NÁHODNÁ VELIČINA. 3. cvičení
|
|
- Adam Navrátil
- před 5 lety
- Počet zobrazení:
Transkript
1 NÁHODNÁ VELIČINA 3. cvičení
2 Náhodná veličina Náhodná veličina funkce, která každému výsledku náhodného pokusu přiřadí reálné číslo. Je to matematický model popisující více či méně dobře realitu, který vytváříme, jestliže chceme zpracovávat výsledky náhodného pokusu. Př. - počet vadných výrobků mezi tisíci výrobky - doba do poruchy žárovky - roční spotřeba energie v domácnosti Hodnota náhodné veličiny výsledek náhodného pokusu vyjádřený reálným číslem
3 Rozdělení pravděpodobnosti pravidlo, které každé hodnotě (nebo intervalu hodnot) přiřazuje pravděpodobnost, že náhodná veličina nabude této hodnoty (nebo intervalu hodnot) jestliže známe rozdělení pravděpodobnosti, je náhodná veličina z pravděpodobnostního hlediska úplně popsána nejčastějším způsobem popisu rozdělení pravděpodobnosti je distribuční funkce
4 Distribuční funkce ozn. F(x) reálná funkce, která každému reálnému číslu přiřazuje pravděpodobnost, že náhodná veličina nabývá hodnot menších než toto reálné číslo F( x) def. P ( X < x) Distribuční funkce diskrétní náhodné veličiny Distribuční funkce spojité náhodné veličiny
5 Distribuční funkce - vlastnosti 1. F( x) 1. x x, x < x : F( x ) F( ), tzn. F(x) je neklesající 1, 1 1 x 3. a R : limf( x) F( a), tzn. F(x) je zleva spojitá x a 4. F(x) má nejvýše spočetně mnoho bodů nespojitosti 5. lim F( x), tzn. F(x) začíná v nule x 6. lim F( x) 1, tzn. F(x) končí v jedničce x +
6 Distribuční funkce a pravděpodobnost P P P P ( X < a) F( a), pro všechna a R ( X a) 1 F( a), pro všechna a R ( a X < b) F ( b) F( a),pro všechna a, b R ( X a) limf ( x) F( a),pro všechna a, b R x a+
7 Distribuční funkce a pravděpodobnost Vztah mezi pravděpodobností a distribuční funkcí diskrétní náhodné veličiny
8 Distribuční funkce a pravděpodobnost Vztah mezi pravděpodobností a distribuční funkcí spojité náhodné veličiny
9 Diskrétní náhodná veličina Náhodná veličina X má diskrétní rozdělení pravděpodobnosti právě tehdy, když nabývá nejvýše spočetně mnoha hodnot tak, že: PX x ( i) ( ) P i ( X ) 1 x i Funkce P(Xx i )P(x i ) je pravděpodobnostní funkce, může být zadána: předpisem grafem tabulkou musíme dopočítat
10 Diskrétní náhodná veličina Distribuční funkci diskrétní náhodné veličiny můžeme vyjádřit pomocí pravděpodobnostní funkce jako F ( x) P( xi ) x i < x tzn. jako součet pravděpodobností těch x i, které jsou menší nežx.
11 Číselné charakteristiky diskrétní NV střední hodnota forma váženého průměru možných hodnot s váhami odpovídajícími jejich pravděpodobnostem ( těžiště) E ( X) µ x ( i) P( i x i ) rozptyl určuje rozložení dat kolem střední hodnoty D( X) X E( X ) ( E( )) výpočetní vztah směrodatná odchylka odmocnina z rozptylu (kvůli jednotkám) σ D(X) modus taková hodnota DNV, v nížp(x i ) nabývá svého maxima xˆ
12 1. Hodíme třikrát kostkou. Nechť náhodná veličina X znamená počet padnutí šestky. Určete: a) pravděpodobnostní funkci a její graf, b) distribuční funkci a její graf, c) pravděpodobnost jevu, že náhodná veličina X nabude kladných hodnot, d) střední hodnotu e) rozptyl a směrodatnou odchylku, f) modus
13 Řešení: a) Ve třech hodech kostkou může šestka padnout -3 krát. Určíme pravděpodobnosti každého případu, který může nastat: Označení: A padla šestka > A nepadla šestka P(A)1/6 P(A)5/6 jevy jsou nezávislé : P( A A A) P( A) P( A) P( A) (5 /6) (5 /6) (5 /6),579 1: P( A A A) P( A) P( A) P( A) (1/6) (5 /6) (5 /6) šestka může padnout v 1.,. nebo 3. hodu >,116 P( A A A) + P( A A A) + P( A A A),116 P * (1,),116 3! 1!!,116 3,348
14 Řešení: a) : P( A A A) P( A) P( A) P( A) (1/6) (1/6) (5 /6),3 3: šestka může nepadnout v 1.,. nebo 3. hodu > P( A A,3 A) 3!!1! + P( A A,3 3 A),69 + P( A A),3 P P( A A A) P( A) P( A) P( A) (1/6) (1/6) (1/6) A * (,1),4 Zkouška: 4 i 1 P ( X ) 1,579 +,348 +,69 +,4 1 x i
15 Řešení: a) xi P(xi),579 1,348,69 3,4
16 Řešení: a) Grafem pravděpodobnostní funkce je bodový graf. Pravděpodobnostní funkce je nulová ve všech bodech, které nepatří do základního prostoru: x R \ Ω : P( x), to z důvodu přehlednosti grafu nezakreslujeme.
17 Řešení: b) Distribuční funkce diskrétní náhodné veličiny je schodovitá funkce, která má nejvýše spočetně mnoho bodů nespojitosti v bodech, v nichž je pravděpodobnostní funkce nenulová. Velikosti skoku v bodech nespojitosti udávají hodnotu pravděpodobnosti v těchto bodech. Distribuční funkce je zleva spojitá.
18 Řešení: b) Distribuční funkce diskrétní náhodné veličiny je schodovitá funkce, která má nejvýše spočetně mnoho bodů nespojitosti v bodech, v nichž je pravděpodobnostní funkce nenulová. Velikosti skoku v bodech nespojitosti udávají hodnotu pravděpodobnosti v těchto bodech. Distribuční funkce je zleva spojitá. xi P(xi),579 1,348,69 3,4 x i F(x i )P(X<x i ) ( ; ( ; 1 ( 1; ( ; 3 ( 3; )
19 Řešení: b) x ( ; : F ( x) P ( X < x )
20 Řešení: b) x ( ;1 : F ( x ) P ( X < x ) P ( X ), 579
21 Řešení: b) x ( 1 ; : F( x) P( X < x) P( X ) + P( X 1),579 +,348, 97
22 Řešení: b) x ( ;3 : F( x) P( X < x) P( X ) + P( X 1) + P( X ),579 +,348 +,69,996
23 Řešení: b) x + P ( 3; : F( x) P( X < x) P( X ) ( X 1) + P( X ) + P( X 3),579 +,69 +, ,348 +
24 Řešení: b) x i F(x i )P(X<x i ) ( ; ( ; 1 ( 1; ( ; 3 ( 3; ),579,97,996 1
25 Řešení: c) pravděpodobnost jevu, že náhodná veličina X nabude kladných hodnot xi P(xi),579 1,348,69 3,4 P ( X > ) P ( X 1) + P ( X ) + P ( X 3 ), 41
26 Řešení: d) střední hodnota: E ( X ) x i P ( ) i x i xi P(xi) xi P(xi),579 1,348,348,69,138 3,4,1 1,498 E ( X ),498
27 Řešení: e) rozptyl: D E ( X ) x ( ) x i ( E( )) ( X ) E( X ) X P ( ) i x i xi P(xi) xi P(xi) P(xi) xi,579 1,348,348,348,69,138,76 3,4,1,36 1,498,66 E(X),498 E(X ),66 D(X)E(X ) - (E(X)),41 D ( X ),41 σ x D(X ) σ x,41,64
28 Řešení: f) modus: je hodnota, v níž pravděpodobnostní funkce nabývá svého maxima. xi P(xi),579 1,348,69 3,4 Modus
29 . Nechť náhodná veličina Y je definována jako funkce náhodné veličiny X z předcházejícího příkladu: Y3X- Určete: a) pravděpodobnostní funkci náh. vel. Y, b) distribuční funkci náh. vel. Y, c) střední hodnotu náh. veličiny Y, d) rozptyl a směrodatnou odchylku náh. veličiny Y, e) P(Y<6), P(Y8), f) modus náh. veličiny Y.
30 Řešení: a) pravděpodobnostní funkce: Y ( y) P( 3 ) 3X P x yi P(yi) yi P(yi) xi P(xi),579 1,348,69 3,4 3 -, , , ,4 -,579 1,348 4,69 7,4
31 Řešení: b) distribuční funkce: y i F(y i )P(Y<y i ) ( ; ( ; 1 ( 1; 4 ( 4; 7 ( 7; ),579,97,996 1
32 Řešení: c) střední hodnota: Z definičního vztahu nebo E ( Y) y P i ( ) i y i Pomocí vlastnosti střední hodnoty: ( 3X ) 3E( ) 3,498, 56 E( Y) E X
33 Řešení: d) rozptyl: Z definičního vztahu D ( E( )) ( Y) E( Y ) Y nebo Pomocí vlastnosti rozptylu: DY ( ) ( 3X ) 3D( ) 9,41 3, 78 D X směrodatná odchylka: σ Y D(Y ) σ Y 3,78 1,96
34 Řešení: e) P(Y<6), P(Y8): yi P(yi) -,579 1,348 4,69 7,4 PY ( < 6) PY ( ) + PY ( 1) + P( Y 4),996 PY ( 8 )
35 Řešení: f) modus: je hodnota, v níž pravděpodobnostní funkce nabývá svého maxima. yi P(yi) -,579 1,348 4,69 7,4 Modus
36 Spojitá náhodná veličina Náhodná veličina X má spojité rozdělení pravděpodobnosti právě tehdy, má-li spojitou distribuční funkci. Nemá smysl jednotlivým realizacím náhodné veličiny přiřazovat hodnotu pravděpodobnosti, protože pravděpodobnostní funkce je nulová. Místo pravděpodobnostní funkce se k popisu rozdělení spojité náhodné veličiny používá tzv. hustota pravděpodobnosti ozn. f(x).
37 Hustota pravděpodobnosti Hustota pravděpodobnosti f(x) spojité náhodné veličiny je reálná nezáporná funkce taková, že F x ( x) f ( t) dt pro < x < Ve všech bodech, kde existuje derivace distribuční funkce, platí df ( ) ( x) f x dx
38 Hustota pravděpodobnosti-vlastnosti 1. hustota pravděpodobnosti je nezáporná funkce f ( x). plocha pod křivkou hustoty pravděpodobnosti je rovna 1 f ( x) dx 1 3. hustota pravděpodobnosti začíná v ( x) lim f x 4. hustota pravděpodobnosti končí v ( x) lim f x
39 Hustota pravděpodobnosti a pravděpodobnost Vztah mezi pravděpodobnostmi výskytu spojité náhodné veličiny v nějakém intervalu a hustotou pravděpodobnosti: P P ( X a) a ( X < a) F ( a) f ( x) dx ( X a) F ( a) f ( x) dx f ( x) dx f ( x) P 1 a a dx P ( a X < b) F ( b) F ( a) f ( x) dx f ( x) dx f ( x) b a Vzhledem k nulovosti pravděpodobnostní funkce spojité náhodné veličiny můžeme ve výše uvedených vztazích libovolně zaměňovat ostré a neostré nerovnosti a b dx
40 Číselné charakteristiky spojité NV střední hodnota E ( X) µ x f( x) dx rozptyl směrodatná odchylka D( X) X E( X ) ( E( )) výpočetní vztah D(X) modus taková hodnota SNV, v nížf(x) nabývá svého maxima ( xˆ ) p-kvantil (x p ) taková hodnota, že pravděpodobnost, že NV nabude menších hodnot nežx p je 1p% σ dolní kvartil x,5 medián x,5 P( X < xp ) p F( xp) p horní kvartil x,75
41 3. NechťXje spojitá náhodná veličina definována hustotou pravděpodobnosti f(x). f ( x) a sinx x ; π x ; π a) nalezněte konstantu a, f( x) dx 1 dx + π a sinxdx + π dx 1 π [ cosx] a a [ ( 1 1) ] 1 a 1 a 1
42 3. NechťXje spojitá náhodná veličina definována hustotou pravděpodobnosti f(x). f ( x),5 sinx x x ; π ; π b) zakreslete hustotu pravděpodobnosti f(x),
43 3. NechťXje spojitá náhodná veličina definována hustotou pravděpodobnosti f(x). f ( x),5 sinx x x ; π ; π c) nalezněte a zakreslete distribuční funkci F(x), x x x x R : F( x) f( t) dt ( ;): F( x) dt x x x ; π): F( x) dt +,5 sintdt +,5 [ cost],5 ( cosx ( 1)),5,5 cosx
44 3. NechťXje spojitá náhodná veličina definována hustotou pravděpodobnosti f(x). f ( x),5 sinx x x ; π ; π c) nalezněte a zakreslete distribuční funkci F(x), x π; ): F( x) dt + π,5 sint dt + x dt +,5 π [ cost] +,5 (1 ( 1)) 1 F( x),5,5 cos 1 x, x, x, x ( ;) ; π) π; )
45 3. NechťXje spojitá náhodná veličina definována hustotou pravděpodobnosti f(x). f ( x),5 sinx x x ; π ; π c) nalezněte a zakreslete distribuční funkci F(x),
46 ( ) π π ; ; sin,5 x x x x f d) určete P(X,3), P(π/4<X<5), P(X>π/3). ) ;, ) ;, ;) (, 1,5 cos,5 ) ( π π x x x x x F ( ),3 X P, cos > π π π F X P 3. NechťXje spojitá náhodná veličina definována hustotou pravděpodobnosti f(x). Náhodná veličina-nv Distribuční funkce Diskrétní NV Funkce DNV Spojitá NV Test ( ) 854, cos < < π π π F F X P
47 3. NechťXje spojitá náhodná veličina definována hustotou pravděpodobnosti f(x). f ( x),5 sinx x x ; π ; π e) určete střední hodnotu E(X), E( X) x dx + x sinxdx + π [ π ] π π x sinxdx + 1 E ( X) integrace podle pravidla per partes π ( x) x f dx x dx [ sinx x cosx] π
48 3. NechťXje spojitá náhodná veličina definována hustotou pravděpodobnosti f(x). f ( x),5 sinx x x ; π ; π f) určete rozptyl D(X), D( X) E( X ) ( E( X) ) E( X 1 + ) 1 π x π 1 x dx + x sinxdx + x sinxdx E( X [ ] 1 ( π ) ) 1 [ cos ( ) sin ] π x x + x π ( x) x f dx π dx x integrace podle pravidla per partes
49 ( ) π π ; ; sin,5 x x x x f 4 ) ( π π π X D f) určete rozptyl D(X), ( ) ) ( ) ( ) ( X E X E X D 3. NechťXje spojitá náhodná veličina definována hustotou pravděpodobnosti f(x). Náhodná veličina-nv Distribuční funkce Diskrétní NV Funkce DNV Spojitá NV Test
50 3. NechťXje spojitá náhodná veličina definována hustotou pravděpodobnosti f(x). f ( x),5 sinx x x ; π ; π g) určete směrodatnou odchylku, σ D( X) π 4 8 π 8
51 3. NechťXje spojitá náhodná veličina definována hustotou pravděpodobnosti f(x). f ( x),5 sinx x x ; π ; π h) určete medián, F( x),5 cos( x,5,5 cos( x,5 cos( x,5 ),5 ),5 cos 1,5 ) F x,5 x ( x ), 5,5, x,5, x, x ( ;) π ; π) π; ) x,5 ;π)
52 3. NechťXje spojitá náhodná veličina definována hustotou pravděpodobnosti f(x). f ( x),5 sinx x x ; π ; π h) určete modus, hledáme maximum hustoty pravděpodobnosti max ;π)
53 3. NechťXje spojitá náhodná veličina definována hustotou pravděpodobnosti f(x). f ( x),5 sinx x x ; π ; π h) určete modus, max : f ( x) f ( x) < max ;π) (,5 sin x),5 cos x ) x π
54 Test
55 1. Vytvořte dvojice pojem příklad. a) náhodný pokus 1. Doba přenosu testovacího datového souboru je delší než 3s. b) náhodný jev. Měření doby přenosu testovacího datového souboru. c) náhodná veličina 3.Doba přenosu testovacího datového souboru.
56 . Určete pravdivost následujících výroků. a) Náhodnou veličinu chápeme jako výsledek náhodného pokusu, který je daný reálným číslem. b) Diskrétní náhodná veličina může nabývat konečného nebo spočetného množství hodnot c) Distribuční funkce náhodné veličiny X v bodětudává pravděpodobnost, že X nabývá hodnot menších nežt. d) Má-li náhodná veličina spojitou distribuční funkci, je spojitá. ( ) 1 e) Je-li X diskrétní náhodná veličina, pak PX. i x i
57 . Určete pravdivost následujících výroků. f) Oborem hodnot distribuční funkce jsou všechna reálná čísla. g) Medián je střední hodnota. ( x), 1 Medián x,5 je taková hodnota, že pravděpodobnost, že náhodná veličina nabude hodnoty menší než x,5 je 5%. P( X < x,5 ) F ( x,5 ), 5 Střední hodnota-obecný moment prvního řádu: pro DNV EX xi P( x i ), pro SNVEX x f ( x) dx h) Nabývá-li funkce f(x) hodnoty 1,3, nemůže jít o hustotu pravděpodobnosti. i) Rozdělení spojité náhodné veličiny můžeme popsat distribuční funkcí, hustotou pravděpodobnosti a intenzitou poruch. j) Střední hodnota součtu dvou náhodných veličin je rovna součtu jednotlivých středních hodnot. n n i F f E ( x), ) i 1 X i EX i 1 i
58 . Určete pravdivost následujících výroků. k) Rozptyl součtu dvou náhodných veličin je roven součtu jednotlivých rozptylů. (Platí pouze pro nezávislé NV) l) Střední hodnota součinu dvou náhodných veličin je rovna součinu jednotlivých středních hodnot. (Platí pouze pro nezávislé NV) m) Rozptyl součinu dvou náhodných veličin je roven součinu jednotlivých rozptylů. (Platí pouze pro nezávislé NV)
59 3. Určete, která ze zadaných funkcí nemůže představovat pravděpodobnostní funkci. a) b) k 3 6 P(Xk),,4,4 c)
60 4. Určete, zda by grafy znázorněných funkcí mohly představovat distribuční funkci. Není neklesající F ( x), 1 a) b) limf( x) x c) d) Není zleva spojitá
61 4. Určete, zda by grafy znázorněných funkcí mohly představovat distribuční funkci. e) f) Není neklesající
62 5. Určete, zda by grafy znázorněných funkcí mohly představovat hustotu pravděpodobnosti. a) Není nezáporná b) ( x) dx 1 c) d) f limf x ( x)
63 6.Nechť náhodná veličina X představuje životnost (dobu do poruchy) monitorů na počítačové učebně E3. Určete pravdivost následujících výroků. a)xje spojitou náhodnou veličinou. b) RozděleníXmůže být popsáno pravděpodobnostní funkcí. (Pravděpodobnostní funkce je nulová)
64 7. Vyjádřete následující pravděpodobnosti pomocí distribuční funkce. ( ) a) PX < 1, F ( 1) ( ) b) PX 5, ( X < 5) 1 ( 5) 1 P F ( ) c) P 5 X < 1. ( 1) F ( 5) F
65 8. NechťXje diskrétní náhodná veličina. Vyjádřete co nejjednodušeji následující pravděpodobnosti pomocí P ( X 5), P ( X < 5), P ( X > 5), P( X 1), P ( X < 1), P( X > 1). ( ) a) PX 1, P ( X < 1 ) + P( X 1) ( ) b) PX 5, ( ) c) P 5 <X 1, ( ) d) P 5 X 1. P P ( X 5) 1 P < ( X 1 ) + P( X < 1) P( X < 5) P( X 5) ( X 1 ) + P( X < 1) P( X < 5)
66 9. NechťXje spojitá náhodná veličina. Vyjádřete co nejjednodušeji následující pravděpodobnosti pomocí P ( X < 5), P ( X > 5), P ( X < 1), P( X > 1). ( ) a) PX 1, ( ) b) PX 5, P( X < 1) ( X 5) 1 P < ( ) c) P 5 <X 1, ( ) d) P 5 X 1. P P ( X < 1 ) P( X < 5) ( X < 1 ) P( X < 5)
67 1. NechťXje spojitá náhodná veličina. Vyjádřete co nejjednodušeji následující pravděpodobnosti pomocí hustoty pravděpodobnosti. ( ) a) PX 1, ( ) b) PX 5, ( ) c) P 5 <X 1, ( ) 1 d) P 5 X 1. f ( x)dx f ( x)dx f 1 5 f ( x)dx ( x)dx
Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel
Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Výsledky některých náhodných pokusů jsou přímo vyjádřeny číselně (např. při hodu kostkou padne 6). Náhodnou veličinou
VíceMatematika III. 4. října Vysoká škola báňská - Technická univerzita Ostrava. Matematika III
Vysoká škola báňská - Technická univerzita Ostrava 4. října 2018 Podmíněná pravděpodobnost Při počítání pravděpodobnosti můžeme k náhodnému pokusu přidat i nějakou dodatečnou podmínku. Podmíněná pravděpodobnost
VíceJAK MODELOVAT VÝSLEDKY NÁH. POKUSŮ? Martina Litschmannová
JAK MODELOVAT VÝSLEDKY NÁH. POKUSŮ? Martina Litschmannová Opakování Základní pojmy z teorie pravděpodobnosti Co je to náhodný pokus? Děj, jehož výsledek není předem jednoznačně určen podmínkami, za nichž
VíceNěkdy lze výsledek pokusu popsat jediným číslem, které označíme X (nebo jiným velkým písmenem). Hodíme dvěma kostkami jaký padl součet?
Náhodné veličiny Náhodné veličiny Někdy lze výsledek pokusu popsat jediným číslem, které označíme X (nebo jiným velkým písmenem). Příklad Vytáhneme tři karty z balíčku zajímá nás, kolik je mezi nimi es.
VíceUrčete zákon rozložení náhodné veličiny, která značí součet ok při hodu a) jednou kostkou, b) dvěma kostkami, c) třemi kostkami.
3.1. 3.2. Třikrát vystřelíme na cíl. Pravděpodobnost zásahu při každém výstřelu je p = 0,7. Určete: a) pravděpodobnostní funkci počtu zásahů při třech nezávislých výsledcích, b) distribuční funkci a její
VíceNáhodná veličina a rozdělení pravděpodobnosti
3.2 Náhodná veličina a rozdělení pravděpodobnosti Bůh hraje se světem hru v kostky. Jsou to ale falešné kostky. Naším hlavním úkolem je zjistit, podle jakých pravidel byly označeny, a pak toho využít pro
VíceZáklady teorie pravděpodobnosti
Základy teorie pravděpodobnosti Náhodná veličina Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 12. února 2012 Statistika by Birom Základy teorie
VíceJAK MODELOVAT VÝSLEDKY
JAK MODELOVAT VÝSLEDKY NÁHODNÝCH POKUSŮ? Martina Litschmannová Opakování Základní pojmy z teorie pravděpodobnosti Co je to náhodný pokus? Děj, jehož výsledek není předem jednoznačně určen podmínkami, za
VícePravděpodobnost a statistika, Biostatistika pro kombinované studium. Jan Kracík
Pravděpodobnost a statistika, Biostatistika pro kombinované studium Letní semestr 2017/2018 Tutoriál č. 2:, náhodný vektor Jan Kracík jan.kracik@vsb.cz náhodná veličina rozdělení pravděpodobnosti náhodné
VícePojmy z kombinatoriky, pravděpodobnosti, znalosti z kapitoly náhodná veličina, znalost parciálních derivací, dvojného integrálu.
6. NÁHODNÝ VEKTOR Průvodce studiem V počtu pravděpodobnosti i v matematické statistice se setkáváme nejen s náhodnými veličinami, jejichž hodnotami jsou reálná čísla, ale i s takovými, jejichž hodnotami
VíceNáhodná veličina a její charakteristiky. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáte. Proto je proměnná, která
Náhodná veličina a její charakteristiky Náhodná veličina a její charakteristiky Představte si, že provádíte náhodný pokus, jehož výsledek jste schopni ohodnotit nějakým číslem. Před provedením pokusu jeho
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Náhodná proměnná Náhodná veličina slouží k popisu výsledku pokusu. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáme. Přesto bychom chtěli tento pokus
VíceNáhodná veličina. Michal Fusek. 10. přednáška z ESMAT. Ústav matematiky FEKT VUT, Michal Fusek
Náhodná veličina Michal Fusek Ústav matematiky FEKT VUT, fusekmi@feec.vutbr.cz 10. přednáška z ESMAT Michal Fusek (fusekmi@feec.vutbr.cz) 1 / 71 Obsah 1 Náhodná veličina 2 Diskrétní náhodná veličina 3
VíceDiskrétní náhodná veličina. November 12, 2008
Diskrétní náhodná veličina November 12, 2008 (Náhodná veličina (náhodná proměnná)) Náhodná veličina (nebo též náhodná proměnná) je veličina X, jejíž hodnota je jednoznačně určena výsledkem náhodného pokusu.
VíceNáhodná veličina Číselné charakteristiky diskrétních náhodných veličin Spojitá náhodná veličina. Pravděpodobnost
Pravděpodobnost Náhodné veličiny a jejich číselné charakteristiky Petr Liška Masarykova univerzita 19.9.2014 Představme si, že provádíme pokus, jehož výsledek dokážeme ohodnotit číslem. Před provedením
VíceRozdělení náhodné veličiny. Distribuční funkce. Vlastnosti distribuční funkce
Náhodná veličina motivace Náhodná veličina Často lze výsledek náhodného pokusu vyjádřit číslem: číslo, které padlo na kostce, výška náhodně vybraného studenta, čas strávený čekáním na metro, délka života
VíceInovace bakalářského studijního oboru Aplikovaná chemie
http://aplchem.upol.cz CZ.1.07/2.2.00/15.0247 Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. Základy zpracování dat chemometrie, statistika Doporučenáliteratura
Vícea způsoby jejího popisu Ing. Michael Rost, Ph.D.
Podmíněná pravděpodobnost, náhodná veličina a způsoby jejího popisu Ing. Michael Rost, Ph.D. Podmíněná pravděpodobnost Pokud je jev A vázán na uskutečnění jevu B, pak tento jev nazýváme jevem podmíněným
VíceDefinice spojité náhodné veličiny zjednodušená verze
Definice spojité náhodné veličiny zjednodušená verze Náhodná veličina X se nazývá spojitá, jestliže existuje nezáporná funkce f : R R taková, že pro každé a, b R { }, a < b, platí P(a < X < b) = b a f
Více10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.
0 cvičení z PST 5 prosince 208 0 (intervalový odhad pro rozptyl) Soubor (70, 84, 89, 70, 74, 70) je náhodným výběrem z normálního rozdělení N(µ, σ 2 ) Určete oboustranný symetrický 95% interval spolehlivosti
VíceTéma 22. Ondřej Nývlt
Téma 22 Ondřej Nývlt nyvlto1@fel.cvut.cz Náhodná veličina a náhodný vektor. Distribuční funkce, hustota a pravděpodobnostní funkce náhodné veličiny. Střední hodnota a rozptyl náhodné veličiny. Sdružené
VíceChyby měření 210DPSM
Chyby měření 210DPSM Jan Zatloukal Stručný přehled Zdroje a druhy chyb Systematické chyby měření Náhodné chyby měření Spojité a diskrétní náhodné veličiny Normální rozdělení a jeho vlastnosti Odhad parametrů
VíceNáhodný vektor a jeho charakteristiky
Náhodný vektor a jeho číselné charakteristiky 1 Náhodný vektor a jeho charakteristiky V následující kapitole budeme věnovat pozornost pouze dvourozměřnému náhodnému vektoru, i když uvedené pojmy a jejich
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Náhodná proměnná Náhodná veličina slouží k popisu výsledku pokusu. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáme. Přesto bychom chtěli tento pokus
VíceTéma 2: Pravděpodobnostní vyjádření náhodných veličin
0.025 0.02 0.015 0.01 0.005 Nominální napětí v pásnici Std Mean 140 160 180 200 220 240 260 Std Téma 2: Pravděpodobnostní vyjádření náhodných veličin Přednáška z předmětu: Pravděpodobnostní posuzování
VíceNÁHODNÝ VEKTOR. 4. cvičení
NÁHODNÝ VEKTOR 4. cvičení Náhodný vektor Náhodným vektorem rozumíme sloupcový vektor X=(X, X,, X n ) složený z náhodných veličin X, X,, X n, který je charakterizován sdruženým rozdělením pravděpodobnosti.
VíceCharakterizace rozdělení
Charakterizace rozdělení Momenty f(x) f(x) f(x) μ >μ 1 σ 1 σ >σ 1 g 1 g σ μ 1 μ x μ x x N K MK = x f( x) dx 1 M K = x N CK = ( x M ) f( x) dx ( xi M 1 C = 1 K 1) N i= 1 K i K N i= 1 K μ = E ( X ) = xf
VíceI. D i s k r é t n í r o z d ě l e n í
6. T y p y r o z d ě l e n í Poznámka: V odst. 5.5-5.10 jsme uvedli příklady náhodných veličin a jejich distribučních funkcí. Poznali jsme, že se od sebe liší svým typem. V příkladech 5.5, 5.6 a 5.8 jsme
Vícep(x) = P (X = x), x R,
6. T y p y r o z d ě l e n í Poznámka: V odst. 5.5-5.10 jsme uvedli příklady náhodných veličin a jejich distribučních funkcí. Poznali jsme, že se od sebe liší svým typem. V příkladech 5.5, 5.6 a 5.8 jsme
VíceZápočtová písemka z Matematiky III (BA04) skupina A
skupina A 0 pro x < 1, ae x pro x 1, ), Pravděpodobnost P (X ) a P (X =.). E (X) a E ( X 1). Hustotu transformované náhodné veličiny Y = (X + 1). F(x) = x 3 pro x (0, 9), Hustotu f(x). Pravděpodobnost
VíceTéma 2: Pravděpodobnostní vyjádření náhodných veličin
0.05 0.0 0.05 0.0 0.005 Nominální napětí v pásnici Std Mean 40 60 80 00 0 40 60 Std Téma : Pravděpodobnostní vyjádření náhodných veličin Přednáška z předmětu: Spolehlivost a bezpečnost staveb 4. ročník
VícePravdpodobnost výskytu náhodné veliiny na njakém intervalu urujeme na základ tchto vztah: f(x)
NÁHODNÁ VELIINA Náhodná veliina je veliina, jejíž hodnota je jednoznan urena výsledkem náhodného pokusu (je-li tento výsledek dán reálným íslem). Jde o reálnou funkci definovanou na základním prostoru
VícePravděpodobnost a aplikovaná statistika
Pravděpodobnost a aplikovaná statistika MGR. JANA SEKNIČKOVÁ, PH.D. 2. KAPITOLA PODMÍNĚNÁ PRAVDĚPODOBNOST 3. KAPITOLA NÁHODNÁ VELIČINA 9.11.2017 Opakování Uveďte příklad aplikace geometrické definice pravděpodobnosti
Více8 Střední hodnota a rozptyl
Břetislav Fajmon, UMAT FEKT, VUT Brno Této přednášce odpovídá kapitola 10 ze skript [1]. Také je k dispozici sbírka úloh [2], kde si můžete procvičit příklady z kapitol 2, 3 a 4. K samostatnému procvičení
Více7. Rozdělení pravděpodobnosti ve statistice
7. Rozdělení pravděpodobnosti ve statistice Statistika nuda je, má však cenné údaje, neklesejte na mysli, ona nám to vyčíslí Jednou z úloh statistiky je odhad (výpočet) hodnot statistického znaku x i,
VícePoznámky k předmětu Aplikovaná statistika, 4. téma
Poznámky k předmětu Aplikovaná statistika, 4. téma 4. Náhodné vektory V praxi se nám může hodit postihnout více vlastností jednoho objektu najednou, např. výšku, váhu a pohlaví člověka; rychlost chemické
VíceVzorová písemka č. 1 (rok 2015/2016) - řešení
Vzorová písemka č. rok /6 - řešení Pavla Pecherková. května 6 VARIANTA A. Náhodná veličina X je určena hustotou pravděpodobností: máme hustotu { pravděpodobnosti C x pro x ; na intervalu f x jinde jedná
VíceP13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod.
P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod. Matematický přístup k výsledkům únavových zkoušek Náhodnost výsledků únavových zkoušek. Únavové
Více1. Náhodný vektor (X, Y ) má diskrétní rozdělení s pravděpodobnostní funkcí p, kde. p(x, y) = a(x + y + 1), x, y {0, 1, 2}.
VIII. Náhodný vektor. Náhodný vektor (X, Y má diskrétní rozdělení s pravděpodobnostní funkcí p, kde p(x, y a(x + y +, x, y {,, }. a Určete číslo a a napište tabulku pravděpodobnostní funkce p. Řešení:
VíceSPOJITÉ ROZDĚLENÍ PRAVDĚPODOBNOSTI. 7. cvičení
SPOJITÉ ROZDĚLENÍ PRAVDĚPODOBNOSTI 7. cvičení Intenzita poruch Funkce modelující dobu do výskytu události životnost, dobu do poruchy, dobu do relapsu (návratu onemocnění), apod. používáme spolu s distribuční
VíceNáhodné (statistické) chyby přímých měření
Náhodné (statistické) chyby přímých měření Hodnoty náhodných chyb se nedají stanovit předem, ale na základě počtu pravděpodobnosti lze zjistit, která z možných naměřených hodnot je více a která je méně
VíceAVDAT Náhodný vektor, mnohorozměrné rozdělení
AVDAT Náhodný vektor, mnohorozměrné rozdělení Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Opakování, náhodná veličina, rozdělení Náhodná veličina zobrazuje elementární
Více1 Rozptyl a kovariance
Rozptyl a kovariance Nechť X je náhodná veličina s konečnou střední hodnotou EX Potom rozptyl náhodné veličiny X definujeme jako: DX E(X EX, pokud střední hodnota na pravé straně existuje Podobně jako
VíceVšechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a
Všechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a báli jste se zeptat Jedinečnou funkcí statistiky je, že umožňuje vědci číselně vyjádřit nejistotu v jeho závěrech. (G. W. Snedecor)
VícePoznámky k předmětu Aplikovaná statistika, 4. téma
Poznámky k předmětu Aplikovaná statistika, 4. téma 4. Náhodné vektory V praxi se nám může hodit postihnout více vlastností jednoho objektu najednou, např. výšku, váhu a pohlaví člověka; rychlost chemické
VíceDerivace a monotónnost funkce
Derivace a monotónnost funkce Věta : Uvažujme funkci f (x), která má na intervalu I derivaci f (x). Pak platí: je-li f (x) > 0 x I, funkce f je na intervalu I rostoucí. je-li f (x) < 0 x I, funkce f je
VíceStatistika II. Jiří Neubauer
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Zaměříme se především na popis dvourozměrných náhodných veličin (vektorů). Definice Nechť X a Y jsou
VíceMATEMATICKÁ STATISTIKA - XP01MST
MATEMATICKÁ STATISTIKA - XP01MST 1. Úvod. Matematická statistika (statistics) se zabývá vyšetřováním zákonitostí, které v sobě obsahují prvek náhody. Zpracováním hodnot, které jsou výstupem sledovaného
VíceNáhodné vektory a matice
Náhodné vektory a matice Jiří Militký Katedra textilních materiálů Technická Universita Liberec, Červeně označené slide jsou jen pro doplnění informací a nezkouší se. Symbolika A B Jev jistý S (nastane
VícePřednáška. Diskrétní náhodná proměnná. Charakteristiky DNP. Základní rozdělení DNP
IV Přednáška Diskrétní náhodná proměnná Charakteristiky DNP Základní rozdělení DNP Diskrétní náhodná veličina Funkce definovaná na Ω, přiřazující každému elementárnímu jevu E prvky X(E) D R kde D je posloupnost
VíceDiskrétní náhodná veličina
Lekce Diskrétní náhodná veličina Výsledek náhodného pokusu může být vyjádřen slovně to vede k zavedení pojmu náhodného jevu Výsledek náhodného pokusu můžeme někdy vyjádřit i číselně, což vede k pojmu náhodné
VíceVybraná rozdělení náhodné veličiny
3.3 Vybraná rozdělení náhodné veličiny 0,16 0,14 0,12 0,1 0,08 0,06 0,04 0,02 0 Rozdělení Z 3 4 5 6 7 8 9 10 11 12 13 14 15 Život je umění vytvářet uspokojivé závěry na základě nedostatečných předpokladů.
Více1 Náhodný výběr a normální rozdělení 1.1 Teoretická a statistická pravděpodobnost
1 Náhodný výběr a normální rozdělení 1.1 Teoretická a statistická pravděpodobnost Ve světě kolem nás eistují děje, jejichž výsledek nelze předem jednoznačně určit. Například nemůžete předem určit, kolik
VíceZadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2014
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 204 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia
VíceZadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2016
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 206 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia
Více9. T r a n s f o r m a c e n á h o d n é v e l i č i n y
9. T r a n s f o r m a c e n á h o d n é v e l i č i n y Při popisu procesů zpracováváme vstupní údaj, hodnotu x tak, že výstupní hodnota y závisí nějakým způsobem na vstupní, je její funkcí y = f(x).
VíceNáhodné chyby přímých měření
Náhodné chyby přímých měření Hodnoty náhodných chyb se nedají stanovit předem, ale na základě počtu pravděpodobnosti lze zjistit, která z možných naměřených hodnot je více a která je méně pravděpodobná.
VíceJevy a náhodná veličina
Jevy a náhodná veličina Výsledky některých jevů jsou vyjádřeny číselně -na hrací kostce padne číslo 1, 4, 6.., jiným jevům můžeme čísla přiřadit (stupeň školního vzdělání: ZŠ, SŠ, VŠ) Data jsme rozdělili
VíceZadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2014
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2014 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia
VíceÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A4. Cvičení, letní semestr DOMÁCÍ ÚLOHY. Jan Šafařík
Vysoké učení technické v Brně Stavební fakulta ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE Matematika 0A4 Cvičení, letní semestr DOMÁCÍ ÚLOHY Jan Šafařík Brno c 200 (1) 120 krát jsme házeli hrací kostkou.
VícePraktická statistika. Petr Ponížil Eva Kutálková
Praktická statistika Petr Ponížil Eva Kutálková Zápis výsledků měření Předpokládejme, že známe hodnotu napětí U = 238,9 V i její chybu 3,3 V. Hodnotu veličiny zapíšeme na tolik míst, aby až poslední bylo
VíceMATEMATICKÁ STATISTIKA
MATEMATICKÁ STATISTIKA 1. Úvod. Matematická statistika se zabývá vyšetřováním zákonitostí, které v sobě obsahují prvek náhody. Zpracováním hodnot, které jsou výstupem sledovaného procesu, se snažíme popsat
VícePravděpodobnost a matematická statistika
Pravděpodobnost a matematická statistika Příklady k přijímacím zkouškám na doktorské studium 1 Popisná statistika Určete aritmetický průměr dat, zadaných tabulkou hodnot x i a četností n i x i 1 2 3 n
VíceDistribuční funkce je funkcí neklesající, tj. pro všechna
Téma: Náhodná veličina, distribuční funkce a její graf, pravděpodobnostní funkce a její graf, funkce hustoty pravděpodobnosti a její graf, výpočet střední hodnoty a rozptylu náhodné veličiny 1 Náhodná
VíceStřední hodnota a rozptyl náhodné. kvantilu. Ing. Michael Rost, Ph.D.
Střední hodnota a rozptyl náhodné veličiny, vybraná rozdělení diskrétních a spojitých náhodných veličin, pojem kvantilu Ing. Michael Rost, Ph.D. Príklad Předpokládejme že máme náhodnou veličinu X která
VíceMATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci
MATEMATICKÁ STATISTIKA Dana Černá http://www.fp.tul.cz/kmd/ Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci Matematická statistika Matematická statistika se zabývá matematickým
VíceDefinice 7.1 Nechť je dán pravděpodobnostní prostor (Ω, A, P). Zobrazení. nebo ekvivalentně
7 Náhodný vektor Nezávislost náhodných veličin Definice 7 Nechť je dán pravděpodobnostní prostor (Ω, A, P) Zobrazení X : Ω R n, které je A-měřitelné, se nazývá (n-rozměrný) náhodný vektor Měřitelností
VícePravděpodobnost a statistika (BI-PST) Cvičení č. 4
Pravděpodobnost a statistika (BI-PST) Cvičení č. 4 J. Hrabáková, I. Petr, F. Štampach, D. Vašata Katedra aplikované matematiky Fakulta informačních technologií České vysoké učení technické v Praze ZS 2014/2015
VíceCvičení ze statistiky - 5. Filip Děchtěrenko
Cvičení ze statistiky - 5 Filip Děchtěrenko Minule bylo.. Začali jsme pravděpodobnost Klasická a statistická definice pravděpodobnosti Náhodný jev Doplněk, průnik, sjednocení Podmíněná pravděpodobnost
VíceZadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2016
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2016 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia
VíceVýběrové charakteristiky a jejich rozdělení
Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Statistické šetření úplné (vyčerpávající) neúplné (výběrové) U výběrového šetření se snažíme o to, aby výběrový
VíceMATEMATIKA III V PŘÍKLADECH
VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ MATEMATIKA III V PŘÍKLADECH Cvičení 7 Rozdělení pravděpodobnosti spojité náhodné veličiny Mgr. Petr Otipka Ostrava 2013 Mgr. Petr Otipka
Víceletní semestr Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy Matematická statistika
Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy letní semestr 2012 1 1 Založeno na materiálech doc. Michala Kulicha veličina Definice Funkci
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Číselné charateristiy náhodných proměnných Charateristiy náhodných proměnných dělíme nejčastěji na charateristiy polohy a variability. Mezi charateristiy polohy se nejčastěji
Více8. Normální rozdělení
8. Normální rozdělení 8.. Definice: Normální (Gaussovo) rozdělení N(µ, 2 ) s parametry µ a > 0 je rozdělení určené hustotou ( ) f(x) = (x µ) 2 e 2 2, x (, ). Rozdělení N(0; ) s parametry µ = 0 a = se nazývá
Vícen = 2 Sdružená distribuční funkce (joint d.f.) n. vektoru F (x, y) = P (X x, Y y)
5. NÁHODNÝ VEKTOR 5.1. Rozdělení náhodného vektoru Náhodný vektor X = (X 1, X 2,..., X n ) T n-rozměrný vektor, složky X i, i = 1,..., n náhodné veličiny. Vícerozměrná (n-rozměrná) náhodná veličina n =
VíceX = x, y = h(x) Y = y. hodnotám x a jedné hodnotě y. Dostaneme tabulku hodnot pravděpodobnostní
..08 8cv7.tex 7. cvičení - transformace náhodné veličiny Definice pojmů a základní vzorce Je-li X náhodná veličina a h : R R je měřitelná funkce, pak náhodnou veličinu Y, která je definovaná vztahem X
VíceNalezněte hladiny následujících funkcí. Pro které hodnoty C R jsou hladiny neprázdné
. Definiční obor a hladiny funkce více proměnných Nalezněte a graficky znázorněte definiční obor D funkce f = f(x, y), kde a) f(x, y) = x y, b) f(x, y) = log(xy + ), c) f(x, y) = xy, d) f(x, y) = log(x
VíceIII. Úplná pravděpodobnost. Nezávislé pokusy se dvěma výsledky. Úplná pravděpodobnost Nezávislé pokusy se dvěma výsledky Náhodná veličina
III Přednáška Úplná pravděpodobnost Nezávislé pokusy se dvěma výsledky Náhodná veličina Pravděpodobnost při existenci neslučitelných hypotéz Věta Mějme jev. Pokud H 1,H 2, : : :,H n tvoří úplnou skupinu
Více9. T r a n s f o r m a c e n á h o d n é v e l i č i n y
9. T r a n s f o r m a c e n á h o d n é v e l i č i n Při popisu procesů zpracováváme vstupní údaj, hodnotu x tak, že výstupní hodnota závisí nějakým způsobem na vstupní, je její funkcí = f(x). Pokud
VíceZápočtová práce STATISTIKA I
Zápočtová práce STATISTIKA I Obsah: - úvodní stránka - charakteristika dat (původ dat, důvod zpracování,...) - výpis naměřených hodnot (v tabulce) - zpracování dat (buď bodové nebo intervalové, podle charakteru
VícePravděpodobnost a statistika I KMA/K413
Pravděpodobnost a statistika I KMA/K413 Konzultace 3 Přírodovědecká fakulta Katedra matematiky jiri.cihlar@ujep.cz Kovariance, momenty Definice kovariance: Kovariance náhodných veličin Dále můžeme dokázat:,
Více8.1. Definice: Normální (Gaussovo) rozdělení N(µ, σ 2 ) s parametry µ a. ( ) ϕ(x) = 1. označovat písmenem U. Její hustota je pak.
8. Normální rozdělení 8.. Definice: Normální (Gaussovo) rozdělení N(µ, ) s parametry µ a > 0 je rozdělení určené hustotou ( ) f(x) = (x µ) e, x (, ). Rozdělení N(0; ) s parametry µ = 0 a = se nazývá normované
VíceE(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) =
Základní rozdělení pravděpodobnosti Diskrétní rozdělení pravděpodobnosti. Pojem Náhodná veličina s Binomickým rozdělením Bi(n, p), kde n je přirozené číslo, p je reálné číslo, < p < má pravděpodobnostní
VíceROZDĚLENÍ SPOJITÝCH NÁHODNÝCH VELIČIN
ROZDĚLENÍ SPOJITÝCH NÁHODNÝCH VELIČIN Rovnoměrné rozdělení R(a,b) rozdělení s konstantní hustotou pravděpodobnosti v intervalu (a,b) f( x) distribuční funkce 0 x a F( x) a x b b a 1 x b b 1 a x a a x b
VíceTransformujte diferenciální výraz x f x + y f do polárních souřadnic r a ϕ, které jsou definovány vztahy x = r cos ϕ a y = r sin ϕ.
Ukázka 1 Necht má funkce z = f(x, y) spojité parciální derivace. Napište rovnici tečné roviny ke grafu této funkce v bodě A = [ x 0, y 0, z 0 ]. Transformujte diferenciální výraz x f x + y f y do polárních
Více10. N á h o d n ý v e k t o r
10. N á h o d n ý v e k t o r 10.1. Definice: Náhodný vektor. Uspořádanou n tici (X 1, X 2,..., X n ) náhodných veličin X i, 1 i n, nazýváme náhodným vektorem. Poznámka: Pro jednoduchost budeme zavádět
VíceVícerozměrná rozdělení
Vícerozměrná rozdělení 7. září 0 Učivo: Práce s vícerozměrnými rozděleními. Sdružené, marginální, podmíněné rozdělení pravděpodobnosti. Vektorová střední hodnota. Kovariance, korelace, kovarianční matice.
VíceZadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2017
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 207 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia
VíceKGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 4. Teoretická rozdělení Mgr. David Fiedor 9. března 2015 Osnova Úvod 1 Úvod 2 3 4 5 Vybraná rozdělení náhodných proměnných normální rozdělení normované normální rozdělení
VíceTomáš Karel LS 2012/2013
Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není
Více1 Klasická pravděpodobnost. Bayesův vzorec. Poslední změna (oprava): 11. května 2018 ( 6 4)( 43 2 ) ( 49 6 ) 3. = (a) 1 1 2! + 1 3!
Výsledky příkladů na procvičení z NMSA0 Klasická pravděpodobnost. 5. ( 4( 43 ( 49 3. 8! 3! 0! = 5 Poslední změna (oprava:. května 08 4. (a! + 3! + ( n+ n! = n k= ( k+ /k! = n k=0 ( k /k!; (b n k=0 ( k
VícePříklady: - počet členů dané domácnosti - počet zákazníků ve frontě - počet pokusů do padnutí čísla šest - životnost televizoru - věk člověka
Náhodná veličina Náhodnou veličinou nazýváme veličinu, terá s určitými p-stmi nabývá reálných hodnot jednoznačně přiřazených výsledům příslušných náhodných pousů Náhodné veličiny obvyle dělíme na dva záladní
VíceMgr. Rudolf Blažek, Ph.D. prof. RNDr. Roman Kotecký Dr.Sc.
Náhodné veličiny III Mgr. Rudolf Blažek, Ph.D. prof. RNDr. Roman Kotecký Dr.Sc. Katedra teoretické informatiky Fakulta informačních technologií České vysoké učení technické v Praze c Rudolf Blažek, Roman
VíceVypracoval: Mgr. Lukáš Bičík TENTO PROJEKT JE SPOLUFINANCOVÁN EVROPSKÝM SOCIÁLNÍM FONDEM A STÁTNÍM ROZPOČTEM ČESKÉ REPUBLIKY
Vlastnosti funkcí Vypracoval: Mgr. Lukáš Bičík TENTO PROJEKT JE SPOLUFINANCOVÁN EVROPSKÝM SOCIÁLNÍM FONDEM A STÁTNÍM ROZPOČTEM ČESKÉ REPUBLIKY Definiční obor Definiční obor funkce je množina všech čísel,
VíceDerivace funkce Otázky
funkce je jedním z hlavních nástrojů matematické analýzy. V příští části ukážeme, jak mnoho různorodých aplikací derivace má. Geometricky lze derivaci funkce v nějakém bodě chápat jako směrnici tečny grafu
VíceNáhodné veličiny jsou nekorelované, neexistuje mezi nimi korelační vztah. Když jsou X; Y nekorelované, nemusí být nezávislé.
1. Korelační analýza V životě většinou nesledujeme pouze jeden statistický znak. Sledujeme více statistických znaků zároveň. Kromě vlastností statistických znaků nás zajímá také jejich těsnost (velikost,
Více