naopak více variant odpovědí, bude otázka hodnocena jako nesprávně zodpovězená.

Rozměr: px
Začít zobrazení ze stránky:

Download "naopak více variant odpovědí, bude otázka hodnocena jako nesprávně zodpovězená."

Transkript

1 Datum:... Jméno:... Přijímací řízení pro akademický rok 28/9 na magisterské studijní obor Finanční informatiky a statistika Písemná část přijímací zkoušky z matematiky Za každou správnou odpověd se získávají 2 body. U otázek s možností volby odpovědi, je vždy správná právě jedna možnost. Správnou odpověd zřetelně zakroužkujte.v případě, že nebude jednoznačně zřejmé, která z variant je zakroužkována, či pokud nebude zakroužkována žádná nebo naopak více variant odpovědí, bude otázka hodnocena jako nesprávně zodpovězená. 1. Uved te předpis a načrtněte graf libovolné posloupnosti {a n } n=1, která je ostře rostoucí a konvergentní. například posloupnost a n = 1 1 n, 2. Napište libovolné parametrické vyjádření úsečky y = x, x (, 1). například x(t) = t y(t) = t, t (; 1) 3. Uved te funkční předpis a načrtněte graf libovolné ostře klesající funkce f : R R tak, aby platilo: 1 f(x) dx = 8. pravidlo ostře klesající splňuje například funkce f : y = x + b a hledáme b tak, aby platilo 1 [ ] 1 ( x + b) dx = 8 x2 + bx = b = 8 b = Zadání úlohy splňuje tedy funkce f : y = x

2 4. Uved te příklad funkce dvou proměnných (předpisem nebo graficky), která je zdola omezená. například funkce f(x, y) = x 2 + y 2, [x, y] R. 5. Napište alespoň jedno řešení obyčejné diferenciální rovnice u (t) u(t) =, t R. Všechna řešení dané rovnice jsou tvaru u(t) = c 1 e t + c 2 e t, t R 6. Metodou prosté iterace řešíme nelineární rovnici x 2 x =. Rekurentní formuli uvažujeme ve tvaru x k+1 = x 2 k. Z jakého intervalu musíme volit počáteční aproximaci x, aby metoda konvergovala k řešení rovnice? (a) x (1, 2) (b) x 1, 1 (c) x 2, 4 (d) x ( 1, 1) (b) 7. Pomocí mocninné [ metody ] hledáme dominantní (v absolutní hodnotě největší) vlastní číslo 3 1 matice A =. Pro jakou volbu počátečního vektoru y 2 metoda nalezne dominantní vlastní číslo matice A? (a) y = [1, 1] T (b) y = [, ] T (c) y = [ 1, 1] T (d) y = [1, ] T (d) 8. Jaká je diskrétní L 2 -aproximace konstantní funkcí ϕ(x) = const. pro funkci f = f(x), x která je dána tabulkou i ? f(x i ) (a) ϕ(x) = 3 (b) ϕ(x) = 2,6 (c) ϕ(x) = 2 (d) ϕ(x) = 1,8 (b) 9. Pomocí složeného lichoběžníkového pravidla chceme přibližně určit x 2 dx. Jaký dostaneme výsledek, pokud budeme volit krok h = 1? 3 2

3 (a) 8,75 (b) 9 (c) 9,5 (d) 1 (c) 1. Necht P (A) =.3 a P (B) =.2. Určete P (A B) a P (A B) víte-li, že A a B jsou nezávislé. P (A B) = P (A) P (B) =.3.2 =.6 a P (A B) = P (A) + P (B) P (A B) = = V rámci statistického šetření bylo naměřeno následujících deset hodnoty: 3, 12, 1, 2, 3, 3, 1, 3, 1, 1. Spočtěte výběrový medián a výběrový průměr. uspořádáme hodnoty podle velikosti 1, 1, 1, 1, 2, 3, 3, 3, 3, 12, medián je prostřední hodnota, tj. x = 2.5, průměr x = 1 n xn = 3 1 = Na obrázcích jsou zachyceny pravděpodobnostní funkce dvou náhodných veličin. Určete zda (a) rozptyl náhodné veličiny X 1 je větší než rozptyl náhodné veličiny X 2 ; (b) rozptyl náhodné veličiny X 1 je menší než rozptyl náhodné veličiny X 2 ; (c) rozptyl náhodné veličiny X 1 je roven rozptylu náhodné veličiny X 2 ; (d) rozptyl náhodné veličiny X 1 a rozptyl náhodné veličiny X 2 nelze porovnat. (b) 13. Do jednoho obrázku načrtněte graf funkce hustoty N (; 1) a N ( 1; 3). 14. Je dána náhodná veličina X, která se řídí rovnoměrným rozdělením. Pro kvantily x.1 a x.25 této náhodné veličiny platí (a) x,1 < x,25 (b) x,1 > x,25 (c) x,1 = x,25 3

4 (d) x,1 a x,25 nelze porovnat (nerovnost záleží na parametrech rozdělení) (a) 15. Stanovte střední hodnotu a rozptyl náhodné veličiny, která se řídí rovnoměrným rozdělení na intervalu, 1. EX = 1 2 = 5 a DX = varx = = Napište obecný tvar smíšeného procesu ARM A(1, 2). y t = a 1 y t 1 + ɛ t + b 1 ɛ t 1 + b 2 ɛ t Pro X Exp (δ = 2) určete funkci hustoty veličiny Y = X 2. { 1 e x δ pro x Známe distribuční funkci exponenciálního rozdělení F (x) = pro x < Distribuční funkce Y :F (y) = P (Y < y) = P (X 2 < y) = P (X < y) = F ( y) = 1 e y δ Funkce hustoty Y : f(x) = F (x) = e y 1 δ 2 1 y δ 18. Uved te konkrétní příklady následujících hospodářských pojmů (respektujte účetní, nikoliv, daňové pojetí): (a) Výnos, který není příjmem: (b) Příjem, který není výnosem: (c) Výdaj, který není nákladem: (d) Náklad, který není výdajem: (a) Např.Tržba za dodávku odběrateli v okamžiku uskutečnění dodávky odběrateli. Příjmem se stává až v okamžiku zaplacení faktury. (b) Např. Finančním úřadem uskutečněný převod peněz podniku za nadměrný odpočet DPH. (c) Např.: Zaplacená vlastní daňová povinnost při měsíčním (čtvrtletním) vyúčtovaní DPH. (d) Např.: Účetní odpis majetku. 19. Vklad je úročen sazbou 2% p.a.. Úrok je připisován pololetně. Vklad na počátku ročního období obsahoval 1 mil. Kč. V průběhu ročního období nebyly na účtu žádné jiné než úrokové pohyby. Kolik bylo na vkladu na konci ročního období po připsání posledních úroků (uved te v milionech Kč na plný počet potřebných desetinných míst)? Při prvním připsání úroku (po půl roce) na účtu bude 1+1 tis.kč.=11 tis. Kč. Při druhém připsání úroku na účtu bude ,1 tis.kč = 12,1 tis. Kč. 2. (a) Do hospodářského výsledku podniku před daní nepatří příjem za nadměrný odpočet DPH. Správnou variantu zakroužkujte ANO NE 4

5 (b) Do hospodářského výsledku podniku před daní nepatří příjem peněz z vystavené faktury (výnosy za dodávku k této faktuře již byly účtovány). Správnou variantu zakroužkujte ANO NE (a) Nadměrný odpočet DPH do hospodářského výsledku podniku nepatří. (b) Příjem peněz za zaplacenou fakturu do hospodářského výsledku nepatří. Tato částka se do hospodářského výsledku dostala již při vystavení faktury. 5

KMA Písemná část přijímací zkoušky - MFS 2o16

KMA Písemná část přijímací zkoušky - MFS 2o16 JMÉNO a PŘÍJMENÍ KMA Písemná část přijímací zkoušky - MFS 2o16 verze 1 / 28. 6. 2016 Pokyny k vypracování: Za každý správně vyřešený příklad lze získat 2 body. U zaškrtávacích otázek, je vždy správná právě

Více

na magisterský studijní obor Učitelství matematiky pro střední školy

na magisterský studijní obor Učitelství matematiky pro střední školy Datum:... Jméno:... Přijímací řízení pro akademický rok 203/4 na magisterský studijní obor Učitelství matematiky pro střední školy Písemná část přijímací zkoušky z matematiky Za každou správnou odpověd

Více

Poznámky k předmětu Aplikovaná statistika, 4. téma

Poznámky k předmětu Aplikovaná statistika, 4. téma Poznámky k předmětu Aplikovaná statistika, 4. téma 4. Náhodné vektory V praxi se nám může hodit postihnout více vlastností jednoho objektu najednou, např. výšku, váhu a pohlaví člověka; rychlost chemické

Více

Požadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory

Požadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory Požadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory Zkouška ověřuje znalost základních pojmů, porozumění teorii a schopnost aplikovat teorii při

Více

Příklad 1. Řešení 1a. Řešení 1b. Řešení 1c ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 7

Příklad 1. Řešení 1a. Řešení 1b. Řešení 1c ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 7 Příklad 1 a) Autobusy městské hromadné dopravy odjíždějí ze zastávky v pravidelných intervalech 5 minut. Cestující může přijít na zastávku v libovolném okamžiku. Určete střední hodnotu a směrodatnou odchylku

Více

Přijímací zkouška na navazující magisterské studium 2014

Přijímací zkouška na navazující magisterské studium 2014 Přijímací zkouška na navazující magisterské studium 24 Příklad (25 bodů) Spočtěte Studijní program: Studijní obor: Matematika Finanční a pojistná matematika Varianta A M x 2 dxdy, kde M = {(x, y) R 2 ;

Více

Přijímací zkouška na navazující magisterské studium 2014

Přijímací zkouška na navazující magisterské studium 2014 Přijímací zkouška na navazující magisterské studium 4 Studijní program: Studijní obory: Příklad (5 bodů) Spočtěte Matematika MA, MMIB, MMFT, MSTR, NVM, PMSE, MDU Varianta A M xy dxdy, kde M = {(x, y) R

Více

Poznámky k předmětu Aplikovaná statistika, 4. téma

Poznámky k předmětu Aplikovaná statistika, 4. téma Poznámky k předmětu Aplikovaná statistika, 4. téma 4. Náhodné vektory V praxi se nám může hodit postihnout více vlastností jednoho objektu najednou, např. výšku, váhu a pohlaví člověka; rychlost chemické

Více

AVDAT Náhodný vektor, mnohorozměrné rozdělení

AVDAT Náhodný vektor, mnohorozměrné rozdělení AVDAT Náhodný vektor, mnohorozměrné rozdělení Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Opakování, náhodná veličina, rozdělení Náhodná veličina zobrazuje elementární

Více

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2016

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2016 Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2016 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia

Více

7. Rozdělení pravděpodobnosti ve statistice

7. Rozdělení pravděpodobnosti ve statistice 7. Rozdělení pravděpodobnosti ve statistice Statistika nuda je, má však cenné údaje, neklesejte na mysli, ona nám to vyčíslí Jednou z úloh statistiky je odhad (výpočet) hodnot statistického znaku x i,

Více

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457. 0 cvičení z PST 5 prosince 208 0 (intervalový odhad pro rozptyl) Soubor (70, 84, 89, 70, 74, 70) je náhodným výběrem z normálního rozdělení N(µ, σ 2 ) Určete oboustranný symetrický 95% interval spolehlivosti

Více

Exponenciální funkce. Exponenciální funkcí o základu a se nazývá funkce, která je daná rovnicí. Číslo a je kladné číslo, různé od jedničky a xεr.

Exponenciální funkce. Exponenciální funkcí o základu a se nazývá funkce, která je daná rovnicí. Číslo a je kladné číslo, různé od jedničky a xεr. Exponenciální funkce Exponenciální funkcí o základu a se nazývá funkce, která je daná rovnicí y = a x Číslo a je kladné číslo, různé od jedničky a xεr. Definičním oborem exponenciální funkce je tedy množina

Více

Definice 7.1 Nechť je dán pravděpodobnostní prostor (Ω, A, P). Zobrazení. nebo ekvivalentně

Definice 7.1 Nechť je dán pravděpodobnostní prostor (Ω, A, P). Zobrazení. nebo ekvivalentně 7 Náhodný vektor Nezávislost náhodných veličin Definice 7 Nechť je dán pravděpodobnostní prostor (Ω, A, P) Zobrazení X : Ω R n, které je A-měřitelné, se nazývá (n-rozměrný) náhodný vektor Měřitelností

Více

Výběrové charakteristiky a jejich rozdělení

Výběrové charakteristiky a jejich rozdělení Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Statistické šetření úplné (vyčerpávající) neúplné (výběrové) U výběrového šetření se snažíme o to, aby výběrový

Více

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2017

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2017 Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 207 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia

Více

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2014

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2014 Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2014 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia

Více

Základy teorie pravděpodobnosti

Základy teorie pravděpodobnosti Základy teorie pravděpodobnosti Náhodná veličina Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 12. února 2012 Statistika by Birom Základy teorie

Více

Funkce jedné proměnné

Funkce jedné proměnné Funkce jedné proměnné Příklad - V následujících příkladech v případě a) pro funkce dané rovnicí zjistěte zda jsou rostoucí klesající nebo konstantní vypočítejte průsečíky grafu s osami souřadnic a graf

Více

X = x, y = h(x) Y = y. hodnotám x a jedné hodnotě y. Dostaneme tabulku hodnot pravděpodobnostní

X = x, y = h(x) Y = y. hodnotám x a jedné hodnotě y. Dostaneme tabulku hodnot pravděpodobnostní ..08 8cv7.tex 7. cvičení - transformace náhodné veličiny Definice pojmů a základní vzorce Je-li X náhodná veličina a h : R R je měřitelná funkce, pak náhodnou veličinu Y, která je definovaná vztahem X

Více

SLOŽENÉ ÚROKOVÁNÍ. částky naspořené po n letech při m úrokových obdobích za jeden rok platí formule

SLOŽENÉ ÚROKOVÁNÍ. částky naspořené po n letech při m úrokových obdobích za jeden rok platí formule Klasický termínovaný vklad SLŽENÉ ÚRKVÁNÍ PŘÍKLAD: Podnikatel uložil na klasický termínovaný vklad částku 300 000 Kč. Jaká bude výše kapitálu za 3 roky, jestliže úroková sazba činí 2% p.a. a je a) roční

Více

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2016

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2016 Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 206 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOST A STATISTIKA Náhodný výběr Nechť X je náhodná proměnná, která má distribuční funkci F(x, ϑ). Předpokládejme, že známe tvar distribuční funkce (víme jaké má rozdělení) a neznáme parametr

Více

Matematika III 10. týden Číselné charakteristiky střední hodnota, rozptyl, kovariance, korelace

Matematika III 10. týden Číselné charakteristiky střední hodnota, rozptyl, kovariance, korelace Matematika III 10. týden Číselné charakteristiky střední hodnota, rozptyl, kovariance, korelace Jan Slovák Masarykova univerzita Fakulta informatiky 28. 11 2. 12. 2016 Obsah přednášky 1 Literatura 2 Střední

Více

Diferenciální rovnice a jejich aplikace. (Brkos 2011) Diferenciální rovnice a jejich aplikace 1 / 36

Diferenciální rovnice a jejich aplikace. (Brkos 2011) Diferenciální rovnice a jejich aplikace 1 / 36 Diferenciální rovnice a jejich aplikace Zdeněk Kadeřábek (Brkos 2011) Diferenciální rovnice a jejich aplikace 1 / 36 Obsah 1 Co to je derivace? 2 Diferenciální rovnice 3 Systémy diferenciálních rovnic

Více

6.8 Základní účtování nákladů a výnosů

6.8 Základní účtování nákladů a výnosů Základní účtování nákladů a výnosů 6 6.8 Základní účtování nákladů a výnosů 6.8.1 Vymezení pojmu náklady a výnosy Náklady Při podnikatelské činnosti dochází ke spotřebě majetkových složek (například spotřeba

Více

Pravděpodobnost a matematická statistika

Pravděpodobnost a matematická statistika Pravděpodobnost a matematická statistika Příklady k přijímacím zkouškám na doktorské studium 1 Popisná statistika Určete aritmetický průměr dat, zadaných tabulkou hodnot x i a četností n i x i 1 2 3 n

Více

Přijímací zkouška na navazující magisterské studium 2018

Přijímací zkouška na navazující magisterské studium 2018 Přijímací zkouška na navazující magisterské studium 2018 Řešení příkladů pečlivě odůvodněte. Příklad 1 (2 bodů) Studijní program: Studijní obory: Varianta A Matematika MMUI Navrhněte deterministický konečný

Více

Slovní úlohy 1. 2,42cm; 7cm; 11,58cm; 2. původní cena; dní; 4. 2,3*10 15 kg; 5. 2,8*10 14 ; ; 27325; 7. 3, 9, 27; -3, 9, -27;

Slovní úlohy 1. 2,42cm; 7cm; 11,58cm; 2. původní cena; dní; 4. 2,3*10 15 kg; 5. 2,8*10 14 ; ; 27325; 7. 3, 9, 27; -3, 9, -27; 1. Posloupnosti 1.1. Úvod geometrické znázornění, monotonie posloupnosti, rekurentní vzorec a vzorec pro n-tý člen. 1.A) 15, 17, 19; B) 128, 256, 512; C) 45, 51, 57; D) 6, 2, 4; E) 32768, 131072, 524288;

Více

ROZDĚLENÍ SPOJITÝCH NÁHODNÝCH VELIČIN

ROZDĚLENÍ SPOJITÝCH NÁHODNÝCH VELIČIN ROZDĚLENÍ SPOJITÝCH NÁHODNÝCH VELIČIN Rovnoměrné rozdělení R(a,b) rozdělení s konstantní hustotou pravděpodobnosti v intervalu (a,b) f( x) distribuční funkce 0 x a F( x) a x b b a 1 x b b 1 a x a a x b

Více

Otázky k ústní zkoušce, přehled témat A. Číselné řady

Otázky k ústní zkoušce, přehled témat A. Číselné řady Otázky k ústní zkoušce, přehled témat 2003-2004 A Číselné řady Vysvětlete pojmy částečný součet řady, součet řady, řadonverguje, řada je konvergentní Formulujte nutnou podmínku konvergence řady a odvoďte

Více

Matematika I A ukázkový test 1 pro 2011/2012. x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a

Matematika I A ukázkový test 1 pro 2011/2012. x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a Matematika I A ukázkový test 1 pro 2011/2012 1. Je dána soustava rovnic s parametrem a R x y + z = 1 a) Napište Frobeniovu větu. x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a b) Vyšetřete počet řešení soustavy

Více

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A4. Cvičení, letní semestr DOMÁCÍ ÚLOHY. Jan Šafařík

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A4. Cvičení, letní semestr DOMÁCÍ ÚLOHY. Jan Šafařík Vysoké učení technické v Brně Stavební fakulta ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE Matematika 0A4 Cvičení, letní semestr DOMÁCÍ ÚLOHY Jan Šafařík Brno c 200 (1) 120 krát jsme házeli hrací kostkou.

Více

Kapitola 10: Diferenciální rovnice 1/14

Kapitola 10: Diferenciální rovnice 1/14 Kapitola 10: Diferenciální rovnice 1/14 Co je to diferenciální rovnice? Definice: Diferenciální rovnice je vztah mezi hledanou funkcí y(x), jejími derivacemi y (x), y (x), y (x),... a nezávisle proměnnou

Více

6.8 Základní účtování nákladů a výnosů

6.8 Základní účtování nákladů a výnosů 6 Základní účtování nákladů a výnosů 6.8 Základní účtování nákladů a výnosů 6.8.1 Vymezení pojmu náklady a výnosy Náklady! & Při podnikatelské činnosti dochází ke spotřebě majetkových složek (například

Více

Přijímací zkouška na navazující magisterské studium 2017

Přijímací zkouška na navazující magisterské studium 2017 Přijímací zkouška na navazující magisterské studium 27 Studijní program: Studijní obor: Matematika Finanční a pojistná matematika Varianta A Řešení příkladů pečlivě odůvodněte. Věnujte pozornost ověření

Více

Téma 22. Ondřej Nývlt

Téma 22. Ondřej Nývlt Téma 22 Ondřej Nývlt nyvlto1@fel.cvut.cz Náhodná veličina a náhodný vektor. Distribuční funkce, hustota a pravděpodobnostní funkce náhodné veličiny. Střední hodnota a rozptyl náhodné veličiny. Sdružené

Více

Matematická analýza III.

Matematická analýza III. 3. Implicitní funkce Miroslav Hušek, Lucie Loukotová UJEP 2010 V této kapitole se seznámíme s dalším možným zadáním funkce jejím implicitním vyjádřením. Doplní tak nám již známé explicitní a parametrické

Více

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobnost a aplikovaná statistika MGR. JANA SEKNIČKOVÁ, PH.D. 2. KAPITOLA PODMÍNĚNÁ PRAVDĚPODOBNOST 3. KAPITOLA NÁHODNÁ VELIČINA 9.11.2017 Opakování Uveďte příklad aplikace geometrické definice pravděpodobnosti

Více

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2015

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2015 Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 05 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia

Více

Náhodná veličina Číselné charakteristiky diskrétních náhodných veličin Spojitá náhodná veličina. Pravděpodobnost

Náhodná veličina Číselné charakteristiky diskrétních náhodných veličin Spojitá náhodná veličina. Pravděpodobnost Pravděpodobnost Náhodné veličiny a jejich číselné charakteristiky Petr Liška Masarykova univerzita 19.9.2014 Představme si, že provádíme pokus, jehož výsledek dokážeme ohodnotit číslem. Před provedením

Více

Mgr. Rudolf Blažek, Ph.D. prof. RNDr. Roman Kotecký Dr.Sc.

Mgr. Rudolf Blažek, Ph.D. prof. RNDr. Roman Kotecký Dr.Sc. Náhodné veličiny III Mgr. Rudolf Blažek, Ph.D. prof. RNDr. Roman Kotecký Dr.Sc. Katedra teoretické informatiky Fakulta informačních technologií České vysoké učení technické v Praze c Rudolf Blažek, Roman

Více

Regresní analýza 1. Regresní analýza

Regresní analýza 1. Regresní analýza Regresní analýza 1 1 Regresní funkce Regresní analýza Důležitou statistickou úlohou je hledání a zkoumání závislostí proměnných, jejichž hodnoty získáme při realizaci experimentů Vzhledem k jejich náhodnému

Více

MATEMATICKÁ STATISTIKA

MATEMATICKÁ STATISTIKA MATEMATICKÁ STATISTIKA 1. Úvod. Matematická statistika se zabývá vyšetřováním zákonitostí, které v sobě obsahují prvek náhody. Zpracováním hodnot, které jsou výstupem sledovaného procesu, se snažíme popsat

Více

Jednoduché cykly 35. 36. 37. 38. 39. 40. 41. 42. 43. 44. 45.

Jednoduché cykly 35. 36. 37. 38. 39. 40. 41. 42. 43. 44. 45. Jednoduché cykly Tento oddíl obsahuje úlohy na první procvičení práce s cykly. Při řešení každé ze zde uvedených úloh stačí použít vedle podmíněných příkazů jen jediný cyklus. Nepotřebujeme používat ani

Více

Přijímací zkouška na navazující magisterské studium 2018

Přijímací zkouška na navazující magisterské studium 2018 Přijímací zkouška na navazující magisterské studium 208 Studijní program: Studijní obory: Matematika MA, MMIT, MMFT, MSTR, MNVM, MPMSE Varianta A Řešení příkladů pečlivě odůvodněte. Věnujte pozornost ověření

Více

Pravděpodobnost a statistika (BI-PST) Cvičení č. 4

Pravděpodobnost a statistika (BI-PST) Cvičení č. 4 Pravděpodobnost a statistika (BI-PST) Cvičení č. 4 J. Hrabáková, I. Petr, F. Štampach, D. Vašata Katedra aplikované matematiky Fakulta informačních technologií České vysoké učení technické v Praze ZS 2014/2015

Více

K n = lim K 0.(1 + i/m) m.n. K n = K 0.e i.n. Stav kapitálu při spojitém úročení:

K n = lim K 0.(1 + i/m) m.n. K n = K 0.e i.n. Stav kapitálu při spojitém úročení: Finanční matematika Spojité úročení Doposud při výpočtu stavu kapitálu na konci doby uložení byl proveden za (tacitního) předpokladu, že četnost připisování úroku za 1 rok m je konečné číslo délka jednoho

Více

AVDAT Nelineární regresní model

AVDAT Nelineární regresní model AVDAT Nelineární regresní model Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Nelineární regresní model Ey i = f (x i, β) kde x i je k-členný vektor vysvětlujících proměnných

Více

Úročení a časová hodnota peněz

Úročení a časová hodnota peněz Úročení a časová hodnota peněz V přednášce budou představeny základní pojmy z finanční matematiky. 1 Jednoduché úročení a diskontování V případě jednoduchého úročení nedochází k připisování úroku k původnímu

Více

19 Hilbertovy prostory

19 Hilbertovy prostory M. Rokyta, MFF UK: Aplikovaná matematika III kap. 19: Hilbertovy prostory 34 19 Hilbertovy prostory 19.1 Úvod, základní pojmy Poznámka (připomenutí). Necht (X,(, )) je vektorový prostor se skalárním součinem

Více

Fakt. Každou soustavu n lineárních ODR řádů n i lze eliminací převést ekvivalentně na jednu lineární ODR

Fakt. Každou soustavu n lineárních ODR řádů n i lze eliminací převést ekvivalentně na jednu lineární ODR DEN: ODR teoreticky: soustavy rovnic Soustava lineárních ODR 1 řádu s konstantními koeficienty je soustava ve tvaru y 1 = a 11 y 1 + a 12 y 2 + + a 1n y n + b 1 (x) y 2 = a 21 y 1 + a 22 y 2 + + a 2n y

Více

Zápočtová písemka z Matematiky III (BA04) skupina A

Zápočtová písemka z Matematiky III (BA04) skupina A skupina A 0 pro x < 1, ae x pro x 1, ), Pravděpodobnost P (X ) a P (X =.). E (X) a E ( X 1). Hustotu transformované náhodné veličiny Y = (X + 1). F(x) = x 3 pro x (0, 9), Hustotu f(x). Pravděpodobnost

Více

NÁHODNÁ VELIČINA. 3. cvičení

NÁHODNÁ VELIČINA. 3. cvičení NÁHODNÁ VELIČINA 3. cvičení Náhodná veličina Náhodná veličina funkce, která každému výsledku náhodného pokusu přiřadí reálné číslo. Je to matematický model popisující více či méně dobře realitu, který

Více

ODR metody Runge-Kutta

ODR metody Runge-Kutta ODR metody Runge-Kutta Teorie (velmi stručný výběr z přednášek) Úloha s počátečními podmínkami (Cauchyova) 1 řádu Hledáme aprox řešení Y(x) soustavy obyčejných diferenciálních rovnic 1 řádu kde Y(x) =

Více

Přijímací zkoušky z matematiky pro akademický rok 2018/19 NMgr. studium Učitelství matematiky ZŠ, SŠ

Přijímací zkoušky z matematiky pro akademický rok 2018/19 NMgr. studium Učitelství matematiky ZŠ, SŠ Přijímací zkoušky z matematiky pro akademický rok 8/9 NMgr studium Učitelství matematiky ZŠ, SŠ Datum zkoušky: Varianta Registrační číslo uchazeče: Příklad 3 4 5 Celkem Body Ke každému příkladu uved te

Více

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2014

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2014 Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 204 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia

Více

Aplikovaná numerická matematika

Aplikovaná numerická matematika Aplikovaná numerická matematika 6. Metoda nejmenších čtverců doc. Ing. Róbert Lórencz, CSc. České vysoké učení technické v Praze Fakulta informačních technologií Katedra počítačových systémů Příprava studijních

Více

Charakterizace rozdělení

Charakterizace rozdělení Charakterizace rozdělení Momenty f(x) f(x) f(x) μ >μ 1 σ 1 σ >σ 1 g 1 g σ μ 1 μ x μ x x N K MK = x f( x) dx 1 M K = x N CK = ( x M ) f( x) dx ( xi M 1 C = 1 K 1) N i= 1 K i K N i= 1 K μ = E ( X ) = xf

Více

4. Aplikace matematiky v ekonomii

4. Aplikace matematiky v ekonomii 4. Aplikace matematiky v ekonomii 1 Lineární algebra Soustavy 1) Na základě statistických údajů se zjistilo, že závislost množství statku z poptávaného v průběhu jednoho týdne lze popsat vztahem q d =

Více

6.8 Základní účtování nákladů a výnosů

6.8 Základní účtování nákladů a výnosů .8 Základní účtování nákladů a výnosů.8.1 Vymezení pojmu náklady a výnosy Náklady Při zhotovování výrobků nebo provedení jiných výkonů dochází ke spotřebě výrobních činitelů (spotřeba materiálu, pracovní

Více

Obsah Obyčejné diferenciální rovnice

Obsah Obyčejné diferenciální rovnice Obsah 1 Obyčejné diferenciální rovnice 3 1.1 Základní pojmy............................................ 3 1.2 Obyčejné diferenciální rovnice 1. řádu................................ 5 1.3 Exaktní rovnice............................................

Více

MATEMATIKA III V PŘÍKLADECH

MATEMATIKA III V PŘÍKLADECH VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ MATEMATIKA III V PŘÍKLADECH Cvičení 7 Rozdělení pravděpodobnosti spojité náhodné veličiny Mgr. Petr Otipka Ostrava 2013 Mgr. Petr Otipka

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOST A STATISTIKA Náhodná proměnná Náhodná veličina slouží k popisu výsledku pokusu. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáme. Přesto bychom chtěli tento pokus

Více

MATEMATIKA III. Olga Majlingová. Učební text pro prezenční studium. Předběžná verze

MATEMATIKA III. Olga Majlingová. Učební text pro prezenční studium. Předběžná verze Fakulta strojního inženýrství Univerzity J. E. Purkyně v Ústí nad Labem Pasteurova 7 Tel.: 475 285 511 400 96 Ústí nad Labem Fax: 475 285 566 Internet: www.ujep.cz E-mail: kontakt@ujep.cz MATEMATIKA III

Více

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) =

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) = Základní rozdělení pravděpodobnosti Diskrétní rozdělení pravděpodobnosti. Pojem Náhodná veličina s Binomickým rozdělením Bi(n, p), kde n je přirozené číslo, p je reálné číslo, < p < má pravděpodobnostní

Více

6.1 Normální (Gaussovo) rozdělení

6.1 Normální (Gaussovo) rozdělení 6 Spojitá rozdělení 6.1 Normální (Gaussovo) rozdělení Ze spojitých rozdělení se v praxi setkáme nejčastěji s normálním rozdělením. Toto rozdělení je typické pro mnoho náhodných veličin z rozmanitých oborů

Více

Minikurz aplikované statistiky. Minikurz aplikované statistiky p.1

Minikurz aplikované statistiky. Minikurz aplikované statistiky p.1 Minikurz aplikované statistiky Marie Šimečková, Petr Šimeček Minikurz aplikované statistiky p.1 Program kurzu základy statistiky a pravděpodobnosti regrese (klasická, robustní, s náhodnými efekty, ev.

Více

I. D i s k r é t n í r o z d ě l e n í

I. D i s k r é t n í r o z d ě l e n í 6. T y p y r o z d ě l e n í Poznámka: V odst. 5.5-5.10 jsme uvedli příklady náhodných veličin a jejich distribučních funkcí. Poznali jsme, že se od sebe liší svým typem. V příkladech 5.5, 5.6 a 5.8 jsme

Více

Kolik musíme pravidelně na daný účet spořit, vždy koncem každého druhého měsíce, abychom si za 9 let mohli z účtu vybrat při úrokové sazbě 9

Kolik musíme pravidelně na daný účet spořit, vždy koncem každého druhého měsíce, abychom si za 9 let mohli z účtu vybrat při úrokové sazbě 9 K testu průběžný Kolik musíme pravidelně na daný účet spořit, vždy koncem každého druhého měsíce, abychom si za 9 let mohli z účtu vybrat 250 000 při úrokové sazbě 9 % p.a. platné v průběhu prvních 4 let

Více

Vybraná rozdělení náhodné veličiny

Vybraná rozdělení náhodné veličiny 3.3 Vybraná rozdělení náhodné veličiny 0,16 0,14 0,12 0,1 0,08 0,06 0,04 0,02 0 Rozdělení Z 3 4 5 6 7 8 9 10 11 12 13 14 15 Život je umění vytvářet uspokojivé závěry na základě nedostatečných předpokladů.

Více

Funkce - pro třídu 1EB

Funkce - pro třídu 1EB Variace 1 Funkce - pro třídu 1EB Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv využití výukového materiálu je povoleno pouze s odkazem na www.jarjurek.cz. 1. Funkce Funkce je přiřazení, které každému

Více

p(x) = P (X = x), x R,

p(x) = P (X = x), x R, 6. T y p y r o z d ě l e n í Poznámka: V odst. 5.5-5.10 jsme uvedli příklady náhodných veličin a jejich distribučních funkcí. Poznali jsme, že se od sebe liší svým typem. V příkladech 5.5, 5.6 a 5.8 jsme

Více

Učební plán 4. letého studia předmětu matematiky. Učební plán 6. letého studia předmětu matematiky

Učební plán 4. letého studia předmětu matematiky. Učební plán 6. letého studia předmětu matematiky Učební plán 4. letého studia předmětu matematiky Ročník I II III IV Dotace 3 3+1 2+1 2+2 Povinnost povinný povinný povinný povinný Učební plán 6. letého studia předmětu matematiky Ročník 1 2 3 4 5 6 Dotace

Více

Náhodná veličina a její charakteristiky. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáte. Proto je proměnná, která

Náhodná veličina a její charakteristiky. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáte. Proto je proměnná, která Náhodná veličina a její charakteristiky Náhodná veličina a její charakteristiky Představte si, že provádíte náhodný pokus, jehož výsledek jste schopni ohodnotit nějakým číslem. Před provedením pokusu jeho

Více

Matematika II, úroveň A ukázkový test č. 1 (2017) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené

Matematika II, úroveň A ukázkový test č. 1 (2017) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené 28. 2. 2017 Matematika II, úroveň A ukázkový test č. 1 (2017) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené mn. M E n. Zapište a načrtněte množinu D, ve které

Více

Matematika PRŮŘEZOVÁ TÉMATA

Matematika PRŮŘEZOVÁ TÉMATA Matematika ročník TÉMA 1-4 Operace s čísly a - provádí aritmetické operace v množině reálných čísel - používá různé zápisy reálného čísla - používá absolutní hodnotu, zapíše a znázorní interval, provádí

Více

Časová hodnota peněz (2015-01-18)

Časová hodnota peněz (2015-01-18) Časová hodnota peněz (2015-01-18) Základní pojem moderní teorie financí. Říká nám, že peníze svoji hodnotu v čase mění. Díky časové hodnotě peněz jsme schopni porovnat různé investiční nebo úvěrové nabídky

Více

Q(y) dy = P(x) dx + C.

Q(y) dy = P(x) dx + C. Cíle Naše nejbližší cíle spočívají v odpovědích na základní otázky, které si klademe v souvislosti s diferenciálními rovnicemi: 1. Má rovnice řešení? 2. Kolik je řešení a jakého jsou typu? 3. Jak se tato

Více

KGG/STG Statistika pro geografy

KGG/STG Statistika pro geografy KGG/STG Statistika pro geografy 4. Teoretická rozdělení Mgr. David Fiedor 9. března 2015 Osnova Úvod 1 Úvod 2 3 4 5 Vybraná rozdělení náhodných proměnných normální rozdělení normované normální rozdělení

Více

Matematika I A ukázkový test 1 pro 2014/2015

Matematika I A ukázkový test 1 pro 2014/2015 Matematika I A ukázkový test 1 pro 2014/2015 1. Je dána soustava rovnic s parametrem a R x y + z = 1 x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a a) Napište Frobeniovu větu (existence i počet řešení). b)

Více

Poznámka: V kurzu rovnice ostatní podrobně probíráme polynomické rovnice a jejich řešení.

Poznámka: V kurzu rovnice ostatní podrobně probíráme polynomické rovnice a jejich řešení. @083 6 Polynomické funkce Poznámka: V kurzu rovnice ostatní podrobně probíráme polynomické rovnice a jejich řešení. Definice: Polynomická funkce n-tého stupně (n N) je dána předpisem n n 1 2 f : y a x

Více

8 Střední hodnota a rozptyl

8 Střední hodnota a rozptyl Břetislav Fajmon, UMAT FEKT, VUT Brno Této přednášce odpovídá kapitola 10 ze skript [1]. Také je k dispozici sbírka úloh [2], kde si můžete procvičit příklady z kapitol 2, 3 a 4. K samostatnému procvičení

Více

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC Přednáška 03 Přírodovědecká fakulta Katedra matematiky KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC jiri.cihlar@ujep.cz Diskrétní rozdělení Důležitá diskrétní rozdělení pravděpodobnosti

Více

Střední hodnota a rozptyl náhodné. kvantilu. Ing. Michael Rost, Ph.D.

Střední hodnota a rozptyl náhodné. kvantilu. Ing. Michael Rost, Ph.D. Střední hodnota a rozptyl náhodné veličiny, vybraná rozdělení diskrétních a spojitých náhodných veličin, pojem kvantilu Ing. Michael Rost, Ph.D. Príklad Předpokládejme že máme náhodnou veličinu X která

Více

P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod.

P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod. P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod. Matematický přístup k výsledkům únavových zkoušek Náhodnost výsledků únavových zkoušek. Únavové

Více

PRAVDĚPODOBNOST A STATISTIKA. Odhady parametrů Postačující statistiky

PRAVDĚPODOBNOST A STATISTIKA. Odhady parametrů Postačující statistiky PRAVDĚPODOBNOS A SAISIKA Odhady parametrů SP3 Připomenutí pojmů Připomenutí pojmů z S1P a SP2 odhady Nechť X,, je náhodný výběr z rozdělení s distribuční funkcí. 1 X,, X ) ( 1 n Statistika se nazývá bodovým

Více

Semestrální písemka BMA3 - termín varianta A13 vzorové řešení

Semestrální písemka BMA3 - termín varianta A13 vzorové řešení Semestrální písemka BMA3 - termín 6.1.9 - varianta A13 vzorové řešení Každý příklad je hodnocen maximálně 18 body, z toho část a) 1 body a část b) body. Mezivýsledky při výpočtech zaokrouhlujte alespoň

Více

VYUŽITÍ PRAVDĚPODOBNOSTNÍ METODY MONTE CARLO V SOUDNÍM INŽENÝRSTVÍ

VYUŽITÍ PRAVDĚPODOBNOSTNÍ METODY MONTE CARLO V SOUDNÍM INŽENÝRSTVÍ VYUŽITÍ PRAVDĚPODOBNOSTNÍ METODY MONTE CARLO V SOUDNÍM INŽENÝRSTVÍ Michal Kořenář 1 Abstrakt Rozvoj výpočetní techniky v poslední době umožnil také rozvoj výpočetních metod, které nejsou založeny na bázi

Více

Matematika II, úroveň A ukázkový test č. 1 (2016) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené

Matematika II, úroveň A ukázkový test č. 1 (2016) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené 22. 2. 2016 Matematika II, úroveň A ukázkový test č. 1 (2016) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené mn. M E n. Zapište a načrtněte množinu D, ve které

Více

Náhodný vektor a jeho charakteristiky

Náhodný vektor a jeho charakteristiky Náhodný vektor a jeho číselné charakteristiky 1 Náhodný vektor a jeho charakteristiky V následující kapitole budeme věnovat pozornost pouze dvourozměřnému náhodnému vektoru, i když uvedené pojmy a jejich

Více

správně - A, jeden celý příklad správně - B, jinak - C. Pro postup k ústní části zkoušky je potřeba dosáhnout stupně A nebo B.

správně - A, jeden celý příklad správně - B, jinak - C. Pro postup k ústní části zkoušky je potřeba dosáhnout stupně A nebo B. Zkouška z předmětu KMA/PST. Anotace předmětu Náhodné jevy, pravděpodobnost, podmíněná pravděpodobnost. Nezávislé náhodné jevy. Náhodná veličina, distribuční funkce. Diskrétní a absolutně spojitá náhodná

Více

Gymnázium Jiřího Ortena, Kutná Hora

Gymnázium Jiřího Ortena, Kutná Hora Předmět: Cvičení z matematiky Náplň: Systematizace a prohloubení učiva matematiky Třída: 4. ročník Počet hodin: 2 Pomůcky: Učebna s dataprojektorem, PC, grafický program, tabulkový procesor Číselné obory

Více

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y 9. T r a n s f o r m a c e n á h o d n é v e l i č i n y Při popisu procesů zpracováváme vstupní údaj, hodnotu x tak, že výstupní hodnota y závisí nějakým způsobem na vstupní, je její funkcí y = f(x).

Více

Systematizace a prohloubení učiva matematiky. Učebna s dataprojektorem, PC, grafický program, tabulkový procesor. Gymnázium Jiřího Ortena, Kutná Hora

Systematizace a prohloubení učiva matematiky. Učebna s dataprojektorem, PC, grafický program, tabulkový procesor. Gymnázium Jiřího Ortena, Kutná Hora Předmět: Náplň: Třída: Počet hodin: Pomůcky: Cvičení z matematiky Systematizace a prohloubení učiva matematiky 4. ročník 2 hodiny Učebna s dataprojektorem, PC, grafický program, tabulkový procesor Číselné

Více

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Jan Kracík

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Jan Kracík Pravděpodobnost a statistika, Biostatistika pro kombinované studium Letní semestr 2017/2018 Tutoriál č. 2:, náhodný vektor Jan Kracík jan.kracik@vsb.cz náhodná veličina rozdělení pravděpodobnosti náhodné

Více

Pravděpodobnost a statistika (BI-PST) Cvičení č. 7

Pravděpodobnost a statistika (BI-PST) Cvičení č. 7 Pravděpodobnost a statistika (BI-PST) Cvičení č. 7 R. Blažek, M. Jiřina, J. Hrabáková, I. Petr, F. Štampach, D. Vašata Katedra aplikované matematiky Fakulta informačních technologií České vysoké učení

Více

NÁHODNÝ VEKTOR. 4. cvičení

NÁHODNÝ VEKTOR. 4. cvičení NÁHODNÝ VEKTOR 4. cvičení Náhodný vektor Náhodným vektorem rozumíme sloupcový vektor X=(X, X,, X n ) složený z náhodných veličin X, X,, X n, který je charakterizován sdruženým rozdělením pravděpodobnosti.

Více

Pojistná matematika. Úmrtnostní tabulky, komutační čísla a jejich použití. Silvie Kafková

Pojistná matematika. Úmrtnostní tabulky, komutační čísla a jejich použití. Silvie Kafková Úmrtnostní tabulky, komutační čísla a jejich použití 2015 Osnova 1 Délka života 2 Intenzita úmrtnosti 3 Úmrtnostní Tabulky 4 Komutační čísla Obsah 1 Délka života 2 Intenzita úmrtnosti 3 Úmrtnostní Tabulky

Více

POSLOUPNOSTI A ŘADY INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky

POSLOUPNOSTI A ŘADY INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky POSLOUPNOSTI A ŘADY Gymnázium Jiřího Wolkera v Prostějově Výukové materiály z matematiky pro vyšší gymnázia Autoři projektu Student na prahu 21. století - využití ICT ve vyučování matematiky na gymnáziu

Více