Kapitola 5.: Analýza rozptylu jednoduchého třídění
|
|
- Vendula Horáková
- před 5 lety
- Počet zobrazení:
Transkript
1 Kaptola 5.: alýza ozptylu jedoduchého tříděí Cíl kaptoly Po postudováí této kaptoly budete umět - hodott vlv aktou o 3 úovích a vaabltu hodot sledovaé áhodé velčy - sestojt tabulku aalýzy ozptylu - detkovat dvojce áhodých výběů, kteé se výzamě lší středí hodotou - povést test shody ozptylů - zázot ozložeí dat v daých 3 áhodých výběech gacky pomocí kategozovaých kabcových dagamů Časová zátěž Na postudováí této kaptoly a splěí úkolů s í spojeých budete potřebovat as 9 hod studa. 5.. Motvace Zajímáme se o poblém, zda lze učtým aktoem (tj. omálí áhodou velčou ) vysvětlt vaabltu pozoovaých hodot áhodé velčy X, kteá je tevalového č poměového typu. Např. zkoumáme, zda metoda výuky učtého předmětu (akto ) ovlvňuje počet bodů dosažeých studety v závěečém testu (áhodá velča X). Předpokládáme, že akto má 3 úoví a -té úov odpovídá výsledků X, K, X, kteé tvoří áhodý výbě z ozložeí N(µ, σ ), =,..., a jedotlvé áhodé výběy jsou stochastcky ezávslé, tedy X j = µ + ε j, kde ε j jsou stochastcky ezávslé áhodé velčy s ozložeím N(0, σ ), =,,, j =,,. Výsledky lze zapsat do tabulky akto úoveň úoveň úoveň výsledky X, K, X X, K, X X, K, X Na hladě výzamost α testujeme ulovou hypotézu, kteá tvdí, že všechy středí hodoty jsou stejé pot alteatví hypotéze, kteá tvdí, že aspoň jeda dvojce středích hodot se lší. Jedá se tedy o zobecěí dvouvýběového t-testu a a pví pohled se zdá, že stačí utvořt dvojc áhodých výběů a a každou dvojc aplkovat dvouvýběový t-test. Teto postup však elze použít, eboť ezaučuje splěí podmíky, že pavděpodobost chyby. duhu je ejvýše α. Poto ve 30. letech 0. století vytvořl R.. Fshe metodu NOV (aalýza ozptylu, v popsaé stuac kokétě aalýza ozptylu jedoduchého tříděí), kteá uvedeou podmíku splňuje. Pokud a hladě výzamost α zamíteme ulovou hypotézu, zajímá ás, kteé dvojce středích hodot se od sebe lší. K řešeí tohoto poblému slouží metody mohoásobého poováváí, apř. cheého ebo Tukeyova metoda.
2 5.. Ozačeí V aalýze ozptylu jedoduchého tříděí se používá ásledující ozačeí. = = X =. X j j= celkový ozsah všech výběů součet hodot v -tém výběu M. = X. výběový půmě v -tém výběu X.. = X součet hodot všech výběů = j= j M.. = X.. celkový půmě všech výběů 5.3. Testováí hypotézy o shodě středích hodot Náhodé velčy X j se řídí modelem M0: X j = µ + α + ε j po =,,, j =,,, přčemž ε j jsou stochastcky ezávslé áhodé velčy s ozložeím N(0, σ ), µ je společá část středí hodoty závsle poměé velčy, α je eekt aktou a úov. Paamety µ, α ezáme. Požadujeme, aby platla tzv. epaametzačí ovce: = α = 0. Zavedeme součty čtveců ( Xj M ) T = j= =.. celkový součet čtveců (chaaktezuje vaabltu jedotlvých pozoováí kolem celkového půměu), má počet stupňů volost T =, = ( M M.. ) =. skupový součet čtveců (chaaktezuje vaabltu mez jedotlvým áhodým výběy), má počet stupňů volost =, ( Xj M ) = j= =. ezduálí součet čtveců (chaaktezuje vaabltu uvtř jedotlvých výběů), má počet stupňů volost = -. Lze dokázat, že T = +. čítaec ( M. M.. ) představuje bodový odhad eektu α. Kdyby ezáleželo a aktou, platla by hypotéza α = = α = 0 a dostal bychom model M: X j = µ + ε j. Rozdíl mez modely M0 a M ověřujeme pomocí testové statstky / F =, kteá se řídí ozložeím F(-,-), je-l model M spávý. Hypotézu o evý- / zamost aktou tedy zamíteme a hladě výzamost α, když platí: F F -α (-,-). Výsledky výpočtů zapsujeme do tabulky aalýzy ozptylu jedoduchého tříděí.
3 Zdoj vaablty součet čtveců stupě volost podíl F skupy = - / ezduálí = - / - celkový T T = Testy shody ozptylů Před povedeím aalýzy ozptylu je zapotřebí ověřt předpoklad o shodě ozptylů v daých výběech Leveův test Položme Zj = Xj M.. Ozačíme ( Zj M Z), Z = ( M Z M Z) M Z = Zj, M Z = Zj, Z =. j= = j= = j= = Z ( ) Platí-l hypotéza o shodě ozptylů, pak statstka FZ = má asymptotcky ozložeí Z ( ) F(-,-). H 0 tedy zamítáme a asymptotcké hladě výzamost α, když F Z F -α (-,-). Často užívaou modkací Leveova testu je Bowův Fosytheův test. Modkace spočívá v tom, že místo výběového půměu -tého výběu se př výpočtu velčy Z používá medá -tého výběu. mulačí stude ukazují, že Bowův Fosytheův test lze použít př poušeí předpokladu omalty. ( ) Batlettův test Platí-l hypotéza o shodě ozptylů, pak statstka ( ) ( ) B = l* l má asymptotcky ozložeí χ (-), kde C = ( ) C = +, = ( Xj M. ) je výběový ozptyl -tého výbě- 3 = j= = u, * = = je vážeý půmě výběových ozptylů. H 0 zamítáme a asymptotcké hladě výzamost α, když B χ -α(-,-). Batlettův test lze použít, pokud ozsahy všech výběů jsou aspoň 7. Je velm ctlvý a poušeí předpokladu omalty Metody mohoásobého poováváí Zamíteme-l a hladě výzamost α hypotézu o shodě středích hodot, chceme zjstt, kteé dvojce středích hodot se lší a daé hladě výzamost α Tukeyova metoda Mají-l všechy výběy týž ozsah p (říkáme, že tříděí je vyvážeé), použjeme Tukeyovu metodu: ovost středích hodot µ k a µ l zamíteme a hladě výzamost α, když j
4 * M k. Ml. q α(, ), kde hodoty q -α (,-) jsou kvatly studetzovaého ozpětí a p ajdeme je ve statstckých tabulkách cheého metoda Nemají-l všechy výběy stejý ozsah, použjeme cheého metodu: ovost středích hodot µ k a µ l zamíteme a hladě výzamost α, když Mk Ml. * k l ( ) + F (, ). α. Metody mohoásobého poováváí mají obecě meší sílu ež NOV. Může poto astat stuace, kdy př zamítutí H 0 eajdeme metodam mohoásobého poováváí výzamý ozdíl u žádé dvojce středích hodot. K tomu dochází zvláště tehdy, když p- hodota po NOVU je je o málo žší ež zvoleá hlada výzamost. Pak slabší test patřící do skupy metod mohoásobého poováváí emusí odhalt žádý ozdíl Příklad U čtyř odůd bambo (ozačeých symboly, B, C, D) se zjšťovala celková hmotost bambo vyostlých vždy z jedoho tsu. Výsledky (v kg): odůda hmotost 0,9 0,8 0,6 0,9 B,3,0,3 C,3,5,6,,5 D,,,0 Na hladě výzamost 0,05 testujte hypotézu, že středí hodota hmotost tsu bambo ezávsí a odůdě. Zamítete-l ulovou hypotézu, zjstěte, kteé dvojce odůd se lší a hladě výzamost 0,05. Řešeí: Data považujeme za ealzace čtyř ezávslých áhodých výběů ze čtyř omálích ozložeí se stejým ozptylem. Testujeme hypotézu, že všechy čtyř středí hodoty jsou stejé. M. = 0,8, M. =,, M 3. =,4, M 4. =,, M.. =,4, = 0,3, = 0,86, T =,6, F = 9,97, F 0,95 (3,) = 3,59. Potože testová statstka se ealzuje v ktckém obou, H 0 zamítáme a hladě výzamost 0,05. Výsledky zapíšeme do tabulky NOV Zdoj vaablty oučet čtveců tupě volost podíl skupy = 0,86 = 3 /3 = 0,7 ezduálí = 0,3 = / = 0,077 - celkový T =,6 T = F = 9,97 Nyí pomocí cheého metody zjstíme, kteé dvojce odůd se lší a hladě výzamost 0,05.
5 ovávaé odůdy Rozdíly Mk. Ml. Pavá staa vzoce, B 0,4 0,4, C 0,67 0,36, D 0,3 0,4 B, C 0, 0,40 B, D 0, 0,44 C, D 0,3 0,40 Na hladě výzamost 0,05 se lší odůdy a C. Řešeí pomocí systému TTITIC: Otevřeme ový datový soubo o dvou poměých a 5 případech. Pví poměou azveme HMOTNOT, duhou ID. Do poměé HMOTNOT zapíšeme zjštěé hmotost, do poměé ID, kteá slouží k ozlšeí odůd, zapíšeme 4 kát jedčku, 3 kát dvojku, 5 kát tojku a 3 kát čtyřku. Pomocí NP-gau a -W testu ověříme omaltu dat v daých čtyřech skupách. Gay D Gay Nomálí pavděpodobostí gay zaškteme -W test, Poměé HMOTNOT, OK, Kategozovaý Kategoe X, zaškteme Zaputo, Změt poměou ID, OK. Dostaeme ga Očekávaá omálí hodota Nomálí p-ga HMOTNOT (pklad66 v*5c),4,,0 0,8 0,6 0,4 0, 0,0-0, -0,4-0,6-0,8 -,0 -, -,4 0,4 0,6 0,8,0,,4,6,8 ID: 0,4 0,6 0,8,0,,4,6,8,4,,0 0,8 0,6 0,4 0, 0,0-0, -0,4-0,6-0,8 -,0 ID: -, HMOTNOT: W-W = 0,874; p = 0,6 -,4 ID: HMOTNOT: 0,4 0,6 W-W 0,8 =,0 0,75;, p = 0-,0000,4,6,8 0,4 0,6 0,8,0,,4,6,8 ID: 3 HMOTNOT: W-W = 0,9053; p = 0,4399 ID: 4 HMOTNOT: W-W = ; ID: p = ID: 4 Očekávaá omálí hodota ID: Vdíme, že ve všech čtyřech případech jsou odchylky teček od přímky jeom malé a data tedy lze považovat za ealzace áhodých výběů z omálích ozložeí. Nyí budeme a hladě výzamost 0,05 testovat hypotézu o shodě ozptylů: tatstka Základí statstky a tabulky Rozklad & jedoakt. NOV OK, Poměé Závslé poměé HMOTNOT, Gupovací poměá ID OK.
6 Na záložce NOV & testy vybeeme Leveeovy testy. Ve výstupu dostaeme tabulku Leveeův test homogety ozpylů (pklad66) Ozač. eekty jsou výz. a hlad. p <,05000 Č V PČ Č V PČ F p Poměá eekt eekt eekt chyba chyba chyba HMOTNOT 0, ,006 0, ,005939, ,4007 Testová statstka Leveova testu se ealzuje hodotou,04769, počet stupňů volost čtatele je 3, jmeovatele, odpovídající p-hodota je 0,4007, tedy a hladě výzamost 0,05 ezamítáme hypotézu o shodě ozptylů. Dále budeme a hladě výzamost 0,05 testovat hypotézu o shodě středích hodot. Na záložce NOV & testy vybeeme alýza ozptylu. Ve výstupu dostaeme tabulku alýza ozptylu (pklad66) Ozač. eekty jsou výz. a hlad. p <,05000 Č V PČ Č V PČ F p Poměá eekt eekt eekt chyba chyba chyba HMOTNOT 0, ,7000 0, ,0773 9, ,00805 Testová statstka F se ealzuje hodotou 9,97333, počet stupňů volost čtatele je 3, jmeovatele, odpovídající p-hodota je 0,00805, tedy a hladě výzamost 0,05 zamítáme hypotézu o shodě středích hodot. Vytvoříme ještě tabulku s hodotam výběových půměů a výběových směodatých odchylek tak, že a záložce Popsé statstky zvolíme Výpočet: Tabulka statstk.
7 Rozkladová tabulka popsých statstk (pklad66) N=5 (V sezamu záv. pom. ejsou ChD) ID HMOTNOT půmě HMOTNOT N HMOTNOT m.odch. 0, ,44, ,7305 3, , , ,00000 Vš.skup., ,8337 Rověž sestojíme kabcové dagamy tak, že a záložce Popsé statstky zvolíme Kategoz. kabcový ga. Vybeeme typ Půmě/mOdch/.96mOdch.,0 Kategoz. kabcový ga: HMOTNOT,8,6,4 HMOTNOT,,0 0,8 0,6 0,4 3 4 ID Půmě Půmě±mOdch Půmě±,96*mOdch Vdíme, že ejžší půměou hmotost má odůda, ejžší vaabltu hmotost vykazuje odůda D. bychom zjstl, kteé dvojce odůd se lší a hladě výzamost 0,05, a záložce Post-hoc vybeeme cheéův test. ID {} {} 3 {3} 4 {4} cheeho test; pomě.:hmotnot (pklad66) Ozač. ozdíly jsou výzamé a hlad. p <,05000 {} {} {3} {4} M=,80000 M=,000 M=,4000 M=,000 0, , , , , , , , , , , ,63499 V tabulce jsou uvedey p-hodoty po testováí hypotéz o shodě dvojc středích hodot. Pouze jedá z těchto p-hodot je meší ebo ova 0,05, tedy a hladě výzamost 0,05 se lší odůdy a C Výzam předpokladů v aalýze ozptylu a) Nezávslost jedotlvých áhodých výběů velm důležtý předpoklad, musí být splě, jak dostaeme esmyslé výsledky. b) Nomalta NOV eí přílš ctlvá a poušeí omalty, zvlášť pokud mají všechy výběy ozsah ad 0 (důsledek cetálí lmtí věty). Př výazějším poušeí omalty se dopoučuje Kuskalův Wallsův test.
8 c) hoda ozptylů míé poušeí evadí, př větším se dopoučuje Kuskalův Wallsův test. Test shody ozptylů má smysl povádět až po ověřeí předpokladu omalty. hutí alýza ozptylu jedoduchého tříděí slouží k hodoceí vlvu aktou o 3 úovích a vaabltu hodot sledovaé áhodé velčy s omálím ozložeím. Test hypotézy o shodě středích hodot odvodl R.. Fshe. Výpočty spojeé s testováím této hypotézy se zapsují do tabulky NOV. Dojde-l a daé hladě výzamost α k zamítutí ulové hypotézy, použjeme ěkteou z metod mohoásobého poováváí (apř. cheého ebo Tukeyovu metodu), abychom detkoval dvojce áhodých výběů, kteé přspěly k zamítutí ulové hypotézy. NOV předpokládá shodu ozptylů. Hypotézu o shodě ozptylů můžeme testovat pomocí Batlettova testu, Leveova testu ebo Bowova Fosytheova testu. Vlastost ozložeí dat v daých 3 áhodých výběech gacky zázoňujeme pomocí kategozovaých kabcových dagamů typu půmě směodatá odchylka,96 směodatá odchylka. Kotolí otázky. Jaký poblém řeší aalýza ozptylu jedoduchého tříděí?. Jak je deová celkový, skupový a ezduálí součet čtveců a co tyto součty čtveců chaaktezují? 3. Popšte způsob testováí hypotézy o shodě středích hodot. 4. Jak se testuje hypotéza o shodě ozptylů? 5. Kteé metody mohoásobého poováí se používají v aalýze ozptylu jedoduchého tříděí? 6. Pojedejte o výzamu předpokladů v aalýze ozptylu jedoduchého tříděí. utokoekčí test. Z ásledujících tří možostí vybete tu spávou: alýza ozptylu jedoduchého tříděí slouží k vyhodoceí dat, kteá vzkla: a) př páovém uspořádáí pokusu b) př blokovém uspořádáí pokusu c) př mohovýběovém uspořádáí pokusu.. Kteá z ásledujících tvzeí jsou pavdvá? alýza ozptylu jedoduchého tříděí vyžaduje, aby a) jedotlvé áhodé výběy byly stochastcky ezávslé b) jedotlvé áhodé výběy pocházely z bomckého ozložeí c) jedotlvé áhodé výběy měly stejý ozptyl. 3. Kteá z ásledujících tvzeí jsou pavdvá? a) Celkový součet čtveců chaaktezuje vaabltu jedotlvých pozoováí kolem celkového půměu. b) kupový součet čtveců chaaktezuje vaabltu jedotlvých pozoováí kolem skupových půměů. c) Rezduálí součet čtveců chaaktezuje vaabltu skupových půměů kolem celkového půměu.
9 4. Nulovou hypotézu o shodě středích hodot zamítáme a hladě výzamost α, když testové ktéum F se ealzuje v ktckém obou W 0,F, a) = ( α ( )) b) W= ( 0,F α (, ) ) c) = ( F (, ), ) W α 5. Pokud zamíteme hypotézu o shodě středích hodot a všechy výběy mají stejý ozsah, pak po zjštěí, kteé dvojce středích hodot se lší a zvoleé hladě výzamost, použjeme a) Tukeyovu metodu mohoásobého poováváí b) Batlettův test c) Leveův test pávé odpověd: c) a), c) 3a) 4c) 5a) Příklady. Jsou zámy měsíčí tžby (v tsících Kč) tří podavačů za dobu půl oku.. podavač: podavač: podavač: Na hladě výzamost 0,05 testujte hypotézu, že středí hodoty tžeb všech tří podavačů jsou stejé. Pokud zamíteme ulovou hypotézu, zjstěte, tžby kteých dvou podavačů se lší a hladě výzamost 0,05. Výsledek: M. = 0,7, M. =, M 3. = 6,83, M.. = 3, = 7,7, = 4,3, T = 70, F = 38,58, F 0,975 (,05) = 3,683, H 0 tedy zamítáme a hladě výzamost 0,05. Výsledky zapíšeme do tabulky NOV Zdoj vaablty oučet čtveců tupě volost podíl skupy = 4,3 = / = 7,7 ezduálí = 7,7 = 5 / =,84 - celkový T = 70 T = F = 38,58 Nyí pomocí Tukeyovy metody zjstíme, kteé dvojce podavačů se lší a hladě výzamost 0,05. ovávaí podavač Rozdíly M k. M l. Pavá staa vzoce,,83,03, 3 6,67*,03, 3 4,83*,03 *,84,84 Pavá staa: q α (, ) = q 0, 95 (3,5) = 4,83 =, 03, kde * = =, 84 p 6 6 Na hladě výzamost 0,05 se lší tžby podavačů, 3 a, 3.
10 . Je dáo pět ezávslých áhodých výběů o ozsazích 5, 7, 6, 8, 5, přčemž -tý výbě pochází z ozložeí N(µ,σ ), =,..., 5. Byl vypočte celkový součet čtveců T = 5 a ezduálí součet čtveců = 3. Na hladě výzamost 0,05 testujte hypotézu o shodě středích hodot. Výsledek: = = 3, = 5, = T = 5 3 = ( ) 4 F= = = 6,F0, 95 (4,6) =,975 ( ) 3 6 Potože F F 0,95 (4,6), H 0 zamítáme a hladě výzamost 0, Je dáa eúplá tabulka NOV. Místo otazíků doplňte chybějící čísla. Výsledek: zdoj vaablty součet čtveců stupě volost podíl F skupy??? ezduálí 6,033?? - celkový 7, zdoj vaablty součet čtveců stupě volost podíl F skupy,68 0,634,304 ezduálí 6, ,486 - celkový 7, tudet byl vyučová předmětu za využtí pět pedagogckých metod: tadčí způsob, pogamová výuka, audotechka, audovzuálí techka a vzuálí techka. Z každé skupy byl vybá áhodý vzoek studetů a všch byl podobe témuž písemému testu. Na hladě výzamost 0,05 testujte hypotézu, že zalost všech studetů jsou stejé a ezávsí a použté pedagogcké metodě. V případě zamítutí ulové hypotézy zjstěte, kteé výběy se lší a hladě výzamost 0,05. metoda počet bodů tadčí 76, 48,3 85, 63 9,6 87, pogamová 85, 74,3 76,5 80,3 67,4 67,9 7, 60,4 audo 67,3 60, 55,4 7,3 40 audovzuálí 75,8 8,6 90, ,8 57,6 vzuálí 50,5 70, 88,8 67, 77,7 73,9 Výsledek: Všech pět áhodých výběů má ozložeí blízké omálímu ozložeí. Leveův test shody ozptylů má testové ktéum 0,89, počet stupňů volost je 4 a 6, odpovídající p-hodota je 0,548, tedy a hladě výzamost 0,05 hypotézu o shodě ozptylů ezamítáme. alýza ozptylu má testové ktéum,636, počet stupňů volost je 4 a 6, odpovídající p-hodota je 0,983, tedy a hladě výzamost 0,05 hypotézu o shodě středích hodot ezamítáme. Zameá to, že a hladě výzamost 0,05 se epokázaly odlšost ve zalostech studetů. 5. Pa Novák může cestovat z místa bydlště do místa pacovště třem ůzým způsoby: tamvají (způsob ), autobusem (způsob B) a metem s ásledým přestupem a tamvaj
11 (způsob C). Máme k dspozc jeho aměřeé časy cestováí do páce v době aí špčky (včetě čekáí a příslušý spoj) v mutách. způsob doba čekáí B C Po všechy tř způsoby dopavy vypočtěte půměé časy cestováí. Na hladě výzamost 0,05 testujte hypotézu, že doba cestováí do páce ezávsí a způsobu dopavy. V případě zamítutí ulové hypotézy zjstěte, kteé způsoby dopavy do páce se od sebe lší a hladě výzamost 0,05. Výsledek: Půměé časy cestováí po tř způsoby dopavy jsou 37 m, 30 m, 36 m. Všechy tř áhodé výběy mají ozložeí blízké omálímu ozložeí. Leveův test shody ozptylů má testové ktéum 0,054, počet stupňů volost je a 5, odpovídající p-hodota je 0,9007, tedy a hladě výzamost 0,05 hypotézu o shodě ozptylů ezamítáme. alýza ozptylu má testové ktéum 6,75, počet stupňů volost je a 5, odpovídající p-hodota je 0,0083, tedy a hladě výzamost 0,05 hypotézu o shodě středích hodot zamítáme. cheého metoda mohoásobého poováváí pokázala a hladě výzamost 0,05 ozdíl mez způsoby a B a mez způsoby B a C.
Statistika. Jednotlivé prvky této množiny se nazývají prvky statistického souboru (statistické jednotky).
Statstka. Základí pojmy Statstcký soubo - daá koečá, epázdá moža M předmětů pozoováí, majících jsté společé vlastost (událost, věc,.) Jedotlvé pvky této možy se azývají pvky statstckého soubou (statstcké
Více12. Neparametrické hypotézy
. Neparametrcké hypotézy V této část se budeme zabývat specálí částí teore statstckých hypotéz tzv. eparametrckým hypotézam ebo jak řečeo eparametrckým statstckým testy. Neparametrcké se azývají proto,
VíceTestování statistických hypotéz
Testováí statstckých hypotéz - Testováí hypotéz je postup, sloužící k ověřeí předpokladů o ZS (hypotéz a základě výběrových dat (tj. hodot z výběrového souboru. - ypotéza = určtý předpoklad o základím
VícePřednáška č. 10 Analýza rozptylu při jednoduchém třídění
Předáška č. 0 Aalýza roztylu ř jedoduchém tříděí Aalýza roztylu je statstcká metoda, kterou se osuzuje romělvost oakovaých realzací áhodého okusu tj. romělvost áhodé velčy. Náhodá velča vzká za relatvě
VíceNEPARAMETRICKÉ METODY
NEPARAMETRICKÉ METODY Jsou to metody, dy předmětem testu hypotézy eí tvrzeí o hodotě parametru ějaého orétího rozděleí, ale ulová hypotéza je formulováa obecěji, apř. jao shoda rozděleí ebo ezávislost
Více9.3.5 Korelace. Předpoklady: 9304
935 Koelace Předpoklad: 9304 Zatím jsme se zabýval vžd pouze jedím zakem, ve statstckém výzkumu jsme však u každého jedotlvce (statstcké jedotk) sledoval zaků více Učtě spolu ěkteé zak souvsí (apříklad
VícePRAVDĚPODOBNOST A STATISTIKA
Matematka IV PRAVDĚPODOBNOT A TATITIKA Lbor Žák Matematka IV Lbor Žák Regresí aalýza Regresí aalýza zkoumá závslost mez ezávslým proměým X ( X,, X k a závsle proměou Y. Tato závslost se vjadřuje ve tvaru
VíceOdhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.
Odhady parametrů základího souboru Ig. Mchal Dorda, Ph.D. Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl σ atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt
VíceCvičení 6.: Bodové a intervalové odhady střední hodnoty, rozptylu a koeficientu korelace, test hypotézy o střední hodnotě při známém rozptylu
Cvičeí 6: Bodové a itervalové odhady středí hodoty, rozptylu a koeficietu korelace, test hypotézy o středí hodotě při zámém rozptylu Příklad : Bylo zkoumáo 9 vzorků půdy s růzým obsahem fosforu (veličia
Více4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností
4.2 Elemetárí statstcké zpracováí Výsledkem statstckého zjšťováí (. etapa statstcké čost) jsou euspořádaá, epřehledá data. Proto 2. etapa statstcké čost zpracováí, začíá většou jejch utříděím, zpřehleděím.
VíceOdhady parametrů 1. Odhady parametrů
Odhady parametrů 1 Odhady parametrů Na statistický soubor (x 1,..., x, který dostaeme statistickým šetřeím, se můžeme dívat jako a výběrový soubor získaý realizací áhodého výběru z áhodé veličiy X. Obdobě:
VíceCvičení 6.: Výpočet střední hodnoty a rozptylu, bodové a intervalové odhady střední hodnoty a rozptylu
Cvičeí 6: Výpočet středí hodoty a rozptylu, bodové a itervalové odhady středí hodoty a rozptylu Příklad 1: Postupě se zkouší spolehlivost čtyř přístrojů Další se zkouší je tehdy, když předchozí je spolehlivý
VíceÚvod do korelační a regresní analýzy
Úvod do korelačí a regresí aalýz Bude ás zajímat, jak těsě spolu souvsí dva sledovaé jev Příklad: vztah mez rchlostí auta a brzdou dráhou vztah mez věkem žáka a rchlostí v běhu a 60 m vztah mez spotřebou
Vícea my chceme data proložit nějakou hladkou funkcí, která by vystihovala hlavní vlastnosti dat, ale ignorovala malé fluktuace a nepřesnosti.
Vyováváí dat Naše pozoováí jsou dáa tabulkou čísel, kde y y y i často bývají časové údaje, a my chceme data položit ějakou hladkou fukcí, kteá by vystihovala hlaví vlastosti dat, ale igoovala malé fluktuace
VícePoznámky k tématu Korelace a jednoduchá lineární regrese (Téma není ve skriptech)
Pozámk k tématu Koelace a jedoduchá leáí egee (Téma eí ve kptech) Mějme data, ),...,(, ), kteá jou áhodým výběem z ějaké populace. Data ted pokládáme za ezávlé ealzace dvojce áhodých velč ( X, Y ). Půmě
VíceZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)
ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU) Základy teorie pravděpodobosti měřeí chyba měřeí Provádíme kvalifikovaý odhad áhodá systematická výsledek ejistota výsledku Základy teorie pravděpodobosti
VícePRAVDĚPODOBNOST A STATISTIKA
SP esty dobré shody PRAVDĚPODOBNOS A SAISIKA Lbor Žá SP esty dobré shody Lbor Žá Přpomeutí - estováí hypotéz o rozděleí Ch-vadrát test Chí-vadrát testem terý e založe a tříděém statstcém souboru. SP esty
VíceMendelova univerzita v Brně Statistika projekt
Medelova uverzta v Brě Statstka projekt Vypracoval: Marek Hučík Obsah 1. Úvod... 3. Skupové tříděí... 3 o Data:... 3 o Počet hodot:... 3 o Varačí rozpětí:... 3 o Počet tříd:... 4 o Šířka tervalu:... 4
VíceIntervalové odhady parametrů některých rozdělení.
4. Itervalové odhady parametrů rozděleí. Jedou ze základích úloh mtematické statistiky je staoveí hodot parametrů rozděleí, ze kterého máme k dispozici áhodý výběr. Nejčastěji hledáme odhady dvou druhů:
Více6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.
6 Itervalové odhady parametrů základího souboru V předchozích kapitolách jsme se zabývali ejprve základím zpracováím experimetálích dat: grafické zobrazeí dat, výpočty výběrových charakteristik kapitola
VícePRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2
SP3 Neparametrcké testy hypotéz PRAVDĚPODOBNOST A STATISTIKA Neparametrcké testy hypotéz čast Lbor Žák SP3 Neparametrcké testy hypotéz Lbor Žák Neparametrcké testy hypotéz - úvod Neparametrcké testy statstckých
Vícea další charakteristikou je četnost výběrového souboru n.
Předáška č. 8 Testováí rozptylu, testy relatví četost, testy dobré shody, test ezávslost kvaltatvích zaků Testy rozptylu Testy se používají k ověřeí hypotézy o určté velkost rozptylu a k ověřeí vztahu
VíceOdhady parametrů základního. Ing. Michal Dorda, Ph.D.
Odhady parametrů základího souboru Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt celou populac, provádíme
VíceIlustrativní příklad ke zkoušce z B_PS_A léto 2014.
Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95
VíceTéma 3: Popisná statistika
Popá tatta Téma : Popá tatta Předáša 7 Záladí tattcé pojmy Pojem a úoly tatty Statta je věda, teá e zabývá zíáváím, zpacováím a aalýzou dat po potřeby ozhodováí. Zoumá tav a vývoj homadých jevů a vztahů
Vícei 1 n 1 výběrový rozptyl, pro libovolné, ale pevně dané x Roznačme n 1 Téma 6.: Základní pojmy matematické statistiky
Téma 6.: Základí pojmy matematické statistiky Vlastosti důležitých statistik odvozeých z jedorozměrého áhodého výběru: Nechť X,..., X je áhodý výběr z rozložeí se středí hodotou μ, rozptylem σ a distribučí
Více8. Analýza rozptylu.
8. Aalýza rozptylu. Lieárí model je popis závislosti, který je využívá v řadě disciplí matematické statistiky. Uvedeme jeho popis a tvrzeí, která budeme využívat. Setkáme se s ím jedak v aalýze rozptylu,
VíceÚvod do teorie měření
Uverzta Jaa Evagelsty Purkyě v Ústí ad Labem Přírodovědecká fakulta Úvod do teore měřeí Prof. Chlář emář 0 Průměr, rozptyl a směrodatá odchylka X = X = ( X X ) = = = Výpočty pomocí vzorců a pomocí statstckých
VíceMetody zkoumání závislosti numerických proměnných
Metody zkoumáí závslost umerckých proměých závslost pevá (fukčí) změě jedoho zaku jedozačě odpovídá změa druhého zaku (podle ějakého fukčího vztahu) (matematka, fyzka... statstcká (volá) změám jedé velčy
VícePravděpodobnost a aplikovaná statistika
Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 3. ÚKOL JB TEST 3. Úkol zadáí pro statistické testy U každého z ásledujících testů uveďte ázev (včetě autora), předpoklady použití, ulovou
VíceTento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i
: ometové míry polohy zahrují růzé druhy průměrů pomocí kterých můžeme charakterzovat cetrálí tedec dat ometové míry polohy jsou jedoduché číselé charakterstky které se vyčíslují ze všech prvků výběru
VíceTestujeme hypotézu: proti alternativě. Jednoduché třídění:
Y,, Y je áhodý výběr z N(μ, σ ) Y,, Y je áhodý výběr z N(μ, σ ) Y,, Y je áhodý výběr z N(μ, σ ) Testujeme hypotézu: proti alterativě H : μ = μ = = μ H : e všechy středí hodoty μ,, μ jsou si rovy Jedoduché
VíceSP2 Korelační analýza. Korelační analýza. Libor Žák
Koelčí lýz Přpomeutí pojmů áhodá poměá áhodý vekto áhodý vekto m Náhodý výbě: po áhodou poměou : po áhodý vekto : po áhodý vekto : m m Přpomeutí pojmů - kovce Kovce áhodých poměých kovčí koefcet popsuje
VíceKapitola 6. : Neparametrické testy o mediánech
Kapitola 6 : Neparametrické testy o mediáech Cíl kapitoly Po prostudováí této kapitoly budete umět - provádět testy hypotéz o mediáu jedoho spojitého rozložeí - hodotit shodu dvou ezávislých áhodých výběrů
VíceIlustrativní příklad ke zkoušce z B_PS_A léto 2013.
Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95
VíceTest dobré shody se používá nejčastěji pro ověřování těchto hypotéz:
Ig. Marta Ltschmaová Statstka I., cvčeí 1 TESTOVÁNÍ NEPARAMETRICKÝCH HYPOTÉZ Dosud jsme se zabýval testováím parametrcký hypotéz, což jsou hypotézy o parametrech rozděleí (populace). Statstckým hypotézám
Více- metody, kterými lze z napozorovaných hodnot NV získat co nejlepší odhady neznámých parametrů jejího rozdělení.
MATEMATICKÁ STATISTIKA - a základě výběrových dat uuzujeme a obecější kutečot, týkající e základího ouboru; provádíme zevšeobecňující (duktví) úudek - duktví uuzováí pomocí matematcko-tattckých metod je
VíceNejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A
Nejstoty měřeí Pro každé přesé měřeí potřebujeme formac s jakou přesostí bylo měřeí provedeo. Nejstota měřeí vyjadřuje terval ve kterém se achází skutečá hodota měřeé velčy s určtou pravděpodobostí. Nejstota
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOT A TATITIKA Přpomeutí pojmů,, P m θ, R θ R - pravděpodobostí prostor - parametrcký prostor - parametrcká fukce,, T - áhodý vektor defovaý a pravděpodobostím prostoru,, P θ s hustotou f x,
VíceVYSOCE PŘESNÉ METODY OBRÁBĚNÍ
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojího ižeýrství Ústav strojíreské techologie ISBN 978-80-214-4352-5 VYSOCE PŘESNÉ METODY OBRÁBĚNÍ doc. Ig. Jaroslav PROKOP, CSc. 1 1 Fakulta strojího ižeýrství,
VíceTESTOVÁNÍ STATISTICKÝCH HYPOTÉZ
TESTOVÁNÍ STATISTICKÝC YPOTÉZ je postup, pomocí ěhož a základě áhodého výběru ověřujeme určité předpoklady (hypotézy) o základím souboru STATISTICKÁ YPOTÉZA předpoklad (tvrzeí) o parametru G základího
VíceJednoduchá lineární regrese
Jedoduchá leárí regrese Motvace: Cíl regresí aalýz - popsat závslost hodot velč Y a hodotách velč X. Nutost vřešeí dvou problémů: a) jaký tp fukce se použje k popsu daé závslost; b) jak se staoví kokrétí
Více3. Lineární diferenciální rovnice úvod do teorie
3 338 8: Josef Hekrdla lieárí difereciálí rovice úvod do teorie 3 Lieárí difereciálí rovice úvod do teorie Defiice 3 (lieárí difereciálí rovice) Lieárí difereciálí rovice -tého řádu je rovice, která se
Více14. Testování statistických hypotéz Úvod statistické hypotézy Definice 14.1 Statistickou hypotézou parametrickou neparametrickou. nulovou testovanou
4. Testováí statistických hypotéz Úvod Při práci s daty se mohdy spokojujeme s itervalovým či bodovým odhadem parametrů populace. V mohých případech se však uchylujeme k jiému postupu, většiou jde o případy,
Víceodhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti.
10 Cvičeí 10 Statistický soubor. Náhodý výběr a výběrové statistiky aritmetický průměr, geometrický průměr, výběrový rozptyl,...). Bodové odhady parametrů. Itervalové odhady parametrů. Jedostraé a oboustraé
VíceMATEMATICKÁ INDUKCE. 1. Princip matematické indukce
MATEMATICKÁ INDUKCE ALEŠ NEKVINDA. Pricip matematické idukce Nechť V ) je ějaká vlastost přirozeých čísel, apř. + je dělitelé dvěma či < atd. Máme dokázat tvrzeí typu Pro každé N platí V ). Jeda možost
VíceNáhodný výběr 1. Náhodný výběr
Náhodý výběr 1 Náhodý výběr Matematická statistika poskytuje metody pro popis veliči áhodého charakteru pomocí jejich pozorovaých hodot, přesěji řečeo jde o určeí důležitých vlastostí rozděleí pravděpodobosti
Více8. Zákony velkých čísel
8 Zákoy velkých čísel V této část budeme studovat velm často užívaá tvrzeí o součtech posloupost áhodých velč Nedříve budeme vyšetřovat tvrzeí azývaá souhrě ako slabé zákoy velkých čísel Veškeré úvahy
VícePravděpodobnost a aplikovaná statistika
Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 6. KAPITOLA CENTRÁLNÍ LIMITNÍ VĚTA 6.11.2017 Opakováí: Čebyševova erovost příklad Pravděpodobost vyrobeí zmetku je 0,5. Odhaděte pravděpodobost,
VíceVztahy mezi základním souborem a výběry. Základní pojmy a symboly. K čemu to je dobré? Výběrové metody zkoumání
K čemu to je dobé? Obvyklým případem při zpacováí homadých jevů je, že máme poměě malý počet pozoováí ějaké veličiy a chceme učiit závěy o tom, co bychom obdželi, kdybychom měli pozoováí mohokát více.
Více[ jednotky ] Chyby měření
Chyby měřeí Provedeme-l určté měřeí za stejých podmíek vícekrát, jedotlvá měřeí se mohou odlšovat (z důvodu koečé rozlšovací schopost měř. přístrojů, áhodých vlvů apod.). Chyba měřeí: e = x x x...přesá
Více, jsou naměřené a vypočtené hodnoty závisle
Měřeí závslostí. Průběh závslost spojtá křvka s jedoduchou rovcí ( jedoduchým průběhem), s malým počtem parametrů, která v rozmezí aměřeých hodot vsthuje průběh závslost, určeí kokrétího tpu křvk (přímka,
VíceZáklady korelační analýzy
Základy koelačí aalýzy Doposud jsme se z hlediska biostatistiky zabývali hodoceím spojitých a diskétích áhodých veliči v jedé ebo více odlišitelých expeimetálích skupiách. Tato kapitola představuje úvod
VíceChyby přímých měření. Úvod
Chyby přímých měřeí Úvod Př zjšťováí velkost sledovaé velčy dochází k růzým chybám, které ovlvňují celkový výsledek. V pra eestuje žádá metoda měřeí a měřcí zařízeí, které by bylo absolutě přesé, což zameá,
Více5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC
5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC V této kaptole se dozvíte: jak je defováa fukce přrozeá odmoca v kompleím oboru a jaké má vlastost včetě odlšostí od odmocy v reálém
VíceTECHNICKÁ UNIVERZITA V LIBERCI
TECHNICKÁ UNIVERZITA V LIBERCI Ekoomcká fakulta Semestrálí ráce S kua Jméa: Leka Pastorová, Davd arha, Ja Vtásek a Fl Urbačík Ročík: 0/06 Učtel: gr. Jří Rozkovec Obor: Podková ekoomka Datum:.. 06 Obsah
VíceČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta dopraví Statistika Semestrálí práce Zdražováí pohoých hmot Jméa: Martia Jelíková, Jakub Štoudek Studijí skupia: 2 37 Rok: 2012/2013 Obsah Úvod... 2 Použité
VíceTestování statistických hypotéz
Testováí statstckých hyotéz Př statstckých šetřeích se často setkáváme s roblémy tohoto druhu () Máme zjstt, zda dva daé vzorky ocházejí z téhož ZS. () Máme rozhodout, zda rozdíly hodot růměrů (res. roztylů)
VíceTestování hypotéz. 3.1 Základní pojmy a obecný postup při testování
Lekce 3 Testováí hypotéz Vlajkovou lodí matematcké statstky jsou techky testováí hypotéz. Formulace hypotéz a jejch ověřováí jsou základím mechasmem postupu ldského pozáí. Pokud jsou formace, potřebé k
VíceOdhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení
Odhad parametru p biomického rozděleí a test hypotézy o tomto parametru Test hypotézy o parametru p biomického rozděleí Motivačí úloha Předpokládejme, že v důsledku realizace jistého áhodého pokusu P dochází
VíceUČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY. Přírodovědecká fakulta ANALÝZA DAT. 2. upravené vydání. Josef Tvrdík
UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ANALÝZA DAT. upraveé vydáí Josef Tvrdík OSTRAVSKÁ UNIVERZITA 008 OBSAH: Úvod... 3 Parametrcké testy o shodě středích hodot... 4. Jedovýběrový t-test...
Více12. N á h o d n ý v ý b ě r
12. N á h o d ý v ý b ě r Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých
VícePRAVDĚPODOBNOST A STATISTIKA
SP Záko velkých čísel, cetrálí lmtí věta PRAVDĚPODOBNOST A STATISTIKA Lbor Žák SP Záko velkých čísel, cetrálí lmtí věta Lbor Žák Kovergece podle pravděpodobost Posloupost áhodých proměých,,,, koverguje
VícePřednáška VIII. Testování hypotéz o kvantitativních proměnných
Předáška VIII. Testováí hypotéz o kvatitativích proměých Úvodí pozámky Testy o parametrech rozděleí Testy o parametrech rozděleí Permutačí testy Opakováí hypotézy Co jsou to hypotézy a jak je staovujeme?
VíceKapitola 12: Zpracování dotazů. Základní kroky ve zpracování dotazů
- 12.1 - Přehled Ifomace po odhad ákladů Míy po áklady dotazu Opeace výběu Řazeí Opeace spojeí Vyhodocováí výazů Tasfomace elačích výazů Výbě pláu po vyhodoceí Kapitola 12: Zpacováí dotazů Základí koky
VíceMetody statistické analýzy. doc. Ing. Dagmar Blatná, CSc.
Metody statstcké aalýzy doc. Ig. Dagmar Blatá, CSc. Bakoví sttut vysoká škola, a.s. Praha 0 METODY STATISTICKÉ ANALÝZY Autor: Recezet: Vydal: Tsk: Vydáí: doc. Ig. Dagmar Blatá, CSc. doc. Ig. Jří Trešl,
VícePRAVDĚPODOBNOST A STATISTIKA. Bodové a intervalové odhady
SP Bodové a tervalové odhady PRAVDĚPODOBNOST A STATISTIKA Bodové a tervalové odhady Lbor Žák SP Bodové a tervalové odhady Lbor Žák Bodové a tervalové odhady Nechť je áhodá proměá, která má dstrbučí fukc
VíceČíselné charakteristiky náhodných veličin
Číselé charakteristiky áhodých veliči Motivace Doposud jsme pozali fukcioálí charakteristiky áhodých veliči (apř. distribučí fukce, pravděpodobostí fukce, hustota pravděpodobosti), které plě popisují pravděpodobostí
VíceUNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM PEDAGOGICKÁ FAKULTA Katedra tělesné výchovy
UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM PEDAGOGICKÁ FAKULTA Katedra tělesé výchovy VYBRANÉ NEPARAMETRICKÉ STATISTICKÉ POSTUPY V ANTROPOMOTORICE Zdeěk Havel Davd Chlář 0 VYBRANÉ NEPARAMETRICKÉ
VícePRAVDĚPODOBNOST A STATISTIKA
SP4 Přpomeutí pojmů PRAVDĚPODOBNOST A STATISTIKA SP4 Přpomeutí pojmů SP4 Přpomeutí pojmů Pravděpodobost Náhodý jev: - základí prostor - elemetárí áhodý jev A - áhodý jev, - emožý jev, jstý jev podjev opačý
VíceJednofaktorová analýza rozptylu
Jednofaktorová analýza rozptylu David Hampel Ústav statistiky a operačního výzkumu, Mendelova univerzita v Brně Kurz pokročilých statistických metod Global Change Research Centre AS CR, 5 7 8 2015 Tato
Více14. B o d o v é o d h a d y p a r a m e t r ů
4. B o d o v é o d h a d y p a r a m e t r ů Na základě hodot áhodého výběru z rozděleí určitého typu odhadujeme parametry tohoto rozděleí, tak aby co ejlépe odpovídaly hodotám výběru. Formulujme tudíž
VícePravděpodobnostní model doby setrvání ministra školství ve funkci
Pravděpodobostí model doby setrváí miistra školství ve fukci Základí statistická iferece Data Zdro: http://www.msmt.cz/miisterstvo/miistri-skolstvi-od-roku-848. Ke statistickému zpracováí byla vzata pozorováí
VíceVY_52_INOVACE_J 05 01
Název a adresa školy: Středí škola průmyslová a umělecká, Opava, příspěvková orgazace, Praskova 399/8, Opava, 74601 Název operačího programu: OP Vzděláváí pro kokureceschopost, oblast podpory 1.5 Regstračí
VíceBeta faktor a ekvitní prémie z cizího trhu: přenositelnost a statistická spolehlivost
Beta fakto a ekvtí péme z czího thu: přeostelost a statstcká spolehlvost Veze 15. 4. 014 chal Dvořák Abstakt Cílem textu je lustovat že český buzoví th eobsahuje dostatečý počet ttulů ke koektímu staoveí
VícePRAVDĚPODOBNOST A STATISTIKA
P NOV PRVDĚPODOBNOT TTTK Lbor Žák P NOV Lbor Žák Vícvýběrové tsty - NOV NOV tsty s rovádí s omocí aalýzy roztylů NOV souhré tsty ro víc ěž dva výběry. NOV aramtrcká tstováí charaktrstk z zámých rozdělí
VíceGenerování dvojrozměrných rozdělení pomocí copulí
Pravděpodobost a matematcká statstka eerováí dvojrozměrých rozděleí pomocí copulí umbelova copule PRAHA 005 Vpracoval: JAN ZÁRUBA OBSAH: CÍL PRÁCE TEORIE Metoda verzí trasformace O copulích Sklarova věta
VícePo prostudování tohoto odstavce budete umt porozumt konstrukci F-pomru rozhodovat se pomocí testu zvaného analýza rozptylu
0. AOVA Aalýza rozptylu as e studu aptoly: 60 mut Cíl Po prostudováí tohoto odstavce budete umt porozumt ostruc F-pomru rozhodovat se pomocí testu zvaého aalýza rozptylu zostruovat tabulu AOVA provést
VíceP. Girg. 23. listopadu 2012
Řešeé úlohy z MS - díl prví P. Girg 2. listopadu 202 Výpočet ity poslouposti reálých čísel Věta. O algebře it kovergetích posloupostí.) Necht {a } a {b } jsou kovergetí poslouposti reálých čísel a echt
VíceUniverzita Karlova v Praze Pedagogická fakulta
Uverzt Krlov v Prze Pedgogcká kult SEMINÁRNÍ PRÁCE Z POLYNOMICKÉ ALGEBRY POLYNOM / CIFRIK Zdáí: Vyšetřete všem probrým prostředky polyom Vyprcováí: Rcoálí kořey Podle věty: Nechť p Q je koře polyomu q
VíceUPLATNĚNÍ ZKOUŠEK PŘI PROHLÍDKÁCH MOSTŮ
3..- 4.. 2009 DIVYP Bro, s.r.o., Filipova, 635 00 Bro, http://www.divypbro.cz UPLATNĚNÍ ZKOUŠEK PŘI PROHLÍDKÁCH MOSTŮ autoři: prof. Ig. Mila Holický, PhD., DrSc., Ig. Karel Jug, Ph.D., doc. Ig. Jaa Marková,
VíceSP2 Korelační analýza. Korelační analýza. Libor Žák
Korelačí aalýza Přpomeutí pojmů áhodá proměá áhodý vetor áhodý vetor Náhodý výběr: pro áhodou proměou : pro áhodý vetor : pro áhodý vetor : Přpomeutí pojmů - ovarace Kovarace áhodých proměých ovaračí oefcet
VícePetr Šedivý Šedivá matematika
LIMITA POSLOUPNOSTI Úvod: Kapitola, kde poprvé arazíme a ekoečo. Argumety posloupostí rostou ade všechy meze a zkoumáme, jak vypadají hodoty poslouposti. V kapitole se sezámíte se základími typy it a početími
VíceDoc. Ing. Dagmar Blatná, CSc.
PRAVDĚPODOBNOST A STATISTIKA Doc. Ig. Dagmar Blatá, CSc. Statsta statstcé údaje o hromadých jevech čost, terá vede zísáí statstcých údajů a jejch zpracováí teore statsty - věda o stavu, vztazích a vývoj
VíceANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN
ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN V dokumentu 7a_korelacn_a_regresn_analyza jsme řešl rozdíl mez korelační a regresní analýzou. Budeme se teď věnovat pouze lneárnímu vztahu dvou velčn, protože je nejjednodušší
VíceOdhad parametrů normálního rozdělení a testy hypotéz o těchto parametrech * Věty o výběru z normálního rozdělení
Odhad parametrů ormálího rozděleí a testy hypotéz o těchto parametrech * Věty o výběru z ormálího rozděleí Nechť, X, X je áhodý výběr z rozděleí N ( µ, ) X, Ozačme výběrový průměr a = X = i = X i i = (
VíceLABORATORNÍ CVIČENÍ Z FYZIKY. Měření objemu tuhých těles přímou metodou
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE KATEDRA FYZIKY LABORATORNÍ CVIČENÍ Z FYZIKY Jméo: Petr Česák Datum měřeí:.3.000 Studjí rok: 999-000, Ročík: Datum odevzdáí: 6.3.000 Studjí skupa: 5 Laboratorí skupa:
VíceLineární regresní model (VJ REGMOD-2)
eárí regresí model (VJ REGOD-) Základí formace V rámc této výukové jedotky s adefujeme leárí regresí model a sezámíme se s typy proměých využtelých jako predktory (vysvětlující proměé) v takovém modelu.
VíceDvourozměrná tabulka rozdělení četností
ANALÝZA ZÁVILOTÍ - zouáí závlot dvou evet více poěých, ěřeí íl této závlot, atd - cíle je hlubší vutí do podtat ledovaých jevů a poceů, přblížeí tzv příčý ouvlote Dvouozěá tabula ozděleí četotí - je eleetáí
VíceDomácí práce z p edm tu D01M6F Statistika
eské vysoké u eí techcké Fakulta Elektrotechcká Domácí práce z p edm tu D0M6F Statstka Test dobré shody Bradá Marek 4.ro ík Ak. rok 004/00, LS M6F Test dobré shody Obsah Zadáí...3 Hypotéza...3 3 Zj t é
Více1 Popis statistických dat. 1.1 Popis nominálních a ordinálních znaků
1 Pops statstcých dat 1.1 Pops omálích a ordálích zaů K zobrazeí rozděleí hodot omálích ebo ordálích zaů lze použít tabulu ebo graf rozděleí četostí. Tuto formu zobrazeí lze dooce použít pro číselé zay,
Více14. Korelace Teoretické základy korelace Způsoby měření závislostí pro různé typy dat
4. Korelace 4. Teoretcké základy korelace 4. Způsoby měřeí závslostí pro růzé typy dat Př prác se statstckým údaj se velm často setkáváme s daty, která jsou tvořea dvojcem, trojcem hodot. Složky takovýchto
VíceKatedra pravděpodobnosti a matematické statistiky. χ 2 test nezávislosti
Katedra pravděpodobosti a matematické statistiky Oborový semiář χ 2 test ezávislosti Petr Míchal 27 listopadu 2017 Situace 2 X {1,, I}, Y {1,, J} Jsou X a Y ezávislé? K dispozici máme áhodý vyběr (X 1,
Více6. FUNKCE A POSLOUPNOSTI
6. FUNKCE A POSLOUPNOSTI Fukce Dovedosti:. Základí pozatky o fukcích -Chápat defiici fukce,obvyklý způsob jejího zadáváí a pojmy defiičí obor hodot fukce. U fukcí zadaých předpisem umět správě operovat
Více11 TESTOVÁNÍ PARAMETRICKÝCH HYPOTÉZ
TESTOVÁNÍ PARAMETRICKÝCH HYPOTÉZ Pojmem tetováí tatitických hypotéz ozaujeme ozhodováí o pavdivoti paametických, ep. epaametických hypotéz o populaci. V tomto ozhodovacím poceu opoti ob tojí ulová a alteativí
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Bodové a itervalové odhady Nechť X je áhodá proměá, která má distribučí fukci F(x, ϑ). Předpokládejme, že záme tvar distribučí fukce (víme jaké má rozděleí) a ezáme parametr
Více1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru
Lekce Normálí rozděleí v rově V této lekc se udeme věovat měřeí korelačí závslost dvojce áhodých velč (dvousložkového áhodého vektoru) Vcházet udeme z ormálího rozděleí pravděpodoost áhodého vektoru v
VícePřednáška VI. Intervalové odhady. Motivace Směrodatná odchylka a směrodatná chyba Centrální limitní věta Intervaly spolehlivosti
Předáška VI. Itervalové odhady Motivace Směrodatá odchylka a směrodatá chyba Cetrálí limití věta Itervaly spolehlivosti Opakováí estraé a MLE Jaký je pricip estraých odhadů? Jaký je pricip odhadů metodou
VíceP1: Úvod do experimentálních metod
P1: Úvod do epermetálích metod Chyby a ejstoty měřeí - Každé měřeí je zatížeo určtou epřesostí, která je způsobea ejrůzějším egatvím vlvy, vyskytujícím se v procesu měřeí. - Výsledek měřeí se díky tomu
Více