TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

Download "TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ"

Transkript

1 TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ je postup, pomocí ěhož a základě áhodého výběru ověřujeme určté předpoklady (hypotézy) o základím souboru STATISTICKÁ HYPOTÉZA předpoklad (tvrzeí) o parametru G základího souboru ebo o tvaru jeho pravděpodobostího rozděleí H 0 ulová hypotéza...ověřovaý předpoklad alteratví hypotéza H 1.popírá tvrzeí ulové hypotézy TESTOVÉ KRITÉRIUM - áhodá velča, jejíž hodotu lze vypočítat z výběrových charakterstk. Za platost ulové hypotézy má zámé pravděpodobostí rozděleí.

2 OBOR HODNOT TESTOVÉHO KRITÉRIA tvoří dva eslučtelé obory: Obor přjetí testovaé hypotézy V Krtcký obor W KRITICKÉ HODNOTY hrace oddělující obor přjetí a krtcký obor Rozhodutí testu: pade-l hodota testového krtera vypočteého z výběrových dat do krtckého oboru, zamíteme ulovou hypotézu H 0 a přjmeme tvrzeí alteratví hypotézy H 1 pade-l hodota testového krtera do oboru přjetí, ulovou hypotézu H 0 ezamítáme

3 OBECNÝ POSTUP TESTOVÁNÍ HYPOTÉZ 1. Formulace hypotéz H0 a H1. Volba hlady výzamost 3. Volba testového krtéra 4. Vymezeí krtckého obor (kvatly rozděleí testového krtéra př platost H0 5. Výpočet hodoty testového krtéra a základě výběrových dat 6. Rozhodutí: pade-l hodota testového krtéra do krtckého oboru, zamíteme a hladě výzamost testovaou hypotézu H 0 pade-l hodota testového krtéra do oboru přjetí, elze hypotézu H 0 a hladě výzamost zamítout

4 Testy shody (testy hypotéz o rozděleí) chí-kvadrát test dobré shody H o : áhodá velča X má určté rozděleí H 1 : o H 0 exstují stuace použtí: H 0 uvádí proporce četostí v jedotlvých skupách H 0 předpokládá, že emprcké rozděleí sleduje určtý model pravděpodobostího rozděleí použtí : teoretcké četost ve skupách > 5

5 chí-kvadrát test dobré shody k 1 ( ) e o o ( k 1) e, o, k emprcké (apozorovaé) četost ve skupách teoretcké (očekávaé) četost ve skupách počet skup krtcký obor 1 ( k 1) o o

6 Příklad: Výrobek je dodává ve 4 barvách. Prodejce předpokládá zájem zákazíků ve struktuře: modrá 40, červeá 5, žlutá 5, bílá 10. Ověřte a 5 hladě výzamost správost předpokladu o struktuře prodeje a základě údajů o ákupech v prvém týdu, kdy bylo prodáo 480 ks. H H 0 : M 0, 4 Z 0, 5 C 0, 5 B 0,10 o H 1 0 barva Očekávaá Prodaé ks teretcké výpočty e, četost e, o, o, o, = o, o, modrá 0, ,4 H 0 : M = 0,40 Z = 0,5 výrobku struktura C = 0,5 B = 0,10 ( ) červeá 0, ,88 žlutá 0, ,80 bílá 0, ,75 celkem 1, ,85

7 k 1 ( ) e o o 13,85 ( k 1) (3) 7,81 1 0,95 13,85 1 ( k 1) 7,81 zamítáme hypotézu H 0 o struktuře poptávky

8 Metody zkoumáí závslostí Výběr metody závsí a typu zkoumaých zaků kotgece: kategorálí (sloví) zaky aalýza rozptylu : sledovaý zak číselý, třídící zak sloví třídící sledovaý zak číselé pořadová korelace: dva pořadové zaky regresí a korelačí aalýza: dva ebo více číselých zaků

9 Test o ezávslost kategorálích zaků - test ezávslost v kotgečí tabulce - kotgečí tabulka A / B B 1 B B 3... B j... B s A j... 1s 1 A j... s..... A j... s A r r1 r r3... rj... rs r j j... s

10 H :, 0 proměé A B jsou ezávslé H : 1,,..., r j 1,,..., s 0 e, j o, j e, j jsou emprcké sdružeé četost o, j s j j 1 r j j 1 jsou teoretcké sdružeé četost, které bychom očekával př ezávslost A, B jsou řádkové margálí četost jsou sloupcové margálí četost r s 1 j 1 j r s 1 j 1 j

11 - test ezávslost v kotgečí H 0 : zaky A a B jsou ezávslé H 1 : o H 0 tabulce Testové krterum G r s ( e, j o, j ) [( r 1 j 1 o, j 1).( s 1)] krtcký obor G 1 ( r 1)( s 1) o,j j

12 K posouzeí, jak je případá závslost slá (těsá), počítáme růzé míry kotgece. Pearsoův koefcet kotgece C P G G 0,1) Cramérův koefcet kotgece G CC kde h m[( r 1),( s 1)] h.

13 Příklad Ověřte a základě údajů získaých z průzkumu u 800 osob (a 5% - í hladě výzamost), jestl postoj k volbám závsí a věku. Postoj věk Účastí se erozhodutí Neúčastí se četost mladí Středí věk starší četost j výpočet teoretckých četostí 10,78 = ( )/ 800

14 Postoj Účastí se erozhodutí věk Neúčastí se četost mladí Středí věk starší četost j výpočet teoretckých četostí Postoj věk Účastí se erozhodutí Neúčastí se četost mladí 10,78 33,44 1, Středí věk 19,6 60,8 39,6 30 starší 08,6 57,76 37,6 304 četost

15 G (18 10,78) (1 33, 44) (33 37,6)... 11,63 10,78 33, 44 37,6 krtcká hodota 1 [( r 1).( s 1)] 0,95 [4] G = 11,63 > 0,95 [4] 9,5 a 5% hladě výzamost zamítáme H 0 o ezávslost C P =0,1197, C C =0,0853

16 čtyřpolí tabulka (asocačí tabulka) A/B B 1 B A 1 A j G testové krterum ( ) [1] krtcký obor G 1 [1] těsost závslost posoudí koefcet asocace r AB r AB 1

17 Příklad: V souboru 353 osob byla vyšetřováa možá závslost mez vlastctvím automoblu (A) a kola (B). A má, A emá 1 B má, B emá 1 Auto/kolo B 1 B A A j G , ,95 [1] 3,84 C,35 353,35 0,08

Testování statistických hypotéz

Testování statistických hypotéz Testováí statstckých hypotéz - Testováí hypotéz je postup, sloužící k ověřeí předpokladů o ZS (hypotéz a základě výběrových dat (tj. hodot z výběrového souboru. - ypotéza = určtý předpoklad o základím

Více

- metody, kterými lze z napozorovaných hodnot NV získat co nejlepší odhady neznámých parametrů jejího rozdělení.

- metody, kterými lze z napozorovaných hodnot NV získat co nejlepší odhady neznámých parametrů jejího rozdělení. MATEMATICKÁ STATISTIKA - a základě výběrových dat uuzujeme a obecější kutečot, týkající e základího ouboru; provádíme zevšeobecňující (duktví) úudek - duktví uuzováí pomocí matematcko-tattckých metod je

Více

Testy statistických hypotéz

Testy statistických hypotéz Úvod Testy statstckých hypotéz Václav Adamec vadamec@medelu.cz Testováí: kvalfkovaá procedura vedoucí v zamítutí ebo ezamítutí ulové hypotézy v podmíkách ejstoty Testy jsou vázáy a rozděleí áhodých velč

Více

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz:

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz: Ig. Marta Ltschmaová Statstka I., cvčeí 1 TESTOVÁNÍ NEPARAMETRICKÝCH HYPOTÉZ Dosud jsme se zabýval testováím parametrcký hypotéz, což jsou hypotézy o parametrech rozděleí (populace). Statstckým hypotézám

Více

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ TESTOVÁNÍ STATISTICKÝC YPOTÉZ je postup, pomocí ěhož a základě áhodého výběru ověřujeme určité předpoklady (hypotézy) o základím souboru STATISTICKÁ YPOTÉZA předpoklad (tvrzeí) o parametru G základího

Více

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013.

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013. Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95

Více

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014. Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95

Více

a další charakteristikou je četnost výběrového souboru n.

a další charakteristikou je četnost výběrového souboru n. Předáška č. 8 Testováí rozptylu, testy relatví četost, testy dobré shody, test ezávslost kvaltatvích zaků Testy rozptylu Testy se používají k ověřeí hypotézy o určté velkost rozptylu a k ověřeí vztahu

Více

Test hypotézy o parametru π alternativního rozdělení příklad

Test hypotézy o parametru π alternativního rozdělení příklad Test hypotézy o parametru π alterativího rozděleí příklad Podik předpokládá, že o jeho ový výrobek bude mít zájem 7 % osloveých domácostí. Proběhl předběžý průzkum, v ěmž bylo osloveo 4 áhodě vybraých

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA Matematka IV PRAVDĚPODOBNOT A TATITIKA Lbor Žák Matematka IV Lbor Žák Regresí aalýza Regresí aalýza zkoumá závslost mez ezávslým proměým X ( X,, X k a závsle proměou Y. Tato závslost se vjadřuje ve tvaru

Více

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2 SP3 Neparametrcké testy hypotéz PRAVDĚPODOBNOST A STATISTIKA Neparametrcké testy hypotéz čast Lbor Žák SP3 Neparametrcké testy hypotéz Lbor Žák Neparametrcké testy hypotéz - úvod Neparametrcké testy statstckých

Více

17. Statistické hypotézy parametrické testy

17. Statistické hypotézy parametrické testy 7. Statistické hypotézy parametrické testy V této části se budeme zabývat statistickými hypotézami, pomocí vyšetřujeme jedotlivé parametry populace. K takovýmto šetřeím většiou využíváme ám již dobře zámé

Více

9 NÁHODNÉ VÝBĚRY A JEJICH ZPRACOVÁNÍ. Čas ke studiu kapitoly: 30 minut. Cíl:

9 NÁHODNÉ VÝBĚRY A JEJICH ZPRACOVÁNÍ. Čas ke studiu kapitoly: 30 minut. Cíl: 9 ÁHODÉ VÝBĚR A JEJICH ZPRACOVÁÍ Čas ke studu katol: 30 mut Cíl: Po rostudováí tohoto odstavce budete rozumět ojmům Základí soubor, oulace, výběr, výběrové šetřeí, výběrová statstka a budete zát základí

Více

Fakulta elektrotechniky a informatiky Statistika STATISTIKA

Fakulta elektrotechniky a informatiky Statistika STATISTIKA Fakulta elektrotechky a formatky TATITIKA. ZÁKLADNÍ OJMY. Náhodý pokus a áhodý jev NÁHODNÝ OKU proces realzace souboru podmíek kde výsledek emůžeme předem ovlvt. - výsledek áhodého pokusu. - jev, který

Více

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění Předáška č. 0 Aalýza roztylu ř jedoduchém tříděí Aalýza roztylu je statstcká metoda, kterou se osuzuje romělvost oakovaých realzací áhodého okusu tj. romělvost áhodé velčy. Náhodá velča vzká za relatvě

Více

1. Základy počtu pravděpodobnosti:

1. Základy počtu pravděpodobnosti: www.cz-milka.et. Základy počtu pravděpodobosti: Přehled pojmů Jev áhodý jev, který v závislosti a áhodě může, ale emusí při uskutečňováí daého komplexu podmíek astat. Náhoda souhr drobých, ezjistitelých

Více

Odhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení

Odhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení Odhad parametru p biomického rozděleí a test hypotézy o tomto parametru Test hypotézy o parametru p biomického rozděleí Motivačí úloha Předpokládejme, že v důsledku realizace jistého áhodého pokusu P dochází

Více

9. Měření závislostí ve statistice. 9.1. Pevná a volná závislost

9. Měření závislostí ve statistice. 9.1. Pevná a volná závislost Dráha [m] 9. Měřeí závslostí ve statstce Měřeí závslostí ve statstce se zývá především zkoumáím vzájemé závslost statstckých zaků vícerozměrých souborů. Závslost přtom mohou být apříklad pevé, volé, jedostraé,

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

Úvod do teorie měření

Úvod do teorie měření Uverzta Jaa Evagelsty Purkyě v Ústí ad Labem Přírodovědecká fakulta Úvod do teore měřeí Prof. Chlář emář 0 Průměr, rozptyl a směrodatá odchylka X = X = ( X X ) = = = Výpočty pomocí vzorců a pomocí statstckých

Více

Mendelova univerzita v Brně Statistika projekt

Mendelova univerzita v Brně Statistika projekt Medelova uverzta v Brě Statstka projekt Vypracoval: Marek Hučík Obsah 1. Úvod... 3. Skupové tříděí... 3 o Data:... 3 o Počet hodot:... 3 o Varačí rozpětí:... 3 o Počet tříd:... 4 o Šířka tervalu:... 4

Více

Směrnice 1/2011 Statistické vyhodnocování dat, verze 4 Verze 4 je shodná se Směrnicí 1/2011 verze 3, pouze byla rozšířena o robustní analýzu

Směrnice 1/2011 Statistické vyhodnocování dat, verze 4 Verze 4 je shodná se Směrnicí 1/2011 verze 3, pouze byla rozšířena o robustní analýzu Směrce /0 Stattcké vyhodocováí dat, verze 4 Verze 4 e hodá e Směrcí /0 verze 3, ouze byla rozšířea o robutí aalýzu. Stattcké metody ro zkoušeí zůoblot Cílem tattcké aalýzy výledků zkoušek ř zkouškách zůoblot

Více

Metody zkoumání závislosti numerických proměnných

Metody zkoumání závislosti numerických proměnných Metody zkoumáí závslost umerckých proměých závslost pevá (fukčí) změě jedoho zaku jedozačě odpovídá změa druhého zaku (podle ějakého fukčího vztahu) (matematka, fyzka... statstcká (volá) změám jedé velčy

Více

1. Základy měření neelektrických veličin

1. Základy měření neelektrických veličin . Základ měřeí eelektrckých velč.. Měřcí řetězec Měřcí řetězec (měřcí soustava) je soubor měřcích čleů (jedotek) účelě uspořádaých tak, ab blo ožě splt požadovaý úkol měřeí, tj. získat formac o velkost

Více

:6pt;font-style:normal;color:grey;font-family:Verdana,Geneva,Kalimati,sans-serif;text-decoration:none;text-align:center;font-variant:no = = < p s t y l e = " p a d d i n g : 0 ; b o r d e r : 0 ; t e

Více

Statistika - vícerozměrné metody

Statistika - vícerozměrné metody Statstka - vícerozměré metody Mgr. Mart Sebera, Ph.D. Katedra kezologe Masarykova uverzta Fakulta sportovích studí Bro 0 Obsah Obsah... Sezam obrázků... 4 Sezam tabulek... 4 Úvod... 6 Pojmy... 7 Náhodé

Více

Metody statistické analýzy. doc. Ing. Dagmar Blatná, CSc.

Metody statistické analýzy. doc. Ing. Dagmar Blatná, CSc. Metody statstcké aalýzy doc. Ig. Dagmar Blatá, CSc. Bakoví sttut vysoká škola, a.s. Praha 0 METODY STATISTICKÉ ANALÝZY Autor: Recezet: Vydal: Tsk: Vydáí: doc. Ig. Dagmar Blatá, CSc. doc. Ig. Jří Trešl,

Více

PRAVDĚPODOBNOST A STATISTIKA. Bodové a intervalové odhady

PRAVDĚPODOBNOST A STATISTIKA. Bodové a intervalové odhady SP Bodové a tervalové odhady PRAVDĚPODOBNOST A STATISTIKA Bodové a tervalové odhady Lbor Žák SP Bodové a tervalové odhady Lbor Žák Bodové a tervalové odhady Nechť je áhodá proměá, která má dstrbučí fukc

Více

TECHNICKÁ UNIVERZITA V LIBERCI

TECHNICKÁ UNIVERZITA V LIBERCI TECHNICKÁ UNIVERZITA V LIBERCI Ekoomcká fakulta Semestrálí ráce S kua Jméa: Leka Pastorová, Davd arha, Ja Vtásek a Fl Urbačík Ročík: 0/06 Učtel: gr. Jří Rozkovec Obor: Podková ekoomka Datum:.. 06 Obsah

Více

Úvod do korelační a regresní analýzy

Úvod do korelační a regresní analýzy Úvod do korelačí a regresí aalýz Bude ás zajímat, jak těsě spolu souvsí dva sledovaé jev Příklad: vztah mez rchlostí auta a brzdou dráhou vztah mez věkem žáka a rchlostí v běhu a 60 m vztah mez spotřebou

Více

14. Korelace Teoretické základy korelace Způsoby měření závislostí pro různé typy dat

14. Korelace Teoretické základy korelace Způsoby měření závislostí pro různé typy dat 4. Korelace 4. Teoretcké základy korelace 4. Způsoby měřeí závslostí pro růzé typy dat Př prác se statstckým údaj se velm často setkáváme s daty, která jsou tvořea dvojcem, trojcem hodot. Složky takovýchto

Více

Katedra pravděpodobnosti a matematické statistiky. χ 2 test nezávislosti

Katedra pravděpodobnosti a matematické statistiky. χ 2 test nezávislosti Katedra pravděpodobosti a matematické statistiky Oborový semiář χ 2 test ezávislosti Petr Míchal 27 listopadu 2017 Situace 2 X {1,, I}, Y {1,, J} Jsou X a Y ezávislé? K dispozici máme áhodý vyběr (X 1,

Více

8. cvičení 4ST201-řešení

8. cvičení 4ST201-řešení cvičící 8. cvičeí 4ST01-řešeí Obsah: Neparametricé testy Chí-vadrát test dobréshody Kotigečí tabuly Aalýza rozptylu (ANOVA) Vysoá šola eoomicá 1 VŠE urz 4ST01 Neparametricé testy Neparametricétesty využíváme,

Více

Cvičení 6.: Výpočet střední hodnoty a rozptylu, bodové a intervalové odhady střední hodnoty a rozptylu

Cvičení 6.: Výpočet střední hodnoty a rozptylu, bodové a intervalové odhady střední hodnoty a rozptylu Cvičeí 6: Výpočet středí hodoty a rozptylu, bodové a itervalové odhady středí hodoty a rozptylu Příklad 1: Postupě se zkouší spolehlivost čtyř přístrojů Další se zkouší je tehdy, když předchozí je spolehlivý

Více

Testování hypotéz. 3.1 Základní pojmy a obecný postup při testování

Testování hypotéz. 3.1 Základní pojmy a obecný postup při testování Lekce 3 Testováí hypotéz Vlajkovou lodí matematcké statstky jsou techky testováí hypotéz. Formulace hypotéz a jejch ověřováí jsou základím mechasmem postupu ldského pozáí. Pokud jsou formace, potřebé k

Více

Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n

Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n Regrese Aproxmace metodou ejmeších čtverců v v ( ) = f x v v x x x x Je dáo bodů [x, ], =,,, předpoládáme závslost a x a chceme ajít fuc, terá vsthuje teto tred - Sažíme se proložt fuc = f x ta, ab v =

Více

Cvičení 3 - teorie. Teorie pravděpodobnosti vychází ze studia náhodných pokusů.

Cvičení 3 - teorie. Teorie pravděpodobnosti vychází ze studia náhodných pokusů. Cvičeí 3 - teorie Téma: Teorie pravděpodobosti Teorie pravděpodobosti vychází ze studia áhodých pokusů. Náhodý pokus Proces, který při opakováí dává ze stejých podmíek rozdílé výsledky. Výsledek pokusu

Více

Pravděpodobnost a statistika - absolutní minumum

Pravděpodobnost a statistika - absolutní minumum Pravděpodobost a statistika - absolutí miumum Jaromír Šrámek 4108, 1.LF, UK Obsah 1. Základy počtu pravděpodobosti 1.1 Defiice pravděpodobosti 1.2 Náhodé veličiy a jejich popis 1.3 Číselé charakteristiky

Více

Cvičení 6.: Bodové a intervalové odhady střední hodnoty, rozptylu a koeficientu korelace, test hypotézy o střední hodnotě při známém rozptylu

Cvičení 6.: Bodové a intervalové odhady střední hodnoty, rozptylu a koeficientu korelace, test hypotézy o střední hodnotě při známém rozptylu Cvičeí 6: Bodové a itervalové odhady středí hodoty, rozptylu a koeficietu korelace, test hypotézy o středí hodotě při zámém rozptylu Příklad : Bylo zkoumáo 9 vzorků půdy s růzým obsahem fosforu (veličia

Více

Z mých cvičení dostalo jedničku 6 studentů, dvojku 8 studentů, trojku 16 studentů a čtyřku nebo omluveno 10 studentů.

Z mých cvičení dostalo jedničku 6 studentů, dvojku 8 studentů, trojku 16 studentů a čtyřku nebo omluveno 10 studentů. 1. Příklad Hodíme 60krát šestistěou hrací kostkou. Jedotlivé stěy padly v ásledujícím poměru: 7:9:10:6:15:13. Proveďte test a 5% hladiě výzamosti, zda je kostka v pořádku. H 0 : π 1 = 1/6, π = 1/6, π 3

Více

12. TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ

12. TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ 1. TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ Průvodce studiem Navážeme na předchozí kapitolu 11 a vysvětlíme některé statistické testy. Předpokládané znalosti Pojmy z předchozích kapitol. Cíle Cílem této kapitoly

Více

Pravděpodobnostní modely

Pravděpodobnostní modely Pravděpodobostí modely Meu: QCEpert Pravděpodobostí modely Modul hledá metodou maimálí věrohodosti (MLE Maimum Likelihood Estimate) statistický model (rozděleí) který ejlépe popisuje data. Je přitom k

Více

Odhady a testy hypotéz o regresních přímkách

Odhady a testy hypotéz o regresních přímkách Lekce 3 Odhad a tet hpotéz o regreích přímkách Ve druhé lekc jme kotruoval kofdečí terval a formuloval tet hpotéz o korelačím koefcetu Korelačí koefcet je metrckou charaktertkou tezt závlot, u které ezáleží

Více

cenný papír, jehož koupí si investor zajistí předem definované peněžní toky, které obdrží v budoucnosti

cenný papír, jehož koupí si investor zajistí předem definované peněžní toky, které obdrží v budoucnosti DLUHOPISY ceý papír, jehož koupí si ivestor zajistí předem defiovaé peěží toky, které obdrží v budoucosti podle doby splatosti ~ 1 rok dlouhodobé dluhopisy Pokladičí poukázky

Více

pt;font-style:normal;color:grey;font-family:verdana,geneva,kalimati,sans-serif;text-decoration:none;text-align:center;font-variant

pt;font-style:normal;color:grey;font-family:verdana,geneva,kalimati,sans-serif;text-decoration:none;text-align:center;font-variant pt;font-style:normal;color:grey;font-family:verdana,geneva,kalimati,sans-serif;text-decoration:none;text-align:center;font-variant = = < p s t y l e = " p a d d i n g : 0 ; b o r d e r : 0 ; t e x t -

Více

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU) ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU) Základy teorie pravděpodobosti měřeí chyba měřeí Provádíme kvalifikovaý odhad áhodá systematická výsledek ejistota výsledku Základy teorie pravděpodobosti

Více

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D. Odhady parametrů základího souboru Ig. Mchal Dorda, Ph.D. Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl σ atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt

Více

Odhady parametrů 1. Odhady parametrů

Odhady parametrů 1. Odhady parametrů Odhady parametrů 1 Odhady parametrů Na statistický soubor (x 1,..., x, který dostaeme statistickým šetřeím, se můžeme dívat jako a výběrový soubor získaý realizací áhodého výběru z áhodé veličiy X. Obdobě:

Více

UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY. Přírodovědecká fakulta ANALÝZA DAT. 2. upravené vydání. Josef Tvrdík

UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY. Přírodovědecká fakulta ANALÝZA DAT. 2. upravené vydání. Josef Tvrdík UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ANALÝZA DAT. upraveé vydáí Josef Tvrdík OSTRAVSKÁ UNIVERZITA 008 OBSAH: Úvod... 3 Parametrcké testy o shodě středích hodot... 4. Jedovýběrový t-test...

Více

Testování statistických hypotéz

Testování statistických hypotéz Testováí statstckých hyotéz Př statstckých šetřeích se často setkáváme s roblémy tohoto druhu () Máme zjstt, zda dva daé vzorky ocházejí z téhož ZS. () Máme rozhodout, zda rozdíly hodot růměrů (res. roztylů)

Více

Generování dvojrozměrných rozdělení pomocí copulí

Generování dvojrozměrných rozdělení pomocí copulí Pravděpodobost a matematcká statstka eerováí dvojrozměrých rozděleí pomocí copulí umbelova copule PRAHA 005 Vpracoval: JAN ZÁRUBA OBSAH: CÍL PRÁCE TEORIE Metoda verzí trasformace O copulích Sklarova věta

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

10.2.3 VÁŽENÝ ARITMETICKÝ PRŮMĚR S REÁLNÝMI VAHAMI

10.2.3 VÁŽENÝ ARITMETICKÝ PRŮMĚR S REÁLNÝMI VAHAMI Středí hodoty Artmetcý průměr vážeý Aleš Drobí straa 0 VÁŽENÝ ARITMETICKÝ PRŮMĚR S REÁLNÝMI VAHAMI Zatím jsme počítal s tím, že četost ve vztahu pro vážeý artmetcý průměr byla přrozeá čísla Četost mohou

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOT A TATITIKA Přpomeutí pojmů,, P m θ, R θ R - pravděpodobostí prostor - parametrcký prostor - parametrcká fukce,, T - áhodý vektor defovaý a pravděpodobostím prostoru,, P θ s hustotou f x,

Více

C V I Č E N Í 4 1. Představení firmy Splintex Czech 2. Vlastnosti skla a skloviny 3. Aditivita 4. Příklady výpočtů

C V I Č E N Í 4 1. Představení firmy Splintex Czech 2. Vlastnosti skla a skloviny 3. Aditivita 4. Příklady výpočtů Techologe skla 00/03 C V I Č E N Í 4. Představeí rmy pltex Czech. Vlastost skla a sklovy 3. Adtvta 4. Příklady výpočtů Hospodářská akulta. Představeí rmy pltex Czech a.s. [,] Frma pltex Czech je součástí

Více

Univerzita Pardubice Fakulta ekonomicko-správní

Univerzita Pardubice Fakulta ekonomicko-správní Uverzta Pardubce Fakulta ekoomcko-správí ANALÝZA TRESTNÝCH ČINŮ PROTI ŽIVOTU A ZDRAVÍ V ČR Moka Papoušková Bakalářská práce 00 Prohlášeí Prohlašuj, že jsem tuto prác vypracovala samostatě. Veškeré lterárí

Více

4ST201 STATISTIKA CVIČENÍ Č. 7

4ST201 STATISTIKA CVIČENÍ Č. 7 4ST201 STATISTIKA CVIČENÍ Č. 7 testování hypotéz parametrické testy test hypotézy o střední hodnotě test hypotézy o relativní četnosti test o shodě středních hodnot testování hypotéz v MS Excel neparametrické

Více

Aktivita 1 Seminář základů statistiky a workshop (Prof. Ing. Milan Palát, CSc., Ing. Kristina Somerlíková, Ph.D.)

Aktivita 1 Seminář základů statistiky a workshop (Prof. Ing. Milan Palát, CSc., Ing. Kristina Somerlíková, Ph.D.) Aktvta Semář základů tattky a workhop (Prof. Ig. Mla Palát, CSc., Ig. Krta Somerlíková, Ph.D.) Stattcké tříděí Základí metoda tattckého zpracováí. Sekupováí hodot proměé, které jou z hledka klafkačího

Více

PROJEKT PARKINSON KLUBU BRNO Život je pohyb a pohyb je život Význam a zaměření projektu. Hodnotící ukazatele projektu.

PROJEKT PARKINSON KLUBU BRNO Život je pohyb a pohyb je život Význam a zaměření projektu. Hodnotící ukazatele projektu. - 1 - - - - 3 - - 4 - - 5 - PROJEKT PARKINSON KLUBU BRNO Žvot je pohyb a pohyb je žvot - 015 Výzam a zaměřeí projektu Základí deou projektu je vzdorovat egatvím tělesým a psychckým projevům Parksoově emoc,

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA SP4 Přpomeutí pojmů PRAVDĚPODOBNOST A STATISTIKA SP4 Přpomeutí pojmů SP4 Přpomeutí pojmů Pravděpodobost Náhodý jev: - základí prostor - elemetárí áhodý jev A - áhodý jev, - emožý jev, jstý jev podjev opačý

Více

2.5.10 Přímá úměrnost

2.5.10 Přímá úměrnost 2.5.10 Přímá úměrost Předpoklady: 020508 Př. 1: 1 kwh hodia elektrické eergie stojí typicky 4,50 Kč. Doplň do tabulky kolik Kč stojí růzá možství objedaé elektrické eergie. Zkus v tabulce ajít zajímavé

Více

Statistika. Jednotlivé prvky této množiny se nazývají prvky statistického souboru (statistické jednotky).

Statistika. Jednotlivé prvky této množiny se nazývají prvky statistického souboru (statistické jednotky). Statstka. Základí pojmy Statstcký soubo - daá koečá, epázdá moža M předmětů pozoováí, majících jsté společé vlastost (událost, věc,.) Jedotlvé pvky této možy se azývají pvky statstckého soubou (statstcké

Více

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i : ometové míry polohy zahrují růzé druhy průměrů pomocí kterých můžeme charakterzovat cetrálí tedec dat ometové míry polohy jsou jedoduché číselé charakterstky které se vyčíslují ze všech prvků výběru

Více

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 3. ÚKOL JB TEST 3. Úkol zadáí pro statistické testy U každého z ásledujících testů uveďte ázev (včetě autora), předpoklady použití, ulovou

Více

i 1 n 1 výběrový rozptyl, pro libovolné, ale pevně dané x Roznačme n 1 Téma 6.: Základní pojmy matematické statistiky

i 1 n 1 výběrový rozptyl, pro libovolné, ale pevně dané x Roznačme n 1 Téma 6.: Základní pojmy matematické statistiky Téma 6.: Základí pojmy matematické statistiky Vlastosti důležitých statistik odvozeých z jedorozměrého áhodého výběru: Nechť X,..., X je áhodý výběr z rozložeí se středí hodotou μ, rozptylem σ a distribučí

Více

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 4. KAPITOLA STATISTICKÉ CHARAKTERISTIKY 16.10.2017 23.10.2017 Přehled témat 1. Pravděpodobost (defiice, využití, výpočet pravděpodobostí

Více

1. JEV JISTÝ a. je jev, který nikdy nenastane b. je jev, jehož pravděpodobnost = ½ c. je jev, jehož pravděpodobnost = 0 d.

1. JEV JISTÝ a. je jev, který nikdy nenastane b. je jev, jehož pravděpodobnost = ½ c. je jev, jehož pravděpodobnost = 0 d. ZÁPOČTOVÝ TEST. JEV JISTÝ a. je jev, který ikdy eastae b. je jev, jehož pravděpodobost ½ c. je jev, jehož pravděpodobost 0 d. je jev, jehož pravděpodobost e. je jev, který astae za jistých okolostí f.

Více

8 NELINEÁRNÍ REGRESNÍ MODELY

8 NELINEÁRNÍ REGRESNÍ MODELY 8 NELINEÁRNÍ REGRESNÍ MODELY 8 Tvorba eleárího regresího modelu Postup tvorby eleárího regresího modelu se dá rozčlet do těchto kroků: Návrh regresího modelu Obvykle se jako eleárí regresí model používá

Více

Regresní a korelační analýza

Regresní a korelační analýza Regresí a korelačí aalýza Závslost příčá (kauzálí). Závslostí pevou se ozačuje případ, kdy výskytu jedoho jevu utě odpovídá výskyt druhé jevu (a často aopak). Z pravděpodobostího hledska jde o vztah, který

Více

Deskriptivní statistika 1

Deskriptivní statistika 1 Deskriptiví statistika 1 1 Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 1145/2004. Základí charakteristiky souboru Pro lepší představu používáme k popisu vlastostí zkoumaého jevu určité charakteristiky

Více

VŠB Technická univerzita Ostrava BIOSTATISTIKA

VŠB Technická univerzita Ostrava BIOSTATISTIKA VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: BIOSTATISTIKA Zadání 11 DATUM ODEVZDÁNÍ DOMÁCÍ ÚKOL 1: DOMÁCÍ ÚKOL

Více

, jsou naměřené a vypočtené hodnoty závisle

, jsou naměřené a vypočtené hodnoty závisle Měřeí závslostí. Průběh závslost spojtá křvka s jedoduchou rovcí ( jedoduchým průběhem), s malým počtem parametrů, která v rozmezí aměřeých hodot vsthuje průběh závslost, určeí kokrétího tpu křvk (přímka,

Více

Náhodný výběr 1. Náhodný výběr

Náhodný výběr 1. Náhodný výběr Náhodý výběr 1 Náhodý výběr Matematická statistika poskytuje metody pro popis veliči áhodého charakteru pomocí jejich pozorovaých hodot, přesěji řečeo jde o určeí důležitých vlastostí rozděleí pravděpodobosti

Více

MSI LS 2006/2007 Ing. Pavla Hošková, Ph.D., 2. test

MSI LS 2006/2007 Ing. Pavla Hošková, Ph.D., 2. test c 2007 Kompost 1 MSI LS 2006/2007 Ing. Pavla Hošková, Ph.D., 2. test Jestliže při testování výsledek (hodnota testového kritéria) padne do kritického oboru: a) musíme nově formulovat nulovou hypotézu,

Více

FINANČNÍ MATEMATIKA- INFLACE

FINANČNÍ MATEMATIKA- INFLACE ojekt ŠABLONY NA GVM Gymázum Velké Mezříčí egstačí číslo pojektu: CZ..7/.5./34.948 V- ovace a zkvaltěí výuky směřující k ozvoj matematcké gamotost žáků středích škol FNANČNÍ MATEMATA- NFLACE Auto Jazyk

Více

Měření závislostí. Statistická závislost číselných znaků

Měření závislostí. Statistická závislost číselných znaků Měřeí závslostí Statstcká závslost číselých zaků - závslost dvou velč lze vádřt ako ech fukčí vztah vzorcem, taulkou hodot příslušé fukce eo grafck; - mez zak zkoumaých evů zšťueme estec příčé (kauzálí

Více

ř š ú š Č š ž ř š Š Š Í ú š ď ř š ú Š ů ú ř ř ř ř ů ř Ž š ů ú ů ř Š Š Š ř ů řň ň řň řň ů ř ř š Í ř ř ř ř ř ř ř ř Ž Ž ř ú ů ú ú š Ú ú ú Í Ž Ž ů Ž Ž Č ň Ú řš ř řš ú Ž ú ť ň Í ř ř ů ť š š ř Í řš ú Ý Í ť ú

Více

9. Měření závislostí ve statistice Pevná a volná závislost

9. Měření závislostí ve statistice Pevná a volná závislost Dráha [m] 9. Měřeí závislostí ve statistice Měřeí závislostí ve statistice se zabývá především zkoumáím vzájemé závislosti statistických zaků vícerozměrých souborů. Závislosti přitom mohou být apříklad

Více

Terminál WFMS-IP/SO2

Terminál WFMS-IP/SO2 Terminál WFMS-IP/SO2 Uživatelský manuál Terminál WFMS-IP/SO2 je postaven na univerzální platformě grafického terminálu GT 2, kterou využívají např. i terminály pro odvádění výroby, terminály pro evidenci

Více

} kvantitativní znaky. korelace, regrese. Prof. RNDr. Jana Zvárov. Obecné principy

} kvantitativní znaky. korelace, regrese. Prof. RNDr. Jana Zvárov. Obecné principy Měřeí statistické závislosti, korelace, regrese Prof. RNDr. Jaa Zvárov rová,, DrSc. MĚŘENÍZÁVISLOSTI Cílem statistické aalýzy vepidemiologii bývá eje staovit, zda oemocěí závisí a výskytu rizikového faktoru,

Více

STATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson

STATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson STATISTIKA Statistika se těší pochybému vyzameáí tím, že je ejvíce epochopeým vědím oborem. H. Leviso Charakterizace statistického souboru Statistický soubor Prvek souboru Zak prvku kvatitativí teplota,

Více

Domácí práce z p edm tu D01M6F Statistika

Domácí práce z p edm tu D01M6F Statistika eské vysoké u eí techcké Fakulta Elektrotechcká Domácí práce z p edm tu D0M6F Statstka Test dobré shody Bradá Marek 4.ro ík Ak. rok 004/00, LS M6F Test dobré shody Obsah Zadáí...3 Hypotéza...3 3 Zj t é

Více

APLIKACE REGRESNÍ ANALÝZY NA VÝPOČET BODU ZVRATU

APLIKACE REGRESNÍ ANALÝZY NA VÝPOČET BODU ZVRATU VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV FINANCÍ FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF FINANCES APLIKACE REGRESNÍ ANALÝZY NA VÝPOČET BODU ZVRATU

Více

0. 4b) 4) Je dán úhel 3450. Urči jeho základní velikost a převeď ji na radiány. 2b) Jasný Q Q ZK T D ZNÁMKA. 1. pololetí 2 3 1 2 2 3 5 2 3 1 1

0. 4b) 4) Je dán úhel 3450. Urči jeho základní velikost a převeď ji na radiány. 2b) Jasný Q Q ZK T D ZNÁMKA. 1. pololetí 2 3 1 2 2 3 5 2 3 1 1 ) Urči záladí veliost úhlu v radiáech, víš-li, že platí: a) si cos 0. b) cos, Opravá zouša z matematiy 3SD (druhé pololetí) c) cotg 3 5b) ) Na možiě R řeš rovici cos cos 0. 4b) 3) Vzdáleost bodů AB elze

Více

U ivatelské ovládání systému. (práce v re imech Hand a Auto)

U ivatelské ovládání systému. (práce v re imech Hand a Auto) U ivatelské ovládání systému (práce v re imech Hand a Auto) 6 Dálkové ovládání Dálkové ovládání Dálkové ovládání slou í k bezpeènému a pohodlnému ovládání jednotlivých agregátù. Lze jím pøímo ovládat podvodní

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

NEPARAMETRICKÉ METODY

NEPARAMETRICKÉ METODY NEPARAMETRICKÉ METODY Jsou to metody, dy předmětem testu hypotézy eí tvrzeí o hodotě parametru ějaého orétího rozděleí, ale ulová hypotéza je formulováa obecěji, apř. jao shoda rozděleí ebo ezávislost

Více

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

7.Vybrané aplikace optimalizačních modelů

7.Vybrané aplikace optimalizačních modelů 7.Vybraé aplkace optmalzačích modelů V této kaptole se budeme věovat dvěma typům úloh, pro echž řešeí se využívaí optmalzačí prcpy. Jedá se o modely aalýzy obalu dat, které se využívaí pro hodoceí relatví

Více

UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM PEDAGOGICKÁ FAKULTA Katedra tělesné výchovy

UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM PEDAGOGICKÁ FAKULTA Katedra tělesné výchovy UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM PEDAGOGICKÁ FAKULTA Katedra tělesé výchovy VYBRANÉ NEPARAMETRICKÉ STATISTICKÉ POSTUPY V ANTROPOMOTORICE Zdeěk Havel Davd Chlář 0 VYBRANÉ NEPARAMETRICKÉ

Více

Optimalizace portfolia

Optimalizace portfolia Optmalzace portfola ÚVOD Problémy vestováí prostředctvím ákupu ceých papírů sou klasckým tématem matematcké ekoome. Celkový výos z portfola má v době rozhodováí o vestcích povahu áhodé velčy, eíž rozložeí

Více

ij m, velikosti n je tvořen (n m) rozměr-ným polem dat x 11 ... x 12 ... x 22 x n1 ... x n2 7.1 Druhy korelačních koeficientů

ij m, velikosti n je tvořen (n m) rozměr-ným polem dat x 11 ... x 12 ... x 22 x n1 ... x n2 7.1 Druhy korelačních koeficientů 1 7 KORELACE Pro vyádřeí itezity vztahů ezi složkai ξ ξ -rozěrého áhodého vektoru 1 ξ se používá korelačích koeficietů Data tvoří áhodý výběr z -rozěrého rozděleí áhodého vektoru ξ Neuvažue se obyčeě a

Více

Interakce světla s prostředím

Interakce světla s prostředím Iterakce světla s prostředím světlo dopadající rozptyl absorpce světlo odražeé světlo prošlé prostředím ODRAZ A LOM The Light Fatastic, kap. 2 Light rays ad Huyges pricip, str. 31 Roviá vla E = E 0 cos

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOST A STATISTIKA Bodové a itervalové odhady Nechť X je áhodá proměá, která má distribučí fukci F(x, ϑ). Předpokládejme, že záme tvar distribučí fukce (víme jaké má rozděleí) a ezáme parametr

Více

8. cvičení 4ST201. Obsah: Neparametrické testy. Chí-kvadrát test dobréshody Kontingenční tabulky Analýza rozptylu (ANOVA) Neparametrické testy

8. cvičení 4ST201. Obsah: Neparametrické testy. Chí-kvadrát test dobréshody Kontingenční tabulky Analýza rozptylu (ANOVA) Neparametrické testy cvičící 8. cvičeí 4ST1 Obsah: Neparametricé testy Chí-vadrát test dobréshody Kotigečí tabuly Aalýza rozptylu (ANOVA) Vysoá šola eoomicá 1 VŠE urz 4ST1 Neparametricé testy Neparametricétesty využíváme,

Více

jsou varianty znaku) b) při intervalovém třídění (hodnoty x

jsou varianty znaku) b) při intervalovém třídění (hodnoty x Výběr z eřeštelých příkladů ze zkouškových testů Jde o výběr z tpů příkladů, jejchž úspěšost řešeí u zkoušek se blíží ule. Itervalové versus bodové tříděí V tabulce je uvedeo rozděleí četostí a) př bodovém

Více

Téma 4: Výběrová šetření

Téma 4: Výběrová šetření Výběrová šetřeí Téma : Výběrová šetřeí Předáška Výběrové charaktertky a jejch rozděleí Výzam a druhy výběrového šetřeí tattcké šetřeí úplé vyčerpávající eúplé výběrové výběrové šetřeí aha o to aby výběrový

Více

Odhady parametrů základního. Ing. Michal Dorda, Ph.D.

Odhady parametrů základního. Ing. Michal Dorda, Ph.D. Odhady parametrů základího souboru Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt celou populac, provádíme

Více

Parciální diferenciální rovnice. Dirichletova úloha pro Laplaceovu (Poissonovu) rovnici Rovnice vedení tepla

Parciální diferenciální rovnice. Dirichletova úloha pro Laplaceovu (Poissonovu) rovnici Rovnice vedení tepla arálí dereálí rove Drleova úloa ro Lalaeov ossoov rov Rove vedeí ela Vlová rove Klasae leárí arálí dereálí rov.řád d ě ý ve dvo roměý V oblas Ω E de a b d e a g jso sojé je dáa rove ro [ ] Ω oložíme g

Více