LaTeX slides
|
|
- Daniela Logar
- pred 4 leti
- Pregledov:
Transkripcija
1 Model v matri ni obliki ena ba modela Milena Kova 13 november 2012
2 Biometrija 2012/13 1 Nomenklatura Skalarji: tako kot doslej, male tiskane, neodebeljene Vektorji: male tiskane, odebeljene rke (y) ali pod rtamo (ỹ) Stolpi ni vektorji: y, β, u Vrsti ni vektorji: y 1xn, β 1xp, u 1xq ali yt, β T, u T Matrike: velike tiskane, odebeljene rke (X nxp ) ali pod rtamo (X ) Red matrike oz vektorja: A vrsticaxstol pec, X nxp, y nx1, y 1xn pri vektorjih lahko tudi izpustimo 1, ker smo dolo ili vrsti ni oz stolpi ni vektor z dogovorom
3 Biometrija 2012/13 2 Primer: preizkus mladic šival Pasma Mesec Farma Masa(kg) DP (g/dan) DHS(mm) 1 SL JAN A SL JAN B SL FEB C SL FEB A LW JAN B LW FEB C LW FEB A NL JAN B NL JAN C NL FEB A NL FEB B
4 Biometrija 2012/13 3 Ena bi modela za preizkus mladic v skalarni obliki Dnevni prirast y i jkl = µ + P i + M j + F k + u i jkl + e i jkl Debelina hrbtne slanine y i jklm = µ + P i + M j + F k + +b i (x i jkl 100) + u i jkl + e i jklm Pri dnevnem prirastu ne izvedemo korekcije na 100 kg, ker je izra unan iz mase ("ista" lastnost v drugi obliki) Pri DHS korekcijo opravimo znotraj pasme
5 Biometrija 2012/13 4 Vektor opazovanj za dnevni prirast y = vse meritve razvrstimo v stolpi ni vektor
6 Biometrija 2012/13 5 Vektor neznanih parametrov a) za sistematske vplive β = [ µ P 1 P 2 P 3 M 1 M 2 F 1 F 2 F 3 ] V modelu so sistematski vplivi samo kvalitativni (z razredi) Vektor vsebuje srednjo vrednost in vse parametre za sistematske vplive Indeksi ozna ujejo nivoje posameznih vplivov pasma (i = 1, 2, 3) in farma (k = 1, 2, 3) imata po tri nivoje mesec dva nivoja (j = 1, 2) V vektorjih / matrikah lahko nakaºemo posamezne skupine
7 Biometrija 2012/13 6 y Matrika dogodkov za sistematske vplive β [ ] µ P 1 P 2 P 3 M 1 M 2 F 1 F 2 F X Opi²e pogoje, v katerih se je dogodek zgodil
8 Biometrija 2012/ Matrika dogodkov za sistematske vplive [ ] µ P1 P 2 P 3 M 1 M 2 F 1 F 2 F Vpra²anje: Ali podatek y i jkl pripada parametru (razredu) na vrhu stolpca Odgovorite: DA (=1) ali NE (=0)
9 Biometrija 2012/ Matrika dogodkov za sistematske vplive [ ] µ P1 P 2 P 3 M 1 M 2 F 1 F 2 F Matrike in vektorje vedno ozna ite in poimenujte ƒe izpustimo vrednost, je vrednost 0, vrstice in stolpci morajo biti poravnani
10 Biometrija 2012/13 9 u = {u i jkl } Vektor neznanih parametrov a) za naklju ne vplive Vektor vsebuje vse parametre za naklju ne vplive u = [ u 1 u 2 u 3 u 4 u 5 u 6 u 7 u 8 u 9 u 10 u 11 ] Vpliv ºivali ozna imo tudi z a a = [ a 1 a 2 a 3 a 4 a 5 a 6 a 7 a 8 a 9 a 10 a 11 +sorodniki ] Pri naklju nih vplivih lahko nivoje ozna imo kar z zaporedjem Pri ºivalih dodamo tudi sorodnike iz porekla Lahko so tudi prisotni tudi drugi nivoji Nakaºemo lahko posamezne skupine parametrov, npr po naklju nih vplivih
11 Biometrija 2012/13 10 Matrika dogodkov za naklju ne vplive u [ u 1 u 2 u 3 u 4 u 5 u 6 u 7 u 8 u 9 u 10 u 11 ] y Z V katerem razredu se je dogodek (podatek) zgodil? Pri vsakem naklju nem vplivu se pojavi 1 samo enkrat
12 Biometrija 2012/13 11 Matrika dogodkov za naklju ne vplive u [ ] u 1 u 2 u 3 u 4 u 5 u 6 u 7 u 8 u 9 u 10 u Izjemoma je matrika identi na, ker ima vsaka ºival po eno opazovanje in ºivali brez meritev (samo iz porekla) ni!
13 Biometrija 2012/13 12 dnevni prirast y = Xβ + Zu + e kjer pomeni: red y - vektor opazovanj za dnevni prirast 11 β - vektor parametrov za sistem vplive 9 u - vektor parametrov za naklju ne vpl 11 X - matrika dogodkov za sistem vplive 11 x 9 Z - matrika dogodkov za naklju ne vpl 11 x 11 e - vektor ostankov; e = {e i jkl } 11
14 Biometrija 2012/13 13 Pomni! Model Ena ba Opomba Sistematski y = Xβ + e vsi sistematski vplivi skupaj y = X 1 β 1 + X 2 β 2 + e sistematske vplive lo imo Me²ani y = Xβ + Zu + e y = Xβ + Z u u + Z a a + e naklju ne vplive lo imo Naklju ni y = 1µ + Zu + e ima srednjo vrednost y = µ + Zu + e 1 = [ ] µ = [ µ µ µ µ µ µ µ ]
15 Biometrija 2012/13 14 Pomni! e = {e i jkl } e i jkl element stolpi nega vektorja e X = {x j } x j j-ti stolpec matrike X X = {x i} x i i-ta vrstica matrike X X = {x i j } x i j element iz i-te vrstice in j-tega stolpca matrike X
16 Biometrija 2012/13 15 dnevni prirast - prva lastnost y 1 = X 1 β 1 + Z 1 u 1 + e 1 kjer pomeni: red y 1 - vektor opazovanj za DP (y 1 = {y 1i jkl }) 11 β 1 - vektor parametrov za sistem vplive 9 u 1 - vektor parametrov za naklju ne vpl 11 X 1 - matrika dogodkov za sistem vplive 11 x 9 Z 1 - matrika dogodkov za naklju ne vplive 11 x 11 e 1 - vektor ostankov e 1 = {e 1i jkl } 11
17 Biometrija 2012/13 Opazovanja - debelina hrbtne slanine y 2 = ali y 3 =
18 Biometrija 2012/13 17 Opazovanja - debelina hrbtne slanine Vrstni red podatkov v vektorju opazovanj je lahko razli en Poleg prikazanih vektorjev opazovanj so ²e drugi Prikazana vektorja opazovanj sta razli na zaradi vrstnega reda elementov: y 2 y 3 Pri nastavljanju matrik dogodkov moramo paziti na vrstni red, ki smo ga izbrali v vektorju opazovanj in vektorjih neznanih parametrov za sistematske in naklju ne vplive
19 Biometrija 2012/13 18 Vektor neznanih parametrov a) za sistematske vplive y 2i jklm = µ 2 + P 2i + M 2 j + F 2k + b 2i (x i jkl 100) + u 2i jkl + e 2i jklm model podoben, vendar so parametri razli ni dodajmo oznako za lastnost y 2 = X 2 β 2 + Z 2 u 2 + e 2 β 2 = β S = druga lastnost [ µ2 P 21 P 22 P 23 M 21 M 22 F 21 F 22 F 23 b 21 b 22 b 23 ] ali debelina hrbtne slanine [ µs P S1 P S2 P S3 M S1 M S2 F S1 F S2 F S3 b S1 b S2 b S3 ]
20 Biometrija 2012/13 19 DHS - prva ponovitev [ µ2 P 21 P 22 P 23 M 21 M 22 F 21 F 22 F 23 b 21 b 22 b 23 ] Parametre smo ozna ili z indeksom za drugo lastnost
21 Biometrija 2012/13 20 DHS - obe ponovitvi Vektor opazovanj y in matriko dogodkov X nadaljujemo na naslednjih dveh slikah zaradi dolºine Posamezni del razdeljenega vektorja - delni vektor Posamezni del razdeljene matrike - delna matrika Pri vplivih z razredi sta vrednosti 1 (da) in 0 (ne) Pri regresijskih koecientih uporabimo (spremenjeno) neodvisno spremenljivko: (x i jkl 100) Ugotovili bomo, da sta delni matriki dogodkov za prve in druge ponovitve izjemoma enaki
22 Biometrija 2012/13 21 DHS - prva ponovitev [ ] µ2 P 21 P 22 P 23 M 21 M 22 F 21 F 22 F 23 b 21 b 22 b
23 Biometrija 2012/13 22 DHS - druga ponovitev [ µ2 P 21 P 22 P 23 M 21 M 22 F 21 F 22 F 23 b 21 b 22 b 23 ] pri drugi ponovitvi se vrstice ponavljajo, ker so te ponovitve bile izmerjene po istimi pogoji (pod istimi nivoji)
24 Biometrija 2012/ DHS - druga ponovitev [ ] µ2 P 21 P 22 P 23 M 21 M 22 F 21 F 22 F 23 b 21 b 22 b sedaj pa matriko X ²e sestavino
25 Biometrija 2012/13 24 Matrika dogodkov za sistematske vplive Vrednosti 0 smo zaradi preglednosti izpustili Obdrºali smo jo samo pri regresiji
26 Biometrija 2012/13 25 Vektor neznanih parametrov a) za naklju ne vplive u 2 = [ u21 u 22 u 23 u 24 u 25 u 26 u 27 u 28 u 29 u 2A u 2B ] vektor vsebuje vse parametre za naklju ne vplive (vpliv ºivali) za drugo lastnost vpliv ºivali ozna imo tudi z a a 2 = [ a 21 a 22 a 23 a 24 a 25 a 26 a 27 a 28 a 29 a 2A a 2B ] prvi indeks ozna uje drugo lastnost, drugi indeks pa ºivali po vrsti (A=10, B=11) imamo samo dve ponovitvi, ki pa jih rabimo za eno plemensko vrednost na ºival
27 Biometrija 2012/13 26 Matrika dogodkov za naklju ne vplive - prvi del u 2 [ ] u 21 u 22 u 23 u 24 u 25 u 26 u 27 u 28 u 29 u 2A u 2B zaradi pomanjkanja prostora je prikazana samo del matrike, ki se nana²a na prvo meritev
28 Biometrija 2012/13 27 Matrika dogodkov za naklju ne vplive - drugi del u 2 [ ] u 21 u 22 u 23 u 24 u 25 u 26 u 27 u 28 u 29 u 2A u 2B zaradi pomanjkanja prostora je prikazana samo del matrike, ki se nana²a na drugo meritev
29 Biometrija 2012/13 28 Model: debelina hrbtne slanine y 2 = X 2 β 2 + Z 2 u 2 + e 2 kjer pomeni: red y 2 - vektor opazovanj za DHS 22 β 2 - vektor parametrov za sistem vplive 12 u 2 - vektor parametrov za naklju ne vpl 11 X 2 - matrike dogodkov za sistem vplive 22 x 12 Z 2 - matrika dogodkov za naklju ne vpl 22 x 11 e 2 - vektor ostankov; e 2 = {e 2i jklm } 22
30 Biometrija 2012/13 29 Modela za obe lastnosti - matri na oblika model za dnevni prirast (prvo lastnost) moramo popraviti: dodamo indeks y 1 = X 1 β 1 + Z 1 u 1 + e 1 y 2 = X 2 β 2 + Z 2 u 2 + e 2 modela sta si na videz zelo podobna, a sta razli na: po redu vektorjev in matrik po vsebini vektorjev in matrik e uporabimo modela lo eno, bomo opravili enolastnostno analizo modela lahko tudi sestavimo za dvolastnostno analizo
31 Biometrija 2012/13 30 dvolastnostni modeli opazovanja sestavimo v skupni vektor [ y1 ] y = y 2 = zapi²imo model za y 1 v prvo vrstico in y 2 v drugo vrstico [ X1 β ] = X 2 β [ 2 Z1 u ] [ e1 ] Z 2 u 2 + e 2
32 Biometrija 2012/13 31 dvolastnostni modeli sedaj pa ena bo preuredimo [ X1 0 ][ β 1 ] y = 0 X 2 [ Z1 0 β 2 ][ u1 ] + [ e1 ] + 0 Z 2 u 2 + e 2 dobili smo dve (sestavljeni) matriki dogodkov ( X, Z) (sestavljena) vektorja parametrov za sistematske ( β) in naklju ne (u) vplive
33 Biometrija 2012/13 32 dvolastnostni modeli y = Xβ + Zu + e kjer pomeni: red y - vektor opazovanj za debelino hrbtne slanine 33 β - vektor parametrov za sistem vplive 21 u - vektor parametrov za naklju ne vpl 22 X - matrike dogodkov za sistem vplive 33 x 21 Z - matrika dogodkov za naklju ne vpl 33 x 22 e - vektor ostankov 33
34 Biometrija 2012/13 33 Opazovanja - dve lastnosti y = [ y1 y 2 ] najprej vse meritve za prvo lastnost in potem ²e za drugo
35 Biometrija 2012/13 34 Opazovanja - dve lastnosti y = [ y1 y 3 ] najprej vse meritve za prvo lastnost in potem ²e za drugo, pri drugi lastnosti so meritve v drugem vrstnem redu
36 Biometrija 2012/13 35 Opazovanja - dve lastnosti y = Meritve za posamezne ºivali so skupaj, najprej za prvo lastnost, nato za prvo in drugo meritev pri drugi lastnosti, itd Meritve so lahko tudi v drugem vrstnem redu
37 Biometrija 2012/13 36 Matrika dogodkov za sistematske vplive I [µ 11 P 11 P 12 P 13 M 11 M 12 F 11 F 12 F 13 µ21 P 21 P 22 P 23 M 21 M 22 F 21 F 22 F 23 b 21 b 22 b Oklepaji pri y in matriki X manjkajo zaradi prostora
38 Biometrija 2012/13 37 Matrika dogodkov za sistematske vplive II [µ 11 µ 21 P 11 P 21 P 12 P 22 P 13 P 23 M 11 M 21 M 12 M 22 F 11 F 21 F 12 F 22 F 13 F 23 b 21 b 22 b 23 ] Tudi to je pravilno! Pazite na spremenjen vektor β Dve lastnosti dva parametra za vsak nivo
39 Biometrija 2012/13 38 Matrika dogodkov za naklju ne vplive I [a 11 a 12 a 13 a 14 a 15 a a 17 a 18 a 19 a 1A a 1B a21 a 22 a 23 a 24 a 25 a 26 a 27 a 28 a 29 a 2A Vsebuje vedno samo vrednosti 1 ali 0 (izjema: reducirani model ºivali)
40 Biometrija 2012/13 39 Matrika dogodkov za naklju ne vplive II [a 11 a 21 a 12 a 22 a 13 a 23 a 14 a 24 a 15 a 25 a a 26 a 17 a 27 a 18 a 28 a 19 a 29 a 1A a 2A a 1B a 2B parametra za ºival sta skupaj dve lastnosti dve plemenski vrednosti
41 Biometrija 2012/13 40 Primer II: manjkajo e meritve in sorodstvo ºivali šival Gnezdo Pasma Mesec Farma Masa(kg) DP (g/dan) DHS(mm) 1 1 SL JAN A SL JAN B SL FEB C SL FEB A LW JAN B LW FEB C LW FEB A NL JAN B NL JAN C NL FEB A NL FEB B
42 Biometrija 2012/13 41 Poreklo ºivali šival O e Mati šival O e Mati
43 Biometrija 2012/13 42 Vaja I Vzemimo naslednjo skalarno obliko ena be modela y Si jklm = µ S + P Si + M S j + F Sk + PM Si j + a Si jkl + e Si jklm y Si jklm = µ S + P Si + M S j + F Sk + PM Si j + b S (x i jklm 100) + a Si jkl + e Si jklm Zapis ena be modela v matri ni obliki y D = X D β D + Z D u D + e D y S = X s β s + Z s u s + e s V modelu so lahko tudi samo sistematski vplivi Sedaj dolo imo skupaj ²e vektorje v modelu, nadaljujte z matrikami sami Odlo ite se lahko sami za na in nastavljanja, a mu ostanite zvesti skozi celo nalogo
44 Biometrija 2012/13 43 Vektorji v modelu Vektor opazovanj (brez manjkajo ih vrednosti): y s = [ ] 1x17 Vektor parametrov za sistematske vplive:β s = [ µs P S1 P S2 P S3 M S1 M S2 F S1 F S2 F S3 PM S11 PM S12 PM S21 PM S22 PM S31 PM S32 b S ] 1x Vektor parametrov za naklju ni vpliv (ºivali tudi iz porekla): a = [a S1 a S2 a S3 a S4 a S5 a S6 a S7 a S8 a S9 a S10 a S11 ºivali s podatki a S12 a S13 a S14 a S15 a S ] 1X ºivali iz porekla Vektor ostankov e = {e i jklm } 17x1
45 Biometrija 2012/13 44 Matrike dogodkov Matrika dogodkov za sistematske vplive (17 podatkov, parametrov) X = 17x Matrika dogodkov za naklju ne vplive (17 podatkov, ºivali v poreklu) s1 s2 s Z = x Matrika dogodkov ima rezervirane stolpce za ºivali iz porekla ( s1), vendar pa nimajo povezav s podatki
46 Biometrija 2012/13 45 Vaja II Vzemimo naslednjo skalarno obliko ena be modela y Di jkl = µ D + P Di + M D j + F Dk + MF D jk + e Di jkl y Si jkl = µ S + P Si + M S j + F Sk + PM Si j + b IS (x i jklm 100) + b IIS (x i jklm 100) 2 + e Si jkl Dopi²ite vse elemente statisti nega modela v skalarni obliki Zapi²ite vse elemente modela v matri ni obliki Dopi²ite vse elemente statisti nega modela v matri ni obliki Nastavite, ozna ite in poimenujte vse vektorje in matrike dogodkov v modelu (podatki z manjkajo imi meritvami in poreklom) Dolo ite red vektorjev in matrik
47 Biometrija 2012/13 46 Vaja III Vzemimo naslednjo ena be modela v skalarni obliki y Di jklm = µ D + P Di + M D j + F Dk + MF D jk + g Di jkl + a Di jklm + e Di jklm y Si jklmn = µ S +P Si +M S j +F Sk +PM Si j +b S j (x i jklm x)+g Si jkl +a Si jklm +e Si jklmn Dopi²ite vse elemente statisti nega modela v skalarni obliki Zapi²ite vse elemente modela v matri ni obliki Dopi²ite vse elemente statisti nega modela v matri ni obliki Nastavite, ozna ite in poimenujte vse vektorje in matrike dogodkov v modelu (podatki z manjkajo imi meritvami in poreklom) Dolo ite red vektorjev in matrik
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 večMatematika 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 večMatematika 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 večNumeri 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 večLaTeX 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 več1 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 večBellman-Fordov algoritem za iskanje najkraj²ih poti Alenka Frim 19. februar 2009 Popravek 25. februar 2009 Imamo usmerjen graf G z uteºmi na povezavah
Bellman-Fordov algoritem za iskanje najkraj²ih poti Alenka Frim 19. februar 2009 Popravek 25. februar 2009 Imamo usmerjen graf G z uteºmi na povezavah (uteº si predstavljamo npr. kot dolºino, ceno, teºo
Prikaži večPasma:
Biotehniška fakulteta Oddelek za zootehniko Groblje 3 SI-1230 DOMŽALE Ministrstvo za kmetijstvo gozdarstvo in prehrano Dunajska 22 SI-1000 LJUBLJANA Rodica, 30.1.2019 Spremljanje izvajanja potrjenega rejskega
Prikaži večBiometrija 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 večUniverza 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 večIterativne metode v numeri ni linearni algebri 2013/ doma a naloga Re²itve stisnite v ZIP datoteko z imenom ime-priimek-vpisna-1.zip in jih odd
Iterativne metode v numeri ni linearni algebri 2013/2014 1. doma a naloga Re²itve stisnite v ZIP datoteko z imenom ime-priimek-vpisna-1.zip in jih oddajte preko spletne u ilnice (http://ucilnica.fmf.uni-lj.si)
Prikaži večIme 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 večEKVITABILNE PARTICIJE IN TOEPLITZOVE MATRIKE Aleksandar Jurišić Politehnika Nova Gorica in IMFM Vipavska 13, p.p. 301, Nova Gorica Slovenija Štefko Mi
EKVITABILNE PARTICIJE IN TOEPLITZOVE MATRIKE Aleksandar Jurišić Politehnika Nova Gorica in IMFM Vipavska 13, p.p. 301, Nova Gorica Slovenija Štefko Miklavič 30. okt. 2003 Math. Subj. Class. (2000): 05E{20,
Prikaži večMatematika 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 večVaje: 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 več2.1 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 večFGG14
Iterativne metode podprostorov Iterativne metode podprostorov uporabljamo za numerično reševanje linearnih sistemov ali računanje lastnih vrednosti problemov z velikimi razpršenimi matrikami, ki so prevelike,
Prikaži večUradni list RS - 71/2003, Uredbeni del
OBRAZEC REG-MED/PRIP-I Izpolni Urad RS za zdravila Referen na številka: Datum: PRIGLASITEV MEDICINSKEGA PRIPOMO KA RAZREDA I ZA VPIS V REGISTER (izpolnite s tiskanimi rkami) Polno ime firme PODATKI O PREDLAGATELJU
Prikaži večFGG02
6.6 Simetrični problem lastnih vrednosti Če je A = A T, potem so lastne vrednosti realne, matrika pa se da diagonalizirati. Schurova forma za simetrično matriko je diagonalna matrika. Lastne vrednosti
Prikaži več1 EKSPERIMENTALNI DEL 1.1 Tkanina Pri pranju smo uporabili pet tkanin, od katerih je bila ena bela bombažna tkanina (B), preostale tkanine (E101, E111
1 EKSPERIMENTALNI DEL 1.1 Tkanina Pri pranju smo uporabili pet tkanin, od katerih je bila ena bela bombažna tkanina (B), preostale (E101, E111, E114 in E160) pa so bile zamazane z različnimi umazanijami
Prikaži večUniverza v Mariboru Fakulteta za naravoslovje in matematiko Oddelek za matematiko in računalništvo Enopredmetna matematika IZPIT IZ VERJETNOSTI IN STA
Enopredmetna matematika IN STATISTIKE Maribor, 31. 01. 2012 1. 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
Prikaži več6.6 Simetrični problem lastnih vrednosti Če je A = A T, potem so lastne vrednosti realne, matrika pa se da diagonalizirati. Schurova forma za simetrič
6.6 Simetriči problem lastih vredosti Če je A = A T, potem so laste vredosti reale, matrika pa se da diagoalizirati. Schurova forma za simetričo matriko je diagoala matrika. Laste vredosti ozačimo tako,
Prikaži večKazalo 1 DVOMESTNE RELACIJE Operacije z dvomestnimi relacijami Predstavitev relacij
Kazalo 1 DVOMESTNE RELACIJE 1 1.1 Operacije z dvomestnimi relacijami...................... 2 1.2 Predstavitev relacij............................... 3 1.3 Lastnosti relacij na dani množici (R X X)................
Prikaži večSMERNICA EVROPSKE CENTRALNE BANKE (EU) 2016/ z dne novembra o spremembi Smernice ECB/ 2013/ 24 o zahtevah Evrops
L 14/36 SL SMERNICA EVROPSKE CENTRALNE BANKE (EU) 2016/66 z dne 26. novembra 2015 o spremembi Smernice ECB/2013/24 o zahtevah Evropske centralne banke za statistično poročanje na področju četrtletnih finančnih
Prikaži večLinearna algebra - povzetek vsebine Peter Šemrl Jadranska 21, kabinet 4.10 Izpitni režim: Kolokviji in pisni izpiti so vsi s
Linearna algebra - povzetek vsebine Peter Šemrl Jadranska 21, kabinet 410 petersemrl@fmfuni-ljsi Izpitni režim: Kolokviji in pisni izpiti so vsi sestavljeni iz dveh delov: v prvem delu se rešujejo naloge,
Prikaži večŠTEVCI 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 večKondicija in prehrana plemenskih svinj Darja PREVALNIK 1, Peter PRIBOŽIČ 1, Janja URANKAR 2, Špela MALOVRH 2 Uvod Prašičereja kljub večletnemu upadanj
Kondicija in prehrana plemenskih svinj Darja PREVALNIK 1, Peter PRIBOŽIČ 1, Janja URANKAR 2, Špela MALOVRH 2 Uvod Prašičereja kljub večletnemu upadanju proizvodnje še vedno predstavlja drugo najpomembnejšo
Prikaži večVektorji - 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 večMicrosoft PowerPoint - cigre_c2_15.ppt [Compatibility Mode]
Univerza v Mariboru Fakulteta za elektrotehniko, računalništvo in informatiko Boštjan Polajžer, Drago Dolinar, Jožef Ritonja (FERI) bostjan.polajzer@um.si Andrej Semprimožnik (ELES) KAZALNIKI KAKOVOSTI
Prikaži več3. 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 večN
Državni izpitni center *N15164132* 9. razred TEHNIKA IN TEHNOLOGIJA Ponedeljek, 11. maj 2015 NAVODILA ZA VREDNOTENJE NACIONALNO PREVERJANJE ZNANJA 9. razred RIC 2015 2 N151-641-3-2 SPLOŠNA NAVODILA Prosimo,
Prikaži večPoročilo o izvedeni nalogi, ver.1.4
Poročilo o izvedeni nalogi Evidenčna oznaka: 2163-00/18228-18/37195 Naročnik: JKP ŠENTJUR, JAVNO KOMUNALNO PODJETJE, D.O.O. CESTA LEONA DOBROTINŠKA 18 Izvajalci: Oddelek za okolje in zdravje Celje Oddelek
Prikaži večMicrosoft Word - NAVODILA ZA UPORABO.docx
NAVODILA ZA UPORABO VODILO CCM-18A/N-E (K02-MODBUS) Hvala ker ste se odločili za nakup našega izdelka. Pred uporabo enote skrbno preberite ta Navodila za uporabo in jih shranite za prihodnjo rabo. Vsebina
Prikaži večOsnove 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 večIzpit iz GEOMETRIJE 17. junij 2004 Vpisna ²tevilka: Vrsta: Ime in priimek: Sedeº: 1. Poi² i vse stoºnice v P(R 3 ), ki se dotikajo premice x = 0, prem
17. junij 2004 1. Poi² i vse stoºnice v P(R 3 ), ki se dotikajo premice x = 0, premice z = 0 v to ki (1, 1, 0) in premice y = 0 v to ki (1, 0, 1). 2. V projektivni ravnini so dane premice p 1 : 4x 3y z
Prikaži večUNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE Zaklju na naloga Urejanje in prikaz podatkov v interaktivni
UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE Zaklju na naloga Urejanje in prikaz podatkov v interaktivni obliki (Manipulating and displaying data in an interactive
Prikaži večCOM(2013)730/F1 - SL
EVROPSKA KOMISIJA Bruselj, 24.10.2013 COM(2013) 730 final 2013/0350 (NLE) Predlog SKLEP SVETA o stališču Evropske unije v Pridružitvenem svetu, ustanovljenem z Evro-mediteranskim sporazumom o pridružitvi
Prikaži večRešene naloge iz Linearne Algebre
UNIVERZA V LJUBLJANI FAKULTETA ZA RAČUNALNIŠTVO IN INFORMATIKO LABORATORIJ ZA MATEMATIČNE METODE V RAČUNALNIŠTVU IN INFORMATIKI Aleksandra Franc REŠENE NALOGE IZ LINEARNE ALGEBRE Študijsko gradivo Ljubljana
Prikaži večIZVEDBENA UREDBA KOMISIJE (EU) 2018/ z dne 16. julija o spremembi Izvedbene uredbe (EU) 2017/ za razjasnitev in
L 180/10 17.7.2018 IZVEDBENA UREDBA KOMISIJE (EU) 2018/1002 z dne 16. julija 2018 o spremembi Izvedbene uredbe (EU) 2017/1153 za razjasnitev in poenostavitev postopka korelacije ter njegovo prilagoditev
Prikaži večSlide 1
Vsak vektor na premici skozi izhodišče lahko zapišemo kot kjer je v smerni vektor premice in a poljubno število. r a v Vsak vektor na ravnini skozi izhodišče lahko zapišemo kot kjer sta v, v vektorja na
Prikaži večUNIVERZA NA PRIMORSKEM Fakulteta za matematiko, naravoslovje in informacijske tehnologije Matematika 1. stopnja Vida Maksimovi Hamiltonski cikli v kub
UNIVERZA NA PRIMORSKEM Fakulteta za matematiko, naravoslovje in informacijske tehnologije Matematika 1. stopnja Vida Maksimovi Hamiltonski cikli v kubi nih Cayleyjevih grah alternirajo e grupe A 5 Zaklju
Prikaži večUporaba preglednic za obdelavo podatkov B. Golli, PeF 15. november 2010 Kazalo 1 Uvod 1 2 Zgled iz kinematike Izračun hitrosti
Uporaba preglednic za obdelavo podatkov B. Golli, PeF 15. november 2010 Kazalo 1 Uvod 1 2 Zgled iz kinematike 1 2.1 Izračun hitrosti................................... 2 2.2 Izračun povprečja in napake............................
Prikaži večMAGIČNI KVADRATI DIMENZIJE 4n+2
List za mlade matematike, fizike, astronome in računalnikarje ISSN 0351-6652 Letnik 18 (1990/1991) Številka 6 Strani 322 327 Borut Zalar: MAGIČNI KVADRATI DIMENZIJE 4n + 2 Ključne besede: matematika, aritmetika,
Prikaži večDiapozitiv 1
Pogojni stavek Pogojni (if) stavek Tip bool Primerjanje Uranič Srečo If stavek Vsi dosedanji programi so se izvajali zaporedoma, ni bilo nobenih vejitev Program razvejimo na osnovi odločitev pogojnega
Prikaži večCOBISS3/Medknjižnična izposoja
3/Medknjižnična izposoja 2.2 KATALOG Katalog nam omogoča: iskanje gradiva prikaz izbranih bibliografskih zapisov ali pripadajočih podatkov o zalogi iz lokalne baze podatkov v formatu COMARC vpogled v stanje
Prikaži večRejski program za prašiče Milena Kovač
Rejski program za prašiče Milena Kovač Selekcijski program Opis sistema proizvodnje Postavitev selekcijskih ciljev Izbira pasem in selekcijske piramide ( w ) Izračun parametrov populacije in ekonomskih
Prikaži več2. 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 večresitve.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 večMicrosoft PowerPoint _12_15-11_predavanje(1_00)-IR-pdf
uporaba for zanke i iz korak > 0 oblika zanke: for i iz : korak : ik NE i ik DA stavek1 stavek2 stavekn stavek1 stavek2 stavekn end i i + korak I&: P-XI/1/17 uporaba for zanke i iz korak < 0 oblika zanke:
Prikaži večDelavnica Načrtovanje digitalnih vezij
Laboratorij za načrtovanje integriranih vezij Univerza v Ljubljani Fakulteta za elektrotehniko Digitalni Elektronski Sistemi Osnove jezika VHDL Strukturno načrtovanje in testiranje Struktura vezja s komponentami
Prikaži večBILTEN Maj 2015 Leto 24, štev.: 5
BILTEN Maj 2015 Leto 24, štev.: 5 Izdajatelj: BANKA SLOVENIJE Slovenska 35, 1000 Ljubljana Slovenija tel.: +386 (1) 4719000 fax.: +386 (1) 2515516 E-mail: bilten@bsi.si http://www.bsi.si/ SWIFT: BSLJ SI
Prikaži večNAVODILA ZA PISANJE PROJEKTNIH DIPLOMSKIH DEL 1 KAJ JE PROJEKT? Projekt je enkraten glede na način izvedbe, vsebuje nove in neznane naloge, ima svoj z
NAVODILA ZA PISANJE PROJEKTNIH DIPLOMSKIH DEL 1 KAJ JE PROJEKT? Projekt je enkraten glede na način izvedbe, vsebuje nove in neznane naloge, ima svoj začetek in konec, privede do sprememb v dnevnem delu
Prikaži večBILTEN JUNIJ 2019
BILTEN JUNIJ 2019 Izdajatelj: BANKA SLOVENIJE Slovenska 35, 1000 Ljubljana Slovenija tel.: +386 (1) 4719000 fax.: +386 (1) 2515516 E-mail: bilten@bsi.si http://www.bsi.si/ SWIFT: BSLJ SI 2X Razmnoževanje
Prikaži večDelegirana uredba Komisije (EU) 2019/ z dne 14. marca 2019 o dopolnitvi Uredbe (EU) 2017/1129 Evropskega parlamenta in Sveta v zvezi z obliko, vsebino
L 166/26 Uradni list Evropske unije 21.6.2019 DELEGIRANA UREDBA KOMISIJE (EU) 2019/980 z dne 14. marca 2019 o dopolnitvi Uredbe (EU) 2017/1129 Evropskega parlamenta in Sveta v zvezi z obliko, vsebino,
Prikaži večMicrosoft Word - A-3-Dezelak-SLO.doc
20. posvetovanje "KOMUNALNA ENERGETIKA / POWER ENGINEERING", Maribor, 2011 1 ANALIZA OBRATOVANJA HIDROELEKTRARNE S ŠKOLJČNIM DIAGRAMOM Klemen DEŽELAK POVZETEK V prispevku je predstavljena možnost izvedbe
Prikaži večTeorija kodiranja in kriptografija 2013/ AES
Teorija kodiranja in kriptografija 23/24 AES Arjana Žitnik Univerza v Ljubljani, Fakulteta za matematiko in fiziko Ljubljana, 8. 3. 24 AES - zgodovina Septembra 997 je NIST objavil natečaj za izbor nove
Prikaži več(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 večZavezanec za davek: Davčna številka:. Priloga 8 PODATKI V ZVEZI Z OLAJŠAVO ZA ZAPOSLOVANJE po 55.b, 56. in 57. členu ZDDPO-2 Za obdobje od do PODATKI
Zavezanec za davek: Davčna številka:. Priloga 8 PODATKI V ZVEZI Z OLAJŠAVO ZA ZAPOSLOVANJE po.b, 6. in 7. členu ZDDPO- Za obdobje od do PODATKI POD ZAP. ŠT..0,. IN.8 OBRAČUNA PREGLEDNICA A: Podatki v zvezi
Prikaži večSlovenš ina 2.0, 2 (2015) RAZVOJ ZBIRKE SLOVENSKEGA ÉUSTVENEGA GOVORA IZ RADIJSKIH IGER EmoLUKS Tadej JUSTIN, France MIHELIÉ Univerza v Ljubljani, Fak
RAZVOJ ZBIRKE SLOVENSKEGA ÉUSTVENEGA GOVORA IZ RADIJSKIH IGER EmoLUKS Tadej JUSTIN, France MIHELIÉ Univerza v Ljubljani, Fakulteta za elektrotehniko Janez öibert Univerza na Primorskem, Fakulteta za matematiko,
Prikaži večUradni list C 149 Evropske unije Letnik 62 Slovenska izdaja Informacije in objave 30. april 2019 Vsebina IV Informacije INFORMACIJE INSTITUCIJ, ORGANO
Uradni list C 149 Evropske unije Letnik 62 Slovenska izdaja Informacije in objave 30. april 2019 Vsebina IV Informacije INFORMACIJE INSTITUCIJ, ORGANOV, URADOV IN AGENCIJ EVROPSKE UNIJE Svet 2019/C 149/01
Prikaži večDomače 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 večCOM(2007)634/F1 - SL
KOMISIJA EVROPSKIH SKUPNOSTI Bruselj, 23.10.2007 COM(2007) 634 konč. Predlog UREDBA SVETA o spremembi Uredbe Sveta (ES) št. 1425/2006 o uvedbi dokončne protidampinške dajatve na uvoz nekaterih vreč in
Prikaži večUNIVERZA 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 večNAJRAJE SE DRUŽIM S SVIČNIKOM, SAJ LAHKO VADIM ČRTE IN KRIVULJE, PA VELIKE TISKANE ČRKE IN ŠTEVILKE DO 20. Preizkusite znanje vaših otrok in natisnite
NAJRAJE SE DRUŽIM S SVIČNIKOM, SAJ LAHKO VADIM ČRTE IN KRIVULJE, PA VELIKE TISKANE ČRKE IN ŠTEVILKE DO 20. Preizkusite znanje vaših otrok in natisnite vzorčne strani iz DELOVNIH LISTOV 1 v štirih delih
Prikaži večPoročilo 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 večACAD-BAU-Analiza-prostorov
ANALIZA PROSTOROV Ko obdelujemo večje projekte, je analiza prostorov zelo pomembna v vseh fazah projektiranja. Pri idejnem snovanju moramo npr. za določeno površino trgovske namembnosti zagotoviti primerno
Prikaži večMicrosoft Word - Klun44
UNIVERZA V LJUBLJANI EKONOMSKA FAKULTETA DIPLOMSKO DELO IZBRANI DEJAVNIKI POVPRAŠEVANJA TUJIH TURISTOV PO SLOVENIJI Ljubljana, oktober 2001 NEVENKA KLUN KAZALO 1. UVOD..........1 2. TURISTI NO POVPRAŠEVANJE........3
Prikaži večMicrosoft Word - mlecnost_koze_2018_final.doc
Oddelek za zootehniko Jamnikarjeva 101, 1000 Ljubljana Slovenija telefon: 01 320 38 47 fax: 01 724 10 05 www.bf.uni-lj.si Druga priznana organizacija pri reji drobnice MLEČNOST KOZ V KONTROLIRANIH TROPIH
Prikaži večOSNOVE UMETNE INTELIGENCE
OSNOVE UMETNE INTELIGENCE 2017/18 regresijska drevesa ocenjevanje učenja linearni modeli k-nn Zoran Bosnić del gradiva povzet po: Bratko: Prolog programming for AI, Pearson (2011) in Russell, Norvig: AI:
Prikaži večMicrosoft 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 večod_la_nuk.eps
Poglavje 1 Pietrain Karmen Ložar 1, Irena Ule 1, Špela Malovrh 1, Milena Kovač 1,2 1.1 Pregled rej V poročilo je vključena populacija pasme pietrain (44). Status smo konec leta 2005 podelili dvema vzrejnima
Prikaži večCelotniPraktikum_2011_verZaTisk.pdf
Elektrotehniški praktikum Osnove digitalnih vezij Namen vaje Videti, kako delujejo osnovna dvovhodna logi na vezja v obliki integriranih vezij oziroma, kako opravljajo logi ne funkcije Boolove algebre.
Prikaži večMicrosoft Word - N _moderacija.docx
2 N151-401-2-2 SPLOŠNA NAVODILA Prosimo, da moderirano različico navodil za vrednotenje dosledno upoštevate. Če učenec pravilno reši nalogo na svoj način (ki je matematično korekten) in je to razvidno
Prikaži več%
OSNOVNA ŠOLA NARODNEGA HEROJA RAJKA HRASTNIK PODRUŽNIČNA ŠOLA DOL PRI HRASTNIKU PODRUŽNICA LOG AKTIV TJA IN NI KRITERIJ OCENJEVANJA 2018/2019 0-44 % nzd (1) 45-64 % zd (2) 65-79 % db (3) 80-89 % pdb (4)
Prikaži večIme 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 večPowerPoint Presentation
I&R: P-X/1/15 operatorji, ki jih uporabljamo za delo z vektorskimi veličinami vektorski oklepaj [ ] ločnica med elementi vrstičnega vektorja je vejica, ali presledek ločnica med elementi stolpčnega vektorja
Prikaži večPRIPRAVILA: Nevenka Šalamon
PRIPRAVILA: JANUAR PON 7.jan 14.jan Nastop Velenje 21.jan 28.jan TOR 1.jan 8.jan Skupna tombola 15.jan 22.jan 29.jan SRE 2.jan 9.jan 16.jan 23.jan 30.jan Sv. maša ČET 3.jan Nastop RD Polzela 10.jan 17.jan
Prikaži večMicrosoft 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 večMicrosoft PowerPoint - ERA IP prijavitelji 2013a
Erasmus Intenzivni Programi Delavnica za prijavitelje 2013 mag. Robert Marinšek Program VŽU kje najdemo projekte IP 2/ 28 Namen IP Učinkovito, večnacionalno poučevanje, teme, ki se sicer ne poučujejo,
Prikaži več1 MMK - Spletne tehnologije Vaja 5: Spletni obrazci Vaja 5 : Spletni obrazci 1. Element form Spletni obrazci so namenjeni zbiranju uporabniških podatk
1 MMK - Spletne tehnologije Vaja 5: Spletni obrazci Vaja 5 : Spletni obrazci 1. Element form Spletni obrazci so namenjeni zbiranju uporabniških podatkov in njihov prenos med spletnimi mesti. Obrazec v
Prikaži večMicrosoft 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 večBrownova 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 večDOLŽNIK: MARJAN KOLAR - osebni steč aj Opr. št. St 3673/ 2014 OSNOVNI SEZNAM PREIZKUŠENIH TERJATEV prij ava terjatve zap. št. št. prij. matič na števi
DOLŽNIK: MARJAN KOLAR - osebni steč aj Opr. St 3673/ 2014 OSNOVNI SEZNAM PREIZKUŠENIH TERJATEV prij ava terjatve zap. prij. matič na številka firma / ime upnika glavnica obresti stroški skupaj prij ava
Prikaži večKRMILNA OMARICA KO-0
KOTLOVSKA REGULACIJA Z ENIM OGREVALNIM KROGOM Siop Elektronika d.o.o., Dobro Polje 11b, 4243 Brezje, tel.: +386 4 53 09 150, fax: +386 4 53 09 151, gsm:+386 41 630 089 e-mail: info@siopelektronika.si,
Prikaži več2
Drsni ležaj Strojni elementi 1 Predloga za vaje Pripravila: doc. dr. Domen Šruga as. dr. Ivan Okorn Ljubljana, 2016 STROJNI ELEMENTI.1. 1 Kazalo 1. Definicija naloge... 3 1.1 Eksperimentalni del vaje...
Prikaži večPoglavje 1 Analiza varnosti delovanja sistemov in FRAM metoda V naslovu pri ujo ega poglavja prvi omenimo pojem varnosti delovanja sistema (angl. syst
oglavje 1 Analiza varnosti delovanja sistemov in FAM metoda V naslovu pri ujo ega poglavja prvi omenimo pojem varnosti delovanja sistema (angl. system's operation safety ). ri tem pojma varnosti ne smemo
Prikaži večDN5(Kor).dvi
Koreni Število x, ki reši enačbo x n = a, imenujemo n-ti koren števila a in to označimo z n a. Pri tem je n naravno število, a pa poljubno realno število. x = n a x n = a. ( n a ) n = a. ( n a ) m = n
Prikaži večUNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE Magistrsko delo Spletna aplikacija za hranjenje, urejanje in
UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE Magistrsko delo Spletna aplikacija za hranjenje, urejanje in iskanje metapodatkov o spletnih povezavah (Web application
Prikaži več15. Seminar Optične Komunikacije Laboratorij za Sevanje in Optiko Fakulteta za Elektrotehniko Ljubljana, 30.jan - 1.feb 2008 Osnovne omejitve svetlobn
15. Seminar Optične Komunikacije Laboratorij za Sevanje in Optiko Fakulteta za Elektrotehniko Ljubljana, 30.jan - 1.feb 2008 Osnovne omejitve svetlobnega vlakna Matjaž Vidmar Seznam prosojnic: Slika 1
Prikaži večFGG13
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 večDiapozitiv 1
9. Funkcije 1 9. 1. F U N K C I J A m a i n () 9.2. D E F I N I C I J A F U N K C I J E 9.3. S T A V E K r e t u r n 9.4. K L I C F U N K C I J E I N P R E N O S P A R A M E T R O V 9.5. P R E K R I V
Prikaži večInterno narocilo, ver.4
Poročilo o izvedeni nalogi Monitoring površinske kopalne vode na Vogrščku MONG Evidenčna oznaka: 2106-17/35569-18/63482 27.05.43138 Naročnik: MESTNA OBČINA NOVA GORICA TRG EDVARDA KARDELJA 1 5000 Nova
Prikaži večCpE & 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 večUNIVERZA NA PRIMORSKEM Fakulteta za matematiko, naravoslovje in informacijske tehnologije Matematika 1. stopnja Olga Kaliada Trije klasi ni gr²ki prob
UNIVERZA NA PRIMORSKEM Fakulteta za matematiko, naravoslovje in informacijske tehnologije Matematika 1. stopnja Olga Kaliada Trije klasi ni gr²ki problemi Zaklju na naloga Mentor: doc. dr. Martin Milani
Prikaži večUNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA NEŽKA RUGELJ SHOROV ALGORITEM DIPLOMSKO DELO LJUBLJANA, 2017
UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA NEŽKA RUGELJ SHOROV ALGORITEM DIPLOMSKO DELO LJUBLJANA, 017 UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA DVOPREDMETNI UČITELJ: matematika - računalništvo NEŽKA RUGELJ
Prikaži večRC MNZ - kategorija U12 in U13 TRENING 3-4 SKLOP: Igra 1:1 USMERITEV TRENINGA: CILJ: Igra 1:1 v napadu Utrjevanje uspešnosti igre 1:1 v napadu UVODNI
RC MNZ - kategorija U12 in U13 TRENING 3-4 SKLOP: Igra 1:1 USMERITEV TRENINGA: CILJ: Igra 1:1 v napadu Utrjevanje uspešnosti igre 1:1 v napadu UVODNI DEL (20 minut) 1. NAVAJANJE NA ŽOGO (12 minut) S klobučki
Prikaži večN
Državni izpitni center *N19141132* 9. razred FIZIKA Ponedeljek, 13. maj 2019 NAVODILA ZA VREDNOTENJE NACIONALNO PREVERJANJE ZNANJA v 9. razredu Državni izpitni center Vse pravice pridržane. 2 N191-411-3-2
Prikaži večUradni list RS - 49/2004, Uredbeni del
1 P O Š L T E L 12 Drava odpreme 13 amembna drava 11 Ostali podatki o prevozu 14 Dav ni zastopnik 1 15 Kraj odpreme 16 Datum odpreme 17 as potovanja 19 a Tarifna oznaka (oznaka K) Zapisnik o kontroli.
Prikaži več