Statistika i osnovna mjerenja
|
|
- Σουσάννα Καζαντζής
- 6 χρόνια πριν
- Προβολές:
Transcript
1 Statistika i osnovna mjerenja Teorija vjerojatnosti M. Makek 2016/2017
2 Uvod Pokus bilo koji postupak ili proces koji rezultira opažanjem Ishod moguć rezultat pokusa (različiti ishodi se međusobno isključuju) Elementarni događaj pojedini ishod nekog pokusa Prostor elementarnih događaja skup svih ishoda nekog pokusa Ako je W prostor elementarnih događaja onda je: Događaj svaki podskup od W Elementarni događaj - jednočlani podskup od W Složeni događaj višečlani podskup od W Sigurni događaj cijeli W Nemoguć događaj prazan skup Primjer: bacanje kocke 6 mogućih ishoda (elementarnih događaja) Složeni događaj npr. parni ili neparni brojevi Siguran događaj bilo koji broj od 1-6 2
3 Vjerojatnost a priori (klasična definicija vjerojatnosti) Uzmimo pokus koji završava s konačno mnogo (n) ishoda tj. elementarnih događaja, koji su jednako mogući. Definicija: vjerojatnost proizvoljnog događaja A je dana omjerom broja povoljnih elementarnih događaja n A i ukupnog broja elem. događaja n: Iz ove definicije slijedi: 0 <= P(A) <= 1 (vjerojatnost je između 0 i 1) n A =0 P(A) = 0 (ako niti jedan elementarni događaj ne realizira A, tj. A je nemoguć događaj, onda je njegova vjerojatnost jednaka 0) n A =n P(A) = 1 (ako svi elementarni događaji realiziraju A, tj. A je siguran događaj, njegova je vjerojatnost 1) Nedostaci ovakve definicije su: pretpostavka o jednako mogućim događajima (tu već pretpostavljamo neku vjerojatnost pa je definicija kružna) Definirana na konačnom skupu događaja 3
4 Vjerojatnost a priori Primjer 1: bacanje 2 kocke Rezultat svakog bacanja je par brojeva (x 1,x 2 ) Ukupno 36 elementarnih događaja čini prostor elementarnih događaja Definirajmo složen događaj A kao onaj kod kojeg je suma brojeva na obje kocke jednaka 6 Elementarni događaji koji realiziraju A su: (1,5), (2,4),(3,3),(4,2),(5,1) n A =6 P(A) = 6/36 = 1/6 4
5 Vjerojatnost a priori Primjer 2: uzorak proizvoda Pretpostavimo da imamo 500 proizvoda Proizvođač garantira da je među njima maksimalno 5% neispravnih Želimo ovo provjeriti uzimajući uzorak od 5 proizvoda A. Koja je vjerojatnost da se među tih 5 proizvoda nađu 2 (tj. ~40%) loša? 1. Na koliko načina možemo odabrati uzorak od 5 proizvoda? 2. Na koliko načina se može odabrati uzorak u kojem je od 5 proizvoda 2 loša? Vjerojatnost takvog događaja je: = 0,021 Koristimo tablicu logaritama faktorijela Obzirom da je vjerojatnost takvog događaja vrlo mala (~2%) moglo bi se zaključiti da ako se među 5 nađu 2 loša proizvoda ukupni uzorak mora sadržavati više od 5% defektnih proizvoda i da garancija proizvođača nije ispunjena. 5
6 Za prethodni primjer: Kako računati s velikim faktorijelama? Može se pojednostavniti: a) Korištenjem Stirlingove formule: b) Uporabom logaritama faktorijela (dano u tablicama) c) Logaritmiranjem Stirlingove formule a) + b) 6
7 Vjerojatnost a posteriori Primjer: bacanje novčića Ako znamo daje novčić pošten onda možemo definirati a priori vjerojatnost: Elementarni događaji P i G su jednako vjerojatni p P =p G Slijedi: p P +p G = 1 p P =p G =0,5 Ako ne znamo da novčić daje jednako vjerojatne ishode onda možemo novčić bacati puno puta (n) i odrediti koliko puta se pojavljuje G (n G ), a koliko puta P (n P ) Tada možemo definirati a posteriori vjerojatnost kao: 7
8 Vjerojatnost a posteriori Definicija: vjerojatnost događaja A jednaka je relativnoj frekvenciji pojavljivanja tog događaja f r (A) u nizu od n pokusa: - vrijedi pod pretpostavkom da su pokusi izvedeni pod jednakim uvjetima te da je izveden dovoljan broj pokusa da se f r (A) ne mijenja s n, tj. da su relativne frekvencije stabilne Nedostaci ovakve definicije: Što znači dovoljan broj pokusa? Koja je vjerojatnost jednog događaja (ako ne možemo ponavljati pokus puno puta)? 8
9 Suprotna vjerojatnost Vjerojatnost da se događaj A ne desi Ne događanje A je događaj koji ćemo označiti sa Ako je vjerojatnost za događaj A, P(A), onda je vjerojatnost da se A ne desi: Suprotna vjerojatnost još se označava i sa Q(A) te vrijedi: Primjer: Imamo 10 proizvoda od kojih 5 dobrih i 5 neispravnih Ako najednom uzmemo 3 proizvoda koja je vjerojatnost da barem jedan od njih bude neispravan ekvivalentno: koja je vjerojatnost da se desi suprotan događaj onom kada su sva tri proizvoda ispravna? Vjerojatnost da imamo 3 ispravna je: =1/12 Vjerojatnost da nastupi suprotan događaj je: = 0,917 9
10 Isključivost događaja Definicija: Događaji A i B se međusobno isključuju ako istovremeno ne mogu nastupiti oba. Analogno: događaji se međusobno isključuju ako se istovremeno može pojaviti samo jedan od njih znači da ne postoji elementaran događaj koji bi istovremeno realizirao događaje A i B grafički se to može prikazati disjunktnim skupovima točaka u ravnini A B skupovi elementarnih događaja koji realiziraju A odn. B su disjunktni 10
11 Zbrajanje vjerojatnosti Pretpostavimo da se događaji A 1, A 2,, A k međusobno isključuju Zanima nas koja je vjerojatnost da se desi ili A 1 ili A 2,, ili A k? Takav događaj označavamo s A 1 +A 2 + +A k ( + među događajima se čita ili i znači da se može desiti samo 1 događaj) Vrijedi: vjerojatnost da se desi složeni događaj jednaka je sumi vjerojatnosti komponentnih događaja Dokaz slijedi iz definicije vjerojatnosti (npr. a priori): 11
12 Zbrajanje vjerojatnosti Primjer: bacanje kocke Pretpostavimo da svakom broju na kocki pripada jednaka vjerojatnost P=1/6 Kolika je vjerojatnost da broj na kocki bude paran? To je vjerojatnost da broj bude ili 2 ili 4 ili 6 Vjerojatnost za takav događaj je: P(Paran) = 1/6 + 1/6 + 1/6 = 0,5 12
13 Nezavisni događaji Događaji A 1 i A 2 su nezavisni ako pojavljivanje jednog ne mijenja vjerojatnost pojavljivanja drugog Kasnije ćemo pokazati da za nezavisne događaje vrijedi da je vjerojatnost istovremenog pojavljivanja događaja A 1 i A 2 jednaka umnošku vjerojatnosti pojedinih događaja, tj: Grafički se može pokazati da je skup elementarnih događaja koji realiziraju i A 1 i A 2 jednak presjeku skupova elementarnih događaja za A 1 i A 2 A 1 A 2 A 1 A 2 Implicitan uvjet je da se događaji A 1 i A 2 ne isključuju drugim riječima događaji koji se isključuju ne mogu biti nezavisni 13
14 Množenje vjerojatnosti Pretpostavimo da se događaji A 1, A 2,, A k međusobno ne isključuju mogu se dogoditi istovremeno Zanima nas koja je vjerojatnost da se istovremeno dese i A 1 i A 2,, i A k? Takav događaj označavamo s ( se čita i ) Može se pokazati da prethodni primjer vrijedi i općenito: Vjerojatnost ovakvog složenog događaja je jednaka umnošku vjerojatnosti svih komponentnih događaja 14
15 Množenje vjerojatnosti Primjer koincidentno opažanje čestica Uzmimo da želimo opažati reakciju raspada piona: U reakciji se kao produkti pojavljuju elektron, pozitron i foton Efikasnost detektora za opažanje elektrona ili pozitrona je e e+e- = 0,9 Efikasnost detektora za opažanje fotona je e g =0,2 Kolika je vjerojatnost opažanja ovakvog događaja? Efikasnost detektora možemo poistovjetiti sa vjerojatnošću opažanja Ako pretpostavimo da je opažanje svake od čestica nezavisan događaj onda je vjerojatnost opažanja ovog događaja jednaka vjerojatnosti za istovremeno (koincidentno) opažanje ove tri čestice: = 0,162 15
16 Svojstva nezavisnih događaja Tvrdnja: ako su A 1 i A 2 nezavisni onda su i A 1 i Iz grafičkog prikaza slijedi: nezavisni A 1 Ᾱ 2 A 2 Zbog nezavisnosti A 1 i A 2 možemo pisati: Čime je prema definicija nezavisnih događaja dokazana tvrdnja 16
17 Ostali složeni događaji Uzmimo događaje A 1 i A 2 koji su međusobno ne isključuju Kolika je vjerojatnost da nastupi barem jedan od tih događaja, tj. A 1 ili A 2 ili A 1 i A 2? Takav složeni događaj označavamo s A 1 U A 2 Iz grafičkog prikaza slijedi: A 1 A 2 A 1 A 2 U specijalnom slučaju kad su A 1 i A 2 nezavisni događaji, vrijedi: 17
18 Ostali složeni događaji Prethodnu relaciju možemo napisati na drugačiji način: po definiciji: znači da se ne dogodi A 1 ili A 2 ili oba Ekvivalentno možemo reći da će se dogoditi događaj suprotan A 1 i suprotan A 2 : Slijedi: Općenito vrijedi: A posebno za nezavisne događaje: 18
19 Ostali složeni događaji Primjer: A,B,C su nezavisni događaji koji se međusobno ne isključuju U nekom pokusu oni imaju vjerojatnosti: P(A)=0.5, P(B)=0.3 i P(C)=0.1 Koja je vjerojatnost da nastupi bar jedan od događaja? 19
20 Konstantna vjerojatnost Događaji čija vjerojatnost se ne mijenja tijekom pokusa Vjerojatnost da događaj nastupi u nekom pokusu: Vjerojatnost da događaj ne nastupi u nekom pokusu: Vjerojatnost da događaj nastupi barem jednom u seriji od k pokusa: (događaji su po definiciji nezavisni jer se događaju u različitim pokusima) Slijedi: 20
21 Konstantna vjerojatnost Primjer: U nekom pokusu događaj A nastupa uz vjerojatnost P(A)=p=0,4 Koliko pokusa treba učiniti da u njima sa vjerojatnošću od 95% nastupi barem jedan događaj? P = 1-q n = ,6 n =0.05 n= 5,86 ~ 6 21
22 Uvjetna vjerojatnost Kolika je vjerojatnost da se dogodi A ako se dogodio B? Označava se sa P(A B) (čitamo A ako je B ) Skup elementarnih događaja koji realiziraju B onda postaje prostorom elementarnih događaja za A B U tom prostoru A B elementarnih događaja realizira dog. A Slijedi da je: (uvjet P(B)>0) Jednako vrijedi: Iz čega slijedi: (vjerojatnost istovremenog zbivanja dva događaja jednaka je produktu apsolutne vjerojatnosti prvog i uvjetne vjerojatnosti drugog) 22
23 Nezavisnost događaja Definicija: događaji A i B su nezavisni onda i samo onda kad vrijedi: P (A B) = P(A) (Vjerojatnost da se dogodi A ne ovisi o tome da li se dogodio B) Iz relacije za uvjetnu vjerojatnost vrijedi: Iz toga slijedi relacija koju smo prije uveli: 23
24 Potpun sistem događaja Neka za događaje A i (i=1,2, ) vrijedi: Događaji A i čine potpun sistem događaja A 1 A 3 A 2 A i W 24
25 Zakon totalne vjerojatnosti Neka A i čine potpun sistem događaja Tada za bilo koji događaj B vrijedi: A 1 B A i A 2 A 3 W 25
26 Bayesov teorem Neka A i čine potpun sistem događaja i B neki događaj Za bilo koji događaj A k vrijedi: Slijedi Bayesov teorem: 26
27 Bayesov teorem Primjer: kontrola proizvoda Serija proizvoda sadrži 95% ispravnih proizvoda Kontrola proglašava ispravan proizvod dobrim s vjerojatnoću od 98% Kontrola proglašava neispravan proizvod dobrim s vjerojatnošću od 5% Koja je vjerojatnost da je proizvod stvarno dobar ako ga je kontrola proglasila dobrim? A 1 = proizvod stvarno dobar, P(A 1 ) = 0.95 A 2 = proizvod stvarno loš, P(A 2 ) = 0.05 B = kontrola proglašava proizvod dobrim P(A 1 B)=? Potpun sustav događaja = 0,997 Nakon kontrole serija će sadržavati 99,7% dobrih proizvoda 27
28 Nedostaci klasičnih definicija vjerojatnosti A priori: vjerojatnost proizvoljnog događaja A je dana omjerom broja povoljnih elementarnih događaja n A i ukupnog broja elem. događaja n Nedostaci ovakve definicije su: pretpostavka o jednako mogućim događajima (tu već pretpostavljamo neku vjerojatnost pa je definicija kružna) Definirana na konačnom skupu događaja A posteriori: vjerojatnost događaja A jednaka je relativnoj frekvenciji pojavljivanja tog događaja f r (A) u nizu od n pokusa Nedostaci ovakve definicije: Koliki je broj pokusa dovoljan? Koja je vjerojatnost jednog događaja? (ako ne možemo ponavljati pokus puno puta) 28
29 Aksiomatska izgradnja teorije vjerojatnosti Ako poznajemo prostor elementarnih događaja W za neki pokus, svrha definicije vjerojatnosti je da svakom događaju pridruži broj P(A), koji će biti precizna mjera šanse da se A ostvari Definicija vjerojatnosti treba biti općenita i obuhvaćati i klasične definicije vjerojatnosti Takvu definiciju temeljenu na aksiomima uveo je Kolmogorov godine Objekti u aksiomatskom pristupu su slučajni događaji 29
30 Kolmogorovi aksiomi Uzmimo da je W prostor elementarnih događaja Nekom događaju želimo pridružiti vjerojatnost P(A) Pri tome tvrdimo da svako takvo pridruživanje mora zadovoljavati (aksiomi): a) ako se konačan broj događaja međusobno isključuju (svaki par je disjunktan), vrijedi: b) ako se prebrojivo beskonačan broj događaja međusobno isključuje, vrijedi: 30
31 Svojstva vjerojatnosti I. a) Zbog zatvorenosti skupa elementarnih događaja: b) Prema definiciji suprotnog događaja je: c) Siguran događaj: Iz a), b), c) i trećeg Kolmogorovog aksioma slijedi A, A W II. Iz prvog aksioma i relacije (I.) slijedi: III. Ako u relaciju (I.) umjesto A uvrstimo siguran događaj W, dobivamo: Uz postavku da je slijedi: 31
32 Svojstva vjerojatnosti IV. Uzmimo da je Onda je Iz trećeg aksioma slijedi da je Za bilo koja dva događaja vrijedi i: Pa iz trećeg aksioma i gornjih relacija slijedi: P(A U B) = P(A) + P(B) P(A B) Sva ova svojstva poznata su i u klasičnoj definiciji vjerojatnosti 32
33 Podudarnost sa klasičnom definicijom Neka pokus ima velik broj mogućih ishoda elementarnih događaja w i Tada je vjerojatnost složenog događaja A: Ako imamo n jednako vjerojatnih ishoda (kao u definiciji a 1 priori), onda je vjerojatnost svakog od njih: P(w i ), i n Proizlazi da je vjerojatnost događaja A: na P( A) n gdje je n A broj elementarnih događaja koji su podskupovi A to je klasična definicija vjerojatnosti! P( A) w A i P(w ) i 33
2. OSNOVNI POJMOVI TEORIJE VJEROJATNOSTI
2. OSNOVNI POJMOVI TEORIJE VJEROJATNOSTI 2. ALGEBRA DOGAĐAJA 2.. Intuitivna definicija Slučajan pokus (eksperiment) jest takav pokus čiji ishodi nisu jednoznačno određeni skupom uvjeta pokusa. Sa Ω označavamo
Διαβάστε περισσότεραM086 LA 1 M106 GRP. Tema: Baza vektorskog prostora. Koordinatni sustav. Norma. CSB nejednakost
M086 LA 1 M106 GRP Tema: CSB nejednakost. 19. 10. 2017. predavač: Rudolf Scitovski, Darija Marković asistent: Darija Brajković, Katarina Vincetić P 1 www.fizika.unios.hr/grpua/ 1 Baza vektorskog prostora.
Διαβάστε περισσότεραa M a A. Može se pokazati da je supremum (ako postoji) jedinstven pa uvodimo oznaku sup A.
3 Infimum i supremum Definicija. Neka je A R. Kažemo da je M R supremum skupa A ako je (i) M gornja meda skupa A, tj. a M a A. (ii) M najmanja gornja meda skupa A, tj. ( ε > 0)( a A) takav da je a > M
Διαβάστε περισσότεραSkup svih mogućih ishoda datog opita, odnosno skup svih elementarnih događaja se najčešće obeležava sa E. = {,,,... }
VEROVTNOĆ - ZDI (I DEO) U računu verovatnoće osnovni pojmovi su opit i događaj. Svaki opit se završava nekim ishodom koji se naziva elementarni događaj. Elementarne događaje profesori različito obeležavaju,
Διαβάστε περισσότεραIskazna logika 3. Matematička logika u računarstvu. novembar 2012
Iskazna logika 3 Matematička logika u računarstvu Department of Mathematics and Informatics, Faculty of Science,, Serbia novembar 2012 Deduktivni sistemi 1 Definicija Deduktivni sistem (ili formalna teorija)
Διαβάστε περισσότεραINTEGRALNI RAČUN. Teorije, metodike i povijest infinitezimalnih računa. Lucija Mijić 17. veljače 2011.
INTEGRALNI RAČUN Teorije, metodike i povijest infinitezimalnih računa Lucija Mijić lucija@ktf-split.hr 17. veljače 2011. Pogledajmo Predstavimo gornju sumu sa Dodamo još jedan Dobivamo pravokutnik sa Odnosno
Διαβάστε περισσότεραOperacije s matricama
Linearna algebra I Operacije s matricama Korolar 3.1.5. Množenje matrica u vektorskom prostoru M n (F) ima sljedeća svojstva: (1) A(B + C) = AB + AC, A, B, C M n (F); (2) (A + B)C = AC + BC, A, B, C M
Διαβάστε περισσότεραSume kvadrata. mn = (ax + by) 2 + (ay bx) 2.
Sume kvadrata Koji se prirodni brojevi mogu prikazati kao zbroj kvadrata dva cijela broja? Propozicija 1. Ako su brojevi m i n sume dva kvadrata, onda je i njihov produkt m n takoder suma dva kvadrata.
Διαβάστε περισσότεραOsnovni primer. (Z, +,,, 0, 1) je komutativan prsten sa jedinicom: množenje je distributivno prema sabiranju
RAČUN OSTATAKA 1 1 Prsten celih brojeva Z := N + {} N + = {, 3, 2, 1,, 1, 2, 3,...} Osnovni primer. (Z, +,,,, 1) je komutativan prsten sa jedinicom: sabiranje (S1) asocijativnost x + (y + z) = (x + y)
Διαβάστε περισσότεραDISKRETNA MATEMATIKA - PREDAVANJE 7 - Jovanka Pantović
DISKRETNA MATEMATIKA - PREDAVANJE 7 - Jovanka Pantović Novi Sad April 17, 2018 1 / 22 Teorija grafova April 17, 2018 2 / 22 Definicija Graf je ure dena trojka G = (V, G, ψ), gde je (i) V konačan skup čvorova,
Διαβάστε περισσότερα7 Algebarske jednadžbe
7 Algebarske jednadžbe 7.1 Nultočke polinoma Skup svih polinoma nad skupom kompleksnih brojeva označavamo sa C[x]. Definicija. Nultočka polinoma f C[x] je svaki kompleksni broj α takav da je f(α) = 0.
Διαβάστε περισσότερα(P.I.) PRETPOSTAVKA INDUKCIJE - pretpostavimo da tvrdnja vrijedi za n = k.
1 3 Skupovi brojeva 3.1 Skup prirodnih brojeva - N N = {1, 2, 3,...} Aksiom matematičke indukcije Neka je N skup prirodnih brojeva i M podskup od N. Ako za M vrijede svojstva: 1) 1 M 2) n M (n + 1) M,
Διαβάστε περισσότεραELEKTROTEHNIČKI ODJEL
MATEMATIKA. Neka je S skup svih živućih državljana Republike Hrvatske..04., a f preslikavanje koje svakom elementu skupa S pridružuje njegov horoskopski znak (bez podznaka). a) Pokažite da je f funkcija,
Διαβάστε περισσότερα2 tg x ctg x 1 = =, cos 2x Zbog četvrtog kvadranta rješenje je: 2 ctg x
Zadatak (Darjan, medicinska škola) Izračunaj vrijednosti trigonometrijskih funkcija broja ako je 6 sin =,,. 6 Rješenje Ponovimo trigonometrijske funkcije dvostrukog kuta! Za argument vrijede sljedeće formule:
Διαβάστε περισσότεραSadrˇzaj. Sadrˇzaj 1. 4 UVJETNA VJEROJATNOST Ponovimo... 14
Sadrˇzaj Sadrˇzaj 1 4 UVJETNA VJEROJATNOST 3 4.1 Ponovimo................................. 14 1 Radni materijal 2 Poglavlje 4 UVJETNA VJEROJATNOST Thomas Bayes (1702 1762) uvodi pojam uvjetne vjerojatnosti:
Διαβάστε περισσότεραradni nerecenzirani materijal za predavanja R(f) = {f(x) x D}
Matematika 1 Funkcije radni nerecenzirani materijal za predavanja Definicija 1. Neka su D i K bilo koja dva neprazna skupa. Postupak f koji svakom elementu x D pridružuje točno jedan element y K zovemo funkcija
Διαβάστε περισσότεραLinearna algebra 2 prvi kolokvij,
Linearna algebra 2 prvi kolokvij, 27.. 20.. Za koji cijeli broj t je funkcija f : R 4 R 4 R definirana s f(x, y) = x y (t + )x 2 y 2 + x y (t 2 + t)x 4 y 4, x = (x, x 2, x, x 4 ), y = (y, y 2, y, y 4 )
Διαβάστε περισσότερα18. listopada listopada / 13
18. listopada 2016. 18. listopada 2016. 1 / 13 Neprekidne funkcije Važnu klasu funkcija tvore neprekidne funkcije. To su funkcije f kod kojih mala promjena u nezavisnoj varijabli x uzrokuje malu promjenu
Διαβάστε περισσότεραTeorijske osnove informatike 1
Teorijske osnove informatike 1 9. oktobar 2014. () Teorijske osnove informatike 1 9. oktobar 2014. 1 / 17 Funkcije Veze me du skupovima uspostavljamo skupovima koje nazivamo funkcijama. Neformalno, funkcija
Διαβάστε περισσότεραTRIGONOMETRIJSKE FUNKCIJE I I.1.
TRIGONOMETRIJSKE FUNKCIJE I I Odredi na brojevnoj trigonometrijskoj kružnici točku Et, za koju je sin t =,cost < 0 Za koje realne brojeve a postoji realan broj takav da je sin = a? Izračunaj: sin π tg
Διαβάστε περισσότεραRiješeni zadaci: Nizovi realnih brojeva
Riješei zadaci: Nizovi realih brojeva Nizovi, aritmetički iz, geometrijski iz Fukciju a : N R azivamo beskoači) iz realih brojeva i ozačavamo s a 1, a,..., a,... ili a ), pri čemu je a = a). Aritmetički
Διαβάστε περισσότερα1 Promjena baze vektora
Promjena baze vektora Neka su dane dvije različite uredene baze u R n, označimo ih s A = (a, a,, a n i B = (b, b,, b n Svaki vektor v R n ima medusobno različite koordinatne zapise u bazama A i B Zapis
Διαβάστε περισσότεραNeka je a 3 x 3 + a 2 x 2 + a 1 x + a 0 = 0 algebarska jednadžba trećeg stupnja. Rješavanje ove jednadžbe sastoji se od nekoliko koraka.
Neka je a 3 x 3 + a x + a 1 x + a 0 = 0 algebarska jednadžba trećeg stupnja. Rješavanje ove jednadžbe sastoji se od nekoliko koraka. 1 Normiranje jednadžbe. Jednadžbu podijelimo s a 3 i dobivamo x 3 +
Διαβάστε περισσότεραZadaci iz Osnova matematike
Zadaci iz Osnova matematike 1. Riješiti po istinitosnoj vrijednosti iskaza p, q, r jednačinu τ(p ( q r)) =.. Odrediti sve neekvivalentne iskazne formule F = F (p, q) za koje je iskazna formula p q p F
Διαβάστε περισσότεραUvod u teoriju brojeva
Uvod u teoriju brojeva 2. Kongruencije Borka Jadrijević Borka Jadrijević () UTB 2 1 / 25 2. Kongruencije Kongruencija - izjava o djeljivosti; Teoriju kongruencija uveo je C. F. Gauss 1801. De nicija (2.1)
Διαβάστε περισσότεραNeka su A i B skupovi. Kažemo da je A podskup od B i pišemo A B ako je svaki element skupa A ujedno i element skupa B. Simbolima to zapisujemo:
2 Skupovi Neka su A i B skupovi. Kažemo da je A podskup od B i pišemo A B ako je svaki element skupa A ujedno i element skupa B. Simbolima to zapisujemo: A B def ( x)(x A x B) Kažemo da su skupovi A i
Διαβάστε περισσότεραElementi spektralne teorije matrica
Elementi spektralne teorije matrica Neka je X konačno dimenzionalan vektorski prostor nad poljem K i neka je A : X X linearni operator. Definicija. Skalar λ K i nenula vektor u X se nazivaju sopstvena
Διαβάστε περισσότεραLinearna algebra 2 prvi kolokvij,
1 2 3 4 5 Σ jmbag smjer studija Linearna algebra 2 prvi kolokvij, 7. 11. 2012. 1. (10 bodova) Neka je dano preslikavanje s : R 2 R 2 R, s (x, y) = (Ax y), pri čemu je A: R 2 R 2 linearan operator oblika
Διαβάστε περισσότεραVerovatnoća i Statistika I deo Teorija verovatnoće (zadaci) Beleške dr Bobana Marinkovića
Verovatnoća i Statistika I deo Teorija verovatnoće zadaci Beleške dr Bobana Marinkovića Iz skupa, 2,, 00} bira se na slučajan način 5 brojeva Odrediti skup elementarnih dogadjaja ako se brojevi biraju
Διαβάστε περισσότερα3.1 Granična vrednost funkcije u tački
3 Granična vrednost i neprekidnost funkcija 2 3 Granična vrednost i neprekidnost funkcija 3. Granična vrednost funkcije u tački Neka je funkcija f(x) definisana u tačkama x za koje je 0 < x x 0 < r, ili
Διαβάστε περισσότεραPRAVA. Prava je u prostoru određena jednom svojom tačkom i vektorom paralelnim sa tom pravom ( vektor paralelnosti).
PRAVA Prava je kao i ravan osnovni geometrijski ojam i ne definiše se. Prava je u rostoru određena jednom svojom tačkom i vektorom aralelnim sa tom ravom ( vektor aralelnosti). M ( x, y, z ) 3 Posmatrajmo
Διαβάστε περισσότερα1 Aksiomatska definicija skupa realnih brojeva
1 Aksiomatska definicija skupa realnih brojeva Definicija 1 Polje realnih brojeva je skup R = {x, y, z...} u kojemu su definirane dvije binarne operacije zbrajanje (oznaka +) i množenje (oznaka ) i jedna binarna
Διαβάστε περισσότεραČetrnaesto predavanje iz Teorije skupova
Četrnaesto predavanje iz Teorije skupova 27. 01. 2006. Kratki rezime prošlog predavanja: Dokazali smo teorem rekurzije, te primjenom njega definirali zbrajanje ordinalnih brojeva. Prvo ćemo navesti osnovna
Διαβάστε περισσότεραUNIVERZITET U NIŠU ELEKTRONSKI FAKULTET SIGNALI I SISTEMI. Zbirka zadataka
UNIVERZITET U NIŠU ELEKTRONSKI FAKULTET Goran Stančić SIGNALI I SISTEMI Zbirka zadataka NIŠ, 014. Sadržaj 1 Konvolucija Literatura 11 Indeks pojmova 11 3 4 Sadržaj 1 Konvolucija Zadatak 1. Odrediti konvoluciju
Διαβάστε περισσότεραVeleučilište u Rijeci Stručni studij sigurnosti na radu Akad. god. 2011/2012. Matematika. Monotonost i ekstremi. Katica Jurasić. Rijeka, 2011.
Veleučilište u Rijeci Stručni studij sigurnosti na radu Akad. god. 2011/2012. Matematika Monotonost i ekstremi Katica Jurasić Rijeka, 2011. Ishodi učenja - predavanja Na kraju ovog predavanja moći ćete:,
Διαβάστε περισσότεραSISTEMI NELINEARNIH JEDNAČINA
SISTEMI NELINEARNIH JEDNAČINA April, 2013 Razni zapisi sistema Skalarni oblik: Vektorski oblik: F = f 1 f n f 1 (x 1,, x n ) = 0 f n (x 1,, x n ) = 0, x = (1) F(x) = 0, (2) x 1 0, 0 = x n 0 Definicije
Διαβάστε περισσότεραSKUPOVI I SKUPOVNE OPERACIJE
SKUPOVI I SKUPOVNE OPERACIJE Ne postoji precizna definicija skupa (postoji ali nama nije zanimljiva u ovom trenutku), ali mi možemo koristiti jednu definiciju koja će nam donekle dočarati šta su zapravo
Διαβάστε περισσότεραRIJEŠENI ZADACI I TEORIJA IZ
RIJEŠENI ZADACI I TEORIJA IZ LOGARITAMSKA FUNKCIJA SVOJSTVA LOGARITAMSKE FUNKCIJE OSNOVE TRIGONOMETRIJE PRAVOKUTNOG TROKUTA - DEFINICIJA TRIGONOMETRIJSKIH FUNKCIJA - VRIJEDNOSTI TRIGONOMETRIJSKIH FUNKCIJA
Διαβάστε περισσότεραFunkcije dviju varjabli (zadaci za vježbu)
Funkcije dviju varjabli (zadaci za vježbu) Vidosava Šimić 22. prosinca 2009. Domena funkcije dvije varijable Ako je zadano pridruživanje (x, y) z = f(x, y), onda se skup D = {(x, y) ; f(x, y) R} R 2 naziva
Διαβάστε περισσότεραLINEARNA ALGEBRA 1, ZIMSKI SEMESTAR 2007/2008 PREDAVANJA: NENAD BAKIĆ, VJEŽBE: LUKA GRUBIŠIĆ I MAJA STARČEVIĆ
LINEARNA ALGEBRA 1 ZIMSKI SEMESTAR 2007/2008 PREDAVANJA: NENAD BAKIĆ VJEŽBE: LUKA GRUBIŠIĆ I MAJA STARČEVIĆ 2. VEKTORSKI PROSTORI - LINEARNA (NE)ZAVISNOST SISTEM IZVODNICA BAZA Definicija 1. Neka je F
Διαβάστε περισσότεραPARCIJALNI IZVODI I DIFERENCIJALI. Sama definicija parcijalnog izvoda i diferencijala je malo teža, mi se njome ovde nećemo baviti a vi ćete je,
PARCIJALNI IZVODI I DIFERENCIJALI Sama definicija parcijalnog ivoda i diferencijala je malo teža, mi se njome ovde nećemo baviti a vi ćete je, naravno, naučiti onako kako vaš profesor ahteva. Mi ćemo probati
Διαβάστε περισσότεραKOMUTATIVNI I ASOCIJATIVNI GRUPOIDI. NEUTRALNI ELEMENT GRUPOIDA.
KOMUTATIVNI I ASOCIJATIVNI GRUPOIDI NEUTRALNI ELEMENT GRUPOIDA 1 Grupoid (G, ) je asocijativa akko važi ( x, y, z G) x (y z) = (x y) z Grupoid (G, ) je komutativa akko važi ( x, y G) x y = y x Asocijativa
Διαβάστε περισσότεραPRIMJER 3. MATLAB filtdemo
PRIMJER 3. MATLAB filtdemo Prijenosna funkcija (IIR) Hz () =, 6 +, 3 z +, 78 z +, 3 z +, 53 z +, 3 z +, 78 z +, 3 z +, 6 z, 95 z +, 74 z +, z +, 9 z +, 4 z +, 5 z +, 3 z +, 4 z 3 4 5 6 7 8 3 4 5 6 7 8
Διαβάστε περισσότεραJednodimenzionalne slučajne promenljive
Jednodimenzionalne slučajne promenljive Definicija slučajne promenljive Neka je X f-ja def. na prostoru verovatnoća (Ω, F, P) koja preslikava prostor el. ishoda Ω u skup R realnih brojeva: (1)Skup {ω/
Διαβάστε περισσότεραMatematička analiza 1 dodatni zadaci
Matematička analiza 1 dodatni zadaci 1. Ispitajte je li funkcija f() := 4 4 5 injekcija na intervalu I, te ako jest odredite joj sliku i inverz, ako je (a) I = [, 3), (b) I = [1, ], (c) I = ( 1, 0].. Neka
Διαβάστε περισσότεραTrigonometrija 2. Adicijske formule. Formule dvostrukog kuta Formule polovičnog kuta Pretvaranje sume(razlike u produkt i obrnuto
Trigonometrija Adicijske formule Formule dvostrukog kuta Formule polovičnog kuta Pretvaranje sume(razlike u produkt i obrnuto Razumijevanje postupka izrade složenijeg matematičkog problema iz osnova trigonometrije
Διαβάστε περισσότεραSTATISTIKA. Miroslav M. Risti 2008/2009. Katedra za Matematiku Prirodno-matematiqki fakultet Univerzitet u Nixu
STATISTIKA Miroslav M. Risti Katedra za Matematiku Prirodno-matematiqki fakultet Univerzitet u Nixu 2008/2009 Literatura Miroslav M. Risti, Biljana Q. Popovi, Miodrag S. orđevi, Statistika za studente geografije,
Διαβάστε περισσότεραDvanaesti praktikum iz Analize 1
Dvaaesti praktikum iz Aalize Zlatko Lazovi 20. decembar 206.. Dokazati da fukcija f = 5 l tg + 5 ima bar jedu realu ulu. Ree e. Oblast defiisaosti fukcije je D f = k Z da postoji ula fukcije a 0, π 2.
Διαβάστε 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 περισσότεραIZVODI ZADACI ( IV deo) Rešenje: Najpre ćemo logaritmovati ovu jednakost sa ln ( to beše prirodni logaritam za osnovu e) a zatim ćemo
IZVODI ZADACI ( IV deo) LOGARITAMSKI IZVOD Logariamskim izvodom funkcije f(), gde je >0 i, nazivamo izvod logarima e funkcije, o jes: (ln ) f ( ) f ( ) Primer. Nadji izvod funkcije Najpre ćemo logarimovai
Διαβάστε περισσότεραDijagonalizacija operatora
Dijagonalizacija operatora Problem: Može li se odrediti baza u kojoj zadani operator ima dijagonalnu matricu? Ova problem je povezan sa sljedećim pojmovima: 1 Karakteristični polinom operatora f 2 Vlastite
Διαβάστε περισσότεραFunkcija gustoće neprekidne slučajne varijable ima dva bitna svojstva: 1. Nenegativnost: f(x) 0, x R, 2. Normiranost: f(x)dx = 1.
σ-algebra skupova Definicija : Neka je Ω neprazan skup i F P(Ω). Familija skupova F je σ-algebra skupova na Ω ako vrijedi:. F, 2. A F A C F, 3. A n, n N} F n N A n F. Borelova σ-algebra Definicija 2: Neka
Διαβάστε περισσότεραELEMENTARNA MATEMATIKA 1
Na kolokviju nije dozvoljeno koristiti ni²ta osim pribora za pisanje. Zadatak 1. Ispitajte odnos skupova: C \ (A B) i (A C) (C \ B). Rje²enje: Neka je x C \ (A B). Tada imamo x C i x / A B = (A B) \ (A
Διαβάστε περισσότερα3 Populacija i uzorak
3 Populacija i uzorak 1 3.1 Slučajni uzorak X varijabla/stat. obilježje koje izučavamo Cilj statističke analize na osnovi uzorka izvesti odredene zaključke o (populacijskoj) razdiobi od X 2 Primjer 3.1.
Διαβάστε περισσότεραradni nerecenzirani materijal za predavanja
Matematika 1 Funkcije radni nerecenzirani materijal za predavanja Definicija 1. Kažemo da je funkcija f : a, b R u točki x 0 a, b postiže lokalni minimum ako postoji okolina O(x 0 ) broja x 0 takva da je
Διαβάστε περισσότεραSortiranje prebrajanjem (Counting sort) i Radix Sort
Sortiranje prebrajanjem (Counting sort) i Radix Sort 15. siječnja 2016. Ante Mijoč Uvod Teorem Ako je f(n) broj usporedbi u algoritmu za sortiranje temeljenom na usporedbama (eng. comparison-based sorting
Διαβάστε περισσότεραPoglavlje 1 GRAM-SCHMIDTOV POSTUPAK ORTOGONALIZACIJE. 1.1 Ortonormirani skupovi
Poglavlje 1 GRAM-SCHMIDTOV POSTUPAK ORTOGONALIZACIJE 1.1 Ortonormirani skupovi Prije nego krenemo na sami algoritam, uvjerimo se koliko je korisno raditi sa ortonormiranim skupovima u unitarnom prostoru.
Διαβάστε περισσότεραk a k = a. Kao i u slučaju dimenzije n = 1 samo je jedan mogući limes niza u R n :
4 Nizovi u R n Neka je A R n. Niz u A je svaka funkcija a : N A. Označavamo ga s (a k ) k. Na primjer, jedan niz u R 2 je dan s ( 1 a k = k, 1 ) k 2, k N. Definicija 4.1. Za niz (a k ) k R n kažemo da
Διαβάστε περισσότεραZadaci iz trigonometrije za seminar
Zadaci iz trigonometrije za seminar FON: 1. Vrednost izraza sin 1 cos 6 jednaka je: ; B) 1 ; V) 1 1 + 1 ; G) ; D). 16. Broj rexea jednaqine sin x cos x + cos x = sin x + sin x na intervalu π ), π je: ;
Διαβάστε περισσότερα41. Jednačine koje se svode na kvadratne
. Jednačine koje se svode na kvadrane Simerične recipročne) jednačine Jednačine oblika a n b n c n... c b a nazivamo simerične jednačine, zbog simeričnosi koeficijenaa koeficijeni uz jednaki). k i n k
Διαβάστε περισσότεραPOVRŠINA TANGENCIJALNO-TETIVNOG ČETVEROKUTA
POVRŠIN TNGENIJLNO-TETIVNOG ČETVEROKUT MLEN HLP, JELOVR U mnoštvu mnogokuta zanimljiva je formula za površinu četverokuta kojemu se istoobno može upisati i opisati kružnica: gje su a, b, c, uljine stranica
Διαβάστε περισσότεραTeorem 1.8 Svaki prirodan broj n > 1 moºe se prikazati kao umnoºak prostih brojeva (s jednim ili vi²e faktora).
UVOD U TEORIJU BROJEVA Drugo predavanje - 10.10.2013. Prosti brojevi Denicija 1.4. Prirodan broj p > 1 zove se prost ako nema niti jednog djelitelja d takvog da je 1 < d < p. Ako prirodan broj a > 1 nije
Διαβάστε περισσότεραIZRAČUNAVANJE POKAZATELJA NAČINA RADA NAČINA RADA (ISKORIŠĆENOSTI KAPACITETA, STEPENA OTVORENOSTI RADNIH MESTA I NIVOA ORGANIZOVANOSTI)
IZRAČUNAVANJE POKAZATELJA NAČINA RADA NAČINA RADA (ISKORIŠĆENOSTI KAPACITETA, STEPENA OTVORENOSTI RADNIH MESTA I NIVOA ORGANIZOVANOSTI) Izračunavanje pokazatelja načina rada OTVORENOG RM RASPOLOŽIVO RADNO
Διαβάστε περισσότεραIspitivanje toka i skiciranje grafika funkcija
Ispitivanje toka i skiciranje grafika funkcija Za skiciranje grafika funkcije potrebno je ispitati svako od sledećih svojstava: Oblast definisanosti: D f = { R f R}. Parnost, neparnost, periodičnost. 3
Διαβάστε περισσότεραVJEROJATNOST popravni kolokvij veljače 2017.
Zadatak 1. (20 bodova) (a) (4 boda) Precizno definirajte pojam σ-algebre događaja na nepraznom skupu Ω. (b) (6 bodova) Neka je (Ω, F, P) vjerojatnosni prostor i A, B F događaji. Pomoću aksioma vjerojatnosti
Διαβάστε περισσότεραDeterminante. a11 a. a 21 a 22. Definicija 1. (Determinanta prvog reda) Determinanta matrice A = [a] je broj a.
Determinante Determinanta A deta je funkcija definirana na skupu svih kvadratnih matrica, a poprima vrijednosti iz skupa skalara Osim oznake deta za determinantu kvadratne matrice a 11 a 12 a 1n a 21 a
Διαβάστε περισσότεραKontrolni zadatak (Tačka, prava, ravan, diedar, poliedar, ortogonalna projekcija), grupa A
Kontrolni zadatak (Tačka, prava, ravan, diedar, poliedar, ortogonalna projekcija), grupa A Ime i prezime: 1. Prikazane su tačke A, B i C i prave a,b i c. Upiši simbole Î, Ï, Ì ili Ë tako da dobijeni iskazi
Διαβάστε περισσότεραKlasifikacija blizu Kelerovih mnogostrukosti. konstantne holomorfne sekcione krivine. Kelerove. mnogostrukosti. blizu Kelerove.
Klasifikacija blizu Teorema Neka je M Kelerova mnogostrukost. Operator krivine R ima sledeća svojstva: R(X, Y, Z, W ) = R(Y, X, Z, W ) = R(X, Y, W, Z) R(X, Y, Z, W ) + R(Y, Z, X, W ) + R(Z, X, Y, W ) =
Διαβάστε περισσότερα1. zadatak , 3 Dakle, sva kompleksna re{ewa date jedna~ine su x 1 = x 2 = 1 (dvostruko re{ewe), x 3 = 1 + i
PRIPREMA ZA II PISMENI IZ ANALIZE SA ALGEBROM. zadatak Re{avawe algebarskih jedna~ina tre}eg i ~etvrtog stepena. U skupu kompleksnih brojeva re{iti jedna~inu: a x 6x + 9 = 0; b x + 9x 2 + 8x + 28 = 0;
Διαβάστε περισσότεραRiješeni zadaci: Limes funkcije. Neprekidnost
Riješeni zadaci: Limes funkcije. Neprekidnost Limes funkcije Neka je 0 [a, b] i f : D R, gdje je D = [a, b] ili D = [a, b] \ { 0 }. Kažemo da je es funkcije f u točki 0 jednak L i pišemo f ) = L, ako za
Διαβάστε περισσότεραStrukture podataka i algoritmi 1. kolokvij 16. studenog Zadatak 1
Strukture podataka i algoritmi 1. kolokvij Na kolokviju je dozvoljeno koristiti samo pribor za pisanje i službeni šalabahter. Predajete samo papire koje ste dobili. Rezultati i uvid u kolokvije: ponedjeljak,
Διαβάστε περισσότεραCauchyjev teorem. Postoji više dokaza ovog teorema, a najjednostvniji je uz pomoć Greenove formule: dxdy. int C i Cauchy Riemannovih uvjeta.
auchyjev teorem Neka je f-ja f (z) analitička u jednostruko (prosto) povezanoj oblasti G, i neka je zatvorena kontura koja čitava leži u toj oblasti. Tada je f (z)dz = 0. Postoji više dokaza ovog teorema,
Διαβάστε περισσότεραMATEMATIKA 1 8. domaća zadaća: RADIJVEKTORI. ALGEBARSKE OPERACIJE S RADIJVEKTORIMA. LINEARNA (NE)ZAVISNOST SKUPA RADIJVEKTORA.
Napomena: U svim zadatcima O označava ishodište pravokutnoga koordinatnoga sustava u ravnini/prostoru (tj. točke (0,0) ili (0, 0, 0), ovisno o zadatku), označava skalarni umnožak, a vektorski umnožak.
Διαβάστε περισσότερα1 Afina geometrija. 1.1 Afini prostor. Definicija 1.1. Pod afinim prostorom nad poljem K podrazumevamo. A - skup taqaka
1 Afina geometrija 11 Afini prostor Definicija 11 Pod afinim prostorom nad poljem K podrazumevamo svaku uređenu trojku (A, V, +): A - skup taqaka V - vektorski prostor nad poljem K + : A V A - preslikavanje
Διαβάστε περισσότεραSlučajna varijabla i vjerojatnost.
Statistika, Prehrambeno-tehnološki fakultet 1 Slučajna varijabla i vjerojatnost. Primjer 1: Promotrimo pokus koji se sastoji od zagrijavanja određene količine vode pod normalnim atmosferskim tlakom na
Διαβάστε περισσότεραMatematika (PITUP) Prof.dr.sc. Blaženka Divjak. Matematika (PITUP) FOI, Varaždin
Matematika (PITUP) FOI, Varaždin Dio III Umijeće postavljanja pravih pitanja i problema u matematici treba vrednovati više nego njihovo rješavanje Georg Cantor Sadržaj Matematika (PITUP) Relacije medu
Διαβάστε περισσότεραAPROKSIMACIJA FUNKCIJA
APROKSIMACIJA FUNKCIJA Osnovni koncepti Gradimir V. Milovanović MF, Beograd, 14. mart 2011. APROKSIMACIJA FUNKCIJA p.1/46 Osnovni problem u TA Kako za datu funkciju f iz velikog prostora X naći jednostavnu
Διαβάστε περισσότεραnumeričkih deskriptivnih mera.
DESKRIPTIVNA STATISTIKA Numeričku seriju podataka opisujemo pomoću Numeričku seriju podataka opisujemo pomoću numeričkih deskriptivnih mera. Pokazatelji centralne tendencije Aritmetička sredina, Medijana,
Διαβάστε περισσότεραRešenje predhodnog primera: Neka je A događaj izvlačenja crne kuglice, a B verovatnoća izvlačenja bele kuglice iz prvog izvlačenja.
USLOVNA VEROVATNOĆA Često smo u prilici da tražimo verovatnoću nekog događaja A, posedujući informaciju o tome da se događaj B realizovao ili pretpostavljajući da će se realizovati. U kesi se nalazi belih
Διαβάστε περισσότεραXI dvoqas veжbi dr Vladimir Balti. 4. Stabla
XI dvoqas veжbi dr Vladimir Balti 4. Stabla Teorijski uvod Teorijski uvod Definicija 5.7.1. Stablo je povezan graf bez kontura. Definicija 5.7.1. Stablo je povezan graf bez kontura. Primer 5.7.1. Sva stabla
Διαβάστε περισσότεραMatematika 1 - vježbe. 11. prosinca 2015.
Matematika - vježbe. prosinca 5. Stupnjevi i radijani Ako je kut φ jednak i rad, tada je veza između i 6 = Zadatak.. Izrazite u stupnjevima: a) 5 b) 7 9 c). d) 7. a) 5 9 b) 7 6 6 = = 5 c). 6 8.5 d) 7.
Διαβάστε περισσότερα5. Karakteristične funkcije
5. Karakteristične funkcije Profesor Milan Merkle emerkle@etf.rs milanmerkle.etf.rs Verovatnoća i Statistika-proleće 2018 Milan Merkle Karakteristične funkcije ETF Beograd 1 / 10 Definicija Karakteristična
Διαβάστε περισσότεραMJERA I INTEGRAL 2. kolokvij 30. lipnja (Knjige, bilježnice, dodatni papiri i kalkulatori nisu dozvoljeni!)
JMBAG IM I PZIM BOJ BODOVA MJA I INTGAL 2. kolokvij 30. lipnja 2017. (Knjige, bilježnice, dodatni papiri i kalkulatori nisu dozvoljeni!) 1. (ukupno 6 bodova) Neka je (, F, µ) prostor mjere i neka je (
Διαβάστε περισσότεραDeljivost. 1. Ispitati kada izraz (n 2) 3 + n 3 + (n + 2) 3,n N nije deljiv sa 18.
Deljivost 1. Ispitati kada izraz (n 2) 3 + n 3 + (n + 2) 3,n N nije deljiv sa 18. Rešenje: Nazovimo naš izraz sa I.Važi 18 I 2 I 9 I pa možemo da posmatramo deljivost I sa 2 i 9.Iz oblika u kom je dat
Διαβάστε περισσότεραUvod u vjerojatnost i statistiku
Vježbe 5. 1 Uvjetna vjerojatnost i nezavisnost dogadaja 2 Zadaci 3 Formula potpune vjerojatnosti 4 Bayesova formula 5 Zadaci Monty Hall problem - Koze i auto I Pretpostavite da igrate igru u kojoj birate
Διαβάστε περισσότεραMATRICE I DETERMINANTE - formule i zadaci - (Matrice i determinante) 1 / 15
MATRICE I DETERMINANTE - formule i zadaci - (Matrice i determinante) 1 / 15 Matrice - osnovni pojmovi (Matrice i determinante) 2 / 15 (Matrice i determinante) 2 / 15 Matrice - osnovni pojmovi Matrica reda
Διαβάστε περισσότερα9. GRANIČNA VRIJEDNOST I NEPREKIDNOST FUNKCIJE GRANIČNA VRIJEDNOST ILI LIMES FUNKCIJE
Geodetski akultet, dr sc J Beban-Brkić Predavanja iz Matematike 9 GRANIČNA VRIJEDNOST I NEPREKIDNOST FUNKCIJE GRANIČNA VRIJEDNOST ILI LIMES FUNKCIJE Granična vrijednost unkcije kad + = = Primjer:, D( )
Διαβάστε περισσότεραTeorija skupova. Matko Males Split. lipanj 2003.
Teorija skupova Matko Males Split lipanj 2003. 2 O pojmu skupa A, B, C,... oznake za skupove a, b, c,... oznake za elemente skupa a A, a / A Skup je posve odredjen svojim elementima, tj u potpunosti je
Διαβάστε περισσότεραπ π ELEKTROTEHNIČKI ODJEL i) f (x) = x 3 x 2 x + 1, a = 1, b = 1;
1. Provjerite da funkcija f definirana na segmentu [a, b] zadovoljava uvjete Rolleova poučka, pa odredite barem jedan c a, b takav da je f '(c) = 0 ako je: a) f () = 1, a = 1, b = 1; b) f () = 4, a =,
Διαβάστε περισσότερα6 Polinomi Funkcija p : R R zadana formulom
6 Polinomi Funkcija p : R R zadana formulom p(x) = a n x n + a n 1 x n 1 +... + a 1 x + a 0, gdje su a 0, a 1,..., a n realni brojevi, a n 0, i n prirodan broj ili 0, naziva se polinom n-tog stupnja s
Διαβάστε περισσότεραSlučajne varijable. Diskretna slučajna varijabla X je promjenjiva veličina koja poprima vrijednosti iz skupa
Slučajne varijable Statistički podaci su distribuirani po odredenoj zakonitosti. Za matematičko (apstraktno) opisivanje te zakonitosti potrebno je definirati slučajnu varijablu kojoj pripada odredena razdioba
Διαβάστε περισσότεραVJEROJATNOST I STATISTIKA Popravni kolokvij - 1. rujna 2016.
Broj zadataka: 5 Vrijeme rješavanja: 120 min Ukupan broj bodova: 100 Zadatak 1. (a) Napišite aksiome vjerojatnosti ako je zadan skup Ω i σ-algebra F na Ω. (b) Dokažite iz aksioma vjerojatnosti da za A,
Διαβάστε περισσότερα2.2 Srednje vrijednosti. aritmetička sredina, medijan, mod. Podaci (realizacije varijable X): x 1,x 2,...,x n (1)
2.2 Srednje vrijednosti aritmetička sredina, medijan, mod Podaci (realizacije varijable X): x 1,x 2,...,x n (1) 1 2.2.1 Aritmetička sredina X je numerička varijabla. Aritmetička sredina od (1) je broj:
Διαβάστε περισσότεραZavrxni ispit iz Matematiqke analize 1
Građevinski fakultet Univerziteta u Beogradu 3.2.2016. Zavrxni ispit iz Matematiqke analize 1 Prezime i ime: Broj indeksa: 1. Definisati Koxijev niz. Dati primer niza koji nije Koxijev. 2. Dat je red n=1
Διαβάστε περισσότεραM086 LA 1 M106 GRP Tema: Uvod. Operacije s vektorima.
M086 LA 1 M106 GRP Tema:.. 5. 10. 2017. predavač: Rudolf Scitovski, Darija Marković asistent: Darija Brajković, Katarina Vincetić P 1 www.fizika.unios.hr/grpua/ 1 2 M086 LA 1, M106 GRP.. 2/17 P 1 www.fizika.unios.hr/grpua/
Διαβάστε περισσότεραApsolutno neprekidne raspodele Raspodele apsolutno neprekidnih sluqajnih promenljivih nazivaju se apsolutno neprekidnim raspodelama.
Apsolutno neprekidne raspodele Raspodele apsolutno neprekidnih sluqajnih promenljivih nazivaju se apsolutno neprekidnim raspodelama. a b Verovatno a da sluqajna promenljiva X uzima vrednost iz intervala
Διαβάστε περισσότεραVJEROJATNOST 1. kolokvij studenog 2013.
Zadatak 1 (10 bodova (a (5 bodova Iskažite i dokažite teorem o strukturi vjerojatnosti na partitivnom skupu prebrojivog skupa. Zašto u slučaju prebrojivog skupa možemo promatrati samo vjerojatnosti definirane
Διαβάστε περισσότεραLinearna algebra I, zimski semestar 2007/2008
Linearna algebra I, zimski semestar 2007/2008 Predavanja: Nenad Bakić, Vježbe: Luka Grubišić i Maja Starčević 22. listopada 2007. 1 Prostor radijvektora i sustavi linearni jednadžbi Neka je E 3 trodimenzionalni
Διαβάστε περισσότεραVjerojatnost i statistika
Vjerojatnost i statistika E. Kovač Striko B. Ivanković T. Fratrović 12. ožujka 2007. Sadržaj 2 Vjerojatnost 27 2.1 Uvod...................................... 27 2.2 Intuitivne definicije vjerojatnosti......................
Διαβάστε περισσότεραNeka su A i B proizvoljni neprazni skupovi. Korespondencija iz skupa A u skup B definiše se kao proizvoljan podskup f Dekartovog proizvoda A B.
Korespondencije Neka su A i B proizvoljni neprazni skupovi. Korespondencija iz skupa A u skup B definiše se kao proizvoljan podskup f Dekartovog proizvoda A B. Pojmovi B pr 2 f A B f prva projekcija od
Διαβάστε περισσότερα