STATISTIKA I. Pracovn listy ke cvicenm. Tady se objev jmena lid, kter to vubec necekali.

Rozměr: px
Začít zobrazení ze stránky:

Download "STATISTIKA I. Pracovn listy ke cvicenm. Tady se objev jmena lid, kter to vubec necekali."

Transkript

1 STATISTIKA I. Pracovn listy ke cvicenm. Tady se objev jmena lid, kter to vubec necekali. 1

2 Teorie pravdepodobnosti. Prklad 1.1.: Matka husa za sebou vede v zastupu svych 7 housat. a) Kolika zpusoby se mohou housata seradit, vme-li, ze kazda dve housata jsou od sebe snadno rozeznatelna? b) Kolika zpusoby se mohou housata seradit, vme-li, ze dve housata jsou zaspinena od blata, ctyri housata zar cistotou a zbyle house je duvtipne prestrojeny agent kontrarozvedky? Prklad 1.2.: Kolik statnch vlajek tvorenych tremi vedle sebe posazenymi jednobarevnymi pruhy muzeme vytvorit, mame-li k dispozici 6 ruznych barev a zadnou z nich nesmme pouzt dvakrat? Prklad 1.3.: Kolik statnch vlajek tvorenych tremi vedle sebe posazenymi jednobarevnymi pruhy muzeme vytvorit, mame-li k dispozici 6 ruznych barev? Barvy se sm na vlajce opakovat za podmnky, ze zadne dva sousedn pruhy nebudou vyplneny stejnou barvou. Prklad 1.4.: Jerry si dle motta bezpecnost predevsm\ zahesloval termosku s kavou. Pamatuje si, ze kod je " trojmstny a tvoreny cslicemi od nuly do devtky, pricemz se zadna z nich v kodu neopakuje. Kazdou minutu zkus sestavit a zadat jeden kod. Kolik casu by si mel Jerry vyhradit na laman kodu, aby mel absolutn jistotu, ze se ke sve kave dostane? 2

3 Prklad 1.5.: Behem kabaretnho vystoupen vas kouzelnk vyzve, abyste z nabzeneho balcku nahodne vybrali pet karet a ukazali je zvedavemu publiku. Predpokladejme, ze balcek nen nijak upraveny, obsahuje 32 karet a kouzelnk tento trik predvad na vystoupen pouze jednou. a) Kolik vystoupen by musel kouzelnk minimalne absolvovat, aby publiku ukazal alespon jednou kazdou moznou petici karet? b) S jakou pravdepodobnost se vam povede publiku ukazat postupku, mame-li na mysli postupku tvorenou peti kartami stejne barvy od destky vyse? Prklad 1.6.: Vasnivy sberatel ma doma vyvesene 3 vzacne obrazy, o ktere by nerad prisel. Rozhodne se proto, ze si necha do zd vestavet 5 dostatecne velkych trezoru, do kterych obrazy uschova. Kolika zpusoby muze sberatel uzamknout v trezorech sve obrazy? S jakou pravdepodobnost umst vsechny 3 obrazy do jednoho trezoru? Prklad 1.7.: Hrajeme hru, ve ktere hazme najednou dvema ferovymi sestistennymi kostkami. Konkretnm clem je, aby soucet hodnot padlych na obou kostkach byl nizs nebo roven 8. S jakou pravdepodobnost v hodu uspejeme? Prklad 1.8.: Hrajeme hru se stejnymi podmnkami jako v prkladu 1.7. az na jednu vyjimku - smme hazet tremi ferovymi sestistennymi kostkami a secteme dve nejnizs padle hodnoty, nejvyss padla hodnota je ignorovana. O kolik se zvys pravdepodobnost uspechu? 3

4 Prklad 1.9.: Hrajeme hru se stejnymi podmnkami jako v prkladu 1.7. az na jednu vyjimku - smme hazet tremi ferovymi sestistennymi kostkami a secteme dve nejnizs padle hodnoty, nejvyss padla hodnota je ignorovana. Protihrac nam velkoryse nabdne moznost vymenit tuto vyjimku za moznost jednoho opakovaneho hodu obema kostkami, nebude-li soucet hodnot padlych na obou kostkach nizs nebo roven 8. Je vyhodne jeho nabdku prijmout? Prklad 1.10.: Evzenie se po vecerech bav vybranm zahozenych "pokladu"z peti popelnic stojcch v okol jejho domu. Netus ale, ze se po jej vcerejs navsteve v jedne z nich ubytoval myval. Evzenie si vzdy nahodne zvol dve popelnice, ktere dukladne prohleda, nikdy ovsem neprohleda stejnou popelnici dvakrat. S jakou pravdepodobnost si ze sveho nocnho dobrodruzstv odnese i nebezpecny virus vztekliny, vme-li, ze myval kousne kazdeho, kdo otevre "jeho"popelnici a 2 ze 3 myvalu jsou nositeli viru? Prklad 1.11.: Na zahradce nas trap krtek. Cas od casu vykope nahodne svuj kruhovy krtinec o polomeru 10cm na ctvercove zahrade o plose 100m 2. Je to krtek cimprlich, a proto svuj krtinec vzdy vykope tak, ze se cela jeho plocha rozleha na zahrade a neprekracuje ji. Jaka je pravdepodobnost, ze se krtek vykope tak, ze krtinec bude zasahovat do zahonku s orchidejemi, vme-li, ze orchideje pestujeme ve stredu zahrady v kruhovem zahonku o prumeru 1,5m? 4

5 Prklad 1.12.: Na Jihocesky kraj ma o patecn pulnoci nerzene dopadnout vyrazena ceska druzice Spuntk I. S jakou pravdepodobnost dopadne druzice na nesklizene kukuricne pole o rozloze 5000 m 2 patrc jihoceskemu hospodari Hanakovi, vme-li, ze rozloha Jihoceskeho kraje je 10056km 2 a msto dopadu je urceno stredem druzice? Prklad 1.13.: Detektiv Hercule Poirot se snaz objasnit zavazny zlocin. Poirot zapocne vyslechem jednoho ze tr prtomnych svedku - Monsieura Boba, Monsieura Frecheta a Madame Delacroix. Jelikoz je Poirot spravny gentleman, dama ma dvakrat vets sanci stat se prvnm zpovdanym nez kazdy z panu. Behem vyslechu se pak pokus nalezt nejakou indicii, ktery by poukazala smerem k pachateli. Sance, ze onu potrebnou stopu svedek poskytne je 0, 25 pro Msr Boba, 0, 45 pro Msr Frecheta a 0, 10 pro Mme Delacroix. S jakou pravdepodobnost bude muset vehlasny detektiv vyslechnout vce nez jednoho svedka? Prklad 1.14.: Vrat'me se k prkladu Nyn jiz vme, ze Poirota dovedlo k pachateli prave ono vyzpovdan prvnho svedka. S jakou pravdepodobnost to byla Mme Delacroix, ktera dovedla Poirota k pachateli? Prklad 1.15.: Firma zakoupila 25 tiskaren od 1. vyrobce, 10 od 2. vyrobce a 15 od 3. vyrobce. Pravdepodobnost, ze tiskarna bude spolehlive pracovat, pochaz-li od 1. vyrobce je 0,7, od 2. vyrobce 0,8 a od 3. vyrobce 0,9. a) Jaka je pravdepodobnost, ze nahodne vybrana tiskarna pracuje spolehlive? b) Jaka je pravdepodobnost, ze spolehlive pracujc tiskarna pochaz od 2. vyrobce? 5

6 Nahodna velicina. Prklad 2.1.: Dr. Solus se chysta na dovolenou k mori a na posledn chvli natahne ruku k nejblizs polici s knihami a vytahne z n nahodne 4 knihy, ktere mu budou jeho pobyt zprjemnovat. Vme, ze na policce se nachaz 9 knih, 5 z nich jsou chemicke zurnaly a 4 knihy jsou horory. NV X predstavuje pocet hororovych knih mezi vybranymi knihami. Dr. Solus je vasnivy ctenar, chemicky zurnal precte za jeden vecer a horor mu zabere vecery tri. Zavedeme si NV Y vyjadrujc pocet veceru, behem kterych ma Dr. Solus co cst. Nicmene ani Dr. Solus se nevyhne obcasne rozmarilosti a tak dava prednost pestrosti zanru pro prpad, ze jej stavajc kniha omrz. Zavedeme si NV Z nabyvajc hodnot Z=1 v prpade, ze vybrane knihy nenalez jen k jednomu zanru a Z=0 v prpade opacnem. a) Urcete a zakreslete pravdepodobnostn funkci NV X. b) Urcete a zakreslete distribucn funkci NV X. c) Urcete modus NV X. d) Urcete stredn hodnotu a rozptyl NV X. 6

7 e) Urcete a zakreslete pravdepodobnostn funkce NV Y a NV Z. f) Urcete a zakreslete distribucn funkce NV Y a NV Z. g) Urcete mody NV Y a NV Z. h) Urcete stredn hodnoty a rozptyly NV Y a NV Z. 7

8 Prklad 2.2.: V osud se nachaz 7 zlutych a 6 cervenych mcku. NV X predstavuje pocet vytazenych zlutych mcku mezi 5 vybranymi. Zlute i cervene mcky byly dodany v balen po 10 mccch, mcky nepouzite v osud jsme polozili stranou a vytazene mcky pokladali k odlozenym mckum se stejnou barvou. NV Y predstavuje pocet zlutych mcku odlozenych stranou po vytazen 5 mcku z osud. a) Urcete a zakreslete pravdepodobnostn funkci NV Y. b) Urcete a zakreslete distribucn funkci NV Y. c) Urcete modus NV Y. d) Urcete stredn hodnotu a rozptyl NV Y. 8

9 Prklad 2.3.: Mejme NV X denovanou hustotou pravdepodobnosti 1 + x 1 x < 0 f(x) = 1 x 0 x < 1. 0 jinde Dale mejme nahodnou velicinu Y = 4X 3. a) Urcete distribucn funkci NV X. b) Urcete stredn hodnotu, rozptyl a doln kvartil NV X. c) Urcete pravdepodobnostn a distribucn funkci NV Y. d) Urcete stredn hodnotu a rozptyl NV Y. 9

10 Nahodny vektor. Prklad 3.1.: Nahodny vektor X=(Y,Z) ma pravdepodobnostn funkci zadanou tabulkou: Y \ Z ,14 0,04 0,02 2 0,20 0,12? 4 0,06 0,03 0,01 6 0,17 0,09 0,04 a) Urcete chybejc hodnotu sdruzene pravdepodobnostn funkce. b) Sestavte marginaln pravdepodobnostn funkce P Y (y), P Z (z). c) Urcete EY, DY, σ Y, EZ, DZ, σ Z. 10

11 d) Vypoctete podmnenou str. hodnoty E(Z Y = 2) a E(Y Z = 1). e) Urcete kovariancn matici cov(y, Z). f) Vypoctete korelacn koecient. g) Overte, zda jsou obe slozky vektoru X navzajem nezavisle nahodne veliciny. 11

12 Prklad 3.2.: Mame danu sdruzenou hustotu pravdepodobnosti dvouslozkoveho nahodneho vektoru { x + y (x, y) 0, 1 0, 1 f(x, y) =. 0 jinde a) Urcete sdruzenou distribucn funkci F (x, y). b) Urcete marginaln hustoty pravdepodobnosti f X (x) a f Y (y). c) Urcete marginaln distribucn funkce F X (x) a F Y (y). d) Vypoctete P (X > 0, 5), P (0 < Y < 1), P (X < 1; Y < 0, 5), P (X < 1; Y > 0, 5). 12

13 e) Urcete EX, DX, σ X, EY, DY, σ Y. f) Rozhodnete, zda jsou NV X a NV Y zavisle. g) Rozhodnete, zda jsou NV X a NV Y linearne zavisle a urcete mru. 13

14 Vybrana rozdelen diskretn nahodne veliciny Prklad 4.1.: V regalu s ovocem se nachaz 30 hrusek maslovek, pricemz 10 z nich je nezralych. S jakou pravdepodobnost si pri nakupu (nahodnem vyberu) peti hrusek odnesete prave dve nezrale hrusky? Prklad 4.2.: Dobre opecovavany kaktus vykvete s pravdepodobnost 54%. S jakou pravdepodobnost vykvetou pestiteli alespon 2 z jeho 6 dobre opecovavanych kaktusu? Prklad 4.3.: Poctac ZAX v 80% prpadu poraz Dr. Borouse v sachu. S jakou pravdepodobnost "poraz"dr. Borouse az pri druhe hre? Prklad 4.4.: Vzdy kdyz si agent Cooper objedna svuj oblbeny tresnovy kolac, s pravdepodobnost 30% mu zavola nadrzeny. Nestane-li se tak, sn svuj kolac a objedna si dals. S jakou pravdepodobnost stihne sporadat vce nez tri kolace, nez bude jeho gurmansky pozitek narusen? Prklad 4.5.: V petine prpadu obsahuje nahodne vybrane vejce dva zloutky. Jaka je pravdepodobnost, ze budeme muset rozklepnout vce nez tri vejce, abychom nalezli dve vejce obsahujc dva zloutky? 14

15 Prklad 4.6.: Na Islandu dochaz rocne prumerne ke trem sopecnym erupcm. S jakou pravdepodobnost dojde k alespon jedne erupci prst mesc? Prklad 4.7.: Balk hokejovych karticek obsahuje 10 ruznych karet. Jestlize v prumeru na 1 z 20 karticek byva brankar, s jakou pravdepodobnost po rozbalen balcku najdeme alespon dva brankare? Prklad 4.8.: Soutezc v pevnosti Boyard ma nabrat lopatou psek a prest ho, aby nasel klc. Pri preset kazde lopaty psku je 7% sance nalezen klce. S jakou pravdepodobnost bude muset lopatou zabrat alespon desetkrat nez klc najde? Prklad 4.9.: Ve skladu je uchovavano 50 vodnch cipu, pricemz 15 z nich jiz proslo zarucn lhutou a jsou nefunkcn. Nastane-li zavada a bude-li nutna vymena 5 vodnch cipu, s jakou pravdepodobnost budou instalovany nejvyse dva nefunkcn cipy? Prklad 4.10.: U levne vyrabenych resinovych gurek je zvykem, ze jeden ze tr kusu trp nespecikovanou zavaznou vadou. S jakou pravdepodobnost budeme muset zakoupit vce nez pet gurek, abychom zskali tri gurky bez vady? 15

16 Prklad 4.11.: Jestlize za tyden usouka krizak prumerne pet st, s jakou pravdepodobnost usouka za nasledujc den prave dve ste? Prklad 4.12.: Profesor Orfanik vystreluje kazdy mesc jednu raketu na Mesc. Vzdy pred vystrelem svemu mecenasi slibuje, ze "tentokrat se urcite tref". S jakou pravdepodobnost se tref do peti let od chvle prvnho vypusten rakety kdy jeho mecenasi denitivne dojde trpelivost, vme-li, ze se kazda raketa "tref"na Mesc s pravdepodobnost 0,1%? Prklad 4.13.: Arcibiskup se pri hodinovem kazan prerekne v prumeru jednou za sest minut, prereknut nejsou nicm ovlivnena a vyskytuj se nahodne. V nedeli jej ceka dals kazan. a) S jakou pravdepodobnost se neprerekne behem prvnch patnacti minut kazan? b) S jakou pravdepodobnost se behem posledn pulhodiny kazan prerekne alespon ctyrikrat? 16

17 Vybrana rozdelen spojite nahodne veliciny Prklad 5.1.: Doba do vymeny ltracnho systemu (min) je modelovana Weibullovym rozdelenm s linearne rostouc intenzitou poruch a parametrem mertka 10. a) Predpokladejme, ze ltracn system je 100 hodin v chodu. Urcete pravdepodobnost, s jakou dojde k poruse ltracnho systemu v nasledujcch 10 minutach. b) Urcete pravdepodobnost, ze system bude behem prvnch 15 hodin chodu pracovat bez poruchy. c) Urcete pravdepodobnost, ze system bude behem prvnch 50 hodin chodu pracovat bez poruchy. Prklad 5.2.: Objem padajcch krup lze modelovat pomoc normalnho rozdelen N(µ = 1cm 3 ; σ = 0, 05cm 3 ). a) S jakou pravdepodobnost bude objem prave spadnuvs kroupy vets nez 1cm 3? b) S jakou pravdepodobnost bude objem prave spadnuvs kroupy vets nez 0, 8cm 3 a mens nez 1, 1cm 3? 17

18 Prklad 5.3.: Modelarska rma prinas na trh vlastn typ vrtacek, jejichz zivotnost lze modelovat exponencialnm rozdelenm. Stredn zivotnost nove nabzenych vrtacek je hodin. a) Jaka je pravdepodobnost, ze nahodne zvolena vrtacka bude fungovat i za hodin? b) Urcete pravdepodobnost, ze zivotnost nahodne zvolene vrtacky nepresahne hodin. c) Urcete mezn dobu zivotnosti, kterou presahne alespon 75% vrtacek. Prklad 5.4.: Farmaceuticka rma vyvinula novou mast pro lecbu slabych popalenin. Z klinicke studie vyplyva, ze po aplikaci masti je prumerna doba potrebna k uplnemu uzdraven zasazene pokozky 20 hodin. Predpokladejme, ze doba do uzdraven ma exponencialn rozdelen. a) S jakou pravdepodobnost bude potreba k zahojen popaleniny alespon 14 hodin od aplikaci masti? b) S jakou pravdepodobnost bude potreba k zahojen popaleniny alespon den od aplikaci masti? 18

19 Prklad 5.5.: NV X ma rozdelen N(µ; σ 2 ). Urcete a) P (µ kσ < X < µ + kσ). b) k Z : P (µ kσ < X < µ + kσ) < 0, 6. Prklad 5.6.: Doba do nutne udrzby horske drahy je modelovana pomoc Weibullova rozdelen s linearne rostouc intenzitou poruch a parametrem mertka 50. a) Urcete pravdepodobnost, ze behem prvnch 50 hodin provozu nebude zapotreb udrzby. b) Urcete pravdepodobnost, ze mezi 30 a 40 hodinou provozu nebude zapotreb udrzby. Prklad 5.7.: Na zaklade meren odchycenych gavialu indickych jsme dospeli k zaveru, ze jejich delku lze modelovat normalnm rozdelenm N(µ = 5, 25m; σ = 2, 10m). a) Odhadnete, kolik procent gavialu indickych dorusta delky mens nez 4m. b) Odhadnete, kolik procent gavialu indickych dorusta delky mezi 3,5m a 6m. 19

20 Prklad 5.8.: Baskytarista Jimmy si chce pordit novy zesilovac znacky Eden, jehoz zivotnost lze modelovat exponencialnm rozdelenm. Stredn zivotnost jm zvoleneho typu zesilovace je hodin. a) Jaka je pravdepodobnost, ze Jimmymu vydrz jeho nahodne vybrany zesilovac Eden do evropskeho turne, ktere je planovane za 5 let? b) Urcete mezn dobu zivotnosti, kterou presahne alespon 80% zesilovacu Eden. 20

21 Exploratorn analyza Prklad 6.1.: Oleg Petrovsky se zucastnil sachoveho turnaje a vyhral celkem 10 her. V nasledujc tabulce jsou uvedeny zkratky nazvu gur, kterymi zahral sach-mat (Q=kralovna, B=strelec, K=kun, T=vez). Data z tabulky vyhodnot'te (absolutn cetnosti, relativn cetnosti, modus) a vhodnym zpusobem gracky znazornete. Q Q B K T Q K B Q K Prklad 6.2.: Do tabulky jsme vepsali obtznosti sestaven 16 leteckych modelu spolecnosti Revell, ktere nabz lokaln modelarstv. Urcete rozdelen cetnosti obtznosti sestaven modelu (absolutn, relativn a kumulativn cetnosti, modus) a data vhodnym zpusobem znazornete. Dale urcete modus daneho rozdelen a kolik procent nabzenych modelu je urceno pro zacnajc modelare (nejvyse stredn obtznost). Nzka Stredn Vysoka Vysoka Extremn Extremn Nzka Extremn Extremn Extremn Nzka Stredn Vysoka Nzka Nzka Vysoka 21

22 Prklad 6.3.: Soukromy detektiv ve svem cenku udava slevy, ktere bude zakaznkum poskytovat v prpade, ze bude behem sledovac akce spatren, poprpade kdyz bude behem akce jeho totoznost odhalena. Bude-li spatren, bude si uctovat jen polovinu dohodnute sumy (Kc). Bude-li odhalena jeho totoznost, uctovat si bude pouhou ctvrtinu dohodnute sumy. Urcete prumerny vydelek detektiva na jednu akci behem uplynuleho mesce, znate-li dohodnute sumy a uspesnost jeho prace: Neodhalen Spatren Odhalen Prklad 6.4.: Petr, Pavel a Martin dostali za ukol obrat na zahrade 3 angrestove kere. Petr obral ker za 1,5h, Pavel za 0,9h a Martin za 2h. Jak dlouho trvalo v prumeru obran jednoho angrestoveho kere? Prklad 6.5.: V roce 2010 doslo k mezirocnmu narustu populace tucnaku csarskych o 5%. V roce 2011 populace vzrostla o dals 3%. V roce 2012 pak narust cinil dokonce 7%. Jaky byl prumerny mezirocn narust populace tucnaka csarskeho behem udanych tr let? Prklad 6.6.: V roce 1997 bylo vyloveno t stikozubce obecneho (hejka), v roce 1998 se ale mnozstv vylovenych kusu snzilo na 8000 t. Urcete prumerny procentualn mescn pokles mnozstv uloveneho stikozubce ve sledovanem obdob (12 mescu). Prklad 6.7.: Vedecky tym se kazdorocne vydava na vypravu proti proudu Amazonky. S 80% sanc se jim podar zajistit motorovy clun, v opacnem prpade se budou muset spokojit s kanoemi. Clunem trva cesta do jejich clove destinace 5 dn, na kanoch cesta trva 12 dn. Kolik dn v prumeru zabere takova vyprava? 22

23 Prklad 6.8.: V souboru Odstavky.xlsx naleznete zaznamenane delky odstavky teple vody v lokalitach Moravskoslezskeho kraje behem uplynuleho mesce. Urcete prumerny pocet odstavek teple vody, shorth, modus, horn kvartil, doln kvartil a dale overte, zda data neobsahuj odlehla pozorovan. 23

24 Vyberove charakteristiky. Intervalove odhady. Prklad 7.1.: Poruchovost satelitnho prijmace lze modelovat exponencialnm rozdelenm se stredn dobou do poruchy 5 let. Muzete verit distributorovi, tvrd-li, ze prumerna zivotnost 100 prodanych satelitnch prijmacu presahla 6 let? Prklad 7.2.: Datove uloziste ma celkovou kapacitu 2 GB. Urcete maximaln pocet uzivatelu zalohujcch na uloziste sva data tak, aby byla pravdepodobnost prehlcen uloziste mens nez 5%? Na zaklade zaznamu spravcu datoveho uloziste lze usuzovat, ze velikost zalohovanych dat ma stredn hodnotu 10 MB a smerodatnou odchylku 3 MB. Rovnez predpokladame, ze zadny z uzivatelu v dobe sledovan kapacity uloziste sve zalohy nesmaze. Prklad 7.3.: Na merenem useku silnice prekroc rychlost ve vsedn den mezi 13 a 14 hodinou v prumeru 2 ridici za 5 minut. Na prst stredu je naplanovana na 13 az 14 hodin na tomto useku naplanovane kontroln meren. Jaka je pravdepodobnost, ze behem akce bude zjisteno prekrocen rychlosti alespon u 30 vozidel? Srovnejte presny vypocet s pribliznym vypoctem pomoc CLV. 24

25 Prklad 7.4.: Stavebn rma udava, ze v zimnm obdob je za jeden den polozeno 20m ± 3m 1 dalnice. S jakou pravdepodobnost bylo polozeno alespon 0, 5 km dalnice behem a) ledna, b) unora. Prklad 7.5.: Potravinarska kontrola otestovala vzorek 300 velikonocnch zajcku z mlecne cokolady od ruznych vyrobcu, aby overila, zda zajcci splnuj zakonem danou kvotu o obsahu kakaa v cokolade. Na zaklade povedom o tuzemskych prodejcch kontrola ocekava, ze u kazdeho zajcka je 20% sance, ze nebude splnovat kvotu o obsahu kakaa. Da se ocekavat, ze kontrolou uspesne projdou vce nez dve tretiny testovanych zajcku? 1 ve tvaru stredn hodnota ± smerodatna odchylka 25

26 Prklad 7.6.: Testovali jsme zivotnost n bateri znacky Pylon. Zjistili jsme, ze jejich zivotnost lze modelovat normalnm rozdelenm. Pozorovana zivotnost bateri byla (120 ± 10) hodin. Odhadnete interval, v nemz s 95% pravdepodobnost lez stredn hodnota vydrze testovanych bateri Pylon, pokud jsme otestovali a) 100 bateri. b) bateri. 26

27 Prklad 7.7.: Pri kontrole zasob jsme namatkou prohledli 120 sklenic s merunkovou marmeladou a zjistili jsme, ze u 35 z nich je prekroceno datum spotreby. Stanovte 95% interval spolehlivosti pro procentualn odhad proslych merunkovych marmelad mezi zasobami. Nezapomente overit predpoklady pouzit zvoleneho vztahu. Prklad 7.8.: Mame za ukol odhadnout stredn vahu hlavky salatu v mstnm zelinarstv s maximaln povolenou chybou ±0, 1 kg. Predpokladejme, ze vaha hlavky salatu ma normaln rozdelen se smerodatnou odchylkou ±0, 3 kg, kterou jsme urcili na zaklade predvyberu. Kolik hlavek salatu musme navazit, abychom mohli stanovit 95% interval spolehlivosti pro stredn vahu hlavky a zaroven zajistili pozadovanou presnost odhadu? Prklad 7.9.: Overovali jsme kvalitu serzen plnc linky na barvy Koloryt. Z otestovan mnozstv barvy ve 100 nahodne vybranych plechovkach jsme dosli k hodnote smerodatne odchylky ±4ml. Odhadnete 95% interval spolehlivosti pro rozptyl a smerodatnou odchylku objemu barev Koloryt v testovanem typu balen. 27

28 Prklad 7.10.: Mezi 500 prohlednutymi kavovymi zrny z pytlku kavy Urban jsme nalezli 125 spatnych zrnek nevhodnych ke zpracovan. Kolik pytlku kavy Urban (kazdy pytlk obsahuje 600 zrnek) bychom museli otestovat, abychom mohli stanovit 99% interval spolehlivosti procentualnho zastoupen zavadnych zrnek v balench kavy Urban s toleranc ±5 zrnek? Prklad 7.11.: Z inspekce 60 kontrolnch bodu prenosove ste jsme namerili napet v sti (50 ± 6) kv. Urcete mezn stredn hodnotu napet, ktera nebude prekrocena vce nez v 10% prpadu. Prklad 7.12.: Vyrobce golfovych mcku nam nechce sdelit prumerny pocet uderu, ktere jeho mcky vydrz. Testovali jsme vydrz 40 zakoupenych golfovych mcku a dosli jsme k zaveru, ze u mcku dochaz k jejich nevratnemu poskozen po 300 ± 2 ranach. Stanovte 95% interval spolehlivosti pro stredn pocet uderu, ktere golfove mcky zmneneho vyrobce vydrz bez vaznejsho poskozen za predpokladu, ze zivotnost golfoveho mcku lze modelovat normalnm rozdelenm. 28

29 Prklad 7.13.: Firma Vesely Pask prohlasuje, ze v jejich veprovych konzervach je mnohem vce veproveho masa nez je tomu u konzerv rmy Smutny Knour. Abychom overili toto tvrzen, vyzadali jsme si od obou rem testovac vzorky. Obe rmy nam zaslaly vzorek svych 400 gramovych konzerv, namereny objem masa jsme ulozili do souboru konzervy.xlsx. Je mozne oznacit s 95% spolehlivost tvrzen rmy Vesely Pask za zavadejc? Prklad 7.14.: Tezebn spolecnost H&H Mining zahajila tezbu ve dvou novych lokalitach, Glowu a Bakerseldu. Behem prvnch dvou mescu zdokumentovala mnozstv vytezene uranove rudy za den, data jsou k dispozici v souboru uran.xlsx. Dokazete na zaklade uvedenych dat rozhodnout, na kterou ze dvou zmnenych lokalit se rme H&H Mining vyplat soustredit? 29

30 Testovan parametrickych hypotez. Prklad 8.1.: Zucastnili jsme se kontrolnho odchytu Varanu Smaragdovych na Nove Guinei za ucelem zskan presnejsch informac o tomto jesterovi. Zmerili jsme 40 jedincu. Do souboru V arani.xlsx jsme ulozili namerene hodnoty. Muzeme tvrdit, ze jedinci z Nove Guinei se dorustaj vetsch delek, nez je tomu u jedincu z Australie? (V literature je uvedeno, ze se Varan Smaragdovy vyskytuje pouze na Nove Guinei a severnm cpu Australie a dorusta v prumeru 87, 5cm). Prklad 8.2.: Imrich Drapal se letos zucastn dalsho rocnku mysch zavodu, kde ma mys za ukol najt cestu bludistem v co nejkratsm case. Pro ucely trenovan svych mys si doma vybudoval provizorn bludiste a vpoustel do nej mysky ze sveho vlastnho chovu. Zatm ma tri mysky - cerneho Throta, bleho Skweela a sedeho Mouldera. Sve mysi opakovane vpoustel po jedne do bludiste a kdyz z nej vysly ven, zapsal si jejich cas do souboru Mysky.xlsx. Bohuzel, Moulder pred zavodem onemocnel a Imrich by proto nejradeji vzal Skweela, jelikoz ver, ze Skweel prekona bludiste rychleji nez Throt, kteremu to trvalo v prumeru 15 s. Nen Imrichuv zaver ponekud ukvapeny? 30

31 Prklad 8.3.: Prumerna srka kloboucku zampionu znacky Shroom v balen je (10, 6 ± 1, 7) cm. Obchod nyn dovezl 100 balen zampionu Mush, jejichz dodavatel tvrd, ze obsazene kloboucky zampionu maj statisticky vyznamne vets rozmery nez je tomu u zampionu Shroom. Urcete mezn srku kloboucku v balen, abychom se mohli priklonit k tvrzen dodavatele (predpokladejte, ze srku kloboucku lze popsat normalnm rozdelenm). Prklad 8.4.: Behem prvn sezony divadla Kacer na Retezu jsme divakum rozdavali dotaznk, kde krom jineho vyplnili i svuj vek. Vyplynulo, ze prumernemu navstevnkovi divadla je 30 ± 6 let. Po prvn hre v nove sezone jsme divakum rozdali tentyz dotaznk, po prostudovan 30 nahodne vybranych dotaznku jsme dosli k hodnote smerodatne odchylky 8 let. Muzeme tvrdit, ze divadlo behem zacatku druhe sezony pritahuje sirs vekove spektrum navstevnku (predpokladejte, ze vek navstevnku divadla ma normaln rozdelen)? 31

32 Prklad 8.5.: V roce 2011 tvorila odruda jablek Golden Delicious 14% dennho odbytu jablek v ceskych obchodech. Polovinu nasledujcho roku jsme venovali pozorovan odbytu GD a kazdy den jsme podl GD na dennm odbytu jablek zapsali do souboru Jablka.xlsx. Predpokladejme, ze mnozstv jablek dodanych do obchodu bylo v obou letech stejne. Muzeme na zaklade naseho pozorovan tvrdit, ze obliba odrudy Golden Delicious behem sledovane doby poklesla? Prklad 8.6.: V souboru Orechy.xlsx se nachaz udaje o celkove vaze nasbranych lskovych orechu v kilogramech, sber probhal behem prvnch ctyr cervencovych tydnu. Overte, zda muzeme tvrdit, ze v polovine dn se nenasbralo mene nez 50kg lskovych orechu. 32

33 Prklad 8.7.: Vyrobce neodymovych magnetu doposud vyrabel magnety s pritazlivou silou 1 (20 ± 2)N, nyn chce prijt na trh s novym typem magnetu stejne velikosti, o nichz rka, ze jsou silnejs nez doposud vyrabene magnety. K overen tvrzen jsme nahodne vybrali 75 novych magnetu. Urcete kritickou hodnotu prumerne pritazlivosti testovanych magnetu tak, abychom mohli se spolehlivost 95% tvrdit, ze je vets nez puvodnch 20N. Prklad 8.8.: Zucastnili jsme se kontrolnho odchytu Varanu Smaragdovych na Nove Guinei a severu Australie za ucelem zskan presnejsch informac o tomto jesterovi. Zmerili jsme a zvazili 40 jedincu z kazdeho kontinentu. Do souboru V arani.xlsx jsme ulozili namerene hodnoty. Muzeme tvrdit, ze jedinci z Nove Guinei se dorustaj vetsch delek, nez je tomu u jedincu z Australie? 1 ve tvaru str. hodnota ± smerodatna odchylka 33

34 Prklad 8.9.: Firma Vesely Pask prohlasuje, ze v jejich veprovych konzervach je mnohem vce veproveho masa nez je tomu u konzerv rmy Smutny Knour. Abychom overili toto tvrzen, vyzadali jsme si od obou rem testovac vzorky. Firma VP nam zaslala gramovych konzerv (objem masa cinil (290, 0 ± 5, 3) gramu) zatmco rma SK nam dodala gramovych konzerv (objem masa cinil (245, 0 ± 6 gramu)). Je mozne oznacit s 95% spolehlivost tvrzen rmy Vesely Pask za zavadejc? Prklad 8.10.: Spolecnost Pluhy a Sekery tvrd, ze kvalita vyrobn linky rmy Hemenex a Drozd je nizs, nez je tomu u jejich vlastn vyrobn linky. Z 200 produktu dodanych rmou PaS bylo 14 reklamovano kvuli zavadam vzniklym na vyrobn lince. Firme HaD bylo reklamovano 23 produktu z 320 vyrobenych, rovnez kvuli zavadam vzniklym na vyrobn lince. Muzeme se priklonit k tvrzen rmy PaS, ze jejich vyrobn linka je skutecne kvalitelnejs, tedy nezavdava tolik podnetu k reklamaci, jako je tomu u jejich konkurence? 34

35 Prklad 8.11.: Imrich Drapal se letos zucastn dalsho rocnku mysch zavodu, kde ma mys za ukol najt cestu bludistem v co nejkratsm case. Pro ucely trenovan svych mys si doma vybudoval provizorn bludiste a vpoustel do nej mysky ze sveho vlastnho chovu. Zatm ma tri mysky - cerneho Throta, bleho Skweela a sedeho Mouldera. Sve mysi opakovane vpoustel po jedne do bludiste a kdyz z nej vysly ven, zapsal si jejich cas do souboru Mysky.xlsx. Bohuzel, Moulder pred zavodem onemocnel. Kterou ze zbyvajcch dvou mysek by si mel Imrich vzt s sebou, pomysl-li tento rok na vtezstv? Prklad 8.12.: Testovali jsme vliv nove znacky kavy Cafe Urban na pracovn vykonnost 100 postovnch urednic. Pro ucel analyzy jsme u kazde urednice zaznamenavali pocet pracovnch ukonu (prijaty balk apod.) behem prvnch 4 hodin pracovn doby. Po uplynut prvnch 4 hodin smeny kazda z urednic vypila jeden salek kavy Cafe Urban, nasledujc 4 hodiny jsme opet u kazde urednice zaznamenavali pocet pracovnch ukonu. Vysledky jsme zanesli do souboru P osta.xlsx. Rozhodnete, zda melo pozit kavy vliv na pracovn vykonnost urednic. 35

36 Prklad Zahradnci pestujc kaktusy v Canyon City a Buena Viste se ocitli ve sporu o to, ktere z mest skyta leps podmnky pro rust kaktusu Echinocactus grusonii. Nabdli jsme se, ze jim jejich spor pomuzeme vyresit, proto jsme v obou mestech provedli kontroln meren vysky kaktusu. Namerene udaje jsou k dispozici v datovem souboru Skleniky.xlsx. Rozhodnete, ve kterem z mest se kaktusu E. grusonii dar lepe. Prklad Cnsky vyrobce grackych karet Envydia udava, ze jen 2% jejich grackych karet trp pri dodan na trh zavaznou zavadou. Testovali jsme dodavku 600 grackych karet, ze kterych se u 21 karet vyskytla zavazna zavada. Rozhodnete, zda lze tvrzen vyrobce pokladat za pravdive. 36

37 Vcevyberove testy parametrickych hypotez. Prklad 9.1.: Imrich Drapal se letos zucastn dalsho rocnku mysch zavodu, kde ma mys za ukol najt cestu bludistem v co nejkratsm case. Pro ucely trenovan svych mys si doma vybudoval provizorn bludiste a vpoustel do nej mysky ze sveho vlastnho chovu. Zatm ma tri mysky - cerneho Throta, bleho Skweela a sedeho Mouldera. Sve mysi opakovane vpoustel po jedne do bludiste a kdyz z nej vysly ven, zapsal si jejich cas do souboru Mysky.xlsx. Kterou ze svych mysek by si mel Imrich vzt s sebou, pomysl-li tento rok na vtezstv? 37

38 Prklad 9.2.: Zajmal nas charakter vyskytu kremenacu na prelomu leta a podzimu. Vyslali jsme proto 100 dobrovolnych sberacu do 5 ruznych typu lokalit. Sberaci pri spatren kremenace udelali carku do bloku, pri navratu se pak carky secetly a tak jsme dosli k mnozstv kremenacu, ktere byly danym dobrovolnkem nalezeny. V souboru kremenace.xlsx jsou k nalezen mnozst zpozorovanych hub rozdelenych dle hledacu a lokalit. Muzeme na zaklade dat urcit lokalitu, ve ktere se kremenacum nejvce dar? 38

39 Prklad 9.3.: Provadeli jsme kontrolu kvality resinovych odlitku zaslanych tremi ruznymi spolecnostmi. Pri kontrole kvality bylo kazdemu z vyrobku prirazeno porad odpovdajc jeho kvalite (1 - nejlepe zpracovany vyrobek, 40 - nejhure zpracovany vyrobek). V souboru resin.xlsx se nachaz vysledky vyhodnocen kvality. Je mozne na zaklade dostupnych dat jednoho z vyrobcu uprednostnit, mame-li zajem o modely nejvyss kvality? 39

40 Prklad 9.4.: Tezebn spolecnost H&H Mining zahajila tezbu ve trech novych lokalitach. Behem prvnch dvou mescu zdokumentovala mnozstv vytezene uranove rudy za den, data jsou k dispozici v souboru uran.xlsx. Dokazete na zaklade uvedenych dat rozhodnout, na kterou lokalitu/ktere lokality konkretne se rme H&H Mining vyplat soustredit? 40

41 Prklad 9.5.: Inzenyr Pospsil si behem pracovn doby chodva zakourit na cerstvy vzduch. Behem prvnch dvou dn v tydnu nejvce later, ze na nej byla uvalena hromada prace. Ve stredu pak jeho zlost pozvolna odeznva a posledn dva pracovn dny se snaz relaxovat. Jeho zlomysln kolegove si zapisovali, kolikrat denne behem zmnenych faz tydne odchaz kourit do souboru Pospisil.xlsx. Zapisovan probhalo pouze behem pracovn doby a Ing. Pospsil behem pauzy vykouril vzdy prave jednu cigaretu. a) Rozhodnete na hladine vyznamnosti 5%, zda se pocet pauz Ing. Pospsila lis v jednotlivych fazch pracovnho tydne. b) Ktera faze tydne je nejvhodnejs pro neplanovanou konzultaci s Ing. Pospsilem, budete-li se snazit jej zastihnout venku behem jedne z jeho pauz? 41

42 Testy neparametrickych hypotez. Prklad 10.1.: Hodili jsme celkem 3000 krat minc krat nam padla hlava, 1367 krat orel. Je mozne o minci tvrdit, ze je nevyvazena? 42

43 Prklad 10.2.: Veden elektrarny odhaduje pocet vypadku ste behem jednoho tydne pomoc Poissonova rozdelen s parametrem λt = 1, 6. Po modernizaci dvou bloku zaznamenavali pocet vypadku po dobu 150 tydnu, vysledky pozorovan jsou k dispozici v tabulce. Rozhodnete, zda ma smysl modelovat i nadale vypadky ste Poissonovym rozdelenm se zadanym parametrem. x i { pocet poruch behem tydne n i { pocet pozorovan Prklad 10.3.: Veden elektrarny odhaduje pocet vypadku ste behem jednoho tydne pomoc Poissonova rozdelen s parametrem λt = 1, 6. Po modernizaci dvou bloku zaznamenavali pocet vypadku po dobu 150 tydnu, vysledky pozorovan jsou k dispozici v tabulce. Rozhodnete, zda ma smysl modelovat vypadky ste Poissonovym rozdelenm. x i { pocet poruch behem tydne n i { pocet pozorovan

44 Prklad 10.4.: Merili jsme tloust'ku 40 preklizkovych desek. Namerene hodnoty v centimetrech jsme zavedli do tabulky uvedene nze. Muzeme tloust'ku preklizkovych desek povazovat za nahodnou velicinu s normalnm rozdelenm? Tloust'ka desky [cm] 1,2 2,6 3,4 2,0 2,2 2,0 1,4 3,1 1,6 2,4 1,8 3,3 1,9 2,3 2,2 2,7 2,5 2,5 2,3 1,9 3,6 3,0 1,2 1,5 1,3 4,0 1,2 2,6 1,8 1,2 2,7 2,9 1,0 3,2 3,1 3,0 1,7 2,4 1,8 2,6 44

45 Prklad 10.5.: Na rmu Hammerite dolehly tezke casy. Veden rmy se rozhodlo zrusit jednu ze dvou nejmene prosperujcch pobocek a to bud' pobocku v Katzenburgu nebo pobocku v Heutetanz. K tomuto ucelu se rma dotazala 97 kupujcch ve zmnenych dvou pobockach, nakolik byli s jejich vyrobky spokojeni. Vysledky setren jsou uvedeny v souboru Hammerite.xls. Rozhodnete o zavislosti spokojenosti s produkty Hammerite na umsten pobocky. 45

46 Prklad 10.6.: Mezi roky 2012 a 2014 byla testovana metoda vyztuzen drevenych konstrukc pomoc stazen spoju upravenymi podlozkami. Po dobu dvou let jsme na lisu otestovali celkem 1763 vzorku, 897 z nich tvorily vzorky vyztuzene podlozkami, zbytek vzorku pak vyztuzen nebyl. Kazdy vzorek byl ponechan v lisu a byl na nej vyvjen tlak az do chvle, kdy doslo k popraskan dreveneho vzorku. Pro nase potreby jsme se pro kazdy vzorek rozhodli zaznamenat, zda doslo k popraskan behem prvnch peti minut testovan vzorku v lisu ci nikoliv. Za 2 sledovane roky doslo k popraskan u 146 vyztuzenych vzorku a u 273 nevyztuzenych vzorku. Rozhodnete, zda na zaklade uvedenych dat muzeme vyvodit, ze pouzit upravenych podlozek opravdu vede ku zlepsen vydrze drevenych konstrukc. 46

47 Korelacn a regresn analyza. Prklad 11.1.: Zajmal nas vliv mnozstv pridaneho uhlku ve slitine na vyslednou kvalitu uslechtile oceli. Firma Cold Steel nam pro potreby testovan poskytla malou cast svych vyrobnch dat (k dispozici v souboru Steel.xlsx ). Overte, zda lze tvrdit, ze kvalita uslechtile oceli roste s mnozstvm uhlku ve slitine. Prklad 11.2.: Zajma nas, zda muze byt zvysena spotreba kavy jednou z prcin narustu poruch nespavosti v lidske populaci. Do souboru Nespavost.xlsx jsme zanesli prumernou spotrebu kavy a procento populace stizene nespavost u 20 nahodne vybranych zem sveta. Zjistete, zda skutecne existuje spojitost mezi spotrebou kavy a problemy se spankem. 47

48 Prklad 11.3.: Snmame vzorek kazove oceli pomoc radkove kamery, pricemz postupne snizujeme rychlost posuvu vzorku. Pri kazdem zpomalen vuci maximaln rychlosti (v procentech) hodnotme kvalitativn zlepsen snmku oproti kvalite snmku zskaneho pri maximaln rychlosti posuvu kamery. Vysledky testu jsme vlozili do souboru Kamera.xlsx. Zajma nas, jak se men kvalita snman vzorku v zavislosti na zmene rychlosti posuvu kamery. a) Vyberte vhodny linearn regresn model pro popis zavislosti kvality snmku na zmene rychlosti posuvu kamery, odhadnete koecienty regresn funkce a vysvetlete prakticky vyznam hodnot koecientu.. b) Overte kvalitu linearnho regresnho modelu pomoc indexu determinace a vysvetlete jeho vyznam. c) Overte, zda byly splneny predpoklady pro pouzit vybraneho linearnho regresnho modelu (analyza residu, normalita vstupnch dat). d) Odhadnete mru zlepsen kvality snmku pri snzen rychlosti posuvu kamery o 20% (vcetne 95% intervalu spolehlivosti). e) Odhadnete stredn mru zlepsen kvality snmku pri snzen rychlosti posuvu kamery o 35% (vcetne 95% intervalu spolehlivosti). 48

49 Prklad 11.4.: Zajma nas, zda lze tvrdit, ze pocet otacek vetraku u notebooku Acer roste linearne s mnozstvm vydaneho tepla procesorem pri zatezi. Vysledky testu jsme vlozili do souboru Otacky.xlsx. a) Vyberte vhodny linearn regresn model pro popis zavislosti otacek vetraku na teplote procesoru, odhadnete koecienty regresn funkce a vysvetlete prakticky vyznam hodnot koecientu. b) Overte presnost linearnho regresnho modelu (R 2 ). c) Overte, zda byly splneny predpoklady pro pouzit vybraneho linearnho regresnho modelu (analyza residu, t-testy). d) Odhadnete pocet otacek pri teplote 70 C vcetne 95% intervalu spolehlivosti. e) Odhadnete stredn hodnotu poctu otacek pri teplote 75 C vcetne 95% intervalu spolehlivosti. 49

Testovan parametrickych hypotez.

Testovan parametrickych hypotez. Testovan parametrickych hypotez. STATISTIKA I. Prklad 8.1.: Zucastnili jsme se kontrolnho odchytu Varanu Smaragdovych na Nove Guinei za ucelem zskan presnejsch informac o tomto jesterovi. Vsechny jedince

Více

Biostatistika Cvičení 7

Biostatistika Cvičení 7 TEST Z TEORIE 1. Střední hodnota pevně zvolené náhodné veličiny je a) náhodná veličina, b) konstanta, c) náhodný jev, d) výběrová charakteristika. 2. Výběrový průměr je a) náhodná veličina, b) konstanta,

Více

Test z teorie VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY

Test z teorie VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY Test z teorie 1. Střední hodnota pevně zvolené náhodné veličiny je a) náhodná veličina, b) konstanta, c) náhodný jev, d) výběrová charakteristika. 2. Výběrový

Více

Název testu Předpoklady testu Testová statistika Nulové rozdělení. ( ) (p počet odhadovaných parametrů)

Název testu Předpoklady testu Testová statistika Nulové rozdělení. ( ) (p počet odhadovaných parametrů) VYBRANÉ TESTY NEPARAMETRICKÝCH HYPOTÉZ TESTY DOBRÉ SHODY Název testu Předpoklady testu Testová statistika Nulové rozdělení test dobré shody Očekávané četnosti, alespoň 80% očekávaných četností >5 ( ) (p

Více

Test z teorie VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY

Test z teorie VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY Test z teorie 1. Střední hodnota pevně zvolené náhodné veličiny je a) náhodná veličina, b) konstanta, c) náhodný jev, d) výběrová charakteristika. 2. Výběrový

Více

ÚVOD DO TEORIE ODHADU. Martina Litschmannová

ÚVOD DO TEORIE ODHADU. Martina Litschmannová ÚVOD DO TEORIE ODHADU Martina Litschmannová Obsah lekce Výběrové charakteristiky parametry populace vs. výběrové charakteristiky limitní věty další rozdělení pravděpodobnosti (Chí-kvadrát (Pearsonovo),

Více

676 + 4 + 100 + 196 + 0 + 484 + 196 + 324 + 64 + 324 = = 2368

676 + 4 + 100 + 196 + 0 + 484 + 196 + 324 + 64 + 324 = = 2368 Příklad 1 Je třeba prověřit, zda lze na 5% hladině významnosti pokládat za prokázanou hypotézu, že střední doba výroby výlisku je 30 sekund. Přitom 10 náhodně vybraných výlisků bylo vyráběno celkem 540

Více

Testování statistických hypotéz

Testování statistických hypotéz Testování statistických hypotéz Michal Fusek Ústav matematiky FEKT VUT, fusekmi@feec.vutbr.cz 11. přednáška z ESMAT Michal Fusek (fusekmi@feec.vutbr.cz) 1 / 27 Obsah 1 Testování statistických hypotéz 2

Více

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Tutoriál č. 5: Bodové a intervalové odhady, testování hypotéz.

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Tutoriál č. 5: Bodové a intervalové odhady, testování hypotéz. Pravděpodobnost a statistika, Biostatistika pro kombinované studium Letní semestr 2015/2016 Tutoriál č. 5: Bodové a intervalové odhady, testování hypotéz Jan Kracík jan.kracik@vsb.cz Obsah: Výběrová rozdělení

Více

Zpracování náhodného vektoru. Ing. Michal Dorda, Ph.D.

Zpracování náhodného vektoru. Ing. Michal Dorda, Ph.D. Ing. Michal Dorda, Ph.D. 1 Př. 1: Cestující na vybraném spoji linky MHD byli dotazováni za účelem zjištění spokojenosti s kvalitou MHD. Legenda 1 Velmi spokojen Spokojen 3 Nespokojen 4 Velmi nespokojen

Více

Normální (Gaussovo) rozdělení

Normální (Gaussovo) rozdělení Normální (Gaussovo) rozdělení Normální (Gaussovo) rozdělení popisuje vlastnosti náhodné spojité veličiny, která vzniká složením různých náhodných vlivů, které jsou navzájem nezávislé, kterých je velký

Více

Vybraná rozdělení náhodné veličiny

Vybraná rozdělení náhodné veličiny 3.3 Vybraná rozdělení náhodné veličiny 0,16 0,14 0,12 0,1 0,08 0,06 0,04 0,02 0 Rozdělení Z 3 4 5 6 7 8 9 10 11 12 13 14 15 Život je umění vytvářet uspokojivé závěry na základě nedostatečných předpokladů.

Více

AKM CVIČENÍ. Opakování maticové algebry. Mějme matice A, B regulární, potom : ( AB) = B A

AKM CVIČENÍ. Opakování maticové algebry. Mějme matice A, B regulární, potom : ( AB) = B A AKM - 1-2 CVIČENÍ Opakování maticové algebry Mějme matice A, B regulární, potom : ( AB) = B A 1 1 ( A ) = ( A ) ( A ) = A ( A + B) = A + B 1 1 1 ( AB) = B A, kde A je řádu mxn a B nxk Čtvercová matice

Více

Pravděpodobnost a matematická statistika

Pravděpodobnost a matematická statistika Pravděpodobnost a matematická statistika Příklady k přijímacím zkouškám na doktorské studium 1 Popisná statistika Určete aritmetický průměr dat, zadaných tabulkou hodnot x i a četností n i x i 1 2 3 n

Více

Aproximace binomického rozdělení normálním

Aproximace binomického rozdělení normálním Aproximace binomického rozdělení normálním Aproximace binomického rozdělení normálním Příklad Sybilla a Kassandra tvrdí, že mají telepatické schopnosti, a chtějí to dokázat následujícím pokusem: V jedné

Více

Příklad 81b. Předpokládejme, že výška chlapců ve věku 9,5 až 10 roků má normální rozdělení N(mi;sig2)

Příklad 81b. Předpokládejme, že výška chlapců ve věku 9,5 až 10 roků má normální rozdělení N(mi;sig2) Příklad 1. Za předpokladu, že výška dětí ve věku 10 let má normální rozdělení s rozptylem 38, určete pravostranný 99% interval spolehlivosti, ve kterém bude ležet neznámá střední hodnota výšky dětí, jestliže

Více

Náhodné (statistické) chyby přímých měření

Náhodné (statistické) chyby přímých měření Náhodné (statistické) chyby přímých měření Hodnoty náhodných chyb se nedají stanovit předem, ale na základě počtu pravděpodobnosti lze zjistit, která z možných naměřených hodnot je více a která je méně

Více

Výběrové charakteristiky a jejich rozdělení

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

Více

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

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457. 0 cvičení z PST 5 prosince 208 0 (intervalový odhad pro rozptyl) Soubor (70, 84, 89, 70, 74, 70) je náhodným výběrem z normálního rozdělení N(µ, σ 2 ) Určete oboustranný symetrický 95% interval spolehlivosti

Více

Náhodné chyby přímých měření

Náhodné chyby přímých měření Náhodné chyby přímých měření Hodnoty náhodných chyb se nedají stanovit předem, ale na základě počtu pravděpodobnosti lze zjistit, která z možných naměřených hodnot je více a která je méně pravděpodobná.

Více

Normální (Gaussovo) rozdělení

Normální (Gaussovo) rozdělení Normální (Gaussovo) rozdělení f x = 1 2 exp x 2 2 2 f(x) je funkce hustoty pravděpodobnosti, symetrická vůči poloze maxima x = μ μ střední hodnota σ směrodatná odchylka (tzv. pološířka křivky mezi inflexními

Více

Diskrétní náhodná veličina

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

Více

ROZDĚLENÍ NÁHODNÝCH VELIČIN

ROZDĚLENÍ NÁHODNÝCH VELIČIN ROZDĚLENÍ NÁHODNÝCH VELIČIN 1 Vytvořeno s podporou projektu Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny společného základu (reg. č. CZ.1.07/2.2.00/28.0021)

Více

z Matematické statistiky 1 1 Konvergence posloupnosti náhodných veličin

z Matematické statistiky 1 1 Konvergence posloupnosti náhodných veličin Příklady k procvičení z Matematické statistiky Poslední úprava. listopadu 207. Konvergence posloupnosti náhodných veličin. Necht X, X 2... jsou nezávislé veličiny s rovnoměrným rozdělením na [0, ]. Definujme

Více

Fakulta informacnch technologi CVUT v Praze Prijmac zkouska z matematiky 2018

Fakulta informacnch technologi CVUT v Praze Prijmac zkouska z matematiky 2018 Fakulta informacnch technologi CVUT v Praze Prijmac zkouska z matematiky 208 Kod uchazece ID:.................. Varianta: 4 Prklad. (3b) Mezi csly a, b, c, d, e plat nasledujc vztahy. Cslo a nen vets nez

Více

P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod.

P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod. P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod. Matematický přístup k výsledkům únavových zkoušek Náhodnost výsledků únavových zkoušek. Únavové

Více

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11.

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11. UNIVERZITA OBRANY Fakulta ekonomiky a managementu Aplikace STAT1 Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 Jiří Neubauer, Marek Sedlačík, Oldřich Kříž 3. 11. 2012 Popis a návod k použití aplikace

Více

Cvičení ze statistiky - 8. Filip Děchtěrenko

Cvičení ze statistiky - 8. Filip Děchtěrenko Cvičení ze statistiky - 8 Filip Děchtěrenko Minule bylo.. Dobrali jsme normální rozdělení Tyhle termíny by měly být známé: Centrální limitní věta Laplaceho věta (+ korekce na spojitost) Konfidenční intervaly

Více

SPOJITÉ ROZDĚLENÍ PRAVDĚPODOBNOSTI. 7. cvičení

SPOJITÉ ROZDĚLENÍ PRAVDĚPODOBNOSTI. 7. cvičení SPOJITÉ ROZDĚLENÍ PRAVDĚPODOBNOSTI 7. cvičení Intenzita poruch Funkce modelující dobu do výskytu události životnost, dobu do poruchy, dobu do relapsu (návratu onemocnění), apod. používáme spolu s distribuční

Více

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ Má-li analytický výsledek objektivně vypovídat o chemickém složení vzorku, musí splňovat určitá kriteria: Mezinárodní metrologický slovník (VIM 3),

Více

Zeptali jsme se 10 osob, kolik minut provolají měsíčně s rodinou a jejich odpovědi jsme zaznamenali do tabulky:

Zeptali jsme se 10 osob, kolik minut provolají měsíčně s rodinou a jejich odpovědi jsme zaznamenali do tabulky: Cvičení 10 Opakování probraných testů 1 Příklad z-test V souvislosti s rozsáhlou rekonstrukci tramvajových tratí dopravní podnik provádí průzkum, zda neklesl počet cestujících autobusovou linkou č.87689

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

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOST A STATISTIKA Testování hypotéz Nechť X je náhodná proměnná, která má distribuční funkci F(x, ϑ). Předpokládejme, že známe tvar distribuční funkce (víme jaké má rozdělení) a neznáme parametr

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

LIMITNÍ VĚTY DALŠÍ SPOJITÁ ROZDĚLENÍ PR. 8. cvičení

LIMITNÍ VĚTY DALŠÍ SPOJITÁ ROZDĚLENÍ PR. 8. cvičení LIMITNÍ VĚTY DALŠÍ SPOJITÁ ROZDĚLENÍ PR. 8. cvičení Způsoby statistického šetření Vyčerpávající šetření prošetření všech jednotek statistického souboru (populace) Výběrové šetření ze základního souboru

Více

Určete zákon rozložení náhodné veličiny, která značí součet ok při hodu a) jednou kostkou, b) dvěma kostkami, c) třemi kostkami.

Určete zákon rozložení náhodné veličiny, která značí součet ok při hodu a) jednou kostkou, b) dvěma kostkami, c) třemi kostkami. 3.1. 3.2. Třikrát vystřelíme na cíl. Pravděpodobnost zásahu při každém výstřelu je p = 0,7. Určete: a) pravděpodobnostní funkci počtu zásahů při třech nezávislých výsledcích, b) distribuční funkci a její

Více

Příklady ze Statistiky

Příklady ze Statistiky Příklady ze Statistiky Regrese Příklad 1 V továrně byla sledována závislost celkových nákladů "n" (v tis. Kč.) na produkci "p". Byly zaznamenány následující údaje p = [532 297 378 121 519 613 592 497];

Více

Všechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a

Všechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a Všechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a báli jste se zeptat Jedinečnou funkcí statistiky je, že umožňuje vědci číselně vyjádřit nejistotu v jeho závěrech. (G. W. Snedecor)

Více

se bude objevovat jen v 5% pokusů. Výsledky měření jsou: 0,31; 0,30; 0,29; 0,32.

se bude objevovat jen v 5% pokusů. Výsledky měření jsou: 0,31; 0,30; 0,29; 0,32. Typ úlohy: A - IS pro střední hodnotu 1. Předpokládejme, že výška chlapců ve věku 9,5 až 10 roků má normální rozdělení N(µ; σ 2 )s neznámou střední hodnotou a rozptylem rovným 39,112. Změřili jsme výšku

Více

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Jan Kracík

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Jan Kracík Pravděpodobnost a statistika, Biostatistika pro kombinované studium Letní semestr 2017/2018 Tutoriál č. 2:, náhodný vektor Jan Kracík jan.kracik@vsb.cz náhodná veličina rozdělení pravděpodobnosti náhodné

Více

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobnost a aplikovaná statistika MGR. JANA SEKNIČKOVÁ, PH.D. 8. KAPITOLA STATISTICKÉ TESTOVÁNÍ HYPOTÉZ 22.11.2016 Opakování: CLV příklad 1 Zadání: Před volbami je v populaci státu 52 % příznivců

Více

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

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

Více

Korelační a regresní analýza

Korelační a regresní analýza Korelační a regresní analýza Analýza závislosti v normálním rozdělení Pearsonův (výběrový) korelační koeficient: r = s XY s X s Y, kde s XY = 1 n (x n 1 i=0 i x )(y i y ), s X (s Y ) je výběrová směrodatná

Více

MATEMATIKA III V PŘÍKLADECH

MATEMATIKA III V PŘÍKLADECH VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ MATEMATIKA III V PŘÍKLADECH Cvičení 7 Rozdělení pravděpodobnosti spojité náhodné veličiny Mgr. Petr Otipka Ostrava 2013 Mgr. Petr Otipka

Více

Cvičení ze statistiky - 9. Filip Děchtěrenko

Cvičení ze statistiky - 9. Filip Děchtěrenko Cvičení ze statistiky - 9 Filip Děchtěrenko Minule bylo.. Dobrali jsme normální rozdělení Tyhle termíny by měly být známé: Inferenční statistika Konfidenční intervaly Z-test Postup při testování hypotéz

Více

SAMOSTATNÁ STUDENTSKÁ PRÁCE ZE STATISTIKY

SAMOSTATNÁ STUDENTSKÁ PRÁCE ZE STATISTIKY SAMOSTATÁ STUDETSKÁ PRÁCE ZE STATISTIKY Váha studentů Kučerová Eliška, Pazdeříková Jana septima červen 005 Zadání: My dvě studentky jsme si vylosovaly zjistit statistickým šetřením v celém ročníku septim

Více

Jednofaktorová analýza rozptylu

Jednofaktorová analýza rozptylu I I.I Jednofaktorová analýza rozptylu Úvod Jednofaktorová analýza rozptylu (ANOVA) se využívá při porovnání několika středních hodnot. Často se využívá ve vědeckých a lékařských experimentech, při kterých

Více

Téma 22. Ondřej Nývlt

Téma 22. Ondřej Nývlt Téma 22 Ondřej Nývlt nyvlto1@fel.cvut.cz Náhodná veličina a náhodný vektor. Distribuční funkce, hustota a pravděpodobnostní funkce náhodné veličiny. Střední hodnota a rozptyl náhodné veličiny. Sdružené

Více

4. Aplikace matematiky v ekonomii

4. Aplikace matematiky v ekonomii 4. Aplikace matematiky v ekonomii 1 Lineární algebra Soustavy 1) Na základě statistických údajů se zjistilo, že závislost množství statku z poptávaného v průběhu jednoho týdne lze popsat vztahem q d =

Více

Doporučené příklady k procvičení k 2. Průběžnému testu

Doporučené příklady k procvičení k 2. Průběžnému testu Doporučené příklady k procvičení k 2. Průběžnému testu - Statistika v příkladech Marek a kol. (2013) - kapitola 2.3, 9 řešené příklady 2.52-2.53, 2.58a,b - kapitola 3.1 o řešené příklady: 3.1, 3.2, 3.4

Více

TECHNICKÁ UNIVERZITA V LIBERCI. Ekonomická fakulta. Semestrální práce. Statistický rozbor dat z dotazníkového šetření školní zadání

TECHNICKÁ UNIVERZITA V LIBERCI. Ekonomická fakulta. Semestrální práce. Statistický rozbor dat z dotazníkového šetření školní zadání TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Semestrální práce Statistický rozbor dat z dotazníkového šetření školní zadání Skupina: 51 Vypracovaly: Pavlína Horná, Nikola Loumová, Petra Mikešová,

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 010 1.týden (0.09.-4.09. ) Data, typy dat, variabilita, frekvenční analýza

Více

Charakteristika datového souboru

Charakteristika datového souboru Zápočtová práce z předmětu Statistika Vypracoval: 10. 11. 2014 Charakteristika datového souboru Zadání: Při kontrole dodržování hygienických norem v kuchyni se prováděl odběr vzduchu a pomocí filtru Pallflex

Více

Praktická statistika. Petr Ponížil Eva Kutálková

Praktická statistika. Petr Ponížil Eva Kutálková Praktická statistika Petr Ponížil Eva Kutálková Zápis výsledků měření Předpokládejme, že známe hodnotu napětí U = 238,9 V i její chybu 3,3 V. Hodnotu veličiny zapíšeme na tolik míst, aby až poslední bylo

Více

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

RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.

RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr. Analýza dat pro Neurovědy RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr. Jaro 2014 Institut biostatistiky Janoušová, a analýz Dušek: Analýza dat pro neurovědy Blok 7 Jak hodnotit vztah spojitých proměnných

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

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobnost a aplikovaná statistika MGR. JANA SEKNIČKOVÁ, PH.D. 2. KAPITOLA PODMÍNĚNÁ PRAVDĚPODOBNOST 3. KAPITOLA NÁHODNÁ VELIČINA 9.11.2017 Opakování Uveďte příklad aplikace geometrické definice pravděpodobnosti

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie ZS 2015/16 Cvičení 1: Opakování ze statistiky LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE Z čeho studovat 1) Z KNIHY Krkošková,

Více

VYBRANÁ ROZDĚLENÍ. DISKRÉTNÍ NÁH. VELIČINY Martina Litschmannová

VYBRANÁ ROZDĚLENÍ. DISKRÉTNÍ NÁH. VELIČINY Martina Litschmannová VYBRANÁ ROZDĚLENÍ DISKRÉTNÍ NÁH. VELIČINY Martina Litschmannová Opakování Základní pojmy z teorie pravděpodobnosti Co je to náhodná veličina (dále NV)? Číselné vyjádření výsledku náhodného pokusu. Jaké

Více

VYBRANÁ ROZDĚLENÍ. SPOJITÉ NÁH. VELIČINY Martina Litschmannová

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

Více

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

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

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

PRAVDEPODOBNOST A STATISTIKA, OSNOVA CVICENI. Cviceni 1 tyden-mnozinove operace, kombinatorika

PRAVDEPODOBNOST A STATISTIKA, OSNOVA CVICENI. Cviceni 1 tyden-mnozinove operace, kombinatorika PRAVDEPODOBNOST A STATISTIKA, OSNOVA CVICENI Cviceni 1 tyden-mnozinove operace, kombinatorika 1. Kolik ruznych slov lze sestavit ruznym usporadanim pismen ABCD? 2. Kolik ruznych slov lze sestavit ruznym

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza

Více

Náhodné veličiny jsou nekorelované, neexistuje mezi nimi korelační vztah. Když jsou X; Y nekorelované, nemusí být nezávislé.

Náhodné veličiny jsou nekorelované, neexistuje mezi nimi korelační vztah. Když jsou X; Y nekorelované, nemusí být nezávislé. 1. Korelační analýza V životě většinou nesledujeme pouze jeden statistický znak. Sledujeme více statistických znaků zároveň. Kromě vlastností statistických znaků nás zajímá také jejich těsnost (velikost,

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza

Více

JEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica

JEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica JEDNOVÝBĚROVÉ TESTY Komentované řešení pomocí programu Statistica Vstupní data Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu

Více

Fakulta informacnch technologi CVUT v Praze Prijmac zkouska z matematiky 2017

Fakulta informacnch technologi CVUT v Praze Prijmac zkouska z matematiky 2017 Fakulta informacnch technologi CVUT v Praze Prijmac zkouska z matematiky 207 Kod uchazece ID:.................. Varianta: 4 Prklad. (3b) Mejme dve csla zapsana v petkove soustave: 42 5 a 2443 5. Vyjadrete

Více

Úloha E301 Čistota vody v řece testem BSK 5 ( Statistická analýza jednorozměrných dat )

Úloha E301 Čistota vody v řece testem BSK 5 ( Statistická analýza jednorozměrných dat ) Úloha E301 Čistota vody v řece testem BSK 5 ( Statistická analýza jednorozměrných dat ) Zadání : Čistota vody v řece byla denně sledována v průběhu 10 dní dle biologické spotřeby kyslíku BSK 5. Jsou v

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

Příklady - Bodový odhad

Příklady - Bodový odhad Příklady - odový odhad 5. října 03 Pražské metro Přijdu v pražském metru na nástupiště a tam zjistím, že metro v mém směru jelo před :30 a metro v opačném směru před 4:0. Udělejte bodový odhad, jak dlouho

Více

Zápočtová práce STATISTIKA I

Zápočtová práce STATISTIKA I Zápočtová práce STATISTIKA I Obsah: - úvodní stránka - charakteristika dat (původ dat, důvod zpracování,...) - výpis naměřených hodnot (v tabulce) - zpracování dat (buď bodové nebo intervalové, podle charakteru

Více

Chyby měření 210DPSM

Chyby měření 210DPSM Chyby měření 210DPSM Jan Zatloukal Stručný přehled Zdroje a druhy chyb Systematické chyby měření Náhodné chyby měření Spojité a diskrétní náhodné veličiny Normální rozdělení a jeho vlastnosti Odhad parametrů

Více

Určujeme neznámé hodnoty parametru základního souboru. Pomocí výběrové charakteristiky vypočtené z náhodného výběru.

Určujeme neznámé hodnoty parametru základního souboru. Pomocí výběrové charakteristiky vypočtené z náhodného výběru. 1 Statistické odhady Určujeme neznámé hodnoty parametru základního souboru. Pomocí výběrové charakteristiky vypočtené z náhodného výběru. Odhad lze provést jako: Bodový odhad o Jedna číselná hodnota Intervalový

Více

Základy biostatistiky II. Veřejné zdravotnictví 3.LF UK - II

Základy biostatistiky II. Veřejné zdravotnictví 3.LF UK - II Základy biostatistiky II Veřejné zdravotnictví 3.LF UK - II Teoretické rozložení-matematické modely rozložení Naměřená data Výběrové rozložení Teoretické rozložení 1 e 2 x 2 Teoretické rozložení-matematické

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

NÁHODNÁ VELIČINA. 3. cvičení

NÁHODNÁ VELIČINA. 3. cvičení NÁHODNÁ VELIČINA 3. cvičení Náhodná veličina Náhodná veličina funkce, která každému výsledku náhodného pokusu přiřadí reálné číslo. Je to matematický model popisující více či méně dobře realitu, který

Více

Regresní analýza 1. Regresní analýza

Regresní analýza 1. Regresní analýza Regresní analýza 1 1 Regresní funkce Regresní analýza Důležitou statistickou úlohou je hledání a zkoumání závislostí proměnných, jejichž hodnoty získáme při realizaci experimentů Vzhledem k jejich náhodnému

Více

Náhodná veličina a její charakteristiky. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáte. Proto je proměnná, která

Náhodná veličina a její charakteristiky. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáte. Proto je proměnná, která Náhodná veličina a její charakteristiky Náhodná veličina a její charakteristiky Představte si, že provádíte náhodný pokus, jehož výsledek jste schopni ohodnotit nějakým číslem. Před provedením pokusu jeho

Více

Testování statistických hypotéz

Testování statistických hypotéz Testování statistických hypotéz 1 Testování statistických hypotéz 1 Statistická hypotéza a její test V praxi jsme nuceni rozhodnout, zda nějaké tvrzeni o parametrech náhodných veličin nebo o veličině samotné

Více

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A4. Cvičení, letní semestr DOMÁCÍ ÚLOHY. Jan Šafařík

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A4. Cvičení, letní semestr DOMÁCÍ ÚLOHY. Jan Šafařík Vysoké učení technické v Brně Stavební fakulta ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE Matematika 0A4 Cvičení, letní semestr DOMÁCÍ ÚLOHY Jan Šafařík Brno c 200 (1) 120 krát jsme házeli hrací kostkou.

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza

Více

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1 Logistická regrese Menu: QCExpert Regrese Logistická Modul Logistická regrese umožňuje analýzu dat, kdy odezva je binární, nebo frekvenční veličina vyjádřená hodnotami 0 nebo 1, případně poměry v intervalu

Více

7. Rozdělení pravděpodobnosti ve statistice

7. Rozdělení pravděpodobnosti ve statistice 7. Rozdělení pravděpodobnosti ve statistice Statistika nuda je, má však cenné údaje, neklesejte na mysli, ona nám to vyčíslí Jednou z úloh statistiky je odhad (výpočet) hodnot statistického znaku x i,

Více

tazatel 1 2 3 4 5 6 7 8 Průměr ve 15 250 18 745 21 645 25 754 28 455 32 254 21 675 35 500 Počet 110 125 100 175 200 215 200 55 respondentů Rozptyl ve

tazatel 1 2 3 4 5 6 7 8 Průměr ve 15 250 18 745 21 645 25 754 28 455 32 254 21 675 35 500 Počet 110 125 100 175 200 215 200 55 respondentů Rozptyl ve Příklady k procvičení k průběžnému testu: 1) Při zpracování studie o průměrné výši měsíčních příjmů v České republice jsme získali data celkem od 8 tazatelů. Každý z těchto pěti souborů dat obsahoval odlišný

Více

VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky SMAD

VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky SMAD VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: SMAD Cvičení Ostrava, AR 2016/2017 Popis datového souboru Pro dlouhodobý

Více

Cvičení ze statistiky - 7. Filip Děchtěrenko

Cvičení ze statistiky - 7. Filip Děchtěrenko Cvičení ze statistiky - 7 Filip Děchtěrenko Minule bylo.. Probrali jsme spojité modely Tyhle termíny by měly být známé: Rovnoměrné rozdělení Střední hodnota Mccalova transformace Normální rozdělení Přehled

Více

Regresní a korelační analýza

Regresní a korelační analýza Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).

Více

(motto: Jestliže má jednotlivec rád čísla, pokládá se to za neurózu. Celá společnost se ale sklání před statistickými čísly. Alfred Paul Schmidt)

(motto: Jestliže má jednotlivec rád čísla, pokládá se to za neurózu. Celá společnost se ale sklání před statistickými čísly. Alfred Paul Schmidt) Popisná státistiká (motto: Jestliže má jednotlivec rád čísla, pokládá se to za neurózu. Celá společnost se ale sklání před statistickými čísly. Alfred Paul Schmidt) 1. Příklad V pobočce banky za celý den

Více

Poznámky k předmětu Aplikovaná statistika, 4. téma

Poznámky k předmětu Aplikovaná statistika, 4. téma Poznámky k předmětu Aplikovaná statistika, 4. téma 4. Náhodné vektory V praxi se nám může hodit postihnout více vlastností jednoho objektu najednou, např. výšku, váhu a pohlaví člověka; rychlost chemické

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 Domácí úkoly Zadání 5 DATUM ODEVZDÁNÍ DOMÁCÍ ÚKOL 1:

Více

12. cvičení z PST. 20. prosince 2017

12. cvičení z PST. 20. prosince 2017 1 cvičení z PST 0 prosince 017 11 test rozptylu normálního rozdělení Do laboratoře bylo odesláno n = 5 stejných vzorků krve ke stanovení obsahu alkoholu X v promilích alkoholu Výsledkem byla realizace

Více

AVDAT Náhodný vektor, mnohorozměrné rozdělení

AVDAT Náhodný vektor, mnohorozměrné rozdělení AVDAT Náhodný vektor, mnohorozměrné rozdělení Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Opakování, náhodná veličina, rozdělení Náhodná veličina zobrazuje elementární

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza

Více

Test dobré shody v KONTINGENČNÍCH TABULKÁCH

Test dobré shody v KONTINGENČNÍCH TABULKÁCH Test dobré shody v KONTINGENČNÍCH TABULKÁCH Opakování: Mějme náhodné veličiny X a Y uspořádané do kontingenční tabulky. Řekli jsme, že nulovou hypotézu H 0 : veličiny X, Y jsou nezávislé zamítneme, když

Více