Pravdpodobnost výskytu náhodné veliiny na njakém intervalu urujeme na základ tchto vztah: f(x)
|
|
- Eduard Novák
- před 7 lety
- Počet zobrazení:
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
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
VíceV 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
VíceNÁHODNÁ 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
VíceZáklady 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
VíceJAK 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
VíceJiří 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
VíceJAK 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
VícePRAVDĚPODOBNOST 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
VícePrbh 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
VíceNěkdy 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.
VíceMatematika 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
VícePRAVDĚPODOBNOST 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
VíceFunkce 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
VíceX = x, y = h(x) Y = y. hodnotám x a jedné hodnotě y. Dostaneme tabulku hodnot pravděpodobnostní
..08 8cv7.tex 7. cvičení - transformace náhodné veličiny Definice pojmů a základní vzorce Je-li X náhodná veličina a h : R R je měřitelná funkce, pak náhodnou veličinu Y, která je definovaná vztahem X
VícePravděpodobnost 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
Více9. 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
VíceInovace 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
VíceKapitola 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
Více1. 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?
VíceNáhodná 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
VíceRozdělení 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
VíceVypracoval: 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,
VíceFunkce 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
VíceDefinice 7.1 Nechť je dán pravděpodobnostní prostor (Ω, A, P). Zobrazení. nebo ekvivalentně
7 Náhodný vektor Nezávislost náhodných veličin Definice 7 Nechť je dán pravděpodobnostní prostor (Ω, A, P) Zobrazení X : Ω R n, které je A-měřitelné, se nazývá (n-rozměrný) náhodný vektor Měřitelností
VíceNáhodná veličina Číselné charakteristiky diskrétních náhodných veličin Spojitá náhodná veličina. Pravděpodobnost
Pravděpodobnost Náhodné veličiny a jejich číselné charakteristiky Petr Liška Masarykova univerzita 19.9.2014 Představme si, že provádíme pokus, jehož výsledek dokážeme ohodnotit číslem. Před provedením
Více10. 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
Více1. 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
VíceI. 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
Vícep(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
VíceMATEMATIKA. 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
Více4. 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.
VíceVII. 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
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
VíceDerivace 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
Více7. 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,
Více0.1 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
VíceLimita 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
VíceSPOJITÉ 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
VícePravděpodobnost a aplikovaná statistika
Pravděpodobnost a aplikovaná statistika MGR. JANA SEKNIČKOVÁ, PH.D. 2. KAPITOLA PODMÍNĚNÁ PRAVDĚPODOBNOST 3. KAPITOLA NÁHODNÁ VELIČINA 9.11.2017 Opakování Uveďte příklad aplikace geometrické definice pravděpodobnosti
VíceSplajny 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).
VíceKapitola 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
VícePojmy 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
Vícea 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
VíceFunkce 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
VíceDiskrétní 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.
VíceTéma 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
Více1 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
VíceMATEMATICKÁ 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
VíceDiferenciální 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
VíceCharakterizace 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
VíceVzorová 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
VíceAVDAT Náhodný vektor, mnohorozměrné rozdělení
AVDAT Náhodný vektor, mnohorozměrné rozdělení Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Opakování, náhodná veličina, rozdělení Náhodná veličina zobrazuje elementární
VícePŘEDNÁŠKA 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
VíceLimita 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
VíceDefinice spojité náhodné veličiny zjednodušená verze
Definice spojité náhodné veličiny zjednodušená verze Náhodná veličina X se nazývá spojitá, jestliže existuje nezáporná funkce f : R R taková, že pro každé a, b R { }, a < b, platí P(a < X < b) = b a f
VíceZápočtová 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
VíceDerivace 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
VíceFUNKCE 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
Více1. Náhodný vektor (X, Y ) má diskrétní rozdělení s pravděpodobnostní funkcí p, kde. p(x, y) = a(x + y + 1), x, y {0, 1, 2}.
VIII. Náhodný vektor. Náhodný vektor (X, Y má diskrétní rozdělení s pravděpodobnostní funkcí p, kde p(x, y a(x + y +, x, y {,, }. a Určete číslo a a napište tabulku pravděpodobnostní funkce p. Řešení:
VíceDerivace 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
Více8 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
Více8. 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
VíceTeorie. 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
VíceFUNKCE 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
VícePřijímací 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
VíceDerivace 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
VíceMatematika 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
VícePRIMITIVNÍ 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
VíceGYMNÁZIUM 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
VíceNáhodná veličina. Michal Fusek. 10. přednáška z ESMAT. Ústav matematiky FEKT VUT, Michal Fusek
Náhodná veličina Michal Fusek Ústav matematiky FEKT VUT, fusekmi@feec.vutbr.cz 10. přednáška z ESMAT Michal Fusek (fusekmi@feec.vutbr.cz) 1 / 71 Obsah 1 Náhodná veličina 2 Diskrétní náhodná veličina 3
VíceŘešení. 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
VíceDerivace 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
VíceKapitola 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
VíceTo 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
VíceNáhodná 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
Více9. 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).
VíceMATEMATICKÁ 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
VíceDerivace 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
Více0.1 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
VíceSpojitost 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
VícePRIMITIVNÍ 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
Víceh = 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
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
VícePŘEDNÁŠKA 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
VíceMonotonie 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
VíceFunkce - 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
VíceÚvodní 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
VíceOmezenost 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
VíceMatematika (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
VíceFunkce 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
Více3. 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
VíceSpojitost 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
VíceText 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.
VíceTéma 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
VíceBakalářská 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,
VíceJe 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
VíceP 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,
Více2 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
Více1 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