Základy teorie pravděpodobnosti Kapitola: Numerické výpočty příklad 1. Stránka v kapitole 1

Rozměr: px
Začít zobrazení ze stránky:

Download "Základy teorie pravděpodobnosti Kapitola: Numerické výpočty příklad 1. Stránka v kapitole 1"

Transkript

1 Základy teorie pravděpodobnosti Kapitola: Numerické výpočty příklad 1. Stránka v kapitole 1 Příklad 1. Výpočet pomocí rozšířeného Bernoulliho schematu. Příklad řeší výpočtem rozložení prvků losovaných k do pravidelně rozděleného počtu všech možných n celku. Volíme často používaný model loterní hry 6 losovaných z celku 49. Pro účel demonstrace rozdělíme 49 na 7 stejných skupinek, které znázorňují členění systému. Členění reprezentuje různé vlastnosti. Každá podmnožina 7p představuje například navzájem vylučující se varianty. Nejprve provedeme vlastní výpočet, a následně provedeme statistické vyhodnocení jednotlivých k-tic, pro k (0, 1,..6). Na závěr provedeme stručný komentář. Řešení: Nejprve určíme pomocí tabulky všechny různé typy rozložení 6 losovaných do sedmi skupin po 7p. Těmto podobám budeme říkat modifikace M (modifikace rozložení k losovaných do rozděleného systému všech možných n) 7(7p c m n ) _ M N při: M K (6x 1 ) 4 M N-K (43x 0 ) v rámci existující současnosti Každý stav množiny v jediném okamžiku M N (dt) 0 při (dt) 0 historická existenční hodnota má 6p = 1 (hodnota), při Σp = 6 (velikost 6*1 p + 43*0 p ) Pro kombinace 6. třídy z celku 49 existuje různých historických stavů. Tabulka výpočtu příkladu číslo 1 rozšířené Bernoulliho schema Schema výpočtu P.č. N = 7 podmožin po 7 prvcích Váha variance Základní výpočet objemu modidfikací M Celkem M 7p 7p 7p 7p 7p 7p 7p Podle vzorce 7p 7p 7p 7p 7p 7p 7p Základ počtu součin n1 n2 n3 n4 n5 n6 n7 k-tic v n-ticích n1 n2 n3 n4 n5 n6 n7 součin řádek váha*základ 1 6 Kombinace C (1 ze 7) C(6 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) Π C řádek váha*zákl. z řádku Variace V(2 ze 7) C(6 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) Π C řádek váha*zákl. z řádku Variace V(2 ze 7) C(6 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) Π C řádek váha*zákl. z řádku C(1 ze 7) * C(2 ze 6) C(6 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) Π C řádek váha*zákl. z řádku Kombinace C(2 ze 7) C(6 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) Π C řádek váha*zákl. z řádku Variace V(3 ze 7) C(6 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) Π C řádek váha*zákl. z řádku C(1 ze 7) * C(3 ze 6) C(6 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) Π C řádek váha*zákl. z řádku Kombinace C(3 ze 7) C(6 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) Π C řádek váha*zákl. z řádku C(2 ze 7) * C(2 ze 5) C(6 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) Π C řádek váha*zákl. z řádku C(1 ze 7) * C(2 ze 6) C(6 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) Π C řádek váha*zákl. z řádku Kombinace C (1 ze 7) C(6 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) C(0 ze 7) Π C řádek váha*zákl. z řádku Vlastní výpočet (kvantifikace modelu podle schematu) P.č. N = 7 podmožin po 7 prvcích Váha Základní výpočet objemu modidfikací M Celkem M 7p 7p 7p 7p 7p 7p 7p k-tic v n-ticích 7p 7p 7p 7p 7p 7p 7p Základ počtu součin n1 n2 n3 n4 n5 n6 n7 Velikost variance n1 n2 n3 n4 n5 n6 n7 součin řádek váha*základ Celkem 11 modifikací obsahuje všech různých stavů systému kombinací 6 ze 49, což dokazuje součet Tabulka 1: Numerický příklad 1 Rozšířené Bernoulliho schema Tabulka příkladu nám ukazuje rozšířené Bernoulliho schema pro hypergeometrické rozdělení jevu pravděpodobnosti. Rozšíření spočívá v několika skutečnostech.

2 Základy teorie pravděpodobnosti Kapitola: Numerické výpočty příklad 1. Stránka v kapitole 2 Rozšíření kombinatorických pojmů : Rozšiřujeme kombinatorické pojmy o výraz modifikace značka M. Jde o množiny různých stavů všech současných prvků M N, které jsou si podobné příslušností prvků K do podmnožin N. V souvislosti s velikostí jednotlivých modifikací zavádíme statistický pojem váhy jako součást výpočtu, kterému budeme říkat kvantifikace základního modelu. Vyjadřuje varianci podmnožin K vně podmnožin N. Tato váha se vztahuje pouze k určité jedné podobě uspořádání. Váhu vyjadřujeme jen pro případy shodně objemných podmnožin N. V ostatních případech je váha rovna 1 celá. Váha je jakýmsi vnějším rozměrem modifikace, zatímco vlastní velikost je vnitřním rozměrem této. Přes to je celý výpočet jen vahou počtu různých a podobných stavů a tedy kvantifikací. Kvantifikací rozumíme plný výpočet. Model systému je dán schematem, který je obecně kombinatorický, a nejčastěji je také modelem kombinací. To znamená že vyjadřuje počet všech různých kombinací k-té třídy z celku n. Model variací stejného základu určujeme také jako stejný model kombinací, protože variace se od kombinací liší pouze počtem variace v M K. (Variace k z n) = k! (Kombinace k z n). Rozšíření pojmů existenčních logických hodnot : Existenční hodnoty rozšiřujeme o pojem času aplikovaného do formálního vyjádření. Zde na úrovni příklad číslo 1 rozšiřujeme pouze o výraz : M N (dt) 0 při (dt) 0 historická existenční hodnota jediného stavu množiny s hodnotou 1 a velikostí k. Proč tomu tak je popisujeme zejména v kapitole Vzorové příklady řešení př. 1, 2., a 3. Motem existence v historii je skutečnost, že stav popisovaný už vlastně neexistuje, a jeho podoba je zakonzervovaná. Všechny prvky mají nějakou podobu, kterou jim dala existující současnost. V současnosti (když byl stav aktuální) měly prvky vylosované svou vlastní velikost danou jako x 1 a prvky nevylosované x 0. To platí pro současnost obecně, i když velikost prvků není shodná. Prvky výběru k jsou jakoby vidět (jsou viditelným povrchem), a prvky n-k vidět nejsou. Z toho plyne že prvky viditelné mají také velikost, a ty neviditelné jen hodnotu existence = 1. Což je názorné připodobnění nejlépe k povrchu tělesa. Poplatností pro jiné druhy množin se zabýváme v ostatních příkladech. Když se změní stav byť jediné součásti systému, jde o stav nový a ten původní se stává historickou skutečností. Tento přechod popisujeme jako derivaci vlastní původně současné velikosti, a proces znehodnotí velikost x 1 na velikost hodnoty 1, a velikost x 0 na 0. Toto popisujeme i přes důkaz, že jde o derivaci jako změnu takto: x 1 d 1 x, a podobně x 0 d 0 x. Mimo toho se zabýváme existencí v současnosti i budoucnosti, ale to se netýká tohoto zadání, takže přiblížení pojmů na tomto místě vynechávám. Mezi existenční pojmy patří hodnota jako součin a velikost jako součet. Takže součin všech existenčních veličin jednotlivých prvků je také hodnotou celého systému v jediném okamžiku. Hodnota historického stavu = součin všech prvků p(1 x ) 1 p(0 x ) 1...p n (0 x,1 x ) 1 Historický stav množiny jako pozitivní existenci vyjadřujeme jednicí. Počet různých stavů a nepřímo i tedy odlišných časů je vyjádřen binomickým koeficientem, v našem případě kombinačním vzorcem. Tyto binomické koeficienty jsou pak kvantifikátory kombinatorických modelů. Řešení dále pokračuje statistickým zpracováním podle zadání. Opět tabulkou provedeme vyhodnocení různých k-tic. Za tím účelem rozšíříme původní tabulku o výpis četností. Protože k tomu už postup nepotřebujeme, použijeme jen obraz a celkový počet za modifikace.

3 Základy teorie pravděpodobnosti Kapitola: Numerické výpočty příklad 1. Stránka v kapitole 3 Vlastní vyhodnocení provedeme ve sloupcích s nadpisem 0...6, což jsou skutečné podoby uspořádání losovaných prvků. (To by šlo samozřejmě i za pomoci klasických metod, ale ty už by si jen obtížně poradili s četností k=0, a navíc sledujeme jiný účel.) Tuto tabulku nazveme Speciální rozbor, a hodnoty budeme zadávat absolutní, tedy zatím žádné relativní a poměrné hodnoty. Na závěr však relativní hodnoty ukážeme, protože porovnáním toho, co nám dává původní Bernoulliho schema a naše upravené, by mělo souhlasit. Tím nepotvrzujeme jen podivným samoúčelným způsobem správnost výpočtu, ale ukazujeme kategorii výsledků původního schematu. V minulosti byl ne vždy správně výsledek aplikován. Vůbec celé Bernoulliho schema jako by zakrývalo tu část matematiky, o které se sice vědělo, ale která se už celé století postrádá zejména ve fyzice. Tabulka speciálního rozboru příkladu 1 numerických výpočtů. P.č. N = 7 podmožin po 7 prvcích Četnost M Celkem sečtené ktice druhy Speciální rozbor k-tic podle druhu k-tice podle druhu M 7p 7p 7p 7p 7p 7p 7p součin Sloupce násobků Sloupce výsledků (násobek x četnost M) n1 n2 n3 n4 n5 n6 n7 z řádku p 1p 2p 3p 4p 5p 6p Celkem 11 modifikací Součty sloupců Rel. četn. zatížená vahou (sloupec / ) v součtu = počet sloupců Tabulka 2: Numerický příklad 1 Speciální rozbor 2, , , , , , , Tabulka speciálního rozboru vyčísluje v absolutních hodnotách četnosti k-tic na etalonu všech kombinací 6. třídy z celku 49. Je samozřejmě logické, že dochází k vynásobení mezi sloupcem četnosti, který je převzat z vlastního výpočtu podle rozšířeného Bernoulliho schematu, a sloupci násobků druhů k-tic. Dostáváme tak také počet prázdných podmnožin. Speciální rozbor nám po přepočítání na relativní hodnoty udává skutečnou pravděpodobnost uhodnutí některého druhu k-tice do jednotlivé podmnožiny o sedmi prvcích. K tomu bychom použili některý známý statistický nástroj výpočtu. Co zjistíme zajímavého z tohoto speciálního rozboru? Samozřejmě mimo statistických výpočtů četností a pravděpodobnosti nalézáme jako výsledek kvantifikované těleso k-tic se souřadnicí 7p, tedy lépe vyjádřeno 6+1 losovaných. Tato skutečnost samo o sobě upozorňuje na to, že se asi pohybujeme v oblasti teoretické podobně jako je tomu u vzorových příkladů řešení č. 1, 2., a další. Znamená to, že každý případ výběru, nebo lépe losování musí skončit úspěchem za předpokladů, že systém existuje a funguje (koná). Jedná se o etalon, tedy výpis všech různých druhů, což je samo o sobě pouze predikcí možných budoucích vývojů reálného systému. Předpovědi na reálném systému se musí zakládat na vzájemném poměru jednotlivých k-tic. Takže pozor na vyjádření v rámci etalonu. Ten udává absolutně relativní četnosti. Pro předpověď je nutné vypočítat vzájemné relace vhodným způsobem. Například nejmenší počet > 0 = 1. Takže přepočítáme pravděpodobnost na 1 šestici v některé podmnožině 7p. Jde také o to, že vlastně všechny počty jsou jakoby 49 x větší nežli je počet na jeden tvar. Což vychází z toho, že systém analyzujeme jako 49x objemnější množi-

4 Základy teorie pravděpodobnosti Kapitola: Numerické výpočty příklad 1. Stránka v kapitole 4 nu nežli je losovaná 6p. Poměrnou četnost si vyjádříme opět tabulkou. Navíc si ukážeme těleso pravděpodobností v nástroji SPP. Tabulka speciálního rozboru příkladu 1 numerických výpočtů, poměrná četnost k tic v systému 7x7p. Četnost M Speciální rozbor k-tic podle druhu P.č. N = 7 podmožin po 7 prvcích Převzatý sečtené ktice druhy k-tice podle druhu poměrná absolutní četnost poměrem x/49 M 7p 7p 7p 7p 7p 7p 7p součin Sloupce násobků Sloupce výsledků (násobek x četnost M/49) n1 n2 n3 n4 n5 n6 n7 z řádku p 1p 2p 3p 4p 5p 6p Celkem 11 modifikací Součty sloupců Poměrná absolutní četnost systémů M P.č. N = 7 podmožin po 7 prvcích Přepočet M 7p 7p 7p 7p 7p 7p 7p n1 n2 n3 n4 n5 n6 n7 Součinu z řádku / Zobrazení výsledků v nástrojispp pravděpodobnost Poměrné a relativní četnosti mezi různými druhy k-tic. Funkce SPP Nad souřadnicí vzájemný poměr minor/major v procentech ,514% 44,8080% 7,65948% 0,57446% 0,01681% 0,00013% , ,4737% 6,74764% 0,50607% 0,01481% 0,00012% ,23 2, ,0940% 1,28205% 0,03752% 0,00030% ,06 14,82 5, ,50000% 0,21951% 0,00174% ,08 197,60 78,00 13, ,92683% 0,02323% , , ,00 455,56 34, ,79365% Celkem 11 modifikací Pod souřadnicí vzájemný poměr major/mi nor = 1:x Tabulka 3: Numerický příklad 1 Poměrná četnost k-tic systému 7x7 Musíme se pozastavit nad přepočtem absolutního množství. Kombinace 6. třídy z celku 49 čítají různých šestic. To nám ukazuje vlastní výsledek kvantifikace. Rozdělený nadsystém však existuje také jako podoba 7 nezávislých podmnožin, takže každá podmnožina má existenci v každém jednotlivém stavu množiny všech prvků. Ve speciálních rozborech se toto projeví jako násobek počtu podmnožin. Zde je to celkem pochopitelné, protože podmnožiny jsou netotožně shodné. Platí to ale také pro nestejně velké podmnožiny. A to už úplně logické není. Neobejdeme se bez výroků existence, hodnoty a velikosti (takto jsou také dokázány). Bernoulliho schema umí pouze vyjádřit v klasickém podání 2 podmnožiny (x; n-x), navíc s podílem, který vyjádří relativní četnost. Takže například k výše uvedeným schematům bychom se dopracovali pomocí klasického vyjádření postupným členěním na 2 podmnožiny. Rozšířené schema pracuje naráz se všemi danými podmnožinami. Základní Bernoulliho schema není schopné vyjádřit celý systém naráz, což nám ukazuje tabulka vedle SPP. Modifikace jako podoby systému mají 11 variant výskytu, a celkově případů. Takže uhodnutí do členěného systému 7x7 má pravděpodobnost 1/ = 0, pro tvar první modifikace. Samozřejmě je to 49x více nežli 1/ (Na maličkost musíme upozornit poznámkou. Když vsadíme jakýchkoliv 49 šestičísel, nedosáhneme velikosti pravděpodobnosti 1/ Šestice musí mít vlastnost obsahu všech různých k-tic stejně krát pokud tam jsou všechny. Přípustnou odchylkou je +/-1.

5 Základy teorie pravděpodobnosti Kapitola: Numerické výpočty příklad 1. Stránka v kapitole 5 Samozřejmě 49/6 je neceločíselně dělitelnou záležitostí, proto 8*6 = 48, a nedosáhneme na vlastnost systémů sedmic. Navíc systém 49 samostatných šestic 6x přikrývá všechny jednice a je tedy skutečně šestinásobně vrstvený, což je neviditelný problém z hlediska aritmetických výpočtů. Teoreticky totiž takový systém zaručuje uhodnutí jedné trojice losovaných. Výpočtem zjistíme že C(3 ze 49) všech možných trojic se vejde do 921,2 šestic, protože každá šestice obsahuje 20 trojic. Takže na uhodnutí jedné trojice ze 20 vylosovaných by postačovalo 46,06 tipů šestic < 49. Ale takový systém nelze sestrojit. To už souvisí s teorii stavby rozpisu, která bude zveřejněna samostatně jako součást publikace Kombinatorické konstrukce. Obecně analytické prostředky selhávají tím způsobem, že vydají například řešení jako celočíselnou dělitelnost a ono to nelze realizovat. Nejčastěji se jedná o nesplnění podmínky celočíselné dělitelnosti všech obsažených menších k-tic, ale jsou i jiné mnohem méně pochopitelné problémy.) Tabulka speciálního rozboru pravděpodobnost systémů a složek. P.č. N = 7 podmožin po 7 prvcích Přepočet sečtené ktice druh k-tice podle druhu poměrná absolutní četnost s relativní hodnotou M 7p 7p 7p 7p 7p 7p 7p pravděpodob. Sloupce násobků Sloupce výsledků četnost k-tic (rozpad pravděpodobností) n1 n2 n3 n4 n5 n6 n7 modifikací p 1p 2p 3p 4p 5p 6p , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , Celkem 11 modifikací 1, Součty sloupců 2, , , , , , , Váha existující velikost > 0 = 1 Váha Váha Váha Váha Váha Váha Váha Systémy modifikací 30 Počet hodnot Systémy modifikací 7,0000 součet velikostí 2, , , , , , , Aplikace současnosti na systému všech prvků jako Kombinační princip Tabulka 4: Numerický příklad 1 Speciální rozbor systémů a složek Součet velikostí pravděpodobností ukazuje závažnou skutečnost. Šedivý podklad vlastně vyjadřuje neexistenci velikosti. Existující velikosti pak dávají v různých sloupcích různé součty. Celkem součet všech sloupců dává počet 7, což je násobek pravděpodobnosti a počtu sloupců. Jednotlivé k-tice se vyskytují potenciálně ve všech sloupcích rozděleného n. Ostatní příklady ukáží, že tyto sloupce jsou různé velikostí. Přes to je skalární součet dán počtem podmnožin n. Je to logické, protože náš speciální rozbor je jen jinak přetříděným rozborem do podmnožin n. Tato skutečnost nás přivede na možnost vyjádřit počet existujících podmnožin bez toho, aby podmnožina měla nějakou aktuální velikost pravděpodobnosti. To je praktická záležitost pro statistiku. Libovolně rozdělíme sledovaný systém, a na dostupném intervalu najdeme různé druhy uspořádání signatur sledovaného jevu. Vyjádříme ho jako etalon a provedeme kvantifikaci spolu s tím také speciální rozbor a rozpad systémů plus složek v podobě pravděpodobnost * váha. Je-li součet celočíselný, můžeme téměř s jistotou tvrdit, že známe celý systém. Není-li tomu tak, musíme předpokládat jevy, které se nestaly. Dokonce někdy můžeme i určit o jaké jevy jde. V dalším příkladu numerických výpočtů si tutéž skutečnost ukážeme na nepravidelně členěném systému.

Základy teorie pravděpodobnosti Kapitola: Numerické výpočty příklad 2. Stránka v kapitole 1. Příklad 2. Modifikace M systému k=6p.

Základy teorie pravděpodobnosti Kapitola: Numerické výpočty příklad 2. Stránka v kapitole 1. Příklad 2. Modifikace M systému k=6p. Základy teorie pravděpodobnosti Kapitola: Numerické výpočty příklad 2. Stránka v kapitole 1 Příklad 2. Výpočet pomocí rozšířeného Bernoulliho schematu. Příklad řeší výpočtem rozložení prvků losovaných

Více

Základy teorie pravděpodobnosti Kapitola: Numerické výpočty příklad 5. Stránka v kapitole 1

Základy teorie pravděpodobnosti Kapitola: Numerické výpočty příklad 5. Stránka v kapitole 1 Základy teorie pravděpodobnosti Kapitola: Numerické výpočty příklad 5. Stránka v kapitole 1 Příklad 5. Výpočet pomocí Bernoulliho schematu demonstrující existenci systémové výhody určitého druhu. Obsažným

Více

Komentáře Schema 2 Vlastní provedení. Příklad 2.

Komentáře Schema 2 Vlastní provedení. Příklad 2. Příklad 2. Popíšeme předpoklady výpočtu pravděpodobnost výsledků hodu několika kostkami. Příklad prvého schematu ukázal, že rostoucím počtem mincí se mění relativní četnosti jednotlivých tvarů. Nyní tuto

Více

Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady

Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady Předmět: Náplň: Třída: Počet hodin: Pomůcky: Matematika Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady 4. ročník 3 hodiny týdně PC a dataprojektor Kombinatorika Řeší jednoduché úlohy

Více

Základy teorie pravděpodobnosti Kapitola: Pascalův trojúhelník. Stránka v kapitole 1

Základy teorie pravděpodobnosti Kapitola: Pascalův trojúhelník. Stránka v kapitole 1 Základy teorie pravděpodobnosti Kapitola: Pascalův trojúhelník. Stránka v kapitole 1 Upravený Pascalův trojúhelník. Pascalův trojúhelník zná snad každý. Přes to si ho opíšeme kvůli rozpomenutí se. Je to

Více

Maturitní témata profilová část

Maturitní témata profilová část Seznam témat Výroková logika, úsudky a operace s množinami Základní pojmy výrokové logiky, logické spojky a kvantifikátory, složené výroky (konjunkce, disjunkce, implikace, ekvivalence), pravdivostní tabulky,

Více

Kombinatorický předpis

Kombinatorický předpis Gravitace : Kombinatorický předpis Petr Neudek 1 Kombinatorický předpis Kombinatorický předpis je rozšířením Teorie pravděpodobnosti kapitola Kombinatorický strom. Její praktický význam je zřejmý právě

Více

Komplexní čísla, Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady

Komplexní čísla, Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady Předmět: Náplň: Třída: Počet hodin: Pomůcky: Matematika Komplexní čísla, Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady 4. ročník a oktáva 3 hodiny týdně PC a dataprojektor, učebnice

Více

Mgr. Ladislav Zemánek Maturitní okruhy Matematika 2013-2014. 1. Obor reálných čísel

Mgr. Ladislav Zemánek Maturitní okruhy Matematika 2013-2014. 1. Obor reálných čísel Mgr. Ladislav Zemánek Maturitní okruhy Matematika 2013-2014 1. Obor reálných čísel - obor přirozených, celých, racionálních a reálných čísel - vlastnosti operací (sčítání, odčítání, násobení, dělení) -

Více

Komentáře Schema 3 Vlastní provedení. Příklad 3.

Komentáře Schema 3 Vlastní provedení. Příklad 3. Příklad 3. Určování řídících systémů úvod do kombinatorických problematik. V předcházejícím příkladu jsme popisovali mimo jiné také problematiku kombinatorických pojmů výrokem, že kombinatorické pojmy

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

EXPERIMENTÁLNÍ MECHANIKA 2 Přednáška 5 - Chyby a nejistoty měření. Jan Krystek

EXPERIMENTÁLNÍ MECHANIKA 2 Přednáška 5 - Chyby a nejistoty měření. Jan Krystek EXPERIMENTÁLNÍ MECHANIKA 2 Přednáška 5 - Chyby a nejistoty měření Jan Krystek 9. května 2019 CHYBY A NEJISTOTY MĚŘENÍ Každé měření je zatíženo určitou nepřesností způsobenou nejrůznějšími negativními vlivy,

Více

MATURITNÍ TÉMATA Z MATEMATIKY

MATURITNÍ TÉMATA Z MATEMATIKY MATURITNÍ TÉMATA Z MATEMATIKY 1. Základní poznatky z logiky a teorie množin Pojem konstanty a proměnné. Obor proměnné. Pojem výroku a jeho pravdivostní hodnota. Operace s výroky, složené výroky, logické

Více

Gravitace : Komentáře Petr Neudek 1. Cesta k průměru.

Gravitace : Komentáře Petr Neudek 1. Cesta k průměru. Gravitace : Komentáře Petr Neudek 1 Cesta k průměru. Jedná se o určité zamyšlení nad tím, co je to průměr, nebo střední hodnota. Obecně je problematika brána z mnoha pohledů, a lze narazit v každé kapitole

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

Maturitní otázky z předmětu MATEMATIKA

Maturitní otázky z předmětu MATEMATIKA Wichterlovo gymnázium, Ostrava-Poruba, příspěvková organizace Maturitní otázky z předmětu MATEMATIKA 1. Výrazy a jejich úpravy vzorce (a+b)2,(a+b)3,a2-b2,a3+b3, dělení mnohočlenů, mocniny, odmocniny, vlastnosti

Více

0.1 Úvod do lineární algebry

0.1 Úvod do lineární algebry Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Vektory Definice 011 Vektorem aritmetického prostorur n budeme rozumět uspořádanou n-tici reálných čísel x 1, x 2,, x n Definice 012 Definice sčítání

Více

Důkaz, který si vyžádaly teorie SUSY a GUT.

Důkaz, který si vyžádaly teorie SUSY a GUT. Gravitace: SUSY a GUT Petr Neudek 1 Důkaz, který si vyžádaly teorie SUSY a GUT. V souvislosti s rozvojem kosmologie došli vědci k poznání, že vesmír se pravděpodobně zrodil tak jak popisuje teorie velkého

Více

KOMBINATORIKA (4.ročník I.pololetí DE, 2.ročník I.pololetí NS)

KOMBINATORIKA (4.ročník I.pololetí DE, 2.ročník I.pololetí NS) KOMBINATORIKA (4.ročník I.pololetí DE,.ročník I.pololetí NS) Kombinatorika je část matematiky, zabývající se uspořádáváním daných prvků podle jistých pravidel do určitých skupin a výpočtem množství těchto

Více

Posouzení přesnosti měření

Posouzení přesnosti měření Přesnost měření Posouzení přesnosti měření Hodnotu kvantitativně popsaného parametru jakéhokoliv objektu zjistíme jedině měřením. Reálné měření má vždy omezenou přesnost V minulosti sloužila k posouzení

Více

příkladů do cvičení. V textu se objeví i pár detailů, které jsem nestihl (na které jsem zapomněl) a(b u) = (ab) u, u + ( u) = 0 = ( u) + u.

příkladů do cvičení. V textu se objeví i pár detailů, které jsem nestihl (na které jsem zapomněl) a(b u) = (ab) u, u + ( u) = 0 = ( u) + u. Několik řešených příkladů do Matematiky Vektory V tomto textu je spočteno několik ukázkových příkladů které vám snad pomohou při řešení příkladů do cvičení. V textu se objeví i pár detailů které jsem nestihl

Více

Základní pojmy teorie množin Vektorové prostory

Základní pojmy teorie množin Vektorové prostory Základní pojmy teorie množin Přednáška MATEMATIKA č. 1 Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz 7. 10. 2010 Základní pojmy teorie množin Základní pojmy

Více

MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT)

MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT) MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT) 1. Číselné obory 1.1 Přirozená čísla provádět aritmetické operace s přirozenými čísly rozlišit prvočíslo

Více

maticeteorie 1. Matice A je typu 2 4, matice B je typu 4 3. Jakých rozměrů musí být matice X, aby se dala provést

maticeteorie 1. Matice A je typu 2 4, matice B je typu 4 3. Jakých rozměrů musí být matice X, aby se dala provést Úlohy k zamyšlení 1. Zdůvodněte, proč třetí řádek Hornerova schématu pro vyhodnocení polynomu p v bodě c obsahuje koeficienty polynomu r, pro který platí p(x) = (x c) r(x) + p(c). 2. Dokažte, že pokud

Více

Matematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic

Matematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic Přednáška třetí (a pravděpodobně i čtvrtá) aneb Úvod do lineární algebry Matice a soustavy rovnic Lineární rovnice o 2 neznámých Lineární rovnice o 2 neznámých Lineární rovnice o dvou neznámých x, y je

Více

Kombinatorický strom

Kombinatorický strom Základy teorie pravděpodobnosti. Kapitola: Kombinatorický strom Strana v kapitole 1 Kombinatorický strom Kombinatorickým stromem rozumíme uspořádání kombinatorických pojmů. Účelem je vytvořit jednoznačnou

Více

Maturitní témata z matematiky

Maturitní témata z matematiky Maturitní témata z matematiky G y m n á z i u m J i h l a v a Výroky, množiny jednoduché výroky, pravdivostní hodnoty výroků, negace operace s výroky, složené výroky, tabulky pravdivostních hodnot důkazy

Více

1 Řešení soustav lineárních rovnic

1 Řešení soustav lineárních rovnic 1 Řešení soustav lineárních rovnic 1.1 Lineární rovnice Lineární rovnicí o n neznámých x 1,x 2,..., x n s reálnými koeficienty rozumíme rovnici ve tvaru a 1 x 1 + a 2 x 2 +... + a n x n = b, (1) kde koeficienty

Více

0.1 Úvod do lineární algebry

0.1 Úvod do lineární algebry Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Lineární rovnice o 2 neznámých Definice 011 Lineární rovnice o dvou neznámých x, y je rovnice, která může být vyjádřena ve tvaru ax + by = c, kde

Více

Gymnázium Česká a Olympijských nadějí, České Budějovice, Česká 64, 37021

Gymnázium Česká a Olympijských nadějí, České Budějovice, Česká 64, 37021 Maturitní témata MATEMATIKA 1. Funkce a jejich základní vlastnosti. Definice funkce, def. obor a obor hodnot funkce, funkce sudá, lichá, monotónnost funkce, funkce omezená, lokální a globální extrémy funkce,

Více

IB112 Základy matematiky

IB112 Základy matematiky IB112 Základy matematiky Základy kombinatoriky a kombinatorická pravděpodobnost Jan Strejček Obsah IB112 Základy matematiky: Základy kombinatoriky a kombinatorická pravděpodobnost 2/57 Výběry prvků bez

Více

Maturitní okruhy z matematiky - školní rok 2007/2008

Maturitní okruhy z matematiky - školní rok 2007/2008 Maturitní okruhy z matematiky - školní rok 2007/2008 1. Některé základní poznatky z elementární matematiky: Číselné obory, dělitelnost přirozených čísel, prvočísla a čísla složená, největší společný dělitel,

Více

ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ

ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ Parametrické vyjádření přímky v rovině Máme přímku p v rovině určenou body A, B. Sestrojíme vektor u = B A. Pro bod B tím pádem platí: B = A + u. Je zřejmé,

Více

Tematický plán Obor: Informační technologie. Vyučující: Ing. Joanna Paździorová

Tematický plán Obor: Informační technologie. Vyučující: Ing. Joanna Paździorová Tematický plán Vyučující: Ing. Joanna Paździorová 1. r o č n í k 5 h o d i n t ý d n ě, c e l k e m 1 7 0 h o d i n Téma- Tematický celek Z á ř í 1. Opakování a prohloubení učiva základní školy 18 1.1.

Více

Vyšetřování pravděpodobnosti na systémech

Vyšetřování pravděpodobnosti na systémech Základy teorie pravděpodobnosti. Kapitola: Pravděpodobnost systémů Strana v kapitole 1 Vyšetřování pravděpodobnosti na systémech Hovoříme li o Teorii pravděpodobnosti, měli bychom se pravděpodobnosti jako

Více

Gymnázium Jiřího Ortena, Kutná Hora

Gymnázium Jiřího Ortena, Kutná Hora Předmět: Náplň: Cvičení z matematiky geometrie (CZMg) Systematizace a prohloubení učiva matematiky Planimetrie, Stereometrie, Analytická geometrie, Kombinatorika, Pravděpodobnost a statistika Třída: 4.

Více

Matematika 1 MA1. 2 Determinant. 3 Adjungovaná matice. 4 Cramerovo pravidlo. 11. přednáška ( ) Matematika 1 1 / 29

Matematika 1 MA1. 2 Determinant. 3 Adjungovaná matice. 4 Cramerovo pravidlo. 11. přednáška ( ) Matematika 1 1 / 29 Matematika 1 11. přednáška MA1 1 Opakování 2 Determinant 3 Adjungovaná matice 4 Cramerovo pravidlo 5 Vlastní čísla a vlastní vektory matic 6 Zkouška; konzultace; výběrová matematika;... 11. přednáška (15.12.2010

Více

10. Soustava lineárních rovnic - substituční metoda

10. Soustava lineárních rovnic - substituční metoda @112 10. Soustava lineárních rovnic - substituční metoda Jedna z metod, která se používá při řešení soustavy lineárních rovnic, se nazývá substituční. Nejlépe si metodu ukážeme na příkladech. Příklad:

Více

DIGITÁLNÍ ARCHIV VZDĚLÁVACÍCH MATERIÁLŮ

DIGITÁLNÍ ARCHIV VZDĚLÁVACÍCH MATERIÁLŮ DIGITÁLNÍ ARCHIV VZDĚLÁVACÍCH MATERIÁLŮ Číslo projektu Číslo a název šablony klíčové aktivity Tematická oblast CZ.1.07/1.5.00/34.0963 IV/2 Inovace a zkvalitnění výuky směřující k rozvoji matematické gramotnosti

Více

Třídění množin a definice závislostí.

Třídění množin a definice závislostí. Základy teorie pravděpodobnosti Kapitola: Třídění množin a definice závislostí. Stránka v kapitole 1 Třídění množin a definice závislostí. Tato kapitola charakter spíš popisný a doplňující k hlavní osnově

Více

3. Reálná čísla. většinou racionálních čísel. V analytických úvahách, které praktickým výpočtům

3. Reálná čísla. většinou racionálních čísel. V analytických úvahách, které praktickým výpočtům RACIONÁLNÍ A IRACIONÁLNÍ ČÍSLA Význačnými množinami jsou číselné množiny K nejvýznamnějším patří množina reálných čísel, obsahující jako podmnožiny množiny přirozených, celých, racionálních a iracionálních

Více

TEMATICKÝ PLÁN VÝUKY

TEMATICKÝ PLÁN VÝUKY TEMATICKÝ PLÁN VÝUKY Studijní obor: 23-41 - M/1 Strojírenství Zaměření: Předmět: Matematika Ročník: 4. Počet hodin týdně: 4 Počet hodin celkem: Tento plán vychází z rámcového vzdělávacího programu pro

Více

Maticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru:

Maticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru: 3 Maticový počet 3.1 Zavedení pojmu matice Maticí typu (m, n, kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru: a 11 a 12... a 1k... a 1n a 21 a 22...

Více

Zimní semestr akademického roku 2014/ prosince 2014

Zimní semestr akademického roku 2014/ prosince 2014 Cvičení k předmětu BI-ZMA Tomáš Kalvoda Katedra aplikované matematiky FIT ČVUT Matěj Tušek Katedra matematiky FJFI ČVUT Obsah Cvičení Zimní semestr akademického roku 2014/2015 2. prosince 2014 Předmluva

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

CVIČNÝ TEST 37. OBSAH I. Cvičný test 2. Mgr. Tomáš Kotler. II. Autorské řešení 5 III. Klíč 13 IV. Záznamový list 15

CVIČNÝ TEST 37. OBSAH I. Cvičný test 2. Mgr. Tomáš Kotler. II. Autorské řešení 5 III. Klíč 13 IV. Záznamový list 15 CVIČNÝ TEST 37 Mgr. Tomáš Kotler OBSAH I. Cvičný test 2 II. Autorské řešení 5 III. Klíč 13 IV. Záznamový list 15 I. CVIČNÝ TEST VÝCHOZÍ TEXT A OBRÁZEK K ÚLOZE 1 Na staré hliněné desce je namalován čtverec

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

Cvičení z matematiky jednoletý volitelný předmět

Cvičení z matematiky jednoletý volitelný předmět Název předmětu: Zařazení v učebním plánu: Cvičení z matematiky O8A, C4A, jednoletý volitelný předmět Cíle předmětu Obsah předmětu je zaměřen na přípravu studentů gymnázia na společnou část maturitní zkoušky

Více

V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti

V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti Kapitola 5 Vektorové prostory V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti operací sčítání a násobení

Více

10. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo

10. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo 0. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo (PEF PaA) Petr Gurka aktualizováno 9. prosince 202 Obsah Základní pojmy. Motivace.................................2 Aritmetický vektorový

Více

Stupnice geomagnetické aktivity

Stupnice geomagnetické aktivity AKADEMIE VĚD ČESKÉ REPUBLIKY Geofyzikální ústav Stupnice geomagnetické aktivity Petr Kubašta Rozbor a zhodnocení předpovědí geomagnetické aktivity Praha, 2011 Abstrakt Tento článek poskytuje kvantitativní

Více

Základy teorie pravděpodobnosti Kapitola: SPP (statistická pracovní plocha). Stránka v kapitole 1

Základy teorie pravděpodobnosti Kapitola: SPP (statistická pracovní plocha). Stránka v kapitole 1 Základy teorie pravděpodobnosti Kapitola: SPP (statistická pracovní plocha). Stránka v kapitole 1 Statistická pracovní plocha Statistická pracovní plocha (SPP) je podstatou průsečíkový graf ploch do kterého

Více

Matematické modelování dopravního proudu

Matematické modelování dopravního proudu Matematické modelování dopravního proudu Ondřej Lanč, Alena Girglová, Kateřina Papežová, Lucie Obšilová Gymnázium Otokara Březiny a SOŠ Telč lancondrej@centrum.cz Abstrakt: Cílem projektu bylo seznámení

Více

Matematika. ochrana životního prostředí analytická chemie chemická technologie Forma vzdělávání:

Matematika. ochrana životního prostředí analytická chemie chemická technologie Forma vzdělávání: Studijní obor: Aplikovaná chemie Učební osnova předmětu Matematika Zaměření: ochrana životního prostředí analytická chemie chemická technologie Forma vzdělávání: denní Celkový počet vyučovacích hodin za

Více

CVIČNÝ TEST 5. OBSAH I. Cvičný test 2. Mgr. Václav Zemek. II. Autorské řešení 6 III. Klíč 17 IV. Záznamový list 19

CVIČNÝ TEST 5. OBSAH I. Cvičný test 2. Mgr. Václav Zemek. II. Autorské řešení 6 III. Klíč 17 IV. Záznamový list 19 CVIČNÝ TEST 5 Mgr. Václav Zemek OBSAH I. Cvičný test 2 II. Autorské řešení 6 III. Klíč 17 IV. Záznamový list 19 I. CVIČNÝ TEST 1 Zjednodušte výraz (2x 5) 2 (2x 5) (2x + 5) + 20x. 2 Určete nejmenší trojciferné

Více

Polynomy. Mgr. Veronika Švandová a Mgr. Zdeněk Kříž, Ph. D. 1.1 Teorie Zavedení polynomů Operace s polynomy...

Polynomy. Mgr. Veronika Švandová a Mgr. Zdeněk Kříž, Ph. D. 1.1 Teorie Zavedení polynomů Operace s polynomy... Polynomy Obsah Mgr. Veronika Švandová a Mgr. Zdeněk Kříž, Ph. D. 1 Základní vlastnosti polynomů 2 1.1 Teorie........................................... 2 1.1.1 Zavedení polynomů................................

Více

Pojem a úkoly statistiky

Pojem a úkoly statistiky Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Pojem a úkoly statistiky Statistika je věda, která se zabývá získáváním, zpracováním a analýzou dat pro potřeby

Více

B) výchovné a vzdělávací strategie jsou totožné se strategiemi vyučovacího předmětu Matematika.

B) výchovné a vzdělávací strategie jsou totožné se strategiemi vyučovacího předmětu Matematika. 4.8.3. Cvičení z matematiky Předmět Cvičení z matematiky je vyučován v sextě a v septimě jako volitelný předmět. Vzdělávací obsah vyučovacího předmětu Cvičení z matematiky vychází ze vzdělávací oblasti

Více

1 Linearní prostory nad komplexními čísly

1 Linearní prostory nad komplexními čísly 1 Linearní prostory nad komplexními čísly V této přednášce budeme hledat kořeny polynomů, které se dále budou moci vyskytovat jako složky vektorů nebo matic Vzhledem k tomu, že kořeny polynomu (i reálného)

Více

Vektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace

Vektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace Vektory a matice Aplikovaná matematika I Dana Říhová Mendelu Brno Obsah 1 Vektory Základní pojmy a operace Lineární závislost a nezávislost vektorů 2 Matice Základní pojmy, druhy matic Operace s maticemi

Více

Základy teorie pravděpodobnosti Kapitola: Numerické výpočty příklad 4. Stránka v kapitole 1. Příklad 4.

Základy teorie pravděpodobnosti Kapitola: Numerické výpočty příklad 4. Stránka v kapitole 1. Příklad 4. Základy teorie pravděpodobnosti Kapitola: Numerické výpočty příklad 4. Stránka v kapitole 1 Příklad 4. Výpočet pomocí Bernoulliho schematu. Příklad řeší výpočtem rozložení prvků losovaných k do n celku.

Více

23. Matematická statistika

23. Matematická statistika Projekt: Inovace oboru Mechatronik pro Zlínský kraj Registrační číslo: CZ.1.07/1.1.08/03.0009 23. Matematická statistika Statistika je věda, která se snaží zkoumat reálná data a s pomocí teorii pravděpodobnosti

Více

Náhodné chyby přímých měření

Náhodné chyby přímých měření Náhodné chyby přímých měření Hodnoty náhodných chyb se nedají stanovit předem, ale na základě počtu pravděpodobnosti lze zjistit, která z možných naměřených hodnot je více a která je méně pravděpodobná.

Více

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice Vektorové podprostory K množina reálných nebo komplexních čísel, U vektorový prostor nad K. Lineární kombinace vektorů u 1, u 2,...,u

Více

Matematika B101MA1, B101MA2

Matematika B101MA1, B101MA2 Matematika B101MA1, B101MA2 Zařazení předmětu: povinný předmět 1.ročníku bc studia 2 semestry Rozsah předmětu: prezenční studium 2 + 2 kombinované studium 16 + 0 / semestr Zakončení předmětu: ZS zápočet

Více

Požadavky na konkrétní dovednosti a znalosti z jednotlivých tematických celků

Požadavky na konkrétní dovednosti a znalosti z jednotlivých tematických celků Maturitní zkouška z matematiky 2012 požadované znalosti Zkouška z matematiky ověřuje matematické základy formou didaktického testu. Test obsahuje uzavřené i otevřené úlohy. V uzavřených úlohách je vždy

Více

[1] Determinant. det A = 0 pro singulární matici, det A 0 pro regulární matici

[1] Determinant. det A = 0 pro singulární matici, det A 0 pro regulární matici [1] Determinant je číslo jistým způsobem charakterizující čtvercovou matici det A = 0 pro singulární matici, det A 0 pro regulární matici používá se při řešení lineárních soustav... a v mnoha dalších aplikacích

Více

MATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci

MATEMATICKÁ STATISTIKA.   Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci MATEMATICKÁ STATISTIKA Dana Černá http://www.fp.tul.cz/kmd/ Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci Matematická statistika Matematická statistika se zabývá matematickým

Více

Determinanty. Obsah. Aplikovaná matematika I. Pierre Simon de Laplace. Definice determinantu. Laplaceův rozvoj Vlastnosti determinantu.

Determinanty. Obsah. Aplikovaná matematika I. Pierre Simon de Laplace. Definice determinantu. Laplaceův rozvoj Vlastnosti determinantu. Determinanty Aplikovaná matematika I Dana Říhová Mendelu Brno Obsah 1 Determinanty Definice determinantu Sarrusovo a křížové pravidlo Laplaceův rozvoj Vlastnosti determinantu Výpočet determinantů 2 Inverzní

Více

1 Báze a dimenze vektorového prostoru 1

1 Báze a dimenze vektorového prostoru 1 1 Báze a dimenze vektorového prostoru 1 Báze a dimenze vektorového prostoru 1 2 Aritmetické vektorové prostory 7 3 Eukleidovské vektorové prostory 9 Levá vnější operace Definice 5.1 Necht A B. Levou vnější

Více

12 DYNAMIKA SOUSTAVY HMOTNÝCH BODŮ

12 DYNAMIKA SOUSTAVY HMOTNÝCH BODŮ 56 12 DYNAMIKA SOUSTAVY HMOTNÝCH BODŮ Těžiště I. impulsová věta - věta o pohybu těžiště II. impulsová věta Zákony zachování v izolované soustavě hmotných bodů Náhrada pohybu skutečných objektů pohybem

Více

CZ 1.07/1.1.32/02.0006

CZ 1.07/1.1.32/02.0006 PO ŠKOLE DO ŠKOLY CZ 1.07/1.1.32/02.0006 Číslo projektu: CZ.1.07/1.1.32/02.0006 Název projektu: Po škole do školy Příjemce grantu: Gymnázium, Kladno Název výstupu: Prohlubující semináře Matematika (MI

Více

a) 7! 5! b) 12! b) 6! 2! d) 3! Kombinatorika

a) 7! 5! b) 12! b) 6! 2! d) 3! Kombinatorika Kombinatorika Kombinatorika se zabývá vytvářením navzájem různých skupin z daných prvků a určováním počtu takových skupin. Kombinatorika se zabývá pouze konečnými množinami. Při určování počtu výběrů skupin

Více

Požadavky k opravným zkouškám z matematiky školní rok 2013-2014

Požadavky k opravným zkouškám z matematiky školní rok 2013-2014 Požadavky k opravným zkouškám z matematiky školní rok 2013-2014 1. ročník (první pololetí, druhé pololetí) 1) Množiny. Číselné obory N, Z, Q, I, R. 2) Absolutní hodnota reálného čísla, intervaly. 3) Procenta,

Více

Dodatek č. 3 ke školnímu vzdělávacímu programu. Strojírenství. (platné znění k 1. 9. 2009)

Dodatek č. 3 ke školnímu vzdělávacímu programu. Strojírenství. (platné znění k 1. 9. 2009) Střední průmyslová škola Jihlava tř. Legionářů 1572/3, Jihlava Dodatek č. 3 ke školnímu vzdělávacímu programu Strojírenství (platné znění k 1. 9. 09) Tento dodatek nabývá platnosti dne 1. 9. 13 (počínaje

Více

Numerické metody zpracování výsledků

Numerické metody zpracování výsledků Numerické metody zpracování výsledků Měření fyzikální veličiny provádíme obvykle tak, že měříme hodnoty y jedné fyzikální veličiny při určitých hodnotách x druhé veličiny, na které měřená veličina závisí.

Více

Jednofaktorová analýza rozptylu

Jednofaktorová analýza rozptylu I I.I Jednofaktorová analýza rozptylu Úvod Jednofaktorová analýza rozptylu (ANOVA) se využívá při porovnání několika středních hodnot. Často se využívá ve vědeckých a lékařských experimentech, při kterých

Více

1 Vektorové prostory.

1 Vektorové prostory. 1 Vektorové prostory DefiniceMnožinu V, jejíž prvky budeme označovat a, b, c, z, budeme nazývat vektorovým prostorem právě tehdy, když budou splněny následující podmínky: 1 Je dáno zobrazení V V V, které

Více

Gymnázium Jiřího Ortena, Kutná Hora

Gymnázium Jiřího Ortena, Kutná Hora Předmět: Náplň: Třída: Počet hodin: Pomůcky: Cvičení z matematiky algebra (CZMa) Systematizace a prohloubení učiva matematiky: Číselné obory, Algebraické výrazy, Rovnice, Funkce, Posloupnosti, Diferenciální

Více

Statistika. pro žáky 8. ročníku. úterý, 26. března 13

Statistika. pro žáky 8. ročníku. úterý, 26. března 13 Statistika pro žáky 8. ročníku Co je to statistika? Statistika je věda, která se snaží zkoumat reálná data a přibližuje nám zkoumaný jev a zákonitosti s ním spojené. Co nám statistika přináší? Co nám statistika

Více

Statistika pro geografy

Statistika pro geografy Statistika pro geografy 2. Popisná statistika Mgr. David Fiedor 23. února 2015 Osnova 1 2 3 Pojmy - Bodové rozdělení četností Absolutní četnost Absolutní četností hodnoty x j znaku x rozumíme počet statistických

Více

Diskrétní matematika. DiM /01, zimní semestr 2016/2017

Diskrétní matematika. DiM /01, zimní semestr 2016/2017 Diskrétní matematika Petr Kovář petr.kovar@vsb.cz Vysoká škola báňská Technická univerzita Ostrava DiM 470-2301/01, zimní semestr 2016/2017 O tomto souboru Tento soubor je zamýšlen především jako pomůcka

Více

Kategorická data METODOLOGICKÝ PROSEMINÁŘ II TÝDEN 7 4. DUBNA dubna 2018 Lukáš Hájek, Karel Höfer Metodologický proseminář II 1

Kategorická data METODOLOGICKÝ PROSEMINÁŘ II TÝDEN 7 4. DUBNA dubna 2018 Lukáš Hájek, Karel Höfer Metodologický proseminář II 1 Kategorická data METODOLOGICKÝ PROSEMINÁŘ II TÝDEN 7 4. DUBNA 2018 4. dubna 2018 Lukáš Hájek, Karel Höfer Metodologický proseminář II 1 Typy proměnných nominální (nominal) o dvou hodnotách lze říci pouze

Více

MATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]

MATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij] MATICE Matice typu m/n nad tělesem T je soubor m n prvků z tělesa T uspořádaných do m řádků a n sloupců: a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij] a m1 a m2 a mn Prvek a i,j je prvek matice A na místě

Více

Dotazy tvorba nových polí (vypočítané pole)

Dotazy tvorba nových polí (vypočítané pole) Téma 2.4 Dotazy tvorba nových polí (vypočítané pole) Pomocí dotazu lze také vytvářet nová pole, která mají vazbu na již existující pole v databázi. Vznikne tedy nový sloupec, který se počítá podle vzorce.

Více

Chyby měření 210DPSM

Chyby měření 210DPSM Chyby měření 210DPSM Jan Zatloukal Stručný přehled Zdroje a druhy chyb Systematické chyby měření Náhodné chyby měření Spojité a diskrétní náhodné veličiny Normální rozdělení a jeho vlastnosti Odhad parametrů

Více

Původní nalezení vztahu který ukazoval na rovnost středních hodnot MOD = MED.

Původní nalezení vztahu který ukazoval na rovnost středních hodnot MOD = MED. TP TG stabilita množstvím: Mod=Med_původní Petr Neudek 1 Původní nalezení vztahu který ukazoval na rovnost středních hodnot MOD = MED. Modus Medián, nebo také Modus = Modulo, a Medián = Modulo vznikl při

Více

Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují

Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují 1. u + v = v + u, u, v V 2. (u + v) + w = u + (v + w),

Více

Přednáška 3: Limita a spojitost

Přednáška 3: Limita a spojitost 3 / 1 / 17, 1:38 Přednáška 3: Limita a spojitost Limita funkce Nejdříve je potřeba upřesnit pojmy, které přesněji popisují (topologickou) strukturu množiny reálných čísel, a to zejména pojem okolí 31 Definice

Více

Mann-Whitney U-test. Znaménkový test. Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek

Mann-Whitney U-test. Znaménkový test. Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek 10. Neparametrické y Mann-Whitney U- Wilcoxonův Znaménkový Shrnutí statistických ů Typ srovnání Nulová hypotéza Parametrický Neparametrický 1 skupina dat vs. etalon Střední hodnota je rovna hodnotě etalonu.

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. Prostá regresní a korelační analýza 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Problematika závislosti V podstatě lze rozlišovat mezi závislostí nepodstatnou, čili náhodnou

Více

(Cramerovo pravidlo, determinanty, inverzní matice)

(Cramerovo pravidlo, determinanty, inverzní matice) KMA/MAT1 Přednáška a cvičení, Lineární algebra 2 Řešení soustav lineárních rovnic se čtvercovou maticí soustavy (Cramerovo pravidlo, determinanty, inverzní matice) 16 a 21 října 2014 V dnešní přednášce

Více

Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe.

Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe. 4 Afinita Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe. Poznámka. Vzájemně jednoznačným zobrazením rozumíme zobrazení,

Více

6. Vektorový počet Studijní text. 6. Vektorový počet

6. Vektorový počet Studijní text. 6. Vektorový počet 6. Vektorový počet Budeme se pohybovat v prostoru R n, což je kartézská mocnina množiny reálných čísel R; R n = R R. Obvykle nám bude stačit omezení na případy n = 1, 2, 3; nicméně teorie je platná obecně.

Více

Derivace funkcí více proměnných

Derivace funkcí více proměnných Derivace funkcí více proměnných Pro studenty FP TUL Martina Šimůnková 16. května 019 1. Derivace podle vektoru jako funkce vektoru. Pro pevně zvolenou funkci f : R d R n a bod a R d budeme zkoumat zobrazení,

Více

Integrální počet - I. část (neurčitý integrál a základní integrační metody)

Integrální počet - I. část (neurčitý integrál a základní integrační metody) Integrální počet - I. část (neurčitý integrál a základní integrační metody) Michal Fusek Ústav matematiky FEKT VUT, fusekmi@feec.vutbr.cz 6. přednáška z AMA Michal Fusek (fusekmi@feec.vutbr.cz) / 23 Obsah

Více

OBVODY A OBSAHY GEOMETRICKÝCH ÚTVARŮ!Text je pracovní obrázky je potřeba spravit a doplnit!!!

OBVODY A OBSAHY GEOMETRICKÝCH ÚTVARŮ!Text je pracovní obrázky je potřeba spravit a doplnit!!! ZS1MP_PDM2 Didaktika matematiky 2 Katedra matematiky PedF MU v Brně Růžena Blažková, Milena Vaňurová OBVODY A OBSAHY GEOMETRICKÝCH ÚTVARŮ!Text je pracovní obrázky je potřeba spravit a doplnit!!! Text vychází

Více

Mnohorozměrná statistická data

Mnohorozměrná statistická data Mnohorozměrná statistická data Ekonometrie Jiří Neubauer Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Jiří Neubauer (Katedra ekonometrie UO Brno) Mnohorozměrná

Více

veličin, deskriptivní statistika Ing. Michael Rost, Ph.D.

veličin, deskriptivní statistika Ing. Michael Rost, Ph.D. Vybraná rozdělení spojitých náhodných veličin, deskriptivní statistika Ing. Michael Rost, Ph.D. Třídění Základním zpracováním dat je jejich třídění. Jde o uspořádání získaných dat, kde volba třídícího

Více

Úvod do teorie odhadu. Ing. Michael Rost, Ph.D.

Úvod do teorie odhadu. Ing. Michael Rost, Ph.D. Úvod do teorie odhadu Ing. Michael Rost, Ph.D. Náhodný výběr Náhodným výběrem ze základního souboru populace, která je popsána prostřednictvím hustoty pravděpodobnosti f(x, θ), budeme nazývat posloupnost

Více