Statistické hodnocení biodiverzity
|
|
- Arnošt Hruška
- před 7 lety
- Počet zobrazení:
Transkript
1 Sttistické hodnocení biodiverzity Vícerozměrná nlýz biodiverzity Jiří Jrkovský
2 Metody nlýzy biodiverzity Species bundnce modely Vícerozměrná nlýz Indexy diverzity X 2
3 Vícerozměrná nlýz společenstev: výhody nevýhody N dt biodiverzity může být plikován řd shlukovcích, ordinčních, regresních klsifikčních vícerozměrných technik. Tyto metody hledjí v rozsáhlých dtech vícerozměrné vzory společenstev umožňující odpovědět n následující otázky: Vzth druhů k prostředí Prostorové vzthy Interkce txonů Výhody: Shrnující výsledky postihující všechny spekty dt Identifikce skrytých interkcí vzthů mezi proměnnými Nevýhody: Náročné n dt metodiku Vyždují expertní znlosti jk v oblsti sttistické metodiky, tk biologických společenstev, v opčném přípdě mohou vést k nesprávným závěrům interpretcím 3
4 Cíle vícerozměrné nlýzy dt Kždý objekt reálného svět můžeme popst jeho pozicí v mnohorozměrném prostoru, v extrémním přípdě jde ž o desetitisíce dimenzí Více než 3D prostor je pro nás vizuálně neuchopitelný hledání vzthů ve více než 3 dimenzích je problemtické Vícerozměrná nlýz se tento problém snží řešit různými přístupy: Redukce dimenzionlity dt sloučením korelovných proměnných do menšího počtu fktorových proměnných Identifikce shluků objektů ve vícerozměrném prostoru následná redukce vícedimenzionálního problému ktegorizcí objektů do zjištěných shluků Zjednodušení Interpretce 4
5 Příkld vícerozměrného popisu objektů ID objektu Dimenze 1 Dimenze 2 Dimenze 3 Dimenze 4 SEPALLEN SEPALWID PETALLEN PETALWID SETOSA VIRGINIC VERSICOL VIRGINIC VIRGINIC SETOSA VIRGINIC VERSICOL VERSICOL SETOSA SEPALLEN SEPALWID PETALLEN PETALWID 5
6 Vícerozměrná nlýz dt = pohled ze správného úhlu Vícerozměrná nlýz nám pomáhá nlézt v x dimenzionálním prostoru nejvhodnější pohled n dt poskytující mximum informcí o nlyzovných objektech Všechny obrázky ukzují stejný objekt z různých úhlů v 3D prostoru. 6
7 Obecný princip redukce dimenzionlity dt V převážné většině přípdů existují mezi dimenzemi korelční vzthy, tedy dimenze se nvzájem vysvětlují pro popis kompletní informce v dtech není třeb všech dimenzí vstupního souboru Všechny tzv. ordinční metody využívjí principu identifikce korelovných dimenzí jejich sloučení do souhrnných nových dimenzí zstupujících několik dimenzí vstupního souboru Pokud mezi dimenzemi vstupního souboru neexistují korelce, nemá smysl hledt zjednodušení vícerozměrné struktury tkovéhoto souboru!!!? y y z?? Jednoznčný vzth dimenzí x y umožňuje jejich nhrzení jedinou novou dimenzí z x??? V přípdě neexistence vzthu mezi x y nemá smysl definovt nové dimenze nepřináší žádnou novou informci oproti x y? x? 7
8 Obecný princip hledání shluků v dtech Vzájemnou pozici objektů ve vícerozměrném prostoru lze popst jejich vzdáleností Dle vzdálenosti objektů je můžeme slučovt do shluků přiřzení objektů ke shlukům ve vícerozměrném prostoru následně využít pro zjednodušení jejich x dimenzionálního popisu Smysluplnost výsledků shlukování závisí jednk n objektivní existenci shluků v dtech, jednk n rbitrárně nstvených kritériích definice shluků Jednoznčné odlišení existujících shluků v dtech (obdob multimodálního rozložení) Shluková nlýz je možná i v tomto přípdě, nicméně hrnice shluků jsou dány pouze nším rozhodnutím. 8
9 Omezení vícerozměrné nlýzy dt Vícerozměrná nlýz může přinést zjednodušení dimenzionlity dt pouze v přípdě, kdy dt skrývjí nějkou identifikovtelnou vícerozměrnou strukturu Mezi dimenzemi existují vzthy (korelce) umožňující nhrzení korelovných dimenzí zástupnou souhrnnou dimenzí Objekty vytváří v x dimenzionálním prostoru shluky nebo jiné nenáhodné struktury Pro náhodně rozmístěné objekty bez korelcí mezi dimenzemi jejich x dimenzionálního prostoru nepřináší vícerozměrná nlýz žádné nové informce oproti původním dimenzím Důležitý je poměr počtu objektů (řádky tbulky) dimenzí (sloupce tbulky). Čím je tento poměr menší tím větší je šnce, že výsledky nlýzy jsou ovlivněny náhodnými procesy. Z minimální poměr pro získání vlidních výsledků je povžováno 10 objektů n 1 dimenzi. Pro vícerozměrné nlýzy pltí obdobné předpokldy jko pro jednorozměrnou sttistickou nlýzu; vzhledem k jejich možnému porušení n úrovni kombince několik dimenzí je tyto předpokldy třeb kontrolovt ještě pečlivěji než u jednorozměrné nlýzy Kromě klsických sttistických předpokldů je při vícerozměrných nlýzách třeb věnovt pozornost výběru metrik vzdáleností mezi objekty (klíčové ovlivnění interpretce výsledků) jejich předpokldům Pokud výsledky vícerozměrné nlýzy nejsou interpretovtelné je třeb zvážit, zd použití vícerozměrné nlýzy přináší oproti sdě jednorozměrných nlýz nějkou přidnou hodnotou Využitelná vícerozměrná nlýz by měl být: Vybrán vhodná metod pro řešení dného problému korektně spočítán z dodržení všech předpokldů Interpretovtelná přinášející novou informci oproti nlýze původních dimenzí 9
10 Korelce jko princip výpočtu vícerozměrných nlýz Kovrince Personov korelce je zákldem nlýzy hlvních komponent, fktorové nlýzy jkož i dlších vícerozměrných nlýz prcujících s lineární závislostí proměnných Předpokldem výpočtu kovrince Personovy korelce je: Normlit dt v obou dimenzích Linerit vzthu proměnných Pro vícerozměrné nlýzy je nejzávžnějším problémem přítomnost odlehlých hodnot y y y Lineární vzth bezproblémové použití Personovy korelce x Korelce je dán dvěm skupinmi hodnot vede k identifikci skupin objektů v dtech x Korelce je dán odlehlou hodnotu nlýz popisuje pouze vliv odlehlé hodnoty x 10
11 Anlýz kontingenčních tbule jko princip výpočtu vícerozměrných nlýz Abundnce txonů (nebo počet jkýchkoliv objektů) n loklitách lze brát jko kontingenční tbulku mírou vzthu mezi řádky (loklity) sloupci (txony) je velikost chi kvdrátu χ 2 (1) = pozorovná četnost očekávná četnost očekávná četnost 2 Počítáno pro kždou buňku tbulky A 10 0 A 5 5 B 0 10 B 5 5 Pozorovná tbulk Očekávná tbulk Hodnot chi kvdrátu definuje míru odchylky dné buňky (v nšem kontextu vzthu txon loklit) od situce, kdy mezi řádky sloupci (txon loklit) není žádný vzth 11
12 Euklidovská vzdálenost jko princip výpočtu vícerozměrných nlýz Nejsnáze předstvitelným měřítkem vzthu dvou objektů ve vícerozměrném prostoru je jejich vzdálenost Nejjednodušším typem této vzdálenosti (bohužel s omezeným použitím n dt společenstev) je Euklidovská vzdálenost vycházející z Pythgorovy věty X 2 y 22 c b y 21 X 1 y 11 y 12 12
13 Double zero problém V přípdě binárních metrik (druh se vyskytuje/nevyskytuje) není možné uvžovt stejnou váhu pro souhls přítomnosti (11) nepřítomnosti (00) txonů (symetrický koeficient) Problémem využití všech typů metrik pro dt bundncí spočívá v odlišném význmu přítomnosti nepřítomnosti txonů Pokud se txon nchází v obou srovnávných společenstvech znmená to že společenstv si budou v tomto ohledu podobná, protože mjí podmínky umožňující přítomnost txonu Pokud se txon nenchází ni v jednom ze dvou srovnávných společenstev příčin může být nejrůznější double zero problem Pro odstrnění tohoto problému je použito symetrické hodnocení souhlsné přítomnosti (11) nepřítomnosti (00) txonů (symetrické koeficienty) 13
14 Pojmy vícerozměrných nlýz Vícerozměrné metody: Název vícerozměrné vychází z typu vstupních dt, tto dt jsou tvořen jednotlivými objekty (i.e. klienti) kždý z nich je chrkterizován svými prmetry (věk, příjem td.) kždý z těchto prmetrů můžeme povžovt z jeden rozměr objektu. Mticová lgebr: Zákldem práce s dty výpočtů vícerozměrných metod je mticová lgebr, mtice tvoří jk vstupní, tk výstupní dt probíhjí n nich výpočty. NxP mtice: N objektů s p prmetry pk vytváří tzv. NxP mtici, která je prvním typem vstupu dt do vícerozměrných nlýz. Asociční mtice: N zákldě těchto mtic jsou počítány mtice sociční n nichž pk probíhjí dlší výpočty, jde o čtvercové mtice obshující informce o podobnosti nebo rozdílnosti (tzv. metriky) buď objektů (Q mode nlýz) nebo prmetrů (R mode nlýz).měřítko podobnosti se liší podle použité metody typu dt, některé metody umožňují použití uživtelských metrik.
15 Vstupní mtice vícerozměrných nlýz NxP MATICE ASOCIAČNÍ MATICE Výpočet metriky podobností/ vzdáleností Hodnoty prmetrů pro jednotlivé objekty Korelce, kovrince, vzdálenost, podobnost
16 Zákldní typy vícerozměrných nlýz SHLUKOVÁ ANALÝZA ORDINAČNÍ METODY vytváření shluků objektů n zákldě jejich podobnosti identifikce typů objektů zjednodušení vícerozměrného problému do menšího počtu rozměrů principem je tvorb nových rozměrů, které lépe vyčerpávjí vribilitu dt
17 Typy vícerozměrných nlýz SHLUKOVÁ ANALÝZA ORDINAČNÍ METODY y Fktorové osy y x x podobnost
18 Seznm txonů vícerozměrný popis společenstv N seznm txonů lze pohlížet tké jko seznm rozměrů společenstv Záznm o nlezených txonech tk vlstně tvoří vícerozměrný popis dného společenstv Společenstv můžeme srovnávt podle jejich vzájemné pozice v n rozměrném prostoru Pro srovnání společenstev lze teoreticky využít libovolnou metriku vícerozměrné podobnosti nebo vzdálenosti
19 Koeficienty podobosti (indexy podobnosti) V ekologii se využívá řd indexů podobnosti zložených buď n přítomnosti/nepřítomnosti txonů nebo n bundncích Binární koeficienty podobnosti Společenstvo 1 Spol ečen stvo b 0 c d, b, c, d = počet přípdů, kdy souhlsí binární chrkteristik společenstev 1 2 bcd=p Symetrické binární koeficienty není rozdíl mezi přípdem Asymetrické binární koeficienty rozdíl mezi přípdem Více informcí dlší měření vzdáleností podobností njdete v knize LEGENDRE, P. & LEGENDRE, L. (1998). Numericl ecology. Elseviere Science BV, Amsterodm.
20 ffgf Vícerozměrná nlýz dt Symetrické binární koeficienty 20
21 Simple mtching coefficient (Sokl & Michener, 1958) Obvyklou metodou pro výpočet podobnosti mezi dvěm objekty je podíl počtu deskriptorů, které kódují objekt stejně, celkového počtu deskriptorů.při použití tohoto koeficientu předpokládáme, že není rozdíl mezi nstáním 0 1 u deskriptorů. S 1 ( x, x ) 1 2 = p d
22 Rogers & Tnimoto koeficient (1960) Dává větší váhu rozdílům než podobnostem. S 2 ( x, x ) 1 2 = 2b d 2c d
23 Sokl & Sneth (1963) Dlší čtyři nvržené koeficienty obshují double zero, le jsou nvrženy tk, by se snížil vliv double zero: tento koeficient dává dvkrát větší váhu shodným deskriptorům než rozdílným; porovnává shody rozdíly prostým podílem v měřítku jdoucím od 0 do nekonečn; porovnává shodné deskriptory se součty okrjů tbulky; je vytvořen zgeometrických průměrů členů vzthujících se k d, podle koeficientu S5. d c b d x x S ), ( = c b d x x S = ), ( = d c d d b d c b x x S 4 1 ), ( ) )( ( ) )( ( ), ( d c d b d c b x x S =
24 Hmmnnův koeficient S = d b p c Yuleho koeficient S = d d bc bc Personovo Φ (phi) φ = d bc ( b)( c d)( c)( b d)
25 ffgf Vícerozměrná nlýz dt Asymetrické binární koeficienty 25
26 Jccrdův koeficient (1900, 1901, 1908) Všechny členy mjí stejnou váhu S 7 ( x, x 1 2 ) = b c
27 Sørensenův koeficient (1948) (Coincidence index, Dice(1945)) vrint předchozího koeficientu dává dvojnásobnou váhu dvojitým prezencím, protože se může zdát, že přítomnost druhů je více informtivní než jejich bsence, která může být způsoben různými fktory nemusí nutně odrážet rozdílnost prostředí. Prezence druhu n obou loklitách je silným ukztelem jejich podobnosti. S7 je monotónní ks8, proto podobnost pro dvě dvojice objektů vypočítná podle S7 bude podobná stejnému výpočtu S8. Ob koeficienty se liší pouze vměřítku. Tento index byl poprvé použit Dicem vr mode studii socicí druhů. Jiná vrint tohoto koeficientu dává duplicitním prezencím trojnásobnou váhu. S x, x 8 ( ) = 2 b c S x, x 8 ( ) = 3 b c
28 Sokl & Sneth (1963) nvržen jko doplněk Rogers & Tnimotov koeficientu (S2), dává dvojnásobnou váhu rozdílům ve jmenovteli. S 10 ( x1, x2 ) = 2b d 2c
29 Russel &Ro (1940) nvržená mír umožňuje porovnání počtu duplicitních prezencí (v čitteli) proti celkovému počtu druhů, nlezených n všech loklitách, zhrnujícím druhy, které chybějí (d) n obou uvžovných loklitách. S x, x ) = ( p
30 Kulczynski (1928) koeficient porovnávjící duplicitní prezence s diferencemi S 12 ( x1, x2 ) = b c
31 Binární verze symetrického kvntittivního Kulczynski koeficientu (1928) Mezi svými koeficienty pro presence/bsence dt zmiňují Sokl & Sneth (1963) tuto verzi kvntittivního koeficientu S18, kde jsou duplicitní prezence srovnávány se součty okrjů tbulky (b) (c). S 13 ( x1, x2 ) = 1 2 b c
32 Ochichi (1957) použil jko míru podobnosti geometrický průměr poměrů kpočtu druhů n kždé loklitě, tj. se součty okrjů tbulky (b) (c), tento koeficient je obdobou S6, bez části, týkjící se double zero (d). S 14 ( x1, x2 ) = ( b) ( c) = ( b)( c)
33 Fith (1983) V tomto koeficientu je neshod (přítomnost n jedné bsence n druhé loklitě) vážen proti duplicitní prezenci. Hodnot S26 klesá srůstem double zero S 26 ( x1, x2 ) = d p / 2
34 ffgf Vícerozměrná nlýz dt Kvntittivní koeficienty 34
35 Klsické indexy podobnosti Sørensenův kvntittivní koeficient, kde N bn jsou celkové počty jedinců v společenstvech A B, jn je pk sum bundncí pokud se druh nchází v obou společenstvech, je počítán vždy z nižší bundnce dného druhu ve společenstvu C 2 jn = N ( N bn) Morisit Horn index, kde N je celkový počet jedinců ve společenstvu A n i počet jedinců druhu i ve společenstvu A (obdobně pltí pro společenstvo B) C mh 2 ( nibni ) = ( d db). N. bn d = N n 2 i 2
36 Jednoduchý srovnávcí koeficient (Sokl & Michener, 1958) modifikovný simple mtching coefficient může být použit pro multistvové deskriptory čittel obshuje počet deskriptorů, pro které jsou dv objekty ve stejném stvu npř. je li dvojice objektů popsán následujícími deseti multistvovými deskriptory: hodnot S1,vypočítná pro 10 multistvových deskriptorů bude S1,(x1,x2) = 4 greements/ 10 descriptors = 0.4 Podobným způsobem je možné rozšířit všechny binární koeficienty pro multistvové deskriptory. S x, x ) = 1 ( 1 2 greements p Deskriptors Object x Object x Agreements Σ 4
37 Gowerův obecný koeficient podobnosti (1971) I. Gover nvrhl obecný koeficient podobnosti, který může kombinovt různé typy deskriptorů. Podobnost mezi dvěm objekty je vypočítán jko průměr podobností, vypočítných pro všechny deskriptory. Pro kždý deskriptor j je hodnot prciální podobnosti s 12j mezi objekty x1 x2 vypočítán následovně: S 15 ( x 1, x 2 ) = 1 p p j= 1 Pro binární deskriptory sj=1 (shod) nebo 0 (neshod). Gower nvrhl dvě formy tohoto koeficientu. Následující form je symetrická, dává sj=1 double zero. Druhá form, Gowerův symetrický koeficient S19 dává pro doublezero sj=0 Kvlittivní semikvntitivní deskriptory jsou uprveny podle jednoduchého změňovcího prvidl, sj=1 při souhlsu sj = 0 při nesouhlsu deskriptorů. Double zero jsou ošetřeny stejně jko vpředchozím odstvci. Kvntittivní deskriptory (reálná čísl) jsou zprcovány následovně: pro kždý deskriptor se nejprve vypočte rozdíl mezi stvy obou objektů který je poté vydělen největším rozdílem (Rj), nlezeným pro dný deskriptor mezi všemi objekty ve studii (nebo v referenční populci doporučuje se vypočítt největší diferenci Rj kždého deskriptoru j pro celou populci, by byl zjištěn konzistence výsledků pro všechny prciální studie). s 12 j
38 Gowerův obecný koeficient podobnosti (1971) II. normlizovná vzdálenost může být odečten od 1 by byl trnsformován n podobnost: s = 12 j 1 y 1 j R j Gowerův koeficent může být nstven tk, by zhrnovl přídvný flexibilní prvek: žádné porovnání není vypočítáno u deskriptorů, u nichž chybí informce buď u jednoho, nebo u druhého objektu. Toto zjišťuje člen wj, nzývný Kroneckerovo delt, popisující přítomnost/nepřítomnost informce v obou objektech: je li informce o deskriptoru yj přítomn u obou objektů (wj=1), jink (wj=0), tento koeficient nbývá hodnot podobnosti mezi 0 1 (největší podobnost objektů). Dlší možností je vážení různých deskriptorů prostým přiřzením čísl vrozshu 0 1 wj. y 2 j S j= 1 15 ( x1, x2 ) = p p w j= 1 12 j w s 12 j 12 j
39 Příprv nových učebních mteriálů pro obor Mtemtická biologie je podporován projektem ESF č. CZ.1.07/2.2.00/ VÍCEOBOROVÁ INOVACE STUDIA MATEMATICKÉ BIOLOGIE 39
Vícerozměrné statistické metody
Vícerozměrné statistické metody Shluková analýza Jiří Jarkovský, Simona Littnerová FSTA: Pokročilé statistické metody Typy shlukových analýz Shluková analýza: cíle a postupy Shluková analýza se snaží o
VíceVícerozměrné statistické metody
Vícerozměrné statistické metody Ordinační analýzy principy redukce dimenzionality Jiří Jarkovský, Simona Littnerová FSTA: Pokročilé statistické metody Ordinační analýza a její cíle Cíle ordinační analýzy
VíceVícerozměrné statistické metody
Vícerozměrné sttistické metod Podobnosti vzdálenosti ve vícerozměrném rostoru, sociční mtice I Jiří Jrkovský, Simon Littnerová Vícerozměrné sttistické metod Princi vužití vzdáleností ve vícerozměrném rostoru
VíceVícerozměrné statistické metody
Vícerozměrné sttistické metod Podobnosti vzdálenosti ve vícerozměrném rostoru, sociční mtice I Jiří Jrkovský, Simon Littnerová FSTA: Pokročilé sttistické metod Princi vužití vzdáleností ve vícerozměrném
VíceVícerozměrné statistické metody
Vícerozměrné statistické metody Vícerozměrné statistické rozdělení a testy, operace s vektory a maticemi Jiří Jarkovský, Simona Littnerová FSTA: Pokročilé statistické metody Vícerozměrné statistické rozdělení
VícePsychologická metodologie. NMgr. obor Psychologie
Pržská vysoká škol psychosociálních studií, s.r.o. Temtické okruhy ke státní mgisterské zkoušce Psychologická metodologie NMgr. oor Psychologie 1 Vědecká teorie vědecká metod Vědecké vysvětlení, vědecký
VíceSouhrn základních výpočetních postupů v Excelu probíraných v AVT 04-05 listopad 2004. r r. . b = A
Souhrn zákldních výpočetních postupů v Ecelu probírných v AVT 04-05 listopd 2004. Řešení soustv lineárních rovnic Soustv lineárních rovnic ve tvru r r A. = b tj. npř. pro 3 rovnice o 3 neznámých 2 3 Hodnoty
Více5.2.4 Kolmost přímek a rovin II
5..4 Kolmost přímek rovin II Předpokldy: 503 Př. 1: Zformuluj stereometrické věty nlogické k plnimetrické větě: ným bodem lze v rovině k dné přímce vést jedinou kolmici. Vět: ným bodem lze v prostoru k
VíceZavedení a vlastnosti reálných čísel PŘIROZENÁ, CELÁ A RACIONÁLNÍ ČÍSLA
Zvedení vlstnosti reálných čísel Reálná čísl jsou zákldním kmenem mtemtické nlýzy. Konstrukce reálných čísel sice není náplní mtemtické nlýzy, le množin reálných čísel R je pro mtemtickou nlýzu zákldním
Více5.1.5 Základní vztahy mezi body přímkami a rovinami
5.1.5 Zákldní vzthy mezi body přímkmi rovinmi Předpokldy: 510 Prostor má tři rozměry, skládá se z bodů. Přímk - jednorozměrná podmnožin prostoru (množin bodů) Rovin - dvojrozměrná podmnožin prostoru (množin
Více5.1.5 Základní vztahy mezi body, přímkami a rovinami
5.1.5 Zákldní vzthy mezi body, přímkmi rovinmi Předpokldy: 510 Prostor má tři rozměry, skládá se z bodů přímk - jednorozměrná podmnožin prostoru (množin bodů), rovin - dvojrozměrná podmnožin prostoru (množin
VíceSeznámíte se s další aplikací určitého integrálu výpočtem obsahu pláště rotačního tělesa.
.4. Obsh pláště otčního těles.4. Obsh pláště otčního těles Cíle Seznámíte se s dlší plikcí učitého integálu výpočtem obshu pláště otčního těles. Předpokládné znlosti Předpokládáme, že jste si postudovli
VíceMatice. a B =...,...,...,...,..., prvků z tělesa T (tímto. Definice: Soubor A = ( a. ...,..., ra
Definice: Soubor A ( i j ) Mtice 11 12 1n 21 22 2n m 1 m2 prvků z těles T (tímto tělesem T bude v nší prxi nejčstěji těleso reálných čísel R resp těleso rcionálních čísel Q či těleso komplexních čísel
VíceAsociační pravidla. Úloha hledání souvislostí mezi hodnotami atributů. {párky, hořčice} {rohlíky} Ant Suc,
Asociční prvidl Úloh hledání souvislostí mezi hodnotmi tributů. nlýz nákupního košíku (Agrwl, 1993) obecněji {párky, hořčice} {rohlíky} Ant Suc, kde Ant (ntecedent) i Suc (sukcedent) jsou konjunkce hodnot
VíceVícerozměrná analýza dat
Jiří Jarkovský Plán n kurzu Každých 4 dní 4 vyučovací hodiny Ukončení zkouškou Písemná Zaměřená na principy a aplikace analýz Cíl kurzu Vysvětlit principy vícerozměrných analýz, jejich aplikaci v biologii
VíceDatamining a AA (Above Average) kvantifikátor
Dtmining AA (Above Averge) kvntifikátor Jn Burin Lbortory of Intelligent Systems, Fculty of Informtics nd Sttistics, University of Economics, W. Churchill Sq. 4, 13067 Prgue, Czech Republic, burinj@vse.cz
VíceVícerozměrné statistické metody
Vícerozměrné statistické metody Podobnosti a vzdálenosti ve vícerozměrném prostoru, asociační matice II Jiří Jarkovský, Simona Littnerová Vícerozměrné statistické metody Práce s asociační maticí Vzdálenosti
Vícex + F F x F (x, f(x)).
I. Funkce dvou více reálných proměnných 8. Implicitně dné funkce. Budeme se zbývt úlohou, kdy funkce není zdná přímo předpisem, který vyjdřuje závislost její hodnoty n hodnotách proměnných. Jeden z možných
VíceJak již bylo uvedeno v předcházející kapitole, můžeme při výpočtu určitých integrálů ze složitějších funkcí postupovat v zásadě dvěma způsoby:
.. Substituční metod pro určité integrály.. Substituční metod pro určité integrály Cíle Seznámíte se s použitím substituční metody při výpočtu určitých integrálů. Zákldní typy integrálů, které lze touto
VíceINTEGRACE KOMPLEXNÍ FUNKCE KŘIVKOVÝ INTEGRÁL
INTEGRAE KOMPLEXNÍ FUNKE KŘIVKOVÝ INTEGRÁL N konci kpitoly o derivci je uveden souvislost existence derivce s potenciálním polem. Existuje dlší chrkterizce potenciálného pole, která nebyl v kpitole o derivci
Více13. Soustava lineárních rovnic a matice
@9. Soustv lineárních rovnic mtice Definice: Mtice je tbulk reálných čísel. U mtice rozlišujeme řádky (i=,..n), sloupce (j=,..m) říkáme, že mtice je typu (n x m). Oznčíme-li mtici písmenem A, její prvky
VíceLaboratorní práce č. 6 Úloha č. 5. Měření odporu, indukčnosti a vzájemné indukčnosti můstkovými metodami:
Truhlář Michl 3 005 Lbortorní práce č 6 Úloh č 5 p 99,8kP Měření odporu, indukčnosti vzájemné indukčnosti můstkovými metodmi: Úkol: Whetstoneovým mostem změřte hodnoty odporů dvou rezistorů, jejich sériového
VíceAPLIKACE METODY RIPRAN V SOFTWAROVÉM INŽENÝRSTVÍ
APLIKACE METODY RIPRAN V SOFTWAROVÉM INŽENÝRSTVÍ Brnislv Lcko VUT v Brně, Fkult strojního inženýrství, Ústv utomtizce informtiky, Technická 2, 616 69 Brno, lcko@ui.fme.vutbr.cz Abstrkt Příspěvek podává
VíceOBECNÝ URČITÝ INTEGRÁL
OBECNÝ URČITÝ INTEGRÁL Zobecnění Newtonov nebo Riemnnov integrálu se definují různým způsobem dostnou se někdy různé, někdy stejné pojmy. V tomto textu bude postup volen jko zobecnění Newtonov integrálu,
VíceMETODICKÉ LISTY Z MATEMATIKY pro gymnázia a základní vzdělávání
METODICKÉ LISTY Z MATEMATIKY pro gymnázi zákldní vzdělávání Jroslv Švrček kolektiv Rámcový vzdělávcí progrm pro zákldní vzdělávání Vzdělávcí oblst: Mtemtik její plikce Temtický okruh: Nestndrdní plikční
VíceLINEÁRNÍ DIFERENCIÁLNÍ ROVNICE 2.ŘÁDU
LINEÁRNÍ DIFERENCIÁLNÍ ROVNICE 2.ŘÁDU ZDENĚK ŠIBRAVA 1. Obecné řešení lin. dif. rovnice 2.řádu s konstntními koeficienty 1.1. Vrice konstnt. Příkld 1.1. Njděme obecné řešení diferenciální rovnice (1) y
VícePRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná Vybraná spojitá rozdělení
PRAVDĚPODOBNOST A STATISTIKA Náhodná proměnná Vybrná spojitá rozdělení Zákldní soubor u spojité náhodné proměnné je nespočetná množin. Z je tedy podmnožin množiny reálných čísel (R). Distribuční funkce
VíceVYHLÁŠKA ze dne 6. prosince 2016 o požadavcích na systém řízení
Částk 166 Sbírk zákonů č. 408 / 2016 Strn 6363 408 VYHLÁŠKA ze dne 6. prosince 2016 o poždvcích n systém řízení Státní úřd pro jdernou bezpečnost stnoví podle 236 zákon č. 263/2016 Sb., tomový zákon, k
VíceHlavní body - magnetismus
Mgnetismus Hlvní body - mgnetismus Projevy mgt. pole Zdroje mgnetického pole Zákldní veličiny popisující mgt. pole Mgnetické pole proudovodiče - Biotův Svrtův zákon Mgnetické vlstnosti látek Projevy mgnetického
VícePříklad 22 : Kapacita a rozložení intenzity elektrického pole v deskovém kondenzátoru s jednoduchým dielektrikem
Příkld 22 : Kpcit rozložení intenzity elektrického pole v deskovém kondenzátoru s jednoduchým dielektrikem Předpokládné znlosti: Elektrické pole mezi dvěm nbitými rovinmi Příkld 2 Kpcit kondenzátoru je
VíceAPLIKACE DLOUHODOBÉHO SLEDOVÁNÍ STAVEB PŘI OCEŇOVÁNÍ NEMOVITOSTÍ
Ing. Igor Neckř APLIKACE DLOUHODOBÉHO SLEDOVÁNÍ STAVEB PŘI OCEŇOVÁNÍ NEMOVITOSTÍ posluchč doktorského studi oboru Soudní inženýrství FAST VUT v Brně E-mil: inec@volny.cz Přednášk n konferenci znlců ÚSI
VíceMůžeme umělé stojaté vody považovat za vhodný náhradní biotop pro vodní rostliny?
Můžeme umělé stojté vody povžovt z vhodný náhrdní biotop pro vodní rostliny? Kteřin Bubíková, Richrd Hrivnák Úvod Mlé vodní plochy (ponds) předstvují cenný biotop pro vodní mkrofyty; čsto doshují vyšší
VíceKonstrukce na základě výpočtu I
..11 Konstrukce n zákldě výpočtu I Předpokldy: Pedgogická poznámk: Původně yl látk rozepsnou do dvou hodin, v první ylo kromě dělení úseček zřzen i čtvrtá geometrická úměrná. Právě její prorání se nestíhlo,
VíceObecně: K dané funkci f hledáme funkci ϕ z dané množiny funkcí M, pro kterou v daných bodech x 0 < x 1 <... < x n. (δ ij... Kroneckerovo delta) (4)
KAPITOLA 13: Numerická integrce interpolce [MA1-18:P13.1] 13.1 Interpolce Obecně: K dné funkci f hledáme funkci ϕ z dné množiny funkcí M, pro kterou v dných bodech x 0 < x 1
VíceGENEROVÁNÍ VÍCEKANÁLOVÉHO DITHERU
GEEROVÁÍ VÍCEKÁLOVÉHO DITHERU Z. ureš, F. Kdlec ČVUT v Prze, Fkult elektrotechnická, ktedr rdioelektroniky bstrkt Při kvntizci zvukových signálů dochází ke vzniku chybového signálu, který ovlivňuje kvlitu
VíceP2 Číselné soustavy, jejich převody a operace v čís. soustavách
P Číselné soustvy, jejich převody operce v čís. soustvách. Zobrzení čísl v libovolné číselné soustvě Lidé využívjí ve svém životě pro zápis čísel desítkovou soustvu. V této soustvě máme pro zápis čísel
VíceNeurčité výrazy
.. Neurčité výrzy Předpokldy: Př. : Vypočti ity: ) d) ) d) neeistuje,, Zjímvé. Získli jsme čtyři nprosto rozdílné výsledky, přestože přímým doszením do všech výrzů získáme to smé: výrz může při výpočtu
Více( a) Okolí bodu
0..5 Okolí bodu Předpokldy: 40 Pedgogická poznámk: Hodin zjevně překrčuje možnosti většiny studentů v 45 minutách. Myslím, že nemá cenu přethovt do dlší hodiny, příkldy s redukovnými okolími nejsou nutné,
VíceNařízení Evropského parlamentu a Rady (ES) č. 1935/2004
ze dne 27. říjn 2004 Nřízení Evropského prlmentu Rdy (ES) č. 1935/2004 o mteriálech předmětech určených pro styk s potrvinmi o zrušení směrnic 80/590/EHS 89/109/EHS EVROPSKÝ PARLAMENT A RADA EVROPSKÉ UNIE,
VíceDERIVACE A INTEGRÁLY VE FYZICE
DOPLŇKOVÉ TEXTY BB0 PAVEL SCHAUER INTERNÍ MATERIÁL FAST VUT V BRNĚ DERIVACE A INTEGRÁLY VE FYZICE Obsh Derivce... Definice derivce... Prciální derivce... Derivce vektorů... Výpočt derivcí... 3 Algebrická
Více13. Exponenciální a logaritmická funkce
@11 1. Eponenciální logritmická funkce Mocninná funkce je pro r libovolné nenulové reálné číslo dán předpisem f: y = r, r R, >0 Eponent r je konstnt je nezávisle proměnná. Definičním oborem jsou pouze
Více2.3. DETERMINANTY MATIC
2.3. DETERMINANTY MATIC V této kpitole se dozvíte: definici determinntu čtvercové mtice; co je to subdeterminnt nebo-li minor; zákldní vlstnosti determinntů, používné v mnoh prktických úlohách; výpočetní
Více2.5.9 Vztahy mezi kořeny a koeficienty kvadratické rovnice
59 Vzth mezi kořen koefiient kvdrtiké rovnie Předpokld:, 57, 58 Pedgogiká poznámk: Náplň zřejmě přeshuje možnost jedné vučoví hodin Příkld 8 9 zůstávjí n vičení nebo polovinu hodin při píseme + b + - zákldní
VíceZáklady teorie matic
Zákldy teorie mtic 1. Pojem mtice nd číselným tělesem In: Otkr Borůvk (uthor): Zákldy teorie mtic. (Czech). Prh: Acdemi, 1971. pp. 9--12. Persistent URL: http://dml.cz/dmlcz/401328 Terms of use: Akdemie
Více2.5.9 Vztahy mezi kořeny a koeficienty kvadratické rovnice
59 Vzth mezi kořen koefiient kvdrtiké rovnie Předpokld:, 57, 58 Pedgogiká poznámk: Náplň zřejmě přeshuje možnost jedné vučoví hodin Příkld 8 9 zůstávjí n vičení nebo polovinu hodin při píseme + b + - zákldní
VíceZÁKLADNÍ POZNATKY. p, kde ČÍSELNÉ MNOŽINY (OBORY) N... množina všech přirozených čísel: 1, 2, 3,, n,
ZÁKLADNÍ POZNATKY ČÍSELNÉ MNOŽINY (OBORY) N... množin všech přirozených čísel: 1, 2, 3,, n, N0... množin všech celých nezáporných čísel (přirozených čísel s nulou: 0,1, 2, 3,, n, Z... množin všech celých
VíceRentgenová strukturní analýza
Rntgnová strukturní nlýz Příprvná část Objktm zájmu difrkční nlýzy jsou 3D priodicky uspořádné struktury (krystly), n ktrých dochází k rozptylu dopdjícího zářní. Díky intrfrnci rozptýlných vln vzniká difrkční
VíceZÁKLADY. y 1 + y 2 dx a. kde y je hledanou funkcí proměnné x.
VARIAČNÍ POČET ZÁKLADY V prxi se čsto hledjí křivky nebo plochy, které minimlizují nebo mximlizují jisté hodnoty. Npř. se hledá nejkrtší spojnice dvou bodů n dné ploše, nebo tvr zvěšeného ln (má minimální
VíceNávrh základních kombinačních obvodů: dekodér, enkodér, multiplexor, demultiplexor
Předmět Ústv Úloh č. 2 BDIO - Digitální obvody Ústv mikroelektroniky Návrh zákldních kombinčních obvodů: dekodér, enkodér, multiplexor, demultiplexor Student Cíle Porozumění logickým obvodům typu dekodér,
Více{ } ( ) ( ) 2.5.8 Vztahy mezi kořeny a koeficienty kvadratické rovnice. Předpoklady: 2301, 2508, 2507
58 Vzth mezi kořen koefiient kvdrtiké rovnie Předpokld:, 58, 57 Pedgogiká poznámk: Náplň zřejmě přeshuje možnost jedné vučoví hodin, příkld 8 9 zůstvjí n vičení neo polovinu hodin při píseme + + - zákldní
VíceVícerozměrné statistické metody
Vícerozměrné statistické metody Smysl a cíle vícerozměrné analýzy dat a modelování, vztah jednorozměrných a vícerozměrných statistických metod Jiří Jarkovský, Simona Littnerová Průběh výuky 13 přednášek
Více4. přednáška 22. října Úplné metrické prostory. Metrický prostor (M, d) je úplný, když každá cauchyovská posloupnost bodů v M konverguje.
4. přednášk 22. říjn 2007 Úplné metrické prostory. Metrický prostor (M, d) je úplný, když kždá cuchyovská posloupnost bodů v M konverguje. Příkldy. 1. Euklidovský prostor R je úplný, kždá cuchyovská posloupnost
VíceURČITÝ INTEGRÁL FUNKCE
URČITÝ INTEGRÁL FUNKCE Formulce: Nším cílem je určit přibližnou hodnotu určitého integrálu I() = () d, kde předpokládáme, že unkce je n intervlu, b integrovtelná. Poznámk: Geometrický význm integrálu I()
VícePřednáška 9: Limita a spojitost
4 / XI /, 5: Přednášk 9: Limit spojitost V minulých přednáškách jsme podrobněji prozkoumli důležitý pojem funkce. Při řešení konkrétních problémů se nše znlosti (npř. nměřená dt) zpisují jko funkční hodnoty
VíceEKOLOGICKÁ PODOBNOST (ECOLOGICAL RESEMBLANCE) David Zelený Zpracování dat v ekologii společenstev
EKOLOGICKÁ PODOBNOST (ECOLOGICAL RESEMBLANCE) EKOLOGICKÁ PODOBNOST Q VS R ANALÝZA Vzorky Druhy druh 1 druh 2 druh 3 vzorek 1 0 1 1 vzorek 2 1 0 0 vzorek 3 0 4 4 vztahy mezi vzorky Q analýza vztahy mezi
VíceVIII. Primitivní funkce a Riemannův integrál
VIII. Primitivní funkce Riemnnův integrál VIII.2. Primitivní funkce Definice. Nechť funkce f je definován n neprázdném otevřeném intervlu I. Řekneme, že funkce F : I R je primitivní funkce k f n intervlu
VíceKřivkový integrál funkce
Kpitol 6 Křivkový integrál funkce efinice způsob výpočtu Hlvním motivem pro definici určitého integrálu funkce jedné proměnné byl úloh stnovit obsh oblsti omezené grfem dné funkce intervlem n ose x. Řd
VíceVIII. Primitivní funkce a Riemannův integrál
VIII. Primitivní funkce Riemnnův integrál VIII.2. Riemnnův integrál opkování Vět. Nechť f je spojitá funkce n intervlu, b nechť c, b. Oznčíme-li F (x) = x (, b), pk F (x) = f(x) pro kždé x (, b). VIII.3.
Více1. Pokyny pro vypracování
1. Pokyny pro vyprcování Zvolený příkld z druhé kpitoly vyprcujte písemně (nejlépe vysázejte pomocí LATEXu) dodejte osobně po předchozí domluvě milem n krbek@physics.muni.cz. Dále si vyberte tři z jednodušších
Více8. cvičení z Matematiky 2
8. cvičení z Mtemtiky 2 11.-1. dubn 2016 8.1 Njděte tři pozitivní čísl jejichž součin je mximální, jejichž součet je roven 100. Zdání příkldu lze interpretovt tké tk, že hledáme mximální objem kvádru,
VíceM - Příprava na 3. zápočtový test pro třídu 2D
M - Příprv n. ápočtový test pro třídu D Autor: Mgr. Jromír JUŘEK Kopírování jkékoliv dlší využití výukového mteriálu je povoleno poue s uvedením odku n www.jrjurek.c. VARIACE 1 Tento dokument byl kompletně
Více14. cvičení z Matematické analýzy 2
4. cvičení z temtické nlýzy 2 22. - 26. květn 27 4. Greenov vět) Použijte Greenovu větu k nlezení práce síly F x, y) 2xy, 4x 2 y 2 ) vykonné n částici podél křivky, která je hrnicí oblsti ohrničené křivkmi
VíceVirtuální svět genetiky 1
Chromozomy obshují mnoho genů pokud nejsou rozděleny crossing-overem, pk lely přítomné n mnoh lokusech kždého homologního chromozomu segregují jko jednotk během gmetogeneze. Rekombinntní gmety jsou důsledkem
Více4.2.1 Goniometrické funkce ostrého úhlu
.. Goniometriké funke ostrého úhlu Předpokldy: 7 Dnešní látku opkujeme už potřetí (poprvé n zčátku mtemtiky, podruhé ve fyzie) je to oprvdu důležité. C C C C C C Všehny prvoúhlé trojúhelníky s úhlem α
Více3.2.11 Obvody a obsahy obrazců I
..11 Obvody obshy obrzců I Předpokldy: S pomocí vzorců v uvedených v tbulkách řeš následující příkldy Př. 1: Urči výšku lichoběžníku o obshu 54cm zákldnách 7cm 5cm. + c Obsh lichoběžníku: S v Výšk lichoběžníku
VíceV předchozích kapitolách byla popsána inverzní operace k derivování. Zatím nebylo jasné, k čemu tento nástroj slouží.
NEWTONŮV INTEGRÁL V předchozích kpitolách byl popsán inverzní operce k derivování Ztím nebylo jsné, k čemu tento nástroj slouží Uvžujme trmvj, která je poháněn elektřinou při brždění vyrábí dynmem elektřinu:
VíceCvičná bakalářská zkouška, 1. varianta
jméno: studijní obor: PřF BIMAT počet listů(včetně tohoto): 1 2 3 4 5 celkem Cvičná bakalářská zkouška, 1. varianta 1. Matematická analýza Najdětelokálníextrémyfunkce f(x,y)=e 4(x y) x2 y 2. 2. Lineární
VíceKomplexní čísla tedy násobíme jako dvojčleny s tím, že použijeme vztah i 2 = 1. = (a 1 + ia 2 )(b 1 ib 2 ) b 2 1 + b2 2.
7 Komplexní čísl 71 Komplexní číslo je uspořádná dvojice reálných čísel Komplexní číslo = 1, ) zprvidl zpisujeme v tzv lgebrickém tvru = 1 + i, kde i je imginární jednotk, pro kterou pltí i = 1 Číslo 1
Více3 Algebraické výrazy. 3.1 Mnohočleny Mnohočleny jsou zvláštním případem výrazů. Mnohočlen (polynom) proměnné je výraz tvaru
Algerické výrz V knize přírod může číst jen ten, kdo zná jzk, ve kterém je npsán. Jejím jzkem je mtemtik jejím písmem jsou mtemtické vzorce. (Glileo Glilei) Algerickým výrzem rozumíme zápis, ve kterém
Více2.4.7 Shodnosti trojúhelníků II
2.4.7 Shodnosti trojúhelníků II Předpokldy: 020406 Př. 1: oplň tbulku. Zdání sss α < 180 c Zdání Náčrtek Podmínky sss sus usu b + b > c b + c > c + c > b b α < 180 c α + β < 180 c Pedgogická poznámk: Původní
VíceDiferenciální počet. Spojitost funkce
Dierenciální počet Spojitost unkce Co to znmená, že unkce je spojitá? Jký je mtemtický význm tvrzení, že gr unkce je spojitý? Jké jsou vlstnosti unkce v bodě? Jké jsou vlstnosti unkce v intervlu I? Vlstnosti
VíceÚlohy školní klauzurní části I. kola kategorie C
52. ročník mtemtické olympiády Úlohy školní kluzurní části I. kol ktegorie 1. Odtrhneme-li od libovolného lespoň dvojmístného přirozeného čísl číslici n místě jednotek, dostneme číslo o jednu číslici krtší.
VícePředpověď plemenné hodnoty. Zdeňka Veselá
Předpověď plemenné hodnot Zdeňk Veselá vesel.zdenk@vuzv.cz UŽITKOVOST Kvntittivní vlstnosti vkzující zprvidl kontinuitní rozdělení v populci Nemůžeme přímo usuzovt n genotp Jsme odkázáni n biometrické
VíceDobývání znalostí z databází (MI-KDD) Přednáška číslo 4 Asociační pravidla
Dobývání znlostí z dtbází (MI-KDD) Přednášk číslo 4 Asociční prvidl (c) prof. RNDr. Jn Ruch, CSc. KIZI, Fkult informtiky sttistiky VŠE zimní semestr 2011/2012 Evropský sociální fond Prh & EU: Investujeme
Více5. 2 Vzdělávací oblast Matematika a její aplikace
5. 2 Vzdělávcí oblst Mtemtik její plikce 5. 2. 1 Chrkteristik vzdělávcí oblsti Mtemtiku chápeme především jko metodu ke kvntittivnímu popisu svět. Mtemtik je nšem pojetí jednoduchá, názorná plikovtelná,
Více2.7.7 Obsah rovnoběžníku
77 Osh rovnoěžníku Předpokldy: 00707 Osh (znčk S): kolik míst útvr zujímá, počet čtverečků 1 x 1, které se do něj vejdou, kolik koerce udeme muset koupit, ychom pokryli podlhu, Př 1: Urči osh čtverce o
VíceVysoká škola báňská Technická univerzita Ostrava TEORIE SYSTÉMŮ. učební text. Zora Jančíková
Vysoká škol báňská Technická univerzit Ostrv TEORIE SYSTÉMŮ učební text Zor Jnčíková Ostrv 202 Recenze: Prof. Ing. Frntišek Němec, CSc. Prof. RNDr. Alen Luksová, CSc. Název: Teorie systémů Autor: Zor Jnčíková
VícePosluchači provedou odpovídající selekci a syntézu informací a uceleně je uvedou do teoretického základu vlastního měření.
Úloh č. 9 je sestven n zákldě odkzu n dv prmeny. Kždý z nich přistupuje k stejnému úkolu částečně odlišnými způsoby. Níže jsou uvedeny ob zdroje v plném znění. V kždém z nich jsou pro posluchče cenné inormce
VíceDIGITÁLNÍ UČEBNÍ MATERIÁL. Název školy SOUpotravinářské, Jílové u Prahy, Šenflukova 220. Název materiálu VY_32_INOVACE / Matematika / 03/01 / 17
DIGITÁLNÍ UČEBNÍ MATERIÁL Číslo projektu CZ07/500/4076 Název školy SOUpotrvinářské, Jílové u Prhy, Šenflukov 0 Název mteriálu VY INOVACE / Mtemtik / 0/0 / 7 Autor Ing Antonín Kučer Oor; předmět, ročník
Více8. Elementární funkce
Historie přírodních věd potvrzuje, že většinu reálně eistujících dějů lze reprezentovt mtemtickými model, které jsou popsán tzv. elementárními funkcemi. Elementární funkce je kždá funkce, která vznikne
VíceMINISTERSTVO PRO MÍSTNÍ ROZVOJ Národní orgán pro koordinaci POKYN PRO TVORBU A OBSAH ZPRÁVY O REALIZACI OPERAČNÍHO PROGRAMU PRO MONITOROVACÍ VÝBOR
MINISTERSTVO PRO MÍSTNÍ ROZVOJ Národní orgán pro koordinci POKYN PRO TVORBU A OBSAH ZPRÁVY O REALIZACI OPERAČNÍHO PROGRAMU PRO MONITOROVACÍ VÝBOR ŘÍJEN 2014 MINISTERSTVO PRO MÍSTNÍ ROZVOJ Odbor řízení
Více8 Mongeovo promítání
8 Mongeovo promítání Pomocí metod uvedených v kpitolách 3. 4., 3. 6. bychom mohli promítnout do roviny 3 libovolný útvr U E. V prxi všk většinou nestčí sestrojit jeden průmět. Z průmětu útvru U je většinou
VícePružnost a plasticita II
Pružnost plsticit II. ročník klářského studi doc. In. Mrtin Krejs, Ph.D. Ktedr stvení mechnik Řešení nosných stěn pomocí Airho funkce npětí inverzní metod Stěnová rovnice ΔΔ(, ) Stěnová rovnice, nzývná
VícePetr Šašek, Pavel Schmidt, Jiří Mann S 7 DLOUHODOBÝ MONITORING STAVEBNĚ REKULTIVAČNÍCH SMĚSÍ
Petr Ššek, Pvel Schmidt, Jiří Mnn S 7 Výzkumný ústv pro hnědé uhlí.s., Budovtelů 2830, Most,ssek@vuhu.cz DLOUHODOBÝ MONITORING STAVEBNĚ REKULTIVAČNÍCH SMĚSÍ Abstrkt Cílem dlouhodobého monitoringu stvebně
Více( a, { } Intervaly. Předpoklady: , , , Problém zapíšeme snadno i výčtem: { 2;3; 4;5}?
1.3.8 Intervly Předpokldy: 010210, 010301, 010302, 010303 Problém Množinu A = { x Z;2 x 5} zpíšeme sndno i výčtem: { 2;3; 4;5} Jk zpst množinu B = { x R;2 x 5}? A =. Jde o nekonečně mnoho čísel (2, 5 všechno
Více2.2.9 Grafické řešení rovnic a nerovnic
..9 Grfické řešení rovnic nerovnic Předpokldy: 0, 06 Př. : Řeš početně i grficky rovnici x + = x. Početně: Už umíme. x + = x x = x = K = { } Grficky: Kždá ze strn rovnice je výrzem pro lineární funkci
Vícekritérium Návaznost na další dokumenty Dokument naplňující standard
1. CÍLE A ZPŮSOBY ČINNOSTI POVĚŘENÉ OSOBY Dokument obshuje zákldní prohlášení středisk Služby pro pěstouny, do kterého se řdí: poslání, cílová skupin, cíle zásdy, v souldu s kterými je služb poskytován.
Více4. Determinanty. Výpočet: a11. a22. a21. a12. = a 11 a 22 a 33 + a 12 a 23 a 31 + a 13 a 21 a 32 a 13 a 22 a 31. a 11 a 23 a 32 a 12 a 21 a 33
. Determinnty Determinnt, znčíme deta, je číslo přiřzené čtvercové mtici A. Je zveden tk, by pro invertibilní mtici byl nenulový pro neinvertibilní mtici byl roven nule. Výpočet: = + = + + - - - + + +
Více6. Setrvačný kmitový člen 2. řádu
6. Setrvčný kmitový člen. řádu Nejprve uvedeme dynmické vlstnosti kmitvého členu neboli setrvčného členu. řádu. Předstviteli těchto členů jsou obvody nebo technická zřízení, která obshují dvě energetické
Víceje jedna z orientací určena jeho parametrizací. Je to ta, pro kterou je počátečním bodem bod ϕ(a). Im k.b.(c ) ( C ) (C ) Obr Obr. 3.5.
10. Komplexní funkce reálné proměnné. Křivky. Je-li f : (, b) C, pk lze funkci f povžovt z dvojici (u, v), kde u = Re f v = Im f. Rozdíl proti vektorovému poli je v tom, že jsou pro komplexní čísl definovány
Více1.1 Numerické integrování
1.1 Numerické integrování 1.1.1 Úvodní úvhy Nším cílem bude přibližný numerický výpočet určitého integrálu I = f(x)dx. (1.1) Je-li znám k integrovné funkci f primitivní funkce F (F (x) = f(x)), můžeme
VíceDodatek ŠVP č. j. ZŠMA/471/16/Po-2 platný od Zeměpis
Dodtek ŠVP č. j. ZŠMA/471/16/Po-2 pltný od 4. 9. 2017 Zeměpis Chrkteristik vyučovcího předmětu Chrkteristik zeměpisu 6. 9. ročníku nvzuje n prvouku vlstivědu prvního stupně. Umožňuje celkový rozhled žáků
Více26. listopadu a 10.prosince 2016
Integrální počet Přednášk 4 5 26. listopdu 10.prosince 2016 Obsh 1 Neurčitý integrál Tbulkové integrály Substituční metod Metod per-prtes 2 Určitý integrál Geometrické plikce Fyzikální plikce K čemu integrální
Více56. ročník Matematické olympiády. b 1,2 = 27 ± c 2 25
56. ročník Mtemtické olympiády Úlohy domácí části I. kol ktegorie 1. Njděte všechny dvojice (, ) celých čísel, jež vyhovují rovnici + 7 + 6 + 5 + 4 + = 0. Řešení. Rovnici řešíme jko kvdrtickou s neznámou
VíceNEWTONŮV INTEGRÁL. V předchozích kapitolách byla popsána inverzní operace k derivování. Zatím nebylo jasné, k čemu tento nástroj slouží.
NEWTONŮV INTEGRÁL V předchozích kpitolách byl popsán inverzní operce k derivování. Ztím nebylo jsné, k čemu tento nástroj slouží. Uvžujme trmvj, která je poháněn elektřinou při brždění vyrábí dynmem elektřinu:
VíceII. kolo kategorie Z5
II. kolo ktegorie Z5 Z5 II 1 Z prvé kpsy klhot jsem přendl 4 pětikoruny do levé kpsy z levé kpsy jsem přendl 16 dvoukorun do prvé kpsy. Teď mám v levé kpse o 13 korun méně než v prvé. Ve které kpse jsem
VíceSpojitost funkce v bodě, spojitost funkce v intervalu
10.1.6 Spojitost funkce v bodě, spojitost funkce v intervlu Předpokldy: 10104, 10105 Př. 1: Nkresli, jk funkce f ( x ) dná grfem zobrzí vyznčené okolí bodu n ose x n osu y. Poté nkresli n osu x vzor okolí
Více7.5.8 Středová rovnice elipsy
758 Středová rovnice elips Předpokld: 7501, 7507 Př 1: Vrchol elips leží v odech A[ 1;1], [ 3;1], [ 1;5], [ 1; 3] elips souřdnice jejích ohnisek Urči prmetr Zdné souřdnice už n první pohled vpdjí podezřele,
Více( t) ( t) ( t) Nerovnice pro polorovinu. Předpoklady: 7306
7.3.8 Nerovnice pro polorovinu Předpokldy: 736 Pedgogická poznámk: Příkld 1 není pro dlší průěh hodiny důležitý, má smysl pouze jko opkování zplnění čsu při zpisování do třídnice. Nemá smysl kvůli němu
VíceSYLABUS PŘEDNÁŠKY 7 Z GEODÉZIE 1
SYLABUS PŘEDNÁŠKY 7 Z GEODÉZIE 1 (Souřdnicové výpočty) 1 ročník bklářského studi studijní progrm G studijní obor G doc Ing Jromír Procházk CSc listopd 2015 1 Geodézie 1 přednášk č7 VÝPOČET SOUŘADNIC JEDNOHO
Více