Tačkaste ocene parametara raspodele
|
|
- Ανθούσα Παπάζογλου
- 6 χρόνια πριν
- Προβολές:
Transcript
1 Tačkaste ocee parametara raspodele Na osovu uzorka treba da se odredi kakva je raspodela obeležja a populaciji Ako je tip raspodele pozat, treba da se odrede parametri raspodele Pošto je realizovaa vredost statistike reala broj, to ocee parametara azivamo tačkaste ocee. Neka je X, X,..., X prost slučaja uzorak obima za posmatrao obeležje X. Statistika Y =f (X, X,..., X )je slučaja promeljiva koja implicito zavisi od parametara u raspodeli obeležja X. Ako se sa Y ocejuje parametar θ, tada se statistika Y aziva ocea parametra θ i ozačava sa θˆ.
2 Nepristrasost Statistike koje koristimo za oceu parametara moraju da imaju određee osobie. Kvalitet tačkastih ocea se izražava pomoću matematičkog tičk očekivaja č i disperzije. ij Defiicija. Neka je X, X,..., X prost slučaja uzorak obima za obeležje e X i eka je θ epozati parametar a u raspodeli obeležja X. Statistika Y =f (X,..., X ) je epristrasa ocea parametra θ ako je: E ( f (X,..., X ))= θ Koristi se i termii: cetriraa ili epomerea ocea.
3 Nepristrasost, astavak Ocea θˆ parametra θ koja ema osobiu epristrasosti se zove pristrasa ocea. Veličia jee pristrasosti se meri razlikom E(ˆ (θ) θ Ako epristrasost statistike Y =f (X,..., X ) kojom ocejujemo eki parametar θ, važi u slučaju kada obim uzorka teži beskoačosti, tj. lim E ( f ( X,..., X )) = θ kažemo da statistika Y predstavlja asimptotski epristrasu oceu posmatraog parametra θ. 3
4 Stabilost Za realizovai uzorak x,..., x račuamo realizaciju statistike ti tik Y, tj. y=f (x,..., x ). Y je slučaja č promeljiva, pa će realizovaa vredost odstupati od E(Y). Poželjo je da se to odstupaje smajuje j ukoliko povećavamo obim uzorka. Navedeo svojstvo je stabilost (postojaost). Def. Neka je X,..., X prost slučaja uzorak obima za obeležje X i eka je θ epozati parametar u raspodeli obeležja X. Statistika Y =f (X,..., X ) je stabila ocea parametra θ ako je epristrasa i ako P Y θ, Stabilost ocee ozačava da će se sa povećajem obima uzorka razlika između realizovae vredosti statistike Y i stvare vredosti parametra θ smajivati. 4
5 Efikasost Def. Neka je X,..., X prost slučaja uzorak obima za obeležje X i eka je θ epozati parametar u raspodeli obeležja X. Neka su statistike Y =f (X,..., X ) i Z =g(x,..., X ) epristrase ocee parametra θ. Statistika Y je efikasija ocea parametra θ od statistike Z ako je D( Y ) D( Z) Statistika Y je ajefikasija ocea parametra θ, ako jea disperzija ij ije veća ć od ddisperzije ij bilo koje druge epristrase ocee istog parametra D ( Y ) D ( Z ) E ( Y ) = E ( Z ) = θ 5
6 Ocea parametra ajbolja velika varijasa pristrasa Želimo malu (ili da je ula) pristrasost Očekivaa vredost treba da teži tačoj vredosti Želimo malu varijasu Mala pristrasost i varijasa su u kofliktu E(ˆ θ) θ 6
7 Nejedakost Rao-Kramera Daje doju graicu disperzije epristrasih ocea jedog parametra. Neka je X,..., X prost slučaja uzorak obima za obeležje X u čijoj raspodeli figuriše epozati parametar θ. Neka je gustia raspodele obeležja X g(x;θ), x R, θ Θ obeležje Odoso, eka je zako raspodele obeležja X diskreto p(x;θ), ( x R, θ Θ obeležje Θ ozačava skup dopustivih vredosti parametra, tzv. parametarski prostor. Fukcija verodostojosti je u eprekidom slučaju: eprekido L( X ; θ) = j= g( X j ; θ) 7
8 Fukcija verodostojosti Fukcija verodostojosti u diskretom slučaju je L( X ; θ) = j= p( X j ; θ) Pod uslovima regularosti () skup {X: L(X;θ)>0} e zavisi od θ () L je dvaput diferecijabila po θ važi ejedakost Rao-Kramera D(ˆ) θ = l L l L E E θ θ θˆ je epristrasa ocea parametra θ 8
9 Primer ejedakosti Rao-Kramera Oceiti matematičko očekivaje uzorka koji ima ormalu raspodelu. g ( X m) - σ ( ) x = πσ Fukcija verodostojosti dobijea a osovu prostog slučajog uzorka X,..., X obima je L ( X m) j - σ ( X ; m ) = e j= σ π e l m L = σ D ( mˆ ) σ Opravdao korišćeje statistike X za ocejivaje 9 parametra m
10 Asimptotski efikasa ocea Ako disperzija statistike Y =f f (X(,..., X ) koja je epristrasa ocea ekog parametra θ, kovergira ka dojoj graici disperzije iz ejedakosti Rao-Kramera, kada obim uzorka teži beskoačosti, kažemo da statistika Y predstavlja asimptotski efikasu oceu parametra θ. 0
11 Metod momeata Neka je X, X,..., X prost slučaja uzorak obima za obeležje X. Pretpostavimo da postoje koači mometi reda,,..., s : E(X j ), (E( X j < ) i da u raspodeli obeležja X ima s epozatih parametara θ, θ,..., θ s. Izjedačavajem teorijskih momeata reda j i uzoračkih momeata = j M j x k k = istog reda dobijamo sistem jedačia: E(X j )=M j, j=,,..., s (*) Rešavajem prethodog sistema jedačia se dobijaju ocee za θ, θ,..., θ s.
12 Metoda maksimale verodostojosti Ocee koje se dobijaju j po metodi maksimale verodostojosti su često asimptotski epristrase i asimptotski efikase ocee. Neka je θ epozati parametar u raspodeli obeležja X i eka je Θ skup mogućih vredosti parametra θ, tzv. parametarski prostor. Neka je X,..., X prost slučaja uzorak za obeležje X i eka g(x;θ) ozačava gustiu raspodele obeležja X. Fukcija verodostojosti je fukcija L(X;θ)= g(x ;θ)... g(x ;θ) Parametar θ ćemo ocejivati oom statistikom za koju fukcija verodostojosti postiže supremum.
13 Metoda maksimale verodostojosti Ako je fukcija verodostojosti diferecijabila, ajpre se određuju (ako postoje) oe vredosti parametra koja su rešeja jedačie d L( X ; θ) = 0 dθ ili d dθ l( L( X ; θ)) = Među svim tim vredostima alazimo (ako postoje) oe vredosti za koje fukcija L, odoso l L postiže svoj supremum. 0 3
14 FV u diskretom slučaju U diskretom slučaju fukciju verodostojosti dobijamo kao proizvod verovatoća postizaja pojediih vredosti iz uzorka: L(X;θ)= p(x ;θ)... p(x ;θ) gde je p(t;θ)=p(x=t) Zatim se određuje ekstrema vredost te fukcije ili jeog logaritma. 4
15 Višedimezioali parametar θ U slučaju višedimezioalog parametra θ=(θ,...,θ s ) i diferecijabile fukcije verodostojosti ajpre se odrede (ako postoje) oe vredosti parametara iz parametarskog prostora za koje važi: ili θ θ j j L( X ; θ) = 0 l L( X ; θ) = 0 j =,..., s Najčešće su ovi sistemi jedačia elieari, pa se rešavaju koristeći umeričke metode aalize. Kada se odrede d rešeja sistema, uzimaju se oa rešeja za koja se dobija ekstrema vredost fukcije verodostojosti. 5
16 Primer metoda maks. verodostojosti Neka obeležje X ima Puasoovu P(λ) ( ) raspodelu, pri čemu je parametar λ epozat. Metodom maksimale verodostojosti odrediti statistiku kojom treba ocejivati parametar λ a osovu uzorka obima. Fukcija verodostojosti je Xk X k k = λ λ λ λ L( X ; λ) = e = e k = X k! X! a je logaritam k = k l L ( X ; λ ) = X λ λ k l l X k! k = k = 6
17 Primer metoda maks. verodostojosti d Iz uslova l( L ( X ; λ )) = 0 dλ dobijamo da je ocea epozatog parametra statistika λˆ = X U toj tački se postiže maksimum fukcije verodostojosti. Očekivaje Puasoove raspodele je E(X ) = λ pa dobijei rezultat potvrđuje da je upravo uzoračka sredia ocea za očekivau vredost obeležja. 7
18 Primer Neka obeležje X ima N(m,σ(, ) raspodelu, pri čemu je parametar m pozat, a parametar σ ije. Metodom maksimale verodostojosti (MMV) odrediti oceu epozatog parametra σ a osovu uzorka obima. Fukcija verodostojosti je ( X k m) - X m - ( k ) σ σ = σ = k L( X ; ) e = e = σ π k a je logaritam l L( X ; σ ) = l σ l σ ( π) π ( X k m) σσ k = 8
19 Primer MMV, astavak Kako je σ epozati parametar, za rešeje jedačie dobija se d l L( X ; σ ) = d( σ ) σ = ( X k m ) k = 0 U toj tački je drugi izvod logaritma fukcije verodostojosti ~ egativa, pa ovo potvrđuje izbor uzoračke disperzije S za oceu disperzije obeležja kad je očekivaje pozato. 9
20 Osobie ocea metodom momeata Ocee dobijee metodom momeata i metodom maksimale verodostojosti se u ekim slučajevima poklapaju, Ocee dobijee metodom momeata isu, u opštem slučaju efikase, u smislu prethodo datih defiicija, Ako sistem (*) ima jedistveo rešeje u obliku eprekidih fukcija, tada ocea za epozati parametar kovergira u verovatoći ka tom parametru. 0
nepoznati parametar θ jednak broju θ 0, u oznaci H 0 (θ =θ 0 ), je primer proste hipoteze. Ako hipoteza nije prosta, onda je složena.
Testiraje parametarskih hipoteza Pretpostavka (hipoteza) o parametru raspodele se zove parametarska hipoteza. Postupak jeog potvrđivaja ili odbacivaja a osovu podataka iz uzorka je parametarski test. t
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 περισσότεραGranične vrednosti realnih nizova
Graiče vredosti realih izova Fukcija f : N R, gde je N skup prirodih brojeva a R skup realih brojeva, zove se iz realih brojeva ili reala iz. Opšti čla iza f je f(), N, i običo se obeležava sa f, dok se
Διαβάστε περισσότερα3n an = 4n3/2 +2n+ n 5n 3/2 +5n+2 n a 2 n = n 2. ( 2) n Dodatak. = 0, lim n! 2n 6n + 1
Nizovi 5 a = 5 +3+ + 6 a = 3 00 + 00 3 +5 7 a = +)+) ) 3 3 8 a = 3 +3+ + +3 9 a = 3 5 0 a = 43/ ++ 5 3/ +5+ a = + + a = + ) 3 a = + + + 4 a = 3 3 + 3 ) 5 a = +++ 6 a = + ++ 3 a = +)!++)! +3)! a = ) +3
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 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 περισσότεραMETODA SEČICE I REGULA FALSI
METODA SEČICE I REGULA FALSI Zadatak: Naći ulu fukcije f a itervalu (a,b), odoso aći za koje je f()=0. Rešeje: Prvo, tražimo iterval (a,b) a kome je fukcija eprekida, mootoa i važi: f(a)f(b)
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 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 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 περισσότεραSTATISTIKA. 1. Osnovni pojmovi
STATISTIKA. Osovi pojmovi Matematička statistika se bavi proučavajem skupova sa velikim brojem elemeata, koji su jedorodi u odosu a jedo ili više zajedičkih kvalitatitvih ili kvatitativih svojstava. Kako
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 περισσότεραVerovatnoća i Statistika. II deo. Osnovi Statistike. Beleške Prof. Aleksandra Ivića
Verovatoća i Statistika II deo. Osovi Statistike Beleške Prof. Aleksadra Ivića 0.1 Osove statističke veličie Osovi zadatak matematičke statistike sastoji se u tome da se iz jedog dela eke geerale kolekcije
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 περισσότεραProcjena parametara. Zadatak 4.1 Neka je X 1, X 2,..., X n slučajni uzorak iz populacije s konačnim očekivanjem µ i varijancom σ 2.
4 Procjea parametara Neka je X slučaja varijabla čiju distribuciju proučavamo. Defiicija: Slučaji uzorak duljie za X je iz od ezavisih i jedako distribuiraih slučajih varijabli X 1, X,..., X koje imaju
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 περισσότεραTestiranje statistiqkih hipoteza
Testiranje statistiqkih hipoteza Testiranje statistiqkih hipoteza Testiranje statistiqkih hipoteza je vid statistiqkog zakljuqivanja koji se primenjuje u situacijama: kada se unapred pretpostavlja postojanje određene
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 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 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 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 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 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 περισσότεραSadrˇzaj Sadrˇzaj 12 TEORIJA PROCJENA
Sadrˇzaj Sadrˇzaj 2 TEORIJA PROCJENA 3 2. TOČKASTE PROCJENE......................... 5 2.2 REGRESIJSKA ANALIZA........................ 2.3 ML-PROCJENITELJI tko želi zati više................. 5 2.4 Poovimo.................................
Διαβάστε περισσότεραPismeni ispit iz matematike Riješiti sistem jednačina i diskutovati rješenja sistema u zavisnosti od parametra: ( ) + 1.
Pismeni ispit iz matematike 0 008 GRUPA A Riješiti sistem jednačina i diskutovati rješenja sistema u zavisnosti od parametra: λ + z = Ispitati funkciju i nacrtati njen grafik: + ( λ ) + z = e Izračunati
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 περισσότεραCentralni granični teorem i zakoni velikih brojeva
Poglavlje 8 Cetrali graiči teorem i zakoi velikih brojeva 8.1 Cetrali graiči teorem Lema 8.1 Za 1/ x 1 vrijedi Dokaz: Stavimo log1 + x x x. fx := log1 + x x, x [ 1/, 1]. Očito f0 = 0. Nadalje, po teoremu
Διαβάστε περισσότεραPismeni ispit iz matematike GRUPA A 1. Napisati u trigonometrijskom i eksponencijalnom obliku kompleksni broj, zatim naći 4 z.
Pismeni ispit iz matematike 06 007 Napisati u trigonometrijskom i eksponencijalnom obliku kompleksni broj z = + i, zatim naći z Ispitati funkciju i nacrtati grafik : = ( ) y e + 6 Izračunati integral:
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 περισσότεραIspitivaƬe funkcija: 1. Oblast definisanosti funkcije (ili domen funkcije) D f
IspitivaƬe funkcija: 1. Oblast definisanosti funkcije (ili domen funkcije) D f IspitivaƬe funkcija: 1. Oblast definisanosti funkcije (ili domen funkcije) D f 2. Nule i znak funkcije; presek sa y-osom IspitivaƬe
Διαβάστε περισσότεραTeorija verovatnoće. Definicija: Skup svih mogućih ishoda nekog eksperimenta nazivamo skup elementarnih dogaďaja i označavamo sa.
Teorija verovatoće 1 Teorija verovatoće Slučaji događaji Defiicija: Skup svih mogućih ishoda ekog eksperimeta azivamo skup elemetarih dogaďaja i ozačavamo sa Primer Odrediti skup elemetarih dogaďaja u
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 περισσότεραTESTIRANJE ZNAČAJNOSTI RAZLIKE
//0 TESTIRANJE ZNAČAJNOSTI RAZLIKE Z-TEST I T-TEST Beograd, 0 Ass. dr Zora Bukumirić Z-TEST I T-TEST z-testom i Studetovim t-testom testiramo razliku: jede aritmetičke sredie i pretpostavljee vredosti
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 περισσότεραTest rešavanje zadataka
Univerzitet u Beogradu Matematički fakultet Seminarski rad iz Verovatnoće i statistike Test rešavanje zadataka Tačkaste ocene parametra raspodele student: Martin Hofer profesor: Vesna Jevremović broj indeksa:
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 περισσότεραTAČNE I ASIMPTOTSKE RASPODJELE NEKIH UZORAČKIH STATISTIKA
Matematički kolokvijum (Baja Luka) MAT-KOL (Baja Luka) XIV()(2008), 59-83 TAČNE I ASIMPTOTSKE RASPODJELE NEKIH UZORAČKIH STATISTIKA Uvod Aleksadra Vasilić Prirodo-matematički fakultet Baja Luka, Mladea
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 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 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 περισσότεραDRUGI KOLOKVIJUM IZ MATEMATIKE 9x + 6y + z = 1 4x 2y + z = 1 x + 2y + 3z = 2. je neprekidna za a =
x, y, z) 2 2 1 2. Rešiti jednačinu: 2 3 1 1 2 x = 1. x = 3. Odrediti rang matrice: rang 9x + 6y + z = 1 4x 2y + z = 1 x + 2y + 3z = 2. 2 0 1 1 1 3 1 5 2 8 14 10 3 11 13 15 = 4. Neka je A = x x N x < 7},
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 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 περισσότεραVerovatnoća i statistika idealni model i pojavni oblici
Verovatoća i statistika ideali model i pojavi oblici Dr Biljaa Popović, redovi profesor Prirodo matematički fakultet u Nišu 3. april 2004. godie Matematička statistika je primejea matematička disciplia
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 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 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 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 περισσότεραIZVODI 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 περισσότεραNeparametarski testovi za dva nezavisna uzorka. Boris Glišić 208/2010 Bojana Ružičić 21/2010
Neparametarski testovi za dva nezavisna uzorka Boris Glišić 208/2010 Bojana Ružičić 21/2010 Neparametarski testovi Hipoteze o raspodeli obeležja se nazivaju neparametarske hipoteze, a odgovarajući testovi
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 περισσότερα4.7. Zadaci Formalizam diferenciranja (teorija na stranama ) 343. Znajući izvod funkcije x arctg x, odrediti izvod funkcije x arcctg x.
4.7. ZADACI 87 4.7. Zadaci 4.7.. Formalizam diferenciranja teorija na stranama 4-46) 340. Znajući izvod funkcije arcsin, odrediti izvod funkcije arccos. Rešenje. Polazeći od jednakosti arcsin + arccos
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 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 περισσότεραOsnovne teoreme diferencijalnog računa
Osnovne teoreme diferencijalnog računa Teorema Rolova) Neka je funkcija f definisana na [a, b], pri čemu važi f je neprekidna na [a, b], f je diferencijabilna na a, b) i fa) fb). Tada postoji ξ a, b) tako
Διαβάστε περισσότεραIII VEŽBA: FURIJEOVI REDOVI
III VEŽBA: URIJEOVI REDOVI 3.1. eorijska osnova Posmatrajmo neki vremenski kontinualan signal x(t) na intervalu definisati: t + t t. ada se može X [ k ] = 1 t + t x ( t ) e j 2 π kf t dt, gde je f = 1/.
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 περισσότεραINTELIGENTNO UPRAVLJANJE
INTELIGENTNO UPRAVLJANJE Fuzzy sistemi zaključivanja Vanr.prof. Dr. Lejla Banjanović-Mehmedović Mehmedović 1 Osnovni elementi fuzzy sistema zaključivanja Fazifikacija Baza znanja Baze podataka Baze pravila
Διαβάστε περισσότεραPolarizacija. Procesi nastajanja polarizirane svjetlosti: a) refleksija b) raspršenje c) dvolom d) dikroizam
Polarzacja Proces asajaja polarzrae svjelos: a refleksja b raspršeje c dvolom d dkrozam Freselove jedadžbe Svjelos prelaz z opčkog sredsva deksa loma 1 u sredsvo deksa loma, dolaz do: refleksje (prema
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 περισσότεραVEROVATNO A I STATISTIKA A - TEST 1 9. NOVEMBAR 2013.
VEROVATNO A I STATISTIKA A - TEST 1 9. NOVEMBAR 2013. 1. Novqi se baca tri puta. (a) Zapisati skup svih mogu ih ishoda. (b) Oznaqimo sa A k događaj da je u k-tom bacanju palo pismo, k {1, 2, 3}. Koriste
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 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 περισσότερα( x) ( ) dy df dg. =, ( x) e = e, ( ) ' x. Zadatak 001 (Marinela, gimnazija) Nađite derivaciju funkcije f(x) = a + b x. ( ) ( )
Zadatak (Mariela, gimazija) Nađite derivaciju fukcije f() a + b c + d Rješeje Neka su f(), g(), h() fukcije ezavise varijable, a f (), g (), h () derivacije tih fukcija po Osova pravila deriviraja Derivacija
Διαβάστε περισσότερα1.4 Tangenta i normala
28 1 DERIVACIJA 1.4 Tangenta i normala Ako funkcija f ima derivaciju u točki x 0, onda jednadžbe tangente i normale na graf funkcije f u točki (x 0 y 0 ) = (x 0 f(x 0 )) glase: t......... y y 0 = f (x
Διαβάστε περισσότεραStatističke metode. doc. dr Dijana Karuović
Statističke metode doc. dr Dijana Karuović STATISTIČKE METODE Danas jedan od glavnih metoda naučnog saznanja Najvažnije statističke metode koje se upotrebljavaju: Metod uzorka Metod srednjih vrednosti
Διαβάστε περισσότεραElektrotehnički fakultet univerziteta u Beogradu 26. jun Katedra za Računarsku tehniku i informatiku
Elektrotehički fakultet uiverziteta u Beogradu 6. ju 008. Katedra za Račuarku tehiku i iformatiku Performae račuarkih itema Rešeja zadataka..videti predavaja.. Kretaje Verovatoća Opi 4 4 Kretaje u itom
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 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 περισσότερα5 Ispitivanje funkcija
5 Ispitivanje funkcija 3 5 Ispitivanje funkcija Ispitivanje funkcije pretodi crtanju grafika funkcije. Opšti postupak ispitivanja funkcija koje su definisane eksplicitno y = f() sadrži sledeće elemente:
Διαβάστε περισσότεραVJEROVATNOĆA-POJAM. Definicija vjerovatnoće Σ = f x f. f f. f x f. f f ... = Σ = Σ. i...
VJEROVATNOĆA-OJAM Defiicija vjerovatoće f f f f f f f m X i i... ) + + + Σ p p p p f f f f f i i i i i i i ) )... ) )... + + + Σ + + Σ + Σ Σ Σ µ µ Aditivo i multiplikativo pravilo. Ako su E i E slučaji
Διαβάστε περισσότεραMATEMATIKA 2. Grupa 1 Rexea zadataka. Prvi pismeni kolokvijum, Dragan ori
MATEMATIKA 2 Prvi pismeni kolokvijum, 14.4.2016 Grupa 1 Rexea zadataka Dragan ori Zadaci i rexea 1. unkcija f : R 2 R definisana je sa xy 2 f(x, y) = x2 + y sin 3 2 x 2, (x, y) (0, 0) + y2 0, (x, y) =
Διαβάστε περισσότεραNiz i podniz. Definicija Svaku funkciju a : N S zovemo niz u S. Za n N pišemo a(n) = a n i nazivamo n-tim članom niza.
2. NIZOVI 1 / 78 Niz i podiz 2 / 78 Niz i podiz Defiicija Svaku fukciju a : N S zovemo iz u S. Za N pišemo a() = a i azivamo -tim člaom iza. Ozaka za iz je (a ) N ili (a ) ili samo (a ). Kodomea iza može
Διαβάστε περισσότεραObrada signala
Obrada signala 1 18.1.17. Greška kvantizacije Pretpostavka je da greška kvantizacije ima uniformnu raspodelu 7 6 5 4 -X m p x 1,, za x druge vrednosti x 3 x X m 1 X m = 3 x Greška kvantizacije x x x p
Διαβάστε περισσότεραKaskadna kompenzacija SAU
Kaskadna kompenzacija SAU U inženjerskoj praksi, naročito u sistemima regulacije elektromotornih pogona i tehnoloških procesa, veoma često se primenjuje metoda kaskadne kompenzacije, u čijoj osnovi su
Διαβάστε περισσότερα2. Ako je funkcija f(x) parna onda se Fourierov red funkcije f(x) reducira na Fourierov kosinusni red. f(x) cos
. KOLOKVIJ PRIMIJENJENA MATEMATIKA FOURIEROVE TRANSFORMACIJE 1. Za periodičnu funkciju f(x) s periodom p=l Fourierov red je gdje su a,a n, b n Fourierovi koeficijenti od f(x) gdje su a =, a n =, b n =..
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 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 περισσότεραII. ANALITIČKA GEOMETRIJA PROSTORA
II. NLITIČK GEMETRIJ RSTR I. I (Točka. Ravia.) d. sc. Mia Rodić Lipaović 9./. Točka u postou ( ; i, j, k ) Kateijev pavokuti koodiati sustav k i j T T (,, ) oložaj točke u postou je jedoačo odeñe jeim
Διαβάστε περισσότερα4 Numeričko diferenciranje
4 Numeričko diferenciranje 7. Funkcija fx) je zadata tabelom: x 0 4 6 8 fx).17 1.5167 1.7044 3.385 5.09 7.814 Koristeći konačne razlike, zaključno sa trećim redom, odrediti tačku x minimuma funkcije fx)
Διαβάστε περισσότερα( ) ( ) 2 UNIVERZITET U ZENICI POLITEHNIČKI FAKULTET. Zadaci za pripremu polaganja kvalifikacionog ispita iz Matematike. 1. Riješiti jednačine: 4
UNIVERZITET U ZENICI POLITEHNIČKI FAKULTET Riješiti jednačine: a) 5 = b) ( ) 3 = c) + 3+ = 7 log3 č) = 8 + 5 ć) sin cos = d) 5cos 6cos + 3 = dž) = đ) + = 3 e) 6 log + log + log = 7 f) ( ) ( ) g) ( ) log
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 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 περισσότερα( , 2. kolokvij)
A MATEMATIKA (0..20., 2. kolokvij). Zadana je funkcija y = cos 3 () 2e 2. (a) Odredite dy. (b) Koliki je nagib grafa te funkcije za = 0. (a) zadanu implicitno s 3 + 2 y = sin y, (b) zadanu parametarski
Διαβάστε περισσότεραSOPSTVENE VREDNOSTI I SOPSTVENI VEKTORI LINEARNOG OPERATORA I KVADRATNE MATRICE
1 SOPSTVENE VREDNOSTI I SOPSTVENI VEKTORI LINEARNOG OPERATORA I KVADRATNE MATRICE Neka je (V, +,, F ) vektorski prostor konačne dimenzije i neka je f : V V linearno preslikavanje. Definicija. (1) Skalar
Διαβάστε περισσότεραGlava 2 Nizovi i skupovi realnih brojeva
Glava Nizovi i skupovi realih brojeva Cetralo mesto u matematičkoj aalizi pripada pojmu graiče vredosti, odoso limesa. Upozaćemo se sa defiicijom limesa iza i sa tehikama alažeja graičih vredosti. Razmatraćemo
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 περισσότεραAritmetički i geometrijski niz
Zadac sa prethodh prjemh spta z matematke a Beogradskom uverztetu Artmetčk geometrjsk z. Artmetčk z. 00. FF Zbr prvh dvadeset člaova artmetčkog za čj je prv čla, a razlka A) 0 B) C) D) 880 E) 878. 000.
Διαβάστε περισσότεραNizovi. Definicija. Niz je funkcija. a: R. Oznake: (a n ) ili a n } Zadatak 2.1 Napišite prvih nekoliko članova nizova zadanih općim članom:
Nizovi Defiicija Niz je fukcija Ozake: (a ) ili a } a: R Zadatak Napišite prvih ekoliko člaova izova zadaih općim člaom: a = a = ( ) (c) a = Zadatak Odredite opće člaove izova: 3 5 7 9 ; 3 7 5 3 ; (c)
Διαβάστε περισσότεραPOGLAVLJE 1 BEZUSLOVNA OPTIMIZACIJA. U ovom poglavlju proučavaćemo problem bezuslovne optimizacije:
POGLAVLJE 1 BEZUSLOVNA OPTIMIZACIJA U ovom poglavlju proučavaćemo problem bezuslovne optimizacije: min f(x) (1.1) pri čemu nema dodatnih ograničenja na X = (x 1,..., x n ) R n. Probleme bezuslovne optimizacije
Διαβάστε περισσότεραFTN Novi Sad Katedra za motore i vozila. Teorija kretanja drumskih vozila Vučno-dinamičke performanse vozila: MAKSIMALNA BRZINA
: MAKSIMALNA BRZINA Maksimalna brzina kretanja F O (N) F OI i m =i I i m =i II F Oid Princip određivanja v MAX : Drugi Njutnov zakon Dokle god je: F O > ΣF otp vozilo ubrzava Kada postane: F O = ΣF otp
Διαβάστε περισσότερα2 Skupovi brojeva 17. m n N. (m + n) + k = m + (n + k) - asocijativnost sabiranja. m + n = n + m - komutativnost sabiranja
Skupovi brojeva 17 Skupovi brojeva.1 Skup prirodih brojeva Skup N prirodih brojeva čie brojevi 1,,3,... Nad skupom prirodih brojeva defiisae su operacije sabiraja (+) i možeja ( ), čiji je rezultat takože
Διαβάστε περισσότεραSistemi veštačke inteligencije primer 1
Sistemi veštačke inteligencije primer 1 1. Na jeziku predikatskog računa formalizovati rečenice: a) Miloš je slikar. b) Sava nije slikar. c) Svi slikari su umetnici. Uz pomoć metode rezolucije dokazati
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 περισσότεραI Pismeni ispit iz matematike 1 I
I Pismeni ispit iz matematike I 27 januar 2 I grupa (25 poena) str: Neka je A {(x, y, z): x, y, z R, x, x y, z > } i ako je operacija definisana sa (x, y, z) (u, v, w) (xu + vy, xv + uy, wz) Ispitati da
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 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 περισσότεραDISKRETNE STRUKTURE 1 Odgovori na pitanja za usmeni kod profesora Ž. Mijajlovića. Nikola Ajzenhamer Anja Bukurov Lektor: Ludi Burekdžija 2014
DISKRETNE STRUKTURE 1 Odgovori a pitaja za usmei kod profesora Ž. Mijajlovića Nikola Ajzehamer Aja Bukurov Lektor: Ludi Burekdžija 2014 1 Sadržaj 1 Matematička idukcija 3 1.1 Pricip matematičke idukcije...................
Διαβάστε περισσότεραPismeni dio ispita iz Matematike Riješiti sistem jednačina i diskutovati rješenja u zavisnosti od parametra a:
Zenica, 70006 + y+ z+ 4= 0 y+ z : i ( q) : = = y + z 4 = 0 a) Napisati pavu p u kanonskom, a pavu q u paametaskom obliku b) Naći jednačinu avni koja polazi koz pavu p i okomita je na pavu q ate su pave
Διαβάστε περισσότερα