9.2.1 Náhodné pokusy, možné výsledky, jevy

Rozměr: px
Začít zobrazení ze stránky:

Download "9.2.1 Náhodné pokusy, možné výsledky, jevy"

Transkript

1 9.2.1 Náhodné pokusy, možné výsedky, jevy Předpokady: 9110, 9114 Hodím kámen za normáních okoností jediný výsedek = spadne na zem Hodíme kámen na terč někoik možných výsedků (trefíme desítku, devítku,, střea půjde zcea vede) = náhodný pokus i když se snažíme vždy o stejné provedení (a stejný výsedek- trefení desítky) získáváme různé výsedky, které závisí na náhodě Př. 1: Jmenuj některé daší náhodné pokusy a naopak pokusy, které nemůžeme označit za náhodné. Nejběžnější náhodné pokusy: hod hrací kostkou hod mincí sejmutí karty z baíčku osování sportky měření rychosti moeku vzduchu testování účinnosti nového éku zkoumání výnosů nové podiny pokus o uměé opodnění (vastně i opodnění přirozenou cestou) Pokusy, které nemůžeme považovat za náhodné: zfiaovění fenoftaeinu v zásaditém prostředí zapáení sirky vhozené do ohně zničení auta, které narazí v pné rychosti do stěny pokud začneme i jevy, které se nezdají být náhodné pozorovat podrobněji, zjistíme náhodné maičkost (jak fenoftaein obarvuje zkumavku, kde sirka chytne, jakým směrem odétne kus krytu předního světa ) v minuosti bya náhodnost pokusů brána jako důsedek nedostatečné znaosti počátečních podmínek (kdybychom věděi přesně, jak jsme kostku hodii a jak vypadá podožka, měi bychom být schopni spočítat, jaké číso padne), dnes víme, že ani teoreticky není možné některé pokusy (havně v mikrosvětě) předpovědět jinak než jako náhodné pokusy s pravděpodobnostmi různých výsedků Co potřebujeme na prozkoumání náhodného pokusu: musíme znát všechny možné výsedky, kterými pokus může dopadnout a které spňují dvě podmínky: navzájem se vyučují (nemohou nastat dva naráz) jeden z nich nastane vždy množina všech možných výsedků pokusu (značíme Ω ), jednotivé výsedky (prvky množiny všech možných výsedků) značíme ω Pode náhodného pokusu, který zkoumáme může být Ω konečná (naše případy) i nekonečná. Př. 2: Urči množinu všech možných výsedků při násedujících náhodných pokusech: a) hod kasickou hrací kostkou 1

2 b) hod mincí c) sejmutí karty na začátku hry (vyšší vyhrává, mariášové karty) a) hod kasickou hrací kostkou na kostce může padnout šest různých hodnot Ω = { 1;2;3;4;5;6 } b) hod mincí mince má dvě strany (rub a íc) Ω = { r; } c) sejmutí karty na začátku hry (vyšší vyhrává) Ω = 7;8;9;10, spodek; svršek; krá; eso v baíčku je osm hodnot karet V některých případech má množina toik prvků, že se spojíme s tím, že určíme jejich počet a nepokoušíme se je všechny vypsat. Př. 3: Do třídy 4B2009 chodí 31 studentů. Urči koika způsoby může dopadnout osování: a) šesti studentů, kteří budou postupně maturovat v první maturitní den b) tří studentů, kteří zajistí vázy na květiny pro maturitní komisi a) šesti studentů, kteří budou postupně maturovat v první maturitní den šest studentů vybírám, maturovat budou postupně záeží na tom, kterého vybereme jako prvního a kterého jako druhého, vybíráme ze 31, bez opakování a záeží na pořadí 31! = = V6 ( 31) možností, prvků Ω 25! b) tří studentů, kteří zajistí vázy na květiny pro maturitní komisi tři studenti musí zajistit vázy, nezáeží na tom, kterého vybereme jako prvního vybíráme ze 31 bez opakování, nezáeží na pořadí sestavujeme tříčenné kombinace bez opakování 31 31! K3 ( 31) = = možností, prvků Ω 3 28! 3! Tak už je jasné, že budeme kombinatoriku docea často potřebovat. Pedagogická poznámka: Z pedagogického hediska není sovní zadání předchozího příkadu nejvhodnější. Jakmie se objevio sovo maturita, propada třída panice a začay se ozývat vzdechy: Radši o tom ani nemuv! V některých případech můžeme množinu všech možných výsedků sestavovat více způsoby: Př. 4: Sestav množinu všech možných výsedků náhodného pokusu hod třemi stejnými mincemi. první přístup: mince jsou stejné a nerozišujeme je Ω má čtyři prvky: Ω = 3 r ; 2 r,1 ; 1 r;2 ; 3 {( ) ( ) ( ) ( )} druhý přístup: všímáme si, na které z mincí, co pado rozišujeme mince mezi sebou Ω = r, r, r ; r, r, ; r,, r ;, r, r ; r,, ;, r, ;,, r ;,, Ω má osm prvků: ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) 2

3 Ačkoiv se zdá, že první přístup je bižší skutečnosti (pokud mince hodíme najednou budeme je těžko rozišovat) a je jednodušší (množina Ω má méně prvků), v počtu pravděpodobnosti je daeko výhodnější druhý postup, protože všechny možnosti jsou v něm rovnocenné ( stejně pravděpodobné ) a v takovém případě jsou všechny úvahy snazší (je zřejmé, že 2 r,1 ; 1 r;2 pravděpodobnější než možnosti zbývající v prvním přístupu jsou možnosti ( ) ( ) protože mohou nastat třemi způsoby. Zásada: Pokud to bude jen trochu možné, budeme množinu všech možných výsedků sestavovat tak, aby všechny výsedky v této množině byy rovnocenné. Vrátíme se k našemu pokusu se třemi mincemi. Množina všech možných výsedků má osm Ω = r, r, r ; r, r, ; r,, r ;, r, r ; r,, ;, r, ;,, r ;,,. Zjišťovat zda prvků: ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) nastaa pouze možnost ( r,, ) není příiš zajímavé. Zajímá nás napříkad zda na všech mincích pado to samé takový výsedek nemáme, ae máme dva výsedky, které tuto podmínku spňují, pokud je dáme dohromady vytvoří podmnožinu množiny Ω, které říkáme jev. Jezy většinou značíme vekými písmeny: A = r, r, r ;,, - jev A, že všech mincích pado to samé {( ) ( )} Př. 5: Urči výpisem násedující jevy, které mohou nastat při hodu třemi mincemi: b) jev B, při hodu pad na aespoň jedné minci rub a aespoň na jedné íc c) jev C, při hodu pad aespoň dvakrát íc d) jev D, při hodu pad jenom íc b) jev B, při hodu pad na aespoň jedné kostce rub a aespoň na jedné íc B = r, r, ; r,, r ;, r, r ; r,, ;, r, ;,, r {( ) ( ) ( ) ( ) ( ) ( )} c) jev C, při hodu pad aespoň dvakrát íc C = r,, ;, r, ;,, r ;,, {( ) ( ) ( ) ( )} d) jev D, při hodu pad jenom íc D =,, {( )} Ceá obast jevů má svoji terminoogii: E = = nemožný jev (napříkad: padnou čtyři íce, jev je jednom jeden, ae popsat ho můžeme mnoha způsoby) F = Ω = jistý jev (napříkad: padne kombinace íců a rubů ),, r B (obecně ω B ), výsedek ω je příznivý jevu B ( ) D C = jev D je podjevem jevu C jev A B je průnikem jevů A a B a nastává pokud nastávají najednou jevy A a B jev A B je sjednocením jevů A a B a nastává pokud nastává aespoň jeden z jevů A a B Je-i A B = = jevy A a B se navzájem vyučují A = jev opačný k jevu A (nastává právě tehdy, když jev A nenastává) 3

4 Pedagogická poznámka: Stihnout oba zbývající příkady je obtížné, ae mysím, že to není veký probém. Př. 6: Pro předchozí příkad hodu třemi mincemi najdi: a) jev, který je podjevem jevu C b) jev, který se vyučuje s jevem B c) jev opačný k jevu B d) jev, který je průnikem jevů B a C e) jev, který je sjednocením jevů A a C a) jev, který je podjevem jevu C podjevem jevu C je napříkad jev D (pady jenom íce), E = r,, ;, r, ;,, r - pady dva íce a jeden rub jiný daší podjev ( ) ( ) ( ) b) jev, který se vyučuje s jevem B A r, r, r ;,, s jevem B se vyučuje jev = ( ) ( ), nebo jev D = (,, ) c) jev opačný k jevu B opačným jevem k jevu B je jev A ( r, r, r) ;(,, ) výsedek ( r, r, r ) d) jev, který je průnikem jevů B a C patí: B C = E = (jev D opačný není, protože neobsahuje e) jev, který je sjednocením jevů A a C F = r, r, r ; r,, ;, r, ;,, r ;,, - nepad právě sjednocením jevů A a C je jev ( ) ( ) ( ) ( ) ( ) jeden íc Př. 7: Osudí obsahuje čtyři barevné koue: bíou, fiaovou, zeenou, a modrou. Při pokusu náhodně najednou vytáhneme z osudí dvě koue. a) sestav množinu Ω (množinu všech možných výsedků pokusu) b) Najdi výsedky příznivé jevu M (tažena modrá koue) a B (tažena bíá koue) c) Urči jevy M B a M B. U všech jevů urči počet příznivých výsedků. a) sestav množinu Ω (množinu všech možných výsedků pokusu) všechny možné dvojice ze čtyř možností, nezáeží na uspořádání Ω = b, f ; b, z ; b, m ; f, z ; f, m ; z, m (všechny výsedky jsou rovnocenné), 6 prvků {( ) ( ) ( ) ( ) ( ) ( )} b) Najdi výsedky příznivé jevu M (tažena modrá koue) a B (tažena bíá koue) M = b, m ; f, m ; z, m - 3 prvky {( ) ( ) ( )} (, );(, );(, ) B = b f b z b m - 3 prvky c) Urči jevy M B a M B. M B = b, f ; b, z ; b, m ; f, m ; z, m - 5 prvků {( ) ( ) ( ) ( ) ( )} (, ) M B = b m 4

5 Shrnutí: Množinu všech možných výsedků se snažíme sestavit tak, aby všechny její prvky byy rovnocenné. 5

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Název školy Gymnázium, Šternberk, Horní nám. 5 Číslo projektu CZ.1.07/1.5.00/34.0218 Šablona III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Označení materiálu VY_32_INOVACE_Hor012 Vypracoval(a),

Více

( ) ( ) 9.2.7 Nezávislé jevy I. Předpoklady: 9204

( ) ( ) 9.2.7 Nezávislé jevy I. Předpoklady: 9204 9.2.7 Nezávislé jevy I Předpoklady: 9204 Př. : Předpokládej, že pravděpodobnost narození chlapce je stejná jako pravděpodobnost narození dívky (a tedy v obou případech rovna 0,5) a není ovlivněna genetickými

Více

Jevy A a B jsou nezávislé, jestliže uskutečnění jednoho jevu nemá vliv na uskutečnění nebo neuskutečnění jevu druhého

Jevy A a B jsou nezávislé, jestliže uskutečnění jednoho jevu nemá vliv na uskutečnění nebo neuskutečnění jevu druhého 8. Základy teorie pravděpodobnosti 8. ročník 8. Základy teorie pravděpodobnosti Pravděpodobnost se zabývá matematickými zákonitostmi, které se projevují v náhodných pokusech. Tyto zákonitosti mají opodstatnění

Více

PRAVDĚPODOBNOST Náhodné pokusy. Náhodný jev

PRAVDĚPODOBNOST Náhodné pokusy. Náhodný jev RAVDĚODOBNOST Náhodné pokusy okusy ve fyzice, chemii při splnění stanov. podmínek vždy stejný výsledek ř. Změna skupenství vody při 00 C a tlaku 00 ka okusy v praxi, vědě, výzkumu při dodržení stejných

Více

{ 3;4;5;6 } pravděpodobnost je zřejmě 4 = 2.

{ 3;4;5;6 } pravděpodobnost je zřejmě 4 = 2. 9..3 Pravděpodobnosti jevů I Předpoklady: 90 Opět se vrátíme k hodu kostkou. Pokus má šest stejně pravděpodobných náhodných výsledků pravděpodobnost každého z nich je 6. Do domečku nám chybí tři políčka.

Více

Intuitivní pojem pravděpodobnosti

Intuitivní pojem pravděpodobnosti Pravděpodobnost Intuitivní pojem pravděpodobnosti Intuitivní pojem pravděpodobnosti Pravděpodobnost zkoumaného jevu vyjadřuje míru naděje, že tento jev nastane. Řekneme-li, že má nějaký jev pravděpodobnost

Více

PRAVDĚPODOBNOST A JEJÍ UŽITÍ

PRAVDĚPODOBNOST A JEJÍ UŽITÍ PRAVDĚPODOBNOST A JEJÍ UŽITÍ Základním pojmem teorie pravděpodobnosti je náhodný jev. náhodný jev : výsledek nějaké činnosti nebo pokusu, o němž má smysl prohlásit že nastal nebo ne. Náhodné jevy se označují

Více

Určeno studentům středního vzdělávání s maturitní zkouškou, 4. ročník, okruh Základy počtu pravděpodobnosti

Určeno studentům středního vzdělávání s maturitní zkouškou, 4. ročník, okruh Základy počtu pravděpodobnosti PRAVDĚPODOBNOST anotace Určeno studentům středního vzdělávání s maturitní zkouškou, 4. ročník, okruh Základy počtu pravděpodobnosti VM vytvořil: Mgr. Marie Zapadlová Období vytvoření VM: září 2013 Klíčová

Více

KOMBINATORIKA. 1. cvičení

KOMBINATORIKA. 1. cvičení KOMBINATORIKA 1. cvičení Co to je kombinatorika Kombinatorika je vstupní branou do teorie pravděpodobnosti. Zabývá se různými způsoby výběru prvků z daného souboru. 2011 Ing. Janurová Kateřina, FEI VŠB-TU

Více

Diskrétní matematika. DiM /01, zimní semestr 2016/2017

Diskrétní matematika. DiM /01, zimní semestr 2016/2017 Diskrétní matematika Petr Kovář petr.kovar@vsb.cz Vysoká škola báňská Technická univerzita Ostrava DiM 470-2301/01, zimní semestr 2016/2017 O tomto souboru Tento soubor je zamýšlen především jako pomůcka

Více

Pravděpodobnost a její vlastnosti

Pravděpodobnost a její vlastnosti Pravděpodobnost a její vlastnosti 1 Pravděpodobnost a její vlastnosti Náhodné jevy Náhodný jev je výsledek pokusu (tj. realizace určitého systému podmínek) a jeho charakteristickým rysem je, že může, ale

Více

1.9.1 Vyjádření neznámé ze vzorce I

1.9.1 Vyjádření neznámé ze vzorce I .9. Vyjádření neznámé ze vzorce I Předpokady: 75, 85 Pedagogická poznámka: Ačkoiv v normání učebnici zabírá vyjadřování ze vzorce jenom tři stránky, věnova jsem ji ceou podkapitou, z někoika důvodů: Autor

Více

Pravděpodobnost a statistika

Pravděpodobnost a statistika Pravděpodobnost a statistika Teorie pravděpodobnosti popisuje vznik náhodných dat, zatímco matematická statistika usuzuje z dat na charakter procesů, jimiž data vznikla. NÁHODNOST - forma existence látky,

Více

Projekt ŠABLONY NA GVM Gymnázium Velké Meziříčí registrační číslo projektu: CZ.1.07/1.5.00/34.0948

Projekt ŠABLONY NA GVM Gymnázium Velké Meziříčí registrační číslo projektu: CZ.1.07/1.5.00/34.0948 Projekt ŠABLONY NA GVM Gymnázium Velké Meziříčí registrační číslo projektu: CZ.1.07/1.5.00/34.0948 IV-2 Inovace a zkvalitnění výuky směřující k rozvoji matematické gramotnosti žáků středních škol PRAVDĚPODOBNOST

Více

S1P Příklady 01. Náhodné jevy

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

Více

1.9.1 Vyjádření neznámé ze vzorce I

1.9.1 Vyjádření neznámé ze vzorce I .9. Vyjádření neznámé ze vzorce I Předpokady: 75, 85 Pedagogická poznámka: Ačkoiv v normání učebnici zabírá vyjadřování ze vzorce jenom tři stránky, věnova jsem ji ceou podkapitou, z někoika důvodů: Autor

Více

náhodný jev je podmnožinou

náhodný jev je podmnožinou Pravděpodobnost Dovednosti a cíle - Chápat jev A jako podmnožinu množiny, která značí množinu všech výsledků náhodného děje. - Umět zapsat jevy pomocí množinových operací a obráceně umět z množinového

Více

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

1. Házíme hrací kostkou. Určete pravděpodobností těchto jevů: a) A při jednom hodu padne šestka;

1. Házíme hrací kostkou. Určete pravděpodobností těchto jevů: a) A při jednom hodu padne šestka; I Elementární pravděpodonost 1 Házíme hrací kostkou Určete pravděpodoností těchto jevů: a) A při jednom hodu padne šestka; Řešení: P A) = 1 = 01; Je celkem šest možností {1,,, 4,, } a jedna {} je příznivá

Více

Náhodný jev. Jevy, které za daných podmínek mohou, ale nemusí nastat, nazýváme náhodnými jevy.

Náhodný jev. Jevy, které za daných podmínek mohou, ale nemusí nastat, nazýváme náhodnými jevy. Náhodný jev Mějme určitý soubor podmínek. Provedeme pokus, který budeme chtít zopakovat. Pokud opakování pokusu při zachování nám známých podmínek nevede k jednoznačnému výsledku, můžeme se domnívat, že

Více

5) Ve třídě 1.A se vyučuje 11 různých předmětů. Kolika způsoby lze sestavit rozvrh na 1 den, vyučuje-li se tento den 6 různých předmětů?

5) Ve třídě 1.A se vyučuje 11 různých předmětů. Kolika způsoby lze sestavit rozvrh na 1 den, vyučuje-li se tento den 6 různých předmětů? 0. Kombinatorika, pravděpodobnost, statistika Kombinatorika ) V restauraci mají na jídelním lístku 3 druhy polévek, 7 možností výběru hlavního jídla, druhy moučníku. K pití si lze objednat kávu, limonádu

Více

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

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

Více

Pravděpodobnost a statistika

Pravděpodobnost a statistika Pravděpodobnost a statistika 1 Náhodné pokusy a náhodné jevy Činnostem, jejichž výsledek není jednoznačně určen podmínkami, za kterých probíhají, a které jsou (alespoň teoreticky) neomezeně opakovatelné,

Více

KOMBINATORIKA. 1. cvičení

KOMBINATORIKA. 1. cvičení KOMBINATORIKA 1. cvičení TYPY VÝBĚRŮ Uspořádanost výběru uspořádaný výběr = VARIACE, záleží na pořadí vybraných prvků neuspořádaný výběr = KOMBINACE, nezáleží na pořadí vybraných prvků Opakované zařazení

Více

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Název školy Gymnázium, Šternberk, Horní nám. 5 Číslo projektu CZ.1.07/1.5.00/34.0218 Šablona III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Označení materiálu VY_32_INOVACE_Hor016 Vypracoval(a),

Více

UNIVERZITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY BAKALÁŘSKÁ PRÁCE

UNIVERZITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY BAKALÁŘSKÁ PRÁCE UNIVERZITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY BAKALÁŘSKÁ PRÁCE Sbírka řešených příkladů z pravděpodobnosti: náhodný jev Vedoucí bakalářské práce:

Více

( ) ( ) 9.2.10 Binomické rozdělení. Předpoklady: 9209

( ) ( ) 9.2.10 Binomické rozdělení. Předpoklady: 9209 9..1 Binomické rozdělení Předpoklady: 99 Př. 1: Basketbalista hází trestný hod (šestku) s pravděpodobností úspěchu,9. Urči pravděpodobnosti, že z pěti hodů: a) dá košů; b) dá alespoň jeden koš; c) dá nejdříve

Více

( n) ( ) ( ) 9.1.11 Kombinatorické úlohy bez opakování. Předpoklady: 9109

( n) ( ) ( ) 9.1.11 Kombinatorické úlohy bez opakování. Předpoklady: 9109 9.1.11 Kombinatorické úlohy bez opakování Předpoklady: 9109 Pedagogická poznámka: Tato hodina slouží jednak ke zopakování probraného, ale zejména k praktickému nácviku kombinatoriky v situaci, ve které

Více

Poznámky k předmětu Aplikovaná statistika, 1. téma

Poznámky k předmětu Aplikovaná statistika, 1. téma Poznámky k předmětu Aplikovaná statistika, 1. téma Motivace Na otázku, při jaké teplotě vře voda, nejspíš neodpovíte. Budete chtít znát podmínky, které máte uvažovat. Víme, že za normálního tlaku, tj.

Více

Lékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.)

Lékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.) Lékařská biofyzika, výpočetní technika I Biostatistika Josef Tvrdík (doc. Ing. CSc.) Přírodovědecká fakulta, katedra informatiky josef.tvrdik@osu.cz konzultace úterý 14.10 až 15.40 hod. http://www1.osu.cz/~tvrdik

Více

Digitální učební materiál

Digitální učební materiál Digitální učební materiál Číslo projektu Označení materiálu Název školy Autor Tematická oblast Ročník Anotace Metodický pokyn Zhotoveno CZ.1.07/1.5.00/34.0061 VY_42_INOVACE_M.2.01 Integrovaná střední škola

Více

Teorie. Kombinatorika

Teorie. Kombinatorika Teorie Kombinatorika Kombinatorika Jak obecně vybrat k prvkové množiny z n prvkové množiny? Dvě možnosti: prvky se v množině neopakují bez opakování. prvky se v množině opakují s opakováním. prvky jsou

Více

pravděpodobnosti Pravděpodobnost je teorií statistiky a statistika je praxí teorie pravděpodobnosti.

pravděpodobnosti Pravděpodobnost je teorií statistiky a statistika je praxí teorie pravděpodobnosti. 3.1 Základy teorie pravděpodobnosti Pravděpodobnost je teorií statistiky a statistika je praxí teorie pravděpodobnosti. Co se dozvíte Náhodný pokus a náhodný jev. Pravděpodobnost, počítání s pravděpodobnostmi.

Více

9.1.8 Kombinace I. Předpoklady: 9107

9.1.8 Kombinace I. Předpoklady: 9107 9.1.8 Kombinace I Předpoklady: 9107 Př. 1: Urči, kolika způsoby je možné ze třídy s 1 studenty vybrat dva zástupce do studentské rady (bez rozlišení funkce). Vybíráme dvojici z 1 studentů: 1. student 1

Více

Digitální učební materiál

Digitální učební materiál Digitální učební materiál Projekt Šablona CZ.1.07/1.5.00/34.0415 Inovujeme, inovujeme III/2 Inovace a zkvalitnění výuky prostřednictvím ICT (DUM) DUM č. VY_32_INOVACE_CH29_1_17 ŠVP Podnikání RVP 64-41-L/51

Více

Kombinace s opakováním

Kombinace s opakováním 9..3 Kombinace s opaováním Předpolady: 907. 908, 9, 92 Pedagogicá poznáma: Tato hodina zabere opět minimálně 70 minut. Asi ji čeá rozšíření na dvě hodiny. Netradiční začáte. Nemáme žádné přílady, ale rovnou

Více

9.1.6 Permutace I. Předpoklady: 9101, 9102, 9104

9.1.6 Permutace I. Předpoklady: 9101, 9102, 9104 9.1.6 Permutace I Předpoklady: 9101, 9102, 9104 Pedagogická poznámka: První tři příklady jsou opakování, je možné je přeskočit, nebo použít na zkoušení. Př. 1: Vyřeš slovní úlohy. a) Na plese se losuje

Více

Příklad 1. Řešení 1a ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 4

Příklad 1. Řešení 1a ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 4 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST Příklad 1 a) Jev spočívá v tom, že náhodně vybrané přirozené číslo je dělitelné pěti a jev v tom, že toto číslo náhodně vybrané přirozené číslo zapsané v desítkové soustavě má

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

Inženýrská statistika pak představuje soubor postupů a aplikací teoretických principů v oblasti inženýrské činnosti.

Inženýrská statistika pak představuje soubor postupů a aplikací teoretických principů v oblasti inženýrské činnosti. Přednáška č. 1 Úvod do statistiky a počtu pravděpodobnosti Statistika Statistika je věda a postup jak rozvíjet lidské znalosti použitím empirických dat. Je založena na matematické statistice, která je

Více

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

Úvod do informatiky. Miroslav Kolařík

Úvod do informatiky. Miroslav Kolařík Úvod do informatiky přednáška devátá Miroslav Kolařík Zpracováno dle učebního textu prof. Bělohlávka: Úvod do informatiky, KMI UPOL, Olomouc 2008 Obsah 1 Kombinatorika: princip inkluze a exkluze 2 Počítání

Více

Pravděpodobnost Podmíněná p. Úplná p. III. Pravděpodobnost. III. Pravděpodobnost Statistika A (ZS 2015)

Pravděpodobnost Podmíněná p. Úplná p. III. Pravděpodobnost. III. Pravděpodobnost Statistika A (ZS 2015) III Pravděpodobnost Pravděpodobnost Podmíněná p. Úplná p. Odkud se bere pravděpodobnost? 1. Pravděpodobnost, že z balíčku zamíchaných karet vytáhmene dvě esa je přibližně 0:012. Modely a teorie. 2. Pravděpodobnost,

Více

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

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

Více

METODICKÉ LISTY Z MATEMATIKY pro gymnázia a základní vzdělávání

METODICKÉ LISTY Z MATEMATIKY pro gymnázia a základní vzdělávání METODICKÉ LISTY Z MATEMATIKY pro gymnázia a základní vzdělávání Jaroslav Švrček a kolektiv Rámcový vzdělávací program pro gymnázia Vzdělávací oblast: Matematika a její aplikace Tematický okruh: Práce s

Více

Kombinace s opakováním

Kombinace s opakováním 9..3 Kombinace s opaováním Předpolady: 907. 908, 9, 92 Pedagogicá poznáma: Časová náročnost této hodiny je podobná hodině předchozí. Netradiční začáte. Nemáme žádné přílady, ale rovnou definici. Definice

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

4. cvičení 4ST201 - řešení

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

Více

Sada 1 Matematika. 16. Úvod do pravděpodobnosti

Sada 1 Matematika. 16. Úvod do pravděpodobnosti S třední škola stavební Jihlava Sada 1 Matematika 16. Úvod do pravděpodobnosti Digitální učební materiál projektu: SŠS Jihlava šablony registrační číslo projektu:cz.1.09/1.5.00/34.0284 Šablona: III/2 -

Více

Pravděpodobnost a statistika (BI-PST) Cvičení č. 1

Pravděpodobnost a statistika (BI-PST) Cvičení č. 1 Pravděpodobnost a statistika (BI-PST) Cvičení č. 1 Katedra aplikované matematiky Fakulta informačních technologií České vysoké učení technické v Praze ZS 2014/2015 (FIT ČVUT) BI-PST, Cvičení č. 1 ZS 2014/2015

Více

Cvičení ze statistiky - 5. Filip Děchtěrenko

Cvičení ze statistiky - 5. Filip Děchtěrenko Cvičení ze statistiky - 5 Filip Děchtěrenko Minule bylo.. Začali jsme pravděpodobnost Klasická a statistická definice pravděpodobnosti Náhodný jev Doplněk, průnik, sjednocení Podmíněná pravděpodobnost

Více

Program:, vl a a bud v PŘÍKLAD LKO A ĚŽ ZNOJMO. TR LALÉ ODSTRANĚNÍ LHKOSTI Z OBJEKTU. l g. l l l. ž l. Jsme. I l l l

Program:, vl a a bud v PŘÍKLAD LKO A ĚŽ ZNOJMO. TR LALÉ ODSTRANĚNÍ LHKOSTI Z OBJEKTU. l g. l l l. ž l. Jsme. I l l l Program:, v a a bud v PŘÍKLAD LKO A ĚŽ ZNOJMO. TR LALÉ ODSTRANĚNÍ LHKOSTI Z OBJEKTU. g. Jsme I V I i 4 x P ň T V trvae v Řešení vhkosti a vytápění budovy VLKOVA VĚŽ Termín akce : od 10.12.2013 do 26.3.2013

Více

6.1.4 Kontrakce délek

6.1.4 Kontrakce délek 6..4 Kontrake déek Předpokady: 603 Existuje na Zemi jev, na kterém je diatae času opravdu vidět? Př. :Částie mion má poočas rozpadu (doba, za kterou se rozpadne přibižně poovina části) 2,2µs. Vysvěti,

Více

KoMáR - Řešení 5. série školní rok 2015/2016. Řešení Páté Série

KoMáR - Řešení 5. série školní rok 2015/2016. Řešení Páté Série Řešení Páté Série Úloha 1. Máte za úkol zaplnit následující útvar čísly od 1 do 13. Součet těchto čísel musí být v každé řadě trojúhelníků stejný. Je možné útvar takto zaplnit? Zdůvodněte své tvrzení.

Více

4. ZÁKLADNÍ TYPY ROZDĚLENÍ PRAVDĚPODOBNOSTI DISKRÉTNÍ NÁHODNÉ VELIČINY

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

Více

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Název školy Gymnázium, Šternberk, Horní nám. 5 Číslo projektu CZ.1.07/1.5.00/34.0218 Šablona III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Označení materiálu VY_32_INOVACE_Hor001 Vypracoval(a),

Více

CZ.1.07/1.5.00/34.0619 CZ.1.07/1.5.00/34.0619 Zvyšování vzdělanosti pomocí e-prostoru OP Vzdělávání pro konkurenceschopnost

CZ.1.07/1.5.00/34.0619 CZ.1.07/1.5.00/34.0619 Zvyšování vzdělanosti pomocí e-prostoru OP Vzdělávání pro konkurenceschopnost CZ.1.07/1.5.00/34.0619 CZ.1.07/1.5.00/34.0619 Zvyšování vzdělanosti pomocí e-prostoru OP Vzdělávání pro konkurenceschopnost Soukromá střední škola a jazyková škola s právem státní jazykové zkoušky Č. Budějovice,

Více

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

Populace vs. data. popisná (deskriptivní) popis konkrétních dat. letní semestr 2012 1

Populace vs. data. popisná (deskriptivní) popis konkrétních dat. letní semestr 2012 1 ? Šárka Hudecová Katedra i a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy letní semestr 2012 1? Statistika = věda o získávání, zpracování a interpretaci informace obsažené v

Více

2.1.4 Funkce, definiční obor funkce. π 4. Předpoklady: 2103. Pedagogická poznámka: Následující ukázky si studenti do sešitů nepřepisují.

2.1.4 Funkce, definiční obor funkce. π 4. Předpoklady: 2103. Pedagogická poznámka: Následující ukázky si studenti do sešitů nepřepisují. .. Funkce, definiční obor funkce Předpoklady: 03 Pedagogická poznámka: Následující ukázky si studenti do sešitů nepřepisují. Uděláme si na tabuli jenom krátký seznam: S = a, y = x, s = vt, výška lidí v

Více

Náhodný jev a definice pravděpodobnosti

Náhodný jev a definice pravděpodobnosti Náhodný jev a definice pravděpodobnosti Obsah kapitoly Náhodný jev. Vztahy mezi náhodnými jevy. Pravidla pro počítání s pravděpodobnostmi. Formule úplné pravděpodobnosti a Bayesův vzorec. Studijní cíle

Více

Pravděpodobnost, náhoda, kostky

Pravděpodobnost, náhoda, kostky Pravděpodobnost, náhoda, kostky Radek Pelánek IV122, jaro 2015 Výhled pravděpodobnost náhodná čísla lineární regrese detekce shluků Dnes lehce nesourodá směs úloh souvisejících s pravděpodobností krátké

Více

Cvičení ze statistiky - 4. Filip Děchtěrenko

Cvičení ze statistiky - 4. Filip Děchtěrenko Cvičení ze statistiky - 4 Filip Děchtěrenko Minule bylo.. Dokončili jsme deskriptivní statistiku Tyhle termíny by měly být známé: Korelace Regrese Garbage in, Garbage out Vícenásobná regrese Pravděpodobnost

Více

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

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

Více

Pythagorova věta

Pythagorova věta .8.19 Pythagorova věta Předpoklady: 00801 Pedagogická poznámka: Z následujícího příkladu rýsuje každý žák pouze jeden bod podle toho, v jakém sedí oddělení. Př. 1: Narýsuj pravoúhlý trojúhelník: a) ABC:

Více

Kolika způsoby může při hodu dvěma kostkami padnout součet ok: a) roven 7 b) nejvýše 5 řešení

Kolika způsoby může při hodu dvěma kostkami padnout součet ok: a) roven 7 b) nejvýše 5 řešení 2. intermezzo - Tucet dalších příkladů. Příklad 1: Čtyři studenti jisté vysoké školy skládají zkoušku z matematiky. Kolik existuje případů, že každý z nich bude mít jinou známku? Počítejte s čtyřstupňovou

Více

Projekt OPVK - CZ.1.07/1.1.00/ Matematika pro všechny. Univerzita Palackého v Olomouci

Projekt OPVK - CZ.1.07/1.1.00/ Matematika pro všechny. Univerzita Palackého v Olomouci Projekt OPVK - CZ.1.07/1.1.00/26.0047 Matematika pro všechny Univerzita Palackého v Olomouci Tematický okruh: Práce s daty, kombinatorika a pravděpodobnost Gradovaný řetězec úloh Téma: Pravděpodobnost

Více

Diskrétní náhodná veličina. November 12, 2008

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

Více

MATEMATIKA III V PŘÍKLADECH

MATEMATIKA III V PŘÍKLADECH VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ MATEMATIKA III V PŘÍKLADECH Cvičení 3 Pravděpodobnost jevů Mgr. Petr Otipka Ostrava 2013 Mgr. Petr Otipka Vysoká škola báňská Technická

Více

O náhodě a pravděpodobnosti

O náhodě a pravděpodobnosti O náhodě a pravděpodobnosti 3. kapitola. Jev In: Adam Płocki (author); Eva Macháčková (translator); Vlastimil Macháček (illustrator): O náhodě a pravděpodobnosti. (Czech). Praha: Mladá fronta, 82. pp.

Více

Kmitavý pohyb trochu jinak

Kmitavý pohyb trochu jinak Kmitavý pohyb trochu jinak JIŘÍ ESAŘ, PER BAROŠ Katedra fyziky, Pedaoická fakuta, JU České Budějovice Kmitavý pohyb patří mezi zákadní fyzikání děje. Většinou se tato část fyziky redukuje na matematický

Více

9.1.1 Základní kombinatorická pravidla I

9.1.1 Základní kombinatorická pravidla I 9.. Základní kombinatorická pravidla I Předpoklady: Př. : Ve třídě je 7 děvčat a 3 kluků. Kolik máme možností jak vybrat dvojici klukholka, která bude mít projev na maturitním plese? Vybíráme ze 7 holek

Více

Projekt ŠABLONY NA GVM Gymnázium Velké Meziříčí registrační číslo projektu: CZ.1.07/1.5.00/34.0948

Projekt ŠABLONY NA GVM Gymnázium Velké Meziříčí registrační číslo projektu: CZ.1.07/1.5.00/34.0948 Projekt ŠABLONY NA GVM Gymnázium Velké Meziříčí registrační číslo projektu: CZ.1.07/1.5.00/34.0948 IV-2 Inovace a zkvalitnění výuky směřující k rozvoji matematické gramotnosti žáků středních škol VARIACE

Více

Dláždění I. Předpoklady:

Dláždění I. Předpoklady: 1.3.18 Dláždění I Předpoklady: 010317 Pedagogická poznámka: tato hodina se věnuje opakování výpočtů povrchů a bylo by zřejmě možné ji zařadit i do úvodního opakování. Nakonec jsem ji přidal na toto místo,

Více

Značení 1.1 (posloupnost výsledků pokusu). Mějme posloupnost opakovaných (i závislých) pokusů,

Značení 1.1 (posloupnost výsledků pokusu). Mějme posloupnost opakovaných (i závislých) pokusů, Rekurentní jevy Značení. (posloupnost výsledků pokusu). Mějme posloupnost opakovaných (i závislých) pokusů, kde každý má tutéž konečnou nebo spočetnou množinu výsledků E, E,...}. Pak E j,..., E jn } značí

Více

28.ročník. Milý řešiteli!

28.ročník. Milý řešiteli! 28.ročník 3.leták Milý řešiteli! Máme tady nový rok a s ním i další sérii KOperníkova Korespondenčního Semináře. Chtěli bychom Ti v tomto roce popřát jen to nejlepší, hodně vyřešených matematických úloh

Více

Základním pojmem v kombinatorice je pojem (k-prvková) skupina, nebo také k-tice prvků, kde k je přirozené číslo.

Základním pojmem v kombinatorice je pojem (k-prvková) skupina, nebo také k-tice prvků, kde k je přirozené číslo. přednáša KOMBINATORIKA Při řešení mnoha praticých problémů se setáváme s úlohami, ve terých utváříme supiny z prvů nějaé onečné množiny Napřílad máme sestavit rozvrh hodin z daných předmětů, potřebujeme

Více

NÁHODNÉ VELIČINY JAK SE NÁHODNÁ ČÍSLA PŘEVEDOU NA HODNOTY NÁHODNÝCH VELIČIN?

NÁHODNÉ VELIČINY JAK SE NÁHODNÁ ČÍSLA PŘEVEDOU NA HODNOTY NÁHODNÝCH VELIČIN? NÁHODNÉ VELIČINY GENEROVÁNÍ SPOJITÝCH A DISKRÉTNÍCH NÁHODNÝCH VELIČIN, VYUŽITÍ NÁHODNÝCH VELIČIN V SIMULACI, METODY TRANSFORMACE NÁHODNÝCH ČÍSEL NA HODNOTY NÁHODNÝCH VELIČIN. JAK SE NÁHODNÁ ČÍSLA PŘEVEDOU

Více

Univerzita Tomáše Bati ve Zlíně, Fakulta technologická Ústav fyziky a materiálového inženýrství

Univerzita Tomáše Bati ve Zlíně, Fakulta technologická Ústav fyziky a materiálového inženýrství Univerzita Tomáše Bati ve Zíně, Fakuta technoogická Ústav fyziky a materiáového inženýrství Jméno a příjmení Josef Novák Ročník / Skupina x Předmět Laboratorní cvičení z předmětu Datum měření xx. xx. xxxx

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOST A STATISTIKA Gymnázium Jiřího Wolkera v Prostějově Výukové materiály z matematiky pro vyšší gymnázia Autoři projektu Student na prahu 2. století - využití ICT ve vyučování matematiky na

Více

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

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

Více

MATEMATIKA III V PŘÍKLADECH

MATEMATIKA III V PŘÍKLADECH VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ MATEMATIKA III V PŘÍKLADECH Cvičení 6 Rozdělení pravděpodobnosti diskrétní náhodné veličiny Mgr. Petr Otipka Ostrava 013 Mgr. Petr Otipka

Více

2.1 Stáčivost v závislosti na koncentraci opticky aktivní látky

2.1 Stáčivost v závislosti na koncentraci opticky aktivní látky 1 Pracovní úkoy 1. Změřte závisost stočení poarizační roviny na koncentraci vodního roztoku gukozy v rozmezí 0 500 g/. Pro jednu zvoenou koncentraci proveďte 5 měření úhu stočení poarizační roviny. Jednu

Více

Název: Pravděpodobnost a běžný život

Název: Pravděpodobnost a běžný život Název: Pravděpodobnost a běžný život Autor: Mgr. Lukáš Saulich Název školy: Gymnázium Jana Nerudy, škola hl. města Prahy Předmět, mezipředmětové vztahy: matematika a její aplikace Ročník: 3. (1. ročník

Více

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

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

Více

1.2.10 Tření a valivý odpor I

1.2.10 Tření a valivý odpor I 1.2.10 Tření a valivý odpor I Předpoklady: 1209 Př. 1: Do krabičky od sirek ležící na vodorovném stole strčíme malou silou. Krabička zůstane stát. Vysvětli. Mezi stolem a krabičkou působí tření, které

Více

TEST 1 (40 bodů) (9 4)! 2. Nejméně kolikrát musíme hodit kostkou, abychom měli alespoň 80% pravděpodobnost, že padne alespoň jedna šestka?

TEST 1 (40 bodů) (9 4)! 2. Nejméně kolikrát musíme hodit kostkou, abychom měli alespoň 80% pravděpodobnost, že padne alespoň jedna šestka? TEST (40 bodů) Jméno:. Pin karty se skládá ze čtyř náhodně vybraných číslic až 9, z nichž se žádné neopakuje. Jaká je pravděpodobnost, že všechny čtyři číslice budou liché? podíl všech možností,jak vybrat

Více

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

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

Více

Výpočet pravděpodobností

Výpočet pravděpodobností Výpočet pravděpodobností Pravděpodobnostní kalkulátor v programu STATISTICA Cvičení 5 Statistické metody a zpracování dat 1 (podzim 2016) Brno, říjen 2016 Ambrožová Klára Trocha teorie Náhodné jevy mají

Více

Vedlejší a vrcholové úhly

Vedlejší a vrcholové úhly 1.5.13 Vedlejší a vrcholové úhly Předpoklady: 010512 Pedagogická poznámka: Předem je dobré upozornit, že hlavním oříškem hodiny není zavedení pojmu a odvození pravidel. Obojí žáci zvládnou bez problémů

Více

1.3.2 Množinové operace

1.3.2 Množinové operace 1.3.2 Množinové operace Předpoklady: 1301 Průnik množin ( ) Průnik množin, (zapisujeme ) je množina všech prvků, které patří zároveň do obou množin. Kteří studenti patří do průniku množiny všech jedničkářů

Více

Kombinatorika. 1. Variace. 2. Permutace. 3. Kombinace. Název: I 1 9:11 (1 z 24)

Kombinatorika. 1. Variace. 2. Permutace. 3. Kombinace. Název: I 1 9:11 (1 z 24) Kombinatorika 1. Variace 2. Permutace 3. Kombinace Název: I 1 9:11 (1 z 24) Název: I 1 10:02 (2 z 24) Variace Jsou to skupiny prvků, ve kterých: záleží na pořadí prvků značíme je Název: I 1 10:02 (3 z

Více

1 Pravděpodobnostní prostor

1 Pravděpodobnostní prostor PaS 1.-10. přednáška 1 Pravděpodobnostní prostor Náhodný pokus je takový pokus, jehož výsledek nelze s jistotou předpovědět. Pokud jsme schopni pokus za stále stejných podmínek opakovat (například házíme

Více

Název: Studium kmitání matematického kyvadla

Název: Studium kmitání matematického kyvadla Název: Studium kmitání matematického kyvada Autor: Doc. RNDr. Mian Rojko, CSc. Název škoy: Gymnázium Jana Nerudy, škoa h. města Prahy Předmět, mezipředmětové vztahy: fyzika, biooie Ročník: 3. (1. ročník

Více

5.2.3 Duté zrcadlo I. Předpoklady: 5201, 5202

5.2.3 Duté zrcadlo I. Předpoklady: 5201, 5202 5.2.3 Duté zrcadlo I Předpoklady: 520, 5202 Dva druhy dutých zrcadel: Kulové zrcadlo = odrazivá plocha zrcadla je částí kulové plochy snazší výroba, ale horší zobrazení (pro přesné zobrazení musíme použít

Více

6.2.6 Dvojštěrbinový experiment

6.2.6 Dvojštěrbinový experiment 66 Dvojštěrbinový eperiment Předpoklady: 06005 Pedagogická poznámka: Následující dvě hodiny jsou z převážné části převyprávěním dvou kapitol z Feynmanových přednášek z fyziky V klasických učebnicích nic

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

Informační a znalostní systémy

Informační a znalostní systémy Informační a znalostní systémy Teorie pravděpodobnosti není v podstatě nic jiného než vyjádření obecného povědomí počítáním. P. S. de Laplace Pravděpodobnost a relativní četnost Pokusy, výsledky nejsou

Více

Motivace. Náhodný pokus, náhodný n jev. Pravděpodobnostn. podobnostní charakteristiky diagnostických testů, Bayesův vzorec

Motivace. Náhodný pokus, náhodný n jev. Pravděpodobnostn. podobnostní charakteristiky diagnostických testů, Bayesův vzorec Pravděpodobnostn podobnostní charakteristiky diagnostických testů, Bayesův vzorec Prof.RND.Jana Zvárov rová,, DrSc. Motivace V medicíně má mnoho problémů pravěpodobnostní charakter prognóza diagnoza účinnost

Více