3. Nejistoty měření Základní principy a zásady

Rozměr: px
Začít zobrazení ze stránky:

Download "3. Nejistoty měření. 3.1. Základní principy a zásady"

Transkript

1 3. Neistoty ěřeí Neistota byla ao terí zavedea po dohodě eziárodích orgaizací. Neistoty ěřeí se stávaí společou záladou pro hodoceí výsledů ěřeí v experietálí ověřováí fyziálích evů a záoů, při hodoceí přesých ebo úředích ěřeí a při přesých a závažých ěřeích v techicých a přírodovědých oborech. 3.. Záladí pricipy a zásady Chyba ěřicího přístroe e úda ěřidla ius pravá hodota odpovídaící vstupí veličiy. Chyba ěřeí ůže být áhodá, systeaticá, dyaicá a reverzibility. Neistota ěřeí (výsledu ěřeí) charaterizue rozsah hodot oolo výsledu ěřeí, terý lze zdůvoděě přiřadit hodotě ěřeé veličiy. Neistota se udává ebo staoví ee u výsledu ěřeí, ale i u ěřidel, u hodot použitých ostat, u orecí ap. Zálade určováí eistot e statisticý přístup. Předpoládá se určité rozděleí pravděpodobostí, teré popisue, a se ůže udávaá hodota lišit od sutečé hodoty, resp. pravděpodobost s aou se v itervalu daé eistotou sutečá hodota ůže acházet. Mírou eistoty e sěrodatá odchyla udávaé hodoty. Tato vyádřeá eistota se ozačue stadardí eistota u a představue rozsah oolo aěřeé (staoveé hodoty). Stadardí eistoty se dělí a stadardí eistoty typu A a stadardí eistoty typu B. Stadardí eistoty typu A sou způsobováy áhodýi chybai (příčiy eich vziu esou záy), staoví se z opaovaých ěřeí steé hodoty za stále steých podíe statisticý přístupe a ozačuí se u A. Neistoty typu A se zešuí se zvětšuící se počte opaovaých ěřeí. Stadardí eistoty typu B sou způsobováy záýi a odhadutelýi příčiai vziu. Určuí se iýi postupy, teré esou přío specifiováy. Stadardí eistoty typu B se ozačuí u B. Jeich určováí ebývá vždy edoduché, právě aopa u složitěších ěřicích zařízeí a zvýšeé požadavu a přesost se usí provést podrobý rozbor vziu ožých chyb a staoveí veliosti eistoty typu B vyžadue i začé zušeosti. Stadardí eistoty typu B pocházeí od růzých zdroů a při určité ěřeí e výsledá stadardí eistota typu B dáa odociou suace vadrátů eistot od edotlivých zdroů i s respetováí vzáeých orelací. Protože se staoveí eistot typu A i typů B provádí steý přístupe, e ožé sládat eistoty typu A i typu B. Suací vadrátu stadardí eistoty typu A a stadardí eistoty typu B se dostae vadrát obiovaé stadardí eistoty ozačovaé u. Hodotí-li se výslede ěřeí obiovaou stadardí eistotou pa eá výza zvláště rozlišovat eistoty typu A a typu B. Z teoreticého hledisa ůže být opletí přístroové vybaveí potřebé pro realizaci ěřeí ateaticy popsaé odele ěřeí. Teto odel vyadřue vztah ezi výstupí veličiou Y a vstupíi (ezávislýi) veličiai (X, X,..., X,...X ). Mezi vstupí veličiy se zahruí: ěřeá veličia, veličiy ovlivňuící výslede ěřeí a veličiy, teré sou potřebé pro staoveí výsledu, často převzaté z růzých douetů (fyziálí ostaty, veličiy eichž hodoty se přebíraí z iých souviseících ěřeí ap.). V případě, že de o ěřeí edé veličiy, a výstupu odelu ěřeí ozačeé Y, poto lze odel ěřeí popsat výraze Y = f(x, X,...X ) = f(x), () de X, X,...X sou vstupí veličiy a eich stadardí eistoty sou u x, u x,...u x. Neistota veličiy Y e dáa vztahe azvaý taé všeobecý eboli ovariačí záo šířeí eistoty: u = A u + A A u u r y x x x x = = ; <, ()

2 de A, A sou převodí oeficiety odelu ěřeí (citlivosti), teré sou dáy vztahy f ( X) f ( X) A = ; A = (3) X X Korelačí oeficiet r x, udává statisticou závislost (orelaci) ezi veličiai X a X. Poud sou vstupí veličiy eorelovaé (orelačí oeficiety sou blízé ule), poto se rovice zedoduší a tzv. Gaussův záo šířeí eistot: uy = A ux (4) = Stadardí obiovaá eistota udává iterval, rozsah hodot ve teré se s pravděpodobostí P=68,3% ůže vysytout sutečá hodota. Praxe většiou žádá větší pravděpodobost, toho se dosáhe zvětšeí itervalu. Proto se zavádí eště rozšířeá stadardí eistota ozačeá U a daá vztahe U = u u, de u e oeficiet rozšířeí ebo porytí. Rozšířeá eistota se á používat eo při udáváí výsledu ěřeí a usí to být asě ozačeo i včetě uvedeí veliosti u. Veliost u se volí dvě až tři. V posledí době se doporučue volit u =, t. U = u a to odpovídá pravděpodobosti pro orálí rozděleí 95%, pro troúhelíové rozděleé 96,6%. 3.. Staoveí stadardích eistot Postupy určováí obiovaých a rozšířeých eistot se budou lišit podle toho, zda se edá o příé ebo epříé ěřeí Staoveí stadardích eistot při příé ěřeí Stadardí eistota typu A u A při příé ěřeí se staoví z opaovaých a ezávislých ěřeí steé hodoty a za steých podíe. Odhad ěřeé hodoty veličiy X e dá výběrový průěre x z aěřeých hodot x, x,... atd. Výběrový průěr x se určí z x = x i (5) i = Výběrová sěrodatá odchyla s x se vypočítá z aěřeých hodot (áhodý výběr) dle vztahu sx = x i x ( ) (6) i = Výběrová sěrodatá odchyla s x charaterizue rozptýleí aěřeých hodot ole výběrového průěru x. Výběrový průěr udává odhad hodoty ěřeé veličiy a poěvadž se určue z áhodého výběru, á áhodý charater. Rozptyl výběrových průěrů se staoví ze vztahu s = s (7) x x a výběrová odchyla výběrových průěrů e dáa odociou z předchozí rovice. Výběrová sěrodatá odchyla výběrových průěrů s x charaterizue rozptyl hodot výběrových průěrů a e proto zvolea ao íra eistoty výběrového průěru x (íra eistoty odhadu hodoty veličiy X. Stadardí eistota typu A e v toto případě rova sěrodaté odchylce výběrových průěrů ua = s = x ( x i x) (8) ( ) i= Poud e počet opaovaých ěřeí eší ež 0 a eí ožé učiit valifiovaý odhad a záladě zušeosti, e eistota typu A dáa u A = s s (9) x

3 de s e oeficiet, ehož hodota závisí a počtu ěřeí, a uazue ásleduící tabula s,,,3,3,4,7,3 7,0 Z tabuly vyplývá, že zešováí počtu opaovaých ěřeí vede eúěréu zvětšováí eistoty, zeéa pro < 5. Doporučue se volit počet ěřeí větší ež 0, v raí případě větší ež 5. Stadardí eistota typu B Stadardí eistoty typu B se u ěterých autorů ozačuí ao systeaticé eistoty a v oha případech se ta proevuí. Určováí veliosti eistot typu B e založeo taé a statisticé záladě. Při staoveí veliosti eistoty typu B se postupue ásledově: vytypuí se ožé zdroe eistot Z,..., Z,... Z, určí se stadardí eistoty typu B u aždého zdroe u z, staoveé eistoty u z od edotlivých zdroů se přepočítaí a odpovídaící složy eistoty ěřeé veličiy u xz, posoudí se ožé orelace ezi edotlivýi zdroi eistot typu B a odhadou se eich orelačí oeficiety r z,, vypočítá se celová stadardí eistota typu B u B. Zdroe eistot při ěřeí sou způsobováy: edooalýi ěřicíi přístroi a ěřicí techiou, použitýi ěřicíi etodai, podíai v ichž ěřeí probíhá, epřesýi údai ostat používaých při vyhodocováí, způsoby vyhodocováí, edostatečýi zalosti a alýi praticýi zušeosti persoálu. Odhad eistoty typu B edotlivých zdroů Z se sládá z těchto roů: odhade se rozsah zě ± z ax (odchyle) od eovité hodoty, veliost z ax se volí taová, aby eí přeročeí bylo álo pravděpodobé, uváží se, teré rozděleí pravděpodobosti elépe vystihue výsyt hodot z v itervalu ± z ax, (v tabulce č. předpisu TPM sou uvedey rozděleí: orálí, troúhelíové, lichoběžíové, rovoěré, troúhelíové biodálí a ipulzové), určí se eistoty typu B edotlivých zdroů Z ze vztahu u Bz = z ax / Θ, de hodota Θ se veze buď z uvedeé tabuly č. ebo pro orálí a rovoěré rozděleí sou uvedey hodoty Θ v obrázu a oci této apoitoly. Kostata Θ udává poěr axiálí hodoty odchyle z u sěrodaté odchylce zvoleého rozděleí. Neí-li ožé odpověďě rozhodout o rozděleí odchyle z v itervalu ± z ax, poto se vyde z předpoladu, že všechy hodoty z v daé itervalu se ohou vysytovat se steou pravděpodobostí a tou odpovídá rovoěré rozděleí. Přepočítáí odhadutých eistot u Bz zdroů Z a odpovídaící složy eistoty ěřeé veličiy u xz se provádí podle vztahu u xz = A xz u z, de A xz se určí ze závislosti X a zdroích Z dle vztahu A xz = X / Z. Poud závislost X = f(z) eí záá, staoví se A xz experietálě ta, že se zěří hodota x z odpovídaící zěě z a staoví se A xz x z / z. Za předpoladu, že eexistue ezi edotlivýi zdroi Z orelace, staovíe výsledou stradardí eistotu typu B z výrazu ub = ux, z = Ax, z uz (0) = = Jeliož zdroe eistot typu B sou v oha případech obtížě defiovatelé a eí poto ožé určovat orelačí oeficiety ezi ii, v závažých případech se usí přistoupit experietálíu postupu. 3

4 Hodoty převodích oeficietů a eistot v průběhu výpočtu se zaorouhluí zpravidla a tři platá ísta a celová eistota se uvádí se dvěa platýi ísty. Kobiovaá stadardí eistota Kobiovaá stadardí eistota při příé ěřeí se staoví z u = ua + ub de u A e celová stadardí eistota typu A, u B e celová stadardí eistota typu B. () 3... Staoveí stadardích eistot při epříé ěřeí edé veličiy (část 3... e ožo při prví sezáeí s touto probleatiou vyechat) Úole ěřeí e staoveí hodoty veličiy Y z hodot edé ebo ěolia přío ěřeých veliči X a s použití ostat V h podle vztahu Y = f(x,..., X,..., X, V,..., V h,...v p ) = f(x, V) () de X,... X sou přío ěřeé veličiy, V,... V p sou hodoty použitých ostat. Měřeí se opaue -rát a pro aždé i-té ěřeí dostaee hodoty přío ěřeých veliči x i, x i,... x i,... x i. Odhad hodoty veličiy Y se staoví výběrový průěre y, terý se ůže počítat dvěa způsoby: a) ao výběrový průěr z hodot y i staoveých podle rovice () pro aždou serii aěřeých hodot x i : y = yi = f ( x i,... x i,... xi, v,... vh,... vp) = f ( xi, v ) (3) i= i= i= b) dosazeí výběrových průěrů přío ěřeých veliči do rovice (), ožo použít e pro lieárí vztahy: y = f( x,... x,... x, v,... v,... v ) = f( x, v ) (4) h p de x = x i sou výběrové průěry edotlivých přío ěřeých veliči, i = v h sou hodoty paraetrů (ostat) V h. Stadardí eistota typu A u Ay se staoví ze vztahu Ay y x x x x x, = = ; < u = s = A s + A A s de A x = f( x,v) / x, A x = f( x v) / x sou převodí charateristiy staoveé dosazeí vypočítaých hodot x a hodot v do parciálích derivací předchozí rovice za předpoladu zaedbáí čleů vyšších řádů Taylorovy řady, s = x x x i ( ) (6) ( ) i = e výběrový rozptyl výběrového průěru x a s = ( x x x x x i ) ( i ), ( (7) ) i = e výběrová ovariace výběrových průěrů x a x. (5) 4

5 Druhý čle ve vztahu (5) respetue orelaci ezi přío ěřeýi veličiai, poud e tato orelace ulová ebo blízá ule, lze pa druhý čle zaedbat. Korelace ezi přío ěřeýi veličiai se dá posoudit podle veliosti orelačího oeficietu sx, r = (8) x, s s x x Staoveí stadardí eistoty typu B při epříé ěřeí edé veličiy se provádí ásledově: odhadou se stadardí eistoty B přío ěřeých veliči u Bx, odhadou se stadardí eistoty B ostat u vh, posoudí se veliost orelací ezi přío ěřeýi veličiai, staoví se celová stadardí eistota B u By. Stadardí eistoty B přío ěřeých veliči u Bx se určuí steý postupe ao při příé ěřeí, edotlivě pro aždou veličiu. Kostaty V h při epříé ěřeí ohou být: fyziálí ostaty, eichž hodoty bývaí uváděy apř. v tabulách fyziálích ostat, de by ěly být též vyádřey i eich eistoty, techicé ostaty, eichž hodoty se acházeí v techicých orách, v předpisech, v atalozích ap. Poud tyto douety eobsahuí iforace o eistotách, sažíe se odhadout v aé rozsahu se ohou vysytovat zěy eich hodot a eistoty se pa odhaduí podle poyu uvedeého při příé ěřeí. Mezi ostaty lze též ědy zařadit i hodoty eistot použitých ěřidel, teré sou obsažey v techicé douetaci ebo zísaé při alibraci. Korelace ezi přío ěřeýi veličiai ohou být způsobováy tí, že a údae ěřidel působí steé ovlivňuící veličiy (apř. teplota) ebo se používá steých ěřicích zařízeí pro ěřeí veliči steého druhu. Korelace ezi ostatai se vysytuí e zřída a e v případech poud aí ěteré společé zdroe eistot. Celovou stadardí eistotu B při epřío ěřeé veličiě Y staovíe sloučeí odhadutých eistot ze vztahu p p By x Bx vh vh x x Bx Bx x, vh vl vh vl vh, l = h= = ; < h= ; l< h u = A u + A u + A A u u r + A A u u r de A x = y / x, A vh = y / v h sou převodí oeficiety určeé z příslušých parciálích derivací veličiy Y; u Bx a u vh sou eistoty typu B přío ěřeých veliči X a ostat V; r x, a r vh,l sou oeficiety orelace ezi přío ěřeýi veličiai X a X a ezi ostatai V h a V l. Kobiovaou stadardí eistotu při epříé ěřeí staovíe sloučeí celových eistot u Ay a u By dle vztahu u = u + u (0) y Ay By (9) 3.3. Staoveí rozšířeých eistot Rozšířeá eistota U y se používá ísto obiovaé eistoty tehdy, dyž se požadue velá pravděpodobost výsytu sutečé hodoty v itervalu (y - U y ), (y + U y ). Z hledisa ateaticé statistiy se edá o ofidečí iterval pro zvoleou ofidečí úroveň ( - α). Exatí řešeí e i pro edoduché ěřeí obtížé. Proto byly pro staoveí U y avržey zedodušuící postupy, teré vedou určeí rozšířeí eistoty ao ásobu obiovaé eistoty u y, podle vztahů () a (0). U y = U u y () de U e oeficiet rozšířeí ebo porytí a eho veliost se určue: ovecí, výpočte z údaů zušeých experietátorů. Koeficiet U ívá běžě hodoty od (pro P=95%) do 3 (pro 5

6 P=99,73%), pro orálí rozděleí, a doporučeé hodoty bývaí uvedeé v techicých orách, předpisech, v idividuálích doedáích ap Všeobecé zásady pro vyadřováí eistot Výpočet eistot e eoddělitelou částí zpracováí aěřeých údaů a výsledé eistoty sou stálou částí výsledu ěřeí. Při aždé údai eistoty usí být asě uvedeo o aou eistotu se edá. Úda rozšířeé eistoty usí být doprováze použitý oeficiete U a též odpovídaící ofidečí úroví. Udáváí absolutích a relativích eistot e evivaletí a ědy e účelé použít obou způsobů. Uváděé hodoty eistot se zásadě zaorouhluí a dvě platá čísla a předostě se zaorouhluí sěre ahoru. Větší počet platých íst eistoty se poechává, ásledue-li další zpracováí. Poud se při výpočtu eistot použie ěterý orativí douet, uvede se příslušý odaz. Něteré douety přío předepisuí áležitosti a forulace týaící se vyadřováí výsledů ěřeí včetě způsobů udáváí eistot. V iých případech sou uvedey iforace, teré e uto o eistotách uvádět Doprovodé iforace údaů o eistotách U stadardích eistot typu A se uvádí: počet opaovaých ěřeí ebo počet stupňů volosti, výběrové sěrodaté odchyly přío ěřeých veliči a orelačí oeficiety ezi ii. U stadardích eistot typu B se uvádí: uvažovaé zdroe eistot B, popřípadě i výzaěší zdroe, teré byly zaedbáy, výchozí hodoty a postupy určováí eistot edotlivých zdroů, hodoty vypočítaých eistot u edotlivých zdroů a odhaduté orelačí oeficiety ezi ii. U obiovaých stadardích eistot se uvádí: hodoty stadardích eistot typu A a typu B, teré se podílely a obiovaé eistotě, doložeé iforace o uvedeých eistotách. U rozšířeých stadardích eistot se uvádí: hodota obiovaé eistoty a oeficiet U, při výpočtu oeficietu rozšířeí též etodu a uvažovaou ofidečí úroveň. Jestliže se pro staoveí eistot používá orativí literatura, uvede se a pa iž eí uté uvádět iforace obsažeé v této literatuře. 6

7 Zpracováo podle J.Vítovce, ČMS a ory TPM : Staoveie eistôt pri eraiach. 7

EKONOMETRIE 8. přednáška Klasický lineární regresní model

EKONOMETRIE 8. přednáška Klasický lineární regresní model EKONOMETRIE 8. předáška Klasický lieárí regresí model Formulace a podmíky (pozor a ozačeí parametrů) Základí edorovicový model: zobrazue ekoomickou hypotézu o vztahu mezi edou vysvětlovaou ekoomickou veličiou

Více

P2 Chyby a nejistoty měření

P2 Chyby a nejistoty měření P. Chyby měřeí P Žádým měřeí ezískáme správo hodot měřeé veličiy, protože každé měřeí je zatížeo chybo. Chyba charakterizje přesost měřeí. Aalýza chyb je základí podmíko zvyšováí přesosti měřeí. Výsledek

Více

Nejistoty v mìøení II: nejistoty pøímých mìøení

Nejistoty v mìøení II: nejistoty pøímých mìøení V úvodí èásti [] volého cylu èláù yl uvede struèý pøehled proletiy ejistot v ìøeí, pøilíže historicý vývoj v této olsti zèey dùvody výhody používáí souèsé odifice v širších souvislostech eziárodí etrologie

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

Doba rozběhu asynchronního motoru.

Doba rozběhu asynchronního motoru. 1 Doba rozběhu asychroího motoru. 1. Doba rozběhu. Pro prví orietaci ke staoveí doby rozběhu asychroího motoru stačí provést přibližý výpočet ze středího urychlovacího mometu a a daých setrvačých hmot

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

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a)

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a) Předáša 7 Derivace a difereciály vyšších řádů Budeme poračovat v ahrazováí fuce f(x v oolí bodu a polyomy, tj hledat vhodé ostaty c ta, aby bylo pro malá x a f(x c 0 + c 1 (x a + c 2 (x a 2 + c 3 (x a

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

Měřící technika - MT úvod

Měřící technika - MT úvod Měřící techika - MT úvod Historie Už Galileo Galilei zavádí vědecký přístup k měřeí. Jeho výrok Měřit vše, co je měřitelé a co eí měřitelým učiit platí stále. - jedotá soustava jedotek fyz. veliči - símače

Více

3. Charakteristiky a parametry náhodných veličin

3. Charakteristiky a parametry náhodných veličin 3. Charateristiy a parametry áhodých veliči Úolem této apitoly je zavést pomocý aparát, terým budeme dále popisovat pomocí jedoduchých prostředů áhodé veličiy. Taovýmto aparátem jsou tzv. parametry ebo

Více

17 t. Analytická geometrie přímky rovnice přímky, vzájemná poloha přímek, odchylka přímek, průsečík přímek, vzdálenost přímky od roviny

17 t. Analytická geometrie přímky rovnice přímky, vzájemná poloha přímek, odchylka přímek, průsečík přímek, vzdálenost přímky od roviny 7 t Aaltická geometrie přímk rovice přímk, vzájemá poloha přímek, odchlka přímek, průsečík přímek, vzdáleost přímk od rovi Parametrické vjádřeí přímk v roviě Přímka je jedozačě určea dvěma růzými bod.

Více

u, v, w nazýváme číslo u.( v w). Chyba! Chybné propojení.,

u, v, w nazýváme číslo u.( v w). Chyba! Chybné propojení., Def: Vetorovým součiem vetorů u =(u, u, u 3 ) v = (v, v, v 3 ) zýváme vetor u v = (u v 3 u 3 v, u 3 v u v 3, u v u v ) Vět: Pro vetory i, j, ortoormálí báze pltí i i = j = i, i = j Vět: Nechť u v, w, jsou

Více

III. Mezinárodní konference STROJÍRENSKÁ TECHNOLOGIE PLZEŇ 2009 21. 22. 1. 2009

III. Mezinárodní konference STROJÍRENSKÁ TECHNOLOGIE PLZEŇ 2009 21. 22. 1. 2009 NEJISTOTY PŘESNÝCH DÉLKOVÝCH MĚŘENÍ Z POHLEDU TERMINOLOGIE A JEJICH DEFINIC Abstrakt Ig. Ig. Štěpáka DVOŘÁČKOVÁ V deší době samotý výsledek bez dáí eistoty e iž zcela bezceý. Měřeím reprezetativího vzork

Více

Statistika je vědní obor zabývající se zkoumáním jevů, které mají hromadný charakter.

Statistika je vědní obor zabývající se zkoumáním jevů, které mají hromadný charakter. Statistika Cíle: Chápat pomy statistický soubor, rozsah souboru, statistická edotka, statistický zak, umět sestavit tabulku rozděleí četostí, umět zázorit spoicový diagram a sloupcový diagram / kruhový

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

Katedra obecné elektrotechniky Fakulta elektrotechniky a informatiky, VŠB - TU Ostrava ENERGETIKA U ŘÍZENÝCH ELEKTRICKÝCH POHONŮ. 1.

Katedra obecné elektrotechniky Fakulta elektrotechniky a informatiky, VŠB - TU Ostrava ENERGETIKA U ŘÍZENÝCH ELEKTRICKÝCH POHONŮ. 1. Katedra obecé eletrotechiy Faulta eletrotechiy a iformatiy, VŠB - TU Ostrava EERGETIKA U ŘÍZEÝCH EEKTRICKÝCH POHOŮ Předmět : Rozvody eletricé eergie v dolech a lomech. Úvod: Světový tred z hledisa eletricé

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

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

Úvod do zpracování měření

Úvod do zpracování měření Laboratorí cvičeí ze Základů fyziky Fakulta techologická, UTB ve Zlíě Cvičeí č. Úvod do zpracováí měřeí Teorie chyb Opakujeme-li měřeí téže fyzikálí veličiy za stejých podmíek ěkolikrát za sebou, dostáváme

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

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

STATISTIKA. Základní pojmy

STATISTIKA. Základní pojmy Statistia /7 STATISTIKA Záladí pojmy Statisticý soubor oečá eprázdá možia M zoumaých objetů schromážděých a záladě toho, že mají jisté společé vlastosti záladí statisticý soubor soubor všech v daé situaci

Více

Národní informační středisko pro podporu kvality

Národní informační středisko pro podporu kvality Národí iformačí střediso pro podporu vality Problémy s uazateli způsobilosti a výoosti v praxi Dr.Jiří Michále, CSc. Ústav teorie iformace a automatizace AVČR Uazatel způsobilosti C p Předpolady: ormálí

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

Nepředvídané události v rámci kvantifikace rizika

Nepředvídané události v rámci kvantifikace rizika Nepředvídaé událost v rác kvatfkace rzka Jří Marek, ČVUT, Stavebí fakulta {r.arek}@rsk-aageet.cz Abstrakt Z hledska úspěchu vestce ohou být krtcké právě ty zdroe ebezpečí, které esou detfkováy. Vzhlede

Více

Nalezení výchozího základního řešení. Je řešení optimální? ne Změna řešení

Nalezení výchozího základního řešení. Je řešení optimální? ne Změna řešení Sipleová etoda: - patří ezi uiverzálí etody řešeí úloh lieárího prograováí. - de o etodu iteračí, t. k optiálíu řešeí dospíváe postupě, krok za kroke. - výpočetí algoritus se v každé iteraci rozpadá do

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

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

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna. 6 Itervalové odhady parametrů základího souboru V předchozích kapitolách jsme se zabývali ejprve základím zpracováím experimetálích dat: grafické zobrazeí dat, výpočty výběrových charakteristik kapitola

Více

Nejistoty v mìøení III: nejistoty nepøímých mìøení

Nejistoty v mìøení III: nejistoty nepøímých mìøení Nestoty v ìøeí III: estoty epøíých ìøeí MÌØIÍ TEHNIK V èácích [] a [] by podá pøehed soèasých ázorù a probeatk estot v ìøeí obecì a pøedstave zpùsob výpoèt estot pø éì ároèých pøíých ìøeích. Teto tøetí

Více

Identifikace a popis sezónní složky

Identifikace a popis sezónní složky Přednáška Identifikace a popis sezónní složky - ozbo eliinované sezónní složky ůže podstatně ozšířit naše znalosti o zákonitostech chování učitého ekonoického evu - ůže přispět ke konstukci dokonaleších

Více

Dynamická pevnost a životnost Statistika

Dynamická pevnost a životnost Statistika DŽ statistika Dyamická pevost a životost tatistika Mila Růžička, Josef Jreka, Zbyěk Hrbý mechaika.fs.cvt.cz zbyek.hrby@fs.cvt.cz DŽ statistika tatistické metody vyhodocováí dat DŽ statistika 3 tatistické

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

Intervalové odhady parametrů některých rozdělení.

Intervalové odhady parametrů některých rozdělení. 4. Itervalové odhady parametrů rozděleí. Jedou ze základích úloh mtematické statistiky je staoveí hodot parametrů rozděleí, ze kterého máme k dispozici áhodý výběr. Nejčastěji hledáme odhady dvou druhů:

Více

Statistika Statistická jednotka, statistický soubor a statistické znaky Poznámka. (Rozd lení etností jednoho kvantitativního statistického znaku)

Statistika Statistická jednotka, statistický soubor a statistické znaky Poznámka. (Rozd lení etností jednoho kvantitativního statistického znaku) Statistia Tímto pomem většiou ozačueme: a) statisticé údae a eich ěteré fuce, b) statisticou čiost a istituce, teré tuto čiost provozuí, c) statisticou teorii. Statisticé údae eboli statisticá data sou

Více

Měření na trojfázovém transformátoru naprázdno a nakrátko.

Měření na trojfázovém transformátoru naprázdno a nakrátko. Úol: Měřeí a trojfázovém trasformátoru aprázdo a aráto. 1. Změřte a areslete charateristiy aprázdo trojfázového trasformátoru 2,, P, cos = f ( 1) v rozmezí 4-1 V. Zdůvoděte průběh charateristi 2 = f (

Více

KOMPLEXNÍ ČÍSLA (druhá část)

KOMPLEXNÍ ČÍSLA (druhá část) KOMPLEXNÍ ČÍSLA (druhá část) V prví kaptole jsme se seáml s algebrackým tvarem komplexího čísla. Některé výpočty s komplexím čísly je však lépe provádět ve tvaru goometrckém. Po. V ásledujícím textu předpokládám

Více

Vliv marketingového dotazování na identifikaci tržních segmentů

Vliv marketingového dotazování na identifikaci tržních segmentů Vliv aretingového dotazování na identifiaci tržních segentů Jední z líčových fatorů stanovení optiální aretingové strategie e správně provedená identifiace a následné vyezení tržních segentů cílového trhu.

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

Pravděpodobnostní model doby setrvání ministra školství ve funkci

Pravděpodobnostní model doby setrvání ministra školství ve funkci Pravděpodobostí model doby setrváí miistra školství ve fukci Základí statistická iferece Data Zdro: http://www.msmt.cz/miisterstvo/miistri-skolstvi-od-roku-848. Ke statistickému zpracováí byla vzata pozorováí

Více

Přehled vztahů k problematice spoření, důchody, anuitní splácení úvěru

Přehled vztahů k problematice spoření, důchody, anuitní splácení úvěru Přehled vztahů k poblematice spořeí, důchody, auití spláceí úvěu Pozámka: Veškeé sazby je do uvedeých vzoců uto dosazovat v jejich elativím vyjádřeí! V případě zdaňováí úokových příjmů je uto dosazovat

Více

3.1.6 Dynamika kmitavého pohybu, závaží na pružině

3.1.6 Dynamika kmitavého pohybu, závaží na pružině 3..6 Dynaia itavého pohybu, závaží na pružině Předpolady: 303 Pedagogicá poznáa: Na příští hodinu by si všichni ěli do dvojice přinést etrový prováze (nebo silnější nit) a stopy. Poůcy: pružina, stojan,

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOST A STATISTIKA Číselné charateristiy náhodných proměnných Charateristiy náhodných proměnných dělíme nejčastěji na charateristiy polohy a variability. Mezi charateristiy polohy se nejčastěji

Více

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT 2 IDENIFIKACE H-MAICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNO omáš Novotý ČESKÉ VYSOKÉ UČENÍ ECHNICKÉ V PRAZE Faulta eletrotechicá Katedra eletroeergetiy. Úvod Metody založeé a loalizaci poruch pomocí H-matic

Více

BRNO UNIVERSITY OF TECHNOLOGY FAKULTA STROJNÍHO INŽENÝRSTVÍ ÚSTAV AUTOMATIZACE A INFORMATIKY

BRNO UNIVERSITY OF TECHNOLOGY FAKULTA STROJNÍHO INŽENÝRSTVÍ ÚSTAV AUTOMATIZACE A INFORMATIKY VYSOKÉ UČEÍ TECHICKÉ V BRĚ BRO UIVERSITY OF TECHOLOGY FAKULTA STROJÍHO IŽEÝRSTVÍ ÚSTAV AUTOMATIZACE A IFORMATIKY FACULTY OF MECHAICAL EGIEERIG ISTITUTE OF AUTOMATIO AD COMPUTER SCIECE MODELY HROMADÉ OBSLUHY

Více

Základní princip regulace U v ES si ukážeme na definici statických charakteristik zátěže

Základní princip regulace U v ES si ukážeme na definici statických charakteristik zátěže Regulace apětí v ES Základí pricip regulace v ES si ukážeme a defiici statických charakteristik zátěže Je zřejmé, že výko odebíraý spotřebitelem je závislý a frekveci a apětí a přípojicích spotřebitelů.

Více

p 1 n zp p p 25 25 100 100 100 100 2,5 z 2,5 1 x x 21 p p 25 25 100 100 100 100 7,5 z 7,5 1 x x 24 Obecný vzorec pro výpočet kvantilů sudé n:

p 1 n zp p p 25 25 100 100 100 100 2,5 z 2,5 1 x x 21 p p 25 25 100 100 100 100 7,5 z 7,5 1 x x 24 Obecný vzorec pro výpočet kvantilů sudé n: Věk 1. 20 2. 20 3. 21 4. 22 5. 22 6. 23 7. 23 8. 24 9. 24 10. 24 Obecý vzorec pro výpočet kvatlů sudé : Dolí kvartl: p z 100 p p 1 100 p p 25 25 zp 1 10 zp 10 1 100 100 100 100 2,5 z 2,5 1 21 p 0,25 (3)

Více

Lineární regrese ( ) 2

Lineární regrese ( ) 2 Leárí regrese Častým úolem je staoveí vzájemé závslost dvou (č více) fzálích velč a její matematcé vjádřeí. K tomuto účelu se používají růzé regresí metod, pomocí chž hledáme vhodou fuc f (), apromující

Více

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou 1 Zápis číselých hodot a ejistoty měřeí Zápis číselých hodot Naměřeé hodoty zapisujeme jako číselý údaj s určitým koečým počtem číslic. Očekáváme, že všechy zapsaé číslice jsou správé a vyjadřují tak i

Více

2 EXPLORATORNÍ ANALÝZA

2 EXPLORATORNÍ ANALÝZA Počet automobilů Ig. Martia Litschmaová EXPLORATORNÍ ANALÝZA.1. Níže uvedeá data představují částečý výsledek zazameaý při průzkumu zatížeí jedé z ostravských křižovatek, a to barvu projíždějících automobilů.

Více

Teorie chyb a vyrovnávací počet. Obsah:

Teorie chyb a vyrovnávací počet. Obsah: Teorie chyb a vyrovávací počet Obsah: Testováí statistických hypotéz.... Ověřováí hypotézy o středí hodotě základího souboru s orálí rozděleí... 4. Ověřováí hypotézy o rozptylu v základí souboru s orálí

Více

20. Kontingenční tabulky

20. Kontingenční tabulky 0. Kotigečí tabulky 0.1 Úvodí ifomace V axi e velmi častá situace, kdy vyšetřueme aedou dva statistické zaky, kteé sou svou ovahou diskétí kvatitativí( maí řesě staoveý koečý očet všech možostí ); soité

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

5. Lineární diferenciální rovnice n-tého řádu

5. Lineární diferenciální rovnice n-tého řádu 5 3.3.8 8:44 Josef Herdla lieárí difereciálí rovice -tého řádu 5. Lieárí difereciálí rovice -tého řádu (rovice s ostatími oeficiety) ( ), a,, a (5.) ( ) ( ) y a y a y ay q L[ y] y a y a y a y, q je spojitá

Více

Ideální struktura MIS Metal-Insulator-Semiconductor M I S P. Ideální struktura MIS. Ideální struktura MIS. Ochuzení. Akumulace U = 0 U > 0 U < 0 U = 0

Ideální struktura MIS Metal-Insulator-Semiconductor M I S P. Ideální struktura MIS. Ideální struktura MIS. Ochuzení. Akumulace U = 0 U > 0 U < 0 U = 0 truktura M Akuulace, ochuzeí, slabá a silá iverze rahové apětí, způsob vziku iverzí vrstv Kapacitor M, proud dielektrickou vrstvou razistor MOF truktura, pricip čiosti deálí VA charakteristika odporová

Více

P2: Statistické zpracování dat

P2: Statistické zpracování dat P: Statistické zpracováí dat Úvodem - Statistika: věda, zabývající se shromažďováím, tříděím a ásledým popisem velkých datových souborů. - Základem statistiky je teorie pravděpodobosti, založeá a popisu

Více

Aplikace teorie neuronových sítí

Aplikace teorie neuronových sítí Aplikace teorie euroových sítí Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické iforatiky Mateaticko-fyzikálí fakulta Uiverzity Karlovy v Praze Zpracováí časových vzorů (teporal processig) Stadardí algoritus

Více

( ) n n n ( ) ( ) 2.7.13 Mocniny s racionálním mocnitelem. Předpoklady: 2711, 2712

( ) n n n ( ) ( ) 2.7.13 Mocniny s racionálním mocnitelem. Předpoklady: 2711, 2712 .7. Mociy s cioálí ocitele Předpokldy: 7, 7 Rcioálí číslo - číslo, kteé je ožé zpst zloke. Co už uíe s ocii? Víe, co zeá: Ale co zeá? Poováe pvidl po počítáí s ocii odocii: ( ) s Odociy ociy se chovjí

Více

V. Normální rozdělení

V. Normální rozdělení V. Normálí rozděleí 1. Náhodá veličia X má ormovaé ormálí rozděleí N(0; 1). Určete: a) P (X < 1, 5); P (X > 0, 3); P ( 1, 135 < x ); P (X < 3X + ). c) číslo ε takové, že P ( X < ε) = 0,

Více

12. N á h o d n ý v ý b ě r

12. N á h o d n ý v ý b ě r 12. N á h o d ý v ý b ě r Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých

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

k(k + 1) = A k + B. s n = n 1 n + 1 = = 3. = ln 2 + ln. 2 + ln

k(k + 1) = A k + B. s n = n 1 n + 1 = = 3. = ln 2 + ln. 2 + ln Číselé řady - řešeé přílady ČÍSELNÉ ŘADY - řešeé přílady A. Součty řad Vzorové přílady:.. Přílad. Určete součet řady + = + 6 + +.... Řešeí: Rozladem -tého čleu řady a parciálí zlomy dostáváme + = + ) =

Více

Mezní stavy konstrukcí a jejich porušov. Hru IV. Milan RůžR. zbynek.hruby.

Mezní stavy konstrukcí a jejich porušov. Hru IV. Milan RůžR. zbynek.hruby. ováí - Hru IV /6 ováí Hru IV Mila RůžR ůžička, Josef Jureka,, Zbyěk k Hrubý zbyek.hruby hruby@fs.cvut.cz ováí - Hru IV /6 ravděpodobostí úavové diagramy s uvažováím předpětí R - plocha ve čtyřrozměrém

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

7. Odhady populačních průměrů a ostatních parametrů populace

7. Odhady populačních průměrů a ostatních parametrů populace 7. Odhady populačích průměrů a ostatích parametrů populace Jak sme zišťovali v kapitole. e možé pro každou populaci sestroit možství parametrů, které i charakterizue. Pro účely základího pozáí e evýzaměší

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA SP esty dobré shody PRAVDĚPODOBNOS A SAISIKA Lbor Žá SP esty dobré shody Lbor Žá Přpomeutí - estováí hypotéz o rozděleí Ch-vadrát test Chí-vadrát testem terý e založe a tříděém statstcém souboru. SP esty

Více

ů ů ž ž ě ě Č ů ů ž ě ě ě ž é ě ě ě ž ž é ť ě ůž é ě é ě ě ž ž ě ě ť Ť ě ž ě ě é ě ů ž ě é é é ě ě ě ž ě é é ť ě é ě ž ě é é ě é ž ě ě Ž ž é ě ž ď Í ě ž ě ž ě ť ď ň ě é é žň ť ť ž é ů ě ň ť Ú ě ě ň ž ť

Více

3.3.3 Rovinná soustava sil a momentů sil

3.3.3 Rovinná soustava sil a momentů sil 3.3.3 Rová soustava s a oetů s Předpoady Všechy síy soustavy eží v edé rově. Všechy oety sou oé a tuto rovu. *) Souřadý systé voíe ta, že rova - e totožá s rovou s. y O *) Po.: Sový oet ůžee ahradt dvocí

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru SP Náhodý vetor ezávislost fuce NV PRAVDĚPODONOST A STATISTIKA Náhodý vetor ezávislost fuce áhodého vetoru Libor Žá Náhodý vetor stochasticá ezávislost Náhodé veličiy... defiovaé a ravděodobostím rostoru

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

5. Výpočty s využitím vztahů mezi stavovými veličinami ideálního plynu

5. Výpočty s využitím vztahů mezi stavovými veličinami ideálního plynu . ýpočty s využití vztahů ezi stavovýi veličiai ideálího plyu Ze zkušeosti víe, že obje plyu - a rozdíl od objeu pevé látky ebo kapaliy - je vyeze prostore, v ěž je ply uzavře. Přítoost plyu v ádobě se

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru SP Náhodý vetor ezávislost fuce NV PRAVDĚPODONOST A STATISTIKA Náhodý vetor ezávislost fuce áhodého vetoru Libor Žá Náhodý vetor stochasticá ezávislost Náhodé veličiy... defiovaé a ravděodobostím rostoru

Více

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojího ižeýrství Ústav strojíreské techologie ISBN 978-80-214-4352-5 VYSOCE PŘESNÉ METODY OBRÁBĚNÍ doc. Ig. Jaroslav PROKOP, CSc. 1 1 Fakulta strojího ižeýrství,

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

ZÁKLADY POPISNÉ STATISTIKY

ZÁKLADY POPISNÉ STATISTIKY ZÁKLADY POPISNÉ STATISTIKY Statitia věda o metodách běru, zpracováí a vyhodocováí tatiticých údaů. Statiticé údae ou apř. údae o přirozeém přírůtu či migraci obyvateltva, obemu výroby průmylových podiů,

Více

1. Měření ve fyzice, soustava jednotek SI

1. Měření ve fyzice, soustava jednotek SI . Měřeí ve fyzice, soustava jedotek SI Fyzika: - je věda o hotě (ta eistuje ve dvou forách jako látka, ebo jako pole), o jejích ejobecějších vlastostech, stavech, zěách, iterakcích Rozděleí fyziky: a)

Více

8. Zákony velkých čísel

8. Zákony velkých čísel 8 Zákoy velkých čísel V této část budeme studovat velm často užívaá tvrzeí o součtech posloupost áhodých velč Nedříve budeme vyšetřovat tvrzeí azývaá souhrě ako slabé zákoy velkých čísel Veškeré úvahy

Více

ě Á Á é é ě ě ě ú é é é ě é é ď ď ď š š Č Á ě ú Á ď š ě Č ě š ěž ě é ě ě ě ě ě ě Č Á ě Á é ú Ž é š ě š š é Ž ě é š é Š ť Ž ě Č Á ú Á Ť é ě é š ě ě š š ď ď Č é š š Č ě ě ú ě ú Ť é ě š ě ě š ě š ě ě ú ě

Více

Vážeí zákazíci dovolujeme si Vás upozorit že a tuto ukázku kihy se vztahují autorská práva tzv. copyright. To zameá že ukázka má sloužit výhradì pro osobí potøebu poteciálího kupujícího (aby èteáø vidìl

Více

Č é ě é ě ě š ř ů ó ú ů ě ě š ř ů ř š ř ě š é ě ř ě ř é š ě š ú Ř Ť Č é ě Č ř é š ě š ú š ř é š ě é š ě ž š Č ú ř ě ě é é ů ž é ž ť ě š š š é é é ě é š ďě ň é ě éž ů ě ř ř ě ř é š ě ž ě š ž š é ř ž ě é

Více

5.1. Posloupnosti. Posloupnost je funkce, jejímž definičním oborem je množina všech přirozených čísel.

5.1. Posloupnosti. Posloupnost je funkce, jejímž definičním oborem je množina všech přirozených čísel. . 5. Poslouposti, geometrická řada a kombiatorika. 5.. Poslouposti. Posloupost je fukce, jejímž defiičím oborem je možia všech přirozeých čísel. Fukčí hodota této fukce přiřazeá číslu N se azývá -tý čle

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

Cvičení z termomechaniky Cvičení 5.

Cvičení z termomechaniky Cvičení 5. Příklad V kompresoru je kotiuálě stlačová objemový tok vzduchu [m 3.s- ] o teplotě 20 [ C] a tlaku 0, [MPa] a tlak 0,7 [MPa]. Vypočtěte objemový tok vzduchu vystupujícího z kompresoru, jeho teplotu a příko

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

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

} 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

VY_52_INOVACE_J 05 02

VY_52_INOVACE_J 05 02 Názv a adrsa školy: Střdí škola průmyslová a umělcká, Opava, příspěvková orgazac, Praskova 399/8, Opava, 7460 Názv opračího programu: OP Vzděláváí pro kokurcschopost, oblast podpory.5 Rgstračí číslo projktu:

Více

Závislost slovních znaků

Závislost slovních znaků Závislost slovích zaků Závislost slovích (kvalitativích) zaků Obměy slovího zaku Alterativí zaky Možé zaky Tříděí věcé sloví řady: seřazeí obmě je subjektiví záležitostí (podle abecedy), možé i objektiví

Více

Identifikátor materiálu: ICT 2 59

Identifikátor materiálu: ICT 2 59 Idetifiátor materiálu: ICT 59 Registračí číslo projetu Název projetu Název příjemce podpory ázev materiálu (DUM) Aotace Autor Jazy Očeávaý výstup Klíčová slova Druh učebího materiálu Druh iterativity Cílová

Více

HODNOCENÍ PŘÍSTROJŮ PRO MĚŘENÍ JAKOSTI ZIMNÍCH KAPALIN DO OSTŘIKOVAČŮ V PROVOZU

HODNOCENÍ PŘÍSTROJŮ PRO MĚŘENÍ JAKOSTI ZIMNÍCH KAPALIN DO OSTŘIKOVAČŮ V PROVOZU HODNOCENÍ PŘÍSTROJŮ PRO MĚŘENÍ JAKOSTI ZIMNÍCH KAPALIN DO OSTŘIKOVAČŮ V PROVOZU Ja SKOLIL 1*, Štefa ČORŇÁK 2*, Ja ULMAN 3 1* Velvaa, a.s., 273 24 Velvary, Česká republika 2,3 Uiverzita obray v Brě, Kouicova

Více

3. DIFERENCIÁLNÍ ROVNICE

3. DIFERENCIÁLNÍ ROVNICE 3 DIFERENCIÁLNÍ ROVNICE Difereciálí rovice (dále je DR) jsou veli důležitou částí ateatické aalýz, protože uožňují řešit celou řadu úloh z fzik a techické prae Občejé difereciálí rovice: rovice, v íž se

Více

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů: Odhady parametrů polohy a rozptýleí pro často se vyskytující rozděleí dat v laboratoři se vyčíslují podle ásledujících vztahů: a : Laplaceovo (oboustraé expoeciálí rozděleí se vyskytuje v případech, kdy

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

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

SP2 Korelační analýza. Korelační analýza. Libor Žák

SP2 Korelační analýza. Korelační analýza. Libor Žák Korelačí aalýza Přpomeutí pojmů áhodá proměá áhodý vetor áhodý vetor Náhodý výběr: pro áhodou proměou : pro áhodý vetor : pro áhodý vetor : Přpomeutí pojmů - ovarace Kovarace áhodých proměých ovaračí oefcet

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

Popisná statistika. Zdeněk Janák 9. prosince 2007

Popisná statistika. Zdeněk Janák 9. prosince 2007 Popisá statistika Zdeěk Jaák jaak@physics.mui.cz 9. prosice 007 Výsledkem měřeí atmosférické extikce z pozorováí komet a observatoři Skalaté Pleso jsou tyto hodoty extikčích koeficietů ve vlové délce 46

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

Intervalové odhady parametrů

Intervalové odhady parametrů Itervalové odhady parametrů Petr Pošík Části dokumetu jsou převzaty (i doslově) z Mirko Navara: Pravděpodobost a matematická statistika, https://cw.felk.cvut.cz/lib/ee/fetch.php/courses/a6m33ssl/pms_prit.pdf

Více

Při sledování a studiu vlastností náhodných výsledků poznáme charakter. podmínek různé výsledky. Ty odpovídají hodnotám jednotlivých realizací

Při sledování a studiu vlastností náhodných výsledků poznáme charakter. podmínek různé výsledky. Ty odpovídají hodnotám jednotlivých realizací 3. Náhodý výběr Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých realizací

Více