Kvantová a statistická fyzika 2 (Termodynamika a statistická fyzika)

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

Download "Kvantová a statistická fyzika 2 (Termodynamika a statistická fyzika)"

Transkript

1 Kvatová a statistická fyzika (Termodyamika a statistická fyzika) Boltzmaovo - Gibbsovo rozděleí - ilustračí příklad Pro ilustraci odvozeí rozděleí eergií v kaoickém asámblu uvažujme ásledující příklad. Nechť f systémů sdílí omezeé možství N jedotek ějaké veličiy, kterou si mohou vzájemě vyměňovat. Ve statistické fyzice se typicky zkoumá výměa eergie, jejíž celkové možství se zachovává. Pricip odvozeí je však uiverzálí, můžeme třeba uvažovat situaci, kdy f živostíků má celkem N dukátů, kterými si vzájemě platí za služby ci za výrobky. Systém je uzavřeý a celkové možství peěz se eměí; každý živostík může kdykoliv získat dukát od jiého živostíka a stejě tak může kdykoliv dukát utratit pokud tedy ějaký zrova má. Dluhy aše hypotetická ekoomika epřipouští. Jaká bude pravděpodobost toho, že v áhodý okamžik bude mít daý živostík právě dukátů? Jak tato pravděpodobost bude vypadat v limitě velkého počtu dukátů i živostíků s tím, že počet dukátů a jedoho živostíka = N/f je kostatí? Ač se dá úloha řešit moha přístupy, pro áš přístup bude vhodé vypočítat ejprve, kolika růzými způsoby lze mezi f živostíků rozdělit N dukátů. Ozačme toto číslo C(f, N). Můžeme se sado přesvědčit, že teto počet se rová C(f, N) = (N + f 1)!. (1) N!(f 1)! Proč? Představme si peěžeky živostíků jako jakési krabičky, do ichž umisťujeme dukáty. Krabičky spolu sousedí celkem f 1 přepážkami (viz obr. 1). Rozděleí dukátů mezi živostíky se realizuje jako vložeí f 1 přepážek do řádky N micí. N micí a f 1 přepážek lze seřadit celkem (N + f 1)! způsoby; mezi imi však N! permutací dukátů a (f 1)! permutací přepážek evede k ovému rozděleí. Celkový počet růzých rozděleí je tedy (1). Obrázek 1: Jedo z možých rozděleí osmi dukátů mezi pět živostíků. Vyzkoušejte si to a jedoduchých případech kolika způsoby lze rozdělit čtyři dukáty mezi dva obchodíky? A kolika způsoby tři dukáty mezi tři obchodíky? Nyí lze sado zjistit, jaká bude pravděpodobost P toho, že daý živostík bude mít u sebe právě dukátů. V takovém případě se totiž f 1 zbývajících živostíků musí podělit o N zbývajících dukátů, čehož lze dosáhout C(f 1, N ) růzými způsoby. Pravděpodobost je tedy C(f 1, N ) (N + f )!N!(f 1)! P = = C(f, N) (N )!(f )!(N + f 1)! N(N 1)... (N + 1) = (f 1) (N + f 1)(N + f )... (N + f 1). () Teto výsledek se zjedoduší, pokud uvažujeme velký počet živostíků i velké možství peěz, N 1, f 1 tak, že možství peěz a hlavu = N/f je kostatí. V tom případě f 1 f a N N 1... N + 1 f a podobě N + f 1 N + f... N + f 1 f( + 1). Pro pravděpodobost P pak dostáváme (f ) P f [f( + 1)] +1 =. (3) ( + 1) +1 To je expoeciálí rozděleí; výraz (3) lze totiž zapsat i v ekvivaletích tvarech P = 1 Z q = 1 Z e β, () 1

2 kde a q = , β = l q (5) Z = = q = 1 1 q = + 1. (6) Tyto výsledky je možé otestovat i jedoduchou počítačovou simulací viz obr.. V ašem modelu se během každé iterace vybere áhodý plátce a áhodý příjemce. Pokud má plátce alespoň jede dukát, uskutečí se trasakce: počet dukátů plátce se o jede síží a příjemci jede dukát přibude. Pokud trasakci elze uskutečit, provádí se ové losováí plátce i příjemce. Když po velkém počtu iterací spočítáme, kolikrát se stalo, že daý živostík měl u sebe právě dukátů, dostaeme relativí četosti zázorěé a obr. a. Pro srováí jsou zde uvedey i relativí četosti odpovídající expoeciálímu rozděleí se stejým středím počtem dukátů a jedoho živostíka, = N/f = 3. Proč se tyto hodoty liší? Jedak jsme uskutečili pouze koečý počet iterací při dalších provedeí experimetu dostaeme poěkud jié histogramy relativích četostí, které budou určitým způsobem fluktuovat kolem expoeciálího rozděleí. Druhá odlišost vyplývá z toho, že dukátů i živostíků je koečý počet (expoeciálí rozděleí je limitím případem pro N, f ). V ašem případě to třeba zameá, že emůže být větší ež 15, zatímco expoeciálí rozděleí dává eulové hodoty P i pro libovolě velká. Jak vypadal průběh velikosti majetku jedoho živostíka v čase (během prvích pěti tisíc iterací) ukazuje obr. b. Je vidět, že většiu času trávil jako epříliš zámožý a větší možství peěz mu patřilo zřídkakdy. I když jsme v ašem příkladu používali peíze a živostíky, stejou úvahu lze provést i pro eergii a soubor kvatových harmoických oscilátorů, které si mohou kvata eergie vyměňovat. Je vidět, jak se při růstu počtu stupňů volosti rozděleí eergie blíží Bolzmaovu-Gibbsovu rozděleí. P (a) N = 5 iter 1 (b) iter Obrázek : Počítačová simulace časového vývoje rozložeí N = 15 dukátů mezi f = 5 živostíky. (a) relativí četosti případů, kdy daý živostík měl dukátů výsledky získaé středováím přes N iter = 5 1 iterací. Úzké sloupce slouží pro srováí s expoeciálím rozděleím se stejou středí hodotou = 3. (b) ukázka kokrétího časového vývoje počtu dukátů u jedoho živostíka během prvích iterací.

3 Pozámky Náš model popisoval majetek ve velice zjedodušeém ekoomickém systému. Jak vypadá rozděleí majetku ve skutečé společosti? Empiricky se ukazuje, že ejblíže pravdě může být tzv. Paretovo rozděleí (Vilfredo Pareto, , italský ekoom) P (x) = a/x a+1 pro x 1, a >, tedy mocié rozděleí (x je v ašem případě spojitá proměá, pro diskrétí proměou se uvádí též ázev Zipfovo rozděleí). To s rostoucím x klesá k ule mohem pomaleji ež expoeciálí čili předpovídá větší zastoupeí bohatých ež expoeciálí rozděleí. Kokrétě pro a, 17 z ěj plye tzv. 8/ pravidlo: 8% celkového majetku patří % ejbohatším příslušíkům společosti. Náš ekoomický model byl přece je příliš zjedodušeý. Lze úvahu s eregií či s peězi použít i a jié veličiy či objekty? Uvažujme třeba těsto s rozikami, ze kterého se upečou váočky. Víme, že když váočku akrájíme, vyjdou a jede krajíček v průměru tři roziky. Jak bude vypadat pravděpodobost P toho, že v áhodě vybraém krajíčku bude roziek? Očekávali byste expoeciálí rozděleí () jako pro kvata eergie či dukáty? Zřejmě e častěji arazíme a krajíc se třemi rozikami ež s žádou a skutečost ejlépe popisuje Poissoovo rozděleí (viz obr. 3) Proč? Čím podstatým se eergie ebo peíze odlišují od roziek? P = e!. (7) P (a) N = 5 iter (b) iter Obrázek 3: Počítačová simulace časového vývoje rozložeí N = 15 roziek mezi f = 5 krajíčků váočky. Během každé iterace byla áhodě zvolea rozika, která přeskočila do áhodě zvoleého krajíčku. (a) relativí četosti počtu roziek v krajíci získaé středováím přes N iter = 5 1 iterací. Úzké sloupce slouží pro srováí s poissoovským rozděleím se stejou středí hodotou = 3. (b) ukázka kokrétího časového vývoje počtu roziek v jedom krajíci během prvích iterací. Eergie versus roziky - další pozámky Odpověď a otázku, čím podstatým se v ašich modelech liší kvata eergie (a případě peíze) od roziek je, že kvata eergie jsou v pricipu erozlišitelá, kdežto roziky si můžeme očíslovat. Rozlišitelost či erozlišitelost částic hraje ve statistické fyzice podstatou roli, proto je užitečé těmto pojmům co ejlépe porozumět a jedoduchých příkladech. Pokud se v daém krajíčku achází roziek z celkového počtu N, dá se tato situace realizovat celkem ( N ) způsoby, zatímco s erozlišitelými kvaty eergie jde pouze o jediou realizaci s kvaty. Jiak řečeo, situaci s rozikami odpovídá větší počet mikrostavů ež situaci s kvaty eergie. Pokud je áš systém ergodický, pobude během časového vývoje v každém mikrostavu zhruba stejě dlouho. Jestliže ěkteré situaci odpovídá větší počet mikrostavů ež jié, bude se v í systém acházet odpovídajícím způsobem častěji. 3

4 Jak je to ale s peězi? Copak ejsou mice také odlišitelé? Proč bychom měli očekávat, že se peíze budou chovat spíše jako eergie ež jako roziky? Kdybychom vzali hrst micí a rozmíchali je v těstě místo roziek, eměly by akoec stejé rozděleí jako roziky? V případě peěz půjde zřejmě o to, jakým způsobem bude výměa probíhat. Pouze pro určité typy směy budeme oprávěi modelovat peíze eergií. Abychom mohli očakávat eergii podobé chováí, měli bychom dokázat, že při aší směě bude rozděleí peěz {1 3 7} stejě pravděpodobé jako třeba {3 3 3} (u rozlišitelých předmětů astae případ {3 3 3} 7 krát častěji ež {1 3 7}), a že tedy tvoří ty pravé mikrostavy. To v ašem modelu vyplývá ze skutečosti, že pravděpodobost přechodu z jedoho rozděleí do druhého jsou stejá jako pravděpodobost přechodu opačým směrem. V ašem případě platí P ({ 1,,..., k,... l,... f } { 1,,..., k 1,... l + 1,... f }) = P ({ 1,,..., k 1,... l + 1,... f } { 1,,..., k,... l,... f }). (8) Symbol P ({..., k,... l,...} {..., k 1,... l + 1, }) tu zameá podmíěou pravděpodobost toho, že systém přejde během dalšího kroku do kofigurace {..., k 1,... l + 1, } za podmíky, že se právě achází v kofiguraci {..., k,... l, }. Rovost (8) je obsažea v ašem způsobu losováí: kterýkoliv živostík se může se stejou pravděpodobostí stát příjemcem a kterýkoliv s eulovým majetkem se se stejou pravděpodobostí může stát plátcem. Skutečou pravděpodobost toho, že dojde k přechodu od jedé kofigurace ke druhé získáme vyásobeím podmíěé pravděpodobosti přechodu pravděpodobostí výchozí kofigurace, tedy ve tvaru P ({..., k,... l,...} {..., k 1,... l + 1, }) P ({..., k,... l,...}). (9) V ustáleém stavu se pravděpodobosti jedotlivých kofigurací ebudou v čase měit a můžeme očekávat, že pravděpodobost přechodu od jedé kofigurace ke druhé bude stejá jako pravděpodobost opačého přechodu, P ({..., k,... l,...} {..., k 1,... l + 1, }) P ({..., k,... l,...}) = P ({..., k 1,... l + 1,...} {..., k,... l, }) P ({..., k 1,... l + 1,...}) (1) (této podmíce se v teorii stochastických procesů říká podmíka detailí rovováhy). Protože platí rovost podmíěých pravděpodobostí (8), dostáváme rovost pravděpodobostí kofigurací P ({..., k,... l,...}) = P ({..., k 1,... l + 1,...}). (11) Pro rozlišitelé částice dostaeme jiý výsledek: podmíěé pravděpodobosti přechodu se od sebe budou odlišovat: P roz ({..., k,... l,...} {..., k 1,... l + 1,...}) = k l + 1 P roz ({..., k 1,... l + 1,...} {..., k,... l,...}). (1) Proč? V ašem rozikovém modelu má každá rozika stejou pravděpodobost, že bude vylosováa a změí polohu. Pravděpodobost toho, že odejde jeda rozika z krajíčku s k rozikami je tedy úměrá k. Využijeme-li opět podmíky detailí rovováhy (1), získáváme v ustáleé situaci vztah mezi pravděpodobostmi jedotlivých kofigurací ( l + 1)P roz ({..., k,... l,...}) = k P roz ({..., k 1,... l + 1,...}). (13) Jak se sado přesvědčíme, tuto rovost splňuje multiomické rozdělěí, pro ějž P roz ({..., k,... l,...}) 1 1!!... k!... l!... f!. (1) Celou věc lze ilustrovat a ejjedodušším možém příkladě, kdy dva objekty (mice, kvata eergie, roziky) sdílí dva účastíci, tedy N =, f =, viz obr.. Pokud jsou sdíleé objekty

5 p(a a) p(b b) p(c c) p(a b) p(c a) A B A B A B 1 1 p(b a) p(b c) a b c Obrázek : Dva objekty sdíleé dvěma účastíky A a B. Jedotlivé kofigurace { }, {1 1} a { } jsou ozačey jako a, b a c. erozlišitelé, je podmíěá pravděpodobost přechodu z kofigurace a do kofigurace b, P (a b) = 1/ stejá jako z b do a, P (b a) = 1/: to, že živostík A se dvěma dukáty bude vylosová jako plátce a dá dukát emajetému živostíkovi B je stejě pravděpodobé, jako to, že živostík B s jedím dukátem bude vylosová aby zaplatil živostíku A. Jiá je situace, pokud se losuje mezi rozlišitelými předměty. V tom případě bude P (a b) = 1/, ale P (b a) = 1/: aby kofigurace a přešla a kofiguraci b, může být vylosováa kterákoliv ze dvou roziek, ale a přechod z b do a musí být vylosováa pouze rozika vlastěá účastíkem B. 5

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

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

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

Vzorový příklad na rozhodování BPH_ZMAN

Vzorový příklad na rozhodování BPH_ZMAN Vzorový příklad a rozhodováí BPH_ZMAN Základí charakteristiky a začeí symbol verbálí vyjádřeí iterval C g g-tý cíl g = 1,.. s V i i-tá variata i = 1,.. m K j j-té kriterium j = 1,.. v j x ij u ij váha

Více

10.3 GEOMERTICKÝ PRŮMĚR

10.3 GEOMERTICKÝ PRŮMĚR Středí hodoty, geometrický průměr Aleš Drobík straa 1 10.3 GEOMERTICKÝ PRŮMĚR V matematice se geometrický průměr prostý staoví obdobě jako aritmetický průměr prostý, pouze operace jsou o řád vyšší: místo

Více

Mendelova univerzita v Brně Statistika projekt

Mendelova univerzita v Brně Statistika projekt Medelova uverzta v Brě Statstka projekt Vypracoval: Marek Hučík Obsah 1. Úvod... 3. Skupové tříděí... 3 o Data:... 3 o Počet hodot:... 3 o Varačí rozpětí:... 3 o Počet tříd:... 4 o Šířka tervalu:... 4

Více

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL Elea Mielcová, Radmila Stoklasová a Jaroslav Ramík; Statistické programy POPISNÁ STATISTIKA V PROGRAMU MS EXCEL RYCHLÝ NÁHLED KAPITOLY Žádý výzkum se v deší době evyhe statistickému zpracováí dat. Je jedo,

Více

Číselné řady. 1 m 1. 1 n a. m=2. n=1

Číselné řady. 1 m 1. 1 n a. m=2. n=1 Číselé řady Úvod U řad budeme řešit dva typy úloh: alezeí součtu a kovergeci. Nalezeí součtu (v případě, že řada koverguje) je obecě mohem těžší, elemetárě lze sečíst pouze ěkolik málo typů řad. Součet

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

7. P o p i s n á s t a t i s t i k a

7. P o p i s n á s t a t i s t i k a 7. P o p i s á s t a t i s t i k a 7.. Pozámka: Při statistickém zkoumáí ás zajímají hromadé jevy a procesy, u kterých zkoumáme zákoitosti, které se projevují u velkého počtu prvků. Prvky zkoumáí azýváme

Více

Parametr populace (populační charakteristika) je číselná charakteristika sledované vlastnosti

Parametr populace (populační charakteristika) je číselná charakteristika sledované vlastnosti 1 Základí statistické zpracováí dat 1.1 Základí pojmy Populace (základí soubor) je soubor objektů (statistických jedotek), který je vymeze jejich výčtem ebo charakterizací jejich vlastostí, může být proto

Více

Metody zkoumání závislosti numerických proměnných

Metody zkoumání závislosti numerických proměnných Metody zkoumáí závslost umerckých proměých závslost pevá (fukčí) změě jedoho zaku jedozačě odpovídá změa druhého zaku (podle ějakého fukčího vztahu) (matematka, fyzka... statstcká (volá) změám jedé velčy

Více

8. Základy statistiky. 8.1 Statistický soubor

8. Základy statistiky. 8.1 Statistický soubor 8. Základy statistiky 7. ročík - 8. Základy statistiky Statistika je vědí obor, který se zabývá zpracováím hromadých jevů. Tvoří základ pro řadu procesů řízeí, rozhodováí a orgaizováí, protoţe a základě

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

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT 2 IDENIFIKACE H-MAICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNO omáš Novotý ČESKÉ VYSOKÉ UČENÍ ECHNICKÉ V PRAZE Faulta eletrotechicá Katedra eletroeergetiy. Úvod Metody založeé a loalizaci poruch pomocí H-matic

Více

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test)

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test) Přijímací řízeí pro akademický rok 2007/08 a magisterský studijí program: Zde alepte své uiverzití číslo PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemý test) U každé otázky či podotázky v ásledujícím

Více

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností 4.2 Elemetárí statstcké zpracováí Výsledkem statstckého zjšťováí (. etapa statstcké čost) jsou euspořádaá, epřehledá data. Proto 2. etapa statstcké čost zpracováí, začíá většou jejch utříděím, zpřehleděím.

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

AMC/IEM J - HMOTNOST A VYVÁŽENÍ

AMC/IEM J - HMOTNOST A VYVÁŽENÍ ČÁST JAR-OPS 3 AMC/IEM J - HMOTNOST A VYVÁŽENÍ ACJ OPS 3.605 Hodoty hmotostí Viz JAR-OPS 3.605 V souladu s ICAO Ae 5 a s meziárodí soustavou jedotek SI, skutečé a omezující hmotosti vrtulíků, užitečé zatížeí

Více

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test, varianta C)

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test, varianta C) Přijímací řízeí pro akademický rok 24/ a magisterský studijí program: PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemý test, variata C) Zde alepte své uiverzití číslo U každé otázky či podotázky v ásledujícím

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA RVDĚODONOST STTISTIK Gymázium Jiřího Wolkera v rostějově Výukové materiály z matematiky pro vyšší gymázia utoři projektu Studet a prahu. století - využití ICT ve vyučováí matematiky a gymáziu Teto projekt

Více

pravděpodobnostn podobnostní jazykový model

pravděpodobnostn podobnostní jazykový model Pokročilé metody rozpozáváířeči Předáška 8 Rozpozáváí s velkými slovíky, pravděpodobost podobostí jazykový model Rozpozáváí s velkým slovíkem Úlohy zaměřeé a diktováíči přepis řeči vyžadují velké slovíky

Více

STATISTIKA PRO EKONOMY

STATISTIKA PRO EKONOMY EDICE UČEBNÍCH TEXTŮ STATISTIKA PRO EKONOMY EDUARD SOUČEK V Y S O K Á Š K O L A E K O N O M I E A M A N A G E M E N T U Eduard Souček Statistika pro ekoomy UČEBNÍ TEXT VYSOKÁ ŠKOLA EKONOMIE A MANAGEMENTU

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

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

n=1 ( Re an ) 2 + ( Im a n ) 2 = 0 Im a n = Im a a n definujeme předpisem: n=1 N a n = a 1 + a 2 +... + a N. n=1

n=1 ( Re an ) 2 + ( Im a n ) 2 = 0 Im a n = Im a a n definujeme předpisem: n=1 N a n = a 1 + a 2 +... + a N. n=1 [M2-P9] KAPITOLA 5: Číselé řady Ozačeí: R, + } = R ( = R) C } = C rozšířeá komplexí rovia ( evlastí hodota, číslo, bod) Vsuvka: defiujeme pro a C: a ± =, a = (je pro a 0), edefiujeme: 0,, ± a Poslouposti

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

ÚROKVÁ SAZBA A VÝPOČET BUDOUCÍ HODNOTY. Závislost úroku na době splatnosti kapitálu

ÚROKVÁ SAZBA A VÝPOČET BUDOUCÍ HODNOTY. Závislost úroku na době splatnosti kapitálu ÚROKVÁ SAZBA A VÝPOČET BUDOUÍ HODNOTY. Typy a druhy úročeí, budoucí hodota ivestice Úrok - odměa za získáí úvěru (cea za službu peěz) Ročí úroková sazba (míra)(i) úrok v % z hodoty kapitálu za časové období

Více

OPTIMALIZACE AKTIVIT SYSTÉMU PRO URČENÍ PODÍLU NA VYTÁPĚNÍ A SPOTŘEBĚ VODY.

OPTIMALIZACE AKTIVIT SYSTÉMU PRO URČENÍ PODÍLU NA VYTÁPĚNÍ A SPOTŘEBĚ VODY. OPTIMALIZACE AKTIVIT SYSTÉMU PRO URČENÍ PODÍLU NA VYTÁPĚNÍ A SPOTŘEBĚ VODY. Ig.Karel Hoder, ÚAMT-VUT Bro. 1.Úvod Optimálí rozděleí ákladů a vytápěí bytového domu mezi uživatele bytů v domě stále podléhá

Více

(Teorie statistiky a aplikace v programovacím jazyce Visual Basic for Applications)

(Teorie statistiky a aplikace v programovacím jazyce Visual Basic for Applications) Základy datové aalýzy, modelového vývojářství a statistického učeí (Teorie statistiky a aplikace v programovacím jazyce Visual Basic for Applicatios) Lukáš Pastorek POZOR: Autor upozorňuje, že se jedá

Více

8.2.10 Příklady z finanční matematiky I

8.2.10 Příklady z finanční matematiky I 8..10 Příklady z fiačí matematiky I Předoklady: 807 Fiačí matematika se zabývá ukládáím a ůjčováím eěz, ojišťováím, odhady rizik aod. Poměrě důležitá a výosá discilía. Sořeí Při sořeí vkladatel uloží do

Více

Interval spolehlivosti pro podíl

Interval spolehlivosti pro podíl Iterval polehlivoti pro podíl http://www.caueweb.org/repoitory/tatjava/cofitapplet.html Náhodý výběr Zkoumaý proce chápeme jako áhodou veličiu určitým ám eámým roděleím a měřeá data jako realiace této

Více

TECHNICKÝ AUDIT VODÁRENSKÝCH DISTRIBUČNÍCH

TECHNICKÝ AUDIT VODÁRENSKÝCH DISTRIBUČNÍCH ECHNICKÝ AUDI VODÁRENSKÝCH DISRIBUČNÍCH SYSÉMŮ Ig. Ladislav uhovčák, CSc. 1), Ig. omáš Kučera 1), Ig. Miroslav Svoboda 1), Ig. Miroslav Šebesta 2) 1) 2) Vysoké učeí techické v Brě, Fakulta stavebí, Ústav

Více

PODNIKOVÁ EKONOMIKA 3. Cena cenných papírů

PODNIKOVÁ EKONOMIKA 3. Cena cenných papírů Semárky, předášky, bakalářky, testy - ekoome, ace, účetctví, ačí trhy, maagemet, právo, hstore... PODNIKOVÁ EKONOMIKA 3. Cea ceých papírů Ceé papíry jsou jedím ze způsobů, jak podk může získat potřebý

Více

STATISTIKA. Základní pojmy

STATISTIKA. Základní pojmy Statistia /7 STATISTIKA Záladí pojmy Statisticý soubor oečá eprázdá možia M zoumaých objetů schromážděých a záladě toho, že mají jisté společé vlastosti záladí statisticý soubor soubor všech v daé situaci

Více

PRACOVNÍ SEŠIT ČÍSELNÉ OBORY. 1. tematický okruh: Připrav se na státní maturitní zkoušku z MATEMATIKY důkladně, z pohodlí domova a online.

PRACOVNÍ SEŠIT ČÍSELNÉ OBORY. 1. tematický okruh: Připrav se na státní maturitní zkoušku z MATEMATIKY důkladně, z pohodlí domova a online. Připrv se státí mturití zkoušku z MATEMATIKY důkldě, z pohodlí domov olie PRACOVNÍ SEŠIT. temtický okruh: ČÍSELNÉ OBORY vytvořil: RNDr. Věr Effeberger expertk olie příprvu SMZ z mtemtiky školí rok 204/205

Více

(varianta s odděleným hodnocením investičních nákladů vynaložených na jednotlivé privatizované objekty)

(varianta s odděleným hodnocením investičních nákladů vynaložených na jednotlivé privatizované objekty) (variata s odděleým hodoceím ivestičích ákladů vyaložeých a jedotlivé privatizovaé objekty) Vypracoval: YBN CONSULT - Zalecký ústav s.r.o. Ig. Bedřich Malý Ig. Yvetta Fialová, CSc. Václavské áměstí 1 110

Více

Veterinární a farmaceutická univerzita Brno. Základy statistiky. pro studující veterinární medicíny a farmacie

Veterinární a farmaceutická univerzita Brno. Základy statistiky. pro studující veterinární medicíny a farmacie Veteriárí a farmaceutická uiverzita Bro Základy statistiky pro studující veteriárí medicíy a farmacie Doc. RNDr. Iveta Bedáňová, Ph.D. Prof. MVDr. Vladimír Večerek, CSc. Bro, 007 Obsah Úvod.... 5 1 Základí

Více

APLIKOVANÁ STATISTIKA

APLIKOVANÁ STATISTIKA VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA MANAGEMENTU A EKONOMIKY VE ZLÍNĚ APLIKOVANÁ STATISTIKA FRANTIŠEK PAVELKA PETR KLÍMEK ZLÍN 000 Recezoval: Haa Lošťáková Fratšek Pavelka, Petr Klímek, 000 ISBN 80 4

Více

Optimalizace portfolia

Optimalizace portfolia Optmalzace portfola ÚVOD Problémy vestováí prostředctvím ákupu ceých papírů sou klasckým tématem matematcké ekoome. Celkový výos z portfola má v době rozhodováí o vestcích povahu áhodé velčy, eíž rozložeí

Více

Časová hodnota peněz. Metody vyhodnocení efektivnosti investic. Příklad

Časová hodnota peněz. Metody vyhodnocení efektivnosti investic. Příklad Metody vyhodoceí efektvost vestc Časová hodota peěz Metody vyhodoceí Časová hodota peěz Prostředky, které máme k dspozc v současost mají vyšší hodotu ež prostředky, které budeme mít k dspozc v budoucost.

Více

PRACOVNÍ SEŠIT ALGEBRAICKÉ VÝRAZY. 2. tematický okruh: Připrav se na státní maturitní zkoušku z MATEMATIKY důkladně, z pohodlí domova a online

PRACOVNÍ SEŠIT ALGEBRAICKÉ VÝRAZY. 2. tematický okruh: Připrav se na státní maturitní zkoušku z MATEMATIKY důkladně, z pohodlí domova a online Připrv se státí mturití zkoušku z MATEMATIKY důkldě, z pohodlí domov olie PRACOVNÍ SEŠIT. temtický okruh: ALGEBRAICKÉ VÝRAZY vtvořil: RNDr. Věr Effeberger epertk olie příprvu SMZ z mtemtik školí rok 04/05

Více

11. Časové řady. 11.1. Pojem a klasifikace časových řad

11. Časové řady. 11.1. Pojem a klasifikace časových řad . Časové řad.. Pojem a klasfkace časových řad Specfckým statstckým dat jsou časové řad pomocí chž můžeme zkoumat damku jevů v čase. Časovou řadou (damcká řada, vývojová řada) rozumíme v čase uspořádaé

Více

Matematicko-fyzikální fakulta Univerzita Karlova. Diplomová práce. Renata Sikorová

Matematicko-fyzikální fakulta Univerzita Karlova. Diplomová práce. Renata Sikorová Matematicko-fyzikálí fakulta Uiverzita Karlova Diplomová práce e Reata Sikorová Obor: Učitelství matematika - fyzika Katedra didaktiky matematiky Vedoucí práce: RNDr. Jiří Kottas, CSc. i Prohlašuji, že

Více

8 Průzkumová analýza dat

8 Průzkumová analýza dat 8 Průzkumová aalýza dat Cílem průzkumové aalýzy dat (také zámé pod zkratkou EDA - z aglického ázvu exploratory data aalysis) je alezeí zvláštostí statistického chováí dat a ověřeí jejich předpokladů pro

Více

1.1 Definice a základní pojmy

1.1 Definice a základní pojmy Kaptola. Teore děltelost C. F. Gauss: Matematka je královou všech věd a teore čísel je králova matematky. Základím číselým oborem se kterým budeme v této kaptole pracovat jsou celá čísla a pouze v ěkterých

Více

STUDIE METODIKY ZNALECKÉHO VÝPOČTU EKONOMICKÉHO NÁJEMNÉHO Z BYTU A NĚKTERÝCH PRINCIPŮ PŘI STANOVENÍ OBVYKLÉHO NÁJEMNÉHO Z BYTU. ČÁST 2 OBVYKLÉ NÁJEMNÉ

STUDIE METODIKY ZNALECKÉHO VÝPOČTU EKONOMICKÉHO NÁJEMNÉHO Z BYTU A NĚKTERÝCH PRINCIPŮ PŘI STANOVENÍ OBVYKLÉHO NÁJEMNÉHO Z BYTU. ČÁST 2 OBVYKLÉ NÁJEMNÉ Prof. Ig. Albert Bradáč, DrSc. STUDIE METODIKY ZNALECKÉHO VÝPOČTU EKONOMICKÉHO NÁJEMNÉHO Z BYTU A NĚKTERÝCH PRINCIPŮ PŘI STANOVENÍ OBVYKLÉHO NÁJEMNÉHO Z BYTU. ČÁST 2 OBVYKLÉ NÁJEMNÉ Příspěvek vazuje publikovaý

Více

Atomová hmotnostní jednotka, relativní atomové a molekulové hmotnosti Atomová hmotnostní jednotka u se používá k relativnímu porovnání hmotností

Atomová hmotnostní jednotka, relativní atomové a molekulové hmotnosti Atomová hmotnostní jednotka u se používá k relativnímu porovnání hmotností . Základí cheické výpočty toová hotostí jedotka, relativí atoové a olekulové hotosti toová hotostí jedotka u se používá k relativíu porováí hotostí ikročástic, atoů a olekul a je defiováa jako hotosti

Více

PříkladykecvičenízMMA ZS2013/14

PříkladykecvičenízMMA ZS2013/14 PříkladykecvičeízMMA ZS203/4 (středa, M3, 9:50 :20) Pozámka( ):Pokudebudeuvedeojiakbudemevždypracovatsprostoryadtělesem T= R.Ve všech ostatích případech(tj. při T = C), bude těleso explicitě specifikováo.

Více

Statistika. Statistické funkce v tabulkových kalkulátorech MSO Excel a OO.o Calc

Statistika. Statistické funkce v tabulkových kalkulátorech MSO Excel a OO.o Calc Statistika Statistické fukce v tabulkových kalkulátorech MSO Excel a OO.o Calc Základí pojmy tabulkových kalkulátorů Cílem eí vyložit pojmy tabulkových kalkulátorů, ale je defiovat pojmy vyskytující se

Více

4 DOPADY ZPŮSOBŮ FINANCOVÁNÍ NA INVESTIČNÍ ROZHODOVÁNÍ

4 DOPADY ZPŮSOBŮ FINANCOVÁNÍ NA INVESTIČNÍ ROZHODOVÁNÍ 4 DOPADY ZPŮSOBŮ FACOVÁÍ A VESTČÍ ROZHODOVÁÍ 77 4. ČSTÁ SOUČASÁ HODOTA VČETĚ VLVU FLACE, CEOVÝCH ÁRŮSTŮ, DAÍ OPTMALZACE KAPTÁLOVÉ STRUKTURY Čistá současá hodota (et preset value) Jedá se o dyamickou metodu

Více

Vysoká škola báňská - Technická univerzita Ostrava Fakulta elektrotechniky a informatiky ELEKTRICKÉ POHONY. pro kombinované a distanční studium

Vysoká škola báňská - Technická univerzita Ostrava Fakulta elektrotechniky a informatiky ELEKTRICKÉ POHONY. pro kombinované a distanční studium Vysoká škola báňská - Techická uiverzita Ostrava Fakulta elektrotechiky a iformatiky ELEKTRICKÉ POHONY pro kombiovaé a distačí studium Ivo Neborák Václav Sládeček Ostrava 004 1 Doc. Ig. Ivo Neborák, CSc.,

Více

9. Měření závislostí ve statistice. 9.1. Pevná a volná závislost

9. Měření závislostí ve statistice. 9.1. Pevná a volná závislost Dráha [m] 9. Měřeí závslostí ve statstce Měřeí závslostí ve statstce se zývá především zkoumáím vzájemé závslost statstckých zaků vícerozměrých souborů. Závslost přtom mohou být apříklad pevé, volé, jedostraé,

Více

Výroční zpráva fondů společnosti Pioneer investiční společnost, a.s. - neauditovaná

Výroční zpráva fondů společnosti Pioneer investiční společnost, a.s. - neauditovaná Výročí zpráva fodů společosti Pioeer ivestičí společost, a.s. - eauditovaá Obsah 1. Účetí závěrka: Pioeer Sporokoto, Pioeer obligačí fod, Pioeer růstový fod, Pioeer dyamický fod, Pioeer akciový fod, BALANCOVANÝ

Více

2002 Katedra obecné elektrotechniky FEI VŠB-TU Ostrava Ing.Stanislav Kocman

2002 Katedra obecné elektrotechniky FEI VŠB-TU Ostrava Ing.Stanislav Kocman ASYNCHRONNÍ STROJE Obsah. Pricip čiosti asychroího motoru. Náhradí schéma asychroího motoru. Výko a momet asychroího motoru 4. Spouštěí trojfázových asychroích motorů 5. Řízeí otáček asychroích motorů

Více

Zobrazení čísel v počítači

Zobrazení čísel v počítači Zobraeí ísel v poítai, áklady algoritmiace Ig. Michala Kotlíková Straa 1 (celkem 10) Def.. 1 slabika = 1 byte = 8 bitů 1 bit = 0 ebo 1 (ve dvojkové soustavě) Zobraeí celých ísel Zobraeí ísel v poítai Ke

Více

Makroekonomie cvičení 1

Makroekonomie cvičení 1 Makroekoomie cvičeí 1 D = poptávka. S = Nabídka. Q = Možství. P = Cea. Q* = Rovovážé možství (Q E ). P* = Rovovážá caa (P E ). L = Práce. K = Kapitál. C = Spotřeba domácosti. LR = Dlouhé období. SR = Krátké

Více

1) Vypočtěte ideální poměr rozdělení brzdných sil na nápravy dvounápravového vozidla bez ABS.

1) Vypočtěte ideální poměr rozdělení brzdných sil na nápravy dvounápravového vozidla bez ABS. Dopraví stroje a zařízeí odborý zálad AR 04/05 Idetifiačí číslo: Počet otáze: 6 Čas : 60 miut Počet bodů Hodoceí OTÁZKY: ) Vypočtěte eálí poměr rozděleí brzdých sil a ápravy dvouápravového vozla bez ABS.

Více

Využití Markovových řetězců pro predikování pohybu cen akcií

Využití Markovových řetězců pro predikování pohybu cen akcií Využití Markovových řetězců pro predikováí pohybu ce akcií Mila Svoboda Tredy v podikáí, 4(2) 63-70 The Author(s) 2014 ISSN 1805-0603 Publisher: UWB i Pilse http://www.fek.zcu.cz/tvp/ Úvod K vybudováí

Více

SOUKROMÁ VYSOKÁ ŠKOLA EKONOMICKÁ ZNOJMO. Statistika I. distanční studijní opora. Milan Křápek

SOUKROMÁ VYSOKÁ ŠKOLA EKONOMICKÁ ZNOJMO. Statistika I. distanční studijní opora. Milan Křápek SOUKROMÁ VYSOKÁ ŠKOLA EKONOMICKÁ ZNOJMO Statstka I dstačí studjí opora Mla Křápek Soukromá vysoká škola ekoomcká Zojmo Dube 3 Statstka I Vydala Soukromá vysoká škola ekoomcká Zojmo. vydáí Zojmo, 3 ISBN

Více

Co je to statistika? Statistické hodnocení výsledků zkoušek. Úvod statistické myšlení. Úvod statistické myšlení. Popisná statistika

Co je to statistika? Statistické hodnocení výsledků zkoušek. Úvod statistické myšlení. Úvod statistické myšlení. Popisná statistika Co e to statistika? Statistické hodoceí výsledků zkoušek Petr Misák misak.p@fce.vutbr.cz Statistika e ako bikiy. Odhalí téměř vše, ale to edůležitěší ám zůstae skryto. (autor ezámý) Statistika uda e, má

Více

Rekonstrukce vodovodních řadů ve vztahu ke spolehlivosti vodovodní sítě

Rekonstrukce vodovodních řadů ve vztahu ke spolehlivosti vodovodní sítě Rekostrukce vodovodích řadů ve vztahu ke spolehlvost vodovodí sítě Ig. Jaa Šekapoulová Vodáreská akcová společost, a.s. Bro. ÚVOD V oha lokaltách České republky je v současost aktuálí problée zastaralá

Více

Petr Otipka Vladislav Šmajstrla

Petr Otipka Vladislav Šmajstrla VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA PRAVDĚPODOBNOST A STATISTIKA Petr Otipka Vladislav Šmajstrla Vytv ořeo v rámci projektu Operačího programu Rozv oje lidských zdrojů CZ.04..03/3..5./006

Více

KVALIMETRIE. 16. Statistické metody v metrologii a analytické chemii. Miloslav Suchánek. Řešené příklady na CD-ROM v Excelu.

KVALIMETRIE. 16. Statistické metody v metrologii a analytické chemii. Miloslav Suchánek. Řešené příklady na CD-ROM v Excelu. KVALIMETRIE Miloslav Sucháek 16. Statistické metody v metrologii a aalytické chemii Řešeé příklady a CD-ROM v Excelu Eurachem ZAOSTŘENO NA ANALYTICKOU CHEMII V EVROPĚ Kvalimetrie 16 je zatím posledí z

Více

POJIŠŤOVNICTVÍ A POJISTNÁ MATEMATIKA

POJIŠŤOVNICTVÍ A POJISTNÁ MATEMATIKA VYSOKÁ ŠKOLA POLYTECHNICKÁ JIHLAVA Katedra ateatiky a katedra ekooických studií POJIŠŤOVNICTVÍ A POJISTNÁ MATEMATIKA STUIJNÍ MATERIÁL LENKA LÍZALOVÁ, RAEK STOLÍN 04 Recezovali: RNr. Ig. Haa Kotoučková,

Více

, jsou naměřené a vypočtené hodnoty závisle

, jsou naměřené a vypočtené hodnoty závisle Měřeí závslostí. Průběh závslost spojtá křvka s jedoduchou rovcí ( jedoduchým průběhem), s malým počtem parametrů, která v rozmezí aměřeých hodot vsthuje průběh závslost, určeí kokrétího tpu křvk (přímka,

Více

Neparametrické metody

Neparametrické metody I. ÚVOD Neparametrické metody EuroMISE Cetrum v Neparametrické testy jsou založey a pořadových skórech, které reprezetují původí data v Data emusí utě splňovat určité předpoklady vyžadovaé u parametrických

Více

5. Výpočty s využitím vztahů mezi stavovými veličinami ideálního plynu

5. Výpočty s využitím vztahů mezi stavovými veličinami ideálního plynu . ýpočty s využití vztahů ezi stavovýi veličiai ideálího plyu Ze zkušeosti víe, že obje plyu - a rozdíl od objeu pevé látky ebo kapaliy - je vyeze prostore, v ěž je ply uzavře. Přítoost plyu v ádobě se

Více

Základní pojmy kombinatoriky

Základní pojmy kombinatoriky Základí pojy kobiatoriky Začee příklade Příklad Máe rozesadit lidí kole kulatého stolu tak, aby dva z ich, osoby A a B, eseděly vedle sebe Kolika způsoby to lze učiit? Pro získáí odpovědi budee potřebovat

Více

BIVŠ. Pravděpodobnost a statistika

BIVŠ. Pravděpodobnost a statistika BIVŠ Pravděpodobost a statstka Úvod Skrpta Pravděpodobost a statstka jsou učebím tetem pro stejojmeý kurz magsterského studa Bakovího sttutu vysoké školy Kurzy Pravděpodobost a statstka a avazující kurz

Více

5 Funkce. jsou si navzájem rovny právě tehdy, když se rovnají jejich.

5 Funkce. jsou si navzájem rovny právě tehdy, když se rovnají jejich. Fukce. Základí pojmy V kpt.. jsme mluvili o zobrazeí mezi možiami AB., Připomeňme, že se jedá o libovolý předpis, který každému prvku a A přiřadí ejvýše jede prvek b B. Jsou-li A, B číselé možiy, azýváme

Více

ÚVOD DO PRAKTICKÉ FYZIKY I

ÚVOD DO PRAKTICKÉ FYZIKY I JIŘÍ ENGLICH ÚVOD DO PRAKTICKÉ FYZIKY I ZPRACOVÁNÍ VÝSLEDKŮ MĚŘENÍ Jede z epermetů, které změly vývoj fyzky v mulém století. V roce 9 prof. H. Kamerlgh Oes ve své laboratoř v Leydeu měřl teplotí závslost

Více

ZÁKLADNÍ ICHTYOLOGICKÉ METODY

ZÁKLADNÍ ICHTYOLOGICKÉ METODY ZÁKLADNÍ ICHTYOLOGICKÉ METODY Určováí věku a staoveí růstu ryb Ryby jsou poikilotermí obratlovci, u ichž jsou všechy biologické fukce zásadím způsobem ovlivňováy teplotou vody. To platí v plém rozsahu

Více

Model péče o duševně nemocné

Model péče o duševně nemocné Model péče o duševě emocé v regiou hlavího města Prahy Zázam jedáí závěrečé koferece projektu Vzděláváí odboríků, státí správy a samosprávy v oblasti trasformace istitucioálí péče o duševě emocé Praha,

Více

-1- Finanční matematika. Složené úrokování

-1- Finanční matematika. Složené úrokování -- Fiačí ateatika Složeé úrokováí Při složeé úročeí se úroky přičítají k počátečíu kapitálu ( k poskytutí úvěru, k uložeéu vkladu ) a společě s í se úročí. Vzorec pro kapitál K po letech při složeé úročeí

Více

Měření na D/A a A/D převodnících

Měření na D/A a A/D převodnících Měřeí a D/A a A/D převodících. Zadáí A. Na D/A převodíku ealizovaém pomocí MDAC 8: a) Změřte závislost výstupího apětí převodíku v ozsahu až V a zvoleé vstupí kombiaci sousedích kódových slov. Měřeí poveďte

Více

Využití účetních dat pro finanční řízení

Využití účetních dat pro finanční řízení Využtí účetích dat pro fačí řízeí KAPITOLA 4 V rác této kaptoly se zaěříe a časovou hodotu peěz (a to včetě oceňováí ceých papírů), která se prolíá celý vestčí rozhodováí, dále a fačí aalýzu (vycházející

Více

Kapitola 12: Zpracování dotazů. Základní kroky ve zpracování dotazů

Kapitola 12: Zpracování dotazů. Základní kroky ve zpracování dotazů - 12.1 - Přehled Ifomace po odhad ákladů Míy po áklady dotazu Opeace výběu Řazeí Opeace spojeí Vyhodocováí výazů Tasfomace elačích výazů Výbě pláu po vyhodoceí Kapitola 12: Zpacováí dotazů Základí koky

Více

1 Popis statistických dat. 1.1 Popis nominálních a ordinálních znaků

1 Popis statistických dat. 1.1 Popis nominálních a ordinálních znaků 1 Pops statstcých dat 1.1 Pops omálích a ordálích zaů K zobrazeí rozděleí hodot omálích ebo ordálích zaů lze použít tabulu ebo graf rozděleí četostí. Tuto formu zobrazeí lze dooce použít pro číselé zay,

Více

FYZIKA 4. ROČNÍK. Disperze světla. Spektrální barvy. β č β f. T různé f různá barva. rychlost světla v prostředí závisí na f = disperze světla

FYZIKA 4. ROČNÍK. Disperze světla. Spektrální barvy. β č β f. T různé f různá barva. rychlost světla v prostředí závisí na f = disperze světla Disperze světla. Spektrálí barvy v = = f T v = F(f) růzé f růzá barva rychlost světla v prostředí závisí a f = disperze světla c = = F ( f ) idex lomu daého optického prostředí závisí a frekveci světla

Více

Carl Friedrich Gauss

Carl Friedrich Gauss Carl Friedrich Gauss F. KOUTNÝ, Zlí (. 4. 777.. 855) Každé vyprávěí o ěkom, kdo žil dávo, je utě je kompilací prameů a odkazů, které v ejlepším případě pocházejí od jeho pamětíků. Rámec tohoto textu tvoří

Více

Systém intralaboratorní kontroly kvality v klinické laboratoři (SIKK)

Systém intralaboratorní kontroly kvality v klinické laboratoři (SIKK) Systém itralaboratorí kotroly kvality v kliické laboratoři (SIKK) Doporučeí výboru České společosti kliické biochemie ČLS JEP Obsah: 1. Volba systému... 2 2. Prováděí kotroly... 3 3. Dokumetace výsledků

Více

Téma 6: Indexy a diference

Téma 6: Indexy a diference dexy a dferece Téma 6: dexy a dferece ředáška 9 dvdálí dexy a dferece Základí ojmy Vedle elemetárího statstckého zracováí dat se hromadé jevy aalyzjí tzv. srováváím růzých kazatelů. Statstcký kazatel -

Více

UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ANALÝZA DAT. Josef Tvrdík

UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ANALÝZA DAT. Josef Tvrdík UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ANALÝZA DAT (OPRAVENÁ VERZE 006) Josef Tvrdík OSTRAVSKÁ UNIVERZITA 00 Obsah: Úvod... 3 Programové prostředky pro statstcké výpočty... 4. Tabulkový

Více

Střední hodnoty. Aritmetický průměr prostý Aleš Drobník strana 1

Střední hodnoty. Aritmetický průměr prostý Aleš Drobník strana 1 Středí hodoty. Artmetcký průměr prostý Aleš Drobík straa 0. STŘEDNÍ HODNOTY Př statstckém zjšťováí často zpracováváme statstcké soubory s velkým možstvím statstckých jedotek. Např. soubor pracovíků orgazace,

Více

PRACOVNÍ SEŠIT POSLOUPNOSTI A FINANČNÍ MATEMATIKA. 5. tematický okruh:

PRACOVNÍ SEŠIT POSLOUPNOSTI A FINANČNÍ MATEMATIKA. 5. tematický okruh: Připrv se státí mturití zkoušku z MATEMATIKY důkldě, z pohodlí domov olie PRACOVNÍ SEŠIT 5. temtický okruh: POSLOUPNOSTI A FINANČNÍ MATEMATIKA vytvořil: RNDr. Věr Effeberger expertk olie příprvu SMZ z

Více

Téma 11 Prostorová soustava sil

Téma 11 Prostorová soustava sil Stavebí statka,.ročík bakalářského studa Téma Prostorová soustava sl Prostorový svazek sl Statcký momet síly a dvojce sl v prostoru Obecá prostorová soustava sl Prostorová soustava rovoběžých sl Katedra

Více

ANALÝZA PROVOZU MĚSTSKÝCH AUTOBUSŮ

ANALÝZA PROVOZU MĚSTSKÝCH AUTOBUSŮ ACTA UNIVERSITATIS AGRICULTURAE ET SILVICULTURAE MENDELIANAE BRUNENSIS SBORNÍK MENDELOVY ZEMĚDĚLSKÉ A LESNICKÉ UNIVERZITY V BRNĚ Ročík LVII 28 Číslo 5, 2009 ANALÝZA PROVOZU MĚSTSKÝCH AUTOBUSŮ L. Papírík

Více

FINANČNÍ MATEMATIKA- SLOŽENÉ ÚROKOVÁNÍ

FINANČNÍ MATEMATIKA- SLOŽENÉ ÚROKOVÁNÍ Projek ŠABLONY NA GVM Gymázium Velké Meziříčí regisračí číslo projeku: CZ..7/../.98 IV- Iovace a zkvaliěí výuky směřující k rozvoji maemaické gramoosi žáků sředích škol FINANČNÍ MATEMATIA- SLOŽENÉ ÚROOVÁNÍ

Více

Václav Klaus. Žijeme v době drtivé převahy levicové, zeleno-socialistické ideologie.

Václav Klaus. Žijeme v době drtivé převahy levicové, zeleno-socialistické ideologie. červe - 2013 NEWSLETTER NEWSLETTER červe /2013 Prví rozmluvy a Haspaulce Vítězslav Kremlík: IPCC podvádí veřejost Otázka IVK: Jsou u ás potraviy dražší ež u sousedů? (Petr Bedl, Petr Havel, Miroslav Toma,

Více

Aplikace marginálních nákladů. Oceňování ztrát v distribučním rozvodu

Aplikace marginálních nákladů. Oceňování ztrát v distribučním rozvodu Apliace margiálích áladů Oceňováí ztrát v distribučím rozvodu Učebí text předmětu MES Doc. Ig. J. Vastl, CSc. Celové ročí álady a ztráty N P ( T ) z z sj z wj Kč de N z celové ročí álady a ztráty *Kč+

Více

ANALÝZA NÁKLADOVÝCH A CENOVÝCH VZTAHŮ V ODPADOVÉM HOSPODÁŘSTVÍ ČR ANALYSIS OF COST AND PRICE RELATIONSHIPS IN WASTE MANAGEMENT OF THE CZECH REPUBLIC

ANALÝZA NÁKLADOVÝCH A CENOVÝCH VZTAHŮ V ODPADOVÉM HOSPODÁŘSTVÍ ČR ANALYSIS OF COST AND PRICE RELATIONSHIPS IN WASTE MANAGEMENT OF THE CZECH REPUBLIC ANALÝZA NÁKLADOVÝCH A CENOVÝCH VZTAHŮ V ODPADOVÉM HOSPODÁŘSTVÍ ČR ANALYSIS OF COST AND PRICE RELATIONSHIPS IN WASTE MANAGEMENT OF THE CZECH REPUBLIC Jří HŘEBÍČEK, Mchal HEJČ, Jaa SOUKOPOVÁ ECO-Maagemet,

Více

N Příručka k softwaru

N Příručka k softwaru Důležité iformace Důležité iformace Upozorěí Teto produkt obsahuje software, který je majetkem společosti Soy a je licecová dalšími dodavateli. a používáí tohoto softwaru se vztahují podmíky licečích smluv

Více

ZABEZPEČENÍ KOMUNIKACE SENZORICKÉHO SYSTÉMU

ZABEZPEČENÍ KOMUNIKACE SENZORICKÉHO SYSTÉMU Roč. 71 (2015) Číslo 2 O. Čožík, J. Kadlec: Zabezpečeí komuikace sezorického systému 1 ZABEZPEČEÍ KOMUIKACE SEZORICKÉHO SYSTÉMU Ig. Odřej Čožík 1, Doc. Ig. Jaroslav Kadlec, Ph.D. 2 Ústav mikroelektroiky;

Více

Metodika implementace Průřezového tématu Environmentální výchova I

Metodika implementace Průřezového tématu Environmentální výchova I Elektroická publikace Metodika implemetace Průřezového tématu Evirometálí výchova I Zpracovaly: Bc. Jaroslava Rozprýmová a Mgr. Milica Sedláčková Témata: 1. Zemědělství a životí prostředí 2. Ekologické

Více

SPOŘENÍ. Spoření krátkodobé

SPOŘENÍ. Spoření krátkodobé SPOŘENÍ Krátkodobé- doba spořeí epřesáhe jedo úrokové období (obvykle 1 rok). Úroky jsou přpsováy a koc doby spořeí. Jedotlvé složky jsou úročey a základě jedoduchého úročeí. Dlouhodobé doba spořeí bude

Více

Algoritmus RSA. Vilém Vychodil. 4. března 2002. Abstrakt

Algoritmus RSA. Vilém Vychodil. 4. března 2002. Abstrakt Algoritmus RSA Vilém Vychodil 4. břza 2002 Abstrakt Násldující podpůrý txt stručě shruj základí problmatiky při šifrováí algoritmm RSA. Sm spadá j samotý pricip algoritmu, al i základí mtody grováí vlkých

Více

Asynchronní motory Ing. Vítězslav Stýskala, Ph.D., únor 2006

Asynchronní motory Ing. Vítězslav Stýskala, Ph.D., únor 2006 8 ELEKTRCKÉ STROJE TOČVÉ říklad 8 Základí veličiy Určeo pro poluchače akalářkých tudijích programů FS Aychroí motory g Vítězlav Stýkala, hd, úor 006 Řešeé příklady 3 fázový aychroí motor kotvou akrátko

Více

UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY. Přírodovědecká fakulta ANALÝZA DAT. 2. upravené vydání. Josef Tvrdík

UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY. Přírodovědecká fakulta ANALÝZA DAT. 2. upravené vydání. Josef Tvrdík UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ANALÝZA DAT. upraveé vydáí Josef Tvrdík OSTRAVSKÁ UNIVERZITA 008 OBSAH: Úvod... 3 Parametrcké testy o shodě středích hodot... 4. Jedovýběrový t-test...

Více

SH = BH*( 1 + i) n nebo

SH = BH*( 1 + i) n nebo PEKS 2 Literatura Syek PEK 4. vydáí Faktor času v peěžím vyjádřeí Peěží jedotka Kč přijata ebo vyplacea v růzých časových okamžicích má rozdílou hodotu. Deší korua je ceější, ež korua získaá později apř.

Více