NUMP403 (Pravděpodobnost a Matematická statistika II) 1. Na autě jsou prováděny dvě nezávislé opravy a obě opravy budou hotovy do jedné hodiny.
|
|
- Luděk Svoboda
- před 4 lety
- Počet zobrazení:
Transkript
1 Spojiá rozdělení I.. Na auě jou prováděny dvě nezávilé opravy a obě opravy budou hoovy do jedné hodiny. Předpokládejme, že obě opravy jou v akové fázi, že rozdělení čau do ukončení konkréní opravy je rovnoměrné. (a) Jaká je řední hodnoa a rozpyl čekání na ukončení první opravy? (b) Jaké je rozdělení doby do ukončení obou oprav? (c) Určee pravděpodobno, že obě opravy budou ukončeny do 45 minu. (d) Uvažujme iuaci, kdy opravy nebudou prováděny oučaně, ale poupně. Jaké rozdělení bude mí ča ukončení obou oprav? (e) Uvažujme nyní n nezávilých oprav, jejichž doba má rovnoměrné rozdělení R(, ). Nech T je ča, kdy bude dokončena první z oprav, a T ča, kdy bude dokončena polední z oprav. Jaké je rozdělení n.v. T a T?. Poče příchozích hovorů v čaovém inervalu (, T ) má Poionovo rozdělení paramerem λt. (a) Jaké je rozdělení doby čekání na první příchozí hovor? (b) Určee řední hodnou a rozpyl doby čekání na první hovor. (c) Jaké je rozdělení čekání na první příchozí hovor za předpokladu, že do čau > žádný hovor nepřišel? 3. Uvažujme, že má náhodná veličina pojié rozdělení, keré je bez paměi, j. P (X < + X > ) P (X < ). Dále předpokládáme, že pro huou ohoo rozdělení f() plaí: f() x <, f() > x a huoa f je pojiá na [, ). Jaký var ao huoa má a o jaké rozdělení e jedná?
2 Řešení. Označme X i ča v minuách, kerý muí majiel ješě čeka na dokončení i-é opravy, i,. Za zadání plyne, že X i R(, ), j. huoa rozdělení éo náhodné veličiny je: f(x), x (, ),, x / (, ). (a) EX Ω X(ω)dP (ω) R x x dx 3. VarX E(X EX) EX (EX) [ x 3 8 ] x dx 3 Sřední doba čekání na ukončení první opravy je edy 3 minu, rozpyl je 3. (b) Označme X dobu do ukončení obou oprav, pak X max{x, X }. Určíme diribuční funkci náhodné veličiny X. F X (x) P (X < x) P (X < x, X < x) P (X < x)p (X < x) ( x ) ( x d x ) 3. Z diribuční funkce F X určíme huou f X n.v. X. f X (x) x F X(x) x x 3 x, x (,.) 8 Rozdělení ukončení obou oprav je určeno uvedenou diribuční funkcí nebo ekvivalenně vypočíanou huoou. (c) 45 [ ] x x 45 P (X 45) 8 dx (d) Označme Y ča ukončení obou oprav, pak Y X + X. Sdružená huoa f X,X (x, y) f X (x)f X (y) pro (x, y) [, 3 ] (Jelikož jou n.v. X a X nezávilé). Pro jednoducho rozdělíme výpoče na dvě iuace.., pak F Y () P (Y < ) P (X + X < ) [ ] ( x) 3 edy f Y (), (, ). 3 x, (, ), 7 3 dydx 3 ( x)dx
3 Obrázek : Zelený čverec [, ] zobrazuje množinu všech realizací náhodných veličin X, X (j. proor Ω), červeně vyšrafovaná obla je obla, kde Y < pro < (čá.), modře vyšrafovaná obla je obla, kde Y < pro > (čá.).. >, pak min{, x} F Y () P (Y < ) P (X + X < ) 3 dydx ( ) ( ) ( ) , edy f Y () +, (, ). 3 3 (e) T min{x,..., X n } a T max{x,.., X n }. Pak F T (x) P (T < x) P (X < x,..., X n < x) ( x ) n, ( x ) n P (X i < x) d i f T ( x ) n nx n x, n F T (x) P (T < x) P (min{x,..., X n } < x) P (min{x,..., X n } x) P (X x,..., X n x) P (X i x) i i x d ( ) n x 3
4 a f T ( x ( ) n ) x n( x)n n.. Označme X náhodnou veličinu popiující poče příchozích hovorů do čau a Y náhodnou veličinu popiující ča do příchodu prvního hovoru. (a) edy λ (λ) F Y () P (Y < ) P (X > ) P (X ) e f Y () ( e λ ) λe λ, >. e λ, (b) Náhodná veličina Y má exponenciální rozdělení paramerem λ. EY λe λ d λ VarY EY (EY ) λ ] ) ([ e λ e λ + λ λ d λe λ d [ ] λ λ e λ + λ λe λ d λ λ λ λ. [ e λ λ ] λ. e λ d λ (c) I. pomocí Poionova rozdělení P (Y < + Y > ) P (X + > X ) P (X + >, X ) P (X ) P (X > )P (X ) P (X > ) P (Y < ). P (X ) II. pomocí exponenciálního rozdělení P (Y < +, Y > ) P ( < Y < + ) P (Y < + Y > ) P (Y > ) P (Y > ) [ ] e λx + eλ(+)+e λ e λ e λ + λe λx dx P (Y ) e λ P (Y < ). Teno výledek lze inerpreova aké ak, že exponenciální rozdělení je rozdělení bez paměi. Nebo pravděpodobno, že budeme čeka na událo ješe čaových jednoek, pokud víme, že jme již čaových jednoek čekali, je ejná jako pravděpodobno, že budeme čeka čaových jednoek (bez znaloi minuloi). 4
5 3. P (X < + X > ) P (X < ) P (X < +, X > ) P (X < ) P (X > ) P ( < X < + ) P (X < ) P (X > ) lim lim + f() f() f() f() f () f() f() Doaneme edy diferenciální rovnici f () f()f(), edy f() Ce f(). Označme λ f(), pak f() Ce λ. Jelikož f()d, doaneme C λ, edy huoa má var f() λe λ, což je huoa exponenciálního rozdělení. Pokud edy chceme pojié rozdělení na [, ) e pojiou huoou, keré nemá pamě, ak máme jedinou možno a o exponenciální rozdělení. 5
listopadu 2016., t < 0., t 0, 1 2 ), t 1 2,1) 1, 1 t. Pro X, U a V najděte kvantilové funkce, střední hodnoty a rozptyly.
6. cvičení z PSI 7. -. lisopadu 6 6. kvanil, sřední hodnoa, rozpyl - pokračování příkladu z minula) Náhodná veličina X má disribuční funkci e, < F X ),, ) + 3,,), a je směsí diskréní náhodné veličiny U
VíceÚloha IV.E... už to bublá!
Úloha IV.E... už o bublá! 8 bodů; průměr 5,55; řešilo 42 udenů Změře účinno rychlovarné konvice. Údaj o příkonu naleznee obvykle na amolepce zepodu konvice. Výkon určíe ak, že zjiíe, o kolik upňů Celia
VíceKvadratické rovnice a jejich užití
Kvadraické rovnice a jejich užií Určeno udenům ředního vzdělávání mauriní zkouškou, první ročník, okruh Rovnice a nerovnice Pracovní li vyvořil: Mgr. Helena Korejková Období vyvoření VM: proinec 2012 Klíčová
VícePravděpodobnost a statistika (BI-PST) Cvičení č. 7
Pravděpodobnost a statistika (BI-PST) Cvičení č. 7 R. Blažek, M. Jiřina, J. Hrabáková, I. Petr, F. Štampach, D. Vašata Katedra aplikované matematiky Fakulta informačních technologií České vysoké učení
Více1.1.9 Rovnoměrný pohyb IV
1.1.9 Rovnoměrný pohyb IV ředpoklady: 118 V jedné z minulých hodin jme odvodili vzah pro dráhu (nebo polohu) rovnoměrného pohybu = v (dráha je přímo úměrná rychloi a čau). ř. 1: Karel a onza e účaní dálkového
VíceMgr. Rudolf Blažek, Ph.D. prof. RNDr. Roman Kotecký Dr.Sc.
Náhodné veličiny III Mgr. Rudolf Blažek, Ph.D. prof. RNDr. Roman Kotecký Dr.Sc. Katedra teoretické informatiky Fakulta informačních technologií České vysoké učení technické v Praze c Rudolf Blažek, Roman
VíceIMPULSNÍ A PŘECHODOVÁ CHARAKTERISTIKA,
IMPULSNÍ A PŘECHODOVÁ CHARAKTERISTIKA, STABILITA. Jednokový impuls (Diracův impuls, Diracova funkce, funkce dela) někdy éž disribuce dela z maemaického hlediska nejde o pravou funkci (přesný popis eorie
VíceParciální funkce a parciální derivace
Parciální funkce a parciální derivace Pro sudeny FP TUL Marina Šimůnková 19. září 2018 1. Parciální funkce. Příklad: zvolíme-li ve funkci f : (x, y) sin(xy) pevnou hodnou y, například y = 2, dosaneme funkci
VíceODHADY VARIABILITY POSLOUPNOSTÍ
ÚVOD MÍRY VARIABILITY, ODHADY VLASTNOSTI FF SEGMENTACE ZÁZNAMU MINIMALIZACE MSE SNÍŽENÍ ROZPTYLU ODHADY VARIABILITY POSLOUPNOSTÍ NEURONOVÝCH IMPULSŮ Kamil Rajdl Úsav maemaiky a saisiky Přírodovědecká fakula
VíceOBJÍMKA VÁZANÁ PRUŽINOU NA NEHLADKÉM OTOČNÉM RAMENI
OBJÍMKA VÁZANÁ RUŽINOU NA NELAKÉM OTOČNÉM RAMENI SEIFIKAE ROBLÉMU Rameno čvercového průřezu roue konanní úhlovou rychloí ω Na něm e nasazena obímka hmonoi m s koeicienem ření mezi ní a ěnami ramene Obímka
VícePravděpodobnost a statistika (BI-PST) Cvičení č. 4
Pravděpodobnost a statistika (BI-PST) Cvičení č. 4 J. Hrabáková, I. Petr, F. Štampach, D. Vašata Katedra aplikované matematiky Fakulta informačních technologií České vysoké učení technické v Praze ZS 2014/2015
VíceSlovní úlohy na pohyb
VY_32_INOVACE_M-Ar 8.,9.09 Sloní úlohy na pohyb Anoace: Praconí li ukazuje žákoi poup řešení loních úloh na pohyb. Jou zde rozebrány ypy, keré mohou naa. Poupy řešení zoroých příkladů jou žákům promínuy
VíceEKONOMETRIE 6. přednáška Modely národního důchodu
EKONOMETRIE 6. přednáška Modely národního důchodu Makroekonomické modely se zabývají modelováním a analýzou vzahů mezi agregáními ekonomickými veličinami jako je důchod, spořeba, invesice, vládní výdaje,
VíceDerivace funkce více proměnných
Derivace funkce více proměnných Pro sudeny FP TUL Marina Šimůnková 21. prosince 2017 1. Parciální derivace. Ve výrazu f(x, y) považujeme za proměnnou jen x a proměnnou y považujeme za konsanu. Zderivujeme
VícePříklad 1. Řešení 1a. Řešení 1b. Řešení 1c ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 7
Příklad 1 a) Autobusy městské hromadné dopravy odjíždějí ze zastávky v pravidelných intervalech 5 minut. Cestující může přijít na zastávku v libovolném okamžiku. Určete střední hodnotu a směrodatnou odchylku
VíceFUNKCE VE FYZICE. Studijní text pro řešitele FO a ostatní zájemce o fyziku. Miroslava Jarešová Ivo Volf
FUNKCE VE FYZICE Sudijní ex pro řešiele FO a oaní zájemce o fyziku Mirolava Jarešová Ivo Volf Obah Elemenární funkce na CD ROMu 2 1 Základní pojmy 4 1.1 Pojemfunkce............................ 4 1.2 Graffunkce.............................
VíceSP2 01 Charakteristické funkce
SP 0 Chararisicé func Chararisicé func pro NP Chararisicé func pro NV Náhld Náhodnou proměnnou, nbo vor, L, n lz popsa funčními chararisiami: F, p, f číslnými chararisiami: E, D, A, A 4 Co s dá z čho spočía:
VíceŘešení úloh 1. kola 55. ročníku fyzikální olympiády. Kategorie D
1.a) Graf v km h 1 Řešení úloh 1. kola 55. ročníku fyzikální olympiády. Kaegorie D 50 Auor úloh: J. Jírů 40 30 0 10 0 0 1 3 4 5 6 7 8 9 10 11 1 13 14 6bodů b) Pomocí obahu plochy pod grafem určíme dráhu
VíceKINEMATIKA. 1. Základní kinematické veličiny
KINEMATIKA. Základní kinemaické veličiny Tao čá fyziky popiuje pohyb ěle. VZTAŽNÁ SOUSTAVA je ěleo nebo ouava ěle, ke kerým vzahujeme pohyb nebo klid ledovaného ělea. Aboluní klid neexiuje, proože pohyb
VícePřednáška. Další rozdělení SNP. Limitní věty. Speciální typy rozdělení. Další rozdělení SNP Limitní věty Speciální typy rozdělení
VI Přednáška Další rozdělení SNP Limitní věty Speciální typy rozdělení Rovnoměrné rozdělení R(a,b) Příklad Obejít celý areál trvá strážnému 30 minut. Jaká je pravděpodobnost, že u vrátnice budete čekat
Vícez Matematické statistiky 1 1 Konvergence posloupnosti náhodných veličin
Příklady k procvičení z Matematické statistiky Poslední úprava. listopadu 207. Konvergence posloupnosti náhodných veličin. Necht X, X 2... jsou nezávislé veličiny s rovnoměrným rozdělením na [0, ]. Definujme
Víceprof. RNDr. Roman Kotecký DrSc., Dr. Rudolf Blažek, PhD Pravděpodobnost a statistika Katedra teoretické informatiky Fakulta informačních technologií
prof. RNDr. Roman Kotecký DrSc., Dr. Rudolf Blažek, PhD Katedra teoretické informatiky Fakulta informačních technologií České vysoké učení technické v Praze c Rudolf Blažek, Roman Kotecký, 2011 Pravděpodobnost
Vícex udává hodnotu směrnice tečny grafu
Předmě: Ročník: Vyvořil: Daum: MATEMATIKA ČTVRTÝ Mgr. Tomáš MAŇÁK 5. srpna Název zpracovaného celku: GEOMETRICKÝ VÝZNAM DERIVACE FUNKCE GEOMETRICKÝ VÝZNAM DERIVACE FUNKCE v bodě (ečny grafu funkcí) Je
VíceLaplaceova transformace Modelování systémů a procesů (11MSP)
aplaceova ransformace Modelování sysémů a procesů (MSP) Bohumil Kovář, Jan Přikryl, Miroslav Vlček 5. přednáška MSP čvrek 2. března 24 verze: 24-3-2 5:4 Obsah Fourierova ransformace Komplexní exponenciála
VícePasivní tvarovací obvody RC
Sřední průmyslová škola elekroechnická Pardubice CVIČENÍ Z ELEKTRONIKY Pasivní varovací obvody RC Příjmení : Česák Číslo úlohy : 3 Jméno : Per Daum zadání : 7.0.97 Školní rok : 997/98 Daum odevzdání :
VíceSkupinová obnova. Postup při skupinové obnově
Skupinová obnova Při skupinové obnově se obnovují všechny prvky základního souboru nebo určiá skupina akových prvků najednou. Posup při skupinové obnově prvky, jež selžou v určiém období, je nuno obnovi
VíceNA POMOC FO. Pád vodivého rámečku v magnetickém poli
NA POMOC FO Pád vodivého rámečku v maneickém poli Karel auner *, Pedaoická akula ZČU v Plzni Příklad: Odélníkový rámeček z vodivého dráu má rozměry a,, hmonos m a odpor. Je zavěšen ve výšce h nad horním
VíceLineární rovnice prvního řádu. Máme řešit nehomogenní lineární diferenciální rovnici prvního řádu. Funkce h(t) = 2
Cvičení 1 Lineární rovnice prvního řádu 1. Najděe řešení Cauchyovy úlohy x + x g = cos, keré vyhovuje podmínce x(π) =. Máme nehomogenní lineární diferenciální ( rovnici prvního řádu. Funkce h() = g a q()
VíceRadek Hendrych. Stochastické modelování v ekonomii a financích. 18. října 2010
Sochasické modelování v ekonomii a financích 18. října 21 Program 1 2 3 4 Úroková míra R, T ) Uvažujme bezrizikový bezkuponový dluhopis s mauriou T a nominální hodnoou 1 $, jeho cenu v čase budeme nadále
VíceVýkonnost a spolehlivost číslicových systémů
Výkonnos a spolehlivos číslicových sysémů Úloha Generování a zpracování náhodných čísel Zadání 9 Trojúhelníkové rozdělení Jan Kupka A65 kupka@sudens.zcu.cz . Zadání vyvoře generáor rozdělení jako funkci
VíceNáhodná veličina Číselné charakteristiky diskrétních náhodných veličin Spojitá náhodná veličina. Pravděpodobnost
Pravděpodobnost Náhodné veličiny a jejich číselné charakteristiky Petr Liška Masarykova univerzita 19.9.2014 Představme si, že provádíme pokus, jehož výsledek dokážeme ohodnotit číslem. Před provedením
VíceObr. PB1.1: Schématické zobrazení místa.
97 Projekové zadání PB1 Poouzení nehodové udáoi Na zákadě chémau nehody oveďe vyhodnocení nehodové udáoi. Určee: - paramery oai řeu pode chémau na orázku Or. PB1.1 ( x1, x, y1, y, x1, x, y1, y ); - zda
Více1.3.4 Rovnoměrně zrychlený pohyb po kružnici
34 Rovnoměrně zrychlený pohyb po kružnici Předpoklady: 33 Opakování: K veličinám popisujícím posuvný pohyb exisují analogické veličiny popisující pohyb po kružnici: rovnoměrný pohyb pojíko rovnoměrný pohyb
VíceTeorie obnovy. Obnova
Teorie obnovy Meoda operačního výzkumu, kerá za pomocí maemaických modelů zkoumá problémy hospodárnosi, výměny a provozuschopnosi echnických zařízení. Obnova Uskuečňuje se až po uplynuí určiého času činnosi
VíceKGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 4. Teoretická rozdělení Mgr. David Fiedor 9. března 2015 Osnova Úvod 1 Úvod 2 3 4 5 Vybraná rozdělení náhodných proměnných normální rozdělení normované normální rozdělení
VícePÁSMOVÉ SIGNÁLY (Bandpass signals) SaSM5
PÁSMOVÉ SIGNÁLY (Bandpa ignal) SaSM5 Deinie: Pámovými ignály nazýváme reálné ignály, keré maí pekrum omezeno do určiého kmiočového páma, neobahuíího nulový kmioče: S() 0, pro S() = 0, pro S() - Kmiočy,
VíceDiferenciální rovnice 1. řádu
Kapiola Diferenciální rovnice. řádu. Lineární diferenciální rovnice. řádu Klíčová slova: Obyčejná lineární diferenciální rovnice prvního řádu, pravá srana rovnice, homogenní rovnice, rovnice s nulovou
VíceMATEMATIKA II V PŘÍKLADECH
VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ MATEMATIKA II V PŘÍKLADECH CVIČENÍ Č. Ing. Pera Schreiberová, Ph.D. Osrava 0 Ing. Pera Schreiberová, Ph.D. Vysoká škola báňská Technická
VíceStatistika a spolehlivost v lékařství Charakteristiky spolehlivosti prvků I
Statistika a spolehlivost v lékařství Charakteristiky spolehlivosti prvků I Příklad Tahová síla papíru používaného pro výrobu potravinových sáčků je důležitá charakteristika kvality. Je známo, že síla
VíceÚloha V.E... Vypař se!
Úloha V.E... Vypař se! 8 bodů; průměr 4,86; řešilo 28 sudenů Určee, jak závisí rychlos vypařování vody na povrchu, kerý ao kapalina zaujímá. Experimen proveďe alespoň pro pě různých vhodných nádob. Zamyslee
VíceDefinice spojité náhodné veličiny zjednodušená verze
Definice spojité náhodné veličiny zjednodušená verze Náhodná veličina X se nazývá spojitá, jestliže existuje nezáporná funkce f : R R taková, že pro každé a, b R { }, a < b, platí P(a < X < b) = b a f
VíceTECHNICKÁ UNIVERZITA V LIBERCI
TECHNICKÁ UNIVERZIT V LIBERCI Savová regulace Liberec Ing. irolav Vavroušek . Savová regulace V práci e budu zabýva analýzou yému popaného diferenciální rovnicí: Řešení bude probíha pomocí yému TLB...
VíceSeznámíte se s principem integrace substituční metodou a se základními typy integrálů, které lze touto metodou vypočítat.
4 Inegrace subsiucí 4 Inegrace subsiucí Průvodce sudiem Inegrály, keré nelze řeši pomocí základních vzorců, lze velmi časo řeši subsiuční meodou Vzorce pro derivace elemenárních funkcí a věy o derivaci
Vícef ( x) = ψϕ ( ( x )). Podle vět o derivaci složené funkce
Funkce daná paramerick polárně a implicině 4 Funkce daná paramerick polárně a implicině Výklad Definice 4 Nechť jsou dán funkce ϕ() ψ () definované na M R a nechť ϕ () je prosá na M Složená funkce ψϕ definovaná
Vícetransformace Idea afinního prostoru Definice afinního prostoru velké a stejně orientované.
finní ransformace je posunuí plus lineární ransformace má svou maici vzhledem k homogenním souřadnicím využií například v počíačové grafice [] Idea afinního prosoru BI-LIN, afinia, 3, P. Olšák [2] Lineární
VícePoznámky k předmětu Aplikovaná statistika, 5.téma
Poznámky k předmětu Aplikovaná statistika, 5.téma 5. Některá významná rozdělení A. Diskrétní rozdělení (i) Diskrétní rovnoměrné rozdělení na množině {,..., n} Náhodná veličina X, která má diskrétní rovnoměrné
Více4. Gomory-Hu Trees. r(x, z) min(r(x, y), r(y, z)). Důkaz: Buď W minimální xz-řez.
4. Gomory-Hu Tree Cílem éo kapioly je popa daovou rukuru, kerá velice kompakně popiuje minimální -řezy pro všechny dvojice vrcholů, v daném neorienovaném grafu. Tuo rukuru poprvé popali Gomory a Hu v článku[1].
VíceVYBRANÁ ROZDĚLENÍ. SPOJITÉ NÁH. VELIČINY Martina Litschmannová
VYBRANÁ ROZDĚLENÍ SPOJITÉ NÁH. VELIČINY Martina Litschmannová Opakování hustota pravděpodobnosti f(x) Funkce f(x) je hustotou pravděpodobností (na intervalu a x b), jestliže splňuje následující podmínky:
VíceMinikurz aplikované statistiky. Minikurz aplikované statistiky p.1
Minikurz aplikované statistiky Marie Šimečková, Petr Šimeček Minikurz aplikované statistiky p.1 Program kurzu základy statistiky a pravděpodobnosti regrese (klasická, robustní, s náhodnými efekty, ev.
VíceNUMP403 (Pravděpodobnost a Matematická statistika I)
NUMP0 (Pravděpodobnost a Matematicá statistia I Střední hodnota disrétního rozdělení. V apce máte jednu desetiorunu, dvě dvacetioruny a jednu padesátiorunu. Zloděj Vám z apsy náhodně vybere tři mince.
VíceNumerická integrace. b a. sin 100 t dt
Numerická inegrace Mirko Navara Cenrum srojového vnímání kaedra kyberneiky FEL ČVUT Karlovo náměsí, budova G, mísnos 14a hp://cmpfelkcvucz/~navara/nm 1 lisopadu 18 Úloha: Odhadnou b a f() d na základě
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Náhodný výběr Nechť X je náhodná proměnná, která má distribuční funkci F(x, ϑ). Předpokládejme, že známe tvar distribuční funkce (víme jaké má rozdělení) a neznáme parametr
VíceDefinice 7.1 Nechť je dán pravděpodobnostní prostor (Ω, A, P). Zobrazení. nebo ekvivalentně
7 Náhodný vektor Nezávislost náhodných veličin Definice 7 Nechť je dán pravděpodobnostní prostor (Ω, A, P) Zobrazení X : Ω R n, které je A-měřitelné, se nazývá (n-rozměrný) náhodný vektor Měřitelností
VíceTlumené kmity. Obr
1.7.. Tluené kiy 1. Uě vysvěli podsau lueného kiavého pohybu.. Vysvěli význa luící síly. 3. Zná rovnici okažié výchylky lueného kiavého pohybu. 4. Uě popsa apliudu luených kiů. 5. Zná konsany charakerizující
VíceDemografické projekce počtu žáků mateřských a základních škol pro malé územní celky
Demografické projekce poču žáků maeřských a základních škol pro malé územní celky Tomáš Fiala, Jika Langhamrová Kaedra demografie Fakula informaiky a saisiky Vysoká škola ekonomická v Praze Pořebná daa
VíceFINANČNÍ MATEMATIKA- ÚVĚRY
Projek ŠABLONY NA GVM Gymnázium Velké Meziříčí regisrační číslo projeku: CZ.1.07/1.5.00/4.0948 IV- Inovace a zkvalinění výuky směřující k rozvoji maemaické gramonosi žáků sředních škol FINANČNÍ MATEMATIKA-
VícePavel Klavík. Katedra aplikované matematiky, Matematicko-fyzikální fakulta, Univerzita Karlova v Praze
Katedra aplikované matematiky, Matematicko-fyzikální fakulta, Univerzita Karlova v Praze Historie Motto Budeme se zabývat specifickými problémy, které se objevují při řešení soustav lineárních rovnic na
VíceLiteratura. Obsah FUNKCE VE FYZICE. Studijní text pro řešitele FO a ostatní zájemce o fyziku
Lieraura [1] Košťál, R. a kol: XVII. ročník fyzikální olypiády. SPN, Praha 1978. [] Žapa,K.akol:XXV. ročník fyzikální olypiády. SPN, Praha 1988. [3] Žapa,K.akol:XXVI. ročník fyzikální olypiády. SPN, Praha
VíceVyužijeme znalostí z předchozích kapitol, především z 9. kapitoly, která pojednávala o regresní analýze, a rozšíříme je.
Pravděpodobnos a saisika 0. ČASOVÉ ŘADY Průvodce sudiem Využijeme znalosí z předchozích kapiol, především z 9. kapioly, kerá pojednávala o regresní analýze, a rozšíříme je. Předpokládané znalosi Pojmy
Více10. Charakteristiky pohonů ve vlastní spotřebě elektrárny
0. Charakeriiky pohonů ve vlaní pořebě elekrárny pořebiče ve V.. ají yo charakeriické vlanoi: Příkon Záběrný oen Doba rvání rozběhu Hlavní okruhy pořebičů klaické konvenční epelné elekrárny jou:. Zauhlování
VícePříklad 1: Házíme dvěma kostkami. Stanovte pravděpodobnost jevu, že na kostkách padne součet menší než 5.
Příklad 1: Házíme dvěma kostkami. Stanovte pravděpodobnost jevu, že na kostkách padne součet menší než 5. Výsledky pokusu jsou uspořádané dvojice. První člen dvojice odpovídá hodu 1. kostkou a druhý člen
VícePravděpodobnost a aplikovaná statistika
Pravděpodobnost a aplikovaná statistika MGR. JANA SEKNIČKOVÁ, PH.D. 2. KAPITOLA PODMÍNĚNÁ PRAVDĚPODOBNOST 3. KAPITOLA NÁHODNÁ VELIČINA 9.11.2017 Opakování Uveďte příklad aplikace geometrické definice pravděpodobnosti
VíceDesign Experimentu a Statistika - AGA46E
Design Experimentu a Statistika - AGA46E Czech University of Life Sciences in Prague Department of Genetics and Breeding Summer Term 2015 Matúš Maciak (@ A 211) Office Hours: M 14:00 15:30 W 15:30 17:00
VíceBiologické modely. Robert Mařík. 9. listopadu Diferenciální rovnice 3. 2 Autonomní diferenciální rovnice 8
Biologické modely Rober Mařík 9. lisopadu 2008 Obsah 1 Diferenciální rovnice 3 2 Auonomní diferenciální rovnice 8 3 onkréní maemaické modely 11 Dynamická rovnováha poču druhů...................... 12 Logisická
Více1. Náhodný vektor (X, Y ) má diskrétní rozdělení s pravděpodobnostní funkcí p, kde. p(x, y) = a(x + y + 1), x, y {0, 1, 2}.
VIII. Náhodný vektor. Náhodný vektor (X, Y má diskrétní rozdělení s pravděpodobnostní funkcí p, kde p(x, y a(x + y +, x, y {,, }. a Určete číslo a a napište tabulku pravděpodobnostní funkce p. Řešení:
VíceNáhodný vektor a jeho charakteristiky
Náhodný vektor a jeho číselné charakteristiky 1 Náhodný vektor a jeho charakteristiky V následující kapitole budeme věnovat pozornost pouze dvourozměřnému náhodnému vektoru, i když uvedené pojmy a jejich
VíceZPŮSOBY MODELOVÁNÍ ELASTOMEROVÝCH LOŽISEK
ZPŮSOBY MODELOVÁNÍ ELASTOMEROVÝCH LOŽISEK Vzhledem ke skuečnosi, že způsob modelování elasomerových ložisek přímo ovlivňuje průběh vniřních sil v oblasi uložení, rozebereme v éo kapiole jednolivé možné
VíceSTATICKÉ A DYNAMICKÉ VLASTNOSTI ZAŘÍZENÍ
STATICKÉ A DYNAMICKÉ VLASTNOSTI ZAŘÍZENÍ Saické a dnamické vlasnosi paří k základním vlasnosem regulovaných sousav, měřicích přísrojů, měřicích řeězců či jejich čásí. Zaímco saické vlasnosi se projevují
VíceStatistika II. Jiří Neubauer
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Zaměříme se především na popis dvourozměrných náhodných veličin (vektorů). Definice Nechť X a Y jsou
VíceUniverzita Tomáše Bati ve Zlíně
Unverza Tomáše Ba ve Zlíně ABOATONÍ VIČENÍ EEKTOTEHNIKY A PŮMYSOVÉ EEKTONIKY Název úlohy: Zpracoval: Měření čnného výkonu sřídavého proudu v jednofázové sí wamerem Per uzar, Josef Skupna: IT II/ Moravčík,
Více4. KINEMATIKA - ZÁKLADNÍ POJMY
4. KINEMATIKA - ZÁKLADNÍ POJMY. Definuj pojem hmoný bod /HB/. 2. Co o je vzažná ouava? 3. Co je o mechanický pohyb? 4. Podle jakých krierií můžeme mechanický pohyb rozlišova? 5. Vyvělee relaivno klidu
VíceTéma: Měření tíhového zrychlení.
PRACOVNÍ LIST č. 2 Téma úlohy: Měření íhového zrychlení Pracoval: Třída: Daum: Spolupracovali: Teploa: Tlak: Vlhko vzduchu: Hodnocení: Téma: Měření íhového zrychlení. Míní hodnou íhového zrychlení lze
Více10. N á h o d n ý v e k t o r
10. N á h o d n ý v e k t o r 10.1. Definice: Náhodný vektor. Uspořádanou n tici (X 1, X 2,..., X n ) náhodných veličin X i, 1 i n, nazýváme náhodným vektorem. Poznámka: Pro jednoduchost budeme zavádět
VíceX 3U U U. Skutečné hodnoty zkratových parametrů v pojmenovaných veličinách pak jsou: Průběh zkratového proudu: SKS =
11. Výpoče poměrů při zkraeh ve vlasní spořebě elekrárny Zkra má v obvodeh shémau smysl pouze v čáseh provozovanýh s účinně uzemněným sředem zdroje, čili mimo alernáor, vyvedení výkonu a přilehlá vinuí
VíceZÁKLADY AUTOMATICKÉHO ŘÍZENÍ
VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ ZÁKLADY AUTOMATICKÉHO ŘÍZENÍ týden doc Ing Renata WAGNEROVÁ, PhD Otrava 013 doc Ing Renata WAGNEROVÁ, PhD Vyoká škola báňká Technická univerzita
Více2.2.4 Kalorimetrická rovnice
..4 Kalorieriká rovnie Předpoklady: 0 Poůky: dvě kádinky, vaříí voda, eploěr Vernier, Síháe eplou a udenou vodu při íhání i vody vyěňují eplo, uí dojí k rovnováze zíkáe vodu o jedné eploě. Pokud žádné
Vícef(x) f(x 0 ) = a lim x x0 f f(x 0 + h) f(x 0 ) (x 0 ) = lim f(x + h) f(x) (x) = lim
KAPITOLA 4: 4 Úvod Derivace fkce [MA-8:P4] Moivačí příklady: okamžiá ryclos, směrice ečy Defiice: Řekeme, že fkce f má v bodě derivaci [ derivaci zleva derivaci zprava ] rov čísl a, jesliže exisje [ x
VíceROVNICE NA ČASOVÝCH ŠKÁLÁCH A NÁHODNÉ PROCESY. Michal Friesl
Robust 14, Jetřichovice ROVNICE NA ČASOVÝCH ŠKÁLÁCH A NÁHODNÉ PROCESY Michal Friesl Katedra matematiky Fakulta aplikovaných věd Západočeská univerzita v Plzni Robust 14, Jetřichovice ÚVOD Úvod Analýzníkům
VíceRovnoměrný pohyb. velikost rychlosti stále stejná (konstantní) základní vztah: (pokud pohyb začíná z klidu) v m. s. t s
Ronoměrný poyb eliko rycloi ále ejná (konanní) základní za:. graf záiloi dráy na čae: polopřímka ycázející z počáku (pokud poyb začíná z klidu) m graf záiloi rycloi na čae: ronoběžka odoronou ou m. U poybu
Vícenaopak více variant odpovědí, bude otázka hodnocena jako nesprávně zodpovězená.
Datum:... Jméno:... Přijímací řízení pro akademický rok 28/9 na magisterské studijní obor Finanční informatiky a statistika Písemná část přijímací zkoušky z matematiky Za každou správnou odpověd se získávají
VíceSTAVOVÁ A ALGEBRAICKÁ TEORIE ŘÍZENÍ
U n i v e r z i a o m á š e B a i v e Z l í n ě Fakula aplikované informaiky SAVOVÁ A AGEBAICKÁ EOIE ŘÍZENÍ PE DOSÁ ADEK MAUŠŮ ZÍN Skripa jou určena udenům. ročníku magierkého udia udijního oboru Auomaické
Vícek n ( k) n k F n N n C F n F n C F F q n N C F n k 0 C [n, k] [n, k] q C [n, k] k n C C (n k) n C u C u T = T. [n, k] C (n k) n T = k (n k). F n N u = (u 1,..., u n ) v = (v 1,..., v n ) F n d(u, v) u
VíceMECHANIKA - KINEMATIKA
Projek Efekivní Učení Reformou oblaí gymnaziálního vzdělávání je polufinancován Evropkým ociálním fondem a áním rozpočem Čeké republiky. Implemenace ŠVP MECHANIKA - KINEMATIKA Učivo - Fyzikální veličiny
VíceInterpolace Uvažujme třídu funkcí jedné proměnné ψ(x; a 0,..., a n ), kde a 0,..., a n jsou parametry, které popisují jednotlivé funkce této třídy. Mějme dány body x 0, x 1,..., x n, x i x k, i, k = 0,
VícePřijímací zkouška na navazující magisterské studium 2016
Přijímací zkouška a avazující magiserské sudium 2016 Sudijí program: Sudijí obor: Maemaika Fiačí a pojisá maemaika Variaa A Řešeí příkladů pečlivě odůvoděe. Věuje pozoros ověřeí předpokladů použiých maemaických
VíceStatika 1. Miroslav Vokáč ČVUT v Praze, Fakulta architektury. Statika 1. M. Vokáč. Plocha.
Saika 1 Saika 1 2. přednáška ové veličin Saický momen Těžišě Momen servačnosi Hlavní ěžiš ové os a hlavní cenrální momen servačnosi Elipsa servačnosi Miroslav Vokáč miroslav.vokac@klok.cvu.cz Konrolní
VíceNáhodná veličina. Michal Fusek. 10. přednáška z ESMAT. Ústav matematiky FEKT VUT, Michal Fusek
Náhodná veličina Michal Fusek Ústav matematiky FEKT VUT, fusekmi@feec.vutbr.cz 10. přednáška z ESMAT Michal Fusek (fusekmi@feec.vutbr.cz) 1 / 71 Obsah 1 Náhodná veličina 2 Diskrétní náhodná veličina 3
Více( LEVEL 3 Laplaceova transformace jako nástroj řešení lineárních diferenciálních rovnic. )
( LEVEL 3 Laplaceova tranformace jako nátroj řešení lineárních diferenciálních rovnic. ) Podívejme e tentokrát na dynamiku pracovní edačky řidiče prizmatem matematiky aneb trocha teorie jitě nikomu neuškodí...
VíceČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE MASARYKŮV ÚSTAV VYŠŠÍCH STUDIÍ BAKALÁŘSKÁ PRÁCE
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE MASARYKŮV ÚSTAV VYŠŠÍCH STUDIÍ BAKALÁŘSKÁ PRÁCE Praha, 0 Ing. Per BUBLA ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE MASARYKŮV ÚSTAV VYŠŠÍCH STUDIÍ Sudijní program: Specializace
Více6.1 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
VíceMATEMATIKA PRO EKONOMIKU. Kateřina STAŇKOVÁ HELISOVÁ
MATEMATIKA PRO EKONOMIKU Kateřina STAŇKOVÁ HELISOVÁ Obsah 1 Základy pravděpodobnosti 5 1.1 Základní pojmy................................ 5 1.1.1 Speciální typy pravděpodobnostních prostorů...........
VíceLDF MENDELU. Simona Fišnarová (MENDELU) LDR druhého řádu VMAT, IMT 1 / 22
Lineární diferenciální rovnice druhého řádu Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF)
VíceKatedra obecné elektrotechniky Fakulta elektrotechniky a informatiky, VŠB - TU Ostrava 4. TROJFÁZOVÉ OBVODY
Kaedra obecné elekroechniky Fakula elekroechniky a inormaiky, VŠB - T Osrava. TOJFÁZOVÉ OBVODY.1 Úvod. Trojázová sousava. Spojení ází do hvězdy. Spojení ází do rojúhelníka.5 Výkon v rojázových souměrných
VíceVstupní tok požadavků
Vsupní o požadavů Bodový proces, záladní ypy procesů Bodový proces Sledujeme chod určiého procesu, v němž čas od času dochází jisé význačné událosi posloupnos časových oamžiů = 1 3 4 proces deerminován
VíceKendallova klasifikace
Kendallova klasifikace Délka obsluhy, frontový režim, Littleovy vzorce Parametry obsluhy Trvání obsluhy - většinou předpokládáme, že trvání obsluhy jsou nezávisl vislé náhodné proměnné, se stejným rozdělením
VíceDiferenciální počet funkcí více reálných proměnných SLOŽENÉ FUNKCE. PŘÍKLAD 1 t, kde = =
Diferenciální poče funkcí více reálných proměnných -- SLOŽENÉ FUNKCE PŘÍKLAD Určee derivaci funkce h ( = f( g( g( kde g ( = + g ( = f ( / = e Podle pravidla o derivování složených funkcí více proměnných
Více4EK211 Základy ekonometrie
4EK Základy ekonomerie Heeroskedasicia Cvičení 7 Zuzana Dlouhá Gauss-Markovy předpoklady Náhodná složka: Gauss-Markovy předpoklady. E(u) = 0 náhodné vlivy se vzájemně vynulují. E(uu T ) = σ I n konečný
VíceAVDAT Náhodný vektor, mnohorozměrné rozdělení
AVDAT Náhodný vektor, mnohorozměrné rozdělení Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Opakování, náhodná veličina, rozdělení Náhodná veličina zobrazuje elementární
VíceRovnoměrně zrychlený pohyb v grafech
.. Ronoměrně zrychlený pohyb grfech Předpokldy: 009 Př. : N obrázku jou nkreleny grfy dráhy, rychloi zrychlení ronoměrně zrychleného pohybu. Přiřď grfy eličinám. Ronoměrně zrychlený pohyb: Zrychlení je
VíceX = x, y = h(x) Y = y. hodnotám x a jedné hodnotě y. Dostaneme tabulku hodnot pravděpodobnostní
..08 8cv7.tex 7. cvičení - transformace náhodné veličiny Definice pojmů a základní vzorce Je-li X náhodná veličina a h : R R je měřitelná funkce, pak náhodnou veličinu Y, která je definovaná vztahem X
Více