NUMP403 (Pravděpodobnost a Matematická statistika II) 1. Na autě jsou prováděny dvě nezávislé opravy a obě opravy budou hotovy do jedné hodiny.

Rozměr: px
Začít zobrazení ze stránky:

Download "NUMP403 (Pravděpodobnost a Matematická statistika II) 1. Na autě jsou prováděny dvě nezávislé opravy a obě opravy budou hotovy do jedné hodiny."

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.

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

Více

Úloha IV.E... už to bublá!

Úloha 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

Více

Kvadratické rovnice a jejich užití

Kvadratické 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

Více

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

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

Více

1.1.9 Rovnoměrný pohyb IV

1.1.9 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

Více

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

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

Více

IMPULSNÍ A PŘECHODOVÁ CHARAKTERISTIKA,

IMPULSNÍ 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

Více

Parciální funkce a parciální derivace

Parciální 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

Více

ODHADY VARIABILITY POSLOUPNOSTÍ

ODHADY 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

Více

OBJÍMKA VÁZANÁ PRUŽINOU NA NEHLADKÉM OTOČNÉM RAMENI

OBJÍMKA 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

Více

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

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

Více

Slovní úlohy na pohyb

Slovní 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

Více

EKONOMETRIE 6. přednáška Modely národního důchodu

EKONOMETRIE 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,

Více

Derivace funkce více proměnných

Derivace 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

Více

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

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

Více

FUNKCE VE FYZICE. Studijní text pro řešitele FO a ostatní zájemce o fyziku. Miroslava Jarešová Ivo Volf

FUNKCE 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.............................

Více

SP2 01 Charakteristické funkce

SP2 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:

Více

Řešení úloh 1. kola 55. ročníku fyzikální olympiády. Kategorie D

Řešení 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

Více

KINEMATIKA. 1. Základní kinematické veličiny

KINEMATIKA. 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

Více

Přednáška. Další rozdělení SNP. Limitní věty. Speciální typy rozdělení. Další rozdělení SNP Limitní věty Speciální typy rozdělení

Přednáška. 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

Více

z Matematické statistiky 1 1 Konvergence posloupnosti náhodných veličin

z 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

Více

prof. 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 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

Více

x udává hodnotu směrnice tečny grafu

x 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

Více

Laplaceova transformace Modelování systémů a procesů (11MSP)

Laplaceova 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

Více

Pasivní tvarovací obvody RC

Pasivní 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 :

Více

Skupinová obnova. Postup při skupinové obnově

Skupinová 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

Více

NA POMOC FO. Pád vodivého rámečku v magnetickém poli

NA 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

Více

Lineární rovnice prvního řádu. Máme řešit nehomogenní lineární diferenciální rovnici prvního řádu. Funkce h(t) = 2

Lineární 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()

Více

Radek Hendrych. Stochastické modelování v ekonomii a financích. 18. října 2010

Radek 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

Více

Výkonnost a spolehlivost číslicových systémů

Výkonnost 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

Více

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

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

Více

Obr. PB1.1: Schématické zobrazení místa.

Obr. 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

Více

1.3.4 Rovnoměrně zrychlený pohyb po kružnici

1.3.4 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

Více

Teorie obnovy. Obnova

Teorie 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

Více

KGG/STG Statistika pro geografy

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

Více

PÁSMOVÉ SIGNÁLY (Bandpass signals) SaSM5

PÁSMOVÉ 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,

Více

Diferenciální rovnice 1. řádu

Diferenciální 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

Více

MATEMATIKA II V PŘÍKLADECH

MATEMATIKA 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

Více

Statistika a spolehlivost v lékařství Charakteristiky spolehlivosti prvků I

Statistika 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

Více

Úloha V.E... Vypař se!

Úloha 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

Více

Definice spojité náhodné veličiny zjednodušená verze

Definice 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

Více

TECHNICKÁ UNIVERZITA V LIBERCI

TECHNICKÁ 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...

Více

Seznámíte se s principem integrace substituční metodou a se základními typy integrálů, které lze touto metodou vypočítat.

Seznámíte 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

Více

f ( x) = ψϕ ( ( x )). Podle vět o derivaci složené funkce

f ( 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

Více

transformace Idea afinního prostoru Definice afinního prostoru velké a stejně orientované.

transformace 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

Více

Poznámky k předmětu Aplikovaná statistika, 5.téma

Poznámky 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

Více

4. Gomory-Hu Trees. r(x, z) min(r(x, y), r(y, z)). Důkaz: Buď W minimální xz-řez.

4. 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].

Více

VYBRANÁ ROZDĚLENÍ. SPOJITÉ NÁH. VELIČINY Martina Litschmannová

VYBRANÁ 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:

Více

Minikurz aplikované statistiky. Minikurz aplikované statistiky p.1

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

Více

NUMP403 (Pravděpodobnost a Matematická statistika I)

NUMP403 (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.

Více

Numerická integrace. b a. sin 100 t dt

Numerická 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

Více

PRAVDĚPODOBNOST A STATISTIKA

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

Více

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

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

Více

Tlumené kmity. Obr

Tlumené 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

Více

Demografické projekce počtu žáků mateřských a základních škol pro malé územní celky

Demografické 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

Více

FINANČNÍ MATEMATIKA- ÚVĚRY

FINANČNÍ 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-

Více

Pavel Klavík. Katedra aplikované matematiky, Matematicko-fyzikální fakulta, Univerzita Karlova v Praze

Pavel 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

Více

Literatura. Obsah FUNKCE VE FYZICE. Studijní text pro řešitele FO a ostatní zájemce o fyziku

Literatura. 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

Více

Využijeme znalostí z předchozích kapitol, především z 9. kapitoly, která pojednávala o regresní analýze, a rozšíříme je.

Využijeme 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

Více

10. Charakteristiky pohonů ve vlastní spotřebě elektrárny

10. 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

Více

Příklad 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. 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

Více

Pravděpodobnost a aplikovaná statistika

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

Více

Design Experimentu a Statistika - AGA46E

Design 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

Více

Biologické modely. Robert Mařík. 9. listopadu Diferenciální rovnice 3. 2 Autonomní diferenciální rovnice 8

Biologické 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

Více

1. Náhodný vektor (X, Y ) má diskrétní rozdělení s pravděpodobnostní funkcí p, kde. p(x, y) = a(x + y + 1), x, y {0, 1, 2}.

1. 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:

Více

Náhodný vektor a jeho charakteristiky

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

Více

ZPŮSOBY MODELOVÁNÍ ELASTOMEROVÝCH LOŽISEK

ZPŮSOBY 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

Více

STATICKÉ A DYNAMICKÉ VLASTNOSTI ZAŘÍZENÍ

STATICKÉ 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

Více

Statistika II. Jiří Neubauer

Statistika 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

Více

Univerzita Tomáše Bati ve Zlíně

Univerzita 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,

Více

4. KINEMATIKA - ZÁKLADNÍ POJMY

4. 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

Více

Téma: Měření tíhového zrychlení.

Téma: 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

Více

10. 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. 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

Více

X 3U U U. Skutečné hodnoty zkratových parametrů v pojmenovaných veličinách pak jsou: Průběh zkratového proudu: SKS =

X 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

Více

ZÁKLADY AUTOMATICKÉHO ŘÍZENÍ

ZÁKLADY 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

Více

2.2.4 Kalorimetrická rovnice

2.2.4 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

Více

f(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

f(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

Více

ROVNICE NA ČASOVÝCH ŠKÁLÁCH A NÁHODNÉ PROCESY. Michal Friesl

ROVNICE 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

Více

Rovnoměrný pohyb. velikost rychlosti stále stejná (konstantní) základní vztah: (pokud pohyb začíná z klidu) v m. s. t s

Rovnoměrný 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

Více

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

naopak 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

Více

STAVOVÁ A ALGEBRAICKÁ TEORIE ŘÍZENÍ

STAVOVÁ 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

Více

k 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

Více

MECHANIKA - KINEMATIKA

MECHANIKA - 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

Více

Interpolace 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,

Více

Přijímací zkouška na navazující magisterské studium 2016

Přijímací 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

Více

Statika 1. Miroslav Vokáč ČVUT v Praze, Fakulta architektury. Statika 1. M. Vokáč. Plocha.

Statika 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

Více

Náhodná veličina. Michal Fusek. 10. přednáška z ESMAT. Ústav matematiky FEKT VUT, Michal Fusek

Náhodná 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 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...

Více

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE MASARYKŮV ÚSTAV VYŠŠÍCH STUDIÍ BAKALÁŘSKÁ PRÁCE

ČESKÉ 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

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

MATEMATIKA PRO EKONOMIKU. Kateřina STAŇKOVÁ HELISOVÁ

MATEMATIKA 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...........

Více

LDF MENDELU. Simona Fišnarová (MENDELU) LDR druhého řádu VMAT, IMT 1 / 22

LDF 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)

Více

Katedra obecné elektrotechniky Fakulta elektrotechniky a informatiky, VŠB - TU Ostrava 4. TROJFÁZOVÉ OBVODY

Katedra 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

Více

Vstupní tok požadavků

Vstupní 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

Více

Kendallova klasifikace

Kendallova 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

Více

Diferenciální počet funkcí více reálných proměnných SLOŽENÉ FUNKCE. PŘÍKLAD 1 t, kde = =

Diferenciální 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

Více

4EK211 Základy ekonometrie

4EK211 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

Více

AVDAT Náhodný vektor, mnohorozměrné rozdělení

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

Více

Rovnoměrně zrychlený pohyb v grafech

Rovnoměrně 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

Více

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

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

Více