14 JEDNODUCHÁ REGRESE. Čas ke studiu kapitoly: 60 minut. Cíl: Po prostudování této kapitoly budete. Výklad:

Rozměr: px
Začít zobrazení ze stránky:

Download "14 JEDNODUCHÁ REGRESE. Čas ke studiu kapitoly: 60 minut. Cíl: Po prostudování této kapitoly budete. Výklad:"

Transkript

1 4 JEDNODUCHÁ REGRESE Ča ke udu kapoly: 6 mu Cíl: Po proudováí éo kapoly udee rozumě základím pojmům regreí aalýzy zá zjedodušující předpoklady regreího modelu umě používa meodu ejmeších čverců pro odhad regreí fukce umě odhadou důvěryhodo odhadué regreí fukce pomocí páu polehlvo pro E( X a páu predkce umě pooud vhodo modelu pomocí deu deermace umě používa erpolac a erapolac a udee vědom rzk ím pojeých Výklad: V pra věšou eudujeme áhodé velčy jako akové, zajímá á jejch vzah k jým áhodým velčám. Vyoký upeň závlo (korelace čao odráží příčý vzah, ale emuí omu ak ý vždy. Příčé ouvlo (kauzalu čě emprckým proředky eodhalíme. Ke ackým výledkům je řea přda odoré zalo a prakcké zkušeo. V ejjedodušším případě je ouvlo mez ledovaým zaky zcela jedozačá. Například hmoo předměů, keré jou homogeí, je fukc jejch ojemu. Závlo ohoo druhu e azývá fukčí závlo. Předměem aky je však hodoceí akových závloí, kdy eeuje zcela jedozačý vzah mez ledovaým zaky. Teo vzah ozačujeme jako regre. Př měřeí závlo dvou kvaavích zaků můžeme druh a ílu závlo oreačě pooud z odového grafu (korelačího pole, v ěmž je každá dvojce údajů grafcky zázorěa jedím odem v rově. Druh závlo odhadujeme pomocí křvky, kerá e doře hodí k apozorovaým hodoám. Podle ypu křvky rozezáváme závlo leárí, logarmckou, epoecálí a další. Jedím z úkolů regreí aalýzy da je vyjádřeí íly závlo mez ledovaým zaky, j. aoveí, do jaké míry je hodoa jedoho zaku předurčea hodoou druhého zaku. V éo kapole e e udeme zaýva ejjedodušším případem, kdy zkoumáme závlo jedé proměé ( a jedé proměé (X a ao závlo je leárí

2 Řešeý příklad: Pro azší pochopeí prolemaky uvažujme kokréí případ: Frma provádí opravy olích kalkuláorů a poklade. Daa zapáa v aulce pocházejí z 8 ohlášeých oprav. U každé opravy je uvede poče opravovaých kalkuláorů a celková doa opravy (v muách Vyeeme-l do grafu závlo celkové doy opravy ( a poču opravovaých kalkuláorů (X, zíkáme áledující odový graf ozačovaý aké jako korelačí pole: Z grafu e zdá ý zřejmé, že poče opravovaých kalkuláorů ovlvňuje celkovou dou opravy. Naučíme e, jak oo popa pomocí vyrovávací křvky, jak používa vyrovávací křvku k progózám a jak vyhodo vhodo voly ypu vyrovávací křvky. Výklad: 4. Pojmy Nejdříve e ezámíme e základí ermolog. Vyvělovaá (závle proměá - proměá v regreím modelu, jejíž chováí e ažíme vyvěl, popa vyrovávací křvkou. Tao proměá vyupuje v modelu jako výledek půoeí zv. vyvělujících proměých. Jedá e edy o proměou a levé raě regreí fukce a věšou j ozačujeme ymolem. (V ašem případě jde o celkovou dou opravy. Vyvělující (ezávle proměá - proměá v regreím modelu, jejž chováí vyvěluje chováí závle proměé. Tao proměá vyupuje v modelu jako příčá proměá, o zameá, že v důledku její změy e měí vyvělovaá proměá. Jedá e edy o proměou a pravé raě regreí fukce a věšou je ozačujeme ymolem X. (V ašem případě jde o poče opravovaých kalkuláoru

3 Pozámka: Pojem levá a pravá raa regreí rovce je amozřejmě relaví, jde píše o zažou kovec, kerá e však důledě dodržuje. Toéž e ýká používaého začeí. Rezduum (chya predkce e ( křvkou ( Ŷ a kuečě aměřeé hodoy Regreí fukce E j odhadova a základě pozorovaí [ ] odchylka hodoy předpovídaé vyrovávací., kuečá regree populace, v pra je ezámá a muíme,. Odhad regree má var: Vraťme e k ašemu příkladu. Dokázal ye od oka prolož odovým grafem vyrovávací přímku? Nakolk y yla ao přímka vyhovující? V případě, kdy jou ody grafu začě rozpýley muíme použí ojekvější meodu ež od oka. V áledující čá e udeme zaýva meodou algerackých výpočů pro alezeí vyrovávací křvky. f y odhadovaá regree E(/X kuečá regree 4. Meoda ejmeších čverců Naším cílem je ají vyrovávací přímku, jejíž rovce má var: a muíme zvol ak, aychom zíkal co ejméě rozpýleý ouor verkálích e, zv. chy predkce, rep. rezduí. odchylek Mmalzujeme čverce odchylek Nejdříve á apade, že ychom mohl mmalzova (. Avšak ěkeré ody e acházejí pod přímkou, jé ad přímkou, proo y ěkeré odchylky yly kladé, jé záporé, vzájemě y e rušly Aychom e omu vyhul, mohl ychom mmalzova ouče jejch aoluích odchylek. Vzhledem k omu, že mmalzace fukce e provádí pomocí její dervace (vzpomeňe a dervac aoluí hodoy, eí a oo vhodá meoda. Mohem zámější a udíž mohem používaější je zv. meoda ejmeších čverců, kerá počívá v mmalzac oučů kvadráů rezduí. Mějme alepoň pozorováí (> o ouřadcích [ ; ]

4 Souče čverců rezduí: ϕ ( Souče čverců rezduí mmalzujeme: dϕ d ( dϕ d ( ( [( ( ] Daou ouavu upravíme a var: Řešeí alezeme ve varu: ( ( ( ( ( ( Vzahy pro výpoče koefceů a odvodíme v jedodušší podoě v zv. odchylkové formě, věujeme-l yí rochu čau vhodějšímu vyjádřeí Ŷ. Souče čverců rezduí : * ( ( ( ϕ ( ( ( Souče čverců rezduí mmalzujeme: dϕ d ( * ( ( * ( (

5 dϕ d ( * [( ( ( ] Daou ouavu upravíme a var: ( * ( * ( ( ( ( ( Řešeí alezeme ve varu: * ( ( ( * ( ( Pozámka: Využl jme oho, že (. Vyrovávací přímka má edy var: ( zřejmé, že vždy prochází odem [, ]., z čehož je Řešeý příklad: Výpoče koefceů vyrovávací přímky v ašem případě: ( 4,5 64,,5,5,5-3,5,5 -,5,5 -,5 -,5 -,5 3,5,5 -,5,5,5-3,5 -,5,5 ( 6,5,5,5,5,5,5 6,5,5,5 6,5,5,5 6,5,5 6,5,5,5,5 ( 74, 5 4,5 9, 39, -35, 37,5-3, 5,5-58,5-6,5-8,5 43, 3,5-6,5 35,5 6,5-59,5-4,5 34, ( 98, ( 98, 4,74, 64, 4,74 4,5, 3 74,5 (,3 4,

6 ,3 4, 74 Výklad: Až doud yl áš příup k výěru popý. Daa jme pouze ahradl vyrovávací přímkou. Nyí pořeujeme uč úudky o populac, z íž výěr pochází. Za ím účelem pořeujeme eroj acký model, kerý ám umoží eroj ervaly polehlvo a eova hypoézy. 4.3 Regreí model Předpokládejme že určý poče kalkuláorů jme přděll ěkolka pracovíkům. Celková doa opravy eude u všech ejá. Někeří pracovíc mají věší zkušeo, ěkeří měl můlu a yly jm přděley kalkuláory komplkovaým odraěím poruchy, apod. Tako vyvoříme populac hodo, právěj řečeo rozděleí pravděpodoo a úrov f (. Podoě můžeme eroj aké rozděleí f ( ad. Pak můžeme zázor možu rozděleí ako: f X y X X 3 Aalýza akovýcho rozděleí y yla oížá. Ay yl prolém zvláduelý, aovíme předpoklady ohledě rozděleí : f y E(/X

7 . Leara: Pro každé rozděleí plaí, že ředí hodoa ( X E( E µ leží a přímce o keré víme, že je kuečou regreí přímkou (regreí přímkou populace,.. Homogeí rozpyl: Všecha mají ejý rozpyl. 3. Nezávlo: Náhodé velčy jou avzájem acky ezávle. 4. Normala: Náhodé velčy mají pro,, K, ormálí rozděleí V ěkerých případech je vhodé využí př zápu regreí přímky rezdua e, eol odchylky od její ředí hodoy. Aleraví záp regreího modelu pak vypadá ako: kde e,. E e pro každé,,, Sředí hodoa áhodé ložky je ulová. Tao podmíka zameá, že áhodá ložka epůoí yemackým způoem a hodoy vyvělovaé proměé.. D e pro každé,,, Rozpyl áhodé ložky je koaí (homokedací. Tao podmíka vyjadřuje, že varala áhodé ložky ezáví a hodoách vyvělujících proměých a udíž podmíěá varala vyvělovaé proměé ezáví a hodoách vyvělujících proměých a je rova ezámé kladé koaě. 3. (, Cov e e j pro každé j, kde, j,,, Kovarace áhodé ložky je ulová. Tedy hodoy áhodé ložky jou ekorelovaé a z oho vyplývá ekorelovao růzých dvojc pozorováí vyvělovaé proměé. 4. Normala: Náhodé ložky e mají pro,, K, ormálí rozděleí Proo, aychom mohl model azva leárím regreím modelem, muí ý plěy ješě áledující dvě podmíky: 5. Regreí paramery mohou aýva lovolých hodo. 6. Regreí model je leárí v paramerech. Předpoklady a chž je model založe ověřujeme věšou pomocí jedoduchých eploraorích grafů, rep. pomocí zámých eů. Porováí rezduí čímkol dalším (pozorovaým hodoam, odhaduým hodoam, hodoam X y emělo ukáza žádé yemacké závlo. Nejužečější je v akovém případě čao graf rezduí a předvídaých hodo

8 Rezdua jou áhodě rozmíěa kolem uly a emají žádý zřejmý vzah k předpovídaým hodoám: a e yemacky ezvyšují a e yemacky ežují polu rooucím předpovídaým hodoam a eí zde a ázak eleárího vzahu. Proože předpokládáme, že kolíáí hodo závle proměé kolem regreí přímky je dáo ormálím rozděleím, rezdua y e měla chova alepoň přlžě jako výěr z ormálího rozděleí ulovou ředí hodoou. Q-Q graf rezduí y edy měl ý přlžě přímkou. Normalu a ulovou ředí hodou rezduí můžeme ověř apříklad pomocí Chí-kvadrá eu doré hody a -eu ředí hodoy. 4.4 Odhady koefceů regreí přímky ( a Pro alezeí ervalových odhadů a pořeujeme zá ředí hodoy a rozpyly, a Sředí hodoa a rozpyl Jaký je výzam koefceu? Podle defce udává koefce měrc (klo vyrovávací přímky, což je změa v závlo a změě, z.: udává změu závle proměé př jedokové změě ezávlé proměé. Např. v ašem movačím případě je 4,74, z., že zvýšíme-l pracovíkov poče kalkuláoru o, pak e celková doa pro opravu kalkuláoru zvede o 4,74 mu. Jaké je rozděleí kolem hledaé hodoy ám dává formac o om, jak lízko je odhadovaá přímka kuečé regreí přímce populace.. pravdlo ormálí apromace pro regre

9 Průvodce udem: Odhad koefceu je přlžě ormálě rozděle e ředí hodoou E a rozpylem D. Vdíme, že eují ř způoy, jak íž rozpyl :. Sížeí (rozpýleo, rezduálí měrodaá odchylka. Zvýšeí (rozah výěru 3. Zvýšeí (rozpýleo Zvýšeí azýváme prováhou hodo k. Teo průvodce je opě urče zájemcům o maemacké pozadí použých vzahů. Je věová odvozeí ředí hodoy a rozpylu. Meodou ejmeších čverců jme odvodl, že. Napíšeme-l eo výraz eplcě, odvodíme jedoduše ředí hodou a rozpyl odhadu. K K kde,...,, Sředí hodoa Proože a ím jou koay, plaí:

10 E E E E K K K K Pozámka: Využl jme oho, že: K K K K Rozpyl V ašem regreím modelu předpokládáme, že jou ezávlé, proo rozpyl jejch leárí komace můžeme jedoduše vyjádř jako: D D D D K Model rověž předpokládá, že všecha mají ejý rozpyl, proo:

11 D K K - eoť: K K 4.4. Sředí hodoa a rozpyl. pravdlo ormálí apromace pro regre Odhad koefceu je přlžě ormálě rozděle e ředí hodoou E a rozpylem í D. Odvozeí: Sředí hodoa E E E Pozámka: Využl jme oho, že regreí přímka prochází odem [ ],. Rozpyl

12 D D D D Sředí hodoa a rozpyl 3. pravdlo ormálí apromace pro regre, j. odhad koefceu je přlžě ormálě rozděle e ředí hodoou E a rozpylem D. Pro odvozeí E a Ŷ D je vhodé využí odchylkové formy vyrovávací přímky. Tz. udeme uvažova vyrovávací přímku ve varu: * Sředí hodoa * * E E E E E Rozpyl D D D D D * * Ierval polehlvo a ey pro Zavedl jme pojmy ormala, ředí hodoa a rozpyl, můžeme edy přoup k ervalovým odhadům.

13 Víme, že měrodaá odchylka je -, přčemž ozačuje měrodaou odchylku pozorováí kolem regreí přímky populace (zv. rezduálí měrodaou odchylku. je však oecě ezámá, proo j muíme odhadova. Odhadem je výěrová měrodaá odchylka kolem vyrovávací přímky, přčemž vezmeme v úvahu upě volo : í azýváme výěrová rezduálí měrodaá odchylka. S využím ohoo odhadu můžeme říc, že: í Na základě předpokladu ormaly popovaého regreího modelu lze uoud, že ; ; N N a a základě ackého chováí rezduálího rozpylu víme, že Pomocí éo výěrové aky pak můžeme zkoruova erval polehlvo pro : < < < < ( (,,,,, P P P m Pokud ychom měl pozorováí, vyrovávací přímku jm proložíme jedozačě. Nezývá ám však žádá formace o rozpylu pozorováí kolem vyrovávací přímky. Iformac o rozpylu zíkáme pouze ehdy, mámel k dpozc více ež pozorováí. Tz. použjeme-l rozpyl kolem vyrovávací přímky k odhadu rozpylu kolem regreí přímky, zývá ám (- upňů volo.

14 Řešeý příklad: Hypoéza, že mez a X eí žádý vzah, může ý maemacky vyjádřea jako: H : Tao ulová hypoéza e euje vůč aleravě: H A : pomocí výše uvedeé eové aky Ierval polehlvo a ey pro Př korukc ervalových odhadů a eováí výzamo parameru poupujeme odoě jako v případě parameru. Na základě předpokladu ormaly popovaého regreího modelu lze uoud, že ; ; N N A a základě ackého chováí rozpylu víme, že Pomocí éo výěrové aky pak můžeme zkoruova erval polehlvo pro :,, P P m m Také eováí hypoézy o výzamo parameru e provádí odoě jako v případě parameru. Souhrý ázev pro ey výzamo regreích koefceu azýváme dílčí - ey. Opě e vráíme k ašemu příkladu, vyecháme ručí výpoče a podíváme e, jak pro prolemaku dílčích -eů vypadá výup ackého ofare (Sagraphcu.

15 Typ použého modelu } Závle a ezávle proměá a a Pozorovaé hodoy p-value Dále v přílušém eovém výupu alezeme rovc vyrovávací přímky: Z výledku je paré, že hypoézu H : ezamíeme ohledem a hodou p-value (,3786. Na základě oho můžeme prohlá, že regreí přímka prochází počákem (aoluí čle regreí přímky můžeme vypu (považova za ulový, což je logcký závěr ohledem a povahu da. Druhý z dílčích -eů ám říká, že měrce přímky (Slope je hodoa, kerá e výzamě lší od uly, eoť jme zamíl hypoézu H : (pvalue,. Odhadovaou regreí přímku edy můžeme zapova ve varu: Doa opravy 4,74. Poče kalkuláorů Výklad: 4.5 Ierval polehlvo pro očekávaou hodou E( X Až doud jme udoval apeky ýkající e pozce celé přímky. Nyí e zaměříme a předvídáí za daé úrově. E( X Skuečá regreí fukce Odhadovaá regreí fukce Jaká je pro daý poče kalkuláoru celková doa opravy? Nejlepším odovým odhadem éo doy je zřejmě od a odhadovaé regreí (vyrovávací přímce:

16 Víme, že přeější formac o odhadovaé hodoě ám dá odhad ervalový. Zopakujeme-l výěr, zíkáme jou vyrovávací přímku a ím jou hodou. Všechy hodoy udou kolía kolem X E a udou zázorňova rozděleí. Bodovým odhadem očekávaé hodoy X E pro zadaou hodou je aka: * ( ( ( ( ( ( ( Př hledáí ervalového odhadu pro E( X udeme vycháze zejméa z výše odvozeé -aky: ( S Z í a základě ěžého poupu, aplkovaého př hledáí ervalového odhadu, můžeme zíka ado áledující ervalový odhad pro E( X, e polehlvoí (-: ( ; (,, S S X E P, kde růzé odhady regreích přímek Skuečá regreí fukce

17 (, X E P m Tyo ervalové meze pro pojě e měící hodoy voří zv. pá polehlvo kolem regreí přímky. Šířka ohoo páu je závlá a hodoě Ŷ S. V ěkerých aplkacích e můžeme eka oázkou, pro kerou volu je pá polehlvo ejužší, a udíž aké odhad očekávaé hodoy E( X ejpřeější? Tuo oázku lze zodpovědě alezeím akového op, keré mmalzuje Ŷ S : OPT Vdíme, že pá má ejmeší šířku pro op, a př změě, ať už k věším č meším hodoám, šířka páu mooóě roe. Šířku páu lze do určé míry předem ovlv vhodou volou odů (,...,. 4.6 Ierval predkce pro jedé pozorováí V pra má pro á mohdy věší výzam zv. erval predkce. Teo erval ám dává odpověď a oázku jaký je erval polehlvo, máme-l k dpozc pouze jedé pozorováí a úrov. Př predkc pak muíme vzí v úvahu:

18 Rozpyl odrážející kolíáí jedolvých pozorováí, j. Ŷ D Rozpyl odrážející chyy př odhadu vyrovávací přímky, j. rezduálí rozpyl D D Pro leárí regreí model plaí, že jedolvé hodoy jou ormálě rozpýley kolem regreí přímky (e mají ormálí rozděleí, proo: ; ; N N Zámým způoem yí můžeme odvod erval predkce:, P m Pro doaečě velká e prví dva čley pod odmocou lmě líží ule a pak je erval predkce:, P m 4.7 Ide deermace Pro účely verfkace právo zvoleého regreího modelu louží de deermace. Př aplkac meody ejmeších čverců plaí vzah R Ŷ SS SS SS,

19 kde SS SS ( je celkový ouče čverců, ( je ouče čverců modelu a SS R ( e ( je rezduálí ouče čverců. U ouču čverců modelu y e ve vzorc mío průměru z apozorovaých hodo měl píše ojev průměr z hodo odhaduých. Př aplkac meody ejmeších čverců e však dá odvod, že yo průměry jou ejé, lze edy pá Je zřejmé, že čím je model lepší, ím věších hodo ude aýva ouče čverců modelu a rezduálí ouče čverců ude meší. Naopak špaý model zameá velkou hodou rezduálího ouču čverců ve rováí e oučem čverců modelu. Celou rovo můžeme vyděl celkovým oučem čverců a převé ak a var SS SS Oa zlomky jou kladé, jejch ouče je rove jedčce, edy uě muí ý hodoa oou zlomků mez ulou a jedčkou. Pro přílušé zlomky plaí yí aalogcká úvaha jako pro amoé oučy čverců. Bude-l model doře vyhova závlo vyvělovaé proměé a pravé raě rovce (edy a vyvělující proměé, poroe hodoa prvího zlomku v rovo k jedčce a druhý zlomek e ude líž k ule. Bude-l model popova uvažovaou závlo špaě, ude omu aopak. Je edy logcké vzí prví zlomek jako krérum kvaly regreího modelu. SS SS R Položíme edy R SS SS ( ( a azveme jej deem deermace. Ide deermace R edy udává kvalu regreího modelu, přeěj řečeo udává, kolk proce rozpylu vyvělovaé proměé je vyvěleo modelem a kolk zůalo evyvěleo. Teo de aývá hodo od uly do jedé (eorecky včeě ěcho krajích mezí, přčemž hodoy lízké ule začí špaou kvalu regreího modelu; hodoy lízké jedé začí dorou kvalu regreího modelu, udává e věšou v proceech. Vyjde-l ízká hodoa deu deermace, emuí o ješě zamea ízký upeň závlo mez proměým, ale může o galzova chyou volu ypu regreí fukce

20 Hodoy výše uvedeých ouču čverců prezeuje acký ofare věšou ve formě aulky ANOVA, kerá e vzahuje k eováí hypoézy, zda zvoleá závlo (acký ofare věšou aízí jé ypy regree ež leárí mez velčam euje. Zaímco dílčí -ey e používají pro zjšěí acké výzamo jedolvých regreích koefceů, hodoa aky F-e louží ke zjšěí acké výzamo ěcho koefceů oučaě. Soudoá leraura o leárí regre přom uvádí, že hodoa aky F (edy polečá acká výzamo všech koefceů jako kupy je určující pro výzamo jedolvých koefceů. To zameá, že ychom e měl ejprve zajíma o hodou F-eu, a pokud azačuje výzamo regreích koefceů jako ady, eprve pak korolova výzamo jedolvých koefceů. Pokud ejou koefcey výzamé jako ada, je zyečé zjšťova výzamo u jedolvých hodo. Řešeý příklad: a Nalezěe 95% pá polehlvo a 95% pá predkce kolem regreí přímky pro dou opravy v závlo a poču kalkuláorů (pomocí Sagraphcu. Nalezěe odový odhad, ervalový odhad a erval predkce pro očekávaou dou opravy pě kalkuláorů. c Určee de deermace leárího regreího modelu pro eo případ d Pomocí aulky ANOVA ověře, zda kuečě euje leárí závlo mez udovaým velčam. Řešeí: ada Ierval predkce pro Ierval polehlvo ad Pro 5 doáváme: (5 Bodový odhad: (5 5 7, 37 ( Iervalový odhad pro E( X : ( 5 5 (5 P E X m,975,,95, kde í (

21 P ( E( X 5 69,6;73,68, 95 Ierval predkce: ( 5 5 P m,975,,95, kde P 6,59;8,5,, 95 í ( adc Ide deermace: R SS SS ( ( 686,44,98 654, Ide deermace je 98,%, z. že 98,% celkové doy opravy je vyvěleo leárím regreím modelem. add Souče čverců modelu, rezduálí a celkový Výěrový rezduálí rozpyl Koefce deermace Výěrová rezduálí měrodaá odchylka H : Mez celkovou doou opravy a počem kalkuláoru eeuje leárí závlo. H A : Mez celkovou doou opravy a počem kalkuláoru euje leárí závlo. p-value Zamíáme H, z. leárí závlo považujeme za prokázaou

22 Výklad: 4.8 Rozšířeí modelu Odhad regreí fukce, erval polehlvo pro E(X a erval predkce ám umožňují předvída př lovolé hodoě. Jelže ; ( leží mez pozorovaým hodoam, proce předvídáí e azývá erpolace. Jelže ; ( eleží mez pozorovaým hodoam, proce předvídáí e azývá erapolace. Vzhledem k omu, že jak erval polehlvo pro E(X, ak erval predkce e rozšřují rooucí vzdáleo od, ak čím dále erapolujeme od pozorovaých hodo, ím věší rzko podupujeme. Rzko roe aké proo, že mmo erval pozorovaých hodo emáme formace o použelo modelu. V podaě plaí, že regreí křvka proložeá aměřeým ody popuje chováí proceu pouze v rozahu odoí, keré je ěmo ody pokryo. Prodloužeí regreí křvky mmo oo odoí (erapolace je možé, ale je do jé míry a je jým upěm důvěryhodo. My jme e ezáml meodam, keré umožňují ou důvěryhodo urč. Příklad demagoge v regre: V cvlzovaých zemích kleá děká úmro a v jém odoí lze eo pokle grafcky zázor kleající přímkou. Je zřejmé, že akováo přímka emůže ý lovolě prodloužea. Proceo úmrí proě emůže ý záporé. V jém okamžku e edy přílušá přímka zalomí v olouk a čaem e zhrua uálí a ějaké éměř koaí úrov.v Brá aal oe okamžk zlomu v doě, kdy začalo hromadé očkováí děí. Pro odpůrce očkováí a přílušíky růzých erémích ek o yl dokoalý acký důkaz škodlvo očkováí. Shruí: Čao chceme prozkouma vzah mez dvěma velčam, kde jeda z ch, zv. ezávle proměá, má ovlvňova druhou, zv. závle proměou. Předpokládá e, že oě velčy jou pojé. Prvím krokem ve zkoumáí y mělo ý zakreleí da do odového grafu, zv. korelačího pole a ověřeí oho, zda mez velčam kuečě euje předpokládaá závlo, zv. regree. Výledky éo čá regreí aalýzy jou čao a výupu z počíače prezeováy ve formě aulky aalýzy rozpylu. Nejjedodušší formou regree je jedoduchá leárí regree, kerá předpokládá leárí závlo mez dvěm velčam. Rovc regreí přímky zapujeme ve varu: e Odhad regreí přímky azýváme vyrovávací přímka a zapujeme jej v jedom z ěcho varů:

23 * ( (zv. odchylková forma zápu e (kde e ozačujeme jako chyy predkce (odhadu, rep. rezdua Pokud jou plěy podmíky leárího regreího modelu, můžeme koefcey regreí přímky odhadova meodou ejmeších čverců. Podmíky leárího regreího modelu jou yo: kde e,. E e pro každé,,, Sředí hodoa áhodé ložky je ulová.. D( e pro každé,,, Rozpyl áhodé ložky je koaí. 3. Cov ( e, e j pro každé j, kde, j,,, Kovarace áhodé ložky je ulová. 4. Normala: Náhodé ložky e mají pro,, K, ormálí rozděleí. 5. Regreí paramery mohou aýva lovolých hodo. 6. Regreí model je leárí v paramerech. Podmíky leáríhu regreího modelu je uo v rámc regreí aalýzy ověř. Eec leárího vzahu mez dvěma velčam zjšťujeme ak, že e formálě páme, zda je měrce rova ule. Pokud je odpověď a uo oázku kladá, zameá o, že měrce vyrovávací přímky e lší od uly pouze áhodě, z., že vzah mez ledovaým velčam eí leárí. (Jde o odou eu, kerý je vyhodoce v aulce ANOVA. Odoě můžeme eova výzamo aoluího čleu vyrovávací přímky (. Teům výzamo koefceů vyrovávací přímky říkáme dílčí -ey. Iervalový odhad můžeme př regre hleda jedak pro ředí hodou př daé úrov (E( X, jedad pro jedolvé pozorováí (. Iervalu polehlvo pro jedolvé pozorováí říkáme erval predkce. Tyo ervalové odhady pro pojě e měící hodoy voří zv. pá polehlvo kolem regreí přímky, rep. pá predkce kolem regreí přímky. Kvalu regreího modelu udává de deermace R. Přeěj řečeo udává kolk proce rozpylu vyvělovaé proměé je vyvěleo modelem a kolk zůalo evyvěleo. Regreí model ám umožňuje provádě rověž erapolac, j. odhad závle proměé pro hodoy ezávle proměé ležící mmo erval aměřeých hodo. Erapolace je vždy pojea rzkem, že regreí model mmo erval aměřeých hodo pozývá plao

24 Oázky. Co je o regreí aalýza?. Vyvělee pojmy: vyvělovaá (rep. vyvělující proměá, regreí přímka, vyrovávací přímka, rezdua. 3. K čemu louží meoda ejmeších čverců? Kdy j emůžeme použí? 4. Odvoďe meodou ejmeších čverců koefcey vyrovávací přímky. 5. Jaká je erpreace koefceu? 6. Jakým ukazael měříme ěo vzájemé vzájemé vazy? (vz. Náhodý vekor 7. Čemu říkáme rezduálí rozpyl a čím je způoe? 8. Proč určujeme ervalové odhady koefceů regreí fukce, rep. proč eujeme výzamo koefceů vyrovávací přímky? 9. Vyvělee rozdíl mez páem polehlvo a páem predkce.. Co je o koefce deermace?. Co je o erapolace? Jaká jou její omezeí?

25 Úlohy k řešeí. Př korolích měřeích rozměrů lkáových šíových dílců ylo áhodě vyráo 8 dílců vykazujících vemě kladé odchylky v délce výšce od ormovaých hodo: odchylka délky [mm] odchylka výšky [mm] Najděe leárí regreí model závlo odchylky výšky a odchylce délky. Pouďe vhodo a kvalu ohoo modelu.. V leech yly měřey průoky v proflu ádrže Šace a Oravc a v proflu ádrže Morávka a Morávce. Ročí průměry v m 3 / jou dáy v áledující aulce: rok Šace Morávka rok Šace Moráka 93 4,3, ,68,374 93,386,35 947,45,94 933,576, ,543, ,466, ,55, ,576,8 95,4,9 936,8,93 95,74, ,863, ,79, ,76, ,87, ,7, ,677, ,49,38 955,86, ,466, ,8,4 94,584,76 957,59,65 943,38, ,656, ,7,8 959,447, ,9,43 96,77,679 Za rok 96 chyí hodoa průměrého ročího průoku pro ádrž Morávka. V omo roce čl průměrý ročí průok v proflu ádrže Šace a Oravc,9 m 3 /. Na základě leárí regree odhaděe hodou průměrého ročího průoku ádrže Morávka. (Bodově ervalově. Zvaže, zda je v omo případě erapolace možá

26 Řešeí: ad

27 ad

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA SP Teováí hypoéz PRAVDĚPODOBNOST A STATISTIKA SP Teováí hypoéz Teováí hypoéz Nechť je áhodá proměá, kerá má diribučí fukci Fx, ϑ. Předpokládejme, že záme var diribučí fukce víme jaké má rozděleí a ezáme

Více

11. Regresní analýza. Čas ke studiu kapitoly: 60 minut. Cíl VÝKLAD Úvod

11. Regresní analýza. Čas ke studiu kapitoly: 60 minut. Cíl VÝKLAD Úvod . egresí aalýza Čas ke studu kaptoly: 6 mut Cíl Po prostudováí tohoto odstavce udete umět vysvětlt pojem oecý leárí model prcp leárího regresího modelu používat výsledky regresí aalýzy verfkovat regresí

Více

1 Měření závislosti statistických znaků. 1.1 Dvourozměrný statistický soubor

1 Měření závislosti statistických znaků. 1.1 Dvourozměrný statistický soubor 1 Měřeí závlot tattckých zaků 1.1 Dvourozměrý tattcký oubor Př aalýze ekoomckých kutečotí á čato ezajímají jedotlvé velč jako takové, ale vztah mez m. Ptáme e, jak záví poptávka a ceě produktu, plat zamětaců

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

Odhady a testy hypotéz o regresních přímkách

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

Více

8 DALŠÍ SPOJITÁ ROZDĚLENÍ PRAVDĚPODOBNOSTI

8 DALŠÍ SPOJITÁ ROZDĚLENÍ PRAVDĚPODOBNOSTI 8 DALŠÍ SPOJITÁ ROZDĚLENÍ PRAVDĚPODOBNOSTI Ča ke tudiu kapitoly: 60 miut Cíl: Po protudováí tohoto odtavce budete umět: charakterizovat další typy pojitých rozděleí: χ, Studetovo, Ficher- Sedocorovo -

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

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

PRAVDĚPODOBNOST A STATISTIKA. Testy hypotéz

PRAVDĚPODOBNOST A STATISTIKA. Testy hypotéz SP3 Tey hypoéz PRAVDĚPODOBNOST A STATISTIKA Tey hypoéz Lbor Žá SP3 Tey hypoéz Lbor Žá Tey hypoéz- úvod Nechť X X e áhodý výběr T X X X áhodý veor ezávlé ložy erý má rozděleí závlé a parameru θ Θ Θ R Ozačme:

Více

Kódování Obsah. Galoisova tělesa. Radim Farana Podklady pro výuku. Galoisova tělesa. Cyklické kódy. BCH kódy.

Kódování Obsah. Galoisova tělesa. Radim Farana Podklady pro výuku. Galoisova tělesa. Cyklické kódy. BCH kódy. ..5 Kódováí Radm Faraa Podklady pro výuku Obah Galoova ělea. Cyklcké kódy BCH kódy. Évare Galo * 5.. 8, Bourg-la-Ree, Frace +. 5. 8, Paříž, Frace hp://.qcm-de-culure-geerale.com/che-de-revo- 75-Evare-Galo-8-8-.hml

Více

SP NV Normalita-vlastnosti

SP NV Normalita-vlastnosti SP - - NV Normala-vlasos Přpomeuí vlasosí Normálího rozděleí Charakerscká fukce Lévyho-Ldebergova věa - cerálí lmí věa -rozměré ormálí rozděleí -rozměré ormálí rozděleí Přpomeuí vlasosí Normálího rozděleí

Více

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

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

Více

} kvantitativní znaky

} kvantitativní znaky Měřeí tattcké závlot, korelace, regree Obecé prcpy závlot vzájemá ouvlot měřeých zaků Prof. RNDr. Jaa Zvárov rová,, DrSc. fukčí závlot x tattcká závlot átroje pro měřeí závlot leár rí regree korelace }

Více

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

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

Více

, 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

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

Lineární regrese ( ) 2

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

Více

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

Řešení soustav lineárních rovnic

Řešení soustav lineárních rovnic Řešeí sousv lieáríc rovic Sousv lieáríc rovic Sousvou m lieáríc rovic o ezámýc rozumíme sousvu : Kde ij i R M m m Čísl ij zýváme koeficiey sousvy čísl i soluí čley Uvedeou sousvu udeme zči Sm m M m Homogeí

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

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

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA VZORCE PRO 4ST201

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA VZORCE PRO 4ST201 VYOKÁ ŠKOLA EKONOMICKÁ V RAZE FAKULTA INFORMATIKY A TATITIKY Kaedra a a ravděodobo TATITIKA VZORCE RO 4T verze 4. oledí aualzace: 6.8.6 KT 6 oá aa oá aa =,,..., () ()...,,,, z z z z z H H H G... R = ma

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

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

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

FINANČNÍ MATEMATIKA- JEDNODUCHÉ ÚROKOVÁNÍ

FINANČNÍ MATEMATIKA- JEDNODUCHÉ ÚROKOVÁNÍ Projek ŠABLONY NA GVM Gymázium Velké Meziříčí regisračí číslo projeku: CZ..7/.5./34.948 IV-2 Iovace a zkvaliěí výuky směřující k rozvoji maemaické gramoosi žáků sředích škol FINANČNÍ MATEMATIA- JEDNODCHÉ

Více

Přijímací zkouška na navazující magisterské studium 2016

Přijímací zkouška na navazující magisterské studium 2016 Přijímací zkouška a avazující magiserské sudium 2016 Sudijí program: Sudijí obor: Maemaika Fiačí a pojisá maemaika Variaa A Řešeí příkladů pečlivě odůvoděe. Věuje pozoros ověřeí předpokladů použiých maemaických

Více

Interval spolehlivosti pro podíl

Interval spolehlivosti pro podíl Iterval polehlivoti pro podíl http://www.caueweb.org/repoitory/tatjava/cofitapplet.html Náhodý výběr Zkoumaý proce chápeme jako áhodou veličiu určitým ám eámým roděleím a měřeá data jako realiace této

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

Technická kybernetika. Obsah. Laplaceova transformace. Akademický rok 2017/2018. Připravil: Radim Farana

Technická kybernetika. Obsah. Laplaceova transformace. Akademický rok 2017/2018. Připravil: Radim Farana 8..8 kdemický rok 7/8 Připrvil: Rdim Fr Techická kyereik Lplceov rformce Oh Lplceov rformce Lplceov rformce Lplceov rformce L-rformce převuje velmi účiý ároj při popiu, lýze yéze pojiých lieárích yémů

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

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

Téma 5: Analýza závislostí

Téma 5: Analýza závislostí Aalýza závlotí Téma 5: Aalýza závlotí Předáša 5 Závlot mez ev Záladí pom Předmětem této aptol ude zoumáí závlotí ouvlotí mez dvěma a více ev. Jedá e o proutí do vztahů mez ledovaým ev a tím přlížeí tzv.

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

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

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

Základy teorie chyb a zpracování fyzikálních měření Jiří Novák

Základy teorie chyb a zpracování fyzikálních měření Jiří Novák Zálad eore chb a zpracováí zálích měřeí Jří ová Teo e je zamýšle jao pomůca pro vpracováí laboraorích úloh z z Je urče pouze pro sudjí účel a jeho účelem je objas meod zpracováí měřeí Chb měřeí Druh chb

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

Korelační analýza. sdružené regresní přímky:

Korelační analýza. sdružené regresní přímky: Koelčí lýz - ooutá závlot dvou tttckých zků; - hodot jou zíká pozoováím, ez možot ovlvěí; - eí možo ozlšt závle ezávle poměou; - hlvím átojem je ze metod ejmeších čtveců; - kždou z oou možých závlotí vthuje

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

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

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

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA. VZORCE PRO 4ST201 a 4ST210

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA. VZORCE PRO 4ST201 a 4ST210 VYOKÁ ŠKOLA EKONOMICKÁ V RAZE FAKULA INFORMAIKY A AIIKY Kaedra sas a pravděpodobos AIIKA VZORCE RO 4 a 4 verze 8 posledí aualzace:. 9. 8 K 8 opsá sasa p p =,,...,... () () ( ),, z, ( z ) ( z ) ( z), z

Více

9. Měření závislostí ve statistice Pevná a volná závislost

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

Více

SEMESTRÁ LNÍ PRÁ CE. Licenč ní studium STATISTICKÉZPRACOVÁ NÍ DAT PŘ I KONTROLE A Ř ÍZENÍ JAKOSTI

SEMESTRÁ LNÍ PRÁ CE. Licenč ní studium STATISTICKÉZPRACOVÁ NÍ DAT PŘ I KONTROLE A Ř ÍZENÍ JAKOSTI SEMESTRÁ LNÍ PRÁ CE Lceč í tudum STTISTICKÉZPRCOVÁ NÍ DT PŘ I KONTROLE Ř ÍZENÍ JKOSTI Předmě t MTEMTICKÉPRINCIPY NLÝ ZY VÍCEROZMĚ RNÝ CH DT Ú ta epemetá lí bofamace, Hadec Ká loé Ig. Mata Růžčkoá PDF byl

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojního inženýrství. Matematika IV. Semestrální práce

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojního inženýrství. Matematika IV. Semestrální práce VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta troího ižeýrtví Matematika IV Semetrálí práce Zpracoval: Čílo zadáí: 7 Studií kupia: Datum: 8.4. 0 . Při kotrole akoti výrobků byla ledováa odchylka X [mm] eich rozměru

Více

8 NELINEÁRNÍ REGRESNÍ MODELY

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

Více

ZÁKLADY STAVEBNÍ MECHANIKY

ZÁKLADY STAVEBNÍ MECHANIKY VYSOKÉ ČENÍ TECHNCKÉ V BRNĚ FKLT STVEBNÍ NG. JŘÍ KYTÝR CSc. NG. ZBYNĚK KERŠNER CSc. NG. ROSTSLV ZÍDEK NG. ZBYNĚK VLK ZÁKLDY STVEBNÍ MECHNKY MODL BD-MO PRŮŘEZOVÉ CHRKTERSTKY STDJNÍ OPORY PRO STDJNÍ PROGRMY

Více

1.2. NORMA A SKALÁRNÍ SOUČIN

1.2. NORMA A SKALÁRNÍ SOUČIN 2 NORMA A SKALÁRNÍ SOUČIN V této kapitole se dozvíte: axiomatickou defiici ormy vektoru; co je to ormováí vektoru a jak vypadá Euklidovská orma; axiomatickou defiici skalárího (také vitřího) součiu vektorů;

Více

9. REGRESNÍ A KORELAČNÍ ANALÝZA

9. REGRESNÍ A KORELAČNÍ ANALÝZA Pravděpodobot a tattka 9. REGRESNÍ A KORELAČNÍ ANALÝZA Průvodce tudem V předchozí kaptole jme uvedl způob, jak popat leárí závlot mez dvěma argumety a její míru. Užtím korelačích poměrů je možé zjtt, zda

Více

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA VZORCE PRO 4ST201

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA VZORCE PRO 4ST201 VYOKÁ ŠKOLA EKONOMICKÁ V RAZE FAKULTA INFORMATIKY A TATITIKY Kaedra a a ravděodobo TATITIKA VZORCE RO 4T verze.3 oledí aualzace: 4.9.9 KT 9 oá aa,,..., ɶ < z < + < z < + +,5 z +, 5 z H H H G... G... R

Více

8.2.1 Aritmetická posloupnost I

8.2.1 Aritmetická posloupnost I 8.2. Aritmetická posloupost I Předpoklady: 80, 802, 803, 807 Pedagogická pozámka: V hodiě rozdělím třídu a dvě skupiy a každá z ich dělá jede z prvích dvou příkladů. Čley posloupostí pak při kotrole vypíšu

Více

Vztahy mezi základním souborem a výběry. Základní pojmy a symboly. K čemu to je dobré? Výběrové metody zkoumání

Vztahy mezi základním souborem a výběry. Základní pojmy a symboly. K čemu to je dobré? Výběrové metody zkoumání K čemu to je dobé? Obvyklým případem při zpacováí homadých jevů je, že máme poměě malý počet pozoováí ějaké veličiy a chceme učiit závěy o tom, co bychom obdželi, kdybychom měli pozoováí mohokát více.

Více

OBJEKTOVÁ ALGEBRA. Zdeněk Pezlar. Ústav Informatiky, Provozně-ekonomická fakulta MZLU, Brno, ČR. Abstrakt

OBJEKTOVÁ ALGEBRA. Zdeněk Pezlar. Ústav Informatiky, Provozně-ekonomická fakulta MZLU, Brno, ČR. Abstrakt OBEKTOVÁ ALGEBRA Zdeěk Pezlar Úsav Iformaiky, Provozě-ekoomická fakula MZLU, Bro, ČR Absrak V objekovém modelu da defiujeme objekové schéma (řídu) jako čveřici skládající se ze jméa řídy, aribuů, domé

Více

6 Algoritmy ořezávání a testování polohy

6 Algoritmy ořezávání a testování polohy 6 lgorim ořezáváí a esováí poloh Sudijí íl Teo blok je věová problemaie vzájemé poloh grafikýh primiiv, zejméa poloze bodu vzhledem k mohoúhelíku včeě jedolivýh speifikýh varia jako jsou čřúhelík, jehož

Více

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

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

Více

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

FINANČNÍ MATEMATIKA- SLOŽENÉ ÚROKOVÁNÍ

FINANČNÍ MATEMATIKA- SLOŽENÉ ÚROKOVÁNÍ Projek ŠABLONY NA GVM Gymázium Velké Meziříčí regisračí číslo projeku: CZ..7/../.98 IV- Iovace a zkvaliěí výuky směřující k rozvoji maemaické gramoosi žáků sředích škol FINANČNÍ MATEMATIA- SLOŽENÉ ÚROOVÁNÍ

Více

L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y

L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE KATED RA F YZIKY L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y Jméo TUREČEK Daiel Datum měřeí 8.11.2006 Stud. rok 2006/2007 Ročík 2. Datum odevzdáí 15.11.2006 Stud.

Více

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA VZORCE PRO 4ST201

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA VZORCE PRO 4ST201 VYOKÁ ŠKOLA EKONOMICKÁ V RAZE FAKULTA INFORMATIKY A TATITIKY Kaedra a a ravděodobo TATITIKA VZORCE RO 4T verze. oledí aalzace:.9.8 KT 8 oá aa,,..., % z z,5 z, 5 z H H H G... G... R ma - m ( ( ( ( ( ( V

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

Odezva na obecnou periodickou budící funkci. Iva Petríková Katedra mechaniky, pružnosti a pevnosti

Odezva na obecnou periodickou budící funkci. Iva Petríková Katedra mechaniky, pružnosti a pevnosti Odezva a obecou periodickou budící fukci Iva Períková Kaedra mechaiky, pružosi a pevosi Obsah Fourierovy řady Odezva a polyharmoickou fukci Odezva a obecou periodickou fukci Odezva a jedokový skok Příklad

Více

Interpolační křivky. Interpolace pomocí spline křivky. f 1. f 2. f n. x... x 2

Interpolační křivky. Interpolace pomocí spline křivky. f 1. f 2. f n. x... x 2 Iterpolace pomocí sple křvky dáo: bodů v rově úkol: alézt takovou křvku, která daým body prochází y f f 2 f 0 f x0 x... x 2 x x Iterpolace pomocí sple křvky evýhodou polyomálí terpolace změa ěkterého z

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

PRAVDĚPODOBNOST A STATISTIKA

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

Více

7 VYUŽITÍ METOD OPERAČNÍ ANALÝZY V TECHNOLOGII DOPRAVY

7 VYUŽITÍ METOD OPERAČNÍ ANALÝZY V TECHNOLOGII DOPRAVY 7 VYUŽITÍ METOD OERAČNÍ ANALÝZY V TECHNOLOGII DORAVY Operačí aalýza jao jeda z oblatí apliovaé matematiy achází vé široé uplatěí v průmylových a eoomicých apliacích. Jedím z oborů, ve teré hraje ezatupitelou

Více

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz:

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

Více

1.6. Srovnání empirických a teoretických parametrů (4.-5.předn.)

1.6. Srovnání empirických a teoretických parametrů (4.-5.předn.) .6. rováí empirických a eoreických paramerů (4.-5.před.) Cíle: - pravděpodobosí zkoumáí výběrového saisického souboru: kvaifikace eoreických paramerů, srováí eoreických a empirických paramerů (Probable

Více

1. Rozdělení četností a grafické znázornění Předpokládejme, že při statistickém šetření nás zajímá jediný statistický znak x, který nabývá

1. Rozdělení četností a grafické znázornění Předpokládejme, že při statistickém šetření nás zajímá jediný statistický znak x, který nabývá Statitická šetřeí a zpracováí dat Statitika e věda o metodách běru, zpracováí a vyhodocováí tatitických údaů. Statitika zkoumá polečeké, přírodí, techické a. evy vždy a dotatečě rozáhlém ouboru údaů. Matematická

Více

8.2.1 Aritmetická posloupnost

8.2.1 Aritmetická posloupnost 8.. Aritmetická posloupost Předpoklady: 80, 80, 803, 807 Pedagogická pozámka: V hodiě rozdělím třídu a dvě skupiy a každá z ich dělá jede z prvích dvou příkladů. Př. : V továrě dokočí každou hodiu motáž

Více

Asynchronní motory Ing. Vítězslav Stýskala, Ph.D., únor 2006

Asynchronní motory Ing. Vítězslav Stýskala, Ph.D., únor 2006 8 ELEKTRCKÉ STROJE TOČVÉ říklad 8 Základí veličiy Určeo pro poluchače akalářkých tudijích programů FS Aychroí motory g Vítězlav Stýkala, hd, úor 006 Řešeé příklady 3 fázový aychroí motor kotvou akrátko

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

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

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

Statistické charakteristiky (míry)

Statistické charakteristiky (míry) Stattcé charaterty (míry) - hrují formac, obažeou v datech (vyjadřují j v ocetrovaé formě); - charaterzují záladí ryy zoumaého ouboru dat; - umožňují porováváí více ouborů. upy tattcých charatert :. charaterty

Více

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA. VZORCE PRO 4ST201 a 4ST210

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA. VZORCE PRO 4ST201 a 4ST210 VYOKÁ ŠKOLA EKONOMICKÁ V RAZE FAKULA INFORMAIKY A AIIKY Kaedra sas a ravděodobos AIIKA VZORCE RO 4 a 4 verze 8 osledí aualzace:. 9. 8 K 8 osá sasa,,...,... ( ( (,, z +, ( z ( z + ( z+, z H H H G... R ma

Více

MATICOVÉ HRY MATICOVÝCH HER

MATICOVÉ HRY MATICOVÝCH HER MATICOVÉ HRY FORMULACE, KONCEPCE ŘEŠENÍ, SMÍŠENÉ ROZŠÍŘENÍ MATICOVÝCH HER, ZÁKLADNÍ VĚTA MATICOVÝCH HER CO JE TO TEORIE HER A ČÍM SE ZABÝVÁ? Teorie her je ekoomická vědí disciplía, která se zabývá studiem

Více

NUMP403 (Pravděpodobnost a Matematická statistika II) 1. Na autě jsou prováděny dvě nezávislé opravy a obě opravy budou hotovy do jedné hodiny.

NUMP403 (Pravděpodobnost a Matematická statistika II) 1. Na autě jsou prováděny dvě nezávislé opravy a obě opravy budou hotovy do jedné hodiny. Spojiá rozdělení I.. Na auě jou prováděny dvě nezávilé opravy a obě opravy budou hoovy do jedné hodiny. Předpokládejme, že obě opravy jou v akové fázi, že rozdělení čau do ukončení konkréní opravy je rovnoměrné.

Více

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

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

Více

DIMENZOVÁNÍ KOMPOZITNÍCH PROFILŮ PREFEN

DIMENZOVÁNÍ KOMPOZITNÍCH PROFILŮ PREFEN DIMNZOVÁNÍ KOMPOZITNÍCH PROFILŮ PRFN 1 Kulkova 10/4231, 615 00 Bro el.: 541 583 208, 297, fa.: 549 254 556 e-mail: kompozi@prefa.cz hp://www.prefa-kompozi.cz DIMNZOVÁNÍ PROFILŮ Maeriálová srukura, základí

Více

Téma 1: Pravděpodobnost

Téma 1: Pravděpodobnost ravděpodobot Téma : ravděpodobot ředáša - ravděpodobot áhodého evu Náhodý pou a áhodý ev Náhodý pou - aždá čot, eíž výlede eí edozačě urče podmíam, za terých probíhá apř hod otou, měřeí dély, běh a 00

Více

1.3. ORTOGONÁLNÍ A ORTONORMÁLNÍ BÁZE

1.3. ORTOGONÁLNÍ A ORTONORMÁLNÍ BÁZE ORTOGONÁLNÍ A ORTONORMÁLNÍ BÁZE V této kaptole se dozvíte: jak je oecě defováa kolmost (ortogoalta) vektorů; co rozumíme ortogoálí a ortoormálí ází; co jsou to tzv relace ortoormalty a Croeckerovo delta;

Více

Testování statistických hypotéz

Testování statistických hypotéz Tetováí tatitických hypotéz CHEMOMETRIE I, David MILDE Jedá e o jedu z ejpoužívaějších metod pro vyloveí závěrů o základím ouboru, který ezkoumáme celý, ale pomocí áhodého výběru. Př.: Je obah účié látky

Více

NEPARAMETRICKÉ METODY

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

Více

8. Odhady parametrů rozdělení pravděpodobnosti

8. Odhady parametrů rozdělení pravděpodobnosti Pozámky k předmětu Aplikovaá statistika, 8 téma 8 Odhady parametrů rozděleí pravděpodobosti Zaměříme se a odhad středí hodoty a rozptylu a to dvěma způsoby Předpokládejme, že máme áhodý výběr X 1,, X z

Více

Měření závislostí. Statistická závislost číselných znaků

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

Více

Petr Šedivý Šedivá matematika

Petr Šedivý  Šedivá matematika LIMITA POSLOUPNOSTI Úvod: Kapitola, kde poprvé arazíme a ekoečo. Argumety posloupostí rostou ade všechy meze a zkoumáme, jak vypadají hodoty poslouposti. V kapitole se sezámíte se základími typy it a početími

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

STUDIUM MAXWELLOVA ZÁKONA ROZDĚLENÍ RYCHLSOTÍ MOLEKUL POMOCÍ DERIVE 6

STUDIUM MAXWELLOVA ZÁKONA ROZDĚLENÍ RYCHLSOTÍ MOLEKUL POMOCÍ DERIVE 6 Středoškolská techika 00 Setkáí a prezetace prací středoškolských studetů a ČVUT STUDIUM MAXWELLOVA ZÁKONA ROZDĚLENÍ RYCHLSOTÍ MOLEKUL POMOCÍ DERIVE 6 Pavel Husa Gymázium Jiřího z Poděbrad Studetská 66/II

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

Lineární regresní model (VJ REGMOD-2)

Lineární regresní model (VJ REGMOD-2) eárí regresí model (VJ REGOD-) Základí formace V rámc této výukové jedotky s adefujeme leárí regresí model a sezámíme se s typy proměých využtelých jako predktory (vysvětlující proměé) v takovém modelu.

Více

Obr. DI-1. K principu reverzibility (obrácení chodu paprsků).

Obr. DI-1. K principu reverzibility (obrácení chodu paprsků). Učebí text k předášce UFY8 Dvojvzková tererece teké vrtvě Dvojvzková tererece teké vrtvě Předpokládejme, vl o mpltudě dvou delektrk tk, že mpltud održeé vly bude o dexu lomu bude t (vz obr. DI-1). v protředí

Více

Investiční činnost. Existují různá pojetí investiční činnosti: Z pohledu ekonomické teorie. Podnikové pojetí investic

Investiční činnost. Existují různá pojetí investiční činnosti: Z pohledu ekonomické teorie. Podnikové pojetí investic Ivesičí čios Exisují růzá pojeí ivesičí čiosi: Z pohledu ekoomické eorie Podikové pojeí ivesic Klasifikace ivesic v podiku 1) Hmoé (věcé, fyzické, kapiálové) ivesice 2) Nehmoé (emaeriálí) ivesice 3) Fiačí

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

14. B o d o v é o d h a d y p a r a m e t r ů

14. B o d o v é o d h a d y p a r a m e t r ů 4. B o d o v é o d h a d y p a r a m e t r ů Na základě hodot áhodého výběru z rozděleí určitého typu odhadujeme parametry tohoto rozděleí, tak aby co ejlépe odpovídaly hodotám výběru. Formulujme tudíž

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

Vzorový příklad na rozhodování BPH_ZMAN

Vzorový příklad na rozhodování BPH_ZMAN Vzorový příklad a rozhodováí BPH_ZMAN Základí charakteristiky a začeí symbol verbálí vyjádřeí iterval C g g-tý cíl g = 1,.. s V i i-tá variata i = 1,.. m K j j-té kriterium j = 1,.. v j x ij u ij váha

Více

f(x) f(x 0 ) = a lim x x0 f f(x 0 + h) f(x 0 ) (x 0 ) = lim f(x + h) f(x) (x) = lim

f(x) f(x 0 ) = a lim x x0 f f(x 0 + h) f(x 0 ) (x 0 ) = lim f(x + h) f(x) (x) = lim KAPITOLA 4: 4 Úvod Derivace fkce [MA-8:P4] Moivačí příklady: okamžiá ryclos, směrice ečy Defiice: Řekeme, že fkce f má v bodě derivaci [ derivaci zleva derivaci zprava ] rov čísl a, jesliže exisje [ x

Více

Obr. PB1.1: Schématické zobrazení místa.

Obr. PB1.1: Schématické zobrazení místa. 97 Projekové zadání PB1 Poouzení nehodové udáoi Na zákadě chémau nehody oveďe vyhodnocení nehodové udáoi. Určee: - paramery oai řeu pode chémau na orázku Or. PB1.1 ( x1, x, y1, y, x1, x, y1, y ); - zda

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