Numerické metody a programování

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

Download "Numerické metody a programování"

Transkript

1 Projekt: Inovace výuky optiky se zaměřením na získání experimentálních dovedností Registrační číslo: CZ.1.7/2.2./ Numerické metody a programování Lekce 4 Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky.

2 Linarní algebra soustava lineárních algebraických rovnic a 11 a 12 x 2 a 1 N = b 1 a 21 a 22 x 2 a 2 N = b 2 a M 1 a M 2 x 2 a M N = b M zkráceně A x = b b i = j a ij x j základní úlohy lineární algebry N =M řešení x inverzní matice A 1 determinant M N nebo degenerace SVD (singular value decomposition) M N přeurčený problém přibližné řešení Gaussova Jordanova eliminace řešení problému A [ x Y ] = [b 1] řeší zároveň soustavy A x = b a A Y = 1 nahrazení řádku lineární kombinací řádku a jiných řádků nemá vliv řešení problému přehození řádků nemá vliv na řešení Gaussova Jordanova eliminace využívá prvního pravidla k redukci matice A na jednotkovou matici. pro zlepšení stability se využívá druhého pravidla (pivotace) příklad: 2 1x 2 = 5 x 2 = 2

3 vytvořím [ ] vydělím první řádek diagonálním prvkem a 11 (pivot) a přičtu k ostatním tak aby a i 11 = [ 1 1/2 5/ 2 1/2 3/2 9/ 2 1/2 1] vydělím druhý řádek diagonálním prvkem a 22 (pivot) a přičtu k ostatním tak aby a i 22 = [ 1 1 1/3 1/ /3 2/3] toto se podle potřeby opakuje matice A je převedena na jednotkovou matici z jednotkové matice vznikne inverze A 1 z vektoru pravé strany b vzniklo řešení =1x 2 =3 stabilitu zvýší přehazování řádků/(řádků a sloupců tak aby nedocházelo k dělení malými čísly (částečná/úplná pivotace) LU dekompozice nevýhoda Gaussovy Jordanovy eliminace: všechny pravé strany musí být známy dopředu není optimální z hlediska počtu elementárních operací LU rozklad: rozklad matice A na součin dolní a horní trojúhelníkové matice L U = A pak platí A x = L U x = b takže L y = b a U x = y soustavy s trojúhelníkovými maticemi řešíme zpětnou(dopřednou) substitucí např. = y N u NN x i = 1 [ N u y i ii inverzi A 1 j =i 1 ] u ij x j i = N 1 N 2 vypočítáme řešením soustavy pro pravé strany

4 b 1 = 1 b 2 = 1... b N = 1 vlastní LU dekompozice matice A N 2 rovnic pro N 2 N neznámých i j : l i1 u 1j l i2 u 2j l ii u ij = a ij i j: l i1 u 1j l i2 u 2j l ij u jj = a ij 1 2 Croutův algoritmus: položíme l ii = 1 i = 1 N postupně pro j = 1 2 N provedeme nejprve pro i = 12 j vypočteme u ij z (1) pro i = j1 j2 N použijeme (2) k získání l ij pivotace je opět využita ke zlepšení stability Choleského rozklad L L T = A pro pozitivní matici A L je dolní trojúhelníková matice podobně jako LU rozklad řeší systém lineárních rovic asi 2x rychlejší než LU rozklad stabilní algoritmus (pivotace není nutná) Výpočet determinantu determinant čtvercové matice det A = A N sgn a ii i=1 kde jsou permutace množiny {12 N } determinant matice po LU dekompozici se získá triviálně det A = det L U = det LdetU = N u jj j=1

5 Cramérovo pravidlo řešení soustavy A x = b dostaneme pomocí determinantu takto: x i = det A i det A i = 12N kde A i vznikne z A nahrazením i tého sloupce pravou stranou b plyne z det A i = det[ a 1 b a N ] = j výpočetní čas je srovnatelný s LU rozkladem x j det[a 1 a i1 a j a i1 a N ] = x i det A iterativní vylepšení řešení lineárních rovnic v důsledku zaokrouhlovacích chyb je řešení nepřesné max. přesnost m obnovíme iterativním postupem řešme A x = b s nepřesným známým výsledkem x x : A (x + δ x) = b + δ b do A δ x = δ b dosadíme za δ b výsledná rovnice pro x : A x = A x x b SVD (Singular Value Decomposition) A = U S V T A : M N reálná (komplexní) U : M M ortogonální (unitární) M M T = 1 M M + = 1 S : M N diagonální matice S (singulární čísla s i ) V : N N ortogonální (unitární) čtvercová matice M = N regulární min s i : A 1 = V diag1 /s i U T singulární min s i = nulový prostor (jádro nullspace) x : A x = obor hodnot (range) b : A x = b pro nějaké x (obal sloupců a i hodnost) ortonormální báze (nullspace): sloupce v i odpovídající s i = ortonormální báze (range): sloupce u i odpovídající s i

6 řešení A x = b se singulární A homogenní b = : každý vektor nullspace nehomogenní b b v range: řešení s min. normou x = V diag1/ s i U T b kde 1/s i nahrazeno nulou pokud s i = (pseudoinverze); lze přičíst vektor z nullspace b mimo range: nemá řešení; přibližné řešení ve smyslu min A x b (metoda nejmenších čtverců) dostaneme opět jako pseudoinverzi méně rovnic než neznámých M N obvykle nekonečně mnoho řešení všechna řešení: partikulární řešení plus nullspace více rovnic než neznámých M N obvykle nemá řešení metoda nejmenších čtverců další aplikace SVD aproximace matice maticí s hodností K : s i = i K (podle velkosti] separabilní modely: A = s i u i v i i nejbližší ortogonální matice: U V T ortonormální báze prostoru N vektorů a i i = 1N dimenze M N M : sloupce matice U po SVD M N matice sloupců a i odpovídající s i Hilbert Schmidtova norma (Frobeniusova norma): A = Tr A T A 1/2 = i s i 2 1/2

7 Řídké (sparse) matice malé množství a ij speciální algoritmy využívají tuto vlastnost menší nároky na ukládání a výpočetní čas Vlastní čísla/vektory A x = x pouze čtvercová matice složitý problém doporučeno používat knihovny (např. LAPACK) diagonální prvky trojúhelníhové matice jsou vlastní čísla Gaussova Jordanova eliminace nezachovává vlastní čísla Souvislost SVD rozkladu s vlastními čísly/vektory A T A = V S 2 V T A A T = U S 2 U T t.j. sloupce V a U jsou vlastní vektory matic A T A resp. A A T Symetrické (Hermitovské) matice A T = A SVD: A 2 = A T A = V S 2 V T λ 2 2 i = s i tj. sloupce V a U jsou vlastní vektory A a singulární čísla jsou absolutní hodnoty vl. čísel

Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat

Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat Čtvercová matice n n, např. může reprezentovat: A = A A 2 A 3 A 2 A 22 A 23 A 3 A 32 A 33 matici koeficientů soustavy n lineárních

Více

11 Analýza hlavních komponet

11 Analýza hlavních komponet 11 Analýza hlavních komponet Tato úloha provádí transformaci měřených dat na menší počet tzv. fiktivních dat tak, aby většina informace obsažená v původních datech zůstala zachována. Jedná se tedy o úlohu

Více

12. Determinanty. 12. Determinanty p. 1/25

12. Determinanty. 12. Determinanty p. 1/25 12. Determinanty 12. Determinanty p. 1/25 12. Determinanty p. 2/25 Determinanty 1. Induktivní definice determinantu 2. Determinant a antisymetrické formy 3. Výpočet hodnoty determinantu 4. Determinant

Více

2 Vektory a vektorové prostory 23 2.1 Lineární závislost a nezávislost vektorů... 25 2.2 Souřadná soustava a báze... 26

2 Vektory a vektorové prostory 23 2.1 Lineární závislost a nezávislost vektorů... 25 2.2 Souřadná soustava a báze... 26 Obsah 1 Matice 3 11 Operace s maticemi 4 12 Soustavy lineárních rovnic 11 13 Maticové rovnice a výpočet inverzní matice 15 14 Elementární matice 19 15 Cvičení 21 16 Řešení 22 2 Vektory a vektorové prostory

Více

Řešení. Hledaná dimenze je (podle definice) rovna hodnosti matice. a 1 2. 1 + a 2 2 1

Řešení. Hledaná dimenze je (podle definice) rovna hodnosti matice. a 1 2. 1 + a 2 2 1 Příklad 1. Určete všechna řešení následující soustavy rovnic nad Z 2 : 0 0 0 1 1 1 0 1 0 1 1 1 1 1 0 1 0 1 0 1 1 Gaussovou eliminací převedeme zadanou soustavu na ekvivalentní soustavu v odstupňovaném

Více

1 Linearní prostory nad komplexními čísly

1 Linearní prostory nad komplexními čísly 1 Linearní prostory nad komplexními čísly V této přednášce budeme hledat kořeny polynomů, které se dále budou moci vyskytovat jako složky vektorů nebo matic Vzhledem k tomu, že kořeny polynomu (i reálného)

Více

Vlastní číslo, vektor

Vlastní číslo, vektor [1] Vlastní číslo, vektor motivace: směr přímky, kterou lin. transformace nezmění invariantní podprostory charakteristický polynom báze, vzhledem ke které je matice transformace nejjednodušší podobnost

Více

JčU - Cvičení z matematiky pro zemědělské obory (doc. RNDr. Nýdl, CSc & spol.) Minitest MT4

JčU - Cvičení z matematiky pro zemědělské obory (doc. RNDr. Nýdl, CSc & spol.) Minitest MT4 ŘEŠENÍ MINITESTŮ JčU - Cvičení z matematiky pro zemědělské obory (doc. RNDr. Nýdl, CSc & spol.) Minitest MT4. Z daných tří soustav rovnic o neznámých x, x vyberte právě všechny ty, které jsou regulární.

Více

2.6. Vlastní čísla a vlastní vektory matice

2.6. Vlastní čísla a vlastní vektory matice 26 Cíle V této části se budeme zabývat hledáním čísla λ které je řešením rovnice A x = λ x (1) kde A je matice řádu n Znalost řešení takové rovnice má řadu aplikací nejen v matematice Definice 261 Nechť

Více

1. Jordanův kanonický tvar

1. Jordanův kanonický tvar . Jordanův kanonický tvar Obecně nelze pro zadaný lineární operátor ϕ : U U najít bázi α takovou, že (ϕ) α,α by byla diagonální. Obecně však platí, že pro každý lineární operátor ϕ : U U nad komplexními

Více

8 Věta o Fourierově transformaci funkcí, které lze na sebe transformovat regulární lineární transformací souřadnic

8 Věta o Fourierově transformaci funkcí, které lze na sebe transformovat regulární lineární transformací souřadnic 8 REGULÁRNÍ LINEÁRNÍ TRANSFORMACE SOUŘADNIC 8 Věta o Fourierově transformaci funkcí, které lze na sebe transformovat regulární lineární transformací souřadnic Ze zkušenosti s Fraunhoferovými difrakčními

Více

Vybrané partie z obrácených úloh. obrácených úloh (MG452P73)

Vybrané partie z obrácených úloh. obrácených úloh (MG452P73) Vybrané partie z obrácených úloh obrácených úloh (MG452P73) Obsah přednášky Klasifikace obrácených úloh a základní pojmy Lineární inverzní problém, prostor parametrů a dat Gaussovy transformace, normální

Více

Euklidovský prostor. Euklides. Euklidovy postuláty (axiomy)

Euklidovský prostor. Euklides. Euklidovy postuláty (axiomy) Euklidovský prostor Euklidovy Základy (pohled do historie) dnešní definice kartézský souřadnicový systém vlastnosti rovin v E n speciální vlastnosti v E 3 (vektorový součin) a) eprostor, 16, b) P. Olšák,

Více

[1] Důkaz: Necht p(x) = a n x n +... + a 1 x + a 0 = 0 pro všechna x C,

[1] Důkaz: Necht p(x) = a n x n +... + a 1 x + a 0 = 0 pro všechna x C, Výsledky operací jsou tedy popsány pomocí svých koeficientů algoritmicky. Na vstupu do algoritmu jsou koeficienty polynomů, které sčítáme resp. násobíme. S proměnnou x algoritmy nepracují. Polynomy Polynom

Více

Matematika. Kamila Hasilová. Matematika 1/34

Matematika. Kamila Hasilová. Matematika 1/34 Matematika Kamila Hasilová Matematika 1/34 Obsah 1 Úvod 2 GEM 3 Lineární algebra 4 Vektory Matematika 2/34 Úvod Zkouška písemná, termíny budou včas vypsány na Intranetu UO obsah: teoretická a praktická

Více

19 Hilbertovy prostory

19 Hilbertovy prostory M. Rokyta, MFF UK: Aplikovaná matematika III kap. 19: Hilbertovy prostory 34 19 Hilbertovy prostory 19.1 Úvod, základní pojmy Poznámka (připomenutí). Necht (X,(, )) je vektorový prostor se skalárním součinem

Více

Základní vlastnosti eukleidovského prostoru

Základní vlastnosti eukleidovského prostoru Kapitola 2 Základní vlastnosti eukleidovského prostoru 2.1 Eukleidovský prostor Eukleidovský prostor a jeho podprostory. Metrické vlastnosti, jako např. kolmost, odchylka, vzdálenost, obsah, objem apod.

Více

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení 2 Zpracování naměřených dat Důležitou součástí každé experimentální práce je statistické zpracování naměřených dat. V této krátké kapitole se budeme věnovat určení intervalů spolehlivosti získaných výsledků

Více

Kapitola 2: Lineární zobrazení

Kapitola 2: Lineární zobrazení Sbírka příkladů Matematika II pro strukturované studium Kapitola 2: Lineární zobrazení Chcete-li ukončit prohlížení stiskněte klávesuesc. Chcete-li pokračovat stiskněte klávesuenter.. p.1/11 Lineární zobrazení

Více

OBECNÉ METODY VYROVNÁNÍ

OBECNÉ METODY VYROVNÁNÍ OBECNÉ METODY VYROVNÁNÍ HYNČICOVÁ TEREZA, H2IGE1 2014 ÚVOD Z DŮVODU VYLOUČENÍ HRUBÝCH CHYB A ZVÝŠENÍ PŘESNOSTI NIKDY NEMĚŘÍME DANOU VELIČINU POUZE JEDNOU VÝSLEDKEM OPAKOVANÉHO MĚŘENÍ NĚKTERÉ VELIČINY JE

Více

Robust 2014, 19. - 24. ledna 2014, Jetřichovice

Robust 2014, 19. - 24. ledna 2014, Jetřichovice K. Hron 1 C. Mert 2 P. Filzmoser 2 1 Katedra matematické analýzy a aplikací matematiky Přírodovědecká fakulta, Univerzita Palackého, Olomouc 2 Department of Statistics and Probability Theory Vienna University

Více

Nechť M je množina. Zobrazení z M M do M se nazývá (binární) operace

Nechť M je množina. Zobrazení z M M do M se nazývá (binární) operace Kapitola 2 Algebraické struktury Řada algebraických objektů má podobu množiny s nějakou dodatečnou strukturou. Například vektorový prostor je množina vektorů, ty však nejsou jeden jako druhý : jeden z

Více

Lineární algebra nad obecným Z m, lineární kódy

Lineární algebra nad obecným Z m, lineární kódy Lineární algebra nad obecným Z m, lineární kódy Jiří Velebil: X01DML 19. listopadu 2010: Lineární algebra a kódy 1/19 Minule: soustavy lineárních rovnic nad Z p, p prvočíslo, stejně jako nad R. Dále nad

Více

Matematika I, část I Vzájemná poloha lineárních útvarů v E 3

Matematika I, část I Vzájemná poloha lineárních útvarů v E 3 3.6. Vzájemná poloha lineárních útvarů v E 3 Výklad A. Vzájemná poloha dvou přímek Uvažujme v E 3 přímky p, q: p: X = A + ru q: X = B + sv a hledejme jejich společné body, tj. hledejme takové hodnoty parametrů

Více

(ne)závislost. α 1 x 1 + α 2 x 2 + + α n x n. x + ( 1) x Vektoru y = ( 1) y říkáme opačný vektor k vektoru y. x x = 1. x = x = 0.

(ne)závislost. α 1 x 1 + α 2 x 2 + + α n x n. x + ( 1) x Vektoru y = ( 1) y říkáme opačný vektor k vektoru y. x x = 1. x = x = 0. Lineární (ne)závislost [1] Odečítání vektorů, asociativita BI-LIN, zavislost, 3, P. Olšák [2] Místo, abychom psali zdlouhavě: x + ( 1) y, píšeme stručněji x y. Vektoru y = ( 1) y říkáme opačný vektor k

Více

y 10 20 Obrázek 1.26: Průměrová rovina válcové plochy

y 10 20 Obrázek 1.26: Průměrová rovina válcové plochy 36 KAPITOLA 1. KVADRIKY JAKO PLOCHY 2. STUPNĚ 2 1 2 1 1 y 1 2 Obráek 1.26: Průměrová rovina válcové plochy Věta: Je-li definována průměrová rovina sdružená s asymptotickým směrem, potom je s tímto směrem

Více

NUMERICKÉ METODY. Josef Dalík

NUMERICKÉ METODY. Josef Dalík NUMERICKÉ METODY Josef Dalík Zdroje chyb Při řešení daného technického problému numerickými metodami jde zpravidla o zjištění některých kvantitativních charakteristik daného procesu probíhajícího v přírodě

Více

Jednotky zrychlení odvodíme z výše uvedeného vztahu tak, že dosadíme za jednotlivé veličiny.

Jednotky zrychlení odvodíme z výše uvedeného vztahu tak, že dosadíme za jednotlivé veličiny. 1. Auto zrychlí rovnoměrně zrychleným pohybem z 0 km h -1 na 72 km h -1 za 10 sekund. 2. Auto zastaví z rychlosti 64,8 km h -1 rovnoměrně zrychleným (zpomaleným) pohybem za 9 sekund. V obou případech nakreslete

Více

Maturitní témata od 2013

Maturitní témata od 2013 1 Maturitní témata od 2013 1. Úvod do matematické logiky 2. Množiny a operace s nimi, číselné obory 3. Algebraické výrazy, výrazy s mocninami a odmocninami 4. Lineární rovnice a nerovnice a jejich soustavy

Více

15. KubickÈ rovnice a rovnice vyööìho stupnï

15. KubickÈ rovnice a rovnice vyööìho stupnï 15. KubickÈ rovnice a rovnice vyööìho stupnï Čas od času je možné slyšet v pořadech o počasí jména jako Andrew, Mitch, El Ňiňo. otom následuje zpráva o katastrofálních vichřicích, uragánech a jiných mimořádných

Více

MATEMATIKA STUDIJNÍ POŽADAVKY PRO JEDNOTLIVÉ ROČNÍKY STUDIA

MATEMATIKA STUDIJNÍ POŽADAVKY PRO JEDNOTLIVÉ ROČNÍKY STUDIA MATEMATIKA STUDIJNÍ POŽADAVKY PRO JEDNOTLIVÉ ROČNÍKY STUDIA Osmileté studium 1. ročník 1. Opakování a prohloubení učiva 1. 5. ročníku Číslo, číslice, množiny, přirozená čísla, desetinná čísla, číselné

Více

2.7.6 Rovnice vyšších řádů

2.7.6 Rovnice vyšších řádů 6 Rovnice vyšších řádů Předpoklady: 50, 05 Pedagogická poznámka: Pokud mám jenom trochu čas probírám látku této hodiny ve dvou vyučovacích hodinách V první probíráme separaci kořenů, v druhé pak snížení

Více

Numerické metody. Autoři textu: RNDr. Rudolf Hlavička, CSc.

Numerické metody. Autoři textu: RNDr. Rudolf Hlavička, CSc. FAKULTA STROJNÍHO INŽENÝRSTVÍ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Numerické metody Garant předmětu: doc. RNDr. Libor Čermák, CSc. Autoři textu: Mgr. Irena Růžičková RNDr. Rudolf Hlavička, CSc. Ústav matematiky

Více

CZ 1.07/1.1.32/02.0006

CZ 1.07/1.1.32/02.0006 PO ŠKOLE DO ŠKOLY CZ 1.07/1.1.32/02.0006 Číslo projektu: CZ.1.07/1.1.32/02.0006 Název projektu: Po škole do školy Příjemce grantu: Gymnázium, Kladno Název výstupu: Prohlubující semináře Matematika (MI

Více

MATURITNÍ TÉMATA Z MATEMATIKY

MATURITNÍ TÉMATA Z MATEMATIKY MATURITNÍ TÉMATA Z MATEMATIKY 1. Základní poznatky z logiky a teorie množin Pojem konstanty a proměnné. Obor proměnné. Pojem výroku a jeho pravdivostní hodnota. Operace s výroky, složené výroky, logické

Více

5. Interpolace a aproximace funkcí

5. Interpolace a aproximace funkcí 5. Interpolace a aproximace funkcí Průvodce studiem Často je potřeba složitou funkci f nahradit funkcí jednodušší. V této kapitole budeme předpokládat, že u funkce f známe její funkční hodnoty f i = f(x

Více

1 Mnohočleny a algebraické rovnice

1 Mnohočleny a algebraické rovnice 1 Mnohočleny a algebraické rovnice 1.1 Pojem mnohočlenu (polynomu) Připomeňme, že výrazům typu a 2 x 2 + a 1 x + a 0 říkáme kvadratický trojčlen, když a 2 0. Číslům a 0, a 1, a 2 říkáme koeficienty a písmenem

Více

Matematika pro informatiku 4

Matematika pro informatiku 4 Matematika pro informatiku 4 Doc. RNDr. Alena Šolcová, Ph. D., KTI FIT ČVUT v Praze 7.března 2011 Evropský sociální fond Investujeme do vaší budoucnosti Alena Šolcová Lámejte si hlavu - L1 Určete všechny

Více

Matematika Ekonomické lyceum. Celkový počet vyučovacích hodin za studium: 396(12) od 1.9.2009 počínaje 1.ročníkem

Matematika Ekonomické lyceum. Celkový počet vyučovacích hodin za studium: 396(12) od 1.9.2009 počínaje 1.ročníkem 7.15 Pojetí vyučovacího předmětu matematika Název vyučovacího předmětu: Matematika Obor vzdělání: Ekonomické lyceum Forma vzdělání: denní Celkový počet vyučovacích hodin za studium: 396(12) Platnost: od

Více

Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují

Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují 1. u + v = v + u, u, v V 2. (u + v) + w = u + (v + w),

Více

Odpřednesenou látku naleznete v kapitole 3.3 skript Diskrétní matematika.

Odpřednesenou látku naleznete v kapitole 3.3 skript Diskrétní matematika. Lineární kódy, část 2 Odpřednesenou látku naleznete v kapitole 3.3 skript Diskrétní matematika. Jiří Velebil: A7B01LAG 22.12.2014: Lineární kódy, část 2 1/12 Dnešní přednáška 1 Analýza Hammingova (7, 4)-kódu.

Více

Název: Měření ohniskové vzdálenosti tenkých čoček různými metodami

Název: Měření ohniskové vzdálenosti tenkých čoček různými metodami Název: Měření ohniskové vzdálenosti tenkých čoček různými metodami Autor: Mgr. Lucia Klimková Název školy: Gymnázium Jana Nerudy, škola hl. města Prahy Předmět (mezipředmětové vztahy) : Fyzika (Matematika)

Více

Aproximace funkcí. x je systém m 1 jednoduchých, LN a dostatečně hladkých funkcí. x c m. g 1. g m. a 1. x a 2. x 2 a k. x k b 1. x b 2.

Aproximace funkcí. x je systém m 1 jednoduchých, LN a dostatečně hladkých funkcí. x c m. g 1. g m. a 1. x a 2. x 2 a k. x k b 1. x b 2. Aproximace funkcí Aproximace je výpočet funkčních hodnot funkce z nějaké třídy funkcí, která je v určitém smyslu nejbližší funkci nebo datům, která chceme aproximovat. Třída funkcí, ze které volíme aproximace

Více

MINISTERSTVO ŠKOLSTVÍ, MLÁDEŽE A TĚLOVÝCHOVY. Učební osnova předmětu MATEMATIKA. pro studijní obory SOŠ a SOU (8 10 hodin týdně celkem)

MINISTERSTVO ŠKOLSTVÍ, MLÁDEŽE A TĚLOVÝCHOVY. Učební osnova předmětu MATEMATIKA. pro studijní obory SOŠ a SOU (8 10 hodin týdně celkem) MINISTERSTVO ŠKOLSTVÍ, MLÁDEŽE A TĚLOVÝCHOVY Učební osnova předmětu MATEMATIKA pro studijní obory SOŠ a SOU (8 10 hodin týdně celkem) Schválilo Ministerstvo školství, mládeže a tělovýchovy dne 14. 6. 2000,

Více

Jiří Neubauer. Katedra ekonometrie FEM UO Brno

Jiří Neubauer. Katedra ekonometrie FEM UO Brno Přednáška č. 11 Katedra ekonometrie FEM UO Brno Jedná se o speciální případ dopravních úloh, řeší např. problematiku optimálního přiřazení strojů na pracoviště. Příklad Podnik má k dispozici 3 jeřáby,

Více

Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie

Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie 12. licenční studium PYTHAGORAS Statistické zpracování dat 3.1 Matematické principy vícerozměrných metod statistické analýzy

Více

Kapitola 1: Lineární prostor

Kapitola 1: Lineární prostor Lineární prostor Kapitola 1: Lineární prostor Chcete-li ukončit prohlížení stiskněte klávesu Esc. Chcete-li pokračovat stiskněte klávesu Enter.. p.1/15 Lineární prostor Lineární prostoralineární podprostor

Více

Radek Kučera ESF ROVNÉ PŘÍLEŽITOSTI PRO VŠECHNY VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA

Radek Kučera ESF ROVNÉ PŘÍLEŽITOSTI PRO VŠECHNY VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA NUMERICKÉ METODY Radek Kučera Vytvořeno v rámci projektu Operačního programu Rozvoje lidských zdrojů CZ.04.1.03/3.2.15.1/0016 Studijní opory s převažujícími

Více

11.1 Jedna rovnice pro jednu neznámou

11.1 Jedna rovnice pro jednu neznámou 52. ešení rovnic Mathcad je schopen řešit i velmi složité rovnice, kdy hledaná neznámá je obsažena současně v několika různých funkcích apod.. Jedna rovnice pro jednu neznámou.. Funkce root Před vlastním

Více

Měření závislosti statistických dat

Měření závislosti statistických dat 5.1 Měření závislosti statistických dat Každý pořádný astronom je schopen vám předpovědět, kde se bude nacházet daná hvězda půl hodiny před půlnocí. Ne každý je však téhož schopen předpovědět v případě

Více

CHEMOMETRIKA a STATISTIKA. Prozatímní učební text vybrané příklady (srpen 2012) Miloslav Suchánek

CHEMOMETRIKA a STATISTIKA. Prozatímní učební text vybrané příklady (srpen 2012) Miloslav Suchánek CHEMOMETRIKA a STATISTIKA Prozatímní učební text vybrané příklady (srpen 01) Miloslav Suchánek Úkol č. 1 Maticové operace s využitím EXCELu V EXCELu jsou dvě důležité maticové operace, které nám pomohou

Více

diferenciální rovnice verze 1.1

diferenciální rovnice verze 1.1 Diferenciální rovnice vyšších řádů, snižování řádu diferenciální rovnice verze 1.1 1 Úvod Následující text popisuje řešení diferenciálních rovnic, konkrétně diferenciálních rovnic vyšších řádů a snižování

Více

Seminář z MATLABU. Jiří Krejsa. A2/710 krejsa@fme.vutbr.cz

Seminář z MATLABU. Jiří Krejsa. A2/710 krejsa@fme.vutbr.cz Seminář z MATLABU Jiří Krejsa A2/710 krejsa@fme.vutbr.cz Obsah kurzu Posluchači se seznámí se základy systému Matlab, vědeckotechnickými výpočty, programováním v Matlabu včetně pokročilých technik, vizualizací

Více

VŠB - Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Katedra aplikované matematiky

VŠB - Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Katedra aplikované matematiky VŠB - Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Katedra aplikované matematiky Interaktivní výuka lineární algebry na internetu Interactive learning of linear algebra on internet

Více

ALGEBRA LINEÁRNÍ, KVADRATICKÉ ROVNICE

ALGEBRA LINEÁRNÍ, KVADRATICKÉ ROVNICE ALGEBRA LINEÁRNÍ, KVADRATICKÉ ROVNICE A NEROVNICE, SOUSTAVY ROVNIC A NEROVNIC Gymnázium Jiřího Wolkera v Prostějově Výukové materiály z matematiky pro vyšší gymnázia Autoři projektu Student na prahu 21.

Více

FAKULTA STAVEBNÍ MATEMATIKA I MODUL GA01 M01 STUDIJNÍ OPORY PRO STUDIJNÍ PROGRAM GEODÉZIE A KARTOGRAFIE S KOMBINOVANOU FORMOU STUDIA

FAKULTA STAVEBNÍ MATEMATIKA I MODUL GA01 M01 STUDIJNÍ OPORY PRO STUDIJNÍ PROGRAM GEODÉZIE A KARTOGRAFIE S KOMBINOVANOU FORMOU STUDIA VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA STAVEBNÍ MATEMATIKA I MODUL GA01 M01 VYBRANÉ ČÁSTI A APLIKACE VEKTOROVÉHO POČTU STUDIJNÍ OPORY PRO STUDIJNÍ PROGRAM GEODÉZIE A KARTOGRAFIE S KOMBINOVANOU FORMOU STUDIA

Více

Souhrn základních výpočetních postupů v Excelu probíraných v AVT 04-05 listopad 2004. r r. . b = A

Souhrn 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

Více

Ekonomická fakulta, Jihočeská univerzita v Českých Budějovicích. MATEMATICKÝ SOFTWARE MAPLE - MANUÁL Marek Šulista

Ekonomická fakulta, Jihočeská univerzita v Českých Budějovicích. MATEMATICKÝ SOFTWARE MAPLE - MANUÁL Marek Šulista Ekonomická fakulta, Jihočeská univerzita v Českých Budějovicích MATEMATICKÝ SOFTWARE MAPLE - MANUÁL Marek Šulista Matematický software MAPLE slouží ke zpracování matematických problémů pomocí jednoduchého

Více

Lineární diferenciální rovnice 1. řádu verze 1.1

Lineární diferenciální rovnice 1. řádu verze 1.1 Úvod Lineární diferenciální rovnice. řádu verze. Následující tet popisuje řešení lineárních diferenciálních rovnic. řádu. Měl by sloužit především studentům předmětu MATEMAT2 na Univerzitě Hradec Králové

Více

Projekt IMPLEMENTACE ŠVP. pořadí početních operací, dělitelnost, společný dělitel a násobek, základní početní operace

Projekt IMPLEMENTACE ŠVP. pořadí početních operací, dělitelnost, společný dělitel a násobek, základní početní operace Střední škola umělecká a řemeslná Evropský sociální fond "Praha a EU: Investujeme do vaší budoucnosti" Projekt IMPLEMENTACE ŠVP Evaluace a aktualizace metodiky předmětu Matematika Výrazy Obory nástavbového

Více

Řešení slovních úloh pomocí lineárních rovnic

Řešení slovních úloh pomocí lineárních rovnic Řešení slovních úloh pomocí lineárních rovnic Řešení slovních úloh představuje spojení tří, dnes bohužel nelehkých, úloh porozumění čtenému textu (pochopení zadání), jeho matematizaci (převedení na rovnici)

Více

FOURIEROVA ANAL YZA 2D TER ENN ICH DAT Karel Segeth

FOURIEROVA ANAL YZA 2D TER ENN ICH DAT Karel Segeth FOURIEROVA ANALÝZA 2D TERÉNNÍCH DAT Karel Segeth Motto: The faster the computer, the more important the speed of algorithms. přírodní jev fyzikální model matematický model numerický model řešení numerického

Více

MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT)

MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT) MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT) 1. Číselné obory 1.1 Přirozená čísla provádět aritmetické operace s přirozenými čísly rozlišit prvočíslo

Více

Masarykova univerzita Brno. Katedra aplikované matematiky. maticemi

Masarykova univerzita Brno. Katedra aplikované matematiky. maticemi Masarykova univerzita Brno Fakulta přírodovědecká Katedra aplikované matematiky Lineární systémy se speciálními maticemi Diplomová práce květen 2006 Jaroslava Benáčková Poděkování V úvodu bych ráda poděkovala

Více

Á Í Č Ě Č ň ť Š Č Ť ň ň ď Ť Ú ť Č ň ď ť Č Š Ž Ú Ť Ť Ť Ť ň Ť Ť ť Ť Ť Á Ť Ť Ť ď Ť Ť Ť Ť Ť Ť Ť Ť Ť ň ďť Ť Ť Ť Š Š Š ď ň Č Š ň Š ť Š ň Š Š Ť Ť Ť Ť Ť Ť Ť Ť Ť Ť Ť Ť Ť Ť Ť Ú Š ň ť ť Š ň Š Ž ť ť ť ň Š Č Š Š Í

Více

Vyhláška č. 9DV/2011 děkana FEK ZČU v Plzni Přijímání ke studiu na Fakultu ekonomickou ZČU v Plzni pro akademický rok 2012/2013

Vyhláška č. 9DV/2011 děkana FEK ZČU v Plzni Přijímání ke studiu na Fakultu ekonomickou ZČU v Plzni pro akademický rok 2012/2013 Vyhláška č. 9DV/2011 děkana FEK ZČU v Plzni Přijímání ke studiu na Fakultu ekonomickou ZČU v Plzni pro akademický rok 2012/2013 podle zákona o vysokých školách č. 111/1998 Sb. v platném znění, 48 a 49

Více

Učební texty k státní bakalářské zkoušce Matematika Algebra. študenti MFF 15. augusta 2008

Učební texty k státní bakalářské zkoušce Matematika Algebra. študenti MFF 15. augusta 2008 Učební texty k státní bakalářské zkoušce Matematika Algebra študenti MFF 15. augusta 2008 1 8 Algebra Požadavky Grupa, okruh, těleso definice a příklady Podgrupa, normální podgrupa, faktorgrupa, ideál

Více

Exponenciální rovnice. Metoda převedení na stejný základ. Cvičení 1. Příklad 1.

Exponenciální rovnice. Metoda převedení na stejný základ. Cvičení 1. Příklad 1. Eponenciální rovnice Eponenciální rovnice jsou rovnice, ve kterých se neznámá vsktuje v eponentu. Řešíme je v závislosti na tpu rovnice několika základními metodami. A. Metoda převedení na stejný základ

Více

Matematika pro studenty ekonomie. Doc. RNDr. Jiří Moučka, Ph.D. RNDr. Petr Rádl

Matematika pro studenty ekonomie. Doc. RNDr. Jiří Moučka, Ph.D. RNDr. Petr Rádl Doc. RNDr. Jiří Moučka, Ph.D. RNDr. Petr Rádl Matematika pro studenty ekonomie Vydala Grada Publishing, a.s. U Průhonu 22, 70 00 Praha 7 tel.: +420 234 264 40, fax: +420 234 264 400 www.grada.cz jako svou

Více

1. Několik základních pojmů ze středoškolské matematiky. Na začátku si připomeneme následující pojmy:

1. Několik základních pojmů ze středoškolské matematiky. Na začátku si připomeneme následující pojmy: Opakování středoškolské matematiky Slovo úvodem: Tato pomůcka je určena zejména těm studentům presenčního i kombinovaného studia na VŠFS, kteří na středních školách neprošli dostatečnou průpravou z matematiky

Více

MATEMATIKA Maturitní témata společná část MZ vyšší úroveň (vychází z Katalogu požadavků MŠMT)

MATEMATIKA Maturitní témata společná část MZ vyšší úroveň (vychází z Katalogu požadavků MŠMT) MATEMATIKA Maturitní témata společná část MZ vyšší úroveň (vychází z Katalogu požadavků MŠMT) 1. Číselné obory 1.1 Přirozená čísla provádět aritmetické operace s přirozenými čísly rozlišit prvočíslo a

Více

Numerické metody pro nalezení

Numerické metody pro nalezení Masarykova univerzita Brno Fakulta přírodovědecká Katedra aplikované matematiky Numerické metody pro nalezení vlastních čísel matic Diplomová práce květen 006 Alena Baštincová Poděkování V úvodu bych ráda

Více

9.4. Rovnice se speciální pravou stranou

9.4. Rovnice se speciální pravou stranou Cíle V řadě případů lze poměrně pracný výpočet metodou variace konstant nahradit jednodušším postupem, kterému je věnována tato kapitola. Výklad Při pozorném studiu předchozího textu pozornějšího studenta

Více

Teorie kódování se zabývá tím, jak rychle a spolehlivě přenášet informace z jednoho místa na druhé. Mezi její aplikace patří například minimalizace

Teorie kódování se zabývá tím, jak rychle a spolehlivě přenášet informace z jednoho místa na druhé. Mezi její aplikace patří například minimalizace Kapitola 8 Samoopravné kódy Teorie kódování se zabývá tím, jak rychle a spolehlivě přenášet informace z jednoho místa na druhé. Mezi její aplikace patří například minimalizace šumu při přehrávání kompaktních

Více

Výstupy ze studia Learning Outcomes v jednotlivých kapitolách předmětu ZMAT2

Výstupy ze studia Learning Outcomes v jednotlivých kapitolách předmětu ZMAT2 PROJEKT REFIMAT Výstupy ze studia Learning Outcomes v jednotlivých kapitolách předmětu ZMAT2 Tatiana Gavalcová, Pavel Pražák, Iva vojkůvková, Jiří Haviger, 25.5.2011, revize říjen 2012 Téma 1: Množiny

Více

FAKULTA STAVEBNÍ GEODÉZIE, KARTOGRAFIE A GEOINFORMATIKA

FAKULTA STAVEBNÍ GEODÉZIE, KARTOGRAFIE A GEOINFORMATIKA ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ FAKULTA STAVEBNÍ OBOR GEODÉZIE, KARTOGRAFIE A GEOINFORMATIKA BAKALÁŘSKÁ PRÁCE MATICOVÉ ROZKLADY PRO KALMANŮV FILTR Vedoucí práce: doc. RNDr. Milada Kočandrlová, CSc. Katedra

Více

5.6.3 Rekursivní indexace složitostních tříd 5.6.4 Uniformní diagonalizace 5.6.5 Konstrukce rekursivních indexací a aplikace uniformní diagonalizace

5.6.3 Rekursivní indexace složitostních tříd 5.6.4 Uniformní diagonalizace 5.6.5 Konstrukce rekursivních indexací a aplikace uniformní diagonalizace Obsah prvního svazku 1 Úvod 1.1 Přehled pojmů a struktur 1.1.1 Množiny, čísla a relace 1.1.2 Funkce 1.1.3 Pravděpodobnost 1.1.4 Grafy 1.2 Algebra 1.2.1 Dělitelnost, prvočíselnost a základní kombinatorické

Více

ZŠ ÚnO, Bratří Čapků 1332

ZŠ ÚnO, Bratří Čapků 1332 Úvodní obrazovka Menu (vlevo nahoře) Návrat na hlavní stránku Obsah Výsledky Poznámky Záložky edunet Konec Matematika 1 (pro 12-16 let) LangMaster Obsah (střední část) výběr tématu - dvojklikem v seznamu

Více

Střední průmyslová škola sdělovací techniky Panská 3 Praha 1 Jaroslav Reichl, 2006

Střední průmyslová škola sdělovací techniky Panská 3 Praha 1 Jaroslav Reichl, 2006 Střední průmyslová škola sdělovací techniky Panská 3 Praha Jaroslav Reichl, 006 tet určený jako doplněk stejnojmennému semináři pro studenty čtvrtého ročníku technického lycea, ale i pro samostatné studium

Více

Organic Search Traffic

Organic Search Traffic http://forum.matweb.cz http://forum.matweb.cz Matematické forum [DEFAULT] Organic Search Traffic Jan 1, 2012 Dec 31, 2012 % of visits: 86.15% Explorer Site Usage Visits 10,000 5,000 April 2012 July 2012

Více

Gymnázium Vysoké Mýto nám. Vaňorného 163, 566 01 Vysoké Mýto

Gymnázium Vysoké Mýto nám. Vaňorného 163, 566 01 Vysoké Mýto Gymnázium Vysoké Mýto nám. Vaňorného 163, 566 01 Vysoké Mýto Křížové pravidlo Používá se pro výpočet poměru hmotnostních dílů dvou výchozích roztoků jejichž smícháním vznikne nový roztok. K výpočtu musí

Více

Gymnázium Vysoké Mýto nám. Vaňorného 163, 566 01 Vysoké Mýto

Gymnázium Vysoké Mýto nám. Vaňorného 163, 566 01 Vysoké Mýto Gymnázium Vysoké Mýto nám. Vaňorného 163, 566 01 Vysoké Mýto Registrační číslo projektu Šablona Autor Název materiálu CZ.1.07/1.5.00/34.0951 III/2 INOVACE A ZKVALITNĚNÍ VÝUKY PROSTŘEDNICTVÍM ICT Mgr. Jana

Více

POLYNOMY 1 Jan Malý UK v Praze a UJEP v Ústí n. L.

POLYNOMY 1 Jan Malý UK v Praze a UJEP v Ústí n. L. Soustavy o jedné rovnici neboli rovnice. Algebraické rovnice: Polynom= 0. POLYNOMY 1 Jan Malý UK v Praze a UJEP v Ústí n. L. Rovnice 1. stupně: lineární, ax + b = 0, a 0. Řešení: x = b a. Rovnice 2. stupně:

Více

Ing. Radovan Nečas Mgr. Miroslav Hroza

Ing. Radovan Nečas Mgr. Miroslav Hroza Výzkumný ústav stavebních hmot, a.s. Hněvkovského, č.p. 30, or. 65, 617 00 BRNO zapsaná v OR u krajského soudu v Brně, oddíl B, vložka 3470 Aktivační energie rozkladu vápenců a její souvislost s ostatními

Více

Statistika. Regresní a korelační analýza Úvod do problému. Roman Biskup

Statistika. Regresní a korelační analýza Úvod do problému. Roman Biskup Statistika Regresní a korelační analýza Úvod do problému Roman Biskup Jihočeská univerzita v Českých Budějovicích Ekonomická fakulta (Zemědělská fakulta) Katedra aplikované matematiky a informatiky 2008/2009

Více

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

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

Více

Pracovní listy - programování (algoritmy v jazyce Visual Basic) Algoritmus

Pracovní listy - programování (algoritmy v jazyce Visual Basic) Algoritmus Pracovní listy - programování (algoritmy v jazyce Visual Basic) Předmět: Seminář z informatiky a výpočetní techniky Třída: 3. a 4. ročník vyššího stupně gymnázia Algoritmus Zadání v jazyce českém: 1. Je

Více

Teoretická informatika Tomáš Foltýnek foltynek@pef.mendelu.cz. Algebra Struktury s jednou operací

Teoretická informatika Tomáš Foltýnek foltynek@pef.mendelu.cz. Algebra Struktury s jednou operací Teoretická informatika Tomáš Foltýnek foltynek@pef.mendelu.cz Algebra Struktury s jednou operací Teoretická informatika 2 Proč zavádíme algebru hledáme nástroj pro popis objektů reálného světa (zejména

Více

Informace k jednotlivým zkouškám na jednotlivých oborech:

Informace k jednotlivým zkouškám na jednotlivých oborech: Informace k jednotlivým zkouškám na jednotlivých oborech: Obor Obchodní akademie 63-41-M/004 1. Praktická maturitní zkouška Praktická maturitní zkouška z odborných předmětů ekonomických se skládá z obsahu

Více

opravdu považovat za lepší aproximaci. Snížení odchylky o necelá dvě procenta

opravdu považovat za lepší aproximaci. Snížení odchylky o necelá dvě procenta Řetězové zlomky a dobré aproximace Motivace Chceme-li znát přibližnou hodnotu nějakého iracionálního čísla, obvykle používáme jeho (nekonečný) desetinný rozvoj Z takového rozvoje, řekněme z rozvoje 345926535897932384626433832795028849769399375

Více

Katedra matematiky Fakulty jaderné a fyzikálně inženýrské ČVUT v Praze. Zápočtová písemná práce č. 1 z předmětu 01MAB3 varianta A

Katedra matematiky Fakulty jaderné a fyzikálně inženýrské ČVUT v Praze. Zápočtová písemná práce č. 1 z předmětu 01MAB3 varianta A Zápočtová písemná práce č. 1 z předmětu 01MAB3 varianta A středa 19. listopadu 2014, 11:20 13:20 ➊ (8 bodů) Rozhodněte o stejnoměrné konvergenci řady n 3 n ( ) 1 e xn2 x 2 +n 2 na množině A = 0, + ). ➋

Více

Testování hypotéz a měření asociace mezi proměnnými

Testování hypotéz a měření asociace mezi proměnnými Testování hypotéz a měření asociace mezi proměnnými Testování hypotéz Nulová a alternativní hypotéza většina statistických analýz zahrnuje různá porovnání, hledání vztahů, efektů Tvrzení, že efekt je nulový,

Více

15. Soustava lineárních nerovnic - optimalizace

15. Soustava lineárních nerovnic - optimalizace @173 15. Soustava lineárních nerovnic - optimalizace Jak jsme se dozvěděli v 3. lekci tohoto kurzu, je obrazem rovnice ax + by + c = 0, a,b,c R (a; b) (0; 0) přímka a obrazem nerovnic ax + by + c 0, a,b,c

Více

PROGRAM MAXIMA. KORDEK, David, (CZ) PROGRAM MAXIMA

PROGRAM MAXIMA. KORDEK, David, (CZ) PROGRAM MAXIMA PROGRAM MAXIMA KORDEK, David, (CZ) Abstrakt. Co je to Open Source Software? Příklady některých nejpoužívanějších software tohoto typu. Výhody a nevýhody Open Source Software. Jak získat program Maxima.

Více

Samoopravné kódy. Katedra matematiky a Institut teoretické informatiky Západočeská univerzita

Samoopravné kódy. Katedra matematiky a Institut teoretické informatiky Západočeská univerzita Katedra matematiky a Institut teoretické informatiky Západočeská univerzita Seminář pro učitele středních a vysokých škol, Plzeň, 30. března 2012 jsou všude Některé oblasti využití: CD přehrávače mobilní

Více

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1 Logistická regrese Menu: QCExpert Regrese Logistická Modul Logistická regrese umožňuje analýzu dat, kdy odezva je binární, nebo frekvenční veličina vyjádřená hodnotami 0 nebo 1, případně poměry v intervalu

Více

MATEMATIKA 1 pro obory Finance a řízení a Cestovní ruch

MATEMATIKA 1 pro obory Finance a řízení a Cestovní ruch MATEMATIKA 1 pro obory Finance a řízení a Cestovní ruch Marie Hojdarová Jana Krejčová Martina Zámková RNDr. Marie Hojdarová, CSc., RNDr. Jana Krejčová, Ph.D., RNDr. Ing. Martina Zámková, Ph.D. ISBN: 978-80-87035-94-8

Více

Školní výstupy Učivo Průřezová témata, přesahy, poznámky. Školní výstupy Učivo Průřezová témata, přesahy, poznámky

Školní výstupy Učivo Průřezová témata, přesahy, poznámky. Školní výstupy Učivo Průřezová témata, přesahy, poznámky Gymnázium Rumburk (vyšší stupeň osmiletého gymnázia a čtyřleté gymnázium v Rumburku) Předmět:Matematika Charakteristika vyučovacího předmětu 1. Obsahové, časové a organizační vymezení Předmět vzniká Matematika

Více