Univerza v Mariboru Fakulteta za naravoslovje in matematiko Oddelek za matematiko in računalništvo Enopredmetna matematika IZPIT IZ VERJETNOSTI IN STA

Velikost: px
Začni prikazovanje s strani:

Download "Univerza v Mariboru Fakulteta za naravoslovje in matematiko Oddelek za matematiko in računalništvo Enopredmetna matematika IZPIT IZ VERJETNOSTI IN STA"

Transkripcija

1 Enopredmetna matematika IN STATISTIKE Maribor, Na voljo imamo kovanca tipa K 1 in K 2, katerih verjetnost, da pade grb, je p 1 in p 2. (a) Istočasno vržemo oba kovanca. Verjetnost, da je pri tem padel vsaj en grb, je 1 11, da je padla vsaj ena cifra pa. Izračunaj verjetnosti p in p 2. (15) (b) Istočasno vržemo tri kovance tipa K 1 in dva kovanca tipa K 2. Izračunaj verjetnost, da so padli trije grbi in dve cifri, če vemo, da sta padla vsaj en grb in vsaj ena cifra. (10) 2. Mesti A in B sta 50km narazen. Dva avtomobila zapustita vsak svoje mesto neodvisno drug od drugega. Čas odhoda obeh avtomobilov je naključen in enakomerno porazdeljen med 12. in 13. uro. Hitrost obeh avtomobilov je 100 km in oba potujeta drug proti drugemu. Naj naključna spremenljivka X h meri razdaljo med točko srečanja obeh avtomobilov in mestom A. Izračunaj porazdelitveno funkcijo F X in jo skiciraj. Kolikšna je pričakovana razdalja med točko srečanja in mestom A? (25) 3. Naključni vektor (X, Y ) je enakomerno porazdeljen na polkrogu x 2 + y 2 1, y 0. (a) Določi gostoto porazdelitve naključne spremenljivke Y X. (10) (b) Izračunaj regresijo E(Y X) in jo natančno skiciraj. Na kateri znani krivulji leži regresija? Odgovor utemelji. (15) 4. Na vzorcu neke normalno porazdeljene količine so ugotovili vzorčno povprečje x = 8, 5 in izračunali (x k x) 2 = 15. S temi podatki na stopnji značilnosti α = 0.05 testiramo hipotezo H 0 (µ = 9) proti alternativni hipotezi H 1 (µ 9). Ali je potrebno hipotezo zavrniti, če je velikost vzorca n = 19 oz. n = 30? (25)

2 Enopredmetna matematika IN STATISTIKE Maribor, Na intervalu [0, l], l > 0, naključno in neodvisno izberemo dve števili, ki interval razdelita na tri dele. Kolikšna je verjetnost, da je sredinski del (del med izbranima številoma) največji, levi del (del, ki vsebuje število 0) pa najmanjši? (25) 2. Dogodek A ima v poskusu X verjetnost p (0, 1). Poskus ponavljamo tako dolgo, da se dogodek A zgodi k-krat. Določi rodovno funkcijo naključne spremenljivke X in izračunaj kolikorat je v povprečju potrebno ponoviti poskus X, da se dogodek A zgodi k-krat. (25) 3. Naj bo naključni vektor (X, Y ) porazdeljen na kvadratu [0, 1] [0, 1] z gostoto verjetnosti, ki je premosorazmerna s kvadratom oddaljenosti točke od izhodišča. (a) Zapiši gostoto verjetnosti naključnega vektorja (X, Y ). (5) (b) Izračunaj P ( 1 X Y = 1 2). (10) (c) Izračunaj regresijo E(X Y ). (10) 4. Izmed prvih 800 cifer števila π so se cifre 0, 1, 2,..., 9 pojavile po vrsti 74, 92, 79, 80, 77, 75, 76, 91, 82, 74 krat. Na stopnji značilnosti α = 0.05 preveri hipotezo, da imajo vse cifre enako verjetnost pojavljanja. (25)

3 Enopredmetna matematika IN STATISTIKE Maribor, V posodi imamo 5 belih, 3 zelene in 4 črne kroglice. Soigralec iz posode izvleče eno kroglico in je ne vrne. Nato izvleče še dve kroglici in nam pove, da sta enake barve. Kolikšna je verjetnost, da je bila prva izvlečena kroglica bele barve? (25) 2. Podana so števila 1, 2..., n. Naključno in neodvisno izberemo k števil (ne nujno različnih). Največje izmed izbranih števil je vrednost naključne spremenljivke X. Katere vrednosti zavzame naključna spremenljivka X? Zapiši tudi verjetnostno in porazdelitveno funkcijo naključne spremenljivke X. (25) 3. Naključni spremenljivki X in Y sta neodvisni in enakomerno porazdeljeni na intervalu [0, 1]. Naj bosta U = min{x, Y } in V = max{x, Y }. (a) Določi gostoto porazdelitve naključne spremenljivke V, vektorja (U, V ) in pogojne spremenljivke U V. (15) (b) Izračunaj regresijsko funkcijo naključne spremenljivke U glede na naključno spremenljivko V. (10) 4. Istočasno vržemo 5 kovancev in štejemo število padlih grbov. V tabeli x i m i so rezultati po 320-tih metih, kjer je m i število metov v katerih se pojavi x i grbov. Ali lahko na stopnji značilnosti α = 0.05 zavrnemo hipotezo, da so kovanci pošteni? (25)

4 Enopredmetna matematika IN STATISTIKE Maribor, Z intervala [0, 1] naključno in neodvisno izberemo tri števila x, y in z. Označimo naslednja dogodka: A : s stranicami, ki imajo dolžine x, y in z ni možno sestaviti trikotnika, B : vsota x + y + z je manjša od 1. Izračunaj verjetnost P (A) in P (A B). (25) 2. Naj bo zvezna naključna spremenljivka podana z gostoto { 25ax(5x 7) p(x) = ; x ; sicer. (a) Določi konstanto a. (5) (b) Izračunaj E(X) in D(X) naključne spremenljivke X. (10) (c) Kako je porazdeljena naključna spremenljivka Y = ln X? (10) 3. Nenegativni celoštevilski naključni spremenljiki X in Y sta neodvisni. Naključna spremenljivka X ima rodovno funkcijo G X (t) = 2t, Y pa ima karakteristično funkcijo f Y (t) = (2e it 1) 1 3 t. (a) Kako sta porazdeljeni naključni spremenljivki X in Y? (15) (b) Zapiši rodovno funkcijo naključne spremenljivke Z = X + Y. (10) 4. Naključna spremenljivka X naj bo porazdeljena normalno N(µ, σ) z znanim σ = 2. Po 25-tih realizacijah X smo dobili nalednje podatke: x i n i kjer je n i število realizacij vrednosti x i. Ali lahko na osnovi teh podatkov s tveganjem α = 0.05 zavrnemo hipotezo, da je µ = 0? Določi tudi 95% interval zaupanja za µ. (25)

5 Matematika 1. stopnja (splošna smer) Maribor, Na voljo imamo kovanca tipa K 1 in K 2, katerih verjetnost, da pade grb, je p 1 in p 2. (a) Istočasno vržemo oba kovanca. Verjetnost, da je pri tem padel vsaj en grb, je 1 11, da je padla vsaj ena cifra pa. Izračunaj verjetnosti p in p 2. (15) (b) Istočasno vržemo tri kovance tipa K 1 in dva kovanca tipa K 2. Izračunaj verjetnost, da so padli trije grbi in dve cifri, če vemo, da sta padla vsaj en grb in vsaj ena cifra. (10) 2. Mesti A in B sta 50km narazen. Dva avtomobila zapustita vsak svoje mesto neodvisno drug od drugega. Čas odhoda obeh avtomobilov je naključen in enakomerno porazdeljen med 12. in 13. uro. Hitrost obeh avtomobilov je 100 km in oba potujeta drug proti drugemu. Naj naključna spremenljivka X meri razdaljo med točko h srečanja obeh avtomobilov in mestom A. Izračunaj porazdelitveno funkcijo F X in jo skiciraj. Kolikšna je pričakovana razdalja med točko srečanja in mestom A? (25) 3. Naključni vektor (X, Y ) je enakomerno porazdeljen na polkrogu x 2 + y 2 1, y 0. (a) Določi gostoto porazdelitve naključne spremenljivke Y X. (10) (b) Izračunaj regresijo E(Y X) in jo natančno skiciraj. Na kateri znani krivulji leži regresija? Odgovor utemelji. (15) 4. Iz posode, ki vsebuje pet kroglic označenih z 1, 2, 3, 4 in 5 (vsaka kroglica je označena s svojo številko), potegnemo dve kroglici. Če potegnemo vsaj eno kroglico s številko vsaj 3, dobimo 1 EUR, v nasprotnem primeru 1 EUR izgubimo. Kolikšen je pričakovan zaslužek? (25)

6 Matematika 1. stopnja (splošna smer) Maribor, Na intervalu [0, l], l > 0, naključno in neodvisno izberemo dve števili, ki interval razdelita na tri dele. Kolikšna je verjetnost, da je sredinski del (del med izbranima številoma) največji, levi del (del, ki vsebuje število 0) pa najmanjši? (25) 2. Naključni spremenljivki X in Y sta neodvisni in obe porazdeljeni z gostoto p(x) = 1 2 e x. Določi gostoto verjetnosti naključnih spremenljivk U = X Y in V = max{x, Y }. (20) 3. Dogodek A ima v poskusu X verjetnost p (0, 1). Poskus ponavljamo tako dolgo, da se dogodek A zgodi k-krat. Določi rodovno funkcijo naključne spremenljivke X in izračunaj kolikorat je v povprečju potrebno ponoviti poskus X, da se dogodek A zgodi k-krat. (25) 4. Naj bo naključni vektor (X, Y ) porazdeljen na kvadratu [0, 1] [0, 1] z gostoto verjetnosti, ki je premosorazmerna s kvadratom oddaljenosti točke od izhodišča. (a) Zapiši gostoto verjetnosti naključnega vektorja (X, Y ). (10) (b) Izračunaj P ( 1 X Y = 1 2). (10) (c) Izračunaj regresijo E(X Y ). (10)

7 Matematika 1. stopnja (splošna smer) Maribor, V posodi imamo 5 belih, 3 zelene in 4 črne kroglice. Soigralec iz posode izvleče eno kroglico in je ne vrne. Nato izvleče še dve kroglici in nam pove, da sta enake barve. Kolikšna je verjetnost, da je bila prva izvlečena kroglica bele barve? (25) 2. Podana so števila 1, 2..., n. Naključno in neodvisno izberemo k števil (ne nujno različnih). Največje izmed izbranih števil je vrednost naključne spremenljivke X. Katere vrednosti zavzame naključna spremenljivka X? Zapiši tudi verjetnostno in porazdelitveno funkcijo naključne spremenljivke X. (25) 3. Naj bosta naključni spremenljivki X in Y neodvisni in obe porazdeljeni z gostoto p(x) = a x 2 e x2. (a) Izračunaj konstanto a in k-ti začetni moment spremenljivke X. Koliko je E(X) in D(X)? (15) (b) Zapiši gostoto naključne spremenljivke Z = max{x, Y }. (10) 4. Naključni spremenljivki X in Y sta neodvisni in enakomerno porazdeljeni na intervalu [0, 1]. Naj bosta U = min{x, Y } in V = max{x, Y }. (a) Določi gostoto porazdelitve naključne spremenljivke V, vektorja (U, V ) in pogojne spremenljivke U V. (15) (b) Izračunaj regresijsko funkcijo naključne spremenljivke U glede na naključno spremenljivko V. (10)

8 Matematika 1. stopnja (splošna smer) Maribor, V posodi imamo 5 belih, 3 zelene in 4 črne kroglice. Soigralec iz posode izvleče eno kroglico in je ne vrne. Nato izvleče še dve kroglici in nam pove, da sta enake barve. Kolikšna je verjetnost, da je bila prva izvlečena kroglica bele barve? (25) 2. Z intervala [0, 1] naključno in neodvisno izberemo tri števila x, y in z. Označimo naslednja dogodka: A : s stranicami, ki imajo dolžine x, y in z ni možno sestaviti trikotnika, B : vsota x + y + z je manjša od 1. Izračunaj verjetnost P (A) in P (A B). (25) 3. Naj bo zvezna naključna spremenljivka podana z gostoto { 25ax(5x 7) p(x) = ; x ; sicer. (a) Določi konstanto a. (5) (b) Izračunaj E(X) in D(X) naključne spremenljivke X. (10) (c) Kako je porazdeljena naključna spremenljivka Y = ln X? (10) 4. Nenegativni celoštevilski naključni spremenljiki X in Y sta neodvisni. Naključna spremenljivka X ima rodovno funkcijo G X (t) = 2t, Y pa ima karakteristično funkcijo f Y (t) = (2e it 1) 1 3 t. (a) Kako sta porazdeljeni naključni spremenljivki X in Y? (15) (b) Zapiši rodovno funkcijo naključne spremenljivke Z = X + Y. (10)

9 Matematika 1. stopnja (uporabna smer) Maribor, Na voljo imamo kovanca tipa K 1 in K 2, katerih verjetnost, da pade grb, je p 1 in p 2. (a) Istočasno vržemo oba kovanca. Verjetnost, da je pri tem padel vsaj en grb, je 1 11, da je padla vsaj ena cifra pa. Izračunaj verjetnosti p in p 2. (15) (b) Istočasno vržemo tri kovance tipa K 1 in dva kovanca tipa K 2. Izračunaj verjetnost, da so padli trije grbi in dve cifri. (5) 2. Mesti A in B sta 50km narazen. Dva avtomobila zapustita vsak svoje mesto neodvisno drug od drugega. Čas odhoda obeh avtomobilov je naključen in enakomerno porazdeljen med 12. in 13. uro. Hitrost obeh avtomobilov je 100 km in oba potujeta drug proti drugemu. Naj naključna spremenljivka X meri razdaljo med točko h srečanja obeh avtomobilov in mestom A. Izračunaj porazdelitveno funkcijo F X in jo skiciraj. (20) 3. Naključni vektor (X, Y ) je enakomerno porazdeljen na polkrogu x 2 + y 2 1, y 0. (a) Določi gostoto porazdelitve naključne spremenljivke Y X. (5) (b) Izračunaj regresijo E(Y X). (10) 4. Iz posode, ki vsebuje pet kroglic označenih z 1, 2, 3, 4 in 5 (vsaka kroglica je označena s svojo številko), potegnemo dve kroglici. Če potegnemo vsaj eno kroglico s številko vsaj 3, dobimo 1 EUR, v nasprotnem primeru 1 EUR izgubimo. Kolikšen je pričakovan zaslužek? (20) 5. Janko hodi enkrat na teden bodisi v kino bodisi v gledališče. Če je nek teden šel v kino, bo tudi naslednji teden šel v kino z verjetnostjo 1. Če pa je šel v gledališče, 5 bo tudi naslednji teden šel v gledališče z verjetnostjo 3. 4 (a) Jankovo tedensko odločitev predstavi z markovsko verigo. (5) (b) Kolikšna je verjetnost, da bo po n tednih Janko šel v gledališče, če je ta teden šel v gledališče? (10) (c) Klasificiraj obe stanji markovske verige. (10)

10 Matematika 1. stopnja (uporabna smer) Maribor, Na intervalu [0, l], l > 0, naključno in neodvisno izberemo dve števili, ki interval razdelita na tri dele. Kolikšna je verjetnost, da je sredinski del (del med izbranima številoma) največji, levi del (del, ki vsebuje število 0) pa najmanjši? (20) 2. Naključni spremenljivki X in Y sta neodvisni in obe porazdeljeni z gostoto p(x) = 1 2 e x. Določi gostoto verjetnosti naključnih spremenljivk U = X Y in V = max{x, Y }. (20) 3. Dogodek A ima v poskusu X verjetnost p (0, 1). Poskus ponavljamo tako dolgo, da se dogodek A zgodi k-krat. Določi rodovno funkcijo naključne spremenljivke X. (20) 4. Naj bo naključni vektor (X, Y ) porazdeljen na kvadratu [0, 1] [0, 1] z gostoto verjetnosti, ki je premosorazmerna s kvadratom oddaljenosti točke od izhodišča. (a) Zapiši gostoto verjetnosti naključnega vektorja (X, Y ). (10) (b) Izračunaj regresijo E(X Y ). (10) 5. Trgovec vsak dan obišče eno izmed mest Ljubljana, Maribor in Celje. Če je bil nek dan v Mariboru ali v Celju, gre naslednji dan vedno v Ljubljano. Če je bil v Ljubljani, pa je enakoverjetno, da bo naslednji dan v Mariboru ali v Celju. (a) Gibanje trgovca predstavi z markovsko verigo. Zapiši matriko prehoda P in matriko P n. (10) (b) Klasificiraj stanja markovske verige. Ali obstaja stacionarna porazdelitev? (10)

11 Matematika 1. stopnja (uporabna smer) Maribor, V posodi imamo 5 belih, 3 zelene in 4 črne kroglice. Soigralec iz posode izvleče eno kroglico in je ne vrne. Nato izvleče še dve kroglici in nam pove, da sta enake barve. Kolikšna je verjetnost, da je bila prva izvlečena kroglica bele barve? (20) 2. Podana so števila 1, 2..., n. Naključno in neodvisno izberemo k števil (ne nujno različnih). Največje izmed izbranih števil je vrednost naključne spremenljivke X. Katere vrednosti zavzame naključna spremenljivka X? Zapiši tudi verjetnostno funkcijo naključne spremenljivke X. (20) 3. Naj bosta naključni spremenljivki X in Y neodvisni in obe porazdeljeni z gostoto p(x) = a x 2 e x2. (a) Izračunaj konstanto a. (10) (b) Zapiši gostoto naključne spremenljivke Z = max{x, Y }. (10) 4. Naključni spremenljivki X in Y sta neodvisni in enakomerno porazdeljeni na intervalu [0, 1]. Naj bosta U = min{x, Y } in V = max{x, Y }. Določi gostoto porazdelitve naključne spremenljivke V, vektorja (U, V ) in pogojne spremenljivke U V. (20) 5. Delec se giblje po mreži trikotnika ABC. Iz oglišča A se delec vedno premakne v oglišče B. Če je delec v oglišču B, potem z verjetnostjo p ostane v oglišču B ali pa se premakne v oglišče C. Če je delec v oglišču C, potem je enakoverjetno, da v C tudi ostane ali pa se premakne v A. Gibanje delca opiši s homogeno markovsko verigo in za vsako oglišče trikotnika izračunaj povprečen čas vrnitve delca. (20)

12 Matematika 1. stopnja (uporabna smer) Maribor, V posodi imamo 5 belih, 3 zelene in 4 črne kroglice. Soigralec iz posode izvleče eno kroglico in je ne vrne. Nato izvleče še dve kroglici in nam pove, da sta enake barve. Kolikšna je verjetnost, da je bila prva izvlečena kroglica bele barve? (20) 2. Z intervala [0, 1] naključno in neodvisno izberemo tri števila x, y in z. Označimo naslednja dogodka: A : s stranicami, ki imajo dolžine x, y in z ni možno sestaviti trikotnika, B : vsota x + y + z je manjša od 1. Izračunaj verjetnost P (A B). (20) 3. Naj bo zvezna naključna spremenljivka podana z gostoto { 25ax(5x 7) p(x) = ; x ; sicer. (a) Določi konstanto a. (5) (b) Kako je porazdeljena naključna spremenljivka Y = ln X? (10) 4. Nenegativni celoštevilski naključni spremenljiki X in Y sta neodvisni. Naključna spremenljivka X ima rodovno funkcijo G X (t) = 2t, Y pa ima karakteristično funkcijo f Y (t) = (2e it 1) 1 3 t. (a) Kako sta porazdeljeni naključni spremenljivki X in Y? (15) (b) Zapiši rodovno funkcijo naključne spremenljivke Z = X + Y. (10) 5. Delec se premika po naravnih številih 1, 2, 3, 4 in 5. Na začetku delec stoji na številu 1 in se na vsakem koraku enakoverjetno premakne do kateregakoli naravnega števila, ki je strogo večje od števila, na katerem v danem trenutku stoji. Ko delec prispe do števila 5, tam tudi ostane. Zapiši matriko prehoda tega procesa in določi pričakovano število korakov, v katerih delec doseže število 5. (20)

1 Diskretni naklju ni vektorji 1 1 Diskretni naklju ni vektorji 1. Dopolni tabelo tako, da bosta X in Y neodvisni. X Y x x x x x

1 Diskretni naklju ni vektorji 1 1 Diskretni naklju ni vektorji 1. Dopolni tabelo tako, da bosta X in Y neodvisni. X Y x x x x x 1 Diskretni naklju ni vektorji 1 1 Diskretni naklju ni vektorji 1. Dopolni tabelo tako, da bosta X in Y neodvisni. X Y 0 1 2 1 1-1 x x 20 10 1 0 x x x 10 1 1 x x x 20 x x x 1 Dolo i ²e spremenljivko Z,

Prikaži več

Ime in priimek: Vpisna št: FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Verjetnost Pisni izpit 5. februar 2018 Navodila Pazljivo preberite

Ime in priimek: Vpisna št: FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Verjetnost Pisni izpit 5. februar 2018 Navodila Pazljivo preberite Ime in priimek: Vpisna št: FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Verjetnost Pisni izpit 5 februar 018 Navodila Pazljivo preberite besedilo naloge, preden se lotite reševanja Nalog je

Prikaži več

Osnove verjetnosti in statistika

Osnove verjetnosti in statistika Osnove verjetnosti in statistika Gašper Fijavž Fakulteta za računalništvo in informatiko Univerza v Ljubljani Ljubljana, 26. februar 2010 Poskus in dogodek Kaj je poskus? Vržemo kovanec. Petkrat vržemo

Prikaži več

Univerza v Mariboru Fakulteta za naravoslovje in matematiko Oddelek za matematiko in ra unalni²tvo Izobraºevalna matematika Pisni izpit pri predmetu K

Univerza v Mariboru Fakulteta za naravoslovje in matematiko Oddelek za matematiko in ra unalni²tvo Izobraºevalna matematika Pisni izpit pri predmetu K 31. januar 2014 1. [25] V kino dvorano z 10 vrstami po 10 o²tevil enih sedeºev vstopi 100 ljudi. Od tega je 40 deklet in 60 fantov. Na koliko na inov se lahko posedejo, (a) e ni nobenih omejitev? (b) e

Prikaži več

glava.dvi

glava.dvi Lastnosti verjetnosti 1. Za dogodka A in B velja: P(A B) = P(A) + P(B) P(A B) 2. Za dogodke A, B in C velja: P(A B C) = P(A) + P(B) + P(C) P(A B) P(A C) P(B C) + P(A B C) Kako lahko to pravilo posplošimo

Prikaži več

Verjetnost in vzorčenje: teoretske porazdelitve standardne napake ocenjevanje parametrov as. dr. Nino RODE prof. dr. Blaž MESEC

Verjetnost in vzorčenje: teoretske porazdelitve standardne napake ocenjevanje parametrov as. dr. Nino RODE prof. dr. Blaž MESEC Verjetnost in vzorčenje: teoretske porazdelitve standardne napake ocenjevanje parametrov as. dr. Nino RODE prof. dr. Blaž MESEC VERJETNOST osnovni pojmi Poskus: dejanje pri katerem je izid negotov met

Prikaži več

VST: 1. kviz

VST: 1. kviz jsmath Učilnica / VST / Kvizi / 1. kviz / Pregled poskusa 1 1. kviz Pregled poskusa 1 Končaj pregled Začeto dne nedelja, 25. oktober 2009, 14:17 Dokončano dne nedelja, 25. oktober 2009, 21:39 Porabljeni

Prikaži več

Ime in priimek: Vpisna št: FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Statistika Pisni izpit 6. julij 2018 Navodila Pazljivo preberite be

Ime in priimek: Vpisna št: FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Statistika Pisni izpit 6. julij 2018 Navodila Pazljivo preberite be Ime in priimek: Vpisna št: FAKULEA ZA MAEMAIKO IN FIZIKO Oddelek za matematiko Statistika Pisni izpit 6 julij 2018 Navodila Pazljivo preberite besedilo naloge, preden se lotite reševanja Za pozitiven rezultat

Prikaži več

Slide 1

Slide 1 SLUČAJNE SPREMENLJIVKE Povezave med verjetnostjo P, porazdelitveno funcijo F in gostoto porazdelitve p. P F (x) =P( x) P(a b)=f (b)-f (a) F p Slučajna spremenljiva ima gostoto p. Kašno gostoto ima Y=+l?

Prikaži več

3. Preizkušanje domnev

3. Preizkušanje domnev 3. Preizkušanje domnev doc. dr. Miroslav Verbič miroslav.verbic@ef.uni-lj.si www.miroslav-verbic.si Ljubljana, februar 2014 3.1 Izračunavanje intervala zaupanja za vrednosti regresijskih koeficientov Motivacija

Prikaži več

Ime in priimek: Vpisna št: FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Statistika Pisni izpit 31. avgust 2018 Navodila Pazljivo preberite

Ime in priimek: Vpisna št: FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Statistika Pisni izpit 31. avgust 2018 Navodila Pazljivo preberite Ime in priimek: Vpisna št: FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Statistika Pisni izpit 31 avgust 018 Navodila Pazljivo preberite besedilo naloge, preden se lotite reševanja Za pozitiven

Prikaži več

C:/Users/Matevž Èrepnjak/Dropbox/FKKT/testi in izpiti/ /IZPITI/FKKT-februar-14.dvi

C:/Users/Matevž Èrepnjak/Dropbox/FKKT/testi in izpiti/ /IZPITI/FKKT-februar-14.dvi Kemijska tehnologija, Kemija Bolonjski univerzitetni program Smer: KT K WolframA: DA NE Računski del izpita pri predmetu MATEMATIKA I 6. 2. 2014 Čas reševanja je 75 minut. Navodila: Pripravi osebni dokument.

Prikaži več

REŠENE NALOGE IZ VERJETNOSTI IN STATISTIKE Martin Raič Datum zadnje spremembe: 11. junij 2019

REŠENE NALOGE IZ VERJETNOSTI IN STATISTIKE Martin Raič Datum zadnje spremembe: 11. junij 2019 REŠENE NALOGE IZ VERJETNOSTI IN STATISTIKE Martin Raič Datum zadnje spremembe: junij 209 Kazalo Osnove kombinatorike 3 2 Elementarna verjetnost 5 3 Pogojna verjetnost 0 4 Slučajne spremenljivke 7 5 Slučajni

Prikaži več

Matematika II (UNI) Izpit (23. avgust 2011) RE ITVE Naloga 1 (20 to k) Vektorja a = (0, 1, 1) in b = (1, 0, 1) oklepata trikotnik v prostoru. Izra una

Matematika II (UNI) Izpit (23. avgust 2011) RE ITVE Naloga 1 (20 to k) Vektorja a = (0, 1, 1) in b = (1, 0, 1) oklepata trikotnik v prostoru. Izra una Matematika II (UNI) Izpit (. avgust 11) RE ITVE Naloga 1 ( to k) Vektorja a = (, 1, 1) in b = (1,, 1) oklepata trikotnik v prostoru. Izra unajte: kot med vektorjema a in b, pravokotno projekcijo vektorja

Prikaži več

Osnove statistike v fizični geografiji 2

Osnove statistike v fizični geografiji 2 Osnove statistike v geografiji - Metodologija geografskega raziskovanja - dr. Gregor Kovačič, doc. Bivariantna analiza Lastnosti so med sabo odvisne (vzročnoposledično povezane), kadar ena lastnost (spremenljivka

Prikaži več

Brownova kovariancna razdalja

Brownova kovariancna razdalja Brownova kovariančna razdalja Nace Čebulj Fakulteta za matematiko in fiziko 8. januar 2015 Nova mera odvisnosti Motivacija in definicija S primerno izbiro funkcije uteži w(t, s) lahko definiramo mero odvisnosti

Prikaži več

C:/Users/Matevž Èrepnjak/Dropbox/FKKT/TESTI-IZPITI-REZULTATI/ /Izpiti/FKKT-avgust-17.dvi

C:/Users/Matevž Èrepnjak/Dropbox/FKKT/TESTI-IZPITI-REZULTATI/ /Izpiti/FKKT-avgust-17.dvi Vpisna številka Priimek, ime Smer: K KT WA Izpit pri predmetu MATEMATIKA I Računski del Ugasni in odstrani mobilni telefon. Uporaba knjig in zapiskov ni dovoljena. Dovoljeni pripomočki so: kemični svinčnik,

Prikaži več

Vrste

Vrste Matematika 1 17. - 24. november 2009 Funkcija, ki ni algebraična, se imenuje transcendentna funkcija. Podrobneje si bomo ogledali naslednje transcendentne funkcije: eksponentno, logaritemsko, kotne, ciklometrične,

Prikaži več

Strokovni izobraževalni center Ljubljana, Srednja poklicna in strokovna šola Bežigrad PRIPRAVE NA PISNI DEL IZPITA IZ MATEMATIKE 2. letnik nižjega pok

Strokovni izobraževalni center Ljubljana, Srednja poklicna in strokovna šola Bežigrad PRIPRAVE NA PISNI DEL IZPITA IZ MATEMATIKE 2. letnik nižjega pok Strokovni izobraževalni center Ljubljana, Srednja poklicna in strokovna šola Bežigrad PRIPRAVE NA PISNI DEL IZPITA IZ MATEMATIKE 2. letnik nižjega poklicnega izobraževanja NAVODILA: Izpit iz matematike

Prikaži več

Microsoft Word - SI_vaja5.doc

Microsoft Word - SI_vaja5.doc Univerza v Ljubljani, Zdravstvena fakulteta Sanitarno inženirstvo Statistika Inštitut za biostatistiko in medicinsko informatiko Š.l. 2011/2012, 3. letnik (1. stopnja), Vaja 5 Naloge 1. del: t test za

Prikaži več

ANALITIČNA GEOMETRIJA V RAVNINI

ANALITIČNA GEOMETRIJA V RAVNINI 3. Analitična geometrija v ravnini Osnovna ideja analitične geometrije je v tem, da vaskemu geometrijskemu objektu (točki, premici,...) pridružimo števila oz koordinate, ki ta objekt popolnoma popisujejo.

Prikaži več

MERE SREDNJE VREDNOSTI

MERE SREDNJE VREDNOSTI OPIS PODATKOV ENE SPREMENLJIVKE frekvenčne porazdelitve in mere srednje vrednosti as. dr. Nino RODE Uni-Lj. Fakulteta za socialno delo O ČEM BOMO GOVORILI NAMEN OPISNE STATISTIKE Kako opisati podatke OPIS

Prikaži več

Optimizacija z roji delcev - Seminarska naloga pri predmetu Izbrana poglavja iz optimizacije

Optimizacija z roji delcev - Seminarska naloga pri predmetu Izbrana poglavja iz optimizacije Univerza v Ljubljani Fakulteta za matematiko in fiziko Seminarska naloga pri predmetu Izbrana poglavja iz optimizacije 2. junij 2011 Koncept PSO Motivacija: vedenje organizmov v naravi Ideja: koordinirano

Prikaži več

Vektorji - naloge za test Naloga 1 Ali so točke A(1, 2, 3), B(0, 3, 7), C(3, 5, 11) b) A(0, 3, 5), B(1, 2, 2), C(3, 0, 4) kolinearne? Naloga 2 Ali toč

Vektorji - naloge za test Naloga 1 Ali so točke A(1, 2, 3), B(0, 3, 7), C(3, 5, 11) b) A(0, 3, 5), B(1, 2, 2), C(3, 0, 4) kolinearne? Naloga 2 Ali toč Vektorji - naloge za test Naloga 1 li so točke (1, 2, 3), (0, 3, 7), C(3, 5, 11) b) (0, 3, 5), (1, 2, 2), C(3, 0, 4) kolinearne? Naloga 2 li točke a) (6, 0, 2), (2, 0, 4), C(6, 6, 1) in D(2, 6, 3), b)

Prikaži več

NAVADNA (BIVARIATNA) LINEARNA REGRESIJA O regresijski analizi govorimo, kadar želimo opisati povezanost dveh numeričnih spremenljivk. Opravka imamo to

NAVADNA (BIVARIATNA) LINEARNA REGRESIJA O regresijski analizi govorimo, kadar želimo opisati povezanost dveh numeričnih spremenljivk. Opravka imamo to NAVADNA (BIVARIATNA) LINEARNA REGRESIJA O regresijski analizi govorimo, kadar želimo opisati povezanost dveh numeričnih spremenljivk. Opravka imamo torej s pari podatkov (x i,y i ), kjer so x i vrednosti

Prikaži več

C:/Users/Matevz/Dropbox/FKKT/TESTI-IZPITI-REZULTATI/ /Izpiti/FKKT-januar-februar-15.dvi

C:/Users/Matevz/Dropbox/FKKT/TESTI-IZPITI-REZULTATI/ /Izpiti/FKKT-januar-februar-15.dvi Kemijska tehnologija, Kemija Bolonjski univerzitetni program Smer: KT K WolframA: DA NE Čas reševanja je 75 minut. Navodila: Računski del izpita pri predmetu MATEMATIKA I Ugasni in odstrani mobilni telefon.

Prikaži več

FAKULTETA ZA STROJNIŠTVO Matematika 2 Pisni izpit 9. junij 2005 Ime in priimek: Vpisna št: Zaporedna številka izpita: Navodila Pazljivo preberite bese

FAKULTETA ZA STROJNIŠTVO Matematika 2 Pisni izpit 9. junij 2005 Ime in priimek: Vpisna št: Zaporedna številka izpita: Navodila Pazljivo preberite bese FAKULTETA ZA STROJNIŠTVO Matematika Pisni izpit 9. junij 005 Ime in priimek: Vpisna št: Zaporedna številka izpita: Navodila Pazljivo preberite besedilo naloge, preden se lotite reševanja. Veljale bodo

Prikaži več

Microsoft Word - RAZISKAVA_II._del.doc

Microsoft Word - RAZISKAVA_II._del.doc DEJAVNIKI VARNOSTI CESTNEGA PROMETA V SLOVENIJI Raziskava II. del Inštitut za kriminologijo pri Pravni fakulteti v Ljubljani Ljubljana, avgusta 2010 Vodja raziskave: dr. Dragan Petrovec Izvajalci in avtorji:

Prikaži več

LaTeX slides

LaTeX slides Statistični modeli - interakcija - Milena Kovač 23. november 2007 Biometrija 2007/08 1 Število živorojenih pujskov Biometrija 2007/08 2 Sestavimo model! Vplivi: leto, farma Odvisna spremenljivka: število

Prikaži več

VAJE

VAJE UČNI LIST Geometrijska telesa Opomba: pri nalogah, kjer računaš maso jeklenih teles, upoštevaj gostoto jekla 7,86 g / cm ; gostote morebitnih ostalih materialov pa so navedene pri samih nalogah! Fe 1)

Prikaži več

Microsoft PowerPoint - p_TK_inzeniring_1_dan_v5_shortTS.ppt [Compatibility Mode]

Microsoft PowerPoint - p_TK_inzeniring_1_dan_v5_shortTS.ppt [Compatibility Mode] Telekomunikacijski inženiring dr. Iztok Humar Vsebina Značilnosti TK prometa, preprosti modeli, uporaba Uvod Značilnosti telekomunikacijskega prometa Modeliranje vodovno komutiranih zvez Erlang B Erlang

Prikaži več

Matematika Diferencialne enačbe prvega reda (1) Reši diferencialne enačbe z ločljivimi spremenljivkami: (a) y = 2xy, (b) y tg x = y, (c) y = 2x(1 + y

Matematika Diferencialne enačbe prvega reda (1) Reši diferencialne enačbe z ločljivimi spremenljivkami: (a) y = 2xy, (b) y tg x = y, (c) y = 2x(1 + y Matematika Diferencialne enačbe prvega reda (1) Reši diferencialne enačbe z ločljivimi spremenljivkami: (a) y = 2xy, (b) y tg x = y, (c) y = 2x(1 + y 2 ). Rešitev: Diferencialna enačba ima ločljive spremenljivke,

Prikaži več

2. Model multiple regresije

2. Model multiple regresije 2. Model multiple regresije doc. dr. Miroslav Verbič miroslav.verbic@ef.uni-lj.si www.miroslav-verbic.si Ljubljana, februar 2014 2.1 Populacijski regresijski model in regresijski model vzorčnih podatkov

Prikaži več

MATLAB programiranje MATLAB... programski jezik in programersko okolje Zakaj Matlab? tipičen proceduralni jezik enostaven za uporabo hitro učenje prir

MATLAB programiranje MATLAB... programski jezik in programersko okolje Zakaj Matlab? tipičen proceduralni jezik enostaven za uporabo hitro učenje prir MATLAB programiranje MATLAB... programski jezik in programersko okolje Zakaj Matlab? tipičen proceduralni jezik enostaven za uporabo hitro učenje priročno programsko okolje tolmač interpreter (ne prevajalnik)

Prikaži več

00main.dvi

00main.dvi UNIVERZA V LJUBLJANI Fakulteta za elektrotehniko Vitomir Štruc, Simon Dobrišek INFORMACIJA IN KODI DOPOLNILNI UČBENIK Z VAJAMI UNIVERZITETNI ŠTUDIJSKI PROGRAM II. STOPNJE ELEKTROTEHNIKA - AVTOMATIKA IN

Prikaži več

Poročilo za 1. del seminarske naloge- igrica Kača Opis igrice Kača (Snake) je klasična igrica, pogosto prednaložena na malce starejših mobilnih telefo

Poročilo za 1. del seminarske naloge- igrica Kača Opis igrice Kača (Snake) je klasična igrica, pogosto prednaložena na malce starejših mobilnih telefo Poročilo za 1. del seminarske naloge- igrica Kača Opis igrice Kača (Snake) je klasična igrica, pogosto prednaložena na malce starejših mobilnih telefonih. Obstaja precej različic, sam pa sem sestavil meni

Prikaži več

Jože Berk, Jana Draksler in Marjana Robič Skrivnosti števil in oblik Vsebinsko izpopolnjeno podpoglavje VERJETNOST 9

Jože Berk, Jana Draksler in Marjana Robič Skrivnosti števil in oblik Vsebinsko izpopolnjeno podpoglavje VERJETNOST 9 Jože Berk, Jana Draksler in Marjana Robič Skrivnosti števil in oblik Vsebinsko izpopolnjeno podpoglavje VERJETNOST 9 Podpoglavje Verjetnost (poglavje Obdelava podatkov) se v učbeniku Skrivnosti števil

Prikaži več

TLAK PLOŠČINA 1. Zapiši oznako in enoto za ploščino. 2. Zapiši pretvornik pri ploščini in po velikosti zapiši enote od mm 2 do km Nariši skico z

TLAK PLOŠČINA 1. Zapiši oznako in enoto za ploščino. 2. Zapiši pretvornik pri ploščini in po velikosti zapiši enote od mm 2 do km Nariši skico z TLAK PLOŠČINA 1. Zapiši oznako in enoto za ploščino. 2. Zapiši pretvornik pri ploščini in po velikosti zapiši enote od mm 2 do km 2. 3. Nariši skico za kvadrat in zapiši, kako bi izračunal ploščino kvadrata.

Prikaži več

M

M Š i f r a k a n d i d a t a : Državni izpitni center *M16140111* Osnovna raven MATEMATIKA Izpitna pola 1 SPOMLADANSKI IZPITNI ROK Sobota, 4. junij 016 / 10 minut Dovoljeno gradivo in pripomočki: Kandidat

Prikaži več

FGG13

FGG13 10.8 Metoda zveznega nadaljevanja To je metoda za reševanje nelinearne enačbe f(x) = 0. Če je težko poiskati začetni približek (še posebno pri nelinearnih sistemih), si lahko pomagamo z uvedbo dodatnega

Prikaži več

1 Naloge iz Matematične fizike II /14 1. Enakomerno segreto kocko vržemo v hladnejšo vodo stalne temperature. Kako se spreminja s časom temperat

1 Naloge iz Matematične fizike II /14 1. Enakomerno segreto kocko vržemo v hladnejšo vodo stalne temperature. Kako se spreminja s časom temperat 1 Naloge iz Matematične fizike II - 2013/14 1. Enakomerno segreto kocko vržemo v hladnejšo vodo stalne temperature. Kako se spreminja s časom temperatura v kocki? Kakšna je časovna odvisnost toplotnega

Prikaži več

C:/Users/Matevž Èrepnjak/Dropbox/FKKT/TESTI-IZPITI-REZULTATI/ /Izpiti/FKKT-junij-17.dvi

C:/Users/Matevž Èrepnjak/Dropbox/FKKT/TESTI-IZPITI-REZULTATI/ /Izpiti/FKKT-junij-17.dvi Vpisna številka Priimek, ime Smer: K KT WA Izpit pri predmetu MATEMATIKA I Računski del Ugasni in odstrani mobilni telefon. Uporaba knjig in zapiskov ni dovoljena. Dovoljeni pripomočki so: kemični svinčnik,

Prikaži več

RAČUNALNIŠKA ORODJA V MATEMATIKI

RAČUNALNIŠKA ORODJA V MATEMATIKI DEFINICIJA V PARAVOKOTNEM TRIKOTNIKU DEFINICIJA NA ENOTSKI KROŢNICI GRAFI IN LASTNOSTI SINUSA IN KOSINUSA POMEMBNEJŠE FORMULE Oznake: sinus kota x označujemo z oznako sin x, kosinus kota x označujemo z

Prikaži več

Predtest iz za 1. kontrolno nalogo- 2K Teme za kontrolno nalogo: Podobni trikotniki. Izreki v pravokotnem trikotniku. Kotne funkcije poljubnega kota.

Predtest iz za 1. kontrolno nalogo- 2K Teme za kontrolno nalogo: Podobni trikotniki. Izreki v pravokotnem trikotniku. Kotne funkcije poljubnega kota. Predtest iz za 1. kontrolno nalogo- K Teme za kontrolno nalogo: Podobni trikotniki. Izreki v pravokotnem trikotniku. Kotne funkcije poljubnega kota. Osnovne zveze med funkcijamo istega kota. Uporaba kotnih

Prikaži več

Statistika, Prakticna matematika, , izrocki

Statistika, Prakticna matematika, , izrocki Srednje vrednosti Srednja vrednost...... številske spremenljivke X je tako število, s katerim skušamo kar najbolje naenkrat povzeti vrednosti na posameznih enotah: Polovica zaposlenih oseb ima bruto osebni

Prikaži več

Matematika II (UN) 2. kolokvij (7. junij 2013) RE ITVE Naloga 1 (25 to k) ƒasovna funkcija f je denirana za t [0, 2] in podana s spodnjim grafom. f t

Matematika II (UN) 2. kolokvij (7. junij 2013) RE ITVE Naloga 1 (25 to k) ƒasovna funkcija f je denirana za t [0, 2] in podana s spodnjim grafom. f t Matematika II (UN) 2. kolokvij (7. junij 2013) RE ITVE Naloga 1 (25 to k) ƒasovna funkcija f je denirana za t [0, 2] in podana s spodnjim grafom. f t 0.5 1.5 2.0 t a.) Nari²ite tri grafe: graf (klasi ne)

Prikaži več

Mladi za napredek Maribora srečanje DOLŽINA»SPIRALE«Matematika Raziskovalna naloga Februar 2015

Mladi za napredek Maribora srečanje DOLŽINA»SPIRALE«Matematika Raziskovalna naloga Februar 2015 Mladi za napredek Maribora 015 3. srečanje DOLŽINA»SPIRALE«Matematika Raziskovalna naloga Februar 015 Kazalo 1. Povzetek...3. Uvod...4 3. Spirala 1...5 4. Spirala...6 5. Spirala 3...8 6. Pitagorejsko drevo...10

Prikaži več

UNIVERZA V LJUBLJANI FAKULTETA ZA MATEMATIKO IN FIZIKO ODDELEK ZA FIZIKO Peter Smerkol SEMINARSKA NALOGA Brownovo Gibanje MENTOR: dr. Tomaž Podobnik L

UNIVERZA V LJUBLJANI FAKULTETA ZA MATEMATIKO IN FIZIKO ODDELEK ZA FIZIKO Peter Smerkol SEMINARSKA NALOGA Brownovo Gibanje MENTOR: dr. Tomaž Podobnik L UNIVERZA V LJUBLJANI FAKULTETA ZA MATEMATIKO IN FIZIKO ODDELEK ZA FIZIKO Peter Smerkol SEMINARSKA NALOGA Brownovo Gibanje MENTOR: dr. Tomaž Podobnik Ljubljana, Marec 2007 Povzetek Najpreprostejši model

Prikaži več

Poslovilno predavanje

Poslovilno predavanje Poslovilno predavanje Matematične teme z didaktiko Marko Razpet, Pedagoška fakulteta Ljubljana, 20. november 2014 1 / 32 Naše skupne ure Matematične tehnologije 2011/12 Funkcije več spremenljivk 2011/12

Prikaži več

Vaje: Matrike 1. Ugani rezultat, nato pa dokaži z indukcijo: (a) (b) [ ] n 1 1 ; n N 0 1 n ; n N Pokaži, da je množica x 0 y 0 x

Vaje: Matrike 1. Ugani rezultat, nato pa dokaži z indukcijo: (a) (b) [ ] n 1 1 ; n N 0 1 n ; n N Pokaži, da je množica x 0 y 0 x Vaje: Matrike 1 Ugani rezultat, nato pa dokaži z indukcijo: (a) (b) [ ] n 1 1 ; n N n 1 1 0 1 ; n N 0 2 Pokaži, da je množica x 0 y 0 x y x + z ; x, y, z R y x z x vektorski podprostor v prostoru matrik

Prikaži več

Prevodnik_v_polju_14_

Prevodnik_v_polju_14_ 14. Prevodnik v električnem polju Vsebina poglavja: prevodnik v zunanjem električnem polju, površina prevodnika je ekvipotencialna ploskev, elektrostatična indukcija (influenca), polje znotraj votline

Prikaži več

Osnove teorije kopul in maksmin kopule

Osnove teorije kopul in maksmin kopule Fakulteta za matematiko in fiziko Univerze v Ljubljani Seminar Inštituta za biostatistiko in medicinsko informatiko 26. maj 25 Osnove teorije kopul Definicija kopule Definicija Funkcija C : A A 2 [, ],

Prikaži več

(Microsoft Word - 3. Pogre\232ki in negotovost-c.doc)

(Microsoft Word - 3. Pogre\232ki in negotovost-c.doc) 3.4 Merilna negotovost Merilna negotovost je parameter, ki pripada merilnem rezltat. Označje razpršenost vrednosti, ki jih je mogoče z določeno verjetnostjo pripisati merjeni veličini. Navaja kakovost

Prikaži več

resitve.dvi

resitve.dvi FAKULTETA ZA STROJNISTVO Matematika Pisni izpit. junij 22 Ime in priimek Vpisna st Navodila Pazljivo preberite besedilo naloge, preden se lotite resevanja. Veljale bodo samo resitve na papirju, kjer so

Prikaži več

Osnove matematicne analize 2018/19

Osnove matematicne analize  2018/19 Osnove matematične analize 2018/19 Neža Mramor Kosta Fakulteta za računalništvo in informatiko Univerza v Ljubljani Funkcija je predpis, ki vsakemu elementu x iz definicijskega območja D f R priredi natanko

Prikaži več

Matematika 2

Matematika 2 Matematika 2 Gregor Dolinar Fakulteta za elektrotehniko Univerza v Ljubljani 23. april 2014 Soda in liha Fourierjeva vrsta Opomba Pri razvoju sode periodične funkcije f v Fourierjevo vrsto v razvoju nastopajo

Prikaži več

Naloge iz kolokvijev Analize 1 (z rešitvami) E-UNI, GING, TK-UNI FERI dr. Iztok Peterin Maribor 2009 V tej datoteki so zbrane naloge iz kolokvijev za

Naloge iz kolokvijev Analize 1 (z rešitvami) E-UNI, GING, TK-UNI FERI dr. Iztok Peterin Maribor 2009 V tej datoteki so zbrane naloge iz kolokvijev za Naloge iz kolokvijev Analize (z rešitvami) E-UNI, GING, TK-UNI FERI dr. Iztok Peterin Maribor 2009 V tej datoteki so zbrane naloge iz kolokvijev za predmet Analiza na smereh E-UNI, GING in TK-UNI na Fakulteti

Prikaži več

Mrežni modeli polimernih verig Boštjan Jenčič 22. maj 2013 Eden preprostejših opisov polimerne verige je mrežni model, kjer lahko posamezni segmenti p

Mrežni modeli polimernih verig Boštjan Jenčič 22. maj 2013 Eden preprostejših opisov polimerne verige je mrežni model, kjer lahko posamezni segmenti p Mrežni modeli polimernih verig Boštjan Jenčič. maj 013 Eden preprostejših opisov polimerne verige je mrežni model, kjer lahko posameni segmenti polimera asedejo golj ogljišča v kvadratni (ali kubični v

Prikaži več

Lehmerjev algoritem za racunanje najvecjega skupnega delitelja

Lehmerjev algoritem za racunanje najvecjega skupnega delitelja Univerza v Ljubljani Fakulteta za računalništvo in informatiko ter Fakulteta za Matematiko in Fiziko Mirjam Kolar Lehmerjev algoritem za računanje največjega skupnega delitelja DIPLOMSKO DELO NA INTERDISCIPLINARNEM

Prikaži več

Univerza v Ljubljani Fakulteta za matematiko in fiziko Verjetnost v fiziki 2012/13 tutorstvo #1 Kombinatorika Avtorja: Peter Ferjančič, Boštjan Kokot

Univerza v Ljubljani Fakulteta za matematiko in fiziko Verjetnost v fiziki 2012/13 tutorstvo #1 Kombinatorika Avtorja: Peter Ferjančič, Boštjan Kokot Univerza v Ljubljani Fakulteta za matematiko in fiziko Verjetnost v fiziki 2012/13 tutorstvo #1 Kombinatorika Avtorja: Peter Ferjančič, Boštjan Kokot Mentor: izr. prof. dr. Simon Širca 4. oktober 2012

Prikaži več

Microsoft Word - UP_Lekcija04_2014.docx

Microsoft Word - UP_Lekcija04_2014.docx 4. Zanka while Zanke pri programiranju uporabljamo, kadar moramo stavek ali skupino stavkov izvršiti večkrat zaporedoma. Namesto, da iste (ali podobne) stavke pišemo n-krat, jih napišemo samo enkrat in

Prikaži več

Popravki nalog: Numerična analiza - podiplomski študij FGG : popravljena naloga : popravljena naloga 14 domače naloge - 2. skupina

Popravki nalog: Numerična analiza - podiplomski študij FGG : popravljena naloga : popravljena naloga 14 domače naloge - 2. skupina Popravki nalog: Numerična analiza - podiplomski študij FGG 9.8.24: popravljena naloga 4 3..25: popravljena naloga 4 domače naloge - 2. skupina V drugem delu morate rešiti toliko nalog, da bo njihova skupna

Prikaži več

7. tekmovanje v znanju astronomije 8. razred OŠ Državno tekmovanje, 9. januar 2016 REŠITVE NALOG IN TOČKOVNIK SKLOP A V sklopu A je pravilen odgovor o

7. tekmovanje v znanju astronomije 8. razred OŠ Državno tekmovanje, 9. januar 2016 REŠITVE NALOG IN TOČKOVNIK SKLOP A V sklopu A je pravilen odgovor o 7. tekmovanje v znanju astronomije 8. razred OŠ Državno tekmovanje, 9. januar 2016 REŠITVE NALOG IN TOČKOVNIK SKLOP A V sklopu A je pravilen odgovor ovrednoten z 2 točkama; če ni obkrožen noben odgovor

Prikaži več

'Kombinatoricna optimizacija / Lokalna optimizacija'

'Kombinatoricna optimizacija / Lokalna optimizacija' Kombinatorična optimizacija 3. Lokalna optimizacija Vladimir Batagelj FMF, matematika na vrhu različica: 15. november 2006 / 23 : 17 V. Batagelj: Kombinatorična optimizacija / 3. Lokalna optimizacija 1

Prikaži več

P181C10111

P181C10111 Š i f r a k a n d i d a t a : Državni izpitni center *P181C10111* SPOMLADANSKI IZPITNI ROK MATEMATIKA Izpitna pola Sobota, 9. junij 018 / 10 minut Dovoljeno gradivo in pripomočki: Kandidat prinese nalivno

Prikaži več

ŠTEVCI PROMETA IN NJIHOVA UPORABA ZA NAMENE STATISTIK ČRT GRAHONJA

ŠTEVCI PROMETA IN NJIHOVA UPORABA ZA NAMENE STATISTIK ČRT GRAHONJA ŠTEVCI PROMETA IN NJIHOVA UPORABA ZA NAMENE STATISTIK ČRT GRAHONJA Navdih Poizvedovanje po BD podatkovnih virih, ki imajo časovno dimenzijo in so dostopni. Večji promet pomeni večje število dobrin in močnejšo

Prikaži več

Numeri na analiza - podiplomski ²tudij FGG doma e naloge - 1. skupina V prvem delu morate re²iti toliko nalog, da bo njihova skupna vsota vsaj 10 to k

Numeri na analiza - podiplomski ²tudij FGG doma e naloge - 1. skupina V prvem delu morate re²iti toliko nalog, da bo njihova skupna vsota vsaj 10 to k Numeri na analiza - podiplomski ²tudij FGG doma e naloge -. skupina V prvem delu morate re²iti toliko nalog, da bo njihova skupna vsota vsaj 0 to k in da bo vsaj ena izmed njih vredna vsaj 4 to ke. Za

Prikaži več

Domače vaje iz LINEARNE ALGEBRE Marjeta Kramar Fijavž Fakulteta za gradbeništvo in geodezijo Univerze v Ljubljani 2007/08 Kazalo 1 Vektorji 2 2 Analit

Domače vaje iz LINEARNE ALGEBRE Marjeta Kramar Fijavž Fakulteta za gradbeništvo in geodezijo Univerze v Ljubljani 2007/08 Kazalo 1 Vektorji 2 2 Analit Domače vaje iz LINEARNE ALGEBRE Marjeta Kramar Fijavž Fakulteta za gradbeništvo in geodezijo Univerze v Ljubljani 007/08 Kazalo Vektorji Analitična geometrija 7 Linearni prostori 0 4 Evklidski prostori

Prikaži več

Strojna oprema

Strojna oprema Asistenta: Mira Trebar, Miha Moškon UIKTNT 2 Uvod v programiranje Začeti moramo razmišljati algoritmično sestaviti recept = napisati algoritem Algoritem za uporabo poljubnega okenskega programa. UIKTNT

Prikaži več

NAVODILA AVTORJEM PRISPEVKOV

NAVODILA AVTORJEM PRISPEVKOV Predmetna komisija za nižji izobrazbeni standard matematika Opisi dosežkov učencev 6. razreda na nacionalnem preverjanju znanja Slika: Porazdelitev točk pri matematiki (NIS), 6. razred 1 ZELENO OBMOČJE

Prikaži več

Microsoft PowerPoint - Java_spremenljivke

Microsoft PowerPoint - Java_spremenljivke Java Spremenljivke, prireditveni stavek Spremenljivke Prostor, kjer hranimo vrednosti Ime Znak, števka, _ Presledkov v imenu ne sme biti! Tip spremenljivke int (cela števila) Vse spremenljivke napovemo

Prikaži več

Geometrija v nacionalnih preverjanjih znanja

Geometrija v nacionalnih preverjanjih znanja Geometrija v nacionalnih preverjanjih znanja Aleš Kotnik, OŠ Rada Robiča Limbuš Boštjan Repovž, OŠ Krmelj Struktura NPZ za 6. razred Struktura NPZ za 9. razred Taksonomska stopnja (raven) po Gagneju I

Prikaži več

Space Invaders Opis igre: Originalna igra: Space Invaders je arkadna igra, ki so jo ustvarili leta Bila je ena izmed prvih streljaških iger, v k

Space Invaders Opis igre: Originalna igra: Space Invaders je arkadna igra, ki so jo ustvarili leta Bila je ena izmed prvih streljaških iger, v k Space Invaders Opis igre: Originalna igra: Space Invaders je arkadna igra, ki so jo ustvarili leta 1978. Bila je ena izmed prvih streljaških iger, v kateri je igralec vodil laserski top ali vesoljsko ladjo,

Prikaži več

Univerza v Novi Gorici Fakulteta za aplikativno naravoslovje Fizika (I. stopnja) Mehanika 2014/2015 VAJE Gravitacija - ohranitveni zakoni

Univerza v Novi Gorici Fakulteta za aplikativno naravoslovje Fizika (I. stopnja) Mehanika 2014/2015 VAJE Gravitacija - ohranitveni zakoni Univerza v Novi Gorici Fakulteta za aplikativno naravoslovje Fizika (I. stopnja) Mehanika 2014/2015 VAJE 12. 11. 2014 Gravitacija - ohranitveni zakoni 1. Telo z maso M je sestavljeno iz dveh delov z masama

Prikaži več

3. Metode, ki temeljijo na minimalnem ostanku Denimo, da smo z Arnoldijevim algoritmom zgenerirali ON bazo podprostora Krilova K k (A, r 0 ) in velja

3. Metode, ki temeljijo na minimalnem ostanku Denimo, da smo z Arnoldijevim algoritmom zgenerirali ON bazo podprostora Krilova K k (A, r 0 ) in velja 3. Metode, ki temeljijo na minimalnem ostanku Denimo, da smo z Arnoldijevim algoritmom zgenerirali ON bazo podprostora Krilova K k (A, r 0 ) in velja AV k = V k H k + h k+1,k v k+1 e T k = V kh k+1,k.

Prikaži več

Microsoft Word - CelotniPraktikum_2011_verZaTisk.doc

Microsoft Word - CelotniPraktikum_2011_verZaTisk.doc Elektrotehniški praktikum Sila v elektrostatičnem polju Namen vaje Našli bomo podobnost med poljem mirujočih nabojev in poljem mas, ter kakšen vpliv ima relativna vlažnost zraka na hitrost razelektritve

Prikaži več

Ime in priimek

Ime in priimek Polje v osi tokovne zanke Seminar pri predmetu Osnove Elektrotehnike II, VSŠ (Uporaba programskih orodij v elektrotehniki) Ime Priimek, vpisna številka, skupina Ljubljana,.. Kratka navodila: Seminar mora

Prikaži več

Zgledi:

Zgledi: a) za funkcijo f(x)= 1/3x 1 izračunaj ničlo, zapiši začetno vrednost in nariši graf (x=3, začetna vrednost: f(0)= 1, graf seka abscisno os v točki (3,0), ordinatno os pa v točki (0, 1)) b) nariši graf

Prikaži več

Microsoft PowerPoint - Java-rekurzija.ppt

Microsoft PowerPoint - Java-rekurzija.ppt Pesmica Živel je mož, imel je psa, lepo ga je učil. Nekoč ukradel mu je kos mesa, zato ga je ubil. Postavil mu je spomenik in nanj napisal: Živel je mož, imel je psa, lepo ga je učil. Nekoč ukradel mu

Prikaži več

Gregor Rabič, janja čeh Ploščina štirikotnika Vsebina dokumenta je avtorsko zaščitena. Gradivo je v dani obliki dostopno brezplačno in povsem in brez

Gregor Rabič, janja čeh Ploščina štirikotnika Vsebina dokumenta je avtorsko zaščitena. Gradivo je v dani obliki dostopno brezplačno in povsem in brez Gregor Rabič, janja čeh Ploščina štirikotnika Vsebina dokumenta je avtorsko zaščitena. Gradivo je v dani obliki dostopno brezplačno in povsem in brez omejitev uporabnikom na voljo za osebno uporabo kot

Prikaži več

Matematika II (UN) 1. kolokvij (13. april 2012) RE ITVE Naloga 1 (25 to k) Dana je linearna preslikava s predpisom τ( x) = A x A 1 x, kjer je A

Matematika II (UN) 1. kolokvij (13. april 2012) RE ITVE Naloga 1 (25 to k) Dana je linearna preslikava s predpisom τ( x) = A x A 1 x, kjer je A Matematika II (UN) 1 kolokvij (13 april 01) RE ITVE Naloga 1 (5 to k) Dana je linearna preslikava s predpisom τ( x) = A x A 1 x, kjer je 0 1 1 A = 1, 1 A 1 pa je inverzna matrika matrike A a) Poi² ite

Prikaži več

Microsoft Word - SI_vaja1.doc

Microsoft Word - SI_vaja1.doc Univerza v Ljubljani, Zdravstvena fakulteta Sanitarno inženirstvo Statistika Inštitut za biostatistiko in medicinsko informatiko Š.l. 2011/2012, 3. letnik (1. stopnja), Vaja 1 Naloge 1. del: Opisna statistika

Prikaži več

Študij AHITEKTURE IN URBANIZMA, šol. l. 2016/17 Vaje iz MATEMATIKE 9. Integral Določeni integral: Določeni integral: Naj bo f : [a, b] R funkcija. Int

Študij AHITEKTURE IN URBANIZMA, šol. l. 2016/17 Vaje iz MATEMATIKE 9. Integral Določeni integral: Določeni integral: Naj bo f : [a, b] R funkcija. Int Študij AHITEKTURE IN URBANIZMA, šol. l. 6/7 Vje iz MATEMATIKE 9. Integrl Določeni integrl: Določeni integrl: Nj bo f : [, b] R funkcij. Intervl [, b] rzdelimo n n podintervlov z delilnimi točkmi: = x

Prikaži več

Biometrija 1 Poglavje 1 PORAZDELITVE NAKLJUČNIH SPREMENLJIVK Porazdelitve nam predstavljajo pogostnost posameznih vrednosti. Predstavimo jih lahko s š

Biometrija 1 Poglavje 1 PORAZDELITVE NAKLJUČNIH SPREMENLJIVK Porazdelitve nam predstavljajo pogostnost posameznih vrednosti. Predstavimo jih lahko s š Biometrija 1 Poglavje 1 PORAZDELITVE NAKLJUČNIH SPREMENLJIVK Porazdelitve nam predstavljajo pogostnost posameznih vrednosti. Predstavimo jih lahko s številom posameznih vrednosti (dogodkov) ali z deleži

Prikaži več

2.1 Osnovni pojmi 2 Nim Ga²per Ko²mrlj, Denicija 2.1 P-poloºaj je poloºaj, ki je izgubljen za igralca na potezi. N- poloºaj je poloºaj, ki

2.1 Osnovni pojmi 2 Nim Ga²per Ko²mrlj, Denicija 2.1 P-poloºaj je poloºaj, ki je izgubljen za igralca na potezi. N- poloºaj je poloºaj, ki 2.1 Osnovni pojmi 2 Nim Ga²per Ko²mrlj, 2. 3. 2009 Denicija 2.1 P-poloºaj je poloºaj, ki je izgubljen za igralca na potezi. N- poloºaj je poloºaj, ki je dobljen za igralca na potezi. Poloºaj je kon en,

Prikaži več

REŠEVANJE DIFERENCIALNIH ENAČB Z MEHANSKIMI RAČUNSKIMI STROJI Pino Koc Seminar za učitelje matematike FMF, Ljubljana, 25. september 2015 Vir: [1] 1

REŠEVANJE DIFERENCIALNIH ENAČB Z MEHANSKIMI RAČUNSKIMI STROJI Pino Koc Seminar za učitelje matematike FMF, Ljubljana, 25. september 2015 Vir: [1] 1 REŠEVANJE DIFERENCIALNIH ENAČB Z MEHANSKIMI RAČUNSKIMI STROJI Pino Koc Seminar za učitelje matematike FMF, Ljubljana, 25. september 2015 Vir: [1] 1 Nekateri pripomočki in naprave za računanje: 1a) Digitalni

Prikaži več

CpE & ME 519

CpE & ME 519 2D Transformacije Zakaj potrebujemo transformacije? Animacija Več instanc istega predmeta, variacije istega objekta na sceni Tvorba kompliciranih predmetov iz bolj preprostih Transformacije gledanja Kaj

Prikaži več

LaTeX slides

LaTeX slides Linearni in nelinearni modeli Milena Kovač 22. december 2006 Biometrija 2006/2007 1 Linearni, pogojno linearni in nelinearni modeli Kriteriji za razdelitev: prvi parcialni odvodi po parametrih Linearni

Prikaži več

Generatorji toplote

Generatorji toplote Termodinamika Ničti zakon termodinamike Če je telo A v toplotnem ravnovesju s telesom B in je telo B v toplotnem ravnovesju s telesom C, je tudi telo A v toplotnem ravnovesju s telesom C. Prvi zakon termodinamike

Prikaži več

Microsoft Word - Analiza rezultatov NPZ matematika 2018.docx

Microsoft Word - Analiza rezultatov NPZ matematika 2018.docx Analiza dosežkov pri predmetu matematika za NPZ 28 6. razred NPZ matematika 28 Dosežek šole Povprečno število točk v % Državno povprečje Povprečno število točk v % Odstopanje v % 49,55 52,52 2,97 Povprečni

Prikaži več

MATEMATIKA Zbirka nalog za nacionalno preverjanje znanja Jana Draksler in Marjana Robič 9+ znam za več

MATEMATIKA Zbirka nalog za nacionalno preverjanje znanja Jana Draksler in Marjana Robič 9+ znam za več MATEMATIKA Zbirka nalog za nacionalno preverjanje znanja Jana Draksler in Marjana Robič 9+ znam za več ZBIRKA ZNAM ZA VEČ imatematika 9+ Zbirka nalog za nacionalno preverjanje znanja Avtorici: Jana Draksler

Prikaži več

UNI-bet plus 

UNI-bet plus  NAVODILO ZA UPORABO PLEZALK UNI-Met+400, UN-Met+450, UNI-Met+550 Univerzalne plezalke za plezanje na betonske, plastične in železne drogove. Navodilo za uporabo UNI-met + plezalk za plezanje na betonske,

Prikaži več

UNIVERZA V LJUBLJANI FAKULTETA ZA MATEMATIKO IN FIZIKO Katja Ciglar Analiza občutljivosti v Excel-u Seminarska naloga pri predmetu Optimizacija v fina

UNIVERZA V LJUBLJANI FAKULTETA ZA MATEMATIKO IN FIZIKO Katja Ciglar Analiza občutljivosti v Excel-u Seminarska naloga pri predmetu Optimizacija v fina UNIVERZA V LJUBLJANI FAKULTETA ZA MATEMATIKO IN FIZIKO Katja Ciglar Analiza občutljivosti v Excel-u Seminarska naloga pri predmetu Optimizacija v financah Ljubljana, 2010 1. Klasični pristop k analizi

Prikaži več

Naloge 1. Dva električna grelnika z ohmskima upornostma 60 Ω in 30 Ω vežemo vzporedno in priključimo na idealni enosmerni tokovni vir s tokom 10 A. Tr

Naloge 1. Dva električna grelnika z ohmskima upornostma 60 Ω in 30 Ω vežemo vzporedno in priključimo na idealni enosmerni tokovni vir s tokom 10 A. Tr Naloge 1. Dva električna grelnika z ohmskima upornostma 60 Ω in 30 Ω vežemo vzporedno in priključimo na idealni enosmerni tokovni vir s tokom 10 A. Trditev: idealni enosmerni tokovni vir obratuje z močjo

Prikaži več

LaTeX slides

LaTeX slides Model v matri ni obliki ena ba modela Milena Kova 13 november 2012 Biometrija 2012/13 1 Nomenklatura Skalarji: tako kot doslej, male tiskane, neodebeljene Vektorji: male tiskane, odebeljene rke (y) ali

Prikaži več

RAM stroj Nataša Naglič 4. junij RAM RAM - random access machine Bralno pisalni, eno akumulatorski računalnik. Sestavljajo ga bralni in pisalni

RAM stroj Nataša Naglič 4. junij RAM RAM - random access machine Bralno pisalni, eno akumulatorski računalnik. Sestavljajo ga bralni in pisalni RAM stroj Nataša Naglič 4. junij 2009 1 RAM RAM - random access machine Bralno pisalni, eno akumulatorski računalnik. Sestavljajo ga bralni in pisalni trak, pomnilnik ter program. Bralni trak- zaporedje

Prikaži več

PowerPoint Presentation

PowerPoint Presentation Integral rešujemo nalogo: Dana je funkcija f. Najdimo funkcijo F, katere odvod je enak f. Če je F ()=f() pravimo, da je F() primitivna funkcija za funkcijo f(). Primeri: f ( ) = cos f ( ) = sin f () =

Prikaži več

Mere kompleksnih mrež (angl. Network Statistics) - Seminarska naloga pri predmetu Izbrana poglavja iz diskretne matematike

Mere kompleksnih mrež   (angl. Network Statistics) - Seminarska naloga pri predmetu Izbrana poglavja iz diskretne matematike Mere kompleksnih mrež (angl. Network Statistics) Seminarska naloga pri predmetu Izbrana poglavja iz diskretne matematike Ajda Pirnat, Julia Cafnik in Živa Mitar Fakulteta za matematiko in fiziko April

Prikaži več