1 PSE Definice základních pojmů. (ω je elementární jev: A ω (A ω) nebo (A );

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

Download "1 PSE Definice základních pojmů. (ω je elementární jev: A ω (A ω) nebo (A );"

Transkript

1 1 PSE 1 Náhodý pokus, áhodý jev. Operace s jevy. Defiice pravděpodobosti jevu, vlastosti ppsti. Klasická defiice pravděpodobosti a její použití, základí kombiatorické vzorce. 1.1 Teoretická část Defiice základích pojmů Náhodý pokus je každý proces, jehož výsledek je při jiak stejých počátečích podmíkách ejistý; výsledek ejsme schopi s jistotou předpovědět; možiu všech možých výsledků áhodého pokusu ozačujeme Ω. Náhodý jev je jev A je podmožia možiy Ω (A Ω; áhodé jevy začíme velkými latiskými písmey z počátku abecedy A,B,C,... ; celá možia Ω je jev jistý; prázdá možia je jev emožý. Elemetárí jevy jsou ω i jsou miimálí jevy růzé od jevu emožého (ω je elemetárí jev: A ω (A ω ebo (A ; elemetárí jevy jsou párově eslučitelé (ω 1, ω 2 růzé elemetárí jevy, pak ω 1 ω 2 ; každý jev A lze vyjádřit jako možiu elemetárích jevů (A {ω 1, ω 2,... }. Operace s jevy, protože jevy mají charakter moži, můžeme je graficky zázorňovat pomocí Véových diagramů A B rovoceé jevy Ā (ebo Ac ebo A Ω\A jev opačý, doplěk jevu A B jev A je podjevem jevu B A B průik jevů,jev A a zároveň jev B A B sjedoceí jevů, jev A ebo jev B (ebo oba jevy A\B rozdíl jevů, platí jev A, ale ikoliv jev B A B jevy disjuktí, jevy eslučitelé A i Ω úplý systém jevů záko jediečosti: A, B! A B a! A B záko komutativí: A B B A, resp. A B B A záko asociativí: (A B C A (B C resp. (A B C A (B C záko idetity: A A A, resp. A Ω Ω A Ω A záko komplemetu: A Ā Ω, resp. A Ā 1

2 záko distributiví: (A B C = (A C (B C resp. (A B C = (A C (B C de Morgaovy vzorce: A B A B, resp. A B A B obecěji echt A i, i = 1, 2,..., A jsou jevy A i A i, A i A i Defiice pravděpodobosti Pravděpodobost jevu - každému jevu A přiřazujeme reálé číslo P(A; pravděpodobost (ppst lze chápat jako předpověd poměrých četostí výsledků při mohoásobém opakováí daého pokusu; ppst lze chápat jako kvatitativí ohodoceí stupě jistoty. Existují růzé možosti matematického zavedeí pravděpodobosti - klasická ppst, geometrická ppst, statistická ppst a axiomatická ppst. Klasická defiice pravděpodobosti - předpoklady: Ω = {ω 1, ω 2, ω 3,..., ω N } možia možých výsledků pokusu je koečá a eprázdá (0 < N < ; N p 1, p 2, p 3,..., p N jsou ezáporá čísla splňující p i = 1; p 1 = p 2 = = p N = 1 všechy výsledky pokusu jsou stejě možé; N každý jev A lze popsat možiou jevů {ω i1, ω i2,..., ω ik } kde ω i jsou výsledky pokusu přízivé jevu A; pak kde P(A = N A N N A je počet výsledků přízivých jevu A N je počet všech možých výsledků Geometrická defiice pravděpodobosti - předpoklady Ω jsme schopi vyjádřit jako eprázdou omezeou oblast v R (apříklad pomocí omezeé přímky v R 1, omezeé plochy v R 2, omezeého tělesa v R 3 jev A jsme schopi vyjádřit jako podoblast oblasti Ω, pak P(A = λ(a λ(ω kde λ(a je míra oblasti A (délka, obsah plochy, objem tělesa a λ(ω je míra oblasti Ω (délka, obsah plochy, objem tělesa. 2

3 Vlastosti pravděpodobosti - pro všechy jevy A i, i = 1, 2, 3,... platí 0 P(A i 1 jsou-li A i a A j eslučitelé, potom P(A i A j = P(A i + P(A j resp. obecěji jsou-li A i, i = 1, 2,... eslučitelé, potom P( i A i = i P(A i P(Ω = 1, P( = 0 A i A j P(A i P(A j P(A i = 1 P(A i A i A j P(A j \A i = P(A j P(A i P(A i A j P(A i + P(A j P(A i A j = P(A i + P(A j P(A i A j Základí kombiatorické vzorce Pro určováí počtu možých výsledků používáme vzorce pro permutace, variace a kombiace. permutace prvků (kolika způsoby lze uspořádat tici prvků ; uspořádáí prvků skupiy M v daém pořadí počet permutací P =! pokud M se skládá z i 1, i 2,..., i k stejých prvků, je počet permutací P =! i 1!i 2!...i k! počet permutací s opakováím P = variace prvků kté třídy (kolika způsoby lze z tici prvků vybrat ktici, přičemž záleží a pořadí výběru počet variací V k =! ( k! počet variací s opakováím V k = k = ( 1... ( k + 1 kombiace prvků kté třídy (kolika způsoby lze z tici prvků vybrat ktici, přičemž ezáleží a pořadí výběru počet kombiací C k = ( k =! ( k!k! počet kombiací s opakováím C k = ( +k 1 k biomické číslo lze přibližě určit za použití Stirligovy formule pro určeí hodoty k! log k! log 2πk + k(log k log e 3

4 vlastosti kombiačích čísel ( ( k = k ( ( 0 = = 1 ( ( k + ( k+1 = +1 k+1 ( ( 0 + ( = 2 ( ( ( 1 ( = 0 4

5 1.2 Příklady studetů absolvovalo zkoušku z matematiky a fyziky. 82 studetů udělalo zkoušku z matematiky, 85 studetů zkoušku z fyziky, 77 studetů udělalo obě zkoušky. Určete: (a Kolik studetů udělalo zkoušku z fyziky ebo z matematiky? (b Kolik studetů eudělalo zkoušku z fyziky? (c Kolik studetů eudělalo zkoušku z matematiky? (d Kolik studetů udělalo zkoušku z fyziky a eudělalo zkoušku z matematiky? (e Kolik studetů udělalo zkoušku z matematiky a eudělalo zkoušku z fyziky? 2. Jev A spočívá v tom, že áhodě vybraé přirozeé číslo je dělitelé pěti a jev B v tom, že toto číslo má a posledím místě ulu. Určete, co zameají jevy (a A B; (b A B; (c Ā B; (d A B; (e A B. 3. Výrobek je v rámci výstupí kotroly podrobe třem růzým zkouškám. Jev A spočívá v tom, že výrobek obstojí při prví zkoušce, jev B spočívá v tom, že výrobek obstojí při druhé zkoušce a jev C v tom, že výrobek obstojí při třetí zkoušce. Vyjádřete v možiové symbolice, že výrobek obstojí (a je v prví zkoušce; (b v prví a druhé zkoušce, ale eobstojí ve třetí zkoušce; (c ve všech třech zkouškách; (d alespoň v jedé zkoušce; (e alespoň ve dvou zkouškách; (f maximálě ve dvou zkouškách. 4. Charakterizujte možiu elemetárích áhodých jevů pro áhodé pokusy (a hod dvěmi micemi; (b otočeí ruletou. 5. Kolik růzých čísel lze vytvořit z číslic 0, 1, 2, 3 a 4. (a smí-li každá z číslic být v čísle obsažea ejvýše jedou, [261] (b je-li počet stejých číslic v čísle eomezeý. 5 [ekoečě]

6 Obrázek 1: Příklad 8 - úloha o setkáí 6. V sérii 12 výrobků jsou 3 vadé. Kolika způsoby lze vybrat (a šest výrobků, [924] (b šest výrobků, všechy bez vady, [84] (c šest výrobků, z toho jede vadý, [378] (d šest výrobků, z toho ejvýše dva vadé, [840] (e šest výrobků, z toho alespoň dva vadé. [462] 7. V urě je 6 bílých a 3 čeré koule. Kolika způsoby lze z ury vytáhout 4 koule, mají-li mezi imi být alespoň dvě bílé? [120] 8. Úloha o setkáí: Dva přátelé (X a Y se domluvili, že přijdou a určité místo v době mezi poledem a jedou hodiou odpolede. Na místo přijde v tomto časovém itervalu každý z ich zcela áhodě a ezávisle a příchodu toho druhého. Každý bude čekat patáct miut a příchod druhého, e déle ež do jedé hodiy odpolede. Úkolem je určit ppst., že se za těchto podmíek sejdou. Pravděpodobost setkáí odpovídá podílu obsahu vyšrafovaé plochy vzhledem k celkové ploše a je P =

7 1.3 Literatura s dalšími příklady Trial KMA kapitola 30.1 Kombiatorika Trial KMA kapitola 30.2 Náhodé jevy Trial KMA kapitola 30.2 Defiice pravděpodobosti Polák, Josef: Středoškolská matematika v úlohách. Straa Reif, Jiří Kobeda, Zdeěk: Úvod do pravděpodobosti a spolehlivosti. Straa

2. Znát definici kombinačního čísla a základní vlastnosti kombinačních čísel. Ovládat jednoduché operace s kombinačními čísly.

2. Znát definici kombinačního čísla a základní vlastnosti kombinačních čísel. Ovládat jednoduché operace s kombinačními čísly. 0. KOMBINATORIKA, PRAVDĚPODOBNOST, STATISTIKA Dovedosti :. Chápat pojem faktoriál a ovládat operace s faktoriály.. Zát defiici kombiačího čísla a základí vlastosti kombiačích čísel. Ovládat jedoduché operace

Více

7. KOMBINATORIKA, BINOMICKÁ VĚTA. Čas ke studiu: 2 hodiny. Cíl

7. KOMBINATORIKA, BINOMICKÁ VĚTA. Čas ke studiu: 2 hodiny. Cíl 7. KOMBINATORIKA, BINOMICKÁ VĚTA Čas ke studiu: hodiy Cíl Po prostudováí této kapitoly budete schopi řešit řadu zajímavých úloh z praxe, týkajících se počtu skupi, které lze sestavit ( vybrat ) z daé možiy

Více

Matematika 1. Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D / 13. Posloupnosti

Matematika 1. Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D / 13. Posloupnosti Úvod Opakováí Poslouposti Příklady Matematika 1 Katedra matematiky, Fakulta stavebí ČVUT v Praze středa 10-11:40 posluchára D-1122 2012 / 13 Úvod Opakováí Poslouposti Příklady Úvod Opakováí Poslouposti

Více

DIM PaS Připomenutí poznatků ze střední školy. Faktoriály a kombinační čísla základní vzorce: n = k. (binomická věta) Příklady: 1.

DIM PaS Připomenutí poznatků ze střední školy. Faktoriály a kombinační čísla základní vzorce: n = k. (binomická věta) Příklady: 1. DIM PaS. Připomeutí pozatků ze středí školy Faktoriály a kombiačí čísla základí vzorce: ( )( 2 )...2.! =. 0! = =! ( k)! k! ( )...( k ). + = k! = k + + = k + k + 2 2 ( a + b) = a + a b+ a b +... + a b +...

Více

Statistika pro metrologii

Statistika pro metrologii Statistika pro metrologii T. Rössler Teto projekt je spolufiacová Evropským sociálím fodem a státím rozpočtem České republiky v rámci projektu Vzděláváí výzkumých pracovíků v Regioálím cetru pokročilých

Více

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna. 6 Itervalové odhady parametrů základího souboru V předchozích kapitolách jsme se zabývali ejprve základím zpracováím experimetálích dat: grafické zobrazeí dat, výpočty výběrových charakteristik kapitola

Více

1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE

1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE 1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE V této kapitole se dozvíte: jak je axiomaticky defiová vektor a vektorový prostor včetě defiice sčítáí vektorů a ásobeí vektorů skalárem;

Více

12. N á h o d n ý v ý b ě r

12. N á h o d n ý v ý b ě r 12. N á h o d ý v ý b ě r Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých

Více

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti.

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti. 10 Cvičeí 10 Statistický soubor. Náhodý výběr a výběrové statistiky aritmetický průměr, geometrický průměr, výběrový rozptyl,...). Bodové odhady parametrů. Itervalové odhady parametrů. Jedostraé a oboustraé

Více

Kombinatorika- 3. Základy diskrétní matematiky, BI-ZDM

Kombinatorika- 3. Základy diskrétní matematiky, BI-ZDM Kombiatorika- 3 doc. RNDr. Josef Kolář, CSc. Katedra teoretické iformatiky FIT České vysoké učeí techické v Praze c Josef Kolar, 2011 Základy diskrétí matematiky, BI-ZDM ZS 2011/12, Lekce 8 Evropský sociálí

Více

Náhoda. Pravděpodobnost výhry při sázce na barvu: p = 18/37 = 0,486 Průměrný zisk při n sázkách částky č: - n.č + 2.č.n.p = n.č.

Náhoda. Pravděpodobnost výhry při sázce na barvu: p = 18/37 = 0,486 Průměrný zisk při n sázkách částky č: - n.č + 2.č.n.p = n.č. Náhoda při i hřeh Martigale: Vsadíšřeěme dolar a barvu, terou si vybereš (červeáči čerá) a budeš stále sázet je a i. Roztočíš ruletu a čeáš Poud prohraješ, zdvojásobíš sázu, taže vsadíš příště dolary.

Více

Náhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů.

Náhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů. Náhodu bychom mohli defiovat jako součet velkého počtu drobých epozaých vlivů. V rámci přírodích věd se setkáváme s pokusy typu za určitých podmíek vždy astae určitý důsledek. Např. jestliže za ormálího

Více

Matematika 1. Ivana Pultarová Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D Posloupnosti

Matematika 1. Ivana Pultarová Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D Posloupnosti Úvod Opakováí Poslouposti Příklady Matematika 1 Ivaa Pultarová Katedra matematiky, Fakulta stavebí ČVUT v Praze středa 10-11:40 posluchára D-1122 Úvod Opakováí Poslouposti Příklady Úvod Opakováí Poslouposti

Více

Cvičení 3 - teorie. Teorie pravděpodobnosti vychází ze studia náhodných pokusů.

Cvičení 3 - teorie. Teorie pravděpodobnosti vychází ze studia náhodných pokusů. Cvičeí 3 - teorie Téma: Teorie pravděpodobosti Teorie pravděpodobosti vychází ze studia áhodých pokusů. Náhodý pokus Proces, který při opakováí dává ze stejých podmíek rozdílé výsledky. Výsledek pokusu

Více

Náhodné jevy a pravděpodobnost

Náhodné jevy a pravděpodobnost Lekce Náhodé jevy a pravděpodobost Výklad pravděpodobosti musí začít evyhutelě od základích pojmů Pravděpodobost, velmi zjedodušeě řečeo, pojedává o áhodých jevech (slově vyjádřeých výsledcích áhodých

Více

( )! ( ) ( ) ( ) = ( ) ( ) ( ) ( ) ( )

( )! ( ) ( ) ( ) = ( ) ( ) ( ) ( ) ( ) Variace, permutace, kombiace, kombiačí čísla, vlastosti, užití faktoriál, počítáí s faktoriály, variace s opakováím.. Upravte a urči podmíky: a)!! 6! b)!! 6! 9! c)!!!!. Řešte rovici: a) 4 b) 0 c) emá řešeí

Více

Náhodný výběr 1. Náhodný výběr

Náhodný výběr 1. Náhodný výběr Náhodý výběr 1 Náhodý výběr Matematická statistika poskytuje metody pro popis veliči áhodého charakteru pomocí jejich pozorovaých hodot, přesěji řečeo jde o určeí důležitých vlastostí rozděleí pravděpodobosti

Více

1.1. Definice Reálným vektorovým prostorem nazýváme množinu V, pro jejíž prvky jsou definovány operace sčítání + :V V V a násobení skalárem : R V V

1.1. Definice Reálným vektorovým prostorem nazýváme množinu V, pro jejíž prvky jsou definovány operace sčítání + :V V V a násobení skalárem : R V V Předáška 1: Vektorové prostory Vektorový prostor Pro abstraktí defiici vektorového prostoru jsou podstaté vlastosti dvou operací, sčítáí vektorů a ásobeí vektoru (reálým číslem) Tyto dvě operace musí být

Více

Matematika NÁRODNÍ SROVNÁVACÍ ZKOUŠKY BŘEZNA 2018

Matematika NÁRODNÍ SROVNÁVACÍ ZKOUŠKY BŘEZNA 2018 NÁRODNÍ SROVNÁVACÍ ZKOUŠKY Mtemtik T BŘEZNA 08 :. břez 08 D : 0 P P P : 0 M. M. M. :,8 % S : 0 : 7,5 : -7,5 M. P : -,0 : 0,6 Zopkujte si zákldí iformce ke zkoušce: Test obshuje 0 úloh jeho řešeí máte 90

Více

Rovnice. RNDr. Yvetta Bartáková. Gymnázium, SOŠ a VOŠ Ledeč nad Sázavou

Rovnice. RNDr. Yvetta Bartáková. Gymnázium, SOŠ a VOŠ Ledeč nad Sázavou Rovice RNDr. Yvetta Bartáková Gymázium, SOŠ a VOŠ Ledeč ad Sázavou Rovice kombiatorické VY INOVACE_5 9_M Gymázium, SOŠ a VOŠ Ledeč ad Sázavou Skupiy prvků, kde záleží a pořadí Bez opakováí Počet Vk( )

Více

Statistika je vědní obor zabývající se zkoumáním jevů, které mají hromadný charakter.

Statistika je vědní obor zabývající se zkoumáním jevů, které mají hromadný charakter. Statistika Cíle: Chápat pomy statistický soubor, rozsah souboru, statistická edotka, statistický zak, umět sestavit tabulku rozděleí četostí, umět zázorit spoicový diagram a sloupcový diagram / kruhový

Více

1. K o m b i n a t o r i k a

1. K o m b i n a t o r i k a . K o m b i a t o r i k a V teorii pravděpodobosti a statistice budeme studovat míru výskytu -pravděpodobostvýsledků procesů, které mají áhodý charakter, t.j. při opakováí za stejých podmíek se objevují

Více

9.1.12 Permutace s opakováním

9.1.12 Permutace s opakováním 9.. Permutace s opakováím Předpoklady: 905, 9 Pedagogická pozámka: Pokud echáte studety počítat samostatě příklad 9 vyjde tato hodia a skoro 80 miut. Uvažuji o tom, že hodiu doplím a rozdělím a dvě. Př.

Více

Matematika NÁRODNÍ SROVNÁVACÍ ZKOUŠKY DUBNA 2018

Matematika NÁRODNÍ SROVNÁVACÍ ZKOUŠKY DUBNA 2018 NÁRODNÍ SROVNÁVACÍ ZKOUŠKY Mtemtik T DUBNA 08 : 8. dub 08 D : 884 P P P S M. M. M. : 0 : 5,5 % : 0 : 7,8 : -7,5 M.. P : -6,0 : 9,7 Zopkujte si zákldí iformce ke zkoušce: Test obshuje 0 úloh jeho řešeí

Více

jako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých

jako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých 9 Limití věty. V aplikacích teorie pravděpodobosti (matematická statistika, metody Mote Carlo se užívají tvrzeí vět o kovergeci posloupostí áhodých veliči. Podle povahy kovergece se limití věty teorie

Více

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n 8.3. Limity ěkterých posloupostí Předpoklady: 83 Pedagogická pozámka: Tuto a tři ásledující hodiy je možé probrat za dvě vyučovací hodiy. V této hodiě je možé vyechat dokazováí limit v příkladu 3. Opakováí

Více

9.1.13 Permutace s opakováním

9.1.13 Permutace s opakováním 93 Permutace s opakováím Předpoklady: 906, 9 Pedagogická pozámka: Obsah hodiy přesahuje 45 miut, pokud emáte k dispozici další půlhodiu, musíte žáky echat projít posledí dva příklady doma Př : Urči kolik

Více

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n 8.3. Limity ěkterých posloupostí Předpoklady: 83 Opakováí z miulé hodiy: 8 Hodoty poslouposti + se pro blížící se k ekoeču blíží k a to tak že mezi = posloupostí a číslem eexistuje žádá mezera říkáme že

Více

1.3. POLYNOMY. V této kapitole se dozvíte:

1.3. POLYNOMY. V této kapitole se dozvíte: 1.3. POLYNOMY V této kapitole se dozvíte: co rozumíme pod pojmem polyom ebo-li mohočle -tého stupě jak provádět základí početí úkoy s polyomy, kokrétě součet a rozdíl polyomů, ásobeí, umocňováí a děleí

Více

1. Číselné obory, dělitelnost, výrazy

1. Číselné obory, dělitelnost, výrazy 1. Číselé obory, dělitelost, výrazy 1. obor přirozeých čísel - vyjadřující počet prvků možiy - začíme (jsou to kladá edesetiá čísla) 2. obor celých čísel - možia celých čísel = edesetiá, ale kladá i záporá

Více

Matematika přehled vzorců pro maturanty (zpracoval T. Jánský) Úpravy výrazů. Binomická věta

Matematika přehled vzorců pro maturanty (zpracoval T. Jánský) Úpravy výrazů. Binomická věta Matematika přehled vzorců pro maturaty (zpracoval T. Jáský) Úpravy výrazů a r. a s = a r+s a r = ar s as a r s = a r.s a. b r = a r b r a b r = ar b r a. b a b = a b = a. b ( a) m = a m m a m. = a a k.

Více

Název školy: Gymnázium Jana Nerudy, škola hl. města Prahy. Předmět, mezipředmětové vztahy: matematika a její aplikace

Název školy: Gymnázium Jana Nerudy, škola hl. města Prahy. Předmět, mezipředmětové vztahy: matematika a její aplikace Název: Kombiatoria Autor: Mgr. Haa Čerá Název šoly: Gymázium Jaa Nerudy, šola hl. města Prahy Předmět, mezipředmětové vztahy: matematia a její apliace Ročí: 5. ročí Tématicý cele: Kombiatoria a pravděpodobost

Více

2. Náhodná veličina. je konečná nebo spočetná množina;

2. Náhodná veličina. je konečná nebo spočetná množina; . Náhodá veličia Většia áhodých pokusů koaých v přírodích ebo společeských vědách má iterpretaci pomocí reálé hodoty. Při takovýchto dějích přiřazujeme tedy reálá čísla áhodým jevům. Proto je důležité

Více

Náhodné jevy, jevové pole, pravděpodobnost

Náhodné jevy, jevové pole, pravděpodobnost S Náhodé jevy pravděpodobost Náhodé jevy jevové pole pravděpodobost Lbor Žák S Náhodé jevy pravděpodobost Lbor Žák Základí pojmy Expermet česky též vědecký pokus je soubor jedáí a pozorováí jehož účelem

Více

2.4. INVERZNÍ MATICE

2.4. INVERZNÍ MATICE 24 INVERZNÍ MICE V této kapitole se dozvíte: defiici iverzí matice; základí vlastosti iverzí matice; dvě základí metody výpočtu iverzí matice; defiici celočíselé mociy matice Klíčová slova této kapitoly:

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOST A STATISTIKA Bodové a itervalové odhady Nechť X je áhodá proměá, která má distribučí fukci F(x, ϑ). Předpokládejme, že záme tvar distribučí fukce (víme jaké má rozděleí) a ezáme parametr

Více

6. Posloupnosti a jejich limity, řady

6. Posloupnosti a jejich limity, řady Moderí techologie ve studiu aplikovaé fyziky CZ..07/..00/07.008 6. Poslouposti a jejich limity, řady Posloupost je speciálí, důležitý příklad fukce. Při praktickém měřeí hodot určité fyzikálí veličiy dostáváme

Více

MATEMATIKA PŘÍKLADY K PŘÍJÍMACÍM ZKOUŠKÁM BAKALÁŘSKÉ STUDIUM MGR. RADMILA STOKLASOVÁ, PH.D.

MATEMATIKA PŘÍKLADY K PŘÍJÍMACÍM ZKOUŠKÁM BAKALÁŘSKÉ STUDIUM MGR. RADMILA STOKLASOVÁ, PH.D. MATEMATIKA PŘÍKLADY K PŘÍJÍMACÍM ZKOUŠKÁM BAKALÁŘSKÉ STUDIUM MGR. RADMILA STOKLASOVÁ PH.D. Obsah MNOŽINY.... ČÍSELNÉ MNOŽINY.... OPERACE S MNOŽINAMI... ALGEBRAICKÉ VÝRAZY... 6. OPERACE S JEDNOČLENY A MNOHOČLENY...

Více

8. Odhady parametrů rozdělení pravděpodobnosti

8. Odhady parametrů rozdělení pravděpodobnosti Pozámky k předmětu Aplikovaá statistika, 8 téma 8 Odhady parametrů rozděleí pravděpodobosti Zaměříme se a odhad středí hodoty a rozptylu a to dvěma způsoby Předpokládejme, že máme áhodý výběr X 1,, X z

Více

Odhady parametrů 1. Odhady parametrů

Odhady parametrů 1. Odhady parametrů Odhady parametrů 1 Odhady parametrů Na statistický soubor (x 1,..., x, který dostaeme statistickým šetřeím, se můžeme dívat jako a výběrový soubor získaý realizací áhodého výběru z áhodé veličiy X. Obdobě:

Více

Diskrétní matematika

Diskrétní matematika Diskrétí matematika Biárí relace, zobrazeí, Teorie grafů, Teorie pravděpodobosti Diskrétí matematika látka z I semestru iformatiky MFF UK Zpracovali: Odřej Keddie Profat, Ja Zaatar Štětia Obsah Biárí relace2

Více

Přednáška 7, 14. listopadu 2014

Přednáška 7, 14. listopadu 2014 Předáška 7, 4. listopadu 204 Uvedeme bez důkazu klasické zobecěí Leibizova kritéria (v ěmž b = ( ) + ). Tvrzeí (Dirichletovo a Abelovo kritérium). Nechť (a ), (b ) R, přičemž a a 2 a 3 0. Pak platí, že.

Více

Odhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení

Odhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení Odhad parametru p biomického rozděleí a test hypotézy o tomto parametru Test hypotézy o parametru p biomického rozděleí Motivačí úloha Předpokládejme, že v důsledku realizace jistého áhodého pokusu P dochází

Více

Přijímací řízení akademický rok 2013/2014 Bc. studium Kompletní znění testových otázek matematika

Přijímací řízení akademický rok 2013/2014 Bc. studium Kompletní znění testových otázek matematika Přijímací řízeí akademický rok 0/0 c. studium Kompletí zěí testových otázek matematika Koš Zěí otázky Odpověď a) Odpověď b) Odpověď c) Odpověď d) Správá. Které číslo doplíte místo 8? 6 6 8 C. Které číslo

Více

Přijímací řízení akademický rok 2012/2013 Kompletní znění testových otázek matematické myšlení

Přijímací řízení akademický rok 2012/2013 Kompletní znění testových otázek matematické myšlení Přijímací řízeí akademický rok 0/0 Kompletí zěí testových otázek matematické myšleí Koš Zěí otázky Odpověď a) Odpověď b) Odpověď c) Odpověď d) Správá odpověď. Které číslo doplíte místo otazíku? 6 8 8 6?.

Více

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů: Odhady parametrů polohy a rozptýleí pro často se vyskytující rozděleí dat v laboratoři se vyčíslují podle ásledujících vztahů: a : Laplaceovo (oboustraé expoeciálí rozděleí se vyskytuje v případech, kdy

Více

jsou reálná a m, n jsou čísla přirozená.

jsou reálná a m, n jsou čísla přirozená. .7.5 Racioálí a polomické fukce Předpoklad: 704 Pedagogická pozámka: Při opisováí defiic racioálí a polomické fukce si ěkteří studeti stěžovali, že je to příliš těžké. Ve skutečosti je sstém, kterým jsou

Více

PRAVDĚPODOBNOST ... m n

PRAVDĚPODOBNOST ... m n RVDĚODONOST - matematická discilía, která se zabývá studiem zákoitostí, jimiž se řídí hromadé áhodé jevy - vytváří ravděodobostí modely, omocí ichž se saží ostihout rocesy, ovlivěé áhodou. Náhodé okusy:

Více

1 Základní matematické pojmy Logika Množiny a jejich zobrazení... 7

1 Základní matematické pojmy Logika Množiny a jejich zobrazení... 7 Semiář z matematické aalýzy I Čížek Jiří-Kubr Mila 8 září 007 Obsah Základí matematické pojmy Logika Možiy a jejich zobrazeí 7 Reálá a komplexí čísla 6 Poslouposti 7 Základí vlastosti posloupostí 7 Limita

Více

8.2.1 Aritmetická posloupnost

8.2.1 Aritmetická posloupnost 8.. Aritmetická posloupost Předpoklady: 80, 80, 803, 807 Pedagogická pozámka: V hodiě rozdělím třídu a dvě skupiy a každá z ich dělá jede z prvích dvou příkladů. Př. : V továrě dokočí každou hodiu motáž

Více

Deskriptivní statistika 1

Deskriptivní statistika 1 Deskriptiví statistika 1 1 Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 1145/2004. Základí charakteristiky souboru Pro lepší představu používáme k popisu vlastostí zkoumaého jevu určité charakteristiky

Více

Matematika NÁRODNÍ SROVNÁVACÍ ZKOUŠKY BŘEZNA 2018

Matematika NÁRODNÍ SROVNÁVACÍ ZKOUŠKY BŘEZNA 2018 NÁRODNÍ SROVNÁVACÍ ZKOUŠKY Mtemtik T BŘEZNA 08 : 9. břez 08 D : 897 P P P : 0 M. M. M. :, % S : 0 : 0 : -7,5 M. P : -, : 0, Zopkujte si zákldí iformce ke zkoušce: Test obshuje 0 úloh jeho řešeí máte 90

Více

Pravděpodobnost a statistika Výpisky z cvičení Ondřeje Chocholy

Pravděpodobnost a statistika Výpisky z cvičení Ondřeje Chocholy Pravděpodobost a statistika Výpisky z cvičeí Odřeje Chocholy Ja Štětia 9. listopadu 9 Cviˇceí 3.9.9 Úloha: Máme 4 kostky. Ω = {a, b, c, d}, Ω = 6 4 A = 6 5 4 3 P(A) = 6 5 4 3 6 4 Naejvýš l kostek: m...

Více

ZÁKLADY DISKRÉTNÍ MATEMATIKY

ZÁKLADY DISKRÉTNÍ MATEMATIKY ZÁKLADY DISKRÉTNÍ MATEMATIKY Michael Kubesa Text byl vytvoře v rámci realizace projektu Matematika pro ižeýry 21. století (reg. č. CZ.1.07/2.2.00/07.0332), a kterém se společě podílela Vysoká škola báňská

Více

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU) ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU) Základy teorie pravděpodobosti měřeí chyba měřeí Provádíme kvalifikovaý odhad áhodá systematická výsledek ejistota výsledku Základy teorie pravděpodobosti

Více

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou 1 Zápis číselých hodot a ejistoty měřeí Zápis číselých hodot Naměřeé hodoty zapisujeme jako číselý údaj s určitým koečým počtem číslic. Očekáváme, že všechy zapsaé číslice jsou správé a vyjadřují tak i

Více

P(n) = n * (n - 1) * (n - 2) *... 2 * 1 To odpovídá zápisu, ve kterém využíváme faktoriál:

P(n) = n * (n - 1) * (n - 2) *... 2 * 1 To odpovídá zápisu, ve kterém využíváme faktoriál: PERMUTACE a VARIACE 2.1 Permutace P() = * ( - 1) * ( - 2) *... 2 * 1 To odpovídá zápisu, ve kterém využíváme faktoriál: ( )! P = Jedá se o vzorec pro počet permutací z prvků bez opakováí. 2.2 Variace bez

Více

8.2.1 Aritmetická posloupnost I

8.2.1 Aritmetická posloupnost I 8.2. Aritmetická posloupost I Předpoklady: 80, 802, 803, 807 Pedagogická pozámka: V hodiě rozdělím třídu a dvě skupiy a každá z ich dělá jede z prvích dvou příkladů. Čley posloupostí pak při kotrole vypíšu

Více

Užití binomické věty

Užití binomické věty 9..9 Užití biomické věty Předpoklady: 98 Často ám z biomického rozvoje stačí pouze jede kokrétí čle. Př. : x Urči šestý čle biomického rozvoje xy + 4y. Získaý výraz uprav. Biomický rozvoj začíá: ( a +

Více

DISKRÉTNÍ MATEMATIKA PRO INFORMATIKY

DISKRÉTNÍ MATEMATIKA PRO INFORMATIKY DISKRÉTNÍ MATEMATIKA PRO INFORMATIKY URČENO PRO VZDĚLÁVÁNÍ V AKREDITOVANÝCH STUDIJNÍCH PROGRAMECH IVAN KŘIVÝ ČÍSLO OPERAČNÍHO PROGRAMU: CZ..07 NÁZEV OPERAČNÍHO PROGRAMU: VZDĚLÁVÁNÍ PRO KONKURENCESCHOPNOST

Více

Popisná statistika - zavedení pojmů. 1 Jednorozměrný statistický soubor s kvantitativním znakem

Popisná statistika - zavedení pojmů. 1 Jednorozměrný statistický soubor s kvantitativním znakem Popisá statistika - zavedeí pojmů Popisá statistika - zavedeí pojmů Soubor idividuálích údajů o objektech azýváme základí soubor ebo také populace. Zkoumaé objekty jsou tzv. statistické jedotky a sledujeme

Více

Aplikovaná informatika. Podklady předmětu Aplikovaná informatika pro akademický rok 2006/2007 Radim Farana. Obsah. Algoritmus

Aplikovaná informatika. Podklady předmětu Aplikovaná informatika pro akademický rok 2006/2007 Radim Farana. Obsah. Algoritmus Podklady předmětu pro akademický rok 006007 Radim Faraa Obsah Tvorba algoritmů, vlastosti algoritmu. Popis algoritmů, vývojové diagramy, strukturogramy. Hodoceí složitosti algoritmů, vypočitatelost, časová

Více

f x a x DSM2 Cv 9 Vytvořující funkce Vytvořující funkcí nekonečné posloupnosti a0, a1,, a n , reálných čísel míníme formální nekonečnou řadu ( )

f x a x DSM2 Cv 9 Vytvořující funkce Vytvořující funkcí nekonečné posloupnosti a0, a1,, a n , reálných čísel míníme formální nekonečnou řadu ( ) DSM Cv 9 Vytvořující fukce Vytvořující fukcí ekoečé poslouposti a0, a,, a, reálých čísel mííme formálí ekoečou řadu =. f a i= 0 i i Příklady: f = + = + + + + + ) Platí: (biomická věta). To zameá, že fukce

Více

Matematická analýza I

Matematická analýza I 1 Matematická aalýza ity posloupostí, součty ekoečých řad, ity fukce, derivace Matematická aalýza I látka z I. semestru iformatiky MFF UK Zpracovali: Odřej Keddie Profat, Ja Zaatar Štětia a další 2 Matematická

Více

6. KOMBINATORIKA 181. 6.1. Základní pojmy 181 6.1.1. Počítání s faktoriály a kombinačními čísly 182. 6.2. Variace 184. 6.3.

6. KOMBINATORIKA 181. 6.1. Základní pojmy 181 6.1.1. Počítání s faktoriály a kombinačními čísly 182. 6.2. Variace 184. 6.3. Zálady matematiy Kombiatoria. KOMBINATORIKA 8.. Záladí pojmy 8... Počítáí s fatoriály a ombiačími čísly 8.. Variace 8.. Permutace 85.. Kombiace 87.5. Biomicá věta 89 Úlohy samostatému řešeí 9 Výsledy úloh

Více

3. Lineární diferenciální rovnice úvod do teorie

3. Lineární diferenciální rovnice úvod do teorie 3 338 8: Josef Hekrdla lieárí difereciálí rovice úvod do teorie 3 Lieárí difereciálí rovice úvod do teorie Defiice 3 (lieárí difereciálí rovice) Lieárí difereciálí rovice -tého řádu je rovice, která se

Více

Matematika NÁRODNÍ SROVNÁVACÍ ZKOUŠKY ÚNORA 2018

Matematika NÁRODNÍ SROVNÁVACÍ ZKOUŠKY ÚNORA 2018 NÁRODNÍ SROVNÁVACÍ ZKOUŠKY Mtemtik T ÚNORA 08 :. úor 08 D : 96 P P P : 0 M. M. : 0 : 0 M. :,4 % S : -7,5 M. P : -,8 : 4,5 Zopkujte si zákldí iformce ke zkoušce: Test obshuje 0 úloh jeho řešeí máte 90 miut

Více

11. přednáška 16. prosince Úvod do komplexní analýzy.

11. přednáška 16. prosince Úvod do komplexní analýzy. 11. předáška 16. prosice 009 Úvod do komplexí aalýzy. Tři závěrečé předášky předmětu Matematická aalýza III (NMAI056) jsou věováy úvodu do komplexí aalýzy. Což je adeseá formulace eboť časový rozsah ám

Více

Matematika I. Název studijního programu. RNDr. Jaroslav Krieg. 2014 České Budějovice

Matematika I. Název studijního programu. RNDr. Jaroslav Krieg. 2014 České Budějovice Matematika I Název studijího programu RNDr. Jaroslav Krieg 2014 České Budějovice 1 Teto učebí materiál vzikl v rámci projektu "Itegrace a podpora studetů se specifickými vzdělávacími potřebami a Vysoké

Více

Kombinatorika. RNDr. Antonín Slavík, Ph.D. online prostředí, Operační program Praha Adaptabilita, registrační číslo CZ.2.17/3.1.00/31165.

Kombinatorika. RNDr. Antonín Slavík, Ph.D. online prostředí, Operační program Praha Adaptabilita, registrační číslo CZ.2.17/3.1.00/31165. Kombiatorika RNDr Atoí Slavík, PhD Kurz vzikl v rámci projektu Rozvoj systému vzdělávacích příležitostí pro adaé žáky a studety v přírodích vědách a matematice s využitím olie prostředí, Operačí program

Více

Klasická pravděpodobnost

Klasická pravděpodobnost NMUMP403 (Pavděpodobost a matematická statistika I Klasická pavděpodobost 1. Házíme čtyřmi šestistěými hacími kostkami. Učete, jaká je pavděpodobost, že (a padou čtyři ůzá čísla, (b padou pouze lichá čísla,

Více

Matematika NÁRODNÍ SROVNÁVACÍ ZKOUŠKY ÚNORA 2019

Matematika NÁRODNÍ SROVNÁVACÍ ZKOUŠKY ÚNORA 2019 NÁRODNÍ SROVNÁVACÍ ZKOUŠKY ÚNORA 09 T á D P č P č ů ú P ů ě S á :. úor 09 : 004 : 0 M. M. M. á : 9, % ě č M.. P ů ě ž ó : 0 ž ž ó : 0 ó : -7,5 ž ó : -,8 ó : 4,4 Zopkujte si zákldí iformce ke zkoušce: Test

Více

VLASTNOSTI ÚLOH CELOČÍSELNÉHO PROGRAMOVÁNÍ

VLASTNOSTI ÚLOH CELOČÍSELNÉHO PROGRAMOVÁNÍ Vlastosti úloh celočíselého programováí VLASTNOSTI ÚLOH CELOČÍSELNÉHO PROGRAMOVÁNÍ PRINCIP ZESILOVÁNÍ NEROVNOSTÍ A ZÁKLADNÍ METODY. METODA VĚTVENÍ A HRANIC. TYPY ÚLOH 1. Úloha lieárího programováí: max{c

Více

Digitální učební materiál

Digitální učební materiál Dgtálí učebí materál Číslo projetu CZ..07/.5.00/34.080 Název projetu Zvaltěí výuy prostředctvím ICT Číslo a ázev šabloy líčové atvty III/ Iovace a zvaltěí výuy prostředctvím ICT Příjemce podpory Gymázum,

Více

Základy statistiky. Zpracování pokusných dat Praktické příklady. Kristina Somerlíková

Základy statistiky. Zpracování pokusných dat Praktické příklady. Kristina Somerlíková Základy statistiky Zpracováí pokusých dat Praktické příklady Kristia Somerlíková Data v biologii Zak ebo skupia zaků popisuje přírodí jevy, úlohou výzkumíka je vybrat takovou skupiu zaků, které charakterizují

Více

Sekvenční logické obvody(lso)

Sekvenční logické obvody(lso) Sekvečí logické obvody(lso) 1. Logické sekvečí obvody, tzv. paměťové čley, jsou obvody u kterých výstupí stavy ezávisí je a okamžitých hodotách vstupích sigálů, ale jsou závislé i a předcházejících hodotách

Více

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Náhodá veličia Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 45/004. Náhodá veličia Většia áhodých pokusů má jako výsledky reálá čísla. Budeme tedy dále áhodou veličiou rozumět proměou, která

Více

Iterační výpočty projekt č. 2

Iterační výpočty projekt č. 2 Dokumetace k projektu pro předměty IZP a IUS Iteračí výpočty projekt č. 5..007 Autor: Václav Uhlíř, xuhlir04@stud.fit.vutbr.cz Fakulta Iformačích Techologii Vysoké Učeí Techické v Brě Obsah. Úvodí defiice.....

Více

Přednáška VI. Intervalové odhady. Motivace Směrodatná odchylka a směrodatná chyba Centrální limitní věta Intervaly spolehlivosti

Přednáška VI. Intervalové odhady. Motivace Směrodatná odchylka a směrodatná chyba Centrální limitní věta Intervaly spolehlivosti Předáška VI. Itervalové odhady Motivace Směrodatá odchylka a směrodatá chyba Cetrálí limití věta Itervaly spolehlivosti Opakováí estraé a MLE Jaký je pricip estraých odhadů? Jaký je pricip odhadů metodou

Více

Definice obecné mocniny

Definice obecné mocniny Defiice obecé mociy Zavedeí obecé mociy omocí ity číselé oslouosti lze rovést ěkolika zůsoby Níže uvedeý zůsob využívá k defiici eoeciálí fukce itu V dalším budeme otřebovat ásledující dvě erovosti: Lemma

Více

8.2.7 Geometrická posloupnost

8.2.7 Geometrická posloupnost 87 Geometrická posloupost Předpokldy: 80, 80, 80, 807 Pedgogická pozámk: V hodiě rozdělím třídu dvě skupiy kždá z ich dělá jede z prvích dvou příkldů Větši studetů obou skupi potřebuje pomoc u tbule Ob

Více

Cvičení 1.1. Dokažte Bernoulliovu nerovnost (1 + x) n 1 + nx, n N, x 2. Platí tato nerovnost obecně pro všechna x R a n N?

Cvičení 1.1. Dokažte Bernoulliovu nerovnost (1 + x) n 1 + nx, n N, x 2. Platí tato nerovnost obecně pro všechna x R a n N? 1 Prví prosemiář Cvičeí 1.1. Dokažte Beroulliovu erovost (1 + x) 1 + x, N, x. Platí tato erovost obecě pro všecha x R a N? Řešeí: (a) Pokud předpokládáme x 1, pak lze řešit klasickou idukcí. Pro = 1 tvrzeí

Více

Elementární zpracování statistického souboru

Elementární zpracování statistického souboru Elemetárí zpracováí statistického souboru Obsah kapitoly 4. Elemetárí statistické zpracováí - parametrizace vhodými empirickými parametry Studijí cíle Naučit se výsledky měřeí parametrizovat vhodými empirickými

Více

1 Trochu o kritériích dělitelnosti

1 Trochu o kritériích dělitelnosti Meu: Úloha č.1 Dělitelost a prvočísla Mirko Rokyta, KMA MFF UK Praha Jaov, 12.10.2013 Růzé dělitelosti, třeba 11 a 7 (aeb Jak zfalšovat rodé číslo). Prvočísla: které je ejlepší, které je ejvětší a jak

Více

P2: Statistické zpracování dat

P2: Statistické zpracování dat P: Statistické zpracováí dat Úvodem - Statistika: věda, zabývající se shromažďováím, tříděím a ásledým popisem velkých datových souborů. - Základem statistiky je teorie pravděpodobosti, založeá a popisu

Více

Mezní stavy konstrukcí a jejich porušov. Hru IV. Milan RůžR. zbynek.hruby.

Mezní stavy konstrukcí a jejich porušov. Hru IV. Milan RůžR. zbynek.hruby. ováí - Hru IV /6 ováí Hru IV Mila RůžR ůžička, Josef Jureka,, Zbyěk k Hrubý zbyek.hruby hruby@fs.cvut.cz ováí - Hru IV /6 ravděpodobostí úavové diagramy s uvažováím předpětí R - plocha ve čtyřrozměrém

Více

Pravděpodobnost a matematická statistika

Pravděpodobnost a matematická statistika Pravděpodobost a matematická statistika Mirko Navara Cetrum strojového vímáí katedra kyberetiky FEL ČVUT Karlovo áměstí, budova G, místost 104a http://cmp.felk.cvut.cz/ avara/stat 5. říja 018 Obsah 1 O

Více

vají statistické metody v biomedicíně

vají statistické metody v biomedicíně Statistika v biomedicísk ském m výzkumu a ve zdravotictví Prof. RNDr. Jaa Zvárov rová,, DrSc. EuroMISE Cetrum Ústav iformatiky AV ČR R v.v.i. Proč se používaj vají statistické metody v biomedicíě Biomedicísk

Více

a logaritmickou funkci a goniometrické funkce. 6.1 Násobení řad. Podívejme se neprve na násobení mnohočlenů x = x x n a y = y y n.

a logaritmickou funkci a goniometrické funkce. 6.1 Násobení řad. Podívejme se neprve na násobení mnohočlenů x = x x n a y = y y n. Matematická aalýza II předášky M. Málka cvičeí A. Hakové a R. Otáhalové Semestr letí 2005 6. Nekoečé řady fukcí V šesté kapitole pokračujeme ve studiu ekoečých řad. Nejprve odvozujeme základí tvrzeí o

Více

vají statistické metody v biomedicíně Literatura Statistika v biomedicínsk nském výzkumu a ve zdravotnictví

vají statistické metody v biomedicíně Literatura Statistika v biomedicínsk nském výzkumu a ve zdravotnictví Statistika v biomedicísk ském výzkumu a ve zdravotictví Prof. RNDr. Jaa Zvárov rová,, DrSc. EuroMISE Cetrum Ústav iformatiky AV ČR R v.v.i. Literatura Edice Biomedicísk ská statistika vydáva vaá a Uiverzitě

Více

6. ČÍSELNÉ POSLOUPNOSTI A ŘADY 6.1. ČÍSELNÉ POSLOUPNOSTI

6. ČÍSELNÉ POSLOUPNOSTI A ŘADY 6.1. ČÍSELNÉ POSLOUPNOSTI 6. ČÍSELNÉ POSLOUPNOSTI A ŘADY 6.. ČÍSELNÉ POSLOUPNOSTI V této kpitole se dozvíte: jk defiujeme posloupost reálých ebo komplexích čísel; defiici vlstí evlstí limity poslouposti; defiici pojmů souvisejících

Více

3. část: Teorie hromadné obsluhy. Ing. Michal Dorda, Ph.D.

3. část: Teorie hromadné obsluhy. Ing. Michal Dorda, Ph.D. 3. část: Teorie hromadé obsluhy Ig. Michal Dorda, h.d. Zálady teorie pravděpodobosti Náhodý pous je děj, jehož výslede eí ai při dodržeí všech předepsaých podmíe předem zám. Náhodý jev je výsledem áhodého

Více

14. Testování statistických hypotéz Úvod statistické hypotézy Definice 14.1 Statistickou hypotézou parametrickou neparametrickou. nulovou testovanou

14. Testování statistických hypotéz Úvod statistické hypotézy Definice 14.1 Statistickou hypotézou parametrickou neparametrickou. nulovou testovanou 4. Testováí statistických hypotéz Úvod Při práci s daty se mohdy spokojujeme s itervalovým či bodovým odhadem parametrů populace. V mohých případech se však uchylujeme k jiému postupu, většiou jde o případy,

Více

Mocninné řady - sbírka příkladů

Mocninné řady - sbírka příkladů UNIVERZITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY BAKALÁŘSKÁ PRÁCE Mocié řady - sbírka příkladů Vedoucí bakalářské práce: Mgr. Iveta Bebčáková, Ph.D.

Více

b c a P(A B) = c = 4% = 0,04 d

b c a P(A B) = c = 4% = 0,04 d Příklad 6: Z Prahy do Athé je 50 km V Praze byl osaze válec auta ovou svíčkou, jejíž životost má ormálí rozděleí s průměrem 0000 km a směrodatou odchylkou 3000 km Jaká je pravděpodobost, že automobil překoá

Více

Závislost slovních znaků

Závislost slovních znaků Závislost slovích zaků Závislost slovích (kvalitativích) zaků Obměy slovího zaku Alterativí zaky Možé zaky Tříděí věcé sloví řady: seřazeí obmě je subjektiví záležitostí (podle abecedy), možé i objektiví

Více

2 STEJNORODOST BETONU KONSTRUKCE

2 STEJNORODOST BETONU KONSTRUKCE STEJNORODOST BETONU KONSTRUKCE Cíl kapitoly a časová áročost studia V této kapitole se sezámíte s možostmi hodoceí stejorodosti betou železobetoové kostrukce a prakticky provedete jede z možých způsobů

Více

UNIVERZITA PALACKÉHO V OLOMOUCI

UNIVERZITA PALACKÉHO V OLOMOUCI UNIVERZITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY BAKALÁŘSKÁ PRÁCE Zákoy velkých čísel Vedoucí diplomové práce: prof. RNDr. Ig. Lubomír Kubáček, DrSc.,

Více

M - Posloupnosti VARIACE

M - Posloupnosti VARIACE M - Poslouposti Autor: Mgr Jromír Juřek - http://wwwjrjurekcz Kopírováí jkékoliv dlší využití výukového mteriálu je povoleo pouze s uvedeím odkzu wwwjrjurekcz VARIACE Teto dokumet byl kompletě vytvoře,

Více

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT Základy práce s tabulkou Výukový modul III. Iovace a zkvalitěí výuky prostředictvím ICT Téma III..3, pracoví list 3 Techická měřeí v MS Ecel Průměry a četosti, odchylky změřeých hodot. Ig. Jiří Chobot

Více