Seznámíte se s pojmem Riemannova integrálu funkce jedné proměnné a geometrickým významem tohoto integrálu.

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

Download "Seznámíte se s pojmem Riemannova integrálu funkce jedné proměnné a geometrickým významem tohoto integrálu."

Transkript

1 2. URČITÝ INTEGRÁL 2. Určitý itegrál Průvodce studiem V předcházející kapitole jsme se sezámili s pojmem eurčitý itegrál, který daé fukci přiřazoval opět fukci (přesěji možiu fukcí). V této kapitole se budeme věovat určitému itegrálu, který daé fukci přiřazuje číslo. Určitý itegrál má využití ve velkém možství aplikací. Pomocí určitého itegrálu můžeme počítat obsahy ploch, délky křivek, objemy a pláště rotačích těles, statické momety roviých obrazců, křivek a rotačích těles, souřadice těžiště. Velké možství aplikací alezete ve fyzice (výpočet rychlosti, dráhy, práce,...). Další aplikace alezete v ekoomice, fiacích, pravděpodobosti a statistice a v moha dalších oborech. Existuje ěkolik přístupů, jak vybudovat pojem určitý itegrál a tomu odpovídá ěkolik druhů určitých itegrálů (Newtoův, Riemaův, Lebesgueův). Podle způsobu zavedeí se měí třída itegrovatelých fukcí. Des bývá obvyklé používat defiici, jak ji zavedl výzamý ěmecký matematik B. Riema ( ). Potřeba vybudováí tohoto pojmu vychází z potřeb řešeí geometrických problémů a problémů klasické mechaiky. Možia fukcí, které jsou itegrovatelé v Riemaově smyslu je dostatečě široká pro ižeýrskou praxi. Způsob zavedeí je východiskem pro umerické výpočty určitých itegrálů Pojem Riemaova určitého itegrálu Cíle Sezámíte se s pojmem Riemaova itegrálu fukce jedé proměé a geometrickým výzamem tohoto itegrálu. Předpokládaé zalosti Předpokládáme, že záte pojem primitiví fukce, eurčitý itegrál a jejich výpočet. Výklad Historickou motivací pro vzik určitého itegrálu byl výpočet obsahů ploch. Teto problém řešili již staří Egypťaé v souvislosti s určováím velikostí pozemků, jejichž velikost se měila v důsledku záplav Nilu. Problém řešili tak, že daou plochu rozdělili a trojúhelíky, spočítali jejich obsahy a ty pak sečetli. Tyto metody později rozviuli staří Řekové. V 16. a 17. století byla velká pozorost věováa studiu křivek, byla rozvíjea

2 2.1. Pojem Riemaova určitého itegrálu klasická mechaika. Vziká otázka, jakým způsobem je vhodé defiovat obsah obecých útvarů, které se edají rozložit a koečý počet trojúhelíků. Motivace Zabývejme se ásledující úlohou: Mějme fukci ohraičeý shora grafem fukce f( x ), která je spojitá a ezáporá a itervalu < ab, >. Geometrický útvar f( x), přímkami x= a, x= b a osou x (obr ) azveme křivočarý lichoběžík. Naším úkolem je vypočítat obsah tohoto útvaru. Obr Křivočarý lichoběžík Ze středí školy záte vztahy pro výpočet obsahu trojúhelíka, obdélíka, kruhu a možá ěkolika dalších jedoduchých obrazců. Pro obecou fukci y = f( x) však zatím obsah obrazce a obr vypočítat edovedeme. Navrhěme, jak vypočítat obsah tohoto útvaru alespoň přibližě: 1. Rozdělíme obrazec rovoběžkami s osou y a proužky (a ilustračím obrázku jsou čtyři). Je zřejmé, že obsah obrazce dostaeme jako součet obsahů jedotlivých proužků. V uvedeém případě P= P1+ P2 + P3+ P 4. Obr Rozděleí a proužky" 2. Vypočteme obsah jedotlivých proužků. Jelikož shora jsou ohraičey fukcí f( x), provedeme výpočet přibližě. Fukci v daém pásku ahradíme fukčí hodotou f ( ξ ) v ějakém bodě ξ, který jsme zvolili v základě tohoto proužku. Daý proužek tedy

3 2.1. Pojem Riemaova určitého itegrálu aproximujeme obdélíčkem. Tím se dopouštíme určité chyby, eboť ěkde obdélíček přesahuje fukci f( x) a ěkde je zase ižší. Obr Aproximace obrazce obdélíčky Obsah obrazce a obr bude přibližě rove součtu obsahů jedotlivých obdélíčků: P= ( x x ) f( ξ ) + ( x x ) f( ξ ) + ( x x ) f( ξ ) + ( x x ) f ( ξ ) = = ( xi xi 1) f( ξi) i= 1 3. Dá se předpokládat, že pro rozumé fukce bude chyba tím meší, čím větší bude počet proužků, a které byl obrazec rozděle (obr ). Obr Zvětšeí počtu obdélíčků Budeme-li počet proužků eomezeě zvětšovat a současě je zužovat, měla by se přibližá hodota daá součtem obdélíčků stále více přibližovat obsahu P daého obrazce. Tedy obsah P dostaeme jako limitu pro ekoečý počet obdélíčků. K podobému problému dospějeme při řešeí jedoduché úlohy z klasické mechaiky. Chceme vypočítat práci, která se vykoá při přímočarém pohybu, má-li síla směr dráhy. Nechť a hmotý bod pohybující se po dráze < ab, > působí síla f( x). Je-li tato síla kostatí, je vykoaá práce rova součiu síly a dráhy. Pokud se velikost síly měí (dáa fukcí f( x ) a itervalu < ab, > ) můžeme postupovat tak, že dráhu rozdělíme a dílčí

4 2.1. Pojem Riemaova určitého itegrálu itervaly a v každém použijeme hodotu síly f ( ξ i ) v ějakém bodě dílčího itervalu. Tedy stejě jako v předcházející úloze je celková vykoaá práce aproximováa součtem práce a dílčích itervalech. Limitím přechodem, kdy zvyšujeme počet dělících bodů, přičemž se šířka dílčích itervalů blíží k ule, dostaeme celkovou práci. Aalogický postup použijeme při zavedeí určitého itegrálu. Defiice určitého itegrálu Defiice určitého itegrálu je poměrě složitá. K pojmu určitý itegrál dospějeme ásledujícím způsobem. Uvažujme fukci y = f( x), která je defiováa a uzavřeém itervalu < ab, > a je a tomto itervalu spojitá a ohraičeá. Musejí tedy existovat kostaty m a M takové, že pro všecha x < ab, > platí m f ( x) M. Obr Ohraičeá fukce a uzavřeém itervalu < ab, > Výklad omezíme a fukce po částech spojité a itervalu < ab, >, tj. a fukce, které mají a tomto itervalu koečý počet bodů espojitosti (body espojitosti 1. druhu). S takto defiovaým určitým itegrálem vystačíme při běžých aplikacích itegrálího počtu v přírodích a techických vědách. Pozámka 1. Předpoklad ohraičeé fukce a uzavřeém itervalu je podstatý. Někdy lze pojem Riemaova itegrálu rozšířit i a případy, kdy fukce eí ohraičeá ebo iterval eí uzavřeý. Pak mluvíme o evlastích itegrálech (kap. 2.5). Defiice Říkáme, že fukce f( x ) je a itervalu < ab, > itegrovatelá (schopá itegrace), je-li a ěm ohraičeá a aspoň po částech spojitá

5 Postup při zavedeí pojmu určitý itegrál: 2.1. Pojem Riemaova určitého itegrálu 1. Iterval < ab, > rozdělíme a dílčích itervalů. Možiu dělících bodů {,,..., } D x x x = 0 1, kde a = x0 < x1<... x 1< x = b, azveme děleím itervalu < ab, > a itervalů < xi 1, xi >, i = 1, 2,...,. Číslo ν ( D) = max ( xi x i 1) budeme azývat ormou děleí. Toto číslo ám i= 1,..., říká, jaká je délka ejvětšího itervalu v daém děleí. Samozřejmě itervalů s touto maximálí délkou může být více, případě mohou být itervaly stejě dlouhé (ekvidistatí body). Norma děleí charakterizuje, jak je děleí jemé. 2. V každém dílčím itervalu děleí D vybereme jede bod ξ < x, x >, i= 1,2,...,. Možiu těchto bodů R = { ξ1, ξ2,..., ξ} i i 1 i azývat výběrem reprezetatů příslušých k děleí D. 3. Pro daé děleí D itervalu < ab, > a výběr reprezetatů R vytvoříme součet D budeme σ( f, D, R ) = f( ξ )( x x 1). Tato suma se azývá itegrálím součtem fukce f i i i i= 1 ebo také Riemaův součet (Georg Friedrich Berhard Riema, ). Geometrický výzam tohoto součtu je zázorě a obr Jedá se vlastě o součet obsahů obdélíků se základami zřejmé, že pro ( i i 1 x x ) a výškami f ( ξ ), kde i = 1, 2,...,. Je f ( ξ i ) < 0 bude hodota pro daý obdélík záporá. Ozačeí σ ( f, D, R ) zameá, že itegrálí součet závisí a fukci f, a kokrétím děleí a a výběru reprezetatů R. 4. Budeme vytvářet itegrálí součty pro stále jemější děleí D itervalu < ab, > při libovolých výběrech reprezetatů i D R. Pokud bude existovat limita itegrálích součtů σ ( f, D, R ) pro a ormu děleí ν ( ) 0 ezávisle a výběrech reprezetatů, azveme ji určitý itegrál fukce D f( x ) a itervalu < ab, >

6 2.1. Pojem Riemaova určitého itegrálu Obr Itegrálí součet fukce f Defiice Nechť je fukce f( x ) itegrovatelá a itervalu < ab, >, D je děleí itervalu < ab, > a R výběr reprezetatů. Řekeme, že fukce f je Riemaovsky itegrovatelá a itervalu < ab, >, jestliže existuje číslo I R s vlastostí lim σ ( f, D, R) = I pro libovolou posloupost děleí D, pro kterou platí lim ν ( D ) = 0 při libovolé volbě reprezetatů R. Číslo I azýváme určitý (Riemaův) itegrál fukce f a itervalu b < ab, > a píšeme I = f( x) dx. a Číslo a azýváme dolí mez, číslo b horí mez, iterval < ab, > itegračí obor a fukci f itegrad. Geometrický výzam určitého itegrálu b Je-li f ( x) 0 a itervalu < ab, >, pak f ( xdx ) představuje obsah křivočarého a lichoběžíka ohraičeého shora grafem fukce f( x), přímkami x= a, x= b a osou x (obr ). Pozámky b 1. Zápis eurčitého itegrálu f ( xdx ) a určitého itegrálu f ( xdx ) je formálě velmi a

7 2.1. Pojem Riemaova určitého itegrálu podobý. U určitého itegrálu jsou pouze avíc itegračí meze. To má za ásledek, že je studeti považují prakticky za stejé. Určitý a eurčitý itegrál se však zásadě liší! Výsledkem eurčitého itegrálu je fukce (možia fukcí), výsledkem určitého itegrálu je číslo. Přestože se jedá o zcela odlišé pojmy, existuje mezi imi důležitá souvislost, jak uvidíme dále (věta 2.2.1). 2. Z kostrukce určitého itegrálu je zřejmé, že výsledek ezávisí a tom, jak ozačíme b b b. itegračí proměou. Tedy f ( xdx ) = f( tdt ) = f( udu ) a a a 3. Symbol itegrálu vzikl protažeím písmee S, které ozačovalo sumu. Z defiice určitého itegrálu vidíme, o jakou sumu (itegrálí součet) se jedá. 4. Postup uvedeý v předcházející části jsme mohli realizovat ejlépe s použitím počítače. Daý iterval < ab, > bychom rozdělili ekvidistatími body a dostatečý počet dílčích itervalů (třeba milio), jako reprezetaty bychom zvolili levé ebo pravé hraice těchto dílčích itervalů. Sado aprogramujeme výpočet itegrálího součtu. Pokud určitý itegrál existuje, bude teto itegrálí součet jistou aproximací určitého itegrálu. Uvedeý postup je základem obdélíkové metody umerického výpočtu určitých itegrálů. Těmito postupy a odhadem chyby se zabývá umerická matematika

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

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

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

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

Sekvenční logické obvody(lso)

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

Více

1 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

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

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

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

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

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

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

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

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

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

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

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

(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

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

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

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

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

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

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení 2 Zpracování naměřených dat Důležitou součástí každé experimentální práce je statistické zpracování naměřených dat. V této krátké kapitole se budeme věnovat určení intervalů spolehlivosti získaných výsledků

Více

Posloupnosti na střední škole Bakalářská práce

Posloupnosti na střední škole Bakalářská práce MASARYKOVA UNIVERZITA V BRNĚ Přírodovědecká fkult Ktedr mtemtiky Poslouposti středí škole Bklářská práce Bro 00 Kteři Rábová Prohlášeí Prohlšuji, že tto bklářská práce je mým původím utorským dílem, které

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

Historie matematiky a informatiky Cvičení 2

Historie matematiky a informatiky Cvičení 2 Historie matematiky a informatiky Cvičení 2 Doc. RNDr. Alena Šolcová, Ph. D., KAM, FIT ČVUT v Praze 2014 Evropský sociální fond Investujeme do vaší budoucnosti Alena Šolcová Číselně teoretické funkce (Number-Theoretic

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

Laboratorní práce č. 4: Úlohy z paprskové optiky

Laboratorní práce č. 4: Úlohy z paprskové optiky Přírodí ědy moderě a iteraktiě FYZKA 4. ročík šestiletého a. ročík čtyřletého studia Laboratorí práce č. 4: Úlohy z paprskoé optiky G Gymázium Hraice Přírodí ědy moderě a iteraktiě FYZKA 3. ročík šestiletého

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

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

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

Seznámíte se s další aplikací určitého integrálu výpočtem objemu rotačního tělesa.

Seznámíte se s další aplikací určitého integrálu výpočtem objemu rotačního tělesa. .. Ojem rotčního těles Cíle Seznámíte se s dlší plikcí určitého integrálu výpočtem ojemu rotčního těles. Předpokládné znlosti Předpokládáme, že jste si prostudovli zvedení pojmu určitý integrál (kpitol.).

Více

Posloupnosti a jejich konvergence POSLOUPNOSTI

Posloupnosti a jejich konvergence POSLOUPNOSTI Posloupnosti a jejich konvergence Pojem konvergence je velmi důležitý pro nediskrétní matematiku. Je nezbytný všude, kde je potřeba aproximovat nějaké hodnoty, řešit rovnice přibližně, používat derivace,

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

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

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 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

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

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

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

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

Protokol č. 7. Jednotné objemové křivky. Je zadána výměra porostu, výška dřevin a počty stromů v jednotlivých tloušťkových stupních.

Protokol č. 7. Jednotné objemové křivky. Je zadána výměra porostu, výška dřevin a počty stromů v jednotlivých tloušťkových stupních. Protokol č. 7 Jednotné objemové křivky Zadání: Pro zadané dřeviny stanovte zásobu pomocí JOK tabulek. Součástí protokolu bude tabulka obsahující střední Weisseho tloušťku, Weisseho procento, číslo JOK,

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

2. Numerické výpočty. 1. Numerická derivace funkce

2. Numerické výpočty. 1. Numerická derivace funkce 2. Numerické výpočty Excel je poměrně pohodlný nástroj na provádění různých numerických výpočtů. V příkladu si ukážeme možnosti výpočtu a zobrazení diferenciálních charakteristik analytické funkce, přičemž

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

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

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

Jan Zahradník, Pedagogická fakulta Jihočeské univerzity v Českých Budějovicích

Jan Zahradník, Pedagogická fakulta Jihočeské univerzity v Českých Budějovicích Pohled do historie fiačí matematiky Ja Zahradík, Pedagogická fakulta Jihočeské uiverzity v Českých Budějovicích Úvod Častým tématem diskusí současých ekoomů je ízká úroveň fiačí gramotosti ašich občaů.

Více

Expertní Systémy. Tvorba aplikace

Expertní Systémy. Tvorba aplikace Tvorba aplikace Typ systému malý velký velmi velký Počet pravidel 50-350 500-3000 10000 Počet člověkoroků 0.3-0.5 1-2 3-5 Cea projektu (v tis.$) 40-60 500-1000 2000-5000 Harmo, Kig (1985) Vytvořeí expertího

Více

Příklad 1. Řešení 1a Máme určit obsah rovinné plochy ohraničené křivkami: ŘEŠENÉ PŘÍKLADY Z M1A ČÁST 14. a) =0, = 1, = b) =4, =0

Příklad 1. Řešení 1a Máme určit obsah rovinné plochy ohraničené křivkami: ŘEŠENÉ PŘÍKLADY Z M1A ČÁST 14. a) =0, = 1, = b) =4, =0 Příklad Určete obsah rovinné plochy ohraničené křivkami: a) =0,=,= b) =4,=0 c) =,=,=3,=0 d) =+, =0 e) + )=,= f) = +4,+= g) =arcsin,=0,= h) =sin,=0, 0; i) =,=,=4,=0 j) =,= k) = 6,= +5 4 l) =4,+=5 m) = +

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

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

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

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

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

Okruhy z učiva středoškolské matematiky pro přípravu ke studiu na VŠB TU Ostrava-

Okruhy z učiva středoškolské matematiky pro přípravu ke studiu na VŠB TU Ostrava- Okruhy z učiv středoškolské mtemtiky pro příprvu ke studiu VŠB TU Ostrv- I Zákldí poztky z logistiky teorie moži: výrok prvdivostí hodot výroku, egce, disjukce, kojukce, implikce, ekvivlece, složeé výroky,

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

Výukový materiál zpracovaný v rámci projektu Výuka moderně Registrační číslo projektu: CZ.1.07/1.5.00/34.0205

Výukový materiál zpracovaný v rámci projektu Výuka moderně Registrační číslo projektu: CZ.1.07/1.5.00/34.0205 Střední průmyslová škola strojnická Olomouc, tř.17. listopadu 49 Výukový materiál zpracovaný v rámci projektu Výuka moderně Registrační číslo projektu: CZ.1.07/1.5.00/34.0205 Šablona: III/2 Přírodovědné

Více

STŘEDNÍ ŠKOLA ELEKTROTECHNICKÁ, OSTRAVA, NA JÍZDÁRNĚ 30, p. o. MATEMATIKA

STŘEDNÍ ŠKOLA ELEKTROTECHNICKÁ, OSTRAVA, NA JÍZDÁRNĚ 30, p. o. MATEMATIKA STŘEDNÍ ŠKOLA ELEKTROTECHNICKÁ, OSTRAVA, NA JÍZDÁRNĚ, p. o. MATEMATIKA Ig. Rudolf PŠENICA 6 OBSAH:. SHRNUTÍ A PROHLOUBENÍ UČIVA... 5.. Zákldí možiové pojmy... 5.. Číselé možiy... 6.. Itervly... 6.. Absolutí

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

Kolika způsoby může při hodu dvěma kostkami padnout součet ok: a) roven 7 b) nejvýše 5 řešení

Kolika způsoby může při hodu dvěma kostkami padnout součet ok: a) roven 7 b) nejvýše 5 řešení 2. intermezzo - Tucet dalších příkladů. Příklad 1: Čtyři studenti jisté vysoké školy skládají zkoušku z matematiky. Kolik existuje případů, že každý z nich bude mít jinou známku? Počítejte s čtyřstupňovou

Více

Univerzita Karlova v Praze Pedagogická fakulta

Univerzita Karlova v Praze Pedagogická fakulta Uverzta Karlova v Praze Pedagogcká fakulta SEMINÁRNÍ PRÁCE Z OBECNÉ ALGEBRY DĚLITELNOST CELÝCH ČÍSEL V SOUSTAVÁCH O RŮZNÝCH ZÁKLADECH / Cfrk C. Zadáí: Najděte pět krtérí pro děltelost v jých soustavách

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

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

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

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

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

M a t i c e v e s t ř e d o š k o l s k é m a t e m a t i c e

M a t i c e v e s t ř e d o š k o l s k é m a t e m a t i c e M t i c e v e s t ř e d o š k o l s k é m t e m t i c e P t r i k K v e c k ý M e d e l o v o g y m á z i u m v O p v ě S t u d i j í m t e r i á l - M t i c e v e s t ř e d o š k o l s k é m t e m t i

Více

ZÁKLADNÍ SUMAČNÍ TECHNIKY

ZÁKLADNÍ SUMAČNÍ TECHNIKY Zápdočeská uiverzit v Plzi Fkult pedgogická Bklářská práce ZÁKLADNÍ SUMAČNÍ TECHNIKY Diel Tyr Plzeň Prohlšuji, že jsem tuto práci vyprcovl smosttě s použitím uvedeé litertury zdrojů iformcí. V Plzi,..

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

, 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

Aritmetická posloupnost

Aritmetická posloupnost /65 /65 Obsh Obsh... Aritmetická posloupost.... Soustv rovic, součet.... AP - předpis... 5. AP - součet... 6. AP - prvoúhlý trojúhelík... 7. Součet čísel v itervlu... 8 Geometrická posloupost... 0. Soustv

Více

Obecné informace: Typy úloh a hodnocení:

Obecné informace: Typy úloh a hodnocení: Obecné informace: Počet úloh: 30 Časový limit: 60 minut Max. možný počet bodů: 30 Min. možný počet bodů: 8 Povolené pomůcky: modrá propisovací tužka obyčejná tužka pravítko kružítko mazací guma Poznámky:

Více

PRŮBĚH FUNKCE - CVIČENÍ

PRŮBĚH FUNKCE - CVIČENÍ MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA PRŮBĚH FUNKCE - CVIČENÍ Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny

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

Determinanty Opakování: Permutace na n prvcích je zobrazení p:{1,..., n} {1,..., n}, které je prosté a na.

Determinanty Opakování: Permutace na n prvcích je zobrazení p:{1,..., n} {1,..., n}, které je prosté a na. Li algebra determiaty, polyomy, vlast čísla a vetory, charateristicý mohočle, salárí souči, posdef matice, bilieárí a vadraticé formy Lieárí algebra II láta z II semestru iformatiy MFF UK dle předáše Jiřího

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

Limita a spojitost funkce

Limita a spojitost funkce Limita a spojitost funkce Základ všší matematik Dana Říhová Mendelu Brno Průřezová inovace studijních programů Lesnické a dřevařské fakult MENDELU v Brně (LDF) s ohledem na disciplin společného základu

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

FUNKCE PRO ANALYTICKÉ ZPRACOVÁNÍ DAT

FUNKCE PRO ANALYTICKÉ ZPRACOVÁNÍ DAT FUNKCE PRO ANALYTICKÉ ZPRACOVÁNÍ DAT V PRODUKTECH YAMACO SOFTWARE PŘÍRUČKA A NÁVODY PRO ÚČELY: - RUTINNÍ PRÁCE S DATY YAMACO SOFTWARE 2008 1. ÚVODEM Vybrané produkty společnosti YAMACO Software obsahují

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

1 Náhodný výběr a normální rozdělení 1.1 Teoretická a statistická pravděpodobnost

1 Náhodný výběr a normální rozdělení 1.1 Teoretická a statistická pravděpodobnost 1 Náhodný výběr a normální rozdělení 1.1 Teoretická a statistická pravděpodobnost Ve světě kolem nás eistují děje, jejichž výsledek nelze předem jednoznačně určit. Například nemůžete předem určit, kolik

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

7 Kardinální informace o kritériích (část 1)

7 Kardinální informace o kritériích (část 1) 7 Kardinální informace o kritériích (část 1) Předpokládejme stejná značení jako v předchozích cvičeních. Kardinální informací o kritériích se rozumí ohodnocení jejich důležitosti k pomocí váhového vektoru

Více

Semestrální práce z předmětu Matematika 6F

Semestrální práce z předmětu Matematika 6F vypracoval: Jaroslav Nušl dne: 17.6.24 email: nusl@cvut.org Semestrální práce z předmětu Matematika 6F Zádání: Cílem semestrální práce z matematiky 6F bylo zkoumání hudebního signálu. Pluginem ve Winampu

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

Statistické metody ve veřejné správě ŘEŠENÉ PŘÍKLADY

Statistické metody ve veřejné správě ŘEŠENÉ PŘÍKLADY Statitické metody ve veřejé právě ŘEŠENÉ PŘÍKLADY Ig. Václav Friedrich, Ph.D. 2013 1 Kapitola 2 Popi tatitických dat 2.1 Tabulka obahuje rozděleí pracovíků podle platových tříd: TARIF PLAT POČET TARIF

Více

Vyšetřování průběhu funkce pomocí programu MatLab. 1. Co budeme potřebovat?

Vyšetřování průběhu funkce pomocí programu MatLab. 1. Co budeme potřebovat? Vyšetřování průběhu funkce pomocí programu MatLab K práci budeme potřebovat následující příkazy pro 1. Co budeme potřebovat? (a) zadání jednotlivých výrazů symbolicky (obecně) (b) řešení rovnice f()=0,

Více

PRAVDĚPODOBNOST A STATISTIKA aneb Krátký průvodce skripty [1] a [2]

PRAVDĚPODOBNOST A STATISTIKA aneb Krátký průvodce skripty [1] a [2] PRAVDĚPODOBNOST A STATISTIKA aneb Krátký průvodce skripty [1] a [2] Použitá literatura: [1]: J.Reif, Z.Kobeda: Úvod do pravděpodobnosti a spolehlivosti, ZČU Plzeň, 2004 (2. vyd.) [2]: J.Reif: Metody matematické

Více

I Z klad pojmy teorie pravd podobosti { eoci l u eb text pro p edm t MATEMATIKA V, FS,FM TUL, ( drob chyby ejsou vylou ey) P. Volf, b eze 999 N hod pokus, syst m jev P edm tem teorie pravd podobosti je

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

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

1. ČÍSELNÉ OBORY 10. Kontrolní otázky 24. Úlohy k samostatnému řešení 25. Výsledky úloh k samostatnému řešení 25. Klíč k řešení úloh 26

1. ČÍSELNÉ OBORY 10. Kontrolní otázky 24. Úlohy k samostatnému řešení 25. Výsledky úloh k samostatnému řešení 25. Klíč k řešení úloh 26 Zákld mtemtik Číselé oor ČÍSELNÉ OBORY 0 Některé pojm z mtemtické logik 0 Výroková logik 0 Moži vzth mezi imi Možiové operce Grfické zázorěí moži Číselé oor Čísl ázv jejich chrkteristik Chrkteristik číselých

Více

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

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

Více

Stanovení bodů zvratu při plánování výrobních kapacit

Stanovení bodů zvratu při plánování výrobních kapacit Stanovení bodů zvratu při plánování výrobních kapacit Bod zvratu definujeme jako minimální množství výrobků, které potřebuje společnost vyrobit, aby pokryla své fixní a variabilní náklady, tj. aby nebyla

Více

1. Několik základních pojmů ze středoškolské matematiky. Na začátku si připomeneme následující pojmy:

1. Několik základních pojmů ze středoškolské matematiky. Na začátku si připomeneme následující pojmy: Opakování středoškolské matematiky Slovo úvodem: Tato pomůcka je určena zejména těm studentům presenčního i kombinovaného studia na VŠFS, kteří na středních školách neprošli dostatečnou průpravou z matematiky

Více