Funkce hustoty pravděpodobnosti této veličiny je. Pro obecný počet stupňů volnosti je náhodná veličina

Rozměr: px
Začít zobrazení ze stránky:

Download "Funkce hustoty pravděpodobnosti této veličiny je. Pro obecný počet stupňů volnosti je náhodná veličina"

Transkript

1 Přdnáša č 6 Náhodné vličiny pro analyticou statistiu Při výpočtch v analyticé statistic s používají vhodné torticé vličiny, tré popisují vlastnosti vytvořných tstovacích charatristi Mzi njpoužívanější náhodné vličiny pro statisticé tsty a obdobná použití patří náhodné vličiny: - Parsonova, - Studntova t, - ischrova, A Parsonova náhodná vličina, paramtrm náhodné vličiny j počt stupňů volnosti Použití: pro spolhlivostní odhady rozptylu, tstování rozptylu, tsty dobré shody, tsty nzávislosti altrnativních znaů Jstliž uvažujm náhodnou vličinu trá j normální normovaná N0, pa náhodná vličina j vličina Parsonova sjdním stupněm volnosti unc hustoty pravděpodobnosti této vličiny j Pro obcný počt stupňů volnosti j náhodná vličina určna vztahm i i d jsou nzávislé náhodné vličiny s normálním rozdělním N Vličina j součtm druhých mocnin normovaných náhodných vličin s rozdělním N0, unc hustoty pravděpodobnosti j diniční obor vličiny 0 Distribuční unc náhodné vličiny j d P 0

2 Průběh unc hustoty pravděpodobnosti j na násldujícím grau Pro hodnotu paramtru j unc lsající Pro větší počt stupňů volnosti má řiva část rostoucí a část lsající s maimm v bodě =- S rostoucím počtm stupňů volnosti s unc stává symtričtější a v limitním případě = přchází vličina do normální vličiny Parsonova náhodná vličina s používá v analyticé statistic Při těchto výpočtch jsou potřbné vantily Vzhldm diničnímu oboru vličiny jsou dinovány tzv riticé vantily vztahm, Pro riticý vantil vličiny platí: d P,, B Studntova náhodná vličina t Paramtrm náhodné vličiny j počt stupňů volnosti Použití: pro spolhlivostní odhady střdní hodnoty, tstování střdní hodnoty, tsty náhodnosti, tsty rlativních čtností Náhodná vličina j podílm dvou nzávislých náhodných vličin: normální normované u Parsonovy s diničním oborm - t u t unc hustoty pravděpodobnosti j součinm hustot pravděpodobnosti obou náhodných vličin, u t u

3 Studntova náhodná vličina j symtricá olm střdní hodnoty, trá j nulová Jdná s o náhodnou vličinu, trá závisí na počtu prvů v popisovaném souboru Při zvyšování počtu stupňů volnosti s zmnšuj hodnota pravděpodobnosti pro modus = mdián a náhodná vličina přibližuj průběhm normální normované náhodné vličině torticy pro =, praticy pro n=30 jsou již odchyly malé Distribuční unc náhodné vličiny j t t t P t t dt Při výpočtch s Studntovou náhodnou vličinou s používá lasicý způsob dinic vantilu Kvantil j dinován od nurčité mz určité hodnotě dl vztahu t, P t t, C ischrova náhodná vličina, Paramtrm náhodné vličiny jsou dva stupně volnosti, Použití: v statisticých tstch rozptylu, v analýz rozptylu Vličina j dinována na oboru 0, + jao podíl dvou nzávislých náhodných vličin vztahm, unc hustoty pravděpodobnosti vličiny j součinm hustot pravděpodobnosti obou vličin což po úpravách má tvar,, Tvar řivy hustoty pravděpodobnosti j nsymtricý s polohou modusu vlvo ůstm počtu stupňů volnosti s řiva stává symtričtější a v limitním případě pro, přchází v řivu normální náhodné vličiny Poud rost pouz jdn stupň volnosti pa s průběh řivy blíží rozdělní s mnším stupněm volnosti Pro praticé použití náhodné vličiny jsou tablovány riticé vantily pro hodnoty = 0,0 a 0,05 Uvdný vantil j dinován od určité hodnoty do hodnoty vztahm

4 P,,,, d,,, a graicy odpovídá vliosti plochy pod řivou hustoty pravděpodobnosti od hodnoty,, Pro výpočt vantilů odpovídajících hodnotám plochy 0,99 vnt 0,95 lz použít přvodního vztahu s orajovými vantily v tvaru,,, Suprpozic náhodných vličin Při popisu obcných tchnicých problémů, vličin či procsů mohou nastat případy, ž uvdné torticé náhodné vličiny v možném rozsahu výsytu náhodné vličiny numožní popis s požadovanou věrohodností Klasicým případm j popis spolhlivostních vlastností výrobu po clou dobu jho životnosti, dy s v jdnotlivých časových tapách užívání mění intnzita poruch výrobu Řšním uvdných případů j pa využití dvou či víc náhodných vličin a jjich složní tj suprpozic V násldující apitol budou uvdny njpoužívanější suprpozic torticých náhodných vličin a suprpozic dvou ponnciálních náhodných vličin Použití v případch, dy intnzita náhodné vličiny lsá v závislosti na vliosti náhodné vličiny Suprpozicí ponnciální náhodné vličiny = - a vličiny = - zísám výsldnou vličinu c c pro onstanty c, c vyjadřující podíly jdnotlivých náhodných vličin platí vztah c c unc doplňu distribuční unc má tvar c c Výsldná lsající intnzita složné náhodné vličiny bud c c c c Při suprpozici s používají náhodné vličiny, tré s významněřádově od sb odlišují vliostí paramtru a rovněž onstanty c s řádově odlišují Přílad suprpozic vličin s paramtry =0,00 a =0,040 při podílch c =0,95 a c =0,05 j na násldujícím grau

5 Intnzita náhodné vličiny intntita náhodné vličiny 0,0035 0,003 0,005 0,00 0,005 0,00 0, Vzhldm řádové odlišnosti dílčích ponnciálních náhodných vličin << s výraz v mocnině blíží nul rychlji pro hodnotu a suprponovaná náhodná vličina přchází na ponnciální s praticy onstantní intnzitou b suprpozic ponnciální a normální náhodné vličiny Použití pro popis jvů, u trých j intnzita náhodné vličiny onstantní a od určité hodnoty vličiny intnzita rost Tnto průběh j možné popsat složním ponnciální a normální náhodné vličiny Suprponovaná vličina j popsána součtm dílčích intnzit dl vztahu Vztah pro doplně distribuční unc c suprpozic linárních náhodných vličin Při popisu určitých jvů např spolhlivostní vlastnosti výrobu s průběh intnzity náhodné vličiny významně mění co do charatru lsající-rostoucí Při zjdnodušném popisu lz použít náhradu přímovými linárními průběhy Pro část oboru 0 bud intnzita o

6 a doplně distribuční unc o Pro obor v mzích onst o a doplně distribuční unc o Pro ús v mzích 3 vnt o s uncí doplňu distribuční unc

7 = onst - + 3

základní pojmy základní pojmy teorie základní pojmy teorie základní pojmy teorie základní pojmy teorie

základní pojmy základní pojmy teorie základní pojmy teorie základní pojmy teorie základní pojmy teorie Tori v strojírnské tchnologii Ing. Oskar Zmčík, Ph.D. základní pojmy používaná rozdělní vztahy, dfinic výpočty základní pojmy žádnou součást ndokážm vyrobit s absolutní přsností při výrobě součásti dochází

Více

Přijímací zkoušky do NMS 2013 MATEMATIKA, zadání A,

Přijímací zkoušky do NMS 2013 MATEMATIKA, zadání A, Přijímací zkoušk do NMS MATEMATIKA, zadání A, jméno: V násldujících dsti problémch j z nabízných odpovědí vžd právě jdna správná. Zakroužkujt ji! Za každou správnou odpověď získát uvdné bod. Za nsprávnou

Více

Alternativní rozdělení. Alternativní rozdělení. Binomické rozdělení. Binomické rozdělení

Alternativní rozdělení. Alternativní rozdělení. Binomické rozdělení. Binomické rozdělení Alternativní rozdělení Alternativní rozdělení Alternativní rozdělení Alternativní rozdělení Náhodná veličina X má alternativní rozdělení s parametrem p, jestliže nabývá hodnot 0 a 1 s pravděpodobnostmi

Více

část 8. (rough draft version)

část 8. (rough draft version) Gntika v šlchtění zvířat TGU 006 9 Odhad PH BLUP M část 8. (rough draft vrsion V animal modlu (M s hodnotí každé zvíř samostatně a současně v závislosti na užitkovosti příbuzných jdinců hodnocné populac.

Více

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC Přednáša 04 Přírodovědecá faulta Katedra matematiy KMA/P506 Pravděpodobnost a statistia KMA/P507 Statistia na PC jiri.cihlar@ujep.cz Záon velých čísel Lemma Nechť náhodná veličina nabývá pouze nezáporných

Více

Střední hodnota a rozptyl náhodné. kvantilu. Ing. Michael Rost, Ph.D.

Střední hodnota a rozptyl náhodné. kvantilu. Ing. Michael Rost, Ph.D. Střední hodnota a rozptyl náhodné veličiny, vybraná rozdělení diskrétních a spojitých náhodných veličin, pojem kvantilu Ing. Michael Rost, Ph.D. Príklad Předpokládejme že máme náhodnou veličinu X která

Více

Mendelova zemědělská a lesnická univerzita Provozně ekonomická fakulta. Výpočet charakteristik ze tříděných údajů Statistika I. protokol č.

Mendelova zemědělská a lesnická univerzita Provozně ekonomická fakulta. Výpočet charakteristik ze tříděných údajů Statistika I. protokol č. Mendelova zemědělsá a lesnicá univerzita Provozně eonomicá faulta Výpočet charateristi ze tříděných údajů Statistia I. protool č. 2 Jan Grmela, 2. roční, Eonomicá informatia Zadání 130810, supina Středa

Více

Příklady: - počet členů dané domácnosti - počet zákazníků ve frontě - počet pokusů do padnutí čísla šest - životnost televizoru - věk člověka

Příklady: - počet členů dané domácnosti - počet zákazníků ve frontě - počet pokusů do padnutí čísla šest - životnost televizoru - věk člověka Náhodná veličina Náhodnou veličinou nazýváme veličinu, terá s určitými p-stmi nabývá reálných hodnot jednoznačně přiřazených výsledům příslušných náhodných pousů Náhodné veličiny obvyle dělíme na dva záladní

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOST A STATISTIKA Číselné charateristiy náhodných proměnných Charateristiy náhodných proměnných dělíme nejčastěji na charateristiy polohy a variability. Mezi charateristiy polohy se nejčastěji

Více

SP2 01 Charakteristické funkce

SP2 01 Charakteristické funkce SP 0 Chararisicé func Chararisicé func pro NP Chararisicé func pro NV Náhld Náhodnou proměnnou, nbo vor, L, n lz popsa funčními chararisiami: F, p, f číslnými chararisiami: E, D, A, A 4 Co s dá z čho spočía:

Více

F=F r1 +F r2 -Fl 1 = -F r2 (l 1 +l 2 )

F=F r1 +F r2 -Fl 1 = -F r2 (l 1 +l 2 ) Stvbní mchnik A1 K132 SMA1 Přdnášk č. 3 Příhrdové konstrukc Co nás čká v čtvrté přdnášc? Příhrdové konstrukc Zákldní přdpokldy Sttická určitost/nurčitost Mtody výpočtu Obcná mtod styčných bodů Nulové pruty

Více

Postup tvorby studijní opory

Postup tvorby studijní opory Postup tvorby studijní opory RNDr. Jindřich Vaněk, Ph.D. Klíčová slova: Studijní opora, distanční studium, kurz, modl řízní vztahů dat, fáz tvorby kurzu, modl modulu Anotac: Při přípravě a vlastní tvorbě

Více

Spolehlivost programového vybavení pro obvody vysoké integrace a obvody velmi vysoké integrace

Spolehlivost programového vybavení pro obvody vysoké integrace a obvody velmi vysoké integrace 48 INFORMATION AND COMMUNICATION TECHNOLOGIES AND SERVICES, VOL. 8, NO., JUNE 0 Spolhlivost programového vybavní pro obvody vysoké intgrac a obvody vlmi vysoké intgrac Artm GANIYEV.1, Jan VITÁSEK 1 1 Katdra

Více

Navazující magisterské studium MATEMATIKA 2016 zadání A str.1 Z uvedených odpovědí je vždy

Navazující magisterské studium MATEMATIKA 2016 zadání A str.1 Z uvedených odpovědí je vždy Navazující magistrské studium MATEMATIKA 16 zadání A str.1 Příjmní a jméno: Z uvdných odpovědí j vžd právě jdna správná. Zakroužkujt ji! V násldujících dsti problémch j z nabízných odpovědí vžd právě jdna

Více

VŠB-TU OSTRAVA, FAKULTA ELEKTROTECHNIKY A INFORMATIKY, KATEDRA APLIKOVANÉ MATEMATIKY. Statistika. Vzorce a tabulky

VŠB-TU OSTRAVA, FAKULTA ELEKTROTECHNIKY A INFORMATIKY, KATEDRA APLIKOVANÉ MATEMATIKY. Statistika. Vzorce a tabulky VŠB-TU OSTRAVA, FAKULTA ELEKTROTECHNIKY A INFORMATIKY, KATEDRA APLIKOVANÉ MATEMATIKY Statistia Vzorce a tabuly Martina Litschmannová 3. března 05 Oficiální vzorce a tabuly KOMBINATORIKA Bez opaování Uspořádané

Více

Zjednodušený výpočet tranzistorového zesilovače

Zjednodušený výpočet tranzistorového zesilovače Přsný výpočt tranzistorového zsilovač vychází z urční dvojbranových paramtrů tranzistoru a pokračuj sstavním matic obvodu a řšním této matic. Při použití vybraných rovnic z matmatických modlů pro programy

Více

4.3.2 Vlastní a příměsové polovodiče

4.3.2 Vlastní a příměsové polovodiče 4.3.2 Vlastní a příměsové polovodič Přdpoklady: 4204, 4207, 4301 Pdagogická poznámka: Pokud budt postupovat normální rychlostí, skončít u ngativní vodivosti. Nní to žádný problém, pozitivní vodivost si

Více

Testování hypotéz. December 10, 2008

Testování hypotéz. December 10, 2008 Testování hypotéz December, 2008 (Testování hypotéz o neznámé pravděpodobnosti) Jan a Františe mají pytlíy s uličami. Jan má 80 bílých a 20 červených, Františe má 30 bílých a 70 červených. Vybereme náhodně

Více

ROZDĚLENÍ SPOJITÝCH NÁHODNÝCH VELIČIN

ROZDĚLENÍ SPOJITÝCH NÁHODNÝCH VELIČIN ROZDĚLENÍ SPOJITÝCH NÁHODNÝCH VELIČIN Rovnoměrné rozdělení R(a,b) rozdělení s konstantní hustotou pravděpodobnosti v intervalu (a,b) f( x) distribuční funkce 0 x a F( x) a x b b a 1 x b b 1 a x a a x b

Více

, je vhodná veličina i pro studium vyzařování energie z libovolného zdroje a také i pro popis dopadu energie na hmotné objekty:

, je vhodná veličina i pro studium vyzařování energie z libovolného zdroje a také i pro popis dopadu energie na hmotné objekty: Radiomtri a otomtri Vyzařování, přnos a účinky nrgi lktromagntického zářní všch vlnových délk zkoumá obor radiomtri, lktromagntickým zářním v optické oblasti s pak zabývá otomtri. V odstavci Přnos nrgi

Více

5. kapitola: Vysokofrekvenční zesilovače (rozšířená osnova)

5. kapitola: Vysokofrekvenční zesilovače (rozšířená osnova) Punčochář, J: AEO; 5. kapitola 1 5. kapitola: Vysokofrkvnční zsilovač (rozšířná osnova) Čas k studiu: 6 hodin íl: Po prostudování této kapitoly budt umět dfinovat pracovní bod BJT a FET určit funkci VF

Více

Lomová houževnatost. plastická deformace. R e = K C

Lomová houževnatost. plastická deformace. R e = K C Loová houžvntost UM - 5 Loová houžvntost Jéno: St. suin: Dtu cviční: ) Stručně oišt, co vyjdřují ojy ) nětí - z luzu b) součinitl intnzity nětí - loová houžvntost. Disutujt oužití vzthu ro výočt součinitl

Více

4. PRŮBĚH FUNKCE. = f(x) načrtnout.

4. PRŮBĚH FUNKCE. = f(x) načrtnout. Etrém funkc 4. PRŮBĚH FUNKCE Průvodc studim V matmatic, al i v fzic a tchnických oborch s často vsktn požadavk na sstrojní grafu funkc K nakrslní grafu funkc lz dns většinou použít vhodný matmatický softwar.

Více

Otázka č.3 Veličiny používané pro kvantifikaci elektromagnetického pole

Otázka č.3 Veličiny používané pro kvantifikaci elektromagnetického pole Otázka č.4 Vličiny používané pro kvantifikaci lktromagntického pol Otázka č.3 Vličiny používané pro kvantifikaci lktromagntického pol odrobnější výklad základu lktromagntismu j možno nalézt v učbním txtu:

Více

Demonstrace skládání barev

Demonstrace skládání barev Vltrh nápadů učitlů fyziky I Dmonstrac skládání barv DENĚK NAVRÁTIL Přírodovědcká fakulta MU Brno Úvod Studnti střdních škol si často stěžují na nzáživnost nzajímavost a matmatickou obtížnost výuky fyziky.

Více

2. Frekvenční a přechodové charakteristiky

2. Frekvenční a přechodové charakteristiky rkvnční a přchodové charaktristiky. rkvnční a přchodové charaktristiky.. Obcný matmatický popis Přchodové a frkvnční charaktristiky jsou důlžitým prostřdkm pro analýzu a syntézu rgulačních obvodů a tdy

Více

Definice spojité náhodné veličiny zjednodušená verze

Definice spojité náhodné veličiny zjednodušená verze Definice spojité náhodné veličiny zjednodušená verze Náhodná veličina X se nazývá spojitá, jestliže existuje nezáporná funkce f : R R taková, že pro každé a, b R { }, a < b, platí P(a < X < b) = b a f

Více

8. Normální rozdělení

8. Normální rozdělení 8. Normální rozdělení 8.. Definice: Normální (Gaussovo) rozdělení N(µ, 2 ) s parametry µ a > 0 je rozdělení určené hustotou ( ) f(x) = (x µ) 2 e 2 2, x (, ). Rozdělení N(0; ) s parametry µ = 0 a = se nazývá

Více

I. MECHANIKA 8. Pružnost

I. MECHANIKA 8. Pružnost . MECHANKA 8. Pružnost Obsah Zobcněný Hookův zákon. ntrprtac invariantů. Rozklad tnzorů na izotropní část a dviátor. Křivka dformac. Základní úloha tori pružnosti. Elmntární Hookův zákon pro jdnoosý tah.

Více

KIRSTEN BIEDERMANNOVÁ ANDERS FLORÉN PHILIPPE JEANJACQUOT DIONYSIS KONSTANTINOU CORINA TOMAOVÁ TLAKEM POD

KIRSTEN BIEDERMANNOVÁ ANDERS FLORÉN PHILIPPE JEANJACQUOT DIONYSIS KONSTANTINOU CORINA TOMAOVÁ TLAKEM POD 40 KIRSTEN BIEDERMANNOVÁ ANDERS FLORÉN PHILIPPE JEANJACQUOT DIONYSIS KONSTANTINOU CORINA TOMAOVÁ TLAKEM POD POD TLAKEM míč, hmotnost, rovnováha, pumpička, tlak, idální plyn, pružná srážka, koficint rstituc

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

IMITANČNÍ POPIS SPÍNANÝCH OBVODŮ

IMITANČNÍ POPIS SPÍNANÝCH OBVODŮ IMITANČNÍ POPIS SPÍNANÝCH OBVODŮ Doc. Ing. Dalibor Biolk, CSc. K 30 VA Brno, Kounicova 65, PS 3, 6 00 Brno tl.: 48 487, fax: 48 888, mail: biolk@ant.f.vutbr.cz Abstract: Basic idas concrning immitanc dscription

Více

ELEKTŘINA A MAGNETIZMUS

ELEKTŘINA A MAGNETIZMUS ELEKTŘINA A MAGNETIZMUS VI. Odpor a lktrický proud Obsah 6 ODPOR A ELEKTRICKÝ PROUD 6.1 ELEKTRICKÝ PROUD 6.1.1 HUSTOTA PROUDU 3 6. OHMŮV ZÁKON 4 6.3 ELEKTRICKÁ ENERGIE A VÝKON 6 6.4 SHRNUTÍ 7 6.5 ŘEŠENÉ

Více

Výkonová elektronika Výkonové polovodičové spínací součástky BVEL

Výkonová elektronika Výkonové polovodičové spínací součástky BVEL FAKULTA ELEKTROTECHIKY A KOMUIKAČÍCH TECHOLOGIÍ VYSOKÉ UČEÍ TECHICKÉ V RĚ Výkonová lktronika Výkonové polovodičové spínací součástky VEL Autor ttu: doc. Dr. Ing. Miroslav Patočka črvn 13 Powr Inovac výuky

Více

Testování statistických hypotéz

Testování statistických hypotéz Testování statistických hypotéz 1 Testování statistických hypotéz 1 Statistická hypotéza a její test V praxi jsme nuceni rozhodnout, zda nějaké tvrzeni o parametrech náhodných veličin nebo o veličině samotné

Více

Vliv prostupů tepla mezi byty na spravedlivost rozúčtování nákladů na vytápění

Vliv prostupů tepla mezi byty na spravedlivost rozúčtování nákladů na vytápění Vlv prostupů tpla mz byty na spravdlvost rozúčtování nákladů na vytápění Anotac Fnanční částky úhrady za vytápění mz srovnatlným byty rozpočítané frmam používajícím poměrové ndkátory crtfkované podl norm

Více

Měrný náboj elektronu

Měrný náboj elektronu Fyzikální praktikum FJFI ČVUT v Praz Úloha č. 12 : Měřní měrného náboj lktronu Jméno: Ondřj Ticháčk Pracovní skupina: 7 Kruh: ZS 7 Datum měřní: 8.4.2013 Klasifikac: Měrný náboj lktronu 1 Zadání 1. Sstavt

Více

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC Přednáša 02 Přírodovědecá faulta Katedra matematiy KMA/P506 Pravděpodobnost a statistia KMA/P507 Statistia na PC jiri.cihlar@ujep.cz Náhodné veličiny Záladní definice Nechť je dán pravděpodobnostní prostor

Více

41 Absorpce světla ÚKOL TEORIE

41 Absorpce světla ÚKOL TEORIE 41 Absorpc světla ÚKOL Stanovt závislost absorpčního koficintu dvou průhldných látk různé barvy na vlnové délc dopadajícího světla. Proměřt pro zadané vlnové délky absorpci světla při jho průchodu dvěma

Více

Seznámíte se s pojmem primitivní funkce a neurčitý integrál funkce jedné proměnné.

Seznámíte se s pojmem primitivní funkce a neurčitý integrál funkce jedné proměnné. INTEGRÁLNÍ POČET FUNKCÍ JEDNÉ PROMĚNNÉ NEURČITÝ INTEGRÁL NEURČITÝ INTEGRÁL Průvodc studim V kapitol Difrnciální počt funkcí jdné proměnné jst s sznámili s drivováním funkcí Jstliž znát drivac lmntárních

Více

FYZIKA 3. ROČNÍK. Nestacionární magnetické pole. Magnetický indukční tok. Elektromagnetická indukce. π Φ = 0. - magnetické pole, které se s časem mění

FYZIKA 3. ROČNÍK. Nestacionární magnetické pole. Magnetický indukční tok. Elektromagnetická indukce. π Φ = 0. - magnetické pole, které se s časem mění FYZKA 3. OČNÍK - magntické pol, ktré s s časm mění Vznik nstacionárního magntického pol: a) npohybující s vodič s časově proměnným proudm b) pohybující s vodič s proudm c) pohybující s prmanntní magnt

Více

ANALÝZA KATEGORIÁLNÍCH DAT PROBLÉM VÍCENÁSOBNÉ VOLBY V ODPOVĚDI. Julie Rendlová. Robust, Jeseníky,

ANALÝZA KATEGORIÁLNÍCH DAT PROBLÉM VÍCENÁSOBNÉ VOLBY V ODPOVĚDI. Julie Rendlová. Robust, Jeseníky, ANALÝZA KATEGORIÁLNÍCH DAT PROBLÉM VÍCENÁSOBNÉ VOLB V ODPOVĚDI Juli Rndlová Katdra matmatické analýzy a aplikací matmatiky, Přírodovědcká fakulta, Univrzita Palackého v Olomouci Robust, Jsníky, 5. 9. 26

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOST A STATISTIKA Náhodný výběr Nechť X je náhodná proměnná, která má distribuční funkci F(x, ϑ). Předpokládejme, že známe tvar distribuční funkce (víme jaké má rozdělení) a neznáme parametr

Více

Úvod do fyziky plazmatu

Úvod do fyziky plazmatu Dfinic plazmatu (typická) Úvod do fyziky plazmatu Plazma j kvazinutrální systém nabitých (a případně i nutrálních) částic, ktrý vykazuj kolktivní chování. Pozn. Kolktivní chování j tdy podstatné, nicméně

Více

Polarizací v podstatě rozumíme skutečnost, že plně respektujeme vektorový charakter veličin E, H, D, B. Rovinnou vlnu šířící se ve směru z

Polarizací v podstatě rozumíme skutečnost, že plně respektujeme vektorový charakter veličin E, H, D, B. Rovinnou vlnu šířící se ve směru z 7. Polarizované světlo 7.. Polarizac 7.. Linárně polarizované světlo 7.3. Kruhově polarizované světlo 7.4. liptick polarizované světlo (spc.případ) 7.5. liptick polarizované světlo (obcně) 7.6. Npolarizované

Více

Komplexní čísla. Základní informace. Výstupy z výuky. 1. Základní typy popisu komplexních čísel

Komplexní čísla. Základní informace. Výstupy z výuky. 1. Základní typy popisu komplexních čísel Komplní čísl Záldní informc Tto pitol j pitolou opovcí. Přdpoládám ž studnti njí áldy počítání s omplními čísly nicméně tuším ž stání s problmtiou už bylo dávno nvíc řjmě n střdních šolách v růném roshu.

Více

(iv) D - vybíráme 2 koule a ty mají různou barvu.

(iv) D - vybíráme 2 koule a ty mají různou barvu. 2 cvičení - pravděpodobnost 2102018 18cv2tex Definice pojmů a záladní vzorce Vlastnosti pravděpodobnosti Pravděpodobnost P splňuje pro libovolné jevy A a B následující vlastnosti: 1 0, 1 2 P (0) = 0, P

Více

SPOLUPRÁCE SBĚRAČE S TRAKČNÍM VEDENÍM

SPOLUPRÁCE SBĚRAČE S TRAKČNÍM VEDENÍM SPOLUPRÁCE SBĚRAČE S TRAKČNÍM VEDENÍM Josf KONVIČNÝ Ing. Josf KONVIČNÝ, Čské dráhy, a. s., Tchnická ústřdna dopravní csty, skc lktrotchniky a nrgtiky, oddělní diagnostiky a provozních měřní, nám. Mickiwicz

Více

NEPARAMETRICKÉ METODY

NEPARAMETRICKÉ 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

Více

Přednáška. Další rozdělení SNP. Limitní věty. Speciální typy rozdělení. Další rozdělení SNP Limitní věty Speciální typy rozdělení

Přednáška. Další rozdělení SNP. Limitní věty. Speciální typy rozdělení. Další rozdělení SNP Limitní věty Speciální typy rozdělení VI Přednáška Další rozdělení SNP Limitní věty Speciální typy rozdělení Rovnoměrné rozdělení R(a,b) Příklad Obejít celý areál trvá strážnému 30 minut. Jaká je pravděpodobnost, že u vrátnice budete čekat

Více

I. D i s k r é t n í r o z d ě l e n í

I. D i s k r é t n í r o z d ě l e n í 6. T y p y r o z d ě l e n í Poznámka: V odst. 5.5-5.10 jsme uvedli příklady náhodných veličin a jejich distribučních funkcí. Poznali jsme, že se od sebe liší svým typem. V příkladech 5.5, 5.6 a 5.8 jsme

Více

Fyzikální praktikum FJFI ČVUT v Praze

Fyzikální praktikum FJFI ČVUT v Praze Fyzikální praktikum FJFI ČVUT v Praz Úloha 3: Měrný náboj lktronu Datum měřní: 18. 3. 2016 Doba vypracovávání: 10 hodin Skupina: 1, pátk 7:30 Vypracoval: Tadáš Kmnta Klasifikac: 1 Zadání 1. DÚ: Odvoďt

Více

hledané funkce y jedné proměnné.

hledané funkce y jedné proměnné. DIFERCIÁLNÍ ROVNICE Úvod Df : Občjnou difrniální rovnií dál jn DR rozumím rovnii, v ktré s vsktují driva hldané funk jdné proměnné n n Můž mít pliitní tvar f,,,,, n nbo impliitní tvar F,,,,, Řádm difrniální

Více

STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky)

STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky) STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky) 1) Význam a využití statistiky v biologických vědách a veterinárním lékařství ) Rozdělení znaků (veličin) ve statistice 3) Základní a

Více

8.1. Definice: Normální (Gaussovo) rozdělení N(µ, σ 2 ) s parametry µ a. ( ) ϕ(x) = 1. označovat písmenem U. Její hustota je pak.

8.1. Definice: Normální (Gaussovo) rozdělení N(µ, σ 2 ) s parametry µ a. ( ) ϕ(x) = 1. označovat písmenem U. Její hustota je pak. 8. Normální rozdělení 8.. Definice: Normální (Gaussovo) rozdělení N(µ, ) s parametry µ a > 0 je rozdělení určené hustotou ( ) f(x) = (x µ) e, x (, ). Rozdělení N(0; ) s parametry µ = 0 a = se nazývá normované

Více

INTERGRÁLNÍ POČET. PRIMITIVNÍ FUNKCE (neurčitý integrál)

INTERGRÁLNÍ POČET. PRIMITIVNÍ FUNKCE (neurčitý integrál) INTERGRÁLNÍ POČET Motivac: Užití intgrálního počtu spočívá mj. v výpočtu obsahu rovinného obrazc ohraničného různými funkcmi příp. čarami či v výpočtu objmu rotačního tělsa, vzniklého rotací daného obrazc

Více

3.3. Derivace základních elementárních a elementárních funkcí

3.3. Derivace základních elementárních a elementárních funkcí Přdpokládané znalosti V násldujících úvahách budm užívat vztahy známé z střdní školy a vztahy uvdné v přdcházjících kapitolách tohoto ttu Něktré z nich připomnm Eponnciální funkc Výklad Pro odvozní vzorců

Více

p(x) = P (X = x), x R,

p(x) = P (X = x), x R, 6. T y p y r o z d ě l e n í Poznámka: V odst. 5.5-5.10 jsme uvedli příklady náhodných veličin a jejich distribučních funkcí. Poznali jsme, že se od sebe liší svým typem. V příkladech 5.5, 5.6 a 5.8 jsme

Více

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) =

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) = Základní rozdělení pravděpodobnosti Diskrétní rozdělení pravděpodobnosti. Pojem Náhodná veličina s Binomickým rozdělením Bi(n, p), kde n je přirozené číslo, p je reálné číslo, < p < má pravděpodobnostní

Více

marek.pomp@vsb.cz http://homel.vsb.cz/~pom68

marek.pomp@vsb.cz http://homel.vsb.cz/~pom68 Statistika B (151-0303) Marek Pomp ZS 2014 marek.pomp@vsb.cz http://homel.vsb.cz/~pom68 Cvičení: Pavlína Kuráňová & Marek Pomp Podmínky pro úspěšné ukončení zápočet 45 bodů, min. 23 bodů, dvě zápočtové

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie ZS 2015/16 Cvičení 1: Opakování ze statistiky LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE Z čeho studovat 1) Z KNIHY Krkošková,

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

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

TEPELNÁ ZÁTĚŽ VOZU MĚSTSKÉ HROMADNÉ DOPRAVY

TEPELNÁ ZÁTĚŽ VOZU MĚSTSKÉ HROMADNÉ DOPRAVY Simulac budov a tchniky prostřdí 214 8. konfrnc IBPSA-CZ Praha, 6. a 7. 11. 214 TEPELNÁ ZÁTĚŽ VOZU MĚSTSKÉ HROMADNÉ DOPRAVY Vladimír Zmrhal ČVUT v Praz Fakulta strojní, Ústav tchniky prostřdí -mail: Vladimir.Zmrhal@fs.cvut.cz

Více

1. Zadání. Hledané veličiny: Celkové sluneční ozáření na obecnou rovinu G T = f (ST) Výkon solárního kolektoru. Q k = f (ST)

1. Zadání. Hledané veličiny: Celkové sluneční ozáření na obecnou rovinu G T = f (ST) Výkon solárního kolektoru. Q k = f (ST) 1. Zadání Vstupní vličiny: pořadí dn v roc DR (1 až 365) pořadí hodiny v dni S (slunční čas) (1 až 4h) clové slunční oářní na vodorovnou rovinu = f (S), např. liaticých údajů ČHMÚ tplota vnovního vduchu

Více

Rozdělení náhodné veličiny. Distribuční funkce. Vlastnosti distribuční funkce

Rozdělení náhodné veličiny. Distribuční funkce. Vlastnosti distribuční funkce Náhodná veličina motivace Náhodná veličina Často lze výsledek náhodného pokusu vyjádřit číslem: číslo, které padlo na kostce, výška náhodně vybraného studenta, čas strávený čekáním na metro, délka života

Více

X = x, y = h(x) Y = y. hodnotám x a jedné hodnotě y. Dostaneme tabulku hodnot pravděpodobnostní

X = x, y = h(x) Y = y. hodnotám x a jedné hodnotě y. Dostaneme tabulku hodnot pravděpodobnostní ..08 8cv7.tex 7. cvičení - transformace náhodné veličiny Definice pojmů a základní vzorce Je-li X náhodná veličina a h : R R je měřitelná funkce, pak náhodnou veličinu Y, která je definovaná vztahem X

Více

Univerzita Tomáše Bati ve Zlíně

Univerzita Tomáše Bati ve Zlíně Univrzita omáš Bati v Zlíně LABORAORNÍ CVIČENÍ Z FYZIKY II Názv úlohy: Voltampérová charaktristika polovodičové diody a žárovky Jméno: Ptr Luzar Skupina: I II/1 Datum měřní: 14.listopadu 7 Obor: Informační

Více

NÁHODNÁ ČÍSLA. F(x) = 1 pro x 1. Náhodná čísla lze generovat některým z následujících generátorů náhodných čísel:

NÁHODNÁ ČÍSLA. F(x) = 1 pro x 1. Náhodná čísla lze generovat některým z následujících generátorů náhodných čísel: NÁHODNÁ ČÍSLA TYPY GENERÁTORŮ, LINEÁRNÍ KONGRUENČNÍ GENERÁTORY, TESTY NÁHODNOSTI, VYUŽITÍ HODNOT NÁHODNÝCH VELIČIN V SIMULACI CO JE TO NÁHODNÉ ČÍSLO? Náhodné číslo definujeme jako nezávislé hodnoty z rovnoměrného

Více

STUDIUM DEFORMAČNÍCH ODPORŮ OCELÍ VYSOKORYCHLOSTNÍM VÁLCOVÁNÍM ZA TEPLA

STUDIUM DEFORMAČNÍCH ODPORŮ OCELÍ VYSOKORYCHLOSTNÍM VÁLCOVÁNÍM ZA TEPLA STUDIUM DEFORMAČNÍCH ODPORŮ OCELÍ VYSOKORYCHLOSTNÍM VÁLCOVÁNÍM ZA TEPLA Martin Radina a, Ivo Schindlr a, Tomáš Kubina a, Ptr Bílovský a Karl Čmil b Eugniusz Hadasik c a) VŠB Tchnická univrzita Ostrava,

Více

Teoretické a praktické úspory tepla panelových domů po jejich zateplení 1. část

Teoretické a praktické úspory tepla panelových domů po jejich zateplení 1. část Tortické a praktické úspory tpla panlových domů po jjich zatplní 1. část Miloš Bajgar Autor s v dvoudílném příspěvku zamýšlí nad skutčnými přínosy zatplní panlových objktů. Tnto první díl j věnován analýz

Více

Aplikace VAR ocenění tržních rizik

Aplikace VAR ocenění tržních rizik Aplkac VAR ocnění tržních rzk Obsah: Zdroj rzka :... 2 Řízní tržního rzka... 2 Měřní tržního rzka... 3 Modly... 4 Postup výpočtu... 7 Nastavní modlu a gnrování Mont-Carlo scénářů... 7 Vlčny vyjadřující

Více

SROVNÁNÍ KOLORIMETRICKÝCH ZKRESLENÍ SNÍMACÍCH SOUSTAV XYZ A RGB Jan Kaiser, Emil Košťál xkaiserj@feld.cvut.cz

SROVNÁNÍ KOLORIMETRICKÝCH ZKRESLENÍ SNÍMACÍCH SOUSTAV XYZ A RGB Jan Kaiser, Emil Košťál xkaiserj@feld.cvut.cz SROVNÁNÍ KOLORIMETRICKÝCH ZKRESLENÍ SNÍMACÍCH SOUSTAV XYZ A RGB Jan Kaisr, Emil Košťál xkaisrj@fld.cvut.cz ČVUT, Fakulta lktrotchnická, katdra Radiolktroniky Tchnická 2, 166 27 Praha 6 1. Úvod Článk s

Více

Testování hypotéz. Analýza dat z dotazníkových šetření. Kuranova Pavlina

Testování hypotéz. Analýza dat z dotazníkových šetření. Kuranova Pavlina Testování hypotéz Analýza dat z dotazníkových šetření Kuranova Pavlina Statistická hypotéza Možné cíle výzkumu Srovnání účinnosti různých metod Srovnání výsledků různých skupin Tzn. prokázání rozdílů mezi

Více

02 Systémy a jejich popis v časové a frekvenční oblasti

02 Systémy a jejich popis v časové a frekvenční oblasti Modul: Analýza a modlování dynamických biologických dat Přdmět: Linární a adaptivní zpracování dat Autor: Danil Schwarz Číslo a názv výukové dnotky: Systémy a ich popis v časové a frkvnční oblasti Výstupy

Více

KGG/STG Statistika pro geografy

KGG/STG Statistika pro geografy KGG/STG Statistika pro geografy 5. Odhady parametrů základního souboru Mgr. David Fiedor 16. března 2015 Vztahy mezi výběrovým a základním souborem Osnova 1 Úvod, pojmy Vztahy mezi výběrovým a základním

Více

Geometrická optika. Energetické vlastnosti optického záření. zářivý tok (výkon záření) Φ e. spektrální hustota zářivého toku Φ Φ = e

Geometrická optika. Energetické vlastnosti optického záření. zářivý tok (výkon záření) Φ e. spektrální hustota zářivého toku Φ Φ = e Enrgticé vlastnosti opticého zářní popisují zářní z hlisa přnosu nrgi raiomtricé vličiny zářivý to (výon zářní) t W [W] zářivá nrgi W, trá proj za jnotu času nějaou plochou sptrální hustota zářivého tou

Více

LIMITNÍ VĚTY DALŠÍ SPOJITÁ ROZDĚLENÍ PR. 8. cvičení

LIMITNÍ VĚTY DALŠÍ SPOJITÁ ROZDĚLENÍ PR. 8. cvičení LIMITNÍ VĚTY DALŠÍ SPOJITÁ ROZDĚLENÍ PR. 8. cvičení Způsoby statistického šetření Vyčerpávající šetření prošetření všech jednotek statistického souboru (populace) Výběrové šetření ze základního souboru

Více

ZJIŠŤOVÁNÍ FREKVENČNÍCH VLASTNOSTÍ OTEVŘENÉHO OBVODU V UZAVŘENÉ REGULAČNÍ SMYČCE

ZJIŠŤOVÁNÍ FREKVENČNÍCH VLASTNOSTÍ OTEVŘENÉHO OBVODU V UZAVŘENÉ REGULAČNÍ SMYČCE Nové mtod a postp v olasti přístrojové tchnik, atomatického řízní a informatik Ústav přístrojové a řídicí tchnik ČVUT v Praz odorný sminář Jindřichův Hradc, 28. až 29. května 2009 ZJIŠŤOVÁNÍ FREKVENČNÍCH

Více

Příklad 70 Vypočet konstanty šíření (fázová konstanta, měrný útlum)

Příklad 70 Vypočet konstanty šíření (fázová konstanta, měrný útlum) Přílad 7 Vypočt onstanty šířní (fáová onstanta, ěný útlu) adání : Rovinná haonicá ltoagnticá vlna o itočtu : a) f 5 b) f 7 M c) f 9 G s šíří v postřdí s těito paaty:.[ S ], ε 8, µ. Vaianta a) Vaianta b)

Více

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta Jaderná a Fyzikálně Inženýrská BAKALÁŘSKÁ PRÁCE Martin Schulc

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta Jaderná a Fyzikálně Inženýrská BAKALÁŘSKÁ PRÁCE Martin Schulc ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Faulta Jadrná a Fyziálně Inžnýrsá BAKALÁŘSKÁ PRÁCE 007 Martin Schulc Čsé vysoé uční tchnicé v Praz Faulta jadrná a fyziálně inžnýrsá Katdra fyziy Obor: Jadrné inžnýrství

Více

Vybraná rozdělení náhodné veličiny

Vybraná rozdělení náhodné veličiny 3.3 Vybraná rozdělení náhodné veličiny 0,16 0,14 0,12 0,1 0,08 0,06 0,04 0,02 0 Rozdělení Z 3 4 5 6 7 8 9 10 11 12 13 14 15 Život je umění vytvářet uspokojivé závěry na základě nedostatečných předpokladů.

Více

Rekurzivní delta identifikace mnoharozměrového systému

Rekurzivní delta identifikace mnoharozměrového systému MODELLING, SIMULAION, AND IDENIFIAION OF PROESSES Rkurzivní dlta idntifikac mnoharozměrového systému Radk Dokoupil, Ptr Dostál Abstrakt Příspěvk rozbírá postup při sstavní algoritmu pro rkurzivní idntifikaci

Více

Charakterizace rozdělení

Charakterizace rozdělení Charakterizace rozdělení Momenty f(x) f(x) f(x) μ >μ 1 σ 1 σ >σ 1 g 1 g σ μ 1 μ x μ x x N K MK = x f( x) dx 1 M K = x N CK = ( x M ) f( x) dx ( xi M 1 C = 1 K 1) N i= 1 K i K N i= 1 K μ = E ( X ) = xf

Více

Generování pseudonáhodných. Ing. Michal Dorda, Ph.D.

Generování pseudonáhodných. Ing. Michal Dorda, Ph.D. Generování pseudonáhodných čísel při simulaci Ing. Michal Dorda, Ph.D. 1 Úvodní poznámky V simulačních modelech se velice často vyskytují náhodné proměnné. Proto se budeme zabývat otázkou, jak při simulaci

Více

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457. 0 cvičení z PST 5 prosince 208 0 (intervalový odhad pro rozptyl) Soubor (70, 84, 89, 70, 74, 70) je náhodným výběrem z normálního rozdělení N(µ, σ 2 ) Určete oboustranný symetrický 95% interval spolehlivosti

Více

Přechodové jevy RC. Řešení přechodového jevu v obvodech 1. řádu RC. a) varianta nabíjení ideálního kondenzátoru u C (t)

Přechodové jevy RC. Řešení přechodového jevu v obvodech 1. řádu RC. a) varianta nabíjení ideálního kondenzátoru u C (t) čbní xy pro Elkrochnik Ing. Kindrá Alxandr Přchodové jvy Účlm éo knihy j nači sdny řši přchodové jvy v obvodch. řád yp a sznámi j s oricko problmaiko přchodových jvů v obvodch. řádů yp. Přchodové jvy v

Více

Chyby měření 210DPSM

Chyby měření 210DPSM Chyby měření 210DPSM Jan Zatloukal Stručný přehled Zdroje a druhy chyb Systematické chyby měření Náhodné chyby měření Spojité a diskrétní náhodné veličiny Normální rozdělení a jeho vlastnosti Odhad parametrů

Více

ε, budeme nazývat okolím bodu (čísla) x

ε, budeme nazývat okolím bodu (čísla) x Množinu ( ) { R < ε} Okolím bodu Limit O :, kd (, ) j td otvřný intrval ( ε ε ) ε, budm nazývat okolím bodu (čísla).,. Bod R j vnitřním bodm množin R M, jstliž istuj okolí O tak, ž platí O( ) M. M, jstliž

Více

STATISTICKÉ ZJIŠŤOVÁNÍ

STATISTICKÉ ZJIŠŤOVÁNÍ STATISTICKÉ ZJIŠŤOVÁNÍ ÚVOD Základní soubor Všechny ryby v rybníce, všechny holky/kluci na škole Cílem určit charakteristiky, pravděpodobnosti Průměr, rozptyl, pravděpodobnost, že Maruška kápne na toho

Více

Testy. Pavel Provinský. 19. listopadu 2013

Testy. Pavel Provinský. 19. listopadu 2013 Testy Pavel Provinský 19. listopadu 2013 Test a intervalový odhad Testy a intervalové odhady - jsou vlastně to samé. Jiný je jen úhel pohledu. Lze přecházet od jednoho k druhému. Například: Při odvozování

Více

PENOS ENERGIE ELEKTROMAGNETICKÝM VLNNÍM

PENOS ENERGIE ELEKTROMAGNETICKÝM VLNNÍM PNO NRG LKTROMAGNTCKÝM VLNNÍM lktromagntické vlnní, stjn jako mchanické vlnní, j schopno pnášt nrgii Tuto nrgii popisujm pomocí tzv radiomtrických, rsp fotomtrických vliin Rozdlní vyplývá z jdnoduché úvahy:

Více

Náhodná veličina X má Poissonovo rozdělení se střední hodnotou lambda. Poissonovo rozdělení je definováno jako. P(X=k) = 0,036

Náhodná veličina X má Poissonovo rozdělení se střední hodnotou lambda. Poissonovo rozdělení je definováno jako. P(X=k) = 0,036 Příklad : Statistika A, doc. Kropáč, str. 6, příklad 2 K benzínovému čerpadlu přijíždí průměrně 4 aut za hodinu. Určete pravděpodobnost, že během pěti minut přijede nejvýše jedno auto. Pokus: Zjištění,

Více

Praktická statistika. Petr Ponížil Eva Kutálková

Praktická statistika. Petr Ponížil Eva Kutálková Praktická statistika Petr Ponížil Eva Kutálková Zápis výsledků měření Předpokládejme, že známe hodnotu napětí U = 238,9 V i její chybu 3,3 V. Hodnotu veličiny zapíšeme na tolik míst, aby až poslední bylo

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY VYSOKÉ UČENÍ ECHNICKÉ V BRNĚ BRNO UNIVERSIY OF ECHNOLOGY FKUL SROJNÍHO INŽENÝRSVÍ ÚSV SROJÍRENSKÉ ECHNOLOGIE FCULY OF MECHNICL ENGINEERING INSIUE OF MNUFCURING ECHNOLOGY VÝROB OCELOVÉ SOUČÁSI ECHNOLOGIÍ

Více

Normální (Gaussovo) rozdělení

Normální (Gaussovo) rozdělení Normální (Gaussovo) rozdělení Normální (Gaussovo) rozdělení popisuje vlastnosti náhodné spojité veličiny, která vzniká složením různých náhodných vlivů, které jsou navzájem nezávislé, kterých je velký

Více

Náhodný vektor. Náhodný vektor. Hustota náhodného vektoru. Hustota náhodného vektoru. Náhodný vektor je dvojice náhodných veličin (X, Y ) T = ( X

Náhodný vektor. Náhodný vektor. Hustota náhodného vektoru. Hustota náhodného vektoru. Náhodný vektor je dvojice náhodných veličin (X, Y ) T = ( X Náhodný vektor Náhodný vektor zatím jsme sledovali jednu náhodnou veličinu, její rozdělení a charakteristiky často potřebujeme vyšetřovat vzájemný vztah několika náhodných veličin musíme sledovat jejich

Více

, je vhodná veličina jak pro studium vyzařování energie z libovolného zdroje, tak i pro popis dopadu energie na hmotné objekty:

, je vhodná veličina jak pro studium vyzařování energie z libovolného zdroje, tak i pro popis dopadu energie na hmotné objekty: Radiomtri a fotomtri Vyzařování, přnos a účinky nrgi lktromagntického zářní všch vlnových délk zkoumá obor radiomtri, lktromagntickým zářním v optické oblasti s pak zabývá fotomtri. V odstavci Přnos nrgi

Více