19. Testy dobré shody
|
|
- Michal Špringl
- před 7 lety
- Počet zobrazení:
Transkript
1 19. Testy dobré shody V mnoha případech jsme nucen z daných údajů zjšťovat například typ rozdělení, nezávslost údajů, homogentu dat. Takovéto možnost nám nabízí metoda, která se jmenuje testy dobré shody. Ve své podstatě jde o rozšíření testů bnomckého rozdělení na tzv. multnomcké rozdělení. Ukazuje se dále, že jstý specální poměr vytvářený v průběhu tohoto testu je asymptotcky roven rozdělení χ. Nejdříve uvedeme defnc multnomckého rozdělení. Defnce 19.1 Nechť A,, 1 Ak jsou neslučtelné jevy, z nchž v průběhu náhodného pokusu musí nastat právě jeden. Nechť PA ( ) = p>0, pro všechna. Předpokládejme, že náhodný pokus opakujeme celkem n krát, označme dále X výskytů jevu A v těchto n opakovaných náhodných pokusech, potom n! x1 x P( X1 = x1,, X ). 1.. k k = xk = p pk (19.1) x1! xk! pro nezáporná celá čísla x 1,, x k, jejchž součet je roven n. V ostatních případech je pravděpodobnost v (19.1) rovna nule. Náhodná velčna daná výše uvedeným rozdělením se nazývá multnomcká. Poznámka 19. Z předchozí defnce vyplývá, že pokud se budeme zabývat jen případem jednoho náhodného jevu A a jedné náhodné velčny X ( ostatní náhodné jevy shrneme do náhodného jevu rovnajícího se jejch sjednocení ), dostaneme klascký případ bnomckého rozdělení B(n,p ). Pro další vyšetřování je tato poznámka velm důležtá, pomocí ní můžeme totž sjstt charakterstky jednotlvých náhodných velčn X. Podrobnost jsou uvedeny v následujícím tvrzení. Věta 19.3 V multnomckém rozdělení platí E ( X ) = n. p, VAR ( X ) = n. p. ( 1 p) pro = 1,, k (19.) a cov X, X = n. p. p pro j (19.3) ( ) j j Důkaz: Uveden například v [1]. Všmněme s, že náhodné hodnoty X nejsou podle (19.3) nezávslé ( proč? ). Věta 19.4 Nechť platí předchozí označení, potom následující náhodná velčna k ( ) X np. χ = (19.4) = 1 np. je asymptotcky χk 1 rozdělení. Důkaz: Uveden opět v [1].
2 Důležtá vlastnost náhodné velčny uvedené ve vztahu (19.4) je to, že lmtně rovna rozdělení χk 1. Velčnám X říkáme velm často emprcké četnost a hodnotám n.p teoretcké četnost. Vzorec (19.4) je možno upravt ještě na jný, pro výpočty užtečný tvar k 1 X. χ = n (19.5) n = 1 p V tomto vzorc nezjstíme příspěvky jednotlvých členů do celkového součtu!. Pomocí výše uvedených vzorců můžeme testovat hypotézu H 0, že skutečné hodnoty pravděpodobností multnomckého rozdělení jsou rovny právě číslům p 1,,p k, hypotéza H 1 je negací nulové hypotézy. Jestlže je součet χ větší nebo roven χ k 1 ( α ), zamítáme na hladně významnost hypotézu H 0. Způsob řešení s ukážeme na několka příkladech. Př řešení je nutno mít na zřetel to, že tento test je asymptotcký, musí tedy být n dostatečně velké. Obecně je uváděno, že np>5., pro každé = 1,, k. Příklad 19.5 V programu Excel jsme pomocí generátoru náhodných čísel vygeneroval 100 náhodných čísel. Ověřte, zda jsou číslce v těchto číslech použty se stejnou pravděpodobností. Dále je uvedena tabulka četností jednotlvých číslc: Nejprve s zjstíme celkový číslc, ten je roven 933. Tedy teoretcká četnost pro jednotlvou číslc je rovna 933 /10 = 93,3. Zjstíme nyní jednotlvé hodnoty sčítanců v (19.4), , ,454 0,1167 0,8113 0,15 0,571 4,16 0,198 0, ,348 Odtud je vdět, že nejvíce přspívá do součtu cfra 0, nejméně cfra 8. Zjstíme nyní hodnotu χ = 10,3976. Krtcká hodnota pro 10 1 = 9 stupňů volnost je rovna 16, Odtud vyplývá, že nemůžeme zamítnout hypotézu o stejném zastoupení cfer v náhodných číslech. Dále jsou zobrazeny teoretcké a emprcké četnost pro tento případ:
3 Příklad 19.6 Ověřte pomocí metody c testu na hladně významnost 0,05, zda údaje o výšce ve výběru 34 studentů je možno pokládat za výběr z normálního rozdělení N( m, s ), kde m = 178 cm a s = 6 cm. rozsah třídy t j-1 t j 167,5 17,5 1 17,5 177, ,5 18, ,5 187, ,5 19,5 4 19,5 197,5 3 Nulová hypotéza H 0 je stanovena tak, že výška studentů je typu N(178;36). Nejdříve ztotožníme hodnoty v jednotlvých třídách se středy ntervalů tříd ( třídy jsou uzavřené!). Pravděpodobnost, že výška náhodného studenta bude v j tém ntervalu vypočteme pomocí tj µ tj 1 µ vztahu Φ Φ, kde Φ je dstrbuční funkce N(0;1) a µ, σ jsou parametry σ σ t j 1 µ vyšetřovaného rozdělení. V prvním ntervalu položíme Φ = 0 σ a v posledním t j µ ntervalu bude Φ = 1. Tím získáme hodnoty teoretckých pravděpodobností, ty pak σ násobíme celkovým počtem studentů a získáme teoretcké četnost. Výsledek je uveden v následující tabulce: rozsah třídy normalzace hodnota dstrbuční funkce N(0;1) teoretcká pravděpodobnost teoretcká četnost úprava tříd 167,5 17,5 1-0, , , , , ,5 177,5 6-0, , , , , , ,5 18,5 11 0,75 0, , , , , ,5 187,5 9 1, , , , , , ,5 19,5 4, , , , , ,5 197,5 3 3,5 0, , ,66769 m= 178 cm = 34 studentů s = 36 cm Z tabulky je zřejmé, že musíme sloučt poslední tř třídy, protože teoretcká četnost těchto tříd je menší než 5 prvků! Nyní jž máme k dspozc hodnoty, které nám umožní spočítat hodnotu c - kvadrát : rozsah třídy úprava tříd t j-1 t j ch - kvadrát 167,5 17,5 1 6, , ,5 177,5 6 9, , ,5 18, , , ,5 187,5 9 7, , ,5 19,5 4 19,5 197,5 3 součet ,
4 Počítáme samozřejmě na hladně významnost a = 0,05, stupňů volnost je tedy roven n = 4 1 = 3. Krtcká hodnota je dána c 0,95;3 = 7,8147. Je zřejmé, že hodnota testové statstky vyšla v krtckém oboru, proto zamítáme nulovou hypotézu. Pokud bychom chtěl zjstt p value tohoto testu získáme číslo 0,00109, které také velm slně podporuje myšlenku zamítnutí nulové hypotézy. Příklad 19.7 Předpokládejme, že máme klasckou hrací kostku, s níž provedeme celkem 300 hodů s četnostm výsledků uvedeným v následující tabulce: p Zjstěte, zda daná kostka je homogenní? Stanovíme nejprve nulovou hypotézu H 0 : kostka je homogenní a k ní alternatvní H 1 : kostka není homogenní. Za předpokladu platnost H 0 jsou očekávané četnost jednotlvých hodů stejné a rovné 50. Zjstíme dále hodnotu ch kvadrát: f očekávané četnost (naměřené četnost - očekávané četnost) / očekávané četnost , , , , ,6 χ =4,48 Vypočítanou hodnotu nyní porovnáme s krtckou hodnotou rozdělení ch kvadrát na hladně významnost a = 0,05 s n=6-1 = 5 stupn volnost. Tato hodnota je rovna 11,07. Protože výsledek testovací statstky je v oboru přjetí, nemůžeme hypotézu H 0 na dané hladně zamítnout. Dokonce krajní mez po kterou bychom přjal hypotézu H 0 je v tomto případě rovna 0,44 ( p value ). Z výše uvedených výpočtů vyplývá, že pokud máme k dspozc výní prostředek, který vypočítává p value, je možno pomocí nch celkem jednoduše ověřt přjetí č zamítnutí nulové hypotézy. Velm častý je případ, kdy pravděpodobnost p,, 1 pk závsí na určtém množství neznámých parametrů a,, 1 al ( jde samozřejmě o parametry neznámé náhodné velčny určtého typu ). Potom je zapotřebí tyto parametry z dat odhadnout. Někdy se za jednoduché aproxmace těchto neznámých parametrů berou jejch bodové odhady, přesným určením postupu, jak získat skutečné hodnoty se zabývá autor v [1]. Pro naše účely bude tento postup vyhovovat. V případě, že nebudeme základní parametry dané populace znát odhadneme je tedy pro naše účely pomocí bodových odhadů těchto parametrů ( s optmálním vlastnostm ), tyto bodové odhady potom použjeme k tomu, abychom získal teoretcké četnost jednotlvých tříd, které v průběhu výpočtu používáme.
5 Příklad 19.8 Vyšetřoval jsme chlapců v rodnách s 5 dětm. Výsledky jsou uvedené v následující tabulce: dětm Počet chlapců v rodnách s 5 četnost rodn Celkem rodn 84 Máme rozhodnout, zda tato data podporují myšlenku o tom, že chlapců je rozdělen v rodnách pomocí bnomckého rozdělení. Protože nemáme stanoven parametr p bnomckého rozdělení, provedeme 3,65 nejdříve jeho odhad : X = =, 65, n. p =,65 p = = 0, 53. Tím jsme určl druhý 84 5 nutný parametr bnomckého rozdělení, nyní můžeme zjstt hodnoty očekávané: očekávané po korekc skutečné po c - p četnost tříd četnost korekc kvadrát 0 0,0935 1, , , , , , , , , , , , , , , , , ,0418 3, ,73553 Hladnu významnost máme opět stanovenou na 5%, nyní určíme stupňů volnost n=6 1 = 3 ( stupňů volnost se snížl o parametrů, které odhaduj a o třídy, které jsme sloučly ). Budeme tedy hledat krtcké hodnoty chí kvadrát se 3 stupn volnost. Tato hodnota je rovna 7,8147. Protože je naše hodnota hluboko pod krtckou hodnotou, hypotézu H 0 nemůžeme zamítnout. Příklad 19.9 V následující tabulce je uveden rozdělení počtu bodových vad zjštěných př zkoumání 0 vdeopásků. Rozhodněte, zda je možno považovat vad na vdeopásku za náhodnou velčnu typu Possonovo rozdělení. vad pásků
6 Nejdříve musíme z daných dat odhadnou parametr lambda střední hodnotu 68 Possonova rozdělení. Tato střední hodnota je tedy rovna λ = X = = 3, 4. Z této hodnoty 0 jž můžeme počítat teoretcké četnost. vad pásků teoretcké pravděpodobnost teoretcké četnost po sloučení praktcké po sloučení ch - kvadrát 0 0, , , , , , , , , , , , , , , , , , , , , , lamda= 3,4 celkem 1,39086 Jak je vdět, vzhledem k teoretckým četnostem je nutno sloučt třídy do celkem 3 nových tříd. Počet stupňů volnost je tedy roven n = = 1 ( navíc odečítáme 1 za odhadnutý parametr rozdělení ). Budeme tedy hledat krtckou hodnotu pro jeden stupeň volnost a a = 0,05. Tato krtcká hodnota je rovna 3,8415, p value = 0, Tato hodnota je velm vysoká, podporuje tedy nezamítnutí hypotézy H 0 o tom, že daná data pochází z Possonova rozdělení. Příklad Ověřte na hladně významnost a = 5%, zda můžeme považovat následující data za normálně rozdělená: naměřená třída četnost pod nad 9 0 Protože jde o data třídní, musíme nejdříve nahradt otevřené třídy dolním č horním odhady. Tedy dolní odhad bude roven 7,5 a horní odhad bude roven 30. naměřená středy normalzované pravděpodobnost pravděpodobnost třída četnost tříd středy středů tříd tříd pod 9 0 7,5-3, , , , , , , , , , , , , , , , , ,
7 , , , , , , nad , , , Dále : naměřená teoretcké teoretcké četnost skutečné četnost třída četnost četnost upravené upravené ch pod 9 0 0, , , , , , , , , , , , , , , , , , nad 9 0, hodnota test. statstky 10, odhad stř. hodnoty 1, odhad směr. odchylky 3,84 kvantl ch 95% 5,99 4 stupně volnost Z výpočtů vedených výše je zřejmé, že na hladně významnost 5% hypotézu o tom, že data pochází z normálního rozdělení musíme zamítnout, protože ale výsledek není přílš průkazný, použl bychom ještě jný test např. Kolmogor Smrnovův test.
(a) = (a) = 0. x (a) > 0 a 2 ( pak funkce má v bodě a ostré lokální maximum, resp. ostré lokální minimum. Pokud je. x 2 (a) 2 y (a) f.
I. Funkce dvou a více reálných proměnných 5. Lokální extrémy. Budeme uvažovat funkci f = f(x 1, x 2,..., x n ), která je definovaná v otevřené množině G R n. Řekneme, že funkce f = f(x 1, x 2,..., x n
VíceTestování statistických hypotéz. Ing. Michal Dorda, Ph.D. 1
Testování statistických hypotéz Ing. Michal Dorda, Ph.D. Úvodní poznámky Statistickou hypotézou rozumíme hypotézu o populaci (základním souboru) např.: Střední hodnota základního souboru je rovna 00. Střední
Více9.2.5 Sčítání pravděpodobností I
9.2.5 Sčítání pravděpodobností I Předpoklady: 9203 Pedagogická poznámka: Následující problém sice zadávám jako příklad, ale minimálně na začátku s žáky počítám na tabuli. I kvůli tomu, aby jejich úprava
Více2.8.9 Parametrické rovnice a nerovnice s absolutní hodnotou
.8.9 Parametrické rovnice a nerovnice s absolutní hodnotou Předpoklady: 0,, 806 Pedagogická poznámka: Opět si napíšeme na začátku hodiny na tabuli jednotlivé kroky postupu při řešení rovnic (nerovnic)
Více3.2.4 Podobnost trojúhelníků II
3..4 odobnost trojúhelníků II ředpoklady: 33 ř. 1: Na obrázku jsou nakresleny podobné trojúhelníky. Zapiš jejich podobnost (aby bylo zřejmé, který vrchol prvního trojúhelníku odpovídá vrcholu druhého trojúhelníku).
VíceSTEREOMETRIE. Vzdálenost bodu od přímky. Mgr. Jakub Němec. VY_32_INOVACE_M3r0113
STEREOMETRIE Vzdálenost bodu od přímky Mgr. Jakub Němec VY_32_INOVACE_M3r0113 VZDÁLENOST BODU OD PŘÍMKY V PROSTORU Při hledání vzdálenosti bodu od geometrického útvaru v prostoru je nutné si vždy úlohu
Více{ } 9.1.9 Kombinace II. Předpoklady: 9108. =. Vypiš všechny dvoučlenné kombinace sestavené z těchto pěti prvků. Urči počet kombinací pomocí vzorce.
9.1.9 Kombinace II Předpoklady: 9108 Př. 1: Je dána pěti prvková množina: M { a; b; c; d; e} =. Vypiš všechny dvoučlenné kombinace sestavené z těchto pěti prvků. Urči počet kombinací pomocí vzorce. Vypisujeme
VíceM - Rovnice - lineární a s absolutní hodnotou
Rovnice a jejich ekvivalentní úpravy Co je rovnice Rovnice je matematický zápis rovnosti dvou výrazů. př.: x + 5 = 7x - M - Rovnice - lineární a s absolutní hodnotou Písmeno zapsané v rovnici nazýváme
Více2.4.11 Nerovnice s absolutní hodnotou
.. Nerovnice s absolutní hodnotou Předpoklady: 06, 09, 0 Pedagogická poznámka: Hlavním záměrem hodiny je, aby si studenti uvědomili, že se neučí nic nového. Pouze používají věci, které dávno znají, na
Více6. T e s t o v á n í h y p o t é z
6. T e s t o v á n í h y p o t é z Na základě hodnot z realizace náhodného výběru činíme rozhodnutí o platnosti hypotézy o hodnotách parametrů rozdělení nebo o jeho vlastnostech. Používáme k tomu vhodně
VícePRAVDĚPODOBNOST A STATISTIKA OPAKOVÁNÍ, pro rozpoznávání
PRAVDĚPODOBNOST A STATISTIKA OPAKOVÁNÍ, pro rozpoznávání Václav Hlaváč Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání hlavac@fel.cvut.cz, http://cmp.felk.cvut.cz/~hlavac
VíceŘešení: a) Označme f hustotu a F distribuční funkci náhodné veličiny X. Obdobně označme g hustotu a G distribuční funkci náhodné veličiny Y.
VII. Transformace náhodné veličiny. Náhodná veličina X má exponenciální rozdělení Ex(; ) a náhodná veličina Y = X. a) Určete hustotu a distribuční funkci náhodné veličiny Y. b) Vypočtěte E(Y ) a D(Y ).
VíceKvadratické rovnice pro učební obory
Variace 1 Kvadratické rovnice pro učební obory Autor: Mgr. Jaromír JUŘEK Kopírování a jkaékoliv další využití výukového materiálu je povoleno pouze s uvedením odkazu na www.jarjurek.cz. 1. Kvadratické
Více2.7.2 Mocninné funkce se záporným celým mocnitelem
.7. Mocninné funkce se záporným celým mocnitelem Předpoklady: 70 Mocninné funkce se záporným celým mocnitelem: znamená? 3 y = = = = 3 y y y 3 = ; = ; = ;.... Co to Pedagogická poznámka: Nechávám studenty,
VíceEXPONENCIÁLNÍ A LOGARITMICKÁ FUNKCE
Projekt ŠABLONY NA GVM Gymnázium Velké Meziříčí registrační číslo projektu: CZ.1.07/1.5.00/34.0948 IV-2 Inovace a zkvalitnění výuky směřující k rozvoji matematické gramotnosti žáků středních škol EXPONENCIÁLNÍ
VíceSPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 2: Statistika a pravděpodobnost
SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 2: Statistika a pravděpodobnost Drahomír Novák Jan Eliáš 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 1 část 2 Statistika a pravděpodobnost
VíceDYNAMICKÉ MODULY PRUŽNOSTI NÁVOD DO CVIČENÍ
DYNAMICKÉ MODUY PRUŽNOSTI NÁVOD DO CVIČNÍ D BI0 Zkušebnctví a technologe Ústav stavebního zkušebnctví, FAST, VUT v Brně 1. STANOVNÍ DYNAMICKÉHO MODUU PRUŽNOSTI UTRAZVUKOVOU IMPUZOVOU MTODOU [ČSN 73 1371]
Více= musíme dát pozor na: jmenovatel 2a, zda je a = 0 výraz pod odmocninou, zda je > 0, < 0, = 0 (pak je jediný kořen)
.8.7 Kvadratické rovnice s parametrem Předpoklady: 507, 803 Pedagogická poznámka: Na první pohled asi každého zarazí, že takřka celá hodina je psána jako příklady a studenti by ji měli vypracovat samostatně.
VíceVšechny možné dvojice ze čtyř možností, nezáleží na uspořádání m (všechny výsledky jsou rovnocenné), 6 prvků. m - 5 prvků
9.2.2 Pravděpodobnost Předpoklady: 9201 Pedagogická poznámka: První příklad je opakovací, nemá cenu se s ním zabývat více než pět minut. Př. 1: Osudí obsahuje čtyři barevné koule: bílou, fialovou, zelenou,
VíceKvadratické rovnice pro studijní obory
Variace 1 Kvadratické rovnice pro studijní obory Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv další využití výukového materiálu je povoleno pouze s uvedením odkazu na www.jarjurek.cz. 1. Kvadratické
VíceSoustavy lineárních rovnic
1 Soustavy lineárních rovnic Příklad: Uvažujme jednoduchý příklad soustavy dvou lineárních rovnic o dvou neznámých x, y: x + 2y = 5 4x + y = 6 Ze střední školy známe několik metod, jak takové soustavy
Více( ) 2.5.7 Neúplné kvadratické rovnice. Předpoklady: 020501
..7 Neúplné kvadratické rovnice Předpoklady: Pedagogická poznámka: Tato hodina patří mezi vzácné výjimky, kdy naprostá většina studentů skončí více než pět minut před zvoněním. Nechávám je dělat něco jiného
Více4.6.6 Složený sériový RLC obvod střídavého proudu
4.6.6 Složený sériový LC obvod střídavého proudu Předpoklady: 41, 4605 Minulá hodina: odpor i induktance omezují proud ve střídavém obvodu, nemůžeme je však sčítat normálně, ale musíme použít Pythagorovu
VíceTest dobré shody se používá nejčastěji pro ověřování těchto hypotéz:
Ig. Marta Ltschmaová Statstka I., cvčeí 1 TESTOVÁNÍ NEPARAMETRICKÝCH HYPOTÉZ Dosud jsme se zabýval testováím parametrcký hypotéz, což jsou hypotézy o parametrech rozděleí (populace). Statstckým hypotézám
VícePravděpodobnost a statistika: řešené příklady 2014 Tomáš Kroupa
Tomáš Kroupa 1 Kombinatorika Náhodně vybereme 7-místné číslo Jaká je pravděpodobnost, že se v zápise čísla žádná cifra neopakuje? Pečlivě formulujte úlohu v Kolmogorovově modelu pravděpodobnosti Elementární
Více2.8.10 Rovnice s neznámou pod odmocninou a parametrem
.8.10 Rovnie s neznámou pod odmoninou a parametrem Předpoklady: 806, 808 Budeme postupovat stejně jako v předhozíh hodináh. Nejdříve si zopakujeme obený postup při řešení rovni s neznámou pod odmoninou
Více1.1.1 Kvadratické rovnice (dosazení do vzorce) I
.. Kvadratické rovnice (dosazení do vzorce) I Předpoklady: základní početní operace Rovnicí se nazývá vztah rovnosti mezi dvěma výrazy obsahujícími jednu nebo více neznámých. V této kapitole se budeme
VíceV týmové spolupráci jsou komentáře nezbytností. V komentářích se může např. kolega vyjadřovat k textu, který jsme napsali atd.
Týmová spolupráce Word 2010 Kapitola užitečné nástroje popisuje užitečné dovednosti, bez kterých se v kancelářské práci neobejdeme. Naučíme se poznávat, kdo, kdy a jakou změnu provedl v dokumentu. Změny
VíceLABORATORNÍ CVIČENÍ Elektrotechnika a elektronika
VUT FSI BRNO ÚVSSaR, ODBOR ELEKTROTECHNIKY JMÉNO: ŠKOLNÍ ROK: 2010/2011 PŘEDNÁŠKOVÁ SKUPINA: 1E/95 LABORATORNÍ CVIČENÍ Elektrotechnika a elektronika ROČNÍK: 1. KROUŽEK: 2EL SEMESTR: LETNÍ UČITEL: Ing.
VíceDopravní úloha. Jiří Neubauer. Katedra ekonometrie FEM UO Brno
Přednáška č. 9 Katedra ekonometrie FEM UO Brno Distribuční úlohy Budeme se zabývat 2 typy distribučních úloh dopravní úloha přiřazovací problém Dopravní úloha V dopravním problému se v typickém případě
VíceZákladní chemické pojmy a zákony
Základní chemické pojmy a zákony LRR/ZCHV Základy chemických výpočtů Jiří Pospíšil Relativní atomová (molekulová) hmotnost A r (M r ) M r číslo udávající, kolikrát je hmotnost daného atomu (molekuly) větší
Více1.3.1 Kruhový pohyb. Předpoklady: 1105
.. Kruhový pohyb Předpoklady: 05 Předměty kolem nás se pohybují různými způsoby. Nejde pouze o přímočaré nebo křivočaré posuvné pohyby. Velmi často se předměty otáčí (a některé se přitom pohybují zároveň
VíceÚvod. Analýza závislostí. Přednáška STATISTIKA II - EKONOMETRIE. Jiří Neubauer
Přednáška STATISTIKA II - EKONOMETRIE Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Úvod Předmětem této kapitoly bude zkoumání souvislosti (závislosti) mezi
VíceDefinice 6.2.1. z = f(x,y) vázané podmínkou g(x,y) = 0 jsou z geometrického hlediska lokálními extrémy prostorové křivky k, Obr. 6.2.1. Obr. 6.2.
Výklad Dalším typem extrémů, kterým se budeme zabývat jsou tzv. vázané extrémy. Hledáme extrémy nějaké funkce vzhledem k předem zadaným podmínkám. Definice 6.2.1. Řekneme, že funkce f : R n D f R má v
Více( ) ( ) ( ) 2 ( ) 2.7.16 Rovnice s neznámou pod odmocninou II. Předpoklady: 2715
.7.6 Rovnice s neznámou pod odmocninou II Předpoklady: 75 Př. : Vyřeš rovnici y + + y = 4 y + + y = 4 / ( y + + y ) = ( 4) y + + 4 y + y + 4 y = 6 5y + 4 y + y = 8 5y + 4 y + y = 8 - v tomto stavu nemůžeme
VíceTvorba trendové funkce a extrapolace pro roční časové řady
Tvorba trendové funkce a extrapolace pro roční časové řady Příklad: Základem pro analýzu je časová řada živě narozených mezi lety 1970 a 2005. Prvním úkolem je vybrat vhodnou trendovou funkci pro vystižení
Více1 Průběh funkce. Pomůcka pro cvičení: 1. semestr Bc studia Průběh funkce - ruční výpočet
Pomůcka pro cvičení:. semestr Bc studia Průběh funkce - ruční výpočet Průběh funkce balíček: plots Při vyšetřování průběhu funkce využijte dosavadních příkazů z Maple, které znáte. Nové příkazy budou postupně
VíceSoustavy lineárních rovnic
Soustavy lineárních rovnic Buď (T, +, ) těleso. Pak soustava rovnic a 11 x 1 + a 12 x 2 + + a 1n x n = b 1, a 21 x 1 + a 22 x 2 + + a 2n x n = b 2,................................... a m1 x 1 + a m2 x
VíceHodnocení způsobilosti procesu. Řízení jakosti
Hodnocení způsobilosti procesu Řízení jakosti Hodnocení způsobilosti procesu a její cíle Způsobilost procesu je schopnost trvale dosahovat předem stanovená kriteria kvality. Snaha vyjádřit způsobilost
VíceVyužití EduBase ve výuce 2
B.I.B.S., a. s. Využití EduBase ve výuce 2 Projekt Vzdělávání pedagogů v prostředí cloudu reg. č. CZ.1.07/1.3.00/51.0011 Mgr. Jitka Kominácká, Ph.D. a kol. 2015 1 Obsah 1 Obsah... 2 2 Úvod... 3 3 Aktivita:
VíceDomácí úkol DU01_2p MAT 4AE, 4AC, 4AI
Příklad 1: Domácí úkol DU01_p MAT 4AE, 4AC, 4AI Osm spolužáků (Adam, Bára, Cyril, Dan, Eva, Filip, Gábina a Hana) se má seřadit za sebou tak, aby Eva byly první a Dan předposlední. Příklad : V dodávce
VícePř. 3: Dláždíme čtverec 12 x 12. a) dlaždice 2 x 3 12 je dělitelné 2 i 3 čtverec 12 x 12 můžeme vydláždit dlaždicemi 2 x 3.
1..20 Dláždění III Předpoklady: 01019 Př. 1: Najdi n ( 84,96), ( 84,96) D. 84 = 4 21 = 2 2 7 96 = 2 = 4 8 = 2 2 2 2 2 D 84,96 = 2 2 = 12 (společné části rozkladů) ( ) n ( 84,96) = 2 2 2 2 2 7 = 672 (nejmenší
Více1 Typografie. 1.1 Rozpal verzálek. Typografie je organizace písma v ploše.
1 Typografie Typografie je organizace písma v ploše. 1.1 Rozpal verzálek vzájemné vyrovnání mezer mezi písmeny tak, aby vzdálenosti mezi písmeny byly opticky stejné, aby bylo slovo, řádek a celý text opticky
Víceax + b = 0, kde a, b R, přímky y = ax + b s osou x (jeden, nekonečně mnoho, žádný viz obr. 1.1 a, b, c). Obr. 1.1 a Obr. 1.1 b Obr. 1.
1 Rovnice, nerovnice a soustavy 11 Lineární rovnice Rovnice f(x) = g(x) o jedné neznámé x R, kde f, g jsou reálné funkce, se nazývá lineární rovnice, jestliže ekvivalentními úpravami dostaneme tvar ax
VíceFunkce více proměnných
Funkce více proměnných Funkce více proměnných Euklidův prostor Body, souřadnice, vzdálenost bodů Množina bodů, které mají od bodu A stejnou vzdálenost Uzavřený interval, otevřený interval Okolí bodu
VíceDále budeme předpokládat, že daný Markovův řetězec je homogenní. p i1 i 2
4 Markovovy řetězce se nazývá Markovův řetě- Defnce 7 Posloupnost celočíselných náhodných velčn {X n } zec (markovský řetězec), jestlže P(X n+ = j X n = n,, X 0 = 0 ) = P(X n+ = j X n = n ) (7) pro každé
VíceSvobodná chebská škola, základní škola a gymnázium s.r.o. Zlomky sčítání a odčítání. Dušan Astaloš. samostatná práce, případně skupinová práce
METODICKÝ LIST DA2 Název tématu: Autor: Předmět: Zlomky sčítání a odčítání Dušan Astaloš Matematika Ročník:. Učebnice: Kapitola, oddíl: Metody výuky: Formy výuky: Cíl výuky: Získané dovednosti: Stručný
Více6. Demonstrační simulační projekt generátory vstupních proudů simulačního modelu
6. Demonstrační smulační projekt generátory vstupních proudů smulačního modelu Studjní cíl Na příkladu smulačního projektu představeného v mnulém bloku je dále lustrována metodka pro stanovování typů a
VícePopis připojení elektroměru k modulům SDS Micro, Macro a TTC.
Popis připojení elektroměru k modulům SDS Micro, Macro a TTC. V tomhle případě předpokládáme, že modul SDS je již zapojen do sítě a zprovozněn. První zapojení a nastavení modulů SDS najdete v návodech
Více2.7.1 Mocninné funkce s přirozeným mocnitelem
.7. Mocninné funkce s přirozeným mocnitelem Předpoklad: 0 Pedagogická poznámka: K následujícím třem hodinám je možné přistoupit dvěma způsob. Já osobně doporučuji postupovat podle učebnice. V takovém případě
Více2.1.13 Funkce rostoucí, funkce klesající I
.1.13 Funkce rostoucí, funkce klesající I Předpoklad: 111 Pedagogická poznámka: Následující příklad je dobrý na opakování. Můžete ho studentům zadat na čas a ten kdo ho nestihne nebo nedokáže vřešit, b
VíceDůkazové metody. Teoretická informatika Tomáš Foltýnek
Důkazové metody Teoretická informatika Tomáš Foltýnek foltynek@pef.mendelu.cz Matematický důkaz Jsou dány axiomy a věta (tvrzení, teorém), o níž chceme ukázat, zda platí. Matematický důkaz je nezpochybnitelné
Více4.2.7 Voltampérová charakteristika rezistoru a žárovky
4.2.7 Voltampérová charakteristika rezistoru a žárovky Předpoklady: 4205 Pedagogická poznámka: Tuto hodinu učím jako běžnou jednohodinovku s celou třídou. Některé dvojice stihnou naměřit více odporů. Voltampérová
VíceUŽITÍ DERIVACÍ, PRŮBĚH FUNKCE
MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA UŽITÍ DERIVACÍ, PRŮBĚH FUNKCE Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakult MENDELU v Brně (LDF) s ohledem na disciplin
VíceINTEGRÁLNÍ POČET NEURČITÝ INTEGRÁL,
INTEGRÁLNÍ POČET NEURČITÝ INTEGRÁL, URČITÝ INTEGRÁL Gymnázium Jiřího Wolkera v Prostějově Výukové materiály z matematiky pro vyšší gymnázia Autoři projektu Student na prahu 21. století - využití ICT ve
VíceDutý plastický trojúhelník by Gianelle
Dutý plastický trojúhelník by Gianelle Připravíme si rokajl dle našeho výběru pro začátek nejlépe dvě barvy jedné velikosti Já používám korálky Miyuki Delica v tmavě červené barvě, matné s AB úpravou na
VíceÚlohy 22. ročníku Mezinárodní fyzikální olympiády - Havana, Cuba
Úlohy 22. ročníku Mezinárodní fyzikální olympiády - Havana, Cuba Petr Pošta Text pro soutěžící FO a ostatní zájemce o fyziku 2 1. úloha Obrázek 1.1 ukazuje pevný, homogenní míč poloměru R. Před pádem na
VíceSada 2 - MS Office, Excel
S třední škola stavební Jihlava Sada 2 - MS Office, Excel 20. Excel 2007. Kontingenční tabulka Digitální učební materiál projektu: SŠS Jihlava šablony registrační číslo projektu:cz.1.09/1.5.00/34.0284
Více( ) 2.4.4 Kreslení grafů funkcí metodou dělení definičního oboru I. Předpoklady: 2401, 2208
.. Kreslení grafů funkcí metodou dělení definičního oboru I Předpoklady: 01, 08 Opakování: Pokud jsme při řešení nerovnic potřebovali vynásobit nerovnici výrazem, nemohli jsme postupovat pro všechna čísla
VíceSemestrální práce NÁVRH ÚZKOPÁSMOVÉHO ZESILOVAČE. Daniel Tureček zadání číslo 18 cvičení: sudý týden 14:30
Semestrální práce NÁVRH ÚZKOPÁSMOVÉHO ZESILOVAČE Daniel Tureček zadání číslo 18 cvičení: sudý týden 14:30 1. Ověření stability tranzistoru Při návrhu úzkopásmového zesilovače s tranzistorem je potřeba
VícePraktikum II Elektřina a magnetismus
Oddělení fyzikálních praktik při Kabinetu výuky obecné fyziky MFF UK Praktikum II Elektřina a magnetismus Úloha č. VII Název: Měření indukčnosti a kapacity metodou přímou Pracoval: Matyáš Řehák stud.sk.:
VíceTeoretické modely diskrétních náhodných veličin
Teoretcké modely dskrétních náhodných velčn Velčny, kterým se zabýváme, bývají nejrůznější povahy. Přesto však estují skupny náhodných velčn, které mají podobně rozloženou pravděpodobnostní funkc a lze
VíceIMPORT A EXPORT MODULŮ V PROSTŘEDÍ MOODLE
Nové formy výuky s podporou ICT ve školách Libereckého kraje IMPORT A EXPORT MODULŮ V PROSTŘEDÍ MOODLE Podrobný návod Autor: Mgr. Michal Stehlík IMPORT A EXPORT MODULŮ V PROSTŘEDÍ MOODLE 1 Úvodem Tento
Více1. Pravděpodobnost a statistika (MP leden 2010)
1. Pravděpodobnost a statistika (MP leden 2010) Pravděpodobnost pojmy 1. Diskrétní pravděpodobnostní prostor(definice, vlastnosti, příklad). Diskrétní pravděpodobnostní prostor je trojice(ω, A, P), kde
VícePŘIJÍMACÍ ZKOUŠKY 2010 - I.termín
MATEMATIKA Obor: 79-41-K/81 Součet bodů: Opravil: Kontroloval: Vítáme vás na gymnáziu Omská a přejeme úspěšné vyřešení všech úloh. Úlohy můžete řešit v libovolném pořadí. V matematice pracujeme s čísly
VíceKvantové počítače algoritmy (RSA a faktorizace čísla) http://marble.matfyz.cz
Kvantové počítače algoritmy (RSA a faktorizace čísla) http://marble.matfyz.cz 14. 4. 2004 1. Algoritmus RSA Asymetrické šifrování. Existuje dvojice tajného a veřejného klíče, takže není nutné předat klíč
VíceVztah mezi dvěma čísly, které se rovnají, se nazývá rovnost, jako například : ( 2) 3 = 8 4 = 2 ; 16 = 4 ; 1 = 1 a podobně. 2
Lineární rovnice o jedné neznámé O rovnicích obecně Vztah mezi dvěma čísly, které se rovnají, se nazývá rovnost, jako například : ( ) 8 ; 6 ; a podobně. ; Na rozdíl od rovností obsahuje rovnice kromě čísel
Více1. Alternativní rozdělení A(p) (Bernoulli) je diskrétní rozdělení, kdy. p(0) = P (X = 0) = 1 p, p(1) = P (X = 1) = p, 0 < p < 1.
2. Některá důležitá rozdělení Diskrétní rozdělení. Alternativní rozdělení Ap) Bernoulli) je diskrétní rozdělení, kdy náhodná veličina X nabývá pouze dvou hodnot a a pro její pravděpodobnostní funkci platí:
Více5.4. EXPONENCIÁLNÍ TVAR KOMPLEXNÍHO ČÍSLA
5.4. EXPONENCIÁLNÍ TVAR KOMPLEXNÍHO ČÍSLA V této kaptole se dozvíte: jak je defnována exponencální funkce v komplexním oboru a jaké má vlastnost; jak vypadá důležtý Eulerův vzorec a jakým výpočetním vzorcem
Více1. Kruh, kružnice. Mezi poloměrem a průměrem kružnice platí vztah : d = 2. r. Zapíšeme k ( S ; r ) Čteme kružnice k je určena středem S a poloměrem r.
Kruh, kružnice, válec 1. Kruh, kružnice 1.1. Základní pojmy Kružnice je množina bodů mající od daného bodu stejnou vzdálenost. Daný bod označujeme jako střed kružnice. Stejnou vzdálenost nazýváme poloměr
VíceINŽENÝRSKÁ MATEMATIKA LOKÁLNÍ EXTRÉMY
INŽENÝRSKÁ MATEMATIKA LOKÁLNÍ EXTRÉMY FUNKCÍ DVOU PROMĚNNÝCH Robert Mařík 2. října 2009 Obsah z = x 4 +y 4 4xy + 30..................... 3 z = x 2 y 2 x 2 y 2........................ 18 z = y ln(x 2 +y)..........................
VíceNeparametrické metody
Neparametrcké metody Přestože parametrcké metody zaujímají klíčovou úlohu ve statstcké analýze dat, je možné některé problémy řešt př neparametrckém přístupu. V této přednášce uvedeme neparametrcké odhady
VíceNáhodný pokus každá opakovatelná činnost, prováděná za stejných nebo přibližně stejných podmínek, jejíž výsledek je nejistý a závisí na náhodě.
Základy teorie pravděpodobnosti Náhodný pokus každá opakovatelná činnost, prováděná za stejných nebo přibližně stejných podmínek, jejíž výsledek je nejistý a závisí na náhodě. Náhodný jev jakékoli tvrzení
VíceALGEBRA 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.
VíceM - Příprava na 2. zápočtový test pro třídu 2D
M - Příprava na 2. zápočtový test pro třídu 2D Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv další využití výukového materiálu je povoleno pouze s uvedením odkazu na www.jarjurek.cz. VARIACE 1 Tento
Více4.5.2 Magnetické pole vodiče s proudem
4.5.2 Magnetické pole vodiče s proudem Předpoklady: 4501 1820 H. Ch. Oersted objevil, že vodič s proudem působí na magnetku elektrický proud vytváří ve svém okolí magnetické pole (dříve nebyly k dispozici
VíceUNIVERSITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA. KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY školní rok 2009/2010 BAKALÁŘSKÁ PRÁCE
UNIVERSITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY školní rok 2009/2010 BAKALÁŘSKÁ PRÁCE Testy dobré shody Vedoucí diplomové práce: RNDr. PhDr. Ivo
VíceDualita v úlohách LP Ekonomická interpretace duální úlohy. Jiří Neubauer. Katedra ekonometrie FEM UO Brno
Přednáška č. 6 Katedra ekonometrie FEM UO Brno Uvažujme obecnou úlohu lineárního programování, tj. úlohu nalezení takového řešení vlastních omezujících podmínek a 11 x 1 + a 1 x +... + a 1n x n = b 1 a
VíceLokální a globální extrémy funkcí jedné reálné proměnné
Lokální etrémy Globální etrémy Použití Lokální a globální etrémy funkcí jedné reálné proměnné Nezbytnou teorii naleznete Breviáři vyšší matematiky (odstavec 1.). Postup při hledání lokálních etrémů: Lokální
Vícea) Slovní úlohy o směsích b) Slovní úlohy o pohybu c) Slovní úlohy o společné práci
9. ročník a) Slovní úlohy o směsích b) Slovní úlohy o pohybu c) Slovní úlohy o společné práci d) Logické slovní úlohy Obecný postup řešení slovní úlohy: 1. Určení neznámých 2. Stanovení dvou vztahů rovnosti
VíceLineární algebra. Vektorové prostory
Lineární algebra Vektorové prostory Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky a managementu Registrační číslo projektu:
VícePohyb v listu. Řady a posloupnosti
Pohyb v listu. Řady a posloupnosti EU peníze středním školám Didaktický učební materiál Anotace Označení DUMU: VY_32_INOVACE_IT4.05 Předmět: IVT Tematická oblast: Microsoft Office 2007 Autor: Ing. Vladimír
VíceTeoretická rozdělení
Teoretická rozdělení Diskrétní rozdělení Obsah kapitoly Studijní cíle Doba potřebná ke studiu Pojmy k zapamatování Úvod Některá teoretická rozdělení diskrétních veličin: Alternativní rozdělení Binomické
Vícehttp://www.zlinskedumy.cz
Číslo projektu Číslo a název šablony klíčové aktivity Tematická oblast Autor Ročník 2, 3 Obor Anotace CZ.1.07/1.5.00/34.0514 III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Elektronické obvody, vy_32_inovace_ma_42_06
VíceKONSTRUKČNÍ ÚLOHY ŘEŠENÉ UŽITÍM MNOŽIN BODŮ
Projekt ŠABLONY NA GVM Gymnázium Velké Meziříčí registrační číslo projektu: CZ.1.07/1.5.00/34.0948 IV-2 Inovace a zkvalitnění výuky směřující k rozvoji matematické gramotnosti žáků středních škol KONSTRUKČNÍ
VíceŘÍZENÍ FYZIKÁLNÍHO PROCESU POČÍTAČEM
VYSOKÁ ŠKOLA CHEMICKO-TECHNOLOGICKÁ V PRAZE FAKULTA CHEMICKO-INŽENÝRSKÁ Ústav počítačové a řídicí techniky MODULÁRNÍ LABORATOŘE ŘÍZENÍ FYZIKÁLNÍHO PROCESU POČÍTAČEM Programování systému PCT40 v LabVIEW
VíceStatistika (MD360P03Z, MD360P03U) ak. rok 2007/2008
1(254) Statistika (MD360P03Z, MD360P03U) ak. rok 2007/2008 Karel Zvára karel.zvara@mff.cuni.cz http://www.karlin.mff.cuni.cz/ zvara (naposledy upraveno 7. ledna 2008) Statistika (MD360P03Z, MD360P03U)
Více15 s. Analytická geometrie lineárních útvarů
5 s Analytická geometrie lineárních útvarů ) Na přímce: a) Souřadnice bodu na přímce: Bod P nazýváme počátek - jeho souřadnice je P [0] Nalevo od počátku leží čísla záporná, napravo čísla kladná. Každý
VíceCvičení ze statistiky - 6. Filip Děchtěrenko
Cvičení ze statistiky - 6 Filip Děchtěrenko Minule bylo.. Probrali jsme základní charakteristiky pravděpodobnostních modelů a diskrétní modely Tyhle termíny by měly být známé: Distribuční funkce Střední
VíceVyjádření k oznámení k záměru přeložka silnice II/240 ( R7-D8) úsek mezi rychlostní silnicí R7, dálnice D8 a silnicí II. třídy č.
Krajský úřad Středočeského kraje Odbor životního prostředí a zemědělství Středočeského kraje Zborovská 11 150 21 Praha 5 OBECNÍ ÚŘAD obce Velké Přílepy Pražská 162 252 64 Velké Přílepy Vyjádření k oznámení
Více2.1. Pojem funkce a její vlastnosti. Reálná funkce f jedné reálné proměnné x je taková
.. Funkce a jejich graf.. Pojem funkce a její vlastnosti. Reálná funkce f jedné reálné proměnné je taková binární relace z množin R do množin R, že pro každé R eistuje nejvýše jedno R, pro které [, ] f.
VíceTéma 5: Parametrická rozdělení pravděpodobnosti spojité náhodné veličiny
0.05 0.0 0.05 0.0 0.005 Nomnální napětí v pásnc Std Mean 40 60 80 00 0 40 60 Std Téma 5: Parametrcká rozdělení pravděpodobnost spojté náhodné velčn Přednáška z předmětu: Pravděpodobnostní posuzování konstrukcí
VíceTeoretické modely diskrétních náhodných veličin
Teoretcké modely dskrétních náhodných velčn Velčny, kterým se zabýváme, bývají nejrůznější povahy. Přesto však estují skupny náhodných velčn, které mají podobně rozloženou pravděpodobnostní funkc a lze
VíceDiferenciální počet funkcí jedné proměnné
Diferenciální počet funkcí jedné proměnné 1 Diferenciální počet funkcí jedné proměnné - Úvod Diferenciální počet funkcí jedné proměnné - úvod V přírodě se neustále dějí změny. Naší snahou je nalézt příčiny
VíceNumerická integrace. 6. listopadu 2012
Numerická integrace Michal Čihák 6. listopadu 2012 Výpočty integrálů v praxi V přednáškách z matematické analýzy jste se seznámili s mnoha metodami výpočtu integrálů. V praxi se ale poměrně často můžeme
VícePingpongový míček. Petr Školník, Michal Menkina. TECHNICKÁ UNIVERZITA V LIBERCI Fakulta mechatroniky, informatiky a mezioborových studií
Petr Školník, Michal Menkina TECHNICKÁ UNIVERZITA V LIBERCI Fakulta mechatroniky, informatiky a mezioborových studií Tento materiál vznikl v rámci projektu ESF CZ.1.7/../7.47, který je spolufinancován
VíceKapitola 7: Integrál. 1/14
Kapitola 7: Integrál. 1/14 Neurčitý integrál. Definice: Necht f je funkce definovaná na intervalu I. Funkci F definovanou na intervalu I, pro kterou platí F (x) = f (x) x I nazýváme primitivní funkcí k
VíceFinanční matematika Vypracovala: Mgr. Zuzana Kopečková
Finanční matematika Vypracovala: Mgr. Zuzana Kopečková Název školy Název a číslo projektu Název modulu Obchodní akademie a Střední odborné učiliště, Veselí nad Moravou Motivace žáků ke studiu technických
VíceB Kvantitativní test. Semestrální práce TUR. Novotný Michal novotm60@fel.cvut.cz
B Kvantitativní test Semestrální práce TUR Novotný Michal novotm60@fel.cvut.cz OBSAH 1. Úvod... 2 1.1. Předmět testování... 2 1.2. Cílová skupina... 2 2. Testování... 2 2.1. Nulová hypotéza... 2 2.2. Metoda
VíceOpakované měření délky
Zvyšování kvality výuky v přírodních a technických oblastech CZ.1.07/1.1.28/02.0055 Opakované měření délky (laboratorní práce) Označení: EU-Inovace-F-6-10 Předmět: fyzika Cílová skupina: 6. třída Autor:
Více