, 4. skupina (16:15-17:45) Jméno: se. Postup je třeba odůvodnit (okomentovat) nebo uvést výpočet. Výsledek bez uvedení jakéhokoliv
|
|
- Erik Matoušek
- před 4 lety
- Počet zobrazení:
Transkript
1 ..06, 4. skupina (6: - 7:4) Jméno: Zápočtový test z PSI Nezapomeňte podepsat VŠECHNY papír, které odevzdáváte. Škrtejte zřetelně a stejně zřetelně pište i věci, které platí. Co je škrtnuto, nebude bráno v úvahu a naopak. Jestliže něčemu nerozumíte, zeptejte se. Postup je třeba odůvodnit (okomentovat) nebo uvést výpočet. Výsledek bez uvedení jakéhokoliv postup či výpočtu není akceptován. bste uspěli v testu, potřebujete získat alespoň bodů. () (0 bodů) Spojovacím kanálem je přenášen signál (resp. B) s pravděpodobností 0.4(resp. 0.6). Vzhledem k poruchám se /6 signálu detekuje jako B a obdobně se / signálu B detekuje jako. Určete pravděpodobnost, že na výstupu bude detekován signál B. Určete také, jaká je pravděpodobnost, že signál, který bl detekován jako, bl také skutečně vslán jako. Označme si jev (pro zjednodušení stejnými znak jako vsílané signál) = je přenášen signál, B = je přenášen signál B, = bl detekován signál, B = bl detekován signál B. Jev a B jsou doplňkové, stejně tak jev a B. Podle zadání máme pravděpodobnosti P() = 0.4 P(B) = 0.6 P(B ) = 6 P( B) =. a můžeme si je znázornit i grafick: Vstup B B Výstup Chceme nní zjistit P(B ). Z vět o úplné pravděpodobnosti máme P(B ) = P(B ) P()+P(B B) P(B) = = 0.. Dále chceme určit hodnotu P( ). Z Baesov vět máme P( ) = P( ) P() P( ) P()+P( B) P(B) = = = () (0 bodů) Náhodný vektor (X,Y) má spojité rovnoměrné rozdělení v množině Určete: = (,) +, 0}.
2 (a) sdruženou hustotu f X,Y (,) a marginální hustot f X (), f Y (), (b) rozhodněte, zda jsou náhodné veličin X a Y závislé či nezávislé. Množina je půlkruh (a) Sdružená hustota je ted dána jako f X,Y (,) = c, (,) kde c je konstanta taková, ab integrál z hustot bl roven, ted = f X,Y (,) d d = c d d = c d d = c π R neboli c = π. Integrál d d jsme mohli bud skutečně spočítat (např. pomocí polárních souřadnic) nebo prostě vužít jeho geometrickou interpretaci, tj. že je to obsah půlkruhu o poloměru. Marginální hustota je nní jen příslušně parciálně zintegrovaná sdružená hustota. Funkci f X,Y ted vžd integrujeme podél vhodného řezu množin : (, ) (,) (,) (,0) Pro, tak máme a pro 0, máme f X () = f X,Y (,) d = 0 π d = π f Y () = f X,Y (,) d = π d = 4. π
3 Celkově ted s grafem f X () = π,, f X () a podobně s grafem 4 f Y () = π, 0, f Y () (b) Veličin X a Y jsou nezávislé právě kdž F X,Y (,) = F X () F Y () pro všechna (,) R. V případě eistence sdružené hustot je to ekvivalentní tomu, že f X,Y (,) = f X () f Y () pro SKORO všechna (,) R. Ted množina, kde to neplatí, má nulový obsah. Speciálně, pro nezávislé veličin musí platit následující (pouze nutná podmínka!): Necht S = (,) R f X,Y (,) 0} a π,π : R R jsou projekce na jednotlivé souřadné os, tj. π (,) = a π (,) =. Pokud jsou veličin X a Y nezávislé, má množina ( ) π (S) π (S) \S nulový obsah.
4 V našem konkretním případě S = a π () =, a π () = 0,. Ovšem množina ( ) π () π () \ = obdélník \ půlkruh tj. zřejmě nulový obsah NEMÁ. Veličin X a Y tudíž NEJSOU nezávislé. (3) (0 bodů) Házíme 00-krát pravidelnou mincí. Pro náhodnou veličinu X představující počet rubů, určete pravděpodobnost P(4 < X < ) (a) výpočtem pomocí centrální limitní vět, (b) odhadem pomocí Čebševov nerovnosti. Pro i =,...,n (kde n = 00) si zavedeme veličin, při i-tém hodu padl rub, X i = 0, při i-tém hodu padl líc. Veličin X i považujeme za nezávislé, s alternativním rozdělením s parametrem p = 0., střední hodnotou E(X i ) = p = 0. a rozptlem Počet rubů pak je se střední hodnotou a rozptlem D(X) = D(X i ) = p( p) = = 0.. E(X) = 00 X = i= X i n E(X i ) = n p = = 0 i= n D(X i ) = n p( p) = =. i=
5 (a) Odhad pomocí centrální limitní vět: Použijeme normovanou veličinu norm(x) = X E(X) = X 0, D(X) která má podle CLV přibližně rozdělení N(0, ). Pomocí úprav nerovností můžeme psát: ( 4 0 P(4 < X < ) = P < X 0 < 0 ) (.= = P < norm(x) < ). = Φ() Φ( ) = Φ(). = 0.43 = (b) Odhad pomocí Čebševov nerovnosti: Použijeme vztah, který už máme, a Čebševova nerovnost nám pak dá ( norm(x) ) P(4 < X < ) = P < = 0, což je prostě maimum toho, co nám může Čebševovanerovnost v tomto případěposktnout.
, 1. skupina (16:15-17:45) Jméno: se. Postup je třeba odůvodnit (okomentovat) nebo uvést výpočet. Výsledek bez uvedení jakéhokoliv
42206, skupina (6:5-7:45) Jméno: Zápočtový test z PSI Nezapomeňte podepsat VŠECHNY papíry, které odevzdáváte Škrtejte zřetelně a stejně zřetelně pište i věci, které platí Co je škrtnuto, nebude bráno v
Více1. Náhodný vektor (X, Y ) má diskrétní rozdělení s pravděpodobnostní funkcí p, kde. p(x, y) = a(x + y + 1), x, y {0, 1, 2}.
VIII. Náhodný vektor. Náhodný vektor (X, Y má diskrétní rozdělení s pravděpodobnostní funkcí p, kde p(x, y a(x + y +, x, y {,, }. a Určete číslo a a napište tabulku pravděpodobnostní funkce p. Řešení:
Více1 Rozptyl a kovariance
Rozptyl a kovariance Nechť X je náhodná veličina s konečnou střední hodnotou EX Potom rozptyl náhodné veličiny X definujeme jako: DX E(X EX, pokud střední hodnota na pravé straně existuje Podobně jako
VíceMatematika II, úroveň A ukázkový test č. 1 (2018) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené
2. 3. 2018 Matematika II, úroveň A ukázkový test č. 1 (2018) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené mn. M E n. Zapište a načrtněte množinu D, ve které
VíceMatematika II, úroveň A ukázkový test č. 1 (2016) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené
22. 2. 2016 Matematika II, úroveň A ukázkový test č. 1 (2016) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené mn. M E n. Zapište a načrtněte množinu D, ve které
Více9. 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 Při popisu procesů zpracováváme vstupní údaj, hodnotu x tak, že výstupní hodnota závisí nějakým způsobem na vstupní, je její funkcí = f(x). Pokud
VíceMatematika II, úroveň A ukázkový test č. 1 (2017) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené
28. 2. 2017 Matematika II, úroveň A ukázkový test č. 1 (2017) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené mn. M E n. Zapište a načrtněte množinu D, ve které
VíceTransformujte diferenciální výraz x f x + y f do polárních souřadnic r a ϕ, které jsou definovány vztahy x = r cos ϕ a y = r sin ϕ.
Ukázka 1 Necht má funkce z = f(x, y) spojité parciální derivace. Napište rovnici tečné roviny ke grafu této funkce v bodě A = [ x 0, y 0, z 0 ]. Transformujte diferenciální výraz x f x + y f y do polárních
VíceVzorová písemka č. 1 (rok 2015/2016) - řešení
Vzorová písemka č. rok /6 - řešení Pavla Pecherková. května 6 VARIANTA A. Náhodná veličina X je určena hustotou pravděpodobností: máme hustotu { pravděpodobnosti C x pro x ; na intervalu f x jinde jedná
VíceZápočtová písemka z Matematiky III (BA04) skupina A
skupina A 0 pro x < 1, ae x pro x 1, ), Pravděpodobnost P (X ) a P (X =.). E (X) a E ( X 1). Hustotu transformované náhodné veličiny Y = (X + 1). F(x) = x 3 pro x (0, 9), Hustotu f(x). Pravděpodobnost
Více11. cvičení z Matematické analýzy 2
11. cvičení z Matematické analýzy 11. - 15. prosince 17 11.1 (trojný integrál - Fubiniho věta) Vypočtěte (i) xyz dv, kde je ohraničeno plochami y x, x y, z xy a z. (ii) y dv, kde je ohraničeno shora rovinou
VíceVýběrové charakteristiky a jejich rozdělení
Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Statistické šetření úplné (vyčerpávající) neúplné (výběrové) U výběrového šetření se snažíme o to, aby výběrový
VíceNáhodný vektor. Náhodný vektor. Hustota náhodného vektoru. Hustota náhodného vektoru. Náhodný vektor je dvojice náhodných veličin (X, Y ) T = ( X
Náhodný vektor Náhodný vektor zatím jsme sledovali jednu náhodnou veličinu, její rozdělení a charakteristik často potřebujeme všetřovat vzájemný vztah několika náhodných veličin musíme sledovat jejich
VíceŘešení. Označme po řadě F (z) Odtud plyne, že
Úloha Nechť ~ R(, ) a Y = Jinak řečeno, Y je odmocnina čísla vybraného zcela náhodně z intervalu (, ) Popište rozdělení veličiny Y a určete jeho modus, medián, střední hodnotu a rozptyl Řešení Označme
Více13. cvičení z Matematické analýzy 2
. cvičení z atematické analýz 2 5. - 9. května 27. konzervativní pole, potenciál Dokažte, že následující pole jsou konzervativní a najděte jejich potenciál. i F x,, z x 2 +, 2 + x, ze z, ii F x,, z x 2
Více[obrázek γ nepotřebujeme, interval t, zřejmý, integrací polynomu a per partes vyjde: (e2 + e) + 2 ln 2. (e ln t = t) ] + y2
4.1 Křivkový integrál ve vektrovém poli přímým výpočtem 4.1 Spočítejte práci síly F = y i + z j + x k při pohybu hmotného bodu po orientované křivce, která je dána jako oblouk ABC na průnikové křivce ploch
VíceF n = F 1 n 1 + F 2 n 2 + F 3 n 3.
Plošný integrál Několik pojmů Při našich úvahách budeme často vužívat skalární součin dvou vektorů. Platí F n F n cos α, kde α je úhel, který svírají vektor F a n. Vidíme, že pokud je tento úhel ostrý,
VíceDefinice 7.1 Nechť je dán pravděpodobnostní prostor (Ω, A, P). Zobrazení. nebo ekvivalentně
7 Náhodný vektor Nezávislost náhodných veličin Definice 7 Nechť je dán pravděpodobnostní prostor (Ω, A, P) Zobrazení X : Ω R n, které je A-měřitelné, se nazývá (n-rozměrný) náhodný vektor Měřitelností
Více10. N á h o d n ý v e k t o r
10. N á h o d n ý v e k t o r 10.1. Definice: Náhodný vektor. Uspořádanou n tici (X 1, X 2,..., X n ) náhodných veličin X i, 1 i n, nazýváme náhodným vektorem. Poznámka: Pro jednoduchost budeme zavádět
VíceBayesovské metody. Mnohorozměrná analýza dat
Mnohorozměrná analýza dat Podmíněná pravděpodobnost Definice: Uvažujme náhodné jevy A a B takové, že P(B) > 0. Podmíněnou pravěpodobností jevu A za podmínky, že nastal jev B, nazýváme podíl P(A B) P(A
VícePravděpodobnost a aplikovaná statistika
Pravděpodobnost a aplikovaná statistika MGR. JANA SEKNIČKOVÁ, PH.D. 2. KAPITOLA PODMÍNĚNÁ PRAVDĚPODOBNOST 3. KAPITOLA NÁHODNÁ VELIČINA 9.11.2017 Opakování Uveďte příklad aplikace geometrické definice pravděpodobnosti
Vícef(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
VíceS1P Příklady 02. Náhodná proměnná (veličina) Mějme krabičku o rozměrech 1 x 2 x 3 cm. Na stranách jsou obrázky: :
S1P Příklady 02 Náhodná proměnná (veličina) Mějme krabičku o rozměrech 1 2 3 cm Na stranách jsou obrázky: : Ω ={strom, houba, kytka, slunce, dům, ryba} Pravděpodobnost jednotlivých elementárních jevů odpovídá
VíceTéma 22. Ondřej Nývlt
Téma 22 Ondřej Nývlt nyvlto1@fel.cvut.cz Náhodná veličina a náhodný vektor. Distribuční funkce, hustota a pravděpodobnostní funkce náhodné veličiny. Střední hodnota a rozptyl náhodné veličiny. Sdružené
VíceDvojné a trojné integrály příklad 3. x 2 y dx dy,
Spočtěte = { x, y) ; 4x + y 4 }. Dvojné a trojné integrály příklad 3 x y dx dy, Řešení: Protože obor integrace je symetrický vzhledem k ose x, tj. vzhledem k substituci [x; y] [x; y], a funkce fx, y) je
Víceprosince oboustranný symetrický 95% interval spolehlivosti pro střední hodnotu životnosti τ. X i. X = 1 n.. Podle CLV má veličina
10 cvičení z PSI 5-9 prosince 016 101 intervalový odhad Veličina X, představující životnost žárovky, má exponenciální rozdělení s parametrem τ Průměrná životnost n = 64 náhodně vybraných žárovek je x =
Více1. DIFERENCIÁLNÍ POČET FUNKCE DVOU PROMĚNNÝCH
1. DIFERENCIÁLNÍ POČET FUNKCE DVOU PROMĚNNÝCH V minulém semestru jsme studovali vlastnosti unkcí jedné nezávislé proměnné. K popisu mnoha reálných situací obvkle s jednou proměnnou nevstačíme. FUNKCE DVOU
VíceNáhodný vektor. Náhodný vektor. Hustota náhodného vektoru. Hustota náhodného vektoru. Náhodný vektor je dvojice náhodných veličin (X, Y ) T = ( X
Náhodný vektor Náhodný vektor zatím jsme sledovali jednu náhodnou veličinu, její rozdělení a charakteristiky často potřebujeme vyšetřovat vzájemný vztah několika náhodných veličin musíme sledovat jejich
VíceParciální derivace a diferenciál
Parciální derivace a diferenciál Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem
Více1. a) Určete parciální derivace prvního řádu funkce z = z(x, y) dané rovnicí z 3 3xy 8 = 0 v
. a) Určete parciální derivace prvního řádu funkce z = z(x, y) dané rovnicí z xy 8 = v bodě A =, ]. b) e grafu funkce f najděte tečnou rovinu, která je rovnoběžná s rovinou ϱ. f(x, y) = x + y x, ϱ : x
Vícepopulace soubor jednotek, o jejichž vlastnostech bychom chtěli vypovídat letní semestr Definice subjektech.
Populace a Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy letní semestr 2012 1 populace soubor jednotek, o jejichž vlastnostech bychom
Více12. prosince n pro n = n = 30 = S X
11 cvičení z PSI 1 prosince 018 111 test střední hodnoty normálního rozdělení při známém rozptylu Teploměrem o jehož chybě předpokládáme že má normální rozdělení se směrodatnou odchylkou σ = 3 jsme provedli
VíceParciální derivace a diferenciál
Parciální derivace a diferenciál Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem
Vícey ds, z T = 1 z ds, kde S = S
Plošné integrály příklad 5 Určete souřadnice těžiště části roviny xy z =, která leží v prvním oktantu x >, y >, z >. Řešení: ouřadnice těžiště x T, y T a z T homogenní plochy lze určit pomocí plošných
VíceMATEMATIKA III. π π π. Program - Dvojný integrál. 1. Vypočtěte dvojrozměrné integrály v obdélníku D: ( ), (, ): 0,1, 0,3, (2 4 ), (, ) : 1,3, 1,1,
MATEMATIKA III Program - vojný integrál. Vpočtěte dvojrozměrné integrál v obdélníku : + dd = { < > < > } ( 3), (, ) : 0,, 0,, dd = { < > < > } ( 4 ), (, ) :,3,,, + dd = { < > < > } ( ), (, ):,0,,, + dd=
VíceSubstituce ve vícenásobném integrálu verze 1.1
Úvod Substituce ve vícenásobném integrálu verze. Následující text popisuje výpočet vícenásobných integrálů pomocí věty o substituci. ěl by sloužit především studentům předmětu ATEAT k přípravě na zkoušku.
VíceII.7.* Derivace složené funkce. Necht jsou dány diferencovatelné funkce z = f(x,y), x = x(u,v), y = y(u,v). Pak. z u = f. x x. u + f. y y. u, z.
II.7.* Derivace složené funkce Necht jsou dán diferencovatelné funkce z = f(,), = (u,v), = (u,v). Pak u = u + u, v = v + v. Vpočítejte derivace daných diferencovatelných funkcí. Příklad 0. Jsou dán diferencovatelné
VíceMATEMATIKA II - vybrané úlohy ze zkoušek v letech
MATEMATIKA II - vybrané úlohy ze zkoušek v letech 2009 2012 doplněné o další úlohy 3. část KŘIVKOVÉ INTEGRÁLY, GREENOVA VĚTA, POTENIÁLNÍ POLE, PLOŠNÉ INTEGRÁLY, GAUSSOVA OSTROGRADSKÉHO VĚTA 7. 4. 2013
VíceKapitola 8: Dvojný integrál 1/26
Kapitola 8: vojný integrál 1/26 vojný integrál - osnova kapitoly 2/26 dvojný integrál přes obdélník definice výpočet (Fubiniova věta pro obdélník) dvojný integrál přes standardní množinu definice výpočet
Více1 Klasická pravděpodobnost. Bayesův vzorec. Poslední změna (oprava): 11. května 2018 ( 6 4)( 43 2 ) ( 49 6 ) 3. = (a) 1 1 2! + 1 3!
Výsledky příkladů na procvičení z NMSA0 Klasická pravděpodobnost. 5. ( 4( 43 ( 49 3. 8! 3! 0! = 5 Poslední změna (oprava:. května 08 4. (a! + 3! + ( n+ n! = n k= ( k+ /k! = n k=0 ( k /k!; (b n k=0 ( k
VíceUrčete zákon rozložení náhodné veličiny, která značí součet ok při hodu a) jednou kostkou, b) dvěma kostkami, c) třemi kostkami.
3.1. 3.2. Třikrát vystřelíme na cíl. Pravděpodobnost zásahu při každém výstřelu je p = 0,7. Určete: a) pravděpodobnostní funkci počtu zásahů při třech nezávislých výsledcích, b) distribuční funkci a její
VíceRozhodnutí / Skutečnost platí neplatí Nezamítáme správně chyba 2. druhu Zamítáme chyba 1. druhu správně
Testování hypotéz Nechť,, je náhodný výběr z nějakého rozdělení s neznámými parametry. Máme dvě navzájem si odporující hypotézy o parametrech daného rozdělení: Nulová hypotéza parametry (případně jediný
Více1. Je dána funkce f(x, y) a g(x, y, z). Vypište symbolicky všechny 1., 2. a 3. parciální derivace funkce f a funkce g.
. Je dána funkce f(x, y) a g(x, y, z). Vypište symbolicky všechny.,. a 3. parciální derivace funkce f a funkce g.. Spočtěte všechny první parciální derivace funkcí: a) f(x, y) = x 4 + y 4 4x y, b) f(x,
VíceNáhodná veličina. Michal Fusek. 10. přednáška z ESMAT. Ústav matematiky FEKT VUT, Michal Fusek
Náhodná veličina Michal Fusek Ústav matematiky FEKT VUT, fusekmi@feec.vutbr.cz 10. přednáška z ESMAT Michal Fusek (fusekmi@feec.vutbr.cz) 1 / 71 Obsah 1 Náhodná veličina 2 Diskrétní náhodná veličina 3
Vícex 2(A), x y (A) y x (A), 2 f
II.10. Etrém funkcí Věta (nutná podmínka pro lokální etrém). Necht funkce f(, ) je diferencovatelná v bodě A. Má-li funkce f v bodě A lokální etrém, pak gradf(a) = 0. Onačme hlavní minor matice druhých
Více11. cvičení z PSI prosince hodnota pozorovaná četnost n i p X (i) = q i (1 q), i N 0.
11 cvičení z PSI 12-16 prosince 2016 111 (Test dobré shody - geometrické rozdělení Realizací náhodné veličiny X jsme dostali následující četnosti výsledků: hodnota 0 1 2 3 4 5 6 pozorovaná četnost 29 15
Více9. 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).
Více14. cvičení z Matematické analýzy 2
4. cvičení z atematické analýzy 2 8. - 2. ledna 28 4. (Greenova věta) Použijte Greenovu větu k nalezení práce síly F (x, y) (2xy 3, 4x 2 y 2 ) vykonané na částici podél křivky Γ, která je hranicí oblasti
VíceOtázku, 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.
VíceMATEMATIKA II - vybrané úlohy ze zkoušek ( 2015)
MATEMATIKA II - vybrané úlohy ze zkoušek ( 2015 doplněné o další úlohy 13. 4. 2015 Nalezené nesrovnalosti ve výsledcích nebo připomínky k tomuto souboru sdělte laskavě F. Mrázovi ( e-mail: Frantisek.Mraz@fs.cvut.cz.
VíceZpracování náhodného vektoru. Ing. Michal Dorda, Ph.D.
Ing. Michal Dorda, Ph.D. 1 Př. 1: Cestující na vybraném spoji linky MHD byli dotazováni za účelem zjištění spokojenosti s kvalitou MHD. Legenda 1 Velmi spokojen Spokojen 3 Nespokojen 4 Velmi nespokojen
VíceStatistika II. Jiří Neubauer
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Zaměříme se především na popis dvourozměrných náhodných veličin (vektorů). Definice Nechť X a Y jsou
VíceFyzikální korespondenční seminář UK MFF 22. II. S
Fzikální korespondenční seminář UK MFF http://fkosmffcunicz II S ročník, úloha II S Young a vlnová povaha světla (5 bodů; průměr,50; řešilo 6 studentů) a) Jaký tvar interferenčních proužků na stínítku
Víceletní semestr Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy Matematická statistika vektory
Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy letní semestr 202 Založeno na materiálech doc. Michala Kulicha Náhodný vektor často potřebujeme
VícePRAVDĚPODOBNOST A STATISTIKA. Bayesovské odhady
PRAVDĚPODOBNOST A STATISTIKA Bayesovské odhady Bayesovské odhady - úvod Klasický bayesovský přístup: Klasický přístup je založen na opakování pokusech sledujeme rekvenci nastoupení zvolených jevů Bayesovský
VíceKMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC
Přednáša 04 Přírodovědecá faulta Katedra matematiy KMA/P506 Pravděpodobnost a statistia KMA/P507 Statistia na PC jiri.cihlar@ujep.cz Záon velých čísel Lemma Nechť náhodná veličina nabývá pouze nezáporných
VícePŘEDNÁŠKA 6 INTEGRACE POMOCÍ SUBSTITUCE
PŘEDNÁŠKA 6 INTEGRACE POMOCÍ SUBSTITUCE Příklad Představme si, že máme vypočítat integrál I = f(, y) d dy, M kde M = {(, y) R 2 1 < 2 + y 2 < 4}. y M je mezikruží mezi kružnicemi o poloměru 1 a 2 a se
Více1 Báze a dimenze vektorového prostoru 1
1 Báze a dimenze vektorového prostoru 1 Báze a dimenze vektorového prostoru 1 2 Aritmetické vektorové prostory 7 3 Eukleidovské vektorové prostory 9 Levá vnější operace Definice 5.1 Necht A B. Levou vnější
VícePříklady: - počet členů dané domácnosti - počet zákazníků ve frontě - počet pokusů do padnutí čísla šest - životnost televizoru - věk člověka
Náhodná veličina Náhodnou veličinou nazýváme veličinu, terá s určitými p-stmi nabývá reálných hodnot jednoznačně přiřazených výsledům příslušných náhodných pousů Náhodné veličiny obvyle dělíme na dva záladní
VíceVlastní čísla a vlastní vektory
5 Vlastní čísla a vlastní vektor Poznámka: Je-li A : V V lineární zobrazení z prostoru V do prostoru V někd se takové zobrazení nazývá lineárním operátorem, pak je přirozeným požadavkem najít takovou bázi
Více1. Klasická pravděpodobnost
Příklady 1. Klasická pravděpodobnost 1. Házíme dvakrát kostkou. Jaká je pravděpodobnost, že padne alespoň jedna šestka? 2. Základy teorie pravděpodobnosti vznikly v korespondenci mezi dvěma slavnými francouzskými
Více10. cvičení z Matematické analýzy 2
. cvičení z Matematické analýzy 3. - 7. prosince 8. (dvojný integrál - Fubiniho věta Vhodným způsobem integrace spočítejte daný integrál a načrtněte oblast integrace (a (b (c y ds, kde : y & y 4. e ma{,y
VíceNecht L je lineární prostor nad R. Operaci : L L R nazýváme
Skalární součin axiomatická definice odvození velikosti vektorů a úhlu mezi vektory geometrická interpretace ortogonalita vlastnosti ortonormálních bázi [1] Definice skalárního součinu Necht L je lineární
Více6. DIFERENCIÁLNÍ POČET FUNKCE VÍCE PROMĚNNÝCH
Funkce více proměnných 6 DIFERENCIÁLNÍ POČET FUNKCE VÍCE PROMĚNNÝCH Ve čtvrté kapitole jsme studovali vlastnosti funkcí jedné nezávisle proměnné K popisu mnoha reálných situací však s jednou nezávisle
VíceDerivace funkcí více proměnných
Derivace funkcí více proměnných Pro studenty FP TUL Martina Šimůnková 16. května 019 1. Derivace podle vektoru jako funkce vektoru. Pro pevně zvolenou funkci f : R d R n a bod a R d budeme zkoumat zobrazení,
VíceVEKTOROVÁ POLE Otázky
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,
Více1 Funkce dvou a tří proměnných
1 Funkce dvou a tří proměnných 1.1 Pojem funkce více proměnných Definice Funkce dvou proměnných je předpis, který každému bodu z R 2 (tj. z roviny) přiřazuje jediné reálné číslo. z = f(x, y), D(f) R 2
Více( + ) ( ) f x x f x. x bude zmenšovat nekonečně přesný. = derivace funkce f v bodě x. nazýváme ji derivací funkce f v bodě x. - náš základní zápis
1.. Derivace elementárních funkcí I Předpoklad: 1 Shrnutí z minulé hodin: Chceme znát jakým způsobem se mění hodnot funkce f ( f ( + f ( přibližná hodnota změn = přesnost výpočtu se bude zvětšovat, kdž
VícePříklady pro předmět Aplikovaná matematika (AMA) část 1
Příklady pro předmět plikovaná matematika (M) část 1 1. Lokální extrémy funkcí dvou a tří proměnných Nalezněte lokální extrémy funkcí: (a) f 1 : f 1 (x, y) = x 3 3x + y 2 + 2y (b) f 2 : f 2 (x, y) = 1
VícePřijímací zkouška na navazující magisterské studium 2017
Přijímací zkouška na navazující magisterské studium 27 Studijní program: Studijní obor: Matematika Finanční a pojistná matematika Varianta A Řešení příkladů pečlivě odůvodněte. Věnujte pozornost ověření
VícePojmy z kombinatoriky, pravděpodobnosti, znalosti z kapitoly náhodná veličina, znalost parciálních derivací, dvojného integrálu.
6. NÁHODNÝ VEKTOR Průvodce studiem V počtu pravděpodobnosti i v matematické statistice se setkáváme nejen s náhodnými veličinami, jejichž hodnotami jsou reálná čísla, ale i s takovými, jejichž hodnotami
VíceLimitní věty teorie pravděpodobnosti. Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel
Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Jestliže opakujeme nezávisle nějaký pokus, můžeme z pozorovaných hodnot sestavit rozdělení relativních četností
VíceANALYTICKÁ 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,
VíceVícerozměrná rozdělení
Vícerozměrná rozdělení 7. září 0 Učivo: Práce s vícerozměrnými rozděleními. Sdružené, marginální, podmíněné rozdělení pravděpodobnosti. Vektorová střední hodnota. Kovariance, korelace, kovarianční matice.
VíceÚvodní informace. 17. února 2018
Úvodní informace Funkce více proměnných Přednáška první 17. února 2018 Obsah 1 Úvodní informace. 2 Funkce více proměnných Definiční obor Limita a spojitost Derivace, diferencovatelnost, diferenciál Úvodní
VíceVybrané kapitoly z matematiky
Vybrané kapitoly z matematiky VŠB-TU Ostrava 2017-2018 Vybrané kapitoly z matematiky 2017-2018 1 / 19 Základní informace předmět: 714-0513, 5 kreditů přednáší: Radek Kučera kontakt: radek.kucera@vsb.cz,
Vícen = 2 Sdružená distribuční funkce (joint d.f.) n. vektoru F (x, y) = P (X x, Y y)
5. NÁHODNÝ VEKTOR 5.1. Rozdělení náhodného vektoru Náhodný vektor X = (X 1, X 2,..., X n ) T n-rozměrný vektor, složky X i, i = 1,..., n náhodné veličiny. Vícerozměrná (n-rozměrná) náhodná veličina n =
Více= cos sin = sin + cos = 1, = 6 = 9. 6 sin 9. = 1 cos 9. = 1 sin 9. + 6 cos 9 = 1 0,939692621 6 ( 0,342020143) = 1 ( 0,342020143) + 6 0,939692621
ŘEŠENÉ PŘÍKLADY Z MA+ULA ČÁST Příklad Bod má vůči souřadné soustavě souřadnice uvedené níže. Vypočtěte jeho souřadnice vzhledem k soustavě, která je vůči otočená dle zadání uvedeného níže. Výsledky zaokrouhlete
VíceSemestrální písemka BMA3 - termín varianta A13 vzorové řešení
Semestrální písemka BMA3 - termín 6.1.9 - varianta A13 vzorové řešení Každý příklad je hodnocen maximálně 18 body, z toho část a) 1 body a část b) body. Mezivýsledky při výpočtech zaokrouhlujte alespoň
VíceOdhady - Sdružené rozdělení pravděpodobnosti
Odhady - Sdružené rozdělení pravděpodobnosti 4. listopadu 203 Kdybych chtěl znát maximum informací o náhodné veličině, musel bych znát všechny hodnoty, které mohou padnout, a jejich pravděpodobnosti. Tedy
Více676 + 4 + 100 + 196 + 0 + 484 + 196 + 324 + 64 + 324 = = 2368
Příklad 1 Je třeba prověřit, zda lze na 5% hladině významnosti pokládat za prokázanou hypotézu, že střední doba výroby výlisku je 30 sekund. Přitom 10 náhodně vybraných výlisků bylo vyráběno celkem 540
Vícez Matematické statistiky 1 1 Konvergence posloupnosti náhodných veličin
Příklady k procvičení z Matematické statistiky Poslední úprava. listopadu 207. Konvergence posloupnosti náhodných veličin. Necht X, X 2... jsou nezávislé veličiny s rovnoměrným rozdělením na [0, ]. Definujme
VíceNMSA202 PRAVDĚPODOBNOST A MATEMATICKÁ STATISTIKA POZNÁMKY O ZKOUŠCE
Datum poslední aktualizace: 13. června 2014 NMSA202 PRAVDĚPODOBNOST A MATEMATICKÁ STATISTIKA POZNÁMKY O ZKOUŠCE Zkouška má písemnou a ústní část. Nejdříve je písemná část, která se dále dělí na početní
VíceDistribuční funkce je funkcí neklesající, tj. pro všechna
Téma: Náhodná veličina, distribuční funkce a její graf, pravděpodobnostní funkce a její graf, funkce hustoty pravděpodobnosti a její graf, výpočet střední hodnoty a rozptylu náhodné veličiny 1 Náhodná
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Náhodný výběr Nechť X je náhodná proměnná, která má distribuční funkci F(x, ϑ). Předpokládejme, že známe tvar distribuční funkce (víme jaké má rozdělení) a neznáme parametr
VíceU V W xy 2 x 2 +2z 3yz
E. Brožíková, M. Kittlerová, F. Mrá: Sbírka příkladů Matematik II (6 V.5. Gaussova-strogradského věta Má-li vektorováfunkce f (U,V,W spojitévšechn parciálníderivacevotevřenémnožině G E 3, pak skalární
Více2. DVOJROZMĚRNÝ (DVOJNÝ) INTEGRÁL
. VOJROZMĚRNÝ (VOJNÝ) INTEGRÁL Úvodem připomenutí základních integračních vzorců, bez nichž se neobejdete: [.] d = C [.] d = + C n+ n [.] d = + C n + [4.] d = ln + C [5.] sin d = cos + C [6.] cos d = sin
VíceŘešení: Nejprve musíme napsat parametrické rovnice křivky C. Asi nejjednodušší parametrizace je. t t dt = t 1. x = A + ( B A ) t, 0 t 1,
Určete Křivkový integrál příklad 4 x ds, kde {x, y ; y ln x, x 3}. Řešení: Nejprve musíme napsat parametrické rovnice křivky. Asi nejjednodušší parametrizace je Tedy daný integrál je x ds x t, y ln t,
VícePravděpodobnost a statistika I KMA/K413
Pravděpodobnost a statistika I KMA/K413 Konzultace 3 Přírodovědecká fakulta Katedra matematiky jiri.cihlar@ujep.cz Kovariance, momenty Definice kovariance: Kovariance náhodných veličin Dále můžeme dokázat:,
VícePřijímací zkouška na navazující magisterské studium 2015
Přijímací zkouška na navazující magisterské stuium 05 Stuijní program: Stuijní obor: Řešení příklaů pečlivě oůvoněte. Příkla (5 boů) Spočtěte ke M {(y, x) R ; x 0, x + y a}. Příkla (5 boů) Nalezněte supremum
VíceNÁHODNÉ VELIČINY JAK SE NÁHODNÁ ČÍSLA PŘEVEDOU NA HODNOTY NÁHODNÝCH VELIČIN?
NÁHODNÉ VELIČINY GENEROVÁNÍ SPOJITÝCH A DISKRÉTNÍCH NÁHODNÝCH VELIČIN, VYUŽITÍ NÁHODNÝCH VELIČIN V SIMULACI, METODY TRANSFORMACE NÁHODNÝCH ČÍSEL NA HODNOTY NÁHODNÝCH VELIČIN. JAK SE NÁHODNÁ ČÍSLA PŘEVEDOU
VíceX = x, y = h(x) Y = y. hodnotám x a jedné hodnotě y. Dostaneme tabulku hodnot pravděpodobnostní
..08 8cv7.tex 7. cvičení - transformace náhodné veličiny Definice pojmů a základní vzorce Je-li X náhodná veličina a h : R R je měřitelná funkce, pak náhodnou veličinu Y, která je definovaná vztahem X
VíceUčební texty k státní bakalářské zkoušce Matematika Skalární součin. študenti MFF 15. augusta 2008
Učební texty k státní bakalářské zkoušce Matematika Skalární součin študenti MFF 15. augusta 2008 1 10 Skalární součin Požadavky Vlastnosti v reálném i komplexním případě Norma Cauchy-Schwarzova nerovnost
VíceR β α. Obrázek 1: Zadání - profil složený ze třech elementárních obrazců: 1 - rovnoramenný pravoúhlý trojúhelník, 2 - čtverec, 3 - kruhová díra
Zadání: Vypočtěte polohu těžiště, momenty setrvačnosti a deviační moment k centrálním osám a dále určete hlavní centrální momenty setrvačnosti, poloměry setrvačnosti a natočení hlavních centrálních os
VícePříklady ke čtvrtému testu - Pravděpodobnost
Příklady ke čtvrtému testu - Pravděpodobnost 6. dubna 0 Instrukce: Projděte si všechny příklady. Každý příklad se snažte pochopit. Pak vymyslete a vyřešte příklad podobný. Tím se ujistíte, že příkladu
VíceCharakterizace rozdělení
Charakterizace rozdělení Momenty f(x) f(x) f(x) μ >μ 1 σ 1 σ >σ 1 g 1 g σ μ 1 μ x μ x x N K MK = x f( x) dx 1 M K = x N CK = ( x M ) f( x) dx ( xi M 1 C = 1 K 1) N i= 1 K i K N i= 1 K μ = E ( X ) = xf
Více1. Funkce dvou a více proměnných. Úvod, limita a spojitost. Definiční obor, obor hodnot a vrstevnice grafu
22- a3b2/df.te. Funkce dvou a více proměnných. Úvod, ita a spojitost. Definiční obor, obor hodnot a vrstevnice grafu. Určete definiční obor funkce a proveďte klasifikaci bodů z R 2 vzhledem k a rozhodněte
Více1 Topologie roviny a prostoru
1 Topologie roviny a prostoru 1.1 Základní pojmy množin Intervaly a okolí Intervaly v rovině nebo prostoru jsou obdélníky nebo hranoly se stranami rovnoběžnými s osami souřadnic. Podmnožiny intervalů se
VícePRIMITIVNÍ FUNKCE. Primitivní funkce primitivní funkce. geometrický popis integrály 1 integrály 2 spojité funkce konstrukce prim.
PRIMITIVNÍ FUNKCE V předchozích částech byly zkoumány derivace funkcí a hlavním tématem byly funkce, které derivace mají. V této kapitole se budou zkoumat funkce, které naopak jsou derivacemi jiných funkcí
VíceVEKTOROVÁ 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