TEORIJA REPOVA/REDOVA (queueing theory)
|
|
- Παύλος Αλαβάνος
- 5 χρόνια πριν
- Προβολές:
Transcript
1 dr. sc Ljupko Šimunović, dipl. ing. Fakultet prometnih znanosti, Zagreb Zavod za inteligentne transportne sustave EORIJA REPOVA/REDOVA (queueing theory)
2 OPERACIJSKA ISRAŽIVANJA Operacijska istraživanja (OI) - bave se matematičkim modeliranjem realnih procesa u svrhu donošenja optimalnih odluka u okviru danih restrikcija i ograničenih kapaciteta. Metode i alati OI Cijelobrojno programiranje Markovljevi lanci eorija repova/čekanja Mrežno programiranje Višekriterijsko programiranje (AHP) Metode prognoziranja eorija igara Senzitivna analiza Heurističko odlučivanje
3 EORIJA REDOVA/REPOVA eorija redova poznata je i kao teorija masovnog usluživanja (ili posluživanja). eorija redova (masovnog usluživanja) jedna je od metoda operacijskih istraživanja koja proučava procese usluživanja slučajno pristiglih jedinica ili zahtjeva za nekom uslugom koristeći se pritom matematičkim modelima pomoću kojih se ustanovljava međuzavisnost između dolazaka jedinica, njihovog čekanja na uslugu, usluživanja, te na kraju izlaska jedinica iz sustava, sa svrhom da se postigne optimalno funkcioniranje promatranog sustava eorija redova je područje matematike koje modelira ponašanje redova.
4 EORIJA REDOVA/REPOVA Cilj teorije redova je postizanje maksimalnih ekonomskih učinaka tj. donošenje optimalnih odluka PR: U luku pristižu brodovi iz različitih dijelova svijeta. Pitanje koliko pristaništa u luci treba izgraditi da bi ekonomski učinci bili najveći Mali broj pristaništa i ukrcajno - iskrcajnih postrojenja, maksimalno iskorištenje, ali će se pojaviti gubici čekanja brodova u luci. Prevelik broj pristaništa i postrojenja, brodovi ne bi čekali, ali bi postrojenja bila neiskorištena, pa ponovo imamo gubitke. Ovakvi problemi rješavaju se analizom redova čekanja (waiting line analysis) Riješiti problem znači odrediti optimalan broj uslužnih mjesta za koji će vrijeme čekanja u redu ili troškovi (gubici) prouzrokovani čekanjem biti minimalni.
5 EORIJA REDOVA/REPOVA SIMULACIJSKO MODELIRANJE MONE KARLO eoriju redova karakterizira izuzetno velika matematička složenost Gdje je klasična teorija masovnog usluživanja iscrpljena, pomaže metoda simulacijskog modeliranja slučajnih procesa, poznatija kao simulacijsko modeliranje Monte Karlo. Ova metoda osigurava približna rješenja za niz matematičkih problema primjenom statističkog uzorkovanja na računalskim modelima Na temelju informacija u ruci zaključujemo što je u kutiji Statistika Vjerojatnost Rulet je jednostavni generator slučajnih brojeva, a grad Monte Karlo, prestolnica ruleta i kocke Na temelju informacija u kutiji zaključujemo što je u ruci.
6 SRUKURA MODELA ČEKANJA λ (spremnik ili buffer) (server)
7 OSNOVNE SRUKURE SUSAVA Kanali/serveri paralelni poslužitelji koji istovremeno poslužuju korisnike. Faze slijedno postavljeni poslužitelji, tako da korisnici moraju proći sve poslužitelje da bi bili posluženi.
8 OSNOVNE SRUKURE SUSAVA
9 DISCIPLINA POSLUŽIVANJA (SCHEDULING) Moguće su razne discipline posluživanja: FIFO (First In First Out) ili FCFS (First Come First Served) prvi koji je došao u red, bit će prvi i poslužen LIFO (Last In First Out) ili LCFS (Last Come First Served) zadnji koji je došao u red bit će prvi poslužen Prema određenim prioritetima (Priority service PRIOR algoritam) Slučajno (Service in Random OrderSIRO algoritam) svakoj jedinici daje istu vjerojatnost usluživanja bez obzira na vrijeme dolaska
10 VREMENA DOLASKA I POSLUŽIVANJA Vremena dolaska (međudolazna vremena/headway) i posluživanja (servisa) mogu biti:. konstantna (uvijek jednako vrijeme između dolazaka i posluživanja), 2. varijabilna, ali unaprijed poznata (određena) i 3. slučajna, kad vrijeme trajanja usluge nije poznato, ali je moguće odrediti njegovu razdiobu vjerojatnosti
11 DOLASCI I POSLUŽIVANJA U REDU ČEKANJA Deterministički sustavi (vremena dolazaka i usluživanja konstantna) U determinističkom sustavu vrijeme dolaska jedinica t a i vrijeme posluživanja (servisa) t s je unaprijed poznato i konstantno. Poznato t određujemo λ ili μ λ = t a = const μ = /t s = const Pr. ukoliko je prosječno vrijeme između dva dolaska korisnika jednako 2h, tada je intenzitet dolaska jednak λ = /(2h) = 0.5 korisnika/h (svaki sat dolazi ½ korisnika) Vrijeme usluživanja na naplatnoj postaji za jedan automobil je 2 min, tada je intenzitet posluživanja μ = 60/ (2 min) = 30 vozila/h. Poznato λ ili μ određujemo t Pr. ako je intenzitet dolaska vozila λ = 6 voz/h onda je vrijeme između dva dolaska 60/6 =0 min Pr. ukoliko je intenzitet servisiranja μ = 2 dijela/h (svaki sat se obrade dva dijela na stroju) onda je prosječno vrijeme servisiranja jednog dijela jednako ½ = 0.5 h za jedan dio. Pr. ako je intenzitet dolaska vozila λ = 80 voz/h onda je vrijeme između dva dolaska 3600/80 =20 sekundi
12 DOLASCI I POSLUŽIVANJA U REDU ČEKANJA Kod stohastičkih sustava dolasci klijenata/jedinica i vremena posluživanja su slučajne varijable pa se iz razdiobe vjerojatnosti može odrediti srednja vrijednost vremena dolaska i posluživanja E(x) = x = /λ ili /μ. Najčešće razdiobe koje se koriste za modeliranje dolazaka vozila u sustav i procesa pražnjenja/posluživanja su: uniformna (deterministička) slučajna (Poissonova) i Erlangova Koje će se razdiobe primjenjivati ovisi o konkretnom sustavu (ne semaforizirano raskrižje, semaforizirano raskrižje, ulazna rampa, parking..) i određuje se na temelju mjerenja ili ranije provedenih istraživanja
13 MODELIRANJE DOLAZAKA I POSLUGE
14 POISSONOVA RASPODJELA Broj klijenata koji dođe u toku intervala vremena t 0, opisuje se Poissonovom raspodjelom Obilježja Poissonove diskretne razdiobe - zakrenuta u desno kada je vrijednost aritmetičke sredine x mala; (velik broj dolazaka u kraćem vremenu od prosječnog) - kako raste aritmetička sredina, asimetrija se smanjuje i na kraju aproksimira normalnu raspodjelu. μ = n p ; e - baza prirodnog logaritma (e 2.72) X x = E(x) = λ vjerojatnost da će x vozila doći u vremenu t (između vremena a i b) gdje je: t - trajanje intervala brojanja, λ - dolazna rata
15 PRIMJERI Stohastički sustavi; vremena dolazaka slučajna i trajanje usluge nije poznato, određivanje broja dolazaka (Poissonova raspodjela) PR. Informacije su pozvane u prosjeku 20 puta u toku jednog sata. Kolika je vjerojatnost da će u periodu od 5 minuta biti a) barem jedan poziv b) najviše jedan poziv 20 poziva na sat je isto što i 5 poziva u 5 minuta Poissonova raspodjela λ = 5 poz./5 min a) 0! = b)
16 PRIMJERI Stohastički sustavi; vremena dolazaka slučajna i trajanje usluge nije poznato, određivanje broja dolazaka (Poissonova raspodjela) PR: Servis HAK-a, za popravak vozila, pozvan je u prosjeku 7 puta u toku sata. Kolika je vjerojatnost da će u toku određenog sata servis biti pozvan a) točno 4 puta b) bar jedanput λ=7 a) b)
17 EKSPONENCIJALNA RAZDIOBA Eksponencijalna razdioba je kontinuirana, služi za opisivanje vremenskih razmaka između dva događaja; (dolazak klijenata, vozila, posjete nekoj adresi, pozivi na telefonu, kvarovi na nekom uređaju ili stroju,..) y λ λ λ vrijeme dolaska ne može biti negativno Npr. duljine poziva/dolazak vozila i sl. distribuirani su eksponencijalno. Većina poziva je kraća od prosjeka, a samo ih je malo dužih od prosjeka x
18 FUNKCIJA DISRIBUCIJE EKSPONENCIJALNE RAZDIOBE (KUMULAIVNA RAZDIOBA) F x e x Vjerojatnost da je međudolazno vrijeme veće od t a manje od t 2 je: Vjerojatnost da x poprimi vrijednost iz intervala <a, b> je integral funkcije gustoće vjerojatnosti od a do b (površina ispod krivulje od a do b). (za Poissonovu je računanje istog napravljeno sumom) Dolasci nisu egzaktni već slučajni što znači da je vjerojatnost da slučajna varijabla x poprimi neku (diskretnu) vrijednost nula! Zato se uzima interval, a ne jedna točka.
19 PRIMJER Primjene funkcije distribucije eksponencijalne razdiobe F x e x Stohastički sustavi; vremena dolazaka slučajna, eksponencijalno distribuirana, određivanje vjerojatnosti vremenskog intervala pojavljivanja klijenata, događaja... Prosječno vrijeme između dva telefonska poziva je eksponencijalno distribuirano i iznosi 80 sekundi. Odredite vjerojatnost a) da to vrijeme bude najmanje 80 s b) da poruka dođe za manje od 60 s c) da poruka stigne između 50-te i 00-te s λ = /80 jer je prosječno vrijeme između dva dolaska 80 s. a) p(x 80) = p(80 < X < ) = - F(80) = -(-e -80/80 ) = b) p(x<60) = p(- <X< 60) = F860) 0 = -e -60/80 = c) p(50 < X< 00) = F(00) F(50) = (-e -00/80 ) - (-e -00/80 ) =
20 OZNAKE VRSE I IPA REDA ČEKANJA U tu svrhu prihvaćena je Kendall-ova notacija oblika v / w / x / y / z v - razdiobu vremena dolazaka jedinica u sustav w - razdiobu vremena posluživanja (servisiranja) x - broj kanala posluživanja (paralelnih poslužitelja ili servisa) y - kapacitet sustava, max broj korisnika u sustavu (u redu čekanja ili na posluživanju/servisu); ne piše se kad je veličina spremnika neograničena z - disciplinu reda čekanja/redoslijed posluživanja (servisa).
21 OZNAKE VRSE I IPA REDA ČEKANJA Za v i w (dolazni proces i vrijeme posluživanja) koriste se standardizirane oznake za razdiobe: D deterministička raspodjela (međudolazna vremena su fiksna) M - eksponencijalna razdioba (M dolazi od Markovljevog lanca kojim se može opisati tok jedinica s eksponencijalno raspodjeljenim međudolaznim vremenima) Ek -Erlangova razdioba reda k (k =,2,...) G - bilo koja razdioba (uključujući M, Ek i D), nepoznata raspodjela s poznatom sredinom i varijancom
22 OPIS POSLUŽIELJSKOG SUSAVA: PRIMJERI M/M/: Poissonovi dolasci, eksponencijalna razdioba vremena posluživanja, jedan poslužitelj, beskonačni spremnik M/M/m: sustav jednak prethodnom samo sa m poslužitelja/servera M/M/5/40: Poissonovi dolasci, eksponencijalna razdioba vremena posluživanja, 5 poslužitelja, max broj korisnika u sustavu 40 (u redu čekanja 35 i na posluživanju/servisu 5); M/G/: Poissonovi dolasci, vremena posluživanja raspodjeljena sukladno općoj razdiobi, jedan poslužitelj, beskonačni spremnik M/D/ Poissonovi dolasci ili eksponencijalna raspodjela među dolaznih vremena, determinističko vrijeme posluživanja, server G/G/3/20/FCFS opća raspodjela dolazaka i servisa, 3 servera, 7 klijenata u repu, first come first servis
23 REDOVI ČEKANJA - OSNOVNI POJMOVI λ [korisnika,jedinica/vrijeme] srednja brzina ili intenzitet dolazaka /λ srednje (očekivano) međudolazno vrijeme t a μ - [korisnika/jedinica vremena], srednja brzina ili intenzitet posluživanja /μ [vrijeme/klijentu]- srednje (očekivano) vrijeme posluživanja t s (vrijeme koje je potrebno da bi se poslužio jedan korisnik).
24 Ako je ρ <, sustav je stabilan (μ > λ) Još se koriste pojmovi: stacionarni, nestacionarni (nestabilni)uvjeti, nezasićeno i zasićeno stanje Erlang POKAZAELJ/FAKOR ISKORIŠENJA ODNOSNO OPEREĆENJA SUSAVA Za ocjenu rada sustava uvodi se pokazatelj opterećenja sustava Pokazatelj iskorištenja odnosno opterećenja sustava (engl.: the traffic intensity) ili stupanj zasićenja (saturiranosti) je odnos intenziteta toka dolazaka i intenziteta posluživanja i označava se s grčkim slovom ρ: ρ = t s t a
25 PARAMERI SUSAVA USLUŽIVANJA L ili N - prosječan broj korisnika u sustavu (u redu čekanja i na posluživanju) L w - prosječan broj korisnika u redu čekanja L s prosječan broj korisnika koji se servisira ili W - prosječno vrijeme koje korisnik provede u sustavu (čekanje i posluživanje) w ili W q - prosječno vrijeme koje korisnik provede u redu čekanja s ili W s vrijeme koje korisnik provede u servisiranju P 0 - vjerojatnost da nema korisnika u sustavu P n - vjerojatnost da je n korisnika u sustavu P q (n) vjerojatnost broja korisnika u redu za čekanje ρ - iskoristivost, tj. dio vremena u kojem je sustav u uporabi
26 MODEL REDOVA ČEKANJA S OSNOVNIM PARAMERIMA w ili W q s ili W s L w L s ili W = W w + W s L = L w + L s ili W L
27 LILE-ove FORMULE Vrijede samo za stabilne sustave L = λ - prosječan broj jedinica/paketa u sustavu (L q = λ w, L s = λ s ) prosječni čekanje u sustavu
28 FORMULE JEDNOKANALNI SUSAV S ČEKANJEM I NEOGRANIČENOM DULJINOM REDA ČEKANJA (M / M / / ) ) ρ = P 0 vjerojatnost da je sustav pun, 2) P 0 = ρ = λ/μ vjerojatnost da je sustav prazan 3) P = λ/μ P 0 = ρ P 0 vjerojatnost da je u sustavu jedna osoba 4) P 2 = λ/μ P = ρ (ρ P 0 )= ρ 2 P 0 = ρ 2 ( ρ) vjerojatnost da su u sustavu dvije osobe.. 5) P n = (λ/μ) n P 0 = (λ/μ) n ( λ/μ) = ρ n (-ρ) vjerojatnost da u sustavu ima točno n korisnika 6) P n = ρ P n-, n=,2,..
29 FORMULE JEDNOKANALNI SUSAV S ČEKANJEM I NEOGRANIČENOM DULJINOM REDA ČEKANJA (M / M / / ) poslužitelj, eksponencijalna razdioba dolazaka i posluživanja, L w w L w E L w L Očekivani/srednji broj korisnika u repu Prosječan broj korisnika u redu čekanja L L L W L s 2 Prosječan broj korisnika u sustavu E L w Očekivani/srednji broj korisnika u sustavu L s s Ls L L w E L w 2 Očekivani/srednji broj korisnika na servisu/usluživanju Prosječan broj korisnika na servisu/posluživanju
30 FORMULE JEDNOKANALNI SUSAV S ČEKANJEM I NEOGRANIČENOM DULJINOM REDA ČEKANJA (M / M / / ) w L w ( 2 ) ( ) Prosječno vrijeme koje korisnik provede u redu čekanja w s s ( ) ( ) ( ) w s s s s E[ w ] očekivano/srednje vrijeme čekanja u repu po klijentu s L s s w ( ) Prosječno vrijeme koje korisnik provede na usluživanju E[ s ] Očekivano/srednje vrijeme posluživanja/servisiranja po korisniku
31 FORMULE JEDNOKANALNI SUSAV S ČEKANJEM I NEOGRANIČENOM DULJINOM REDA ČEKANJA (M / M / / ) L w s ( ) Prosječno vrijeme koje korisnik provede u sustavu w s w s s s s E[] očekivano vrijeme zadržavanja u sustavu po korisniku
32 ČEKANJE vs ISKORIŠENJE/OPEREĆENJE SUSAVA
33 . ZADAAK (PRIMJER ZA M/M/ SUSAV) Na poštanski šalter po Poissonovoj raspodjeli stiže 0 korisnika tijekom sata. Srednje vrijeme posluživanja koje se ravna po eksponencijalnoj raspodjeli iznosi prosječno 4 minute po klijentu. Odredite a) Vjerojatnost da u sustavu nema korisnika, da ima samo jedan, dva, dva ili manje, tri ili više b) Prosječan broj korisnika u sustavu (koji čekaju u repu ili su na servisu) c) Prosječan broj korisnika koji čekaju u repu d) Prosječno vrijeme koje korisnik provede u sustavu e) Prosječno vrijeme koje korisnik provede na čekanju u repu
34 RJEŠENJE μ = 60/4 = 5 korisnika/h intenzitet posluživanja ρ = 0/5 = faktor iskorištenja a) P(0 u sustavu) = - ρ = P( u sustavu) = ( - ρ)ρ = P(2 u sustavu) = ( - ρ)ρ 2 = 0.48 P(2 ili manje u sustavu) = P(0) + P() + P(2) = P(3 or više u sustavu) = - P(2 ili manje u sustavu) = = Prosječan broj korisnika u sustavu b) L = ρ/(-ρ) = 2 osobe... (u repu i na posluživanju) c) Lw = L-ρ =.333 osobe... Prosječan broj korisnika u repu čekanja d) = /(μ-λ) = 0.2 osobe/h... Srednje vrijeme čekanja u sustavu e) W = ρ = osobe/h.. Srednje vrijeme čekanja u repu
35 EKONOMSKA ANALIZA (ZA. ZADAAK) Metoda : λ rata = trošak kn/h λ=0, = 0.2 sata Deset korisnika izgubi 2 sata u sustavu na čekanju (0 0.2 = 2.0) Ako je cijena sata 20 kn to znači da grupa od 0 ljudi svaki sat gubi 40 kn (2x20) Metoda 2 Svi pomisle da oni ne plaćaju L rata = trošak kn/h 2 osobe 20 kn/osoba-sat = 40 kn trošak Ako sustav moderniziramo vrijeme posluživanja možemo smanjiti na pola. roškovi otplate opreme iznose 5 kn na sat
36 EKONOMSKA ANALIZA Ako proces duplo ubrzamo, s novom opremom, μ će iznositi μ = / s /2 = 2 60/4 = 30 korisnika/h (μ = 5) Metoda : = /(μ-λ) = /(30-0)=/20= vrijeme boravka u sustavu λ 20 = =0 kn - novi trošak za 0 osoba na sat Metoda 2. L = λ/(μ-λ) = 0/(30-0)=0/20 =0.5 L 20 = = 0 kn novi trošak za 0 osoba na sat Modernijom uslugom satni trošak je pao sa 40 kn na 0 kn. Uštedjeli smo 30 kn po satu. Ako plaćamo 5 kn po satu za otplatu opremu onda čista zarada iznosi 5 kn po satu
37 2. ZADAAK (PRIMJER ZA M/M/ SUSAV) Automobili dolaze na naplatnu postaju po Poissonovoj razdiobi s prosječnim intenzitetom dolaska λ = 24 automobila na sat (24 h-). Usluga na naplatnoj postaji traje u prosjeku 2 minute. Odredi operativne značajke sustava posluživanja: vjerojatnost da nema automobila na naplatnoj postaji, prosječan broj automobila u sustavu (repu i posluživanju), prosječan broj automobila na čekanju, prosječno vrijeme koje automobil provodi u sustavu, prosječno vrijeme koje automobil provede u redu čekanja, vjerojatnost da je naplatna postaja zauzeta (faktor iskorištenja), vjerojatnost da je naplatna postaja slobodna i može odmah prihvatiti automobil. Dolazi li sustav u stacionarno stanje? Rješenje: Kako je vrijeme usluživanja jednako 2 min, tada je intenzitet posluživanja μ = / (2 min) = 30 h-. Kako je λ<μ (24 < 30), sustav će doći u stacionarno stanje. Sada računamo operativne karakteristike prema izrazima.
38 Rješenje: Vjerojatnost da nema automobila na naplatnoj postaji Prosječan broj automobila u sustavu (repu i posluživanju) L w Prosječan broj automobila na čekanju Prosječno vrijeme koje automobil provodi u sustavu w Prosječno vrijeme koje automobil provede u redu čekanja Vjerojatnost da je naplatna postaja zauzeta (faktor iskorištenja) Vjerojatnost da je naplatna postaja slobodna i može odmah prihvatiti automobil.
39 3. ZADAAK (PRIMJER ZA M/M/ SUSAV) Na naplatnu kućicu dolazi 80 vozila/sat po Poissonovoj razdiobi. Vremena dolazaka i posluživanja se ravnaju po eksponencijalnoj razdiobi. Srednje vrijeme posluživanja iznosi 5 s/vozilu. Odredite a) prosječnu duljinu repa b) vrijeme čekanja u repu (u minutama po vozilu) te c) prosječno vrijeme zadržavanja u sustavu (u minutama po vozilu). λ=80 voz/h = 3 voz/min μ = 5 s/voz =4 voz/min ρ=λ/μ = ¾ = 0.75 a) L w [ voz] b) w ( ) 0.75 [min/ voz] c) [min/ voz]
40 FORMULE JEDNOKANALNI SUSAV S ČEKANJEM I NEOGRANIČENOM DULJINOM REDA ČEKANJA (M / D / / ) 2 2 s Model s jednim poslužiteljem, s eksponencijalnim vremenom međudolazaka i konstantnim vremenom posluživanja w 2 ( ) 2 2( s ) srednje vrijeme čekanja u redu L w w 2 2 srednji broj jedinica/klijenata u repu w s 2 ( s ) s s 2 srednje vrijeme zadržavanja u sustavu ili w s 2 ( ) 2 2 ( ) L 2 srednji broj jedinica u sustavu
41 . ZADAAK (PRIMJER ZA M/D/ SUSAV) Na naplatnu kućicu dolazi 80 vozila/sat po Poissonovoj razdiobi. Vrijeme posluživanja je konstantno i iznosi 5 s/vozilu. Odredite prosječnu duljinu repa i vrijeme čekanja u repu (u minutama po vozilu) te prosječno vrijeme zadržavanja u sustavu (u minutama po vozilu). λ=80 voz/h = 3 voz/min μ = 5 s/voz =4 voz/min ρ=λ/μ = ¾ = 0.75 a) L w. 25voz 2( ) 2( 0.75) b) c) w 2 2 ( 2 ( ) ) ( 0.75) 0.625min/ 0.375min/ voz voz
42 VRIJEME ČEKANJA vs PROME
43 3. PRIMJER K PROME
44 VIŠEKANALNI SUSAV S ČEKANJEM I NEOGRANIČENOM DULJINOM REDA ČEKANJA (M / M / S / ) vrijeme između dva uzastopna dolaska jedinica i vrijeme opsluživanja jedinica ponašaju prema eksponencijanoj razdiobi. ili prema rekurzivnim formulama:
45 VIŠEKANALNI SUSAV S ČEKANJEM I NEOGRANIČENOM DULJINOM REDA ČEKANJA (M / M / S / ) 9) s = - w
46 OVISNOS DULJINE REPA O PROMEU ZA RAZLIČII BROJ POSLUŽIELJA (M/D/m)
47 MODEL ROŠKOVA ČEKANJA Da bi se eliminiralo čekanje, koje se javlja u sustavu opsluživanja, bilo bi potrebno ili postaviti vrlo velik broj kanala (da jedinice uopće ne čekaju) ili samo onoliki broj kanala koji će stalno biti zaposlen (da kanali ne budu neiskorišteni). Prema tome, optimalna varijanta bit će ona koja će gubitke koji nastaju zbog čekanja svesti na minimum. Ukupni troškovi čekanja jednog sustava opsluživanja (C) sadrže: ) troškove nastale zbog čekanja jedinica (Cw) i 2) troškove zbog neiskorištenosti uslužnih mjesta (Cp). Koristeći teoriju redova čekanja troškovi čekanja izračunaju se na sljedeći način: roškovi čekanja jedinica (korisnika) troškovi nezauzetih uslužnih mjesta ukupni troškovi čekanja
48 MODEL ROŠKOVA ČEKANJA gdje je: C - iznos ukupnih troškova (u novčanim jedinicama LQ - prosječan broj jedinica (korisnika) u redu čekanja (S - r) - broj slobodnih (nezauzetih) uslužnih mjesta (kanala) t - duljina vremenskog perioda za koji se izračunavaju troškovi (primjerice godina dana) cw - iznos (u novčanim jedinicama) troška u jedinici vremena nastalog zbog čekanja jedinice u redu cp - iznos (u novčanim jedinicama) troška u jedinici vremena nastalog zbog čekanja", odnosno nezauzetosti kanala. Dakle, pomoću teorije redova čekanja moguće je izračunati troškove koji nastaju zbog čekanja i ukupne troškove sustava opsluživanja koji se mogu koristiti u analizi međusobno konkurentnih uslužnih mjesta. Drugim riječima, programiranjem procesa opsluživanja može se odrediti broj uslužnih mjesta za koji je iznos ukupnih troškova čekanja minimalan, tj. optimalan broj uslužnih mjesta (kanala).
49 KRAJ HVALA NA POZORNOSI!
2 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 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 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 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 περισσότεραVJEROJATNOST I STATISTIKA Popravni kolokvij - 1. rujna 2016.
Broj zadataka: 5 Vrijeme rješavanja: 120 min Ukupan broj bodova: 100 Zadatak 1. (a) Napišite aksiome vjerojatnosti ako je zadan skup Ω i σ-algebra F na Ω. (b) Dokažite iz aksioma vjerojatnosti da za A,
Διαβάστε 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 περισσότεραMatematika 1 - vježbe. 11. prosinca 2015.
Matematika - vježbe. prosinca 5. Stupnjevi i radijani Ako je kut φ jednak i rad, tada je veza između i 6 = Zadatak.. Izrazite u stupnjevima: a) 5 b) 7 9 c). d) 7. a) 5 9 b) 7 6 6 = = 5 c). 6 8.5 d) 7.
Διαβάστε περισσότεραElektrotehnički fakultet univerziteta u Beogradu 17.maj Odsek za Softversko inžinjerstvo
Elektrotehnički fakultet univerziteta u Beogradu 7.maj 009. Odsek za Softversko inžinjerstvo Performanse računarskih sistema Drugi kolokvijum Predmetni nastavnik: dr Jelica Protić (35) a) (0) Posmatra
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 περισσότεραOSNOVE TEHNOLOGIJE PROMETA
OSNOVE TEHNOLOGIJE PROMETA MODUL: Tehnologija teleomuniacijsog rometa FAKULTET PROMETNIH ZNANOSTI Predavači: Doc.dr.sc. Štefica Mrvelj Maro Matulin, dil.ing. Zagreb, ožuja 2009. Oće informacije Konzultacije:
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 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 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 περισσότεραRiješeni zadaci: Limes funkcije. Neprekidnost
Riješeni zadaci: Limes funkcije. Neprekidnost Limes funkcije Neka je 0 [a, b] i f : D R, gdje je D = [a, b] ili D = [a, b] \ { 0 }. Kažemo da je es funkcije f u točki 0 jednak L i pišemo f ) = L, ako za
Διαβάστε περισσότεραPošto pretvaramo iz veće u manju mjernu jedinicu broj 2.5 množimo s 1000,
PRERAČUNAVANJE MJERNIH JEDINICA PRIMJERI, OSNOVNE PRETVORBE, POTENCIJE I ZNANSTVENI ZAPIS, PREFIKSKI, ZADACI S RJEŠENJIMA Primjeri: 1. 2.5 m = mm Pretvaramo iz veće u manju mjernu jedinicu. 1 m ima dm,
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 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 περισσότεραPISMENI ISPIT IZ STATISTIKE
1. a) Trgovina odjeće prodaje odjeću u tri različite veličine: 32% veličine S, 44% veličine M i ostatak veličine L. Pokazalo se da je postotak odjeće s greškom redom 1%, 5% i 2%. Ako je trgovina ustanovila
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 περισσότεραTRIGONOMETRIJA TROKUTA
TRIGONOMETRIJA TROKUTA Standardne oznake u trokutuu ABC: a, b, c stranice trokuta α, β, γ kutovi trokuta t,t,t v,v,v s α,s β,s γ R r s težišnice trokuta visine trokuta simetrale kutova polumjer opisane
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 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 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 περισσότεραMatematička analiza 1 dodatni zadaci
Matematička analiza 1 dodatni zadaci 1. Ispitajte je li funkcija f() := 4 4 5 injekcija na intervalu I, te ako jest odredite joj sliku i inverz, ako je (a) I = [, 3), (b) I = [1, ], (c) I = ( 1, 0].. Neka
Διαβάστε 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 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 περισσότεραNumerička matematika 2. kolokvij (1. srpnja 2009.)
Numerička matematika 2. kolokvij (1. srpnja 29.) Zadatak 1 (1 bodova.) Teorijsko pitanje. (A) Neka je G R m n, uz m n, pravokutna matrica koja ima puni rang po stupcima, tj. rang(g) = n. (a) Napišite puni
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 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 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 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 περισσότεραIZRAČUNAVANJE POKAZATELJA NAČINA RADA NAČINA RADA (ISKORIŠĆENOSTI KAPACITETA, STEPENA OTVORENOSTI RADNIH MESTA I NIVOA ORGANIZOVANOSTI)
IZRAČUNAVANJE POKAZATELJA NAČINA RADA NAČINA RADA (ISKORIŠĆENOSTI KAPACITETA, STEPENA OTVORENOSTI RADNIH MESTA I NIVOA ORGANIZOVANOSTI) Izračunavanje pokazatelja načina rada OTVORENOG RM RASPOLOŽIVO RADNO
Διαβάστε 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 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 περισσότεραStrukture podataka i algoritmi 1. kolokvij 16. studenog Zadatak 1
Strukture podataka i algoritmi 1. kolokvij Na kolokviju je dozvoljeno koristiti samo pribor za pisanje i službeni šalabahter. Predajete samo papire koje ste dobili. Rezultati i uvid u kolokvije: ponedjeljak,
Διαβάστε 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 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 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 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 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 περισσότεραEliminacijski zadatak iz Matematike 1 za kemičare
Za mnoge reakcije vrijedi Arrheniusova jednadžba, koja opisuje vezu koeficijenta brzine reakcije i temperature: K = Ae Ea/(RT ). - T termodinamička temperatura (u K), - R = 8, 3145 J K 1 mol 1 opća plinska
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 περισσότεραElektrotehnički fakultet univerziteta u Beogradu 16.maj Odsek za Softversko inžinjerstvo
Elektrotehnčk fakultet unverzteta u Beogradu 6.maj 8. Odsek za Softversko nžnjerstvo Performanse računarskh sstema Drug kolokvjum Predmetn nastavnk: dr Jelca Protć (35) a) () Posmatra se segment od N uzastonh
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 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 περισσότερα21. ŠKOLSKO/OPĆINSKO/GRADSKO NATJECANJE IZ GEOGRAFIJE GODINE 8. RAZRED TOČNI ODGOVORI
21. ŠKOLSKO/OPĆINSKO/GRADSKO NATJECANJE IZ GEOGRAFIJE 2014. GODINE 8. RAZRED TOČNI ODGOVORI Bodovanje za sve zadatke: - boduju se samo točni odgovori - dodatne upute navedene su za pojedine skupine zadataka
Διαβάστε περισσότεραPRIMJENA RAČUNA REDOVA ČEKANJA POMOĆU ERLANG DISTRIBUCIJA ZA WEB APLIKACIJE. Dubravko Miljković Hrvatska elektroprivreda Zagreb, Vukovarska 37
PRIMJENA RAČUNA REDOVA ČEKANJA POMOĆU ERLANG DISTRIBUCIJA ZA WEB APLIKACIJE Dubravko Miljković Hrvatska elektroprivreda Zagreb, Vukovarska 37 UVOD Ograničeni broj uslužnih kanala (ponekad samo jedan) Kako
Διαβάστε περισσότεραRIJEŠENI ZADACI I TEORIJA IZ
RIJEŠENI ZADACI I TEORIJA IZ LOGARITAMSKA FUNKCIJA SVOJSTVA LOGARITAMSKE FUNKCIJE OSNOVE TRIGONOMETRIJE PRAVOKUTNOG TROKUTA - DEFINICIJA TRIGONOMETRIJSKIH FUNKCIJA - VRIJEDNOSTI TRIGONOMETRIJSKIH FUNKCIJA
Διαβάστε περισσότερα1 Promjena baze vektora
Promjena baze vektora Neka su dane dvije različite uredene baze u R n, označimo ih s A = (a, a,, a n i B = (b, b,, b n Svaki vektor v R n ima medusobno različite koordinatne zapise u bazama A i B Zapis
Διαβάστε περισσότεραSortiranje prebrajanjem (Counting sort) i Radix Sort
Sortiranje prebrajanjem (Counting sort) i Radix Sort 15. siječnja 2016. Ante Mijoč Uvod Teorem Ako je f(n) broj usporedbi u algoritmu za sortiranje temeljenom na usporedbama (eng. comparison-based sorting
Διαβάστε περισσότεραNeka je a 3 x 3 + a 2 x 2 + a 1 x + a 0 = 0 algebarska jednadžba trećeg stupnja. Rješavanje ove jednadžbe sastoji se od nekoliko koraka.
Neka je a 3 x 3 + a x + a 1 x + a 0 = 0 algebarska jednadžba trećeg stupnja. Rješavanje ove jednadžbe sastoji se od nekoliko koraka. 1 Normiranje jednadžbe. Jednadžbu podijelimo s a 3 i dobivamo x 3 +
Διαβάστε περισσότεραVJEROJATNOST I STATISTIKA 2. kolokvij lipnja 2016.
Broj zadataka: 5 Vrijeme rješavanja: 0 min Ukupan broj bodova: 50 Zadatak.. kolokvij - 0. lipnja 0. (a Ako su X i Y diskretne slučajne varijable, dokažite da vrijedi formula E [X + Y ] = E [X] + E [Y ].
Διαβάστε περισσότεραSEMINAR IZ KOLEGIJA ANALITIČKA KEMIJA I. Studij Primijenjena kemija
SEMINAR IZ OLEGIJA ANALITIČA EMIJA I Studij Primijenjena kemija 1. 0,1 mola NaOH je dodano 1 litri čiste vode. Izračunajte ph tako nastale otopine. NaOH 0,1 M NaOH Na OH Jak elektrolit!!! Disoira potpuno!!!
Διαβάστε περισσότεραĈetverokut - DOMAĆA ZADAĆA. Nakon odgledanih videa trebali biste biti u stanju samostalno riješiti sljedeće zadatke.
Ĉetverokut - DOMAĆA ZADAĆA Nakon odgledanih videa trebali biste biti u stanju samostalno riješiti sljedeće zadatke. 1. Duljine dijagonala paralelograma jednake su 6,4 cm i 11 cm, a duljina jedne njegove
Διαβάστε περισσότεραSlučajne varijable. Diskretna slučajna varijabla X je promjenjiva veličina koja poprima vrijednosti iz skupa
Slučajne varijable Statistički podaci su distribuirani po odredenoj zakonitosti. Za matematičko (apstraktno) opisivanje te zakonitosti potrebno je definirati slučajnu varijablu kojoj pripada odredena razdioba
Διαβάστε περισσότεραLinearna algebra 2 prvi kolokvij,
Linearna algebra 2 prvi kolokvij, 27.. 20.. Za koji cijeli broj t je funkcija f : R 4 R 4 R definirana s f(x, y) = x y (t + )x 2 y 2 + x y (t 2 + t)x 4 y 4, x = (x, x 2, x, x 4 ), y = (y, y 2, y, y 4 )
Διαβάστε 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 περισσότερα( , treći kolokvij) 3. Na dite lokalne ekstreme funkcije z = x 4 + y 4 2x 2 + 2y 2 3. (20 bodova)
A MATEMATIKA (.6.., treći kolokvij. Zadana je funkcija z = e + + sin(. Izračunajte a z (,, b z (,, c z.. Za funkciju z = 3 + na dite a diferencijal dz, b dz u točki T(, za priraste d =. i d =.. c Za koliko
Διαβάστε περισσότεραKontrolni zadatak (Tačka, prava, ravan, diedar, poliedar, ortogonalna projekcija), grupa A
Kontrolni zadatak (Tačka, prava, ravan, diedar, poliedar, ortogonalna projekcija), grupa A Ime i prezime: 1. Prikazane su tačke A, B i C i prave a,b i c. Upiši simbole Î, Ï, Ì ili Ë tako da dobijeni iskazi
Διαβάστε 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 περισσότεραVJEŽBE 3 BIPOLARNI TRANZISTORI. Slika 1. Postoje npn i pnp bipolarni tranziostori i njihovi simboli su dati na slici 2 i to npn lijevo i pnp desno.
JŽ 3 POLAN TANZSTO ipolarni tranzistor se sastoji od dva pn spoja kod kojih je jedna oblast zajednička za oba i naziva se baza, slika 1 Slika 1 ipolarni tranzistor ima 3 izvoda: emitor (), kolektor (K)
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 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 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 περισσότερα( ) ( ) Zadatak 001 (Ines, hotelijerska škola) Ako je tg x = 4, izračunaj
Zadaak (Ines, hoelijerska škola) Ako je g, izračunaj + 5 + Rješenje Korisimo osnovnu rigonomerijsku relaciju: + Znači svaki broj n možemo zapisai n n n ( + ) + + + + 5 + 5 5 + + + + + 7 + Zadano je g Tangens
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 περισσότεραSlučajne varijable Materijali za nastavu iz Statistike
Slučajne varijable Materijali za nastavu iz Statistike Kristina Krulić Himmelreich i Ksenija Smoljak 2012/13 1 / 1 Slučajna varijabla Slučajna varijabla je funkcija X koja elementarnim dogadajima pridružuje
Διαβάστε περισσότερα2log. se zove numerus (logaritmand), je osnova (baza) log. log. log =
( > 0, 0)!" # > 0 je najčešći uslov koji postavljamo a još je,, > 0 se zove numerus (aritmand), je osnova (baza). 0.. ( ) +... 7.. 8. Za prelazak na neku novu bazu c: 9. Ako je baza (osnova) 0 takvi se
Διαβάστε περισσότεραRačunarska grafika. Rasterizacija linije
Računarska grafika Osnovni inkrementalni algoritam Drugi naziv u literaturi digitalni diferencijalni analizator (DDA) Pretpostavke (privremena ograničenja koja se mogu otkloniti jednostavnim uopštavanjem
Διαβάστε περισσότεραRAČUNSKE VEŽBE IZ PREDMETA POLUPROVODNIČKE KOMPONENTE (IV semestar modul EKM) IV deo. Miloš Marjanović
Univerzitet u Nišu Elektronski fakultet RAČUNSKE VEŽBE IZ PREDMETA (IV semestar modul EKM) IV deo Miloš Marjanović MOSFET TRANZISTORI ZADATAK 35. NMOS tranzistor ima napon praga V T =2V i kroz njega protiče
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 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 περισσότεραPOTPUNO RIJEŠENIH ZADATAKA PRIRUČNIK ZA SAMOSTALNO UČENJE
**** MLADEN SRAGA **** 011. UNIVERZALNA ZBIRKA POTPUNO RIJEŠENIH ZADATAKA PRIRUČNIK ZA SAMOSTALNO UČENJE SKUP REALNIH BROJEVA α Autor: MLADEN SRAGA Grafički urednik: BESPLATNA - WEB-VARIJANTA Tisak: M.I.M.-SRAGA
Διαβάστε περισσότεραIzbor 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 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 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 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 περισσότεραPOVRŠINA TANGENCIJALNO-TETIVNOG ČETVEROKUTA
POVRŠIN TNGENIJLNO-TETIVNOG ČETVEROKUT MLEN HLP, JELOVR U mnoštvu mnogokuta zanimljiva je formula za površinu četverokuta kojemu se istoobno može upisati i opisati kružnica: gje su a, b, c, uljine stranica
Διαβάστε περισσότεραSTATISTIKA S M E I M N I AR R 7 : METODE UZORKA
Fakultet za menadžment u turizmu i ugotiteljtvu, Opatija Sveučilišni preddiplomki tudij Polovna ekonomija u turizmu i ugotiteljtvu Noitelj kolegija: Prof. dr. c. Suzana Marković Aitentica: Jelena Komšić
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 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 περισσότεραZBIRKA POTPUNO RIJEŠENIH ZADATAKA
**** IVANA SRAGA **** 1992.-2011. ZBIRKA POTPUNO RIJEŠENIH ZADATAKA PRIRUČNIK ZA SAMOSTALNO UČENJE POTPUNO RIJEŠENI ZADACI PO ŽUTOJ ZBIRCI INTERNA SKRIPTA CENTRA ZA PODUKU α M.I.M.-Sraga - 1992.-2011.
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 περισσότερα2.7 Primjene odredenih integrala
. INTEGRAL 77.7 Primjene odredenih integrala.7.1 Računanje površina Pořsina lika omedenog pravcima x = a i x = b te krivuljama y = f(x) i y = g(x) je b P = f(x) g(x) dx. a Zadatak.61 Odredite površinu
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 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 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 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 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 περισσότεραBetonske konstrukcije 1 - vežbe 3 - Veliki ekscentricitet -Dodatni primeri
Betonske konstrukcije 1 - vežbe 3 - Veliki ekscentricitet -Dodatni primeri 1 1 Zadatak 1b Čisto savijanje - vezano dimenzionisanje Odrediti potrebnu površinu armature za presek poznatih dimenzija, pravougaonog
Διαβάστε περισσότεραPeriodičke izmjenične veličine
EHNČK FAKULE SVEUČLŠA U RJEC Zavod za elekroenergeiku Sudij: Preddiploski sručni sudij elekroehnike Kolegij: Osnove elekroehnike Nosielj kolegija: Branka Dobraš Periodičke izjenične veličine Osnove elekroehnike
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 περισσότεραUvod Teorija odlučivanja je analitički i sistematski pristup proučavanju procesa donošenja odluka Bez obzira o čemu donosimo odluku imamo 6 koraka za
Osnovne teorije odlučivanja Uvod Teorija odlučivanja je analitički i sistematski pristup proučavanju procesa donošenja odluka Bez obzira o čemu donosimo odluku imamo 6 koraka za donošenje dobre odluke:
Διαβάστε περισσότεραLinearna algebra 2 prvi kolokvij,
1 2 3 4 5 Σ jmbag smjer studija Linearna algebra 2 prvi kolokvij, 7. 11. 2012. 1. (10 bodova) Neka je dano preslikavanje s : R 2 R 2 R, s (x, y) = (Ax y), pri čemu je A: R 2 R 2 linearan operator oblika
Διαβάστε περισσότεραKontinuirane slučajne varijable.
Kontinuirane slučajne varijable. Diskretne slučajne varijable povezane su s prebrojavanjem u nekom pokusu. One primaju konačan skup vrijednosti (ili možda beskonačan, ali je tada nužno prebrojiv i diskretan).
Διαβάστε περισσότεραSume kvadrata. mn = (ax + by) 2 + (ay bx) 2.
Sume kvadrata Koji se prirodni brojevi mogu prikazati kao zbroj kvadrata dva cijela broja? Propozicija 1. Ako su brojevi m i n sume dva kvadrata, onda je i njihov produkt m n takoder suma dva kvadrata.
Διαβάστε 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 περισσότεραViše dokaza jedne poznate trigonometrijske nejednakosti u trokutu
Osječki matematički list 000), 5 9 5 Više dokaza jedne poznate trigonometrijske nejednakosti u trokutu Šefket Arslanagić Alija Muminagić Sažetak. U radu se navodi nekoliko različitih dokaza jedne poznate
Διαβάστε περισσότεραOSNOVE TEHNOLOGIJE PROMETA
OSNOVE TEHNOLOGIJE PROMETA MODUL: Tehnologija teleouniacijsog roeta FAKULTET PROMETNIH ZNANOSTI Predavači: Doc.dr.sc. Štefica Mrvelj Maro Matulin, dil.ing. Zagreb, svibanj/lianj 2009. Oće inforacije Konzultacije:
Διαβάστε περισσότεραGrafičko prikazivanje atributivnih i geografskih nizova
Grafičko prikazivanje atributivnih i geografskih nizova Biserka Draščić Ban Pomorski fakultet u Rijeci 17. veljače 2011. Grafičko prikazivanje atributivnih nizova Atributivni nizovi prikazuju se grafički
Διαβάστε περισσότερα