Podmíněná pravděpodobnost

Rozměr: px
Začít zobrazení ze stránky:

Download "Podmíněná pravděpodobnost"

Transkript

1 odmíněná pravděpodobnost 5. odmíněná pravděpodobnost 5.. Motivace: Opakovaně nezávisle provádíme týž náhodný pokus a sledujeme nastoupení jevu A v těch pokusech, v nichž nastoupil jev H. odmíněnou relativní četnost A za podmínky H jsme v popisné statistice zavedli vztahem p(a/h) p(a H) p(h). Tato podmíněná relativní četnost se s rostoucím počtem pokusů ustaluje kolem konstanty (A/H), kterou považujeme za podmíněnou pravděpodobnost jevu A za podmínky H. 5.. Definice: Nechť (Ω, A, ) je pravděpodobnostní prostor, H A. jev s nenulovou pravděpodobností. odmíněnou pravděpodobností za podmínky H rozumíme funkci (./H): A R danou vzorcem: A A : (A/H) (A H). (H)

2 odmíněná pravděpodobnost 5.3. Věta: odmíněnápravděpodobnost je pravděpodobnost ve smyslu axiomatickédefinice a kromě toho pro ni platí: a) (A A ) (A ) (A /A ) pro (A ) 0. b) (A A ) (A ) (A /A ) pro (A ) 0. c) Jevy A, A jsou stochasticky nezávislé, právě když(a /A ) (A ) nebo (A ) 0 a právě když (A /A ) (A ) nebo (A ) 0. Důkaz: Stačí ověřit platnost axiómů, 0, 5. ad a), ad b) lyne přímo zdefiničního vzorce. ad c) NechťA, A jsou stochastickynezávislé ( ) ( A ) ( )( ) A A A A ( ) / A A ( ) ( ). A A Nechť naopak (A /A ) (A ). Zdefinice: ( ) ( A ) A A ( ) ( ) ( )( ) / A A A A A A ( A ), tedy A, A jsou stochasticky nezávislé.

3 říklad 5.4. říklad: Jaká je pravděpodobnost, že při hodu kostkou padlo sudé číslo, je-li známo, že padlo číslo menší než5? Ω { ω, K, ω 6 }, A padlo sudé číslo, A { ω, ω 4, ω 6 }, H padlo číslo menšínež5, H { ω, ω, ω 3, ω 4 } { ω ω } A H, ( A/ H) 6 4 ( A H) () H 4 6, říklad: Dvakrát hodíme kostkou. Jaká je pravděpodobnost, že součet přesáhne 0, víme-li, že padla (aspoň jedna) šestka? {[6,5],[5,6],[6,6]} ( A H )

4 Věta o násobení pravděpodobností 5.5. Věta: (Věta o násobení pravděpodobností) Nechť (Ω, A, ) je pravděpodobnostní prostor, A, A,..., A n takové jevy, že (A... A n- ) 0. ak (A A... A n ) (A ) (A /A ) (A 3 /A A )... (A n /A... A n- ). Důkaz: Matematickou indukcí. ředpokládáme, že vztah platí pro libovolné přirozené n a dokážeme jeho platnost pro n+: n n n ( A K An An+ ) I Ai An+ IAi An+ / IAi ( A) ( A / A) K( An+ / A K An) i i i 5.6. říklad: Ze skupiny 00 výrobků, která obsahuje 0 zmetků, vybereme náhodně bez vracení 3 výrobky. Vypočtěte pravděpodobnost jevu, že první dva výrobky budou kvalitní a třetí bude zmetek. Jev A i znamená, že i-tý vybraný výrobek je kvalitní, i,, 3. očítáme (A A A 3 ) (A ) (A /A ) ( A 3 /A A ) ,083. 4

5 Věta o úplné pravděpodobnosti, Bayesův vzorec 5.7. Věta (vzorec pro výpočet úplnépravděpodobnosti a Bayesůvvzorec) Nechť (Ω,A,) je pravděpodobnostníprostor, H i A, i I (I je nejvýše spočetná indexová množina) takové jevy, že (H i ) > 0, U H i i I Ω, H i H j pro i j (říkáme, že jevy H i, i Itvoří úplný systém hypotéz). a) ro libovolný jev A A platí vzorec úplnépravděpodobnosti: (A) (Hi )(A/H i ) b) ro libovolnou hypotézu H k, k Ia jev A A s nenulovou pravděpodobnostíplatí Bayesůvvzorec: (H k /A) (H )(A/H (A) ) k k. ((H k /A) se nazývá aposteriorní pravděpodobnost hypotézy H k, (H k ) je apriornípravděpodobnost.) Důkaz: ad a) Jev A vyjádříme jako sjednocení neslučitelných jevů: A ( A H ) ak () A ( ) ( ) ( )( ) U A Hi A Hi Hi A/ Hi i I i I i I ( H ) k A (H k )(A/H k ) ad b) ( H / A) k () A (A) U i I. i i I Ilustrace vzorce pro úplnou pravděpodobnost 5

6 6 ) Bez vracení taháme z urny s a černými a b bílými koulemi. Jaká je pravděpodobnost, že ve druhém tahu vytáhneme černou kouli, jestliže v prvním tahu jsme vytáhli kouli bílou? ) V dostihu zvítězí kůň A (B) s pravděpodobností 0,5 (0,3). Kůň A ztratil na startu příliš a je jisté, že nezvítězí. Jakáje nyní pravděpodobnost, že zvítězí B? říklad ) ( b a a b a b a b a b b a a b a b H A 0,6 0,5 0,3 ) ( ) ( ) ( ) ( ) ( H A H H A H A

7 říklad V první urně je 6 bílých a černé koule, ve druhé jsou 4 bílé a černé koule. Náhodně zvolíme urnu a vytáhneme jednu kouli. Jaká je pravděpodobnost, že bude bílá? ravděpodobnost tahu z první (resp. druhé) urny, je /. Označíme-li B [tah bílékoule], U i [tah z urny i], je podle věty o celkovépravděpodobnosti B) ( B U ) ( U) + ( B U ) ( U ) ( 0,708 7

8 říklad Automat X vyrobí za směnu dvakrát více výrobku než automat Y. ravděpodobnost vzniku zmetku je u automatu X 0,0, u Y 0,05. o skončení směny se výrobky ukládají do jedné bedny. Jaká je pravděpodobnost, že výrobek náhodně vybraný z této bedny není zmetek? odle věty o celkovépravděpodobnosti (poměr výrobků v bedně je : ve prospěch automatu X, tj. /3 výrobků pochází od X a /3 od Y),9 ( A) 0,98 + 0, ,97 8

9 říklad Mezi 0 střelci jsou 4 výborní, 0 dobrých a 6 průměrných s pravděpodobnostmi zásahu 0,9, 0,7 a 0,5. Jaká je pravděpodobnost, že dva náhodně vybraní střelci oba zasáhnou cíl? odle toho, kterádvojice bude vybrána ( A) (0,9 0,9) + (0,9 0,7) + K + (0,5 0,5) ,46 9

10 Věta o úplné pravděpodobnosti, Bayesův vzorec Thomas Bayes (70 76): resbytariánskýduchovní 5.8. oznámka (Návod na použití vzorce pro výpočet úplnépravděpodobnosti a Bayesova vzorce) Nejprve podle textu úlohy stanovíme úplný systém hypotéz, tj,. jevy, které se navzájem vylučujía přitom vyčerpávají všechny možnosti. Vúlohách vedoucích na vzorec pro výpočet úplnépravděpodobnosti se zajímáme o pravděpodobnost jevu, který shypotézami nesouvisí, zatímco vúlohách vedoucích na Bayesůvvzorec nás zajímápravděpodobnost některéhypotézy za podmínky, že nastal jev, který shypotézami nesouvisí. 0

11 říklad 5.9. říklad: Test obsahuje 00 otázek. Zkoušený si nejprve vylosuje otázku a pak si jeho postup zjednodušeně představíme takto: zná.li správnou odpověď, zatrhne ji. Nezná-li správnou odpověď, zvolí se stejnou pravděpodobností kteroukoliv ze čtyř možných odpovědí. ředpokládejme, že ve skutečnosti zná zkoušený právě k správných odpovědí. a) S jakou pravděpodobností správně odpoví? b) S jakou pravděpodobností je při správné odpovědi pravdivé tvrzení, že zkoušený ve skutečnosti jenom hádal? H zkoušený zná správnou odpověď, H zkoušený nezná správnou odpověď, A zkoušený správně odpoví k k 00 ( H ),( H ), ( A / H ),( A / H ) ad a) ( A) ( H ) ( A / H ) + ( H ) ( A / H ) ad b) ( H / A) 00 k k 00 4 ( H ) ( A / H ) k ( A) 3k k k k k (A) 0,5 0,35 0,65 0,95 (H /A) 0,69 0, 0,07

12 říklad ( ) A 3k + 00 ( H / A) k 3k + 00 (A),,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 Závislost (A) na k 0, k (H k /A),,0 0,8 0,6 0,4 0, 0,0 Závislost (H k /A) na k -0, k

13 říklad 5.0. říklad: K osevu byly vybrány dvě odrůdy pšenice, a to 0% první odrůdy a 80% druhé odrůdy. ravděpodobnost, že ze zrna vyroste klas, je pro první odrůdu 0,95 a pro druhou odrůdu 0,98. Jaká je pravděpodobnost, že a) z náhodně vybraného zrna vyroste klas? b) náhodně vybrané zrno, z něhož vyrostl klas, pocházelo z první odrůdy pšenice? c) náhodně vybrané zrno, z něhož vyrostl klas, pocházelo z druhé odrůdy pšenice? d) náhodně vybrané zrno, z něhož nevyrostl klas, pocházelo z první odrůdy pšenice? e) náhodně vybrané zrno, z něhož nevyrostl klas, pocházelo z druhé odrůdy pšenice? Jev A z náhodně vybraného zrna vyroste klas Jev H zrno pochází z první odrůdy pšenice Jev H zrno pochází z druhé odrůdy pšenice ( H ) 0,, ( A H ) 0,95, ( H ) 0,8, ( A H ) 0, 98 ad a) ( A) ( H ) ( A / H ) + ( H ) ( A / H ) 0, 0,95 + 0,8 0,98 0,9 + 0,784 0, 974 ad b) ( ) ( H) ( A / H) 0, 0,95 H / A 0,95 ( A) 0,974 ad c) ( ) ( H ) ( A / H ) 0,8 0,98 H / A 0,8049 ( A) 0,974 ad d) ( ) ( H ) ( H ) H / A ( A A) / ad e) ( ) ( H ) ( H ) H / A ( A A) / 0, 0,05 0,0 0,974 0,06 0,8 0,0 0,06 0,974 0,06 0,3846 0,654 3

14 říklad ) Jeden ze 3 střelců s pravděpodobnostmi zásahu 0,3, 0,5, 0,8 vystřelil a zasáhl. Jaká je pravděpodobnost, že střílel druhý střelec? 0,5 5 ( A) 3 0,35 0,3 + 0,5 + 0, ) Mezi 0 střelci je 5 výborných, 9 dobrých a 6 průměrných s pravděpodobnostmi zásahu 0,9, 0,8 a 0,7. Náhodně vybraný střelec ze ran trefil jednou. Jaká je pravděpodobnost, že šlo o výborného (dobrého, průměrného) střelce? 5 0,9 0, ( byl to výborný ) 0 0, ,9 0, + 0,8 0, + 0,7 0, ( byl to dobrý) 0,457 ( byl to průměrný ) 0,4 4

15 říklad Víme-li, že pravděpodobnost odhalení AIDS při testu je 0,999, že pravděpodobnost správného otestování zdravého jedince je 0,99 a že AIDS se vyskytuje u 0,006 lidí, jakáje pravděpodobnost, že člověk, u kterého byl test pozitivní, AIDS skutečně má? Označíme-li A [má AIDS], T [test říká AIDS], známe (T A) 0, 999, ( T A) 0,99, (A) 0, 006. Bayesova věta nám dá ( A T ) ( T ( T A) ( A) A) ( A) + ( T A) ( A) 0,999 0,006 0,999 0,006 + ( 0,99) ( 0,006) 0,376 5

16 Geometrická pravděpodobnost 6.. Motivace: Vněkterých situacích je vhodnézvolit za základníprostor nikoliv obecnou množinu Ω, ale n-rozměrný prostor R n a za možnévýsledky reálnévektory ( x,, x n ) K. Za jevovépole však nevezmeme systém všech podmnožin prostoru R n (ten totižobsahuje i tzv. neměřitelné množiny), ale méně podrobné borelovsképole B n. ÉmileBorel(87 956) francouzský matematik politik, zabýval steorií míry, teorií pravděpodobnosti a teorií her. Byl poslancem francouzskéhoparlamentu a ministrem námořnictva. Na borelovském poli pak speciálním způsobem zavedeme geometrickou pravděpodobnost a dostaneme pravděpodobnostníprostor (R n, B n, Q). 6

17 Borelovské pole, Borelovské množiny 6.. Definice (Není podstatné, že borelovské pole je generováno právě intervaly typu (, x K (, xn. Mohlo by být generováno i jinými typy intervalů.) 6.3. Věta: Borelovské pole je jevové pole, tzn., že splňuje axiómy J, J6, J Věta: Mezi borelovské množiny náleží zejména prázdná množina, celý základní prostor, všechny jednobodové, konečné a spočetné množiny, intervaly všech typů, všechny uzavřené a otevřené oblasti a všechna konečná a spočetná sjednocení a průniky těchto množin. Rovněž kartézský součin borelovských množin je borelovská množina, ovšem vyšší dimenze. 7

18 Borelovsky měřitelná zobrazení, Borelovské funkce 6.5. Definice 6.6. Věta: Mezi borelovské funkce náleží zejména všechny spojité a po částech spojité funkce. Rovněž limita všude konvergentní posloupnosti borelovských funkcí je borelovská funkce Definice: 8

19 Geometrická pravděpodobnost 6.8. Definice: 6.9. Věta: Geometrická pravděpodobnost je pravděpodobnost ve smyslu axiomatické definice, tj. splňuje axiómy, 0, 5. Trojice (R n, B n, Q) je tedy pravděpodobnostní prostor. 9

20 říklad 6.0. říklad: Na úsečce AB délky d jsou náhodně zvoleny body X a Y, přičemžvzdálenost bodu X od bodu A je menší nežvzdálenost bodu Y od bodu A. Jakáje pravděpodobnost, že délkaúsečky AX je větší neždélka úsečky XY? ( ) G { } ( ) x, y R ;0 x d,0 y d, x y, B { > } x, y G;x x y y x y A X Y B d G B d x d d d d d mes () () () () B mes G, mes B, Q B 4 mes() G Délka úsečky AX je větší neždélka úsečky XY spravděpodobností0,5. 0

21 říklad Dívka a chlapec si smluvili schůzku mezi :00 a 3:00. řijdou náhodně v tomto rozmezí a čekají na sebe 0 minut, nejdéle však do 3:00. Jaká je pravděpodobnost, že se setkají? 3:00 B G mes( G) 5 mes( B) 9 :0 :00 :0 3:00 Q( B) 5 9

22 říklad Volíme náhodně dvě čísla z intervalu (0,). Jaká je pravděpodobnost, že jejich součet je menší nežjedna a současně jejich součin menší než0,09? y Řešení 0,09 x x x x + 0,09 0 x 0,, x 0,9 x Q( B) 0,9 0,09 x dx x 0, 0,9775

23 říklad Buffonova úloha. V rovině jsou rozmístěny rovnoběžky ve vzdálenosti d > 0. Na rovinu hodíme náhodně jehlu délky 0 < l < d. Jaká je pravděpodobnost, že jehla protne některou rovnoběžku? Řešení ředpokládejme, že náhodně znamená, že každá poloha (středu) a každá orientace jehly je stejně pravděpodobná a že tyto dvě nahodile proměnné jsou na sobě nezávislé. Nechť x je vzdálenost středu jehly od nejbližší rovnoběžky a φ je úhel, který jehla svírá s rovnoběžkami. mes( A) l sinϕ dϕ 0 Q( A) mes( Ω) πd π l πd 3

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

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

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

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

Někdy lze výsledek pokusu popsat jediným číslem, které označíme X (nebo jiným velkým písmenem). Hodíme dvěma kostkami jaký padl součet?

Někdy lze výsledek pokusu popsat jediným číslem, které označíme X (nebo jiným velkým písmenem). Hodíme dvěma kostkami jaký padl součet? Náhodné veličiny Náhodné veličiny Někdy lze výsledek pokusu popsat jediným číslem, které označíme X (nebo jiným velkým písmenem). Příklad Vytáhneme tři karty z balíčku zajímá nás, kolik je mezi nimi es.

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

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

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

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

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

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

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

5. Jev B je částí jebu A. Co můžeme říct o podmíněné pravděpodobnosti? (1b)

5. Jev B je částí jebu A. Co můžeme říct o podmíněné pravděpodobnosti? (1b) TEST 3 1. U pacienta je podozření na jednu ze čtyř, navzájem se vylučujících nemocí. Pravděpodobnost výskytu těchto nemocí je 0,1, 0,2, 0,4 a 0,3. Laboratorní zkouška je v případě první nemoci pozitivní

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

Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady

Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady Předmět: Náplň: Třída: Počet hodin: Pomůcky: Matematika Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady 4. ročník 3 hodiny týdně PC a dataprojektor Kombinatorika Řeší jednoduché úlohy

Více

Základní pojmy teorie množin Vektorové prostory

Základní pojmy teorie množin Vektorové prostory Základní pojmy teorie množin Přednáška MATEMATIKA č. 1 Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz 7. 10. 2010 Základní pojmy teorie množin Základní pojmy

Více

1 Báze a dimenze vektorového prostoru 1

1 Báze a dimenze vektorového prostoru 1 1 Báze a dimenze vektorového prostoru 1 Báze a dimenze vektorového prostoru 1 2 Aritmetické vektorové prostory 7 3 Eukleidovské vektorové prostory 9 Levá vnější operace Definice 5.1 Necht A B. Levou vnější

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

Podmíněná pravděpodobnost, nezávislost

Podmíněná pravděpodobnost, nezávislost Podmíněná pravděpodobnost, nezávislost Úloha 1: Do třídy 1.A chodí 10 chlapců a 20 dívek, z toho jsou 3 chlapci se jménem Jakub a 2 dívky se jménem Katka. Martina tvrdí, že ráno potkala někoho ze třídy

Více

(bridžové karty : 52 karet celkem, z toho 4 esa) [= 0, 0194] = 7, = 4, = 1, = 9, = 1, 77 10

(bridžové karty : 52 karet celkem, z toho 4 esa) [= 0, 0194] = 7, = 4, = 1, = 9, = 1, 77 10 2. cvičení - STATISTIKA Náhodný jev, Pravděpodobnost jevu, Podmíněná pravděpodbnost, Úplná pravděpodobnost, Bayesova věta 1. V cele předběžného zadržení sedí vedle sebe 10 podezřelých, z toho 3 ženy. Jaká

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

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2014

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2014 Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2014 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia

Více

Komplexní čísla, Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady

Komplexní čísla, Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady Předmět: Náplň: Třída: Počet hodin: Pomůcky: Matematika Komplexní čísla, Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady 4. ročník a oktáva 3 hodiny týdně PC a dataprojektor, učebnice

Více

Definice 7.1 Nechť je dán pravděpodobnostní prostor (Ω, A, P). Zobrazení. nebo ekvivalentně

Definice 7.1 Nechť je dán pravděpodobnostní prostor (Ω, A, P). Zobrazení. nebo ekvivalentně 7 Náhodný vektor Nezávislost náhodných veličin Definice 7 Nechť je dán pravděpodobnostní prostor (Ω, A, P) Zobrazení X : Ω R n, které je A-měřitelné, se nazývá (n-rozměrný) náhodný vektor Měřitelností

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

3. ÚVOD DO ANALYTICKÉ GEOMETRIE 3.1. ANALYTICKÁ GEOMETRIE PŘÍMKY

3. ÚVOD DO ANALYTICKÉ GEOMETRIE 3.1. ANALYTICKÁ GEOMETRIE PŘÍMKY 3. ÚVOD DO ANALYTICKÉ GEOMETRIE 3.1. ANALYTICKÁ GEOMETRIE PŘÍMKY V této kapitole se dozvíte: jak popsat bod v rovině a v prostoru; vzorec na výpočet vzdálenosti dvou bodů; základní tvary rovnice přímky

Více

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice Vektorové podprostory K množina reálných nebo komplexních čísel, U vektorový prostor nad K. Lineární kombinace vektorů u 1, u 2,...,u

Více

Necht L je lineární prostor nad R. Operaci : L L R nazýváme

Necht L je lineární prostor nad R. Operaci : L L R nazýváme Skalární součin axiomatická definice odvození velikosti vektorů a úhlu mezi vektory geometrická interpretace ortogonalita vlastnosti ortonormálních bázi [1] Definice skalárního součinu Necht L je lineární

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

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

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

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

7. Rozdělení pravděpodobnosti ve statistice

7. Rozdělení pravděpodobnosti ve statistice 7. Rozdělení pravděpodobnosti ve statistice Statistika nuda je, má však cenné údaje, neklesejte na mysli, ona nám to vyčíslí Jednou z úloh statistiky je odhad (výpočet) hodnot statistického znaku x i,

Více

Tematický plán Obor: Informační technologie. Vyučující: Ing. Joanna Paździorová

Tematický plán Obor: Informační technologie. Vyučující: Ing. Joanna Paździorová Tematický plán Vyučující: Ing. Joanna Paździorová 1. r o č n í k 5 h o d i n t ý d n ě, c e l k e m 1 7 0 h o d i n Téma- Tematický celek Z á ř í 1. Opakování a prohloubení učiva základní školy 18 1.1.

Více

Teoretická informatika Tomáš Foltýnek Teorie čísel Nekonečno

Teoretická informatika Tomáš Foltýnek Teorie čísel Nekonečno Tomáš Foltýnek foltynek@pef.mendelu.cz Teorie čísel Nekonečno strana 2 Opakování z minulé přednášky Jak je definována podmnožina, průnik, sjednocení, rozdíl? Jak je definována uspořádaná dvojice a kartézský

Více

Matematika 2 pro PEF PaE

Matematika 2 pro PEF PaE Vektorové prostory 1 / 17 Matematika 2 pro PEF PaE 8. Vektorové prostory Přemysl Jedlička Katedra matematiky, TF ČZU Vektorové prostory Vektorové prostory a podprostory 2 / 17 vektorového prostoru Množina

Více

1.3. Číselné množiny. Cíle. Průvodce studiem. Výklad

1.3. Číselné množiny. Cíle. Průvodce studiem. Výklad 1.3. Cíle Cílem kapitoly je seznámení čtenáře s axiomy číselných oborů a jejich podmnožin (intervalů) a zavedení nových pojmů, které nejsou náplní středoškolských osnov. Průvodce studiem Vývoj matematiky

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

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

METRICKÉ A NORMOVANÉ PROSTORY

METRICKÉ A NORMOVANÉ PROSTORY PŘEDNÁŠKA 1 METRICKÉ A NORMOVANÉ PROSTORY 1.1 Prostor R n a jeho podmnožiny Připomeňme, že prostorem R n rozumíme množinu uspořádaných n tic reálných čísel, tj. R n = R } R {{ R }. n krát Prvky R n budeme

Více

Posloupnosti a jejich limity

Posloupnosti a jejich limity KMA/MAT Přednáška č. 7, Posloupnosti a jejich ity 5. listopadu 203 Motivační příklady Prozkoumejme, zatím laicky, následující posloupnosti: Posloupnost, 4, 9,..., n 2,... : Hodnoty rostou nade všechny

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

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

Mgr. Ladislav Zemánek Maturitní okruhy Matematika 2013-2014. 1. Obor reálných čísel

Mgr. Ladislav Zemánek Maturitní okruhy Matematika 2013-2014. 1. Obor reálných čísel Mgr. Ladislav Zemánek Maturitní okruhy Matematika 2013-2014 1. Obor reálných čísel - obor přirozených, celých, racionálních a reálných čísel - vlastnosti operací (sčítání, odčítání, násobení, dělení) -

Více

ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ

ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ Parametrické vyjádření přímky v rovině Máme přímku p v rovině určenou body A, B. Sestrojíme vektor u = B A. Pro bod B tím pádem platí: B = A + u. Je zřejmé,

Více

2. Friesl, M.: Posbírané příklady z pravděpodobnosti a statistiky. Internetový zdroj (viz odkaz).

2. Friesl, M.: Posbírané příklady z pravděpodobnosti a statistiky. Internetový zdroj (viz odkaz). 1 Cvičení z předmětu KMA/PST1 Pro získání zápočtu je nutno mimo docházky (max. 3 absence) uspět minimálně ve dvou ze tří písemek, které budou v průběhu semestru napsány. Součástí třetí písemky bude též

Více

Matematická analýza III.

Matematická analýza III. 1. - limita, spojitost Miroslav Hušek, Lucie Loukotová UJEP 2010 Úvod Co bychom měli znát limity posloupností v R základní vlastnosti funkcí jedné proměnné (definiční obor, monotónnost, omezenost,... )

Více

INTEGRÁLY S PARAMETREM

INTEGRÁLY S PARAMETREM INTEGRÁLY S PARAMETREM b a V kapitole o integraci funkcí více proměnných byla potřeba funkce g(x) = f(x, y) dy proměnné x. Spojitost funkce g(x) = b a f(x, y) dy proměnné x znamená vlastně prohození limity

Více

Organizace. Zápočet: test týden semestru (pátek) bodů souhrnný test (1 pokus) Zkouška: písemná část ( 50 bodů), ústní část

Organizace. Zápočet: test týden semestru (pátek) bodů souhrnný test (1 pokus) Zkouška: písemná část ( 50 bodů), ústní část Matematika I 1/15 2/15 Organizace Zápočet: test 6. + 11. týden semestru (pátek) 80 bodů 50 79 bodů souhrnný test (1 pokus) Zkouška: písemná část ( 50 bodů), ústní část www.vscht.cz/mat Výuka www.vscht.cz/mat/jana.nemcova

Více

Úvod do informatiky. Miroslav Kolařík

Úvod do informatiky. Miroslav Kolařík Úvod do informatiky přednáška sedmá Miroslav Kolařík Zpracováno dle učebního textu R. Bělohlávka: Úvod do informatiky, KMI UPOL, Olomouc 2008. Obsah 1 Čísla a číselné obory 2 Princip indukce 3 Vybrané

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

pro každé i. Proto je takových čísel m právě N ai 1 +. k k p

pro každé i. Proto je takových čísel m právě N ai 1 +. k k p KOMENTÁŘE ÚLOH 43. ROČNÍKU MO, KATEGORIE A 1. Přirozené číslo m > 1 nazveme k násobným dělitelem přirozeného čísla n, pokud platí rovnost n = m k q, kde q je celé číslo, které není násobkem čísla m. Určete,

Více

S1P Příklady 01. Náhodné jevy

S1P Příklady 01. Náhodné jevy S1P Příklady 01 Náhodné jevy Pravděpodobnost, že jedinec z jisté populace se dožije šedesáti let, je 0,8; pravděpodobnost, že se dožije sedmdesáti let, je 0,5. Jaká je pravděpodobnost, že jedinec zemře

Více

Diskrétní náhodná veličina. November 12, 2008

Diskrétní náhodná veličina. November 12, 2008 Diskrétní náhodná veličina November 12, 2008 (Náhodná veličina (náhodná proměnná)) Náhodná veličina (nebo též náhodná proměnná) je veličina X, jejíž hodnota je jednoznačně určena výsledkem náhodného pokusu.

Více

Matice. Je dána matice A R m,n, pak máme zobrazení A : R n R m.

Matice. Je dána matice A R m,n, pak máme zobrazení A : R n R m. Matice lineárních zobrazení [1] Připomenutí Zobrazení A : L 1 L 2 je lineární, když A( x + y ) = A( x ) + A( y ), A(α x ) = α A( x ). Což je ekvivalentní s principem superpozice: A(α 1 x 1 + + α n x n

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

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

Cvičné texty ke státní maturitě z matematiky

Cvičné texty ke státní maturitě z matematiky Cvičné texty ke státní maturitě z matematiky Pracovní listy s postupy řešení Brno 2010 RNDr. Rudolf Schwarz, CSc. Státní maturita z matematiky Obsah Obsah NIŽŠÍ úroveň obtížnosti 4 MAGZD10C0K01 říjen 2010..........................

Více

Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují

Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují 1. u + v = v + u, u, v V 2. (u + v) + w = u + (v + w),

Více

4. cvičení 4ST201. Pravděpodobnost. Obsah: Pravděpodobnost Náhodná veličina. Co je třeba znát z přednášek

4. cvičení 4ST201. Pravděpodobnost. Obsah: Pravděpodobnost Náhodná veličina. Co je třeba znát z přednášek cvičící 4. cvičení 4ST201 Obsah: Pravděpodobnost Náhodná veličina Vysoká škola ekonomická 1 Pravděpodobnost Co je třeba znát z přednášek 1. Náhodný jev, náhodný pokus 2. Jev nemožný, jev jistý 3. Klasická

Více

Vektorový prostor. Př.1. R 2 ; R 3 ; R n Dvě operace v R n : u + v = (u 1 + v 1,...u n + v n ), V (E 3 )...množina vektorů v E 3,

Vektorový prostor. Př.1. R 2 ; R 3 ; R n Dvě operace v R n : u + v = (u 1 + v 1,...u n + v n ), V (E 3 )...množina vektorů v E 3, Vektorový prostor Příklady: Př.1. R 2 ; R 3 ; R n...aritmetický n-rozměrný prostor Dvě operace v R n : součet vektorů u = (u 1,...u n ) a v = (v 1,...v n ) je vektor u + v = (u 1 + v 1,...u n + v n ),

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

3.2. ANALYTICKÁ GEOMETRIE ROVINY

3.2. ANALYTICKÁ GEOMETRIE ROVINY 3.2. ANALYTICKÁ GEOMETRIE ROVINY V této kapitole se dozvíte: jak popsat rovinu v třídimenzionálním prostoru; jak analyzovat vzájemnou polohu bodu a roviny včetně jejich vzdálenosti; jak analyzovat vzájemnou

Více

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2015

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2015 Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 05 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia

Více

Učební texty k státní bakalářské zkoušce Matematika Skalární součin. študenti MFF 15. augusta 2008

Učební texty k státní bakalářské zkoušce Matematika Skalární součin. študenti MFF 15. augusta 2008 Učební texty k státní bakalářské zkoušce Matematika Skalární součin študenti MFF 15. augusta 2008 1 10 Skalární součin Požadavky Vlastnosti v reálném i komplexním případě Norma Cauchy-Schwarzova nerovnost

Více

4. ZÁKLADNÍ TYPY ROZDĚLENÍ PRAVDĚPODOBNOSTI DISKRÉTNÍ NÁHODNÉ VELIČINY

4. ZÁKLADNÍ TYPY ROZDĚLENÍ PRAVDĚPODOBNOSTI DISKRÉTNÍ NÁHODNÉ VELIČINY 4. ZÁKLADNÍ TYPY ROZDĚLENÍ PRAVDĚPODOBNOSTI DISKRÉTNÍ NÁHODNÉ VELIČINY Průvodce studiem V této kapitole se seznámíte se základními typy rozložení diskrétní náhodné veličiny. Vašim úkolem by neměla být

Více

10. N á h o d n ý v e k t o r

10. N á h o d n ý v e k t o r 10. N á h o d n ý v e k t o r 10.1. Definice: Náhodný vektor. Uspořádanou n tici (X 1, X 2,..., X n ) náhodných veličin X i, 1 i n, nazýváme náhodným vektorem. Poznámka: Pro jednoduchost budeme zavádět

Více

Posloupnosti a jejich konvergence POSLOUPNOSTI

Posloupnosti a jejich konvergence POSLOUPNOSTI Posloupnosti a jejich konvergence Pojem konvergence je velmi důležitý pro nediskrétní matematiku. Je nezbytný všude, kde je potřeba aproximovat nějaké hodnoty, řešit rovnice přibližně, používat derivace,

Více

MATURITNÍ TÉMATA Z MATEMATIKY

MATURITNÍ TÉMATA Z MATEMATIKY MATURITNÍ TÉMATA Z MATEMATIKY 1. Základní poznatky z logiky a teorie množin Pojem konstanty a proměnné. Obor proměnné. Pojem výroku a jeho pravdivostní hodnota. Operace s výroky, složené výroky, logické

Více

prof. RNDr. Čestmír Burdík DrCs. prof. Ing. Edita Pelantová CSc. BI-ZMA ZS 2009/2010

prof. RNDr. Čestmír Burdík DrCs. prof. Ing. Edita Pelantová CSc. BI-ZMA ZS 2009/2010 Základní pojmy prof. RNDr. Čestmír Burdík DrCs. prof. Ing. Edita Pelantová CSc. Katedra matematiky České vysoké učení technické v Praze c Čestmír Burdík, Edita Pelantová 2009 Základy matematické analýzy

Více

Určete zákon rozložení náhodné veličiny, která značí součet ok při hodu a) jednou kostkou, b) dvěma kostkami, c) třemi kostkami.

Určete zákon rozložení náhodné veličiny, která značí součet ok při hodu a) jednou kostkou, b) dvěma kostkami, c) třemi kostkami. 3.1. 3.2. Třikrát vystřelíme na cíl. Pravděpodobnost zásahu při každém výstřelu je p = 0,7. Určete: a) pravděpodobnostní funkci počtu zásahů při třech nezávislých výsledcích, b) distribuční funkci a její

Více

Euklidovský prostor. Funkce dvou proměnných: základní pojmy, limita a spojitost.

Euklidovský prostor. Funkce dvou proměnných: základní pojmy, limita a spojitost. Euklidovský prostor. Funkce dvou proměnných: základní pojmy, limita a spojitost. Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a

Více

19 Hilbertovy prostory

19 Hilbertovy prostory M. Rokyta, MFF UK: Aplikovaná matematika III kap. 19: Hilbertovy prostory 34 19 Hilbertovy prostory 19.1 Úvod, základní pojmy Poznámka (připomenutí). Necht (X,(, )) je vektorový prostor se skalárním součinem

Více

Posloupnosti a řady. 28. listopadu 2015

Posloupnosti a řady. 28. listopadu 2015 Posloupnosti a řady Přednáška 5 28. listopadu 205 Obsah Posloupnosti 2 Věty o limitách 3 Řady 4 Kritéria konvergence 5 Absolutní a relativní konvergence 6 Operace s řadami 7 Mocninné a Taylorovy řady Zdroj

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

PRIMITIVNÍ FUNKCE. Primitivní funkce primitivní funkce. geometrický popis integrály 1 integrály 2 spojité funkce konstrukce prim.

PRIMITIVNÍ FUNKCE. Primitivní funkce primitivní funkce. geometrický popis integrály 1 integrály 2 spojité funkce konstrukce prim. PRIMITIVNÍ FUNKCE V předchozích částech byly zkoumány derivace funkcí a hlavním tématem byly funkce, které derivace mají. V této kapitole se budou zkoumat funkce, které naopak jsou derivacemi jiných funkcí

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

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

Matematika B101MA1, B101MA2

Matematika B101MA1, B101MA2 Matematika B101MA1, B101MA2 Zařazení předmětu: povinný předmět 1.ročníku bc studia 2 semestry Rozsah předmětu: prezenční studium 2 + 2 kombinované studium 16 + 0 / semestr Zakončení předmětu: ZS zápočet

Více

Pravděpodobnost a matematická statistika

Pravděpodobnost a matematická statistika Pravděpodobnost a matematická statistika Mirko Navara Centrum strojového vnímání katedra kybernetiky FEL ČVUT Karlovo náměstí, budova G, místnost 104a http://cmp.felk.cvut.cz/ navara/mvt http://cmp.felk.cvut.cz/

Více

Přednáška II. Vztah pravděpodobnosti, statistiky a biostatistiky

Přednáška II. Vztah pravděpodobnosti, statistiky a biostatistiky řednáška II. Vztah pravděpodobnosti, statistiky a biostatistiky Statistika vychází z pravděpodobnosti odmíněná pravděpodobnost, Bayesůvvzorec Senzitivita, specificita, prediktivní hodnoty Frekventistická

Více

na magisterský studijní obor Učitelství matematiky pro střední školy

na magisterský studijní obor Učitelství matematiky pro střední školy Datum:... Jméno:... Přijímací řízení pro akademický rok 203/4 na magisterský studijní obor Učitelství matematiky pro střední školy Písemná část přijímací zkoušky z matematiky Za každou správnou odpověd

Více

PRIMITIVNÍ FUNKCE DEFINICE A MOTIVACE

PRIMITIVNÍ FUNKCE DEFINICE A MOTIVACE PIMITIVNÍ FUNKCE V předchozích částech byly zkoumány derivace funkcí a hlavním tématem byly funkce, které derivace mají. V této kapitole se budou zkoumat funkce, které naopak jsou derivacemi jiných funkcí

Více

Nekonečné číselné řady. January 21, 2015

Nekonečné číselné řady. January 21, 2015 Nekonečné číselné řady January 2, 205 IMA 205 Příklad 0 = 0 + 0 +... + 0 +... =? n= IMA 205 Příklad n= n 2 + n = 2 + 6 + 2 +... + n 2 +... =? + n s = 2 s 2 = 2 3... s 3 = 3 4 IMA 205 Příklad (pokr.) =

Více

2. Je dáno jevové pole (Ω;A) a na něm nezáporná normovaná funkce. Definujte distrubuční funkci náhodného vektoru.

2. Je dáno jevové pole (Ω;A) a na něm nezáporná normovaná funkce. Definujte distrubuční funkci náhodného vektoru. Varianta I 1. Definujte pravděpodobnostní funkci. 2. Je dáno jevové pole (Ω;A) a na něm nezáporná normovaná funkce. Definujte distrubuční funkci náhodného vektoru. 3. Definujte Fisher-Snedecorovo rozdělení.

Více

Téma 22. Ondřej Nývlt

Téma 22. Ondřej Nývlt Téma 22 Ondřej Nývlt nyvlto1@fel.cvut.cz Náhodná veličina a náhodný vektor. Distribuční funkce, hustota a pravděpodobnostní funkce náhodné veličiny. Střední hodnota a rozptyl náhodné veličiny. Sdružené

Více

Matematika PRŮŘEZOVÁ TÉMATA

Matematika PRŮŘEZOVÁ TÉMATA Matematika ročník TÉMA 1-4 Operace s čísly a - provádí aritmetické operace v množině reálných čísel - používá různé zápisy reálného čísla - používá absolutní hodnotu, zapíše a znázorní interval, provádí

Více

1 Posloupnosti a řady.

1 Posloupnosti a řady. 1 Posloupnosti a řady. 1.1 Posloupnosti reálných čísel. Definice 1.1: Posloupností reálných čísel nazýváme zobrazení f množiny N všech přirozených čísel do množiny R všech reálných čísel. Pokud nemůže

Více

Cílem kapitoly je opakování a rozšíření středoškolských znalostí v oblasti teorie množin.

Cílem kapitoly je opakování a rozšíření středoškolských znalostí v oblasti teorie množin. 1.2. Cíle Cílem kapitoly je opakování a rozšíření středoškolských znalostí v oblasti teorie množin. Průvodce studiem Množina je jedním ze základních pojmů moderní matematiky. Teorii množin je možno budovat

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

Maturitní otázky z předmětu MATEMATIKA

Maturitní otázky z předmětu MATEMATIKA Wichterlovo gymnázium, Ostrava-Poruba, příspěvková organizace Maturitní otázky z předmětu MATEMATIKA 1. Výrazy a jejich úpravy vzorce (a+b)2,(a+b)3,a2-b2,a3+b3, dělení mnohočlenů, mocniny, odmocniny, vlastnosti

Více

1. Matice a maticové operace. 1. Matice a maticové operace p. 1/35

1. Matice a maticové operace. 1. Matice a maticové operace p. 1/35 1. Matice a maticové operace 1. Matice a maticové operace p. 1/35 1. Matice a maticové operace p. 2/35 Matice a maticové operace 1. Aritmetické vektory 2. Operace s aritmetickými vektory 3. Nulový a opačný

Více

Marie Duží

Marie Duží Marie Duží marie.duzi@vsb.cz Co je to množina? Množina je soubor prvků a je svými prvky plně určena; množinu s prvky a, b, c značíme: {a, b, c}. Prvkem množiny může být opět množina, množina nemusí mít

Více

1 Rozptyl a kovariance

1 Rozptyl a kovariance Rozptyl a kovariance Nechť X je náhodná veličina s konečnou střední hodnotou EX Potom rozptyl náhodné veličiny X definujeme jako: DX E(X EX, pokud střední hodnota na pravé straně existuje Podobně jako

Více

Základní pojmy a úvod do teorie pravděpodobnosti. Ing. Michael Rost, Ph.D.

Základní pojmy a úvod do teorie pravděpodobnosti. Ing. Michael Rost, Ph.D. Základní pojmy a úvod do teorie pravděpodobnosti Ing. Michael Rost, Ph.D. Co je to Statistika? Statistiku lze definovat jako vědní obor, zabývající se hromadnými jevy a procesy. Statistika zahrnuje jak

Více

Jednoduché cykly 35. 36. 37. 38. 39. 40. 41. 42. 43. 44. 45.

Jednoduché cykly 35. 36. 37. 38. 39. 40. 41. 42. 43. 44. 45. Jednoduché cykly Tento oddíl obsahuje úlohy na první procvičení práce s cykly. Při řešení každé ze zde uvedených úloh stačí použít vedle podmíněných příkazů jen jediný cyklus. Nepotřebujeme používat ani

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

Úlohy krajského kola kategorie A

Úlohy krajského kola kategorie A 62. ročník matematické olympiády Úlohy krajského kola kategorie A 1. Je dáno 21 různých celých čísel takových, že součet libovolných jedenácti z nich je větší než součet deseti ostatních čísel. a) Dokažte,

Více