Escolar Documentos
Profissional Documentos
Cultura Documentos
1
Комбинаторика
По једној дефиницији комбинаторика проучава распоређивање
елемената у скуповима. У највећем броју случајева ови скупови су
коначни што се тиче броја елемената, али се проучавају и скупови са
бесконачно много елемената.Две основне области комбинаторике су
комбинације и варијације.
КОМБИНАТОРИКА
КОМБИНАЦИЈЕ ВАРИЈАЦИЈЕ
ВАРИЈАЦИЈЕ БЕЗ
КОМБИНАЦИЈЕ БЕЗ
ПОНАВЉАЊА ВАРИЈАЦИЈЕ СА ПОНАВЉАЊА
КОМБИНАЦИЈЕ ПОНАВЊЉАЊЕМ
СА ПОНАВЉАЊЕМ
2
Z Ако бацамо три коцкице имамо 6∙6∙6 = 216 могућности.
Када је на првом месту један, тада имамо тридесет и шест могућности...
1,1,1 1,2,1 1,3,1 1,4,1 1,5,1 1,6,1
1,1,2 1,2,2 1,3,2 1,4,2 1,5,2 1,6,2
1,1,,3 1,2,3 1,3,3 1,4,3 1,5,3 1,6,3
1,1,4 1,2,4 1,3,4 1,4,4 1,5,4 1,6,4
1,1,5 1,2,5 1,3,5 1,4,5 1,5,5 1,6,5
1,1,6 1,2,6 1,3,6 1,4,6 1,5,6 1,6,6
Када је на првом месту два (три, четири...), тада опет имамо по тридесет
и шест могућности...
3
На првом месту може да буде лице А или Б или В или Г или Д. Значи,
имамо пет могићности. На другом месту имамо четири могућности, а на
трећем месту три могућности. Дакле, укупно: 5∙4∙3=60
Пермутације
Варијације у којима учествују сви елементи (n=k) су пермутације:
V nn =P(n )
4
P(1)=1
P(2)=1⋅2=2
P(3)=1⋅2⋅3=6
P(4 )=1⋅2⋅3⋅4=24
P(5)=1⋅2⋅3⋅4⋅5=120
V nn =P(n )=n(n−1)(n−2)⋅. . .⋅3⋅2⋅1
n
P(n )=n(n−1)(n−2)⋅. . .⋅3⋅2⋅1=∏ i
i=1
4 !=4⋅3⋅2⋅1
4 !=24
(a1 b c
2 3 ) (a1 b c
3 2 ) ( a2 b
1
c
3 ) ( a2 b c
3 1 ) (a3 b c
1 2 ) (a3 b c
2 1 )
a 1
b
c 2
3
Решење: 3!
=6
5
a 1
b
c 2
d
е
3
4
5
6
Комбинације са понављањем
Имамо скуп од n различитих елемената и неки број k. Свака неуређена
k-торка елемената из скупа, у којој се елементи могу и понављати
(редослед елемената у k-торци није битан) зове се комбинација с
понављањем k-тог разреда од n елемената. Број свих комбинација с
понављањем k-тог разреда од n елемената је
( n+k −1)!
K̄ kn = n+k −1 =
( )
k k !(n−1 )!
7
1.1 Математичка логика
Исказни рачун
Исказ је реченица која је или тачна или нетачна. Искази се
обележавају малим словима латинице. Ако је вредност исказа
p тачна, обележава се: τ ( p )=Τ или τ ( p)=1 . Ако је
вредност исказа p нетачна обележава се: τ ( p )=¿ или
τ ( p )=0 .
p q pΛ p q p·
q q
0 0 0 или исто са ознаком „∙”: 0 0 0
0 1 0 0 1 0
1 0 0 1 0 0
1 1 1 1 1 1
A A B B
8
Нпр. код електричних стујних кола, ако имамо два прекидача
повезана редно и сијалицу, тада рад овог кола може да се
интерпретира помоћу конјункције.
p q pΛq
p q pV p q p+
q q
0 0 0 0 0 0
или исто са ознаком “+” :
0 1 1 0 1 1
1 0 1 1 0 1
1 1 1 1 1 1
Помоћу дисјункције у теорији скупова дефинише се унија два
скупа:
AUB ={x|x ∈ A∨x ∈ B}
A B
A B
9
Ако опет ово посматрамо кроз струјно коло, онда овде
добијамо да сијалица неће светлети само када су оба
прекидача отворена („искључена“)
p pVq
Импликација
Импликација два исказа: p q означава погодбену реченицу
„ако је р тада је и q “. Таблица истинитости за импликацију:
p q p
q
0 0 1
0 1 1
1 0 0
1 1 1
А x4 x2
x1
10
p q pq
0 0 1 Ако x1 не припада А, постоји
могућност да не припада и B
0 1 1 Ако x2 не припада А, постоји
могућност да припада B
1 0 0 Ако x3 припада А, немогуће је
да не припада и B
1 1 1 Ако x4 припада А, следи да
припада и B
p q p
q
0 0 1
0 1 0
1 0 0
1 1 1
11
CA ={x|¬( x ∈ A )}
CА
А
Boole-ова алгебра
Формална логика изучава основне форме мишљења. Њени
закони до којих се дошло многовековним искуством,
изражавају извесна битна својства реалности. На темељу
12
формалне логике развила се математичка логика као научна
дисциплина са измењеним предметом изучавања и са другим
математичким апаратом и математичким методама.
Специјална алгебарска структура, тзв. Boole-ова алгебра
дефинише се у литератури на више начина који су међусобно
еквивалентни.
Макстерми, минтерми
13
Практична примена конјункције дисјункције и негације у
пројектовању струјних система је значајна. Преко ове три
функције, свака функција у Буловој алгебри може да се
представи. Ако се запише колона функције коју хоћемо да
реализујемо, битне су јединице у тој колони и у тим редовима
комбинаторне таблице записујемо конјункцију променљивих
тако да ако је вредност променљиве нула онда се записује
њена негација. Те конјункције се „сабирају“.
Конјункције које су конституенте израза називају се минтерми
и оне се „сабирају“. Ако се примени негација форме и
¿ ¿
14
p q r f ( p ,q,r )
0 0 0 1 ¿
0 0 1 0
0 1 0 0
0 1 1 0
1 0 0 1 ¿
1 0 1 0
1 1 0 1 ¿
1 1 1 1 ¿
□ (Битни су редови где је вредност функције 1)
− − − − − − −
f ( p , q , r )= p⋅q⋅r + p q⋅r + p q⋅r + pq r + pqr
15
Сада је потребно још редом записати множиоце ових
„степенованих двојки“ и добија се бинарна представу броја 21:
21↔ 10101
Нпр. броју 7 у бинарном бројном систему одговара број 111:
7=4+ 2+ 1
2 1 0
7=1⋅2 +1⋅2 +1⋅2
7 ↔111
Нпр. броју 90 у бинарном бројном систему одговара број
1011010:
90=64+16+ 8+2
6 5 4 3 2 1 0
90=1⋅2 + 0⋅2 +1⋅2 + 1⋅2 +0⋅2 +1⋅2 + 0⋅2
90 ↔1011010
Основне рачунске операције раде се помоћу логичких
функција (минтерма и макстерма).
1))Tеорија вероватноће
Вероватноћа
У књизи Италијанског математичара Кардана: Liber de luda alea, дата је
класична дефиниција вероватноће као количник броја повољних и броја
могићих догађаја. Постанак и развој теорије вероватноће повезан је са
играма на срећу и варањем у коцкању. Темељ комбинаторне теорије
вероватноће дат је у радовима Паскала, Ферме, Хајгенса, Јакоба
Бернулија...
Z Ако се на случајан начин бира пут дужине 12 од тачке О(0,0) до тачке
А (5,7) и ако је дозвољено кретање само дуж одсечака који спајаjу тачке
са целобројним координатама и паралелни су координатним осама,
одредити вероватноћу да ће пут проћи кроз тачку V(3,2)
16
А
↑ ↑ ↑↑↑ ↑↑
∘∘∘∘∘∘∘∘∘∘∘∘
(53)⋅(72 )
5 ⋅7
p=
( )( )
3 2
=0 , 26515
12
( )
7
17
може се одредити ако су познате поузданости његових компоненти.
Основни начин повезаности две компоненте је редна веза или
паралелна веза.
Ако су две компоненте повезане редно, систем тада ради само ако обе
компоненте раде. Код независних компоненти поузданост или
вероватноћа рада овог система: P= p1⋅p 2
Ако су две компоненте повезане паралелно, систем тада ради ако бар је
једна компонента исправна. Код независних компоненти поузданост или
вероватноћа рада овог система је: P= p1 + p 2− p1⋅p2
18
P( A 1 ∪A 2 ∪A 3 )=P( A1 )+P( A2 )+P( A3 )−P( A 1 A 2 )−P( A1 A3 )−P ( A 2 A 3 )+P( A 1 A2 A 3 )
P= p1⋅p 2⋅p3
Условна вероватноћа
Вероватноћа догађаја А, под условом да се реализово догађај В
означава се: P( A|B ) . Догађај В се сигурно догодио.
Условна вероватноћа на основу ове дефиниције рачуна се
P( AB )
P( A|B )=
P( B)
19
L1 V
L2 V
L4 V L3 V
где је P(V / L1 )
условна вероватноћа (гађао је вука први ловац),
вероватноћа погађања вука је тада 0.3. Вероватноћа P( L1 ) - да је први
ловац гађао вука. По тексту задтка узима се да је једнако вероватно:
1
P( L1 )=P( L2 )=P( L3 )=P( L4 )=
4
P(V )=P (V /L1 )⋅P( L1 )+P(V / L2 )⋅P (L2 )+P(V / L3 )⋅P( L3 )+P (V /L 4 )⋅P( L4 )
P(V )=0 .3⋅0. 25+0 . 7⋅0. 25+0 . 2⋅0 . 25+0 .8⋅0 .25
P(V )=(0 .3+0 .7+0. 2+0 . 8)⋅0 .25
P(V )=0 .5
У општем случају ове формуле, имамо n-ловаца, па је формула потпуне
вероватноће:
P(V )=P (V /L1 )⋅P( L1 )+P(V / L2 )⋅P (L2 )+P(V / L3 )⋅P( L3 )+P (V /L 4 )⋅P( L4 )+......+P(V / Ln )⋅P( Ln )
или у запису помoћу оператора “сигма“
n
P(V )=∑ P(V / Li )⋅P( Li )
i=1
Бајесова формула
Изузетно значајна формула. Ако се базира објашњење на претходном
примеру, онда ова формула даје вероватноћу догађаја: „Вук је погођен,
колика је вероватноћа да га је погодио трећи ловац“
20
P( L3∩V )
P( L3 /V )=
P(V )
P(V / L3 )⋅P( L3 )
P( L3 /V )=
P(V )
1
0 .2⋅
4 0. 05
P( L3 /V )= = =0 .1
0 .5 0. 5
У општем случају: Вук је погођен,колика је вероватноћа да га је погодио
“i-ти“ ловац
P (V /Li )⋅P( Li )
P( Li /V )= =
P (V )
P(V / Li )⋅P( Li )
¿
P(V / L1 )⋅P( L1 )+P(V / L2 )⋅P ( L2 )+P(V / L3 )⋅P( L3 )+P(V / L4 )⋅P( L4 )+. .. . ..+P(V / Ln )⋅P( Ln )
Могућности (хипотезе):
- Вероватноћа да ако је изабрана прва кутија, да је извучена црвена
5
P(C|I )=
куглица: 15
- Вероватноћа да ако је изабрана прва кутија , да је извучена бела
10
P(B|I )=
куглица: 15
- Вероватноћа да ако је изабрана друга кутија, да је извучена црвена
4
P(C|II )=
куглица: 10
- Вероватноћа да ако је изабрана друга кутија, да је извучена бела
6
P(B|II )=
куглица: 10
P( II|C )=?
На основу Бајесове формуле
P( II∩C ) P(C|II )⋅P (II ) P(C|II )⋅P (II ) P (C|II )⋅P( II )
P( II|C )= = = =
P(C ) P(C ) P( I ∩C )+P( II∩C ) P(C|I )⋅P( I )+ P(C|II )⋅P (II )
P(C|II )⋅P( II )
P( II|C )=
P(C|I )⋅P (I )+P(C|II )⋅P( II )
21
4 4 4
⋅0 . 5
2))
P( II|C )=
5
15
10
4
⋅0 .5+ ⋅0 .5
10
=
10 12
27 27
30
( 10 12
= =0. 444 . .= = =0 .545
22 22
30
)
Z У првој кутији налази се исправни машински делови, а у другој кутији
је двадесет пет процената неисправних машинских делова. На случајан
начин узет је машински део, констатовано је да је он исправан. Колика је
вероватноћа да је узет из друге кутије
- Вероватноћа да је изабрана прва кутија једнака је P( I )=0 . 5
- Вероватноћа да је изабрана друга кутија једнака је P( II )=0.5
P( II|M )=?
P( M|I )=1
P( M|II )=0 .75
P( M|II )⋅P(II )
P( II|M )=
P( M|I )⋅P( I )+P( M|II )⋅P( II )
0 .75⋅0 .5 0 .75 3
P( II|M )= = =
1⋅0 . 5+0 .75⋅0 .5 1. 75 7
1 5
a= , b=
за 6 6
5 4 3 2 2 3 4 5
1 5 1 5 1 5 5 1 5 5 1 5 5 1 5 5
( + )5 =
6 6 6
+ ( ) ( )( ) ( ) ( )( ) ( ) ( )( ) ( ) ( )( ) ( ) ( )
1 6
+
6 2 6 6
+
3 6 6
+
4 6 6
+
6
Z Одредити вероватноћу догађаја да у пет бацања коцке три пута падне
3 2
5 1 5
четворка.
P( D)=
2 6 6 ( )( ) ( )
Z Одредити вероватноћу догађаја P( D1 ) да у пет бацања коцке три
или више пута падне четворка
2 3 4 5
5 1 5 5 1 5 5
P( D 1 )=( )( ) ( ) ( )( ) ( ) ( )
3 6 6
+
4 6
+
6 6
Z Одредити вероватноћу поузданости сваке компоненте система, који се
састоји од 6 истих редно везаних компоненти и поузданост система мора
бити бар 95 процената.
22
p6 >0. 95
6
p> √ 0.95
p>0.99149
P P
2 3
P
1 P
4
P
5
P= p1 [ 1−( 1− p 2 p 3 )( 1−p 4 )( 1− p5 ) ]
23
Од n-производа њих m можемо да бирамо на
(mn ) различитих
(mn )
Z Одредити вероватноћу да су од 10 особа, бар две рођене истог дана у
години.
365⋅364⋅363⋅362⋅361⋅360⋅359⋅358⋅357⋅356
p= =0 . 88305
36510
P( D)=1− p
365⋅364⋅363⋅362⋅361⋅360⋅359⋅358⋅357⋅356
=1− 10
365
¿ 1−0 . 88305182≈0 . 1169
Случајна променљива
Функција Х која пресликава скуп елементарних догађаја S y R, назива
се случајна променљива
Закон расподеле вероватноћа дискретне случајне променљиве
Скуп свих уређених парова случајне променљиве и њене вероватноће
( x k , p (x k )) , представља расподелу вероватноћа дискретне случајне
n
∑ p( x k )=1
променљиве под условом да је k=1 .
24
Математичко очекивање
Математичко очекивање дискретне случајне величине назива се збир
производа свих могућих њених вредности и одговарајућих вероватноћа.
Ако случајна величина узима вредности
x 1 ,x 2 , x 3 ,..... x n са
вероватноћама
p1 , p 2 , p 2 ,. .. pn тада је по дефиницији математичко очекивање E( X ) :
n
E( X )=x 1 p1 + x 2 p2 + x 3 p2 + .. .+ x n p n =∑ x i pi
i=1
Математичко очекивање има приближно једнаку вредност аритметичкој
средини посматраних вредности случајне величине.
E(CX )=CE( X )
E( X +Y )=E ( X )+ E(Y )
E( XY )=E( X )⋅E(Y )
2
D( x)=E [ X −E( X )]
Особине дисперзије
25
2 2 2 2
1. D( X )=E( X )−[ E( X )] =E ( X )−E ( X )
2. Дисперзија константе С једнака је нули
D(C )=0
2
D(CX )=C D( X )
D( X +Y )=D( X )+D(Y )
Доказ:
Доказ:
Коваријанса
D( X +Y )=D( X )+D(Y )
26
Ако су Х и У независне случајне променљиве, тада је коваријанса
једнака нули
Cov( X , Y )=E( XY )−E( X ) E(Y )=0
Обрнуто не мора да важи: ако је коваријанса једнака нули, да су тада
случајне променљиве независне
X : −1 0 2
( )
1/2 1/4 1/4
1 1 1
m=E( X )=∑ x k p k =−1⋅ +0⋅ +2⋅ =0
k 2 4 4
1 1 1 3
m2=E ( X 2 )=∑ ( x k )2⋅pk =(−1)2⋅ +0 2⋅ +2 2⋅ =
k 2 4 4 2
3 3
σ 2 =m2 −m 2= −0 2=
2 2
3 )) proveriti podelu sa 4
27
1 1
1
2 3 8⋅2
4x 8
P( D)=(1− ∫ 4⋅x 2 dx ):4=(1− | ): 4=(1− ):4
1
3 −1 3
− 2
2
2
3 1
P( D)= =
4 6
− − ____
P(S n =k )= n pk ( 1− p )n−k
()
k
б) 0 0
в) P(S 5 ≤3)=1−P( S5 >3)=1−((P (S 5=4 )+P(S 5 =5)=0 . 9994
28
Pk =P { X=k }= (4k ) 0 .6 ( 1−0 . 6)
k 4−k
, k=1,2,3,4
2 4 16
P0 =0 . 4 4 =
5 ()
= =0 .0256
625
P1=4⋅0 .6⋅0 . 4 3=0. 1536
P2 =6⋅0 . 62⋅0 . 42 =0 . 3456
P3 =4⋅0 . 63⋅0. 4=0 .3456
P4 =0 . 6 4 =0 .1296
Закон расподеле вероватноћа случајне променљиве Х:
0 1 2 3 4
( 0 .0256 0 .1536 0 .3456 0 .3456 0.1296 )
2.Математичко очекивање броја победа у 4 сусрета је
4
E ( X )=∑ xi pi =0⋅0 . 0256+1⋅0. 1536+2⋅0. 3456+3⋅0 .3456+4⋅0 .1296=
i=0
E ( X )=2 . 4
0 . 22⋅π
p=
1
q=1− p=1−0 . 04 π
15
1. P( D0 )=(1−0 . 04 π ) =0 . 1334
Z Три играча X,Y,Z бацају тим редом коцку све док не падне број три.
Победио је онај играч коме је пала тројка. Наћи вероватноћу за свако
лице X,Y,Z да буде победник.
29
− − − − − − − − − − − − − − − − − −
P( X )=P( X ∪X 1 Y 1 Z1 X∪X 1 Y 1 Z 1 X 2 Y 2 Z 2 X ∪.. ..∪X 1 Y 1 Z1 X 2 Y 2 Z2 . . X k −1 Y k−1 Z k−1 X k )
− − − − − − − − − − − − − − − − − −
P( X )=P( X )∪P( X 1 Y 1 Z 1 X )∪P( X 1 Y 1 Z1 X 2 Y 2 Z2 X )∪. . ..∪P ( X 1 Y 1 Z1 X 2 Y 2 Z 2 . . X k −1 Y k−1 Z k−1 X k )
− − − − − − − − − − − − − − − − − −
P( X )=P( X )+ P ( X 1 Y 1 Z 1 X )+ P( X 1 Y 1 Z 1 X 2 Y 2 Z 2 X )+. . ..+P( X 1 Y 1 Z 1 X 2 Y 2 Z 2 .. X k−1 Y k −1 Z k −1 X k )
1 55551 5555551 555555 55551
P( X )= + + +. . ..+ ⋅. .. .⋅
6 66666 6666666 666666 66666
1 555 555 2 555 k −1
P( X )= 1 +
6
−
+
666 666 [
+.. . .+
666
− − − −
( )
− − − −
( )
− − −
] − − −
P(Y )=P ( X 1 Y ∪ X 1 Y 1 Z 1 X 2 Y 2∪. .. .∪ X 1 Y 1 Z 1 X 2 Y 2 Z 2 . . X k −1 Y k−1 Z k−1 X k Y k )
− − − − − − − − − − − − − − −
P(Y )=P ( X 1 Y )∪P( X 1 Y 1 Z1 X 2 Y 2 )∪. .. .∪P( X 1 Y 1 Z 1 X 2 Y 2 Z 2 .. X k−1 Y k −1 Z k −1 X 1 Y k )
− − − − − − − − − − − − − − −
P(Y )=P ( X 1 Y )+ P( X 1 Y 1 Z 1 X 2 Y 2 )+. .. .+ P( X 1 Y 1 Z 1 X 2 Y 2 Z 2 .. X k −1 Y k −1 Z k −1 X 1 Y k )
51 55551 55555551 555555 55551
P(Y )= + + + .. ..+ ⋅. .. .⋅
66 66666 66666666 666666 66666
2 k−1
P(Y )=
51
66
1+ [
− −
555 555
+
666 666
−
(
+.. ..+
− − −
) 555
666
−
(
−
)
− − −
] − − − − − −
P(Z )=P( X 1 Y 1 Z 1∪ X 1 Y 1 Z 1 X 2 Y 2 Z 2 . .. .∪X 1 Y 1 Z 1 X 2 Y 2 Z 2 .. X k−1 Y k −1 Z k −1 X k Y k )
− − − − − − − − − − − − − − − − − −
P(Z )=P( X 1 Y 1 Z 1 )+P( X 1 Y 1 Z 1 X 2 Y 2 Z 2 )+.. ..+P( X 1 Y 1 Z 1 X 2 Y 2 Z 2 . . X k−1 Y k −1 Z k −1 X k Y k Z k )
551 555551 555555551 555555 555551
P(Z )= + + +. . ..+ ⋅.. . .⋅
666 666666 666666666 666666 666666
2 k −1
551 555 555 555
P(Z )=
666
1+
[ +
666 666 ( )
+. .. .+
666 ( ) ]
Вероватноћа у k-том покушају да је победио први играч је
1 555 555 2 555 k −1
P( X )= 1 +
6 [
+
666 666
+.. . .+
666 ( )
Вероватноћа у k-том покушају да је победио други играч је
( ) ]
51 555 555 2 555 k−1
P(Y )=
66
1+ +
666 666 [
+.. ..+
666 ( ) ( ) ]
5
P(Y )= P( X )
6
30
P( X )+ P (Y )+ P( Z )=1
5 55
P( X )+ P( X )+ P( X )=1
6 66
5 55
[
P( X ) 1+ +
6 66 ]=1
36 30 25
P( X )= P( Y )= P( Z )=
91 91 91
2.
P ( X 1) P ( X 1) P ( X 0) 1 / 2 1 / 4 3 / 4
−|x|
Z Случајна величина Х има густину расподеле f (x )=λ⋅e
Одредити: 1.) константу λ 2.) Функцију расподеле вероватноће
3.)Математичко очекивање 4.) Дисперзију.
31
+∞
∫ f (x )dx=1
−∞
−|x|
f ( x)= λ⋅e
+∞ +∞ 0 +∞
−|x| −|x| −|x|
∫ λ⋅e dx=λ⋅∫ e dx=λ⋅( ∫ e dx+ ∫ e−|x| dx)=1
−∞ −∞ −∞ 0
+∞
−|x|
2⋅λ⋅∫ e dx=1
0
+∞
2⋅λ⋅∫ e− x dx=1
0
2⋅λ=1
1
λ=
1. 2
ex, x ≤0
{
x
1 −|x|
F( x )=P( X < x )= ⋅∫ e dx = 1 −x
2 −∞ 1− ⋅e , x >0
2. 2
+∞
1 +∞ −|x|
E( x)= ∫ x⋅f (x )dx= ⋅∫ xe dx=0
3. −∞ 2 −∞
2 1 +∞ 2 −|x| 2 2
DX=E( X −EX ) =E( X −0) =E ( X ) = ⋅∫ x e dx=2
4. 2 −∞
X: 0
( 1 2
)
1 /6 1/2 1/3
0 x <0
{
F x ( x )= 1/6 0≤x <1
2 /3 1≤x <2
1 2≤x
32
f (x )=¿ ¿
Наћи константу С и функцију расподеле F x ( x)
1
∫ C⋅x 2 dx=1
0
x3 1
C | =1
3 0
0 x<0
1
C⋅ =1
3
C=3
{ 3
F x ( X )= x 0≤x <1
1 1≤x
0 1 2 3
X: ( 0. 064 0.288 0. 432 0. 216 )
Z Вероватноћа да је једна компонента неисправна износи 0.02. Ако је
на располагању 100 истих компоненти, колики је очекивани број
неисправних?
EX=n⋅p
EX=100⋅0 . 02
EX=2
Eрлангова расподела
Функција густине Ерлангове расподеле је
0, x <0
f ( x )=
{ λ⋅e− λx
i −1
( λx )
( i−1 )!
x≥ 0
33
0, x <0
F( x )=
{
1−λ⋅e−λx ∑
k
( λx )i−1
j =1 (i−1)!
x ≥0
k
D( X )=
λ2
{
f ( x )= b−a
0
, x ∈( a ,b )
x ∉( a , b )
1 1
; x 1,3
f x 3 1 2
0 ; x 1,3
x
F ( x )=P { X <x }= ∫ f ( x ) dx
−∞
3 3,5
1 1
P {2,5< X <3,5 } =∫ dx + ∫ 0 dx=
2,5 2 3 4
Закон расподеле непрекидне случајне променљиве
34
Нормални закон расподеле
ДеМоавр је 1733 године открио Нормалну расподелу као гранични случај
биномне расподеле - то је остало доста незапажено све до почетка 19.
века, када су у својим радовима Гаус и Лаплас користили ову расподелу.
Непрекидна случајна променљива Х има нормалан закон расподеле
вероватноћа ако је њена густина расподеле дата формулом:
( x −m) 2
−
1 2⋅σ 2
g( x )= ⋅e , −∞< x <+ ∞
σ⋅√ 2 π
( x −m) 2
−
1 2⋅σ 2
g( x )= ⋅e , −∞< x <+ ∞
σ⋅√2 π
a b
2
Z Нека случајна променљива Х има расподелу X ~ N (0 , σ ) и нека
је P( X < √ 3 )=0 .1587 . Одрдити VarX
35
P( X < √ 3 )=0 .1587
X−0 √ 3−0
P( X < √ 3 )=P( X −0< √ 3−0)=P ( < )=0. 1587
σ σ
√ 3 =0. 41
σ
σ=
√3
0 . 41
=4 . 2245146
σ =3
σ =3
σ =3
¿ X−m
X=
Случајна променљива σ , има расподелу N (0,1)
¿
P(a< X <b )=F (b )−F (a)
0 X−8 9−8
P(8<X <10)=P( 8−8< X−8<9−8)=P( < < )=
√4 √4 √4
X −8 1
P(0< < )=Ф (0 .5 )−Ф( 0)
2 2
P(8<X <10)=Ф (0 .5 )−Ф( 0)=0. 6915−0 .5=0 .1915
36
расподеле при рачунању лимеса (граничне вредности) биномне
расподеле, вероватноћа p не мења се , константна је, има одређену
вредност. У биномној расподели вероватноћа неког догађаја да се
Pn (t)
t
1 0.1
2 0.5
3 1.0
4 5.0
4
3
2
1
P(S n =k )=lim
n→ ∞
(nk ) p (1− p)
k n−k
=
37
−1 −np −1 −np
[
lim ( 1−p )
n→∞
p] 1
=e− λ lim ⋅(1− p )−k⋅
n→∞ k !
n( n−1)( n−2 )....(n−k +1)
nk
[
⋅( np)k⋅ (1−p ) p ]
n(n−1)(n−2). .. .(n−k +1) n(n−1)(n−2 ). .. .(n−k +1)
lim k
=lim =
n→∞ n n→∞ n⋅n⋅n .⋅. .. . .. .⋅n
n n−1 n−2 n−3 n−k +2 n−k +1
¿ lim ⋅ ⋅ ⋅ .. .. . ..⋅ ⋅ =
n→∞ n n n n n n
n 1 2 3 2 k−1
¿ lim ⋅(1− )⋅(1− )⋅(1− ). .. . .. .⋅(1− )⋅(1− )=1
n→∞ n n n n n n
n k n−k 1
P(S n =k )=lim
n→ ∞
()
k
p (1− p ) = λk⋅e− λ
k!
k
P S n k e
k!
m
λk
P {S n ≤m }≈ ∑ e− λ⋅
k =0 k!
λ=n⋅p
Ако је n⋅p≥10 , тада се користи Гаусова расподела
1 k −np
P {S n =k }≈ φ( X ), X=
√ npq √ npq
a np b np
P a S n b P S n*
npq npq
38
Експоненцијални закон расподеле
( )
+∞
−λx
E( X )=λ⋅∫ x⋅e dx =| −1 −λx dt |=
0
du=dx v=∫ e− λx dx= e dx=
λ −λ
−λx=t
−x −λx ∞ +∞ −λx
( )
+∞
−λx −1 −λx ∞ 1
¿λ e I 0 + ∫ e dx= ∫ e dx= dt = e I0 =
λ 0 0
dx= λ λ
−λ
1
E( X )=
λ
DX=σ 2 X
DX=E( X −EX )=EX 2 −E2 X
за експоненцијалну расоделу
DX=σ 2 X=EX 2 −E 2 X
1 2 2 1 1
+∞
σ X= ∫ x 2⋅λ⋅e− λx dx −
2
0
()
λ
= 2− 2= 2
λ λ λ
x
F( x )=P( 0< X < x )=∫ λ⋅e−λx dx=1−e−λx
Функција расподеле 0
−λx 1
P( x1 < X < x 2 ) e −e
−λx 2
− λ(x − x )
P( X < x 2|X > x 1 )= = =1−e 2 1
P( X > x1 ) e
−λx
1
39
−λx
f (x )=λ⋅e , 0≤x <+∞ , λ>0
функција густине експоненцијалне расподеле
x x
F( x )=P(−∞< X < x )= ∫ f (t )dt = ∫ λ⋅e−λt dt=1−e− λx
−∞ 0
−λx
P( X > x )=1−P( X ≤x )=e
P ( X >u+t , X >u) P( X >u+ t ) e− λ( u+t ) −λt
P( X >u+t|X >u )= = = −λu =e =P( X > t )
P ( X >u) P( X > u) e
Једнакост P( X >u+t |X >u )=P( X >t ) позната је као особина
“одсуства меморије“. Ако P( X >u+t |X >u ) интерпретирамо као
вероватноћу рада уређаја после u+t сати и ако је тај уређај био
(100%) исправан у претходних u сати. Исправност, при овој расподели
зависи искључиво од времена t .
Експоненцијална расподела је једина непрекидна расподела са
одсуством меморије.
40
c
x−ξ
c x−ξ c−1 −( )
f ( x )= ( )
a a
⋅e
a
a> 0 , c> 0 , ξ ∈ R
Гама расподелa
∞
=∫ t x−1⋅e−t dt
Гама функција (Ојлеров интеграл друге врсте) Г(x) 0 има
особину да може да интепретира n!
Г(x+1)=x Г(x)
Г (n+1)=n !
Случајна променљива Х има гама расподелу, ако је њена густина
расподеле :
n
Y =∑ X i
Случајна променљива i=1 има Гама расподелу са
параметрима
41
.
n l
λ= , a=
Специјално, Гама расподела с параметрима 2 2 , биће
функција:
+∞ +∞
+∞
−t −t −t −t +∞
Γ(1)=∫ e dt=−e | =1 Γ (2)=∫ te dt=−e (t +1)| =1
0 0 0 0
T: Гама функција је једно решење функционалне једначине (x+1)=x
(x)
+∞ +∞
+∞ −t x −t x −t x
−t
Γ( x+1)= ∫ e t dt=e t | + x ∫ e t dt e =xΓ( x )
Д: 0 0 0
π
Γ ( x) Γ(1−x )=
T: За 0<x<1 важи sin πx
Бета функција ( Ојлеров интеграл прве врсте)
1
B ( p , q )=∫ x p−1 (1−x )q−1 dx, p ,q >0
0
Веза између Гама и Бета функције:
+∞ +∞
−x p−1 − y q−1
Γ( p)=∫ e x dx, Γ( q)=∫ e y dy ,
0 0
+∞ +∞
∫ ∫ e−(x+ y) x p−1 yq−1 dxdy
Γ( p)Γ( q)= 0 0 .
Сменом x=u(1-v), y=uv,( Јакобијан је:J=u) нове границе променљивих су:
+∞ 1
−u p+q−1
Γ( p)Γ( q)=∫ e u du∫ v q−1 (1−v)p−1 dv= Γ( p+q) B( p ,q)
0u<+, 0v1, 0 0 .
Γ ( p )Γ (q )
B ( p , q )=
Т: Веза између Гама и Бета функције Γ ( p+q) .
42
n x
1 2
−1 −
2
f ( x )= n
x e x >0 , n∈N
2 n
2 Γ( )
2
2
позната је као као Hi- квадрат расподела χ ( n) са n степени
слободе, где је n природан број - теоријски n може да буде
произвољан позитиван број
2
χ ( n)
k =1
Дисперзија Hi- квадрат расподеле је :
n
D[ χ 2 (n )]=D[ ∑ X 2n ]=2 n
k =1
χ 2 ( n1 +n2 )= χ 2 ( n1 )+ χ 2 ( n2 )
43
2
За велике вредности n , случајна променљива χ ( n) има
асимптотски нормалну расподелу N (n ,2n ) . Практично се нормална
расподела користи у замени Hi- квадрат расподеле за n>30 .
Студентова t - расподела
n+1
Γ ( 2 ) 2 − n+1
x
f ( x )=
n
n
√ πn⋅Γ ( )
( 1+ )
n
2 −∞< x <+∞ n>0
44
π /2
I( p , q )= ∫ sin p x cos q xdx p , q>−1
Z 0 . Сменом sinx= √t ,добија се
1 p+1 q+1
1 2
−1
2
−1
I( p , q )= ∫t (1−t ) dt
20
π /2
1 p+1 q +1
I ( p , q )= ∫ sin p x cos q xdx= B( , )
0 2 2 2
2.
45
d d d
P {
3 } { }
< X <3 d =P { X <3 d }−P X < =F ( 3 d ) −F
3 3 ()
F ( 3 a ) =1
d 2
d 2 d 3 () 2 1 5
F () = ⋅ − 2 = − =
3 d 3 d 3 9 9
d 5 4
{ }
P < X <3 d =1− =
3 9 9
Статистика
Математичка статистика јесте примењена теорија вероватноће.
Статистика се може дефинисати као метода квантитативног
истраживања појава. Статистика истражује појаве на мноштву случаја.
Основни поступак статистике је да испитивање неке масовне појаве на
целој популацији замени испитивањем те појаве на узорку.
Нпр. крвна слика се испитује на узорку од пар капи крви. Иначе права
слика би захтевала „извлачење“ све крви...
Колико има риба у језеру? Из целокупне популације риба у језеру
мрежом се добија један узорак. Ако се рибе овог узорка обележе и
поново пусте у језеро на пример њих хиљаду и ако се поново пусти
мрежа и нпр. у новом улову риба је 1500 риба од којих је 6 обележених...
тада се прва апроксимативна процена риба у језеру добија из
пропорције: Х-риба језера према 1000 обележених односи се исто као
1500 према 6 маркираних риба.
X :1000=1500 :6
1000⋅1500
X=
6
X =250000
46
Код простог случајног узорка избор било ког елемента популације не
зависи од избора других елемената. Вероватноћа избора једног
елемента у узорку не зависи од избора других елемената узорка. У
теорији статистичког закључивања прост случајни узорак има
фундаменталан значај.
2. Систематски узорак
При избору елемената у систематском узорку, на случајан начин одабере
се први елемент и затим се из популације узима сваки к-ти елемент.
3. Стратификовани узорак
Скупови из којих су бирани прости случајни узорци сматра се да су
хомогени и третирају се као једна неподељена целина. Стратификовани
узорак се добија када се (хетероген) основни скуп предходно подели у
више хомогених група - стратума, па се затим из сваког стратума
случајно изабере одређен број јединица за нови узорак. На основу
стратификованог узорка можемо добити оцене не само за основни скуп
него и за његове делове. Приликом поделе основног скупа на хомогене
целине-стратуме јављају се следећи основни проблеми: Колико стратума
треба оформити? Колико елмената стратум треба да садржи? Које
критеријуме хомогености треба узети за основ стратификације?
Ако се популација дели на стратуме, основно питање је колико стратума
узети. Пораст стратума у принципу доводи до мање стандардне грешке,
постоји граница обично после које је то смањење незнатно.
Узорак скупина
За разлику од стратификованог узорка код којег су сви стратуми у
одређеној мери заступљени у узорку, узорком скупина репрезентовани су
само неки случајно одабрани стратуми.
Пз N
=
Пб M
Пз
Пб= ×N
N
47
( Пз -Површина микроскопског ткива, Пб -Површина болесног ткива
¿ ¿ ¿ ¿ ¿
¿
¿ ¿
¿ ¿ ¿
¿ ¿ ¿
¿
¿
¿ ¿ ¿ ¿ ¿ ¿ ¿
¿ ¿
¿ ¿ ¿
¿ ¿ ¿
¿
¿
¿ ¿
¿ ¿ ¿ ¿
¿ ¿ ¿ ¿ ¿
¿ ¿
¿
¿ ¿ ¿ ¿ ¿
¿ ¿ ¿ ¿ ¿ ¿ ¿
¿
48
Метода средина квадрата
На случајан начин (на пример цифре се извлаче помоћу цедуља) имамо
7))четвотоцфирен број између нуле и један 0.8704..
2
његов квадрат је 0 . 8704 =0 .75759616 . Средина овог броја је
следећи случајан број 0 .7596 . Квадрат овог броја је
0 .7596 2=0. 57699216 . Средина овог квадрата је следећи случајан број.
Надаље се по истом поступку добијају псеудослучајни бројеви.
. .... . .
. . .. ..
. ...
49
. .... . .
. . .. ..
. ...
M 1 ( x 1 , y1 ), M 2 ( x 2 , y 2 ), M 3 ( x 3 , y 3 ), .. . .. .. . .. . , M n ( xn , y n )
50
d 1 =a⋅x 1 + b− y 1 , d 2=a⋅x 2 +b− y 2 , d 3 =a⋅x 3 + b− y 3 ,. . .. d n =a⋅xn +b− y n
f ( a , b)=S ( d 2 )=( a⋅x 1 +b− y 1 )2 +( a⋅x 2 +b− y 2 )2 +( a⋅x 3 +b− y 3 )2 +. . .. ..+( a⋅x n + b− y n )2
n
f ( a , b)=S ( d )=∑ ( a⋅x i +b− y i )2
2
i =1
За изналажење оптималног решења користи се техника парцијалних
извода: Потребан услов да функција има минимум или максимум је
∂f (a , b) ∂ f (a , b)
=0∧ =0
∂a ∂b
∂ f (a , b )
1) =0 ⇔
∂a
( a⋅x 1 +b− y 1 )x 1 +(a⋅x 2 + b− y 2 ) x 2 +(a⋅x 3 +b− y 3 )x 3 + .. .+(a⋅x n +b− y n ) x n =0
∂ f (a , b )
2) =0 ⇔
∂b
( a⋅x 1 +b− y 1 )+( a⋅x2 +b− y 2 )+( a⋅x 3 + b− y 3 )+. ..+(a⋅x n +b− y n )=0
51
x
y=ab -експоненцијална крива
x
y=ab +c -модификована експоненцијална крива
1
y= x
ab + c - логистичка крива
x 1 2 4 5 6 9
M i:
y 5 8 14 17 20 29
a( x 21 +x 22 +x 23 +.. .+ x 2n )+b( x 1 + x 2 + x 3 +. .. .+ x n )−( y1⋅x 1 + y 2⋅x2 + y 3⋅x 3 + ..+. y n⋅x n )=0
{a(1+4+16+25+36+81)+b(1+2+4+5+6+9)−(5+16+56+85+120+261)=0¿¿¿¿¿
¿
Ако хоћемо да добијемо праву линију регресије х од у, користимо:
x 1 2 4 5 6 9
M i:
y 5 8 14 17 20 29
A ( y 21 + y 22 + y 23 +. ..+ y 2n )+ B( y 1 + y 2 + y 3 +. . ..+ y n )−( y 1⋅x 1 + y 2⋅x 2 + y 3⋅x 3 +. .+ . y n⋅x n )=0
A ( y 1 + y 2 + y 3 +. .. .+ y n )−( x1 + x 2 + x 3 +. .. .+ x n )+ nB=0
{ A(25+64+196+289+400+841)+B(5+8+14+17+20+29)=543¿¿¿¿¿
¿
52
Z Нека је дато осам тачака M i ( xi , y i ) i=1,2 , .. . .. . ,6 у координатној
равни. Одредити праву y=a⋅x+b која је најбоља апроксимација у
смислу да је збир растојања задатих тачака до праве минималан
x 1 3 4 6 8 9 11 14
y 1 2 4 4 5 7 8 9 .
8 b+56 a=40
56 b+54 a=364
7
{a= =0 . 636
11
6
b= =0 . 545
11
y=0 . 636 x+0. 545
a⋅x 1 +b= y 1
a⋅x 2 +b= y 2
⋮
a⋅x n +b= y n
x1 1 y1
[ ]
A= x 2
⋮
xn
1 , X= a , B= y 2
⋮
1
b []⋮
yn
[]
Тада овај систем једначина може матрично да се запише А Х = В
Нека је
53
A⋅X−B=0 i (ε )
min‖0i ( ε)‖L=min‖A⋅X −B‖L , A ∈ R n×m , B ∈ R n
x x
min‖0i ( ε)‖L
Т Скуп свих решења проблема x нека је описан са
S =¿ ¿ , тада је х из скупа решења „тада и само
T
тада“ ако вреди следећа релација ортогоналности A ( B− Ax )=0 .
Доказ
¿ ¿
T
Претпоставимо да x задовољава једначину A ( B− A x )=0 где је
¿ ¿
r=B−Ax r =B− A x
¿ ¿
x ∈ R m r=B− Ax , r =B− A x ,
¿ ¿ ¿ ¿
x 1 2 4 5 6 9 x 1 2 4 5 6 8
M i:
а) y 5 8 14 17 20 29 б) y 5 8 14 17 20 29
а) B=[5;8;14;17;20;29];
A=[1 1;2 1;4 1;5 1;6 1;9 1];
54
X=(inv(A'*A))*A'*B
X=
3.0000
2.0000
X=
3.3300
1.0700
>> A=[1 1;2 1;4 1;5 1;7 1;8 1];
>> B=[5;8;14;17;20;29];
>> X=(inv(A'*A))*A'*B
X=
3.0800
1.6400
55
пионирским радовима 30-тих година прошлог века су почели да се баве
мнoги на западу, упућени у нарастајућу проблематику друмског
саобраћаја. Дефинишу се основни елементи саобраћајног тока и
теоријски „оперативни алат“ помоћу кога може да се врши
идентификација и естимација саобраћајног тока. Снажно оруђе-оружје
диференцијалног и и нтегралног рачуна нарочито теорије вероватноће и
статистике почиње да се користи у првој половини двадесетог века.
Истраживања у разним областима Теорије саобраћајног тока данас су
прилично раширена, јер представљају виталне интересе друштва.
56
s(t)
t
v(t)
v(t)
t
a(t)
s(t)
v(t)
a(t)
57
саобраћајних токова и законитости кретања моторних возила у овим
токовима на друмским саобраћајницама неопходно је дефинисати
адекватне показатеље. Ти се показатељи, у теорији саобраћајног тока,
називају основни параметри саобраћајног тока или основне величине
саобраћајног тока. Основна разлика у условима кретања возила у
саобраћајним токовима у односу на услове кретања појединачног возила
је што у саобраћајном току на кретање возила делује и међусобна
интеракција возила.
Проток возила
58
двосмерне саобраћајнице. Са гледишта реалних токова, у зависности
од начина посматрања у односу на простор разликујемо:
- проток возила на пресеку пута, и
- проток возила на деоници пута.
Проток возила на пресеку (одсека или деонице) пута
представља проток који се остварује на посматраном пресеку (одсека
или деонице) пута у јединици времена.
Проток возила на одсеку или деоници пута представља
аритметичку средину протока на n –пресека распоређених на
саобраћајној деоници, где n→∞ (условно).
Сва теоријска уопштавања фундаменталних релација у теорији
саобраћајног тока, када је реч о протоку, односе се на проток на одсеку
у једном правцу у једном низу и у једном смеру. Основна јединица за
исказивање протока возила је број возила на један час (воз/h).
59
б) Број возила по јединици дужине посматраног одсека (деонице)
као аритметичка средина м-тренутних посматрања у неком временском
периоду
Т=m•t
где је: t – временски интервал између узастопних
посматрања густине... g(voz/km),
m – број тренутних посматрања.
Сва теоретска уопштавања фундаменталних релација у теорији
саобраћајног тока, када је реч о густини, односе се на густину на одсеку
у једном правцу у једном низу у једном смеру.
Основна јединица за исказивање густине је број возила по
једном километру.
Ти појмови су:
• СРЕДЊА ПРОСТОРНА БРЗИНА ТОКА, која је аналогно густини
просторно везана за одсек пута (S), а временски за тренутак.
60
• СРЕДЊА ВРЕМЕНСКА БРЗИНА ТОКА, која је аналогно протоку
возила просторно везана за пресек пута, а временски за период
осматрања (Т).
61
β3
Средња просторна брзина саобраћајног тока представља
аритметичку средину тренутних брзина свих возила у саобраћајном
току на посматраном одсеку пута
Ова брзина се зове и средња тренутна брзина тока.
Интервал слеђења возила са аспекта теорије саобраћајног тока
претставља време проласка чела две узастопне једнаке возне јединице
у једном низу једносмерног тока кроз попречни пресек пута.
62
2) макроскопске.
Ова подела је у функцији приступа у посматрању. Тако се приступ
који полази од посматрања законитости кретања појединих елемената
тока (појединих возила) назива микроскопски. Насупрот поменутом
прилазу, макроскопским приступом се назива онај који у изучавању
саобраћајног тока полази од укупног тока као континуалне целине.
Базирајући се на растојању слеђења возила у теорији саобраћајног тока
познати су следећи модели:
• модел константног растојања слеђења,
• модели растојања слеђења у функцији брзине,
• модели променљивог растојања слеђења, тзв.
модели „следи вођу“,
• психофизичи модел растојања слеђења.
−
N
vs= N
1
∑v
i=1 i
63
−
s
v s =−
t
− t 1 +t 2 +.. ..+t N
t=
N
s s s s
+ + +. ... ..+
− V 1( I −1) V 2( I−1) V 3( I −1) V N ( I −1 ) s N 1
t= = ∑
N N i=1 V i( I −1)
−
s s N
v s =− = N =N
t s ∑1 ∑
1
N i=1 V i( I −1) i=1 V i( I−1)
Израчунати
− −
ако је дато vt , vs
−
v t =57,20( km/h )
−
v s =57,15( km/h )
64
−
ΔS
v s =−
t
− t 1 +t 2 +.. . .+ t N
t=
N
− m
1
ΔS = ⋅∑ ΔS i
m i=1
−
−
ΔS
vs=
Δt
Време путовања
• Време путовања као параметар саобраћајног тока представља
средњу вредност времена путовања свих возила посматраног
саобраћајног тока преко посматраног одсека пута
− q
1
t = ⋅∑ t i
q i=1
Интервал слеђења возила
• Интервал слеђења возила у саобраћајном току представља време
између проласка чела два узастопна возила кроз замишњени
пресек посматраног одсека пута.
10))Значајне особености саoбраћајног тока
Сложеност саобраћајног тока
• Општи услови одвијања саобраћаја
• Састав или структура саобраћајног тока
• Временска неравномерност саобраћајног тока
Сложеност саобраћајног тока
Прост саобраћајни ток (елементарни или јединични ток) се састоји од
једног низа возила која се крећу у једном правцу и у једном смеру
65
Сложен саобраћајни ток се састоји од два или више простих
саобраћајних токова
⃗ ⃗
11))1.Међусобно су паралелни( паралелних) ( ⃗ ⃗
)
2.Међусобно се преплићу
3.Међусобно се секу
Хомоген ток
66
• 13))Потребно је да је у његовом саставу искључиво једна врста
моторних возила Представља основу за дефинисање
фундаменталних –теоријских релација
• између основних параметара саобраћајног тока
Нехомоген или мешовити ток
• Реалан ток је у принципу нехомоген (или мешовити) ток . Ток
састављен од два или више моторна возила која су различите
врсте јесте нехомоген ток
• Степен нехомогености саобраћајног тока изражава се учешћем
осталих возила у односу на аутомобиле
q−q pA
Pkv = 100 %
q
Условно хомоген ток
• Овде се уводи количничко разматрање: Е-Однос произвољног
возила и аутомобила
• За мотоцикле Е<1
• За путничке аутомобиле Е=1
• За сва остала возила Е>1
67
• 6. Месечна неравномерност у току 1г.
• 7.Неравномерност по мањим временским интервалима од једног
часа у оквиру вршног часа
1. Часовна неравномерност протока возила у периоду једног дана
• Ова неравномерност се исказје односом између протока у
одређеном сату и средњег сатног протока у току целог дана
24
qi − ∑ qi 24 qi
i=1
F ai= q= F ai= 24
q
¿
24
∑ qi
i =1
DS i ∑ DSi 7 DS i
i =1
F ci= PDS 7 = F ci= 7
PDS 7 7
∑ DSi
i=1
DS i ∑ DSi NDS i
i=1
F ei= PGDS= F ci= N
PGDS N
∑ DS i
i =1
68
• Представља варирање протока возила по месецима у току године.
– Даје се односом просечног дневног саобраћајног тока по
месецима и просечног годишњег дневног саобраћаја
• Неравномерност протока по мањим временским јединицама
од једног сата
12
PDS i ∑ PDS i 12 DS i
i =1
F fi= PGDS= F ci= 12
PGDS 12
∑ PDS i
i =1
xi − ∑ xi n⋅x i
i =1
f ( h) i= x= f ( h) i= n
¿
x n
∑ xi
i=1
∑ x i (voz /15¿ )
FVS( 15 )=
¿
¿
4 x max (voz/15 )
∑ x i ( voz /15 ¿)
0 .25≤FVS (15 )= ¿
¿ ¿1
4 x max (voz /15 )
69
1. Теоријске релације између протока, густине и средње просторне
брзине тока
2. Растојања слеђења, интервала слеђења, дужина одсека,време
путовања и јединично време путовања
Под појмом идеалан саобраћајни ток подразумева се непрекинути ток
једног низа возила на једном правцу, који се креће у једном смеру. Осим
тога, сва возила су путнички аутомобили, исте марке, истог типа,
15))идентичних карактеристика, којима управљјају возачи истих
психофизичких особина, који на идентичан начин реагују у току вожње.
Уз примену рачунара и аутоматског управљања тежи се идеализацији
тока
70
• густина тока
• средња просторна брзина тока
• брзина слободног тока
Теоријске релације између протока, густине и средње просторне брзине
тока
N
q=
16)) q− Проток саобраћајног тока t (број возила у јединици
времена)
N
g =
17)) g − Густина саобраћајног тока s ( број возила на деоници
пута)
s
Vs V=
- Брзина саобраћајног тока t
q =g⋅V s
voz voz km
[ ] [ ][ ]
h
= ⋅
km h
Vs
Када је највећа густина брзина је најмања. Ако је q=g⋅V и
V =a⋅g+b ,
тада је q=g(ag+b)
g
71
Vs
q q 1
V= = → (V −b )⋅V =q
g 1 a
(V −b )
Из релација q=g⋅V a добија се
парабола.
Vs
Линеарни модел “брзина-густина”
V SL⋅g g
V s=V SL− =V SL⋅(1− )
gmax gmax
72
Логаритамски модел “брзина-густина”
V ZT
Емпиријски модели зависности средње просторне брзине тока од
густине тока
• Крива ток-густина позната је под називом “основни дијаграм
18))саобраћаја“
q− Проток
g −густина
g(voz/km)
73
Параболички модел “ток-густина
• Из линеарног модела “брзина-густина”
g
V s =V SL⋅(1− )
g max
• И релације
q =g⋅V s
voz voz km
[ ] [ ][ ]
h
= ⋅
km h
следи
g
q=g⋅V SL⋅(1− )
g max
−
N
vs= N
1
∑ vi
i=1
74
Саобраћајни ток може да буде прост или сложен.
Прост или елементаран саобраћајни ток састоји се од једног низа
возила (најмање два возила) који се крећу у једном правцу и у једном
смеру.
Сложен саобраћајни ток – састоји се од два или више простих
саобраћајних токова који су: међусобно паралелни у истом или
супротном смеру, међусобно се уливају, међусобно се раздвајају-
одливају, међусобно преплићу, међусобно секу.
75
2
g
q=g⋅V SL− V SL
gmax
Математички модели у описивању законитости кретања возила у
саобраћајним токовима на путевима
19))Законитости кретања моторних возила у саобраћајним
токовима на путевима зависе од бројних фактора
1. Услови пута
2. Величина протока
3. Карактеристике протока
4. Возно динамичке карактеристике возила
5. Психофизичке особине возача
6. Мотивисаности возача
7. Стање и карактеристике система за регулисање и управљање
саобраћајем
8. Амбијентални услови(видљивост,клима рељеф..)
76
Услови слободног тока који се у стручној литератури називају и
“слободан саобраћај”
77
• Возила нису у могућности да у било ком тренутку или на било ком
месту изврше претицање
• Услови засићеног тока који се у стучној литератури назива и
колонски саобраћај, најбоље се описују детерминистичким
моделима(прости динамички модели слеђења,модели слеђења
вође и хидродинамичким моделом)
• детерминистички модели представљају основ за изучавање
20))капацитета и пропусне моћи пута у условима засићеног тока
− −
v zt ≃v t ≃v s
•
v f Брзина форсираниг тока(принудног тока), за сва возила је
приближно иста и мања је од брзине засићеног тока
78
21))Sh ‡ F(V) –ови модели имају смисла код потпуно
аутоматизованог управљања саобраћајним токовима
-Модел растојања слеђења у функцији брзине
- Модел променљивог растојања слеђења (следи вођу)
-Психофизички модели растојања слеђења.
79
• 6. ХИДРОДИНАМИЧКА аналогија више одговара токовима великих
густина.
• Базне релације у хидродинамици
• Маса делића флуида се не мења за време кретања
•
•
• Из ове релације следи
•
dm=ρ⋅dV =const .
d (dm) d ( ρ⋅dV )
=
dt dt
d ( ρ⋅dV ) dρ d (dV )
= ⋅dV + ρ⋅ =0
• dt dt dt
• Пошто је густина у функцији од времена и од положаја тј.
ρ= ρ(x , y , z , t )
∂ρ ∂ρ ∂ρ ∂ρ
dρ= ⋅dt+ ⋅dx+ ⋅dy + ⋅dz
∂t ∂x ∂y ∂z
∂ρ ∂ρ ∂ρ ∂ρ
⋅dt+ ⋅dx+ ⋅dy+ ⋅dz
dρ ∂t ∂x ∂y ∂z
=
dt dt
dρ ∂ ρ ∂ ρ dx ∂ ρ dy ∂ ρ dz
= + ⋅ + ⋅ + ⋅
dt ∂t ∂ x dt ∂ y dt ∂ z dt
dρ ∂ ρ ∂ ρ ∂ρ ∂ρ
= + ⋅Vx + ⋅Vy+ ⋅Vz
• dt ∂t ∂ x ∂y ∂z
• Ако посматрамо кретање у једном правцу
dρ ∂ ρ ∂ ρ dx ∂ ρ dy ∂ ρ dz
= + ⋅ + ⋅ + ⋅
dt ∂t ∂ x dt ∂ y dt ∂ z dt
dρ ∂ ρ ∂ ρ dx
= + ⋅
dt ∂t ∂ x dt
dρ ∂ ρ ∂ ρ
= + ⋅Vx
• dt ∂t ∂ x
• Једначина континуитета масе флуида која се креће у смеру х-осе
∂ρ ∂
+ ( ρV x )=0
• ∂t ∂t
•
• dm=ρ⋅dV =const .
80
• dm−elem . masa
• ρ−gustina
• Vx−brzina− proticanja−smer−x−ose
• Једначина континуитета саобраћајног тока
ΔS -дужина одсека
g-густина-саоб.тока
∂g ∂
+ ( gV S )=0
∂t ∂S
Узрочноци промена основних параметара дуж саобраћајнице
81
Према закону о одржању масе
Δm= Δm1 =Δm2 =const
Δl Δl
ρ⋅S1⋅ 1 =ρ⋅S 2 2
Δt Δt
ρ⋅S1⋅v 1 =ρ⋅S 2⋅v 2
S 1⋅v 1 =S 2⋅v 2
S 1⋅v 1 =S 2⋅v 2
Овај израз назива се једначина континуитета
Δl Δl
ρ⋅S1⋅ 1 =ρ⋅S 2 2
Δt Δt
ρ⋅S1⋅v 1 =ρ⋅S 2⋅v 2
S 1⋅v 1 =S 2⋅v 2
[ Δm ] kg
[Qm ]= =
[ Δt ] s
82
ΔV
Q=
Величина Δt је проток
• Јединица:
[ ΔV ] m3
[ Q ]= =
[ Δt ] s
Бернулијева једначина
83
ρ⋅S1⋅v 1 =ρ⋅S 2⋅v 2
S 1⋅v 1 =S 2⋅v 2
ΔV =S1⋅v 1⋅Δt=S2⋅v 2⋅Δt
m=ρ⋅ΔV =ρ⋅S1⋅v 1⋅Δt=ρ⋅S 2⋅v 2⋅Δt
ΔE= A
E1 =Ek 1 +E p1
E2 =Ek 2 +E p2
ΔE=E 2−E 1
ΔE=(E k 2 +E p 2 )−(E k 2 +E p 2 )
1
ΔE k = ⋅Δm⋅v 2
2
ΔE p =Δm⋅g⋅h
F 1 =p 1⋅S1
F 2 =p 2⋅S 2
A= A1 − A2 =F 1⋅Δl 1−F 2⋅Δl2 = p1⋅S 1⋅Δl 1− p 2⋅S2⋅Δl2
1 1
( ⋅Δm2⋅v 22 + Δm2⋅g⋅h )−( ⋅Δm1⋅v 21 + Δm1⋅g⋅h)=p 1⋅S1⋅Δl1 − p2⋅S 2⋅Δl2
2 2
1 1
⋅Δm2⋅v 22 + Δm2⋅g⋅h+ p2⋅S 2⋅Δl2 = ⋅Δm1⋅v 21 + Δm1⋅g⋅h+ p1⋅S 1⋅Δl1
2 2
F 1 =p 1⋅S1
F 2 =p 2⋅S 2
A= A1 − A2 =F 1⋅Δl 1−F 2⋅Δl2 = p1⋅S 1⋅Δl 1− p 2⋅S2⋅Δl2
1 1
( ⋅Δm2⋅v 22 + Δm2⋅g⋅h )−( ⋅Δm1⋅v 21 + Δm1⋅g⋅h)=p 1⋅S1⋅Δl1 − p2⋅S 2⋅Δl2
2 2
1 1
⋅Δm2⋅v 22 + Δm2⋅g⋅h+ p2⋅S 2⋅Δl2 = ⋅Δm1⋅v 21 + Δm1⋅g⋅h+ p1⋅S 1⋅Δl1
2 2
84
∂ρ ∂
+ ( ρV x )=0
∂t ∂t
∂ρ ∂
+ ( ρV x )=0
∂t ∂t
Једначина континуитета саобраћајног тока
ΔS -дужина одсека
V S− средње просторна брзина
∂ρ ∂
+ ( ρV x )=0
∂t ∂t
∂g ∂
+ ( gV S )=0
∂t ∂S
q =g⋅V s
voz voz km
[ ] [ ][ ]
h
= ⋅
km h
• 22))Густина саобраћајног тока-g
• Средњи проток на одсеку- q
85
• Дуж пута, могу се појавити скоковите промене основних
параметара саобраћајног тока (1.-повећање прилива возила на
одређеној деоници пута ако је континуална онда је то појава
таласа а ако је скоковита онда је то појава шок таласа 2.појаве
уског грла на путу)
• Слични поремећаји код протицања флуида изазивају турбулентна
кретања.
• Брзина таласа
• По аналогији са протицањем флуида дефинисана је брзина таласа
као први извод функције тока по променљивој-густини
dq d (V S ) d(V S)
V W= q=V S g V W = =V S + g
• dg dg dg
g(voz/km)
dq d (V S ) d(V S)
V W= q=V S g V W = =V S + g
dg dg dg
Таласи се крећу уназад у односу на саобраћајни ток
g 0, VW VS
g gC VW VS
g=gC V W =0
g>gC V W <V S
86
g=gC V W=0
g>gC V W <V S
Дефиниција брзине ударног-шок таласа
V UT
g 2⋅V 2 −g1⋅V 1 q2 −q1
V UT = =
g2 −g1 g2 −g1
dq
V T=
Брзина таласа је dg
Стохастички математички модели
• 23))Основни параметри саобраћајног тока имају обележја
случајних променљивих
• Закони расподеле вероватноћа којима подлежу основни
параметри саобраћајног тока су: Пуасонова расподела, биномна
расподела, нормална расподела,експоненцијална
расподела,померена експоненцијална расподела,..
Биномни закон расподеле случајне променљиве
87
n
P ( S n k ) p k 1 p
n k
k
Могућност описивања протока биномном расподелом (код
појаве стварања колоне на одређеним одсецима)
T 960( s )
t 15( s )
m 64
voz
0.498( )
s
x 7.47(voz)
voz
xmax 12( )
15s
n p x
p 0.6225
q 1 p 0.3775
88
NADS се налази у Универзитету у Ајови у Сједињеним Америчким
Државама. Овај Универзитет је изабран зато што је обезбедио најбоље
услове за смештај овако компликованог система који је коштао око 11,5
милиона америчких долара.
Помоћу NADS-а се истражује утицај алкохола, дроге, старења и
осталих карактеристика возача значајних за саобраћај. Овај уређај
омогућава и анализу примене најновијих решења попут Интелигентних
Транспортних Система (ITS) у областима телекомуникација, управљања
и техника контроле. Одговори на питања утицаја различитих лекова и
медикамената на вожњу су један део истраживања која се спроводе уз
помоћ NADS-а на Универзитету у Ајови. Аутомобилска индустрија
користи овај систем за тестирање и развој најновијих уређаја који
повећавају безбедност у саобраћају. Питање утицаја карактеристика
возача, за које се сматра да су узрочник око 90 одсто незгода са
моторним возилима, се коначно испитују у пуној безбедности
NADS се састоји из неколико подсистема који обезбеђују да возач
има осећај истинског окружења.
Визуелни подсистем омогућава возачу реално видно поље,
укључујући ту и поглед иза аутомобила помоћу огледала. Сцена вожње у
потпуности је повезана са сензорима. Помоћу овог подсистема могу се
симулирати сви маневри у вожњи преласци преко раскрсница, укрштања
са железницом, услови вожње у различито доба дана или пак под
различитим временским условима.
89
потреба експеримента. Све кабине задовољавају важеће стандарде и у
њих је могуће накнадно уградити нека нова технолошка решења.
90
Допуна
1.тернарна логика
Карактеристике поливаленте логике зависе од броја стања те логике.
После бинарне логике, следедећа логика је тернарна логика са три
стања. У информационим машинама (рачунари, биолошки молекули)
рационално је применити такав бројни систем у коме се за
представљање броја користи што мање симбола и разреда. Величина
информационе апаратуре K пропорционалана је следећим величинама:
K = anR, где је n број разреда, R број симбола у датом бројном
систему и a је коефицијент пропорционалности. Број симбола
примењених у датом бројном систему једнак је основи система R.
Максималан број Nmax који се може записати у n разреда система је:
Nmax=Rn-1. При довољно великом n: Nmax Rn и dobija se:
ln N max
n=
ln R
Ако уврстимо n у једначину K=anR добијамо:
a ln N max
K= ⋅R
ln R
∂K
=0 ⇒ ln R=1
∂R
R=e
a ln N max
K= R
Из једначине ln R за кодове, констатује се да са аспекта
бројног система и броја места за регистровање информације,
најекономичније би било радити у систему са основом “е”, а
најприближније у тернарном бројном систему
У пракси се користе основе које су блиске броју е. Најближа је основа
“три”. Одавде произилази значај тернарног система. У оквиру тернарног
бројног система аутор је изложио један његов D систем тровалентних
91
функција. Овај систем је подесан за претстављање и анализу
ротирајућих елемената као што су микротубуле у саставу центриола
(биологија), или кретање зупчаника у оквиру неког механизма или у
пројектовању светлосне сигнализације код саобраћајних токова(три
стања семафора:цревено,жуто и зелено светло).
92
1 (I) a+b=b+a (II) ab=ba
2 (I) (a+b)c=ac+bc (II) (ab)c=a(bc)
3 (I) a+(bc)= (a+b)(a+c) (II) a(b+c)=ab+ac
4 (I) a+0=a (II) a∙ 1=a
где су a, b, c B
xα = 0 ako je x≠α
{ x , α ∈ L2
1 ako je x=α
Променљиве које узимају само две вредности зову се бинарне или Boole-
ове променљиве. Функције коначног броја бинарних променљивих које
такође могу узимати само две вредности зову се прекидачке или Boole-
ове функције.
93
Boole-ови изрази који не садрже дисјункцију зову се елементарне
коњункције, а Boole-ови изрази који не садрже коњункцију зову се
елементарне дисјункције.
променљива
xk (или њена негација) k=1,…,n узета једном, учествује
у изградњи коњункције C. Аналогно се дефинише канонска
елементарна дисјункција
Дефиниције:
n
∑ Ci
1. Дисјунктивна форма i=1 зове се Канонска дисјунктивна
нормална форма (краће КДНФ) у односу на променљиве
у односу на променљиве
x 1 ,x 2 ,... x n
m
∏ Di
2. Коњуктивна форма i=1 зове се Канонска коњунктивна
нормална форма (краће ККНФ) у односу на променљиве
у односу на променљиве
x 1 ,x 2 ,... x n
променљивих
x 1 ,x 2 ,... x n може се трансформисати у КДНФ (ККНФ) у
односу на променљиве
x 1 ,x 2 ,... x n
94
Свака Boole-ова функција може да се интерпретира:
α α2 α
f ( x 1 , x 2 , .. .. x n ) = ∑ f ( α 1 , α 2 , . .. . α n )⋅x 1 1 x 1 1 ¿ .. ..⋅x 1 n
α ∈ L2
у КДНФ или
α α2 α
f ( x 1 , x 2 , .. .. x n ) = ∏ f ( α 1 , α 2 , . .. . α n ) + x1 1 + x 1 1 +. .. .+ x 1 n
α ∈ L2
у ККНФ.
x=ϕ ( α 1 , α 2 ,. . .. α n ) , y=ϕ ( b1 , b 2 ,. . .. bn )
Дефиниција [11]: Нека је где су
ai , bi ∈ L 2 и је једна од операција ,
95
ϕ ( α 1∗, b1 , α 2∗b2 , .. . , α n∗bn )
xy=
¬x=ϕ ( ¬α 1 , ¬α 2 , . .. . ,¬α n )
m m
m+1 T2 T2
T 2 =‖ m ‖
T2 T m2 +K m2
96
За поливалентне логике са k-стања где је k облика 2n (n је природан
број већи од један) значајна је теорема Stone-ова (Стоун) [42].
97
4.1 D-систем у тернарној алгебри
98
Дефиниција 3 [15]: Нека је f(x1, x2, ..., xn) тернарна функција. За
функцију f каже се да је независна од једне променљиве xi, ако је
f(x1,x2,..,xi- 1,0,xi+1,...,xn) = f(x1,x2,..,xi-1,1,xi+1,...,xn) =
f(x1,x2,...,xi- 1,2,xi+1,...,xn).
Ако је испуњена само једна од ове две једнакости (три могућности),
функција f је тада парцијално независна.
99
Функције константе су: f000=0, f111=1, f222=2
Функција f210(x)=x’ је дуална променљива променљиве x
Функција f201(x)=x је циклична функција променљиве x
Функција f200(x)=x0 је функција J0
Функција f020(x)=x1 је функција J1
Функција f002(x)=x2 је функција која се још обележава са J2
Функција xab за axb има вредност 2, у другим случајевима
xab=0
min(x1,x2) 0 1 2
0 0 0 0
1 0 1 1
2 0 1 2
100
x1+x2 0 1 2
0 0 1 2
1 1 1 2
2 2 2 2
x1x2 0 1 2
0 0 1 2
1 1 2 0
2 2 0 1
x1x2 0 1 2
0 0 0 0
1 0 1 2
2 0 2 1
x2 x3
0 0 0 0 0 0 0 1 2
x1 0 0 1 0 1 2 1 2 2
0 1 2 1 2 2 2 2 2
101
Функција Т од четири променљиве одређена је са:
T(x0, x1, x2, ) = xi за =i
Један исказ је или истинит или лажан или неутралан. Класе исказа у
овом систему се искључују, то јест непротивуречност је сачувана. Један
исказ не може истовремено имати две вредности. У овој тровалентној
логици исказне променљиве узимају вредности из скупа {0,1/2,1}.
Исказне променљиве означене су у складу са ранијим разматрањима.
Основне везе у Lukassiewicz-евој тровалентној логици су и .
Формуле су:
I. Променљиве које стоје саме
II. Ако је А формула онда је и А формула.
III. Ако су A i B формуле онда је и AB формула.
102
вредност. Lukassiewicz-еву логику (L3) су аксиоматизовали Тарски (1930)
и Wajsberg (1931).
103
4.1.4 Slupecki-ев тровалентни систем SL3
0 ½ 1 N R
0 1 1 1 1 0
½ 1 1 1 1 1
1 0 ½ 1 0 ½
104
4.1.5 Kleene-ова тровалентна логика
t за свако i α i =t
i∈ I i
{
¿ α = f ako je зa неко i α i =f
m за остале случајеве
f за свако i α i =f
i∈ I i
{
¿ α = t ako je зa неко i α i =t
m за остале случајеве
105
t f u
t t f u
f f f f
u u f u
t f u
t t t t
f t f u
u t u u
t f u
t t f u
f t t t
u t u u
t f u
t t f u
f f t u
u u u u
106
A A
t f
f t
u u
t f m
t t f m
f f f m
m m m m
107
t f m
t t t m
f t f m
m m m m
t f m
t t f m
f t t m
m m m m
A A
t f
f t
m m
A TA
t t
f f
m f
108
У систему је укључен додатни оператор (Heack, 1978) који је међу датим
везама означен са Т. Овом унарном функцијом олакшава се увођење
“спољашњих веза” које су дате следећим релацијама:
A = TA
AB = TATB
AB = TATB
AB = TATB
f за свако i α i =f
i∈ Ii
{
¿ α = t ако je за неко i α i =t , за свако i α i ¿ m
m зa остале случајеве
t за свако i α i =f
i∈ Ii
{
¿ α = f ако je за неко i α i =t , за свако i α i ¿ m
m зa остале случајеве
109
4.1.8 Вишезначна функција две променљиве
Функција f(x1, x2, ..., xn) је функција к-значне логике, ако њени аргументи
узимају вредност из скупа {0, 1, ..., k-1}, а и ако сама функција прима
вредности из тог скупа.
Скуп свих функција k-значне логике обележава се са Pk
У литератури најчешће сусрећемо ове функције вишезначне логике:
1. k-значна дисјункција xVy = max(x,y)
2. k-значна коњункција xy=min(x,y)
3. k-значна функција Seffer-a Vebb-a x/y = xVy +1 (mod k)
4. Функција сабирања по модулу k x+y (mod k)
5. Функција производа по модулу k xy (modk)
x∨y=x∧ y
x∧y=x∨ y
110
У вишезначној логици уводи се СДНФ (савршена дисјунктивна нормална
форма)
σ σ σ
f (x 1 , x 2 , .. .. , x n )=¿ f ( σ 1 , σ 2 , . .. . , σ n )∧( x 1 1 ∧x 22 ¿ .. . .∧x nn 1 )
σ
где је:
σ ∈ N 0 ∧0≤σ ≤k −1 , a x =¿ ¿
и СКНФ (савршена коњунктивна нормална форма) која се аналогно
дефинише
σ σ σ
f (x 1 , x 2 , .. .. , x n )=¿ f ( σ 1 , σ 2 , . .. . , σ n )∨( x 1 1 ∨x 22 ¿ .. . .∨x nn 1 )
σ
где је:
σ ∈ N 0 ∧0≤σ ≤k −1 a x =¿ ¿
Ако систем (U) функција из Pk , где је k3, садржи све функције једне
променљиве, за потпуност система (U), потребно је и довољно да (U)
111
садржи и функцију f(x1, x2, ..., xn), (коју оформљујемо) која зависи не
мање од две променљиве и прима све вредности од 0 до k-1.
112
4.2 D – систем
N= −1 0 1
( )
D1 од две променљиве, функција 1 0 −1 од једне
променљиве, која испуњава x D1 y = (N y) D1 (N x) и ради потпуности
N '= −1 0 1
( )
система још једна унарна функција −1 1 1 .. Фунција D1
дата је следећом таблицом:
x y x D1 y
−1 −1 0
−1 0 −1
−1 1 −1
0 −1 1
0 0 0
0 1 −1
1 −1 1
1 0 1
1 1 0
Доказ:
Комбинаторном таблицом (табела 4.1) дат је начин добијања 27 унарних
функција из система две унарне функције N, N' и бинарне функције
D1.
113
1 −1 −1 −1 N ( N '( xDx ))
2 −1 −1 0 13 D 25
3 −1 −1 1 N 25
4 −1 0 −1 8 D 27
5 −1 0 0 1 D19
6 −1 0 1 N ( N ( x ))
7 −1 1 −1 N'4
8 −1 1 0 6 D 21
9 −1 1 1 N' 6
10 0 −1 −1 1 D6
11 0 −1 0 6D9
12 0 −1 1 11 D13
13 0 0 −1 10 D 11
14 0 0 0 xDx
15 0 0 1 N 13
16 0 1 −1 N 12
17 0 1 0 N 11
18 0 1 1 N 10
19 1 −1 −1 N9
20 1 −1 0 N8
21 1 −1 1 N ' 11
22 1 0 −1 N6
23 1 0 0 N5
24 1 0 1 N4
25 1 1 −1 N ' 22
26 1 1 0 N2
27 1 1 1 N '( xDx )
0 0 −1
1 1 −1
Ознака x D1 x = D(x,x) , нпр. 13 D1 25 = −1 −1 0 ,
јер је (0,1) - 1, (-1, -1) 0.
114
1, 6, 9, 10, 11, 13, 12, 14, 15, 16, 17, 18, 19, 21, 8, 20, 22, 5, 23, 27, 4,
7, 25, 3, 2, 26, 24
(−1−1 00 11 )
N1 = (−1−1 01 10 )
N2 =
−1 0 1 −1 0 1
N =(
0 −1 1 )
N =(
3 4
0 1 −1 )
N = (−1 0 1 )
5 N = (−1 0 1 )
6
1 −1 0 1 0 −1
N ' = −1 0 1
( )
−1 1 1
115
Неке особине функција D1 , D2 i N :
1. x D1 x = 0
2. x D2 x = 0
3. D1 (D2 (x, y), D1 (x, y)) = D2 (x, y)
4. D1 (D1 (x, y), D2 (x, y)) = D1 (x, y)
5. D2 (D1 (x, y), D2 (x, y)) = D1 (x, y)
6. D2 (D2 (x, y), D1 (x, y)) = D2 (x, y)
7. D1 (x, y) = D1 (Ny, Nx)
8. (def): D3 (x, y) = D1 (Nx, y)
9. D3 (x, y) = D3 (y, x)
10. D3 (x, y) = ND1 (x, y)
11. D1 (x, y) = ND1 (Nx, Ny)
12. ND1 (x, y) = D1 (Nx, Ny)
1. xD1x=0
2. xD2x=0
x xD1x xD2x
-1 0 0
0 0 0
1 0 0
116
x y x D2 y x D1 y D1 (D2 (x, y), D1 (x, y))
-1 -1 0 0 0
-1 0 1 -1 1
-1 1 1 -1 1
0 -1 -1 1 -1
0 0 0 0 0
0 1 1 -1 1
1 -1 -1 1 -1
1 0 -1 1 -1
1 1 0 0 0
-1 -1 0 0 0
-1 0 1 -1 1
-1 1 1 -1 1
0 -1 -1 1 -1
0 0 0 0 0
0 1 1 -1 1
1 -1 -1 1 -1
1 0 -1 1 -1
1 1 0 0 0
117
x y x D1 y Ny Nx D1 (Ny, Nx)
-1 -1 0 1 1 0
-1 0 -1 0 1 -1
-1 1 -1 -1 1 -1
0 -1 1 1 0 1
0 0 0 0 0 0
0 1 -1 -1 0 -1
1 -1 1 1 -1 1
1 0 1 0 -1 1
1 1 0 -1 -1 0
-1 -1 1 1 0 0 0
-1 0 1 0 -1 1 -1
-1 1 1 -1 -1 1 -1
0 -1 0 1 1 -1 1
0 0 0 0 0 0 0
0 1 0 -1 -1 1 -1
1 -1 -1 1 1 -1 1
1 0 -1 0 1 -1 1
1 1 -1 -1 0 0 0
118
У каматном рачуну, који одређује односе који се успостављају између
дужника и повериоца, математичке прогресије имају базну примену-
нарочито геометријска прогресија.
Код простог каматног рачуна камата се увек рачуна на исту основицу-
почетну суму. Код сложеног каматног рачуна у сваком обрачунском
периоду камата се рачуна на све већу суму –главницу. Односно камата
се рачуна на суму из претходног периода увећану за камату из тог
периода.
Израчунавање камате и њено сабирање са капиталом које се врши на
крају године назива се декурзивни каматни рачун.
Када је капиталисање годишње,у периоду од n− година
n
K n =K 0 (1+ p )
где је:
K n − крајња вредност капитала
K 0 - почетна вредност капитала
p - декурзивна интересна(каматна) годишња стопа
Реалан низ
{an }={a1 , a2 , .. .. . ,an ,. .. ..} назива се геометријски низ ако је
n−1
Општи члан је an =a1⋅q што одговара изразу за крајњу вредност капитала
n
K n =K 0 (1+ p )на почетку n− те године.
Ако се крајем сваке године улаже капитал К уз годишњу каматну стопу p
S
Онда ће укупно стање капитала за n− година бити n
119
n
r −1
S n =K
r −1
где је r=1+ p а то је формула за збир првих првих n чланова геометријског
реда.
Геометријски низ је потпуно одређен ако је познат први члан и количник
1−qn
S n =a1
тог низа. Формула за збир првих првих n чланова 1−q
S n =a1 +a2 +a3 +.. .. .. .+a n
S n =a1 +a1 q +a1 q 2 +. .+a1 q n−1 /¿ q
a1 −a1 q n
S n=
1−q
1−qn
S n =a1
1−q
1−qn
S n =a1
Формула за збир n чланова 1−q ,кад је |q|<1 и кад се n увећава
тј. n→ ∞
n 0
1−q ↑ a1
S n =a1 S=
1−q постаје 1−q
Амортизација кредита подразумева враћање кредита (зајма) који је дужник узео
од повериоца под одређеним условима. Укупну суму коју дужник дугује
повериоцу- позајмљена сума са припадајућом каматом
дужник враћа у одређеном року кроз одређени број рата. Износи тих рата се
називају ануитети. Ануитети могу, али и не морају бити исти у свим отплатним
периодима. Основа тог рачуна су прогресије - посебно геометријска прогресија.
120
Ни један део уличне мреже и насеља и града не може постићи
оптималан учинак у екплоатацији без одговарајуће опреме односно
урбаног мобилијара.
Задаци
ПОДЕЛА РАСКРСНИЦА Раскрснице су саставни делови уличне
мреже и настају укрштањем две или више саобраћајница. Више блиских
раскрсница или укрштање више саобраћајница чине површине које се
називају тргови. Укрштања саобраћајница изводе се у једном или више
нивоа. Због прекидања саобраћаја оне представљају критичне тачке на
мрежи саобраћаја. Основна кретања која се јављају на раскрсницама
деле се на: изливања, уливања и укрштања. У ужој зони раскрснице
долази до преплитања токова.
Раскрснице у нивоу Раскрснице у нивоу се деле у зависности од
потребе на више начина, Једна од подела која је честа је подела према
броју припадајућих крака. Крак раскрснице чине прилаз и излаз из
раскрснице. Уобичајно је да се раскрснице добијене укрштањем две
саобраћајнице (трокраке и четворокраке) под правим или приближно
правим углом са геометријског аспекта сматрају простим, а остале
вишекраке раскрснице сложеним, развијеним. Подела раскрсница може
бити :
1. Према локацији у односу на мрежу саобраћајница
• градске
• ванградске
2. Према начину регулисања динамичког саобраћаја
• нерегулисане код којих важи правило десне руке
• регулисане
Раскрснице у више нивоаРаскрснице у више нивоа кретања су
просторно организоване тако да се обављају са минималним бројем
конфликата међу токовима. Овде је врло значајна организација левих
скретања у зони укрштања .
. Приказивање података о броју возила на раскрсници на потезу
неке саобраћајнице, односно на широј градској територији па и на
територији целог града представља заокружење процеса прикупљања
података. На основу ових података се врши пројектовање раскрснице.
Можемо закључити да изглед раскрснице треба да задовољи потребе
саобраћаја.
121
Кружни ток-као раскрсница. Зависност протока у улици Српских
Владара и Маршала Толбухина у временским периодима од 10 минута.
Регресионе криве при овим испитивањима.
Аутокоманда као кружна раскрсница. – Корелациони протоци.
Раскрсница улица Јужни булевара и Максима Горког –Приоритет
Јужног Булевара.
Задатак По моделу примера методе Монте Карла анализирати
бочне “ударе“ на Газели.
122