdiel medzi hodnotami parametrov FEM a REM v takom prípade sa preferuje jednoduchší FEM; ak hodnota n je veľká a hodnota T malá, tak bude pravdepodobne veľký rozdiel medzi hodnotami parametrov FEM a REM v takom prípade, ak považujeme prierezové jednotky za úplne náhodne zvolené, tak sa preferuje model REM, inak opäť FEM. Tieto pravidlá nemožno považovať za jednoznačný návod. Okrem nich existuje Hausmanov test špecifikácie. Testovacia štatistika Hausmanovho testu má tvar: ( ˆ ˆ T 1 ) ( ˆ ˆ ) ( ˆ ˆ LS GLS LS GLS LS GLS ) H = β β V V β β, kde V ˆ LS je odhad asymptotickej variančno-kovariančnej matice parametrov modelu FEM a V ˆ GLS je odhad asymptotickej variančno-kovariančnej matice parametrov modelu REM bez absolútneho člena. V programe EViews sa Hausmanov test spustí v okne REM cez ponuku View/Fixed/Random_Effects_Testing/Correlated_Random_Effects Hausman_Test obrázok 13.
9 Obrázok 13: Hausmanov test rozhodujúci medzi modelmi FEM a REM Testovacia štatistika H má asymptotické χ 2 -rozdelenie s počtom stupňov voľnosti rovnajúcim sa počtu parametrov tvoriacich vektor ˆβ mínus 1. Pri testovaní sa vypočítaná hodnota porovná s kritickou hodnotou χ 2 -rozdelenia pri zvolenej hladine významnosti a zodpovedajúcom stupni voľnosti. Ak je hodnota štatistiky H > χ 2 c, tak môžeme zamietnuť nulovú hypotézu o konzistentnosti oboch estimátorov a vhodnejší je model FEM. Ak je hodnota štatistiky H < χ 2 c, tak nemôžeme zamietnuť nulovú hypotézu a odporúčaným bude model REM. Literatúra: [1] GREENE, W. H.: Econometric Analysis, 4. vyd. New Jersey: Prentice-Hall, [2] GUJARATI, D. N.: Basic Econometrics, 4 vyd. New York: McGraw-Hill, [3] LUKÁČIKOVÁ, A. LUKÁČIK, M.: Ekonometrické modelovanie s aplikáciami. Bratislava: EKONÓM, [4] Pomocník programu EViews a internetové stránky ku programu EViews.
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 περισσότεραChí 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 περισσότεραJednotkový 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 περισσότεραMatematika 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 περισσότεραZáklady práce s ekonometrickým programom GRETL
Základy práce s ekonometrickým programom GRETL Martin Lukáčik, Viktor Slosiar GRETL je voľne dostupný softvérový produkt so zameraním na štatistické metódy podporujúci ekonometrické analýzy 1. Samotný
Διαβάστε περισσότεραStart. 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 περισσότεραEkvačná 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 περισσότεραVyužitie 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 περισσότεραM6: 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 περισσότεραObvod 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 περισσότεραModelovanie 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 περισσότεραARMA 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 περισσότεραARMA 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 περισσότεραPrechod 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 περισσότεραMotivácia 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 περισσότερα7. 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 περισσότεραModerné 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 περισσότεραMatematika 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 περισσότεραGoniometrické 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 περισσότερα3. 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 περισσότεραMetódy 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,Zohrievanie vody indukčným varičom bez pokrievky,
Farba skupiny: zelená Označenie úlohy:,zohrievanie vody indukčným varičom bez pokrievky, Úloha: Zistiť, ako závisí účinnosť zohrievania vody na indukčnom variči od priemeru použitého hrnca. Hypotéza: Účinnosť
Διαβάστε περισσότεραCvičenie 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 περισσότερα1. 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 περισσότεραÚvod do lineárnej algebry. Monika Molnárová Prednášky
Úvod do lineárnej algebry Monika Molnárová Prednášky 2006 Prednášky: 3 17 marca 2006 4 24 marca 2006 c RNDr Monika Molnárová, PhD Obsah 2 Sústavy lineárnych rovníc 25 21 Riešenie sústavy lineárnych rovníc
Διαβάστε περισσότερα2 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 περισσότεραPevné 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 περισσότεραNávrh 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 περισσότεραΑΝΑΛΥΣΗ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΩΝ ΚΑΤΑΣΤΑΣΕΩΝ
ΑΝΑΛΥΣΗ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΩΝ ΚΑΤΑΣΤΑΣΕΩΝ Ενότητα 5: ΠΡΟΥΠΟΛΟΓΙΣΜΟΙ ΚΑΙ ΠΡΟΒΛΕΨΕΙΣ ΠΩΛΗΣΕΩΝ ΚΥΡΙΑΖΟΠΟΥΛΟΣ ΓΕΩΡΓΙΟΣ Τμήμα ΛΟΓΙΣΤΙΚΗΣ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
Διαβάστε περισσότεραPRIEMER 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 περισσότεραSpojité 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 περισσότεραKATEDRA 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 περισσότεραKomplexné 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 περισσότερα1. 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 περισσότερα6 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 περισσότεραZáklady 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 περισσότεραKATALÓG KRUHOVÉ POTRUBIE
H KATALÓG KRUHOVÉ POTRUBIE 0 Základné požiadavky zadávania VZT potrubia pre výrobu 1. Zadávanie do výroby v spoločnosti APIAGRA s.r.o. V digitálnej forme na tlačive F05-8.0_Rozpis_potrubia, zaslané mailom
Διαβάστε περισσότερα6 APLIKÁCIE FUNKCIE DVOCH PREMENNÝCH
6 APLIKÁCIE FUNKCIE DVOCH PREMENNÝCH 6. Otázky Definujte pojem produkčná funkcia. Definujte pojem marginálny produkt. 6. Produkčná funkcia a marginálny produkt Definícia 6. Ak v ekonomickom procese počet
Διαβάστε περισσότεραKontrolné 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 περισσότεραZADANIE 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 περισσότεραHANA LAURINCOVÁ KLASICKÝ VS. NEPARAMETRICKÝ PRÍSTUP Štatistika Poistná matematika
UNIVERZITA KOMENSKÉHO, BRATISLAVA FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY KATEDRA POISTNEJ MATEMATIKY A ŠTATISTIKY PARCIÁLNA A MNOHONÁSOBNÁ KORELÁCIA: KLASICKÝ VS. NEPARAMETRICKÝ PRÍSTUP (Bakalárska práca)
Διαβάστε περισσότεραPriamkové plochy. Ak každým bodom plochy Φ prechádza aspoň jedna priamka, ktorá (celá) na nej leží potom plocha Φ je priamková. Santiago Calatrava
Priamkové plochy Priamkové plochy Ak každým bodom plochy Φ prechádza aspoň jedna priamka, ktorá (celá) na nej leží potom plocha Φ je priamková. Santiago Calatrava Priamkové plochy rozdeľujeme na: Rozvinuteľné
Διαβάστε περισσότεραZáklady 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 περισσότεραHľadanie, 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 περισσότεραHarmonizované 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 περισσότεραŠtatistické 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 περισσότεραŽivot vedca krajší od vysnívaného... s prírodou na hladine α R-P-R
Život vedca krajší od vysnívaného... s prírodou na hladine α R-P-R Ako nadprirodzené stretnutie s murárikom červenokrídlym naformátovalo môj profesijný i súkromný život... Osudové stretnutie s murárikom
Διαβάστε περισσότεραOdporníky. 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 περισσότεραAnalýza údajov. W bozóny.
Analýza údajov W bozóny http://www.physicsmasterclasses.org/index.php 1 Identifikácia častíc https://kjende.web.cern.ch/kjende/sl/wpath_teilchenid1.htm 2 Identifikácia častíc Cvičenie 1 Na web stránke
Διαβάστε περισσότεραMotivácia 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 περισσότεραMatematika 2. časť: Analytická geometria
Matematika 2 časť: Analytická geometria RNDr. Jana Pócsová, PhD. Ústav riadenia a informatizácie výrobných procesov Fakulta BERG Technická univerzita v Košiciach e-mail: jana.pocsova@tuke.sk Súradnicové
Διαβάστε περισσότεραMIDTERM (A) riešenia a bodovanie
MIDTERM (A) riešenia a bodovanie 1. (7b) Nech vzhl adom na štandardnú karteziánsku sústavu súradníc S 1 := O, e 1, e 2 majú bod P a vektory u, v súradnice P = [0, 1], u = e 1, v = 2 e 2. Aký predpis bude
Διαβάστε περισσότεραDefinícia parciálna derivácia funkcie podľa premennej x. Definícia parciálna derivácia funkcie podľa premennej y. Ak existuje limita.
Teória prednáška č. 9 Deinícia parciálna deriácia nkcie podľa premennej Nech nkcia Ak eistje limita je deinoaná okolí bod [ ] lim. tak túto limit nazýame parciálno deriácio nkcie podľa premennej bode [
Διαβάστε περισσότεραVyhlásenie 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 περισσότεραSECTION II: PROBABILITY MODELS
SECTION II: PROBABILITY MODELS 1 SECTION II: Aggregate Data. Fraction of births with low birth weight per province. Model A: OLS, using observations 1 260 Heteroskedasticity-robust standard errors, variant
Διαβάστε περισσότεραΠαρασκευή 1 Νοεμβρίου 2013 Ασκηση 1. Λύση. Παρατήρηση. Ασκηση 2. Λύση.
(, ) =,, = : = = ( ) = = = ( ) = = = ( ) ( ) = = ( ) = = = = (, ) =, = = =,,...,, N, (... ) ( + ) =,, ( + ) (... ) =,. ( ) = ( ) = (, ) = = { } = { } = ( ) = \ = { = } = { = }. \ = \ \ \ \ \ = = = = R
Διαβάστε περισσότεραHASLIM112V, 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 περισσότεραAnalýza hlavných komponentov
Analýza hlavných komponentov Motivácia Úloha: Navrhnite scenáre zmien výnosovej krivky pre účely stresového testovania v dlhopisovom portfóliu Problém: Výnosová krivka sa skladá z väčšieho počtu bodov,
Διαβάστε περισσότεραAerobTec 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 περισσότεραPodnikateľ 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 περισσότεραx x x2 n
Reálne symetrické matice Skalárny súčin v R n. Pripomeniem, že pre vektory u = u, u, u, v = v, v, v R platí. dĺžka vektora u je u = u + u + u,. ak sú oba vektory nenulové a zvierajú neorientovaný uhol
Διαβάστε περισσότεραRozdiely 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 περισσότεραCvičenia 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 περισσότεραAnalýza poruchových stavov s využitím rôznych modelov transformátorov v programe EMTP-ATP
Analýza poruchových stavov s využitím rôznych modelov transformátorov v programe EMTP-ATP 7 Obsah Analýza poruchových stavov pri skrate na sekundárnej strane transformátora... Nastavenie parametrov prvkov
Διαβάστε περισσότεραVektorový priestor V : Množina prvkov (vektory), na ktorej je definované ich sčítanie a ich
Tuesday 15 th January, 2013, 19:53 Základy tenzorového počtu M.Gintner Vektorový priestor V : Množina prvkov (vektory), na ktorej je definované ich sčítanie a ich násobenie reálnym číslom tak, že platí:
Διαβάστε περισσότεραVLASTNÉ ČÍSLA A JORDANOV KANONICKÝ TVAR. Michal Zajac. 3 T b 1 = T b 2 = = = 2b
VLASTNÉ ČÍSLA A JORDANOV KANONICKÝ TVAR Michal Zajac Vlastné čísla a vlastné vektory Pripomeňme najprv, že lineárny operátor T : L L je vzhl adom na bázu B = {b 1, b 2,, b n } lineárneho priestoru L určený
Διαβάστε περισσότεραDOMÁCE ZADANIE 1 - PRÍKLAD č. 2
Mechanizmy s konštantným prevodom DOMÁCE ZADANIE - PRÍKLAD č. Príklad.: Na obrázku. je zobrazená schéma prevodového mechanizmu tvoreného čelnými a kužeľovými ozubenými kolesami. Určte prevod p a uhlovú
Διαβάστε περισσότεραŠTATISTICKÉ 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 περισσότεραMetoda hlavních komponent a její aplikace
Univerzita Karlova v Praze Matematicko-fyzikální fakulta BAKALÁŘSKÁ PRÁCE Mária Dubová Metoda hlavních komponent a její aplikace Katedra pravděpodobnosti a matematické statistiky Vedoucí bakalářské práce:
Διαβάστε περισσότεραC. Kontaktný fasádny zatepľovací systém
C. Kontaktný fasádny zatepľovací systém C.1. Tepelná izolácia penový polystyrén C.2. Tepelná izolácia minerálne dosky alebo lamely C.3. Tepelná izolácia extrudovaný polystyrén C.4. Tepelná izolácia penový
Διαβάστε περισσότεραObsah. 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 περισσότεραTESTOVANIE 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 περισσότεραPilota600mmrez1. N Rd = N Rd = M Rd = V Ed = N Rd = M y M Rd = M y. M Rd = N 0.
Bc. Martin Vozár Návrh výstuže do pilót Diplomová práca 8x24.00 kr. 50.0 Pilota600mmrez1 Typ prvku: nosník Prostředí: X0 Beton:C20/25 f ck = 20.0 MPa; f ct = 2.2 MPa; E cm = 30000.0 MPa Ocelpodélná:B500
Διαβάστε περισσότεραREZISTORY. 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 περισσότερα24. Základné spôsoby zobrazovania priestoru do roviny
24. Základné spôsoby zobrazovania priestoru do roviny Voľné rovnobežné premietanie Presné metódy zobrazenia trojrozmerného priestoru do dvojrozmernej roviny skúma samostatná matematická disciplína, ktorá
Διαβάστε περισσότερα1 Prevod miestneho stredného slnečného času LMT 1 na iný miestny stredný slnečný čas LMT 2
1 Prevod miestneho stredného slnečného času LMT 1 na iný miestny stredný slnečný čas LMT 2 Rozdiel LMT medzi dvoma miestami sa rovná rozdielu ich zemepisných dĺžok. Pre prevod miestnych časov platí, že
Διαβάστε περισσότεραNumerické 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 περισσότεραdifúzne otvorené drevovláknité izolačné dosky - ochrana nie len pred chladom...
(TYP M) izolačná doska určená na vonkajšiu fasádu (spoj P+D) ρ = 230 kg/m3 λ d = 0,046 W/kg.K 590 1300 40 56 42,95 10,09 590 1300 60 38 29,15 15,14 590 1300 80 28 21,48 20,18 590 1300 100 22 16,87 25,23
Διαβάστε περισσότεραÚvod do lineárnej algebry
Katedra matematiky Fakulta elektrotechniky a informatiky Technická Univerzita v Košiciach Úvod do lineárnej algebry Monika Molnárová, Helena Myšková 005 RECENZOVALI: RNDr. Štefan Schrötter, CSc. RNDr.
Διαβάστε περισσότεραIntegrovanie 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 περισσότεραÚprava textu. Použitie schránky: Hlavička a Päta: Poznámka pod čiarou: Modul č.3 WORD pre pokročilých
Úprava textu Použitie schránky: Pomocou schránky je možné prenášať objekty (texty, obrázky, tabuľky...) medzi rôznymi aplikáciami. Pri prenosoch sa používajú nasledovné klávesy: CTRL/ C kopírovanie CTRL/
Διαβάστε περισσότεραSLOVENSKO maloobchodný cenník (bez DPH)
Hofatex UD strecha / stena - exteriér Podkrytinová izolácia vhodná aj na zaklopenie drevených rámových konštrukcií; pero a drážka EN 13171, EN 622 22 580 2500 1,45 5,7 100 145,00 3,19 829 hustota cca.
Διαβάστε περισσότεραObsah. 1.1 Reálne čísla a ich základné vlastnosti... 7 1.1.1 Komplexné čísla... 8
Obsah 1 Číselné obory 7 1.1 Reálne čísla a ich základné vlastnosti............................ 7 1.1.1 Komplexné čísla................................... 8 1.2 Číselné množiny.......................................
Διαβάστε περισσότεραTable 1: Military Service: Models. Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 Model 7 Model 8 Model 9 num unemployed mili mili num unemployed
Tables: Military Service Table 1: Military Service: Models Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 Model 7 Model 8 Model 9 num unemployed mili mili num unemployed mili 0.489-0.014-0.044-0.044-1.469-2.026-2.026
Διαβάστε περισσότερα7 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 περισσότεραZrýchľovanie vesmíru. Zrýchľovanie vesmíru. o výprave na kraj vesmíru a čo tam astronómovia objavili
Zrýchľovanie vesmíru o výprave na kraj vesmíru a čo tam astronómovia objavili Zrýchľovanie vesmíru o výprave na kraj vesmíru a čo tam astronómovia objavili Zrýchľovanie vesmíru o výprave na kraj vesmíru
Διαβάστε περισσότεραGramatická 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 περισσότεραManažment v teórii a praxi 2/2005
MODELOVANIE VÝVOJA MIEZD Lukáčiková Adriana - zomolányi Karol - Lukáčik Martin ABTRAKT Mzdový vývoj je dôležitým ekonomickým ukazovateľom, ktorý má významný vplyv na konkurencieschopnosť podnikov na mikroekonomickej
Διαβάστε περισσότεραTeória pravdepodobnosti
2. Podmienená pravdepodobnosť Katedra Matematických metód Fakulta Riadenia a Informatiky Žilinská Univerzita v Žiline 23. februára 2015 1 Pojem podmienenej pravdepodobnosti 2 Nezávislosť náhodných udalostí
Διαβάστε περισσότεραKLP-100 / KLP-104 / KLP-108 / KLP-112 KLP-P100 / KLP-P104 / KLP-P108 / KLP-P112 KHU-102P / KVM-520 / KIP-603 / KVS-104P
Inštalačný manuál KLP-100 / KLP-104 / KLP-108 / KLP-112 KLP-P100 / KLP-P104 / KLP-P108 / KLP-P112 KHU-102P / KVM-520 / KIP-603 / KVS-104P EXIM Alarm s.r.o. Solivarská 50 080 01 Prešov Tel/Fax: 051 77 21
Διαβάστε περισσότεραUniverzita Karlova v Praze Matematicko-fyzikální fakulta
Univerzita Karlova v Praze Matematicko-fyzikální fakulta BAKALÁŘSKÁ PRÁCE Viktória Rusnáková Porovnání přesných a asymptotických testů Katedra pravděpodobnosti a matematické statistiky Vedoucí bakalářské
Διαβάστε περισσότεραRozsah hodnotenia a spôsob výpočtu energetickej účinnosti rozvodu tepla
Rozsah hodnotenia a spôsob výpočtu energetickej účinnosti príloha č. 7 k vyhláške č. 428/2010 Názov prevádzkovateľa verejného : Spravbytkomfort a.s. Prešov Adresa: IČO: Volgogradská 88, 080 01 Prešov 31718523
Διαβάστε περισσότεραRegresná analýza x, x,..., x
Regresá aalýza Základé pojmy Regresá aalýza skúma fukčý vzťah (priebeh závislosti), podľa ktorého sa meí závisle premeá Y pri zmeách ezávislých veličí x, x,..., x k. x = ( x, x,..., x ) i i i i T Y = (Y,
Διαβάστε περισσότεραZadaci sa prethodnih prijemnih ispita iz matematike na Beogradskom univerzitetu
Zadaci sa prethodnih prijemnih ispita iz matematike na Beogradskom univerzitetu Trigonometrijske jednačine i nejednačine. Zadaci koji se rade bez upotrebe trigonometrijskih formula. 00. FF cos x sin x
Διαβάστε περισσότεραZadanie pre vypracovanie technickej a cenovej ponuky pre modul technológie úpravy zemného plynu
Kontajnerová mobilná jednotka pre testovanie ložísk zemného plynu Zadanie pre vypracovanie technickej a cenovej ponuky pre modul technológie úpravy zemného plynu 1 Obsah Úvod... 3 1. Modul sušenia plynu...
Διαβάστε περισσότεραRozsah 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 περισσότεραPREHĽAD 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 περισσότεραCieľom cvičenia je zvládnuť riešenie diferenciálnych rovníc pomocou Laplaceovej transformácie,
Kapitola Riešenie diferenciálnych rovníc pomocou Laplaceovej tranformácie Cieľom cvičenia je zvládnuť riešenie diferenciálnych rovníc pomocou Laplaceovej tranformácie, keď charakteritická rovnica má rôzne
Διαβάστε περισσότεραMETODICKÁ SMERNICA NA AKREDITÁCIU METHODICAL GUIDELINE FOR ACCREDITATION VYJADROVANIE NEISTÔT MERANIA PRI KALIBRÁCII (EA-4/02)
SLOVENSKÁ NÁRODNÁ AKREDITAČNÁ SLUŽBA METODICKÁ SMERNICA NA AKREDITÁCIU METHODICAL GUIDELINE FOR ACCREDITATION VYJADROVANIE NEISTÔT MERANIA PRI KALIBRÁCII (EA-4/0) EXPRESSION OF THE UNCERTAINTY OF MEASUREMENT
Διαβάστε περισσότεραPORTMANTEAU TESTY LINEARITY STACIONÁRNYCH RADOV MARIÁN VÁVRA ZACHARIAS PSARADAKIS NETECHNICKÉ
PORTMANTEAU TESTY LINEARITY STACIONÁRNYCH RADOV MARIÁN VÁVRA ZACHARIAS PSARADAKIS NETECHNICKÉ ZHRNUTIE Národná banka Slovenska www.nbs.sk Imricha Karvaša 1 813 25 Bratislava research@nbs.sk Apríl 2016
Διαβάστε περισσότερα