Pascalova sázka. Masarykova univerzita, Přírodovědecká fakulta Ústav matematiky a statistiky

Rozměr: px
Začít zobrazení ze stránky:

Download "Pascalova sázka. Masarykova univerzita, Přírodovědecká fakulta Ústav matematiky a statistiky"

Transkript

1 Pascalova sázka O náhodě, pravděpodobnosti, poznávání a rozhodování Zdeněk Pospíšil Masarykova univerzita, Přírodovědecká fakulta Ústav matematiky a statistiky Univerzita třetího věku 1. dubna 2016

2 Úvod Základní pojmy Trochu historie Zdroje Teorie pravděpodobnosti Rozhodování za nejistoty Teorie her Úvod Pascalova sázka 2 / 18

3 Základní pojmy Náhoda: Pascalova sázka 3 / 18

4 Základní pojmy Náhoda: Svévole bohyně Tyché (Fortuny). Pascalova sázka 3 / 18

5 Základní pojmy Náhoda: Svévole bohyně Tyché (Fortuny). Jev, který nemá příčinu. Pascalova sázka 3 / 18

6 Základní pojmy Náhoda: Svévole bohyně Tyché (Fortuny). Jev, který nemá příčinu. Jev, který má tak komplikované a komplexní příčiny, že je nemůžeme poznat. Pascalova sázka 3 / 18

7 Základní pojmy Náhoda: Svévole bohyně Tyché (Fortuny). Jev, který nemá příčinu. Jev, který má tak komplikované a komplexní příčiny, že je nemůžeme poznat. Jev, který je unikátní a neopakovatelný. Pascalova sázka 3 / 18

8 Základní pojmy Náhoda: Svévole bohyně Tyché (Fortuny). Jev, který nemá příčinu. Jev, který má tak komplikované a komplexní příčiny, že je nemůžeme poznat. Jev, který je unikátní a neopakovatelný. Pravděpodobnost: Pascalova sázka 3 / 18

9 Základní pojmy Náhoda: Svévole bohyně Tyché (Fortuny). Jev, který nemá příčinu. Jev, který má tak komplikované a komplexní příčiny, že je nemůžeme poznat. Jev, který je unikátní a neopakovatelný. Pravděpodobnost: Jistá jsou tvrzení z Písma svatého, z papežských bul a z usnesení koncilů. Objeví-li se totéž tvrzení v knihách theologů, je pravděpodobné. Pascalova sázka 3 / 18

10 Základní pojmy Náhoda: Svévole bohyně Tyché (Fortuny). Jev, který nemá příčinu. Jev, který má tak komplikované a komplexní příčiny, že je nemůžeme poznat. Jev, který je unikátní a neopakovatelný. Pravděpodobnost: Jistá jsou tvrzení z Písma svatého, z papežských bul a z usnesení koncilů. Objeví-li se totéž tvrzení v knihách theologů, je pravděpodobné. Pravděpodobné je tvrzení, které neodporuje zkušenosti nebo poznání. Pascalova sázka 3 / 18

11 Základní pojmy Náhoda: Svévole bohyně Tyché (Fortuny). Jev, který nemá příčinu. Jev, který má tak komplikované a komplexní příčiny, že je nemůžeme poznat. Jev, který je unikátní a neopakovatelný. Pravděpodobnost: Jistá jsou tvrzení z Písma svatého, z papežských bul a z usnesení koncilů. Objeví-li se totéž tvrzení v knihách theologů, je pravděpodobné. Pravděpodobné je tvrzení, které neodporuje zkušenosti nebo poznání. Pravděpodobnost je kvantita vyjadřující míru (ne)jistoty. Pascalova sázka 3 / 18

12 Trochu historie Pascalova sázka 4 / 18

13 Trochu historie Gerolamo Cardano Pascalova sázka 4 / 18

14 Trochu historie Gerolamo Cardano Blaise Pascal Pierre de Fermat Pascalova sázka 4 / 18

15 Trochu historie Gerolamo Cardano Blaise Pascal Pierre de Fermat Toto nové učení... sjednocuje přesnost matematických důkazů s neurčitostí našich pokusů a smiřuje tím věci zdánlivě nesourodé. Pascalova sázka 4 / 18

16 Trochu historie Christian Huygens Jakob Bernoulli Pierre-Simon Laplace Pascalova sázka 4 / 18

17 Trochu historie Christian Huygens Jakob Bernoulli Pierre-Simon Laplace John von Neumann Pascalova sázka 4 / 18

18 Zdroje 1. B. Pascal, Myšlenky. J.Leichter, Praha A. P locki, O náhodě a pravděpodobnosti. Mladá fronta, Praha A. Rényi, Dialogy o matematice. Mladá fronta, Praha M. Hykšová, Filosofická pojetí pravděpodobnosti v pracích českých myslitelů. MatFyzPress, Praha L. Novák, V. Vohánka, Kapitoly z epistemologie a noetiky. Krystal OP, Olomouc M. Chvoj, Pokročilá teorie her ve světě kolem nás. Grada Publishing, Praha S. Brams, Superior beings. If they exist, how would we know? Springer, New York-Berlin-Heidelberg-Tokyo, Pascalova sázka 5 / 18

19 Úvod Teorie pravděpodobnosti Náhodný pokus a jeho výsledky Náhodný jev Definice pravděpodobnosti Podmíněná pravděpodobnost Rozhodování za nejistoty Teorie her Teorie pravděpodobnosti Pascalova sázka 6 / 18

20 Náhodný pokus a jeho výsledky Náhodný pokus: jakákoliv akce, která může dát různé rozpoznatelné a nezaměnitelné výsledky; před provedením pokusu není jeho výsledek znám. Základní prostor možných výsledků Ω: souhrn všech možných výsledků náhodného pokusu. Pascalova sázka 7 / 18

21 Náhodný pokus a jeho výsledky Náhodný pokus: jakákoliv akce, která může dát různé rozpoznatelné a nezaměnitelné výsledky; před provedením pokusu není jeho výsledek znám. Základní prostor možných výsledků Ω: souhrn všech možných výsledků náhodného pokusu. Příklady: Pascalova sázka 7 / 18

22 Náhodný pokus a jeho výsledky Náhodný pokus: jakákoliv akce, která může dát různé rozpoznatelné a nezaměnitelné výsledky; před provedením pokusu není jeho výsledek znám. Základní prostor možných výsledků Ω: souhrn všech možných výsledků náhodného pokusu. Příklady: Hod mincí Pascalova sázka 7 / 18

23 Náhodný pokus a jeho výsledky Náhodný pokus: jakákoliv akce, která může dát různé rozpoznatelné a nezaměnitelné výsledky; před provedením pokusu není jeho výsledek znám. Základní prostor možných výsledků Ω: souhrn všech možných výsledků náhodného pokusu. Příklady: Hod mincí Ω = {, } Pascalova sázka 7 / 18

24 Náhodný pokus a jeho výsledky Náhodný pokus: jakákoliv akce, která může dát různé rozpoznatelné a nezaměnitelné výsledky; před provedením pokusu není jeho výsledek znám. Základní prostor možných výsledků Ω: souhrn všech možných výsledků náhodného pokusu. Příklady: Hod mincí Ω = {, } Zplození dítěte Pascalova sázka 7 / 18

25 Náhodný pokus a jeho výsledky Náhodný pokus: jakákoliv akce, která může dát různé rozpoznatelné a nezaměnitelné výsledky; před provedením pokusu není jeho výsledek znám. Základní prostor možných výsledků Ω: souhrn všech možných výsledků náhodného pokusu. Příklady: Hod mincí Ω = {, } Zplození dítěte Ω = {, } Pascalova sázka 7 / 18

26 Náhodný pokus a jeho výsledky Náhodný pokus: jakákoliv akce, která může dát různé rozpoznatelné a nezaměnitelné výsledky; před provedením pokusu není jeho výsledek znám. Základní prostor možných výsledků Ω: souhrn všech možných výsledků náhodného pokusu. Příklady: Hod mincí Ω = {, } Zplození dítěte Ω = {, } Ranní probuzení Pascalova sázka 7 / 18

27 Náhodný pokus a jeho výsledky Náhodný pokus: jakákoliv akce, která může dát různé rozpoznatelné a nezaměnitelné výsledky; před provedením pokusu není jeho výsledek znám. Základní prostor možných výsledků Ω: souhrn všech možných výsledků náhodného pokusu. Příklady: Hod mincí Ω = {, } Zplození dítěte Ω = {, } Ranní probuzení Ω = {Slunce vyjde, Slunce nevyjde} Pascalova sázka 7 / 18

28 Náhodný pokus a jeho výsledky Náhodný pokus: jakákoliv akce, která může dát různé rozpoznatelné a nezaměnitelné výsledky; před provedením pokusu není jeho výsledek znám. Základní prostor možných výsledků Ω: souhrn všech možných výsledků náhodného pokusu. Příklady: Hod mincí Ω = {, } Zplození dítěte Ω = {, } Ranní probuzení Hod kostkou Ω = {Slunce vyjde, Slunce nevyjde} Pascalova sázka 7 / 18

29 Náhodný pokus a jeho výsledky Náhodný pokus: jakákoliv akce, která může dát různé rozpoznatelné a nezaměnitelné výsledky; před provedením pokusu není jeho výsledek znám. Základní prostor možných výsledků Ω: souhrn všech možných výsledků náhodného pokusu. Příklady: Hod mincí Ω = {, } Zplození dítěte Ω = {, } Ranní probuzení Ω = {Slunce vyjde, Slunce nevyjde} Hod kostkou Ω = {,,,,, } Pascalova sázka 7 / 18

30 Náhodný pokus a jeho výsledky Náhodný pokus: jakákoliv akce, která může dát různé rozpoznatelné a nezaměnitelné výsledky; před provedením pokusu není jeho výsledek znám. Základní prostor možných výsledků Ω: souhrn všech možných výsledků náhodného pokusu. Příklady: Hod mincí Ω = {, } Zplození dítěte Ω = {, } Ranní probuzení Ω = {Slunce vyjde, Slunce nevyjde} Hod kostkou Ω = {,,,,, } Čekání na úspěch Pascalova sázka 7 / 18

31 Náhodný pokus a jeho výsledky Náhodný pokus: jakákoliv akce, která může dát různé rozpoznatelné a nezaměnitelné výsledky; před provedením pokusu není jeho výsledek znám. Základní prostor možných výsledků Ω: souhrn všech možných výsledků náhodného pokusu. Příklady: Hod mincí Ω = {, } Zplození dítěte Ω = {, } Ranní probuzení Ω = {Slunce vyjde, Slunce nevyjde} Hod kostkou Ω = {,,,,, } Čekání na úspěch Ω = {1,01,001,0001,00001,000001,...} Pascalova sázka 7 / 18

32 Náhodný pokus a jeho výsledky Náhodný pokus: jakákoliv akce, která může dát různé rozpoznatelné a nezaměnitelné výsledky; před provedením pokusu není jeho výsledek znám. Základní prostor možných výsledků Ω: souhrn všech možných výsledků náhodného pokusu. Příklady: Hod mincí Ω = {, } Zplození dítěte Ω = {, } Ranní probuzení Ω = {Slunce vyjde, Slunce nevyjde} Hod kostkou Ω = {,,,,, } Čekání na úspěch Ω = {1,01,001,0001,00001,000001,...} Čekání na tramvaj Pascalova sázka 7 / 18

33 Náhodný pokus a jeho výsledky Náhodný pokus: jakákoliv akce, která může dát různé rozpoznatelné a nezaměnitelné výsledky; před provedením pokusu není jeho výsledek znám. Základní prostor možných výsledků Ω: souhrn všech možných výsledků náhodného pokusu. Příklady: Hod mincí Ω = {, } Zplození dítěte Ω = {, } Ranní probuzení Ω = {Slunce vyjde, Slunce nevyjde} Hod kostkou Ω = {,,,,, } Čekání na úspěch Ω = {1,01,001,0001,00001,000001,...} Čekání na tramvaj Ω = {x : 0 x délka časového intervalu} Pascalova sázka 7 / 18

34 Náhodný pokus a jeho výsledky Náhodný pokus: jakákoliv akce, která může dát různé rozpoznatelné a nezaměnitelné výsledky; před provedením pokusu není jeho výsledek znám. Základní prostor možných výsledků Ω: souhrn všech možných výsledků náhodného pokusu. Příklady: Hod mincí Ω = {, } Zplození dítěte Ω = {, } Ranní probuzení Ω = {Slunce vyjde, Slunce nevyjde} Hod kostkou Ω = {,,,,, } Čekání na úspěch Ω = {1,01,001,0001,00001,000001,...} Čekání na tramvaj Zjišťování bodu varu vody Ω = {x : 0 x délka časového intervalu} Pascalova sázka 7 / 18

35 Náhodný pokus a jeho výsledky Náhodný pokus: jakákoliv akce, která může dát různé rozpoznatelné a nezaměnitelné výsledky; před provedením pokusu není jeho výsledek znám. Základní prostor možných výsledků Ω: souhrn všech možných výsledků náhodného pokusu. Příklady: Hod mincí Ω = {, } Zplození dítěte Ω = {, } Ranní probuzení Ω = {Slunce vyjde, Slunce nevyjde} Hod kostkou Ω = {,,,,, } Čekání na úspěch Ω = {1,01,001,0001,00001,000001,...} Čekání na tramvaj Ω = {x : 0 x délka časového intervalu} Zjišťování bodu varu vody Ω = {x : 65 x 110} Pascalova sázka 7 / 18

36 Náhodný pokus a jeho výsledky Náhodný pokus: jakákoliv akce, která může dát různé rozpoznatelné a nezaměnitelné výsledky; před provedením pokusu není jeho výsledek znám. Základní prostor možných výsledků Ω: souhrn všech možných výsledků náhodného pokusu. Příklady: Hod mincí Ω = {, } Zplození dítěte Ω = {, } Ranní probuzení Ω = {Slunce vyjde, Slunce nevyjde} Hod kostkou Ω = {,,,,, } Čekání na úspěch Ω = {1,01,001,0001,00001,000001,...} Čekání na tramvaj Ω = {x : 0 x délka časového intervalu} Zjišťování bodu varu vody Ω = {x : 65 x 110} Střelba do terče Pascalova sázka 7 / 18

37 Náhodný pokus a jeho výsledky Náhodný pokus: jakákoliv akce, která může dát různé rozpoznatelné a nezaměnitelné výsledky; před provedením pokusu není jeho výsledek znám. Základní prostor možných výsledků Ω: souhrn všech možných výsledků náhodného pokusu. Příklady: Hod mincí Ω = {, } Zplození dítěte Ω = {, } Ranní probuzení Ω = {Slunce vyjde, Slunce nevyjde} Hod kostkou Ω = {,,,,, } Čekání na úspěch Ω = {1,01,001,0001,00001,000001,...} Čekání na tramvaj Ω = {x : 0 x délka časového intervalu} Zjišťování bodu varu vody Ω = {x : 65 x 110} Střelba do terče Ω = {(x,y) : 0 < x < 1,0 < y < 1} Pascalova sázka 7 / 18

38 Náhodný jev Pozorovatelná část základního prostoru Ω Pascalova sázka 8 / 18

39 Náhodný jev Pozorovatelná část základního prostoru Ω Příklad hod kostkou: Pascalova sázka 8 / 18

40 Náhodný jev Pozorovatelná část základního prostoru Ω Příklad hod kostkou: Padne sudý počet ok Pascalova sázka 8 / 18

41 Náhodný jev Pozorovatelná část základního prostoru Ω Příklad hod kostkou: Padne sudý počet ok A = {,, } Pascalova sázka 8 / 18

42 Náhodný jev Pozorovatelná část základního prostoru Ω Příklad hod kostkou: Padne sudý počet ok A = {,, } Padne lichý počet ok Pascalova sázka 8 / 18

43 Náhodný jev Pozorovatelná část základního prostoru Ω Příklad hod kostkou: Padne sudý počet ok A = {,, } Padne lichý počet ok B = {,, } Pascalova sázka 8 / 18

44 Náhodný jev Pozorovatelná část základního prostoru Ω Příklad hod kostkou: Padne sudý počet ok A = {,, } Padne lichý počet ok B = {,, } Padne aspoň tři Pascalova sázka 8 / 18

45 Náhodný jev Pozorovatelná část základního prostoru Ω Příklad hod kostkou: Padne sudý počet ok A = {,, } Padne lichý počet ok B = {,, } Padne aspoň tři C = {,,, } Pascalova sázka 8 / 18

46 Náhodný jev Pozorovatelná část základního prostoru Ω Příklad hod kostkou: Padne sudý počet ok A = {,, } Padne lichý počet ok B = {,, } Padne aspoň tři C = {,,, } Padne lichý počet menší než tři Pascalova sázka 8 / 18

47 Náhodný jev Pozorovatelná část základního prostoru Ω Příklad hod kostkou: Padne sudý počet ok A = {,, } Padne lichý počet ok B = {,, } Padne aspoň tři C = {,,, } Padne lichý počet menší než tři D = { } Pascalova sázka 8 / 18

48 Náhodný jev Pozorovatelná část základního prostoru Ω Příklad hod kostkou: Padne sudý počet ok A = {,, } Padne lichý počet ok B = {,, } Padne aspoň tři C = {,,, } Padne lichý počet menší než tři D = { } Padne kladný počet ok Pascalova sázka 8 / 18

49 Náhodný jev Pozorovatelná část základního prostoru Ω Příklad hod kostkou: Padne sudý počet ok A = {,, } Padne lichý počet ok B = {,, } Padne aspoň tři C = {,,, } Padne lichý počet menší než tři D = { } Padne kladný počet ok E = {,,,,, } = Ω Pascalova sázka 8 / 18

50 Náhodný jev Pozorovatelná část základního prostoru Ω Příklad hod kostkou: Padne sudý počet ok A = {,, } Padne lichý počet ok B = {,, } Padne aspoň tři C = {,,, } Padne lichý počet menší než tři D = { } Padne kladný počet ok E = {,,,,, } = Ω Padne počet dělitelný sedmi Pascalova sázka 8 / 18

51 Náhodný jev Pozorovatelná část základního prostoru Ω Příklad hod kostkou: Padne sudý počet ok A = {,, } Padne lichý počet ok B = {,, } Padne aspoň tři C = {,,, } Padne lichý počet menší než tři D = { } Padne kladný počet ok E = {,,,,, } = Ω Padne počet dělitelný sedmi F = {} = Pascalova sázka 8 / 18

52 Náhodný jev Pozorovatelná část základního prostoru Ω Příklad hod kostkou: Padne sudý počet ok A = {,, } Padne lichý počet ok B = {,, } Padne aspoň tři C = {,,, } Padne lichý počet menší než tři D = { } Padne kladný počet ok E = {,,,,, } = Ω Padne počet dělitelný sedmi F = {} = Jev jistý: E = Ω Pascalova sázka 8 / 18

53 Náhodný jev Pozorovatelná část základního prostoru Ω Příklad hod kostkou: Padne sudý počet ok A = {,, } Padne lichý počet ok B = {,, } Padne aspoň tři C = {,,, } Padne lichý počet menší než tři D = { } Padne kladný počet ok E = {,,,,, } = Ω Padne počet dělitelný sedmi F = {} = Jev jistý: Jev nemožný: E = Ω F = Pascalova sázka 8 / 18

54 Náhodný jev Pozorovatelná část základního prostoru Ω Příklad hod kostkou: Padne sudý počet ok A = {,, } Padne lichý počet ok B = {,, } Padne aspoň tři C = {,,, } Padne lichý počet menší než tři D = { } Padne kladný počet ok E = {,,,,, } = Ω Padne počet dělitelný sedmi F = {} = Jev jistý: Jev nemožný: Jevy slučitelné: E = Ω F = A a C, B a C, B a D, E a cokoliv s výjimkou F Pascalova sázka 8 / 18

55 Náhodný jev Pozorovatelná část základního prostoru Ω Příklad hod kostkou: Padne sudý počet ok A = {,, } Padne lichý počet ok B = {,, } Padne aspoň tři C = {,,, } Padne lichý počet menší než tři D = { } Padne kladný počet ok E = {,,,,, } = Ω Padne počet dělitelný sedmi F = {} = Jev jistý: Jev nemožný: Jevy slučitelné: Jevy neslučitelné: E = Ω F = A a C, B a C, B a D, E a cokoliv s výjimkou F A a B, A a D, C a D, F a cokoliv Pascalova sázka 8 / 18

56 Náhodný jev Pozorovatelná část základního prostoru Ω Příklad hod kostkou: Padne sudý počet ok A = {,, } Padne lichý počet ok B = {,, } Padne aspoň tři C = {,,, } Padne lichý počet menší než tři D = { } Padne kladný počet ok E = {,,,,, } = Ω Padne počet dělitelný sedmi F = {} = Jev jistý: E = Ω Jev nemožný: F = Jevy slučitelné: A a C, B a C, B a D, E a cokoliv s výjimkou F Jevy neslučitelné: A a B, A a D, C a D, F a cokoliv Jevy komplementární: A a B, E a F Pascalova sázka 8 / 18

57 Náhodný jev Pozorovatelná část základního prostoru Ω Příklad hod kostkou: Padne sudý počet ok A = {,, } Padne lichý počet ok B = {,, } Padne aspoň tři C = {,,, } Padne lichý počet menší než tři D = { } Padne kladný počet ok E = {,,,,, } = Ω Padne počet dělitelný sedmi F = {} = Jev jistý: E = Ω Jev nemožný: F = Jevy slučitelné: A a C, B a C, B a D, E a cokoliv s výjimkou F Jevy neslučitelné: A a B, A a D, C a D, F a cokoliv Jevy komplementární: A a B, E a F; A B = Ω, B = Ω\A Pascalova sázka 8 / 18

58 Definice pravděpodobnosti Pravděpodobnost jevu A, P(A) číslo z intervalu 0, 1 Pascalova sázka 9 / 18

59 Definice pravděpodobnosti Pravděpodobnost jevu A, P(A) číslo z intervalu 0, 1 1. Klasická pravděpodobnost: Základní prostor Ω je konečný. P(A) = A Ω Vlastnosti: P(Ω) = 1 A B = P(A B) = P(A)+P(B) Pascalova sázka 9 / 18

60 Definice pravděpodobnosti Pravděpodobnost jevu A, P(A) číslo z intervalu 0, 1 1. Klasická pravděpodobnost: Základní prostor Ω je konečný. P(A) = A Ω Vlastnosti: P(Ω) = 1 A B = P(A B) = P(A)+P(B) Příklad: Jaká je pravděpodobnost jevu A při hodu kostkou nepadne šestka? Pascalova sázka 9 / 18

61 Definice pravděpodobnosti Pravděpodobnost jevu A, P(A) číslo z intervalu 0, 1 1. Klasická pravděpodobnost: Základní prostor Ω je konečný. P(A) = A Ω Vlastnosti: P(Ω) = 1 A B = P(A B) = P(A)+P(B) Příklad: Jaká je pravděpodobnost jevu A při hodu kostkou nepadne šestka? P(A) = {,,,, } {,,,,, } = 5 6 Pascalova sázka 9 / 18

62 Definice pravděpodobnosti Pravděpodobnost jevu A, P(A) číslo z intervalu 0, 1 1. Klasická pravděpodobnost: Základní prostor Ω je konečný. P(A) = A Ω Vlastnosti: P(Ω) = 1 A B = P(A B) = P(A)+P(B) Příklad: Jaká je pravděpodobnost jevu A při hodu dvěma nerozlišitelnými mincemi padnou obě na stejnou stranu? Pascalova sázka 9 / 18

63 Definice pravděpodobnosti Pravděpodobnost jevu A, P(A) číslo z intervalu 0, 1 1. Klasická pravděpodobnost: Základní prostor Ω je konečný. P(A) = A Ω Vlastnosti: P(Ω) = 1 A B = P(A B) = P(A)+P(B) Příklad: Jaká je pravděpodobnost jevu A při hodu dvěma nerozlišitelnými mincemi padnou obě na stejnou stranu? P(A) = {, } {,, } = 2 3 Pascalova sázka 9 / 18

64 Definice pravděpodobnosti Pravděpodobnost jevu A, P(A) číslo z intervalu 0, 1 1. Klasická pravděpodobnost: Základní prostor Ω je konečný. P(A) = A Ω Vlastnosti: P(Ω) = 1 A B = P(A B) = P(A)+P(B) Příklad: Jaká je pravděpodobnost jevu A při hodu dvěma nerozlišitelnými mincemi padnou obě na stejnou stranu? P(A) = {, } {,, } = 2 3 nebo P(A) = {(, ),(, )} {(, ),(, ),(, ),(, )} = 1 2? Pascalova sázka 9 / 18

65 Definice pravděpodobnosti Pravděpodobnost jevu A, P(A) číslo z intervalu 0, 1 2. Zobecněná klasická pravděpodobnost: Základní prostor Ω je konečný. Každý elementární jev ω z Ω má váhu w(ω) (nezáporné číslo). w(ω) ω A P(A) = w(ω) ω Ω Vlastnosti: P(Ω) = 1 A B = P(A B) = P(A)+P(B) Pascalova sázka 9 / 18

66 Definice pravděpodobnosti Pravděpodobnost jevu A, P(A) číslo z intervalu 0, 1 2. Zobecněná klasická pravděpodobnost: Základní prostor Ω je konečný. Každý elementární jev ω z Ω má váhu w(ω) (nezáporné číslo). w(ω) ω A P(A) = w(ω) ω Ω Vlastnosti: P(Ω) = 1 A B = P(A B) = P(A)+P(B) Příklad: Jaká je pravděpodobnost jevu A při hodu dvěma nerozlišitelnými mincemi padnou obě na stejnou stranu? w( ) = 1, w( ) = 2, w( ) = 1, A = w( )+w( ) w( )+w( )+w( ) = = 1 2 Pascalova sázka 9 / 18

67 Definice pravděpodobnosti Pravděpodobnost jevu A, P(A) číslo z intervalu 0, 1 3. Geometrická pravděpodobnost: Základní prostor Ω je geometrický útvar, který má míru µ (úsečka má délku, obrazec má obsah, těleso má objem). Jev je takový útvar v základním prostoru, že také má míru µ. P(A) = µ(a) µ(ω) Vlastnosti: P(Ω) = 1 A B = P(A B) = P(A)+P(B) Pascalova sázka 9 / 18

68 Definice pravděpodobnosti Pravděpodobnost jevu A, P(A) číslo z intervalu 0, 1 3. Geometrická pravděpodobnost: Základní prostor Ω je geometrický útvar, který má míru µ (úsečka má délku, obrazec má obsah, těleso má objem). Jev je takový útvar v základním prostoru, že také má míru µ. P(A) = µ(a) µ(ω) Vlastnosti: P(Ω) = 1 A B = P(A B) = P(A)+P(B) Příklad: Jaká je pravděpodobnost, že při střelbě do terče tvaru čtverce o straně 1m zasáhneme střed, což je kruh o poloměru 1cm? Ω = {(x,y) : 0 x 100,0 y 100}, µ(ω) = A = {(x,y) : (x 50) 2 +(y 50) 2 1}, µ(a) = π. = 3, P(A). = 0, Pascalova sázka 9 / 18

69 Definice pravděpodobnosti Pravděpodobnost jevu A, P(A) číslo z intervalu 0, 1 4. Empirická pravděpodobnost: Náhodný pokus zopakujeme n-krát. Počet výskytů jevu A (četnost, frekvenci jevu A) označíme f A. P(A) = f A n Vlastnosti: P(Ω) = 1 A B = P(A B) = P(A)+P(B) Pascalova sázka 9 / 18

70 Definice pravděpodobnosti Pravděpodobnost jevu A, P(A) číslo z intervalu 0, 1 4. Empirická pravděpodobnost: Náhodný pokus zopakujeme n-krát. Počet výskytů jevu A (četnost, frekvenci jevu A) označíme f A. P(A) = f A n Vlastnosti: P(Ω) = 1 A B = P(A B) = P(A)+P(B) Příklad: V roce 1970 se v ČSSR narodilo dětí, z toho bylo děvčat a chlapců. Jaká je pravděpodobnost narození děvčete, chlapce? P( ) = = 0,4874 P( ) = = 0,5126 Pascalova sázka 9 / 18

71 Podmíněná pravděpodobnost Buď víme, že nastal jev H, nebo předpokládáme, že platí hypotéza H. Základní prostor Ω zúžíme na H, H se stane základním prostorem. Pascalova sázka 10 / 18

72 Podmíněná pravděpodobnost Buď víme, že nastal jev H, nebo předpokládáme, že platí hypotéza H. Základní prostor Ω zúžíme na H, H se stane základním prostorem. Pravděpodobnost jevu A za podmínky H: P(A H) = P(A H) P(H) Pascalova sázka 10 / 18

73 Podmíněná pravděpodobnost Buď víme, že nastal jev H, nebo předpokládáme, že platí hypotéza H. Základní prostor Ω zúžíme na H, H se stane základním prostorem. Pravděpodobnost jevu A za podmínky H: P(A H) = P(A H) P(H) Závislost a nezávislost jevů: Jevy A a B jsou deterministicky závislé: A B, nebo A Ω\B, nebo B A, nebo B Ω\A Jevy A a B jsou stochasticky nezávislé: P(A B) = P(A) nebo P(B) = 0. Pascalova sázka 10 / 18

74 Podmíněná pravděpodobnost Buď víme, že nastal jev H, nebo předpokládáme, že platí hypotéza H. Základní prostor Ω zúžíme na H, H se stane základním prostorem. Pravděpodobnost jevu A za podmínky H: P(A H) = P(A H) P(H) Závislost a nezávislost jevů: Jevy A a B jsou deterministicky závislé: A B, nebo A Ω\B, nebo B A, nebo B Ω\A Jevy A a B jsou stochasticky nezávislé: P(A B) = P(A) nebo P(B) = 0. Induktivní úsudek: P(H A) > P(Ω\ H A) A H Pascalova sázka 10 / 18

75 Podmíněná pravděpodobnost Buď víme, že nastal jev H, nebo předpokládáme, že platí hypotéza H. Základní prostor Ω zúžíme na H, H se stane základním prostorem. Pravděpodobnost jevu A za podmínky H: P(A H) = P(A H) P(H) Závislost a nezávislost jevů: Jevy A a B jsou deterministicky závislé: A B, nebo A Ω\B, nebo B A, nebo B Ω\A Jevy A a B jsou stochasticky nezávislé: P(A B) = P(A) nebo P(B) = 0. Induktivní úsudek: P(H A) > P(Ω\ H A) A H Inversní pravděpodobnost: P(H A) = P(H) P(A) P(A H) Pascalova sázka 10 / 18

76 Úvod Teorie pravděpodobnosti Rozhodování za nejistoty Úlohy rytíře de Méré Očekávaná výhra Pascalova sázka Teorie her Rozhodování za nejistoty Pascalova sázka 11 / 18

77 Úlohy rytíře de Méré Pascalova sázka 12 / 18

78 Úlohy rytíře de Méré 1. Hází se několika kostkami. Při jakém počtu kostek je vhodné vsadit na to, že padne šestka. Pascalova sázka 12 / 18

79 Úlohy rytíře de Méré 1. Hází se několika kostkami. Při jakém počtu kostek je vhodné vsadit na to, že padne šestka. n počet kostek, jev A aspoň jedna šestka padne, jev B šestka na jedné kostce nepadne P(A) = 1 ( P(B) ) n = 1 ( 5 6 ) n Pascalova sázka 12 / 18

80 Úlohy rytíře de Méré 1. Hází se několika kostkami. Při jakém počtu kostek je vhodné vsadit na to, že padne šestka. n počet kostek, jev A aspoň jedna šestka padne, jev B šestka na jedné kostce nepadne P(A) = 1 ( P(B) ) n = 1 ( 5 6 ) n P(A) > 1 2 pro n > 4, P(A). = 0,598. Pascalova sázka 12 / 18

81 Úlohy rytíře de Méré 1. Hází se několika kostkami. Při jakém počtu kostek je vhodné vsadit na to, že padne šestka. 2. Několikrát se hází dvojicí kostek. Při jakém počtu hodů je vhodné vsadit na to, že součet ok na obou kostkách bude 12. Pascalova sázka 12 / 18

82 Úlohy rytíře de Méré 1. Hází se několika kostkami. Při jakém počtu kostek je vhodné vsadit na to, že padne šestka. 2. Několikrát se hází dvojicí kostek. Při jakém počtu hodů je vhodné vsadit na to, že součet ok na obou kostkách bude 12. n počet hodů, jev A součet dvanáct aspoň jednou padne, jev B součet dvanáct při jednom hodu nepadne P(A) = 1 ( P(B) ) n = 1 ( ) n = 1 ( ) n Pascalova sázka 12 / 18

83 Úlohy rytíře de Méré 1. Hází se několika kostkami. Při jakém počtu kostek je vhodné vsadit na to, že padne šestka. 2. Několikrát se hází dvojicí kostek. Při jakém počtu hodů je vhodné vsadit na to, že součet ok na obou kostkách bude 12. n počet hodů, jev A součet dvanáct aspoň jednou padne, jev B součet dvanáct při jednom hodu nepadne P(A) = 1 ( P(B) ) n = 1 ( ) n = 1 ( ) n P(A) > 1 2 pro n > 24, P(A). = 0,506. Pascalova sázka 12 / 18

84 Očekávaná výhra Modelová situace: Hráči se dohodnou na náhodném pokusu a jevu A, který může nastat. První hráč vsadí do banku částku c 1, druhý hráč částku c 2. Pokud jev A nastane, bank dostane první hráč, pokud nenastane, bank dostane druhý hráč. Pascalova sázka 13 / 18

85 Očekávaná výhra Modelová situace: Hráči se dohodnou na náhodném pokusu a jevu A, který může nastat. První hráč vsadí do banku částku c 1, druhý hráč částku c 2. Pokud jev A nastane, bank dostane první hráč, pokud nenastane, bank dostane druhý hráč. Označení: p = P(A), V výhra prvního hráče. V je náhodná veličina, závisí na náhodě: { c 2, jev A nastal, V = c 1, jinak. Pascalova sázka 13 / 18

86 Očekávaná výhra Modelová situace: Hráči se dohodnou na náhodném pokusu a jevu A, který může nastat. První hráč vsadí do banku částku c 1, druhý hráč částku c 2. Pokud jev A nastane, bank dostane první hráč, pokud nenastane, bank dostane druhý hráč. Označení: p = P(A), V výhra prvního hráče. V je náhodná veličina, závisí na náhodě: { c 2, jev A nastal, V = c 1, jinak. Očekávaná výhra prvního hráče: EV = pc 2 +(1 p)( c 1 ) Pascalova sázka 13 / 18

87 Pascalova sázka Pascalova sázka 14 / 18

88 Pascalova sázka Bůh jest, nebo není. Ale kam se nakloníme? Rozum tu nedovede nic rozhodnouti: je nekonečný chaos, který nás rozdvojuje. Hra se hraje v nejzazší krajnosti této nekonečné vzdálenosti, kde vyjde hlava nebo orel. Oč se sadíte? Rozumně nemůžete učiniti jedno ani druhé; rozumně nemůžete hájiti z obojího nic. Pascal, Myšlenky, 233 Pascalova sázka 14 / 18

89 Pascalova sázka Bůh jest, nebo není. Ale kam se nakloníme? Rozum tu nedovede nic rozhodnouti: je nekonečný chaos, který nás rozdvojuje. Hra se hraje v nejzazší krajnosti této nekonečné vzdálenosti, kde vyjde hlava nebo orel. Oč se sadíte? Rozumně nemůžete učiniti jedno ani druhé; rozumně nemůžete hájiti z obojího nic. Pascal, Myšlenky, 233 p = P(Bůh existuje) > 0, Pascalova sázka 14 / 18

90 Pascalova sázka Bůh jest, nebo není. Ale kam se nakloníme? Rozum tu nedovede nic rozhodnouti: je nekonečný chaos, který nás rozdvojuje. Hra se hraje v nejzazší krajnosti této nekonečné vzdálenosti, kde vyjde hlava nebo orel. Oč se sadíte? Rozumně nemůžete učiniti jedno ani druhé; rozumně nemůžete hájiti z obojího nic. Pascal, Myšlenky, 233 p = P(Bůh existuje) > 0, c 1 = praktikovaná víra, mravný život, Pascalova sázka 14 / 18

91 Pascalova sázka Bůh jest, nebo není. Ale kam se nakloníme? Rozum tu nedovede nic rozhodnouti: je nekonečný chaos, který nás rozdvojuje. Hra se hraje v nejzazší krajnosti této nekonečné vzdálenosti, kde vyjde hlava nebo orel. Oč se sadíte? Rozumně nemůžete učiniti jedno ani druhé; rozumně nemůžete hájiti z obojího nic. Pascal, Myšlenky, 233 p = P(Bůh existuje) > 0, c 1 = praktikovaná víra, mravný život, c 2 = věčný život Pascalova sázka 14 / 18

92 Pascalova sázka Bůh jest, nebo není. Ale kam se nakloníme? Rozum tu nedovede nic rozhodnouti: je nekonečný chaos, který nás rozdvojuje. Hra se hraje v nejzazší krajnosti této nekonečné vzdálenosti, kde vyjde hlava nebo orel. Oč se sadíte? Rozumně nemůžete učiniti jedno ani druhé; rozumně nemůžete hájiti z obojího nic. Pascal, Myšlenky, 233 p = P(Bůh existuje) > 0, c 1 = praktikovaná víra, mravný život, c 2 = věčný život EV = p +(1 p)( c 1 ) Pascalova sázka 14 / 18

93 Úvod Teorie pravděpodobnosti Rozhodování za nejistoty Teorie her Bimaticová hra Hra víra a zjevení Diskuse Teorie her Pascalova sázka 15 / 18

94 Bimaticová hra Hra dvou hráčů v normálním tvaru: čtveřice G = (X,Y,u,v), kde X, Y jsou konečné množiny a u, v jsou funkce X Y R. Množina X,resp. Y... množina strategíı prvního, resp druhého, hráče. Funkce u, resp. v... výplatní funkce prvního, resp. druhého, hráče. Pascalova sázka 16 / 18

95 Bimaticová hra Nechť A = X = {1,2,...,n} Y = {1,2,...,m} a ij = u(i,j) b ji = v(i,j) a 11 a a 1m b 11 b b 1n a 21 a a 2m......, B = b 21 b b 2n a n1 a n2... a nm b m1 b m2... b mn Pascalova sázka 16 / 18

96 Bimaticová hra Nechť A = X = {1,2,...,n} Y = {1,2,...,m} a ij = u(i,j) b ji = v(i,j) a 11 a a 1m b 11 b b 1n a 21 a a 2m......, B = b 21 b b 2n a n1 a n2... a nm b m1 b m2... b mn S tímto označením dostaneme Matice A, B...výplatní matice. u(i,j) = a ij = e T i Ae j, v(i,j) = b ji = e T jbe i. G = (X,Y,u,v) = (A,B) Pascalova sázka 16 / 18

97 Bimaticová hra Hru lze vyjádřit tabulkou hráč n hráč m b 11 b a 11 a 12 b 12 a 1m b a 21 a 22 a 2m b 1n b 2n... a n2 a n1 a nm b m1 b m2 b mn Pascalova sázka 16 / 18

98 Hra víra a zjevení John Craig THEOLOGIÆ CHRISTIANÆ PRINCIPIA MATHEMATICA 1699 Pascalova sázka 17 / 18

99 Hra víra a zjevení Bernard Bolzano Lehrbuch der Religionswißenschaft, ein Abdruck der Vorlesungshefte eines ehemaligen Religionslehrers an einer katholischen Universität, von einigen sener Schüler gesammelt und herausgegeben Sulzbach 1834 Pascalova sázka 17 / 18

100 Hra víra a zjevení Pascalova sázka 17 / 18

101 Hra víra a zjevení Bůh zjevuje se je skrytý člověk věří nevěří Pascalova sázka 17 / 18

102 Hra víra a zjevení Bůh zjevuje se je skrytý člověk věří nevěří Preference: Pascalova sázka 17 / 18

103 Hra víra a zjevení Bůh zjevuje se je skrytý člověk věří nevěří Preference: Bůh člověk 1 aby člověk věřil vědět 2 zůstat skrytý věřit Pascalova sázka 17 / 18

104 Hra víra a zjevení člověk věří nevěří Bůh zjevuje se je skrytý 4 Preference: Bůh člověk 1 aby člověk věřil vědět 2 zůstat skrytý věřit Pascalova sázka 17 / 18

105 Hra víra a zjevení člověk věří nevěří Bůh zjevuje se je skrytý 3 4 Preference: Bůh člověk 1 aby člověk věřil vědět 2 zůstat skrytý věřit Pascalova sázka 17 / 18

106 Hra víra a zjevení člověk věří nevěří Bůh zjevuje se je skrytý Preference: Bůh člověk 1 aby člověk věřil vědět 2 zůstat skrytý věřit Pascalova sázka 17 / 18

107 Hra víra a zjevení člověk věří nevěří Bůh zjevuje se je skrytý Preference: Bůh člověk 1 aby člověk věřil vědět 2 zůstat skrytý věřit Pascalova sázka 17 / 18

108 Hra víra a zjevení člověk věří nevěří Bůh zjevuje se je skrytý Preference: Bůh člověk 1 aby člověk věřil vědět 2 zůstat skrytý věřit Pascalova sázka 17 / 18

109 Hra víra a zjevení člověk věří nevěří Bůh zjevuje se je skrytý Preference: Bůh člověk 1 aby člověk věřil vědět 2 zůstat skrytý věřit Pascalova sázka 17 / 18

110 Hra víra a zjevení člověk věří nevěří Bůh zjevuje se je skrytý Preference: Bůh člověk 1 aby člověk věřil vědět 2 zůstat skrytý věřit Pascalova sázka 17 / 18

111 Hra víra a zjevení člověk věří nevěří Bůh zjevuje se je skrytý Preference: Bůh člověk 1 aby člověk věřil vědět 2 zůstat skrytý věřit Pascalova sázka 17 / 18

112 Diskuse Z předpokladu, že se Bůh chová racionálně, plyne, že člověk udělá nejlépe, když v tohoto Boha nebude věřit. Pascalova sázka 18 / 18

113 Diskuse Z předpokladu, že se Bůh chová racionálně, plyne, že člověk udělá nejlépe, když v tohoto Boha nebude věřit. Bůh se nechová racionálně:,,nejsouť zajisté myšlení má jako myšlení vaše, praví Hospodin., Iz 55,8. Pascalova sázka 18 / 18

114 Diskuse Z předpokladu, že se Bůh chová racionálně, plyne, že člověk udělá nejlépe, když v tohoto Boha nebude věřit. Bůh se nechová racionálně:,,nejsouť zajisté myšlení má jako myšlení vaše, praví Hospodin., Iz 55,8. Jde o popis skutečnosti: Bůh se nezjevuje, člověk v něho nevěří. Pascalova sázka 18 / 18

115 Diskuse Z předpokladu, že se Bůh chová racionálně, plyne, že člověk udělá nejlépe, když v tohoto Boha nebude věřit. Bůh se nechová racionálně:,,nejsouť zajisté myšlení má jako myšlení vaše, praví Hospodin., Iz 55,8. Jde o popis skutečnosti: Bůh se nezjevuje, člověk v něho nevěří. Pascal: Vědy mají dvě krajnosti, které se dotýkají; první je čistá nevědomost přirozená, v níž se nacházejí všichni lidé při narození, druhá krajnost je ta, ke které přicházejí veliké duše, které prošly všechno, co lidé věděti mohou, shledávají, že nevědí nic, a ocitají se v téže nevědomosti, ze které vyšly; ale to je nevědomost učená, která se zná. Ti mezi oběma, kteří vyšli z nevědomosti přirozené a nemohli dojíti druhé, mají jakýsi nátěr této vědy dostatečné a tváří se moudrými; ti bouří svět a posuzují všechno špatně. Soudí o všem špatně a svět soudí o nich dobře. Pascalova sázka 18 / 18

116 Diskuse Z předpokladu, že se Bůh chová racionálně, plyne, že člověk udělá nejlépe, když v tohoto Boha nebude věřit. Bůh se nechová racionálně:,,nejsouť zajisté myšlení má jako myšlení vaše, praví Hospodin., Iz 55,8. Jde o popis skutečnosti: Bůh se nezjevuje, člověk v něho nevěří. Pascal: Každé náboženství, které neřekne, že Bůh je skryt, je nepravé; a náboženství, které toho nezdůvodňuje, nepoučuje. Naše činí to vše: Vere tu es Deus absconditus. Pascalova sázka 18 / 18

117 Diskuse Pascalova sázka 18 / 18

Pravděpodobnost je. Martina Litschmannová Katedra aplikované matematiky, FEI, VŠB-TU Ostrava

Pravděpodobnost je. Martina Litschmannová Katedra aplikované matematiky, FEI, VŠB-TU Ostrava Pravděpodobnost je Martina Litschmannová Katedra aplikované matematiky, FEI, VŠB-TU Ostrava ŠKOMAM, 24. 1. 2017 Čím se zabývá teorie pravděpodobnosti? Pokus děj, který probíhá, resp. nastává opakovaně

Více

Základy teorie pravděpodobnosti

Základy teorie pravděpodobnosti Základy teorie pravděpodobnosti Náhodný jev Pravděpodobnost náhodného jevu Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 15. srpna 2012 Statistika

Více

Matematika III. 27. září Vysoká škola báňská - Technická univerzita Ostrava. Matematika III

Matematika III. 27. září Vysoká škola báňská - Technická univerzita Ostrava. Matematika III Vysoká škola báňská - Technická univerzita Ostrava 27. září 2018 Teorie pravděpodobnosti Teorie pravděpodobnosti je odvětvím matematiky, které studuje matematické modely náhodných pokusu, tedy zabývá se

Více

Inženýrská statistika pak představuje soubor postupů a aplikací teoretických principů v oblasti inženýrské činnosti.

Inženýrská statistika pak představuje soubor postupů a aplikací teoretických principů v oblasti inženýrské činnosti. Přednáška č. 1 Úvod do statistiky a počtu pravděpodobnosti Statistika Statistika je věda a postup jak rozvíjet lidské znalosti použitím empirických dat. Je založena na matematické statistice, která je

Více

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobnost a aplikovaná statistika MGR. JANA SEKNIČKOVÁ, PH.D. 1. KAPITOLA - PRAVDĚPODOBNOST 2.10.2017 Kontakt Mgr. Jana Sekničková, Ph.D. jana.seknickova@vse.cz Katedra softwarového inženýrství Fakulta

Více

Obsah. Základy teorie pravděpodobnosti Náhodný jev Pravděpodobnost náhodného jevu Pravděpodobnost. Pravděpodobnost. Děj pokus jev

Obsah. Základy teorie pravděpodobnosti Náhodný jev Pravděpodobnost náhodného jevu Pravděpodobnost. Pravděpodobnost. Děj pokus jev Obsah Základy teorie pravděpodobnosti Náhodný jev Pravděpodobnost náhodného jevu Definice pojmů Náhodný jev Pravděpodobnost Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi;-) roman.biskup(at)email.cz

Více

Intuitivní pojem pravděpodobnosti

Intuitivní pojem pravděpodobnosti Pravděpodobnost Intuitivní pojem pravděpodobnosti Intuitivní pojem pravděpodobnosti Pravděpodobnost zkoumaného jevu vyjadřuje míru naděje, že tento jev nastane. Řekneme-li, že má nějaký jev pravděpodobnost

Více

Náhodné jevy. Teorie pravděpodobnosti. Náhodné jevy. Operace s náhodnými jevy

Náhodné jevy. Teorie pravděpodobnosti. Náhodné jevy. Operace s náhodnými jevy Teorie pravděpodobnosti Náhodný pokus skončí jedním z řady možných výsledků předem nevíme, jak skončí (náhoda) příklad: hod kostkou, zítřejší počasí,... Pravděpodobnost zkoumá náhodné jevy (mohou, ale

Více

pravděpodobnosti Pravděpodobnost je teorií statistiky a statistika je praxí teorie pravděpodobnosti.

pravděpodobnosti Pravděpodobnost je teorií statistiky a statistika je praxí teorie pravděpodobnosti. 3.1 Základy teorie pravděpodobnosti Pravděpodobnost je teorií statistiky a statistika je praxí teorie pravděpodobnosti. Co se dozvíte Náhodný pokus a náhodný jev. Pravděpodobnost, počítání s pravděpodobnostmi.

Více

Pravděpodobnost Podmíněná p. Úplná p. III. Pravděpodobnost. III. Pravděpodobnost Statistika A (ZS 2015)

Pravděpodobnost Podmíněná p. Úplná p. III. Pravděpodobnost. III. Pravděpodobnost Statistika A (ZS 2015) III Pravděpodobnost Pravděpodobnost Podmíněná p. Úplná p. Odkud se bere pravděpodobnost? 1. Pravděpodobnost, že z balíčku zamíchaných karet vytáhmene dvě esa je přibližně 0:012. Modely a teorie. 2. Pravděpodobnost,

Více

2. přednáška - PRAVDĚPODOBNOST

2. přednáška - PRAVDĚPODOBNOST 2. přednáška - PRAVDĚPODOBNOST NÁHODNÝ POKUS A JEV Každá opakovatelná činnost prováděná za stejných nebo přibližně stejných podmínek, jejíž výsledek je nejistý a závisí na náhodě, se nazývá náhodný pokus.

Více

Diskrétní matematika. DiM /01, zimní semestr 2018/2019

Diskrétní matematika. DiM /01, zimní semestr 2018/2019 Diskrétní matematika Petr Kovář petr.kovar@vsb.cz Vysoká škola báňská Technická univerzita Ostrava DiM 470-2301/01, zimní semestr 2018/2019 O tomto souboru Tento soubor je zamýšlen především jako pomůcka

Více

PRAVDĚPODOBNOST Náhodné pokusy. Náhodný jev

PRAVDĚPODOBNOST Náhodné pokusy. Náhodný jev RAVDĚODOBNOST Náhodné pokusy okusy ve fyzice, chemii při splnění stanov. podmínek vždy stejný výsledek ř. Změna skupenství vody při 00 C a tlaku 00 ka okusy v praxi, vědě, výzkumu při dodržení stejných

Více

Matematika I 2a Konečná pravděpodobnost

Matematika I 2a Konečná pravděpodobnost Matematika I 2a Konečná pravděpodobnost Jan Slovák Masarykova univerzita Fakulta informatiky 24. 9. 2012 Obsah přednášky 1 Pravděpodobnost 2 Nezávislé jevy 3 Geometrická pravděpodobnost Viděli jsme už

Více

5.1. Klasická pravděpodobnst

5.1. Klasická pravděpodobnst 5. Pravděpodobnost Uvažujme množinu Ω všech možných výsledků náhodného pokusu, například hodu mincí, hodu kostkou, výběru karty z balíčku a podobně. Tato množina se nazývá základní prostor a její prvky

Více

Diskrétní matematika. DiM /01, zimní semestr 2016/2017

Diskrétní matematika. DiM /01, zimní semestr 2016/2017 Diskrétní matematika Petr Kovář petr.kovar@vsb.cz Vysoká škola báňská Technická univerzita Ostrava DiM 470-2301/01, zimní semestr 2016/2017 O tomto souboru Tento soubor je zamýšlen především jako pomůcka

Více

IB112 Základy matematiky

IB112 Základy matematiky IB112 Základy matematiky Základy kombinatoriky a kombinatorická pravděpodobnost Jan Strejček Obsah IB112 Základy matematiky: Základy kombinatoriky a kombinatorická pravděpodobnost 2/57 Výběry prvků bez

Více

Lékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.)

Lékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.) Lékařská biofyzika, výpočetní technika I Biostatistika Josef Tvrdík (doc. Ing. CSc.) Přírodovědecká fakulta, katedra informatiky josef.tvrdik@osu.cz konzultace úterý 14.10 až 15.40 hod. http://www1.osu.cz/~tvrdik

Více

Pravděpodobnost a statistika

Pravděpodobnost a statistika Pravděpodobnost a statistika Teorie pravděpodobnosti popisuje vznik náhodných dat, zatímco matematická statistika usuzuje z dat na charakter procesů, jimiž data vznikla. NÁHODNOST - forma existence látky,

Více

Pravděpodobnost a statistika (BI-PST) Cvičení č. 1

Pravděpodobnost a statistika (BI-PST) Cvičení č. 1 Pravděpodobnost a statistika (BI-PST) Cvičení č. 1 Katedra aplikované matematiky Fakulta informačních technologií České vysoké učení technické v Praze ZS 2014/2015 (FIT ČVUT) BI-PST, Cvičení č. 1 ZS 2014/2015

Více

Úvod do teorie pravděpodobnosti

Úvod do teorie pravděpodobnosti Úvod do teorie pravděpodobnosti Michal Fusek Ústav matematiky FEKT VUT, fusekmi@feec.vutbr.cz 9. přednáška z ESMAT Michal Fusek (fusekmi@feec.vutbr.cz) 1 / 33 Obsah 1 Náhodné jevy 2 Pravděpodobnost 3 Podmíněná

Více

Statistické vyhodnocování experimentálních dat. Mgr. Martin Čada, Ph.D.

Statistické vyhodnocování experimentálních dat. Mgr. Martin Čada, Ph.D. Statistické vyhodnocování experimentálních dat Mgr. Martin Čada, Ph.D. - Ústav fyziky a biofyziky, PřF JU - E-mail: mcada@prf.jcu.cz - Tel.: 266052418 - Organizace výuky, zkouška, zápočet - Přednášky a

Více

Pravděpodobnost a statistika

Pravděpodobnost a statistika Pravděpodobnost a statistika 1 Náhodné pokusy a náhodné jevy Činnostem, jejichž výsledek není jednoznačně určen podmínkami, za kterých probíhají, a které jsou (alespoň teoreticky) neomezeně opakovatelné,

Více

PRAVDĚPODOBNOST A JEJÍ UŽITÍ

PRAVDĚPODOBNOST A JEJÍ UŽITÍ PRAVDĚPODOBNOST A JEJÍ UŽITÍ Základním pojmem teorie pravděpodobnosti je náhodný jev. náhodný jev : výsledek nějaké činnosti nebo pokusu, o němž má smysl prohlásit že nastal nebo ne. Náhodné jevy se označují

Více

Tomáš Karel LS 2012/2013

Tomáš 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

Více

Pravděpodobnost a statistika (BI-PST) Cvičení č. 2

Pravděpodobnost a statistika (BI-PST) Cvičení č. 2 Pravděpodobnost a statistika (BI-PST) Cvičení č. 2 J. Hrabáková, I. Petr, F. Štampach, D. Vašata Katedra aplikované matematiky Fakulta informačních technologií České vysoké učení technické v Praze ZS 2014/2015

Více

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost 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

Více

Informační a znalostní systémy

Informační a znalostní systémy Informační a znalostní systémy Teorie pravděpodobnosti není v podstatě nic jiného než vyjádření obecného povědomí počítáním. P. S. de Laplace Pravděpodobnost a relativní četnost Pokusy, výsledky nejsou

Více

Určeno studentům středního vzdělávání s maturitní zkouškou, 4. ročník, okruh Základy počtu pravděpodobnosti

Určeno studentům středního vzdělávání s maturitní zkouškou, 4. ročník, okruh Základy počtu pravděpodobnosti PRAVDĚPODOBNOST anotace Určeno studentům středního vzdělávání s maturitní zkouškou, 4. ročník, okruh Základy počtu pravděpodobnosti VM vytvořil: Mgr. Marie Zapadlová Období vytvoření VM: září 2013 Klíčová

Více

KGG/STG Statistika pro geografy

KGG/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

Více

Cvičení 1. Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc.

Cvičení 1. Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. 1 Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. Katedra počítačových systémů Katedra teoretické informatiky Fakulta informačních technologií České vysoké učení technické v

Více

2. Definice pravděpodobnosti

2. Definice pravděpodobnosti 2. Definice pravděpodobnosti 2.1. Úvod: V přírodě se setkáváme a v přírodních vědách studujeme pomocí matematických struktur a algoritmů procesy dvojího druhu. Jednodušší jsou deterministické procesy,

Více

Pravděpodobnost, náhoda, kostky

Pravděpodobnost, náhoda, kostky Pravděpodobnost, náhoda, kostky Radek Pelánek IV122 Výhled pravděpodobnost náhodná čísla lineární regrese detekce shluků Dnes lehce nesourodá směs úloh souvisejících s pravděpodobností připomenutí, souvislosti

Více

letní semestr Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy Matematická statistika

letní semestr Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy Matematická statistika Šárka Hudecová Katedra i a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy letní semestr 2012 1 1 Založeno na materiálech doc. Michala Kulicha Organizační pokyny k přednášce přednáškové

Více

pravděpodobnosti a Bayesova věta

pravděpodobnosti a Bayesova věta NMUMP0 (Pravděpodobnost a matematická statistika I) Nezávislost, podmíněná pravděpodobnost, věta o úplné pravděpodobnosti a Bayesova věta. Házíme dvěma pravidelnými kostkami. (a) Jaká je pravděpodobnost,

Více

Jevy, které za daných podmínek mohou, ale nemusí nastat, nazýváme náhodnými jevy. Příklad: při hodu hrací kostkou padne trojka

Jevy, které za daných podmínek mohou, ale nemusí nastat, nazýváme náhodnými jevy. Příklad: při hodu hrací kostkou padne trojka Náhodný jev Mějme určitý soubor podmínek. Provedeme pokus, který budeme chtít zopakovat. Pokud opakování pokusu při zachování nám známých podmínek nevede k jednoznačnému výsledku, můžeme se domnívat, že

Více

TEORIE PRAVDĚPODOBNOSTI. 2. cvičení

TEORIE PRAVDĚPODOBNOSTI. 2. cvičení TEORIE RAVDĚODONOSTI 2. cvičení Základní pojmy Klasická def. Statistická def. Geometrická def. odmíněná prav. ayesův teorém Test Základní pojmy Náhodný pokus - je každý konečný děj, jehož výsledek není

Více

Populace vs. data. popisná (deskriptivní) popis konkrétních dat. letní semestr 2012 1

Populace vs. data. popisná (deskriptivní) popis konkrétních dat. letní semestr 2012 1 ? Šárka Hudecová Katedra i a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy letní semestr 2012 1? Statistika = věda o získávání, zpracování a interpretaci informace obsažené v

Více

Motivace. 1. Náhodné jevy. Poznámky k předmětu Aplikovaná statistika, 1. téma

Motivace. 1. Náhodné jevy. Poznámky k předmětu Aplikovaná statistika, 1. téma Poznámky k předmětu Aplikovaná statistika, 1. téma Motivace Na otázku, při jaké teplotě vře voda, nejspíš neodpovíte. Budete chtít znát podmínky, které máte uvažovat. Víme, že za normálního tlaku, tj.

Více

Řešené příklady z pravděpodobnosti:

Řešené příklady z pravděpodobnosti: Řešené příklady z pravděpodobnosti: 1. Honza se ze šedesáti maturitních otázek 10 nenaučil. Při zkoušce si losuje dvě otázky. a. Určete pravděpodobnost jevu A, že si vylosuje pouze otázky, které se naučil.

Více

Pravděpodobnost a její vlastnosti

Pravděpodobnost a její vlastnosti Pravděpodobnost a její vlastnosti 1 Pravděpodobnost a její vlastnosti Náhodné jevy Náhodný jev je výsledek pokusu (tj. realizace určitého systému podmínek) a jeho charakteristickým rysem je, že může, ale

Více

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Název školy Gymnázium, Šternberk, Horní nám. 5 Číslo projektu CZ.1.07/1.5.00/34.0218 Šablona III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Označení materiálu VY_32_INOVACE_Hor016 Vypracoval(a),

Více

a) 7! 5! b) 12! b) 6! 2! d) 3! Kombinatorika

a) 7! 5! b) 12! b) 6! 2! d) 3! Kombinatorika Kombinatorika Kombinatorika se zabývá vytvářením navzájem různých skupin z daných prvků a určováním počtu takových skupin. Kombinatorika se zabývá pouze konečnými množinami. Při určování počtu výběrů skupin

Více

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Jan Kracík

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Jan Kracík Pravděpodobnost a statistika, Biostatistika pro kombinované studium Letní semestr 2016/2017 Tutoriál č. 1: Kombinatorika, úvod do teorie pravděpodobnosti Jan Kracík jan.kracik@vsb.cz Kombinatorika Kombinatorika

Více

Náhodný jev a definice pravděpodobnosti

Náhodný jev a definice pravděpodobnosti Náhodný jev a definice pravděpodobnosti Obsah kapitoly Náhodný jev. Vztahy mezi náhodnými jevy. Pravidla pro počítání s pravděpodobnostmi. Formule úplné pravděpodobnosti a Bayesův vzorec. Studijní cíle

Více

Matematika III. 4. října Vysoká škola báňská - Technická univerzita Ostrava. Matematika III

Matematika 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

Více

5. Náhodná veličina. 2. Házíme hrací kostkou dokud nepadne šestka. Náhodná veličina nabývá hodnot z posloupnosti {1, 2, 3,...}.

5. Náhodná veličina. 2. Házíme hrací kostkou dokud nepadne šestka. Náhodná veličina nabývá hodnot z posloupnosti {1, 2, 3,...}. 5. Náhodná veličina Poznámka: Pro popis náhodného pokusu jsme zavedli pojem jevového pole S jako množiny všech možných výsledků a pravděpodobnost náhodných jevů P jako míru výskytů jednotlivých výsledků.

Více

NMAI059 Pravděpodobnost a statistika

NMAI059 Pravděpodobnost a statistika NMAI059 Pravděpodobnost a statistika podle přednášky Daniela Hlubinky (hlubinka@karlin.mff.cuni.cz) zapsal Pavel Obdržálek (pobdr@matfyz.cz) 205/20 poslední změna: 4. prosince 205 . přednáška. 0. 205 )

Více

Náhodný pokus každá opakovatelná činnost, prováděná za stejných nebo přibližně stejných podmínek, jejíž výsledek je nejistý a závisí na náhodě.

Náhodný pokus každá opakovatelná činnost, prováděná za stejných nebo přibližně stejných podmínek, jejíž výsledek je nejistý a závisí na náhodě. Základy teorie pravděpodobnosti Náhodný pokus každá opakovatelná činnost, prováděná za stejných nebo přibližně stejných podmínek, jejíž výsledek je nejistý a závisí na náhodě. Náhodný jev jakékoli tvrzení

Více

5 Pravděpodobnost. Sestavíme pravděpodobnostní prostor, který modeluje vytažení dvou ponožek ze šuplíku. Elementární jevy

5 Pravděpodobnost. Sestavíme pravděpodobnostní prostor, který modeluje vytažení dvou ponožek ze šuplíku. Elementární jevy Typické příklady pro zápočtové písemky DiM 70-30 (Kovář, Kovářová, Kubesa) (verze: November 5, 08) 5 Pravděpodobnost 5.. Jiří má v šuplíku rozházených osm párů ponožek, dva páry jsou černé, dva páry modré,

Více

SEMINÁRNÍ PRÁCE Z MATEMATIKY

SEMINÁRNÍ PRÁCE Z MATEMATIKY SEMINÁRNÍ PRÁCE Z MATEMATIKY PETROHRADSKÝ PARADOX TEREZA KIŠOVÁ 4.B 28.10.2016 MOTIVACE: K napsání této práce mě inspiroval název tématu. Když jsem si o petrohradském paradoxu zjistila nějaké informace

Více

Poznámky k předmětu Aplikovaná statistika, 1. téma

Poznámky k předmětu Aplikovaná statistika, 1. téma Poznámky k předmětu Aplikovaná statistika, 1. téma Motivace Na otázku, při jaké teplotě vře voda, nejspíš neodpovíte. Budete chtít znát podmínky, které máte uvažovat. Víme, že za normálního tlaku, tj.

Více

Všechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a

Všechno, 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)

Více

Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel

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 Definice P(A/B) pravděpodobnost nastoupení jevu A za předpokladu, že nastal jev B (P(B) > 0) definujeme vztahem

Více

Přednáška. Diskrétní náhodná proměnná. Charakteristiky DNP. Základní rozdělení DNP

Přednáška. 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

Více

Náhodný jev. Jevy, které za daných podmínek mohou, ale nemusí nastat, nazýváme náhodnými jevy.

Náhodný jev. Jevy, které za daných podmínek mohou, ale nemusí nastat, nazýváme náhodnými jevy. Náhodný jev Mějme určitý soubor podmínek. Provedeme pokus, který budeme chtít zopakovat. Pokud opakování pokusu při zachování nám známých podmínek nevede k jednoznačnému výsledku, můžeme se domnívat, že

Více

Důkaz nebo cesta? Masarykova univerzita, Přírodovědecká fakulta Ústav matematiky a statistiky

Důkaz nebo cesta? Masarykova univerzita, Přírodovědecká fakulta Ústav matematiky a statistiky Důkaz nebo cesta? Zdeněk Pospíšil Masarykova univerzita, Přírodovědecká fakulta Ústav matematiky a statistiky Křesťanský sbor Brno Městská knihovna Blansko Středa 23. listopadu 2016 Úvod Kam půjdeme? Tomášovy

Více

1. Statistická analýza dat Jak vznikají informace Rozložení dat

1. Statistická analýza dat Jak vznikají informace Rozložení dat 1. Statistická analýza dat Jak vznikají informace Rozložení dat J. Jarkovský, L. Dušek, S. Littnerová, J. Kalina Význam statistické analýzy dat Sběr a vyhodnocování dat je způsobem k uchopení a pochopení

Více

Náhodný pokus Náhodným pokusem (stručněji pokusem) rozumíme každé uskutečnění určitého systému podmínek resp. pravidel.

Náhodný pokus Náhodným pokusem (stručněji pokusem) rozumíme každé uskutečnění určitého systému podmínek resp. pravidel. Základy teorie pravděpodobnosti Náhodný pokus Náhodným pokusem (stručněji pokusem) rozumíme každé uskutečnění určitého systému podmínek resp. pravidel. Poznámka: Výsledek pokusu není předem znám (výsledek

Více

Teorie pravěpodobnosti 1

Teorie pravěpodobnosti 1 Teorie pravěpodobnosti 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Náhodný jev a pravděpodobnost Každou zákonitost sledovanou v přírodě lze zjednodušeně charakterizovat jako

Více

MATEMATIKA III V PŘÍKLADECH

MATEMATIKA III V PŘÍKLADECH VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ MATEMATIKA III V PŘÍKLADECH Cvičení 3 Pravděpodobnost jevů Mgr. Petr Otipka Ostrava 2013 Mgr. Petr Otipka Vysoká škola báňská Technická

Více

3. Podmíněná pravděpodobnost a Bayesův vzorec

3. Podmíněná pravděpodobnost a Bayesův vzorec 3. Podmíněná pravděpodobnost a Bayesův vzorec Poznámka: V některých úlohách řešíme situaci, kdy zkoumáme pravděpodobnost náhodného jevu za dalších omezujících podmínek. Nejčastěji má omezující podmínka

Více

23. Matematická statistika

23. Matematická statistika Projekt: Inovace oboru Mechatronik pro Zlínský kraj Registrační číslo: CZ.1.07/1.1.08/03.0009 23. Matematická statistika Statistika je věda, která se snaží zkoumat reálná data a s pomocí teorii pravděpodobnosti

Více

1. Házíme hrací kostkou. Určete pravděpodobností těchto jevů: a) A při jednom hodu padne šestka;

1. Házíme hrací kostkou. Určete pravděpodobností těchto jevů: a) A při jednom hodu padne šestka; I Elementární pravděpodonost 1 Házíme hrací kostkou Určete pravděpodoností těchto jevů: a) A při jednom hodu padne šestka; Řešení: P A) = 1 = 01; Je celkem šest možností {1,,, 4,, } a jedna {} je příznivá

Více

Motivace. Náhodný pokus, náhodný n jev. Pravděpodobnostn. podobnostní charakteristiky diagnostických testů, Bayesův vzorec

Motivace. Náhodný pokus, náhodný n jev. Pravděpodobnostn. podobnostní charakteristiky diagnostických testů, Bayesův vzorec Pravděpodobnostn podobnostní charakteristiky diagnostických testů, Bayesův vzorec Prof.RND.Jana Zvárov rová,, DrSc. Motivace V medicíně má mnoho problémů pravěpodobnostní charakter prognóza diagnoza účinnost

Více

Pravděpodobnost, náhoda, kostky

Pravděpodobnost, náhoda, kostky Pravděpodobnost, náhoda, kostky Radek Pelánek IV122, jaro 2015 Výhled pravděpodobnost náhodná čísla lineární regrese detekce shluků Dnes lehce nesourodá směs úloh souvisejících s pravděpodobností krátké

Více

Inovace bakalářského studijního oboru Aplikovaná chemie

Inovace 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

Více

Minikurz aplikované statistiky. Minikurz aplikované statistiky p.1

Minikurz aplikované statistiky. Minikurz aplikované statistiky p.1 Minikurz aplikované statistiky Marie Šimečková, Petr Šimeček Minikurz aplikované statistiky p.1 Program kurzu základy statistiky a pravděpodobnosti regrese (klasická, robustní, s náhodnými efekty, ev.

Více

Projekt ŠABLONY NA GVM Gymnázium Velké Meziříčí registrační číslo projektu: CZ.1.07/1.5.00/34.0948

Projekt ŠABLONY NA GVM Gymnázium Velké Meziříčí registrační číslo projektu: CZ.1.07/1.5.00/34.0948 Projekt ŠABLONY NA GVM Gymnázium Velké Meziříčí registrační číslo projektu: CZ.1.07/1.5.00/34.0948 IV-2 Inovace a zkvalitnění výuky směřující k rozvoji matematické gramotnosti žáků středních škol PRAVDĚPODOBNOST

Více

Škola: Gymnázium, Brno, Slovanské náměstí 7 III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Název projektu: Inovace výuky na GSN

Škola: Gymnázium, Brno, Slovanské náměstí 7 III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Název projektu: Inovace výuky na GSN Škola: Gymnázium, Brno, Slovanské náměstí 7 Šablona: III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Název projektu: Inovace výuky na GSN prostřednictvím ICT Číslo projektu: CZ.1.07/1.5.00/34.0940

Více

7 Pravděpodobnostní modely úvod

7 Pravděpodobnostní modely úvod 7 Pravděpodobnostní modely úvod 7 Pravděpodobnostní modely úvod Břetislav Fajmon, UMAT FEKT, VUT Brno Nyní ve druhé polovině kursu bude obsahem odlišná matematická disciplína, která snad má s numerickými

Více

CZ.1.07/1.5.00/34.0619 CZ.1.07/1.5.00/34.0619 Zvyšování vzdělanosti pomocí e-prostoru OP Vzdělávání pro konkurenceschopnost

CZ.1.07/1.5.00/34.0619 CZ.1.07/1.5.00/34.0619 Zvyšování vzdělanosti pomocí e-prostoru OP Vzdělávání pro konkurenceschopnost CZ.1.07/1.5.00/34.0619 CZ.1.07/1.5.00/34.0619 Zvyšování vzdělanosti pomocí e-prostoru OP Vzdělávání pro konkurenceschopnost Soukromá střední škola a jazyková škola s právem státní jazykové zkoušky Č. Budějovice,

Více

Teoretická rozdělení

Teoretická rozdělení Teoretická rozdělení Diskrétní rozdělení Obsah kapitoly Studijní cíle Doba potřebná ke studiu Pojmy k zapamatování Úvod Některá teoretická rozdělení diskrétních veličin: Alternativní rozdělení Binomické

Více

pro bakalářské studijní programy fyzika, informatika a matematika 2018, varianta A

pro bakalářské studijní programy fyzika, informatika a matematika 2018, varianta A Přijímací zkouška na MFF UK pro bakalářské studijní programy fyzika, informatika a matematika 2018, varianta A U každé z deseti úloh je nabízeno pět odpovědí: a, b, c, d, e. Vaším úkolem je u každé úlohy

Více

Tomáš Karel LS 2012/2013

Tomáš 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

Více

TGH13 - Teorie her I.

TGH13 - Teorie her I. TGH13 - Teorie her I. Jan Březina Technical University of Liberec 19. května 2015 Hra s bankéřem Máte právo sehrát s bankéřem hru: 1. hází se korunou dokud nepadne hlava 2. pokud hlava padne v hodu N,

Více

5) Ve třídě 1.A se vyučuje 11 různých předmětů. Kolika způsoby lze sestavit rozvrh na 1 den, vyučuje-li se tento den 6 různých předmětů?

5) Ve třídě 1.A se vyučuje 11 různých předmětů. Kolika způsoby lze sestavit rozvrh na 1 den, vyučuje-li se tento den 6 různých předmětů? 0. Kombinatorika, pravděpodobnost, statistika Kombinatorika ) V restauraci mají na jídelním lístku 3 druhy polévek, 7 možností výběru hlavního jídla, druhy moučníku. K pití si lze objednat kávu, limonádu

Více

Značení 1.1 (posloupnost výsledků pokusu). Mějme posloupnost opakovaných (i závislých) pokusů,

Značení 1.1 (posloupnost výsledků pokusu). Mějme posloupnost opakovaných (i závislých) pokusů, Rekurentní jevy Značení. (posloupnost výsledků pokusu). Mějme posloupnost opakovaných (i závislých) pokusů, kde každý má tutéž konečnou nebo spočetnou množinu výsledků E, E,...}. Pak E j,..., E jn } značí

Více

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Tutoriál č. 5: Bodové a intervalové odhady, testování hypotéz.

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Tutoriál č. 5: Bodové a intervalové odhady, testování hypotéz. Pravděpodobnost a statistika, Biostatistika pro kombinované studium Letní semestr 2015/2016 Tutoriál č. 5: Bodové a intervalové odhady, testování hypotéz Jan Kracík jan.kracik@vsb.cz Obsah: Výběrová rozdělení

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST 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

Více

1. Klasická pravděpodobnost

1. Klasická pravděpodobnost Příklady 1. Klasická pravděpodobnost 1. Házíme dvakrát kostkou. Jaká je pravděpodobnost, že padne alespoň jedna šestka? 2. Základy teorie pravděpodobnosti vznikly v korespondenci mezi dvěma slavnými francouzskými

Více

Náhodné vektory a matice

Náhodné 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

Více

KOMBINATORIKA. 1. cvičení

KOMBINATORIKA. 1. cvičení KOMBINATORIKA 1. cvičení Co to je kombinatorika Kombinatorika je vstupní branou do teorie pravděpodobnosti. Zabývá se různými způsoby výběru prvků z daného souboru. 2011 Ing. Janurová Kateřina, FEI VŠB-TU

Více

Základy teorie pravděpodobnosti

Základy 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

Více

Cvičení ze statistiky - 5. Filip Děchtěrenko

Cvičení 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

Více

Jevy A a B jsou nezávislé, jestliže uskutečnění jednoho jevu nemá vliv na uskutečnění nebo neuskutečnění jevu druhého

Jevy A a B jsou nezávislé, jestliže uskutečnění jednoho jevu nemá vliv na uskutečnění nebo neuskutečnění jevu druhého 8. Základy teorie pravděpodobnosti 8. ročník 8. Základy teorie pravděpodobnosti Pravděpodobnost se zabývá matematickými zákonitostmi, které se projevují v náhodných pokusech. Tyto zákonitosti mají opodstatnění

Více

Pravděpodobnost kolem nás

Pravděpodobnost kolem nás Brno, 17. 6. 2011 Pravděpodobnost kolem nás - jak spravedlivě losovat? - je možnost volby vždy výhodou? - který šifrovací zámek chrání nejlépe? - je známka z testu věrohodná? - proč prosperuje casino?

Více

STATISTICKÝ SOUBOR. je množina sledovaných objektů - statistických jednotek, které mají z hlediska statistického zkoumání společné vlastnosti

STATISTICKÝ SOUBOR. je množina sledovaných objektů - statistických jednotek, které mají z hlediska statistického zkoumání společné vlastnosti ZÁKLADNÍ STATISTICKÉ POJMY HROMADNÝ JEV Statistika pracuje s tzv. HROMADNÝMI JEVY cílem statistického zpracování dat je podání informace o vlastnostech a zákonitostech hromadných jevů: velkého počtu jedinců

Více

Pravděpodobnost a statistika (BI-PST) Cvičení č. 4

Pravděpodobnost 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

Více

náhodný jev je podmnožinou

náhodný jev je podmnožinou Pravděpodobnost Dovednosti a cíle - Chápat jev A jako podmnožinu množiny, která značí množinu všech výsledků náhodného děje. - Umět zapsat jevy pomocí množinových operací a obráceně umět z množinového

Více

B) EX = 0,5, C) EX = 1, F) nemáme dostatek informací.

B) EX = 0,5, C) EX = 1, F) nemáme dostatek informací. Hlasovací otázka 9 Náhodná veličina X nabývá jen dvou různých hodnot, 0 a 1. Předpokládejme P(X = 0) = 0,5. Co můžeme říci o EX? Hlasovací otázka 9 Náhodná veličina X nabývá jen dvou různých hodnot, 0

Více

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Název školy Gymnázium, Šternberk, Horní nám. 5 Číslo projektu CZ.1.07/1.5.00/34.0218 Šablona III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Označení materiálu VY_32_INOVACE_Hor014 Vypracoval(a),

Více

Příklad 1: Házíme dvěma kostkami. Stanovte pravděpodobnost jevu, že na kostkách padne součet menší než 5.

Příklad 1: Házíme dvěma kostkami. Stanovte pravděpodobnost jevu, že na kostkách padne součet menší než 5. Příklad 1: Házíme dvěma kostkami. Stanovte pravděpodobnost jevu, že na kostkách padne součet menší než 5. Řešení: Výsledky pokusu jsou uspořádané dvojice. První člen dvojice odpovídá hodu 1. kostkou a

Více

PRAVDĚPODOBNOST JE. Martina Litschmannová

PRAVDĚPODOBNOST JE. Martina Litschmannová RAVDĚODOBNOST JE Martina Litschmannová Čím se zabývá teorie pravděpodobnosti? Teorie pravděpodobnosti je matematická disciplína popisující zákonitosti týkající se náhodných jevů, tj. používá se k modelování

Více

ZÁKLADY STATISTICKÉHO ZPRACOVÁNÍ ÚDAJŮ 5. hodina , zapsala Veronika Vinklátová Revize zápisu Martin Holub,

ZÁKLADY STATISTICKÉHO ZPRACOVÁNÍ ÚDAJŮ 5. hodina , zapsala Veronika Vinklátová Revize zápisu Martin Holub, ZÁKLADY STATISTICKÉHO ZPRACOVÁNÍ ÚDAJŮ 5. hodina - 22. 3. 2018, zapsala Revize zápisu Martin Holub, 27. 3. 2018 I. Frekvenční tabulky opakování z minulé hodiny Frekvenční tabulka je nejzákladnější nástroj

Více

ZÁKLADY TEORIE PRAVDĚPODOBNOSTI

ZÁKLADY TEORIE PRAVDĚPODOBNOSTI ZÁKLDY TEORIE RVDĚODOBNOSTI 1 Vytvořeno s podporou projektu růřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny společného základu (reg. č. CZ.1.07/2.2.00/28.0021)

Více

( ) ( ) 9.2.7 Nezávislé jevy I. Předpoklady: 9204

( ) ( ) 9.2.7 Nezávislé jevy I. Předpoklady: 9204 9.2.7 Nezávislé jevy I Předpoklady: 9204 Př. : Předpokládej, že pravděpodobnost narození chlapce je stejná jako pravděpodobnost narození dívky (a tedy v obou případech rovna 0,5) a není ovlivněna genetickými

Více

Zadání 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 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

Více

Drsná matematika IV 7. přednáška Jak na statistiku?

Drsná matematika IV 7. přednáška Jak na statistiku? Drsná matematika IV 7. přednáška Jak na statistiku? Jan Slovák Masarykova univerzita Fakulta informatiky 2. 4. 2012 Obsah přednášky 1 Literatura 2 Co je statistika? 3 Popisná statistika Míry polohy statistických

Více