Brownova kovariancna razdalja
|
|
- Stanislav Popović
- pred 4 leti
- Pregledov:
Transkripcija
1 Brownova kovariančna razdalja Nace Čebulj Fakulteta za matematiko in fiziko 8. januar 2015
2 Nova mera odvisnosti Motivacija in definicija S primerno izbiro funkcije uteži w(t, s) lahko definiramo mero odvisnosti V: V 2 (X, Y ; w) = ϕ X,Y (t, s) ϕ X (t)ϕ Y (s) 2 w= = ϕ X,Y (t, s) ϕ X (t)ϕ Y (s) 2 w(t, s)dtds. R p+q Pomembna lastnost te mere je: V(X, Y ; w) = 0 X in Y sta neodvisni. Standardizirano verzijo V(X, Y ; w) definiramo kot R w (X, Y ; w) = V(X, Y ; w) V(X ; w)v(y ; w).
3 Izbira norme Motivacija in definicija Iščemo funkcijo uteži w oz. normo w, da bo veljalo 1 R w 0, 2 R w = 0 samo v primeru neodvisnosti, torej je R w strogo pozitiven za odvisne spremenljivke, 3 R w je invarianten glede na množenje s skalarjem, tj. za poljuben ε > 0 je R w (X, Y ; w) = R w (εx, εy ; w).
4 Motivacija in definicija Lema (Szekely) Pri poljubnem α (0, 2) za vsak x R d velja kjer je R d 1 cos t, x t d+α d dt = C(d, α) x α d, C(d, α) = 2πd/2 Γ(1 α/2) α2 α Γ((d + α)/2). Lema predlaga funkcije uteži oblike w(t, s; α) = (C(p, α)c(q, α) t p+α p s q+α q ) 1, 0 < α < 2. Posledica takšne izbire funkcije uteži je, da pripadajoči koeficienti R w zadostujejo pogoju invariantnosti glede na množenje s skalarjem.
5 Kovariančna razdalja Motivacija in definicija Definicija Kovariančna razdalja (dcov) med slučajnima vektorjema X in Y s končnima prvima momentoma je nenegativno število V(X, Y ), ki je definirano z V 2 (X, Y ) = ϕ X,Y (t, s) ϕ X (t)ϕ Y (s) 2 = 1 Rp+q ϕ X,Y (t, s) ϕ X (t)ϕ Y (s) 2 c p c q t 1+p p s 1+q dtds. q Variančno razdaljo (dvar) definiramo kot V 2 (X ) = V 2 (X, X ), korelacijsko razdaljo (dcor) pa kot V 2 (X,Y ) R 2 (X, Y ) =, V 2 (X )V 2 (Y ) V2 (X )V 2 (Y ) > 0, 0, V 2 (X )V 2 (Y ) = 0.
6 Motivacija in definicija Naj bo (X, Y) = {(X k, Y k ), k = 1, 2,..., n} slučajni vzorec. Definiramo matriki evklidskih razdalj [a k,l ] k,l = [ X k X l p ] k,l in [b k,l ] k,l = [ Y k Y l q ] k,l. Definirajmo kjer so A k,l = a k,l ā k, ā,l + ā,, k, l = 1, 2,..., n, ā k, = 1 n a k,l, n l=1 ā,l = 1 n n a k,l, ā, = 1 n n 2 a k,l. k=1 k,l=1 Na analogen način definiramo tudi B k,l = b k,l b k, b,l + b,, k, l = 1, 2,..., n.
7 Vzorčna kovariančna razdalja Motivacija in definicija Definicija Vzorčna kovariančna razdalja V n(x, Y) in vzorčna korelacijska razdalja R n(x, Y) sta nenegativni števili, definirani z V 2 1 n (X, Y) = n 2 n k,l=1 A k,l B k,l in R 2 n (X, Y) = { V2 n (X,Y), V V n 2 n 2 (X)V2 n (Y) > 0, (X)V2 n (Y) 0, Vn 2 (X)V2 n (Y) = 0. Izrek (Szekely in Rizzo) Če je E[ X p] < in E[ Y q] <, potem velja lim V n(x, Y) = V(X, Y ) n s.g., lim R 2 n (X, Y) = R2 (X, Y )s.g. n
8 Motivacija in definicija Za X R p in Y R q, E[ X p ] < in E[ Y q ] <, velja: (i) 0 R(X, Y ) 1. (ii) R(X, Y ) = 0 natanko tedaj, ko sta X in Y neodvisna. (iii) V(a 1 + b 1 C 1 X, a 2 + b 2 C 2 Y ) = b 1 b 2 V(X, Y ) za vse vektorje konstant a 1 R p, a 2 R q, skalarje b 1, b 2 in ortonormirani matriki C 1 R p p, C 2 R q q. (iv) Če je slučajni vektor (X 1, Y 1 ) neodvisen od vektorja (X 2, Y 2 ), potem je V(X 1 + X 2, Y 1 + Y 2 ) V(X 1, Y 1 ) + V(X 2, Y 2 ). Enakost drži natanko tedaj, ko drži ena izmed spodnjih izjav: (a) X 1 in Y 1 sta konstanti, (b) X 2 in Y 2 sta konstanti, (c) X 1, X 2, Y 1 in Y 2 so paroma neodvisni. (v) Če je V(X ) = 0, potem je X = E[X ] skoraj gotovo.
9 Motivacija in definicija Lastnosti V n in R n Za poljuben slučajni vzorec (X, Y) imata V n (X, Y) in R n (X, Y) naslednje lastnosti: (i) Vn(X, 2 Y) = ϕ n X,Y (t, s) ϕn X (t)ϕn Y (s) 2 (ii) V n (X, Y) 0. (iii) V n (X) = 0 natanko tedaj ko so vse vrednosti vzorca X enake. (iv) 0 R n (X, Y) 1. (v) Če je R n (X, Y) = 1, potem sta razsežnosti linearnih podprostorov, ki jih razpenjata X in Y, skoraj gotovo enaki. Če predpostavimo še, da sta X in Y v istem prostoru, potem velja Y = a + bxc za nek vektor a, neničelno število b in ortogonalno matriko C.
10 Motivacija in definicija Multivariatni test neodvisnosti je določen s statistiko nvn 2 ali nv2 n T 2, kjer je T 2 = ā, b,. Trditev (Szekely in Rizzo) Bodita X in Y slučajni spremenljivki, za kateri je E[ X p + Y q ] <. Potem veljajo naslednje trditve: (i) Če sta X in Y neodvisni, potem nv2 D n Q 1, kjer je Q 1 n nenegativna kvadratna forma standardno normalno porazdeljenih slučajnih spremenljivk in E[Q 1 ] = E[ X X ]E[ Y Y ]. (ii) Če sta X in Y neodvisni, potem nv2 D n/t 2 Q, kjer je Q n nenegativna kvadratna forma standardno normalno porazdeljenih slučajnih spremenljivk in E[Q] = 1. (iii) Če sta X in Y odvisni, potem nv2 n/t 2 D in n nv2 D n. n
11 Definicija Brownove kovariance Zveza W = V Centrirana slučajna spremenljivka in kovarianca Definicija Naj bo X slučajna spremenljivka z zalogo vrednosti v R p in U poljuben slučajni proces, definiran za vse t R p, ki je neodvisen od X. Potem je U-centrirana verzija X definirana kot X U = U(X ) E[U(X ) U], če pogojno upanje v definiciji obstaja. Dalje, bodita Y R q slučajna spremenljivka in V poljuben slučajni proces, definiran za vse t R q in neodvisen od Y. Potem je (U, V ) kovarianca slučajnih spremenljivk X in Y nenegativno število, definirano preko svojega kvadrata Cov 2 U,V (X, Y ) = E[X U X UY V Y V ], če je izpolnjen pogoj nenegativnosti in končnosti desne strani enačbe.
12 Definicija Brownove kovariance Definicija Brownove kovariance Zveza W = V Definicija oz. Wienerjeva kovarianca slučajnih spremenljivk X R p in Y R q, za kateri je E[ X 2 p + Y 2 q] <, je nenegativno število W, definirano z W 2 (X, Y ) = Cov 2 W (X, Y ) = Cov 2 W,W (X, Y ) = E[X W X W Y W Y W ], kjer je (W, W ) neodvisen od (X, Y, X, Y ). Brownov korelacijski koeficient je definiran kot Cor W (X, Y ) = W(X, Y ) W(X )W(Y ), če je imenovalec ulomka v enačbi neničeln, sicer je Cor W (X, Y ) = 0.
13 Obstoj W(X, Y ) Definicija Brownove kovariance Zveza W = V Izrek (Szekely in Rizzo) Bodita X slučajna spremenljivka z vrednostmi v R p in Y slučajna spremenljivka z vrednostmi v R q. Če je E[ X 2 + Y 2 ] <, potem je 0 E[X W X W Y W Y W ] < ter W 2 (X, Y ) = E[X W X W Y W Y W ] = = E[ X X Y Y ] + E[ X X ]E[ Y Y ] E[ X X Y Y ] E[ X X Y Y ],
14 Zveza W = V Definicija Brownove kovariance Zveza W = V Izrek (Szekely in Rizzo) Za poljubno slučajni spremenljivki X R p in Y R q s končnima drugima momentoma velja W(X, Y ) = V(X, Y ).
15 Dokaz enakosti W = V Najprej razpišemo Definicija Brownove kovariance Zveza W = V ϕ X,Y (t, s) ϕ X (t)ϕ Y (s) 2 = ϕ X,Y (t, s) 2 2 Re{ϕ X,Y (t, s)ϕ X (t)ϕ Y (s)}+ ϕ X (t)ϕ Y (s) 2. Za vsak člen posebej dalje izračunamo ϕ X,Y (t, s) 2 = E[cos( X X, t ) cos( Y Y, s )] + V, Re{ϕ X,Y (t, s)ϕ X (t)ϕ Y (s)} = E[cos( t, X X + s, Y Y )], ϕ X (t)ϕ Y (s) 2 = E[cos t, X X cos s, Y Y, ], kjer je z V označena liha funkcija. Z uporabo zveze cos u cos v = 1 (1 cos u) (1 cos v) + (1 cos u)(1 cos v) po poenostavitvi dobimo ϕ X,Y (t, s) ϕ X (t)ϕ Y (s) 2 = E[(1 cos X X, t )(1 cos Y Y, s )] 2E[(1 cos X X, t )(1 cos Y Y, s )] +E[(1 cos X X, t )(1 cos Y Y, s )] +V.
16 Definicija Brownove kovariance Zveza W = V Dokaz enakosti W = V - nadaljevanje Uporabimo dejstvo, da je integral lihe funkcije po celotnem celotnem prostoru enak nič, Szekelyjevo lemo in Fubinijev izrek. Za integral prvega člena zadnjega izraza tako dobimo E[(1 cos X X, t )(1 cos Y Y, s )]w(t, s)dtds = R p+q [ ] = E (1 cos X X, t )(1 cos Y Y, s )w(t, s)dtds = R p+q = E [ 1 cos X k X l, t R p c p t p+1 dt p = E[ X X Y Y ]. 1 cos Y k Y m, s R q c q s q+1 q Na enak način izračunamo še integral po ostalih dveh členih in res dobimo V 2 (X, Y ) = E[ X X Y Y ] + E[ X X ]E[ Y Y ] 2E[ X X Y Y ] = W 2 (X, Y ). ds ] =
17 Slabosti klasičnega testa neodvisnosti Imamo slučajna vzorca X 1, X 2,..., X n in Y 1, Y 2,..., Y n porojena iz porazdelitev slučajnih spremenljivk X oz. Y. V sledečih primerih klasični test korelacije težko zazna odvisnost med X in Y, tudi če ta obstaja. (i) X i lahko merimo le preko opazovane vrednosti A i = X i + ε i, kjer so ε i neodvisni od X i (in med seboj). Podobno velja tudi za Y. (ii) Merimo lahko le realizacije slučajnih spremenljivk, ki so (ne)slučajne funkcije X in Y, npr. A i = φ(x i ) in B i = ψ(y i ). (iii) Primeri, ki so kombinacije (i) in (ii) za določene vrste slučajnih funkcij φ in ψ. Težave so predvsem v primeru nelinearne ali nemonotone odvisnosti.
18 Prednosti dcov testa Glavna praktična dodana vrednost dcov testa je zajeta v naslednjih točkah: zazna kakršnokoli vrsto odvisnosti, pomaga prepoznati potencialne vplivne neobičajne opazovane vrednosti v raziskovalni analizi podatkov, omogoča ločeno analizo linearne in nelinearne odvisnosti za poljubne razsežnosti.
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 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 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 večOsnove 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 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 večIme 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 večVrste
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 večNAVADNA (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 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 večMatematika 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 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 večglava.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 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 večresitve.dvi
FAKULTETA ZA STROJNIŠTVO Matematika 4 Pisni izpit 3. februar Ime in priimek: Vpisna št: Navodila Pazljivo preberite besedilo naloge, preden se lotite reševanja. Veljale bodo samo rešitve na papirju, kjer
Prikaži večC:/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 večMatematika 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 večC:/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 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 večGeomInterp.dvi
Univerza v Ljubljani Fakulteta za matematiko in fiziko Seminar za Numerično analizo Geometrijska interpolacija z ravninskimi parametričnimi polinomskimi krivuljami Gašper Jaklič, Jernej Kozak, Marjeta
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 večresitve.dvi
FAKULTETA ZA STROJNISTVO Matematika 2. kolokvij. december 2 Ime in priimek: Vpisna st: Navodila Pazljivo preberite besedilo naloge, preden se lotite resevanja. Veljale bodo samo resitve na papirju, kjer
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 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 več5 SIMPLICIALNI KOMPLEKSI Definicija 5.1 Vektorji r 0,..., r k v R n so afino neodvisni, če so vektorji r 1 r 0, r 2 r 0,..., r k r 0 linearno neodvisn
5 SIMPLICIALNI KOMPLEKSI Definicija 5.1 Vektorji r 0,..., r k v R n so afino neodvisni, če so vektorji r 1 r 0, r 2 r 0,..., r k r 0 linearno neodvisni. Če so krajevni vektorji do točk a 0,..., a k v R
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 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 več3. 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 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 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 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 večFAKULTETA 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 večMrežni 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 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 večPoslovilno 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 večMere 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(Microsoft PowerPoint - vorsic ET 9.2 OES matri\350ne metode 2011.ppt [Compatibility Mode])
8.2 OBRATOVANJE ELEKTROENERGETSKEGA SISTEMA o Matrične metode v razreševanju el. omrežij Matrične enačbe električnih vezij Numerične metode za reševanje linearnih in nelinearnih enačb Sistem algebraičnih
Prikaži več6.1 Uvod 6 Igra Chomp Marko Repše, Chomp je nepristranska igra dveh igralcev s popolno informacijo na dvo (ali vec) dimenzionalnem prostoru
6.1 Uvod 6 Igra Chomp Marko Repše, 30.03.2009 Chomp je nepristranska igra dveh igralcev s popolno informacijo na dvo (ali vec) dimenzionalnem prostoru in na končni ali neskončni čokoladi. Igralca si izmenjujeta
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 večM
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 večLehmerjev 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 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 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 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 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 večRAČUNALNIŠKA 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 večRavninski grafi Tina Malec 6. februar 2007 Predstavili bomo nekaj osnovnih dejstev o ravninskih grafih, pojem dualnega grafa (k danemu grafu) ter kako
Ravninski grafi Tina Malec 6. februar 2007 Predstavili bomo nekaj osnovnih dejstev o ravninskih grafih, pojem dualnega grafa (k danemu grafu) ter kako ugotoviti, ali je nek graf ravninski. 1 Osnovni pojmi
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 večresitve.dvi
FAKULTETA ZA STROJNIŠTVO Matematika 4 Pini izpit 2. januar 22 Ime in priimek: Vpina št: Navodila Pazljivo preberite beedilo naloge, preden e lotite reševanja. Veljale bodo amo rešitve na papirju, kjer
Prikaži več1. izbirni test za MMO 2018 Ljubljana, 16. december Naj bo n naravno število. Na mizi imamo n 2 okraskov n različnih barv in ni nujno, da imam
1. izbirni test za MMO 018 Ljubljana, 16. december 017 1. Naj bo n naravno število. Na mizi imamo n okraskov n različnih barv in ni nujno, da imamo enako število okraskov vsake barve. Dokaži, da se okraske
Prikaži večNEKAJ VPRAŠANJ IZ MATEMATIKE 2 1. Katero točko evklidskega prostora R n imenujemo notranjo (zunanjo, robno) točko množice M R n? 2. Za poljubno množic
NEKAJ VPRAŠANJ IZ MATEMATIKE 2 1. Katero točko evklidskega prostora R n imenujemo notranjo (zunanjo, robno) točko množice M R n? 2. Za poljubno množico M R n evklidskega prostora R n definirajte množice
Prikaži večUNIVERZA V MARIBORU FAKULTETA ZA KEMIJO IN KEMIJSKO TEHNOLOGIJO Petra Žigert Pleteršek MATEMATIKA III Maribor, september 2017
UNIVERZA V MARIBORU FAKULTETA ZA KEMIJO IN KEMIJSKO TEHNOLOGIJO Petra Žigert Pleteršek MATEMATIKA III Maribor, september 217 ii Kazalo Diferencialni račun vektorskih funkcij 1 1.1 Skalarne funkcije...........................
Prikaži večUNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO Oddelek za matematiko in računalništvo DIPLOMSKO DELO Peter Škofič Maribor, 2014
UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO Oddelek za matematiko in računalništvo DIPLOMSKO DELO Peter Škofič Maribor, 2014 UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO
Prikaži večFunkcije in grafi
14 Funkcije in grafi Funkcije Zapisi funkcij Sorazmernost Obratna sorazmernost Potenčne funkcije Polinomske funkcije Druge funkcije Prileganje podatkom 14.1 Funkcije Spremenljivke Odvisnost spremenljivk
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 večC:/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 večUNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO Oddelek za matematiko in računalništvo DIPLOMSKO DELO Denis Kolarič Maribor, 2010
UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO Oddelek za matematiko in računalništvo DIPLOMSKO DELO Denis Kolarič Maribor, 2010 UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO
Prikaži večUčinkovita izvedba algoritma Goldberg-Tarjan Teja Peklaj 26. februar Definicije Definicija 1 Naj bo (G, u, s, t) omrežje, f : E(G) R, za katero v
Učinkovita izvedba algoritma Goldberg-Tarjan Teja Peklaj 26. februar 2009 1 Definicije Definicija 1 Naj bo (G, u, s, t) omrežje, f : E(G) R, za katero velja 0 f(e) u(e) za e E(G). Za v V (G) definiramo presežek
Prikaži večOsnove 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 večSlide 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 večWienerjevemu indeksu podobni indeksi na grafih
UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TENOLOGIJE Matematične znanosti, stopnja Daliborko Šabić Wienerjevemu indeksu podobni indeksi na grafih Magistrsko delo Mentor:
Prikaži večMicrosoft Word - Astronomija-Projekt19fin
Univerza v Ljubljani Fakulteta za matematiko in fiziko Jure Hribar, Rok Capuder Radialna odvisnost površinske svetlosti za eliptične galaksije Projektna naloga pri predmetu astronomija Ljubljana, april
Prikaži večPowerPoint 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 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 večPREDMETNI KURIKULUM ZA RAZVOJ METEMATIČNIH KOMPETENC
MATEMATIKA 1.razred OSNOVE PREDMETA POKAZATELJI ZNANJA SPRETNOSTI KOMPETENCE Naravna števila -pozna štiri osnovne računske operacije in njihove lastnosti, -izračuna številske izraze z uporabo štirih računskih
Prikaži večOsnove 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 večUM FKKT, Bolonjski visoko²olski program Kemijska tehnologija Vpisna ²tevilka Priimek, ime 3. test pri predmetu MATEMATIKA II Ra unski del
UM FKKT, Bolonjski visoko²olski program Kemijska tehnologija Vpisna ²tevilka Priimek, ime 3. test pri predmetu MATEMATIKA II Ra unski del 13. 6. 2016 Navodila: Pripravi osebni dokument. Ugasni in odstrani
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 večpredstavitev fakultete za matematiko 2017 A
ZAKAJ ŠTUDIJ MATEMATIKE? Ker vam je všeč in vam gre dobro od rok! lepa, eksaktna veda, ki ne zastara matematičnoanalitično sklepanje je uporabno povsod matematiki so zaposljivi ZAKAJ V LJUBLJANI? najdaljša
Prikaži večP182C10111
Š i f r a k a n d i d a t a : Državni izpitni center *P18C10111* JESENSKI IZPITNI ROK MATEMATIKA Izpitna pola Ponedeljek, 7. avgust 018 / 10 minut Dovoljeno gradivo in pripomočki: Kandidat prinese nalivno
Prikaži večOsnove verjetnostne metode doc. dr. R. Škrekovski Oddelek za Matematiko Fakulteta za Matematiko in Fiziko Univerza v Ljubljani
Osnove verjetnostne metode doc. dr. R. Škrekovski Oddelek za Matematiko Fakulteta za Matematiko in Fiziko Univerza v Ljubljani naslov: Osnove verjetnostne metode avtorske pravice: dr. Riste Škrekovski
Prikaži večUvod v diferencialne enačbe, kompleksno in Fourierovo analizo Bojan Magajna Fakulteta za matematiko in fiziko, Univerza v Ljubljani
Uvod v diferencialne enačbe, kompleksno in Fourierovo analizo Bojan Magajna Fakulteta za matematiko in fiziko, Univerza v Ljubljani UVOD V DIFERENCIALNE ENAČBE, KOMPLEKSNO IN FOURIEROVO ANALIZO Povzetek
Prikaži večOptimizacija 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 večC:/AndrejT/vestnik/76_1/Rotovnik/main.dvi
Elektrotehniški vestnik 76(1-2): 19 24, 2009 Electrotechnical Review, Ljubljana, Slovenija Optimalno permutacijsko usmerjanje v heksagonalnih omrežjih Maja Rotovnik 1, Jurij Šilc 2, Janez Žerovnik 3,1
Prikaži večPOPOLNI KVADER
List za mlade matematike, fizike, astronome in računalnikarje ISSN 031-662 Letnik 18 (1990/1991) Številka 3 Strani 134 139 Edvard Kramar: POPOLNI KVADER Ključne besede: matematika, geometrija, kvader,
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 večUNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO Oddelek za matematiko in računalništvo DIPLOMSKO DELO Vika Koban Maribor, 2012
UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO Oddelek za matematiko in računalništvo DIPLOMSKO DELO Vika Koban Maribor, 2012 UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO Oddelek
Prikaži večŠtudij 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 večC:/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 več11. Navadne diferencialne enačbe Začetni problem prvega reda Iščemo funkcijo y(x), ki zadošča diferencialni enačbi y = f(x, y) in začetnemu pogo
11. Navadne diferencialne enačbe 11.1. Začetni problem prvega reda Iščemo funkcijo y(x), ki zadošča diferencialni enačbi y = f(x, y) in začetnemu pogoju y(x 0 ) = y 0, kjer je f dana dovolj gladka funkcija
Prikaži večUNIVERZA 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 večPopravki 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 večANALITIČNA 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 večMladi 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 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 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 večNamesto (x,y)R uporabljamo xRy
RELACIJE Namesto (x,y) R uporabljamo xry Def.: Naj bo R AxA D R = { x; y A: xry } je domena ali definicijsko obmocje relacije R Z R = { y; x A: xry } je zaloga vrednosti relacije R Za zgled od zadnjič:
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 večUniverza 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 večUniverza v Ljubljani Fakulteta za elektrotehniko Kristjan Ažman Identifikacija dinamičnih sistemov z Gaussovimi procesi z vključenimi linearnimi model
Univerza v Ljubljani Fakulteta za elektrotehniko Kristjan Ažman Identifikacija dinamičnih sistemov z Gaussovimi procesi z vključenimi linearnimi modeli Magistrsko delo Mentor: prof. dr. Juš Kocijan V Ljubljani,
Prikaži večP181C10111
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 večRAM 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 večVerjetnost 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 večPoskusi s kondenzatorji
Poskusi s kondenzatorji Samo Lasič, Fakulteta za Matematiko in Fiziko, Oddelek za fiziko, Ljubljana Povzetek Opisani so nekateri poskusi s kondenzatorji, ki smo jih izvedli z merilnim vmesnikom LabPro.
Prikaži večMATEMATIKA 2. LETNIK GIMNAZIJE G2A,G2B Sestavil: Matej Mlakar, prof. Ravnatelj: Ernest Simončič, prof. Šolsko leto 2011/2012 Število ur: 140
MATEMATIKA 2. LETNIK GIMNAZIJE G2A,G2B Sestavil: Matej Mlakar, prof. Ravnatelj: Ernest Simončič, prof. Šolsko leto 2011/2012 Število ur: 140 Pravila ocenjevanja pri predmetu matematika na Gimnaziji Krško
Prikaži večUrejevalna razdalja Avtorji: Nino Cajnkar, Gregor Kikelj Mentorica: Anja Petković 1 Motivacija Tajnica v posadki MARS - a je pridna delavka, ampak se
Urejevalna razdalja Avtorji: Nino Cajnkar, Gregor Kikelj Mentorica: Anja Petković 1 Motivacija Tajnica v posadki MARS - a je pridna delavka, ampak se velikokrat zmoti. Na srečo piše v programu Microsoft
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 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 večKotne in krožne funkcije Kotne funkcije v pravokotnem trikotniku β a c γ b α sin = a c cos = b c tan = a b cot = b a Sinus kota je razmerje kotu naspr
Kotne in krožne funkcije Kotne funkcije v pravokotnem trikotniku β a c γ b α sin = a c cos= b c tan = a b cot = b a Sinus kota je razmerje kotu nasprotne katete in hipotenuze. Kosinus kota je razmerje
Prikaži večUniverza na Primorskem FAMNIT, MFI Vrednotenje zavarovalnih produktov Seminarska naloga Naloge so sestavni del preverjanja znanja pri predmetu Vrednot
Univerza na Primorskem FAMNIT, MFI Vrednotenje zavarovalnih produktov Seminarska naloga Naloge so sestavni del preverjanja znanja pri predmetu Vrednotenje zavarovalnih produktov. Vsaka naloga je vredna
Prikaži večMATLAB 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