Přijímací zkouška na navazující magisterské studium 2016

Rozměr: px
Začít zobrazení ze stránky:

Download "Přijímací zkouška na navazující magisterské studium 2016"

Transkript

1 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 vě. Příklad 1 25 bodů Odůvoděe, proč exisuje iegrál M y 2 dxdydz, kde M {x, y, z R : 2 < x < 2, 0 < y < x 2 1, 0 < z < 2y}. Spočěe ho. Příklad 2 25 bodů Defiujme fukci f : R 2 R předpisem fx, y x x 2 y + xy 2 y. Určee její oálí difereciál všude, kde exisuje. V bodech, kde eexisuje, odůvoděe proč. Příklad 25 bodů Uvažujme áhodý výběr X 1, Y 1,..., X, Y z rozděleí s husoou fx, y; β βx exp { βxy} I{x 0, 1, y > 0}, β > 0. a Najděe maximálě věrohodý odhad pro ezámý paramer β > 0. b Odvoďe asympoické rozděleí maximálě věrohodého odhadu pro ezámý paramer β. c Sesave i es poměrem věrohodosi, ii Raoův skórový es, iii Waldův es pro ulovou hypoézu H 0 : β β 0 oproi aleraivě H 1 : β β 0. Příklad 4 25 bodů Uvažuje dluhopis s omiálí hodoou F, ročí kupóovou sazbou c, splaosí le a rží ceou P. Nechť i je oceňovací úroková míra. i Co je spravedlivá cea počáečí hodoa P V ohoo dluhopisu? ii Napiše rovici pro výpoče výososi do splaosi i YTM ohoo dluhopisu. iii Dokaže vrzeí: P < F zv. prodej pod par, právě když i > c.

2 Přijímací zkouška a avazující magiserské sudium 2016 Sudijí program: Maemaika Sudijí obor: Fiačí a pojisá maemaika Variaa A řešeí Příklad 1 25 bodů Iegrál exisuje, proože iegrujeme měřielou, ezáporou fukci přes měřielou možiu. Můžeme použí Fubiiho věu. Je pro ás výhodé psá Nyí M M 1 M 2 { 2 < x < 1, 0 < y < x 2 1, 0 < z < 2y} M 1 y 2 dxdydz Velmi podobý výpoče vede a {1 < x < 2, 0 < y < x 2 1, 0 < z < 2y}. x 2 1 2y 0 0 y 2 dz dy dx x 2 1 x 2 [ z 2 ] 2y 1 x y 2 2 dy dx [ 2 2x 4 2x 2 dx 5 x5 2 x] M 2 y 2 dxdydz x 2 dy dx Proo M 124 dxdydz y

3 Příklad 2 25 bodů Proože x x 2 y + xy 2 y x yx 2 + y 2, a možiě R 2 \ {x y} máme a x x, y x 2 2xy + y 2 x x 2 y + xy 2 y 2 y x, y x 2 + 2xy y 2. x x 2 y + xy 2 y 2 Obě parciálí derivace jsou spojié a uvažovaé možiě. Proo zde oálí difereciál exisuje a splňuje x 2 2xy + y 2 x 2 + 2xy y 2 dfx, yh 1, h 2 h x x 2 y + xy 2 y h x x 2 y + xy 2 y 2 2. Dále a možiě {x, x: x 0} máme fx +, x fx, x x, x lim x 0 x + lim x + 2 x + x + x 2 x 0 0 lim 0 x x 2 lim 0 2x 2 + 2x Proo zde oálí difereciál eexisuje. Zbývá vyšeři chováí v počáku. Máme a f0 +, 0 f0, 0 0, 0 lim lim x 0 0 f0, 0 + f0, 0 0, 0 lim lim y Proo jediým kadidáem a oálí difereciál je lieárí fukce L: h 1, h 2 h 1 h 2. Ověřme, zda splňuje defiici oálího difereciálu f0 + h 1, 0 + h 2 f0, 0 Lh 1, h 2 lim h 0 h lim h 0 h 1 h 2 1 h 2 + h 1 h 2 2 h 2 h 1 + h 2 h Tao limia se však erová ule, proože pro h 2 h 1 < 0 máme. h 1 h 2 1 h 2 + h 1 h 2 2 h 2 h 1 + h 2 h 4h 1 2h 1 2h Proo oálí difereciál v počáku eexisuje.

4 Příklad 25 bodů a Nejdříve vyjádříme věrohodos L β; [X, Y] β X i exp { β i1 i1 } X i Y i, X i 0, 1, Y i > 0, i. Logarimická věrohodos je pak l β; [X, Y] log β + log X i β i1 Následě zderivováím dosaeme skórovou saisiku U β; [X, Y] β X i Y i. i1 X i Y i. Maximálě věrohodý odhad je řešeím věrohodosí rovice l β; [X, Y]/ β 0 vzhledem k ezámému parameru β, j. ˆβ i1 X. iy i Pozorovaá výběrová iformačí maice je i1 I β; [X, Y] 1 U β; [X, Y] 1 β β 2, kerá po vyčísleí v maximálě věrohodém odhadu abývá kladé hodoy I ˆβ; i1 [X, Y] X 2 iy i > 0. Tím pádem je alezeý maximálě věrohodý odhad právě jede. b Fisherovu iformačí maici spočíáme jako I β EI β; [X, Y] 1 β 2. Pak plaí, že ˆβ β D N 0, β 2,. c,i Tes podílem věrohodosi pro ulovou hypoézu H 0 : β β 0 oproi aleraivě H 1 : β β 0 je založe a esové saisice D 2 log L ˆβ; [X, Y] 2 log L β 0 ; [X, Y] β 0 i1 X 2 β 0 X i Y i iy i a H 0 zamíáme ve prospěch H 1, když D > χ α, kde χ2 1 1 α je 1 α-kvail χ2 rozděleí o jedém supi volosi. i1

5 c,ii Raoův skórový es pro ulovou hypoézu H 0 : β β 0 oproi aleraivě H 1 : β β 0 je založe apříklad a esové saisice R [U β 0 ; [X, Y]] 2 Iβ 0 1 a H 0 zamíáme ve prospěch H 1, když R > χ α. β 0 2 X i Y i i1 c,iii Waldův es pro ulovou hypoézu H 0 : β β 0 oproi aleraivě H 1 : β β 0 je založe apříklad a esové saisice 2 W ˆβ β0 I ˆβ 1 β 0 a H 0 zamíáme ve prospěch H 1, když W > χ α. 2 X i Y i i1

6 Příklad 4 25 bodů i Spravedlivá cea je počáečí hodoa všech fiačích oků spojeých s daým dluhopisem:. ii Rovice má var ebo ebo ebo kde v 1 1+i, a i 1 v i. iii Posupě dosáváme: P V P Proože 1 v > 0, plye odud, že C 1 + i + C 1 + i 1 + C + F 1 + i. cf 1 + i + + cf cf + F 1 + i i P cf v + + cf v + F v P F [c 1 v i ] + v P F [ ca i + v ], P F [c 1 v i ] + v P F 1 c i [1 v ] [1 v ] P c F 1 i 1 [1 v ]. P F 1 < 0 právě když c i 1 < 0.

Přijímací zkouška na navazující magisterské studium 2017

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

Více

Odezva na obecnou periodickou budící funkci. Iva Petríková Katedra mechaniky, pružnosti a pevnosti

Odezva na obecnou periodickou budící funkci. Iva Petríková Katedra mechaniky, pružnosti a pevnosti Odezva a obecou periodickou budící fukci Iva Períková Kaedra mechaiky, pružosi a pevosi Obsah Fourierovy řady Odezva a polyharmoickou fukci Odezva a obecou periodickou fukci Odezva a jedokový skok Příklad

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA SP Teováí hypoéz PRAVDĚPODOBNOST A STATISTIKA SP Teováí hypoéz Teováí hypoéz Nechť je áhodá proměá, kerá má diribučí fukci Fx, ϑ. Předpokládejme, že záme var diribučí fukce víme jaké má rozděleí a ezáme

Více

Nelineární systémy. 3 / Matematické základy

Nelineární systémy. 3 / Matematické základy Nelieárí sysémy 3 / Maemaické základy Přehled 1. Úvod 2. Příklady 3. Maemaické základy 4. Sabilia a Lyapuovova fukce 5. Řízeí NS pomocí přibližé liearizace. Gai schedulig 6. Řízeí NS pomocí srukurálích

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

Užitečné zdroje příkladů jsou: Materiály ke cvičením z Kalkulu 3 od Kristýny Kuncové:

Užitečné zdroje příkladů jsou: Materiály ke cvičením z Kalkulu 3 od Kristýny Kuncové: Užitečé zdroje příkladů jsou: Materiály ke cvičeím z Kalkulu 3 od Kristýy Kucové: http://www.karli.mff.cui.cz/~kucova/historie8. php K posloupostem řad a fukcí Ilja Čerý: Iteligetí kalkulus. Olie zde:

Více

1.6. Srovnání empirických a teoretických parametrů (4.-5.předn.)

1.6. Srovnání empirických a teoretických parametrů (4.-5.předn.) .6. rováí empirických a eoreických paramerů (4.-5.před.) Cíle: - pravděpodobosí zkoumáí výběrového saisického souboru: kvaifikace eoreických paramerů, srováí eoreických a empirických paramerů (Probable

Více

3. Lineární diferenciální rovnice úvod do teorie

3. Lineární diferenciální rovnice úvod do teorie 3 338 8: Josef Hekrdla lieárí difereciálí rovice úvod do teorie 3 Lieárí difereciálí rovice úvod do teorie Defiice 3 (lieárí difereciálí rovice) Lieárí difereciálí rovice -tého řádu je rovice, která se

Více

Posloupnosti a číselné řady. n + 1. n + 1 + n n + 1 + n. n n + 1 + n. = lim. n2 sin n! lim. = 0, je lim. lim. lim. 1 + b + b 2 + + b n) = 1 b

Posloupnosti a číselné řady. n + 1. n + 1 + n n + 1 + n. n n + 1 + n. = lim. n2 sin n! lim. = 0, je lim. lim. lim. 1 + b + b 2 + + b n) = 1 b Najděte itu Poslouposti a číselé řady ) + Protože + = + x ) + + =, je + + + + ) + = = 0 + + Najděte itu 3 si! + Protože je si! a 3 = 0, je 3 si! = 0 Najděte itu + a + a + + a + b + b, a

Více

DIFERENCIÁLNÍ ROVNICE

DIFERENCIÁLNÍ ROVNICE VYSOKÁ ŠKOLA BÁŇSKÁ - TECHNICKÁ UNIVERZITA OSTRAVA Isiu maemaik a deskripiví geomerie DIFERENCIÁLNÍ ROVNICE Maemaika IV Jaroslav Vlček Jiří Vrbický Osrava Předmluva Skripum "Difereciálí rovice" keré vziklo

Více

FINANČNÍ MATEMATIKA- JEDNODUCHÉ ÚROKOVÁNÍ

FINANČNÍ MATEMATIKA- JEDNODUCHÉ ÚROKOVÁNÍ Projek ŠABLONY NA GVM Gymázium Velké Meziříčí regisračí číslo projeku: CZ..7/.5./34.948 IV-2 Iovace a zkvaliěí výuky směřující k rozvoji maemaické gramoosi žáků sředích škol FINANČNÍ MATEMATIA- JEDNODCHÉ

Více

n=0 a n, n=0 a n = ±. n=0 n=0 a n diverguje k ±, a píšeme n=0 n=0 b n = t. Pak je konvergentní i řada n=0 (a n + b n ) = s + t. n=0 k a n a platí n=0

n=0 a n, n=0 a n = ±. n=0 n=0 a n diverguje k ±, a píšeme n=0 n=0 b n = t. Pak je konvergentní i řada n=0 (a n + b n ) = s + t. n=0 k a n a platí n=0 Nekoečé řady, geometrická řada, součet ekoečé řady Defiice Výraz a 0 a a a, kde {a i } i0 je libovolá posloupost reálých čísel, azveme ekoečou řadou Číslo se azývá -tý částečý součet Defiice Nekoečá řada

Více

NMAF061, ZS Zápočtová písemná práce skupina A 16. listopad dx

NMAF061, ZS Zápočtová písemná práce skupina A 16. listopad dx NMAF06, ZS 07 08 Zápočtová písemá práce skupia A 6. listopad 07 Jedotlivé kroky při výpočtech stručě, ale co ejpřesěji odůvoděte. Pokud používáte ějaké tvrzeí, ezapomeňte ověřit splěí předpokladů. Jméo

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

I. TAYLORŮV POLYNOM ( 1

I. TAYLORŮV POLYNOM ( 1 I. TAYLORŮV POLYNOM Připomeňme si defiice elemetárích fukcí: a si( = 2+ = ( (2+! b cos( = 2 = ( (2! c e = =!. Dokažte, že Taylorův polyom k-tého řádu v bodě pro fukce f je rove polyomu P : (tyto výsledky

Více

Matematika 2 (BMA2 + KMA2)

Matematika 2 (BMA2 + KMA2) FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Maemaika BMA KMA Auoři eu: Prof RNDr Fraišek Melkes, CSc Mgr Mari Řeáč FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ

Více

Náhodný výběr 1. Náhodný výběr

Náhodný výběr 1. Náhodný výběr Náhodý výběr 1 Náhodý výběr Matematická statistika poskytuje metody pro popis veliči áhodého charakteru pomocí jejich pozorovaých hodot, přesěji řečeo jde o určeí důležitých vlastostí rozděleí pravděpodobosti

Více

8. Analýza rozptylu.

8. Analýza rozptylu. 8. Aalýza rozptylu. Lieárí model je popis závislosti, který je využívá v řadě disciplí matematické statistiky. Uvedeme jeho popis a tvrzeí, která budeme využívat. Setkáme se s ím jedak v aalýze rozptylu,

Více

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a)

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a) Předáša 7 Derivace a difereciály vyšších řádů Budeme poračovat v ahrazováí fuce f(x v oolí bodu a polyomy, tj hledat vhodé ostaty c ta, aby bylo pro malá x a f(x c 0 + c 1 (x a + c 2 (x a 2 + c 3 (x a

Více

NMAF061, ZS Zápočtová písemná práce VZOR 5. ledna e bx2 x 2 e x2. F (b) =

NMAF061, ZS Zápočtová písemná práce VZOR 5. ledna e bx2 x 2 e x2. F (b) = NAF61, ZS 17 18 Zápočtová písemá práce VZOR 5. leda 18 Jedotlivé kroky při výpočtech stručě, ale co ejpřesěji odůvoděte. Pokud používáte ějaké tvrzeí, ezapomeňte ověřit splěí předpokladů. Jméo a příjmeí:

Více

Obsah. 1 Mocninné řady Definice a vlastnosti mocninných řad Rozvoj funkce do mocninné řady Aplikace mocninných řad...

Obsah. 1 Mocninné řady Definice a vlastnosti mocninných řad Rozvoj funkce do mocninné řady Aplikace mocninných řad... Obsah 1 Mocié řady 1 1.1 Defiice a vlastosti mociých řad.................... 1 1. Rozvoj fukce do mocié řady...................... 5 1.3 Aplikace mociých řad........................... 10 1 Kapitola 1

Více

14. B o d o v é o d h a d y p a r a m e t r ů

14. B o d o v é o d h a d y p a r a m e t r ů 4. B o d o v é o d h a d y p a r a m e t r ů Na základě hodot áhodého výběru z rozděleí určitého typu odhadujeme parametry tohoto rozděleí, tak aby co ejlépe odpovídaly hodotám výběru. Formulujme tudíž

Více

4. B o d o v é o d h a d y p a r a m e t r ů

4. B o d o v é o d h a d y p a r a m e t r ů 4. B o d o v é o d h a d y p a r a m e t r ů Na základě hodot áhodého výběru z rozděleí určitého typu odhadujeme parametry tohoto rozděleí, tak aby co ejlépe odpovídaly hodotám výběru. Formulujme tudíž

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

Univerzita Karlova v Praze Matematicko-fyzikální fakulta. Pavel Pejřimovský. Katedra pravděpodobnosti a matematické statistiky

Univerzita Karlova v Praze Matematicko-fyzikální fakulta. Pavel Pejřimovský. Katedra pravděpodobnosti a matematické statistiky Uiverzita Karlova v raze Matematicko-fyzikálí fakulta BAKALÁŘSKÁ RÁCE avel ejřimovský rofilová věrohodost Katedra pravděpodobosti a matematické statistiky Vedoucí bakalářské práce : Studijí program : Studijí

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

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

Matematika 1. Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D / 13. Posloupnosti

Matematika 1. Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D / 13. Posloupnosti Úvod Opakováí Poslouposti Příklady Matematika 1 Katedra matematiky, Fakulta stavebí ČVUT v Praze středa 10-11:40 posluchára D-1122 2012 / 13 Úvod Opakováí Poslouposti Příklady Úvod Opakováí Poslouposti

Více

!!! #!! # % & ()!+ %& #( ) +,,!,!!./0./01 2 34 % 00 (1!#! #! #23 + )!!,,5,!+ 4)!005!! 6 )! %,76!,8, )! 44 %!! #! #236!!1 1 5 6 5+!!1 ( 9 9!5 6 + /+ # % 7 8 % : 4; 2,/! = %

Více

Odhady parametrů 1. Odhady parametrů

Odhady parametrů 1. Odhady parametrů Odhady parametrů 1 Odhady parametrů Na statistický soubor (x 1,..., x, který dostaeme statistickým šetřeím, se můžeme dívat jako a výběrový soubor získaý realizací áhodého výběru z áhodé veličiy X. Obdobě:

Více

Řešení soustav lineárních rovnic

Řešení soustav lineárních rovnic Řešeí sousv lieáríc rovic Sousv lieáríc rovic Sousvou m lieáríc rovic o ezámýc rozumíme sousvu : Kde ij i R M m m Čísl ij zýváme koeficiey sousvy čísl i soluí čley Uvedeou sousvu udeme zči Sm m M m Homogeí

Více

=, kde P(x) a Q(x) jsou polynomy. Rozklad na parciální zlomky Parciální zlomky jsou speciální racionální lomené funkce. Rozlišujeme 2 typy:

=, kde P(x) a Q(x) jsou polynomy. Rozklad na parciální zlomky Parciální zlomky jsou speciální racionální lomené funkce. Rozlišujeme 2 typy: 3 předáš INTEGRAE RAIONÁLNÍ LOMENÉ FUNKE Důležiou supiu fucí, eré můžeme (spoň eoreicy) iegrov v možiě elemeárích fucí, voří rcioálí lomeé fuce Kždou rcioálí lomeou fuci vru P( ) f ( ) =, de P() Q() jsou

Více

NMAF063 Matematika pro fyziky III Zkoušková písemná práce 17. ledna 2019

NMAF063 Matematika pro fyziky III Zkoušková písemná práce 17. ledna 2019 Jméo: Příklad 2 3 Celkem bodů Bodů 0 8 2 30 Získáo 0 Uvažujte posloupost distribucí {f } + = D (R defiovaou jako f (x = ( δ x m, kde δ ( x m začí Diracovu distribuci v bodě m Najděte limitu f = lim + f

Více

I. TAYLORŮV POLYNOM. Taylorovy řady některých funkcí: Pro x R platí: sin(x) =

I. TAYLORŮV POLYNOM. Taylorovy řady některých funkcí: Pro x R platí: sin(x) = Taylorovy řady ěkterých fukcí: I. TAYLORŮV POLYNOM Pro R platí: si) = 2+ = ), cos) = 2 2+)! = ), 2)! e = =.! Pro, : log + ) = = ) Pro, ) a a R: + ) a = a ) =, kde ) a = a a ) a 2) a +).!. Nalezěte Taylorův

Více

FINANČNÍ MATEMATIKA- SLOŽENÉ ÚROKOVÁNÍ

FINANČNÍ MATEMATIKA- SLOŽENÉ ÚROKOVÁNÍ Projek ŠABLONY NA GVM Gymázium Velké Meziříčí regisračí číslo projeku: CZ..7/../.98 IV- Iovace a zkvaliěí výuky směřující k rozvoji maemaické gramoosi žáků sředích škol FINANČNÍ MATEMATIA- SLOŽENÉ ÚROOVÁNÍ

Více

8 DALŠÍ SPOJITÁ ROZDĚLENÍ PRAVDĚPODOBNOSTI

8 DALŠÍ SPOJITÁ ROZDĚLENÍ PRAVDĚPODOBNOSTI 8 DALŠÍ SPOJITÁ ROZDĚLENÍ PRAVDĚPODOBNOSTI Ča ke tudiu kapitoly: 60 miut Cíl: Po protudováí tohoto odtavce budete umět: charakterizovat další typy pojitých rozděleí: χ, Studetovo, Ficher- Sedocorovo -

Více

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 4. KAPITOLA STATISTICKÉ CHARAKTERISTIKY 16.10.2017 23.10.2017 Přehled témat 1. Pravděpodobost (defiice, využití, výpočet pravděpodobostí

Více

1 Základní pojmy a vlastnosti

1 Základní pojmy a vlastnosti Základí pojmy a vlastosti DEFINICE (Trigoometrický polyom a řada). Fukce k = (a cos(x) + b si(x)) se azývá trigoometrický polyom. Řada = (a cos(x) + b si(x)) se azývá trigoometrická řada. TVRZENÍ (Ortogoalita).

Více

5. Lineární diferenciální rovnice n-tého řádu

5. Lineární diferenciální rovnice n-tého řádu 5 3.3.8 8:44 Josef Herdla lieárí difereciálí rovice -tého řádu 5. Lieárí difereciálí rovice -tého řádu (rovice s ostatími oeficiety) ( ), a,, a (5.) ( ) ( ) y a y a y ay q L[ y] y a y a y a y, q je spojitá

Více

7. Soustavy lineárních diferenciálních rovnic.

7. Soustavy lineárních diferenciálních rovnic. 7 837 4:3 Josf Hkrdla sousavy liárích difrciálích rovic 7 Sousavy liárích difrciálích rovic Příklad 7 3 + 5 + ( ) ξ 3 + ( ) ξ Maicový zápis 3 5 + 3 ( ) ξ ( ) ξ Dfiic 7 (sousava liárích difrciálích rovic

Více

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů: Odhady parametrů polohy a rozptýleí pro často se vyskytující rozděleí dat v laboratoři se vyčíslují podle ásledujících vztahů: a : Laplaceovo (oboustraé expoeciálí rozděleí se vyskytuje v případech, kdy

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

Řešení písemné zkoušky z Matematické analýzy 1a ZS ,

Řešení písemné zkoušky z Matematické analýzy 1a ZS , Řešeí písemé zkoušky z Mtemtické lýzy ZS008-09,9..009 Příkld : Spočtěte limitu poslouposti lim + ) 7 + 8 5 + ) 4 4 +) 5). Ozčme : + 7 +, b 8 : 5 +) 4 4 +) 5,zjímáástedy lim b. Máme 7 8 + 7 + + 7 ) + 8

Více

3. DIFERENCIÁLNÍ ROVNICE

3. DIFERENCIÁLNÍ ROVNICE 3 DIFERENCIÁLNÍ ROVNICE Difereciálí rovice (dále je DR) jsou veli důležitou částí ateatické aalýz, protože uožňují řešit celou řadu úloh z fzik a techické prae Občejé difereciálí rovice: rovice, v íž se

Více

Správnost vztahu plyne z věty o rovnosti úhlů s rameny na sebe kolmými (obr. 13).

Správnost vztahu plyne z věty o rovnosti úhlů s rameny na sebe kolmými (obr. 13). 37 Metrické vlastosti lieárích útvarů v E 3 Výklad Mějme v E 3 přímky p se směrovým vektorem u a q se směrovým vektorem v Zvolme libovolý bod M a veďme jím přímky p se směrovým vektorem u a q se směrovým

Více

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

3. Charakteristiky a parametry náhodných veličin

3. Charakteristiky a parametry náhodných veličin 3. Charateristiy a parametry áhodých veliči Úolem této apitoly je zavést pomocý aparát, terým budeme dále popisovat pomocí jedoduchých prostředů áhodé veličiy. Taovýmto aparátem jsou tzv. parametry ebo

Více

Okruhy z učiva středoškolské matematiky pro přípravu ke studiu na Fakultě bezpečnostního inženýrství VŠB TU Ostrava

Okruhy z učiva středoškolské matematiky pro přípravu ke studiu na Fakultě bezpečnostního inženýrství VŠB TU Ostrava Okruhy z učiv sředoškolské memiky pro příprvu ke sudiu Fkulě ezpečosího ižeýrsví VŠB TU Osrv I Úprvy lgerických výrzů, zlomky, rozkld kvdrického rojčleu, mociy se záporým epoeem, mociy s rcioálím epoeem,

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

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti.

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti. 10 Cvičeí 10 Statistický soubor. Náhodý výběr a výběrové statistiky aritmetický průměr, geometrický průměr, výběrový rozptyl,...). Bodové odhady parametrů. Itervalové odhady parametrů. Jedostraé a oboustraé

Více

Kapitola 4 Euklidovské prostory

Kapitola 4 Euklidovské prostory Kapitola 4 Euklidovské prostory 4.1. Defiice euklidovského prostoru 4.1.1. DEFINICE Nechť E je vektorový prostor ad tělesem reálých čísel R,, : E 2 R. E se azývá euklidovský prostor, platí-li: (I) Pro

Více

Mezní stavy konstrukcí a jejich porušov. Hru IV. Milan RůžR. zbynek.hruby.

Mezní stavy konstrukcí a jejich porušov. Hru IV. Milan RůžR. zbynek.hruby. ováí - Hru IV /6 ováí Hru IV Mila RůžR ůžička, Josef Jureka,, Zbyěk k Hrubý zbyek.hruby hruby@fs.cvut.cz ováí - Hru IV /6 ravděpodobostí úavové diagramy s uvažováím předpětí R - plocha ve čtyřrozměrém

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

Metody odhadu poptávky a nabídky v podmínkách nerovnovážného modelu

Metody odhadu poptávky a nabídky v podmínkách nerovnovážného modelu 4. eziárodí koferece Řízeí a odelováí fiačích rizik Osrava VŠB-TU Osrava, Ekooická fakula, kaedra Fiací.-. září 8 Meody odhadu popávky a abídky v podíkách erovovážého odelu Pavla Vodová Absrak Cíle ohoo

Více

ŘADY Jiří Bouchala a Petr Vodstrčil

ŘADY Jiří Bouchala a Petr Vodstrčil ŘADY Jiří Bouchala a Petr Vodstrčil Text byl vytvoře v rámci realizace projektu Matematika pro ižeýry 2. století (reg. č. CZ..07/2.2.00/07.0332), a kterém se společě podílela Vysoká škola báňská Techická

Více

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

procesy II Zuzana 1 Katedra pravděpodobnosti a matematické statistiky Univerzita Karlova v Praze

procesy II Zuzana 1 Katedra pravděpodobnosti a matematické statistiky Univerzita Karlova v Praze limití Náhodé limití Katedra pravděpodobosti a matematické statistiky Uiverzita Karlova v Praze email: praskova@karli.mff.cui.cz 9.4.-22.4. 200 limití Outlie limití limití efiice: Řekeme, že stacioárí

Více

8. Laplaceova transformace

8. Laplaceova transformace 8 748 :9 Josef Hekrdl Llceov rsformce 8 Llceov rsformce Defiice 8 (Llceov rsformce) Nechť f je komlexí fukce jedé reálé roměé j f Zobrzeí L keré éo fukci řiřdí komlexí fukci komlexí roměé F j F vzhem L

Více

Entropie, relativní entropie a sdílená (vazební) informace

Entropie, relativní entropie a sdílená (vazební) informace Etroie, relativí etroie a sdíleá vazebí iformace Pojem iformace je říliš rozsáhlý a to, abchom jej komleě osali jedoduchou defiicí. Pro libovolou distribuci ravděodobosti můžeme defiovat tzv. etroii, jež

Více

Přijímací zkouška na navazující magisterské studium 2014

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

Více

3. POJIŠTĚNÍ OSOB (ŽIVOTNÍ POJIŠTĚNÍ)

3. POJIŠTĚNÍ OSOB (ŽIVOTNÍ POJIŠTĚNÍ) 3. POJIŠTĚÍ OSOB (ŽIVOTÍ POJIŠTĚÍ) 3.. EMOELOVÝ PŘÍSTUP 3... ekremeí řád vymíráí populace Úmrosí abulky a) Smr je áhodým jevem, kerý se pojišťuje pro účely ŽP sačí pracova s průměrými hodoami záko velkých

Více

Geometrické modelování. Diferenciáln

Geometrické modelování. Diferenciáln Geomerické modelováí Difereciál lí geomerie křivekk Křivky v očía ačové grafice Geomerická ierreace Každý krok algorimu má svůj geomerický výzam Flexibilia korola ad růběhem křivky, možos iuiiví ediace

Více

, neboť. Je patrné, že váhy splňují podmínku

, neboť. Je patrné, že váhy splňují podmínku Meoda expoeciálího vrováváí [RGBrow-RFMeer] Je dalším přísupů, kerý e řae (vedle meod klouavých průměrů) k adapivím echikám určeí redové složk časové řad Výchoí úvahou éo echik e, že se k predikci ové

Více

Přírodovědecká fakulta NÁHODNÉ PROCESY. Ivan Křivý

Přírodovědecká fakulta NÁHODNÉ PROCESY. Ivan Křivý Přírodovědecká fakula NÁHODNÉ PROCESY Iva Křivý OSTRAVSKÁ UNIVERZITA 5 OSTRAVSKÁ UNIVERZITA NÁHODNÉ PROCESY Iva Křivý ANOTACE Předkládaá disačí opora předsavue úvod do eorie áhodých procesů. Je určea

Více

SP NV Normalita-vlastnosti

SP NV Normalita-vlastnosti SP - - NV Normala-vlasos Přpomeuí vlasosí Normálího rozděleí Charakerscká fukce Lévyho-Ldebergova věa - cerálí lmí věa -rozměré ormálí rozděleí -rozměré ormálí rozděleí Přpomeuí vlasosí Normálího rozděleí

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

Zkoušková písemná práce č. 1 z předmětu 01MAB3

Zkoušková písemná práce č. 1 z předmětu 01MAB3 Katedra matematiky Fakulty jaderé a fyzikálě ižeýrské ČVUT v Praze Příjmeí a jméo 1 2 3 4 5 BONUS CELKEM (13 bodů) Zkoušková písemá práce č. 1 z předmětu 01MAB3 14. leda 2016, 9:00 11:00 Pro kvadratickou

Více

c) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je transcendentí. xp 1 (p 1)! (x 1)p (x 2) p... (x d) p e x t f(t) d t = F (0)e x F (x),

c) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je transcendentí. xp 1 (p 1)! (x 1)p (x 2) p... (x d) p e x t f(t) d t = F (0)e x F (x), a) Vyslovte a dokažte Liouvillovu větu o šaté aroximovatelosti algebraického čísla řádu d b) Defiujte Liouvillovo číslo c) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je trascedetí 2 a) Defiujte

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

Při sledování a studiu vlastností náhodných výsledků poznáme charakter. podmínek různé výsledky. Ty odpovídají hodnotám jednotlivých realizací

Při sledování a studiu vlastností náhodných výsledků poznáme charakter. podmínek různé výsledky. Ty odpovídají hodnotám jednotlivých realizací 3. Náhodý výběr 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 realizací

Více

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 6. KAPITOLA CENTRÁLNÍ LIMITNÍ VĚTA 6.11.2017 Opakováí: Čebyševova erovost příklad Pravděpodobost vyrobeí zmetku je 0,5. Odhaděte pravděpodobost,

Více

ASYMPTOTICKÉ TESTY HYPOTÉZ V MODELECH S RUŠIVÝMI PARAMETRY

ASYMPTOTICKÉ TESTY HYPOTÉZ V MODELECH S RUŠIVÝMI PARAMETRY ROBUST 2000, 25 34 c JČMF 200 ASYMPTOTICKÉ TESTY HYPOTÉZ V MODELECH S RUŠIVÝMI PARAMETRY MICHAL KULICH Abstrakt. We discuss likelihood ratio, Wald ad Rao test statistics for testig several parameters i

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

Řešení písemné zkoušky z Matematické analýzy 1a ZS ,

Řešení písemné zkoušky z Matematické analýzy 1a ZS , Řešeí písemé zkoušky z Matematické aalýzy a ZS008-09,0..009 Příklad : Spočtěte itu poslouposti 75 + 60 ) 75 60 + ) 0 + ) 0 +) 70 ) 70. 5 bodů) Řešeí:Ozačíme a : 75 + 60 75 60,dále b : + ) 0 + ) 0,akoečě

Více

Středoškolská technika 2015 ŘEŠENÍ DOKONALÉHO TVARU MOSTNÍHO NOSNÍKU Z HLEDISKA POTENCIÁLNÍ ENERGIE - ŘETĚZOVKA

Středoškolská technika 2015 ŘEŠENÍ DOKONALÉHO TVARU MOSTNÍHO NOSNÍKU Z HLEDISKA POTENCIÁLNÍ ENERGIE - ŘETĚZOVKA Středoškolská techika 05 Setkáí a prezetace prací středoškolských studetů a ČVUT ŘEŠENÍ DOKONALÉHO TVARU MOSTNÍHO NOSNÍKU Z HLEDISKA POTENCIÁLNÍ ENERGIE - ŘETĚZOVKA Duša Köig Středí průmyslová škola strojická

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

Kapitola 1. Nekonečné číselné řady. Definice 1.1 Nechť {a n } n=1 je posloupnost reálných čísel. Symbol. a n nebo a 1 + a 2 + a

Kapitola 1. Nekonečné číselné řady. Definice 1.1 Nechť {a n } n=1 je posloupnost reálných čísel. Symbol. a n nebo a 1 + a 2 + a Kpitol Nekoečé číselé řdy Defiice. Nechť { } je posloupost reálých čísel. Symbol ebo + 2 + 3 +... zýváme ekoečou číselou řdou. s = i= i = + 2 +... + zveme -tý částečý součet řdy {s } posloupost částečých

Více

Číselné charakteristiky náhodných veličin

Číselné charakteristiky náhodných veličin Číselé charakteristiky áhodých veliči Motivace Doposud jsme pozali fukcioálí charakteristiky áhodých veliči (apř. distribučí fukce, pravděpodobostí fukce, hustota pravděpodobosti), které plě popisují pravděpodobostí

Více

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

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

Více

,6 32, ,6 29,7 29,2 35,9 32,6 34,7 35,3

,6 32, ,6 29,7 29,2 35,9 32,6 34,7 35,3 Př 7: S 95% polehlivotí odhaděte variabilitu (protředictvím odhadu měrodaté odchylky) a tředí hodotu obahu vitamíu C u rajčat. Záte-li výledky rozboru 0-ti vzorků rajčat: 3 4 5 6 7 8 9 0 9,6 3,4 30 3,6

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

Intervalové odhady parametrů některých rozdělení.

Intervalové odhady parametrů některých rozdělení. 4. Itervalové odhady parametrů rozděleí. Jedou ze základích úloh mtematické statistiky je staoveí hodot parametrů rozděleí, ze kterého máme k dispozici áhodý výběr. Nejčastěji hledáme odhady dvou druhů:

Více

Přednáška 7, 14. listopadu 2014

Přednáška 7, 14. listopadu 2014 Předáška 7, 4. listopadu 204 Uvedeme bez důkazu klasické zobecěí Leibizova kritéria (v ěmž b = ( ) + ). Tvrzeí (Dirichletovo a Abelovo kritérium). Nechť (a ), (b ) R, přičemž a a 2 a 3 0. Pak platí, že.

Více

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n 8.3. Limity ěkterých posloupostí Předpoklady: 83 Opakováí z miulé hodiy: 8 Hodoty poslouposti + se pro blížící se k ekoeču blíží k a to tak že mezi = posloupostí a číslem eexistuje žádá mezera říkáme že

Více

1.1. Definice Reálným vektorovým prostorem nazýváme množinu V, pro jejíž prvky jsou definovány operace sčítání + :V V V a násobení skalárem : R V V

1.1. Definice Reálným vektorovým prostorem nazýváme množinu V, pro jejíž prvky jsou definovány operace sčítání + :V V V a násobení skalárem : R V V Předáška 1: Vektorové prostory Vektorový prostor Pro abstraktí defiici vektorového prostoru jsou podstaté vlastosti dvou operací, sčítáí vektorů a ásobeí vektoru (reálým číslem) Tyto dvě operace musí být

Více

Kmitání tělesa s danou budicí frekvencí

Kmitání tělesa s danou budicí frekvencí EVROPSKÝ SOCIÁLNÍ FOND Kmiání ělesa s danou budicí frekvencí PRAHA & EU INVESTUJEME DO VAŠÍ BUDOUCNOSTI České vysoké učení echnické v Praze, Fakula savební, Kaedra maemaiky Posílení vazby eoreických předměů

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

Mocninné řady - sbírka příkladů

Mocninné řady - sbírka příkladů UNIVERZITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY BAKALÁŘSKÁ PRÁCE Mocié řady - sbírka příkladů Vedoucí bakalářské práce: Mgr. Iveta Bebčáková, Ph.D.

Více

P Poznámka: Odpřednášená témata obarvuji žlutě. Přednášky jsou každý pátek, cvičení tedy vždy předcházejí přednášky.

P Poznámka: Odpřednášená témata obarvuji žlutě. Přednášky jsou každý pátek, cvičení tedy vždy předcházejí přednášky. ýde ozám: Odpředášeá ém obrvuji žluě ředášy jsou ždý páe, cvičeí edy vždy předcházejí předášy ) ojmy: Difereciálí rovice, obyčejá dif rovice, řád rovice, řešeí rovice ( eprázdé možiě, iervlu), iegrálí

Více

Přijímací řízení akademický rok 2013/2014 Bc. studium Kompletní znění testových otázek matematika

Přijímací řízení akademický rok 2013/2014 Bc. studium Kompletní znění testových otázek matematika Přijímací řízeí akademický rok 0/0 c. studium Kompletí zěí testových otázek matematika Koš Zěí otázky Odpověď a) Odpověď b) Odpověď c) Odpověď d) Správá. Které číslo doplíte místo 8? 6 6 8 C. Které číslo

Více

Přijímací řízení akademický rok 2013/2014 NavMg. studium Kompletní znění testových otázek matematika a statistika

Přijímací řízení akademický rok 2013/2014 NavMg. studium Kompletní znění testových otázek matematika a statistika Přijímcí řízeí kdemický rok /4 NvMg studium Kompletí zěí testových otázek mtemtik sttistik Koš Zěí otázky Odpověď ) Odpověď b) Odpověď c) Odpověď d) Správá odpověď efiičí obor fukce defiové předpisem f

Více

Základy statistiky. Zpracování pokusných dat Praktické příklady. Kristina Somerlíková

Základy statistiky. Zpracování pokusných dat Praktické příklady. Kristina Somerlíková Základy statistiky Zpracováí pokusých dat Praktické příklady Kristia Somerlíková Data v biologii Zak ebo skupia zaků popisuje přírodí jevy, úlohou výzkumíka je vybrat takovou skupiu zaků, které charakterizují

Více

Přijímací řízení akademický rok 2012/2013 Kompletní znění testových otázek matematické myšlení

Přijímací řízení akademický rok 2012/2013 Kompletní znění testových otázek matematické myšlení Přijímací řízeí akademický rok 0/0 Kompletí zěí testových otázek matematické myšleí Koš Zěí otázky Odpověď a) Odpověď b) Odpověď c) Odpověď d) Správá odpověď. Které číslo doplíte místo otazíku? 6 8 8 6?.

Více

Technická kybernetika. Obsah. Laplaceova transformace. Akademický rok 2017/2018. Připravil: Radim Farana

Technická kybernetika. Obsah. Laplaceova transformace. Akademický rok 2017/2018. Připravil: Radim Farana 8..8 kdemický rok 7/8 Připrvil: Rdim Fr Techická kyereik Lplceov rformce Oh Lplceov rformce Lplceov rformce Lplceov rformce L-rformce převuje velmi účiý ároj při popiu, lýze yéze pojiých lieárích yémů

Více

NEPARAMETRICKÉ METODY

NEPARAMETRICKÉ METODY NEPARAMETRICKÉ METODY Jsou to metody, dy předmětem testu hypotézy eí tvrzeí o hodotě parametru ějaého orétího rozděleí, ale ulová hypotéza je formulováa obecěji, apř. jao shoda rozděleí ebo ezávislost

Více

Matematika 1. Ivana Pultarová Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D Posloupnosti

Matematika 1. Ivana Pultarová Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D Posloupnosti Úvod Opakováí Poslouposti Příklady Matematika 1 Ivaa Pultarová Katedra matematiky, Fakulta stavebí ČVUT v Praze středa 10-11:40 posluchára D-1122 Úvod Opakováí Poslouposti Příklady Úvod Opakováí Poslouposti

Více

, neboť. 1 Postup všech typů exponenciálního vyrovnávání je zevrubně popsán v monografii: i 1

, neboť. 1 Postup všech typů exponenciálního vyrovnávání je zevrubně popsán v monografii: i 1 Meoda expoeciálího vrováváí [Brow-Meer] Je dalším přísupů, kerý e řae (vedle meod klouavých průměrů k adapivím echikám určeí redové složk časové řad Výchoí úvahou éo echik e, že se k predikci ové hodo

Více

Cvičení 1.1. Dokažte Bernoulliovu nerovnost (1 + x) n 1 + nx, n N, x 2. Platí tato nerovnost obecně pro všechna x R a n N?

Cvičení 1.1. Dokažte Bernoulliovu nerovnost (1 + x) n 1 + nx, n N, x 2. Platí tato nerovnost obecně pro všechna x R a n N? 1 Prví prosemiář Cvičeí 1.1. Dokažte Beroulliovu erovost (1 + x) 1 + x, N, x. Platí tato erovost obecě pro všecha x R a N? Řešeí: (a) Pokud předpokládáme x 1, pak lze řešit klasickou idukcí. Pro = 1 tvrzeí

Více

Volba vhodného modelu trendu

Volba vhodného modelu trendu 8. Splinové funkce Trend mění v čase svůj charaker Nelze jej v sledovaném období popsa jedinou maemaickou křivkou aplikace echniky zv. splinových funkcí: o Řadu rozdělíme na několik úseků o V každém úseku

Více

Masarykova univerzita Přírodovědecká fakulta

Masarykova univerzita Přírodovědecká fakulta Masarykova uiverzita Přírodovědecká fakulta Zuzaa Došlá, Vítězslav Novák NEKONEČNÉ ŘADY Bro 00 c Zuzaa Došlá, Vítězslav Novák, Masarykova uiverzita, Bro, 998, 00 ISBN 80-0-949- 3 Kapitola 3 Řady absolutě

Více