Ime in priimek: Vpisna št: FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Statistika Pisni izpit 6. julij 2018 Navodila Pazljivo preberite be
|
|
- Jure Kobal
- pred 4 leti
- Pregledov:
Transkripcija
1 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 morate zbrati vsaj 45 točk od 100 možnih Veliko uspeha! Naloga a b c d Skupaj REˇSIVE
2 1 25 Pogojno varianco vektorja Y glede na vektor definiramo kot vary 1 covy 1, Y 2 covy 1, Y n var Y = covy n, Y 1 covy n, Y 2 vary n Naj bosta, Y slučajna vektorja in naj za ρ 1, 1 velja µ1 I ρi N, Y ν1 ρi I Za pare 1, Y 1,, n, Y n to pomeni, da so neodvisni in porazdeljeni dvorazsežno normalno z E k = µ, EY k = ν, var k = vary k = 1 ter cov k, Y k = ρ za k = 1, 2,, n in ρ 1, 1 a 5 Pokažite, da v splošnem velja varay = A vary A za vsako slučajno matriko A primernih dimenzij, ki je odvisna le od Rešitev: Formulo izpeljemo na enak način kot sorodno nepogojno formulo, pri čemer upoštevamo linearnost pogojne pričakovane vrednosti Najprej izpeljemo, da za vsako slučajno matriko B primernih dimenzij velja EAB = A EB Za ta namen označimo A 11 A 1n B 11 B 1p A =, B =, A m1 A mn B n1 B np C 11 C 1p C = AB = C m1 C mp Velja C ik = n j=1 A ijb jk Iz linearnosti pogojne pričakovane vrednosti in dejstva, da so slučajne spremenljivke A ij odvisne le od, dobimo EC ik = EA ij B jk = j=1 A ij EB jk j=1 Leva stran je natančno element, ki je v i-ti vrstici in k-tem stolpcu slučajne matrike EC = EAB, desna stran pa je natančno element, ki je v i-ti vrstici in k-tem stolpcu slučajne matrike A EB Formula sledi 2
3 Ustrezna enakost velja tudi za množenje z A z desne strani, saj je [ A EMA = E M ] = [E A M ] = [A E M ] = EM A Končno lahko izpeljemo zahtevano formulo: velja varay = E AY AY EAY EAY = E AY Y A EAY EAY = A EY Y A A EY A EY = A EY Y A A EY EY A = A EY Y EY EY A = A vary A b 5 Izračunajte vary k 1,, n in covy k, Y l 1,, n za k l Rešitev: Po formulah za večrazsežno normalno porazdelitev je Y =x N ν1 + ρ x µ1, 1 ρ 2 I Iz tega preberemo vary k 1,, n = 1 ρ 2 in covy k, Y l 1,, n = 0 c 10 Naj bo = 1 n n k in Ȳ = 1 n n Y k Naj bo R = 1 n k Y k Ȳ Izračunajte ER 1,, n in varr 1,, n Namig: zapišete lahko z idempotentno matriko R = 1 n HY H = I 1 n 11 Rešitev: 3
4 Prvi način: z uporabo namiga Iz prejšnje točke razberemo EY = ν ρµ1 + ρ Z uporabo prvega koraka pri rešitvi točke a in upoštevajoč, da je H1 = 0, izračunamo ER = 1 n H EY = ρ n H = ρ k n 2 Nadalje je varr 1,, n = 1 n 2 H var Y H = 1 ρ2 n 2 = 1 ρ2 n 2 H k 2 Drugi način: po komponentah Iz prejšnje točke razberemo Z uporabo linearnosti dobimo torej Sledi kar je isto kot prej EY k 1,, n = ν + ρ k µ EȲ 1,, n = ν + ρ µ, EY k Ȳ 1,, n = ρ k, ER 1,, n = ρ n k 2, Za izračun variance pa opazimo, da je R = n k Y k Upoštevajoč, da so Y 1,, Y n pogojno nekorelirane, dobimo varr 1,, n = 1 n 2 kar je spet isto kot prej d 5 Izračunajte varr Rešitev: Uporabimo formulo k 2 vary k 1,, n = = 1 ρ2 n 2 k 2, varr = E [ varr ] + var [ ER ] 4
5 in dejstvo, da je k 2 χ 2 n 1 Iz pričakovane vrednosti porazdelitve hi kvadrat dobimo iz variance te porazdelitve pa E [ varr ] = 1 ρ2 n 2 n 1, var [ ER ] = ρ2 2n 1 n2 Sledi varr = 1 + ρ2 n 1 n 2 5
6 2 25 Privzemite, da vsaki enoti v populaciji velikosti N pripadata dve vrednosti statističnih spremenljivk in Y Označite vrednosti z x 1, y 1,, x N, y N Privzemite, da sta populacijsko povprečje in populacijska varianca spremenljivke znani, ter ju označite z µ in σ 2 Iz populacije izberemo enostavni slučajni vzorec velikosti n Označite vrednosti spremenljivk za vzorčne enote z 1, Y 1,, n, Y n Iz zgoraj povedanega izhaja, da je E k = µ in var k = σ 2 za k = 1, 2,, n a 10 Označite c = cov 1, Y 1 Izračunajte cov k, Y l za k l Namig: kaj je cov k, Y 1 + Y Y N? Rešitev: Zaradi simetrije so kovariance cov k, Y l enake za vse k l Kovarianca v namigu je 0, ker je druga vsota konstanta Iz bilinearnosti za kovariance sledi cov k, Y k + N 1 cov k, Y l = 0, torej cov k, Y l = c N 1 b 10 Privzemite, da je kovarianca c = cov 1, Y 1 znana Oceniti želimo populacijsko povprečje µ Y spremenljivke Y Predlagana je naslednja cenilka: Ỹ = Ȳ c σ µ 2 Pokažite, da je cenilka nepristranska, in izračunajte njeno varianco Rešitev: Nepristanskost sledi iz nepristranskosti cenilk in pričakovane vrednosti Računamo Ȳ ter linearnosti varỹ c2 = varȳ + var σ 2c covȳ 4 σ, 2 = σ2 Y n N n N 1 + c2 σ2 σ 4 n N n N 1 2c n 2 σ 2 = N n N 1 1 n σ 2Y c2 σ 2 nc n 2 n c N 1 c 5 Privzemite, da je c = cov 1, Y 1 znana Je cenilka Ỹ vedno boljša od cenilke Ȳ? Utemeljite odgovor Rešitev: Obe cenilki sta nepristranski, tako da lahko primerjamo njuni varianci Varianca cenilke Ỹ je očitno vedno manjša ali enaka, enakost pa velja natanko tedaj, ko je c = 0 6
7 3 25 Opazimo vrednosti x 1, y 1, x 2, y 2,, x n, y n, ki so vse neodvisne realizacije enorazsežne normalne porazdelitve Za k = 1, 2,, n vrednosti x k in y k izhajata iz Nµ k, σ 2 Za različne k so torej pričakovane vrednosti lahko različne, medtem ko morajo biti vse variance enake a 10 Poiščite cenilke parametrov µ 1,, µ n in σ po metodi največjega verjetja Rešitev: Logaritemska funkcija verjetja je lµ 1,, µ n, σ x 1,, x n, y 1,, y n x k µ k 2 + y k µ k 2 = 2n log σ n log2π 2σ 2 in parcialni odvodi so l µ i = 2µ k x k y k σ 2, l σ = 2n σ + x k µ k 2 + y k µ k 2 σ 3 Izenačimo z nič in po krajšem računu dobimo cenilke ˆµ k = x k + y k 2, ˆσ = [ 1 4n ] 1/2 x k y k 2 b 10 Katere od cenilk za µ 1,, µ k in σ 2 ne σ po metodi največjega verjetja so nepristranske? Morebitne pristranske popravite tako, da bodo nepristranske Rešitev: Če opažene vrednosti x 1,, x n, y 1,, y k nadomestimo z ustreznimi slučajnimi spremenljivkami 1,, n, Y 1,, Y k, velja E k = EY k = µ k, torej je tudi Eˆµ k = µ k Cenilke za µ k so torej nepristranske Cenilka za σ 2 po metodi največjega verjetja je seveda ˆσ 2 = 1 4n x k y k 2 Ker je k Y k N0, 2σ 2, je E [ k Y k 2] = var k Y k = 2σ 2, torej je Eˆσ 2 = σ 2 /2 Cenilka za σ 2 je torej pristranska in ni niti asimptotično nepristranska kar pomeni, da niti dosledna ni Lahko pa jo popravimo v nepristransko cenilko σ 2 = 1 x k y k 2 2n c 5 Izračunajte variance vseh nepristranskih cenilk iz prejšnje točke Namig: varianca kvadrata standardne normalne slučajne spremenljivke je enaka 2 7
8 Rešitev: Velja varˆµ k = var k + vary k 4 = σ2 2 Nadalje iz namiga sklepamo, da je var [ k Y k 2] = 8σ 4, od koder dobimo var σ 2 = 2σ4 n Ko gre n proti neskončno, gre to gre proti nič, kar pomeni, da je σ 2 dosledna cenilka za σ 2 o velja tudi za σ kot cenilko za σ 8
9 4 25 Predpostavite, da je pravi regresijski model Y = β + ɛ za Eɛ = 0 in varɛ = σ 2 I Privzemite, da je matrika dimenzij n m z m < n in s polnim rangom Označite z ˆβ cenilko β po metodi najmanjših kvadratov Kot znano privzemite lemo za inverz bločne matrike: če je matrika oblike Σ11 Σ 12, Σ 21 Σ 22 je levi zgornji kot inverza enak Σ 11 = Σ Σ 1 11 Σ 12 Σ22 Σ 21 Σ 1 11 Σ 12 1 Σ21 Σ 1 11, spodnji desni kot pa Σ 22 = Σ 22 Σ 21 Σ 1 11 Σ 12 1 a 10 Privzemite, da pri modeliranju pozabimo del neodvisnih spremenljivk Privzamemo torej, da so opazovane vrednosti nastale v skladu z napačno enačbo Y = 1 β 1 + ɛ, kjer je = [ 1 ; 2 ] ter še Eɛ = 0 in varɛ = σ 2 I Pišimo β = β1 β 2 V skladu z napačnim modelom ocenimo β 1 z ˆβ 1 = Y Naj bo ˆβ 1 najboljša linearna nepristranska cenilka za β 1 v pravilnem modelu Pokažite, da je var ˆβ 1 var ˆβ 1 = σ 2 AB 1 A, kjer je A = in B = A Rešitev: Pri izračunu variance natančneje, kovariančne matrike cenilke β 1 moramo upoštevati pravi model Y = β + ɛ = 1 β β 2 + ɛ, torej ˆβ 1 = β β 2 + ɛ Ker je 1 β β 2 modeliran kot determinističen čeprav neznan vektor, ga lahko pri izračunu variance zanemarimo Velja torej var ˆβ 1 = varɛ Upoštevajoč, da je varɛ = σ 2 I, po krajšem računu dobimo var ˆβ 1 = σ
10 Za izračun variance najboljše linearne nepristranske cenilke v pravem modelu pa lahko porabimo teorijo linearne regresije: to je levi zgornji blok matrike σ 2 1 Velja = = Vstavimo v formulo za inverz bločne matrike in dobimo var [ ˆβ1 = σ ] Primerjamo z definicijama matrik A in B in vidimo, da je to res enako AB 1 A b 15 Utemeljite, da je matrika AB 1 A pozitivno semi-definitna, kar pomeni, da ima lahko ˆβ 1 manjšo varianco kot ˆβ 1 Zakaj to ni v nasprotju z izrekom Gauss Markova? Namig: če je C pozitivno definitna, je tudi C 1 pozitivno definitna Poleg tega je tudi vsak minor pozitivno definitne matrike pozitivno definiten Rešitev: Ker je AB 1 A u, u = B 1 A u, A u, je dovolj dokazati, da je matrika B 1 pozitivno definitna Slednja pa se po namigu ujema s spodnjim desnim blokom, torej minorjem matrike 1 Ker je pozitivno definitna, to velja tudi za njen inverz in njen minor Po izreku Gauss Markova ima ˆβ 1 najmanjšo varianco med vsemi linearnimi nepristranskimi cenilkami za β 1 Cenilka ˆβ 1 ima lahko manjšo varianco, ker je lahko pristranska Velja namreč E ˆβ 1 = β β 2 = β β 2 10
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 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 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. 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 več2. izbirni test za MMO 2017 Ljubljana, 17. februar Naj bosta k 1 in k 2 dve krožnici s središčema O 1 in O 2, ki se sekata v dveh točkah, ter
2. izbirni test za MMO 2017 Ljubljana, 17. februar 2017 1. Naj bosta k 1 in k 2 dve krožnici s središčema O 1 in O 2, ki se sekata v dveh točkah, ter naj bo A eno od njunih presečišč. Ena od njunih skupnih
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 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 večMicrosoft 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 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 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 večresitve.dvi
FAKULTETA ZA STROJNIŠTVO Matematika 2. kolokvij 4. januar 212 Ime in priimek: Vpisna št: Navodila Pazljivo preberite besedilo naloge, preden se lotite reševanja. Veljale bodo samo rešitve na papirju, kjer
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 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 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 večStatistika, 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 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 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 večENV2:
. Kazalo. KAZALO.... UVOD... 3. ANALIZA POPULACIJE DRŽAV EU...5 4. VSEBINSKE UGOTOVITVE...8 5. LITERATURA... . Uvod Vir podatkov za izdelavo statistične naloge je Eurostat ali Statistični urad Evropske
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 večLaTeX 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 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 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 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 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 večrm.dvi
1 2 3 4 5 6 7 Ime, priimek Razred 14. DRŽAVNO TEKMOVANJE V RAZVEDRILNI MATEMATIKI NALOGE ZA PETI IN ŠESTI RAZRED OSNOVNE ŠOLE Čas reševanja nalog: 90 minut Točkovanje 1., 2., in 7. naloge je opisano v
Prikaži večLaTeX 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 večStrojna 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 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 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 večKein Folientitel
Eksperimentalno modeliranje Se imenuje tudi: y = f x; β + ε - system identification, - statistical modeling, - parametric modeling, - nonparametric modeling, - machine learning, - empiric modeling - itd.
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 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 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 več4. tema pri predmetu Računalniška orodja v fiziki Ljubljana, Grafi II Jure Senčar
4. tema pri predmetu Računalniška orodja v fiziki Ljubljana, 6.4.29 Grafi II Jure Senčar Relativna sila krčenja - F/Fmax [%]. Naloga Nalogo sem delal v Excelu. Ta ima vgrajeno funkcijo, ki nam vrne logaritemsko
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 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 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 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 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 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 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 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 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 večIND-L Zakon o državni statistiki (Uradni list RS, št. 45/95 in št. 9/01) Letni program statističnih raziskovanj za leto 2011 (Uradni list RS, št. 92/1
IND-L Zakon o državni statistiki (Uradni list RS, št. 45/95 in št. 9/0) Letni program statističnih raziskovanj za leto 0 (Uradni list RS, št. 9/) Sporočanje podatkov je obvezno. Vprašalnik za statistično
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 večIND/L Zakon o državni statistiki (Uradni list RS, št. 45/1995 in št. 9/2001) Letni program statističnih raziskovanj (Uradni list RS, št. 97/2013) Spor
IND/L Zakon o državni statistiki (Uradni list RS, št. 45/1995 in št. 9/2001) Letni program statističnih raziskovanj (Uradni list RS, št. 97/2013) Sporočanje podatkov je obvezno. Vprašalnik za statistično
Prikaži večMicrosoft Word - Seštevamo stotice.doc
UČNA PRIPRAVA: MATEMATIKA UČNI SKLOP: Računske operacije UČNA TEMA: Seštevamo in odštevamo stotice Seštevamo stotice UČNE METODE: razlaga, prikazovanje, demonstracija, grafično in pisno delo UČNE OBLIKE:
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 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 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 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 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 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 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 večSTATISTIKA - zbiranje podatkov - obdelava podatkov - analiza in prikaz podatkov Z besedo statistika označujemo sistematično zbrane številske podatke.
STATISTIKA - zbiranje podatkov - obdelava podatkov - analiza in prikaz podatkov Z besedo statistika označujemo sistematično zbrane številske podatke. Te podatke obdelamo, analiziramo in prikažemo z različnimi
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 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 večMERE 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 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 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 večELEKTRIČNI NIHAJNI KROG TEORIJA Električni nihajni krog je električno vezje, ki služi za generacijo visokofrekvenče izmenične napetosti. V osnovi je "
ELEKTRIČNI NIHAJNI KROG TEORIJA Električni nihajni krog je električno vezje, ki služi za generacijo visokofrekvenče izmenične napetosti. V osnovi je "električno" nihalo, sestavljeno iz vzporedne vezave
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 več2. LINEARNA ALGEBRA
UPORABNA MATEMATIKA V LOGISTIKI za višješolsko strokovno izobraževanje (OPISNA ) 1 Cilj tega sklopa predavanja je predstaviti obvladovanje računskih spretnosti pri reševanju logističnih problemov in pri
Prikaži večMicrosoft 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 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 večIZLETI V MATEMATIČNO VESOLJE Ali so fantje bolj nadarjeni za matematiko kot dekleta? Arjana Brezigar Masten UP FAMNIT in UMAR 1
IZLETI V MATEMATIČNO VESOLJE Ali so fantje bolj nadarjeni za matematiko kot dekleta? Arjana Brezigar Masten UP FAMNIT in UMAR 1 Culture, Gender, and Math L.Guiso, F.Monte, P. Sapienza, L.Zingales Science
Prikaži več10. Meritev šumnega števila ojačevalnika Vsako radijsko zvezo načrtujemo za zahtevano razmerje signal/šum. Šum ima vsaj dva izvora: naravni šum T A, k
10. Meritev šumnega števila ojačevalnika Vsako radijsko zvezo načrtujemo za zahtevano razmerje signal/šum. Šum ima vsaj dva izvora: naravni šum T A, ki ga sprejme antena in dodatni šum T S radijskega sprejemnika.
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 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 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 večDelavnica Načrtovanje digitalnih vezij
Laboratorij za načrtovanje integriranih vezij Univerza v Ljubljani Fakulteta za elektrotehniko Programirljivi Digitalni Sistemi Digitalni sistem Digitalni sistemi na integriranem vezju Digitalni sistem
Prikaži večMicrosoft Word - M docx
Š i f r a k a n d i d a t a : Državni izpitni center *M17178111* SPOMLADANSKI IZPITNI ROK Izpitna pola 1 Četrtek, 1. junij 2017 / 90 minut Dovoljeno gradivo in pripomočki: Kandidat prinese nalivno pero
Prikaži večIme 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 večMicrosoft Word - avd_vaje_ars1_1.doc
ARS I Avditorne vaje Pri nekem programu je potrebno izvršiti N=1620 ukazov. Pogostost in trajanje posameznih vrst ukazov računalnika sta naslednja: Vrsta ukaza Štev. urinih period Pogostost Prenosi podatkov
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 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 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 več