KVANTITATIVNE METODE RAZISKOVANJA. izr. prof. dr. Polona Selič, univ. dipl. psih

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "KVANTITATIVNE METODE RAZISKOVANJA. izr. prof. dr. Polona Selič, univ. dipl. psih"

Transcript

1 KVANTITATIVNE METODE RAZISKOVANJA izr. prof. dr. Polona Selič, univ. dipl. psih

2

3 ZNANSTVENO in NEZNANSTVENO SPOZNAVANJE ZNANSTVENO PROUČEVANJE sistematično kritično posploševanje na veliko primerih ponovljivo kontrola ostalih vplivov NEZNANSTVENO PROUČEVANJE nesistematično nekritično posploševanje na enkratnih izkušnjah neponovljivo ni kontrole ostalih vplivov

4 KVANTITATIVNE IN KVALITATIVNE ŠTUDIJE ko poskušamo ugotoviti, zakaj se določeno vedenje/stanje pojavi, bomo uporabili kvalitativne metode informacije so podrobne in opisne: 1. OPAZOVANJE 2. ŠTUDIJA PRIMERA 3. INTERVJU 4. VPRAŠALNIKI Z ODPRTIMI VPRAŠANJI Numerični rezultati so posledica kvantitativnih raziskav: EKSPERIMENTI OPAZOVANJE ANKETE = poskušamo odgovoriti na vprašanja, kako pogosto, koliko, kako dolgo ipd. so prisotna določena vedenja

5 PARAMETRI KVALITATIVNA METODOLOGIJA KVANTITATIVNA METODOLOGIJA USMERJENOST kvaliteta (narava, bistvo) količina (koliko, kateri) CILJ RAZISKOVANJA razumevanje, opis, odkrivanje, pomen, generiranje hipotez napoved, nadzor, opis, potrditev, testiranje hipotez VZOREC majhen, nenaključen velik, naključen

6 PARAMETRI KVALITATIVNA KVANTITATIVNA ZNAČILNE METODE ZBIRANJA PODATKOV raziskovalec kot primarni inštrument, intervju, opazovanje testi, lestvice, anketni vprašalnik ZNAČILNE METODE ANALIZE PODATKOV metoda analize vsebine statistične metode ZAKLJUČKI vsestranski, celovit, obsežen, bogato opisen točen, natančen, številčen

7 RAZISKAVA KOT KROG SPOZNAVANJA

8 RAZISKAVE GLEDE NA STOPNJO V PROCESU SPOZNAVANJA EKSPLORATIVNE ALI POIZVEDOVALNE RAZISKAVE uvod v spoznavanje nekega področja/problematike namen odkriti probleme, jih formulirati, postaviti preverljive hipoteze uporabljamo manj sistematične postopke zbiranja in analize podatkov (kvalitativni opisi, več različnih postopkov pri zbiranju gradiva, omejitev na manjše število primerov) DESKRIPTIVNE ALI OPISNE RAZISKAVE sledi eksplorativni; namen količinsko opredeliti ali oceniti osnovne značilnosti proučevanega pojava / ugotoviti obstoj in jakost zveze med dvema ali več pojavi moramo natančno vedeti, katere značilnosti nas zanimajo; opredeliti, kaj nam pomenijo izrazi, ki jih uporabljamo; jasno formulirati hipoteze uporabljamo standardizirane postopke zbiranja podatkov (kvantitativni opis populacije: spol, starost, poklic, poreklo ipd.; korelacijske raziskave) EKSPLANATIVNE ALI POJASNJEVALNE RAZISKAVE namen pojasniti nastanek in razvoj pojavov in lastnosti, medsebojne odvisnosti, vplive in vzročne povezanosti moramo poznati vse pomembne dejavnike, ki so morda povezani s pojavom, ki ga pojasnjujemo uporabljamo vnaprej izdelane in logično premišljene obrazce (načrte); strogo upoštevamo pravila vzorčenja in druge postopke

9 število značilnosti primerov (spremenljivk) STRATEGIJA IZBIRE METODOLOGIJE veliko kvalitativna metodologija kvantitativna metodologija malo število primerov (enot) veliko

10 RAZISKOVALNI NAČRT Načrtovanje je proces odločanja vnaprej, preden se pojavi situacija, v kateri je potrebno odločitev izvesti. Zapis tega procesa načrtovanja pa je načrt. (Ackoff 1966) 1. opredelitev problema 2. opredelitev namena, ciljev in hipotez 3. opredelitev spremenljivk in izdelava ali izbira merskih instrumentov 4. opredelitev enot raziskovanja in načrt vzorčenja 5. načrt statistične analize 6. načrt zbiranja podatkov 7. časovno-terminski načrt

11 RAZISKOVALNI NAČRT: IZDELAVA KONCEPTA RAZISKAVE kako bomo poiskali odgovore na zastavljena raziskovalna vprašanja kaj in kako bomo merili, vrsta in način vzorčenja, okvir analize in njen časovni okvir dobro znani in preskušeni pripomočki (npr. vprašalniki, ocenjevalne lestvice, meritve) - različni merski instrumenti imajo različne merske značilnosti (zanesljivost, veljavnosti, občutljivost, objektivnost) ne glede na preverjenost instrumenta v drugih raziskavah in/ali okoljih, moramo pripomoček statistično in metodološko preveriti tudi sami pogoji, v katerih bo potekal zajem podatkov

12 RAZISKOVALNI NAČRT: IZBIRA METODE - EKSPERIMENT laboratorijski: + dobro nadzorovanje motečih spremenljivk - nenaravna situacija vprašljiva posplošljivost v naravni situaciji: + lažja posplošljivost - slabše nadzorovanje motečih spremenljivk

13 RAZISKOVALNI NAČRT: IZBIRA METODE - NEEKSPERIMENTALNE METODE ankete vprašalniki in testi intervju ali razgovor opazovanje študija primera

14 RAZISKOVALNI NAČRT: IZBIRA METODE - NEEKSPERIMENTALNE METODE: ANKETE krovni termin za različne metode, ki vključujejo vprašanja TEMELJ = samo-raport/samo-ocena/samo-opis sestavljena iz vprašalnikov ali intervjujev

15 RAZISKOVALNI NAČRT: IZBIRA METODE - NEEKSPERIMENTALNE METODE: INTERVJU lista vprašanj v živo ali preko telefona intervju ima lahko strukturo vprašalnika 1. strukturiran 2. semi-strukturiran 3. ne-strukturiran 4. odprt običajno daljši in dražji kot vprašalnik uporaba manjšega vzorca NAMEN dobiti odgovore na vprašanja v živo do udeležence prijaznejši način pridobivanja informacij ko želimo, da udeleženci popolnoma razumejo vprašanja, se pogosto uporablja namesto vprašalnika izpraševalcu omogočajo bolj podrobno raziskovanje nekaterih odgovorov v primerjavi z vprašalnikom vprašanja lahko prilagodimo individualnim udeležencem

16 RAZISKOVALNI NAČRT: IZBIRA METODE - NEEKSPERIMENTALNE METODE: VPRAŠALNIK lista vprašanj v živo, preko telefona, interneta ali po pošti običajno strukturirani, vsebujejo set predeterminiranih odgovorov, z možnostjo izbire običajno zajamejo večji vzorec ljudi tudi do več 1000 hitra in enostavna metoda zbrani rezultati so običajno kvantitativni in jih lahko statistično analiziramo

17 RAZISKOVALNI NAČRT: IZBIRA METODE - NEEKSPERIMENTALNE METODE: VPRAŠALNIK PREDNOSTI 1.zbiranje večjih količin podatkov 2.dostop do informacij, ki niso na voljo ob direktnem opazovanju, i.e. samorefleksija ali izražanje občutkov POMANJKLJIVOSTI 1.nizka odzivnostna stopnja 2.površinske informacije 3.neiskrenost udeležencev

18 RAZISKOVALNI NAČRT: IZBIRA METODE - NEEKSPERIMENTALNE METODE: OCENJEVALNE LESTVICE = proučevane pojave razporejamo v kategorije ali po stopnjah opisne: stopnje so določene z besednimi opisi (vedno, skoraj vedno, nikoli) številčne: besedne opise zamenjajo številke grafične: ni ločenih stopenj, ampak je črta med dvema skrajnima točkama (vedno-nikoli) kombinacija

19 RAZISKOVALNI NAČRT: POSTOPKI ZBIRANJA IN STATISTIČNE OBDELAVE PODATKOV Statistika preučuje metode: 1. zbiranja 2. urejanja 3. kvantitativne obdelave 4. prikazovanja in 5. analiziranja številskih podatkov. Zbiranje podatkov z metodami (tehnikami) urejanje in obdelava prikaz in analiza (od 50 do več tisoč udeležencev)

20 POSTOPKI ZBIRANJA IN STATISTIČNE OBDELAVE PODATKOV: POPULACIJA IN VZOREC 1. POPULACIJA = množica pojavov (ljudi, značilnosti, dogodkov), ki jo preučujemo 2. ENOTA POPULACIJE = posamezen pojav 3. VZOREC = manjši del populacije, ki je reprezentativen = dober predstavnik populacije ugotovitve posplošujemo z večjo ali manjšo napako DOVOLJ VELIK PODOBEN PO STRUKTURI (spol, starost, izobrazba, SES ) NAKLJUČNO VZORČENJE (vse osebe iz populacije imajo enako možnost biti izbrane)

21 RAZISKOVALNI NAČRT: POSTOPKI ZBIRANJA IN STATISTIČNE OBDELAVE PODATKOV: VRSTE VZORCEV SLUČAJNOSTNI VZORCI 1.enostavni slučajnostni vzorec 2.sistematični vzorec 3.stratificiran vzorec NESLUČAJNOSTNI VZORCI = enote populacije nimajo enake možnosti, da so izbrane v vzorec 1.priročni vzorec: skupina ljudi, ki je raziskovalcem najbolj dostopna 2.namenski vzorec: preučimo le nekaj enot, ki so tipični predstavniki določene populacije 3.kvotni vzorec: izberemo ga podobno kot stratificiranega: populacijo razdelimo na stratume, nato pa iz vsakega stratuma izberemo določeno število enot; izbiramo pa po načinu priročnega vzorca

22 RAZISKOVALNI NAČRT: IZBIRA NAČINA VZORČENJA najpomembnejši cilj pri izbiranju vzorca: minimiziranje razlik med vrednostmi, ki jih dobimo iz vzorca, in tistimi, ki veljajo za statistično množico osnovno načelo vzorčenja: z relativno majhnim številom izbranih statističnih enot dobiti z visoko verjetnostjo dokaj realno sliko o proučevani statistični množici Teorija vzorčenja - dve pomembni načeli: 1. načelo nepristranosti 2. načelo maksimalne natančnosti Izbira vzorčenja: slučajnostno/slučajno ne-slučajnostno (priložnostno) mešano

23 RAZISKOVALNI NAČRT: ZAJEM PODATKOV/SPREMLJANJE VZORCA presečno (transverzalno) - utemeljeno je opisovati zgolj morebitne povezave vzdolžno (longitudinalno) pri tem je mogoče razpravljati o vplivu ene ali več spremenljivk na odvisno za pravilno posploševanje rezultatov raziskave je vzorčenje ključnega pomena velikost vzorca vpliva na verjetnost, da smo resnično pomembne razlike statistično potrdili z zadostno gotovostjo običajno navedemo predvideno stopnjo statistične značilnosti (P = 0,5 ali manj), s katero smo zavrnili ničelno hipotezo ocenjevanje majhnih deležev (npr. redkih zdravstvenih težav) zahteva večjo velikost vzorca, saj je se z manjšanjem deleža veča standardna napaka po nekaterih zelo splošnih napotkih naj bi bila velikost vzorca n 30- kratnik števila spremenljivk

24

25 RAZISKOVALNI NAČRT: IZBIRA METODE - MERJENJE V MEDICINI medicinski klasifikacijski sistemi so pogosto kategorialni (bolezen, motnja JE ali NI prisotna) - klasifikacije so kategorialne in simptomatske številni merjeni pojavi v medicini kontinuirano porazdeljeni (npr. visok krvni tlak) DIMENZIJE: značilnosti ali lastnosti predmetov, oseb, dogodkov, procesov Primer: starost, spol, življenjske razmere VARIABLE/SPREMENLJIVKE: dimenzije, ki imajo več vrednosti Primer: starost: 0 - preko 100; spol: M - Ž KONSTANTE: dimenzije, ki imajo eno vrednost MERJENJE = določanje količine neke spremenljivke (eno spremenljivko lahko izmerimo na več načinov, z različnimi postopki)

26 Če imamo dovolj velike vzorce (v teoriji naj bi dovolj velik vzorec predstavljal vsaj 30-kratnik število spremenljivk), se vzorčne ocene parametra porazdeljujejo normalno.

27 RAZISKOVALNI NAČRT: POSTOPKI ZBIRANJA IN STATISTIČNE OBDELAVE PODATKOV: RAZPRŠENOST REZULTATOV- NORMALNA PORAZDELITEV normalno porazdelitev prikazuje normalna ali Gaussova krivulja, ki je zvonaste oblike, simetrična in enovrha M = Me = Mo je teoretična, vendar se ji veliko stvarnih porazdelitev približuje z njeno pomočjo lahko ugotovimo, kje se nahaja posamezen rezultat glede na druge rezultate je osnova standardiziranju merskih instrumentov v območju M ± 1SD = 68,3 % rezultatov M ± 2SD = 95,4% rezultatov M ± 3SD = 99,7% rezultatov

28 RAZISKOVALNI NAČRT: ZBIRANJE PODATKOV - VRSTE SKAL ZA MERJENJE VREDNOSTI SPREMENLJIVK POGOJI ZA DOLOČANJE MER SREDNJIH VREDNOSTI 1. NOMINALNE (spol, izobrazba): modus 2. ORDINALNE (razmerja niso enaka): modus ali mediana 3. INTERVALNE IN RAZMERNOSTNE (enaka razmerja, brez ali z absolutno ničlo): vse tri mere 1.nominalna (razlikovanje: noč/dan; ženska/moški) = ugotavljanje kakovostnega stanja ali oblike spremenljivke 2.ordinalna (kategorije, rangi) = izražamo količino neke variable, količino lahko uredimo v urejeno vrsto ali rang 3.intervalna (intervali, ocene) = omogoča da navedemo, za koliko se ena enota razlikuje od druge 4.racionalna/razmernostna (temperatura K) = temelji na absolutni ničelni točki in lahko navedemo tudi razmerje

29 RAZISKOVALNI NAČRT: POSTOPKI STATISTIČNE OBDELAVE PODATKOV: POVEZANOST MED POJAVI Musek, 2005

30 RAZISKOVALNI NAČRT: POSTOPKI ZBIRANJA IN STATISTIČNE OBDELAVE PODATKOV: POVEZANOST MED SPREMENLJIVKAMA - KORELACIJA KORELACIJA = povezava med dvema pojavoma (npr. ekstravertnost in število prijateljev) KORELACIJSKA RAZISKAVA = raziskava, ki ugotavlja povezanost PEARSONOV KOEFICIENT KORELACIJE (r) = mera stopnje povezanosti pove, kako se obnaša ena spremenljivka (x), če se druga spreminja (y) KRITERIJ: r < 0,20: neznatna korelacija 0,20 < r < 0,40: nizka korelacija 0,40 < r < 0,70: zmerna korelacija 0,70 < r < 0,90: visoka korelacija r > 0,90: zelo visoka korelacija

31 RAZISKOVALNI NAČRT: POSTOPKI STATISTIČNE OBDELAVE PODATKOV: INTERPRETIRANJE REZULTATOV KORELACIJSKIH RAZISKAV včasih sta korelirana pojava povezana posredno, preko tretje spremenljivke, ki je nismo upoštevali (v bistvu sploh nista povezana med sabo, ampak sta oba povezana s tretjo spremenljivko) otroci?!? štorklje!!!! podeželje

32 RAZISKOVALNI NAČRT: POSTOPKI ZBIRANJA IN STATISTIČNE OBDELAVE PODATKOV: POVEZANOST MED SPREMENLJIVKAMI - REGRESIJA = tip povezav, kjer imamo t.i. VZROČNO POSLEDIČNO ZVEZO smer vpliva vedno od spremenljivke, ki jo označimo z x (neodvisna spremenljivka), k spremenljivki, ki jo označimo z y (odvisna spremenljivka): x y vzročno posledična zveza REGRESIJSKA ANALIZA temelji na proučevanju vzročno-posledičnih odnosov: 1. BIVARIATNA 2. MULTIVARIATNA BIVARIATNA REGRESIJSKA ANALIZA: ena odvisna in ena neodvisna spremenljivka MULTIVARIATNA REGRESIJSKA ANALIZA: na nek proučevani pojav vpliva večje število dejavnikov (npr. število točk na izpitu je odvisno od števila ur učenja, od nivoja predznanja, od prisotnosti na predavanjih) ločimo dva termina: POVEZANOST KORELACIJA x1 x2 (oboje-smerna povezava; ni mogoče opredeliti, kaj je vzrok kaj je posledica) ODVISNOST REGRESIJA x y

33

34 REGRESIJSKA IN FAKTORSKA ANALIZA REGRESIJSKA ANALIZA je namenjena analizi vzročno posledičnih zvez (smer vpliva gre vedno od neodvisne spremenljivke k odvisni): vse spremenljivke, ki vstopajo v regresijski model, prave numerične spremenljivke (uporaba metričnih lestvic: intervalna, racionalna) s svojo mersko enoto = analiza merljivih pojavov FAKTORSKA ANALIZA je osnovana na analizi medsebojnih korelacij: potrebujemo neko vsebinsko poznavanje oz. neko teorijo, da pojav x vpliva na y namenjena analizi medsebojnih, obojesmernih korelacij, katerih prisotnost pripišemo obstoju nekih zunanjih/skupnih dejavnikov = analiza direktno nemerljivih pojavov število spremenljivk je običajno večje s FA dobimo pojave/značilnosti, ki jih je praktično nemogoče neposredno izmeriti (zadovoljstvo, zaupanje, empatija) v teh primerih skušamo poiskati neke posredne kazalnike za tak pojav (anketna vprašanja) poimenovanje subjektivno

35 FA: število spremenljivk bistveno večje kot pri regresijski analizi(< 30) FA pokaže, kako so premenljivke med sabo korelirane, ostanejo tudi spremenljivke, ki niso korelirane z nobeno LOGIKA FA : če so te tri spremenljivke med sabo korelirane je očitno, da imajo nekaj skupnega = SKUPNI FAKTOR (F1) če so naslednje tri spremenljivke povezane med sabo je očitno, da imajo tudi nekaj skupnega - spet nek skupni faktor, ki vpliva na vse tri na enak način (F2), itn. do faktorja F3 x10 in x11 nista z nobeno spremenljivko dovolj močno povezana - nanju torej ne vpliva noben skupni faktor, ampak prevladuje vpliv specifičnih dejavnikov - v FA vse takšne spremenljivke izločimo

36 Tabela : Zaupanje v zdravnika (n = 478) prevod in priredba vprašalnika (Trust in Physician Scale); (Cronbach α = 0,795) - rezultati faktorske analize F1: dobronamernost in kompetentnost zdravnika F2: nezaupanje PV: povprečna vrednost, SO: standardni odklon F1 F2 PV SO Verjamem, da je zdravniku mar zame. 0,622-0,187 4,5 0,8 Zdravnik je običajno uvideven do mojih potreb in jih postavi na prvo 0,703-0,166 4,5 0,7 mesto. Svojemu zdravniku toliko zaupam, da vedno poskušam upoštevati 0,765-0,178 4,6 0,7 njegov nasvet. Če moj zdravnik nekaj pravi, to zagotovo drži. 0,772-0,060 4,3 0,7 Včasih ne zaupam mnenju svojega zdravnika in bi želel drugo mnenje. -0,165 0,359 2,7 1,5 Glede svojega zdravstvenega stanja zaupam presoji svojega zdravnika. 0,795-0,142 4,5 0,7 Občutek imam, da zdravnik za moje zdravje ne naredi vsega, kar bi -0,140 0,853 2,2 1,4 moral. Zaupam zdravniku, da pri zdravljenju postavi moje zdravstvene 0,718-0,099 4,4 0,8 potrebe pred vse drugo. Moj zdravnik je dobro usposobljen za obravnavo mojih zdravstvenih 0,737-0,160 4,6 0,6 težav (npr. diagnosticiranje, zdravljenje ali ustrezno napotitev). Zaupam zdravniku, da mi bo povedal, če bi bila med mojim 0,733-0,122 4,3 0,9 zdravljenjem storjena napaka. Včasih me skrbi, da zdravnik najinega zaupnega pogovora ne bo zadržal samo zase. -0,031 0,671 2,1 1,5

37 Tabela: Dejavniki, povezani z oceno preteklih izkušenj z izbranim zdravnikom (F = 8,427; df = 24; p < 0,001; R 2 = 0,309) β t p Ženski spol pacienta 0,01 0,23 0,820 Starost pacienta -0,04-0,50 0,616 Izobrazba OŠ -0,14-2,68 0,008 Izobrazba SŠ -0,05-1,09 0,276 Zaposlitev študent 0,05 1,07 0,284 Zaposlitev brezposeln -0,01-0,29 0,771 Zaposlitev upokojen 0,06 0,85 0,397 Stan: poročen 0,12 2,00 0,046 Stan: ločen 0,10 1,87 0,061 Stan:ovdovel 0,08 1,47 0,143 Kronična bolezen oz. bolezen, ki se zdravi > 3 mesece -0,03-0,63 0,527 Obiski nikoli -0,03-0,59 0,555 Obiski 3-4 krat 0,09 1,93 0,055 Obiski 5 ali večkrat 0,08 1,71 0,088 Registriran pri družinskem zdravniku manj kot 1 leto -0,03-0,60 0,551 Registriran pri družinskem zdravniku od 1do 4 leta -0,05-1,01 0,315 Ženski spol zdravnika 0,06 1,23 0,221 Starost družinskega zdravnika pod 40 let -0,03-0,65 0,518 Starost družinskega zdravnika let -0,09-1,72 0,087 Samoocena zdravja v zadnjih 12 mesecih 0,05 1,16 0,246 F1: dobronamernost in kompetentnost zdravnika 0,37 5,82 <0,001 F2: nezaupanje -0,04-0,90 0,367 F3: skrb in vključevanje v zdravljenje 0,06 0,66 0,511 F4: način komunikacije 0,06 0,81 0,418

38 VPRAŠANJA?

KVANTITATIVNE METODE RAZISKOVANJA. Izr. prof. dr. Polona Selič, univ. dipl.psih.

KVANTITATIVNE METODE RAZISKOVANJA. Izr. prof. dr. Polona Selič, univ. dipl.psih. KVANTITATIVNE METODE RAZISKOVANJA Izr. prof. dr. Polona Selič, univ. dipl.psih. ZNANSTVENO VS. NEZNANSTVENO SPOZNAVANJE ZNANSTVENO PROUČEVANJE sistematično NEZNANSTVENO PROUČEVANJE nesistematično kritično

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

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

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

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

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

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

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

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

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. 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

Osnove sklepne statistike

Osnove sklepne statistike Univerza v Ljubljani Fakulteta za farmacijo Osnove sklepne statistike doc. dr. Mitja Kos, mag. farm. Katedra za socialno farmacijo e-pošta: mitja.kos@ffa.uni-lj.si Intervalna ocena oz. interval zaupanja

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

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

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

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

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

METODA FAKTORSKE ANALIZE je osnovana na analizi medsebojnih korelacij. Tu potrebujemo neko vsebinsko poznavanje oz. neko teorijo, da pojav x vpliva na

METODA FAKTORSKE ANALIZE je osnovana na analizi medsebojnih korelacij. Tu potrebujemo neko vsebinsko poznavanje oz. neko teorijo, da pojav x vpliva na 4. predavanje RVM Kvantitativne metode Borut Kodrič, Koper 4.6.2010 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 1. del Na podlagi česa ugotovimo kako sta dve spremenljivki med

Διαβάστε περισσότερα

Regresija in korelacija

Regresija in korelacija Regresija in korelacija - Kvantitativne metode v geografiji in uvod v GIS - dr. Gregor Kovačič, doc. Odvisnost in povezanost Opazujemo primere, ko na vsaki enoti gledamo dve številski spremenljivki hkrati

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

S programom SPSS se, glede na število ur, ne bomo ukvarjali. Na izpitu so zastavljena neka vprašanja, zraven pa dobimo računalniški izpis izračunov. T

S programom SPSS se, glede na število ur, ne bomo ukvarjali. Na izpitu so zastavljena neka vprašanja, zraven pa dobimo računalniški izpis izračunov. T 2. predavanje RVM Kvantitativne metode Borut Kodrič, Koper 21.5.2010 Ključ za dostop do e-učilnice: RMD2009 Tekom srečanj bodo zadeve osvežene v smislu, da bodo okleščene. Morda bo dodan še kak rešen primer.

Διαβάστε περισσότερα

OSNOVE STATISTIKE. FKKT-kemijski tehnologi 1.letnik Miran Černe

OSNOVE STATISTIKE. FKKT-kemijski tehnologi 1.letnik Miran Černe OSNOVE STATISTIKE FKKT-kemijski tehnologi 1.letnik 2010 Miran Černe Statistika je način, kako iz množice podatkov izluščiti ustrezne informacije. Izraz izhaja iz latinskih besed STATUS = stanje STATO =

Διαβάστε περισσότερα

Povezave do turističnih podatkov in raziskav - Viri in literatura prosojnica 4 od 46 Primer raziskave - SURS Turistična potovanja domačega prebivalstv

Povezave do turističnih podatkov in raziskav - Viri in literatura prosojnica 4 od 46 Primer raziskave - SURS Turistična potovanja domačega prebivalstv RAZISKOVANJE TURIZMA Saša a Planinc (sasa.planinc@turistica.si) Univerza na Primorskem Turistica - Fakulteta za turistične študije Portorož prosojnica od 46 Z doseženim znanjem se boste trudili v lastnih

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

Osnove statistike. Drago Bokal Oddelek za matematiko in računalništvo Fakulteta za naravoslovje in matematiko Univerza v Mariboru. 1.

Osnove statistike. Drago Bokal Oddelek za matematiko in računalništvo Fakulteta za naravoslovje in matematiko Univerza v Mariboru. 1. Oddelek za matematiko in računalništvo Fakulteta za naravoslovje in matematiko Univerza v Mariboru 1. marec 2010 Obvestila. http://um.fnm.uni-mb.si/ Prosojnice se lahko spremenijo v tednu po predavanjih.

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

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

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

Statistika 2 z računalniško analizo podatkov. Statistično sklepanje

Statistika 2 z računalniško analizo podatkov. Statistično sklepanje Statistika 2 z računalniško analizo podatkov Statistično sklepanje 1 Multipla regresija Statistično sklepanje o regresijskih koeficientih Multipla regresija Vključevanje nominalnih in ordinalnih spremenljivk

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

*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

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

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

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

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

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

Statistika II z računalniško analizo podatkov. Bivariatna regresija, tipi povezanosti

Statistika II z računalniško analizo podatkov. Bivariatna regresija, tipi povezanosti Statistika II z računalniško analizo podatkov Bivariatna regresija, tipi povezanosti 1 Regresijska analiza Regresijska analiza je statistična metoda, ki nam pomaga analizirati odnos med odvisno spremenljivko

Διαβάστε περισσότερα

Postavitev hipotez NUJNO! Milena Kova. 10. januar 2013

Postavitev hipotez NUJNO! Milena Kova. 10. januar 2013 Postavitev hipotez NUJNO! Milena Kova 10. januar 2013 Osnove biometrije 2012/13 1 Postavitev in preizku²anje hipotez Hipoteze zastavimo najprej ob na rtovanju preizkusa Ob obdelavi jih morda malo popravimo

Διαβάστε περισσότερα

Tabele termodinamskih lastnosti vode in vodne pare

Tabele termodinamskih lastnosti vode in vodne pare Univerza v Ljubljani Fakulteta za strojništvo Laboratorij za termoenergetiko Tabele termodinamskih lastnosti vode in vodne pare po modelu IAPWS IF-97 izračunano z XSteam Excel v2.6 Magnus Holmgren, xsteam.sourceforge.net

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

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

Statistika 2 z računalniško analizo podatkov. Multipla regresija in polinomski regresijski model

Statistika 2 z računalniško analizo podatkov. Multipla regresija in polinomski regresijski model Statistika z računalniško analizo podatkov Multipla regresija in polinomski regresijski model 1 Multipli regresijski model Pogosto so vrednosti odvisne spremenljivke linearno odvisne od več kot ene neodvisne

Διαβάστε περισσότερα

IZZIVI DRUŽINSKE MEDICINE. U no gradivo zbornik seminarjev

IZZIVI DRUŽINSKE MEDICINE. U no gradivo zbornik seminarjev IZZIVI DRUŽINSKE MEDICINE Uno gradivo zbornik seminarjev študentov Medicinske fakultete Univerze v Mariboru 4. letnik 2008/2009 Uredniki: Alenka Bizjak, Viktorija Janar, Maša Krajnc, Jasmina Rehar, Mateja

Διαβάστε περισσότερα

DISKRIMINANTNA ANALIZA

DISKRIMINANTNA ANALIZA DISKRIMINANTNA ANALIZA Z diskriminantno analizo poiščemo tako linearno kombinacijo merjenih spremenljivk, da bo maksimalno ločila vnaprej določene skupine in da bo napaka pri uvrščanju enot v skupine najmanjša.

Διαβάστε περισσότερα

Integralni račun. Nedoločeni integral in integracijske metrode. 1. Izračunaj naslednje nedoločene integrale: (a) dx. (b) x 3 +3+x 2 dx, (c) (d)

Integralni račun. Nedoločeni integral in integracijske metrode. 1. Izračunaj naslednje nedoločene integrale: (a) dx. (b) x 3 +3+x 2 dx, (c) (d) Integralni račun Nedoločeni integral in integracijske metrode. Izračunaj naslednje nedoločene integrale: d 3 +3+ 2 d, (f) (g) (h) (i) (j) (k) (l) + 3 4d, 3 +e +3d, 2 +4+4 d, 3 2 2 + 4 d, d, 6 2 +4 d, 2

Διαβάστε περισσότερα

Poglavje 7. Poglavje 7. Poglavje 7. Regulacijski sistemi. Regulacijski sistemi. Slika 7. 1: Normirana blokovna shema regulacije EM

Poglavje 7. Poglavje 7. Poglavje 7. Regulacijski sistemi. Regulacijski sistemi. Slika 7. 1: Normirana blokovna shema regulacije EM Slika 7. 1: Normirana blokovna shema regulacije EM Fakulteta za elektrotehniko 1 Slika 7. 2: Principielna shema regulacije AM v KSP Fakulteta za elektrotehniko 2 Slika 7. 3: Merjenje komponent fluksa s

Διαβάστε περισσότερα

Izbor statističkih testova Ana-Maria Šimundić

Izbor statističkih testova Ana-Maria Šimundić Izbor statističkih testova Ana-Maria Šimundić Klinički zavod za kemiju Klinička jedinica za medicinsku biokemiju s analitičkom toksikologijom KBC Sestre milosrdnice Izbor statističkog testa Tajna dobrog

Διαβάστε 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

Regularizacija. Poglavje Polinomska regresija

Regularizacija. Poglavje Polinomska regresija Poglavje 5 Regularizacija Pri vpeljavi linearne regresije v prejšnjem poglavju je bil cilj gradnja modela, ki se čimbolj prilega učni množici. Pa je to res pravi kriterij za določanje parametrov modela?

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

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

DISKRETNA FOURIERJEVA TRANSFORMACIJA

DISKRETNA FOURIERJEVA TRANSFORMACIJA 29.03.2004 Definicija DFT Outline DFT je linearna transformacija nekega vektorskega prostora dimenzije n nad obsegom K, ki ga označujemo z V K, pri čemer ima slednji lastnost, da vsebuje nek poseben element,

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

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

8.4 χ 2 -preizkus Preizkušanje hipoteze enake verjetnosti

8.4 χ 2 -preizkus Preizkušanje hipoteze enake verjetnosti 8.4 χ 2 -preizkus V pedagoških raziskavah imamo veliko pogosteje opravka z opisnimi spremenljivkami kot pa s številskimi spremenljivkami. Do sedaj opisani preizkusi o aritmetičnih sredinah, o standardnih

Διαβάστε περισσότερα

Transformator. Delovanje transformatorja I. Delovanje transformatorja II

Transformator. Delovanje transformatorja I. Delovanje transformatorja II Transformator Transformator je naprava, ki v osnovi pretvarja napetost iz enega nivoja v drugega. Poznamo vrsto različnih izvedb transformatorjev, glede na njihovo specifičnost uporabe:. Energetski transformator.

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

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

METODE IN TEHNIKE PLANIRANJA

METODE IN TEHNIKE PLANIRANJA FAKULTETA ZA ORGANIZACIJSKE VEDE KRANJ Katedra za poslovne in delovne sisteme Matjaž ROBLEK METODE IN TEHNIKE PLANIRANJA 03 Napovedovanje stohastično planiranje NAPOVEDOVANJE Mesto napovedovanja v sistemu

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

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

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

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

POROČILO. št.: P 1100/ Preskus jeklenih profilov za spuščen strop po točki 5.2 standarda SIST EN 13964:2004

POROČILO. št.: P 1100/ Preskus jeklenih profilov za spuščen strop po točki 5.2 standarda SIST EN 13964:2004 Oddelek za konstrkcije Laboratorij za konstrkcije Ljbljana, 12.11.2012 POROČILO št.: P 1100/12 680 01 Presks jeklenih profilov za spščen strop po točki 5.2 standarda SIST EN 13964:2004 Naročnik: STEEL

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

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

Zanesljivost psihološkega merjenja. Osnovni model, koeficient α in KR-21

Zanesljivost psihološkega merjenja. Osnovni model, koeficient α in KR-21 Zanesljivost psihološkega merjenja Osnovni model, koeficient α in KR- Osnovni model in KTT V kolikšni meri na testne dosežke vplivajo slučajne napake? oziroma, kako natančno smo izmerili neko lastnost.

Διαβάστε περισσότερα

Fazni diagram binarne tekočine

Fazni diagram binarne tekočine Fazni diagram binarne tekočine Žiga Kos 5. junij 203 Binarno tekočino predstavljajo delci A in B. Ti se med seboj lahko mešajo v različnih razmerjih. V nalogi želimo izračunati fazni diagram take tekočine,

Διαβάστε περισσότερα

Nekateri primeri sklopov izpitnih vprašanj pri predmetu Naključni pojavi

Nekateri primeri sklopov izpitnih vprašanj pri predmetu Naključni pojavi Nekateri primeri sklopov izpitnih vprašanj pri predmetu Naključni pojavi 1. Izpeljite Binomsko porazdelitev in pokažite kako pridemo iz nje do Poissonove porazdelitve? 2. Kako opišemo naključne lastnosti

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

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

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

CM707. GR Οδηγός χρήσης... 2-7. SLO Uporabniški priročnik... 8-13. CR Korisnički priručnik... 14-19. TR Kullanım Kılavuzu... 20-25

CM707. GR Οδηγός χρήσης... 2-7. SLO Uporabniški priročnik... 8-13. CR Korisnički priručnik... 14-19. TR Kullanım Kılavuzu... 20-25 1 2 3 4 5 6 7 OFFMANAUTO CM707 GR Οδηγός χρήσης... 2-7 SLO Uporabniški priročnik... 8-13 CR Korisnički priručnik... 14-19 TR Kullanım Kılavuzu... 20-25 ENG User Guide... 26-31 GR CM707 ΟΔΗΓΟΣ ΧΡΗΣΗΣ Περιγραφή

Διαβάστε περισσότερα

1. OSNOVNI POJMI STATISTIKA. Definicija 1: Statistika je veda, ki se ukvarja s proučevanjem množičnih pojavov v določenem prostoru in času.

1. OSNOVNI POJMI STATISTIKA. Definicija 1: Statistika je veda, ki se ukvarja s proučevanjem množičnih pojavov v določenem prostoru in času. 1. OSNOVNI POJMI STATISTIKA Simona PUSTAVRH, ŠC Novo mesto Definicija 1: Statistika je veda, ki se ukvarja s proučevanjem množičnih pojavov v določenem prostoru in času. Množičen pojav: ocenjevanje dijakov

Διαβάστε περισσότερα

VPLIVI SPREMINJANJA CEN POGONSKIH GORIV NA DOLOČENE SPREMENLJIVKE

VPLIVI SPREMINJANJA CEN POGONSKIH GORIV NA DOLOČENE SPREMENLJIVKE VPLIVI SPREMINJANJA CEN POGONSKIH GORIV NA DOLOČENE SPREMENLJIVKE MAJA TAVČAR MPRESTOR@GMAIL.COM POVZETEK Skozi celotno statistično analizo sem ugotovila, da na prodajo avtomobilov v Sloveniji vplivajo

Διαβάστε περισσότερα

vaja Kvan*ta*vno določanje proteinov. 6. vaja Kvan*ta*vno določanje proteinov. 6. vaja Kvan*ta*vno določanje proteinov

vaja Kvan*ta*vno določanje proteinov. 6. vaja Kvan*ta*vno določanje proteinov. 6. vaja Kvan*ta*vno določanje proteinov 28. 3. 11 UV- spektrofotometrija Biuretska metoda Absorbanca pri λ=28 nm (A28) UV- spektrofotometrija Biuretska metoda vstopni žarek intenziteta I Lowrijeva metoda Bradfordova metoda Bradfordova metoda

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

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

MULTIVARIATNA ANALIZA VARIANCE

MULTIVARIATNA ANALIZA VARIANCE Univerza v Ljubljani Filozofska fakulteta Oddelek za psihologijo MULTIVARIATNA ANALIZA VARIANCE MULTIVARIATNE METODE PREDSTAVITEV Študijsko leto 2002/2003 MIHA KOČEVAR Ljubljana, 13.12.2002 13.12.2002

Διαβάστε περισσότερα

Tema 1 Osnove navadnih diferencialnih enačb (NDE)

Tema 1 Osnove navadnih diferencialnih enačb (NDE) Matematične metode v fiziki II 2013/14 Tema 1 Osnove navadnih diferencialnih enačb (NDE Diferencialne enačbe v fiziki Večina osnovnih enačb v fiziki je zapisana v obliki diferencialne enačbe. Za primer

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

STATISTIKA. UP FAMNIT, Biopsihologija. Martin Raič. Zapiski s predavanj

STATISTIKA. UP FAMNIT, Biopsihologija. Martin Raič. Zapiski s predavanj STATISTIKA UP FAMNIT, Biopsihologija Zapiski s predavanj Martin Raič Datum zadnje spremembe: 4 junij 2018 Kazalo 1 Uvod 7 11 Formalizacijapodatkov 9 12 Merskelestvice 11 13 Nekajvečovzorčenju 13 14 Nekajvečostatističnemsklepanju

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

,..., y T imenujemo časovna vrsta.

,..., y T imenujemo časovna vrsta. ČASOVNE VRSTE. UVOD Številsko spremenljivko Y opazujemo v času. Podatki se nanašajo na zaporedna časovna obdobja t, t,..., t T. Statistično vrsto y, y,..., y T imenujemo časovna vrsta. T dolžina časovne

Διαβάστε περισσότερα

IZVODI ZADACI (I deo)

IZVODI ZADACI (I deo) IZVODI ZADACI (I deo) Najpre da se podsetimo tablice i osnovnih pravila:. C`=0. `=. ( )`= 4. ( n )`=n n-. (a )`=a lna 6. (e )`=e 7. (log a )`= 8. (ln)`= ` ln a (>0) 9. = ( 0) 0. `= (>0) (ovde je >0 i a

Διαβάστε περισσότερα

NEPARAMETRIČNI TESTI Doc.dr. Tadeja Kraner Šumenjak

NEPARAMETRIČNI TESTI Doc.dr. Tadeja Kraner Šumenjak NEPARAMETRIČNI TESTI 5.3.011 Doc.dr. Tadeja Kraner Šumenjak Slabosti parametričnih preizkusov: -stroge predpostavke (predpostavka o normalni porazdelitvi) -veliko računanja -težave, če spremenljivke niso

Διαβάστε περισσότερα

3. STATISTIKE Z DVEMA SPREMENLJIVKAMA

3. STATISTIKE Z DVEMA SPREMENLJIVKAMA 3. STATISTIKE Z DVEMA SPREMENLJIVKAMA Bivariatne metodo obravnavajo dve spremenljivki hkrati, zato so podatki zapisani: x 1 y 1 x 2 y 2 : : x n y n 3.1. KORELACIJSKI KOEFICIENT Mera stopnje linearne povezanosti

Διαβάστε περισσότερα

Ispitivanje toka i skiciranje grafika funkcija

Ispitivanje 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 περισσότερα

1. TVORBA ŠIBKEGA (SIGMATNEGA) AORISTA: Največ grških glagolov ima tako imenovani šibki (sigmatni) aorist. Osnova se tvori s. γραψ

1. TVORBA ŠIBKEGA (SIGMATNEGA) AORISTA: Največ grških glagolov ima tako imenovani šibki (sigmatni) aorist. Osnova se tvori s. γραψ TVORBA AORISTA: Grški aorist (dovršnik) izraža dovršno dejanje; v indikativu izraža poleg dovršnosti tudi preteklost. Za razliko od prezenta ima aorist posebne aktivne, medialne in pasivne oblike. Pri

Διαβάστε περισσότερα

Državni izpitni center SPOMLADANSKI IZPITNI ROK *M * FIZIKA NAVODILA ZA OCENJEVANJE. Petek, 10. junij 2016 SPLOŠNA MATURA

Državni izpitni center SPOMLADANSKI IZPITNI ROK *M * FIZIKA NAVODILA ZA OCENJEVANJE. Petek, 10. junij 2016 SPLOŠNA MATURA Državni izpitni center *M16141113* SPOMLADANSKI IZPITNI ROK FIZIKA NAVODILA ZA OCENJEVANJE Petek, 1. junij 16 SPLOŠNA MATURA RIC 16 M161-411-3 M161-411-3 3 IZPITNA POLA 1 Naloga Odgovor Naloga Odgovor

Διαβάστε περισσότερα

K U P M Metka Jemec. Konferenca o učenju in poučevanju matematike, M a r i b o r, 2 3. i n 2 4. avgusta

K U P M Metka Jemec. Konferenca o učenju in poučevanju matematike, M a r i b o r, 2 3. i n 2 4. avgusta U K 20 P K U P M 2 0 1 2 ROZETA 12 M Metka Jemec Konferenca o učenju in poučevanju matematike, M a r i b o r, 2 3. i n 2 4. avgusta 2 0 1 2 Kaj je rozeta? Rozeta je oblika vzorca, narejena v obliki simetrične

Διαβάστε περισσότερα

VPLIV RAZLIČNIH PARAMETROV PRANJA NA ODSTRANJEVANJE STANDARDNE UMAZANIJE Z BOMBAŽNE TKANINE

VPLIV RAZLIČNIH PARAMETROV PRANJA NA ODSTRANJEVANJE STANDARDNE UMAZANIJE Z BOMBAŽNE TKANINE Univerza v Ljubljani Naravoslovnotehniška fakulteta Oddelek za tekstilstvo VPLIV RAZLIČNIH PARAMETROV PRANJA NA ODSTRANJEVANJE STANDARDNE UMAZANIJE Z BOMBAŽNE TKANINE Avtorica: M. P. Študijska smer: Načrtovanje

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

Vaja: Odbojnostni senzor z optičnimi vlakni. Namen vaje

Vaja: Odbojnostni senzor z optičnimi vlakni. Namen vaje Namen vaje Spoznavanje osnovnih fiber-optičnih in optomehanskih komponent Spoznavanje načela delovanja in praktične uporabe odbojnostnega senzorja z optičnimi vlakni, Delo z merilnimi instrumenti (signal-generator,

Διαβάστε περισσότερα

Varjenje polimerov s polprevodniškim laserjem

Varjenje polimerov s polprevodniškim laserjem Laboratorijska vaja št. 5: Varjenje polimerov s polprevodniškim laserjem Laserski sistemi - Laboratorijske vaje 1 Namen vaje Spoznati polprevodniške laserje visokih moči Osvojiti osnove laserskega varjenja

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

Zajemanje merilnih vrednosti z vf digitalnim spominskim osciloskopom

Zajemanje merilnih vrednosti z vf digitalnim spominskim osciloskopom VSŠ Velenje ELEKTRIČNE MERITVE Laboratorijske vaje Zajemanje merilnih vrednosti z vf digitalnim spominskim osciloskopom Vaja št.2 M. D. Skupina A PREGLEDAL:. OCENA:.. Velenje, 22.12.2006 1. Besedilo naloge

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

The Thermal Comfort Properties of Reusable and Disposable Surgical Gown Fabrics Original Scientific Paper

The Thermal Comfort Properties of Reusable and Disposable Surgical Gown Fabrics Original Scientific Paper 24 The Thermal Comfort Properties of Surgical Gown Fabrics 1 1 2 1 2 Termofiziološke lastnosti udobnosti kirurških oblačil za enkratno in večkratno uporabo december 2008 marec 2009 Izvleček Kirurška oblačila

Διαβάστε περισσότερα

numeričkih deskriptivnih mera.

numeričkih deskriptivnih mera. DESKRIPTIVNA STATISTIKA Numeričku seriju podataka opisujemo pomoću Numeričku seriju podataka opisujemo pomoću numeričkih deskriptivnih mera. Pokazatelji centralne tendencije Aritmetička sredina, Medijana,

Διαβάστε περισσότερα