Model tenisového utkání

Rozměr: px
Začít zobrazení ze stránky:

Download "Model tenisového utkání"

Transkript

1 Model tenisového utkání Jan Šustek Semestrální rojekt do ředmětu Náhodné rocesy 2005 V této ráci se budu zabývat modelem tenisového utkání. Vstuními hodnotami budou úsěšnosti odání jednotlivých hráčů, neboli ravděodobnosti, že daný hráč ři svém odání vyhraje bod. V rvní části odrobně rozeberu vývoj stavu v jednotlivém gamu. Najdu vzorec ro ravděodobnost toho, že daný hráč ři svém odání vyhraje game. V dalších částech rozeberu vývoj skóre v setu a v celém záasu. Odvozování vzorců v těchto částech je obdobné jako v rvní části, avšak situace je značně komlikovanější. Proto v těchto částech budu vzorce a rovnice odvozovat jen stručně a vznié soustavy rovnic vyřeším jen částečně. I tak budou vzorce dost složité. Ne vždy bude oužitá symbolika matematicky zcela korektní, avšak vždy bude z kontextu zřejmý její význam. Často budu oužívat dolní i horní indexy. Vždy však bude jasné, kdy se jedná o horní index a kdy o mocninu. 1 Model gamu Nechť je úsěšnost odání odávajícího hráče. Označme = 1 je ravděodobnost toho, že bod uhraje soueř. Na následujícím grafu je znázorněn vývoj skóre v gamu, včetně ravděodobností řechodů mezi jednotlivými stavy. 0:0 15:0 0:15 30:0 15:15 0:30 40:0 30:15 15:30 0:40 40:15 30:30 15:40 V1 40:30 30:40 V2 Ad1 40:40 Ad2 1

2 Jednotlivé stavy označím následovně: E ij, i, j = 0, 1, 3, 4 Stav gamu je ϕi:ϕj, řičemž ϕ0 = 0, ϕ1 = 15, ϕ3 = = 30 a ϕ4 = 40; E Ai, i = 1, 2 Hráč i má výhodu v grafu Adi ; E Vi, i = 1, 2 Hráč i vyhrál game v grafu Vi. Označme I = {00, 10, 01, 30, 11, 03, 40, 31, 13, 04, 41, 33, 14, V1, 43, 34, V2, A1, 44, A2}. Potom S = {E j j I} je množina všech možných stavů. Nechť X n je náhodná veličina označující stav systému o n krocích. Nechť n j, j I, n N, označuje ravděodobnost, že o n krocích bude systém ve stavu E j. Na začátku je stav 0:0; očáteční stav systému tedy je X 0 = E 00. To znamená, že {X n } n N je Markovův řetězec s diskrétním časem, jehož množina stavů je S, vektor 0 očátečního rozdělení ravděodobnosti je dán vztahem { 0 1, j = 00, j = 0 jinak a matice ravděodobností řechodů je E 00 E 10 E 01 E 30 E 11 E 03 E 40 E 31 E 13 E 04 E 41 E 33 E 14 E V1 E 43 E 34 E V2 E A1 E 44 E A2 E E E E E E E E E P = j i E 04 i,j I = E E E E V E E E V E A E E A Nyní uvedu rozdělení ravděodobnosti n o rvních několika krocích. Rozdělení o jednom kroku je 1 = 0 P = E 00 E 10 E 01 E 30 E 11 E 03 E 40 E 31 E 13 E 04 E 41 E 33 E 14 E V1 E 43 E 34 E V2 E A1 E 44 E A , 2

3 o dvou krocích 2 = 1 P = E 00 E 10 E 01 E 30 E 11 E 03 E 40 E 31 E 13 E 04 E 41 E 33 E 14 E V1 E 43 E 34 E V2 E A1 E 44 E A , o třech krocích 3 = 2 P = E 00 E 10 E 01 E 30 E 11 E 03 E 40 E 31 E 13 E 04 E 41 E 33 E 14 E V1 E 43 E 34 E V2 E A1 E 44 E A , atd. Je zřejmé, že o n 6 krocích bude mít rozdělení tvar n = E 00 E 10 E 01 E 30 E 11 E 03 E 40 E 31 E 13 E 04 E 41 E 33 E 14 E V1 E 43 E 34 E V2 E A1 E 44 E A α V1 0 0 α V2 α A1 α 44 α A2, kde ravděodobnosti α j závisí na hodnotě n. Označme K j náhodnou veličinu rerezentující dobu čekání na rvní růchod stavem E j za ředoadu, že v čase t = 0 byl systém ve stavu E j. Náhodná veličina K j se nazývá doba návratu do stavu E j. Označme {k n j } n=0 rozdělení náhodné veličiny K j. Nyní rovedu asifikaci stavů. j J 1 = {00, 10, 01, 30, 11, 03, 40, 31, 13, 04, 41, 33, 14, 43, 34} Je-li systém na začátku v některém stavu E j, j J 1, ak o jednom či více krocích systém nemůže být v témže stavu E j. To znamená, že k n j = 0 ro všechna j J 1 a n = 1, 2,.... Protože n=1 kn j = 0 < 1, jsou všechny stavy E j, j J 1, řechodné. j = 44 Je-li systém na začátku ve stavu E 44, ak se zět do tohoto stavu buď nikdy nedostane, nebo rvní návrat do stavu E 44 nastane rávě o dvou krocích, a to s ravděodobností 2. To znamená, že k 2 44 = 2 a k n 44 = 0 ro ostatní n. Odtud lyne, že stav E 44 je eriodický s eriodou λ = 2. Protože n=1 kn 44 = 2 < 1, je stav E 44 řechodný. j J 2 = {A1, A2} Je-li systém na začátku v některém stavu E j, j J 2, ak se zět do tohoto stavu buď nikdy nedostane, nebo rvní návrat do tohoto stavu nastane o sudém očtu kroků, a to s ravděodobností k 2m j = m. Pro lichá n je k n j = 0. Protože n=1 kn j = < 1, jsou stavy E 1 A1 a E A2 řechodné. Tyto stavy jsou eriodické a jejich erioda je λ = 2. j J 3 = {V1, V2} Je-li systém na začátku v některém stavu E j, j J 3, ak se z tohoto stavu nikdy nedostane. Stavy E V1 a E V2 jsou roto absorční. Protože Markovův řetězec obsahuje absorční stavy, je tento řetězec rozložitelný. Označme T = I \ {V1, V2} množinu indexů všech řechodných stavů. To znamená, že {E j j T } je množina všech řechodných stavů. Stav E V1 je absorční. Pro j T označme x j ravděodobnost absorce v množině {E V1 } za ředoadu, že na očátku byl systém ve stavu j. Ve skutečnosti x 00 je ravděodobnost, že odávající hráč vyhraje game. Pravděodobnosti x j, j T, jsou řešením soustavy x j x 1 j = ν T ν j x ν, j T, 1 3

4 kde x 1 j je ravděodobnost absorce v rvním kroku. Je zřejmé, že x 1 j = V1 j. Dosazením tohoto do 1 dostaneme x 00 = x 10 + x 01, x 40 = x 41 +, x 14 = x 34, x 10 = x 30 + x 11, x 31 = x 41 + x 33, x 43 = x 44 +, x 01 = x 11 + x 03, x 13 = x 33 + x 14, x 34 = x 44, x 30 = x 40 + x 31, x 04 = x 14, x A1 = x 44 +, x 11 = x 31 + x 13, x 41 = x 43 +, x 44 = x A1 + x A2, x 03 = x 13 + x 04, x 33 = x 43 + x 34, x A2 = x 44. Tato soustava má řešení x 00 = x 10 = x 01 = x 30 = x 11 = x 03 = x 40 = x 31 = x 13 = , x 04 = 5 1 2,, x 41 = +, x 33 = 2 1 2,, x 14 = 4 1 2, 1 2 1,, x 43 = ,, x 34 = 3 1 2,, x A1 = ,, x 44 = 2 1 2,, x A2 = Hlavním výsledkem této části je vzorec ro ravděodobnost A, že odávající hráč vyhraje game, za ředoadu, že ravděodobnost, že ři svém odání uhraje bod, je. Platí A = x 00 = Graf funkce A je na následujícím obrázku. y x 4

5 2 Model setu Označme hráče odávajícího v rvním gamu daného setu jako hráče 1, jeho soueře jako hráče 2. Nechť ravděodobnost toho, že hráč 1 ři svém odání vyhraje game, a nechť v 1 = 1 je ravděodobnost, že ři odání hráče 1 vyhraje game hráč 2. Podobně označme u 2 ravděodobnost toho, že hráč 2 ři svém odání vyhraje game, a = 1 u 2 ravděodobnost, že ři odání hráče 2 vyhraje game hráč 1. Pro jednoduchost budu ředoádat, že se hraje odle starých ravidel, tedy, že vítěz setu musí vyhrát alesoň šest gamů a řitom vyhrát alesoň o dva gamy více než soueř. Z hlediska vývoje stavu v setu jsou ekvivalentní stavy 4:4, 5:5, 6:6, 7:7,..., rotože k vítězství v setu za tohoto stavu každý hráč otřebuje vyhrát dva gamy a žádný nerohrát. Podobně jsou ekvivalentní stavy 5:4, 6:5, 7:6,... a stavy 4:5, 5:6, 6:7,.... Na následujícím grafu je znázorněn vývoj skóre a odání v setu, včetně ravděodobností řechodů mezi jednotlivými stavy. Symbol i:j Pk znamená, že stav setu je i:j a v současném gamu odává hráč k. Symbol Vk Pl znamená, že set vyhrál hráč k a na začátku dalšího setu bude odávat hráč l. 5:0 V1 4:0 v 1 u 2 5:1 V1 3:0 u 2 4:1 u 2 v2 v 1 5:2 2:0 v 1 3:1 v 1 4:2 v 1 u 2 1:0 u 2 2:1 u 2 3:2 u 2 4:3 u 2 5:3 v 1 5:4 Jednotlivé stavy označím následovně: 0:0 v 1 1:1 v 1 2:2 v 1 3:3 v 1 u 2 4:4 0:1 u 2 1:2 u 2 2:3 u 2 3:4 u 2 4:5 0:2 v 1 1:3 v 1 2:4 v 1 3:5 0:3 u 2 1:4 u 2 2:5 0:4 v 1 F ij Skóre v setu je i:j, řitom odává hráč i + j mod 2 + 1; G Set vyhrál hráč k a na začátku dalšího setu bude odávat hráč l. v 1 u 2 v 1 u2 1:5 V2 v 1 0:5 u 2 V2 5

6 Označme ij res. rij ravděodobnost řechodu ze stavu F ij do stavu F res. G během jednoho kroku. Jednotlivé ravděodobnosti lze vyčíst z výše uvedeného grafu. Podobně jako v rvní části označme T = {00, 10, 01,..., 54, 45} množinu indexů řechodných stavů. To znamená, že {F j j T } je množina všech řechodných stavů. Stavy G jsou absorční. Označme ravděodobnost absorce v množině {G } za ředoadu, že na očátku byl systém ve stavu F ij. Ve skutečnosti y00 znamená ravděodobnost, že okud na začátku setu odával hráč 1, ak set vyhraje hráč k a na začátku dalšího setu bude odávat hráč l. Podobně označme zij ravděodobnost absorce v množině {G } za ředoadu, že na začátku byl systém ve stavu G ij. Je zřejmé, že latí zij = δ ik δ jl, kde δ je Kroneckerova funkce. Pravděodobnosti musí slňovat soustavu rovnic odobnou soustavě 1, řičemž s využitím toho, že absorční množiny jsou jednorvkové, lze tuto soustavu řesat následovně: y ij = µν T µν ij y µν + 2 α,β=1 r αβ ij z αβ, ij T, k, l = 1, 2. 2 Dosazením ravděodobností z grafu a vztahu ro z ij do 2 dostáváme = y i+1,j + v 1 y i,j+1, ij = 00, 20, 11, 02, 40, 31, 22, 13, 04, 42, 33, 24, 44, = y i+1,j + u 2 y i,j+1, ij = 10, 01, 30, 21, 12, 03, 41, 32, 23, 14, 43, 34, = δ 1k δ 1l + u 2 y i,j+1, ij = 50, 52, = y i+1,j + u 2 δ 2k δ 1l, ij = 05, 25, = δ 1k δ 2l + v 1 y i,j+1, ij = 51, 53, = y i+1,j + v 1 δ 2k δ 2l, ij = 15, 35, y54 = δ 1k δ 1l + u 2 y44, y45 = y44 + u 2 δ 2k δ 1l, k, l = 1, 2. Tato soustava 140 rovnic o 140 neznámých má jediné řešení. Důležité je řešení ro neznámé y 00: y = u 4 1 u u 3 1u 2 2 3u 4 1u u 3 1u 3 2v 1 + 4u 4 1u 4 2v u u 3 1u u 2 1u 2 v u 3 1u 2 2v u 2 1u u 3 1u 3 2v1 2 2 u 2 1v 1 v v u 2 1u 2 v u 2 v1v v1v v1v u 2 v1v v1v 5 2 5, 1 u 2 v 1 y = u 2 1 4u 3 1 u u 2 1u u 2 1u 2 2v v u v 3 1v 3 2, y = y = u 2 1 u 2 v 1 5u 4 1 u 4 2 4u 5 1u u 2 1u 3 2v 1 6u 3 1u 4 2v 1 + u u u 3 1u 3 2v 1 20u 4 1u 4 2v u u 2 1u u 2 2v1v u 2 1u 2 2v u 2 v1v u 2 2v1v u 2 v1v u 2 1u 2 2v1v u 2 v1v v1v u 2 v1v 4 2 4, 1 u 2 v 1 4u 3 1 u u 2 2v u 2 1u 2 2v 1 + 3u 2 v u 2 v v1v

7 Označme B, u 2 ravděodobnost toho, že okud na začátku setu odával hráč 1, ak set vyhraje hráč k a na začátku dalšího setu bude odávat hráč l, za ředoadu, že ravděodobnost toho, že hráč 1 ři svém odání vyhraje game, je rovna a ravděodobnost toho, že hráč 2 ři svém odání vyhraje game, je rovna u 2. Tu dostaneme z y 00 dosazením v 1 = 1 a = 1 u 2. Platí B 11, u 2 = 1 u 2 1 4u u 3 1 9u u u 2 u 2 1u 2 46u 3 1u u 4 1u 2 40u 5 1u 2 10u u u 2 1u u 3 1u u 4 1u u 5 1u u u u 2 1u u 3 1u u 4 1u u 5 1u u u u 2 1u u 3 1u u 4 1u u 5 1u u u u 2 1u u 3 1u u 4 1u 5 2, + u 2 2 u 2 B 12, u 2 = u 2 1 u u u u 2 54 u u 2 1u 2 36u 3 1u 2 12u u u 2 1u u 3 1u u u u 2 1u u 3 1u 3 2, B 21, u 2 = 1 u u1 6u u 3 1 u u 2 43 u u 2 1u 2 109u 3 1u u 4 1u 2 4u 5 1u 2 9u u u 2 1u u 3 1u u 4 1u u 5 1u u u u 2 1u u 3 1u u 4 1u u 5 1u 3 2 4u u u 2 1u u 3 1u u 4 1u u 5 1u u u 2 1u u 3 1u u 4 1u 5 2, + u 2 2 u 2 B 22, u 2 = 1 2 u u1 + 12u 2 1 4u 3 1 9u u 2 81u 2 1u u 3 1u 2 + 9u u u 2 1u u 3 1u 2 2 4u u u 2 1u u 3 1u 3 2. Pravděodobnost, že set vyhraje hráč k, bez ohledu na to, kdo bude odávat na začátku dalšího setu, je rovna B k1, u 2 +B k2, u 2. Předoádejme, že jsou oba soueři stejně silní, že mají stejnou úsěšnost odání. Potom jsou stejné i ravděodobnosti u i = A toho, že ři svém odání vyhraje game. Dosazením do B dostaneme B 11, u 2 + B 12, u 2 = B 21, u 2 + B 22, u 2 = 1 2. To znamená, že okud jsou soueři stejně silní, ak mají stejnou ravděodobnost, že vyhrají set, a to nezávisle naříad na tom, kdo odával na začátku setu. 7

8 3 Model záasu Označme hráče odávajícího na začátku záasu jako hráče 1, jeho soueře jako hráče 2. Nechť úsěšnost odání hráče 1 je 1 a nechť 1 = 1 1 je ravděodobnost, že ři odání hráče 1 bod uhraje hráč 2. Podobně označme 2 úsěšnost odání hráče 2 a 2 = 1 2 ravděodobnost, že ři odání hráče 2 bod uhraje hráč 1. Jednotlivé stavy označím následovně: H ijk Stav záasu je i:j na sety, na začátku setu odává hráč k v grafu H Vi Záas vyhrál hráč i v grafu Vi. i:j Pk ; Označme s j ravděodobnost toho, že když na začátku setu odává hráč j, ak daný set vyhraje hráč k a na začátku dalšího setu bude odávat hráč l. Na následujícím grafu je znázorněn vývoj skóre a odání v záasu, včetně ravděodobností řechodů mezi jednotlivými stavy. 0:0 s 111 s 112 s 121 s 122 s 111 s 112 1:0 s 122 s 211 1:0 s 221 s 222 s 111s 112 0:1 s 122 s 211 0:1 s 221 s 222 2:0 s 121 s 122 2:0 s 121 s 212 s 222 s 111 s 221 s 112 1:1 s 122 s 211 1:1 s 121 s 212 s 221 s 222 s 111 s 112 0:2 s 211 s 212 0:2 s111 + s112 s s 212 s s 112 2:1 s s 212 s 122 2:1 s 121 s 212 s 221 s 222 s 111 s 112 1:2 s 211 1:2 s121 + s 122 s s 122 s s 222 s221 + s222 V1 s s 112 s 121 2:2 2:2 s 212 s s 222 V2 s s 212 s s 122 8

9 Označme z ijk ravděodobnost absorce v množině {H V1 } za ředoadu, že na očátku byl systém ve stavu G ijk. Ve skutečnosti z 001 znamená ravděodobnost, že okud na začátku záasu odával hráč 1, ak záas vyhraje hráč 1. Podobně jako v ředchozích částech musí ravděodobnosti z ijk slňovat soustavu rovnic Řešení z 001 této soustavy je z 001 = s 111 z s 112 z s 121 z s 122 z 012, z 101 = s 111 z s 112 z s 121 z s 122 z 112, z 102 = s 211 z s 212 z s 221 z s 222 z 112, z 011 = s 111 z s 112 z s 121 z s 122 z 022, z 012 = s 211 z s 212 z s 221 z s 222 z 022, z 201 = s s s 121 z s 122 z 212, z 202 = s s s 221 z s 222 z 212, z 111 = s 111 z s 112 z s 121 z s 122 z 122, z 112 = s 211 z s 212 z s 221 z s 222 z 122, z 021 = s 111 z s 112 z 122, z 022 = s 211 z s 212 z 122, z 211 = s s s 121 z s 122 z 222, z 212 = s s s 221 z s 222 z 222, z 121 = s 111 z s 112 z 222, z 122 = s 211 z s 212 z 222, z 221 = s s 112, z 222 = s s 212. z 001 = s s 2 111s s 3 111s s 2 111s 112 s s 3 111s s 2 111s 112 s s 111 s 112 s s 2 112s s 111 s 112 s 121 s s 2 112s 121 s s 111 s 112 s 2 121s s 2 112s 2 121s s 2 111s 122 s s 111 s 112 s 122 s s 2 111s 121 s 122 s s 111 s 112 s 121 s 122 s s 112 s 122 s s 112 s 121 s 122 s s 111 s 2 122s s 112 s 2 122s s 111 s 112 s s 111 s 112 s 121 s s 111 s 112 s 2 121s s 2 111s 122 s s 2 111s 121 s 122 s s 112 s 211 s s 112 s 121 s 211 s s 112 s 2 121s 211 s s 111 s 122 s 211 s s 112 s 122 s 211 s s 111 s 121 s 122 s 211 s s 112 s 121 s 122 s 211 s s 111 s 2 122s 211 s s 2 122s 2 211s s 112 s s 112 s 121 s s 112 s 2 121s s 111 s 122 s s 111 s 121 s 122 s s 122 s 211 s s 121 s 122 s 211 s s 2 122s 211 s s 122 s s 121 s 122 s s 2 111s 112 s s 111 s 2 112s s 2 111s 112 s 121 s s 111 s 2 112s 121 s s 3 111s 122 s s 2 111s 112 s 122 s s 2 112s 211 s s 2 112s 121 s 211 s s 111 s 112 s 122 s 211 s s 2 112s 122 s 211 s s 111 s 112 s 212 s s 2 112s 212 s s 111 s 112 s 121 s 212 s s 2 112s 121 s 212 s s 2 111s 122 s 212 s s 111 s 112 s 122 s 212 s s 112 s 122 s 211 s 212 s s 111 s 122 s 2 212s s 112 s 122 s 2 212s s 111 s 2 112s s 3 112s s 111 s 112 s 211 s s 2 112s 211 s s 111 s 112 s 121 s 211 s s 2 112s 121 s 211 s s 2 111s 122 s 211 s s 111 s 112 s 122 s 211 s s 112 s 122 s 2 211s s 111 s 112 s 212 s s 111 s 112 s 121 s 212 s s 2 111s 122 s 212 s s 112 s 211 s 212 s s 112 s 121 s 211 s 212 s s 111 s 122 s 211 s 212 s s 112 s 122 s 211 s 212 s s 112 s 2 212s s 112 s 121 s 2 212s s 111 s 122 s 2 212s s 122 s 211 s 2 212s s 122 s 3 212s s 2 111s 112 s 221 s s 111 s 2 112s 221 s s 2 112s 211 s 221 s s 111 s 112 s 212 s 221 s s 2 112s 212 s 221 s s 111 s 112 s 211 s s 2 112s 211 s s 111 s 112 s 212 s s 112 s 211 s 212 s s 112 s 2 212s Označme toto řešení jako C s 111, s 112, s 121, s 122, s 211, s 212, s 221, s 222 = z001. 9

10 Nyní určím ravděodobnosti s j. Pokud na začátku setu odává hráč 1, ak ravděodobnost toho, že ři odání hráče 1 vyhraje game hráč 1, je rovna = A 1 a ravděodobnost toho, že ři odání hráče 2 vyhraje game hráč 2, je rovna u 2 = A 2. Proto je ravděodobnost toho, že daný set vyhraje hráč k a na začátku dalšího setu bude odávat hráč l, rovna s 1 = B A 1, A 2. Pokud na začátku setu odává hráč 2, ak ravděodobnost toho, že ři odání hráče 2 vyhraje game hráč 2, je rovna = A 2 a ravděodobnost toho, že ři odání hráče 1 vyhraje game hráč 1, je rovna u 2 = A 1. Proto je ravděodobnost toho, že daný set vyhraje hráč k a na začátku dalšího setu bude odávat hráč l, rovna s 2 = B 3 k,3 l A 2, A 1. Odtud lyne, že ravděodobnost V 1, 2 toho, že hráč odávající na začátku záasu tento záas vyhraje, za ředoadu, že ravděodobnost toho, že hráč odávající na začátku záasu ři svém odání uhraje bod, je 1, a ravděodobnost toho, že druhý hráč ři svém odání uhraje bod, je 2, je rovna V 1, 2 = C B 11 A1, A 2, B 12 A1, A 2, B 21 A1, A 2, B 22 A1, A 2, B 22 A2, A 1, B 21 A2, A 1, B 12 A2, A 1, B 11 A2, A 1. V následující tabulce jsou uvedeny hodnoty V i, i + j, kde i je číslo uvedené v záhlaví řádků a j je číslo uvedené v záhlaví slouců Předoádejme, že jsou oba soueři stejně silní, že mají stejnou úsěšnost odání. Potom dosazením do V dostaneme V, = 1 V, = 1 2. To znamená, že okud jsou oba soueři stejně silní, ak mají stejnou ravděodobnost, že vyhrají záas. Předoádejme, že záas hrají hráči A a B. Označme A úsěšnost odání hráče A a B úsěšnost odání hráče B. Pokud na začátku záasu odává hráč A, ak ravděodobnost jeho výhry v záasu je V A, B. Pokud na začátku záasu odával hráč B, ak ravděodobnost, že záas vyhraje hráč A, je 1 V B, A. Ze vzorce ro V lyne, že latí V A, B = 1 V B, A. 10

11 To znamená, že ravděodobnosti výhry v záasu nezávisí na tom, kdo odával na začátku záasu. Předoádejme, že hráči A a B jsou skoro stejně silní, že úsěšnost odání hráče A je A = 0.75 a úsěšnost odání hráče B je B = Z výše uvedené tabulky lyne, že ravděodobnost toho, že hráč A vyhraje záas, je rovna Pravděodobnost, že záas vyhraje hráč B, je Odtud je vidět, že okud jsou soueři skoro stejně silní, ak se ravděodobnosti výhry v záasu liší mnohem více, než se liší úsěšnosti odání jednotlivých hráčů. Závěr Výsledkem této ráce je, že tenis je sravedlivá hra. Jsou-li oba soueři stejně silní, ak mají stejnou ravděodobnost, že vyhrají záas. Jestliže má jeden hráč jen o málo větší úsěšnost odání než druhý hráč, ak ravděodobnost jeho výhry v záasu je mnohem větší. Pravděodobnosti výhry v záasu nezávisí na tom, kdo odával na začátku záasu, ale ouze na úsěšnosti odání jednotlivých hráčů. 11

Pravděpodobnostní model volejbalového zápasu

Pravděpodobnostní model volejbalového zápasu Pravděpodobnostní model volejbalového zápasu Mgr. Jan Šustek 3. 0. 008 Opakování Věta o celkové pravděpodobnosti Věta Pro jevy B, B Ω, které se navzájem vylučují, přičemž jeden z nich nutně nastává, tj.

Více

Náhodným (stochastickým) procesem nazveme zobrazení, které každé hodnotě náhodnou veličinu X ( t)

Náhodným (stochastickým) procesem nazveme zobrazení, které každé hodnotě náhodnou veličinu X ( t) MARKOVOVY PROCESY JAKO APARÁT PRO ŘEŠENÍ SPOLEHLIVOSTI VÍCESTAVOVÝCH SYSTÉMŮ Náhodné rocesy Náhodným (stochastckým) rocesem nazveme zobrazení, které každé hodnotě náhodnou velčnu X ( t). Proměnná t má

Více

Markovovy řetězce se spojitým časem CTMC (Continuous time Markov Chain)

Markovovy řetězce se spojitým časem CTMC (Continuous time Markov Chain) Markovovy řetězce se soitým časem CTMC (Continuous time Markov Chain) 3 5 1 4 Markovovy rocesy X Diskrétní stavový rostor Soitý obor arametru t { } S e1, e,, en t R t 0 0 t 1 t t 3 t Proces e Markovův

Více

Analytická metoda aneb Využití vektorů v geometrii

Analytická metoda aneb Využití vektorů v geometrii KM/GVS Geometrické vidění světa (Design) nalytická metoda aneb Využití vektorů v geometrii Použité značky a symboly R, C, Z obor reálných, komleních, celých čísel geometrický vektor R n aritmetický vektor

Více

Obvodové rovnice v časové oblasti a v operátorovém (i frekvenčním) tvaru

Obvodové rovnice v časové oblasti a v operátorovém (i frekvenčním) tvaru Obvodové rovnice v časové oblasti a v oerátorovém (i frekvenčním) tvaru EO Přednáška 5 Pavel Máša - 5. řednáška ÚVODEM V ředchozím semestru jsme se seznámili s obvodovými rovnicemi v SUS a HUS Jak se liší,

Více

Pravděpodobnostní model volejbalového zápasu. Mgr. Jan Šustek

Pravděpodobnostní model volejbalového zápasu. Mgr. Jan Šustek Pravděpodobnostní model volejbalového zápasu Mgr. Jan Šustek 3. 0. 008 Opakování Opakování Věta o celkové pravděpodobnosti Věta Pro jevy B, B Ω takové, že B B = a B B = Ω, platí P(A) = P(B ) P(A B ) +

Více

TERMIKA VIII. Joule uv a Thompson uv pokus pro reálné plyny

TERMIKA VIII. Joule uv a Thompson uv pokus pro reálné plyny TERMIKA VIII Maxwellova rovnovážná rozdělovací funkce rychlostí Joule uv a Thomson uv okus ro reálné lyny 1 Maxwellova rovnovážná rozdělovací funkce rychlostí Maxwellova rychlostní rozdělovací funkce se

Více

Laplaceova transformace.

Laplaceova transformace. Lalaceova transformace - studijní text ro cvičení v ředmětu Matematika -. Studijní materiál byl řiraven racovníky katedry E. Novákovou, M. Hyánkovou a L. Průchou za odory grantu IG ČVUT č. 300043 a v rámci

Více

13. cvičení z PSI ledna 2017

13. cvičení z PSI ledna 2017 cvičení z PSI - 7 ledna 07 Asymptotické pravděpodobnosti stavů Najděte asymptotické pravděpodobnosti stavů Markovova řetězce s maticí přechodu / / / 0 P / / 0 / 0 0 0 0 0 0 jestliže počáteční stav je Řešení:

Více

2.3.6 Práce plynu. Předpoklady: 2305

2.3.6 Práce plynu. Předpoklady: 2305 .3.6 Práce lynu Předoklady: 305 Děje v lynech nejčastěji zobrazujeme omocí diagramů grafů závislosti tlaku na objemu. Na x-ovou osu vynášíme objem a na y-ovou osu tlak. Př. : Na obrázku je nakreslen diagram

Více

15. KubickÈ rovnice a rovnice vyööìho stupnï

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

Více

CVIČENÍ Z ELEKTRONIKY

CVIČENÍ Z ELEKTRONIKY Střední růmyslová škola elektrotechnická Pardubice CVIČENÍ Z ELEKRONIKY Harmonická analýza Příjmení : Česák Číslo úlohy : Jméno : Petr Datum zadání :.1.97 Školní rok : 1997/98 Datum odevzdání : 11.1.97

Více

Způsobilost. Data a parametry. Menu: QCExpert Způsobilost

Způsobilost. Data a parametry. Menu: QCExpert Způsobilost Zůsobilost Menu: QExert Zůsobilost Modul očítá na základě dat a zadaných secifikačních mezí hodnoty různých indexů zůsobilosti (caability index, ) a výkonnosti (erformance index, ). Dále jsou vyočítány

Více

Markovské metody pro modelování pravděpodobnosti

Markovské metody pro modelování pravděpodobnosti Markovské metody pro modelování pravděpodobnosti rizikových stavů 1 Markovský řetězec Budeme uvažovat náhodný proces s diskrétním časem (náhodnou posloupnost) X(t), t T {0, 1, 2,... } s konečnou množinou

Více

8 Matice a determinanty

8 Matice a determinanty M Rokyta, MFF UK: Aplikovaná matematika II kap 8: Matice a determinanty 1 8 Matice a determinanty 81 Matice - definice a základní vlastnosti Definice Reálnou resp komplexní maticí A typu m n nazveme obdélníkovou

Více

PRAVDĚPODOBNOST A STATISTIKA. Metoda momentů Metoda maximální věrohodnosti

PRAVDĚPODOBNOST A STATISTIKA. Metoda momentů Metoda maximální věrohodnosti SP3 Odhady arametrů PRAVDĚPODOBNOST A STATISTIKA Metoda momentů Metoda maimální věrohodnosti SP3 Odhady arametrů Metoda momentů Vychází se z: - P - ravděodobnostní rostor - X je náhodná roměnná s hustotou

Více

Cvičení z termomechaniky Cvičení 5.

Cvičení z termomechaniky Cvičení 5. Příklad V komresoru je kontinuálně stlačován objemový tok vzduchu *m 3.s- + o telotě 0 * C+ a tlaku 0, *MPa+ na tlak 0,7 *MPa+. Vyočtěte objemový tok vzduchu vystuujícího z komresoru, jeho telotu a říkon

Více

můžeme toto číslo považovat za pravděpodobnost jevu A.

můžeme toto číslo považovat za pravděpodobnost jevu A. RAVDĚODOBNOST - matematická discilína, která se zabývá studiem zákonitostí, jimiž se řídí hromadné náhodné jevy - vytváří ravděodobnostní modely, omocí nichž se snaží ostihnout náhodné rocesy. Náhodné

Více

1.5.2 Mechanická práce II

1.5.2 Mechanická práce II .5. Mechanická ráce II Předoklady: 50 Př. : Jakou minimální ráci vykonáš ři řemístění bedny o hmotnosti 50 k o odlaze o vzdálenost 5 m. Příklad sočítej dvakrát, jednou zanedbej třecí sílu mezi bednou a

Více

SHANNONOVY VĚTY A JEJICH DŮKAZ

SHANNONOVY VĚTY A JEJICH DŮKAZ SHANNONOVY VĚTY A JEJICH DŮKAZ JAN ŠŤOVÍČEK Abstrakt. Důkaz Shannonových vět ro binární symetrický kanál tak, jak měl být robrán na řednášce. Číslování vět odovídá řednášce. 1. Značení a obecné ředoklady

Více

, : (vzor prvku b) q ).

, : (vzor prvku b) q ). DSM Cv 6 Zobrazení : X Y, X X Y Y Je dána relace, : Obraz množiny X v relaci, ( X ) = { y Y; x X :[ x, y] }; v říadě, že X = { a}, íšeme ( a) (obraz rvku a), Vzor množiny Y v relaci, ; v říadě, že ( Y

Více

Fakt. Každou soustavu n lineárních ODR řádů n i lze eliminací převést ekvivalentně na jednu lineární ODR

Fakt. Každou soustavu n lineárních ODR řádů n i lze eliminací převést ekvivalentně na jednu lineární ODR DEN: ODR teoreticky: soustavy rovnic Soustava lineárních ODR 1 řádu s konstantními koeficienty je soustava ve tvaru y 1 = a 11 y 1 + a 12 y 2 + + a 1n y n + b 1 (x) y 2 = a 21 y 1 + a 22 y 2 + + a 2n y

Více

GONIOMETRICKÉ ROVNICE -

GONIOMETRICKÉ ROVNICE - 1 GONIOMETRICKÉ ROVNICE - Pois zůsobu oužití: teorie k samostudiu (i- learning) ro 3. ročník střední školy technického zaměření, teorie ke konzultacím dálkového studia Vyracovala: Ivana Klozová Datum vyracování:

Více

Definice 28 (Ortogonální doplněk vektorového podprostoru). V k V n ; V k V. (Pech:AGLÚ/str D.5.1)

Definice 28 (Ortogonální doplněk vektorového podprostoru). V k V n ; V k V. (Pech:AGLÚ/str D.5.1) 14.3 Kolmost podprostorů 14.3.1 Ortogonální doplněk vektorového prostou Ve vektorovém prostoru dimenze 3 je ortogonálním doplňkem roviny (přesněji vektorového prostoru dimenze ) přímka na ní kolmá (vektorový

Více

MATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]

MATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij] MATICE Matice typu m/n nad tělesem T je soubor m n prvků z tělesa T uspořádaných do m řádků a n sloupců: a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij] a m1 a m2 a mn Prvek a i,j je prvek matice A na místě

Více

Vektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace

Vektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace Vektory a matice Aplikovaná matematika I Dana Říhová Mendelu Brno Obsah 1 Vektory Základní pojmy a operace Lineární závislost a nezávislost vektorů 2 Matice Základní pojmy, druhy matic Operace s maticemi

Více

Pokud světlo prochází prostředím, pak v důsledku elektromagnetické interakce s částicemi obsaženými

Pokud světlo prochází prostředím, pak v důsledku elektromagnetické interakce s částicemi obsaženými 1 Pracovní úkoly 1. Změřte závislost indexu lomu vzduchu na tlaku n(). 2. Závislost n() zracujte graficky. Vyneste také závislost závislost vlnové délky sodíkové čáry na indexu lomu vzduchu λ(n). Proveďte

Více

7. Měření dutých objemů pomocí komprese plynu a určení Poissonovy konstanty vzduchu Úkol 1: Určete objem skleněné láhve s kohoutem kompresí plynu.

7. Měření dutých objemů pomocí komprese plynu a určení Poissonovy konstanty vzduchu Úkol 1: Určete objem skleněné láhve s kohoutem kompresí plynu. 7. Měření dutých objemů omocí komrese lynu a určení Poissonovy konstanty vzduchu Úkol : Určete objem skleněné láhve s kohoutem komresí lynu. Pomůcky Měřený objem (láhev s kohoutem), seciální lynová byreta

Více

Obslužné sítě. Jacksonova síť systémů hromadné obsluhy. Sériové propojení dvou front

Obslužné sítě. Jacksonova síť systémů hromadné obsluhy. Sériové propojení dvou front Obsužné sítě Jacksonova síť systéů hroadné obsuhy Teekounkační síť Počítačová síť Doravní síť Unversa Mobe Teecouncatons Syste Sérové roojení dvou front Queue Queue Stav systéu je osán usořádanou dvojící

Více

f(x) = arccotg x 2 x lim f(x). Určete všechny asymptoty grafu x 2 2 =

f(x) = arccotg x 2 x lim f(x). Určete všechny asymptoty grafu x 2 2 = Řešení vzorové písemky z předmětu MAR Poznámky: Řešení úloh ze vzorové písemky jsou formulována dosti podrobně podobným způsobem jako u řešených příkladů ve skriptech U zkoušky lze jednotlivé kroky postupu

Více

Výpočty za použití zákonů pro ideální plyn

Výpočty za použití zákonů pro ideální plyn ýočty za oužití zákonů ro ideální lyn Látka v lynné stavu je tvořena volnýi atoy(onoatoickýi olekulai), ionty nebo olekulai. Ideální lyn- olekuly na sebe neůsobí žádnýi silai, jejich obje je ve srovnání

Více

5. Lokální, vázané a globální extrémy

5. Lokální, vázané a globální extrémy 5 Lokální, vázané a globální extrémy Studijní text Lokální extrémy 5 Lokální, vázané a globální extrémy Definice 51 Řekneme, že f : R n R má v bodě a Df: 1 lokální maximum, když Ka, δ Df tak, že x Ka,

Více

V p-v diagramu je tento proces znázorněn hyperbolou spojující body obou stavů plynu, je to tzv. izoterma :

V p-v diagramu je tento proces znázorněn hyperbolou spojující body obou stavů plynu, je to tzv. izoterma : Jednoduché vratné děje ideálního lynu ) Děj izoter mický ( = ) Za ředokladu konstantní teloty se stavová rovnice ro zadané množství lynu změní na známý zákon Boylův-Mariottův, která říká, že součin tlaku

Více

1 Projekce a projektory

1 Projekce a projektory Cvičení 3 - zadání a řešení úloh Základy numerické matematiky - NMNM20 Verze z 5. října 208 Projekce a projektory Opakování ortogonální projekce Definice (Ortogonální projekce). Uvažujme V vektorový prostor

Více

Kapitola 11: Vektory a matice:

Kapitola 11: Vektory a matice: Kapitola 11: Vektory a matice: Prostor R n R n = {(x 1,, x n ) x i R, i = 1,, n}, n N x = (x 1,, x n ) R n se nazývá vektor x i je i-tá souřadnice vektoru x rovnost vektorů: x = y i = 1,, n : x i = y i

Více

Úvěr a úvěrové výpočty 1

Úvěr a úvěrové výpočty 1 Modely analýzy a syntézy lánů MAF/KIV) Přednáška 8 Úvěr a úvěrové výočty 1 1 Rovnice úvěru V minulých řednáškách byla ro stav dluhu oužívána rovnice 1), kde ředokládáme, že N > : d = a b + = k > N. d./

Více

Učební texty k státní bakalářské zkoušce Matematika Posloupnosti a řady funkcí. študenti MFF 15. augusta 2008

Učební texty k státní bakalářské zkoušce Matematika Posloupnosti a řady funkcí. študenti MFF 15. augusta 2008 Učební texty k státní bakalářské zkoušce Matematika Poslounosti a řady funkcí študenti MFF 15. augusta 2008 1 3 Poslounosti a řady funkcí Požadavky Sojitost za ředokladu stejnoměrné konvergence Mocninné

Více

Četba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího).

Četba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího). Předmět: MA 4 Dnešní látka Vlastní čísla a vektory Google Normovaný lineární prostor Normy matic a vektorů Symetrické matice, pozitivně definitní matice Gaussova eliminační metoda, podmíněnost matic Četba:

Více

12.1 Úvod. Poznámka : Příklad 12.1: Funkce f(t) = e t2 nemá Laplaceův obraz. Příklad 12.2: a) L{1} = 1 p, p > 0 ; b) L{ eat } = 1, [ZMA15-P73]

12.1 Úvod. Poznámka : Příklad 12.1: Funkce f(t) = e t2 nemá Laplaceův obraz. Příklad 12.2: a) L{1} = 1 p, p > 0 ; b) L{ eat } = 1, [ZMA15-P73] KAPITOLA 2: Lalaceova transformace [ZMA5-P73] 2. Úvod Lalaceovým obrazem funkce f(t) definované na, ) nazýváme funkci F () definovanou ředisem Definičním oborem funkce F F () = f(t) e t dt. je množina

Více

Úvod do lineární algebry

Úvod do lineární algebry Úvod do lineární algebry 1 Aritmetické vektory Definice 11 Mějme n N a utvořme kartézský součin R n R R R Každou uspořádanou n tici x 1 x 2 x, x n budeme nazývat n rozměrným aritmetickým vektorem Prvky

Více

Značení 1.1 (posloupnost výsledků pokusu). Mějme posloupnost opakovaných (i závislých) pokusů,

Značení 1.1 (posloupnost výsledků pokusu). Mějme posloupnost opakovaných (i závislých) pokusů, Rekurentní jevy Značení. (posloupnost výsledků pokusu). Mějme posloupnost opakovaných (i závislých) pokusů, kde každý má tutéž konečnou nebo spočetnou množinu výsledků E, E,...}. Pak E j,..., E jn } značí

Více

Maticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru:

Maticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru: 3 Maticový počet 3.1 Zavedení pojmu matice Maticí typu (m, n, kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru: a 11 a 12... a 1k... a 1n a 21 a 22...

Více

Termodynamika ideálního plynu

Termodynamika ideálního plynu Přednáška 5 Termodynamika ideálního lynu 5.1 Základní vztahy ro ideální lyn 5.1.1 nitřní energie ideálního lynu Alikujme nyní oznatky získané v ředchozím textu na nejjednodužší termodynamickou soustavu

Více

Úlohy domácí části I. kola kategorie C

Úlohy domácí části I. kola kategorie C 6. ročník Matematické olympiády Úlohy domácí části I. kola kategorie C 1. Určete všechny dvojice (x, y) reálných čísel, která vyhovují soustavě rovnic (x + )2 = y, (y )2 = x + 8. Řešení. Vzhledem k tomu,

Více

Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe.

Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe. 4 Afinita Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe. Poznámka. Vzájemně jednoznačným zobrazením rozumíme zobrazení,

Více

1 Determinanty a inverzní matice

1 Determinanty a inverzní matice Determinanty a inverzní matice Definice Necht A = (a ij ) je matice typu (n, n), n 2 Subdeterminantem A ij matice A příslušným pozici (i, j) nazýváme determinant matice, která vznikne z A vypuštěním i-tého

Více

Kruhový děj s plynem

Kruhový děj s plynem .. Kruhový děj s lynem Předoklady: 0 Chceme využít skutečnost, že lyn koná ři rozínání ráci, na konstrukci motoru. Nejjednodušší možnost: Pustíme nafouknutý balónek. Balónek se vyfukuje, vytlačuje vzduch

Více

2.6. Vlastní čísla a vlastní vektory matice

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

Více

Obsah. Lineární rovnice. Definice 7.9. a i x i = a 1 x a n x n = b,

Obsah. Lineární rovnice. Definice 7.9. a i x i = a 1 x a n x n = b, Obsah Lineární rovnice Definice 77 Uvažujme číselné těleso T a prvky a 1,, a n, b T Úloha určit všechny n-tice (x 1,, x n ) T n, pro něž platí n a i x i = a 1 x 1 + + a n x n = b, i=1 se nazývá lineární

Více

1/10. Kapitola 12: Soustavy lineárních algebraických rovnic

1/10. Kapitola 12: Soustavy lineárních algebraických rovnic 1/10 Kapitola 12: Soustavy lineárních algebraických rovnic Soustavy lineárních algebraických rovnic 2/10 Definice: Soustavou m lineárních algebraických rovnic o n neznámých rozumíme soustavu rovnic a 11

Více

12. cvičení z PSI prosince (Test střední hodnoty dvou normálních rozdělení se stejným neznámým rozptylem)

12. cvičení z PSI prosince (Test střední hodnoty dvou normálních rozdělení se stejným neznámým rozptylem) cvičení z PSI 0-4 prosince 06 Test střední hodnoty dvou normálních rozdělení se stejným neznámým rozptylem) Z realizací náhodných veličin X a Y s normálním rozdělením) jsme z výběrů daného rozsahu obdrželi

Více

Interpolace, ortogonální polynomy, Gaussova kvadratura

Interpolace, ortogonální polynomy, Gaussova kvadratura Interpolace, ortogonální polynomy, Gaussova kvadratura Petr Tichý 20. listopadu 2013 1 Úloha Lagrangeovy interpolace Dán omezený uzavřený interval [a, b] a v něm n + 1 různých bodů x 0, x 1,..., x n. Nechť

Více

1.5.5 Potenciální energie

1.5.5 Potenciální energie .5.5 Potenciální energie Předoklady: 504 Pedagogická oznámka: Na dosazování do vzorce E = mg není nic obtížnéo. Problém nastává v situacíc, kdy není zcela jasné, jakou odnotu dosadit za. Hlavním smyslem

Více

Hledání parabol

Hledání parabol 7.5.1 Hledání arabol Předoklad: 751, 7513 Pedagogická oznámka: Studenti jsou o řekonání očátečních roblémů s aměti vcelku úsěšní, všichni většinou zvládnou alesoň rvních ět říkladů. Hodinu organizuji tak,

Více

Spojitá náhodná veličina

Spojitá náhodná veličina Lekce 3 Sojitá náhodná veličina Příad sojité náhodné veličiny je komlikovanější, než je tomu u veličiny diskrétní Je to dáno ředevším tím, že jednotková ravděodobnost jistého jevu se rozkládá mezi nekonečně

Více

3. ANTAGONISTICKÉ HRY

3. ANTAGONISTICKÉ HRY 3. ANTAGONISTICKÉ HRY ANTAGONISTICKÝ KONFLIKT Antagonistický konflikt je rozhodovací situace, v níž vystupují dva inteligentní rozhodovatelé, kteří se po volbě svých rozhodnutí rozdělí o pevnou částku,

Více

Základy maticového počtu Matice, determinant, definitnost

Základy maticového počtu Matice, determinant, definitnost Základy maticového počtu Matice, determinant, definitnost Petr Liška Masarykova univerzita 18.9.2014 Matice a vektory Matice Matice typu m n je pravoúhlé (nebo obdélníkové) schéma, které má m řádků a n

Více

Cyklické kódy. Alena Gollová, TIK Cyklické kódy 1/23

Cyklické kódy. Alena Gollová, TIK Cyklické kódy 1/23 Cyklické kódy 5. řednáška z algebraického kódování Alena Gollová, TIK Cyklické kódy 1/23 Obsah 1 Cyklické kódy Generující olynom - kódování Kontrolní olynom - objevování chyb Alena Gollová, TIK Cyklické

Více

Příklad. Řešte v : takže rovnice v zadání má v tomto případě jedno řešení. Pro má rovnice tvar

Příklad. Řešte v : takže rovnice v zadání má v tomto případě jedno řešení. Pro má rovnice tvar Řešte v : má rovnice tvar takže rovnice v zadání má v tomto případě jedno řešení. Pro má rovnice tvar takže rovnice v zadání má v tomto případě opět jedno řešení. Sjednocením obou případů dostaneme úplné

Více

Definice (Racionální mocnina). Buď,. Nechť, kde a a čísla jsou nesoudělná. Pak: 1. je-li a sudé, (nebo) 2. je-li liché, klademe

Definice (Racionální mocnina). Buď,. Nechť, kde a a čísla jsou nesoudělná. Pak: 1. je-li a sudé, (nebo) 2. je-li liché, klademe Úvodní opakování. Mocnina a logaritmus Definice ( -tá mocnina). Pro každé klademe a dále pro každé, definujeme indukcí Dále pro všechna klademe a pro Později budeme dokazovat následující větu: Věta (O

Více

ANTAGONISTICKE HRY 172

ANTAGONISTICKE HRY 172 5 ANTAGONISTICKÉ HRY 172 Antagonistický konflikt je rozhodovací situace, v níž vystupují dva inteligentní rozhodovatelé, kteří se po volbě svých rozhodnutí rozdělí o pevnou částku, jejíž výše nezávisí

Více

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 000/00 Michal Marvan 3. Matice lineárního zobrazení V této přednášce budeme používat indexy dvoího druhu:

Více

Greenova funkce pro dvoubodové okrajové úlohy pro obyčejné diferenciální rovnice

Greenova funkce pro dvoubodové okrajové úlohy pro obyčejné diferenciální rovnice Greenova funkce pro dvoubodové okrajové úlohy pro obyčejné diferenciální rovnice Jan Tomeček Tento stručný text si klade za cíl co nejrychlejší uvedení do teorie Greenových funkcí pro obyčejné diferenciální

Více

[1] samoopravné kódy: terminologie, princip

[1] samoopravné kódy: terminologie, princip [1] Úvod do kódování samoopravné kódy: terminologie, princip blokové lineární kódy Hammingův kód Samoopravné kódy, k čemu to je [2] Data jsou uložena (nebo posílána do linky) kodérem podle určitého pravidla

Více

Otázku, kterými body prochází větev implicitní funkce řeší následující věta.

Otázku, kterými body prochází větev implicitní funkce řeší následující věta. 1 Implicitní funkce Implicitní funkce nejsou funkce ve smyslu definice, že funkce bodu z definičního oboru D přiřadí právě jednu hodnotu z oboru hodnot H. Přesnější termín je funkce zadaná implicitně.

Více

14. cvičení z PSI. 9. ledna Pro každý stav platí, že všechny hrany z něj vycházející mají stejnou pravděpodobnost.

14. cvičení z PSI. 9. ledna Pro každý stav platí, že všechny hrany z něj vycházející mají stejnou pravděpodobnost. 4. cvičení z PSI 9. ledna 09 4. rozdělení po mnoha krocích) Markovův řetězec je dán obrázkem: 8 9 4 7 6 Pro každý stav platí, že všechny hrany z něj vycházející mají stejnou pravděpodobnost. a) Klasifikujte

Více

6 Lineární geometrie. 6.1 Lineární variety

6 Lineární geometrie. 6.1 Lineární variety 6 Lineární geometrie Motivace. Pojem lineární varieta, který budeme v této kapitole studovat z nejrůznějších úhlů pohledu, není žádnou umělou konstrukcí. Příkladem lineární variety je totiž množina řešení

Více

7.5.13 Rovnice paraboly

7.5.13 Rovnice paraboly 7.5.1 Rovnice arabol Předoklad: 751 Př. 1: Seiš všechn rovnice ro arabol a nakresli k nim odovídající obrázk. Na každém obrázku vznač vzdálenost. = = = = Pedagogická oznámka: Sesání arabol je důležité,

Více

příkladů do cvičení. V textu se objeví i pár detailů, které jsem nestihl (na které jsem zapomněl) a(b u) = (ab) u, u + ( u) = 0 = ( u) + u.

příkladů do cvičení. V textu se objeví i pár detailů, které jsem nestihl (na které jsem zapomněl) a(b u) = (ab) u, u + ( u) = 0 = ( u) + u. Několik řešených příkladů do Matematiky Vektory V tomto textu je spočteno několik ukázkových příkladů které vám snad pomohou při řešení příkladů do cvičení. V textu se objeví i pár detailů které jsem nestihl

Více

1. série. Různá čísla < 1 44.

1. série. Různá čísla < 1 44. série Téma: Termínodeslání: Různá čísla ½ º Ò ½ ½º ÐÓ je řirozené q9+9 q 6+ 9 9 6 ¾º ÐÓ `5+ 6 998 není řirozené º ÐÓ Nechť c je řirozené číslo Rozhodněte, které z čísel c+ c a c c je větší a své tvrzení

Více

Soustavy lineárních rovnic

Soustavy lineárních rovnic Přednáška MATEMATIKA č 4 Katedra ekonometrie FEM UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz 27 10 2010 Soustava lineárních rovnic Definice Soustava rovnic a 11 x 1 + a 12 x 2 + + a

Více

Dynamika populací. s + W = 1

Dynamika populací. s + W = 1 Je-li oulace v genetické rovnováze, je stabilizovaná bez dalšího vývoje - evoluční stagnace. V reálných oulacích zvířat a rostlin, kdy nejsou slňovány výše zmíněné odmínky rovnováhy, je H.-W. genetická

Více

maticeteorie 1. Matice A je typu 2 4, matice B je typu 4 3. Jakých rozměrů musí být matice X, aby se dala provést

maticeteorie 1. Matice A je typu 2 4, matice B je typu 4 3. Jakých rozměrů musí být matice X, aby se dala provést Úlohy k zamyšlení 1. Zdůvodněte, proč třetí řádek Hornerova schématu pro vyhodnocení polynomu p v bodě c obsahuje koeficienty polynomu r, pro který platí p(x) = (x c) r(x) + p(c). 2. Dokažte, že pokud

Více

3. Grafy a matice. Definice 3.2. Čtvercová matice A se nazývá rozložitelná, lze-li ji napsat ve tvaru A =

3. Grafy a matice. Definice 3.2. Čtvercová matice A se nazývá rozložitelná, lze-li ji napsat ve tvaru A = 3 Grafy a matice Definice 32 Čtvercová matice A se nazývá rozložitelná, lze-li ji napsat ve tvaru A = A 11 A 12 0 A 22 kde A 11 a A 22 jsou čtvercové matice řádu alespoň 1 a 0 je nulová matice, anebo lze-li

Více

1 Vektorové prostory.

1 Vektorové prostory. 1 Vektorové prostory DefiniceMnožinu V, jejíž prvky budeme označovat a, b, c, z, budeme nazývat vektorovým prostorem právě tehdy, když budou splněny následující podmínky: 1 Je dáno zobrazení V V V, které

Více

7. Lineární vektorové prostory

7. Lineární vektorové prostory 7. Lineární vektorové prostory Tomáš Salač MÚ UK, MFF UK LS 2017/18 Tomáš Salač ( MÚ UK, MFF UK ) 7. Lineární vektorové prostory LS 2017/18 1 / 62 7.1 Definice a příklady Definice 7.1 Množina G s binární

Více

14. cvičení z PSI. 9. ledna 2018

14. cvičení z PSI. 9. ledna 2018 cvičení z PSI 9 ledna 08 Asymptotické pravděpodobnosti stavů Najděte asymptotické pravděpodobnosti stavů Markovova řetězce s maticí přechodu / / / 0 P / / 0 / 0 0 0 0 0 0 jestliže počáteční stav je Příslušný

Více

intenzitu příchodů zákazníků za čas t intenzitu obsluhy (průměrný počet obsloužených) za čas t

intenzitu příchodů zákazníků za čas t intenzitu obsluhy (průměrný počet obsloužených) za čas t Ukázka - Systémy hromadné obsluhy Příklad: Pan Pumpička se rozhodl postavit samoobslužnou čerpací stanici u obce Česká Bříza. Na základě průzkumu ví, že by čerpací stanici mohlo průměrně navštívit 32,

Více

Univerzita Pardubice FAKULTA CHEMICKO TECHNOLOGICKÁ

Univerzita Pardubice FAKULTA CHEMICKO TECHNOLOGICKÁ Univerzita Pardubice FAKULA CHEMICKO ECHNOLOGICKÁ MEODY S LAENNÍMI PROMĚNNÝMI A KLASIFIKAČNÍ MEODY SEMINÁRNÍ PRÁCE LICENČNÍHO SUDIA Statistické zracování dat ři kontrole jakosti Ing. Karel Dráela, CSc.

Více

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

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

Více

ALGEBRA. Téma 5: Vektorové prostory

ALGEBRA. Téma 5: Vektorové prostory SLEZSKÁ UNIVERZITA V OPAVĚ Matematický ústav v Opavě Na Rybníčku 1, 746 01 Opava, tel. (553) 684 611 DENNÍ STUDIUM Téma 5: Vektorové prostory Základní pojmy Vektorový prostor nad polem P, reálný (komplexní)

Více

Teorie her a ekonomické rozhodování. 2. Maticové hry

Teorie her a ekonomické rozhodování. 2. Maticové hry Teorie her a ekonomické rozhodování 2. Maticové hry 2.1 Maticová hra Teorie her = ekonomická vědní disciplína, která se zabývá studiem konfliktních situací pomocí matematických modelů Hra v normálním tvaru

Více

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y 9. T r a n s f o r m a c e n á h o d n é v e l i č i n y Při popisu procesů zpracováváme vstupní údaj, hodnotu x tak, že výstupní hodnota y závisí nějakým způsobem na vstupní, je její funkcí y = f(x).

Více

LWS při heteroskedasticitě

LWS při heteroskedasticitě Stochastické modelování v ekonomii a financích Petr Jonáš 7. prosince 2009 Obsah 1 2 3 4 5 47 1 Předpoklad 1: Y i = X i β 0 + e i i = 1,..., n. (X i, e i) je posloupnost nezávislých nestejně rozdělených

Více

VI. Maticový počet. VI.1. Základní operace s maticemi. Definice. Tabulku

VI. Maticový počet. VI.1. Základní operace s maticemi. Definice. Tabulku VI Maticový počet VI1 Základní operace s maticemi Definice Tabulku a 11 a 12 a 1n a 21 a 22 a 2n, a m1 a m2 a mn kde a ij R, i = 1,, m, j = 1,, n, nazýváme maticí typu m n Zkráceně zapisujeme (a ij i=1m

Více

Dynamické programování

Dynamické programování ALG Dynamické rogramování Nejdelší rostoucí odoslounost Otimální ořadí násobení matic Nejdelší rostoucí odoslounost Z dané oslounosti vyberte co nejdelší rostoucí odoslounost. 5 4 9 5 8 6 7 Řešení: 4 5

Více

VEKTOROVÁ POLE VEKTOROVÁ POLE

VEKTOROVÁ POLE VEKTOROVÁ POLE Je-li A podmnožina roviny a f je zobrazení A do R 2, které je dáno souřadnicemi f 1, f 2, tj., f(x, y) = (f 1 (x, y), f 2 (x, y)) pro (x, y) A, lze chápat dvojici (f 1 (x, y), f 2 (x, y)) jako vektor s

Více

(Cramerovo pravidlo, determinanty, inverzní matice)

(Cramerovo pravidlo, determinanty, inverzní matice) KMA/MAT1 Přednáška a cvičení, Lineární algebra 2 Řešení soustav lineárních rovnic se čtvercovou maticí soustavy (Cramerovo pravidlo, determinanty, inverzní matice) 16 a 21 října 2014 V dnešní přednášce

Více

z = a bi. z + v = (a + bi) + (c + di) = (a + c) + (b + d)i. z v = (a + bi) (c + di) = (a c) + (b d)i. z v = (a + bi) (c + di) = (ac bd) + (bc + ad)i.

z = a bi. z + v = (a + bi) + (c + di) = (a + c) + (b + d)i. z v = (a + bi) (c + di) = (a c) + (b d)i. z v = (a + bi) (c + di) = (ac bd) + (bc + ad)i. KOMLEXNÍ ČÍSLA C = {a + bi; a, b R}, kde i 2 = 1 Číslo komplexně sdružené k z = a + bi je číslo z = a bi. Operace s komplexními čísly: z = a + bi, kde a, b R v = c + di, kde c, d R Sčítání Odčítání Násobení

Více

Necht tedy máme přirozená čísla n, k pod pojmem systém lineárních rovnic rozumíme rovnice ve tvaru

Necht tedy máme přirozená čísla n, k pod pojmem systém lineárních rovnic rozumíme rovnice ve tvaru 2. Systémy lineárních rovnic V této kapitole se budeme zabývat soustavami lineárních rovnic s koeficienty z pole reálných případně komplexních čísel. Uvádíme podmínku pro existenci řešení systému lineárních

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@niax.cz Pravděodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, tyy dat, variabilita, frekvenční analýza

Více

ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ

ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ Parametrické vyjádření přímky v rovině Máme přímku p v rovině určenou body A, B. Sestrojíme vektor u = B A. Pro bod B tím pádem platí: B = A + u. Je zřejmé,

Více

1. Matice a maticové operace. 1. Matice a maticové operace p. 1/35

1. Matice a maticové operace. 1. Matice a maticové operace p. 1/35 1. Matice a maticové operace 1. Matice a maticové operace p. 1/35 1. Matice a maticové operace p. 2/35 Matice a maticové operace 1. Aritmetické vektory 2. Operace s aritmetickými vektory 3. Nulový a opačný

Více

Matematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic

Matematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic Přednáška třetí (a pravděpodobně i čtvrtá) aneb Úvod do lineární algebry Matice a soustavy rovnic Lineární rovnice o 2 neznámých Lineární rovnice o 2 neznámých Lineární rovnice o dvou neznámých x, y je

Více

Extrémy funkce dvou proměnných

Extrémy funkce dvou proměnných Extrémy funkce dvou proměnných 1. Stanovte rozměry pravoúhlé vodní nádrže o objemu 32 m 3 tak, aby dno a stěny měly nejmenší povrch. Označme rozměry pravoúhlé nádrže x, y, z (viz obr.). ak objem této nádrže

Více

Nakloněná rovina III

Nakloněná rovina III 6 Nakloněná rovina III Předoklady: 4 Pedagogická oznáka: Následující říklady oět atří do kategorie vozíčků Je saozřejě otázkou, zda tyto říklady v takové nožství cvičit Osobně se i líbí, že se studenti

Více

Základy matematiky pro FEK

Základy matematiky pro FEK Základy matematiky pro FEK 2. přednáška Blanka Šedivá KMA zimní semestr 2016/2017 Blanka Šedivá (KMA) Základy matematiky pro FEK zimní semestr 2016/2017 1 / 20 Co nás dneska čeká... Závislé a nezávislé

Více

Národní informační středisko pro podporu jakosti

Národní informační středisko pro podporu jakosti Národní informační středisko ro odoru jakosti Konzultační středisko statistických metod ři NIS-PJ Analýza zůsobilosti Ing. Vratislav Horálek, DrSc. ředseda TNK 4: Alikace statistických metod Ing. Josef

Více

Úloha syntézy čtyřčlenného rovinného mechanismu

Úloha syntézy čtyřčlenného rovinného mechanismu Úloha syntézy čtyřčlenného rovnného mechansmu Zracoval: Jaroslav Beran Pracovště: Techncká unverzta v Lberc katedra textlních a ednoúčelových stroů Tento materál vznkl ako součást roektu In-TECH 2, který

Více

Úlohy klauzurní části školního kola kategorie A

Úlohy klauzurní části školního kola kategorie A 64. ročník matematické olympiády Úlohy klauzurní části školního kola kategorie 1. Určete počet cest délky 14, které vedou po hranách sítě na obrázku z bodu do bodu. élka každé hrany je jedna.. Je dán rovnoběžník,

Více