Obsah. Statistika verze 1.0

Rozměr: px
Začít zobrazení ze stránky:

Download "Obsah. Statistika verze 1.0"

Transkript

1 Statstka verze. Obsah Obsah.... Výzam ojmu STATISTIKA.... Kombatorka Statstcká jedotka, soubor, zak, data a ukazatele Úvod do ravděodobost Objektví, subjektví, odmíěá ravděodobost a ezávslé jevy Úlá ravděodobost Tříděí číselých zaků Klasfkace charakterstk odle jejch výzamu, kotgečí tabulka Náhodé velčy Metody statstcké dukce.... Statstcké srováváí ekoomckých jevů.... Idexy... 6 Tyto odklady slouží ouze ro říravu ke zkoušce z ředmětu STATISTIKA. Katoly se shodují s jedotlvým okruhy otázek. Některé otázky chybějí ebo se s jým řekrývají. Veškerý zde uvedeý text je řevzat z ředášek a cvčeí a eí urče ro komerčí účely. - - Jří Stta 4

2 Statstka verze.. Výzam ojmu STATISTIKA Výzam ojmu statstka raktcká čost - statstka admstratvy o statstka evdece (sběr údajů, evdece, sumarzace) o sttuce, která tuto evdec rovádí (ČSÚ, msterstva) o souhr údajů o ějaké skutečost (statstka ezaměstaost aj.) vědí dsclía teore statstky - Posá statstka - Matematcká statstka (cílem je výsledky zobect, oužívá očtu ravděodobostí) - Teore výběrových zjšťováí - Alkovaé vědy - Vědy se slým statstckým základem (socologe, sychologe aj.). Statstka. je ástrojem ozáí. Iformace, které oskytuje ám umoží vytvořt s obraz o skutečost. Pozáí oděcuje ozáí říč, které vedou k určté úrově sledovaého jevu.. je ástrojem rozhodováí. Pozáí je ředokladem k vytvářeí závěrů a řjímáí rozhodutí. Statstka zameá. údaje, data. čost sočívající v získáváí statstckých dat 3. věda zkoumající statstcké zákotost jevů Název je odvoze z latského STATUS STÁT. Původě se ozačovala věda zabývající se očtem obyvatel, kolk se rodalo > os státu (hosodářství, oltka a zeměsý stav státu). - Starověk: císař Augus, Vlém dobyvatel - Thomas Cromwel zazameáváí o arozeí a úmrtí v církevích matrkách - Sr Wllam Petty sojl hosodářské vědy a matematku. Zakladatel vědecké statstky v 6. století. Matematc Pascard, Lalas, Plaso, Gaus (gausovy křvky), Adolf Phejackues Quetelet belgča, výzkumy a ldech, sojeí statstckých souhrů, tříděí, orováváí o určtých hromadých jevech. Co je tycké ro statstku - zkoumá hromadé jevy (jev, který se vyskytuje mohokrát) - zabývá se romělvým (varablím) vlastostm - racuje s čísly a vyjadřuje se omocí čísel (zajímá se o kvattatví stráku realty) - oužívá výočetí techku k vytvářeí a srávě databází k rováděí hromadého zracováí a aalýzy. - - Jří Stta 4

3 Statstka verze. Co umí a eumí statstka UMÍ o Řeší růzé úlohy růzého stuě složtost, očíaje zjšťováím (očet domácostí v ČR) řes os struktury (věk aj.), shrováí dílčích ukazatelů v čase a rostoru (výočet růměrých ukazatelů ceové hlady aj.) srováváí takto agregovaých ukazatelů v čase a rostoru, ředvídáí dalšího vývoje, a měřeí závslost. NEUMÍ o Selhává okud emá adekvátí číselé údaje. Chybí-l ředstava o velkost chyb měřeí a vlvu určtých dorovodých čtelů. Nemá-l k dsozc dostatečě velký soubor říkladů a dostatečou varabltu. Etay statstcké čost. Zjšťováí shromažďuje a zazameává a kotroluje údaje. Zracováí usořádáí, shrováí, sumarzace a seskueí 3. Aalýza výočet charakterstk (rozětí), měřeí závslost, srováváí a měřeí dyamky. 4. Prezetace výsledků tabulkové, grafcké a sloví vyjádřeí výsledků ředcházejících eta. Rámcové formace o statstckém zjšťováí Klasfkace:. odle zdroje a. rmárí (základí) b. sekudárí (uraveé). odle reálost a. skutečé b. smulovaé 3. odle erdocty zjšťováí a. růběžé b. erodcké c. jedorázové 4. odle časového hledska a. okamžkové b. tervalové (větší rozsah) Základy metody zjšťováí ) Podle úlost zjšťováí dělíme a úlé a eúlé. Výběrové jsou rerezetatví a ostatí jsou ererezetatví. Solehlvou metodou je ravděodobostí výběr (áhodý výběr). ) Podle stuě kotroly odmíek ř zjšťováí dělíme a rosté ozorováí a a řízeý exermet. V oblast socálě ekoomckých jevů je metoda ozorováí rosté ozorováí Jří Stta 4

4 Statstka verze.. Kombatorka Kombace bez oakováí - Nezáleží a ořadí rvků. - Kombace k-té třídy z rvků je k rvková odmoža rvkové možy. Platí zde eusořádaý výběr. - Ozačujeme j:! C k ( ) k k!( k)! Varace bez oakováí - Záleží a ořadí rvků, usořádaý výběr - Varace k-té třídy z rvků je usořádaá k-tá odmoža rvkové možy - Ozačujeme j:! V k ( ) ( k)! Permutace bez oakováí - Permutace rvků bez oakováí je každé usořádáí -rvkové možy - Počet ermutací: )! Kombace s oakováím - Kombace k-té třídy z rvků s oakováím je k-rvková skua rvků vybraých z -rvkové základí možy tak, že se kterýkolv rvek může ve skuě lbovolěkrát oakovat. - Jde o eusořádaý výběr + k! - Počet kombací s oakováím začíme: C k ( ) k k!( k)! Varace s oakováím - Varace k-té třídy z rvků s oakováím je usořádaá skua k rvků vybraých ze základí možy tak, že kterýkolv rvek se může ve skuě lbovolěkrát oakovat. - Záleží a ořadí rvků k - Začíme: V ( ) k Permutace s oakováím - k k ; k ; k 3 k rvků s oakováím je každé usořádáí skuy k rvků v íž je všech rvků základí možy k! - Začíme: P k, k... k( k) k! k!... k! Jří Stta 4

5 Statstka verze. 3. Statstcká jedotka, soubor, zak, data a ukazatele Statstcká jedotka - ostel statstcké formace, elemetárí rvek hromadého jevu - reálě exstují objekty hmoté ovahy: o ldé, jako jedc v růzých rolích (zákazíc, volč aj.) o orgasmy a jejch skuy (zvířata, rostly aj.) o ežvé řírodí ředměty o hmoté výsledky ldské čost - rávě, oltcky č jak smluvě vymezeé část solečeského rostoru (ekoomcké subjekty, hosodářské odvětví, státy, kraje) - ehmoté výsledky ldské čost (sortoví č umělecké výkoy) - žvelé a jé událost (ožáry, arozeí, smrt, toráda, úrazy aod.) - eoakovatelé vzorky ze sojtého rostředí (vzorky atmosféry, vody aj.) Příbuzé jevy zravodajské jedotky statstcké jedotky, které mají ze zákoa zravodajskou ovost vůč orgáům státí statstcké služby výběrové jedotky ř výběrovém zůsobu zjšťováí mohou být vybíráy buď statstcké jedotky ebo jejch řesě defovaé skuy -> výběrové jedotky. Statstcký soubor - moža statstckých jedotek, které solečě tvoří určtý jev (domácost ČR, obce jedoho kraje aj.) - dva atrbuty statstckého souboru: o kvalta: (obsah, detfkace, vymezeí) -> CO? KDE? KDY?. Exlctí vymezeí (sezam jedotek) a mlctí vymezeí (vlastost jedotek). o kvatta: (očet, možství, rozsah) -> KOLIK? Rozsah statstckého souboru - v osé statstce začíme bez další secfkace - v duktví statstce rozdělujeme základí ( N ) a výběrový ( ) soubor Statstcký zak Zaky zkoumaé vlastost statstckých jedotek Klasfkace statstckého zaku (základí klasfkace): zaky detfkačí o z věcého, časového a rostorového hledska. Idetfkují statstckou jedotku, rozhodují o zařazeí č ezařazeí do souboru. Nejsou ředmětem aalýzy (jedotky se v ch shodují). zaky varablí o rozhodují o zůsobu a výsledku zracováí a aalýzy. Klasfkace varablích zaků: Jří Stta 4

6 Statstka verze. zaky číselé: zaky měřtelé (kardálí) hmotost, očet obyvatel; tervalové, oměrové zaky ořadové (ordálí) školská klasfkace, datum zaky sloví (omálí kvaltatví) zaky alteratví (dvojé, bárí, dchotomcké ař. kuřák, ekuřák, sloví rozhodutí) zaky možé (více kategorálí ař. rodý stav) Měřtelé zaky dále klasfkujeme a: sojté (reálá čísla) ař. časové údaje, rozměry, říjmy, výdaje aj. dskrétí (esojté, zolovaé hodoty) často celočíselé, ezáoré (očet dětí, racovíků ve frmě aod.) Symbolka a termologe číselý zak velká ísmea z koce abecedy (X, Y, Z) hodoty zaku ísmea malá (x, y. z). sloví zak velká ísmea ze začátku abecedy (A, B, C) obměy zaku ísmea malá (a, b, c) Statstcké údaje data - hodoty číselého zaku X, které tvoří statstcký soubor o rozsahu ozačíme jako x, x x x. Stručě x,,. - obměy slovího zaku A, které tvoří statstcký soubor o rozsahu ozačíme jako a, a a.a, stručě a,,. Statstcké ukazatele - charakterstky - statstcký údaj charakterzuje každou statstckou jedotku zvlášť - statstcká charakterstka charakterzuje určtou vlastost statstckého souboru jako celku - ař. tyto údaje 3,7,7,7,,,4,, o číslo je v tomto souboru urostřed -> MEDIÁN o číslo 7 je ejčastěj oakující se hodota -> MODÁLNÍ o číslo je artmetckým růměrem - a všechy tyto charakterstky, každá svým zůsobem vyovídají o úrov statstckého souboru - ro stejé údaje latí: o číslo 7 je rozětím hodot zaku o číslo 3,56 je roztylem o číslo 5,6 je směrodatou odchylkou o číslo 5, % je varačím koefcetem o a všechy tyto charakterstky (každá svým zůsobem) vyovídají o roměé varabltě tohoto datového souboru Jří Stta 4

7 Statstka verze. 4. Úvod do ravděodobost Nechť je defová komlex odmíek, za kterých je sledovaá možost astoueí ějakého jevu (řeměa vody v áru ř daé telotě a tlaku). a) jev, který za těchto odmíek emůže kdy astat azveme jevem NEMOŽNÝM (začíme jej / ) b) jev, který za těchto odmíek utě musí astat se azývá jev JISTÝ (začíme V ) c) jev, který ř strktím dodržeí odmíek může, ale emusí astat říadě astává s růstou teztou, azveme jako jev NÁHODNÝ (ozačujeme velkým ísmey abecedy A, B, C) - Náhodý jev emusí být urče komlexem odmíek, ale o tom jestl jev astae ebo e, rozhoduje áhoda. Každý takový děj azýváme áhodý exermet (ař. házeí kostkou). - Skočí-l áhodý exermet astoueím ějakého áhodého jevu A, říkáme, že astal řízvý říad ro jev A. V oačém říadě astal eřízvý říad ro jev A. - Můžeme mít jev: o ELEMENTÁRNÍ o SLOŽENÝ - Jev A budeme azývat elemetárím, jestlže ro ěj eexstují jevy B, C růzé od A, takové, že A B U C (B sjedoceí C) - Elemetárí jev je ejjedodušší výsledek áhodého okusu, který elze rozložt. Elemetárím jevem ř házeím kostkou je jev ade-l číslo 3. - Složeý jev může být, okud ade sudé číslo ř hodu kostkou. Složeý jev je moža všech elemetárích jevů, které mohou astat jako výsledek daého áhodého okusu. Lbovolý áhodý jev je otom odmožou rostoru lbovolých elemetárích jevů a začíme ho U. Vztahy mez jevy PRŮNIK JEVŮ A,B: - dva jevy A, B se částečě řekrývají - ař. A:,3,4 B: ade sudé číslo > A B,4 SJEDNOCENÍ JEVŮ A,B: - jestlže astae jev A eb jev B - ař. A:,3,4 B: sudé číslo > AUB,3,4,6 - dsjuktí jevy jsou takové, které emají solu žádý solečý výsledek. A B Ø ROVNOST JEVŮ A,B: PODMNOŽINA: - jede jev je obsaže v jevu druhém. Jev A je odjevem jevu B - začíme: A B - ař. A: B: sudá čísla > A B Jří Stta 4

8 Statstka verze. OPAČNÝ JEV - je tzv. dolňkovým jevem a je to jev, který astae, když eastae jev A - začíme A ROZDÍL JEVŮ - rozdílem jevů A a B je jev, který astae rávě tehdy, astae-l jev A a eastae jev B - začíme A B Pravděodobost Jestlže je okus oakovatelý eomezeě mohokrát, hovoříme o Objektví ravděodobost, okud se odmíky měí ř každém okusu, hovoříme o subjektví ravděodobost. Objektví ravděodobost je založea a četost výskytu sledovaého jevu. Zdá se rozumé ovažovat toto číslo za objektví míru oakováí a azvat jej ravděodobostí. Pravděodobost jevu A je číslo A) řřazeé jevu A, které má tu vlastost, že relatví četost jevu A se s rostoucím očtem realzací okusů blíží k číslu A). Hodota ravděodobost je v tervalu <;>. m A) ( A) m očet okusů řízvých ro jev A očet všech možostí, které se mohou vyskytout A B) A) + B) A B) P A A... A ) A ) A )... A ). ředokládáme že jevy jsou ezávslé ( Jří Stta 4

9 Statstka verze. 5. Objektví, subjektví, odmíěá ravděodobost a ezávslé jevy Objektví ravděodobost Je založea a četost výskytu sledovaého jevu. Pravděodobost jevu A je tedy v tomto říadě A) řřazeé jevu A, která má tu vlastost, že relatví četost jevu A se s rostoucím očtem realzací okusí blíží číslu A). Subjektví ravděodobost Je ravděodobost, kterou řřazujeme výsledku okusu, jež eí za stejých odmíek oakovatelý (HDP v ČR v letoším roce je okus sledovatelý je jedou) Pro oba tyy ravděodobostí latí stejé zákoa a ravdla jmž se yí budeme zabývat. Platí 3 axomy: AXIOM.: - Pravděodobost áhodého jevu je ezáoré číslo ejvýše rové jedé. - A) AXIOM.: - je-l A, A, A 3 koečý ebo sočetý dsjuktí systém áhodých jevů, ak ravděodobost je sjedoceí A. A je rova součtu ravděodobostí. - A A Ø ro všecha j > U A ) P ( A ) AXIOM 3.: - ravděodobost jevu jstého S je rová jedé - S) Bezrostředě z těchto tří axomů vylývají další VLASTNOSTI ravděodobost: z axomu 3 dostáváme ro jev A a jeho dolěk P ( A A) A) + A) S) Podmíěá ravděodobost Často se setkáme s odmíkou ravděodobostí > jedá se o ravděodobost jevu, že astal určtý jev jý (-krát realzujeme ějaký áhodý okus a uvažujeme dvě možy A a B v říslušém rostoru elemetárích jevů, tj. dva jevy souvsejí s tímto okusem. Vybereme z oslouostí realzací okusy je ty realzace, ř kterých astal jev B. ak ás zajímá kolkrát za takové odmíky astal jev A.). Vztahy ro výočet odmíěé ravděodobost A B) B / A) kde A) A) B A) A/ B) kde B) B) Jří Stta 4

10 Statstka verze. Bayesova věta B / A) A) A/ B) B) Nezávslé jevy Jevy A a B azýváme ezávslé avzájem, jestlže latí: P ( B A) A) B) Jevy A a B jsou tedy ezávslé, jestlže ravděodobost růku těchto dvou jevů je rova souču ravděodobostí jedotlvých jevů Příkladem ezávslých jevů je házeí kostkou. Jestlže v rvím hodu hodíme jedčku, jak to eovlví ravděodobost, že jedčka ade také ve druhém hodu. A B) B / A) B) Začeí ravděodobost bodový graf sloucový graf čárový graf Berulho vzorec Uvažujeme okus, jehož výsledkem může být jev A s ravděodobostí B a oakujeme-l teto okus -krát, řčemž výsledky jsou a sobě ezávslé a jev A astal k- krát, ak ravděodobost vyočítáme omocí berulho vzorce. k k A) ( ) k ravděodobost, že astae jev A k ravděodobost, že jev A astal k-krát vyčísluje všechy možost jak se v okusech může jev A objěvt rávě k-krát k - - Jří Stta 4

11 Statstka verze. 6. Úlá ravděodobost Úlá ravděodobost jevu A. Pravděodobost jevu A bez ohledu a jev B, tj. výsledek jevu B ezáme ebo euvažujeme jej. P ( A) A/ B) B) + A/ B) B) A B) A B) Příklad: U kokursu a místo obchodího zástuce frmy má vysokoškolák 6% šac a řjetí, středoškolák %. Mez zájemc o místo je 4 % vysokoškoláků a 6 % středoškoláků. Jakou šac má áhodě vybraý zájemce, okud ezáme jeho vzděláí? Jev B vysokoškolák (VŠ),4 Jev A byl řjat Jev B středoškolák (SŠ), A) A/VŠ) * VŠ) + A/SŠ) * SŠ) A),6 *,4 +, *,6,36 Náhodě vybraý zájemce má 36% šac a řjetí. Pokračováí: Uchazeč byl řjat. S jakou ravděodobostí měl vysokoškolské vzděláí? VŠ A) A/ VŠ) VŠ),6,4 P ( VŠ / A),66 A) A),36 Uchazeč o místo byl odmítut. S jakou ravděodobostí to byl středoškolák? SŠ A) A / SŠ) SŠ),8,6 P ( SŠ / A),75 A) A),64 Rozhodovací strom - - Jří Stta 4

12 Statstka verze. Rozhodovací strom obráceý Oakovaé okusy Nezávslé oakovaé okusy: Nechť oslouost astoueí jevu A v jedém okuse je rova A) a sledujeme ravděodobost jeho astoueí ostuě ve dvou, třech atd. ezávslých oakovaých okusech. Jsou-l výskyty jevu A skutečě ezávslé,můžeme ař. ro dva okusy, které mohou kočt možým čtyřm výsledky AA, A A, A A, A A, určt ravděodobost jedotlvých výsledků jako, (-), (-)*, (-). Nebudeme-l rozlšovat ořadí, v jakém jevy astaly, můžeme místo rostředích dvou výrazů asat (-). Podobě ro tř a více okusů. Uskutečíme-l okusů a táme se jaká je ravděodobost, že jev A astal rávě x-krát bez ohledu a ořadí, můžeme tuto ravděodobost vyjádřt jako: Beroullův bomcký vzorec x x, x A) ( ) x - - Jří Stta 4

13 Statstka verze. 7. Tříděí číselých zaků Číselý zak obecě vykazuje ěkolk málo (obecě k) hodot. Třídíme odle každé hodoty zaku. Hodoty zaku v tabulce uvedeme ve vzestuém ořadí. Ke každé hodotě určíme očet výskytů v souboru > četost. Příklad: P.č. x Součet x Tříděí číselých zaků Skuové tříděí Sojtý číselý zak vykazuje velké možství vzájemě od sebe růzých hodot. Třídíme v rámc uměle vytvořeých sku (tříd, tervalů). Zásady: - třídy s kostatí šířkou - očet tříd koresoduje s rozsahem souboru a je v rozsahu rozmezí od 6 do 5 - šířku, hrace a středy tříd volíme s ohledem a maxmálí řehledost - esoré vymezeí hrac tříd - rví a osledí třída mohou být otevřeé, jejch šířka se ovažuje za h. Co se rozumí od ojmem esoré vymezeí - celočíselý zak do 99 do do Druhy četost absolutí četost očet hodot ve třídě latí: relatví četost odíl hodot ve třídě a rozsahu souboru k evhodé h elze jedozačě určt střed tervalu k. Platí součtová četost - k ; k. Alteratvě oět v % (absolutí ebo j relatví). Počet / odíl hodot od očátku o daou třídu včetě. j Příklad: Pořadové Vymezeí Střed tříd Absolutí Relatví Součtová číslo tervalu x četost četost absolutí k relatví k do ) 7,5,5 5, < až 5),5 3, , 3 <5 až 3) 7,5,5 64 8, 4 <3 až 35) 3,5 8, 7 9, 5 <35 až 4) 37,5 6, , 6 <4 a více 4,5, 8, Celkem X X 8 X X Jří Stta 4

14 Statstka verze. Grafy skuového rozděleí četostí hstogram absolutí četostí sojcový graf součtové relatví četost v % Růzé tyy rozděleí četost (tycké tvary) - symetrcké modálí - levostraé esouměré - extrémě ravostraé - rovoměré - tvar U - dvouvrcholové Kvatly Kvatl x ( rocetí kvatl) je taková hodota zaku, ro kterou latí, že ejméě - rocet rvků má hodotu meší ebo rovou x a - rvků je větších ebo rovo x. k (očet ozorováí ~ ) * (úroveň kvatlu ~ ) / Kvartly jsou -kvatly ro 5, 5, 75 (x 5, x 5, x 75 ). Dolí kvartl x 5 Medá x 5 ozačujeme Př lchém rozsahu souboru je medá jedoduše vždy hodota kokrétí rostředí číslo statstcké jedotky souboru (musí to být usořádaý soubor odle velkost). Př sudém rozsahu souboru však medá leží mez dvěma rostředím statstckým jedotkam, roto z těchto dvou jedotek staovíme růměr a te ozačíme jako medá. Výočet kvatlů z hodot eusořádaých do tabulky rozděleí četostí je velm jedoduchý. Poěkud složtější je ouze výočet kvatlů z tervalového rozděleí, kde k odhadu oužjeme ásledující vzorec. z x h + a, kde 5 z +, z ořadové číslo jedotky, jejíž hodota je hledaý kvatl očet ozorováí (součet všech hodot) relatví četost žších hodot kumulatví četost rvků ležících řed kvatlovým tervalem četost tervalu, v ěmž leží hledaý kvatl h délka kvatlového tervalu a hodota, která tvoří dolí hrace kvatlového tervalu Modus Modus zaku x začíme x se stříškou. Je to hodota zaku x s ejvětší absolutí četostí. Jsou-l takové hodoty se stejou ejvětší četostí dvě (tř, ) hovoříme o rozložeí dat a b- (tr-, ) modálím Jří Stta 4

15 Statstka verze. 8. Klasfkace charakterstk odle jejch výzamu, kotgečí tabulka Charakterstka: - olohy - varablty - škmost - ščatost Míra úrově (olohy) - Patří se růměry (artmetcký, geometrcký, harmocký atd.) x x + x x - Artmetcký růměr: x - Jsou-l zjštěé hodoty usořádaé do tabulky rozděleí četost, oužíváme ro výočet vážeý artmetcký růměr. - Vážeý artmetcký růměr: x x + x - Do míry olohy atří také kvatly a modus x k k k k k x Míra varablty - míru absolutí varablty (romělvost) očítáme zde varačí rozětí R X max - X m σ - míra relatví varablty (romělvost): očítáme varačí koefcet V x (sgma x > směrodatá odchylka) ( x x) - roztyl: σ ebo také σ x x - směrodatá odchylka: σ σ Směrodatá odchylka - je druhou odmocou roztylu a vychází z ůvodích měrých jedotkách zaků - σ σ - velkost je ovlvěa eje varabltou, kterou měří, ale úroví zkoumaého kvattatvího zaku - je absolutí mírou varace Jří Stta 4

16 Statstka verze. Varačí koefcet - je relatví mírou varace - očítá se jako odíl směrodaté odchylky a růměru. Tím se získá bezrozměré číslo. Pro raktcké účely se očítá ásobek tohoto čísla a výsledek je udává v rocetech σ - V x x - varačím koefcetem lze orovávat eje varabltu stejých zaků se stejým měrým jedotkam růzých souborů lšících se svou absolutí úroví, ale růzých zaků s odlšým měrým jedotkam. Škmost - charakterstka škmost je defováa jako 3 ( x x) α 3 σ - z kladé (záoré) odoty těchto měr se ak usuzuje většou a kladě (záorě) zeškmeé rozděleí a zároveň a větší kocetrac malých (velkých) hodot ve srováí s kocetrací velkých (malých) hodot. Ščatost 4 ( x x) - charakterstka ščatost je defováa jako β 4 σ 3 Dvoustuňové tříděí - zkoumáme výskyt a hodost dvou statstckých zaků ocházejících ze stejého základího X souboru (výška váha, cea rodaé možství aj.) - ro dvoustuňové tříděí se zavádí kotgečí tabulka zaků x a y. Kotgečí tabulka ro x a y x y y y Celkem x x Celkem očet rvků s vlastostm x a y očet rvků s vlastostm x očet rvků v souboru očet rvků s vlastostm y ; ; 3 margálí četost rozděleí zaku y Jří Stta 4

17 Statstka verze. 9. Náhodé velčy Náhodá roměá je zobrazeí, které každému elemetárímu jevu ze základího rostoru elemetárích jevů řřadí číslo reálé. Obor hodot áhodé roměé je moža všech R čísel, kterých může áhodá roměá abývat. Příklad: Náhodá roměá X bude očet teček a horí straě hrací kostky. Obor hodot je D (,,3,4,5,6). Podle oboru hodot rozlšujeme dva tyy áhodých roměých: ) dskrétí áhodé roměé defčí obor je sočetá moža (koečá ebo ekoečá oslouost, ebo moža zolovaých bodů) začíme j DNP ) sojtá áhodá roměá začíme SNP, defčí obor je esočetá moža (ohračeý ebo eohračeý terval) Příklad: a) očet automoblů vyrobeých za jedu racoví směu > DNP b) žvotost PC v kokrétí učebě > SNP Záko rozděleí (rozložeí) ravděodobost áhodé velčy Je to ravdlo, které každé číselé hodotě DNP ebo každému tervalu hodot SNP řřazuje ravděodobost, že áhodá velča abude této hodoty ebo hodoty z tohoto tervalu. K osu rozložeí se oužívá dstrbučí a frekvečí fukce. Dstrbučí fukce F (x) áhodé velčy X je reálá fukce, která každému reálému číslu X od ( ; ) řřazuje ravděodobost toho, že áhodá roměá X abývá hodot meších ež x (malé x; hodota) F(x) X < x); x R. Vlastost dstrbučí fukce (latí ro všechy dstrbučí fukce) ) Fukce je eklesající a možě R ) F (x) je zleva sojtá v každém bodě 3) Lmta lm f ( x ) x& 4) Lmta lm f ( x ) x& + 5) f( x) 6) F ( b) F( a) a x < b) Frekvečí fukce Defuje se růzě ro růzé tyy roměé. Pravděodobostí fukce (x). U sojté j ozačujeme fukce hustoty a začíme f (x). Pravděodobostí fukce (x) je reálá fukce, která každému reálému číslu X určí ravděodobost toho, že DNP X abývá této hodoty. Zasujeme j (x) Xx) Jří Stta 4

18 Statstka verze. Vlastost: ) (x) ) + x x xx x x x x ) (x ) (x ) (x ) Zázorňujeme grafcky, exstují 4 možost: ) bodový dagram ) úsečkový dagram 3) olygo 4) hstogram - V osu rozložeí DNP můžeme oužít dstrbučí fukc F(x) hodotu F(x) určíme jako souček ravděodobostí fukce x ro x < X ( x ) x<x - Graf F(x) je stuňovtý, schodovtý Sojtá áhodá roměá SNP má esočetě moho hodot tvořící terval. Nemá výzam osovat rozděleí omocí ravděodobostí. Oět oužjeme dstrbučí fukc. Na rozdíl od DNP je tato fukce sojtá v obou krajích bodech. Fukce hustoty SNP f(x) je dáa jako Vlastost fukce: ) f ( x) + ) f ( x) dx Vztahy: - f(x) F (x) - F ( x) f ( t) dt x x f ( x) : lm h + X < x + h) ; x R h Tyy rozložeí áhodých roměých ) Rovoměré rozložeí NP: toto rozložeí má DNP x jejíž všechy možé hodoty x se vyskytuje se stejou ravděodobostí. Závsí a arametru (očet realzací). Ozačuje se R(). Pravděodobostí fukce f x ) ; D { x,..., x } ař. ( házeí hrací kostkou aj.) ) Bomcké rozložeí: toto rozložeí má DNP x, která vyjadřuje očet výskytů jevu a v Beroulho oslouost ezávslých okusů. Závsí a dvou arametrech: Jří Stta 4

19 Statstka verze. očet okusů; je ravděodobost sledovaého jevu a v jedom okusu. Začíme B (;). Pravděodobostí fukce f x x ( x ) ( ) ; x ; ;...; x Possoovo rozložeí Toto rozložeí má DNP x, která vyjadřuje očet výskytů sledovaých jevů v určtém časovém tervalu ebo určté oblast (říklad: očet zákazíků za de, očet chyb v jedom daňovém řzáí). Závsí a jedom arametru λ (lambda) (růměrý očet výskytů sledovaého jevu v daém tervalu). x λ λ Začíme: Po( λ ) ( x) e ; λ >; x,,, x! + Nechť v Beroulho oslouost kde a ravděodobost výskytu v jedom okusu se blíží ule, ak bomcké rozložeí lze aroxmovat (řblížt) osoově rozděleí: B ( ; ) ~ Po( λ) kde λ Tyy rozložeí ravděodobostí SNP ) Rovoměré rozložeí: toto rozložeí má SNP x jejíž realzace vylňují terval koečé délky a mají stejou možost výskytu (doba čekáí a uskutečěí oakujícího se jevu v časových tervalech). Závsí a dvou arametrech a (dolí mez tervalu možých hodot) a b (horí mez tervalu možých hodot). Začíme j: R(a;b). Fukce hustoty otom ásledově: x a; b f (x) b a x a; b ) Normovaé ormálí rozděleí: toto rozložeí je secálím říkladem obecého ormálího rozložeí, ro µ a δ. Ozačujeme Z. fukce hustoty začíme ϕ a dstrbučí fukc začíme Φ. Začíme N(;). Fukce hustoty z ϕ ( z) e ; z (, ) Graf ϕ (z) se azývá Gausova křvka. π t Dstrbučí fukce: Φ( z) e dt; z (, ) π Jří Stta 4

20 Statstka verze.. Metody statstcké dukce - Umožňuje vyslovovat závěry o rozložeí a vlastostech souborů o ěmž emáme úlou formac. Místo toho, abychom racoval s celým souborem, vybereme z ěj oměrě malou část (výběr). - Základí soubor ozačujeme ZS a je to soubor, o ěmž emáme úlou formac, rotože je: o Neukočeý (soubor ekoečé řady okusů) o Koečý, ale velkého rozsahu o Koečý, ale je emožé ebo esmyslé jej celý rozkoumat (zjšťováí kvalty skladovaých kozerv) - Sledujeme rozsah a začíme ho N. Základí soubor ovažujeme za osaý, záme-l jeho frekvečí fukc áhodé roměé X. Máme-l X, která má ormálí rozložeí, ovažujeme ZS za ormálě rozložeý. - Charakterstky se azývají arametry ZS a jsou to kostaty a ozačujeme je kokrétě jako µ,δ atd. - Náhodý výběr je odmožou ZS a rozsah výběru začíme. - Můžeme rozlšovat: o Výběr s vraceím rvek se může oakovat o Výběr bez vraceí rvek maxmálě jedou - Náhodý výběr rozsahu je takový výběr, který oskytuje každému rvku ZS stejou a ezávslou šac být vybrá. Kokrétí výběr se rovádí: o Losováím o Použtím geerátoru áhodých čísel o Systematckým výběrem (u setřízeého ZS se vybere rvek k ) o Stratfkovaým výběrem, který se oužívá tam, kde je základí soubor vtřě rozděle do sku v chž je roztyl sledovaého zaku meší ež v celém ZS (ředvolebí růzkum) Výběrová statstka - Protože ze ZS můžeme rovést více výběrů, tak ro každý výběr můžeme vyočítat základí charakterstky (středí hodota, roztyl). - Pro růzé kokrétí výběry můžeme dostat odlšé výsledky. Obecě lze říct, že charakterstky áhodého výběru jsou áhodou roměou, které abývají svých hodot v závslost a kokrétím áhodém výběru ze ZS. Hodoty začíme x.x ze ZS. Náhodé roměé X.X. - Protože je výběrová statstka áhodou roměou, musí mít své rozložeí ravděodobostí (výběrové rozložeí) Výběrová středí hodota: Je áhodá roměá X S x ( X X ) X x - - Jří Stta 4

21 Statstka verze. Věty o áhodých výběrech a statstkách ) Cetrálí lmtí věta: Jsou-l čleé áhodé výběry X.X vybráy z velkého ebo ekoečého ZS s rozložeím jehož středí hodota je µ a koečý roztyl je δ ak výběrové rozložeí výběrové středí hodoty X koverguje k ormálímu δ rozložeí se středí hodotou µ a směrodatou odchylkou. ) Věta o jedom výběru: jsou-l X.X, které tvoří čleý áhodý výběr ze základího souboru se ormálí rozložeím N( µ ; δ ) a je-l X X a S x ( X X ) ak áhodá roměá může být: x X µ I. T má Studetovo rozložeí T s (-) stu volost. S X µ II. U má základí rozložeí N(,) δ S III. χ má Pearsoovo rozložeí χ s( ) stueň volost µ Nechť X až X jsou ezávslé áhodé roměé z ch každá se řídí rozložeím N(;), otom áhodá roměá χ X X X má Pearsoovo rozložeí s µ stu volost. Začíme ho χ ( ) a čteme chý kvadrát volost. Fukce hustoty: + x x e x > f (X ) x Studetovo rozložeí se vztahuje a roměé. Nechť X a X jsou ezávslé roměé a echť X se řídí rozložeím N(,) a X rozložeí χ ( ) otom áhodá roměá X T má studetovo rozložeí s stu volost. Začíme t () a fukce hustoty je X dáa f ( x) x + π Jří Stta 4

22 Statstka verze.. Statstcké srováváí ekoomckých jevů Ukazatel je secfckou statstckou velčou osující určtou ekoomckou skutečost. Každý ukazatel má tedy svůj věcý obsah a zároveň svoj formálě logckou kostrukc, která ho řadí mez statstcké velčy. Statstcký ukazatel je statstckou velčou a ředokládá se, že daý statstcký soubor je obecě, rostorově a časově vymeze (ař. ukazatel odracovaá doba -> teto ukazatel je vymeze jako úhr doby odracovaé racovíky odku v měsíc). Jestlže řesě defujeme rostor a čas (březe 4 odk A) dostaeme kokrétí hodotu ukazatele -> údaj. Ukazatel je tedy roměá velča a hodota ukazatele je hodotou této roměé velčy, která vzká kokrétím vymezeím v čase a rostoru. Děleí ukazatele: ) Prmárí a sekudárí (druhoté): Prmárí ukazatelé jsou římo zjšťovaé eodvozeé. Nař. odracovaá doba, očet racovíků k určtému datu atd. Jedá se o ukazatele, kde lze římo určt ty charakterstky statstcké jedotky statstckého zaku. Sekudárí ukazatelé mohou vzkat třem zůsoby: a. Jako fukce (rozdíl ebo odíl) růzých rmárích ukazatelů (ař. zsk, doba obratu zásob) b. Jako fukce růzých hodot téhož rmárího ukazatele (časový růměr, ukazatel struktury, hrubý obrat) c. Jako fukce dvou rmárích ukazatelů, kde asoň u jedoho racujeme s více hodotam (sojeí ředcházejících dvou kroků) (roduktvta ráce a racovíka, zskovost rodukce) Idexy, absolutí rozdíly a další míry rozdílost jsou ástroj srováváí a ástroj aalýzy výsledků srováí. Ukazatelé samy o sobě vyovídají o ějaké skutečost, ale ehodotí j, zatímco dexy a absolutí řírůstky měří rozdílost dvou hodot téhož ukazatele. Další čleěí je a absolutí a relatví. o Absolutí ukazatelé vyjadřují velkost absolutího jevu bez vztahu k dalšímu jevu. Patří sem všechy rmárí ukazatelé vzkající úhrem, ale ěkteré ukazatele sekudárí (časové růměry a rozdílové ukazatelé ař. zsk). o Relatví ukazatelé vyjadřují velkost jedoho jevu vzhledem k jému jevu. Relatví ukazatelé jsou vždy sekudárí, eboť vzkají jako odíl absolutích (rmárích sekudárích) ukazatelů. Toto čleěí je vyčerávající. Další dvojce děleí je a Extezví a Iteztí ukazatele. Nejsou už vyčerávající. o Extezví ukazatelé jsou ukazatelé možství a atří do skuy absolutích ukazatelů. o Iteztí ukazatelé jsou ukazatelé úrově, eokrývají však celou skuu relatvích ukazatelů, ale ouze je ty, které vyjadřují teztu určtého jevu. Toto čleěí je důležté ředevším ř rác s dexy. Okamžkové a tervalové ukazatele. Toto čleěí defuje vlastost ukazatele a ředurčuje zůsob jeho shrováí v čase. Jedá se ouze u absolutích ukazatelů. - - Jří Stta 4

23 Statstka verze. Tycké vlastost ukazatelů Patří sem stejorodost, orovatelost a shrovatelost. Stejorodost statstckých ukazatelů je dáa ovahou statstckých jedotek. Krtérum je ak statstcký zak, který a daých jedotkách sledujeme. Stejorodost statstckých ukazatelů je relatví. Absolutí ukazatel je stejorodý tehdy, jestlže má věcý smysl shrovat jeho dílčí hodoty součtem. Relatví je stejorodý je tehdy, když jsou stejorodé oba absolutí ukazatelé z chž se skládá. Pokud toto elatí je ukazatel estejorodý. Srovatelost statstckých ukazatelů je vlastost, která má vazbu a tvorbu relatvích ukazatelů. Za srovatelé ovažujeme takové ukazatele, jejíchž srováím resektve srováím hodot, získáme smyslulou velču (roduktvta ráce). Za esrovatelé ovažujeme takové, jejchž srováí emá smysl z hledska srováí rozdílého druhového, časového ebo rostorového rozděleí. Shrovatelost vyjadřuje schoost ukazatele určt jeho celkovou hodotu a základě jeho dílčích hodot. Z tohoto hledska je dělíme a římo shrovatelé, eřímo shrovatelé a eshrovatelé ukazatele. Přímo shrovatelé jsou takové, které můžeme dílčí hodoty římo shrout. Neřímo shrovatelé jsou takové, u kterých musíme zát dílčí hodoty tohoto ukazatele, ale dílčí hodoty jého ukazatele (tycké ro všechy relatví ukazatele). Neshrovatelé elze určt a ř dílčích zalostech jých ukazatelů. Idexy a absolutí rozdíly V rax eracujeme s určtým zolovaým hodotam ukazatele, ale sažíme se zajstt určtou změu orot téže skutečost v mulém období č v jém území č orgazačí jedotce. Zajímá ás o kolk je hodota daého ukazatele v daé stuac vyšší ebo žší ež hodota ukazatele v jé stuac. Chceme-l vědět kolkrát ebo o kolk % je jeda hodota vyšší ebo žší ež hodota já, budeme obě hodoty srovávat odílem. Pokud o kolk jedotek je jeda vyšší ebo žší ež druhá, srováváme rozdílem. Podílem dvou hodot téhož ukazatele získáme INDEX, obě tyto míry rozdílost jsou rovoceé a vzájemě se dolňují. Idex: je bezrozmezé číslo (odíl dvou hodot) udávající kolkrát je hodota čtatele vyšší ebo žší ež jmeovatel. Absolutí řírůstek udává o kolk měrých jedotek je hodota mešece vyšší ebo žší ež hodota meštele. Časový dex je, budeme-l srovávat zsk odku ve dvou letech. Budeme-l srovávat zsk odku α se zskem odku β v určtém roce, sestrojíme rostorový dex. Budeme-l orovávat zsk ř výrobě výrobku x a y v odku α v roce, získáme druhový dex Jří Stta 4

24 Statstka verze. Děleí dexů možství o souhré o dvduálí jedoduché složeé úrově o souhré o dvduálí jedoduché složeé Prví čleěí a dexy možství a úrově je čleěím a dexy extezvích a teztích ukazatelů a vychází z tyu ukazatele. Ve druhém stu dělíme dexy a dvduálí a souhré. Krtérem je stejorodost č estejorodost ukazatele. Idvduálí dexy jsou dexy stejorodých (extezvích teztích). Idexy stejorodých ukazatelů dále čleíme a jedoduché a složeé dexy. Jedoduché dexy jsou takové, ve kterých erovádíme shrováí. Složeé dexy jsou dexy stejorodého teztího ebo extezvího ukazatele, kde shrujeme dílčí hodoty sledovaého ukazatele. Obecě jsou defováy tř ukazatelé. Dva extezví ozačey a Q a jede Q teztí ozačeý, ro který latí. Toto ozačeí vychází ze vztahu mez ceou, hodotou a možstvím. Jedoduché dvduálí dexy Jedoduché dexy jsou velčam, které srovávají dvě hodoty téhož ukazatele. Budeme-l srovávat hodotu teztího ukazatele v stuac (v časovém období -> ) a v stuac (v časovém azýváí jako základí období) dostaeme I. Aalogcky Q otom I Q a I. Z těchto vztahů vylývá I Q I I. Odovídající řírůstky Q ; Q Q Q a. Idvduálí jedoduché dexy se často vyskytují sdružeé do delších časových řad (období 5 až let). V takovém říadě mohou být dexy očítáy ke stejému dexu (ejstarší hodota) ebo k romělvému základu a to tak bezrostředě ředcházejícímu časovému údaj. Pokud budeme srovávat ke stejému základu > bazcké dexy, okud srováváme za sebou jdoucí hodoty > řetězové dexy. Gausovo rozložeí Toto rozložeí je ejdůležtějším rozložeím SNP. Řídí jím áhodá roměá, která je výsledkem ůsobeí moha vzájemě ezávslých jevů. Používá se k aroxmac jých, často složtějších áhodých roměých a má klíčovou rol ř alkac moha statstckých metod Jří Stta 4

25 Statstka verze. Obecé rozložeí závsí a dvou arametrech. Na µ a δ. Středí hodota a roztyl osují střed a áhodý roztyl bodu kolem ěho. N( µ ; δ ) x µ Fukce hodoty: δ f ( x) e ; x ( ; ) δ π Graf f(x) je Gausova křvka - křvka má zvoovtý tvar a je souměrá odle křvky x µ - středí hodota rozhoduje o vrcholu křvky a δ o roztýleí křvky - souřadce vrcholu µ ; δ π - dstrbučí fukce x F( x) e δ π x µ δ dx Jří Stta 4

26 Statstka verze Jří Stta 4. Idexy Vztahy mez řetězovým a bazckým dexy Postuým ásobeím řetězových dexů získáme řadu bazckých dexů. Souč řady řetězových dexů bazcký dex Postuým děleím bazckých dexů získáme řadu řetězových dexů. Podíl dvou za sebou ásledujících bazckých dexů řetězový dex. Kruhová zkouška řetězové dexy lze jakoby uzavřít souč řetězových dexů vyděleý osledím bazckým musí dát, okud evyjde, ak jsme ěkde udělal chybu Růměé temo růstu ročí tema růstu měříme omocí řetězových dexů růměré temo růstu určíme geometrckým růměrem ročích tem růstu Složeé dvduálí dexy jsou to dexy stejorodého, extezvího ebo teztího ukazatele, které oužíváme za stuace, kdy hodoty daého ukazatele jsou čleěy a dílčí hodoty a v rámc výočtu dexů rovádíme shrováí Q Q Q I ) ( Q I ) ( 3... : k k k k /

27 Statstka verze Jří Stta 4 Idex romělvého složeí teztí ukazatel, který shruje růměr Q Q I I I Idex stálého složeí dex s váhou I SS () dex s váhou I SS () Idex agregátí (souhrý) růzorodé velčy a jedom místě estejorodé velčy (růzorodé) elze růměrkovat, lze je agregovat (shrovat) ty agregace vyjádříme Q Q z toho vytvoříme dex dex hodotový H I H Q ostuým rozkladem hodotového dexu můžeme získat dvě varaty dexů ebo dex hodotový jsme rozložl a dex objemový a dex ceový. Q Q : :

28 Statstka verze Jří Stta 4 Ceové dexy Ceové dexy mají své ázvy: o Paascheho I aa c o Laseyresův I la c Fsherův dex Hodoty Laseyresova a Paascheho SCI dávají ř srováí stejých souborů více č méě odlšé výsledky. I. Fsher avrhl komromsí řešeí ve formě geometrckého růměru těchto dvou dexů ) ( ) ( ) ( I I I aa la F

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

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

Více

Téma 6: Indexy a diference

Téma 6: Indexy a diference dexy a dferece Téma 6: dexy a dferece ředáška 9 dvdálí dexy a dferece Základí ojmy Vedle elemetárího statstckého zracováí dat se hromadé jevy aalyzjí tzv. srováváím růzých kazatelů. Statstcký kazatel -

Více

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností 4.2 Elemetárí statstcké zpracováí Výsledkem statstckého zjšťováí (. etapa statstcké čost) jsou euspořádaá, epřehledá data. Proto 2. etapa statstcké čost zpracováí, začíá většou jejch utříděím, zpřehleděím.

Více

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

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

Více

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

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

Více

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

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

Více

Mendelova univerzita v Brně Statistika projekt

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

Více

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

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

Více

Testování statistických hypotéz

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

Více

PRAVDĚPODOBNOST ... m n

PRAVDĚPODOBNOST ... m n RVDĚODONOST - matematická discilía, která se zabývá studiem zákoitostí, jimiž se řídí hromadé áhodé jevy - vytváří ravděodobostí modely, omocí ichž se saží ostihout rocesy, ovlivěé áhodou. Náhodé okusy:

Více

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

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

Více

Náhodné jevy, jevové pole, pravděpodobnost

Náhodné jevy, jevové pole, pravděpodobnost S Náhodé jevy pravděpodobost Náhodé jevy jevové pole pravděpodobost Lbor Žák S Náhodé jevy pravděpodobost Lbor Žák Základí pojmy Expermet česky též vědecký pokus je soubor jedáí a pozorováí jehož účelem

Více

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013.

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

Více

Doc. Ing. Dagmar Blatná, CSc.

Doc. Ing. Dagmar Blatná, CSc. PRAVDĚPODOBNOST A STATISTIKA Doc. Ig. Dagmar Blatá, CSc. Statsta statstcé údaje o hromadých jevech čost, terá vede zísáí statstcých údajů a jejch zpracováí teore statsty - věda o stavu, vztazích a vývoj

Více

PRAVDĚPODOBNOST A STATISTIKA

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

Více

2. Úvod do indexní analýzy

2. Úvod do indexní analýzy 2. Úvod do idexí aalýzy 2.. Motivace Tato kaitola se zabývá srováváím ukazatelů v datových souborech, které se liší buď časově ebo rostorově ebo věcě. Nejdůležitější je srováváí ukazatelů z časového hlediska.

Více

S1P Popisná statistika. Popisná statistika. Libor Žák

S1P Popisná statistika. Popisná statistika. Libor Žák SP Popsá statstka Popsá statstka Lbor Žák SP Popsá statstka Lbor Žák Základí zdroje : skrpta Mateatka IV - doc. RNDr. Z. Karpíšek, CSc. ateatka o le - http://athole.fe.vutbr.cz/ Základ ateatcké statstk

Více

3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě.

3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě. 3. Hodoceí přesost měřeí a vytyčováí. Odchylky a tolerace ve výstavbě. 3.1 Úvod o měřeí obecě 3.2 Chyby měřeí a jejch děleí 3.2.1 Omyly a hrubé chyby 3.2.2 Systematcké chyby 3.2.3 Náhodé chyby 3.3 Výpočet

Více

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

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

Více

a další charakteristikou je četnost výběrového souboru n.

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

Více

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti.

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti. 10 Cvičeí 10 Statistický soubor. Náhodý výběr a výběrové statistiky aritmetický průměr, geometrický průměr, výběrový rozptyl,...). Bodové odhady parametrů. Itervalové odhady parametrů. Jedostraé a oboustraé

Více

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

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

Více

Metody zkoumání závislosti numerických proměnných

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

Více

Definice obecné mocniny

Definice obecné mocniny Defiice obecé mociy Zavedeí obecé mociy omocí ity číselé oslouosti lze rovést ěkolika zůsoby Níže uvedeý zůsob využívá k defiici eoeciálí fukce itu V dalším budeme otřebovat ásledující dvě erovosti: Lemma

Více

TECHNICKÁ UNIVERZITA V LIBERCI

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

Více

11. INDUKTIVNÍ STATISTIKA

11. INDUKTIVNÍ STATISTIKA Pravděodobost a statstka. INDUKTIVNÍ STATISTIKA Iduktví statstka Průvodce studem Navážeme a katolu 7 a ukážeme, jak racovat se soubory, jejchž všechy rvky ejsou zámy. Předokládaé zalost Pojmy z ředchozích

Více

11. Popisná statistika

11. Popisná statistika . Popsá statstka.. Pozámka: Př statstckém zkoumáí ás zajímají hromadé jevy a procesy, u kterých zkoumáme zákotost, které se projevují u velkého počtu prvků. Prvky zkoumáí azýváme statstcké jedotky. Př

Více

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

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

Více

VY_52_INOVACE_J 05 01

VY_52_INOVACE_J 05 01 Název a adresa školy: Středí škola průmyslová a umělecká, Opava, příspěvková orgazace, Praskova 399/8, Opava, 74601 Název operačího programu: OP Vzděláváí pro kokureceschopost, oblast podpory 1.5 Regstračí

Více

Přednáška č. 2 náhodné veličiny

Přednáška č. 2 náhodné veličiny Předáša č. áhodé velčy Pozámy záladím pojmům z počtu pravděpodobost Pozáma 1: Př výpočtu pravděpodobost áhodého jevu dle lascé defce je uté věovat pozorost způsobu formulace vybraého jevu. V ásledující

Více

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC 5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC V této kaptole se dozvíte: jak je defováa fukce přrozeá odmoca v kompleím oboru a jaké má vlastost včetě odlšostí od odmocy v reálém

Více

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

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

Více

BIVŠ. Pravděpodobnost a statistika

BIVŠ. Pravděpodobnost a statistika BIVŠ Pravděpodobost a statstka Úvod Skrpta Pravděpodobost a statstka jsou učebím tetem pro stejojmeý kurz magsterského studa Bakovího sttutu vysoké školy Kurzy Pravděpodobost a statstka a avazující kurz

Více

Spolehlivost a diagnostika

Spolehlivost a diagnostika Spolehlvost a dagostka Složté systémy a jejch spolehlvost: Co je spolehlvost? Vlv spolehlvost kompoetů systému Návrh systému z hledska spolehlvost Aplkace - žvotě důležté systémy - vojeské aplkace Teore

Více

můžeme toto číslo považovat za pravděpodobnost jevu A.

můžeme toto číslo považovat za pravděpodobnost jevu A. RVDĚODONOST - matematická discilía, která se zabývá studiem zákoitostí, jimiž se řídí hromadé áhodé jevy - vytváří ravděodobostí modely, omocí ichž se saží ostihout áhodé rocesy. Náhodé okusy: rocesy,

Více

APLIKOVANÁ STATISTIKA

APLIKOVANÁ STATISTIKA VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA MANAGEMENTU A EKONOMIKY VE ZLÍNĚ APLIKOVANÁ STATISTIKA FRANTIŠEK PAVELKA PETR KLÍMEK ZLÍN 000 Recezoval: Haa Lošťáková Fratšek Pavelka, Petr Klímek, 000 ISBN 80 4

Více

11. Časové řady. 11.1. Pojem a klasifikace časových řad

11. Časové řady. 11.1. Pojem a klasifikace časových řad . Časové řad.. Pojem a klasfkace časových řad Specfckým statstckým dat jsou časové řad pomocí chž můžeme zkoumat damku jevů v čase. Časovou řadou (damcká řada, vývojová řada) rozumíme v čase uspořádaé

Více

Testování statistických hypotéz

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

Více

[ jednotky ] Chyby měření

[ jednotky ] Chyby měření Chyby měřeí Provedeme-l určté měřeí za stejých podmíek vícekrát, jedotlvá měřeí se mohou odlšovat (z důvodu koečé rozlšovací schopost měř. přístrojů, áhodých vlvů apod.). Chyba měřeí: e = x x x...přesá

Více

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A Nejstoty měřeí Pro každé přesé měřeí potřebujeme formac s jakou přesostí bylo měřeí provedeo. Nejstota měřeí vyjadřuje terval ve kterém se achází skutečá hodota měřeé velčy s určtou pravděpodobostí. Nejstota

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor SP Náhodý vektor PRAVDĚPODOBNOS A SAISIKA Náhodý vektor SP Náhodý vektor Náhodý vektor Náhodý vektor slouží k popsu výsledku pokusu kdy měříme více údaů o procesu. Před provedeím pokusu eho výsledek a

Více

Národní informační středisko pro podporu kvality

Národní informační středisko pro podporu kvality Národí iformačí středisko ro odoru kvality Testováí zůsobilosti a výkoosti výrobího rocesu RNDr. Jiří Michálek, Sc Ústav teorie iformace a automatizace AVČR UKAZATELE ZPŮSOBILOSTI 3 UKAZATELE ZPŮSOBILOSTI

Více

Generování dvojrozměrných rozdělení pomocí copulí

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

Více

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

Univerzita Karlova v Praze Pedagogická fakulta

Univerzita Karlova v Praze Pedagogická fakulta Uverzta Karlova v Praze Pedagogcká fakulta SEMINÁRNÍ PRÁCE Z OBECNÉ ALGEBRY DĚLITELNOST CELÝCH ČÍSEL V SOUSTAVÁCH O RŮZNÝCH ZÁKLADECH / Cfrk C. Zadáí: Najděte pět krtérí pro děltelost v jých soustavách

Více

, jsou naměřené a vypočtené hodnoty závisle

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

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor SP Náhodý vektor PRAVDĚPODOBNOS A SAISIKA Náhodý vektor Lbor Žák SP Náhodý vektor Lbor Žák Náhodý vektor Náhodý vektor slouží k popsu výsledku pokusu kdy měříme více údaů o procesu. Před provedeím pokusu

Více

PRAVDĚPODOBNOST A STATISTIKA

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

Více

PRAVDĚPODOBNOST A STATISTIKA. 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

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

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

Více

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

PRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení

PRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení S1P áhodá roměá vybraá rozděleí PRAVDĚPODOBOST A STATISTIKA áhodá roměá vybraá rozděleí S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Degeerovaé rozděleí D( ) áhodá veličia X s degeerovaým

Více

Markovovy řetězce s diskrétním časem (Discrete Time Markov Chain)

Markovovy řetězce s diskrétním časem (Discrete Time Markov Chain) Stochastcé rocesy Marovovy řetězce s dsrétím časem (Dscrete Tme Marov Cha) Stochastcý roces Stochastcým rocesem {X(t), tr} je moža áhodých velč X(t) závslých a jedom arametru t. Stavový rostor : moža možých

Více

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru Lekce Normálí rozděleí v rově V této lekc se udeme věovat měřeí korelačí závslost dvojce áhodých velč (dvousložkového áhodého vektoru) Vcházet udeme z ormálího rozděleí pravděpodoost áhodého vektoru v

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

c) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je transcendentí. xp 1 (p 1)! (x 1)p (x 2) p... (x d) p e x t f(t) d t = F (0)e x F (x),

c) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je transcendentí. xp 1 (p 1)! (x 1)p (x 2) p... (x d) p e x t f(t) d t = F (0)e x F (x), a) Vyslovte a dokažte Liouvillovu větu o šaté aroximovatelosti algebraického čísla řádu d b) Defiujte Liouvillovo číslo c) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je trascedetí 2 a) Defiujte

Více

7 LIMITNÍ VĚTY. Čas ke studiu kapitoly: 70 minut. Cíl:

7 LIMITNÍ VĚTY. Čas ke studiu kapitoly: 70 minut. Cíl: 7 LIMITNÍ VĚTY Čas ke studu kaptoly: 70 mut Cíl: o prostudováí tohoto odstavce budete umět formulovat a používat lmtí věty aproxmovat já rozděleí rozděleím ormálím - 96 - Výklad: V této kaptole adefujeme

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

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

Úvod do korelační a regresní analýzy

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

Více

SOUKROMÁ VYSOKÁ ŠKOLA EKONOMICKÁ ZNOJMO. Statistika I. distanční studijní opora. Milan Křápek

SOUKROMÁ VYSOKÁ ŠKOLA EKONOMICKÁ ZNOJMO. Statistika I. distanční studijní opora. Milan Křápek SOUKROMÁ VYSOKÁ ŠKOLA EKONOMICKÁ ZNOJMO Statstka I dstačí studjí opora Mla Křápek Soukromá vysoká škola ekoomcká Zojmo Dube 3 Statstka I Vydala Soukromá vysoká škola ekoomcká Zojmo. vydáí Zojmo, 3 ISBN

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

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2

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

Více

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

P1: Úvod do experimentálních metod

P1: Úvod do experimentálních metod P1: Úvod do epermetálích metod Chyby a ejstoty měřeí - Každé měřeí je zatížeo určtou epřesostí, která je způsobea ejrůzějším egatvím vlvy, vyskytujícím se v procesu měřeí. - Výsledek měřeí se díky tomu

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA SP Záko velkých čísel, cetrálí lmtí věta PRAVDĚPODOBNOST A STATISTIKA Lbor Žák SP Záko velkých čísel, cetrálí lmtí věta Lbor Žák Kovergece podle pravděpodobost Posloupost áhodých proměých,,,, koverguje

Více

Momenty a momentové charakteristiky

Momenty a momentové charakteristiky Lekce 3 Momety a mometové charaktertky Pokud jme e v předešlém výkladu zmňoval o ěkteré tattcké charaktertce, zpravdla jme rověž uváděl, zda j řadíme mez více ebo méě důležté. A byly to právě artmetcký

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

Chyby přímých měření. Úvod

Chyby přímých měření. Úvod Chyby přímých měřeí Úvod Př zjšťováí velkost sledovaé velčy dochází k růzým chybám, které ovlvňují celkový výsledek. V pra eestuje žádá metoda měřeí a měřcí zařízeí, které by bylo absolutě přesé, což zameá,

Více

Základy statistiky. Petr Kladivo

Základy statistiky. Petr Kladivo mm Základy statstky Petr Kladvo Uverzta Palackého v Olomouc Přírodovědecká fakulta Základy statstky Petr Kladvo Olomouc 03 Opoet: RNDr. Šárka Brychtová, Ph.D. RNDr. Mloš Fňukal, Ph.D. Mgr. Petr Zemáek,

Více

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL Elea Mielcová, Radmila Stoklasová a Jaroslav Ramík; Statistické programy POPISNÁ STATISTIKA V PROGRAMU MS EXCEL RYCHLÝ NÁHLED KAPITOLY Žádý výzkum se v deší době evyhe statistickému zpracováí dat. Je jedo,

Více

jako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých

jako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých 9 Limití věty. V aplikacích teorie pravděpodobosti (matematická statistika, metody Mote Carlo se užívají tvrzeí vět o kovergeci posloupostí áhodých veliči. Podle povahy kovergece se limití věty teorie

Více

Cílem kapitoly je zvládnutí řešení determinantů čtvercových matic.

Cílem kapitoly je zvládnutí řešení determinantů čtvercových matic. temtk I část I Determty mtc řádu Determty mtc řádu Cíle Cílem ktoly je zvládutí řešeí ermtů čtvercových mtc Defce Determtem (řádu ) čtvercové mtce řádu jejímž rvky j jsou reálá (oř komlexí) čísl zýváme

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

12. Neparametrické hypotézy

12. Neparametrické hypotézy . Neparametrcké hypotézy V této část se budeme zabývat specálí částí teore statstckých hypotéz tzv. eparametrckým hypotézam ebo jak řečeo eparametrckým statstckým testy. Neparametrcké se azývají proto,

Více

ASYNCHRONNÍ STROJE. Obsah

ASYNCHRONNÍ STROJE. Obsah VŠB TU Ostrava Fakulta elektrotechiky a iformatiky Katedra obecé elektrotechiky ASYCHROÍ STROJE Obsah. Výzam a oužití asychroích motorů 2. rici čiosti asychroího motoru 3. Rozděleí asychroích motorů 4.

Více

Statistika pro metrologii

Statistika pro metrologii Statistika pro metrologii T. Rössler Teto projekt je spolufiacová Evropským sociálím fodem a státím rozpočtem České republiky v rámci projektu Vzděláváí výzkumých pracovíků v Regioálím cetru pokročilých

Více

1. Úvod do základních pojmů teorie pravděpodobnosti

1. Úvod do základních pojmů teorie pravděpodobnosti . Úvod do základích pojmů teore pravděpodobost. Úvodí pojmy Větša exaktích věd zobrazuje své výsledky rgorózě tj. výsledky jsou získáváy a základě přesých formulí a jsou jejch terpretací. Příkladem je

Více

ZÁKLADY PRAVDĚPODOBNOSTI A STATISTIKY

ZÁKLADY PRAVDĚPODOBNOSTI A STATISTIKY UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ZÁKLADY PRAVDĚPODOBNOSTI A STATISTIKY Josef Tvrdík OSTRAVSKÁ UNIVERZITA 00 OBSAH: ÚVOD... 4. CO JE STATISTIKA?... 4. STATISTICKÁ DATA... 5.3 MĚŘENÍ

Více

PRAVDĚPODOBNOST A STATISTIKA. Bodové a intervalové odhady

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

Více

Pro statistické šetření si zvolte si statistický soubor např. všichni žáci třídy (několika tříd, školy apod.).

Pro statistické šetření si zvolte si statistický soubor např. všichni žáci třídy (několika tříd, školy apod.). STATISTIKA Statistické šetřeí Proveďte a vyhodoťte statistické šetřeí:. Zvolte si statistický soubor. 2. Zvolte si určitý zak (zaky), které budete vyhodocovat. 3. Určete absolutí a relativí četosti zaků,

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

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

6. Posloupnosti a jejich limity, řady

6. Posloupnosti a jejich limity, řady Moderí techologie ve studiu aplikovaé fyziky CZ..07/..00/07.008 6. Poslouposti a jejich limity, řady Posloupost je speciálí, důležitý příklad fukce. Při praktickém měřeí hodot určité fyzikálí veličiy dostáváme

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

Komplexní čísla. Definice komplexních čísel

Komplexní čísla. Definice komplexních čísel Komplexí čísla Defiice komplexích čísel Komplexí číslo můžeme adefiovat jako uspořádaou dvojici reálých čísel [a, b], u kterých defiujeme operace sčítáí, ásobeí, apod. Stadardě se komplexí čísla zapisují

Více

8.2.10 Příklady z finanční matematiky I

8.2.10 Příklady z finanční matematiky I 8..10 Příklady z fiačí matematiky I Předoklady: 807 Fiačí matematika se zabývá ukládáím a ůjčováím eěz, ojišťováím, odhady rizik aod. Poměrě důležitá a výosá discilía. Sořeí Při sořeí vkladatel uloží do

Více

2. Náhodná veličina. je konečná nebo spočetná množina;

2. Náhodná veličina. je konečná nebo spočetná množina; . Náhodá veličia Většia áhodých pokusů koaých v přírodích ebo společeských vědách má iterpretaci pomocí reálé hodoty. Při takovýchto dějích přiřazujeme tedy reálá čísla áhodým jevům. Proto je důležité

Více

1.1 Definice a základní pojmy

1.1 Definice a základní pojmy Kaptola. Teore děltelost C. F. Gauss: Matematka je královou všech věd a teore čísel je králova matematky. Základím číselým oborem se kterým budeme v této kaptole pracovat jsou celá čísla a pouze v ěkterých

Více

1 Popis statistických dat. 1.1 Popis nominálních a ordinálních znaků

1 Popis statistických dat. 1.1 Popis nominálních a ordinálních znaků 1 Pops statstcých dat 1.1 Pops omálích a ordálích zaů K zobrazeí rozděleí hodot omálích ebo ordálích zaů lze použít tabulu ebo graf rozděleí četostí. Tuto formu zobrazeí lze dooce použít pro číselé zay,

Více

Digitální učební materiál

Digitální učební materiál Dgtálí učebí materál Číslo projetu CZ..07/.5.00/34.080 Název projetu Zvaltěí výuy prostředctvím ICT Číslo a ázev šabloy líčové atvty III/ Iovace a zvaltěí výuy prostředctvím ICT Příjemce podpory Gymázum,

Více

9. Základní statistické pojmy.

9. Základní statistické pojmy. 9. Základí statstcké pojmy. Úvodí formace Statstka je často představováa jako pouhý sběr čísel ebo jm podobých údajů. Původí výzam toho slova skutečě souvsí se sběrem formací o státu ( z latského status

Více

Úvod do teorie měření

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

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA P NOV PRVDĚPODOBNOT TTTK Lbor Žák P NOV Lbor Žák Vícvýběrové tsty - NOV NOV tsty s rovádí s omocí aalýzy roztylů NOV souhré tsty ro víc ěž dva výběry. NOV aramtrcká tstováí charaktrstk z zámých rozdělí

Více

STATISTICKÉ MINIMUM PRO STUDENTY BAKALÁŘSKÉHO STUDIA NA TECHNICKÝCH OBORECH BOHUMIL MINAŘÍK

STATISTICKÉ MINIMUM PRO STUDENTY BAKALÁŘSKÉHO STUDIA NA TECHNICKÝCH OBORECH BOHUMIL MINAŘÍK STATISTICKÉ MINIMUM PRO STUDENTY BAKALÁŘSKÉHO STUDIA NA TECHNICKÝCH OBORECH BOHUMIL MINAŘÍK 04 prof. Ig. Bohuml Mařík, CSc. STATISTICKÉ MINIMUM PRO STUDENTY BAKALÁŘSKÉHO STUDIA NA TECHNICKÝCH OBORECH.

Více

Náhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů.

Náhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů. Náhodu bychom mohli defiovat jako součet velkého počtu drobých epozaých vlivů. V rámci přírodích věd se setkáváme s pokusy typu za určitých podmíek vždy astae určitý důsledek. Např. jestliže za ormálího

Více

Matematika I, část II

Matematika I, část II 1. FUNKCE Průvodce studiem V deím životě, v přírodě, v techice a hlavě v matematice se eustále setkáváme s fukčími závislostmi jedé veličiy (apř. y) a druhé (apř. x). Tak apř. cea jízdeky druhé třídy osobího

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBOST A STATISTIKA Degeerovaé rozděleí D( ) áhodá veličia X s degeerovaým rozděleím X ~D(), R má základí rostor Z = { } a ravděodobostí fukci: ( ) 1 0 Charakteristiky: středí hodota: E(X ) roztyl:

Více

8. Analýza rozptylu.

8. Analýza rozptylu. 8. Aalýza rozptylu. Lieárí model je popis závislosti, který je využívá v řadě disciplí matematické statistiky. Uvedeme jeho popis a tvrzeí, která budeme využívat. Setkáme se s ím jedak v aalýze rozptylu,

Více