Hustota pravděpodobnosti případ dvou proměnných
|
|
- Ivana Holubová
- před 5 lety
- Počet zobrazení:
Transkript
1 Husoa pravěpoobnos přípa vou proměnných f očekávaná honoa náhoné proměnné : operáor očekávané hono : očekávaná honoa náhoné proměnné : f f g g obecně :
2 Husoa pravěpoobnos přípa vou proměnných rozpl náhoné proměnné : f V rozpl náhoné proměnné : f V kovarance náhoných proměnných a : cov kovaranční mace cov cov cov cov V V korelace náhoných proměnných a : cov
3 Husoa pravěpoobnos přípa vou proměnných nezávslé náhoné proměnné : f f f rozpl náhoné proměnné : f f f V rozpl náhoné proměnné : f V cov kovaranční mace:
4 Korelace náhoných proměnných ()= =.7 () () = =. () =
5 Korelace náhoných proměnných () =.9 () = = -.7 () () = =
6 Korelace náhoných proměnných
7 Korelace náhoných proměnných n..
8 Oha kovarance a korelace náhoné proměnné naměříme ; cov ( )??? ) cov( ) v( co ) ( s s ) ( s s
9 Oha kovarance a korelace náhoné proměnné hlana sgnfkance 5% naměříme ; cov ( )??? cov( ) cov( ) ( s s ) s s
10 ) v( co s s ) ( s s =.9.3 Oha korelace leen 6 březen 8
11 Pearsonův korelační koefcen z sanarzovaná z proměnná ˆ ˆ ˆ z oha ˆ ˆ z z r ˆ ˆ ˆ ˆ Pearsonův korelační koefcen
12 z-usd Oha korelace = směrnce: z-ur
13 ) v( co s s ) ( s s = Oha korelace leen 6 březen 8
14 Oha korelace = SKKvs USD normalze z-values = -.3 +/-.6 3 směrnce: z-usd z-skk
15 Auokorelace ' ' ' ' ' ' ' ' R korelační funkce: saconární proces. řáu: (. a. momen nezávsí na čase) R R auokorelace: skréní proces: k k k k R oha auokorelace:
16 UR auocorrelaon Auokorelace UR leen 6 březen k (n) k (n)
17 USD auocorrelaon Auokorelace UR USD leen 6 březen k (n) k (n)
18 SKK auocorrelaon Auokorelace UR USD SKK leen 6 březen 8 SKK k (n) k (n)
19 UR auocorrelaon auocorrelaon Auokorelace k (n).4. 3 leen 6 březen k (n) k (n)
20 Oha korelace eekor -645 bcg eekor bcg (h)
21 z-e Oha korelace korelace z-e
22 auocorrelaon auokorelace eekor eekor (h)
23 Korelace ˆ 7.5 ˆ 4.. 8
24 Oha korelace Spearmanův korelační koefcen 6 rank rank
25 Oha korelace
26 Oha korelace rank- rank
27 Oha korelace rank- rank Spearmanův korelační koefcen 6 rank rank
28 Oha korelace Pearson: =.88.5 Spearman: =
29 Oha korelace Spearmanův korelační koefcen oha spolehlvos F 6 log arcanh rank rank (Fsherova ransformace) z - skóre z 3 F.6 poku jsou nezávslé je z výběrem ze sanarního normálního rozělení () P z z F z erf z
30 Oha korelace Pearson: =.88.5 Spearman: = P z.7 z
31 Oha korelace
32 Oha korelace
ř úř úř ř Č ř Ž ř ř Č ú ú ú ú Ž ř Č ř ó ř úř ř ř ř ř ř ř ú ř ř ú ř ř ř ř ú ú ř Č ř ř ř Č ú ř ú ř ú ú ú ú ř ú ř ř ř ř ř ó ř ř ř ř Ř ř ř úř ř ř ř ř ř Ž Ý Š Š ř ř ř ř ú ř ř ř ř Ý ř ř ř ú Ú Š ř É Ú ú ť ř úř
VíceÚ ř Č ř ů ř ř ů ř ř ů ú ú ú ř ú ř ř ů Č Ž ř ř ů ř ř úř ř ř ů ů ú ú ř ř ú ú ú ř ů ř ř ď ů ú ů ú ú ú ř úř ů ř ů ř ů ř Č ř ř ř ř ř ř ř ů ř ř ř ř ú ř ř ř ř Č ř ů ř ř ř ř ř ř ř ů ť ů ř úř ř ř ů ř ř ř Ž ř ř
VíceRegresní a korelační analýza
Regresní a korelační analýza Závslost příčnná (kauzální). Závslostí pevnou se označuje případ, kdy výskytu jednoho jevu nutně odpovídá výskyt druhé jevu (a často naopak). Z pravděpodobnostního hledska
VíceŮ Á Ť ť ť Á š ř ř Š ů ř š ř ů ú š Š ř ř ř ř Ý ů Č ř ů ř ř ř úř ď š Ť ř ř úř š ř Č ť š Ž š ř ú ú Ž š ř ř ř š š ř Á ř É ť Á ú š ř ř ř š š ř ú ř š Á ř ř ř ó š Ž š ř ú ú Ž Ž ú ř ř ř ř Žš š Č š Á ř Č Č Č Á
VíceÁ Ě É ó ř ž Á Ě É š ř Ň úř ř ď Ž ř š Á Ě É Á ř ú ř ř ř ř ó š ň ř ř ř ř ž ř ž ř Ž ř ř ň ž ř š ž ú Ž šř ř š Ě Í Í É Í ř ř ř š ř ž ž ř Á Ě É Ň ž ř ř ž š Ř š ž ř ř ž ř ž š ú š ř ž Ř Á Ě Í Í É Í š ž ř ž ž šť
VíceAplikovaná statistika v R - cvičení 2
Aplikovaná statistika v R - cvičení 2 Filip Děchtěrenko Matematicko-fyzikální fakulta filip.dechterenko@gmail.com 5.6.2014 Filip Děchtěrenko (MFF UK) Aplikovaná statistika v R 5.6.2014 1 / 18 Přehled Rkových
VíceREGRESNÍ ANALÝZA. 13. cvičení
REGRESNÍ ANALÝZA 13. cvčení Závslost náhodných velčn Závslost mez kvanttatvním proměnným X a Y: Funkční závslost hodnotam nezávsle proměnných je jednoznačně dána hodnota závslé proměnné. Y=f(X) Stochastcká
VíceStatistická analýza jednorozměrných dat
Statistická analýza jednorozměrných dat Prof. RNDr. Milan Meloun, DrSc. Univerzita Pardubice, Pardubice 31.ledna 2011 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem
VíceĎ Ý Ú Ý Č Č Č ÚŘ Ď Ě Ě ť ň Č Š Ů ť ň Š Š Š Š Ú Š Ú Á Á Á Á Ě Ý Ú Ě ť Ó ť Č Š Ů Ó Š Č É Š ť Ů ú ť ď ť É ť Š Ě ř ť ť Ě Ď Č Ř Ř Ú Ř Č Ř Ř Ď ď ď ď ď Č Ů Ů Ů Č ť Ý Ů ť Ů Ů ť ř Š Ů Ó ť Ů Ů Ů ť ř Ů Ů Ď Ů ř Ů
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
VícePSY117/454 Statistická analýza dat v psychologii. Zobrazení dvojrozměrných dat Bodový graf - Scatterplot Korelační koeficient
PSY117/454 Statistická analýza dat v psychologii Zobrazení dvojrozměrných dat Bodový graf - Scatterplot Korelační koeficient Analýza vztahů mezi dvěma proměnnými Souvisí nějak? Výška a váha Známky u jednotlivých
VíceTématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"
Tématické okruhy pro státní závěrečné zkoušky bakalářské studium studijní obor "Management jakosti" školní rok 2010/2011 Management jakosti A 1. Pojem jakosti a význam managementu jakosti v současném období.
VícePSY117/454 Statistická analýza dat v psychologii Přednáška 5 ZOBRAZENÍ DVOUROZMĚRNÝCH DAT KORELAČNÍ KOEFICIENT. Všichni žijeme v matrixu.
PSY117/454 Statistická analýza dat v psychologii Přednáška 5 ZOBRAZENÍ DVOUROZMĚRNÝCH DAT KORELAČNÍ KOEFICIENT Všichni žijeme v matrixu. V minulých dílech jsme viděli/y: Frekvence = četnosti Procenta =
VícePříklad 1. Korelační pole. Řešení 1 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 13
Příklad 1 Máme k dispozici výsledky prvního a druhého testu deseti sportovců. Na hladině významnosti 0,05 prověřte, zda jsou výsledky testů kladně korelované. 1.test : 7, 8, 10, 4, 14, 9, 6, 2, 13, 5 2.test
VíceTématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"
Tématické okruhy pro státní závěrečné zkoušky bakalářské studium studijní obor "Management jakosti" školní rok 2009/2010 Management jakosti A 1. Pojem jakosti a význam managementu jakosti v současném období.
VíceSystém rizikové analýzy při sta4ckém návrhu podzemního díla. Jan Pruška
Systém rizikové analýzy při sta4ckém návrhu podzemního díla Jan Pruška Definice spolehlivos. Spolehlivost = schopnost systému (konstrukce) zachovávat požadované vlastnos4 po celou dobu životnos4 = pravděpodobnost,
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOS A SAISIKA Regulární systém hustot Vychází se z: -,, P - pravděpodobnostní prostor -, R neprázdná množna parametrů - X X 1,, náhodný vektor s sdruženou hustotou X n nebo s sdruženou pravděpodobnostní
VíceNeparametrické testy
Neparametrické testy Dosud jsme se zabývali statistickými metodami, které zahrnovaly předpoklady o rozdělení dat. Zpravidla jsme předpokládali normální (Gaussovo) rozdělení. Například: Grubbsův test odlehlých
VíceMÍRY ZÁVISLOSTI (KORELACE A REGRESE)
zhanel@fsps.muni.cz MÍRY ZÁVISLOSTI (KORELACE A REGRESE) 2.5 MÍRY ZÁVISLOSTI 2.5.1 ZÁVISLOST PEVNÁ, VOLNÁ, STATISTICKÁ A KORELAČNÍ Jednorozměrné soubory - charakterizovány jednotlivými statistickými znaky
Víceě ř ě ř ř ú ř ř ěř ěř ěř ý ř ř ú ěř Ú ř ě ř ý ř ý ěř ěř ý ú ř ú ě ě ú ř ř ú ě ú ě ú ě ú ý Ú ř ú ó ř ó ř ú ě ý ú ě ř ň ř ř ň ř ý ú ý ě ě ě ě ú ř ň ý ú ý ř ú ř ý ý ď ý ř ř ú ú ý ě ř ř ě ř ý ř ř ř ě ř ý ř
VíceNáhodným vektorem rozumíme sloupcový vektor složený z náhodných veličin X = (X 1, X 2,
Statstka I cvčení - 54-5 NÁHODNÝ VEKTOR Náhodným vektorem rozumíme sloupcový vektor složený z náhodných velčn = n který je charakterzován sdruženou smultánní dstrbuční unkcí ; F náhodný vektor s dskrétním
VíceNeparametrické metody
Neparametrické metody Dosud jsme se zabývali statistickými metodami, které zahrnovaly předpoklady o rozdělení dat. Zpravidla jsme předpokládali normální rozdělení. Např. Grubbsův test odlehlých hodnot
Víceř ř ř ř Č ř ěř ř ě ě ě ř Ž ě Č ř ě ř ě ě ř ěř ě ěř Ž ě ř ř ř ě ě ř ř ě ě ě ě ě Ý Ě ř ě ě ř ě ř ě Č Č ř ř Č ř ě ě ě ě ě ě Č ř ě ř ě ě ř ř ř Č Š ř Á Ž Č Ž ř ř Č ř ě ě ě ě ó ě ř ř Ě ó ť ř ě ř ě ě ě ř ě Á
VíceKorelace. Komentované řešení pomocí MS Excel
Korelace Komentované řešení pomocí MS Excel Vstupní data Tabulka se vstupními daty je umístěna v oblasti A2:B84 (viz. obrázek) Prvotní představu o tvaru a síle závislosti docházky a počtu bodů nám poskytne
Víceúř ř Č Ž ř ř Ž Á úř ř ž ř ř š ř ř š ů š ř ů Í Í ř š ř ů ř ž š ř š Í ů ť ú ř ř ř ř ř Ž ů ř ř ř Ú ř ř ů ů ú ř š Ž ů ů ů ů ú ů ř ů š ů ž š ž š š ů š ř ť Í ř ř ř ř ř ř ř Í ř ř Í ř ř ž ž š ř ú ř Í ž ž š Ž ř
VíceINDUKTIVNÍ STATISTIKA
10. SEMINÁŘ INDUKTIVNÍ STATISTIKA 3. HODNOCENÍ ZÁVISLOSTÍ HODNOCENÍ ZÁVISLOSTÍ KVALITATIVNÍ VELIČINY - Vychází se z kombinační (kontingenční) tabulky, která je výsledkem třídění druhého stupně KVANTITATIVNÍ
Více6. Lineární regresní modely
6. Lineární regresní modely 6.1 Jednoduchá regrese a validace 6.2 Testy hypotéz v lineární regresi 6.3 Kritika dat v regresním tripletu 6.4 Multikolinearita a polynomy 6.5 Kritika modelu v regresním tripletu
VíceYou created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com)
Závislost náhodných veličin Úvod Předchozí přednášky: - statistické charakteristiky jednoho výběrového nebo základního souboru - vztahy mezi výběrovým a základním souborem - vztahy statistických charakteristik
Více( ) r Urč ete mohutnost a energii impulsu. r Vypočítejte spektrální hustotu signálu z př.1.57 a nakreslete modulové a fázové spektrum.
Sgná ly se souvslým časem Ř EŠENÉPŘ ÍKLADY r 57 Urč ee mohunos a energ mpulsu τ ( ) ( ) I e, I ma, τ ms ( ) I τ Obr34 Analyzovaný mpuls Mohunosmpulsu ( ) M d I e τ d τ I µ As µ C (mkrocoulomb) Normovanáenerge
Víceú ď ť ó ř ý ě ě ř ř ř Š ú ř ě ú ď ř ě ý ř ě ř ý ř ě ř ě ý ý ř ě ě ř ó Ěú Í ř ě ř ě ý ř ř ě ě ř ě úř ř ý ú ú ú ě ý ř ř ř ř ě ý Ěú Í ě ý ú ě ó ý ř ř ř ř ě ě ý ú ý ě ú ý ě ě ó Ěú ý ř ř ě ý ř ý ě ý ý ě ě ř
VíceČ š Ú ÚŘ š ž ď Ž ž š š ď Í Č š ž Í ž š ť Í ď š š ž š ž Ž Í š šť š ť ž ž ž ž Ú Í ž š š š ž ž ď ž Ž š š Ú ď š Ž ž Ž Ž ť ž ž š ž ď ž ž ž ž š ž š ď Ť ž š ž š Ž Č ť š ž ž ž ž Í Í š Í Í ž š š Í š ž ž ž š š š
VíceVztah mezi počtem květů a celkovou biomasou rostliny CELKE EM. slá pro KVETU = závi
Regrese a korelace Regrese versus korelace Regrese (regresson)* popsuje vztah = závslost dvou a více kvanttatvních (popř. ordnálních) proměnných formou funkční závslost měří těsnost Korelace (correlaton)
VícePřijímací zkouška na navazující magisterské studium 2015
Přijímací zkouška na navazující magisterské stuium 05 Stuijní program: Stuijní obor: Řešení příklaů pečlivě oůvoněte. Příkla (5 boů) Spočtěte ke M {(y, x) R ; x 0, x + y a}. Příkla (5 boů) Nalezněte supremum
VíceTestování hypotéz a měření asociace mezi proměnnými
Testování hypotéz a měření asociace mezi proměnnými Testování hypotéz Nulová a alternativní hypotéza většina statistických analýz zahrnuje různá porovnání, hledání vztahů, efektů Tvrzení, že efekt je nulový,
Více4EK211 Základy ekonometrie
4EK Základy ekonomerie Heeroskedasicia Cvičení 7 Zuzana Dlouhá Gauss-Markovy předpoklady Náhodná složka: Gauss-Markovy předpoklady. E(u) = 0 náhodné vlivy se vzájemně vynulují. E(uu T ) = σ I n konečný
VícePearsonův korelační koeficient
I I.I Pearsonův korelační koeficient Úvod Předpokládejme, že náhodně vybereme n objektů (nebo osob) ze zkoumané populace. Často se stává, že na každém z objektů měříme ne pouze jednu, ale několik kvantitativních
VíceReálné opce. Typy reálných opcí. Výpočet hodnoty opce. příklady použití základních reálných opcí
Reálné opce příklady použí základních reálných opcí Typy reálných opcí! Ukonč projek odsoup! Rozšíř projek expandova, růsová! Provozní! Záměny! Složená! Eapová! Jné? Výpoče hodnoy opce! Spojě pomocí řešení
VíceMnohorozměrná statistická data
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Statistický znak, statistický soubor Jednotlivé objekty nebo subjekty, které jsou při statistickém
VíceTématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"
Tématické okruhy pro státní závěrečné zkoušky bakalářské studium studijní obor "Management jakosti" školní rok 2013/2014 Management jakosti A 1. Pojem jakosti a význam managementu jakosti v současném období.
VíceMnohorozměrná statistická data
Mnohorozměrná statistická data Ekonometrie Jiří Neubauer Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Jiří Neubauer (Katedra ekonometrie UO Brno) Mnohorozměrná
VíceMann-Whitney U-test. Znaménkový test. Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek
10. Neparametrické y Mann-Whitney U- Wilcoxonův Znaménkový Shrnutí statistických ů Typ srovnání Nulová hypotéza Parametrický Neparametrický 1 skupina dat vs. etalon Střední hodnota je rovna hodnotě etalonu.
Víceě ý úř š ř ř š ě ý úř ý š ě ň ř ň ý ř ž ň ř ý ý Č ě ýš ž ě ř š ž ě úř ě š ř ů ě ů š ů š ž ů ň ř ě Č ř ď ú ě ý úř š ř š ě ý úř ý š ě ň ř ň ý ř ž ň ř ý ž ě ýš ž ě ř š ž ě ř ě š ř ě ř ů ě ů š ů š ž ů ň ř
Víceůř ř é Č ř ř Ř Č Á ř ě ř ď ú ů ů ř ě Í ř ě ř ě ř ř ř ú ů ů ř ě ů ř é ř é ě ú ř ě ě ř ř ř ě é ř ě é ř é ě é ě é é ě é ó é é é é é é ř é é ěž é ú Č ř ř é š ř ě Í ú ů é ě Ú ř ě ě ř ř ř Č ř ě é ě Í é ř ě é
VíceZX510 Pokročilé statistické metody geografického výzkumu. Téma: Měření síly asociace mezi proměnnými (korelační analýza)
ZX510 Pokročilé statistické metody geografického výzkumu Téma: Měření síly asociace mezi proměnnými (korelační analýza) Měření síly asociace (korelace) mezi proměnnými Vztah mezi dvěma proměnnými existuje,
VíceĚ Ý Ř úř ř ý Á Ř Á É Ř Á Ř É Á š Ž Á Ř Ž ú ř úř úř úř ř š ý ú ř Š ř ů ú ř ř š ř ů ř ř ú Ř ú ř ř ž ř ú ú ý ů ý ř ú ř ř ů ř ú ř ř Ž ů úř úř ř ř ř š ť ř š Ž ý ř ř ů ř úř ň ů ř Ž Ž ř ř ů ů ý ý Ž řň š ř š ý
VícePříklady ke čtvrtému testu - Pravděpodobnost
Příklady ke čtvrtému testu - Pravděpodobnost 6. dubna 0 Instrukce: Projděte si všechny příklady. Každý příklad se snažte pochopit. Pak vymyslete a vyřešte příklad podobný. Tím se ujistíte, že příkladu
VícePružnost a plasticita Program č.2. Fotografie reálné konstrukce
Jméno: Suijní skupin : úerý 14.15 soupu = 2.50 m D = 0.25 m = 100 kn Při výpoču vsupních hono pí priori násoení, rozměry uveené konsrukce jsou v [m] zížení v [kn] [kn/m]. Součinie nhoiého zížení je γ Q
VíceVYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA. VZORCE PRO 4ST201 a 4ST210
VYOKÁ ŠKOLA EKONOMICKÁ V RAZE FAKULA INFORMAIKY A AIIKY Kaedra sas a pravděpodobos AIIKA VZORCE RO 4 a 4 verze 8 posledí aualzace:. 9. 8 K 8 opsá sasa p p =,,...,... () () ( ),, z, ( z ) ( z ) ( z), z
VícePřednáška 10. Analýza závislosti
Přednáška 10 Analýza závislosti Analýza závislosti dvou kategoriálních proměnných Analýza závislosti v kontingečních tabulkách Analýza závislosti v asociačních tabulkách Simpsonův paradox Analýza závislosti
Víceř é ř ř Š ř Š Š ě ě é ů ř é ů ř ř é ě š ů Ú é ů ú ů ě ú é ř é ú ů é ř é é š ě é ř é Š ř ě Í ú ř ě é ř ď ě é ř é ě ů é ď Š ď ě ě é ú ů úř ě é ú é é ú ě ř ú é é é š ř é ř ř é š ě é ě ě é ú é ř ě ě ř é ř
VíceKontingenční tabulky, korelační koeficienty
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz Budeme předpokládat, že X a Y jsou kvalitativní náhodné veličiny, obor hodnot X obsahuje r hodnot (kategorií,
VíceCvičení ze statistiky - 3. Filip Děchtěrenko
Cvičení ze statistiky - 3 Filip Děchtěrenko Minule bylo.. Dokončili jsme základní statistiky, typy proměnných a začali analýzu kvalitativních dat Tyhle termíny by měly být známé: Histogram, krabicový graf
VíceANALÝZA ZPOŽDĚNÍ PŘI MODELOVÁNÍ VZTAHŮ MEZI ČASOVÝMI ŘADAMI
Polcká ekonome 49:, sr. 58-73, VŠE Praha,. ISSN 3-333 Rukops ANALÝZA ZPOŽDĚNÍ PŘI MODELOVÁNÍ VZAHŮ MEZI ČASOVÝMI ŘADAMI Josef ARL, Šěpán RADKOVSKÝ, Vsoká škola ekonomcká, Praha, Česká národní banka, Praha.
Víceú ě ř š ř ě ú ú ř é ř ř ř ěř ř š ň Ž é ě ě ř ě Ž ř ě ěř Ú ř ř ř ř š é ř řš ě ěř é š ě řš Ú é é úř ě é š š é ř ř ř ě é ř ú ř ř ř ě ř ř ě ř ě ř ě é ř ř ě ú ř ř ř ě ě é é ř ě ě é ř é ě š é ě ě é ř ř š ú ě
VíceRNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.
Analýza dat pro Neurovědy RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr. Jaro 2014 Institut biostatistiky Janoušová, a analýz Dušek: Analýza dat pro neurovědy Blok 7 Jak hodnotit vztah spojitých proměnných
VíceSTANOVENÍ SPOLEHLIVOSTI GEOTECHNICKÝCH KONSTRUKCÍ. J. Pruška, T. Parák
STANOVENÍ SPOLEHLIVOSTI GEOTECHNICKÝCH KONSTRUKCÍ J. Pruška, T. Parák OBSAH: 1. Co je to spolehlivost, pravděpodobnost poruchy, riziko. 2. Deterministický a pravděpodobnostní přístup k řešení problémů.
VíceSouběžná validita testů SAT a OSP
Souběžná validita testů SAT a OSP www.scio.cz 15. ledna 2013 Souběžná validita testů SAT a OSP Abstrakt Pro testování obecných studijních dovedností existuje mnoho testů. Některé jsou všeobecně známé a
VícePSY117/454 Statistická analýza dat v psychologii Přednáška 5 ZOBRAZENÍ DVOUROZMĚRNÝCH DAT KORELAČNÍ KOEFICIENT. Všichni žijeme v matrixu.
PSY117/454 Statistická analýza dat v psychologii Přednáška 5 ZOBRAZENÍ DVOUROZMĚRNÝCH DAT KORELAČNÍ KOEFICIENT Všichni žijeme v matrixu. Výzkumné otázky Hypotézy o vzájemné souvislosti jevů: Predikuje
VíceKORELACE. Komentované řešení pomocí programu Statistica
KORELACE Komentované řešení pomocí programu Statistica Vstupní data I Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu Popisná
Více2. Najděte funkce, které vedou s těmto soustavám normálních rovnic
Zadání. Sestavte soustavu normálních rovnc ro funkce b b a) b + + b) b b +. Najděte funkce, které vedou s těmto soustavám normálních rovnc nb a) nb. Z dat v tabulce 99 4 4 b) určete a) rovnc regresní funkce
VíceTesty nezávislosti kardinálních veličin
Testy nezávislosti kardinálních veličin Komentované řešení pomocí programu R Ústav matematiky Fakulta chemicko inženýrská Vysoká škola chemicko-technologická v Praze Načtení vstupních dat Vstupní data
VíceStatgraphics v. 5.0 STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA. Martina Litschmannová 1. Typ proměnné. Požadovaný typ analýzy
Dichotomická proměnná (0-1) Spojitá proměnná STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA Typ proměnné Požadovaný typ analýzy Ověření variability Předpoklady Testy, resp. intervalové odhad Test o rozptylu
VíceMĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ
MĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ v praxi u jednoho prvku souboru se často zkoumá více veličin, které mohou na sobě různě záviset jednorozměrný výběrový soubor VSS X vícerozměrným výběrovým souborem VSS
VíceKorelační a regresní analýza
Korelační a regresní analýza Analýza závislosti v normálním rozdělení Pearsonův (výběrový) korelační koeficient: r = s XY s X s Y, kde s XY = 1 n (x n 1 i=0 i x )(y i y ), s X (s Y ) je výběrová směrodatná
Více4. Na obrázku je rozdělovací funkce (hustota pravděpodobnosti) náhodné veličiny X. Jakou hodnotu musí mít parametr k?
A 1. Stanovte pravděpodobnost, že náhodná veličina X nabyde hodnoty menší než 6: P( X 6). Veličina X má rozdělení se střední hodnotou 6 a směrodatnou odchylkou 5: N(6,5). a) 0 b) 1/3 c) ½ 2. Je možné,
VíceVLIV STATISTICKÉ ZÁVISLOSTI NÁHODNÝCH VELIČIN NA SPOLEHLIVOST KONSTRUKCE
IV. ročník celostátní konference SPOLEHLIVOST KONSTRUKCÍ Téma: Posudek - poruchy - havárie 25 23.až 24.4.2003 Dům techniky Ostrava ISBN 80-02-055-7 VLIV STATISTICKÉ ZÁVISLOSTI NÁHODNÝCH VELIČIN NA SPOLEHLIVOST
VíceKopie z www.dsholding.cz
Ú š ř ú š ÚČ ú ř ř ú ř ú ú ú ú ú ú ů ň ů ř ů ř ů ř ů ů ř ú ů ň ň ů ú ř ů ň ň ú ř ů ú ú ň ú ú ň ř š ř ú ú ů ú ů ů ů šť ú ů ú ř ř ú ú ú š ř ů ú ú š š š š ú ú ú šš Č ú ů ů ú šš ú š šť ř ú ů Ý ú ů ů ů ů Ú
VíceĚ É Ě ů ř ů ř ř ů ď Ú ď ů ž Í ř úř ů ř ů ž ž ď ů ů ů Ž ř ř ů ž ř ů ř ů Ť ž Ž ř ů ř ž ř ř ř ť ž ř ú ř Ž ř Ž ů ů ž ř ř ř ú ž ř ž ž ž ž ž ů ř ž ů ž ů ž ž ž ž ž ř ú žď ď Ž ř řď ů ž Ž ž ž ř ů ž ž ř ú Í ů ď
VíceProgram Statistica Base 9. Mgr. Karla Hrbáčková, Ph.D.
Program Statistica Base 9 Mgr. Karla Hrbáčková, Ph.D. OBSAH KURZU obsluha jednotlivých nástrojů, funkce pro import dat z jiných aplikací, práce s popisnou statistikou, vytváření grafů, analýza dat, výstupní
VíceCíle korelační studie
Korelační studie Cíle korelační studie cíle výzkumu v psychologii deskripce predikce explanace kontrola korelační studie popisuje vztah (ko-relaci) mezi proměnnými cíle - deskripce, příp. predikce První
VíceŮ ů ň ů ň Ý ž ů ů ě ů ů Ý ě ů ů Ý ž ž ě ůú ů ů ů ů Ů Á ě ě ů ž ě ě ů ů ň ž ě ě ě ů ě ů ě ě ů ě ě ě Ý ě ě ě ě ě ě ě ů Ú ě ě Ů ž ů ů ě Ý ů Í ě ě ů ě Ý ě Š Š ě ě Í Í Í Š Í Í ů ě ž ů ě ů Ý ě ů ů ů Í ů ů ú
Víceé ř é ř ř é ů ř ů ř é ů ř ů é ř é ř ň Ž Ž é ř Ž ů ř é Í é é ř ř ú ú ď é ř ř é ů é é ů ř ř ú ř ř é é ř é é ř é ď ů é é ř é é ř ú ř ž ž ů é ú é ř ř é ů ř ů ř é Ž é ř ů é ů ř ř é ú ř é ř ů ř ř é ů Í ú úř
Víceř ž ř š ř ů ř ž ř ř ž ž ř Č Ú Č Ř Ě Ř É Á ř ř ž ř ř ř ř ž Č ú ž Č ř š ř Č ž ř ň ř ž ř ů Ů ř ž ž ú ř š ř úř ř ř ň ř ů ů ř ř ž ů Č ž ř š ř ň ů ú ů ž ů ů š ž ř ů ů š ó š ů ů ř š ů ů ř ů ř ž š ř ú ůč Ú š ú
Víceú Ř Í ř ř š ř Á ň ň ř ň ř ň ř ň ř ť ř ť Ď ř ř ř ř ř Ž ď ř ř ř ř ř ř Ý Á ř ř Í Š Š Ž š ř Č Á Ž ž ř Í š Š Š ř Á ř ř ř ř ř ř ž Ž Ž š š Č ř ř Ú Š š Š Š ř š Ť Ž ú ž ú Ž š ř Á Í Č ó ť ř ň ř ř ř ř ú šř š ř Ž
VíceKontingenční tabulky, korelační koeficienty
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Mějme kategoriální proměnné X a Y. Vytvoříme tzv. kontingenční tabulku. Budeme tedy testovat hypotézu
VíceANALÝZA ZÁVISLOSTI. Martina Litschmannová
ANALÝZA ZÁVISLOSTI Martina Litschmannová Obsah přednášky Analýza závislosti dvou kategoriálních proměnných Analýza závislosti v kontingečních tabulkách Analýza závislosti v asociačních tabulkách Simpsonův
VíceNáhodné veličiny jsou nekorelované, neexistuje mezi nimi korelační vztah. Když jsou X; Y nekorelované, nemusí být nezávislé.
1. Korelační analýza V životě většinou nesledujeme pouze jeden statistický znak. Sledujeme více statistických znaků zároveň. Kromě vlastností statistických znaků nás zajímá také jejich těsnost (velikost,
VíceKGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 9. Korelační analýza Mgr. David Fiedor 20. dubna 2015 Analýza závislostí v řadě geografických disciplín studujeme jevy, u kterých vyšetřujeme nikoliv pouze jednu vlastnost
VíceKorelační a regresní analýza. 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza
Korelační a regresní analýza 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza Pearsonův korelační koeficient u intervalových a poměrových dat můžeme jako
VíceÚŘ úř Ř Á Á Ú Ř Č Č é š é ř ř š ř ž ž ú ú ó ú ý ú Á ů š é é ý ý ó ó ř ý ř ý ř ý ř ř é é ř řž ó ř é ř ó ý ž ř řž ř é é ř ř ř ř řž ž ý é é Č é ř úř úř úř ř š ý ú ř š ř ů ó ú é š ú é ó ú ř é ů ý ý ť ř é Ú
VíceAplikace 2: Hledání informativních příznaků pro rozpoznávání
Aplikace : Hledání informativních příznaků pro rozpoznávání Sonogram štítné žlázy v podélném řezu zdravá lymfocitická thyroitida Zajímá nás, kolik se lze z dat dozvědět o třídě c a kde ta informace je.
VíceÁ Ě č Ý Úč Ř ů ů č č č č ú ů Ž é ž ž ú ů ů ů č š č š ť č é č č č š č ž Úč é é úč é úč č ů č č ů é ú Ž é ůč ň š úč ž úč ž é úč č č ž Č ů č úč č š Í ú č é Č č ť Ř Í Í Č č č ú ů ů é Í č Ú ú ů ů é é Í č Ž
VícePSY117. Přednáška VZTAHY MEZI PROMĚNNÝMI KORELAČNÍ KOEFICIENT
PSY117 Statistická analýza dat v psychologii Přednáška 5 2016 VZTAHY MEZI PROMĚNNÝMI KORELAČNÍ KOEFICIENT Sloupcový diagram s tříděním - vztah mezi dvěma kategorickými proměnnými (c) Stanislav Ježek, Jan
VíceTématické okruhy pro státní závěrečné zkoušky. magisterské studium
Tématické okruhy pro státní závěrečné zkoušky magisterské studium studijní obor "Řízení jakosti" školní rok 2009/2010 Management jakosti A 1. Koncepce managementu jakosti, charakteristiky a účel, normy
VíceDynamické systémy. y(t) = g( x(t), t ) kde : g(t) je výstupní fce. x(t) je hodnota vnitřních stavů
Dynamcké sysémy spojé-dskréní, lneární-nelneární a jejch modely df. rovnce, přenos, savový pops. Tvorba a převody modelů. Lnearzace a dskrezace. Smulace. Analoge mez sysémy různé fyzkální podsay. Idenfkace
Víceý úř ý ř ř ř š ř ř ř ú ý ů ý ů ř úř ř š ř ř ý Ť ř ř ř š ú ú ř ř ř ř Ů Ů ž ý ý ř ů ý ž ž ů ý ú ž ý ž ý ř ů ř ř ý ť š ř ý ÚČ ř ů ů ů ů ý ů ů ť ů ř ú ž ř ú ď ň ř ý ů ý ý ý ý ř Ť ý ř ú ú ú ř ř ř ř Ž ý š ř
Víceš úř é ý ř ř Č á á ů š ř ů úř é ž ý ň ý á é úř ř ž ůž ž é á áš ů úř úř é é úř ů ž ž é ř ý Ďť ď ť š ý š ýř úř é Ý ý ř Č á á ů é š ř ů úř é ž ý ň ý á é úř ř ž ůž ž é á áš ů úř úř é é úř ů ž ž é ř ý ť ď ť
VíceVícerozměrná rozdělení
Vícerozměrná rozdělení 7. září 0 Učivo: Práce s vícerozměrnými rozděleními. Sdružené, marginální, podmíněné rozdělení pravděpodobnosti. Vektorová střední hodnota. Kovariance, korelace, kovarianční matice.
VícePřehled statistického zpracování dat. Matúš Šucha, Dana Černochová, Lenka Šrámková, Vlasta Rehnová, Petr Zámečník
Přehled statistického zpracování dat Matúš Šucha, Dana Černochová, Lenka Šrámková, Vlasta Rehnová, Petr Zámečník Stanovení kritéria validity Reference zaměstnavatelů / nadřízených Dopravní nehody, přestupky,
VíceSEZNAM NEMOVITOSTÍ podle č.p., město Kopřivnice má připravenu projektovou dokumentaci na realizaci kanalizační přípojky
PŘÍLOHA Č. 1 SEZNAM NEMOVITOSTÍ podle č.p., město Kopřivnice má připravenu projektovou dokumentaci na realizaci kanalizační 1 st.16, 129 A 1 1 38 s 3 st. 13/1 A 1 30 ž 6 10 A 12,9 s 7 st. 8/1 A 16 s 8
VíceÝ ÚŘ Ň É Ý Ě Ň Ř Á ÁŇ Ě Ň ň ř ř ř ó ř ř ú ů Í ř ř ř Í Í ř ř ř Í Š ř ř ř Í Í ú Í ř ř ř ď ú ř ď ř ď ř ď ů Ú ř ř ř ú ů ř ÝŤ ř ů ř Š Ť Ť Ě ř Č Í ř Ý Ť ú Ť Í Í Š Í ř ó ď ř ř ř ř Í ř š ó ú Í ř ú ž Í ř ř ú ů
VíceValue at Risk. Karolína Maňáková
Value at Risk Karolína Maňáková Value at risk Historická metoda Model-Building přístup Lineární model variance a kovariance Metoda Monte Carlo Stress testing a Back testing Potenciální ztráta s danou pravděpodobností
VíceMannův-Whitneyův(Wilcoxonův) test pořadová obdoba dvouvýběrového t-testu. Statistika (MD360P03Z, MD360P03U) ak. rok 2007/2008
Statistika (MD30P03Z, MD30P03U) ak. rok 007/008 Karel Zvára karel.zvara@mff.cuni.cz http://www.karlin.mff.cuni.cz/ zvara (naposledy upraveno. listopadu 007) 1(4) Mann-Whitney párový Wilcoxon párový znaménkový
VíceKalibrace analytických metod
Kalibrace analytických metod Petr Breinek BC_Kalibrace_2010 Měřící zařízení (zjednodušeně přístroje) pro měření fyzikálních veličin musí být výrobci kalibrovaná Objem: pipety Teplota (+37 C definovaná
Víceš š ř š ř š ží ř ý úř ř š ř š ř ř š ř Ž Ž ý ý ú ú š ř ř Ž š ý ř ř ý ř š ř ř ž ý ý ř ř ú ý ř Ó ř ý ř š ř ý ží ř ř š ž ř ý ý ř Ž Ž ř ří ý ý ž ř ý ř Ž ý Ž ř š ú ř ř ý ř ú ř Ž š ř Ž ý ž ř ú Ž ř ř ř ž ř š Ž
Více4 STATISTICKÁ ANALÝZA VÍCEROZMĚRNÝCH DAT
4 SAISICKÁ ANALÝZA VÍCEROZMĚRNÝCH DA V technické biologické ale také lékařské praxi se často vedle informací obsažených v náhodném skaláru ξ vyskytují i informace obsažené v náhodném vektoru ξ s m složkami
Více1.3 K čemu slouží linearizační transformace? V jakém případě o ní uvažujeme?
Otázky k tématu 6 regrese 1 1. Vyberte správnou odpověď 1.1 Který termín patří mezi ostatní nejméně? a) percentil b) korelace c) regrese d) predikce 1.2 O lineárním vztahu mezi dvěma proměnnými. a) vypovídá
Víceú é ě ě ú ě š ě š š Š Í Č ě ú é ě ď ú Í ě é é ě ě ě ť ě ú ď ď ě ě Ý ě Ú š ě Ú š ď ď ěž é ú é ě ěž é ú é Č é é ě ě Ť ó š ď é é ěň ě é ě ú ě Č ě ě ě ě ě Ž ď ě š ď ž é ž ě Ž Ú é ě ď ě ě ž ě é ď š ú ě é ú
Více