Binomické a Poissonovo rozdělení

Rozměr: px
Začít zobrazení ze stránky:

Download "Binomické a Poissonovo rozdělení"

Transkript

1 Biomicé a Poissoovo rozdělí Dfiic Řm ž áhodá vličia má altrativí rozdělí ravděodobostí s aramtrm d ) jstliž abývá ouz dvou hodot a a to hodoty s ravděodobostí a hodoty s ravděodobostí Tvrzí Vyštřujm výsyt jistého áhodého jvu A v sérii áhodých ousů Přdoládjm ž jv A astává s ravděodobostí závislou a výsldcích ostatích ousů v sérii a ozačm čtost výsytu jvu A v sérii Pa j áhodá vličia abývající hodot s ravděodobostmi *) d P ) Dfiujm dál oslouost vliči řdism i jstliž v jstliž v i - tém ousu asta jv A i - tém ousu asta jv A Pa jsou vzájmě závislé áhodé vličiy s altrativím rozdělím s aramtrm řičmž Dfiic Nchť j řirozé číslo ) a Rozdělí ravděodobostí osaé formulí *) s azývá biomicé rozdělí s aramtry ) Sutčost ž vličia má biomicé rozdělí s aramtry budm vyjadřovat záism ~ Bi ) Pozáma Povšimět si ž biomicé ravděodobosti *) jsou čly biomicého rozvoj ) Odtud ly ž součt všch biomicých ravděodobostí j rov jdé čímž j ověřo ž formulí *) j sutčě dfiováo disrétí rozdělí ravděodobostí Pozáma Nchť ) Biomicé rozdělí Bi ) j totožé s altrativím rozdělím s aramtrm Tvrzí lz řformulovat ásldujícím zůsobm Tvrzí Nchť jsou vzájmě závislé áhodé vličiy s altrativím rozdě- má rozdělí Bi ) lím s aramtrm Pa vličia Přílady ) Mějm hrací ostu a íž adá šsta s ravděodobostí Uvažm sérii hodů a ozačm očt šst v sérii Pa ~ Bi ) Séri hodů jdou ostou můž být řitom ahraza jdím simultáím hodm ostami za řdoladu ž šsta adá a všch ostách s stjou ravděodobostí ) Klíčivost sm dfiujm jao ravděodobost ž smo vylíčí Vybrm áhodě sm s líčivostí a ozačm očt těch z ich trá vylíčí Pa ~ Bi )

2 3) Průzum vřjého míěí) Djm tomu ž v daé oulaci suiě lidí) s % jdiců hlásí ázoru ž by mělo být lgalizováo ouří marihuay Vybrm áhodě jdiců a ozačm očt těch z ich tří jsou ro lgalizaci Pa ~ Bi ) 4) Djm tomu ž v orostu j % stromů aadých črvou hilobou Vybrm áhodě stromů a ozačm očt těch z ich tré jsou aadé Pa ~ Bi ) 5) Pěstujm hrách s bílými a fialovými věty Přdoládám řitom v souladu s druhým Mdlovým záom ž rostlia vyvt fialově s ravděodobostí 3 4 Vybrm áhodě jště vyvtlých rostli a ozačm očt těch z ich tré aoc vyvtou fialově Možost ž rostlia vyvt řitom řiouštím) Pa ~ Bi ) 6) Střlc střílí do trč řičmž má disozici ra Přdoládjm ž ravděodobost s íž střlc zasahuj trč j stál stjá a závislá a řdchozím růběhu střlby) Ozačm očt úsěšých zásahů Pa ~ Bi ) Vyčíslí biomicého rozdělí Pro vyčíslí biomicého rozdělí lz s výhodou oužít dál osaou rurtí formuli Ozačm Pa **) d ro Přílad Hodím dvactrát ravidlou hrací ostou Ozačm očt šst v taové sérii hodů Úolm j vyčíslit rozdělí ravděodobostí áhodé vličiy Řší Vličia má rozdělí Bi 6) tj biomicé rozdělí s aramtry a 6 Ozačm P ) Jdotlivé ravděodobosti lz vyočítat římým dosazím do formul *) chcm-li vša určit clé rozdělí j z hldisa složitosti výočtu mohm výhodější oužít formuli **) Graficé zázorěí rozdělí ravděodobostí očtu šst v sérii dvacti hodů ravidlou hrací ostou a umricé vyčíslí jdotlivých ravděodobostí s řsostí a čtyři dstiá místa) j zachyco v ásldujícím tyčovém diagramu a tabulc: 3 5 Pravděodobost Počt šst

3 P ) P ) Vidím ž jdotlivé ravděodobosti jrv mootóě rostou a osléz zas mootóě lsají Obrat astává ro 3 ; tto očt šst v sérii dvacti hodů ravidlou hrací ostou j jravděodobější j modm) Z rurtí formul **) vylývá ž biomicé rozdělí má vždy rávě jd loálí modus říadě mohou xistovat dvě o sobě ásldující jravděodobější hodoty Vzdalujm-li s řitom od modu dolva či dorava jdotlivé biomicé ravděodobosti lsají J tomu ta roto ž součiitl v rurtí formuli **) s rostoucím lsá J-li řitom tto součiitl větší ž jda a j-li aoa mší ž jda a Njvětší záoré clé číslo vyhovující rovosti j tdy hodotou řdcházjící modu Sado ahlédm ž řdchozí rovost j vivaltí s rovostí Modus j roto jmším clým číslm tré j větší bo rovo číslu Jia řčo modus j clým číslm acházjícím s v uzavřém itrvalu boli Tto itrval má délu jda a roto v ěm lží buď rávě jdié clé číslo abo dvě o sobě jdoucí clá čísla Shrutím a mírým rozšířím řdcho - zích úvah dosívám ásldujícímu tvrzí: Tvrzí 3 Nchť ~ Bi ) a Pro modus xˆ vličiy latí: ) xˆ ) xˆ 3) Jstliž j clé číslo a xˆ 4) Číslo xˆ obdržím z čísla zaorouhlím ahoru bo dolů) Při vhodé volbě aramtrů můž být modm rozdělí Bi ) i hodota ; v taovém říadě s rostoucí hodotou roměé biomicé ravděodobosti stál lsají Korétě latí: a) Jstliž a b) Jstliž a Podobě můž být modm i jvětší hodota rozdělí Bi ) totiž Vraťm s jště říladu Zd j 5 7 a tto itrval obsahuj jdié clé číslo totiž 3 Určili jsm ta modus rozdělí Bi 6) bz zalosti ravděodobostí jdotlivých hodot Přímým výočtm dál ověřím ž střdí hodota rozdělí Bi ) j Tto výsld řvauj boť v sérii hodů hrací ostou ad v růměru v aždém šstém hodu šsta což zamá ž a dvact hodů řiadá růměrě / šst Obcě lz 3

4 a uázat ž střdí hodota rozdělí ) Bi j rova To al v sojí s tvrzím 3 bod ) zamá ž střdí hodota biomicého rozdělí s raticy shoduj s jho modm J dobré si uvědomit ž toto j scificá vlastost biomicého rozdělí trá ro obcé disrétí rozdělí ravděodobostí latí Tvrzí 4 Nchť ) ~ Bi Pa ři ozačí j E ) a D ) Důaz J E ) ) ) Posldí suma j totiž součtm ravděodobostí všch hodot rozdělí ) Bi Podobě ) ) ) ) ) ) ) E Kočě E E D ) ) ) ) ) Tím j důaz rovd Dfiic 3 Nchť j ladé rálé číslo Řm ž áhodá vličia má Poissoovo rozdělí s aramtrm jstliž abývá hodot s ravděodobostmi )! ) P Sutčost ž vličia má Poissoovo rozdělí s aramtrm budm vyjadřovat záism ) ~ Po Pozáma Jliož!! j formulí ) j sutčě dfiováo disrétí rozdělí ravděodobostí Poissoovo rozdělí bývá často oužíváo jao aroximac rozdělí biomicého Jstliž totiž j říliš vlié a aoa říliš malé číslo a výočt biomicých ravděodobostí *) j umricy obtížý boť ombiačí číslo můž být xtrémě vlié a aoa číslo xtrémě malé V taovém říadě lz výraz *) ahradit jho limitou ro a ři ozačí Uazuj s ž touto limitou j tý - čl rozdělí Poissoova To j obsahm ásldujícího tvrzí 4

5 Tvrzí 5 Jstliž a taovým zůsobm ž d j ladá ostata a - tý čl biomicého rozdělí ovrguj - tému člu Poissoova rozdělí )! Důaz Nchť j vě zvolé číslo Pa ) ) )! ) ) ) Jliož tdy ) a ovrguj výraz číslu! Dál a čímž j důaz rovd ) ) )! ) ) Praticé ritérium Dl řdchozího tvrzí lz ro vlié a malé ahradit biomicé rozdělí Bi ) Poissoovým rozdělím Po ) d Toto rozdělí má ouz jd zámý aramtr a j oroti rozdělí biomicému mohm sáz vyčíslitlé Praticé ritérium ro dobrou shodu biomicého rozdělí s rozdělím Poisoovým) j řitom ásldující: j řádově alsoň či alsoň ěoli dsít) a Pozáma Povšimět si ž výš osaá aroximac biomicého rozdělí Poissoovým j ralizováa ta ž s shodují střdí hodoty obou rozdělí Podobě jao v říadě rozdělí biomicého sočívá ftiví zůsob vyčíslí Poissoova rozdělí ioliv v oužití formul ) ýbrž v oužití formul rurtí Ta má v říadě Poissoova rozdělí s aramtrm ásldující odobu Položm Pa )! ro Z formul ) lz vyvodit obdobé závěry o tvaru a modu Poissoova rozdělí jao v říadě rozdělí biomicého Korétě Poissoovo rozdělí má vždy rávě jd loálí modus trý můž být říadě zdvojý Vzdalujm-li s řitom od modu dolva či dorava jdotlivé oissoovsé ravděodobosti lsají Korétí hodotu modu a tvar Poissoova rozdělí s aramtrm můžm řitom oamžitě určit a záladě ásldujících tvrzí 5

6 Tvrzí 6 Nchť ~ Po ) Pro modus xˆ vličiy latí: ) xˆ ) xˆ 3) Jstliž j clé číslo a xistují rávě dvě jravděodobější hodoty vličiy totiž a 4) Jstliž í clé číslo a modus xˆ j urč jdozačě a obdržím jj zaorouhlím čísla dolů Tvrzí 7 Nchť ~ Po ) Ozačm P ) ) Jstliž a ) Jstliž a 3) lim Tvrzí 6 ) ám říá ž střdí hodota Poissoova rozdělí s rlativě téměř liší od jho modu Platí totiž ásldující tvrzí Tvrzí 8 Nchť ~ Po ) Pa E ) D ) Důaz J E )!! )! Posldí suma j totiž součtm ravděodobostí všch hodot rozdělí Po ) Podobě E )! )!! )! )! Kočě D ) E ) E ) Tím j důaz rovd Přílad Na ásldujících obrázcích jsou zázorěy tyčové diagramy tří biomicých rozdělí Bi ) solu s diagramy odovídajícího Poissoova rozdělí Po ) d Korétě byly zvoly hodoty 5 ; 6 a Zatímco v rvém říadě j shoda biomicého rozdělí s Poissoovým vlmi těsá v druhém říadě už to říci lz V osldím říadě a o žádé dobré aroximaci biomicého rozdělí Poissoovým můž být ai řči 6

7 Pravděodobost 5 5 Biomicé rozdělí Poissoovo rozdělí λ Hodota Pravděodobost 5 5 Biomicé rozdělí Poissoovo rozdělí λ Hodota Pravděodobost Biomicé rozdělí Poissoovo rozdělí λ Hodota 7

8 ÚLOHY Klíčivost sm j 8 Zasjm dst sm a) Jaá j ravděodobost ž vylíčí rávě sdm sm? b) Jaá j ravděodobost ž vylíčí alsoň sdm sm? c) Jaý očt vylíčých sm j jvíc ravděodobý? Řší Nchť j očt sm trá vylíčí Vličia má biomicé rozdělí ravděodobostí s aramtry a 8 Tdy Szam ravděodobostí P ) d ro j obsaž v ásldující tabulc: P ) Při výočtu ravděodobostí j řitom výhodé oužít rurtí formuli trá staoví ja a záladě zalosti ravděodobosti Dostam určit ravděodobost Sciálě latí ž a) 7) ravděodobý očt vylíčých sm j rov osmi P b) P 7) 88 c) jvíc Ja určít modus rozdělí Bi ; 8) z řdchozí úlohy chct-li roočítávat clé toto rozdělí? Řší Modus rozdělí Bi ) j clým číslm z itrvalu d V tomto itrvalu lží vždy též číslo tj střdí hodota rozdělí Bi ) Jliož v daém říadě j číslo clé orétě 8 j toto číslo též jdiou hodotou modu Tudíž x ˆ 8 3 Pěstujm hrách s bílými a fialovými věty Věřím v latost Mdlových záoů a řdoládám tudíž ž rostlia vyvt fialově s ravděodobostí 4 Jaá j ravděodobost ž z d- 3 sti rostli jich rávě vyvt fialově? Řší Nchť j očt rostli tré vyvtou fialově Vličia má biomicé rozdělí ravděodobostí s aramtry a 3 4 Tdy P ) Graficé zázorěí tohoto rozdělí omocí tyčového diagramu j a ásldujícím obrázu 8

9 35 3 Pravděodobost Počt rostli tré vyvtou fialově 4 Určt modus rozdělí Bi ) aiž byst roočítávali clé toto rozdělí 6 5 Pěstujm hrách Přstož s o rostliy dobř starám občas ětrá z ich uhy Pravděodobost ž tomu dojd j vša vlmi malá; orétě řdoládjm ž j rova a) Jaá j ravděodobost ž z jdoho tisíc rostli žádá uhy uhyou jvýš čtyři? b) Jstliž budm tvrdit ž z jdoho tisíc rostli jich uhy jvýš sdm jaá j ravděodobost ž ám aš řdověď vyjd? Řší Nchť j očt rostli tré uhyou Vličia má rozdělí Bi ; ) Toto rozdělí lz s začou řsostí aroximovat Poissoovým rozdělím s aramtrm ; aramtr vyjadřuj řitom v daém otxtu střdí očt rostli tré uhyou Užitčost aroximac sočívá v tom ž Poissoovo rozdělí s sáz vyčíslí Dostam řitom lz užít rurtí formuli P )! trá výočt ravděodobostí jště víc zjdoduší Povšimět si ž od již vyočté ravděodobosti řjdm ravděodobosti ta ž ravděodobost zásobím hodotou aramtru a oté odělím idxm rávě očítaé ravděodobosti Pro 7 jsou ravděodobosti zazamáy v ásldující tabulc: P ) P P 4) 95 b) 7) 999 Sciálě tdy: a) ) 35 P Zázorím-li rozdělí ravděodobostí očtu uhyulých rostli tyčovým diagramm j sutčost ž j s vlmi malou ravděodobostí můž uhyout víc ž sdm rostli ihd atrá Korétě j tato ravděodobost rova ) Chcm-li být oatrější můžm ařílad tvrdit ž uhy víc ž dst rostli Pravděodobost ž ám tato řdověď vy- 9

10 jd j už jom Pravděodobost Počt uhyulých rostli 6 Ja určít modus rozdělí Po ) z řdchozí úlohy chct-li roočítávat clé toto rozdělí? Řší Modus rozdělí Po ) j clým číslm z itrvalu V daém říadě s jdá o itrval xistují roto rávě dvě jravděodobější hodoty rozdělí Po ) totiž a 7 Při řijímacích zoušách a lsicou faultu sali studti tst z biologi s adsáti otázami U aždé otázy byly uvdy tři možé odovědi z toho rávě jda srává Za aždou srávou odověď zísal studt jd bod bylo tdy možo zísat jvýš adsát bodů) Jstliž studt zísal méě ž dst bodů byl dooruč studiu Přdoládjm ž studt s a zoušu vůbc řiravil a volil roto odovědi zcla áhodě a) Jaý očt zísaých bodů j ři tomto ostuu jvíc ravděodobý? b) Jaá j ravděodobost ž studt ři saí tstu usěl tj zísal alsoň dst bodů)? Výsld: a) 6 a 7 b) asi 99 4 Pravděodobost Počt bodů

11 Bodové rocsy a rostorová usořádáí Dfiic 4 Prostorm rozumím libovolý Eulidovsý rostor bo jho část; můž jít tdy o rostor třírozměrý al též dvojrozměrý roviu) bo jdorozměrý římu) Dfiic 5 Prostorový bodový rocs stručěji bodový rocs) j áhodý rocs vybírající body v rostoru Prostorová bodová strutura stručěji bodová strutura) j výsld ůsobí ějaého bodového rocsu Body řitom zravidla rrztují ozic určitých hmotých objtů jdiců) či místa výsytu jistých áhodých událostí Bodový rocs ta ja byl výš adfiová j rocs sojitý v tom smyslu ž ozic jdiců či místa výsytů událostí s mohou acházt v jaéoliv části rostoru Tto rocs můž vša robíhat též v disrétím rostřdí dy výsyt jdiců či událostí j omz ouz a určitá vzájmě oddělá místa Dfiic 6 Bodový rocs s azývá homogí jstliž umisťuj jdic s stjou ravděodobostí rs gruj události s stjou itzitou) v všch místch rostoru Dfiic 7 Bodový rocs s azývá čistě áhodý též zcla áhodý) jstliž místa výsytu jdiců rs událostí) závisjí a tom d jsou umístěi ostatí jdici rs v trých místch rostoru astaly ostatí události) Jstliž výsyt jdic či události v bodě x sižuj ravděodobost výsytu dalších jdiců či událostí oblíž tohoto bodu mluvím o ihibici Naoa jstliž výsyt jdic či události v bodě x zvyšuj ravděodobost výsytu dalších jdiců či událostí oblíž tohoto bodu mluvím o atraci Přílady ologicé) ) Za výsld čistě áhodého bodového rocsu ovažujm ař rostorové rozmístěí otmíů zroazů moučých molů aod ) Silá ihibic bývá výsldm silé ourc a lz ji zazamat síš u rostli u živočichů j výjimčě) Výsldm ihibic j vytváří ravidlých rostorových strutur ař u ouštích řů či oloiálě hízdících táů zd j vzdálost mzi jdici urča tím am až můž daý tá dolovout svým zobám) Výsldm atrac bývá aoa vytváří shluů a agrgovaých rostorových strutur Přílad 3 Na ásldujícím obrázu j zázorěo rozmístěí dvaašdsáti smáčů svojí vždyzlých a čtvrcové loš; body zachycují ozic jdotlivých stromů a řdstavují dvojrozměrou bodovou struturu Tato strutura j výsldm bodového rocsu jhož mchaismus j v daém říadě zám Korétě všchy stromy jsou soustřděy olm starých rodičovsých stromů ty vša jsou v strutuř zarsly) Shluy otomů rodičovsých stromů jsou oměrě dobř atré a výsldá strutura s roto jví jao agrgovaá Obr Prostorové rozmístěí svojí

12 Přílad 4 Na ásldujícím obrázu j zázorěo rostorové rozmístěí smrů Toto rozmístěí j vícméě ravidlé tj s řádově srovatlými rozstuy mzi jdici což j třba řisat jsíš a vrub ihibic mzi jdotlivými jdici Tato ihibic j zabudovaá do bodového rocsu jhož výsldm j zazamaá bodová strutura Obr Prostorové rozmístěí smrů Přílad 5 Na ásldujícím obrázu j zachyc výsld homogího čistě áhodého bodového rocsu Korétě jd o výsld ostuého vybíráí bodů v jdotovém čtvrci rostřdictvím grátoru áhodých čísl Pozic žádého z bodů í a ovlivěa umístěím bodů ostatích což zamá ž jd o čistě áhodý rocs Body jsou řitom grováy vybíráy) v všch místch rostoru s stjou itzitou ravděodobostí) což zamá ž jd o rocs homogí Obr 3 Čistě áhodé rozmístěí bodů v čtvrci Ozačí Djm tomu ž ozorujm výsld ůsobí jistého bodového rocsu v ějaé omzé možiě loalitě) B ) Ozačm m B) vliost možiy B Tudíž m B) j déla možiy B v říadě bodového rocsu a římc řivc) obsah možiy B v říadě bodového rocsu v roviě a loš) a objm možiy B v říadě trojrozměrého bodového rocsu ) Ozačm Β) očt jdiců rs událostí) umístěých rs vygrovaých) rocsm v možiě B Pa Β) j áhodá vličia a současě j to míra V torii áhodých rocsů bývá azýváa áhodou aritmticou mírou Pozáma Nchť j homogí bodový rocs Pa střdí očt jdiců rs událostí) umístěých rs vygrovaých) rocsm v možiě B tj střdí hodota áhodé vličiy Β) závisí ouz a objmu možiy B a ioliv a jjím umístěí či oritaci v rostoru

13 Biomicý bodový rocs Dfiic 8 Nchť j určitá omzá část rostoru Homogí čistě áhodý bodový rocs rozmisťující určitý řdm daý očt jdiců v možiě s azývá biomicý bodový rocs v možiě ) Věta Nchť j biomicý bodový rocs rozmisťující čistě áhodě) jdiců v možiě a chť B j jistá část možiy Pa d m B) m ) Β) ~ Bi ) Důaz Očíslujm jdotlivé jdic řirozými čísly řdism i a dfiujm oslouost vliči jstliž i - tý jdic s achází v možiě B jstliž i - tý jdic s achází v možiě B Vzhldm tomu ž rocs j homogí mají všchy vličiy altrativí rozdělí s týmž aramtrm m B) m ) Sutčost ž rocs j čistě áhodý a zaručuj ž tyto vličiy jsou vzájmě závislé Přitom stačí tdy aliovat tvrzí Β) Přílad 6 rozmístěí rozi v bochácích) Do jdoho sta ilogramů těsta vsym dst tisíc rozi ačž těsto s roziami vlmi důladě romísím Z těsta oté vytvářím adsátigramové bocháy Ozačm očt rozi v bocháu a) Poišt rozdělí ravděodobostí áhodé vličiy b) Vyočítjt ravděodobost ž v áhodě vybraém bocháu í žádá rozia jsou alsoň tři roziy Řší a) Těsto lz ovažovat za část třírozměrého Eulidovsého rostoru a mchaismus rozmisťováí rozi v těstě za trojrozměrý bodový rocs V aší úloz jd o rocs homogí dy roziy jsou umisťováy s stjou ravděodobostí v libovolém místě rostoru; to j ovšm slěo až thdy dyž roziy v těstě vlmi důladě zamíchám Dál jd o rocs čistě áhodý boť j řirozé řdoládat ž mzi jdotlivými roziami jsou žádé rostorové itrac zd j ovšm důlžité ž vliost rozi j v srováí s objmm těsta v odstatě zadbatlá ročž lz roziy v úvahách o jjich rostorovém rozmístěí ovažovat za body) Jia řčo výsldá oloha žádé z rozi závisí a oloz ostatích rozi v těstě Počt rozmisťovaých rozi j řitom vě dá; ozačm jj Ozačm dál N očt bocháů Těsto řdstavuj možiu áhodě vybraý avša v dalších úvahách vě daý) bochá j odmožiou B možiy Vličia j totožá s vličiou Β) z věty a má tudíž dl této věty rozdělí Bi ) d m B) m ) N Shruto ~ Bi N V ašm říadě j N a tdy ~ Bi; 5) Rozdělí Bi ; 5) lz řitom s vlou řsostí aroximovat Poissoovým rozdělím s aramtrm 5 vyjadřujícím růměrý očt rozi řiadajících a jd bochá) b) P ) 7 P 3) 875 3

14 Pravděodobost Počt rozi v bocháu Poissoův bodový rocs Dfiic 9 Homogí čistě áhodý bodový rocs grující v rostoru áhodé události s azývá Poissoův bodový rocs Střdí očt událostí řiadajících a jdotu objmu lochy dély ) azývám itzitou tohoto rocsu Pozáma Rozdíl mzi biomicým a Poissoovým bodovým rocsm sočívá v tom ž biomicý rocs rozmisťuj v jisté omzé části rostoru řdm daé možství jdiců zatímco Poissoův rocs rostě gruj události s řdm daou itzitou) Nědy s ojm Poissoův rocs oužívá v obcějším slova smyslu ro jaýoliv čistě áhodý bodový rocs grující v rostoru áhodé události a homogí čistě áhodý rocs s a azývá homogí Poissoův rocs bo též Poissoův rocs s ostatí itzitou Věta Nchť j Poissoův bodový rocs a B j určitá omzá část rostoru Pa d j itzita rocsu Β) ~ Po m B) Důaz Přdstavm si možiu B rozdělou a vlmi malých vzájmě disjutích částí Budou-li tyto části očě malé což asta ro ) lz si j řdstavit jao místa v rostoru v ichž ásldm bodového rocsu dojd buď výsytu rávě jdié události bo dojd výsytu žádé události řiouštím tdy výsyt víc ja jdé události v jdom a řsě tom samém místě) Vzhldm tomu ž rocs j homogí j ravděodobost výsytu události ro všcha tato dfiovaá místa v rostoru stjá; ozačm tuto ravděodobost Pravděodobost j zřjmě římo úměrá vliosti daého místa tj m B) Jsou-li řitom místa očě malá lz zavést ostatu úměrosti stjou ro všcha místa v rostoru) a sát m B) Paramtr má zřjmě výzam itzity s íž s události v rostoru vysytují zatím ovšm jště í zjvé ž jd o itzitu v smyslu dfiic 9 Náhodou aritmticou míru Β) lz yí dfiovat jao očt těch míst v možiě B v ichž asta událost Jliož vša rocs j čistě áhodý závisí ravděodobost výsytu události v daém místě a tom v jaých dalších místch 4

15 možiy B události astaly či astaly) Dl tvrzí má tdy vličia Β) rozdělí Bi ) Přitom vša a mb) Dl tvrzí 5 j tdy Β) vličia s rozdělím Po mb) což bylo doázat Odtud dál vylývá ž střdí očt událostí vygrovaých rocsm v možiě B j rov mb) a tdy střdí očt událostí vygrovaých rocsm v možiě s jdotovým objmm j rov Paramtr má tdy sutčě výzam itzity v smyslu dfiic 9 Tyicá aliac Nchť rostliy a louc tj v roviě) jsou rozmístěy a záladě ůsobí ásldujícího mchaismu: ) Itzita výsytu rostli j všud stjá ) Náhodý jv sočívající v tom ž a daém místě vyrost či vyrost) rostlia závisí a tom oli dalších rostli vyrostlo v oolí tohoto místa Budiž B omzá možia řdstavující xrimtálí lochu tj jistou část louy ař čtvrcového či ruhového tvaru Ozačm Β) očt rostli tré s objví rs achází) v možiě B Pojm objví j advátí thdy jstliž xrimtálí locha j řdm zvola a oté čám až rostliy vyrostou ojm achází odovídá situaci dy všchy rostliy již vyrostly a oté j a louc áhodě umístěa xrimtálí locha daé vliosti a tvaru) Úolm j určit rozdělí ravděodobostí vličiy Β) Řší Mchaismus výsytu rostli a louc slňující ožadavy ) a ) řdstavuj Poissoův rocs Vličia Β) má tudíž Poissoovo rozdělí s aramtrm mb) d j itzita výsytu rostli a louc tj střdí očt rostli řiadající a jdotu lochy Přílad 7 Přdoládjm ž bodláy jsou a louc rozmístěy zcla áhodě řičmž střdí očt rostli řiadajících a jd mtr čtvrčí j rov dvěma Při rocházc o louc si áhodě vybrm místo odočiu Jaá j ravděodobost ž v oruhu jdoho mtru olm ás s acházjí jvýš dva bodláy? Řší Rozmístěí bodláů a louc j dl řdoladů úlohy výsldm dvojrozměrého homogího Poissoova rocsu s itzitou dzitou) dvě rostliy a mtr čtvrčí Počt rostli v ruhu o oloměru jd mtr s tdy řídí Poissoovým záom rozdělí ravděodobostí s aramtrm Pravděodobost ž s v tomto ruhu acházjí jvýš dvě rostliy j asi 5 Jdorozměrý Poissoův rocs Jdorozměrý Poissoův rocs zravidla itrrtujm jao rocs výsytu áhodých událostí v čas Často s ojm Poissoův rocs oužívá v užším slova smyslu ouz ro tto ty áhodého rocsu Dfiic j otom ásldující Dfiic Procs výsytu áhodých událostí v čas s azývá Poissoovým rocsm s ostatí itzitou) jstliž latí: ) K událostm dochází stál s stjou itzitou ) Budoucí růběh rocsu závisí a miulém růběhu rocsu Přílady Poissoovým rocsm jsou ařílad ) výsyty hod v jistém úsu dálic oruch ějaého stroj racovích úrazů v určitém rovozu ) říchody hovorů a tlfoí ústřdu 5

16 3) rozad atomů radioativí láty v časovém úsu zadbatlém v orováí s oločasm rozadu) 4) úmrtí jdiců v oulaci s ostatí mortalitou v časovém úsu zadbatlém v orováí s střdí délou života) Věta abývá yí ásldující formy Věta 3 Nchť N T j očt událostí tré jaožto výsld Poissoova rocsu s ostatí itzitou astaou v časovém itrvalu dély T Pa N T ~ Po T ) Itzita má řitom výzam střdího očtu událostí řiadajících a jdotu času Přílad 8 Přdoládjm ž a tlfoí ústřdu řicházjí v určité dí době hovory s měou itzitou tři hovory za jdu miutu a) Jaá j ravděodobost ž za jdu miutu dojd a ústřdu méě ž ět hovorů? b) Odhadět s 95% ravděodobostí maximálí očt hovorů tré dojdou a ústřdu běhm jdé miuty c) Určt střdí délu itrvalu mzi dvěma o sobě ásldujícími říchody hovorů d) Jaá j ravděodobost ž déla itrvalu mzi dvěma o sobě ásldujícími říchody hovorů j dlší ž jda miuta? Výsld: Nchť j očt hovorů tré dojdou a ústřdu běhm jdé miuty Příchody hovorů a tlfoí ústřdu jsou tyicým říladm Poissoova rocsu tudíž Odtud ly ž: a) b) c) střdí déla itrvalu mzi dvěma o sobě ásldujícími říchody hovorů j rova dvacti vtřiám d) P ) 3 5 ÚLOHY Dvě stě ašich soluobčaů bzdomovců s čistě áhodě rozmístilo a oté usadilo) a homogím staovišti o rozloz dst čtvrčích ilomtrů Uvitř tohoto staoviště j dstihtarový ozm atřící jié aší soluobčac Zuzc H S jaou ravděodobostí osídlili Zuzčio úzmí alsoň tři bzdomovci? Řší Ozačm očt bzdomovců osídlivších Zuzčio úzmí Vzhldm řdoladu čistě áhodého rozmístěí bzdomovců a daém staovišti má vličia rozdělí Bi ; řitom lz oužít aroximaci Odtud ly ž P 3) 3 Tisíc turistů vyrazilo a dvact ilomtrů dlouhou túru Každý z ich dostal a cstu od ořadatlů o jdom jogurtu Běhm túry odhodili turisté všchy límy od jogurtů odél csty Sto mtrů dlouhý ús csty vd úzmím m Aačů Každého turistu trý a jjich úzmí odhodí lím Aačové salují Jstliž řdoládám ž turisté odhazují límy v růběhu túry zcla áhodě jaá j ravděodobost ž alsoň dva z ich řijdou o sal? Výsld: Rozmístěí límů odél csty j dl řdoladů úlohy výsldm jdorozměrého biomicého bodového rocsu Hldaá ravděodobost j Dst tisíc brouů s čistě áhodě rozmístí a dvou a ůl tisíci rostli Poišt rozdělí ravděodobostí očtu brouů a rostliě a zázorět j graficy Řší Náhodý rocs grující rozmístěí brouů a rostliách lz ovažovat za bodový rocs v disrétím rostřdí tvořém rostliami Přdoládjm ž rostřdí tvořé rostliami) 6

17 j z hldisa životích odmí brouů homogí a ž rostliy jsou stjě vlié Počt brouů a rostliě j otom áhodou vličiou s rozdělím Bi 5 Z výočtího hldisa j řitom výhodé aroximovat toto rozdělí Poissoovým rozdělím s aramtrm 4 Sciálě latí ž a rostliě j s ravděodobostí 99 jvýš dvět brouů 5 Pravděodobost Počt brouů a rostliě 4 Brouci jsou čistě áhodě rozmístěi a rostliách s itzitou dzitou) 4 broua a jdu rostliu Jaý očt brouů a rostliě j a jvíc ravděodobý? Určt tuto ravděodobost Přdoládám ž rostliy jsou stjě vlié) 5 Rostliy jsou a daé loalitě rozmístěy čistě áhodě s itzitou jda rostlia a mtr čtvrčí Jaý očt rostli v áhodě vybraém ruhu o růměru jd mtr j a jvíc ravděodobý? Výsld: 6 Loua j rozdělá a dvět st stjě vlých čtvrců Dvě stě dvact jd z těchto čtvrců řitom obsahuj žádou sdmirásu Přdoládjt ž sdmirásy jsou a louc rozmístěy čistě áhodě a oírajíc s o tto řdolad odhadět očt sdmirás a louc Výsld: 64 7 Brouci jsou rozmístěi zcla áhodě a stjě vliých) rostliách s itzitou čtyři brouci a rostliu Jaá j ravděodobost ž s a rostliě achází lichý rs sudý) očt brouů? Řší Nchť brouci jsou a rostliách rozmístěy čistě áhodě s ostatí itzitou vyjádřou v očtu brouů řiadajících a jdu rostliu) Pa P a rostliě j lichý očt brouů)! 3 3! 5 5! sih 4 sih P a rostliě j sudý očt brouů)! 4 4! cosh 4 cosh Přdoládjm ž běhm léta uhyou z daé věové třídy určité oulac v růměru tři jdici dě řičmž úmrtost j běhm clého léta stjá Ozačm očt jdiců tří uhyou běhm jdoho d a) Poišt rozdělí ravděodobostí áhodé vličiy a určt jho modus b) Jaá j ravděodobost ž běhm jdoho d uhy jvýš jd jdic? Řší a) Přdoládjm ž zvolá časová jdota d) j vlmi malá v srováí s střdí délou života jdic Rozdělí ravděodobostí vličiy j otom Poissoovo s aramt- 7

18 rm 3 Paramtr má v daém otxtu výzam itzity umíráí boli mortality) Njvíc ravděodobý j řitom úhy dvou bo tří jdiců za d 3 b) P ) 4 8

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru SP Náhodý vetor ezávislost fuce NV PRAVDĚPODONOST A STATISTIKA Náhodý vetor ezávislost fuce áhodého vetoru Libor Žá Náhodý vetor stochasticá ezávislost Náhodé veličiy... defiovaé a ravděodobostím rostoru

Více

je daná vztahem v 0 Ve fyzice bývá zvykem značit derivaci podle proměnné t (podle času) tečkou, proto píšeme

je daná vztahem v 0 Ve fyzice bývá zvykem značit derivaci podle proměnné t (podle času) tečkou, proto píšeme DERIVACE FUNKCE Má zásadí výzam při vyštřováí fukčích závislostí j v matmatic, al také v aplikacích, apř v chmii, fyzic, koomii a jiých vědích oborch Pricip drivováí formulovali v 7 stoltí závisl a sobě

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru SP Náhodý vetor ezávislost fuce NV PRAVDĚPODONOST A STATISTIKA Náhodý vetor ezávislost fuce áhodého vetoru Libor Žá Náhodý vetor stochasticá ezávislost Náhodé veličiy... defiovaé a ravděodobostím rostoru

Více

Exponenciální funkce a jejich "využití" - A (Tato doplňková pomůcka nemůže v žádném případě nahradit systematickou matematickou přípravu.

Exponenciální funkce a jejich využití - A (Tato doplňková pomůcka nemůže v žádném případě nahradit systematickou matematickou přípravu. Josf PUNČOCHÁŘ: Epociálí fukc a ich "využití" ld Epociálí fukc a ich "využití" - A (Tato doplňková pomůcka můž v žádém případě ahradit systmatickou matmatickou přípravu. Epociálí fukc dfiováa obcě vztahm

Více

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

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

Více

DISKRÉTNÍ NÁHODNÉ VELIČINY (II)

DISKRÉTNÍ NÁHODNÉ VELIČINY (II) DISKRÉTNÍ NÁHODNÉ VELIČINY (II). Jaá je pravděpodobnost že při deseti poctivých hodech poctivou hrací ostou a) padnou samé šesty b) nepadne ani jedna šesta c) padne alespoň jedna šesta d) padnou právě

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA P NOV PRVDĚPODOBNOT TTTK Lbor Žák P NOV Lbor Žák Vícvýběrové tsty - NOV NOV tsty s rovádí s omocí aalýzy roztylů NOV souhré tsty ro víc ěž dva výběry. NOV aramtrcká tstováí charaktrstk z zámých rozdělí

Více

Regulátor NQR pro nelineární oscilátor s analýzou stability

Regulátor NQR pro nelineární oscilátor s analýzou stability Rulátor NQR ro liárí osilátor s aalýzou stability Pavl Stibaur Mihal Valáš Abstrat: V řísěvu j stručě shruta a řdvší aliováa todoloi ávrhu liárího zětovazbího stavového rulátoru NQR a bhar liárího osilátoru

Více

Markovovy řetězce s diskrétním časem (Discrete Time Markov Chain)

Markovovy řetězce s diskrétním časem (Discrete Time Markov Chain) Stochastcé rocesy Marovovy řetězce s dsrétím časem (Dscrete Tme Marov Cha) Stochastcý roces Stochastcým rocesem {X(t), tr} je moža áhodých velč X(t) závslých a jedom arametru t. Stavový rostor : moža možých

Více

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

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

Více

6.1 Systémy hromadné obsluhy

6.1 Systémy hromadné obsluhy 6. Systémy hromadé obsluhy Proces usoojováí áhodě i hromadě vziajících ožadavů a obsluhu se azývá roces hromadé obsluhy. Předmětem teorie hromadé obsluhy, ědy taé ozačovaé jao teorie frot (z aglicých slov

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení

PRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení S1P áhodá roměá vybraá rozděleí PRAVDĚPODOBOST A STATISTIKA áhodá roměá vybraá rozděleí S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Degeerovaé rozděleí D( ) áhodá veličia X s degeerovaým

Více

8.1.2 Vzorec pro n-tý člen

8.1.2 Vzorec pro n-tý člen 8 Vzorec pro -tý čle Předpolady: 80 Pedagogicá pozáma: Přílady a hledáí dalších čleů posloupostí a a objevováí vzorců pro -tý čle do začé míry odpovídají typicým příladům z IQ testů, teré studeti zají

Více

Definice obecné mocniny

Definice obecné mocniny Defiice obecé mociy Zavedeí obecé mociy omocí ity číselé oslouosti lze rovést ěkolika zůsoby Níže uvedeý zůsob využívá k defiici eoeciálí fukce itu V dalším budeme otřebovat ásledující dvě erovosti: Lemma

Více

Dvojný integrál. Dvojný integrál na obdélníkové oblasti

Dvojný integrál. Dvojný integrál na obdélníkové oblasti Dvojý itegrál Zatímo itegračím oborem jeorozměrého itegrálu bl iterval, u vojého itegrálu je třeba raovat s vojrozměrými obor. Může to být obélíová oblast, ale i složitější útvar jao ař. ruh, ruhová výseč

Více

Katedra obecné elektrotechniky Fakulta elektrotechniky a informatiky, VŠB - TU Ostrava ENERGETIKA U ŘÍZENÝCH ELEKTRICKÝCH POHONŮ. 1.

Katedra obecné elektrotechniky Fakulta elektrotechniky a informatiky, VŠB - TU Ostrava ENERGETIKA U ŘÍZENÝCH ELEKTRICKÝCH POHONŮ. 1. Katedra obecé eletrotechiy Faulta eletrotechiy a iformatiy, VŠB - TU Ostrava EERGETIKA U ŘÍZEÝCH EEKTRICKÝCH POHOŮ Předmět : Rozvody eletricé eergie v dolech a lomech. Úvod: Světový tred z hledisa eletricé

Více

6 VYBRANÁ ROZDLENÍ DISKRÉTNÍ NÁHODNÉ VELIINY

6 VYBRANÁ ROZDLENÍ DISKRÉTNÍ NÁHODNÉ VELIINY 6 VYBRANÁ ROZDLENÍ DISKRÉTNÍ NÁHODNÉ VELIINY Rozdleí áhodé veliiy je edis, terým defiujeme ravdodobost jev, jež lze touto áhodou veliiou osat. Záladím rozdleím oisujícím výbry bez vraceí je hyergeometricé

Více

Odhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení

Odhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení Odhad parametru p biomického rozděleí a test hypotézy o tomto parametru Test hypotézy o parametru p biomického rozděleí Motivačí úloha Předpokládejme, že v důsledku realizace jistého áhodého pokusu P dochází

Více

Fyzika V. Rupert Leitner ÚČJF MFF UK 838A, l Doporučená literatura: W.S.C. Williams: Nuclear and Particle Physics

Fyzika V. Rupert Leitner ÚČJF MFF UK 838A, l Doporučená literatura: W.S.C. Williams: Nuclear and Particle Physics Fyza V urt tr urt.tr@ff.cu.cz ÚČJF FF UK 88 l. Dooručá ltratura: W.S.C. Wllas: Nuclar ad artcl hyscs. tr Fyza V řdáša řdáša..7. Jdoty. Kata -vtory ortzova trasforac a - částcové rozady rahy rací Ivaratí

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBOST A STATISTIKA Degeerovaé rozděleí D( ) áhodá veličia X s degeerovaým rozděleím X ~D(), R má základí rostor Z = { } a ravděodobostí fukci: ( ) 1 0 Charakteristiky: středí hodota: E(X ) roztyl:

Více

8.1.2 Vzorec pro n-tý člen

8.1.2 Vzorec pro n-tý člen 8.. Vzorec pro -tý čle Předpolady: 80 Pedagogicá pozáma: Myslím, že jde o jedu z velmi pěých hodi. Přílady a hledáí dalších čleů posloupostí a a objevováí vzorců pro -tý čle do začé míry odpovídají typicým

Více

Univerzita Karlova v Praze Pedagogická fakulta

Univerzita Karlova v Praze Pedagogická fakulta Uivrzit Krlov v Prz Pdgogická fkult SEMINÁRNÍ PRÁCE Z MATEMATICKÉ ANALÝZY KONVERGENCE ŘAD. přprcové vydáí / Cifrik, M-ZT Zdáí: Vyštřt kovrgci řdy, jstliž. ( ).!.. l ( ). 7.!. ( ). 8..! 4. 9. cos.. Vyprcováí:

Více

Variabilita měření a statistická regulace procesu

Variabilita měření a statistická regulace procesu Variabilita měří a statistická rgulac procsu Ig. Darja Noskivičová, CSc. Katdra kotroly a řízí jakosti, VŠB-TU Ostrava Abstrakt: Efktivost využití statistických mtod pro aalýzu a řízí procsů j odvislá

Více

n 3 lim 3 1 = lim Je vidět, že posloupnost je neklesající, tedy z Leibnize řada konverguje, ( 1) k 1 k=1

n 3 lim 3 1 = lim Je vidět, že posloupnost je neklesající, tedy z Leibnize řada konverguje, ( 1) k 1 k=1 3. cvičeí Přílady. (a) (b) (c) ( ) ( 3 ) = Otestujeme itu 3 = 3 = = 0. Je vidět, že posloupost je elesající, tedy z Leibize řada overguje, ( ) Řada overguje podle Leibizova ritéria, ebot je zjevě erostoucí.

Více

Kapitola 2. Bohrova teorie atomu vodíku

Kapitola 2. Bohrova teorie atomu vodíku Kapitola - - Kapitola Bohrova tori atomu vodíku Obsah:. Klasické modly atomu. Spktrum atomu vodíku.3 Bohrův modl atomu vodíku. Frack-Hrtzův pokus Litratura: [] BEISER A. Úvod do modrí fyziky [] HORÁK Z.,

Více

3. Charakteristiky a parametry náhodných veličin

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

Více

Funkce hustoty pravděpodobnosti této veličiny je. Pro obecný počet stupňů volnosti je náhodná veličina

Funkce hustoty pravděpodobnosti této veličiny je. Pro obecný počet stupňů volnosti je náhodná veličina Přdnáša č 6 Náhodné vličiny pro analyticou statistiu Při výpočtch v analyticé statistic s používají vhodné torticé vličiny, tré popisují vlastnosti vytvořných tstovacích charatristi Mzi njpoužívanější

Více

PRAVDĚPODOBNOST ... m n

PRAVDĚPODOBNOST ... m n RVDĚODONOST - matematická discilía, která se zabývá studiem zákoitostí, jimiž se řídí hromadé áhodé jevy - vytváří ravděodobostí modely, omocí ichž se saží ostihout rocesy, ovlivěé áhodou. Náhodé okusy:

Více

6. KOMBINATORIKA 181. 6.1. Základní pojmy 181 6.1.1. Počítání s faktoriály a kombinačními čísly 182. 6.2. Variace 184. 6.3.

6. KOMBINATORIKA 181. 6.1. Základní pojmy 181 6.1.1. Počítání s faktoriály a kombinačními čísly 182. 6.2. Variace 184. 6.3. Zálady matematiy Kombiatoria. KOMBINATORIKA 8.. Záladí pojmy 8... Počítáí s fatoriály a ombiačími čísly 8.. Variace 8.. Permutace 85.. Kombiace 87.5. Biomicá věta 89 Úlohy samostatému řešeí 9 Výsledy úloh

Více

5. Lineární diferenciální rovnice n-tého řádu

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

Více

Název školy: Gymnázium Jana Nerudy, škola hl. města Prahy. Předmět, mezipředmětové vztahy: matematika a její aplikace

Název školy: Gymnázium Jana Nerudy, škola hl. města Prahy. Předmět, mezipředmětové vztahy: matematika a její aplikace Název: Kombiatoria Autor: Mgr. Haa Čerá Název šoly: Gymázium Jaa Nerudy, šola hl. města Prahy Předmět, mezipředmětové vztahy: matematia a její apliace Ročí: 5. ročí Tématicý cele: Kombiatoria a pravděpodobost

Více

Náhoda. Pravděpodobnost výhry při sázce na barvu: p = 18/37 = 0,486 Průměrný zisk při n sázkách částky č: - n.č + 2.č.n.p = n.č.

Náhoda. Pravděpodobnost výhry při sázce na barvu: p = 18/37 = 0,486 Průměrný zisk při n sázkách částky č: - n.č + 2.č.n.p = n.č. Náhoda při i hřeh Martigale: Vsadíšřeěme dolar a barvu, terou si vybereš (červeáči čerá) a budeš stále sázet je a i. Roztočíš ruletu a čeáš Poud prohraješ, zdvojásobíš sázu, taže vsadíš příště dolary.

Více

Jihočeská univerzita v Českých Budějovicích. Pedagogická fakulta PRAVDĚPODOBNOSTNÍ MODELY KOLEM NÁS BAKALÁŘSKÁ PRÁCE. Radka Glücksmannová

Jihočeská univerzita v Českých Budějovicích. Pedagogická fakulta PRAVDĚPODOBNOSTNÍ MODELY KOLEM NÁS BAKALÁŘSKÁ PRÁCE. Radka Glücksmannová Jihočesá uiverzita v Česých Budějovicích Pedagogicá faulta PRAVDĚPODOBNOSTNÍ MODELY KOLEM NÁS BAKALÁŘSKÁ PRÁCE Rada Glücsmaová Česé Budějovice, rosiec 7 Na tomto místě bych ráda oděovala vedoucímu baalářsé

Více

S k l á d á n í s i l

S k l á d á n í s i l S l á d á í s i l Ú o l : Všetřovat rovováhu tří sil, působících a tuhé těleso v jedom bodě. P o t ř e b : Viz sezam v desách u úloh a pracovím stole. Obecá část: Při sládáí soustav ěolia sil působících

Více

5 DISKRÉTNÍ ROZDĚLENÍ PRAVDĚPODOBNOSTI. Čas ke studiu kapitoly: 120 minut. Cíl: Po prostudování tohoto odstavce budete umět:

5 DISKRÉTNÍ ROZDĚLENÍ PRAVDĚPODOBNOSTI. Čas ke studiu kapitoly: 120 minut. Cíl: Po prostudování tohoto odstavce budete umět: 5 DISKRÉTNÍ ROZDĚLENÍ RAVDĚODOBNOSTI Čas e sudiu aioly: 0 miu Cíl: o rosudováí ohoo odsavce budee umě: charaerizova hyergeomericé rozděleí charaerizova Beroulliho ousy a z ich odvozeé jedolivé yy disréích

Více

12. Regrese Teoretické základy

12. Regrese Teoretické základy Regese Jedím z hlavích úolů matematicé statistiy je hledáí a studium závislostí mezi dvěma či více oměými Závisle oměá se zavidla ozačuje Y a ezávisle oměé X,, X i,i Závislosti mezi Y a suiou oměých X

Více

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT 2 IDENIFIKACE H-MAICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNO omáš Novotý ČESKÉ VYSOKÉ UČENÍ ECHNICKÉ V PRAZE Faulta eletrotechicá Katedra eletroeergetiy. Úvod Metody založeé a loalizaci poruch pomocí H-matic

Více

5. Funkce náhodných veličin a náhodných vektorů. 5.1 Spojité náhodné veličiny

5. Funkce náhodných veličin a náhodných vektorů. 5.1 Spojité náhodné veličiny 5 Fc áhodých vliči a áhodých vorů 5 Spojié áhodé vliči V éo čási s bd zabýva problaio rasorac áhodé vliči a ja js již ěolirá zíili v přdchozí Njdřív vd dvě záladí vě o sbsici v igrálí poč Důaz ěcho vě

Více

2. TEORIE PRAVDĚPODOBNOSTI

2. TEORIE PRAVDĚPODOBNOSTI . TEORIE PRAVDĚPODOBNOSTI V prax se můžeme setat s dvojím typem procesů. Jeda jsou to procesy determstcé, u terých platí, že př dodržeí orétích vstupích podmíe obdržíme přesý, předem zámý výslede (te můžeme

Více

3. Decibelové veličiny v akustice, kmitočtová pásma

3. Decibelové veličiny v akustice, kmitočtová pásma 3. Decibelové veličiy v akustice, kmitočtová ásma V ředchozí kaitole byly defiováy základí akustické veličiy, jako ař. akustický výko, akustický tlak a itezita zvuku. Tyto veličiy ve v raxi měí o moho

Více

MODELY HROMADNÉ OBSLUHY Models of queueing systems

MODELY HROMADNÉ OBSLUHY Models of queueing systems MODELY HROMADNÉ OBSLUHY Models of queueig systems Prof. RNDr. Ig. Miloš Šeda, Ph.D. Vysoé učeí techicé v Brě, Faulta strojího ižeýrství, Ústav automatizace a iformatiy e-mail: seda@fme.vutbr.cz Abstrat

Více

Existuje mnoho typ diskrétních náhodných veliin. My si nyní shrneme základní poznatky o tch nejbžnjších.

Existuje mnoho typ diskrétních náhodných veliin. My si nyní shrneme základní poznatky o tch nejbžnjších. 5 DISKRÉTNÍ ROZDLENÍ RAVDODOBNOSTI as sudiu aioly: 5 miu Cíl: o rosudováí ohoo odsavc bud um: chararizova hyrgomricé rozdlí chararizova Broulliho ousy a z ich odvozé jdolivé yy disréích rozdlí: biomicé,

Více

1) Vypočtěte ideální poměr rozdělení brzdných sil na nápravy dvounápravového vozidla bez ABS.

1) Vypočtěte ideální poměr rozdělení brzdných sil na nápravy dvounápravového vozidla bez ABS. Dopraví stroje a zařízeí odborý zálad AR 04/05 Idetifiačí číslo: Počet otáze: 6 Čas : 60 miut Počet bodů Hodoceí OTÁZKY: ) Vypočtěte eálí poměr rozděleí brzdých sil a ápravy dvouápravového vozla bez ABS.

Více

Entropie, relativní entropie a sdílená (vazební) informace

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

Více

Hodnocení tepelné bilance a evapotranspirace travního porostu metodou Bowenova poměru návod do praktika z produkční ekologie PřF JU

Hodnocení tepelné bilance a evapotranspirace travního porostu metodou Bowenova poměru návod do praktika z produkční ekologie PřF JU Hodnocní tlné bilanc a vaotransirac travního orostu mtodou Bownova oměru návod do raktika z rodukční kologi PřF JU Na základě starších i novějších matriálů uravil a řiravil Jakub Brom V Čských Budějovicích,

Více

NEPARAMETRICKÉ METODY

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

Více

Předmět: SM 01 Rovinné příhradové konstrukce

Předmět: SM 01 Rovinné příhradové konstrukce Přdmět: SM 0 Rovié říhrdové kostrukc rof. Ig. Michl POÁK, CSc. Fkult stvbí, ČVUT v Prz Rovié říhrdové kostrukc: Kostrukc j vytvoř z římých rutů, Pruty jsou vzájm osojováy v bodch styčících, Vzájmé sojí

Více

8.2.10 Příklady z finanční matematiky I

8.2.10 Příklady z finanční matematiky I 8..10 Příklady z fiačí matematiky I Předoklady: 807 Fiačí matematika se zabývá ukládáím a ůjčováím eěz, ojišťováím, odhady rizik aod. Poměrě důležitá a výosá discilía. Sořeí Při sořeí vkladatel uloží do

Více

Analytické modely systémů hromadné obsluhy

Analytické modely systémů hromadné obsluhy Aalytcé odely systéů hroadé obsluhy ředěte teore hroadé obsluhy Kedallova lasface - ty SHO: X / Y / c / d / X ty stochastcého rocesu, terý osue říchody Y ty stochastcého rocesu terý osue délu obsluhy c

Více

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění Předáška č. 0 Aalýza roztylu ř jedoduchém tříděí Aalýza roztylu je statstcká metoda, kterou se osuzuje romělvost oakovaých realzací áhodého okusu tj. romělvost áhodé velčy. Náhodá velča vzká za relatvě

Více

Algoritmus RSA. Vilém Vychodil. 4. března 2002. Abstrakt

Algoritmus RSA. Vilém Vychodil. 4. března 2002. Abstrakt Algoritmus RSA Vilém Vychodil 4. břza 2002 Abstrakt Násldující podpůrý txt stručě shruj základí problmatiky při šifrováí algoritmm RSA. Sm spadá j samotý pricip algoritmu, al i základí mtody grováí vlkých

Více

7. Soustavy lineárních diferenciálních rovnic.

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

Více

ASYNCHRONNÍ STROJE. Obsah

ASYNCHRONNÍ STROJE. Obsah VŠB TU Ostrava Fakulta elektrotechiky a iformatiky Katedra obecé elektrotechiky ASYCHROÍ STROJE Obsah. Výzam a oužití asychroích motorů 2. rici čiosti asychroího motoru 3. Rozděleí asychroích motorů 4.

Více

12. N á h o d n ý v ý b ě r

12. N á h o d n ý v ý b ě r 12. N á h o d ý v ý b ě r Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých

Více

Téma 6: Indexy a diference

Téma 6: Indexy a diference dexy a dferece Téma 6: dexy a dferece ředáška 9 dvdálí dexy a dferece Základí ojmy Vedle elemetárího statstckého zracováí dat se hromadé jevy aalyzjí tzv. srováváím růzých kazatelů. Statstcký kazatel -

Více

Analýza signálů ve frekvenční oblasti

Analýza signálů ve frekvenční oblasti Aalýza sigálů v frvčí oblasti Fourirova trasformac Záladí ida trasformac () Trasformac () Zpracováí v časové oblasti Zpracováí v trasform. oblasti () Ivrzí Trasformac () Typy Fourirových trasformací Discrt

Více

2. Znát definici kombinačního čísla a základní vlastnosti kombinačních čísel. Ovládat jednoduché operace s kombinačními čísly.

2. Znát definici kombinačního čísla a základní vlastnosti kombinačních čísel. Ovládat jednoduché operace s kombinačními čísly. 0. KOMBINATORIKA, PRAVDĚPODOBNOST, STATISTIKA Dovedosti :. Chápat pojem faktoriál a ovládat operace s faktoriály.. Zát defiici kombiačího čísla a základí vlastosti kombiačích čísel. Ovládat jedoduché operace

Více

8.2.1 Aritmetická posloupnost I

8.2.1 Aritmetická posloupnost I 8.2. Aritmetická posloupost I Předpoklady: 80, 802, 803, 807 Pedagogická pozámka: V hodiě rozdělím třídu a dvě skupiy a každá z ich dělá jede z prvích dvou příkladů. Čley posloupostí pak při kotrole vypíšu

Více

4. PRŮBĚH FUNKCE. = f(x) načrtnout.

4. PRŮBĚH FUNKCE. = f(x) načrtnout. Etrém funkc 4. PRŮBĚH FUNKCE Průvodc studim V matmatic, al i v fzic a tchnických oborch s často vsktn požadavk na sstrojní grafu funkc K nakrslní grafu funkc lz dns většinou použít vhodný matmatický softwar.

Více

7 VYUŽITÍ METOD OPERAČNÍ ANALÝZY V TECHNOLOGII DOPRAVY

7 VYUŽITÍ METOD OPERAČNÍ ANALÝZY V TECHNOLOGII DOPRAVY 7 VYUŽITÍ METOD OERAČNÍ ANALÝZY V TECHNOLOGII DORAVY Operačí aalýza jao jeda z oblatí apliovaé matematiy achází vé široé uplatěí v průmylových a eoomicých apliacích. Jedím z oborů, ve teré hraje ezatupitelou

Více

6. Posloupnosti a jejich limity, řady

6. Posloupnosti a jejich limity, řady Moderí techologie ve studiu aplikovaé fyziky CZ..07/..00/07.008 6. Poslouposti a jejich limity, řady Posloupost je speciálí, důležitý příklad fukce. Při praktickém měřeí hodot určité fyzikálí veličiy dostáváme

Více

STATISTIKA. Základní pojmy

STATISTIKA. Základní pojmy Statistia /7 STATISTIKA Záladí pojmy Statisticý soubor oečá eprázdá možia M zoumaých objetů schromážděých a záladě toho, že mají jisté společé vlastosti záladí statisticý soubor soubor všech v daé situaci

Více

Zjednodušený návrh plnícího systému přeplňovaného vznětového motoru II

Zjednodušený návrh plnícího systému přeplňovaného vznětového motoru II Zjdodušý ávrh lícího systéu řlňovaého vzětového otoru II Zadáí: P = 500 kw (ři = 000 /i) D = 35 Z = 60 Výočt: Plicí systé s dvoustuňový stlačováí oocí BD a chladiči licího vzduchu: v jovité ržiu otoru

Více

6 5 = 0, = 0, = 0, = 0, 0032

6 5 = 0, = 0, = 0, = 0, 0032 III. Opaované pousy, Bernoulliho nerovnost. Házíme pětrát hrací ostou a sledujeme výsyt šesty. Spočtěte pravděpodobnosti možných výsledů a určete, terý má největší pravděpodobnost. Řešení: Jedná se o serii

Více

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna. 6 Itervalové odhady parametrů základího souboru V předchozích kapitolách jsme se zabývali ejprve základím zpracováím experimetálích dat: grafické zobrazeí dat, výpočty výběrových charakteristik kapitola

Více

1. Přirozená topologie v R n

1. Přirozená topologie v R n MATEMATICKÁ ANALÝZA III předášy M Krupy Zií seestr 999/ Přirozeá topologie v R V prví části tohoto tetu zavádíe přirozeou topologii a ožiě R ejprve jao topologii orovaého prostoru a pa jao topologii součiu

Více

!!! V uvedených vzorcích se vyskytují čísla n a k tato čísla musí být z oboru čísel přirozených.

!!! V uvedených vzorcích se vyskytují čísla n a k tato čísla musí být z oboru čísel přirozených. Kombiatoria Kombiatoria část matematiy, terá se zabývá růzými číselými "ombiacemi". Využití - apř při hledáí počtu možých tipů ve sportce ebo jiých soutěžích hrách, v chemii při spojováí moleul... Záladím

Více

Přechod PN. Přechod PN - pásový diagram. Přechod PN strmý, asymetrický. kontakt přechod PN kontakt. (dotace) Rozložení příměsí. N-typ.

Přechod PN. Přechod PN - pásový diagram. Přechod PN strmý, asymetrický. kontakt přechod PN kontakt. (dotace) Rozložení příměsí. N-typ. řchod v trmodyamické rovováz Vzik trmodyamické rovováhy, difúzí otciál ásový diagram Oblast rostorového ábo, růběh aětí a itzity lktrického ol roustá olarizac Ikc mioritích ositlů ábo roud řchodm, Shocklyho

Více

Závislost indexů C p,c pk na způsobu výpočtu směrodatné odchylky

Závislost indexů C p,c pk na způsobu výpočtu směrodatné odchylky Závislost indexů C,C na zůsobu výočtu směrodatné odchyly Ing. Renata Przeczová atedra ontroly a řízení jaosti, VŠB-TU Ostrava, FMMI Podni, terý chce usět v dnešní onurenci, musí neustále reagovat na měnící

Více

8.2.1 Aritmetická posloupnost

8.2.1 Aritmetická posloupnost 8.. Aritmetická posloupost Předpoklady: 80, 80, 803, 807 Pedagogická pozámka: V hodiě rozdělím třídu a dvě skupiy a každá z ich dělá jede z prvích dvou příkladů. Př. : V továrě dokočí každou hodiu motáž

Více

jako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých

jako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých 9 Limití věty. V aplikacích teorie pravděpodobosti (matematická statistika, metody Mote Carlo se užívají tvrzeí vět o kovergeci posloupostí áhodých veliči. Podle povahy kovergece se limití věty teorie

Více

8.3.1 Vklady, jednoduché a složené úrokování

8.3.1 Vklady, jednoduché a složené úrokování 8..1 Vklady, jedoduché a složeé úrokováí Předoklady: 81 Fiačí matematika se zabývá ukládáím a ůjčováím eěz, ojišťováím, odhady rizik aod. Poměrě důležitá a výosá discilía. Sořeí Při sořeí vkladatel uloží

Více

Testování statistických hypotéz

Testování statistických hypotéz Testováí statstckých hyotéz Př statstckých šetřeích se často setkáváme s roblémy tohoto druhu () Máme zjstt, zda dva daé vzorky ocházejí z téhož ZS. () Máme rozhodout, zda rozdíly hodot růměrů (res. roztylů)

Více

Národní informační středisko pro podporu kvality

Národní informační středisko pro podporu kvality Národí iformačí středisko ro odoru kvality Testováí zůsobilosti a výkoosti výrobího rocesu RNDr. Jiří Michálek, Sc Ústav teorie iformace a automatizace AVČR UKAZATELE ZPŮSOBILOSTI 3 UKAZATELE ZPŮSOBILOSTI

Více

Analýza rozptylu (ANOVA)

Analýza rozptylu (ANOVA) Aalýza rozptylu (ANOVA) Tato aptola j věováa záladímu popsu statstcé mtody zvaé aalýza rozptylu, trá j záladí mtodou pro tstováí hypotéz o střdích hodotách víc ž dvou sup a trá využívá srováí pozorovaé

Více

4. Opakované pokusy a Bernoulliho schema

4. Opakované pokusy a Bernoulliho schema 4 Opové pousy Beroulliho schem Pozám: V ěterých příldech v odstvcích 2 3 jsme počítli prvděpodobosti áhodých jevů, teré byly výsledem opoví áhodého pousu Npř házeí dvěm micemi je stejé jo dv hody jedou

Více

Digitální učební materiál

Digitální učební materiál Dgtálí učebí materál Číslo projetu CZ..07/.5.00/34.080 Název projetu Zvaltěí výuy prostředctvím ICT Číslo a ázev šabloy líčové atvty III/ Iovace a zvaltěí výuy prostředctvím ICT Příjemce podpory Gymázum,

Více

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

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

Více

8.2.6 Geometrická posloupnost

8.2.6 Geometrická posloupnost 8.. Geometricá posloupost Předpoldy: 80, 80, 80, 807 Pedgogicá pozám: V hodiě rozdělím třídu dvě supiy ždá z ich dělá jede z prvích dvou příldů. Př. : Poločs rozpdu (dob z terou se rozpde polovi existujícího

Více

O Jensenově nerovnosti

O Jensenově nerovnosti O Jeseově erovosti Petr Vodstrčil petr.vodstrcil@vsb.cz Katedra aplikovaé matematiky, Fakulta elektrotechiky a iformatiky, Vysoká škola báňská Techická uiverzita Ostrava Ostrava, 28.1. 2019 (ŠKOMAM 2019)

Více

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

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

Více

23. Mechanické vlnění

23. Mechanické vlnění 3. Mechaické vlěí Mechaické vlěí je děj, při kterém částice pružého prostředí kmitají kolem svých rovovážých poloh a teto kmitavý pohyb se přeáší (postupuje) od jedé částice k druhé vlěí může vzikout pouze

Více

Fotometrie a radiometrie Důležitou částí kvantitativního popisu optického záření je určování jeho mohutnosti

Fotometrie a radiometrie Důležitou částí kvantitativního popisu optického záření je určování jeho mohutnosti Učbí txt k přášc UFY1 Fotomtri a raiomtri Fotomtri a raiomtri Důlžitou částí kvatitativího popisu optického září j určováí jho mohutosti B, jsou přímo měřitlé, a proto rgtických charaktristik. Samoté vktory

Více

k(k + 1) = A k + B. s n = n 1 n + 1 = = 3. = ln 2 + ln. 2 + ln

k(k + 1) = A k + B. s n = n 1 n + 1 = = 3. = ln 2 + ln. 2 + ln Číselé řady - řešeé přílady ČÍSELNÉ ŘADY - řešeé přílady A. Součty řad Vzorové přílady:.. Přílad. Určete součet řady + = + 6 + +.... Řešeí: Rozladem -tého čleu řady a parciálí zlomy dostáváme + = + ) =

Více

9.1.12 Permutace s opakováním

9.1.12 Permutace s opakováním 9.. Permutace s opakováím Předpoklady: 905, 9 Pedagogická pozámka: Pokud echáte studety počítat samostatě příklad 9 vyjde tato hodia a skoro 80 miut. Uvažuji o tom, že hodiu doplím a rozdělím a dvě. Př.

Více

3. Lineární diferenciální rovnice úvod do teorie

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

Více

Doc. Ing. Dagmar Blatná, CSc.

Doc. Ing. Dagmar Blatná, CSc. PRAVDĚPODOBNOST A STATISTIKA Doc. Ig. Dagmar Blatá, CSc. Statsta statstcé údaje o hromadých jevech čost, terá vede zísáí statstcých údajů a jejch zpracováí teore statsty - věda o stavu, vztazích a vývoj

Více

HYDROMECHANICKÉ PROCESY. Doprava tekutin Čerpadla a kompresory (přednáška) Doc. Ing. Tomáš Jirout, Ph.D.

HYDROMECHANICKÉ PROCESY. Doprava tekutin Čerpadla a kompresory (přednáška) Doc. Ing. Tomáš Jirout, Ph.D. HROMECHANICKÉ PROCES orava tekti Čeradla a komresory (ředáška) oc. Ig. Tomáš Jirot, Ph.. (e-mail: Tomas.Jirot@fs.cvt.cz, tel.: 435 68) ČERPALA Základy teorie čeradel Základí rozděleí čeradel Hydrostatická

Více

Vícekanálové čekací systémy

Vícekanálové čekací systémy Vícekaálové čekací systémy taice obsluhy sestává z ěkolika kaálů obsluhy, racujících aralelě a avzájem ezávisle. Vstuy i výstuy systému mají oissoovský charakter. Jedotky vstuující do systému obsadí ejrve

Více

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

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

Více

3. část: Teorie hromadné obsluhy. Ing. Michal Dorda, Ph.D.

3. část: Teorie hromadné obsluhy. Ing. Michal Dorda, Ph.D. 3. část: Teorie hromadé obsluhy Ig. Michal Dorda, h.d. Zálady teorie pravděpodobosti Náhodý pous je děj, jehož výslede eí ai při dodržeí všech předepsaých podmíe předem zám. Náhodý jev je výsledem áhodého

Více

PRACOVNÍ SEŠIT KOMBINATORIKA, PRAVDĚPODOBNOST A STATISTIKA. 9. tematický okruh:

PRACOVNÍ SEŠIT KOMBINATORIKA, PRAVDĚPODOBNOST A STATISTIKA. 9. tematický okruh: Připrav se a státí maturití zoušu z MATEMATIKY důladě, z pohodlí domova a olie PRACOVNÍ SEŠIT 9. tematicý oruh: KOMBINATORIKA, PRAVDĚPODOBNOST A STATISTIKA vytvořila: RNDr. Věra Effeberger eperta a olie

Více

3.3.4 Thaletova věta. Předpoklady:

3.3.4 Thaletova věta. Předpoklady: 3.3.4 Thaletova věta Předpolady: 030303 Př. : Narýsuj ružnici ( ;5cm) a její průměr. Na ružnici narýsuj libovolný bod různý od bodů, (bod zvol jina než soused v lavici). Narýsuj trojúhelní. Má nějaou speciální

Více

8. Zákony velkých čísel

8. Zákony velkých čísel 8 Zákoy velkých čísel V této část budeme studovat velm často užívaá tvrzeí o součtech posloupost áhodých velč Nedříve budeme vyšetřovat tvrzeí azývaá souhrě ako slabé zákoy velkých čísel Veškeré úvahy

Více

Zpracování a prezentace výsledků měření (KFY/ZPM)

Zpracování a prezentace výsledků měření (KFY/ZPM) Jihočká uivrzita Pdagogická fakulta katdra fyziky Zpracováí a prztac výldků měří (KFY/ZPM) tručý učbí tt Pavl Kříž Čké Budějovic 005 Úvod Přdmět Zpracováí a prztac výldků měří (ZPM) volě avazuj a přdmět

Více

Systémové struktury - základní formy spojování systémů

Systémové struktury - základní formy spojování systémů Systémové struktury - základní formy sojování systémů Základní informace Při řešení ať již analytických nebo syntetických úloh se zravidla setkáváme s komlikovanými systémovými strukturami. Tato lekce

Více

Lineární regrese ( ) 2

Lineární regrese ( ) 2 Leárí regrese Častým úolem je staoveí vzájemé závslost dvou (č více) fzálích velč a její matematcé vjádřeí. K tomuto účelu se používají růzé regresí metod, pomocí chž hledáme vhodou fuc f (), apromující

Více

České vysoké učení technické v Praze. Fakulta dopravní. Semestrální práce. Statistika

České vysoké učení technické v Praze. Fakulta dopravní. Semestrální práce. Statistika České vysoké učeí techické v Praze Fakulta dopraví Semestrálí práce Statistika Čekáí vlaku ve staicích a trase Klado Ostrovec Praha Masarykovo ádraží Zouzalová Barbora 2 35 Michálek Tomáš 2 35 sk. 2 35

Více

9 NÁHODNÉ VÝBĚRY A JEJICH ZPRACOVÁNÍ. Čas ke studiu kapitoly: 30 minut. Cíl:

9 NÁHODNÉ VÝBĚRY A JEJICH ZPRACOVÁNÍ. Čas ke studiu kapitoly: 30 minut. Cíl: 9 ÁHODÉ VÝBĚR A JEJICH ZPRACOVÁÍ Čas ke studu katol: 30 mut Cíl: Po rostudováí tohoto odstavce budete rozumět ojmům Základí soubor, oulace, výběr, výběrové šetřeí, výběrová statstka a budete zát základí

Více

Komplexní čísla. Definice komplexních čísel

Komplexní čísla. Definice komplexních čísel Komplexí čísla Defiice komplexích čísel Komplexí číslo můžeme adefiovat jako uspořádaou dvojici reálých čísel [a, b], u kterých defiujeme operace sčítáí, ásobeí, apod. Stadardě se komplexí čísla zapisují

Více