Stochastické procesy Beáta Stehlíková Finančné deriváty, SvF STU, LS 2011/2012 Stochastické procesy p.1/29

Veľkosť: px
Začať zobrazovať zo stránky:

Download "Stochastické procesy Beáta Stehlíková Finančné deriváty, SvF STU, LS 2011/2012 Stochastické procesy p.1/29"

Prepis

1 Stochastické procesy Beáta Stehlíková Finančné deriváty, SvF STU, LS 2011/2012 Stochastické procesy p.1/29

2 I. Wienerov proces, Brownov pohyb Stochastické procesy p.2/29

3 Stochastické procesy Stochastický proces - t-parametrický systém of náhodných premenných {X(t),t I}, kde I je interval alebo diskrétna množina Markovov proces - pre danú hodnotu X(s), nasledujúce hodnoty X(t) pre t > s závisia od X(s), ale nie od starších hodnôt X(u), u < s Stochastické procesy p.3/29

4 Wienerov proces Wienerov proces {w(t),t 0} je náhodný proces, ktorý spĺňa: i) w(0)=0 ii) prírastky w(t + ) w(t) majú normálne rozdelenie so strednou hodnotou0adisperziou iii) pre každé delenie t 0 =0<t 1 < t 2 < t 3 <... < t n sú prírastky w(t 1 ) w(t 0 ), w(t 2 ) w(t 1 ),..., w(t n ) w(t n 1 ) nezávislé iv) trajektórie sú spojité Prečo je v bode i) disperzia práve,anie napríklad 2,,... také vol by disperzie by viedli k sporu Stochastické procesy p.4/29

5 Wienerov proces - disperzia Nech0=t 0 < t 1 <... < t n = t je delenie intervalu [0,t]. Potom: (1) w(t) w(0)= n w(t i ) w(t i 1 ). i=1 Z nezávislosti prírastkov (súčet disperzií nezávislých náhodných premenných je súčet ich disperzií): [ n ] D w(t i ) w(t i 1 ) i=1 = n D[w(t i ) w(t i 1 )] i=1 Disperzia l avej a pravej strany (1) sa musí rovnat : D[w(t) w(0)]= n D[w(t i ) w(t i 1 )] i=1 - to platí, ak D[w(t+ ) w(t)] je násobkom, znormujeme na Stochastické procesy p.5/29

6 Wienerov proces - ukážka Ukážka trajektórií Wienerovho procesu: Pre rozdelenie Wienerovho procesu v čase t platí: w(t)=w(t) w(0) N(0,t) Stochastické procesy p.6/29

7 Brownov pohyb Brownov pohyb: x(t)=µt+σw(t), kde w(t) je Wienerov proces Pravdepodobnostné rozdelenie: x(t)=µt+σw(t) N(µt,σ 2 t) Ukážka trajektórií spolu so strednou hodnotou: Stochastické procesy p.7/29

8 II. Geometrický Brownov pohyb, ceny akcií Stochastické procesy p.8/29

9 Geometrický Brownov pohyb Geometrický Brownov pohyb: x(t)=x 0 exp(µt+σw(t)), kde w(t) je Wienerov proces Ukážka trajektórií spolu so strednou hodnotou: Odvodíme teraz strednú hodnotu a disperziu geometrického Brownovho pohybu. Stochastické procesy p.9/29

10 GBP - stredná hodnota, disperzia Pripome ˇme si z pravdepodobnosti: Ak X je náhodná premenná s hustotou f, tak stedná hodnota náhodnej premennej g(x) je g(x)f(x)dx. Takže napríklad: E[e X ]= ex f(x)dx. V našom prípade: pričom E[x 0 exp(µt+σw(t))]=x 0 E[exp(µt+σw(t))], µt+σw(t) N(µt,σt), takže µt + σw(t) má hustotu f(x)= 1 e (x µt)2 2πσ 2 2σ 2 t t Stochastické procesy p.10/29

11 GBP - stredná hodnota, disperzia Takže: E [ e µt+σw(t)] = e x 1 e (x µt)2 2πσ 2 2σ 2 t t dx = = = e µt+ σ2 t 2 = e µt+ σ2 t 2 h 1 (x µt) 2πσ 2 t e 2σ 2 t 2 i x dx 1 e [x (µt+σ2 t)] 2 2µσ 2 t 2 σ 4 t 2 2πσ 2 2σ 2 t t 1 e [x (µt+σ2 t)] 2 2πσ 2 2σ 2 t t dx dx Stochastické procesy p.11/29

12 GBP - stredná hodnota, disperzia Disperzia: D[x 0 exp(µt+σw(t))]=x 2 0 D[exp(µt+σw(t))] Využijeme, že disperziu náhodnej premennej X vieme vyjadrit ako D[X]=E[X 2 ] (E[X]) 2 - potrebujeme teda E [ ( e µt+σw(t) ) 2 ] Podobne ako pri výpočte strednej hodnoty: E[ ( e µt+σw(t)) 2 ] = = e 2µt+2σ2 t (e x ) 2 1 e (x µt)2 2πσ 2 2σ 2 t t dx Stochastické procesy p.12/29

13 GBP - stredná hodnota, disperzia Zhrnutie: E[x 0 exp(µt+σw(t))] = x 0 e µt+ σ2 t 2 ( ) D[x 0 exp(µt+σw(t))] = x 2 0 e 2µt+σ2 t e σ2t 1 Iné odvodenie týchto vzt ahov: vypočítame hustotu rozdelenia geometrického Brownovho pohybu (lognormálne rozdelenie - uvedené v príkladoch na precvičenie z prvého cvičenia) a z nej zrátame strednú hodnotu a disperziu učebnica [Ševčovič, Stehlíková, Mikula], str použitím Itóovej lemy neskôr na tejto prednáške Stochastické procesy p.13/29

14 Model pre ceny akcií Motivácia - reálne ceny akcie, vyznačený trend Stochastické procesy p.14/29

15 Model pre ceny akcií Model: cena akcie S(t) sa riadi geometrickým Brownovym pohybom: Výnosy: výpočet I: S t S t t S t t úročeniu: S t S t t S t t výpočet II:ln ( St úročeniu: ln S(t)=S 0 exp(µt+σw(t)), ( St S t t ) S t t - zodpovedá diskrétnemu = r S t =(1+r)S t t ) - zodpovedá spojitému = r S t = e r S t t Stochastické procesy p.15/29

16 Model pre ceny akcií Budeme používat vzorec II: vynos t =ln ( St S t t Poznamenajme, že tieto dva výpočty výnosu dajú podobný číselný výsledok: ln ( St S t t ) = ln = ln ) ( 1+ S t ) 1 S t t ( 1+ S t S t t S t t ) S t S t t S t t leboln(1+x) x pre x 0 Stochastické procesy p.16/29

17 Model pre ceny akcií Pripomeňme si model pre akciu: S(t)=S 0 e µt+σw(t) Pre výnosy potom dostaneme: ln ( St S t t ) ( ) S 0 e µt+σw(t) = ln S 0 e µ(t t)+σw(t t) = ln a tieto výnosy sú nezávislé (e µ t+σ(w(t) w(t t))) = µ t+σ(w(t) w(t t)) N(µ t,σ 2 t) Stochastické procesy p.17/29

18 Odhad parametrov GBP z cien akcií POSTUP: 1. Označme t=časový interval medzi dvoma cenami akcií v rokoch 2. Vypočítame výnosy - podl a modelu sú nezávislé s rozdelením N(µ t,σ 2 t) 3. Odhadneme ich strednú hodnotu a disperziu: m=aritmetický priemer výnosov odhad strednej hodnoty µ s 2 = výberová disperzia výnosov odhad disperzie σ 2 4. Odhadneme parametre GBP: µ= m t, σ= s 2 t Stochastické procesy p.18/29

19 Odhad parametrov z cien akcií - príklad Dáta z prvého cvičenia - ceny GOOG v rokoch 2009 a 2010: Dostali sme odhady: Stochastické procesy p.19/29

20 Odhad parametrov z cien akcií - príklad Simulácia vývoja v roku niekol ko trajektórií GBP s odhadnutými parametrami štartujúcich z posdlednej hodnoty v roku 2010: Stredná hodnota, porovnanie so skutočným vývojom - v príklaoch na precvičenie k prvému cvičeniu Stochastické procesy p.20/29

21 III. Itóova lema Stochastické procesy p.21/29

22 Itóova lema In precisely built mathematical structures, mathematicians find the same sort of beauty others find in enchanting pieces of music, or in magnificent architecture without numerical formulae, I could never communicate the sweet melody played in my heart. Stochastic differential equations, called "Ito Formula," are currently in wide use for describing phenomena of random fluctuations over time. When I first set forth stochastic differential equations, however, my paper did not attract attention. It was over ten years after my paper that other mathematicians began reading my "musical scores" and playing my "music" with their "instruments." K. Ito, My Sixty Years in Studies of Probability Theory : acceptance speech of the Kyoto Prize in Basic Sciences (1998). Stochastické procesy p.22/29

23 Itóova lema Itóova lema - ako počítat diferenciál náhodných funkcií: Na obrázku: Čomu sa rovná dx, ak x=w 3, kde w je Wienerov proces? Stochastické procesy p.23/29

24 Itóova lema - znenie Nech f(x,t) je C 2 hladká funkcia premenných x,t a nech proces {x(t), t 0} vyhovuje stochastickej diferenciálnej rovnici: dx=µ(x,t)dt+σ(x,t)dw, Potom df = f ( ) f x dx+ t +1 2 σ2 (x,t) 2 f x 2 dt ( ) f = t + µ(x,t) f x +1 2 σ2 (x,t) 2 f x 2 dt+σ(x,t) f x dw Stochastické procesy p.24/29

25 Itóova lema - intuitívny dôkaz Taylorov rozvoj do druhého rádu: df= f t dt+ f x dx+1 2 ( ) 2 f +2 2 f x 2(dx)2 x t dxdt+ 2 f + t 2(dt)2 Z toho, že dw=φ dt, kdeφ N(0,1), dostaneme (dx) 2 = σ 2 (dw) 2 +2µσdw dt+µ 2 (dt) 2 σ 2 dt+o((dt) 3/2 )+O((dt) 2 ) Podobne: dxdt=o((dt) 3/2 )+O((dt) 2 ) Členy rádu dt,dw v rozvoji df teda sú: df= f x dx+ ( ) f t +1 2 σ2 (x,t) 2 f x 2 dt Stochastické procesy p.25/29

26 Itóova lema - príklady Úloha z obrázku: d(w 3 )=3w 2 dw+3wdt Cena akcie riadiaca sa geometrickým Brownovym pohybom S(t)=S 0 e µt+σw(t) : ds= ) (µ+ σ2 Sdt+σSdw 2 Niekedy sa model pre cenu akcie píše v tvare ds= µsdt+σsdw - tiež je to GBP, ale s inými parametrami: S(t)=S 0 e µ σ2 2 t+σw(t) Stochastické procesy p.26/29

27 Momenty GBP - výpočet Itóovou lemou Nech Y(t) = exp(x(t)), kde dx(t) = µdt + σdw Zvolili sme f(t,x)=e x Z toho: de[y] = = ) dy= (µ+ σ2 Y dt+σy dw 2 ) (µ+ σ2 E[Y]dt+σE[Y dw] 2 ) (µ+ σ2 E[Y]dt 2 čo je ODR pre EY(t) Začiatočná podmienka: EY(0) = 1 Stochastické procesy p.27/29

28 Momenty GBP - výpočet Itóovou lemou K výpočtu D[Y] potrebujeme E[Y 2 ]=E[exp(X(t)) 2 ] Zvolíme f(t,x)=(e x ) 2 = e 2x Z toho: d(y(t) 2 )=df=2(µ+σ 2 )Y(t) 2 dt+2σy(t) 2 dw de[(y(t) 2 )]=2(µ+σ 2 )E[(Y(t) 2 ]dt čo je ODR pre E[Y 2 ] Začiatočná podmienka: E[Y(0) 2 ]=1 Stochastické procesy p.28/29

29 Itóova lema pri oceňovaní derivátov Prvý krok pri odvodení Black-Scholesovho modelu na oceňovanie derivátov: Predpokladajme, že cena akcie sa riadi stochastickou diferenciálnou rovnicou ds= µsdt+σsdw Cena derivátu V (napr. opcie) závisí od času t a od ceny akcie S Stochastickú diferenciálnu rovnicu pre cenu derivátu potom dostaneme použitím Itóovej lemy Stochastické procesy p.29/29

Základné stochastické procesy vo financiách

Základné stochastické procesy vo financiách Technická Univerzita v Košiciach Ekonomická fakulta 20. Január 2012 základné charakteristiky zmena hodnoty W t simulácia WIENEROV PROCES základné charakteristiky základné charakteristiky zmena hodnoty

Podrobnejšie

Oceňovanie amerických opcií p. 1/17 Oceňovanie amerických opcií Beáta Stehlíková Finančné deriváty, FMFI UK Bratislava

Oceňovanie amerických opcií p. 1/17 Oceňovanie amerických opcií Beáta Stehlíková Finančné deriváty, FMFI UK Bratislava Oceňovanie amerických opcií p. 1/17 Oceňovanie amerických opcií Beáta Stehlíková Finančné deriváty, FMFI UK Bratislava Oceňovanie amerických opcií p. 2/17 Európske a americké typy derivátov Uvažujme put

Podrobnejšie

Operačná analýza 2

Operačná 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

Podrobnejšie

Modelovanie 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 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

Podrobnejšie

III. 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) 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

Podrobnejšie

4. 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 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,

Podrobnejšie

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 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

Podrobnejšie

Matematika 2 - cast: Funkcia viac premenných

Matematika 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

Podrobnejšie

Autoregresné (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 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

Podrobnejšie

SRPkapitola06_v1.docx

SRPkapitola06_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

Podrobnejšie

Jednotkový 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 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

Podrobnejšie

Teória pravdepodobnosti Zákony velkých císel

Teória 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

Podrobnejšie

Viacnásobne použitelné oblasti spolahlivosti pre viacrozmernú kalibráciu

Viacnásobne 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

Podrobnejšie

Jozef 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 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.

Podrobnejšie

Microsoft Word - 6 Výrazy a vzorce.doc

Microsoft 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

Podrobnejšie

8 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. 1.2 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

Podrobnejšie

Metódy 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 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,

Podrobnejšie

POZNÁMKY K PREDNÁŠKAM PRAVDEPODOBNOSŤ A ŠTATISTIKA 1-MAT-180 KAMŠ FMFI Katarína Janková 1.prednáška Teória pravdepodobnosti sa zaoberá modelovaním exp

POZNÁMKY K PREDNÁŠKAM PRAVDEPODOBNOSŤ A ŠTATISTIKA 1-MAT-180 KAMŠ FMFI Katarína Janková 1.prednáška Teória pravdepodobnosti sa zaoberá modelovaním exp POZNÁMKY K PREDNÁŠKAM PRAVDEPODOBNOSŤ A ŠTATISTIKA 1-MAT-180 KAMŠ FMFI Katarína Janková 1.prednáška Teória pravdepodobnosti sa zaoberá modelovaním experimentov náhodnej povahy. V mnohých situáciách opakovanie

Podrobnejšie

Čísla Nájdite všetky dvojice prirodzených čísiel, ktoré vyhovujú rovnici: 2 ( a+ b) ( a b) + 2b ( a+ 2b) 2b = 49 RIEŠENIE ( ) ( ) ( ) 2 a+ b a

Čísla 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

Podrobnejšie

Funkcie viac premenných

Funkcie viac premenných Funkcie viac premenných January 21, 215 Regulárne zobrazenia Nech je zobrazenie X = Φ(T) dané rovnicami: x 1 = ϕ 1 (t 1, t 2,, t n), x 2 = ϕ 2 (t 1, t 2,, t n), x n = ϕ n(t 1, t 2,, t n), a ak majú funkcie

Podrobnejšie

8

8 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

Podrobnejšie

Axióma výberu

Axióma výberu Axióma výberu 29. septembra 2012 Axióma výberu Axióma VIII (Axióma výberu) ( S)[( A S)(A ) ( A S)( B S)(A B A B = ) ( V )( A S)( x)(v A = {x})] Pre každý systém neprázdnych po dvoch disjunktných množín

Podrobnejšie

Neineárne programovanie zimný semester 2018/19 M. Trnovská, KAMŠ, FMFI UK 1

Neineárne programovanie zimný semester 2018/19 M. Trnovská, KAMŠ, FMFI UK 1 Neineárne programovanie zimný semester 2018/19 M. Trnovská, KAMŠ, FMFI UK 1 Metódy riešenia úloh nelineárneho programovania využívajúce Lagrangeovu funkciu 2 Veta: Bod ˆx je optimálne riešenie úlohy (U3)

Podrobnejšie

PARAMETRE RHO A VEGA PRE FORWARD-START OPCIE Marek Ďurica ÚVOD Nakoľko časový vývoj cien aktív je nestály a sú možné aj prudké poklesov cien aktív, je

PARAMETRE RHO A VEGA PRE FORWARD-START OPCIE Marek Ďurica ÚVOD Nakoľko časový vývoj cien aktív je nestály a sú možné aj prudké poklesov cien aktív, je PARAMETRE RHO A VEGA PRE FORWARD-START OPCIE Marek Ďurica ÚVOD Nakoľko časový vývoj cien aktív je nestály a sú možné aj prudké poklesov cien aktív, je snahou investorov minimalizovať možné straty, ktoré

Podrobnejšie

Prenosový kanál a jeho kapacita

Prenosový kanál a jeho kapacita Prenosový kanál a jeho kapacita Stanislav Palúch Fakulta riadenia a informatiky, Žilinská univerzita 5. mája 2011 Stanislav Palúch, Fakulta riadenia a informatiky, Žilinská univerzita Prenosový kanál a

Podrobnejšie

PowerPoint Presentation

PowerPoint 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,

Podrobnejšie

Preco kocka stací? - o tom, ako sú rozdelené vlastné hodnoty laplasiánu v limite, ked sú velké

Preco 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

Podrobnejšie

1. 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

1. 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

Podrobnejšie

Pokrocilé programovanie XI - Diagonalizácia matíc

Pokrocilé 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

Podrobnejšie

Cvičenie 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 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

Podrobnejšie

Durica_Svabova

Durica_Svabova Delta and Gamma parameter of the Black model of the futures option pricing Parametre delta a gamma Blackovho modelu oceňovania futures opcií Marek Ďurica, Lucia Švábová Abstract The paper deals with analysis

Podrobnejšie

Slide 1

Slide 1 SÚSTAVA TRANSF. VZŤAHY Plošné, objemové element Polárna Clindrická rcos rsin rcos r sin z z ds rddr dv rddrdz rcossin Sférická r sin sin dv r sin drd d z rcos Viacrozmerné integrál vo fzike Výpočet poloh

Podrobnejšie

Numerické riešenie všeobecnej (klasickej) DMPK rovnice.

Numerické 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

Podrobnejšie

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

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 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

Podrobnejšie

VZTAH STUDENTŮ VŠ K DISCIPLÍNÁM TEORETICKÉ INFORMATIKY

VZTAH STUDENTŮ VŠ K DISCIPLÍNÁM TEORETICKÉ INFORMATIKY 5. vedecká konferencia doktorandov a mladých vedeckých pracovníkov LIMITA A DERIVÁCIA FUNKCIE UKÁŽKA KVANTITATÍVNEHO VÝSKUMU Ján Gunčaga The present paper is devoted to a qualitative research related to

Podrobnejšie

Slide 1

Slide 1 Diferenciálne rovnice Základný jazyk fyziky Motivácia Typická úloha fyziky hľadanie časových priebehov veličín, ktoré spĺňajú daný fyzikálny zákon. Určte trajektóriu telesa rt ( )???? padajúceho v gravitačnom

Podrobnejšie

Snímka 1

Snímka 1 Fyzika - prednáška 8 Ciele 3. Kmity 3.1 Netlmený harmonický kmitavý pohyb 3. Tlmený harmonický kmitavý pohyb Zopakujte si Výchylka netlmeného harmonického kmitavého pohybu je x = Asin (ω 0 t + φ 0 ) Mechanická

Podrobnejšie

Statika konštrukcií - prednášky

Statika konštrukcií - prednášky PEDAGOGICKÁ DOKUMENTÁCIA PREDMETU Názov : Statika konštrukcií Identifikačné číslo : B-501205 Garantujúca katedra, ústav : Katedra stavebnej mechaniky, Ústav inžinierskeho staviteľstva Študijný odbor :

Podrobnejšie

Generovanie viacstavových modelov a ich riešenie v Maxime 1 Jozef Fecenko Abstrakt Cieľom príspevku je prezentovať zdrojový kód v open source systéme

Generovanie viacstavových modelov a ich riešenie v Maxime 1 Jozef Fecenko Abstrakt Cieľom príspevku je prezentovať zdrojový kód v open source systéme Generovanie viacstavových modelov a ich riešenie v Maxime 1 Jozef Fecenko Abstrakt Cieľom príspevku je prezentovať zdrojový kód v open source systéme Maxima na generovanie viacstavových Markovovských modelov,

Podrobnejšie

Relačné a logické bázy dát

Relačné a logické bázy dát Unifikácia riešenie rovníc v algebre termov Ján Šturc Zima, 2010 Termy a substitúcie Definícia (term): 1. Nech t 0,..., t n -1 sú termy a f je n-árny funkčný symbol, potom aj f(t 0,..., t n -1 ) je term.

Podrobnejšie

Pokrocilé programovanie II - Nelineárne iteracné schémy, chaos, fraktály

Pokrocilé programovanie II - Nelineárne iteracné schémy, chaos, fraktály Pokročilé programovanie II Nelineárne iteračné schémy, chaos, fraktály Peter Markoš Katedra experimentálnej fyziky F2-253 Letný semester 27/28 Obsah Logistická mapa - May Period doubling, podivný atraktor,

Podrobnejšie

SK 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 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

Podrobnejšie

Microsoft Word - Final_test_2008.doc

Microsoft Word - Final_test_2008.doc Záverečná písomka z Matematiky pre kog. vedu konaná dňa 3. 1. 008 Príklad 1. Odpovedzte na otázky z výrokovej logiky: (a Ako je definovaná formula (b Aký je rozdiel medzi tautológiou a splniteľnou formulou

Podrobnejšie

Microsoft Word - Diskusia11.doc

Microsoft 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

Podrobnejšie

Vybrané kapitoly zo štatistickej fyziky - domáce úlohy Michal Koval 19. mája 2015 Domáca úloha č. 1 (pochádza z: [3]) Systém pozos

Vybrané kapitoly zo štatistickej fyziky - domáce úlohy Michal Koval 19. mája 2015 Domáca úloha č. 1 (pochádza z: [3]) Systém pozos Vybrané kapitoly zo štatistickej fyziky - domáce úlohy Michal Koval koval@fmph.uniba.sk 19. mája 2015 Domáca úloha č. 1 (pochádza z: [3]) Systém pozostávajúci z N nezávislých spinov. Každý zo spinov sa

Podrobnejšie

Úlohy o veľkých číslach 6. Deliteľnosť In: Ivan Korec (author): Úlohy o veľkých číslach. (Slovak). Praha: Mladá fronta, pp Persistent UR

Úlohy o veľkých číslach 6. Deliteľnosť In: Ivan Korec (author): Úlohy o veľkých číslach. (Slovak). Praha: Mladá fronta, pp Persistent UR Úlohy o veľkých číslach 6. Deliteľnosť In: Ivan Korec (author): Úlohy o veľkých číslach. (Slovak). Praha: Mladá fronta, 1988. pp. 68 75. Persistent URL: http://dml.cz/dmlcz/404183 Terms of use: Ivan Korec,

Podrobnejšie

Matematický model činnosti sekvenčného obvodu 7 MATEMATICKÝ MODEL ČINNOSTI SEKVENČNÉHO OBVODU Konečný automat predstavuje matematický model sekvenčnéh

Matematický 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

Podrobnejšie

Ekon Supply of labour by John Pencavel

Ekon 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

Podrobnejšie

MO_pred1

MO_pred1 Modelovanie a optimalizácia Ľudmila Jánošíková Katedra dopravných sietí Fakulta riadenia a informatiky Žilinská univerzita, Žilina Ludmila.Janosikova@fri.uniza.sk 041/5134 220 Modelovanie a optimalizácia

Podrobnejšie

Informačné technológie

Informačné 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

Podrobnejšie

Technická Univerzita Košice Matematicko počítačové modelovanie Vysokoškolská učebnica Košice 2013

Technická Univerzita Košice Matematicko počítačové modelovanie Vysokoškolská učebnica Košice 2013 Technická Univerzita Košice Matematicko počítačové modelovanie Vysokoškolská učebnica Košice 013 Technická Univerzita Košice Matematicko počítačové modelovanie Vysokoškolská učebnica Jozef Džurina Blanka

Podrobnejšie

Podpora metód operačného výskumu pri navrhovaní systému liniek doc. RNDr. Štefan PEŠKO, CSc. Katedra matematických metód, Fa

Podpora metód operačného výskumu pri navrhovaní systému liniek doc. RNDr. Štefan PEŠKO, CSc. Katedra matematických metód, Fa Podpora metód operačného výskumu pri navrhovaní systému liniek doc. RNDr. Štefan PEŠKO, CSc. stefan.pesko@fri.uniza.sk Katedra matematických metód, Fakulta riadenia a informatiky, Žilinská univerzita v

Podrobnejšie

Priebeh funkcie

Priebeh 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

Podrobnejšie

Stat1_CV1 VES

Stat1_CV1 VES Štatistika 1 Cvičenie č. 1 Triedenie, Aritmetický priemer Príklad č. 1 Pri sledovaní výkonnosti zamestnancov sa v 20 sledovaných dňoch zistili nasledovné údaje o počte vybavených klientov počas smeny v

Podrobnejšie

O možnosti riešenia deformácie zemského povrchu z pohladu metódy konecných prvkov konference pro studenty matematiky

O možnosti riešenia deformácie zemského povrchu z pohladu metódy konecných prvkov konference pro studenty matematiky O možnosti riešenia deformácie zemského povrchu z pohľadu metódy konečných prvkov 19. konference pro studenty matematiky Michal Eliaš ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Katedra matematiky 7. 9. 6. 2011

Podrobnejšie

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, 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, 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

Podrobnejšie

Prezentácia programu PowerPoint

Prezentácia programu PowerPoint Úvod do teórie hromadnej obsluhy (THO) s praktickými príkladmi Prednáška 5 20.10.2015 Ing. Marek Kvet, PhD. Použité zdroje & užitočné odkazy Knihy, učebnice: K. Janková, S. Kilianová, P. Brunovský, P.

Podrobnejšie

Snímka 1

Snímka 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

Podrobnejšie

Microsoft Word - titulna strana_tiraz_Riecan

Microsoft Word - titulna strana_tiraz_Riecan Miniteória pravdepodobnosti Beloslav Riečan 2015 MINITÓRIA PRAVDPODOBNOSTI Autor : Dr.h.c. prof. RNDr. Beloslav Riečan, DrSc. Recenzovali : doc. RNDr. Katarína Janková, CSc. doc. RNDr. Marta Vrábelová,

Podrobnejšie

Microsoft Word - mpicv11.doc

Microsoft Word - mpicv11.doc 1. Vypočítajte obsah plochy ohraničenej súradnicovými osami a grafom funkcie y = x. a) vypočítame priesečníky grafu so súradnicovými osami x=... y = = y =... = x... x= priesečníku grafu funkcie so ; a

Podrobnejšie

WP summary

WP 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

Podrobnejšie

Úvod do lineárnej algebry Monika Molnárová Prednášky 2006

Úvod 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........................

Podrobnejšie

A 1

A 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

Podrobnejšie

Simanova.Barbora

Simanova.Barbora The distribution function as a tool for judging the extent of risk Distribučná funkcia ako nástroj posudzovania miery rizika Barbora Simanová 1 Abstract The aim of the paper is to present some functions

Podrobnejšie

Microsoft Word - MAT_2018_1 kolo.docx

Microsoft Word - MAT_2018_1 kolo.docx Gymnázium Pavla Horova, Masarykova 1, Michalovce Príklady na prijímacie skúšky do 1. ročníka konané dňa 14. mája 2018 MATEMATIKA V úlohách 1) až 8) je práve jedna odpoveď správna. Túto správnu odpoveď

Podrobnejšie

UNIVERZITA KOMENSKÉHO V BRATISLAVE fakulta matematiky, fyziky a informatiky Aproximácia cien dlhopisov v dvojfaktorových modeloch úrokových mier Diplo

UNIVERZITA KOMENSKÉHO V BRATISLAVE fakulta matematiky, fyziky a informatiky Aproximácia cien dlhopisov v dvojfaktorových modeloch úrokových mier Diplo UNIVERZITA KOMENSKÉHO V BRATISLAVE fakulta matematiky, fyziky a informatiky Aproximácia cien dlhopisov v dvojfaktorových modeloch úrokových mier Diplomová práca 011 Bc. Jana Halga²ová UNIVERZITA KOMENSKÉHO

Podrobnejšie

Informačná a modelová podpora pre kvantifikáciu prvkov daňovej sústavy SR

Informačná 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

Podrobnejšie

Paralelné algoritmy, cast c. 2

Paralelné 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,

Podrobnejšie

APROXIMÁCIA 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 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

Podrobnejšie

Microsoft PowerPoint - Zeman_Senaj.ppt

Microsoft PowerPoint - Zeman_Senaj.ppt DSGE model pre Slovensko Juraj Zeman, Matúš Senaj Cieľ projektu Vytvoriť DSGE model slovenskej ekonomiky, ktorý by slúžil ako laboratórium na štúdium hospodárskych cyklov umožnil analyzovať efekty rôznych

Podrobnejšie

Rozvojom spoločnosti najmä v druhej polovici minulého storočia dochádza čím ďalej tým viac k zásahu človeka do životného prostredia

Rozvojom spoločnosti najmä v druhej polovici minulého storočia dochádza  čím ďalej tým viac k zásahu človeka do životného prostredia 3 Prenos hmoty a energie 3.1 Stacionárny prípad 1. Prúd vody v rieke s prietokom Qs 10m 3 /s má koncentráciu chloridov cs 20mg/l. Prítok rieky s prietokom Qw 5m 3 /s má koncentráciu chloridov cw 40mg/l.

Podrobnejšie

Analýza hlavných komponentov

Analýza hlavných komponentov Value at Risk Voľba parametrov výpočtu VaR Confidence level Dĺžka časového obdobia Hodnota investícií do jednotlivých finančných nástrojov Identifikácia rizikových faktorov Spôsob zohľadnenia korelácií

Podrobnejšie

SK MATEMATICKÁOLYMPIÁDA skmo.sk 2009/ ročník Matematickej olympiády Riešenia úloh IMO 1. Určte všetky funkcie f: R R také, že rovnosť f ( x y

SK MATEMATICKÁOLYMPIÁDA skmo.sk 2009/ ročník Matematickej olympiády Riešenia úloh IMO 1. Určte všetky funkcie f: R R také, že rovnosť f ( x y SK MATEMATICKÁOLYMPIÁDA skmo.sk 2009/2010 59. ročník Matematickej olympiády Riešenia úloh IMO 1. Určte všetky funkcie f: R R také, že rovnosť f ( x y ) = f(x) f(y) platí pre všetky x, y R. (Symbol z označuje

Podrobnejšie

1 Portál pre odborné publikovanie ISSN Heuristický adaptívny PSD regulátor založený na miere kmitavosti Šlezárová Alexandra Elektrotechnika

1 Portál pre odborné publikovanie ISSN Heuristický adaptívny PSD regulátor založený na miere kmitavosti Šlezárová Alexandra Elektrotechnika 1 Portál pre odborné publikovanie ISSN 1338-0087 Heuristický adaptívny PSD regulátor založený na miere kmitavosti Šlezárová Alexandra Elektrotechnika 28.04.2010 Článok spočíva v predstavení a opísaní algoritmu

Podrobnejšie

Operačná analýza 1-00

Operačná analýza 1-00 Operačá aalýza -00 základy teórie odhadu testovaie štatistických hypotéz Základy teórie odhadu. odhad parametra rozdeleia pravdepodobosti. odhad rozdeleia pravdepodobosti X, X, X 3,... X - áhodý výber

Podrobnejšie

trafo

trafo 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

Podrobnejšie

1 Rekurencie este raz riesenia niektorych rekurencii z cvik. mame danu rekurenciu napr T (n) = at ( n b ) + k. idea postupu je postupne rozpisovat cle

1 Rekurencie este raz riesenia niektorych rekurencii z cvik. mame danu rekurenciu napr T (n) = at ( n b ) + k. idea postupu je postupne rozpisovat cle 1 Rekurencie este raz riesenia niektorych rekurencii z cvik. mame danu rekurenciu napr at b + k. idea postupu je postupne rozpisovat cleny T b... teda T b = at + 1... dokym v tom neuvidime nejaky tvar

Podrobnejšie

Metrické 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 Metrické konštrukcie elipsy Soňa Kudličková, Alžbeta Mackovová Elipsu, ako regulárnu kužeľosečku, môžeme študovať synteticky (konštrukcie bodov elipsy) alebo analyticky (výpočet súradníc bodov elipsy).

Podrobnejšie

Paralelné algoritmy, cast c. 3

Paralelné 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,

Podrobnejšie

gis7 prifuk

gis7 prifuk Kartografické aspekty GIS základné pojmy Kartografické aspekty GIS základné pojmy Referenčný elipsoid Geoid Povrch zeme Referenčný elipsoid Kartografické aspekty GIS základné pojmy Referenčný elipsoid

Podrobnejšie

TESTOVANIE STABILITY PROCESU POKRAČOVANIA GRADIOMETRICKÝCH MERANÍ DRUŽICE GOCE NADOL

TESTOVANIE STABILITY PROCESU POKRAČOVANIA GRADIOMETRICKÝCH MERANÍ DRUŽICE GOCE NADOL S L O V E N S K Á E C H N I C K Á U N I V E R Z I A V B R A I S L A V E S A V E B N Á F A K U L A K A E D R A G E O D E I C K Ý C H Z Á K L A D O V ESOVANIE SABILIY PROCESU POKRAČOVANIA GRADIOMERICKÝCH

Podrobnejšie

Cenník motorov

Cenník motorov Motor / špecifikácia Industriálne GX Cena EUR GX25 GX25NT ST SC 309,00 GX25T ST 4 309,00 GX25T S4 309,00 GX25NT TE ZR 339,00 GX35 GX35NT ST SC 335,00 GX35T ST 4 335,00 GX35T T4 379,00 GX50 GX50NT ST SC

Podrobnejšie

Aplikace matematiky- záverečná práca Juraj Bodík 28. septembra 2017 Definície Žena - objekt ohodnotený celým číslom. Každé dve ženy sa dajú porovnat a

Aplikace matematiky- záverečná práca Juraj Bodík 28. septembra 2017 Definície Žena - objekt ohodnotený celým číslom. Každé dve ženy sa dajú porovnat a Aplikace matematiky- záverečná práca Juraj Bodík 28. septembra 207 Definície Žena - objekt ohodnotený celým číslom. aždé dve ženy sa dajú porovnat a rozlíšit, t.j. žiadne dve nemajú rovanké hodnotenie.

Podrobnejšie

Microsoft Word - mnohouholnik.doc

Microsoft 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

Podrobnejšie

UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY MODELY SPOTOVÝCH CIEN ELEKTRICKEJ ENERGIE S PREPÍNANÍM REŽIMOV DIPLOMOVÁ P

UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY MODELY SPOTOVÝCH CIEN ELEKTRICKEJ ENERGIE S PREPÍNANÍM REŽIMOV DIPLOMOVÁ P UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY MODELY SPOTOVÝCH CIEN ELEKTRICKEJ ENERGIE S PREPÍNANÍM REŽIMOV DIPLOMOVÁ PRÁCA 2016 Štefan KRAKOVSKÝ UNIVERZITA KOMENSKÉHO V

Podrobnejšie

Optimal approximate designs for comparison with control in dose-escalation studies

Optimal 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

Podrobnejšie

Základy automatického riadenia - Prednáška 2

Základy automatického riadenia - Prednáška 2 Základy automatického riadenia Predná²ka 2 doc. Ing. Anna Jadlovská, PhD., doc. Ing. Ján Jadlovský, CSc. Katedra kybernetiky a umelej inteligencie Fakulta elektrotechniky a informatiky Technická univerzita

Podrobnejšie

Univerzita Komenského v Bratislave Fakulta Matematiky, Fyziky a Informatiky Niektoré metrické vlastnosti čiastočných náhodných booleovských funkcií Di

Univerzita Komenského v Bratislave Fakulta Matematiky, Fyziky a Informatiky Niektoré metrické vlastnosti čiastočných náhodných booleovských funkcií Di Univerzita Komenského v Bratislave Fakulta Matematiky, Fyziky a Informatiky Niektoré metrické vlastnosti čiastočných náhodných booleovských funkcií Diplomová práca 2013 Bc. Jakub Husár iii Katedra Informatiky

Podrobnejšie

Microsoft Word - skripta3b.doc

Microsoft 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

Podrobnejšie

Operačná analýza 2

Operačná 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.:

Podrobnejšie

Microsoft Word - Zaver.pisomka_januar2010.doc

Microsoft Word - Zaver.pisomka_januar2010.doc Písomná skúška z predmetu lgebra a diskrétna matematika konaná dňa.. 00. príklad. Dokážte metódou vymenovaním prípadov vlastnosť: Tretie mocniny celých čísel sú reprezentované celými číslami ktoré končia

Podrobnejšie

Microsoft Word - Sprava 2005 rocna 03 DEF.doc

Microsoft Word - Sprava 2005 rocna 03 DEF.doc VÚB AM DLHOPISOVÝ EUROFOND, otvorený podielový fond VÚB Asset Management, správ. spol., a.s. Správa o hospodárení k 31.12.2005 Správa o hospodárení k 31.12.2005 VÚB AM DLHOPISOVÝ EUROFOND, otvorený podielový

Podrobnejšie

CDT

CDT EBA/GL/2016/09 04/01/2017 Usmernenia o korekciách modifikovanej durácie v prípade dlhových nástrojov podľa druhého pododseku článku 340 ods. 3 nariadenia (EÚ) 575/2013 1. Povinnosti týkajúce sa dodržiavania

Podrobnejšie

Analýza sociálnych sietí Geografická lokalizácia krajín EU

Analýza sociálnych sietí  Geografická lokalizácia krajín EU Analýza sociálnych sietí Geografická lokalizácia krajín EU Ekonomická fakulta TU v Košiciach 20. februára 2009 Vzt ahy medzi krajinami - teória grafov Doterajšie riešenia 1 problém farbenia grafov (Francis

Podrobnejšie

Programátorské etudy - Pascal

Programátorské etudy - Pascal MODIFIKÁCIA OBRÁZKOV ÚLOHA NA HODINU Dorobte projekt Modifikácia obrázkov, ktorý je zameraný na prácu s grafickou plochou ako dvojrozmerným poľom. Modifikáciu 13 máte predpripravenú. Doprogramujte ďalšie

Podrobnejšie

Jadrova fyzika - Bc.

Jadrova 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

Podrobnejšie