<!DOCTYPE html>

<html>

  <head>

    <meta http-equiv="content-type" content="text/html; charset=UTF-8">

  </head>

  <body>

    <p>Zdravim osadenstvo,</p>

    <p>pocitam sirenie sumu/neistoty a som trochu zaseknuty na poslednom

      kroku. Majme 4 vstupne hodnoty A,B,C,D, ktore maju kazda svoju

      gaussovsku distribuciu <font face="Symbol">s</font>A, <font

        face="Symbol">s</font>B, <font face="Symbol">s</font>C, <font

        face="Symbol">s</font>D. Vysledna matematicka operacia je X =

      (A*D-B*C)/(A^2 + B^2). </p>

    <p>Snazim sa vyslednu neistotu vypocitat analyticky aby som do

      modelu mohol dosadit genericke hodnoty, nechcem to pocitat

      numericky. Nie je problem vypocitat ciastkove vysledky (A*D, B*C,

      A^2, B^2, cely citatel, cely menovatel). Vztahy su zname a

      dostupne. Napriklad

      <a class="moz-txt-link-freetext" href="https://en.wikipedia.org/wiki/Propagation_of_uncertainty">https://en.wikipedia.org/wiki/Propagation_of_uncertainty</a></p>

    <p>Predchadzajuce ciastkove vysledky nie su korelovane, takze je to

      brnkacka. <br>

    </p>

    <p>Posledna operacia citatel/menovatel uz ale nema nezavisle vstupy.

      V citateli je polovica pismenok rovnaka ako v menovateli, takze je

      vstup ciastocne korelovany. Musi sa pouzit plny vztah z tabulky,

      aj opravny koeficient korelacie/kovariancie -2<font face="Symbol">s</font>ab/AB.

      Tu narazam na moje zaostavajuce vedomosti. Ako sa pocita korelacny

      koeficient medzi dvoma vyrazmi? Tento (A*D-B*C) a tento (A^2 +

      B^2)...</p>

    <p>b.</p>

    <p><br>

    </p>

    <p><br>

    </p>

    <p><br>

    </p>

  </body>

</html>