Microsoft Word - 3CB DF-2604.rtf
|
|
- Katarína Jelínková
- pred 5 rokmi
- Prehliadani:
Prepis
1 XIII ČASOVÉ RADY 3 lasfkáca a základné charakterstk časových radov Príklad: V okrese Lptovský Mkuláš sme v roku 993 sledoval počet nezamestnaných na jedno ponúkané voľné pracovné mesto: mesac počet nezam Pozorovana: sledovaná velčna sa vvíja v čase - je funkcou času hodnota v konkrétnom čase závsí na predchádzajúcch hodnotách, tj hodnot ne sú nezávslé sledovaná velčna môže závseť aj od ďalších faktorov (a táto aj závsí) Časový rad je rad hodnôt určtého štatstckého znaku usporadaný podľa časového sledu ch výsktu Hodnot sledovaného znaku sa obvkle zaznamenávajú v rovnako dlhých časových ntervaloch Pomocou časových radov charakterzujeme časové zmen a vývojové trend skúmaných javov Časové rad delíme: a) podľa charakteru sledovaného znaku na ) časové rad absolútnch velčín (extenztné velčn) ) časové rad odvodených velčín (ntenztné velčn) b) podľa spôsobu zhromažďovana údajov na ) ntervalové časové rad (hodnot sa vzťahujú k určtému časovému ntervalu) ) okamhové časové rad (hodnot sa nadobúdajú v určtom časovom okamhu) c) podľa spôsobu zobrazena na ) časové rad bežných hodnôt (pôvodné hodnot) ) časové rad kumulatívnch hodnôt (postupne sčítané pôvodné hodnot) 3) časové rad kĺzavých úhrnov (súčt rovnakého počtu po sebe dúcch hodnôt) d) podľa perodckost na ) perodcké časové rad ) neperodcké časové rad tvorbe hodnôt časového radu obvkle prspevajú vaceré faktor, ktorých vplv sa kombnuje (sčítaním, násobením) Hovoríme preto o zložkách (komponentách) časového radu Možné zložk časového radu sú: trend (trendová zložka) vjadruje dlhodobé správane sa hodnôt časového radu, ako rast, pokles, stagnáca atď cklcká zložka vjadruje kolísane hodnôt okolo trendu spôsobené cklckým vplvm (cklus ekonomckých kríz, výrobný cklus atď) s nepravdelnou peródou dlhšou ako jeden rok sezónna zložka pravdelné kolísane hodnôt okolo trendu s peródou, ktorá je kratša alebo rovná jednému roku (vplv ročných období, svatkov atď) epzodcká zložka nepredvídateľný odklon od dlhodobého trendu v dôsledku náhlej udalost (ako je napr zemetrasene, vojna, štrajk atď)
2 rezduálna (náhodná) zložka nepravdelné kolísane hodnôt radu v dôsledku náhodných alebo nedentfkovateľných vplvov Neked sa epzodcké fluktuáce zahŕňajú do rezduálnch Charakterstk vývoja: Pre jednoduchosť budeme predpokladať, že máme rad hodnôt,, nameraných v rovnakých časových odstupoch Príslušné hodnot časovej premennej označíme t,,t (podľa druhu časového radu sú to buď časové okamh alebo stred príslušných ntervalov) Defníca 3: Absolútn prírastok je,,, Zrýchlene je, 3,, oefcent rastu je k,,, oefcent prírastku je k,,, empo rastu a tempo prírastku sú príslušné koefcent vjadrené v percentách Premerný koefcent rastu je k k k k 3 oefcent rastu tvora rad reťazových ndexov Neked sa používa aj rad bázckých ndexov rastu: IB,,,, kde 0 je zvolená bázcká hodnota (môže bť 0 totožná s nektorou z hodnôt,,, najčastejše ) Intervalové časové rad: Intervalové časové rad sa važu na určtý časový nterval a ch hodnota raste s dĺžkou ntervalu Pr spájaní ntervalov sa príslušné ntervalové absolútne velčn sčítajú (napr objem výrob) Pre spracovane ntervalových časových radov je dôležté, ab jednotlvé nterval mal rovnakú dĺžku Ak toto ne je splnené, je potrebné vkonať jeho opravu: hodnot sa prerátajú na nterval rovnakej dĺžk Opravený časový rad má hodnot z d,,,, d kde d je dĺžka -teho ntervalu a d stanovená dĺžka ntervalov Pr ntervalových časových radoch často potrebujeme poznať rad kumulatívnch hodnôt, ktorý obsahuje súhrnné hodnot od začatku sledovaného obdoba Pre porovnane dvoch období podobného charakteru sa zase často používa rad kĺzavých úhrnov Defníca 3: Rad kumulatívnch hodnôt je s Rad kĺzavých úhrnov je ε,,, j j,,, Počet období pr kĺzavých úhrnoch je vhodne zvolená konštanta, najčastejše 3 až 5
3 Graf radu bežných hodnôt, kumulatívnch hodnôt a kĺzavých úhrnov má tpcký tvar písmena Z: Produkca mleka Bežné hodnot umulatívne hodnot ĺzavé súčt január 988 apríl 988 júl 988 október Okamhové časové rad: Sledovaná velčna nadobúda pozorované hodnot v určtom časovom okamhu; preto nemá význam teto hodnot sčítať a vtvárať kumulatívne rad Jednotlvé hodnot spájame premerovaním Občajne pr tom používame artmetcký premer, tj prebeh radu medz jednotlvým okamhm merana sa aproxmuje lneárnou funkcou Premerná hodnota na ntervale (t, t ) je teda Defníca 33: Chronologcký premer časového radu je ( t t) Ch t t ( ) Ak sú všetk časové nterval rovnako dlhé, dá sa predchádzajúc vzorec zjednodušť na tvar Časové rad odvodených velčín: Ch eto rad obvkle obsahujú podel dvoch absolútnch velčín Ak sú teto velčn okamhové, aj príslušná ntenztná velčna má okamhový charakter Ak sú teto velčn ntervalové, príslušný podel má charakter premeru a vzťahuje sa k stredu ntervalu V prípade, že ntenztná velčna je podelom ntervalovej a okamhovej velčn, má výsledok okamhový charakter a vzťahuje sa k stredu ntervalu Väčšnou sa jedná o časové rad bázckých a reťazových ndexov Pre teto časové rad nemá zmsel konštruovať kumulatívne rad, kĺzavé úhrn an chronologcké premer 3 Neperodcké časové rad
4 Perodcká zložka časového radu je súhrnom cklckej a sezónnej zložk Základný model časového radu je C S e,,,, kde je trendová zložka, C cklcká, S sezónna a e náhodná zložka Neked sa namesto tohoto adtívneho modelu uvažuje model multplkatívn: C S e,,, Multplkatívn model môžeme prevesť na adtívn logartmovaním; preto sa v ďalšom obmedzíme na adtívn model Neperodcký časový rad neobsahuje perodckú zložku: e,,, Pr jeho spracovaní sa snažíme nájsť jeho trendovú zložku očstenú od náhodných vplvov ento proces nazývame vrovnávane časového radu Vrovnané hodnot budeme vo všeobecnost označovať $ Podobne môžeme vrovnať aj perodcký časový rad, keď jeho hodnot očstíme od perodckej a náhodnej zložk Rôzne metód vrovnávana rozobereme v nasledujúcch oddeloch Vrovnávane časových radov kĺzavým premerm: Vrovnane spočíva v nahradení pôvodných hodnôt premerm nekoľkých za sebou dúcch okoltých hodnôt V prípade, že nterval majú nerovnakú dĺžku, používame vážené premer (s váham úmerným dĺžke ntervalov); v opačnom prípade občajné premer Prtom počet členov premeru je v celom rozsahu konštantný eďže získané premer prraďujeme prostrednému obdobu kĺzavej čast, je výhodné používať nepárn počet období Defníca 3: Rad -bodových kĺzavých premerov je p j j, j p,,-p, p kde p Je teda p Ak je nepárne, je p prrodzené číslo a hodnota j ( j p j j p) p je prradená času t j Pr takomto vrovnaní strácame na oboch koncoch radu p pozorovaní eďže hodnot kĺzavých premerov predstavujú trend časového radu, je to nepríjemné najmä na konc, kde nám chýbajú hodnot súčasného trendu, použteľné na prognózovane Prtom mera očstena radu od náhodnej alebo sezónnej zložk je pramo úmerná dĺžke kĺzavej čast Malá dĺžka kĺzavej čast má teda za následok výkv podobné výkvom v pôvodnom časovom rade Najmä pr časových radoch so sezónnou zložkou sa stretávame s nutnosťou použť párne (lebo počet období v peróde je párn, väčšnou 4 alebo ) V tom prípade je však problém rozmestnť párn počet hodnôt okolo aktuálnej smetrck, resp hodnotu premeru po sebe dúcch pozorovaní musíme prradť stredu príslušného ntervalu V takom prípade hovoríme o necentrovaných premeroch akéto hodnot sa však ťažko porovnávajú s pôvodným časovým radom Preto chceme aj v tomto prípade dostať rad centrovaných premerov:
5 Defníca 3: Nech je párne číslo a p Potom rad -bodových ľavých kĺzavých premerov je p L j j p rad -bodových pravých kĺzavých premerov je p R j j, p a rad -bodových centrovaných kĺzavých premerov je L j ( j j ) R, j p,,-p Aj tu strácame na oboch koncoch p pozorovaní Lemma 33: Centrovaný kĺzavý premer p pozorovaní v adtívnom model je ekvvalentný chronologckému premeru p pozorovaní smetrck rozložených okolo príslušnej hodnot p p Dôkaz: j ( j ) L R j j j p p p p ( ) j p j j p j j p p Exponencálne vrovnávane časových radov:, p p j j QED áto metóda je odvodená od metód kĺzavých premerov Odstraňuje jej najväčšu nevýhodu, totž chýbajúce pozorovana na koncoch Pr tejto metóde nahradíme pôvodný rad radom exponencálnch premerov, tj vážených premerov s exponencálne klesajúcm váham Defníca 34: Rad exponencálnch premerov je defnovaný rekurentným vzťahom A α α A, 3,,, kde α ( 0 ; ) je zvolená konštanta Všmnme s, že A ne je defnované A α α A A a ( ) Zrejme je ( ) α α( α ) ( α ) A 3 α α( α ) α( α ) 3 ( α ) A α( α ) α( α ) 3 α( α ) 4 ( α ) A 4 α atď Meru vrovnana určuje konštanta α Čím blžša je α k 0, tým hladší je prebeh vrovnaného radu Zároveň to však znamená, že veľká váha je prradená starým hodnotám a môžu nám ujsť najnovše trend Naopak α blízke teto trend síce zachtáva, ale vrovnane je slabé a vac podleha náhodným vplvom Výber optmálnej hodnot α je teda hlavný problém tejto metód
6 Defníca 35: Nech,, je časový rad a nech $,, $ je časový rad vrovnaných hodnôt (akoukoľvek metódou) Potom hodnot u $,,,, nazývame rezíduá časového radu (resp rad rezíduí) Pr exponencálnom vrovnávaní sa najčastejše volí také α, ktoré mnmalzuje štandardnú odchýlku súboru rezíduí, čo je ekvvalentné vzťahu ( ˆ ( α )) α arg mn opt Optmálnu hodnotu α nájdeme napr teračne tak, že najprv vrátame hodnot predchádzajúceho súčtu pre všetk hodnot α 0,, 0,,, 0,9; z nch s vbereme najmenšu a na jej okolí potom rátame hodnot súčtu pre α menace sa po stotnách atď ak optmálnu hodnotu postupne spresňujeme Pre výpočet optmálnej hodnot exstujú rýchlejše špecalzované algortm Neked sa táto metóda modfkuje tak, že vrovnávame už prvé pozorovane, tj A α ( α ) A,,, Vted ale musíme defnovať člen A 0 ; obvkle sa zaň bere hodnota hstorckého premeru (tzv terč), čo je najvac očakávaná hodnota eďže v tomto prípade pre α je vrovnaný rad totožný s pôvodným, nemožno použť predchádzajúce krtérum optmalt Obvkle sa používajú hodnot α medz 0, a 0,3, výber však obsahuje slný moment ľubovoľnost Pr tejto metóde vrovnávana je možné robť aj prognózu na obdobe dopredu; prognózou F hodnot je exponencáln premer v čase, teda F A Prognóza na vac období dopredu podľa toho stého prncípu dáva stále rovnakú hodnotu: F F F 3 Preto je táto metóda vhodná ba pre časové rad s konštantným trendom Vrovnávane časových radov regresným metódam: V tomto prípade vrovnané hodnot $ vjadríme ako funkcu neznámch parametrov β 0, β,, β k, resp vektora β ( β,, 0 βk ) o znamená, že trendová zložka f ( t,β ) Ak f je lneárna v parametroch β, hovoríme o lneárnej regres Optmálne hodnot (odhad) parametrov β získame metódou najmenších štvorcov: ( ( β) ) β arg mn $ Voľba regresnej funkce závsí od charakteru sledovaného časového radu Ako pomôcka často slúž graf hodnôt prot t ; lepše je však určť f na základe rozboru vlastností sledovanej velčn MNŠ dáva dobré výsledk, ak rezíduá sú navzájom (stochastck) nezávslé náhodné velčn Veta 36: Nech β0 β t e,,,, je časový rad Potom odhad parametrov β0, β metódou najmenších štvorcov je
7 Dôkaz: vď Veta QED t $ β t t $ β $ β t 0 t, Poznámka: ak s hodnot časovej premennej t zvolíme tak, že počatku), dostaneme jednoduchše vzorce pre odhad $ β, $ 0 β : $ β, $ β 0 t oto sa nazýva kódovaná metóda výpočtu odhadov parametrov t t 0 (vhodnou voľbou Pr tejto metóde vrovnávana môžeme predkcu na ľubovoľné časové obdobe dopredu vjadrť v tvare: Ft f( t, $ β ) t > Presnosť predkce ale s rastúcm t klesá Najčastejše používané nelneárne trendové funkce sú: kvadratcký trend: β0 βt βt e Jedná sa o lneárnu regresu, keďže model je lneárn v parametroch Prítomnosť kvadratckého trendu sa prejaví tým, že prvé dference sú prblžne lneárne a druhé dference sú prblžne konštantné v čase t exponencáln trend: B0 B E ento trend veme prevesť na lneárnu regresu logartmovaním: ln β0 β t e Prítomnosť exponencálneho trendu sa prejaví tým, že koefcent rastu sú prblžne konštantné v čase B mocnnový trend: B0 t E Aj tento prevedeme na lneárnu regresu logartmovaním: ln β0 β ln t e B0 logstcký trend: B B t E e rvka tvaru S s asmptotou B 0 Nutné špecálne metód odhadu parametrov t B Gompertz-Makehamov trend: B B 0 E Používa sa na modelovane dĺžk žvota B 0 je asmptota Používajú sa špecálne metód odhadu parametrov vrdene 37: Nech Y (,, ), β ( β β ) x ( x x ) 0,, k a matca X obsahuje radk,,, k, prčom pre hodnot časového radu platí β0 βx βkxk e,,,, tj Y Xβ e Nech matca X má hodnosť k Potom MNŠ-odhad vektora β je $ β ( XX ) XY
8 áto veta nám dáva všeobecný návod na výpočet MNŠ-odhadov v lneárnom regresnom model Špecálne pre kvadratckú regresu bude x t a x t ; v prípade exponencálnej regrese dáme do Y hodnot ln namesto Vrovnané hodnot potom budú Y $ X $ β 33 Mer presnost vrovnávana Ak sme zostavl model časového radu a z dát odhadl jeho parametre, resp nejakým ným spôsobom urobl vrovnane jeho hodnôt, môže nás zaujímať kvalta tohoto modelu Vo všeobecnost za najlepší považujeme ten model, ktorý dá najmenše rezíduá (výnmk však exstujú) Podobne ako v druhej kaptole defnujeme nasledujúce mer presnost vrovnana časového radu: Defníca 33: Premerná absolútna chba rezíduí je PAC u $ Premerná kvadratcká chba rezíduí je PC ( ) Štandardná odchýlka rezíduí je SO Defnujeme tež relatívne mer: PC $ u $ Defníca 33: Relatívna absolútna chba rezíduí je RAC oefcent determnáce je R ( $ ) ( ) oefcent determnáce sa používa najmä pr regresnom vrovnávaní Nadobúda hodnot z ntervalu 0 ; eďže s rastúcm počtom odhadovaných parametrov R raste, na porovnávane modelov s rôznm počtom parametrov sa používa upravený koefcent determnáce R ( R ) a, k kde k je počet regresných premenných (tj k je počet odhadovaných parametrov) Pr vrovnávaní časového radu regresným modelm predpokladáme nezávslosť rezíduí Merou ch nezávslost je Durbn-Watsonova charakterstka DW ( u u ) u DW vo všeobecnost nadobúda hodnot z ntervalu 0; 4 V prax sa na nterpretácu DW používajú zjednodušené krtérá:
9 ak DW, rezíduá sú nezávslé a model je dobrý ak DW je výrazne väčše alebo menše ako, model je nevhovujúc a rezíduá sú kladne, resp záporne autokorelované Zo štatstckého hľadska je Durbn-Watsonov postup testom hpotéz, že autokorelačný koefcent je rovný nule; krtcké hodnot tohto testu možno nájsť v špecalzovaných tabuľkách Pre posúdene mer nezávslost rezíduí sa tež často používa autokorelačná funkca: Defníca 333: Autokorelačná funkca časového radu je r oefcent r d nadobúdajú hodnot z ntervalu ; d uu d d d, d, u 34 Perodcké časové rad Časové rad s perodckou zložkou sledujeme počas nekoľkých peród Budeme predpokladať, že v každej peróde máme k dspozíc rovnaký počet pozorovaní Pozorovana je výhodné označovať dvoma ndexm:,,, v peróde n, n,, n v n-tej peróde eto rad môžeme vrovnávať vacerým spôsobm: môže nás zaujímať rad očstený od trendovej zložk, od perodckej zložk, od náhodnej zložk č rad očstený od kombnáce nektorých z predchádzajúcch zložek V ďalšom budeme uvažovať model časových radov ba s jednou perodckou zložkou; bez ujm na všeobecnost ju budeme považovať za sezónnu zložku Model konštantnej sezónnost: V tomto model predpokladáme, že hodnot sezónnch výchlek v rovnakej sezóne sú v rôznch peródach rovnaké: j j S ej,,,, j,,n, tj S j S,j Odhad trendovej zložk môžeme dostať rovnakým postupom ako u neperodckých časových radov, teda napr regresnou metódou, exponencálnm vrovnávaním alebo metódou kĺzavých premerov Označíme j j $ j hodnot časového radu očstené od trendovej zložk (klademe $ j v prípade časového radu bez trendu) Potom odhad sezónnej zložk je n $S j n j V prípade vrovnávana pomocou kĺzavých premerov nebudeme mať pre všetk k dspozíc plný počet k hodnôt; vted musíme predchádzajúc premer príslušne upravť Odhadom náhodnej zložk sú rezíduá u $ S$, j j j j
10 Časový rad očstený ba od sezónnej zložk je zrejme j S $ Predkcou na čas t je Ft $ t S$,,,, t n,, kde $ t je prognóza trendu na príslušné obdobe Model proporconálnej sezónnost: Neked je realstckejše predpokladať, že sezónna výchlka je pramo úmerná dosahnutej úrovn trendu, tj j j s j ej,,,, j,,n, kde koefcent s je parameter sezónnost (je teda Sj s j, j) V tomto model sa namesto absolútnch odchýlek používajú tzv perodcké (sezónne) ndex: j I j $, j kde j $ je odhad trendovej zložk Pr časových radoch bez trendovej zložk defnujeme perodcké ndex I j j Medz vrovnaným a pôvodným hodnotam prtom platí vzťah ( ) j s $ j Na základe toho potom odhadujeme ndex sezónnost s vzťahom n I Ij n Vrovnávane regresným metódam: Nevýhodou predchádzajúcch metód je postupné oddeľovane jednotlvých zložek, lebo pr tomto postupe ľahko môže dochádzať ku kumulác chýb Lepše je mať jeden model zahŕňajúc trendovú perodckú zložku, ktorého parametre odhadujeme naraz U regresných modelov sa to dá dosahnuť zavedením umelých premenných Q t, ktoré nadobúdajú hodnotu v t-tej sezóne a 0 v ostatných Je teda j β0 βxj βk xjk γ Qj γ Qj ej, kde x sú regresné (teda časové) premenné a Q sezónne (perodcké) premenné oto sa dá zapísať v tvare Y ( X, Q) e β γ a odhad $, $ βγ môžeme dostať naraz metódou najmenších štvorcov Predkca sa robí štandardným spôsobom v danom regresnom model j
kde parametre α a β vyjadrujú elasticitu \(pružnosť\) produkcie y vo vzťahu k činiteľom F a Z, t.j. relatívny prírastok p...
8 Produkčné modely 9 8 Produkčné modely Ekonometrcké modely produkce sa zameravajú na skúmane ekonomckých závslostí, ktoré sa važu na tvorbu nových hmotných statkov. Pr zodpovedajúcej modfkác možno formulu
PodrobnejšieAPROXIMÁCIA BINOMICKÉHO ROZDELENIA NORMÁLNYM A PRÍKLAD JEJ APLIKÁCIE V AKTUÁRSTVE S VYUŽITÍM JAZYKA R Abstrakt Príspevok sa zameriava na prezentáciu l
APROXIMÁCIA BINOMICKÉHO ROZDELENIA NORMÁLNYM A PRÍKLAD JEJ APLIKÁCIE V AKTUÁRSTVE S VYUŽITÍM JAZYKA R Abstrakt Príspevok sa zamerava na prezentácu lmtných vet v analýze rzka v nežvotnom postení. Jednoducho
PodrobnejšieIII. Diferenciálny počet funkcie viac premenných (Prezentácia k prednáškam, čast B) Matematická analýza IV (ÚMV/MAN2d/10) RNDr. Lenka Halčinová, PhD.
III. Diferenciálny počet funkcie viac premenných (Prezentácia k prednáškam, čast B) (ÚMV/MAN2d/10) lenka.halcinova@upjs.sk 11. apríla 2019 3.3 Derivácia v smere, vzt ah diferenciálu, gradientu a smerovej
PodrobnejšieNaučme sa pripraviť a zrealizovať počítačom podporovaný experiment
Laboratórne cvčena podporované počítačom epelné deje v plynoch Meno:...Škola:...reda:.... Izotermcký dej v deálnom plyne Fyzkálny prncíp: Pr pomalom stláčaní vzduchu pod pestom njekčnej strekačky zostáva
PodrobnejšieParalelné algoritmy, cast c. 2
Paralelné algoritmy, čast č. 2 František Mráz Kabinet software a výuky informatiky, MFF UK, Praha Paralelné algoritmy, 2009/2010 František Mráz (KSVI MFF UK) Paralelné algoritmy, čast č. 2 Paralelné algoritmy,
Podrobnejšie8 Cvičenie 1.1 Dokážte, že pre ľubovoľné body X, Y, Z platí X + Y Z = Z + Y X. 1.2 Dokážte, že pre ľubovoľné body A, B, D, E, F, G afinného priestoru
8 Cvičenie 1.1 Dokážte, že pre ľubovoľné body X, Y, Z platí X + Y Z = Z + Y X. 1. Dokážte, že pre ľubovoľné body A, B, D, E, F, G afinného priestoru P platí F B = F A, BD = AE, DG = EG F = G. 1.3 Dokážte
PodrobnejšieJednotkový koreň (unit root), diferencovanie časového radu, unit root testy Beáta Stehlíková Časové rady, FMFI UK, 2011/2012 Jednotkový koreň(unit roo
Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy Beáta Stehlíková Časové rady, FMFI UK, 2011/2012 Jednotkový koreň(unit root),diferencovanie časového radu, unit root testy p.1/18
Podrobnejšie2.5. Dotyčnica krivky, dotykový kužeľ. Nech f je krivka a nech P V (f) (t.j. m P (f) 1). Ak m P (f) = r a l je taká priamka, že I P (f, l) > r, potom
2.5. Dotyčnica krivky, dotykový kužeľ. Nech f je krivka a nech P V (f) (t.j. m P (f) 1). Ak m P (f) = r a l je taká priamka, že I P (f, l) > r, potom l nazývame dotyčnicou krivky f v bode P. Pre daný bod
PodrobnejšieTeória pravdepodobnosti Zákony velkých císel
10. Zákony veľkých čísel Katedra Matematických metód Fakulta Riadenia a Informatiky Žilinská Univerzita v Žiline 6. apríla 2014 1 Zákony veľkých čísel 2 Centrálna limitná veta Zákony veľkých čísel Motivácia
PodrobnejšieMicrosoft Word - 1 Zakladne-pojmy
1 ZÁKLADNÉ POJMY Predtým ako sa začneme systematcky zaoberať jednotlvým časťam aplkovanej fyzkálnej chéme, sa zoznámme so základným pojmam, ktorým budeme pracovať. 1.1 Hmota Úlohou prírodných ved, medz
PodrobnejšiePriebeh funkcie
Technická univerzita Košice monika.molnarova@tuke.sk Obsah 1 Monotónnosť funkcie Lokálne extrémy funkcie Globálne (absolútne) extrémy funkcie Konvexnosť a konkávnosť funkcie Monotónnosť funkcie Monotónnosť
PodrobnejšieMicrosoft Word - skripta3b.doc
6. Vlastnosti binárnych relácií V tejto časti sa budeme venovať šiestim vlastnostiam binárnych relácií. Najprv si uvedieme ich definíciu. Reláciu R definovanú v množine M nazývame: a ) reflexívnou, ak
PodrobnejšieMicrosoft Word - kriteria_ubyt_ doc
Krtérá pre prdeľovane ubytovana študentom denného štúda na FIIT STU Čl. 1 Úvodné ustanovena (1) Krtérá pre prdeľovane ubytovana sa vypracovávajú za účelom zostavena poradovníka žadateľov o ubytovane v
PodrobnejšieÚvod do lineárnej algebry Monika Molnárová Prednášky 2006
Úvod do lineárnej algebry Monika Molnárová Prednášky 2006 Prednášky: 1. 3. marca 2006 2. 10. marca 2006 c RNDr. Monika Molnárová, PhD. Obsah 1 Aritmetické vektory a matice 4 1.1 Aritmetické vektory........................
PodrobnejšieMetódy násobenie v stredoveku
1 Lucia Pekarčíková História matematiky Metódy násobenia v stredoveku (Referát) Lucia Pekarčíková 1.roč. II.stupňa Mat Inf ÚVOD V dobe ranného stredoveku sa v Európe všeobecne nepoužíval abakus, nerobili
Podrobnejšie17. medzinárodná vedecká konferencia Riešenie krízových situácií v špecifickom prostredí, Fakulta špeciálneho inžinierstva ŽU, Žilina, máj 2
17. medznárodná vedecká konferenca Rešene krízových stuácí v špecfckom prostredí, Fakulta špecálneho nžnerstva ŽU, Žlna, 30. - 31. máj 2012 PRÍSTUPY KU KVANTIFIKÁCII DOSLEDKOV DISFUNKCIE KRITICKEJ INFRAŠTRUKTÚRY
PodrobnejšieWP summary
TESTOVANIE PRAVDEPODOBNOSTNÉHO ROZDELENIA PREDIKČNÝCH CHÝB MARIÁN VÁVRA NETECHNICKÉ ZHRNUTIE 3/2018 Národná banka Slovenska www.nbs.sk Imricha Karvaša 1 813 25 Bratislava research@nbs.sk júl 2018 ISSN
PodrobnejšieTestovanie kointegrácie nestacionárnych časových radov
Recenzent Mchal ILLOVSKÝ (Katedra matematky a deskrptívnej geometre Stavebná fakulta STU) Lukáš PASTOREK (Fakulta nformatky a statstky, Vysoká škola ekonomcká v Praze) Tomáš ŽELINSKÝ (Ekonomcká fakulta,
PodrobnejšieSnímka 1
Bayesovský klasfkátor prradí objekt trede, kde P(ω x) je maxmálne Rozhodovaca funkca Ako určť pravdepodobnost Pre kategorcké atrbúty P( x ) P( ) P( x ) k d x k k1 N N, k Navný klasfkátor Pravdepodobnosť
PodrobnejšieMatematika 2 - cast: Funkcia viac premenných
Matematika 2 časť: Funkcia viac premenných RNDr. Jana Pócsová, PhD. Ústav riadenia a informatizácie výrobných procesov Fakulta BERG Technická univerzita v Košiciach e-mail: jana.pocsova@tuke.sk Spojitosť
PodrobnejšieSRPkapitola06_v1.docx
Štatistické riadenie procesov Regulačné diagramy na reguláciu porovnávaním 6-1 6 Regulačné diagramy na reguláciu porovnávaním Cieľ kapitoly Po preštudovaní tejto kapitoly budete vedieť: čo sú regulačné
PodrobnejšieAutoregresné (AR) procesy Beáta Stehlíková Časové rady, FMFI UK Autoregresné(AR) procesy p.1/22
Autoregresné (AR) procesy Beáta Stehlíková Časové rady, FMFI UK Autoregresné(AR) procesy p.1/22 Príklad 1 AR(2) proces z prednášky: x t =1.4x t 1 0.85x t 2 +u t V R-ku: korene charakteristického polynómu
Podrobnejšie18. medzinárodná vedecká konferencia Riešenie krízových situácií v špecifickom prostredí, Fakulta špeciálneho inžinierstva ŽU, Žilina, jún 2013
18. medznárodná vedecká konferenca Rešene krízových stuácí v špecfckom prostredí, Fakulta špecálneho nžnerstva ŽU, Žlna, 5. -6. jún 2013 METÓDY HODNOTENIA DOSLEDKOV DISFUNKCIE PRVKOV KRITICKEJ INFRAŠTRUKTÚRY
PodrobnejšieNadpis/Titulok
Mesačný bulletin NBS, október 2017 Odbor ekonomických a menových analýz Zhrnutie V eurozóne priaznivý vývoj ukazovateľov ekonomickej aktivity i predstihových indikátorov naznačuje relatívne slušný rast
PodrobnejšieStatika (2.vydanie)
ŽILINSKÁ UNIVERZITA V ŽILINE Fakulta špecálneho nžnerstva Doc. Ing. Jozef KOVAČIK, CSc. Ing. Martn BENIAČ, PhD. STATIKA PRE ŠPECIÁLNE INŽINIERSTVO Druhé doplnené a upravené vydane Určené pre študjné odbory
PodrobnejšiePreco kocka stací? - o tom, ako sú rozdelené vlastné hodnoty laplasiánu v limite, ked sú velké
o tom, ako sú rozdelené vlastné hodnoty laplasiánu v limite, keď sú veľké o tom, ako sú rozdelené vlastné hodnoty laplasiánu v limite, keď sú veľké zaujímavé, ale len pre matematikov... NIE! o tom, ako
PodrobnejšieMicrosoft Word - FRI”U M 2005 forma B k¾úè.doc
Fakulta riadenia a informatik Žilinskej univerzit ( ) ( 6 ) 6 = 3 () 8 (D) 8 m Závislosť hmotnosti m častice od jej rýchlosti v je vjadrená vzťahom m =, kde m je v c pokojová hmotnosť častice, c je rýchlosť
PodrobnejšieSnímka 1
Fyzika - prednáška 12 Ciele 5. Fyzikálne polia 5.4 Stacionárne magnetické pole 5.5 Elektromagnetické pole Zopakujte si Fyzikálne pole je definované ako... oblasť v určitom priestore, pričom v každom bode
PodrobnejšieDidaktické testy
Didaktické testy Didaktický test - Nástroj systematického zisťovania výsledkov výuky - Obsahuje prvky, ktoré je možné využiť aj v pedagogickom výskume Druhy didaktických testov A) Didaktické testy podľa
PodrobnejšieMicrosoft Word - BP kolacek
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV INFORMATIKY FACULTY OF BUSINESS AND MANAGEMENT DEPARTMENT OF INFORMATICS POHĽAD NA VÝVOJ PODNIKU POMOCOU ČASOVÝCH
PodrobnejšieSK MATEMATICKÁOLYMPIÁDA skmo.sk 2009/ ročník MO Riešenia úloh česko-poľsko-slovenského stretnutia 1. Určte všetky trojice (a, b, c) kladných r
SK MATEMATICKÁOLYMPIÁDA skmo.sk 009/010 59. ročník MO Riešenia úloh česko-poľsko-slovenského stretnutia 1. Určte všetky trojice (a, b, c) kladných reálnych čísel, ktoré sú riešením sústavy rovníc a b c
Podrobnejšie9.1 MOMENTY ZOTRVACNOSTI \(KVADRATICKÉ MOMENTY\) A DEVIACNÝ MOMENT PRIEREZU
Učebný cieľ kapitoly Po preštudovaní tejto kapitoly by ste mali ovládať: Charakteristiku kvadratických momentov prierezových plôch. Ako je definovaný kvadraticky moment plochy k osi a k pólu. Ako je definovaný
PodrobnejšiePowerPoint Presentation
Vymenujte základné body fyzikálneho programu ktoré určujú metodológiu fyziky pri štúdiu nejakého fyzikálneho systému Ako vyzerá pohybová rovnica pre predpovedanie budúcnosti častice v mechanike popíšte,
PodrobnejšieVYŠETROVANIE VLASTNOSTÍ FEROMAGNETIKA
9 VYŠETROVANIE VLASTNOSTÍ FEROAGNETIKA Teoretický úvod: Je známe, že v niektorých látkach vložených do vonkajšieho magnetického poľa sa magnetické pole zosilňuje Je to spôsobené tým, že v látkovom prostredí
PodrobnejšieORGANIZÁCIA SPOJENÝCH NÁRODOV
ORGANIZÁCIA SPOJENÝCH NÁRODOV Hospodársky a socálny výbor Dstr. VŠEOBECNE ECE/TRANS/WP.29/2017/130 25. august 2017 Orgnál: ANGLICKÝ EURÓPSKA HOSPODÁRSKA KOMISIA VÝBOR PRE VNÚTROZEMSKÚ DOPRAVU Svetové fórum
PodrobnejšieVýhľad Slovenska na najbližšie roky
Výhľad Slovenska na najbližšie roky Martin Šuster Bratislava, konferencia FRP 218 24. 1. 218 Predikcia rastu HDP a cien HDP Inflácia Zdroj: NBS. 2 Strednodobá predikcia P3Q-218 Skutočnosť P3Q-218 217 218
PodrobnejšiePokrocilé programovanie XI - Diagonalizácia matíc
Pokročilé programovanie XI Diagonalizácia matíc Peter Markoš Katedra experimentálnej fyziky F2-523 Letný semester 2015/2016 Obsah Fyzikálne príklady: zviazané oscilátory, anizotrópne systémy, kvantová
PodrobnejšieMetódy dokazovanie v matematike 1 Základné pojmy Matematika exaktná veda vybudovaná DEDUKTÍVNE ZÁKLADNÉ POJMY základy každej matematickej teórie sú in
Metódy dokazovanie v matematike 1 Základné pojmy Matematika exaktná veda vybudovaná DEDUKTÍVNE ZÁKLADNÉ POJMY základy každej matematickej teórie sú intuitívne jasné a názorné napr. prirodzené čísla, zlomok,
PodrobnejšieNadpis/Titulok
Mesačný bulletin NBS, november 2016 Odbor ekonomických a menových analýz Zhrnutie Rýchly odhad HDP v 3Q: Eurozóna: % medzištvrťročne (zachovanie tempa rastu z predchádzajúceho štvrťroka). Slovensko: %
PodrobnejšieModelovanie nového produktu na trhu: Bassov model Beáta Stehlíková Cvičenia z časových radov, FMFI UK Modelovanie nového produktu na trhu: Bassov mode
Modelovanie nového produktu na trhu: Bassov model Beáta Stehlíková Cvičenia z časových radov, FMFI UK Modelovanie nového produktu na trhu: Bassov model p.1/19 Úvod Frank Bass (1926-2006) - priekopník matematických
PodrobnejšieNumerické riešenie všeobecnej (klasickej) DMPK rovnice.
Numerické riešenie všeobecnej (klasickej) DMPK rovnice. J. Brndiar, R. Derian, P. Markos 11.6.27 1 Úvod Vodivost a transfér matica DMPK vs. zovšeobecnená DMPK rovnica 2 Numerické riešenie Ciel e Predpríprava
Podrobnejšie1. KOMPLEXNÉ ČÍSLA 1. Nájdite výsledok operácie v tvare x+yi, kde x, y R. a i (5 2i)(4 i) b. i(1 + i)(1 i)(1 + 2i)(1 2i) (1 7i) c. (2+3i) a+bi d
KOMPLEXNÉ ČÍSLA Nájdite výsledok operácie v tvare xyi, kde x, y R 7i (5 i)( i) i( i)( i)( i)( i) ( 7i) (i) abi a bi, a, b R i(i) 5i Nájdite x, y R také, e (x y) i(x y) = i (ix y)(x iy) = i y ix x iy i
PodrobnejšieČísla Nájdite všetky dvojice prirodzených čísiel, ktoré vyhovujú rovnici: 2 ( a+ b) ( a b) + 2b ( a+ 2b) 2b = 49 RIEŠENIE ( ) ( ) ( ) 2 a+ b a
Čísla 9 89. Nájdite všetky dvojice prirodzených čísiel, ktoré vyhovujú rovnici: ( a+ b) ( a b) + b ( a+ b) b 9 ( ) ( ) ( ) a+ b a b + b a+ b b 9 ( a b ) + ab + b b 9 a b + ab + b 9 a + ab + b 9 a+ b 9
PodrobnejšieParalelné algoritmy, cast c. 3
Paralelné algoritmy, čast č. 3 František Mráz Kabinet software a výuky informatiky, MFF UK, Praha Paralelné algoritmy, 2009/2010 František Mráz (KSVI MFF UK) Paralelné algoritmy, čast č. 3 Paralelné algoritmy,
PodrobnejšieZeszyty Naukowe PWSZ, Nowy Sącz 2013 Konštrukcie magických obdĺžnikov Marián Trenkler Faculty of Education, Catholic University in Ružomberok Hrabovsk
Zeszyty Naukowe PWSZ, Nowy Sącz 2013 Konštrukcie magických obdĺžnikov Marián Trenkler Faculty of Education, Catholic University in Ružomberok Hrabovská cesta 1, 034 01 Ružomberok, Slovakia e-mail: marian.trenkler@ku.sk
PodrobnejšieMicrosoft PowerPoint - Paschenov zakon [Read-Only] [Compatibility Mode]
Výboje v plynoch, V-A charakteristika Oblasť I. : U => I pri väčšej intenzite poľa (E) je pohyb nosičov náboja k elektródam rýchlejší a tak medzi ich vznikom a neutralizáciou na elektródach uplynie kratší
PodrobnejšieOptimal approximate designs for comparison with control in dose-escalation studies
Optimal approximate designs for comparison with control in dose-escalation studies a Radoslav Harman Fakulta matematiky, fyziky a informatiky Univerzity Komenského 15. 9. 2016 Optimálne aproximatívne dizajny
PodrobnejšieMetrické konštrukcie elipsy Soňa Kudličková, Alžbeta Mackovová Elipsu, ako regulárnu kužeľosečku, môžeme študovať synteticky (konštrukcie bodov elipsy
Metrické konštrukcie elipsy Soňa Kudličková, Alžbeta Mackovová Elipsu, ako regulárnu kužeľosečku, môžeme študovať synteticky (konštrukcie bodov elipsy) alebo analyticky (výpočet súradníc bodov elipsy).
PodrobnejšieMERANIE U a I.doc
MERANIE ELEKTRICKÉHO NAPÄTIA A ELEKTRICKÉHO PRÚDU Teoretický úvod: Základnými prístrojmi na meranie elektrických veličín sú ampérmeter na meranie prúdu a voltmeter na meranie napätia. Univerzálne meracie
PodrobnejšieMicrosoft Word - 6 Výrazy a vzorce.doc
6 téma: Výrazy a vzorce I Úlohy na úvod 1 1 Zistite definičný obor výrazu V = 4 Riešte sústavu 15 = 6a + b, = 4a c, 1 = 4a + b 16c Rozložte na súčin výrazy a) b 4 a 18, b) c 5cd 10c d +, c) 6 1 s + z 4
PodrobnejšieMicrosoft Word - Algoritmy a informatika-priesvitky02.doc
3. prednáška Teória množín I množina operácie nad množinami množinová algebra mohutnosť a enumerácia karteziánsky súčin Priesvtika: 1 Definícia množiny Koncepcia množiny patrí medzi základné formálne prostriedky
PodrobnejšieViacnásobne použitelné oblasti spolahlivosti pre viacrozmernú kalibráciu
Viacnásobne použitel né oblasti spol ahlivosti pre viacrozmernú kalibráciu Martina Chvosteková Ústav merania Slovenská akadémia vied 22. január, Rekreačné zariadenie Rybník, 2018 Obsah 1 Predpoklady, model
PodrobnejšieRast cien bývania sa v polovici roka 2019 zmiernil
Rýchly komentár Rast cien bývania sa v polovici roka 019 zmiernil V. štvrťroku 019 pokračovalo mierne ochladzovanie slovenského trhu s bývaním zo začiatku roka. Podiel na tom má pravdepodobne aj pôsobenie
PodrobnejšieŠtruktúra Modelu Výsledky odhadu Záver Trh práce v krajinách strednej Európy: Small Search and Matching Model Martin Železník Národná Banka Slovenska
Trh práce v krajinách strednej Európy: Small Search and Matching Model Národná Banka Slovenska Humusoft, 06.06.2013 Obsah 1 Štruktúra Modelu Domácnosti Firmy Trh práce Nastavenie miezd Uzavretie modelu
PodrobnejšieKlasická metóda CPM
Operačná analýza 2-02a Klasická metóda CPM Úvod Je daná úloha časového plánovania U s množinou elementárnych činností E a reálnou funkciou c: E R ktorá každej činnosti A E priradí jej dobu trvania c(a).
Podrobnejšietrafo
Výpočet rozptylovej reaktancie transformátora Vo väčších transformátoroch je X σk oveľa väčšia ako R k a preto si vyžaduje veľkú pozornosť. Ak magnetické napätia oboch vinutí sú presne rovnaké, t.j. N
PodrobnejšieA 1
Matematika A :: Test na skúške (ukážka) :: 05 Daná je funkcia g : y 5 arccos a) Zistite oblasť definície funkcie b) vyjadrite inverznú funkciu g Zistite rovnice asymptot (so smernicou bez smernice) grafu
PodrobnejšieBrezina_Gertler_Pekar_2005
Makroekonomické výsledky Slovenskej republiky v stredoeurópskom regióne Ivan Brezina Pavel Gertler Juraj Pekár KOVE FHI EU, Dolnozemská 1/b, 852 35 Bratislava Pri vstupe nových členských štátov do Európskej
PodrobnejšieSnímka 1
Fyzika - prednáška 11 Ciele 5. Fyzikálne polia 5.2 Elektrostatické pole 5.3 Jednosmerný elektrický prúd Zopakujte si Fyzikálne pole je definované ako... oblasť v určitom priestore, pričom v každom bode
Podrobnejšie21 Spektrometria ziarenia alfa.doc
Oddělení fyzikálních praktik při Kabinetu výuky obecné fyziky MFF UK PRAKIKUM IV Úloha č.: 5 Název: Spektrometria žiarenia α Vypracoval: Viktor Babjak...stud. sk.f3...dne: 7.. 006 Odevzdal dne:... Hodnocení:
PodrobnejšiePríloha č. 2 Vyzvania pre finančné nástroje OP KŽP OPKZP-PO4-SC411/421/ FN Zoznam povinných merateľných ukazovateľov Operačný program Prioritn
Príloha č. 2 Vyzvania pre finančné nástroje OP KŽP OPKZP-PO4-SC411/421/431-2016-FN Zoznam povinných merateľných ukazovateľov Operačný program Prioritná os Operačný program Kvalita životného prostredia
PodrobnejšieSnímka 1
HIERARCHICKÝ LINEÁRNY MODEL PRIDANEJ HODNOTY ŠKOLY VO VZDELÁVANÍ Trajová Jana, Mária Kolková, Pavol Kaclík, Lukáš Píš 20.-21.10.2015, Bratislava Moderné vzdelávanie pre vedomostnú spoločnosť/projekt je
Podrobnejšie17. medzinárodná vedecká konferencia Riešenie krízových situácií v špecifickom prostredí, Fakulta špeciálneho inžinierstva ŽU, Žilina, máj 2
17. medzinárodná vedecká konferencia Riešenie krízových situácií v špecifickom prostredí, Fakulta špeciálneho inžinierstva ŽU, Žilina, 30. - 31. máj 2012 ZÁSOBOVANIE VRTUĽNÍKOV VYUŽÍVANÝCH PRI RIEŠENÍ
PodrobnejšieARMA modely čast 3: zmiešané modely (ARMA) Beáta Stehlíková Časové rady, FMFI UK ARMA modely časť 3: zmiešané modely(arma) p.1/30
ARMA modely čast 3: zmiešané modely (ARMA) Beáta Stehlíková Časové rady, FMFI UK ARMA modely časť 3: zmiešané modely(arma) p.1/30 ARMA modely - motivácia I. Odhadneme ACF a PACF pre dáta a nepodobajú sa
PodrobnejšieJozef Kiseľák Sada úloh na precvičenie VIII. 15. máj 2014 A. (a) (b) 1
Jozef Kiseľák Sada úloh na precvičenie VIII. 15. máj 2014 A. (a) (b) 1 A Pomocou Charpitovej metódy vyriešte rovnicu. x u x + y u y = u u x y u 2 = xy u u x y 3. u 2 y = u y u 4. u 2 x = u x u u x = B.
PodrobnejšieInformačné technológie
Informačné technológie Piatok 15.11. 2013 Matúš Péči Barbora Zahradníková Soňa Duchovičová Matúš Gramlička Začiatok/Koniec Z K Vstup/Výstup A, B Načítanie vstupných premenných A, B resp. výstup výstupných
Podrobnejšie8
8. Funkcie pre prácu s údajmi 8.1. Základné funkcie pre prácu s údajmi MATLAB umožňuje aj štatistické spracovanie údajov. Jednotlivé prvky sú zadávané ako matica (vektor). V prípade matice sa operácie
PodrobnejšieMicrosoft Word - Praktikum_07.doc
33 Praktikum 7: Lineárne optimalizačné úloh Cieľ: Grafick znázorniť množinu prípustných riešení, zobraziť účelovú funkciu, nájsť optimálne riešenie a interpretovať riešenie danej úloh. Metodický postup:
PodrobnejšiePhoto Album
MZDY Stravné lístky COMPEKO, 2019 V programe je prepracovaná práca s evidencoiu stravných lístkov. Z hľadiska dátových štruktúr je spracovanie stravných lístkov rozložené do súborov MZSTRLH.dbf a MZSTRLP.dbf,
PodrobnejšieS L O V E N S K Á M O T O C Y K L O V Á F E D E R Á C I A C E S T N É P R E T E K Y M O T O C Y K L O V NÁRODNÉ ŠPORTOVÉ PREDPISY PRE CESTNÉ PRETEKY M
S L O V E N S K Á M O T O C Y K L O V Á F E D E R Á C I A C E S T N É P R E T E K Y M O T O C Y K L O V NÁRODNÉ ŠPORTOVÉ PREDPISY PRE CESTNÉ PRETEKY MOTOCYKLOV jazda pravidelnosti historických motocyklov
PodrobnejšieVzorové riešenia úlohy 4.1 Bodovanie Úvod do TI 2010 Dôvod prečo veľa z Vás malo málo bodov bolo to, že ste sa nepokúsili svoje tvrdenia dokázať, prič
Vzorové riešenia úlohy 4.1 Bodovanie Úvod do TI 2010 Dôvod prečo veľa z Vás malo málo bodov bolo to, že ste sa nepokúsili svoje tvrdenia dokázať, pričom to je veľmi dôležitá súčasť úlohy. Body sa udeľovali
PodrobnejšieMicrosoft Word - mnohouholnik.doc
Výpočet obsahu mnohouholníka Mnohouholník je daný súradnicami svojich vrcholov: A1[x1, y1], A2[x2, y2],..., An[xn, yn]. Aby sme sa vyhli komplikáciám, obmedzíme sa na prípad konvexného mnohouholníka. Súradnice
PodrobnejšieOperačná analýza 2
Niektoré náhodné procesy majú v praxi veľký význam, pretože sa často vyskytujú, napr.: Poissonov proces proces vzniku a zániku Wienerov proces stacionárne procesy,... Poissonov proces je homogénny Markovov
PodrobnejšieMicrosoft Word - Diskusia11.doc
Univerzita Komenského v Bratislave Fakulta matematiky, fyziky a informatiky MATEMATIKA - 011 sem vlepiť čiarový kód uchádzača Test obsahuje 30 úloh. Na jeho vypracovanie máte 90 minút. Každá úloha spolu
PodrobnejšieJadrova fyzika - Bc.
Základné vlastnosti jadier 1-FYZ-601 Jadrová fyzika ZÁKLADNÉ VLASTNOSTI ATÓMOVÉHO JADRA 3. 10. 2018 Zhrnutie a základné poznatky 2/10 Praktické jednotky v jadrovej fyzike Je praktické využiť pre jednotky
PodrobnejšieDecision of the European Central Bank of 18 April 2019 on the total amount of annual supervisory fees for 2019
SK ROZHODNUTIE EURÓPSKEJ CENTRÁLNEJ BANKY (EÚ) 2019/[XX*] z 18. apríla 2019 o celkovej výšky ročných poplatkov za dohľad za rok 2019 (ECB/2019/10) RADA GUVERNÉROV EURÓPSKEJ CENTRÁLNEJ BANKY, so zreteľom
PodrobnejšieMatematický model činnosti sekvenčného obvodu 7 MATEMATICKÝ MODEL ČINNOSTI SEKVENČNÉHO OBVODU Konečný automat predstavuje matematický model sekvenčnéh
7 MTEMTICKÝ MODEL ČINNOSTI SEKVENČNÉHO OBVODU Konečný automat predstavuje matematický model sekvenčného obvodu. Konečný automat je usporiadaná pätica = (X, S, Y, δ, λ,) (7.) kde X je konečná neprázdna
PodrobnejšieZoznam platných právnych predpisov v odpadovom hospodárstve
Zoznam platných právnych predpisov v odpadovom hospodárstve (k 05.12.2016) Právne predpisy SR: 1. Zákon č. 79/2015 Z.z. o odpadoch a o zmene a doplnení niektorých zákonov, účinnosť od 01.01.2016, okrem:
PodrobnejšieOperačná analýza 2
Krivky (čiary) Krivku môžeme definovať: trajektória (dráha) pohybujúceho sa bodu, jednoparametrická sústava bodov charakterizovaná určitou vlastnosťou,... Krivky môžeme deliť z viacerých hľadísk, napr.:
Podrobnejšie4. Pravidlo ret azenia. Často sa stretávame so skupinami premenných, ktoré zložitým spôsobom závisia od iných skupín premenných. Pravidlo ret azenia p
4. Pravidlo ret azenia. Často sa stretávame so skupinami premenných, ktoré zložitým spôsobom závisia od iných skupín premenných. Pravidlo ret azenia pre funkcie viacerých premenných je univerzálna metóda,
PodrobnejšieCvičenie 9 Riešené príklady 1. Príklad min f(x 1, x 2 ) = x x x 1 s.t. x 1 80 x 1 + x Pre riešenie úlohy vykonáme nasledujúce kroky
Cvičenie 9 Riešené príklady 1. Príklad min f(x 1, x 2 ) = x 2 1 + x2 2 + 60x 1 s.t. x 1 80 x 1 + x 2 120 Pre riešenie úlohy vykonáme nasledujúce kroky: 1. Najskôr upravíme ohraničenia do tvaru a následne
PodrobnejšieÚloha č.2 Meranie odporu rezistorov Vladimír Domček Astrofyzika semester Skupina č Laboratórne podmienky: Teplota: 22,6 C Tlak:
Úloha č.2 Meranie odporu rezistorov Vladimír Domček Astrofyzika 394013 2. semester Skupina č.8 15.3.2012 Laboratórne podmienky: Teplota: 22,6 C Tlak: 100 kpa Vlhkosť: 48% 1 Zadanie rčenie odporu 2 rezistorov
PodrobnejšieKOMBINOVAN PRESTUP TEPLA PRDENM A RADICIOU
RONOÁHA KAALINA ARA IACZLOŽKOÉHO SYSÉMU Ceľ: Merane kompletných rovnovážnych LE údajov vaczložkového systému pr rôznych tlakoch Kompletzáca rovnovážnych údajov. ýpočet bnárnych parametrov najpoužívanejších
PodrobnejšieMicrosoft Word - Transparencies03.doc
3. prednáška Teória množín II relácie o operácie nad reláciami o rovnosť o usporiadanosť funkcie o zložená funkcia o inverzná funkcia. Verzia: 20. 3. 2006 Priesvitka: 1 Relácie Definícia. Nech X a Y sú
PodrobnejšieZnalec: Ing. Ján Skaloš, Jelačičova 10, Bratislava Znalecký odbor: Doprava cestná Objednávateľ: LIDL SLOVENSKÁ REPUBLIKA, v.o.s. Bratislava Ruž
Znalec: Ing. Ján Skaloš, Jelaččova 10, 821 09 Bratslava Znalecký odbor: Doprava cestná Objednávateľ: LIDL SLOVENSKÁ REPUBLIKA, v.o.s. Bratslava Ružnov, Ružnovská 1 Číslo spsu (objednávky): písomná objednávka
PodrobnejšieSTRUČNÝ NÁVOD KU IP-COACHU
STRUČNÝ NÁVOD KU COACHU 6 Otvorenie programu a voľba úlohy na meranie Otvorenie programu Program COACH na meranie otvoríme kliknutím na ikonu Autor na obrazovke, potom zvolíme Užívateľskú úroveň Pokročilý
PodrobnejšieMicrosoft Word - veronika.DOC
Telesá od Veroniky Krauskovej z 3. B Teleso uzavretá obmedzená časť priestoru Mnohosten je časť priestoru, ktorá je ohraničená mnohouholníkmi. Uhlopriečky, ktoré patria do niektorej steny sú stenové uhlopriečky,
PodrobnejšieEkon Supply of labour by John Pencavel
Labour supply of men by John Pencavel Prednáša: V. Kvetan (EÚ SAV) Obsah kapitoly Úvod Empirické regulácie Trendy v pracovnom správaní Cross sekčné odchýlky v pracovnom správaní Koncepčný rámec Kanonický
PodrobnejšiePrezentácia programu PowerPoint
Priestorové analýzy a modelovanie Prednáška 5 Názov prednášky: Jadrové analýzy hustoty, Geograficky vážená regresia Osnova prednášky: Jadrové analýzy hustoty - population parameter - zohľadnenie váhy Geograficky
PodrobnejšieTue Oct 3 22:05:51 CEST Začiatky s jazykom C 2.1 Štruktúra programu Štruktúra programu by sa dala jednoducho popísať nasledovnými časťami, kto
Tue Oct 3 22:05:51 CEST 2006 2. Začiatky s jazykom C 2.1 Štruktúra programu Štruktúra programu by sa dala jednoducho popísať nasledovnými časťami, ktoré si postupne rozoberieme: dátové typy príkazy bloky
PodrobnejšieSK MATEMATICKÁOLYMPIÁDA skmo.sk 66. ročník Matematickej olympiády 2016/2017 Riešenia úloh domáceho kola kategórie Z9 1. Vo všetkých deviatich políčkac
SK MTEMTIKÁOLYMPIÁD skmo.sk 66. ročník Matematickej olympiády 2016/2017 Riešenia úloh domáceho kola kategórie Z9 1. Vo všetkých deviatich políčkach útvaru majú byť vyplnené prirodzené čísla tak, aby platilo:
Podrobnejšie1
1. CHARAKTERISTIKA DIGITÁLNEHO SYSTÉMU A. Charakteristika digitálneho systému Digitálny systém je dynamický systém (vo všeobecnosti) so vstupnými, v čase premennými veličinami, výstupnými premennými veličinami
PodrobnejšieNadpis/Titulok
Mesačný bulletin NBS, apríl 2015 Odbor ekonomických a menových analýz Tvrdé indikátory Februárové tržby, produkcia a export potvrdzujú očakávania zrýchleného rastu HDP v 1Q2015. Nastalo oživenie automobilového
PodrobnejšieŠpeciálna základná škola, Odborárska 2, Košice V ý z v a na predloženie cenovej ponuky - Dodávka stravných poukážok Zákazka je zadávaná postupo
Špeciálna základná škola, Odborárska 2, 040 01 Košice V ý z v a na predloženie cenovej ponuky - Dodávka stravných poukážok Zákazka je zadávaná postupom podľa 117 Zákona č. 343/ 2015 Z. z. o verejnom obstarávaní
PodrobnejšieInformačná a modelová podpora pre kvantifikáciu prvkov daňovej sústavy SR
Nelineárne optimalizačné modely a metódy Téma prednášky č. 5 Prof. Ing. Michal Fendek, CSc. Katedra operačného výskumu a ekonometrie Ekonomická univerzita Dolnozemská 1 852 35 Bratislava Označme ako množinu
PodrobnejšieSTRUČNÝ NÁVOD KU IP-COACHU
STRUČNÝ NÁVOD KU COACHU 5 Otvorenie programu a voľba úlohy na meranie Otvorenie programu Program IP- COACH na meranie otvoríme kliknutím na ikonu na obrazovke: Obr.1 Voľba úlohy na meranie Po kliknutí
Podrobnejšie