Professional Documents
Culture Documents
MATEMATIKA 3A - Formule PDF
MATEMATIKA 3A - Formule PDF
Aproksimacija i interpolacija
o 𝑓[𝑥𝑘 ] = 𝑓𝑘 , 𝑘 = 0, … , 𝑛
HINKO FUŠ 1
- Diskretna metoda najmanjih kvadrata
o Linearna funkcija: 𝜑(𝑥) = 𝑎0 𝜑0 (𝑥) + 𝑎1 𝜑1 (𝑥) + ⋯ + 𝑎𝑚 𝜑𝑚 (𝑥)
2
o 𝑆 = 𝑆(𝑎0 , … , 𝑎𝑚 ) = ∑𝑛𝑘=0(𝑓𝑘 − 𝜑(𝑥𝑘 )) → 𝑚𝑖𝑛
𝜕𝑆
o Uvjeti: 𝜕𝑎 = 0, 𝑘 = 0, … , 𝑛
𝑘
o Linearizacija
𝜑(𝑥) = 𝑎0 𝑥 𝑎1 𝜓(𝑥) = 𝑙𝑜𝑔𝜑(𝑥) = log(𝑎0 ) + 𝑎1 𝑙𝑜𝑔𝑥, ℎ𝑘 = 𝑙𝑜𝑔𝑓𝑘
1 1 1
𝜑(𝑥) = 𝜓(𝑥) = = 𝑎0 + 𝑎1 𝑥, ℎ𝑘 =
𝑎0 +𝑎1 𝑥 𝜑(𝑥) 𝑓𝑘
𝑥 𝑥 ℎ𝑘
𝜑(𝑥) = 𝑎0 +𝑎1 𝑥
𝜓(𝑥) = 𝜑(𝑥) = 𝑎0 + 𝑎1 𝑥, ℎ𝑘 = 𝑓
𝑘
𝑥 1 −𝑥 1
𝜑(𝑥) = 𝑎0 +𝑎1 𝑒 −𝑥
𝜓(𝑥) = 𝜑(𝑥) = 𝑎0 + 𝑎1 𝑒 , ℎ𝑘 = 𝑓
𝑘
o Neprekidna metoda najmanjih kvadrata minimiziramo integral a ne sumu
Numerička integracija
HINKO FUŠ 2
Rješavanje nelinearnih jednadžbi
HINKO FUŠ 3
1
- RK-2: 𝑦𝑛+1 = 𝑦𝑛 + (𝑘1 + 𝑘2 )
2
o 𝑘1 = ℎ𝑛 ∙ 𝑓(𝑥𝑛 , 𝑦𝑛 )
o 𝑘2 = ℎ𝑛 ∙ 𝑓(𝑥𝑛 + ℎ𝑛 , 𝑦𝑛 + 𝑘1 )
1
- RK-4: 𝑦𝑛+1 = 𝑦𝑛 + 6 (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
o 𝑘1 = ℎ𝑛 ∙ 𝑓(𝑥𝑛 , 𝑦𝑛 )
1 1
o 𝑘2 = ℎ𝑛 ∙ 𝑓 (𝑥𝑛 + ℎ𝑛 , 𝑦𝑛 + 𝑘1 )
2 2
1 1
o 𝑘3 = ℎ𝑛 ∙ 𝑓 (𝑥𝑛 + 2 ℎ𝑛 , 𝑦𝑛 + 𝑘 )
2 2
o 𝑘4 = ℎ𝑛 ∙ 𝑓(𝑥𝑛 + ℎ𝑛 , 𝑦𝑛 + 𝑘3 )
- Vektorska norma
𝑦
′
o 𝑦⃗ = [ ]𝑦
𝑦 ′′
𝑦′
o 𝑦⃗ ′ = 𝑓⃗(𝑥, 𝑦⃗) = [ 𝑦 ′′ ]
𝑦 ′′′
HINKO FUŠ 4
VJEROJATNOST I STATISTIKA
Definicija vjerojatnosti
𝑝 𝑝𝑜𝑣𝑜𝑙𝑗𝑛𝑖
- Pr(𝐷) ≈ =
𝑚 𝑚𝑜𝑔𝑢ć𝑖
Izvedbe vjerojatnosti
Uvjetna vjerojatnost
Bayersova formula
- Za pokus 𝜀, imamo elementarne ishode (𝜔𝑗 ). Skup svih elementarnih ishoda zovemo Ω. Svaki
od elementarnih ishoda ima vjerojatnost 𝑝.
- Pr(𝐴) = ∑𝜔𝑖 𝑝𝑖
Slučajna varijabla
HINKO FUŠ 5
Očekivanje (diskretne) slučajne varijable
HINKO FUŠ 6
- Funkcija vjerojatnosti binomne slučajne varijable
o Pr(𝐵𝑛𝑝 = 𝑘) = (𝑛𝑘)𝑝𝑘 𝑞 𝑛−𝑘
𝑛! 𝑛∙(𝑛−1)⋯(𝑛−𝑘+1)
o (𝑛𝑘) = 𝑘!(𝑛−𝑘)! = 𝑘!
- Za pronalaženje veze između dvije slučajne varijable potrebne su nam kovarijanca i korelacija
- Veza između varijance i očekivanja slučajne varijable X
2 2
o 𝑉𝑎𝑟(𝑋) = 𝐸((𝑋 − 𝐸(𝑋)) = 𝐸(𝑋 2 − 2𝑋𝐸(𝑋) + 𝐸(𝑋)2 ) = 𝐸(𝑋 2 ) − (𝐸(𝑋))
o 𝐸(𝑋 2 ) = 𝜇𝑥2 + 𝜎𝑥2
- Kovarijanca i korelacija za dvije slučajne varijable X i Y
o 𝐶𝑜𝑣(𝑋, 𝑌) = 𝐸 ((𝑋 − 𝐸(𝑋)) ∙ (𝑌 − 𝐸(𝑌))) = 𝐸(𝑋𝑌) − 𝐸(𝑋)𝐸(𝑌)
𝐶𝑜𝑣(𝑋,𝑌)
o 𝜌(𝑋, 𝑌) =
√𝑉𝑎𝑟(𝑋)𝑉𝑎𝑟(𝑌)
o 𝐸(𝑋𝑌) = 𝜇𝑥 𝜇𝑦 + 𝜌(𝑋, 𝑌)𝜎𝑥 𝜎𝑦
- Za dane slučajne varijable X i Y treba naći najbolju aproksimaciju slučajne varijable Y
varijablom Z oblika 𝑍 = 𝛼𝑋 + 𝛽 (pravac regresije)
o Najbolja aproksimacija slučajne varijable Y nekom familijom slučajnih varijabli 𝑔(𝑥)
koje ovise o 𝑋, je onaj 𝑔∗ (𝑋) za koji vrijedi
2
∆∗ = 𝐸 ((𝑌 − 𝑔∗ (𝑋)) ) = 𝜎𝑌2 (1 − 𝜌(𝑋, 𝑌)2 ) minimalan mogući među svih
funkcijama u familiji 𝑔(𝑥)
∆∗ - srednje-kvadratna greška
𝜎 𝜎
𝑔∗ (𝑋) = 𝜌(𝑋, 𝑌) 𝜎𝑌 𝑋 + 𝜇𝑌 − 𝜌(𝑋, 𝑌) 𝜎𝑌 𝜇𝑋
𝑋 𝑋
Čebiševljeva nejednakost
𝜎2
- Pr(|𝑋 − 𝜇| ≥ 𝜀) ≤ 𝜀2
o 𝜀 – proizvoljni realni broj
- Grana statistike koja kaže kako treba birati uzorak da bi se dobila neka informacija o
populaciji, zove se induktivna statistika. Dio statistike koji se bavi samo opisom neke
HINKO FUŠ 7
izdvojene grupe, bez da se iz toga izvlači ikakav zaključak o cjelokupnoj populaciji, zove se
opisna ili deduktivna statistika
- Neka je zadana slučajna varijabla 𝑌 s funkcijom razdiobe 𝐹. Napravimo n njezinih nezavisnih
identičnih kopija, koje nazivamo s 𝑌1 , … , 𝑌𝑛 s identičnom razdiobom 𝐹. Tako dobivenu 𝑛-
torku slučajnih varijabli nazivamo slučajni uzorak dimenzije 𝑛, a vrijednosti koje one
poprimaju 𝑦1 , … , 𝑦𝑛 nazivamo vrijednostima uzorka.
- Bez obzira izvlačimo li uzorak duljine 𝑛 iz konačne populacije s vraćanjem ili bez vraćanja, ili iz
beskonačne populacije, uvijek je srednja vrijednost očekivanja uzorka jednaka očekivanju
populacije
o 𝜇𝑌 = 𝜇𝑌
- Ako uzorak duljine 𝑛 izvlačimo iz konačne populacije bez vraćanja, onda je varijanca svih
mogućih očekivanja uzoraka
𝜎𝑌2 𝑛𝑝 −𝑛
o 𝜎𝑌2 = ∙
𝑛 𝑛𝑝 −1
- Ako uzorak duljine 𝑛 izvlačimo iz beskonačne populacije ili iz konačne populacije s vraćanjem,
onda je varijanca svih mogućih očekivanja uzoraka
𝜎𝑌2
o 𝜎𝑌2 = 𝑛
- Procjena parametara populacije
o Nepoznato očekivanje 𝜇 populacije 𝑌 procjenjujemo sredinom uzorka
𝑌1 +⋯+𝑌𝑛
𝑌= 𝑛
o Ako je očekivanje poznato, varijancu 𝑉𝑎𝑟(𝑌) procjenjujemo na sljedeći način
2 (𝑌1 −𝜇)2 +⋯+(𝑌𝑛 −𝜇)2
𝑆 = 𝑛
𝜇 – poznato očekivanje slučajne varijable
o Ako je očekivanje nepoznato varijancu procjenjujemo na sljedeći način
2 2
2 (𝑌1 −𝑌) +⋯+(𝑌𝑛 −𝑌)
𝑆 = 𝑛−1
- Intervali pouzdanosti za parametre populacije
o Veliki uzorci 𝑛 ≥ 30
𝜎
o Pr (|𝑦 − 𝜇| < 𝑘 ) = 2𝜙0 (𝑘)
√𝜎
𝑦 – vrijednost slučajne varijable 𝑌
o Ako je uzorak duljine 𝑛 izvučen iz slučajne varijable kojoj je proporcija uspjeha 𝑝,
onda je interval pouzdanosti za p
𝑝(1−𝑝)
𝑝 = 𝑝 ± 𝑘√ 𝑛
𝜎
𝑝=𝑝 ±𝑘 𝑛
√
𝜎
𝑘 𝑛 – greška procjene
√
o Ako je uzorak izvučen iz beskonačne populacije ili iz konačne populacije s vraćanjem
𝑝(1−𝑝) 𝑛𝑝 −𝑛
𝑝 = 𝑝 ± 𝑘√ √ 𝑛 −1
𝑛 𝑝
𝜎 𝑛 −𝑛
𝑝=𝑝± 𝑘√ 𝑝
√𝑛 𝑛𝑝 −1
HINKO FUŠ 8