Některé zákony rozdělení pravděpodobnosti. 1. Binomické rozdělení

Rozměr: px
Začít zobrazení ze stránky:

Download "Některé zákony rozdělení pravděpodobnosti. 1. Binomické rozdělení"

Transkript

1 Přednáška 5/1 Některé zákony rozdělení pravděpodobnosti 1. Binomické rozdělení Předpoklady: (a) pst výskytu jevu A v jediném pokuse P (A) = π, (b) je uskutečněno n pokusů, (c) pokusy jsou nezávislé, tj. pst výskytu jevu A ve dvou pokusech je 3 π π = π, ve třech pokusech π π π = π, atd. Při tom: počet pokusů n není příliš velký a pst π není blízká nule ani jedné. Typickým příkladem nezávislých opakovaných pokusů je tzv. výběr s opakováním, kdy vybraná jednotka je před dalším tahem vrácena a zamíchána mezi ostatní. Příklady diskrétních náhodných veličin s binomickým rozdělením: počet úspěšných (neúspěšných) zásahů při n výstřelech do terče, počet vyrobených dobrých (vadných) výrobků při výrobě n kusů, počet chlapců (dívek) v rodině s n dětmi, počet ziskových (ztrátových) investic mezi n investicemi, aj. Ve všech uvedených případech diskrétní náhodná veličina X nabývá hodnot =,1,,..., n. Vyvození: Pst, že jev A v n nezávislých opakovaných pokusech nastal právě -krát (a nenastal právě ( n ) -krát) je dána jako součin: n π ( 1 π ) počet způsobů, kterými lze promíchat úspěšné a neúspěšné n n! pokusy. Poslední veličinu lze vyjádřit jako kombinační číslo ( ) = ( n )!! Vzorec pravděpodobnostní funkce (Bernoulliův vzorec): P( ) = n n ( ) π (1 π ) =,1,,..., n jinak Vzorec distribuční funkce: n F( ) = ( ) π (1 π ) 1 n < > n n

2 Přednáška 5/ Parametry Nepochybně eistuje nekonečně mnoho náhodných veličin s binomickým rozdělením, které se vzájemně liší hodnotami n a π parametry binomického rozdělení. Vliv parametrů můžeme nejlépe demonstrovat na grafu pstní funkce. Pro π =, 5 n hodnoty pstní funkce klesají na obě strany kolem hodnoty = symetricky, čím více se hodnota π vzdaluje od hodnoty,5 zvětšuje se asymetrie pstní funkce. S rostoucím n roste počet možných hodnot náhodné veličiny a jednotlivé pravděpodobnosti (jejichž součet je vždy roven jedné) klesají. Čísla n, π jsou parametry binomického rozdělení. Zavedeme označení Bi [ n;π ]. Charakteristiky Tak jako u jiných náhodných veličin charakterizujeme úroveň a variabilitu binomické náhodné veličiny pomocí střední hodnoty a rozptylu. Střední hodnota binomického rozdělení [ n;π ] Rozptyl binomického rozdělení [ n;π ] D ( X ) Bi E ( X ) = nπ Bi = nπ (1 π ) Vidíme, že eistuje jednoznačný vztah mezi charakteristikami úrovně a variability binomického rozdělení a jeho parametry.. Další rozdělení diskrétních náhodných veličin Vedle binomického rozdělení eistují další rozdělení diskrétních náhodných veličin se stejným nebo i větším významem. Vyjdeme-li z předpokladů v odstavci 1, můžeme jejich modifikací vyvodit např. Alternativní rozdělení Bi. Je triviálním případem binomického rozdělení [ 1;π ] Poissonovo rozdělení Roste-li počet nezávislých opakovaných pokusů nade všechny meze ( n ) a je-li při tom pst nastoupení jevu A blízká nule ( π ) jde o tzv. vzácný jev a je-li při tom součin n π = λ (kde λ > je konstanta), lze pravděpodobnost, že jev A za těchto podmínek nastane právě -krát, vyjádřit jako pstní funkci Poissonova rozdělení λ e λ =,1,,...! P( X ) = jinak Tato situace vypadá sice na první pohled velmi abstraktně, při tom však eistuje řada náhodných veličin, která se tímto zákonem řídí (počet vad na jednom výrobku, počet

3 Přednáška 5/3 překlepů na stránce tetu, počet uskutečněných telefonních hovorů za jednotku času aj.). Číslo λ se opět nazývá parametr a Poissonovo rozdělení se symbolicky uvádí jako [ λ] Po. V tomto případě platí E ( X ) = D ( X ) = λ. Hypergeometrické rozdělení Jsou-li pokusy závislé (např. jde o výběr bez opakování, kdy vybraná jednotka je ihned po vytažení ze souboru odstraněna), není pst nastoupení jevu A konstantní a M nezávislá na výsledcích předcházejících pokusů, ale je rovna, kde 1 M < N je N počet příznivých a N je počet všech možných případů (obě čísla jsou v každém, má náhodná veličina X kterou je pokuse jiná). Provedeme-li n pokusů ( 1 n < N) počet nastoupení jevu A v n pokusech, hypergeometrické rozdělení se třemi parametry n, M, N. Eistuje opět vztah mezi parametry a charakteristikami, M M M N n konkrétně střední hodnota E ( X ) = n a rozptyl D ( X ) = n (1 ). N N N N 1 Hypergeometrické rozdělení se příliš neliší od binomického, je-li počet pokusů n řádově menší než N. V tomto případě M N je přibližně rovno p a zatímco střední hodnoty se v tomto případě rovnají, rozptyl hypergeometrického rozdělení je N n krát menší než u binomického rozdělení. Toto číslo se nazývá konečnostní N 1 násobitel a je pro n > 1 vždy menší než jedna. Počet nastoupení jevu A v n pokusech má větší variabilitu (je méně stabilní) při výběru s opakováním než při výběru bez opakování. Geometrické rozdělení Bude-li náhodnou veličinou X počet neúspěšných pokusů, které je třeba vykonat do prvního nastoupení jevu A za podmínek uvedených v úvodu odst. 1, má tato náhodná veličina tzv. geometrické rozdělení. Vzhledem k předpokládané nezávislosti opakovaných pokusů je pst vykonání n neúspěšných pokusů do prvního nastoupení jevu A rovna π ( 1 π ).

4 Přednáška 5/4 3. Rovnoměrné rozdělení Předpoklady: (a) náhodná veličina X může nabýt libovolné reálné hodnoty z intervalu <α, β>, (b) její výskyt na celém intervalu <α, β> je stejně možný. Příklady spojitých náhodných veličin s rovnoměrným rozdělením: Vyvození d.f. doba, která uplyne od náhodně zvoleného okamžiku do nastoupení jevu, který se pravidelně opakuje časovém intervalu β, dráha, kterou je třeba urazit z náhodně zvoleného bodu do cíle, je-li celková dráha rovna β, libovolná spojitá veličina z intervalu <α, β>, o jejímž chování na tomto intervalu není nic bližšího známo (nouzové řešení v případě neznalosti skutečného rozdělení). P ( X ) = P( X < ) = pro každé α, P( X ) = P( X < ) = 1pro každé β, pro α < < β je distribuční funkce úsečka procházející body α [α, ], [β,1], její rovnici můžeme napsat např. jako. Vzorec distribuční funkce: β α α F( ) = β α 1 α α < < β β Graf distribuční funkce: F() 1 α β

5 Přednáška 5/5 Vyvození hustoty: Hustotu psti rovnoměrného rozdělení lze vyvodit dvěma způsoby Lze ji určit jako výšku f () obdélníka jehož vodorovná strana má délku β α a jehož plocha je rovna jedné, tj. f ( ) ( β α) = 1, z čehož 1 f () =, β α 1 Lze ji určit jako směrnici (derivaci) funkce F (), F ( ) = f ( ) =. β α Graf hustoty pravděpodobnosti: f() 1 β α α β Parametry Nepochybně eistuje nekonečně mnoho náhodných veličin s rovnoměrným rozdělením, které se vzájemně liší hodnotami α a β parametry rovnoměrného rozdělení. Čísla α, β jsou parametry rovnoměrného rozdělení. Označíme [ α; β ] R. Charakteristiky Tak jako u jiných náhodných veličin charakterizujeme úroveň a variabilitu rovnoměrně rozdělené náhodné veličiny pomocí střední hodnoty a rozptylu. Střední hodnotu E (X ) jakékoli spojité náhodné veličiny lze určit pomocí určitého integrálu funkce f () Střední hodnotu rovnoměrného rozdělení lze však snadněji určit pomocí parametrů α, β. Střední hodnota rovnoměrného rozdělení R [ α;β ] α + β ( X ) = E.

6 Přednáška 5/6 Rozptyl D ( X ) jakékoli spojité náhodné veličiny lze určit pomocí určitého integrálu funkce [ E( X )] f ( ). Rozptyl rovnoměrného rozdělení lze však snadněji určit pomocí parametrů α, β. Rozptyl rovnoměrného rozdělení R [ α;β ] ( β α) D ( X ) =. 1 Grafické znázornění kvantilu: f() p 1 - p α p β

7 Přednáška 5/7 Normální rozdělení 4. Vznik náhodné veličiny s normálním rozdělením Předpoklady: (a) spojitá náhodná veličina se utváří pod vlivem mnoha činitelů, (b) jednotlivé činitele jsou vzájemně nezávislé, (c) žádný z činitelů nemá na výsledek rozhodující vliv. Při tom: Na hodnoty náhodné veličiny neklademe žádná omezení, tj. < < +. Příklady spojitých náhodných veličin s normálním rozdělením: náhodné chyby fyzikálních (obecně jakýchkoli) měření, veličiny utvářející se pod vlivem balistických zákonů (výsledky střelby), znaky v biologických populacích podléhající zákonům genetiky, obecně náhodné veličiny vznikající jako součty či průměry jiných náhodných veličin (spojitých ale i diskrétních) s libovolným rozdělením. Normální rozdělení se univerzálně používá k aproimaci (k přibližnému vyjádření) rozdělení psti velkého množství náhodných veličin v biologii, technice, ekonomii atd. Ukázka vzniku normálního rozdělení eperimentální cestou: , které byly tříděny do tříd. Stejným způsobem byly vytvořeny grafy pro průměry ze dvou, tří a pěti takových náhodných veličin a proloženy v prvním případě tzv. trojúhelníkovým rozdělením (obrázek vpravo nahoře) a ve zbývajících dvou případech normálním Na počítači bylo generováno 5 hodnot náhodné veličiny R [ ;1]

8 Přednáška 5/8 rozdělením. Shoda s normálním rozdělením se zlepšuje s rostoucím počtem sčítanců n.. Hustota psti a distribuční funkce normálního rozdělení Hustota psti normálního rozdělení je symetrická zvonovitá Gaussova křivka. Distribuční funkce normálního rozdělení je pravidelná rostoucí křivka esovitého tvaru, která se nazývá Galtonova ogiva. Rovnici hustoty psti, stejně jako rovnici distribuční funkce normálního rozdělení, nebudeme uvádět. 3. Parametry normálního rozdělení Na obrázku jsou znázorněny tři vzájemně odlišné Gaussovy křivky:.6 f().4. σ µ Z obrázku vyplývá, že křivky se mohou lišit v souřadnicí vrcholu křivky tento parametr se označuje symbolem µ a určuje posunutí křivky vůči počátku vodorovné osy, v měřítku na vodorovné ose, které je dáno vzdáleností infleních bodů křivky od jejího vrcholu parametr měřítka se označuje symbolem σ. Bez ohledu na tyto odlišnosti je plocha pod každou z křivek rovna jedné. Konstantu µ a čtverec σ nazýváme parametry normálního rozdělení. N µ; σ. Zavedeme označení normálního rozdělení jako [ ]

9 Přednáška 5/9 4. Charakteristiky normálního rozdělení E (X ) = Střední hodnota vyjadřující polohu normálního rozdělení je µ. Rozptyl vyjadřující variabilitu normálního rozdělení je Konstanta σ = σ D ( X ) = σ. je směrodatnou odchylkou normálního rozdělení. 5. Normované normální rozdělení Normováním náhodné veličiny (jakékoli) rozumíme odečtení střední hodnoty od každé její hodnoty a vydělení tohoto rozdílu směrodatnou odchylkou U = X E( X ) D( X ) Normovaná náhodná veličina U má střední hodnotu X E( X ) X E( X ) E ( U ) = E = a rozptyl D ( U ) = D = 1. D( X ) D( X ) Normováním náhodné veličiny X s obecným normálním rozdělením N [ µ; σ ] vznikne náhodná veličina U s normovaným normálním rozdělením U = X E( X ) D( X ) = X µ. σ Pro normované normální rozdělení zavedeme označení N [ ; 1]. Hustotu pravděpodobnosti a distribuční funkci normovaného normálního rozdělení je zvykem značit φ ( u), Φ( u) (místo obvyklého f ( ), F( ) ).

10 Přednáška 5/1 N : Hustota pravděpodobnosti rozdělení [ ; 1] φ(u ) Tabulkové vyjádření vybraných hodnot hustoty pravděpodobnosti: u u,,5 1, 1,5,,5 3, 3,5 φ(u),399,35,4,13,54,18,4,1 φ(-u)=φ(u) Tabulkové vyjádření vybraných hodnot distribuční funkce: u,,5 1, 1,5,,5 3, 3,5 Φ(u),5,691,841,933,977,994,999,999 Φ(-u)=1-Φ(u) Tabulkové vyjádření vybraných kvantilů: p,5,9,95,975,99,995,999 u p, 1,8 1,645 1,96,36,576 3,9 u 1-p = -u p Tyto tabulky budeme využívat při řešení úloh s normálním rozdělením. Přestože platí < u < +, můžeme výskyt veličiny U mimo interval <-,+> prohlásit za jev prakticky nemožný. Tímto rozumíme jev, který sice není absolutně nemožný, ale jeho pravděpodobnost je natolik malá, že v jednom nebo několika málo pokusech nemusíme s jeho výskytem počítat. Tato myšlenka má pro statistiku neobyčejný význam.

11 Přednáška 5/11 Úloha prvního typu: 6. Úlohy s normálním rozdělením Inteligenční kvocient (IQ) je veličina X s rozdělením N [1;15 ]. Najděte pst, že náhodně vybraná osoba bude mít IQ nejméně na hranicí superiority (tj. alespoň 13). Hledáme pst P ( X 13). Přejdeme na normované normální rozdělení, pro které 1 u = = +. Hledáme tedy pst P ( U +). S použitím tabulky distribuční funkce 15 Φ(u) najdeme Φ( + ) = P ( U + ) =, 977, tedy pravděpodobnost opačného jevu. Ze vztahu mezi opačnými jevy plyne P( U + ) = 1 P( U + ) = 1,977 =, 3 a tedy pravděpodobnost nalezení osoby nad hranicí superiority je rovna,3 (jinak řečeno 3 osob z 1 je svým IQ nad hranicí superiority). Nyní jsme k zadané hodnotě náhodné veličiny hledali pravděpodobnost. Úloha druhého typu: Za stejných podmínek jako ve druhé úloze najděte hranici IQ, pod kterou se nachází 5 % populace. Hledáme 5% kvantil normované normální náhodné veličiny. Použijeme tabulku kvantilů, z níž určíme u,5 1,5 = u,95 = 1, 645. Platí u,5 = 1,645 = 15 Z čehož,5 = 1 1, = 75, 3. Pět procent populace má tedy IQ roven nejvýše přibližně 75. Nyní jsme k zadané pravděpodobnosti hledali hodnotu náhodné veličiny. Další úlohy (které budou probrány ve cvičení) jsou modifikací jednoho z obou právě uvedených typů. Princip řešení spočívá v nahrazení obecného normálního rozdělení N [ µ;σ ] normovaným normálním rozdělením N [ ;1 ], pro které jsou všechny potřebné hodnoty tabelovány.

Mendelova zemědělská a lesnická univerzita v Brně Institut celoživotního vzdělávání Fakulta regionálního rozvoje a mezinárodních studií

Mendelova zemědělská a lesnická univerzita v Brně Institut celoživotního vzdělávání Fakulta regionálního rozvoje a mezinárodních studií Mendelova zemědělská a lesnická univerzita v Brně Institut celoživotního vzdělávání Fakulta regionálního rozvoje a mezinárodních studií STATISTIKA pro TZP Modul : Pravděpodobnost a náhodné veličiny Prof

Více

Teoretická rozdělení

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

Více

Modely diskrétní náhodné veličiny. Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.

Modely diskrétní náhodné veličiny. Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Po(λ) je možné použít jako model náhodné veličiny, která nabývá hodnot 0, 1, 2,... a udává buď počet událostí,

Více

alternativní rozdělení Statistika binomické rozdělení bi(n, π)(2)

alternativní rozdělení Statistika binomické rozdělení bi(n, π)(2) Statistika (MD360P03Z, MD360P03U) ak. rok 2007/2008 Karel Zvára karel.zvara@mff.cuni.cz http://www.karlin.mff.cuni.cz/ zvara 5. listopadu 2007 1(178) binomické rozdělení Poissonovo rozdělení normální rozdělení

Více

1. Alternativní rozdělení A(p) (Bernoulli) je diskrétní rozdělení, kdy. p(0) = P (X = 0) = 1 p, p(1) = P (X = 1) = p, 0 < p < 1.

1. Alternativní rozdělení A(p) (Bernoulli) je diskrétní rozdělení, kdy. p(0) = P (X = 0) = 1 p, p(1) = P (X = 1) = p, 0 < p < 1. 2. Některá důležitá rozdělení Diskrétní rozdělení. Alternativní rozdělení Ap) Bernoulli) je diskrétní rozdělení, kdy náhodná veličina X nabývá pouze dvou hodnot a a pro její pravděpodobnostní funkci platí:

Více

1. Pravděpodobnost a statistika (MP leden 2010)

1. Pravděpodobnost a statistika (MP leden 2010) 1. Pravděpodobnost a statistika (MP leden 2010) Pravděpodobnost pojmy 1. Diskrétní pravděpodobnostní prostor(definice, vlastnosti, příklad). Diskrétní pravděpodobnostní prostor je trojice(ω, A, P), kde

Více

Biostatistika a matematické metody epidemiologie- stručné studijní texty

Biostatistika a matematické metody epidemiologie- stručné studijní texty Biostatistika a matematické metody epidemiologie- stručné studijní texty Bohumír Procházka, SZÚ Praha 1 Co můžeme sledovat Pro charakteristiku nebo vlastnost, kterou chceme sledovat zvolíme termín jev.

Více

KGG/STG Statistika pro geografy

KGG/STG Statistika pro geografy KGG/STG Statistika pro geografy 10. Mgr. David Fiedor 27. dubna 2015 Nelineární závislost - korelační poměr užití v případě, kdy regresní čára není přímka, ale je vyjádřena složitější matematickou funkcí

Více

Regresní a korelační analýza

Regresní a korelační analýza Přednáška STATISTIKA II - EKONOMETRIE Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Regresní analýza Cíl regresní analýzy: stanovení formy (trendu, tvaru, průběhu)

Více

Induktivní statistika. z-skóry pravděpodobnost

Induktivní statistika. z-skóry pravděpodobnost Induktivní statistika z-skóry pravděpodobnost normální rozdělení Z-skóry umožňují najít a popsat pozici každé hodnoty v rámci rozdělení hodnot a také srovnávání hodnot pocházejících z měření na rozdílných

Více

+ ω y = 0 pohybová rovnice tlumených kmitů. r dr dt. B m. k m. Tlumené kmity

+ ω y = 0 pohybová rovnice tlumených kmitů. r dr dt. B m. k m. Tlumené kmity Tlumené kmit V praxi téměř vžd brání pohbu nějaká brzdicí síla, jejíž původ je v třecích silách mezi reálnými těles. Matematický popis těchto sil bývá dosti komplikovaný. Velmi často se vsktuje tzv. viskózní

Více

Přehled pravděpodobnostních rozdělení

Přehled pravděpodobnostních rozdělení NSTP097Statistika Zima009 Přehled pravděpodobnostních rozdělení Diskrétní rozdělení. Alternativní(Bernoulliovo, nula-jedničkové) rozdělení X Alt(p) p (0, ) X {0,} Hustota: P[X= j]=p j ( p) j, j {0,} Středníhodnota:

Více

Inferenční statistika - úvod. z-skóry normální rozdělení pravděpodobnost rozdělení výběrových průměrů

Inferenční statistika - úvod. z-skóry normální rozdělení pravděpodobnost rozdělení výběrových průměrů Inferenční statistika - úvod z-skóry normální rozdělení pravděpodobnost rozdělení výběrových průměrů Pravděpodobnost postupy induktivní statistiky vycházejí z teorie pravděpodobnosti pravděpodobnost, že

Více

6. T e s t o v á n í h y p o t é z

6. T e s t o v á n í h y p o t é z 6. T e s t o v á n í h y p o t é z Na základě hodnot z realizace náhodného výběru činíme rozhodnutí o platnosti hypotézy o hodnotách parametrů rozdělení nebo o jeho vlastnostech. Používáme k tomu vhodně

Více

Prognóza poruchovosti vodovodních řadů pomocí aplikace Poissonova rozdělení náhodné veličiny

Prognóza poruchovosti vodovodních řadů pomocí aplikace Poissonova rozdělení náhodné veličiny Prognóza poruchovosti vodovodních řadů pomocí aplikace Poissonova rozdělení náhodné veličiny Ing. Jana Šenkapoulová VODÁRENSKÁ AKCIOVÁ SPOLEČNOST, a.s. Brno, Soběšická 156, 638 1 Brno ÚVOD Každé rekonstrukci

Více

Významná diskrétní rozdělení pravděpodobnosti

Významná diskrétní rozdělení pravděpodobnosti Alternativní rozdělení Příklad Střelec vystřelí do terče, pravděpodobnost zásahu je 0,8. Náhodná veličina X udává, jestli trefil: položíme X = 1, jestliže ano, a X = 0, jestliže ne. Alternativní rozdělení

Více

Diskrétní rozdělení Náhodná veličina má diskrétní rozdělení pravděpodobnosti, jestliže existuje seznam hodnot

Diskrétní rozdělení Náhodná veličina má diskrétní rozdělení pravděpodobnosti, jestliže existuje seznam hodnot Rozdělení Náhodná veličina Náhodná veličina je vyjádření výsledku náhodného pokusu číselnou hodnotou. Jde o reálnou funkci definovanou na množině. Rozdělení náhodné veličiny udává jakých hodnot a s jakou

Více

Matice se v některých publikacích uvádějí v hranatých závorkách, v jiných v kulatých závorkách. My se budeme držet zápisu s kulatými závorkami.

Matice se v některých publikacích uvádějí v hranatých závorkách, v jiných v kulatých závorkách. My se budeme držet zápisu s kulatými závorkami. Maticové operace Definice Skalár Představme si nějakou množinu, jejíž prvky lze sčítat a násobit. Pěkným vzorem jsou čísla, která už známe od mala. Prvky takové množiny nazýváme skaláry. Matice Matice

Více

Distribuční funkce je funkcí neklesající, tj. pro všechna

Distribuční funkce je funkcí neklesající, tj. pro všechna Téma: Náhodná veličina, distribuční funkce a její graf, pravděpodobnostní funkce a její graf, funkce hustoty pravděpodobnosti a její graf, výpočet střední hodnoty a rozptylu náhodné veličiny 1 Náhodná

Více

KOMBINATORIKA, PRAVDĚPODOBNOST, STATISTIKA. Charakteristiky variability. Mgr. Jakub Němec. VY_32_INOVACE_M4r0120

KOMBINATORIKA, PRAVDĚPODOBNOST, STATISTIKA. Charakteristiky variability. Mgr. Jakub Němec. VY_32_INOVACE_M4r0120 KOMBINATORIKA, PRAVDĚPODOBNOST, STATISTIKA Charakteristiky variability Mgr. Jakub Němec VY_32_INOVACE_M4r0120 CHARAKTERISTIKY VARIABILITY Charakteristika variability se určuje pouze u kvantitativních znaků.

Více

6. Střídavý proud. 6. 1. Sinusových průběh

6. Střídavý proud. 6. 1. Sinusových průběh 6. Střídavý proud - je takový proud, který mění v čase svoji velikost a smysl. Nejsnáze řešitelný střídavý proud matematicky i graficky je sinusový střídavý proud, který vyplývá z konstrukce sinusovky.

Více

Jazyk matematiky. 2.1. Matematická logika. 2.2. Množinové operace. 2.3. Zobrazení. 2.4. Rozšířená číslená osa

Jazyk matematiky. 2.1. Matematická logika. 2.2. Množinové operace. 2.3. Zobrazení. 2.4. Rozšířená číslená osa 2. Jazyk matematiky 2.1. Matematická logika 2.2. Množinové operace 2.3. Zobrazení 2.4. Rozšířená číslená osa 1 2.1 Matematická logika 2.1.1 Výrokový počet logická operace zapisujeme čteme česky negace

Více

A NUMERICKÉ METODY. Matice derivací: ( ) ( ) Volím x 0 = 0, y 0 = -2.

A NUMERICKÉ METODY. Matice derivací: ( ) ( ) Volím x 0 = 0, y 0 = -2. A NUMERICKÉ METODY Fourierova podmínka: f (x) > 0 => rostoucí, f (x) < 0 => klesající, f (x) > 0 => konvexní ᴗ, f (x) < 0 => konkávní ᴖ, f (x) = 0 ᴧ f (x)!= 0 => inflexní bod 1. Řešení nelineárních rovnic:

Více

Mária Sadloňová. Fajn MATIKA. 150 řešených příkladů (vzorek)

Mária Sadloňová. Fajn MATIKA. 150 řešených příkladů (vzorek) Mária adloňová Fajn MATIKA (nejen) na přijímačky 50 řešených příkladů (vorek) 0 Mgr. Mária adloňová FajnMATIKA (nejen) na přijímačky 50 řešených příkladů (reklamní vorek) Mgr. Mária adloňová, 0 Vydavatel

Více

UNIVERSITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA. KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY školní rok 2009/2010 BAKALÁŘSKÁ PRÁCE

UNIVERSITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA. KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY školní rok 2009/2010 BAKALÁŘSKÁ PRÁCE UNIVERSITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY školní rok 2009/2010 BAKALÁŘSKÁ PRÁCE Testy dobré shody Vedoucí diplomové práce: RNDr. PhDr. Ivo

Více

(Auto)korelační funkce. 2. 11. 2015 Statistické vyhodnocování exp. dat M. Čada www.fzu.cz/ ~ cada

(Auto)korelační funkce. 2. 11. 2015 Statistické vyhodnocování exp. dat M. Čada www.fzu.cz/ ~ cada (Auto)korelační funkce 1 Náhodné procesy Korelace mezi náhodnými proměnnými má široké uplatnění v elektrotechnické praxi, kde se snažíme o porovnávání dvou signálů, které by měly být stejné. Příkladem

Více

Zpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi.

Zpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi. SEMINÁRNÍ PRÁCE Zadání: Data: Statistické metody: Zpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi. Minimálně 6 proměnných o 30 pozorováních (z toho 2 proměnné

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

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení 2 Zpracování naměřených dat Důležitou součástí každé experimentální práce je statistické zpracování naměřených dat. V této krátké kapitole se budeme věnovat určení intervalů spolehlivosti získaných výsledků

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

TECHNICKÉ ZNALECTVÍ. Metody soudně znalecké analýzy. Prof. Ing. Jan Mareček, DrSc. ÚZPET

TECHNICKÉ ZNALECTVÍ. Metody soudně znalecké analýzy. Prof. Ing. Jan Mareček, DrSc. ÚZPET TECHNICKÉ ZNALECTVÍ Metody soudně znalecké analýzy ÚZPET Prof. Ing. Jan Mareček, DrSc. Osnova tématu 1.Výpočty ve znaleckém posudku 2. Vybrané metody soudně znalecké analýzy 1.Výpočty ve znaleckém posudku

Více

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

Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Výsledky některých náhodných pokusů jsou přímo vyjádřeny číselně (např. při hodu kostkou padne 6). Náhodnou veličinou

Více

Tématické celky { kontrolní otázky.

Tématické celky { kontrolní otázky. Tématické celky kontrolní otázky. Základy teorie pravdìpodobnosti..pravdìpodobnostní míra základní pojmy... Vysvìtlete pojem náhody, náhodného pokusu, náhodného jevu a jeho mno- ¾inovou interpretaci. Popi¹te

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

Semestrální projekt. do předmětu Statistika. Vypracoval: Adam Mlejnek 2-36. Oponenti: Patrik Novotný 2-36. Jakub Nováček 2-36. Click here to buy 2

Semestrální projekt. do předmětu Statistika. Vypracoval: Adam Mlejnek 2-36. Oponenti: Patrik Novotný 2-36. Jakub Nováček 2-36. Click here to buy 2 Semestrální projekt do předmětu Statistika Vypracoval: Adam Mlejnek 2-36 Oponenti: Patrik Novotný 2-36 Jakub Nováček 2-36 Úvod Pro vypracování projektu do předmětu statistika jsem si zvolil průzkum kvality

Více

. Opakovací kurs středoškolské matematiky podzim 2015

. Opakovací kurs středoškolské matematiky podzim 2015 . Opakovací kurs středoškolské matematiky podzim 0 František Mráz Ústav technické matematiky, Frantisek.Mraz@fs.cvut.cz I. Mocniny, odmocniny, algeraické výrazy Upravte (zjednodušte), případně určete číselnou

Více

6.1 Normální (Gaussovo) rozdělení

6.1 Normální (Gaussovo) rozdělení 6 Spojitá rozdělení 6.1 Normální (Gaussovo) rozdělení Ze spojitých rozdělení se v praxi setkáme nejčastěji s normálním rozdělením. Toto rozdělení je typické pro mnoho náhodných veličin z rozmanitých oborů

Více

Matematická statistika

Matematická statistika Matematická statistika Daniel Husek Gymnázium Rožnov pod Radhoštěm, 8. A8 Dne 12. 12. 2010 v Rožnově pod Radhoštěm Osnova Strana 1) Úvod 3 2) Historie matematické statistiky 4 3) Základní pojmy matematické

Více

Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti

Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti 2.1 Tvorba lineárních regresních modelů při analýze dat Autor práce: Přednášející:

Více

KOMPLEXNÍ ČÍSLA INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky

KOMPLEXNÍ ČÍSLA INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky KOMPLEXNÍ ČÍSLA Gymnázium Jiřího Wolkera v Prostějově Výukové materiály z matematiky pro vyšší gymnázia Autoři projektu Student na prahu 21. století - využití ICT ve vyučování matematiky na gymnáziu INVESTICE

Více

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Náhodá veličia Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 45/004. Náhodá veličia Většia áhodých pokusů má jako výsledky reálá čísla. Budeme tedy dále áhodou veličiou rozumět proměou, která

Více

ROTAČNÍ KVADRIKY. Definice, základní vlastnosti, tečné roviny a řezy, průsečíky přímky s rotační kvadrikou

ROTAČNÍ KVADRIKY. Definice, základní vlastnosti, tečné roviny a řezy, průsečíky přímky s rotační kvadrikou ROTAČNÍ KVADRIKY Definice, základní vlastnosti, tečné roviny a řezy, průsečíky přímky s rotační kvadrikou Rotační kvadriky jsou rotační plochy, které vzniknou rotací kuželosečky kolem některé její osy.

Více

V praxi pracujeme s daty nominálními (nabývají pouze dvou hodnot), kategoriálními (nabývají více

V praxi pracujeme s daty nominálními (nabývají pouze dvou hodnot), kategoriálními (nabývají více 9 Vícerozměrná data a jejich zpracování 9.1 Vícerozměrná data a vícerozměrná rozdělení Při zpracování vícerozměrných dat, hledáme souvislosti mezi dvěmi, případně více náhodnými veličinami. V praxi pracujeme

Více

z možností, jak tuto veličinu charakterizovat, je určit součet

z možností, jak tuto veličinu charakterizovat, je určit součet 6 Charakteristiky áhodé veličiy. Nejdůležitější diskrétí a spojitá rozděleí. 6.1. Číselé charakteristiky áhodé veličiy 6.1.1. Středí hodota Uvažujme ejprve diskrétí áhodou veličiu X s rozděleím {x }, {p

Více

FAKULTA STAVEBNÍ VUT V BRNĚ PŘIJÍMACÍ ŘÍZENÍ DO MNSP STAVEBNÍ INŽENÝRSTVÍ PRO AKADEMICKÝ ROK 2008 2009

FAKULTA STAVEBNÍ VUT V BRNĚ PŘIJÍMACÍ ŘÍZENÍ DO MNSP STAVEBNÍ INŽENÝRSTVÍ PRO AKADEMICKÝ ROK 2008 2009 FAKULTA STAVEBNÍ VUT V BRNĚ PŘIJÍMACÍ ŘÍZENÍ DO MNSP STAVEBNÍ INŽENÝRSTVÍ PRO AKADEMICKÝ ROK 2008 2009 OBOR: POZEMNÍ STAVBY (S) A. MATEMATIKA TEST. Hladina významnosti testu α při testování nulové hypotézy

Více

Náhodná veličina a rozdělení pravděpodobnosti

Náhodná veličina a rozdělení pravděpodobnosti 3.2 Náhodná veličina a rozdělení pravděpodobnosti Bůh hraje se světem hru v kostky. Jsou to ale falešné kostky. Naším hlavním úkolem je zjistit, podle jakých pravidel byly označeny, a pak toho využít pro

Více

a) Základní informace o souboru Statistika: Základní statistika a tabulky: Popisné statistiky: Detaily

a) Základní informace o souboru Statistika: Základní statistika a tabulky: Popisné statistiky: Detaily Testování hypotéz Testování hypotéz jsou klasické statistické úsudky založené na nějakém apriorním předpokladu. Vyslovíme-li předpoklad o hodnotě neznámého parametru nebo o zákonu rozdělení sledované náhodné

Více

Jak pracovat s absolutními hodnotami

Jak pracovat s absolutními hodnotami Jak pracovat s absolutními hodnotami Petr Matyáš 1 Co to je absolutní hodnota Absolutní hodnota čísla a, dále ji budeme označovat výrazem a, je jeho vzdálenost od nuly na ose x, tedy je to vždy číslo kladné.

Více

FAKULTA STAVEBNÍ VUT V BRNĚ PŘIJÍMACÍ ŘÍZENÍ PRO AKADEMICKÝ ROK 2003 2004

FAKULTA STAVEBNÍ VUT V BRNĚ PŘIJÍMACÍ ŘÍZENÍ PRO AKADEMICKÝ ROK 2003 2004 PŘIJÍMACÍ ŘÍZENÍ PRO AKADEMICKÝ ROK 003 004 TEST Z MATEMATIKY PRO PŘIJÍMACÍ ZKOUŠKY ČÍSLO M 0030 Vyjádřete jedním desetinným číslem (4 ½ 4 ¼ ) (4 ½ + 4 ¼ ) Správné řešení: 0,5 Zjednodušte výraz : ( 4)

Více

Pravděpodobnost a statistika

Pravděpodobnost a statistika Pravděpodobnost a statistika Diskrétní rozdělení Vilém Vychodil KMI/PRAS, Přednáška 6 Vytvořeno v rámci projektu 2963/2011 FRVŠ V. Vychodil (KMI/PRAS, Přednáška 6) Diskrétní rozdělení Pravděpodobnost a

Více

Kapacita. Gaussův zákon elektrostatiky

Kapacita. Gaussův zákon elektrostatiky Kapacita Dosud jsme se zabývali vztahy mezi náboji ve vakuu. Prostředí mezi náboji jsme charakterizovali permitivitou ε a uvedli jsme, že ve vakuu je ε = 8,854.1-1 C.V -1.m -1. V této kapitole se budeme

Více

Západočeská univerzita v Plzni. Fakulta aplikovaných věd Katedra matematiky. Geometrie pro FST 1. Pomocný učební text

Západočeská univerzita v Plzni. Fakulta aplikovaných věd Katedra matematiky. Geometrie pro FST 1. Pomocný učební text Západočeská univerzita v Plzni Fakulta aplikovaných věd Katedra matematiky Geometrie pro FST 1 Pomocný učební text František Ježek, Marta Míková, Světlana Tomiczková Plzeň 29. srpna 2005 verze 1.0 Předmluva

Více

Přehled učiva matematiky 7. ročník ZŠ

Přehled učiva matematiky 7. ročník ZŠ Přehled učiva matematiky 7. ročník ZŠ I. ARITMETIKA 1. Zlomky a racionální čísla Jestliže rozdělíme něco (= celek) na několik stejných dílů, nazývá se každá část celku zlomkem. Zlomek tři čtvrtiny = tři

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Úvod do teorie pravděpodobnosti Náhoda a pravděpodobnost, náhodný jev, náhodná veličina rozdělení pravděpodobnosti

Více

Simulace systému hromadné obsluhy Nejčastější chyby v semestrálních pracích

Simulace systému hromadné obsluhy Nejčastější chyby v semestrálních pracích Simulace systému hromadné obsluhy Nejčastější chyby v semestrálních pracích Nedostatešný popis systému a jeho modelu vstupy S výstupy Systém Část prostředí, kterou lze od jeho okolí oddělit fyzickou nebo

Více

Několik poznámek na téma lineární algebry pro studenty fyzikální chemie

Několik poznámek na téma lineární algebry pro studenty fyzikální chemie Několik poznámek na téma lineární algebry pro studenty fyzikální chemie Jiří Kolafa Vektory. Vektorový prostor Vektor je často zaveden jako n-tice čísel, (v,..., v n ), v i R (pro reálný vektorový prostor);

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

Matematické symboly a značky

Matematické symboly a značky Matematické symboly a značky Z Wikipedie, otevřené encyklopedie Matematický symbol je libovolný znak, používaný v. Může to být znaménko pro označení operace s množinami, jejich prvky, čísly či jinými objekty,

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

Funkce zadané implicitně

Funkce zadané implicitně Kapitola 8 Funkce zadané implicitně Začneme několika příklady. Prvním je známá rovnice pro jednotkovou kružnici x 2 + y 2 1 = 0. Tato rovnice popisuje křivku, kterou si však nelze představit jako graf

Více

Akustika. Rychlost zvukové vlny v v prostředí s hustotou ρ a modulem objemové pružnosti K

Akustika. Rychlost zvukové vlny v v prostředí s hustotou ρ a modulem objemové pružnosti K zvuk každé mechanické vlnění v látkovém prostředí, které je schopno vyvolat v lidském uchu sluchový vjem akustika zabývá se fyzikálními ději spojenými se vznikem zvukového vlnění, jeho šířením a vnímáním

Více

Využití statistických metod v medicíně (teorie informace pro aplikace VaV, vícerozměrné metody, atd.)

Využití statistických metod v medicíně (teorie informace pro aplikace VaV, vícerozměrné metody, atd.) Operační program Vzdělávání pro konkurenceschopnost Masarykova univerzita Brno Využití statistických metod v medicíně (teorie informace pro aplikace VaV, vícerozměrné metody, atd.) doc. RNDr. PhMr. Karel

Více

Pravděpodobnost a statistika I KMA/K413

Pravděpodobnost a statistika I KMA/K413 Pravděpodobnost a statistika I KMA/K413 Konzultace 3 Přírodovědecká fakulta Katedra matematiky jiri.cihlar@ujep.cz Kovariance, momenty Definice kovariance: Kovariance náhodných veličin Dále můžeme dokázat:,

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

FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ. Matematika 3. RNDr. Břetislav Fajmon, PhD. Autoři textu:

FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ. Matematika 3. RNDr. Břetislav Fajmon, PhD. Autoři textu: FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Matematika 3 Garant předmětu: RNDr. Břetislav Fajmon, PhD Autoři textu: Mgr. Irena Růžičková RNDr. Břetislav Fajmon, PhD

Více

ELEKTRICKÉ SVĚTLO 1 Řešené příklady

ELEKTRICKÉ SVĚTLO 1 Řešené příklady ČESKÉ VYSOKÉ UČENÍ TECHNCKÉ V PRAE FAKULTA ELEKTROTECHNCKÁ magisterský studijní program nteligentní budovy ELEKTRCKÉ SVĚTLO Řešené příklady Prof. ng. Jiří Habel DrSc. a kolektiv Praha Předmluva Předkládaná

Více

FAKULTA STAVEBNÍ VUT V BRNĚ PŘIJÍMACÍ ŘÍZENÍ DO NMSP STAVEBNÍ INŽENÝRSTVÍ PRO AKADEMICKÝ ROK 2012 2013

FAKULTA STAVEBNÍ VUT V BRNĚ PŘIJÍMACÍ ŘÍZENÍ DO NMSP STAVEBNÍ INŽENÝRSTVÍ PRO AKADEMICKÝ ROK 2012 2013 FAKULTA STAVEBNÍ VUT V BRNĚ PŘIJÍMACÍ ŘÍZENÍ DO NMSP STAVEBNÍ INŽENÝRSTVÍ PRO AKADEMICKÝ ROK 2012 2013 OBOR: MANAGEMENT STAVEBNICTVÍ TEST A.1 MATEMATIKA 1) Je-li F distribuční funkce spojité náhodné veličiny

Více

ŠROUBOVÉ PLOCHY. 1. Základní úlohy na šroubových plochách.

ŠROUBOVÉ PLOCHY. 1. Základní úlohy na šroubových plochách. ŠROUBOVÉ PLOCHY 1. Základní úlohy na šroubových plochách. Šroubová plocha Φ vzniká šroubovým pohybem křivky k, která není trajektorií daného šroubového pohybu. Je-li pohyb levotočivý (pravotočivý je i

Více

Simulace. Simulace dat. Parametry

Simulace. Simulace dat. Parametry Simulace Simulace dat Menu: QCExpert Simulace Simulace dat Tento modul je určen pro generování pseudonáhodných dat s danými statistickými vlastnostmi. Nabízí čtyři typy rozdělení: normální, logaritmicko-normální,

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

Diskrétní náhodná veličina

Diskrétní náhodná veličina Lekce Diskrétní náhodná veličina Výsledek náhodného pokusu může být vyjádřen slovně to vede k zavedení pojmu náhodného jevu Výsledek náhodného pokusu můžeme někdy vyjádřit i číselně, což vede k pojmu náhodné

Více

VYBRANÁ ROZDĚLENÍ. SPOJITÉ NÁH. VELIČINY Martina Litschmannová

VYBRANÁ ROZDĚLENÍ. SPOJITÉ NÁH. VELIČINY Martina Litschmannová VYBRANÁ ROZDĚLENÍ SPOJITÉ NÁH. VELIČINY Martina Litschmannová Opakování hustota pravděpodobnosti f(x) Funkce f(x) je hustotou pravděpodobností (na intervalu a x b), jestliže splňuje následující podmínky:

Více

PRAVDĚPODOBNOST A MATEMATICKÁ STATISTIKA I

PRAVDĚPODOBNOST A MATEMATICKÁ STATISTIKA I PRAVDĚPODOBNOST A MATEMATICKÁ STATISTIKA I RNDr. Tomáš Mrkvička, Ph.D. 16. března 2009 Literatura [1] J. Anděl: Statistické metody, Matfyzpress, Praha 1998 [2] V. Dupač, M. Hušková: Pravděpodobnost a matematická

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

Kód uchazeče ID:... Varianta: 14

Kód uchazeče ID:... Varianta: 14 Fakulta informačních technologií ČVUT v Praze Přijímací zkouška z matematiky 2013 Kód uchazeče ID:.................. Varianta: 14 1. V lednu byla zaměstnancům zvýšena mzda o 16 % prosincové mzdy. Následně

Více

Základy matematiky kombinované studium 714 0365/06

Základy matematiky kombinované studium 714 0365/06 Základy matematiky kombinované studium 714 0365/06 1. Některé základní pojmy: číselné množiny, intervaly, operace s intervaly (sjednocení, průnik), kvantifikátory, absolutní hodnota čísla, vzorce: 2. Algebraické

Více

5. Maticová algebra, typy matic, inverzní matice, determinant.

5. Maticová algebra, typy matic, inverzní matice, determinant. 5. Maticová algebra, typy matic, inverzní matice, determinant. Matice Matice typu m,n je matice složená z n*m (m >= 1, n >= 1) reálných (komplexních) čísel uspořádaných do m řádků a n sloupců: R m,n (resp.

Více

NEPARAMETRICKÉ TESTY

NEPARAMETRICKÉ TESTY NEPARAMETRICKÉ TESTY Výhodou neparametrických testů je jejich použitelnost bez ohledu na typ rozdělení, z něhož výběr pochází. K testování se nepoužívají parametry výběru (např.: aritmetický průměr či

Více

Euklidovský prostor Stručnější verze

Euklidovský prostor Stručnější verze [1] Euklidovský prostor Stručnější verze definice Eulidovského prostoru kartézský souřadnicový systém vektorový součin v E 3 vlastnosti přímek a rovin v E 3 a) eprostor-v2, 16, b) P. Olšák, FEL ČVUT, c)

Více

Vybrané problémy lineární algebry v programu Maple

Vybrané problémy lineární algebry v programu Maple UNIVERZITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA Katedra matematické analýzy a aplikací matematiky BAKALÁŘSKÁ PRÁCE Vybrané problémy lineární algebry v programu Maple Vedoucí bakalářské práce: RNDr.

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

Kontrolní otázky k 1. přednášce z TM

Kontrolní otázky k 1. přednášce z TM Kontrolní otázky k 1. přednášce z TM 1. Jak závisí hodnota izobarického součinitele objemové roztažnosti ideálního plynu na teplotě a jak na tlaku? Odvoďte. 2. Jak závisí hodnota izochorického součinitele

Více

Rozptyl. Pozn.: rozptyl je nezávislý na posunu hustoty pravděpodobnosti na ose x, protože Var(X) mi určuje jen šířku rozdělení.

Rozptyl. Pozn.: rozptyl je nezávislý na posunu hustoty pravděpodobnosti na ose x, protože Var(X) mi určuje jen šířku rozdělení. Rozptyl Základní vlastnosti disperze Var(konst) = 0 Var(X+Y) = Var(X) + Var(Y) (nezávislé proměnné) Lineární změna jednotek Y = rx + s, například z C na F. Jak vypočítám střední hodnotu a rozptyl? Pozn.:

Více

Finanční. matematika pro každého. f inance. 8. rozšířené vydání. věcné a matematické vysvětlení základních finančních pojmů

Finanční. matematika pro každého. f inance. 8. rozšířené vydání. věcné a matematické vysvětlení základních finančních pojmů Finanční matematika pro každého 8. rozšířené vydání J. Radová, P. Dvořák, J. Málek věcné a matematické vysvětlení základních finančních pojmů metody pro praktické rozhodování soukromých osob i podnikatelů

Více

OPTIKA - NAUKA O SVĚTLE

OPTIKA - NAUKA O SVĚTLE OPTIKA OPTIKA - NAUKA O SVĚTLE - jeden z nejstarších oborů yziky - studium světla, zákonitostí jeho šíření a analýza dějů při vzájemném působení světla a látky SVĚTLO elektromagnetické vlnění λ = 380 790

Více

Zpracování a vyhodnocování analytických dat

Zpracování a vyhodnocování analytických dat Zpracování a vyhodnocování analytických dat naměřená data Zpracování a statistická analýza dat analytické výsledky Naměř ěřená data jedna hodnota 5,00 mg (bod 1D) navážka, odměřený objem řada dat 15,8;

Více

GRAFY A GRAFOVÉ ALGORITMY

GRAFY A GRAFOVÉ ALGORITMY KATEDRA INFORMATIKY PŘÍRODOVĚDECKÁ FAKULTA UNIVERZITA PALACKÉHO GRAFY A GRAFOVÉ ALGORITMY ARNOŠT VEČERKA VÝVOJ TOHOTO UČEBNÍHO TEXTU JE SPOLUFINANCOVÁN EVROPSKÝM SOCIÁLNÍM FONDEM A STÁTNÍM ROZPOČTEM ČESKÉ

Více

Organizační pokyny k přednášce. Matematická statistika. Přehled témat. Co je statistika?

Organizační pokyny k přednášce. Matematická statistika. Přehled témat. Co je statistika? Organizační pokyny k přednášce Matematická statistika 2012 2013 Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta UK hudecova@karlin.mff.cuni.cz http://www.karlin.mff.cuni.cz/

Více

PRAVDĚPODOBNOST A STATISTIKA. Bayesovské odhady

PRAVDĚPODOBNOST A STATISTIKA. Bayesovské odhady PRAVDĚPODOBNOST A STATISTIKA Bayesovské odhady Bayesovské odhady - úvod Klasický bayesovský přístup: Klasický přístup je založen na opakování pokusech sledujeme rekvenci nastoupení zvolených jevů Bayesovský

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

Určování výměr Srážka mapového listu Výpočet objemů Dělení pozemků

Určování výměr Srážka mapového listu Výpočet objemů Dělení pozemků Geodézie přednáška 9 Určování výměr Srážka mapového listu Výpočet objemů Dělení pozemků Ústav geoinformačních technologií Lesnická a dřevařská fakulta ugt.mendelu.cz tel.: 545134015 Určování výměr určování

Více

Poznámky k předmětu Aplikovaná statistika, 9.téma

Poznámky k předmětu Aplikovaná statistika, 9.téma Poznámky k předmětu Aplikovaná statistika, 9téma Princip testování hypotéz, jednovýběrové testy V minulé hodině jsme si ukázali, jak sestavit intervalové odhady pro některé číselné charakteristiky normálního

Více

Výběrové charakteristiky a jejich rozdělení

Výběrové charakteristiky a jejich rozdělení Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Statistické šetření úplné (vyčerpávající) neúplné (výběrové) U výběrového šetření se snažíme o to, aby výběrový

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

4ST201 STATISTIKA CVIČENÍ Č. 8

4ST201 STATISTIKA CVIČENÍ Č. 8 4ST201 STATISTIKA CVIČENÍ Č. 8 analýza závislostí kontingenční tabulky test závislosti v kontingenční tabulce analýza rozptylu regresní analýza lineární regrese Analýza závislostí Budeme ověřovat existenci

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

Statistika pro geografy

Statistika pro geografy Statistika pro geografy 2. Popisná statistika Mgr. David Fiedor 23. února 2015 Osnova 1 2 3 Pojmy - Bodové rozdělení četností Absolutní četnost Absolutní četností hodnoty x j znaku x rozumíme počet statistických

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