Pravdpodobnost výskytu náhodné veliiny na njakém intervalu urujeme na základ tchto vztah: f(x)

Rozměr: px
Začít zobrazení ze stránky:

Download "Pravdpodobnost výskytu náhodné veliiny na njakém intervalu urujeme na základ tchto vztah: f(x)"

Transkript

1 NÁHODNÁ VELIINA Náhodná veliina je veliina, jejíž hodnota je jednoznan urena výsledkem náhodného pokusu (je-li tento výsledek dán reálným íslem). Jde o reálnou funkci definovanou na základním prostoru a charakterizovanou distribuní funkci. Distribuní funkce je definována jako F(x) P(X<x), jde ted o funkci, která každému reálnému íslu piazuje pravdpodobnost, že náhodná veliina nabývá hodnot menších než toto reálné íslo. Pravdpodobnost výsktu náhodné veliin na njakém intervalu urujeme na základ tchto vztah: P( X < a) F( a) P( X P( a X b) F( b) < b) F( b) F( a) P(a X < b) f(x) Podle toho, jakých mže náhodná veliina nabýt hodnot (resp. z jakého intervalu), rozlišujeme spojitou a diskrétní náhodnou veliinu, pesnji eeno náhodnou veliinu se spojitým a diskrétním rozdlením. Diskrétní náhodná veliina je náhodnou veliinou, která mže nabývat pouze koneného nebo spoetn nekoneného množství hodnot (nap. výsledek hodu kostkou) Diskrétní náhodnou veliinu popisujeme prostednictvím pravdpodobnostní funkce, pop. distribuní funkce. Spojitá náhodná veliina je náhodnou veliinou, která mže nabývat všech hodnot z libovolného koneného nebo nekoneného intervalu (nap. životnost záivk) Pro popis spojité náhodné veliin používáme distribuní funkci, hustotu pravdpodobnosti a v pípad, že jde o nezápornou spojitou náhodnou veliinu používáme také intenzitu poruch. Intenzita poruch má pro vtšinu výrobk z technické praxe charakteristický tvar vanové kivk. V mnoha pípadech je výhodné shrnout celkovou informaci o náhodné veliin do nkolika ísel, které charakterizují nkteré vlastnosti náhodné veliin, pípadn umožují srovnání rzných náhodných veliin. Tato ísla se nazývají íselné charakteristik náhodné veliin. Mezi základní íselné charakteristik adíme nap. stední hodnotu, rozptl, smrodatnou odchlku, kvantil, modus, šikmost a špiatost. V pípad, že g(x) je njaká prostá reálná funkce, definovaná na základním souboru náhodné veliin X, mžeme snadno odvodit rozdlení transformované náhodné veliin Y g(x). x - -

2 Diskrétní náhodná veliina.. Mjme náhodnou veliinu X definovanou jako výsledek hodu klasickou pravidelnou kostkou. Urete tp NV, její pravdpodobnostní a distribuní funkci (zakreslete). X... výsledek hodu kostkou Základní soubor NV X (množina všech možných výsledk): Ω {; ; ; ; ; } Vzhledem k tomu, že základní soubor je tvoen konen mnoha (šesti) hodnotami, jedná se o diskrétní NV Pravdpodobnostní funkce této NV je uvedena v následující tabulce: (nap. P(X) teme: pravdpodobnost, že výsledek hodu kostkou je ). V tabulce jsou pitom uveden pouze nenulové hodnot pravdpodobnostní funkce. Je zejmé, že platí: x i R \ Ω : P( X x ) (nap. P(X,)P(X-)... ). Všimnte si zárove, že je splnna. ást definice diskrétní NV : P ( X ) ( i) x i x i P( X x i ) / / / / / / Na následujícím obrázku pak vidíme grafickou podobu pravdpodobnostní funkce (izolované bod). i x) / P( x x Dále se pokusíme na základ definice urit distribuní funkci. Z vlastností distribuní funkce vplývá, že bod nespojitosti této funkce jsou t bod, v nichž je pravdpodobnostní funkce nenulová (P( x x ) lim F(x) - F( x )). Proto si uríme hodnot distribuní funkce na x x + všech intervalech vmezených bod nespojitosti. - -

3 P(x) / x Ing. Martina Litschmannová nap.: x ( ; : F( x) P( X < x) (pravdpodobnost, že na kostce padne íslo menší než ) x ( ; : F( x) P( X < x) / (pravdpodobnost, že na kostce padne íslo menší než ) x ( ; : F( x) P( X < x) / (pravdpodobnost, že na kostce padne íslo menší než )... Hodnot distribuní funkce na celém defininím oboru (R) jsou uveden v následující tabulce. x i F( x i ) (- ;> (;> / (;> / (;> / (;> / (;> / (; ) Na grafu distribuní funkce si všimnte jejich vlastností: neklesající zleva spojitá lim F(x) ; lim F(x) x + x P( X x) lim F(x) F( x x x + ), tj.: distribuní funkce je nespojitá v bodech, v nichž je pravdpodobnostní funkce nenulová velikost skoku v bodech nespojitosti je rovna píslušné pravdpodobnosti x) F( / x.. V osudí je bílých a 7 ervených mík. Náhodná veliina X pedstavuje poet bílých mík mezi pti vbranými. Vtvote pravdpodobnostní a distribuní funkci této náhodné veliin. Náhodná veliina X nabývá hodnot {,,,,,}. - -

4 Z teorie pravdpodobnosti víme, že se jedná o opakované závislé pokus. Je zejmé, že jde o diskrétní náhodnou veliinu, mžeme ted sestavit pravdpodobnostní funkci: ( ) p x i 7. xi xi Dosazením jednotlivých hodnot náhodné veliin do pravdpodobnostní funkce získáme pravdpodobnostní tabulku: x i P(x i ) Grafické zobrazení pravdpodobnostní funkce (bodový graf): Distribuní funkce: x i F( x i ) (- ;> (;> /79 (;> 9/79 (;> /79 (;> 7/79 (;> 79/79 (; ) 79/79 - -

5 Spojitá náhodná veliina.. Nech Y je spojitá náhodná veliina definována hustotou pravdpodobnosti: c( )( + ) f ( ) < < jinde a) naleznte konstantu c, b) zakreslete f() c) naleznte a zakreslete distribuní funkci F(), d) urete: P(<Y<), P(Y>,), P(Y,) a) pro nalezení konstant c vužijeme toho, že: f ( x) dt + c( t ) dt + dt t + ct + ( ) c( ) ( ) c. c,7 b) f ( ) ( )( + ) < < jinde Hustota pravdpodobnosti f(),8,,, - - -, c) Distribuní funkci uríme z definice: F( ) f ( t) dt pro < < Pro < < : F( ) dt - -

6 Ing. Martina Litschmannová Pro < : F( ) ( t ) + t dt t ( + + ) dt + Pro < : F ( ) + dt ( t ) dt + t dt + t + Distribuní funkce F(),,8,,, , F() d) Pravdpodobnosti výsktu náhodné veliin Y na uritém intervalu uríme pomocí píslušných vztah: P ( < Y < ) F() F() ( + + ) ~ % P ( Y >,) F(,) ( ( ) P ( Y,) +. + ) 7 ~,% íselné charakteristik diskrétní náhodné veliin.. Vrame se k díve definované diskrétní náhodné veliin X hod kostkou. V jednom z výše ešených píkladu jsme si urili a zakreslili její pravdpodobnostní i distribuní funkci. x i P( X x i ) / / / / / / x i F( x i ) (- ;> (;> / (;> / (;> / (;> / (;> / (; ) - -

7 Nní ureme: a) stední hodnotu b) rozptl c) smrodatnou odchlku d) medián e) modus a) EX µ x. P( ) , ( i) i x i b) DX µ E( X EX ) EX ( ) EX EX ( i) x P( i x i ) , DX EX ( EX ) 9,9 c) σ x DX, 7 d) x,? F ( x i ), x (; i x sup{(; } (ovení: platí, že % hodnot náhodné veliin je ), e) modus je hodnota, pro kterou platí: P( X x) P( X xi ), i,,... (tj. hodnota, které nabývá NV s nejvtší pravdpodobností) Protože v našem pípad nabývá NV X všech hodnot se stejnou pravdpodobností, jedná se o vícemodální rozdlení s mod {;;;;;}. ^ íselné charakteristik spojité náhodné veliin.. A nní najdeme vbrané íselné charakteristik pro spojitou náhodnou veliinu. Zvolme si náhodnou veliinu Y definovanou takto: c( )( + ) f ( ) Urete: < < jinde a) stední hodnotu - -

8 b) rozptl c) smrodatnou odchlku d) medián e) modus Nejdíve bchom museli urit konstantu c ze vztahu: f ( ) d M vužijeme toho, že daný problém jsme již výše ešili a mžeme proto pímo pevzít výsledek, že c,7. a) EY µ. f ( ) d.d +. ( ) d +.d + + (výsledek bl oekávatelný, protože hustota pravdpodobnosti NV Y je sudá funkce) b) DY EY (EY ) DY EY. f ( ) d EY ( EY ).d +,. ( ) d +.d + + c) σ DY, d) F ( ),, Znovu vužijeme toho, že jsme s touto náhodnou veliinou pracovali již díve a bez optovného výpotu použijeme znalosti distribuní funkce F(). F ( ) ( + + ) pro < ( ) pro ( ) pro > Ze vztahu pro distribuní funkci je zejmé, že medián mže být pouze hodnota z intervalu (-;): (, +, + ) ( + + ),, +,,, - 7 -

9 , ( + ),,,, ( ;) ( ;) e) modus je hodnota, pro kterou platí: f ( xˆ) f ( x) pro < x < (tj. hodnota, v níž hustota pravdpodobnosti nabývá svého maxima) Pro maximum funkce platí, že první derivace v nm musí být nulová (nebo nedefinována) a druhá derivace v nm musí být záporná. Je zejmé, že rovnž modus budeme hledat na intervalu (-;): df ( ) d ( ), ( ) bod podezelý z maxima Zda se jedná o maximum bchom mohli ovit z druhé derivace f(), ale m vužijeme opt toho, že jsme s danou NV pracovali a pohledem na graf f() si ovíme, že hustota pravdpodobnosti f() skuten nabývá svého maxima v bod. ˆ Funkce náhodné veliin V mnoha pípadech, kd známe rozdlení náhodné veliin X, potebujeme urit rozdlení náhodné veliin Y, která je funkcí X, tzn. Y g(x). Je-li funkce g(x) v oboru možných hodnot veliin X monotónní, pak existuje inverzní funkce g (), a jde o vzájemn jednoznaný vztah mezi X a Y. Je-li v takovém pípad g(x) rostoucí, pak pro všechna x < x je < a distribuní funkci veliin Y lze psát jako: H() P(Y < ) P[X < g ()] F[g ()] Pro klesající funkci g(x), pak pro všechna x < x je > a distribuní funkci veliin Y lze psát jako: H() P(Y < ) P[X > g ()] F[g ()] - 8 -

10 Je-li X spojitá náhodná veliina s hustotou pravdpodobnosti f(x), piemž g - () má pro všechna spojitou derivaci, pak pro rostoucí funkci g(x) dostaneme hustotu pravdpodobnosti h() veliin Y jako: h Podobn pro klesající funkci h(x) dostaneme: h dh ( ) dg ( ) f ( g ( ) ) f ( g ( ) ) d d d dh ( ) dg ( ) f ( g ( ) ) f ( g ( ) ) d d d Vzhledem k tomu, že v pípad rostoucí funkce g(x) je >, zatímco v pípad klesající d funkce g(x) je <, lze oba pedchozí vztah spojit do jednoho: d h dh ( ) dg ( ) f ( g ( ) ) f ( g ( ) ) d d d.. Nech náhodná veliina W je definována jako lineární transformace náhodné veliin Y.,7( )( + ) f ( ) < jinde < W Y + Naleznte: a) distribuní funkci H(w) náhodné veliin W b) hustotu pravdpodobnosti h(w) náhodné veliin W, c) stední hodnotu EW náhodné veliin W d) rozptl DW náhodné veliin W. Stejn jako v pedchozích pípadech vužijeme toho, že jsme již s NV Y pracovali (v opaném pípad bchom museli nejdíve najít F(), EY a DY). pro < ( ) F ( ) ( + + ) pro ( ), EY, DY, pro > - 9 -

11 w w a) H ( w) P( W < w) P(Y + < w) P( Y < ) F( ) Nní uríme distribuní funkci H(w) tak, že do pedpisu pro distribuní funkci F() w dosadíme za výraz. ( ) w H w w + + w pro < w pro w pro > H ( w) ( w 8w + w ) pro w < pro w pro w > b) Hustotu pravdpodobnosti uríme jako derivaci distribuní funkce: h ( w) dh ( w) dw (w h ( w) po úprav: h ( w) ( w w + ) w + ) pro pro pro w ( w < ) ( w > ) pro w ( w < ) ( w > ) c) Z vlastností stední hodnot plne, že: EW E( Y + ). EY +. + d) Z vlastností rozptlu plne, že: DW D(Y + ). DY., - -

12 .7. Nech náhodná veliina X má spojitou rostoucí distribuní funkci F(x). Najdte distribuní funkci a hustotu pravdpodobnosti náhodné veliin Y F(X). Y F(x) F(x) nabývá pro x R hodnot z intervalu <;> náhodná veliina Y nabývá rovnž hodnot z intervalu <;> pro pro < H ( ) > H ( ) pro H ( ) P( Y < ) P( F( X ) < ) P( X < F ( )) F( F ( )) H ( ) pro < pro pro > Hustota pravdpodobnosti náhodné veliin Y h( ) h( ) dh ( ) d pro ; jinde Hustota pravdpodobnosti rovnomrného rozdlení,,8,,, -, - -, - -,,,, Náhodná veliina Y má tzv. rovnomrné (rektangulární) rozdlení v intervalu <, >. - -

13 π π.8. Nech veliina X má rovnomrné rozdlení v intervalu ; má veliina Y tg X? Naleznte hustotu pravdpodobnosti NV Y.. Jaké rozdlení h ( ) d ( ) f g ( ) Hustota pravdpodobnosti rovnomrného rozdlení na intervalu f ( x) π π na ; π π π jinde π π ; : ( x) tg x g ( ) x arctg g d d ( arctg ) d + + Hustota pravdpodobnosti veliin Y je ted: h ( ) ( ) f g ( ) d π ( + ), R Uvedené rozdlení se nazývá Cauchho. Je píkladem rozdlení, které nemá konený rozptl: DY ( ) g d d ( + ) d π π ( + ) π d ( + ) π [ π ] + d.9. Nech veliina X má rovnomrné rozdlení v intervalu ; π. Jaké rozdlení má veliina Y cot g X? Naleznte distribuní funkci NV Y. Hustota pravdpodobnosti rovnomrného rozdlení na intervalu ; π : - -

14 f ( x) π π na ; π jinde Distribuní funkce rovnomrného rozdlení na intervalu ; π : F ( x) x x f ( t) dt dt + dt x π π x x ( ;) x ; π ( π ; ) Distribuní funkce NV Y: H ( ) P(Y < ) P( cotg X < ) P( X > arccotg ) F( arccotg ) H ( ) arccot g π arccot g arccot g ( ;) arccot g ; π ( π; ) Vzhledem k tomu, že obor hodnot funkce arccotg x je ( ;π ): 8 arccotg H π ( ) arccot g R - -

3 NÁHODNÁ VELIINA. as ke studiu kapitoly: 80 minut. Cíl: Po prostudování tohoto odstavce budete umt

3 NÁHODNÁ VELIINA. as ke studiu kapitoly: 80 minut. Cíl: Po prostudování tohoto odstavce budete umt NÁHODNÁ VELIINA as ke studiu kapitoly: 8 minut Cíl: Po prostudování tohoto odstavce budete umt obecn popsat náhodnou veliinu pomocí distribuní funkce charakterizovat diskrétní i spojitou náhodnou veliinu

Více

V mnoha pípadech, kdy známe rozdlení náhodné veliiny X, potebujeme urit rozdlení náhodné veliiny Y, která je funkcí X, tzn. Y = h(x).

V mnoha pípadech, kdy známe rozdlení náhodné veliiny X, potebujeme urit rozdlení náhodné veliiny Y, která je funkcí X, tzn. Y = h(x). 3. FUNKCE NÁHODNÉ VELIINY as ke studu: 40 mnut Cíl: Po prostudování této kaptol budete umt transformovat náhodnou velnu na náhodnou velnu Y, je l mez tmto náhodným velnam vzájemn jednoznaný vztah VÝKLAD

Více

NÁHODNÁ VELIČINA. 3. cvičení

NÁHODNÁ VELIČINA. 3. cvičení NÁHODNÁ VELIČINA 3. cvičení Náhodná veličina Náhodná veličina funkce, která každému výsledku náhodného pokusu přiřadí reálné číslo. Je to matematický model popisující více či méně dobře realitu, který

Více

Základy teorie pravděpodobnosti

Základy teorie pravděpodobnosti Základy teorie pravděpodobnosti Náhodná veličina Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 12. února 2012 Statistika by Birom Základy teorie

Více

JAK MODELOVAT VÝSLEDKY NÁH. POKUSŮ? Martina Litschmannová

JAK MODELOVAT VÝSLEDKY NÁH. POKUSŮ? Martina Litschmannová JAK MODELOVAT VÝSLEDKY NÁH. POKUSŮ? Martina Litschmannová Opakování Základní pojmy z teorie pravděpodobnosti Co je to náhodný pokus? Děj, jehož výsledek není předem jednoznačně určen podmínkami, za nichž

Více

Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel

Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Výsledky některých náhodných pokusů jsou přímo vyjádřeny číselně (např. při hodu kostkou padne 6). Náhodnou veličinou

Více

JAK MODELOVAT VÝSLEDKY

JAK MODELOVAT VÝSLEDKY JAK MODELOVAT VÝSLEDKY NÁHODNÝCH POKUSŮ? Martina Litschmannová Opakování Základní pojmy z teorie pravděpodobnosti Co je to náhodný pokus? Děj, jehož výsledek není předem jednoznačně určen podmínkami, za

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOST A STATISTIKA Náhodná proměnná Náhodná veličina slouží k popisu výsledku pokusu. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáme. Přesto bychom chtěli tento pokus

Více

Prbh funkce Jaroslav Reichl, 2006

Prbh funkce Jaroslav Reichl, 2006 rbh funkce Jaroslav Reichl, 6 Vyšetování prbhu funkce V tomto tetu je vzorov vyešeno nkolik úloh na vyšetení prbhu funkce. i ešení úlohy jsou využity základní vlastnosti diferenciálního potu.. ešený píklad

Více

Někdy lze výsledek pokusu popsat jediným číslem, které označíme X (nebo jiným velkým písmenem). Hodíme dvěma kostkami jaký padl součet?

Někdy lze výsledek pokusu popsat jediným číslem, které označíme X (nebo jiným velkým písmenem). Hodíme dvěma kostkami jaký padl součet? Náhodné veličiny Náhodné veličiny Někdy lze výsledek pokusu popsat jediným číslem, které označíme X (nebo jiným velkým písmenem). Příklad Vytáhneme tři karty z balíčku zajímá nás, kolik je mezi nimi es.

Více

Matematika III. 4. října Vysoká škola báňská - Technická univerzita Ostrava. Matematika III

Matematika III. 4. října Vysoká škola báňská - Technická univerzita Ostrava. Matematika III Vysoká škola báňská - Technická univerzita Ostrava 4. října 2018 Podmíněná pravděpodobnost Při počítání pravděpodobnosti můžeme k náhodnému pokusu přidat i nějakou dodatečnou podmínku. Podmíněná pravděpodobnost

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOST A STATISTIKA Náhodná proměnná Náhodná veličina slouží k popisu výsledku pokusu. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáme. Přesto bychom chtěli tento pokus

Více

Funkce a limita. Petr Hasil. Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF)

Funkce a limita. Petr Hasil. Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) Funkce a limita Petr Hasil Přednáška z matematiky Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipĺıny společného základu

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

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Jan Kracík

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Jan Kracík Pravděpodobnost a statistika, Biostatistika pro kombinované studium Letní semestr 2017/2018 Tutoriál č. 2:, náhodný vektor Jan Kracík jan.kracik@vsb.cz náhodná veličina rozdělení pravděpodobnosti náhodné

Více

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y 9. T r a n s f o r m a c e n á h o d n é v e l i č i n Při popisu procesů zpracováváme vstupní údaj, hodnotu x tak, že výstupní hodnota závisí nějakým způsobem na vstupní, je její funkcí = f(x). Pokud

Více

Inovace bakalářského studijního oboru Aplikovaná chemie

Inovace bakalářského studijního oboru Aplikovaná chemie http://aplchem.upol.cz CZ.1.07/2.2.00/15.0247 Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. Základy zpracování dat chemometrie, statistika Doporučenáliteratura

Více

Kapitola 1: Reálné funkce 1/13

Kapitola 1: Reálné funkce 1/13 Kapitola 1: Reálné funkce 1/13 Číselné množiny 2/13 N = {1, 2, 3, 4,... }... přirozená čísla N 0 = N {0} = {0, 1, 2, 3, 4,... } Z = {..., 2, 1, 0, 1, 2, 3, 4,... }... celá čísla Q = { p q p, q Z}... racionální

Více

1. Písemka skupina A1..

1. Písemka skupina A1.. 1. Psemka skupina A1.. Nartněte grafy funkc (v grafu oznate všechny průseky funkce s osami) 3 y y sin( ) y y log ( 1) 1 y 1 y = arccotg - 1) Urete, jestli je funkce y = - + 1 omezená zdola nebo shora?

Více

Náhodná veličina a její charakteristiky. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáte. Proto je proměnná, která

Náhodná veličina a její charakteristiky. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáte. Proto je proměnná, která Náhodná veličina a její charakteristiky Náhodná veličina a její charakteristiky Představte si, že provádíte náhodný pokus, jehož výsledek jste schopni ohodnotit nějakým číslem. Před provedením pokusu jeho

Více

Rozdělení náhodné veličiny. Distribuční funkce. Vlastnosti distribuční funkce

Rozdělení náhodné veličiny. Distribuční funkce. Vlastnosti distribuční funkce Náhodná veličina motivace Náhodná veličina Často lze výsledek náhodného pokusu vyjádřit číslem: číslo, které padlo na kostce, výška náhodně vybraného studenta, čas strávený čekáním na metro, délka života

Více

Vypracoval: Mgr. Lukáš Bičík TENTO PROJEKT JE SPOLUFINANCOVÁN EVROPSKÝM SOCIÁLNÍM FONDEM A STÁTNÍM ROZPOČTEM ČESKÉ REPUBLIKY

Vypracoval: Mgr. Lukáš Bičík TENTO PROJEKT JE SPOLUFINANCOVÁN EVROPSKÝM SOCIÁLNÍM FONDEM A STÁTNÍM ROZPOČTEM ČESKÉ REPUBLIKY Vlastnosti funkcí Vypracoval: Mgr. Lukáš Bičík TENTO PROJEKT JE SPOLUFINANCOVÁN EVROPSKÝM SOCIÁLNÍM FONDEM A STÁTNÍM ROZPOČTEM ČESKÉ REPUBLIKY Definiční obor Definiční obor funkce je množina všech čísel,

Více

Funkce jedn e re aln e promˇ enn e Derivace Pˇredn aˇska ˇr ıjna 2015

Funkce jedn e re aln e promˇ enn e Derivace Pˇredn aˇska ˇr ıjna 2015 Funkce jedné reálné proměnné Derivace Přednáška 2 15. října 2015 Obsah 1 Funkce 2 Limita a spojitost funkce 3 Derivace 4 Průběh funkce Informace Literatura v elektronické verzi (odkazy ze STAGu): 1 Lineární

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

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

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457. 0 cvičení z PST 5 prosince 208 0 (intervalový odhad pro rozptyl) Soubor (70, 84, 89, 70, 74, 70) je náhodným výběrem z normálního rozdělení N(µ, σ 2 ) Určete oboustranný symetrický 95% interval spolehlivosti

Více

1. Písemka skupina A...

1. Písemka skupina A... . Písemka skupina A.... jméno a příjmení Načrtněte grafy funkcí (v grafu označte všechny průsečíky funkce s osami a asymptoty). y y sin 4 y y arccos ) Určete, jestli je funkce y ln prostá? ) Je funkce

Více

I. D i s k r é t n í r o z d ě l e n í

I. D i s k r é t n í r o z d ě l e n í 6. T y p y r o z d ě l e n í Poznámka: V odst. 5.5-5.10 jsme uvedli příklady náhodných veličin a jejich distribučních funkcí. Poznali jsme, že se od sebe liší svým typem. V příkladech 5.5, 5.6 a 5.8 jsme

Více

p(x) = P (X = x), x R,

p(x) = P (X = x), x R, 6. T y p y r o z d ě l e n í Poznámka: V odst. 5.5-5.10 jsme uvedli příklady náhodných veličin a jejich distribučních funkcí. Poznali jsme, že se od sebe liší svým typem. V příkladech 5.5, 5.6 a 5.8 jsme

Více

MATEMATIKA. Příklady pro 1. ročník bakalářského studia. II. část Diferenciální počet. II.1. Posloupnosti reálných čísel

MATEMATIKA. Příklady pro 1. ročník bakalářského studia. II. část Diferenciální počet. II.1. Posloupnosti reálných čísel MATEMATIKA Příklady pro 1. ročník bakalářského studia II. část II.1. Posloupnosti reálných čísel Rozhodněte, zda posloupnost a n (n = 1, 2, 3,...) je omezená (omezená shora, omezená zdola) resp. monotónní

Více

4. Lineární diferenciální rovnice rovnice 1. ádu

4. Lineární diferenciální rovnice rovnice 1. ádu 4. Lineární diferenciální rovnice rovnice. ádu y + p( ) y = (4.) L[ y] = y + p( ) y p q jsou spojité na I = (ab) a < b. Z obecné teorie vyplývá že množina všech ešení rovnice (4.) na intervalu I (tzv.

Více

VII. Limita a spojitost funkce

VII. Limita a spojitost funkce VII. Limita a spojitost funkce VII.1. Limita funkce Úvodní poznámky: Limita funkce f v bodě c R hodnota a R, k níž se přibližují hodnoty f(x), jestliže x se blíží k hodnotě c; funkce f nemusí být definovaná

Více

, 1. skupina (16:15-17:45) Jméno: se. Postup je třeba odůvodnit (okomentovat) nebo uvést výpočet. Výsledek bez uvedení jakéhokoliv

, 1. skupina (16:15-17:45) Jméno: se. Postup je třeba odůvodnit (okomentovat) nebo uvést výpočet. Výsledek bez uvedení jakéhokoliv 42206, skupina (6:5-7:45) Jméno: Zápočtový test z PSI Nezapomeňte podepsat VŠECHNY papíry, které odevzdáváte Škrtejte zřetelně a stejně zřetelně pište i věci, které platí Co je škrtnuto, nebude bráno v

Více

Derivace funkce. Přednáška MATEMATIKA č Jiří Neubauer

Derivace funkce. Přednáška MATEMATIKA č Jiří Neubauer Přednáška MATEMATIKA č. 9-11 Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Šotová, J., Doudová, L. Diferenciální počet funkcí jedné proměnné Motivační příklady

Více

7. Rozdělení pravděpodobnosti ve statistice

7. Rozdělení pravděpodobnosti ve statistice 7. Rozdělení pravděpodobnosti ve statistice Statistika nuda je, má však cenné údaje, neklesejte na mysli, ona nám to vyčíslí Jednou z úloh statistiky je odhad (výpočet) hodnot statistického znaku x i,

Více

0.1 Úvod do matematické analýzy

0.1 Úvod do matematické analýzy Matematika I (KMI/PMATE) 1 0.1 Úvod do matematické analýzy 0.1.1 Pojem funkce Veličina - pojem, který popisuje kvantitativní (číselné) vlastnosti reálných i abstraktních objektů. Příklady veličin: hmotnost

Více

Limita a spojitost funkce

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

Více

SPOJITÉ ROZDĚLENÍ PRAVDĚPODOBNOSTI. 7. cvičení

SPOJITÉ ROZDĚLENÍ PRAVDĚPODOBNOSTI. 7. cvičení SPOJITÉ ROZDĚLENÍ PRAVDĚPODOBNOSTI 7. cvičení Intenzita poruch Funkce modelující dobu do výskytu události životnost, dobu do poruchy, dobu do relapsu (návratu onemocnění), apod. používáme spolu s distribuční

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

Splajny a metoda nejmenších tverc

Splajny a metoda nejmenších tverc Splajny a metoda nejmenších tverc 1. píklad a) Najdte pirozený kubický splajn pro funkci na intervalu Za uzly zvolte body Na interpolaci pomocí kubického splajnu použijeme píkaz Spline(ydata,, endpts).

Více

Kapitola 1: Reálné funkce 1/20

Kapitola 1: Reálné funkce 1/20 Kapitola 1: Reálné funkce 1/20 Funkce jedné proměnné 2/20 Definice: Necht M R. Jestliže každému x M je přiřazeno jistým předpisem f právě jedno y R, říkáme, že y je funkcí x. x... nezávisle proměnná (neboli

Více

Pojmy z kombinatoriky, pravděpodobnosti, znalosti z kapitoly náhodná veličina, znalost parciálních derivací, dvojného integrálu.

Pojmy z kombinatoriky, pravděpodobnosti, znalosti z kapitoly náhodná veličina, znalost parciálních derivací, dvojného integrálu. 6. NÁHODNÝ VEKTOR Průvodce studiem V počtu pravděpodobnosti i v matematické statistice se setkáváme nejen s náhodnými veličinami, jejichž hodnotami jsou reálná čísla, ale i s takovými, jejichž hodnotami

Více

a způsoby jejího popisu Ing. Michael Rost, Ph.D.

a způsoby jejího popisu Ing. Michael Rost, Ph.D. Podmíněná pravděpodobnost, náhodná veličina a způsoby jejího popisu Ing. Michael Rost, Ph.D. Podmíněná pravděpodobnost Pokud je jev A vázán na uskutečnění jevu B, pak tento jev nazýváme jevem podmíněným

Více

Funkce základní pojmy a vlastnosti

Funkce základní pojmy a vlastnosti Funkce základní pojm a vlastnosti Aplikovaná matematika I Dana Říhová Mendelu Brno Obsah Pojem funkce Vlastnosti funkcí Inverzní funkce 4 Základní elementární funkce Mocninné Eponenciální Logaritmické

Více

Diskrétní náhodná veličina. November 12, 2008

Diskrétní náhodná veličina. November 12, 2008 Diskrétní náhodná veličina November 12, 2008 (Náhodná veličina (náhodná proměnná)) Náhodná veličina (nebo též náhodná proměnná) je veličina X, jejíž hodnota je jednoznačně určena výsledkem náhodného pokusu.

Více

Téma 22. Ondřej Nývlt

Téma 22. Ondřej Nývlt Téma 22 Ondřej Nývlt nyvlto1@fel.cvut.cz Náhodná veličina a náhodný vektor. Distribuční funkce, hustota a pravděpodobnostní funkce náhodné veličiny. Střední hodnota a rozptyl náhodné veličiny. Sdružené

Více

1 KOMBINATORIKA, KLASICKÁ PRAVDPODOBNOST

1 KOMBINATORIKA, KLASICKÁ PRAVDPODOBNOST 1 KOMBINATORIKA, KLASICKÁ PRAVDPODOBNOST Kombinatorické pravidlo o souinu Poet všech uspoádaných k-tic, jejichž první len lze vybrat n 1 zpsoby, druhý len po výbru prvního lenu n 2 zpsoby atd. až k-tý

Více

MATEMATICKÁ STATISTIKA - XP01MST

MATEMATICKÁ STATISTIKA - XP01MST MATEMATICKÁ STATISTIKA - XP01MST 1. Úvod. Matematická statistika (statistics) se zabývá vyšetřováním zákonitostí, které v sobě obsahují prvek náhody. Zpracováním hodnot, které jsou výstupem sledovaného

Více

Diferenciální počet 1 1. f(x) = ln arcsin 1 + x 1 x. 1 x 1 a x 1 0. f(x) = (cos x) cosh x + 3x. x 0 je derivace funkce f(x) v bodě x0.

Diferenciální počet 1 1. f(x) = ln arcsin 1 + x 1 x. 1 x 1 a x 1 0. f(x) = (cos x) cosh x + 3x. x 0 je derivace funkce f(x) v bodě x0. Nalezněte definiční obor funkce Diferenciální počet f = ln arcsin + Definiční obor funkce f je určen vztahy Z těchto nerovností plyne < + ln arcsin + je tedy D f =, Určete definiční obor funkce arcsin

Více

Charakterizace rozdělení

Charakterizace rozdělení Charakterizace rozdělení Momenty f(x) f(x) f(x) μ >μ 1 σ 1 σ >σ 1 g 1 g σ μ 1 μ x μ x x N K MK = x f( x) dx 1 M K = x N CK = ( x M ) f( x) dx ( xi M 1 C = 1 K 1) N i= 1 K i K N i= 1 K μ = E ( X ) = xf

Více

Vzorová písemka č. 1 (rok 2015/2016) - řešení

Vzorová písemka č. 1 (rok 2015/2016) - řešení Vzorová písemka č. rok /6 - řešení Pavla Pecherková. května 6 VARIANTA A. Náhodná veličina X je určena hustotou pravděpodobností: máme hustotu { pravděpodobnosti C x pro x ; na intervalu f x jinde jedná

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

PŘEDNÁŠKA 9 KŘIVKOVÝ A PLOŠNÝ INTEGRÁL 1. DRUHU

PŘEDNÁŠKA 9 KŘIVKOVÝ A PLOŠNÝ INTEGRÁL 1. DRUHU PŘEDNÁŠKA 9 KŘIVKOVÝ A PLOŠNÝ INTEGRÁL 1. DRUHU 6.1 Křivkový integrál 1. druhu Definice 1. Množina R n se nazývá prostá regulární křivka v R n právě tehdy, když existuje vzájemně jednoznačné zobrazení

Více

Limita posloupnosti, limita funkce, spojitost. May 26, 2018

Limita posloupnosti, limita funkce, spojitost. May 26, 2018 Limita posloupnosti, limita funkce, spojitost May 26, 2018 Definice (Okolí bodu) Okolím bodu a R (také ε- okolím) rozumíme množinu U(a, ε) = {x R; x a < ε} = (a ε, a + ε), bod a se nazývá střed okolí a

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

Zápočtová písemka z Matematiky III (BA04) skupina A

Zápočtová písemka z Matematiky III (BA04) skupina A skupina A 0 pro x < 1, ae x pro x 1, ), Pravděpodobnost P (X ) a P (X =.). E (X) a E ( X 1). Hustotu transformované náhodné veličiny Y = (X + 1). F(x) = x 3 pro x (0, 9), Hustotu f(x). Pravděpodobnost

Více

Derivace funkce Otázky

Derivace funkce Otázky funkce je jedním z hlavních nástrojů matematické analýzy. V příští části ukážeme, jak mnoho různorodých aplikací derivace má. Geometricky lze derivaci funkce v nějakém bodě chápat jako směrnici tečny grafu

Více

FUNKCE A JEJICH VLASTNOSTI

FUNKCE A JEJICH VLASTNOSTI PŘEDNÁŠKA 3 FUNKCE A JEJICH VLASTNOSTI Pojem zobrazení a funkce Uvažujme libovolné neprázdné množiny A, B. Přiřadíme-li každému prvku x A právě jeden prvek y B, dostáváme množinu F uspořádaných dvojic

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

Derivace funkce DERIVACE A SPOJITOST DERIVACE A KONSTRUKCE FUNKCÍ. Aritmetické operace

Derivace funkce DERIVACE A SPOJITOST DERIVACE A KONSTRUKCE FUNKCÍ. Aritmetické operace Derivace funkce Derivace je jedním z hlavních nástrojů matematické analýzy. V příští části ukážeme, jak mnoho různorodých aplikací derivace má. Geometricky lze derivaci funkce v nějakém bodě chápat jako

Více

8 Střední hodnota a rozptyl

8 Střední hodnota a rozptyl Břetislav Fajmon, UMAT FEKT, VUT Brno Této přednášce odpovídá kapitola 10 ze skript [1]. Také je k dispozici sbírka úloh [2], kde si můžete procvičit příklady z kapitol 2, 3 a 4. K samostatnému procvičení

Více

8. Normální rozdělení

8. Normální rozdělení 8. Normální rozdělení 8.. Definice: Normální (Gaussovo) rozdělení N(µ, 2 ) s parametry µ a > 0 je rozdělení určené hustotou ( ) f(x) = (x µ) 2 e 2 2, x (, ). Rozdělení N(0; ) s parametry µ = 0 a = se nazývá

Více

Teorie. Hinty. kunck6am

Teorie. Hinty.   kunck6am kytaristka@gmail.com www.natur.cuni.cz/ kunck6am 5. cvičení Teorie Definice. Necht funkce f je definována na neprázdném otevřeném intervalu I. Řekneme, že funkce F je primitivní funkce k f na I, jestliže

Více

FUNKCE POJEM, VLASTNOSTI, GRAF

FUNKCE POJEM, VLASTNOSTI, GRAF FUNKCE POJEM, VLASTNOSTI, GRAF Zavedení pojmu funkce funkce Funkce f na množině D R je předpis, který každému číslu x z množiny D přiřazuje právě jedno reálné číslo y z množiny R. Množina D se nazývá definiční

Více

Přijímací zkouška na navazující magisterské studium 2014

Přijímací zkouška na navazující magisterské studium 2014 Přijímací zkouška na navazující magisterské studium 4 Studijní program: Studijní obory: Příklad (5 bodů) Spočtěte Matematika MA, MMIB, MMFT, MSTR, NVM, PMSE, MDU Varianta A M xy dxdy, kde M = {(x, y) R

Více

Derivace funkce. prof. RNDr. Čestmír Burdík DrCs. prof. Ing. Edita Pelantová CSc. Katedra matematiky BI-ZMA ZS 2009/2010

Derivace funkce. prof. RNDr. Čestmír Burdík DrCs. prof. Ing. Edita Pelantová CSc. Katedra matematiky BI-ZMA ZS 2009/2010 Derivace funkce prof. RNDr. Čestmír Burdík DrCs. prof. Ing. Edita Pelantová CSc. Katedra matematiky České vysoké učení technické v Praze c Čestmír Burdík, Edita Pelantová 2009 Základy matematické analýzy

Více

Matematika I (KMI/PMATE)

Matematika I (KMI/PMATE) Přednáška první aneb Úvod do matematické analýzy Funkce a její vlastnosti Úvod do matematické analýzy Osnova přednášky pojem funkce definice funkce graf funkce definiční obor funkce obor hodnot funkce

Více

PRIMITIVNÍ FUNKCE. Primitivní funkce primitivní funkce. geometrický popis integrály 1 integrály 2 spojité funkce konstrukce prim.

PRIMITIVNÍ FUNKCE. Primitivní funkce primitivní funkce. geometrický popis integrály 1 integrály 2 spojité funkce konstrukce prim. PRIMITIVNÍ FUNKCE V předchozích částech byly zkoumány derivace funkcí a hlavním tématem byly funkce, které derivace mají. V této kapitole se budou zkoumat funkce, které naopak jsou derivacemi jiných funkcí

Více

GYMNÁZIUM CHEB. SEMINÁRNÍ PRÁCE Grafy funkcí sbírka ešených úloh. Radek HÁJEK, 8.A Radka JIROUŠKOVÁ, 8.A Cheb, 2006 Petr NEJTEK, 8.

GYMNÁZIUM CHEB. SEMINÁRNÍ PRÁCE Grafy funkcí sbírka ešených úloh. Radek HÁJEK, 8.A Radka JIROUŠKOVÁ, 8.A Cheb, 2006 Petr NEJTEK, 8. GYMNÁZIUM CHEB SEMINÁRNÍ PRÁCE Grafy funkcí sbírka ešených úloh Radek HÁJEK, 8.A Radka JIROUŠKOVÁ, 8.A Cheb, 006 Petr NEJTEK, 8.A Prohlášení Prohlašujeme, že jsme seminární práci na téma: Grafy funkcí

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

Řešení. Označme po řadě F (z) Odtud plyne, že

Řešení. Označme po řadě F (z) Odtud plyne, že Úloha Nechť ~ R(, ) a Y = Jinak řečeno, Y je odmocnina čísla vybraného zcela náhodně z intervalu (, ) Popište rozdělení veličiny Y a určete jeho modus, medián, střední hodnotu a rozptyl Řešení Označme

Více

Derivace a monotónnost funkce

Derivace a monotónnost funkce Derivace a monotónnost funkce Věta : Uvažujme funkci f (x), která má na intervalu I derivaci f (x). Pak platí: je-li f (x) > 0 x I, funkce f je na intervalu I rostoucí. je-li f (x) < 0 x I, funkce f je

Více

Kapitola 1: Reálné funkce 1/13

Kapitola 1: Reálné funkce 1/13 Kapitola 1: Reálné funkce 1/13 Číselné množiny N, N 0, Z, Q, I, R, C Definice: Kartézský součin M N množin M a N je množina všech uspořádaných dvojic, ve kterých je první složka prvkem množiny M a druhá

Více

To je samozřejmě základní pojem konvergence, ale v mnoha případech je příliš obecný a nestačí na dokazování některých užitečných tvrzení.

To je samozřejmě základní pojem konvergence, ale v mnoha případech je příliš obecný a nestačí na dokazování některých užitečných tvrzení. STEJNOMĚRNÁ KONVERGENCE Zatím nebylo v těchto textech věnováno příliš pozornosti konvergenci funkcí, at jako limita posloupnosti nebo součet řady. Jinak byla posloupnosti funkcí nebo řady brána jako. To

Více

Náhodná veličina a rozdělení pravděpodobnosti

Náhodná veličina a rozdělení pravděpodobnosti 3.2 Náhodná veličina a rozdělení pravděpodobnosti Bůh hraje se světem hru v kostky. Jsou to ale falešné kostky. Naším hlavním úkolem je zjistit, podle jakých pravidel byly označeny, a pak toho využít pro

Více

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y 9. T r a n s f o r m a c e n á h o d n é v e l i č i n y Při popisu procesů zpracováváme vstupní údaj, hodnotu x tak, že výstupní hodnota y závisí nějakým způsobem na vstupní, je její funkcí y = f(x).

Více

MATEMATICKÁ STATISTIKA

MATEMATICKÁ STATISTIKA MATEMATICKÁ STATISTIKA 1. Úvod. Matematická statistika se zabývá vyšetřováním zákonitostí, které v sobě obsahují prvek náhody. Zpracováním hodnot, které jsou výstupem sledovaného procesu, se snažíme popsat

Více

Derivace funkce. Obsah. Aplikovaná matematika I. Isaac Newton. Mendelu Brno. 2 Derivace a její geometrický význam. 3 Definice derivace

Derivace funkce. Obsah. Aplikovaná matematika I. Isaac Newton. Mendelu Brno. 2 Derivace a její geometrický význam. 3 Definice derivace Derivace funkce Aplikovaná matematika I Dana Říhová Mendelu Brno Obsah Směrnice přímk Derivace a její geometrický význam 3 Definice derivace 4 Pravidla a vzorce pro derivování 5 Tečna a normála 6 Derivace

Více

0.1 Funkce a její vlastnosti

0.1 Funkce a její vlastnosti 0.1 Funkce a její vlastnosti Veličina - pojem, který popisuje kvantitativní (číselné) vlastnosti reálných i abstraktních objektů. Příklady veličin: hmotnost (m) čas (t) výše úrokové sazby v bance (i) cena

Více

Spojitost a limita funkce

Spojitost a limita funkce Spojitost a ita funkce Okolí bodu Značení: a R ε > 0 označujeme O ε (a) = (a ε, a + ε) ε-ové okolí bodu a O + ε (a) = a, a + ε) pravé okolí, O ε (a) = (a ε, a levé okolí P ε (a) = O ε (a) \ {a} x a ε-ové

Více

PRIMITIVNÍ FUNKCE DEFINICE A MOTIVACE

PRIMITIVNÍ FUNKCE DEFINICE A MOTIVACE PIMITIVNÍ FUNKCE V předchozích částech byly zkoumány derivace funkcí a hlavním tématem byly funkce, které derivace mají. V této kapitole se budou zkoumat funkce, které naopak jsou derivacemi jiných funkcí

Více

h = 0, obr. 7. Definice Funkce f je ohraničená shora, jestliže x Df Funkce f je ohraničená zdola, jestliže x Df d R

h = 0, obr. 7. Definice Funkce f je ohraničená shora, jestliže x Df Funkce f je ohraničená zdola, jestliže x Df d R .4. Cíle V této kapitole jsou deinován nejdůležitější pojm týkající se vlastností unkcí. Při dalším studiu budou tto vlastnosti často používán. Je proto nutné si jejich deinice dobře zapamatovat. Deinice.4..

Více

(FAPPZ) Petr Gurka aktualizováno 12. října Přehled některých elementárních funkcí

(FAPPZ) Petr Gurka aktualizováno 12. října Přehled některých elementárních funkcí 1. Reálná funkce reálné proměnné, derivování (FAPPZ) Petr Gurka aktualizováno 12. října 2011 Obsah 1 Přehled některých elementárních funkcí 1 1.1 Polynomické funkce.......................... 1 1.2 Racionální

Více

PŘEDNÁŠKA 2 POSLOUPNOSTI

PŘEDNÁŠKA 2 POSLOUPNOSTI PŘEDNÁŠKA 2 POSLOUPNOSTI 2.1 Zobrazení 2 Definice 1. Uvažujme libovolné neprázdné množiny A, B. Zobrazení množiny A do množiny B je definováno jako množina F uspořádaných dvojic (x, y A B, kde ke každému

Více

Monotonie a lokální extrémy. Konvexnost, konkávnost a inflexní body. 266 I. Diferenciální počet funkcí jedné proměnné

Monotonie a lokální extrémy. Konvexnost, konkávnost a inflexní body. 266 I. Diferenciální počet funkcí jedné proměnné 66 I. Diferenciální počet funkcí jedné proměnné I. 5. Vyšetřování průběhu funkce Monotonie a lokální etrémy Důsledek. Nechť má funkce f) konečnou derivaci na intervalu I. Je-li f ) > 0 pro každé I, pak

Více

Funkce - pro třídu 1EB

Funkce - pro třídu 1EB Variace 1 Funkce - pro třídu 1EB Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv využití výukového materiálu je povoleno pouze s odkazem na www.jarjurek.cz. 1. Funkce Funkce je přiřazení, které každému

Více

Úvodní informace. 17. února 2018

Úvodní informace. 17. února 2018 Úvodní informace Funkce více proměnných Přednáška první 17. února 2018 Obsah 1 Úvodní informace. 2 Funkce více proměnných Definiční obor Limita a spojitost Derivace, diferencovatelnost, diferenciál Úvodní

Více

Omezenost funkce. Definice. (shora, zdola) omezená na množině M D(f ) tuto vlastnost. nazývá se (shora, zdola) omezená tuto vlastnost má množina

Omezenost funkce. Definice. (shora, zdola) omezená na množině M D(f ) tuto vlastnost. nazývá se (shora, zdola) omezená tuto vlastnost má množina Přednáška č. 5 Vlastnosti funkcí Jiří Fišer 22. října 2007 Jiří Fišer (KMA, PřF UP Olomouc) KMA MMAN1 Přednáška č. 4 22. října 2007 1 / 1 Omezenost funkce Definice Funkce f se nazývá (shora, zdola) omezená

Více

Matematika (KMI/PMATE)

Matematika (KMI/PMATE) Úvod do matematické analýzy Funkce a její vlastnosti Funkce a její vlastnosti Veličina Veličina - pojem, který popisuje kvantitativní (číselné) vlastnosti reálných i abstraktních objektů. Funkce a její

Více

Funkce s absolutní hodnotou, funkce exponenciální a funkce logaritmická

Funkce s absolutní hodnotou, funkce exponenciální a funkce logaritmická Variace 1 Funkce s absolutní hodnotou, funkce exponenciální a funkce logaritmická Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv další využití výukového materiálu je povoleno pouze s uvedením odkazu

Více

3. Derivace funkce Definice 3.1. Nechť f : R R je definována na nějakém okolí U(a) bodu a R. Pokud existuje limita f(a + h) f(a) lim

3. Derivace funkce Definice 3.1. Nechť f : R R je definována na nějakém okolí U(a) bodu a R. Pokud existuje limita f(a + h) f(a) lim 3 a b s = (a + b) 2 f(s) 3,46 4,680 3,93-2,9422 3,93 4,680 4,2962-2,034 4,2962 4,680 4,4886-0,0954 4,4886 4,680 4,5848 3,2095 4,4886 4,5848 4,5367,0963 4,4886 4,5367 4,526 0,427 4,4886 4,526 4,5006 0,508

Více

Spojitost funkce. Spojitost je nejdůležitější obecná vlastnost funkcí. Umožňuje aproximace různých řešení.

Spojitost funkce. Spojitost je nejdůležitější obecná vlastnost funkcí. Umožňuje aproximace různých řešení. funkce je nejdůležitější obecná vlastnost funkcí. Umožňuje aproximace různých řešení. Je důležité vědět, kdy se malá změna nějakého měření projeví málo na konečném výsledku. Zpřesňuje-li se měření, měl

Více

Text může být postupně upravován a doplňován. Datum poslední úpravy najdete u odkazu na stažení souboru. Veronika Sobotíková

Text může být postupně upravován a doplňován. Datum poslední úpravy najdete u odkazu na stažení souboru. Veronika Sobotíková Tento text není samostatným studijním materiálem. Jde jen o prezentaci promítanou na přednáškách, kde k ní přidávám slovní komentář. Některé důležité části látky píšu pouze na tabuli a nejsou zde obsaženy.

Více

Téma 2: Pravděpodobnostní vyjádření náhodných veličin

Téma 2: Pravděpodobnostní vyjádření náhodných veličin 0.025 0.02 0.015 0.01 0.005 Nominální napětí v pásnici Std Mean 140 160 180 200 220 240 260 Std Téma 2: Pravděpodobnostní vyjádření náhodných veličin Přednáška z předmětu: Pravděpodobnostní posuzování

Více

Bakalářská matematika I

Bakalářská matematika I 1. Funkce Diferenciální počet Mgr. Jaroslav Drobek, Ph. D. Katedra matematiky a deskriptivní geometrie Bakalářská matematika I Některé užitečné pojmy Kartézský součin podrobnosti Definice 1.1 Nechť A,

Více

Je založen na pojmu derivace funkce a její užití. Z předchozího studia je třeba si zopakovat a orientovat se v pojmech: funkce, D(f), g 2 : y =

Je založen na pojmu derivace funkce a její užití. Z předchozího studia je třeba si zopakovat a orientovat se v pojmech: funkce, D(f), g 2 : y = 0.1 Diferenciální počet Je částí infinitezimálního počtu, což je souhrnný název pro diferenciální a integrální počet. Je založen na pojmu derivace funkce a její užití. Z předchozího studia je třeba si

Více

P ˇ REDNÁŠKA 3 FUNKCE

P ˇ REDNÁŠKA 3 FUNKCE PŘEDNÁŠKA 3 FUNKCE 3.1 Pojem zobrazení a funkce 2 3 Uvažujme libovolné neprázdné množiny A, B. Přiřadíme-li každému prvku x A právě jeden prvek y B, dostáváme množinu F uspořádaných dvojic (x, y) A B,

Více

2 Reálné funkce jedné reálné proměnné

2 Reálné funkce jedné reálné proměnné 2 Reálné funkce jedné reálné proměnné S funkcemi se setkáváme na každém kroku, ve všech přírodních vědách, ale i v každodenním životě. Každá situace, kd jsou nějaký jev nebo veličina jednoznačně určen

Více

1 Množiny, výroky a číselné obory

1 Množiny, výroky a číselné obory 1 Množiny, výroky a číselné obory 1.1 Množiny a množinové operace Množinou rozumíme každé shrnutí určitých a navzájem různých objektů (které nazýváme prvky) do jediného celku. Definice. Dvě množiny jsou

Více