PRAVDĚPODOBNOST A STATISTIKA
|
|
|
- Gabriela Konečná
- před 5 lety
- Počet zobrazení:
Transkript
1 PRAVDĚPODOBNOST A STATISTIKA
2 Bodové a itervalové odhady Nechť X je áhodá proměá, která má distribučí fukci F(x, ϑ). Předpokládejme, že záme tvar distribučí fukce (víme jaké má rozděleí) a ezáme parametr ϑ. Na základě měřeí (pokusů) chceme odhadou ezámý parametr ϑ. Provedeme pokusů ( měřeí). Výsledky těchto pokusů jsou popsáy áhodým výběrem X ( X 1,, X ) a jeho realizací x ( x 1,, x ). Opět předpokládáme, že složky áhodého vektoru jsou ezávislé a mají stejé rozděleí jako áhodá proměá X. Odhad parametru ϑ budeme provádět pomocí vhodé statistiky T X,, X ) a její realizace t T x,, x ). ( 1 ( 1
3 Bodové a itervalové odhady Požadavek a vybraé statistiky je, aby byly estraé, kozistetí a pokud možo ejlepší estraé. Budeme využívat hlavě statistiky: výběrový průměr: X 1 i1 X i vývěrový rozptyl (modifikovaý): Výběrový koeficiet korelace: 2 Sˆ i1 1 X i X Yi Y i1 R S( X ) S( Y ) X i X
4 Bodové a itervalové odhady Typy odhadů: Bodový ezámý parametr ϑ se sažíme odhadout jedím číslem (bodem). Itervalový pro ezámý parametr ϑ se sažíme ajít iterval.
5 Bodové odhady Nechť X je áhodá proměá, (X,Y) je áhodý vektor. Pak - realizace vývěrového průměru je bodový odhad E(X), i1 - realizace vývěrového rozptylu (modifikovaého) je bodový odhad D(X), - realizace vývěrového koeficietu korelace je bodový odhad ρ(x, Y). x 1 x i r 1 sˆ 2 i1 1 1 x x y y i s X s x i x i1 Y i 2
6 Itervalové odhady Nechť X je áhodá proměá, která má distribučí fukci F(x, ϑ). Iterval spolehlivosti (kofidečí iterval) pro parametr ϑ se spolehlivostí 1- α (α 0, 1 ) je dvojice statistik T 1, T 2 pro které platí: 1 Itervalový odhad parametru ϑ se spolehlivostí 1- α (α 0, 1 ) je iterval, kde t 1 ( t 2 ) je realizací statistiky T 1 ( T 2 ). t 1,t 2 P T 1 T 2 Požadavek a itervalový odhad: - pravděpodobost 1- α byla co ejvětší - iterval byl co ejmeší Rozumý kompromis pravděpodobost 90%, 95%, 99% t.j. α = 0.1, 0.05, 0.01 Bodový odhad je itervalový odhad se spolehlivostí 0..
7 Itervalové odhady Itervalové odhady pro α = 0.1, 0.05, 0.01
8 Itervalové odhady Itervalové odhady pro α = 0.05 a pro růzou délku áhodého výběru
9 Bodové a itervalové odhady pro Biomické rozděleí Nechť X je áhodá proměá, která má Biomické rozděleí Bi(1,p). Nezámý parametr je p pravděpodobost úspěchu při jedom pokuse. Pokus je úspěšý, pokud áhodě vybraý prvek má sledovaou vlastost. Provedeme -měřeí -pokusů. Nechť je áhodý výběr, kde pro realizaci i-té složky X i platí: x i =0, pokud vybraý prvek emá sledovaou vlastost a x i =1, pokud vybraý prvek má sledovaou vlastost. x Ozačme. Pak realizace výběrového průměru je a tedy bodový odhad parametru p je. ( X1,, X ) x x i i1 x p
10 Bodové a itervalové odhady pro Biomické rozděleí Při itervalovém odhadu parametru p se využívá aproximace Biomického rozděleí Normálím rozděleím. Pro >30 je itervalový odhad parametru p: kde u 1-α/2 je 1- α - kvatil ormovaého ormálího rozděleí.
11 Bodové a itervalové odhady pro Biomické rozděleí Příklad1: Hodíte 100x kostkou. 6 vám padla 20x. Spočtěte bodový a itervalový odhad (pro α =0,05) pravděpodobosti padutí 6. Příklad2: Straa XYZ echá udělat průzkum její volitelosti. Vybraá agetura udělá průzkum u reprezetativího vzorku obyvatelstva. Osloví 1027 respodetů. Z ich 281 by daou strau volilo. Spočtěte bodový a itervalový odhad (pro α =0,05) volebího výsledku stray.
12 Bodové a itervalové odhady pro Normálí rozděleí Nechť X je áhodá proměá, která má Normálí rozděleí N(μ, σ 2 ). Nezámé parametry jsou: μ, σ 2 Při bodovém odhadu budeme vycházet z výběrového průměru a výběrového rozptylu: Nechť X, S 2 je výběrový průměr a výběrový rozptyl. Pak platí: X 1 S je ejlepší estraý kozistetí odhad parametru E(X) = μ 2 je ejlepší estraý kozistetí odhad parametru D(X) = σ 2 Bodové odhady:
13 Bodové a itervalové odhady pro Normálí rozděleí Nechť X je áhodá proměá, která má Normálí rozděleí N(μ, σ 2 ). Itervalový odhad parametru μ: kde t 1-α/2 volosti. je 1- α/2 - kvatil Studetova rozděleí s k=-1 stupi Itervalový odhad parametru σ 2 : 2 2 kde 1 / 2, / stupi volosti. 2 je 1- α/2 (α/2) - kvatil Pearsoova rozděleí s k=-1
14 Bodové a itervalové odhady pro Normálí rozděleí Příklad3: Při výrobě byla provedea kotrola výrobků. Bylo vybráo =123 výrobků a bylo a ich provedeo měřeí. Dostali jsme statistický soubor a z ěj byly spočítáy charakteristiky statistického souboru: x s 1 i1 2 1 x i = 13,25 x i x i1 2 = 2,3. Za předpokladu, že se jedá o výběr z ormálího rozděleí, spočtěte bodový a itervalová odhad pro α =0,05 středí hodoty a rozptylu.
15 Bodové a itervalové odhady pro Normálí rozděleí Nechť (X,Y) je áhodý vektor, který má Normálí rozděleí N 2 (μ, σ 2 ). Chceme odhadou korelaci složek áhodého vektoru ( X, Y ). Bodový odhad je realizace výběrového koeficiet korelace: 1 r i1 x x y y i s X s Y i
16 Bodové a itervalové odhady pro Normálí rozděleí Nechť (X,Y) je áhodý vektor, který má Normálí rozděleí N 2 (μ, σ 2 ). Chceme odhadou korelaci složek áhodého vektoru ( X, Y ). Itervalový odhad pro 10: kde kde u 1-α/2 je 1- α - kvatil ormovaého ormálího rozděleí,
17 Bodové a itervalové odhady pro Normálí rozděleí Příklad4: Na VUT byl provádě výzkum,zda spolu souvisí iteligece a velikost ohy. Bylo vybráo = 87 studetů a po změřeí jejich iteligece a délky ohy vyšla hodota korelace: r 1 i1 x x y y i s X s Y i = - 0,13 Za předpokladu, že se jedá o výběr z ormálího rozděleí, spočtěte bodový a itervalový odhad pro α =0,05 závislosti iteligece a velikosti ohy.
PRAVDĚPODOBNOST A STATISTIKA. Bodové a intervalové odhady
SP Bodové a tervalové odhady PRAVDĚPODOBNOST A STATISTIKA Bodové a tervalové odhady Lbor Žák SP Bodové a tervalové odhady Lbor Žák Bodové a tervalové odhady Nechť je áhodá proměá, která má dstrbučí fukc
Odhady parametrů 1. Odhady parametrů
Odhady parametrů 1 Odhady parametrů Na statistický soubor (x 1,..., x, který dostaeme statistickým šetřeím, se můžeme dívat jako a výběrový soubor získaý realizací áhodého výběru z áhodé veličiy X. Obdobě:
V. Normální rozdělení
V. Normálí rozděleí 1. Náhodá veličia X má ormovaé ormálí rozděleí N(0; 1). Určete: a) P (X < 1, 5); P (X > 0, 3); P ( 1, 135 < x ); P (X < 3X + ). c) číslo ε takové, že P ( X < ε) = 0,
PRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Testování hypotéz Nechť X je náhodná proměnná, která má distribuční funkci F(x, ϑ). Předpokládejme, že známe tvar distribuční funkce (víme jaké má rozdělení) a neznáme parametr
Náhodný výběr 1. Náhodný výběr
Náhodý výběr 1 Náhodý výběr Matematická statistika poskytuje metody pro popis veliči áhodého charakteru pomocí jejich pozorovaých hodot, přesěji řečeo jde o určeí důležitých vlastostí rozděleí pravděpodobosti
8. Odhady parametrů rozdělení pravděpodobnosti
Pozámky k předmětu Aplikovaá statistika, 8 téma 8 Odhady parametrů rozděleí pravděpodobosti Zaměříme se a odhad středí hodoty a rozptylu a to dvěma způsoby Předpokládejme, že máme áhodý výběr X 1,, X z
Intervalové odhady parametrů některých rozdělení.
4. Itervalové odhady parametrů rozděleí. Jedou ze základích úloh mtematické statistiky je staoveí hodot parametrů rozděleí, ze kterého máme k dispozici áhodý výběr. Nejčastěji hledáme odhady dvou druhů:
Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.
Odhady parametrů základího souboru Ig. Mchal Dorda, Ph.D. Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl σ atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt
PRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOT A TATITIKA Přpomeutí pojmů,, P m θ, R θ R - pravděpodobostí prostor - parametrcký prostor - parametrcká fukce,, T - áhodý vektor defovaý a pravděpodobostím prostoru,, P θ s hustotou f x,
12. N á h o d n ý v ý b ě r
12. N á h o d ý v ý b ě r Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých
6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.
6 Itervalové odhady parametrů základího souboru V předchozích kapitolách jsme se zabývali ejprve základím zpracováím experimetálích dat: grafické zobrazeí dat, výpočty výběrových charakteristik kapitola
ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)
ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU) Základy teorie pravděpodobosti měřeí chyba měřeí Provádíme kvalifikovaý odhad áhodá systematická výsledek ejistota výsledku Základy teorie pravděpodobosti
Odhady parametrů základního. Ing. Michal Dorda, Ph.D.
Odhady parametrů základího souboru Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt celou populac, provádíme
Intervalové odhady parametrů
Itervalové odhady parametrů Petr Pošík Části dokumetu jsou převzaty (i doslově) z Mirko Navara: Pravděpodobost a matematická statistika, https://cw.felk.cvut.cz/lib/ee/fetch.php/courses/a6m33ssl/pms_prit.pdf
Cvičení 6.: Výpočet střední hodnoty a rozptylu, bodové a intervalové odhady střední hodnoty a rozptylu
Cvičeí 6: Výpočet středí hodoty a rozptylu, bodové a itervalové odhady středí hodoty a rozptylu Příklad 1: Postupě se zkouší spolehlivost čtyř přístrojů Další se zkouší je tehdy, když předchozí je spolehlivý
Cvičení 6.: Bodové a intervalové odhady střední hodnoty, rozptylu a koeficientu korelace, test hypotézy o střední hodnotě při známém rozptylu
Cvičeí 6: Bodové a itervalové odhady středí hodoty, rozptylu a koeficietu korelace, test hypotézy o středí hodotě při zámém rozptylu Příklad : Bylo zkoumáo 9 vzorků půdy s růzým obsahem fosforu (veličia
i 1 n 1 výběrový rozptyl, pro libovolné, ale pevně dané x Roznačme n 1 Téma 6.: Základní pojmy matematické statistiky
Téma 6.: Základí pojmy matematické statistiky Vlastosti důležitých statistik odvozeých z jedorozměrého áhodého výběru: Nechť X,..., X je áhodý výběr z rozložeí se středí hodotou μ, rozptylem σ a distribučí
14. B o d o v é o d h a d y p a r a m e t r ů
4. B o d o v é o d h a d y p a r a m e t r ů Na základě hodot áhodého výběru z rozděleí určitého typu odhadujeme parametry tohoto rozděleí, tak aby co ejlépe odpovídaly hodotám výběru. Formulujme tudíž
odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti.
10 Cvičeí 10 Statistický soubor. Náhodý výběr a výběrové statistiky aritmetický průměr, geometrický průměr, výběrový rozptyl,...). Bodové odhady parametrů. Itervalové odhady parametrů. Jedostraé a oboustraé
Pravděpodobnost a aplikovaná statistika
Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 4. KAPITOLA STATISTICKÉ CHARAKTERISTIKY 16.10.2017 23.10.2017 Přehled témat 1. Pravděpodobost (defiice, využití, výpočet pravděpodobostí
Přednáška VI. Intervalové odhady. Motivace Směrodatná odchylka a směrodatná chyba Centrální limitní věta Intervaly spolehlivosti
Předáška VI. Itervalové odhady Motivace Směrodatá odchylka a směrodatá chyba Cetrálí limití věta Itervaly spolehlivosti Opakováí estraé a MLE Jaký je pricip estraých odhadů? Jaký je pricip odhadů metodou
4. B o d o v é o d h a d y p a r a m e t r ů
4. B o d o v é o d h a d y p a r a m e t r ů Na základě hodot áhodého výběru z rozděleí určitého typu odhadujeme parametry tohoto rozděleí, tak aby co ejlépe odpovídaly hodotám výběru. Formulujme tudíž
PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor
SP Náhodý vektor PRAVDĚPODOBNOS A SAISIKA Náhodý vektor Lbor Žák SP Náhodý vektor Lbor Žák Náhodý vektor Náhodý vektor slouží k popsu výsledku pokusu kdy měříme více údaů o procesu. Před provedeím pokusu
PRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Náhodný výběr Nechť X je náhodná proměnná, která má distribuční funkci F(x, ϑ). Předpokládejme, že známe tvar distribuční funkce (víme jaké má rozdělení) a neznáme parametr
PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor
SP Náhodý vektor PRAVDĚPODOBNOS A SAISIKA Náhodý vektor SP Náhodý vektor Náhodý vektor Náhodý vektor slouží k popsu výsledku pokusu kdy měříme více údaů o procesu. Před provedeím pokusu eho výsledek a
PRAVDĚPODOBNOST A STATISTIKA
Matematka IV PRAVDĚPODOBNOT A TATITIKA Lbor Žák Matematka IV Lbor Žák Regresí aalýza Regresí aalýza zkoumá závslost mez ezávslým proměým X ( X,, X k a závsle proměou Y. Tato závslost se vjadřuje ve tvaru
PRAVDĚPODOBNOST A STATISTIKA
SP Teováí hypoéz PRAVDĚPODOBNOST A STATISTIKA SP Teováí hypoéz Teováí hypoéz Nechť je áhodá proměá, kerá má diribučí fukci Fx, ϑ. Předpokládejme, že záme var diribučí fukce víme jaké má rozděleí a ezáme
Pravděpodobnost a aplikovaná statistika
Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 6. KAPITOLA CENTRÁLNÍ LIMITNÍ VĚTA 6.11.2017 Opakováí: Čebyševova erovost příklad Pravděpodobost vyrobeí zmetku je 0,5. Odhaděte pravděpodobost,
Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:
Odhady parametrů polohy a rozptýleí pro často se vyskytující rozděleí dat v laboratoři se vyčíslují podle ásledujících vztahů: a : Laplaceovo (oboustraé expoeciálí rozděleí se vyskytuje v případech, kdy
8. Analýza rozptylu.
8. Aalýza rozptylu. Lieárí model je popis závislosti, který je využívá v řadě disciplí matematické statistiky. Uvedeme jeho popis a tvrzeí, která budeme využívat. Setkáme se s ím jedak v aalýze rozptylu,
1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.
Náhodá veličia Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 45/004. Náhodá veličia Většia áhodých pokusů má jako výsledky reálá čísla. Budeme tedy dále áhodou veličiou rozumět proměou, která
Mezní stavy konstrukcí a jejich porušov. Hru IV. Milan RůžR. zbynek.hruby.
ováí - Hru IV /6 ováí Hru IV Mila RůžR ůžička, Josef Jureka,, Zbyěk k Hrubý zbyek.hruby hruby@fs.cvut.cz ováí - Hru IV /6 ravděpodobostí úavové diagramy s uvažováím předpětí R - plocha ve čtyřrozměrém
Testujeme hypotézu: proti alternativě. Jednoduché třídění:
Y,, Y je áhodý výběr z N(μ, σ ) Y,, Y je áhodý výběr z N(μ, σ ) Y,, Y je áhodý výběr z N(μ, σ ) Testujeme hypotézu: proti alterativě H : μ = μ = = μ H : e všechy středí hodoty μ,, μ jsou si rovy Jedoduché
Při sledování a studiu vlastností náhodných výsledků poznáme charakter. podmínek různé výsledky. Ty odpovídají hodnotám jednotlivých realizací
3. Náhodý výběr Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých realizací
PRAVDĚPODOBNOST A STATISTIKA
SP Záko velkých čísel, cetrálí lmtí věta PRAVDĚPODOBNOST A STATISTIKA Lbor Žák SP Záko velkých čísel, cetrálí lmtí věta Lbor Žák Kovergece podle pravděpodobost Posloupost áhodých proměých,,,, koverguje
vají statistické metody v biomedicíně
Statistika v biomedicísk ském m výzkumu a ve zdravotictví Prof. RNDr. Jaa Zvárov rová,, DrSc. EuroMISE Cetrum Ústav iformatiky AV ČR R v.v.i. Proč se používaj vají statistické metody v biomedicíě Biomedicísk
vají statistické metody v biomedicíně Literatura Statistika v biomedicínsk nském výzkumu a ve zdravotnictví
Statistika v biomedicísk ském výzkumu a ve zdravotictví Prof. RNDr. Jaa Zvárov rová,, DrSc. EuroMISE Cetrum Ústav iformatiky AV ČR R v.v.i. Literatura Edice Biomedicísk ská statistika vydáva vaá a Uiverzitě
0,063 0,937 0,063 0, P 0,048 0,078 0,95. = funkce CONFIDENCE.NORM(2α; p(1 p)
. Příklad Při průzkumu trhu projevilo 63 z dotázaých zákazíků zájem o iovovaý výrobek, který má být uvede a trh se zákazíky. Odvoďte a odhaděte proceto a počet zájemců v populaci s 95% spolehlivostí. Následě
Pravděpodobnostní model doby setrvání ministra školství ve funkci
Pravděpodobostí model doby setrváí miistra školství ve fukci Základí statistická iferece Data Zdro: http://www.msmt.cz/miisterstvo/miistri-skolstvi-od-roku-848. Ke statistickému zpracováí byla vzata pozorováí
VYSOCE PŘESNÉ METODY OBRÁBĚNÍ
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojího ižeýrství Ústav strojíreské techologie ISBN 978-80-214-4352-5 VYSOCE PŘESNÉ METODY OBRÁBĚNÍ doc. Ig. Jaroslav PROKOP, CSc. 1 1 Fakulta strojího ižeýrství,
7. Odhady populačních průměrů a ostatních parametrů populace
7. Odhady populačích průměrů a ostatích parametrů populace Jak sme zišťovali v kapitole. e možé pro každou populaci sestroit možství parametrů, které i charakterizue. Pro účely základího pozáí e evýzaměší
} kvantitativní znaky. korelace, regrese. Prof. RNDr. Jana Zvárov. Obecné principy
Měřeí statistické závislosti, korelace, regrese Prof. RNDr. Jaa Zvárov rová,, DrSc. MĚŘENÍZÁVISLOSTI Cílem statistické aalýzy vepidemiologii bývá eje staovit, zda oemocěí závisí a výskytu rizikového faktoru,
jako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých
9 Limití věty. V aplikacích teorie pravděpodobosti (matematická statistika, metody Mote Carlo se užívají tvrzeí vět o kovergeci posloupostí áhodých veliči. Podle povahy kovergece se limití věty teorie
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojního inženýrství. Matematika IV. Semestrální práce
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta troího ižeýrtví Matematika IV Semetrálí práce Zpracoval: Čílo zadáí: 7 Studií kupia: Datum: 8.4. 0 . Při kotrole akoti výrobků byla ledováa odchylka X [mm] eich rozměru
Národní informační středisko pro podporu jakosti
Národí iformačí středisko pro podpor jakosti Kozltačí středisko statistických metod při NIS-PJ Výpočet koeficietů reglačích diagramů pro obecé riziko Ig. Václav Chmelík, CSc Ústav strojíreské techologie,
MOŽNOSTI STATISTICKÉHO POSOUZENÍ KVANTITATIVNÍCH VÝSLEDKŮ POŽÁRNÍCH ZKOUŠEK PRO POTŘEBY CERTIFIKACE A POSUZOVÁNÍ SHODY VÝROBKŮ
PŘÍSPĚVKY THE SCIENCE FOR POPULATION PROTECTION 0/008 MOŽNOSTI STATISTICKÉHO POSOUZENÍ KVANTITATIVNÍCH VÝSLEDKŮ POŽÁRNÍCH ZKOUŠEK PRO POTŘEBY CERTIFIKACE A POSUZOVÁNÍ SHODY VÝROBKŮ STATISTICAL ASSESSMENT
veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou
1 Zápis číselých hodot a ejistoty měřeí Zápis číselých hodot Naměřeé hodoty zapisujeme jako číselý údaj s určitým koečým počtem číslic. Očekáváme, že všechy zapsaé číslice jsou správé a vyjadřují tak i
2. Náhodná veličina. je konečná nebo spočetná množina;
. Náhodá veličia Většia áhodých pokusů koaých v přírodích ebo společeských vědách má iterpretaci pomocí reálé hodoty. Při takovýchto dějích přiřazujeme tedy reálá čísla áhodým jevům. Proto je důležité
Náhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů.
Náhodu bychom mohli defiovat jako součet velkého počtu drobých epozaých vlivů. V rámci přírodích věd se setkáváme s pokusy typu za určitých podmíek vždy astae určitý důsledek. Např. jestliže za ormálího
PRAVDĚPODOBNOST A STATISTIKA
SP esty dobré shody PRAVDĚPODOBNOS A SAISIKA Lbor Žá SP esty dobré shody Lbor Žá Přpomeutí - estováí hypotéz o rozděleí Ch-vadrát test Chí-vadrát testem terý e založe a tříděém statstcém souboru. SP esty
Odhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení
Odhad parametru p biomického rozděleí a test hypotézy o tomto parametru Test hypotézy o parametru p biomického rozděleí Motivačí úloha Předpokládejme, že v důsledku realizace jistého áhodého pokusu P dochází
PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru
SP Náhodý vetor ezávislost fuce NV PRAVDĚPODONOST A STATISTIKA Náhodý vetor ezávislost fuce áhodého vetoru Libor Žá Náhodý vetor stochasticá ezávislost Náhodé veličiy... defiovaé a ravděodobostím rostoru
PRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení
S1P áhodá roměá vybraá rozděleí PRAVDĚPODOBOST A STATISTIKA áhodá roměá vybraá rozděleí S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Degeerovaé rozděleí D( ) áhodá veličia X s degeerovaým
Pravděpodobnost a aplikovaná statistika
Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 3. ÚKOL JB TEST 3. Úkol zadáí pro statistické testy U každého z ásledujících testů uveďte ázev (včetě autora), předpoklady použití, ulovou
Číselné charakteristiky náhodných veličin
Číselé charakteristiky áhodých veliči Motivace Doposud jsme pozali fukcioálí charakteristiky áhodých veliči (apř. distribučí fukce, pravděpodobostí fukce, hustota pravděpodobosti), které plě popisují pravděpodobostí
PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2
SP3 Neparametrcké testy hypotéz PRAVDĚPODOBNOST A STATISTIKA Neparametrcké testy hypotéz čast Lbor Žák SP3 Neparametrcké testy hypotéz Lbor Žák Neparametrcké testy hypotéz - úvod Neparametrcké testy statstckých
P2: Statistické zpracování dat
P: Statistické zpracováí dat Úvodem - Statistika: věda, zabývající se shromažďováím, tříděím a ásledým popisem velkých datových souborů. - Základem statistiky je teorie pravděpodobosti, založeá a popisu
Popisná statistika. Zdeněk Janák 9. prosince 2007
Popisá statistika Zdeěk Jaák jaak@physics.mui.cz 9. prosice 007 Výsledkem měřeí atmosférické extikce z pozorováí komet a observatoři Skalaté Pleso jsou tyto hodoty extikčích koeficietů ve vlové délce 46
Úloha II.S... odhadnutelná
Úloha II.S... odhadutelá 10 bodů; průměr 7,17; řešilo 35 studetů a) Zkuste vlastími slovy popsat, k čemu slouží itervalový odhad středí hodoty v ormálím rozděleí a uveďte jeho fyzikálí iterpretaci (postačí
8 DALŠÍ SPOJITÁ ROZDĚLENÍ PRAVDĚPODOBNOSTI
8 DALŠÍ SPOJITÁ ROZDĚLENÍ PRAVDĚPODOBNOSTI Ča ke tudiu kapitoly: 60 miut Cíl: Po protudováí tohoto odtavce budete umět: charakterizovat další typy pojitých rozděleí: χ, Studetovo, Ficher- Sedocorovo -
Pevnost a životnost - Hru III 1. PEVNOST a ŽIVOTNOST. Hru III. Milan Růžička, Josef Jurenka, Zbyněk Hrubý.
evost a životost - Hr III EVNOT a ŽIVOTNOT Hr III Mila Růžička, Josef Jreka, Zbyěk Hrbý zbyek.hrby@fs.cvt.cz evost a životost - Hr III tatistické metody vyhodocováí dat evost a životost - Hr III 3 tatistické
Problems o statistics.b Kvatily 5.. Nechť x a, kde 0 < a Statistika pro metrologii
Statistika pro metrologii T. Rössler Teto projekt je spolufiacová Evropským sociálím fodem a státím rozpočtem České republiky v rámci projektu Vzděláváí výzkumých pracovíků v Regioálím cetru pokročilých
1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL
Elea Mielcová, Radmila Stoklasová a Jaroslav Ramík; Statistické programy POPISNÁ STATISTIKA V PROGRAMU MS EXCEL RYCHLÝ NÁHLED KAPITOLY Žádý výzkum se v deší době evyhe statistickému zpracováí dat. Je jedo,
PRAVDĚPODOBNOST A STATISTIKA
SP4 Přpomeutí pojmů PRAVDĚPODOBNOST A STATISTIKA SP4 Přpomeutí pojmů SP4 Přpomeutí pojmů Pravděpodobost Náhodý jev: - základí prostor - elemetárí áhodý jev A - áhodý jev, - emožý jev, jstý jev podjev opačý
PRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBOST A STATISTIKA Degeerovaé rozděleí D( ) áhodá veličia X s degeerovaým rozděleím X ~D(), R má základí rostor Z = { } a ravděodobostí fukci: ( ) 1 0 Charakteristiky: středí hodota: E(X ) roztyl:
PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru
SP Náhodý vetor ezávislost fuce NV PRAVDĚPODONOST A STATISTIKA Náhodý vetor ezávislost fuce áhodého vetoru Libor Žá Náhodý vetor stochasticá ezávislost Náhodé veličiy... defiovaé a ravděodobostím rostoru
b c a P(A B) = c = 4% = 0,04 d
Příklad 6: Z Prahy do Athé je 50 km V Praze byl osaze válec auta ovou svíčkou, jejíž životost má ormálí rozděleí s průměrem 0000 km a směrodatou odchylkou 3000 km Jaká je pravděpodobost, že automobil překoá
UPLATNĚNÍ ZKOUŠEK PŘI PROHLÍDKÁCH MOSTŮ
3..- 4.. 2009 DIVYP Bro, s.r.o., Filipova, 635 00 Bro, http://www.divypbro.cz UPLATNĚNÍ ZKOUŠEK PŘI PROHLÍDKÁCH MOSTŮ autoři: prof. Ig. Mila Holický, PhD., DrSc., Ig. Karel Jug, Ph.D., doc. Ig. Jaa Marková,
Pravděpodobnost vs. statistika. Data. Teorie pravděpodobnosti pracuje s jednou nebo více teoretickými náhodnými
Pravděpodobost vs. Teorie pravděpodobosti pracuje s jedou ebo více teoretickými áhodými veličiami, jejichž je zámo odvozovali jsme y těchto atd. Šárka Hudecová Katedra pravděpodobosti a matematické Matematicko-fyzikálí
Teorie odhadů 2 Teorie odhadů... 3 Odhad parametrů... 4
Metody odhadováí parametrů. Metoda mometů. Maximálě věrohodé odhady. Petr Pošík Části dokumetu jsou převzaty (i doslově) z Mirko Navara: Pravděpodobost a matematická statistika, https://cw.felk.cvut.cz/lib/exe/fetch.php/courses/a6m33ssl/pms_prit.pdf
Přednášky část 7 Statistické metody vyhodnocování dat
DŽ ředášky část 7 tatistické metody vyhodocováí dat Mila Růžička mechaika.fs.cvt.cz mila.rzicka@fs.cvt.cz DŽ tatistické metody vyhodocováí dat Jak velké rozptyly lze očekávat mezi dosažeými pevostmi ebo
Základy statistiky. Zpracování pokusných dat Praktické příklady. Kristina Somerlíková
Základy statistiky Zpracováí pokusých dat Praktické příklady Kristia Somerlíková Data v biologii Zak ebo skupia zaků popisuje přírodí jevy, úlohou výzkumíka je vybrat takovou skupiu zaků, které charakterizují
Náhodný výběr, statistiky a bodový odhad
Lekce Náhodý výběr, statistiky a bodový odhad Parametr rozděleí pravděpodobosti je ezámá kostata, jejíž přímé určeí eí možé. Nástrojem pro odhad ezámých parametrů je áhodý výběr a jeho charakteristiky
Dynamická pevnost a životnost Statistika
DŽ statistika Dyamická pevost a životost tatistika Mila Růžička, Josef Jreka, Zbyěk Hrbý mechaika.fs.cvt.cz zbyek.hrby@fs.cvt.cz DŽ statistika tatistické metody vyhodocováí dat DŽ statistika 3 tatistické
Odhad parametrů normálního rozdělení a testy hypotéz o těchto parametrech * Věty o výběru z normálního rozdělení
Odhad parametrů ormálího rozděleí a testy hypotéz o těchto parametrech * Věty o výběru z ormálího rozděleí Nechť, X, X je áhodý výběr z rozděleí N ( µ, ) X, Ozačme výběrový průměr a = X = i = X i i = (
FITOVÁNÍ ROZDĚLENÍ PRAVDĚPODOBNOSTI PRO APLIKACE
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA STROJNÍHO INŽENÝRSTVÍ ÚSTAV MATEMATIKY FACULTY OF MECHANICAL ENGINEERING DEPARTMENT OF MATHEMATICS FITOVÁNÍ ROZDĚLENÍ PRAVDĚPODOBNOSTI
Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i
: ometové míry polohy zahrují růzé druhy průměrů pomocí kterých můžeme charakterzovat cetrálí tedec dat ometové míry polohy jsou jedoduché číselé charakterstky které se vyčíslují ze všech prvků výběru
,6 32, ,6 29,7 29,2 35,9 32,6 34,7 35,3
Př 7: S 95% polehlivotí odhaděte variabilitu (protředictvím odhadu měrodaté odchylky) a tředí hodotu obahu vitamíu C u rajčat. Záte-li výledky rozboru 0-ti vzorků rajčat: 3 4 5 6 7 8 9 0 9,6 3,4 30 3,6
Přednáška VIII. Testování hypotéz o kvantitativních proměnných
Předáška VIII. Testováí hypotéz o kvatitativích proměých Úvodí pozámky Testy o parametrech rozděleí Testy o parametrech rozděleí Permutačí testy Opakováí hypotézy Co jsou to hypotézy a jak je staovujeme?
Intervalový odhad. nazveme levostranným intervalem pro odhad parametru Θ. Statistiku. , kde číslo α je blízké nule, nazveme horním
Lekce Itervalový odhad Itervalový odhad je jedou ze stadardích statistických techik Cílem je sestrojit iterval (kofidečí iterval, iterval spolehlivosti, který s vysokou a avíc předem daou pravděpodobostí
14. Testování statistických hypotéz Úvod statistické hypotézy Definice 14.1 Statistickou hypotézou parametrickou neparametrickou. nulovou testovanou
4. Testováí statistických hypotéz Úvod Při práci s daty se mohdy spokojujeme s itervalovým či bodovým odhadem parametrů populace. V mohých případech se však uchylujeme k jiému postupu, většiou jde o případy,
procesy II Zuzana 1 Katedra pravděpodobnosti a matematické statistiky Univerzita Karlova v Praze
limití Náhodé limití Katedra pravděpodobosti a matematické statistiky Uiverzita Karlova v Praze email: praskova@karli.mff.cui.cz 9.4.-22.4. 200 limití Outlie limití limití efiice: Řekeme, že stacioárí
2. Znát definici kombinačního čísla a základní vlastnosti kombinačních čísel. Ovládat jednoduché operace s kombinačními čísly.
0. KOMBINATORIKA, PRAVDĚPODOBNOST, STATISTIKA Dovedosti :. Chápat pojem faktoriál a ovládat operace s faktoriály.. Zát defiici kombiačího čísla a základí vlastosti kombiačích čísel. Ovládat jedoduché operace
Pravděpodobnost a statistika Výpisky z cvičení Ondřeje Chocholy
Pravděpodobost a statistika Výpisky z cvičeí Odřeje Chocholy Ja Štětia 9. listopadu 9 Cviˇceí 3.9.9 Úloha: Máme 4 kostky. Ω = {a, b, c, d}, Ω = 6 4 A = 6 5 4 3 P(A) = 6 5 4 3 6 4 Naejvýš l kostek: m...
Pravděpodobnostní modely
Pravděpodobostí modely Meu: QCEpert Pravděpodobostí modely Modul hledá metodou maimálí věrohodosti (MLE Maimum Likelihood Estimate) statistický model (rozděleí) který ejlépe popisuje data. Je přitom k
EKONOMETRIE 9. přednáška Zobecněný lineární regresní model
EKONOMETRIE 9. předáška Zobecěý lieárí regresí model Porušeí základích podmíek klasického modelu Metoda zobecěých emeších čtverců Jestliže sou porušey ěkteré podmíky klasického modelu. E(u),. E (uu`) σ
SP2 Korelační analýza. Korelační analýza. Libor Žák
Korelačí aalýza Přpomeutí pojmů áhodá proměá áhodý vetor áhodý vetor Náhodý výběr: pro áhodou proměou : pro áhodý vetor : pro áhodý vetor : Přpomeutí pojmů - ovarace Kovarace áhodých proměých ovaračí oefcet
Interval spolehlivosti pro podíl
Iterval polehlivoti pro podíl http://www.caueweb.org/repoitory/tatjava/cofitapplet.html Náhodý výběr Zkoumaý proce chápeme jako áhodou veličiu určitým ám eámým roděleím a měřeá data jako realiace této
17. Statistické hypotézy parametrické testy
7. Statistické hypotézy parametrické testy V této části se budeme zabývat statistickými hypotézami, pomocí vyšetřujeme jedotlivé parametry populace. K takovýmto šetřeím většiou využíváme ám již dobře zámé
3. Charakteristiky a parametry náhodných veličin
3. Charateristiy a parametry áhodých veliči Úolem této apitoly je zavést pomocý aparát, terým budeme dále popisovat pomocí jedoduchých prostředů áhodé veličiy. Taovýmto aparátem jsou tzv. parametry ebo
Generování dvojrozměrných rozdělení pomocí copulí
Pravděpodobost a matematcká statstka eerováí dvojrozměrých rozděleí pomocí copulí umbelova copule PRAHA 005 Vpracoval: JAN ZÁRUBA OBSAH: CÍL PRÁCE TEORIE Metoda verzí trasformace O copulích Sklarova věta
TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ
TESTOVÁNÍ STATISTICKÝC YPOTÉZ je postup, pomocí ěhož a základě áhodého výběru ověřujeme určité předpoklady (hypotézy) o základím souboru STATISTICKÁ YPOTÉZA předpoklad (tvrzeí) o parametru G základího
Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A
Nejstoty měřeí Pro každé přesé měřeí potřebujeme formac s jakou přesostí bylo měřeí provedeo. Nejstota měřeí vyjadřuje terval ve kterém se achází skutečá hodota měřeé velčy s určtou pravděpodobostí. Nejstota
STATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson
STATISTIKA Statistika se těší pochybému vyzameáí tím, že je ejvíce epochopeým vědím oborem. H. Leviso Charakterizace statistického souboru Statistický soubor Prvek souboru Zak prvku kvatitativí teplota,
Univerzita Karlova v Praze Matematicko-fyzikální fakulta. Michaela Kurková. Katedra pravděpodobnosti a matematické statistiky
Uiverzita Karlova v Praze Matematicko-fyzikálí fakulta BAKALÁŘSKÁ PRÁCE Michaela Kurková Dvouvýběrový T-test v případě estejých rozptylů Katedra pravděpodobosti a matematické statistiky Vedoucí bakalářské
Závislost slovních znaků
Závislost slovích zaků Závislost slovích (kvalitativích) zaků Obměy slovího zaku Alterativí zaky Možé zaky Tříděí věcé sloví řady: seřazeí obmě je subjektiví záležitostí (podle abecedy), možé i objektiví
a další charakteristikou je četnost výběrového souboru n.
Předáška č. 8 Testováí rozptylu, testy relatví četost, testy dobré shody, test ezávslost kvaltatvích zaků Testy rozptylu Testy se používají k ověřeí hypotézy o určté velkost rozptylu a k ověřeí vztahu
Deskriptivní statistika 1
Deskriptiví statistika 1 1 Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 1145/2004. Základí charakteristiky souboru Pro lepší představu používáme k popisu vlastostí zkoumaého jevu určité charakteristiky
PoznÁmky k přednášce
NMSA331 Matematická statistika 1 PozÁmky k předášce Naposledy upraveo de 15. úora 2019. Katedra pravd podobosti a matematické statistiky Matematicko-fysikálí fakulta Uiversity Karlovy Teto učebí text představuje