Základy matematickej štatistiky. Matematická štatistika p. 1/75
|
|
- Lenka Procházková
- před 7 lety
- Počet zobrazení:
Transkript
1 Základy matematickej štatistiky Matematická štatistika p. 1/75
2 1. Úvod do teórie pravdepodobnosti Matematická štatistika p. 2/75
3 Náhodné udalosti Uvažujme pokus, výsledok ktorého závisí od náhode Elementárny jav je jednotlivý výsledok pokusu Priestor elementárnych Å javov je množina všetkých elementárnych udalostí Náhodné javy sú l ubovol né Å podmnožiny Istý jav je jav čo nastane vždy Nemožný jav je jav čo nenastane nikdy Náhodné javy sú množiny µ Ì Ë Ò Matematická štatistika p. 3/75
4 Pravdepodobnost javu je číselné vyjadrenie miery Pravdepodobnost È jeho náhodnosti. Existujú rôzne spôsoby definovania pravdepodobnosti (geometricky, štatisticky, axiomaticky, klasicky,... ) Klasická definícia pravdepodobnosti Elementárne udalosti sú nedelitel né a vzájomne sa vylučujúce Elementárne udalosti sú rovnako možné Pre Å ½ ¾ Ò platí pre každú dvojicu rôznych indexov a a È ½ Ò Matematická štatistika p. 4/75
5 Vlastnosti pravdepodobnosti Pravdepodobnost je funkcia (náhodného javu) s nasledujúcimi vlastnost ami (nezávislými od definície): 1. ¼ È ½ 2. ÈÅ ½ 3. È ½ ¾ Ò È ½ È ¾ È Ò, ak Ďalšie vlastnosti sa z nich dajú odvodit, napr. 1. È ½ È È ¼ 2. È Ò È È 3. È È È È Matematická štatistika p. 5/75
6 È È Nezávislost a podmienená pravdepodobnost Nezávislost náhodných javov je jeden z najdôležitejších pojmov v pravdepodobnosti a štatistike a znamená, že sa dva javy navzájom neovplyvňujú Dva náhodné javy sa nazývajú nezávislé ak È ÈÈ Ovplyvnenie jedného náhodného javu iným určuje podmienená pravdepodobnost Pravdepodobnost javu za podmienky, že jav určite nastane sa označuje È a platí È Matematická štatistika p. 6/75
7 µ Ü Náhodná veličina Matematicky je výhodné náhodné javy nahradit (náhodnými) číselnými hodnotami Náhodná ( veličina ) je zobrazenie (funkcia), ktorá každému elementárnemu javu priradí číselnú hodnotu: Matematická štatistika p. 7/75
8 Distribučná funkcia náhodnej veličiny Pre presné určenie náhodnej veličiny potrebujeme okrem Ü hodnôt aj pravdepodobnosti, s ktorými sú tieto hodnoty nadobúdané Distribučná funkcia ܵ ܵ náhodnej veličiny je funkcia È Üµ Ü ¾ Ê Ü, Vlastnosti distribučnej funkcie: ÐÑ 1. ܵ ¼ ÐÑ Ü ½ ܵ ½ Ü ½ ܵ 2. je neklesajúca funkcia 3. ܵ je v každom bode Ü zl ava spojitá funkcia, t.j. ÐÑ ÞÜ Þµ ܵ Matematická štatistika p. 8/75
9 Distribučná funkcia náhodnej veličiny Ďalšie potrebné vzt ahy: È Ü ÐÑ 1. ÞÜ È Ü ÐÑ 2. ÞÜ Þµ 3. È µ µ Þµ ܵ È µ ÐÑ 4. Þ È ÐÑ 5. Þ È ÐÑ 6. Þ Þµ Þµ Þµ ÐÑ Þ µ Þµ Matematická štatistika p. 9/75
10 Typy náhodných veličín Podl a nadobúdaných hodnôt sa náhodné veličiny najčastejšie delia na: diskrétne náhodné veličiny nadobúdajúce konečný alebo spočítatel ný počet hodnôt zadaných tabul kou alebo vzorcom spojité náhodné veličiny nadobúdajúce hodnoty z nejakého intervalu zadávaných obyčajne hustotou rozdelenia, nezápornou Ô funkciou ܵ Matematická štatistika p. 10/75
11 È Ü µ µ Hustota rozdelenia spojitej náhodnej veličiny Náhodná veličina sa nazýva spojitou, ak existuje nezáporná funkcia Ô Üµ Ô Üµ taká, že ܵ ÜÊ Užitočné vzt ahy: 1. Ô Üµ ¼ ܵ Ô ØµØ ½ 2. ½ Ê Ô ØµØ ½ ½ 3. È Ü È Ü È Ü Matematická štatistika p. 11/75
12 Číselné charakteristiky náhodných veličín Popisujú niektoré základné vlastnosti náhodných veličín a sú l ahko dostupné Najpoužívanejšie charakteristiky sú: Stredná hodnota náhodnej veličiny je číslo, z okolia ktorého nadobúda najpravdepodobnejšie svoje hodnoty Rozptyl náhodnej veličiny je číslo, ktoré určuje mieru rozptýlenosti hodnôt veličiny okolo, odmocnina z rozptylu je smerodajná odchýlka Koeficient ± korelácie ± určuje vzájomný lineárny vzt ah dvoch náhodných veličín a Matematická štatistika p. 12/75
13 ½ È ½ ½ È ½ Ü Ô µ ¾ Ê ½ Definície strednej hodnoty a rozptylu diskrétna n. v. spojitá n. v. Ô È Ü Ô Üµ je hustota rozdelenia ½ ÜÔ ÜµÜ ½ È ½ Ü µ ¾ Ô ½ Ê Ü µ ¾ Ô ÜµÜ ½ Ak ܵ je funkcia a je náhodná veličina, tak µ je tiež náhodná veličina a platí Ü µô, resp. ½ Ê ÜµÔ ÜµÜ ½ Matematická štatistika p. 13/75
14 µ ¾ ¾ ½ ¾ Ò µ ½ ¾ Ò ¾ Ò Základné vlastnosti strednej hodnoty a rozptylu Pre l ubovol nú náhodnú veličinu s Ñ, ¾ a reálne čísla, platí Štandardizácia n. v.: Ñ ¼, ½ Pre l ubovol né náhodné veličiny, ½ ¾ Ò platí µ Ñ ½ ¾ Ò µ ½ ¾ Ò Ak sú nezávislé, platí ½ ¾ Ò µ ½ ¾ Ò Ak naviac Ñ, ¾ a ½ ¾ Ò Ò, tak Ñ Matematická štatistika p. 14/75
15 µ µµ Ô Definícia a základné vlastnosti korelačného koeficientu Koeficient korelácie ± dvoch n. v. a sa definuje vzt ahom Základné vlastnosti: ± 1. ± ½, ± ½ 2. Ak, tak ± ±. T.j. lineárna transformácia nemení korelačný koeficient Matematická štatistika p. 15/75
16 Ô Ô ½ Ôµ Základné rozdelenia Diskrétne rozdelenia Alternatívne rozdelenie Parametre a Ô ¾ ¼ ½µ vzorec ½ Ô È ¼ ½ Ô È Použitie Ak má iba dva výsledky: jav bud nastane (s pravdepodobnost ou Ô) alebo nenastane (s pravdepodobnost ou ½ Ô) Charakteristiky Matematická štatistika p. 16/75
17 Ò ½ ÒÔ ÒÔ ½ Ôµ Základné rozdelenia Diskrétne rozdelenia Binomické rozdelenie Parametre a Ô ¾ ¼ ½µ vzorec È Ò Použitie Pre Ò nezávislých rovnakých pokusov, v ktorých jav nastane s pravdepodobnost ou Ô, n. v. určuje počet výskytov javu v týchto Ò pokusoch Charakteristiky Ô ½ Ôµ Ò ¼ ½ Ò Matematická štatistika p. 17/75
18 Základné rozdelenia Diskrétne rozdelenia Binomické rozdelenie pravdepodobnosti Ô ¼º ¼º½ Ò ½ Ô ¼¾ Ò ¼ Ô ¼ ¼º½¾ ¼º ¼º¼ ¼º¾ ¼º¼ ¼º½ ¼º¼ ¼ ¼ ¼ ½¾ ½ ¼ ½¼ ¾¼ ¼ ¼ ¼ Matematická štatistika p. 18/75
19 Základné rozdelenia Diskrétne rozdelenia Poissonovo rozdelenie Parametre a ¼ vzorec È Ø Øµ ¼ Ø e Ø ¼ ½ Použitie Pre sledovanie počtu výskytov javu za čas Ø (počet porúch, obslúh,... ) Charakteristiky Ø Ø Relácie Poissonovo rozdelenie môže nahradit binomické ak Ò ½, Ô ½ a ÒÔ Matematická štatistika p. 19/75
20 Základné rozdelenia Diskrétne rozdelenia Poissonovo rozdelenie pravdepodobnosti Ô ¼º¾ ¼º¾ Ø Ø ½¼ ¼º½ ¼º½ ¼º½ ¼º½ ¼º¼ ¼º¼ ¼ ¼ ¼ ½¼ ½ ¾¼ ¾ ¼ ½¼ ½ ¾¼ ¾ Matematická štatistika p. 20/75
21 ¼ ak Ü ¾ Á ½ ܵ ak Ü ¼ Ü Základné rozdelenia Spojité rozdelenia Rovnomerné rozdelenie Parametre a hustota rozdelenia Á Interval Ô Üµ ak Ü ¾ Á Použitie Generátor náhodných čísel Charakteristiky µ¾ ½¾ ¾ ak Ü ¾ Á ½ ak Ü Matematická štatistika p. 21/75
22 ½ Æ ¾ Základné rozdelenia Spojité rozdelenia Exponenciálne rozdelenie Parametre a hustota rozdelenia Æ ¼ Ô Üµ ¼ ak Ü ¼ Æe ÆÜ ak Ü ¼ Použitie Vyjadruje dobu medzi dvoma výskytmi javu (dobu životnosti, dobu obsluhy,... ) Charakteristiky ½ Æ Üµ ¼ ak Ü ¼ e ÆÜ ak Ü ¼ ½ Matematická štatistika p. 22/75
23 Základné rozdelenia Spojité rozdelenia Exponenciálne rozdelenie hustota rozdelenia ¾ ½º ½ Æ ¾ ¼º Æ ½ Æ ¼ ¼ ¼ ¾ Matematická štatistika p. 23/75
24 ܵ ¾ ¾ Ø Æ ¼ ½µ ¼ ½ ܵ ܵ Základné rozdelenia Spojité rozdelenia Normálne rozdelenie Parametre a hustota Ñ ¾ Ê rozdelenia ¼µ ¾ ¾ Ô Üµ Ô e Ü Ñµ ¾ ¾ ½ ¾ Použitie Vyjadruje chybu pri meraní, výšku l udí,... Charakteristiky Ñ ¾, (zápis: Æ Ñ ¾ µ) Ü Ñ Ñµ¾ Ê Ô ¾ e Ø Ô ½ ¾ e ¾ Ü Ñ ¾ ÜÊ ½ µ Štandardné normálne rozdelenie (tabelované) ½ ½ Matematická štatistika p. 24/75
25 Základné rozdelenia Spojité rozdelenia Normálne rozdelenie hustota rozdelenia ¼º ½ Ñ ¼ ¼º Ñ ¼ Ñ ¼ Ñ ¾ ¼º ½ ¼º¾ ¾ ¼ ¹ ¹¾ ¼ ¾ ¹ ¹¾ ¼ ¾ Matematická štatistika p. 25/75
26 Tabul ka hodnôt ܵ distribučnej funkcie Æ ¼ ½µ ¼ ½µ Æ Matematická štatistika p. 26/75
27 2. Úvod do matematickej štatistiky Matematická štatistika p. 27/75
28 Úvod V matematickej štatistike skúmame vlastnosti hromadných náhodných javov na základe empirických údajov Základným nástrojom na zist ovanie informácií o náhodných javoch je teória pravdepodobnosti Otázky kladené štatistikou: 1. Aká náhodná veličina je použitá v dátach a aké sú jej parametre? (Odhadnime jej typ rozdelenia aj jeho parametre, ktoré nepoznáme!) 2. Aké údaje máme k dispozícii? (Urobme meranie, či experiment a zaregistrujme hodnoty!) 3. Ako analyzujeme a interpretujeme namerané údaje? (Použime teóriu 1. na prax 2.!) Matematická štatistika p. 28/75
29 Náhodný výber a štatistický súbor Náhodný výber (so základného súboru) rozsahom Ò je postupnost nezávislých náhodných veličín ¾ Ò ½ s rovnakým rozdelením (s distribučnou funkciou ܵ) Štatistický súbor chápeme bud ako súbor objektov alebo ako súbor dát, teda realizáciu náhodného výberu Základný súbor objektov alebo dát je potom množina všetkých možných objektov alebo hodnôt, ktoré dáta nadobúdajú Matematická štatistika p. 29/75
30 Ý ½ Ý ¾ Ý ½ Ý ½½ Ý ½¾ Ý ½ Ò Ý Ò½ Ý Ò¾ Ý Ò Zápis merania a jeho analýza Štatistické tabul ky Prvotná tabul ka Zobrazenie všetkých meraní a nameraných hodnôt jednotlivých Ý premenných Ý ¾ Ý Ò ½... Ý ¾½ Ý ¾¾ Ý ¾ ¾.... Matematická štatistika p. 30/75
31 Zápis merania a jeho analýza Štatistické tabul ky Frekvenčná tabul ka Rozdelenie nameraných hodnôt jednej premennej do klasifikačných tried ¾ Ñ ½ Triedy ¾ Ñ ½ Ò Početnosti Ò ¾ Ò Ñ ½ Ciel Získat prehl adnú tabul ku o rozdelení nameraných hodnôt a pripravit dáta pre niektoré špeciálne štatistické metódy Matematická štatistika p. 31/75
32 Zápis merania a jeho analýza Popisná štatistika Prvotná číselná analýza Výberové charakteristiky Ì (štatistiky) chápeme bud ako funkcie náhodných veličín ¾ Ò ½ Ì Ì ½ ¾ Ò µ alebo ako funkcie ich hodnôt Ü ½ Ü ¾ Ü Ò získaných realizáciou náhodného výberu Ì Ì Ü ½ Ü ¾ Ü Ò µ V prvom prípade Ì chápeme ako náhodnú veličinu (teoretická interpretácia), v druhom prípade ako číslo (praktická interpretácia) Matematická štatistika p. 32/75
33 ½ Ò Výberový rozptyl Ë ¾ Ë ¾ Ò ½ ½ ÒÈ ÑÈ Ò Ü Ò Ü µ ¾ Ò Ý Zápis merania a jeho analýza Popisná štatistika Prvotná číselná analýza Základné štatistiky Štatistika Prvotná tabul ka Frekvenčná tabul ka Výberový priemer ÒÈ ÑÈ ½ Ü ½ Ò ½ Výberový koeficient korelácie Ö ÒÈ ½ Ü µ Ý µ ÑÈ ½ Ò Ü µ Ý µ Ò ½ ½ ½ Ü µ ¾ Ë ¾ Ò ½ Ò Ö Ò È Ü µ ¾ Ò Ö È Ý µ ¾ ½ ½ Ñ È Ò Ü µ ¾ Ñ È µ ¾ ½ ½ Matematická štatistika p. 33/75
34 Zápis merania a jeho analýza Popisná štatistika Prvotná číselná analýza Základné štatistiky Pre analýzu rozdelenia, rozptýlenosti hodnôt: Výberový dolný kvartil je hodnota, vl avo od ktorej sa nachádza 25% všetkých údajov Výberový medián je hodnota, vl avo (ale aj vpravo) od ktorej sa nachádza 50% všetkých údajov Výberový horný kvartil je hodnota, vl avo od ktorej sa nachádza 75% všetkých údajov Matematická štatistika p. 34/75
35 Ò Ò Ò Ò ¾ Ò Ò ½ Ò ½ ¾ Zápis merania a jeho analýza Popisná štatistika Prvotná grafická analýza Histogram je graf zodpovedajúci frekvenčnej tabul ke, ktorý obdĺžnikmi zázorňuje početnosti v jednotlivých triedach Matematická štatistika p. 35/75
36 Zápis merania a jeho analýza Popisná štatistika Prvotná grafická analýza Graf empirickej distribučnej funkcie ܵ, ktorá je definovaná vzt ahom ܵ ½ Ò Æ Ü Ü ½ ¼º ¼º ¼º ¼º¾ ¼ Matematická štatistika p. 36/75 ¼ ¾
37 ¾ Òµ Ò ¾ Òµ Ò ¾ µ Základné štatistické rozdelenia Normálne rozdelenie skutočný základ Nech ¾ Ò Ò ½ ½ sú nezávislé náhodné veličiny s rozdelením Æ ¼ ½µ. Hovoríme, že rozdelenie s Ò stupňami vol nosti má náhodná veličina ¾ (píšeme ¾ Òµ), ak ¾ ¾ ¾ ¾ Ò ½ Studentovo Ø-rozdelenie s Ò stupňami vol nosti má náhodná veličina (píšeme Ø Òµ), ak Ò ½ Õ Fisherovo -rozdelenie s Ò a stupňami vol nosti má náhodná veličina (píšeme Ò µ), ak, pričom náhodné veličiny ¾ Òµ a ¾ µ sú nezávislé Matematická štatistika p. 37/75
38 Grafy štatistických rozdelení ¾ rozdelenie hustota rozdelenia pre rôzne Ò ¼º¾ Ò ¼º½ Ò ½¼ ¼º½ Ò ¾¼ ¼º¼ ¼ ¼ ½¼ ½ ¾¼ ¾ ¼ Matematická štatistika p. 38/75
39 Grafy štatistických rozdelení Studentovo Ø-rozdelenie hustota rozdelenia pre rôzne Ò ¼º Æ ¼ ½µ ¼º ¼º¾ Ò ¾ ¼º½ Ò ¾¼ Ò ¼ Pre vel ké Ò je Ø Òµ Æ ¼ ½µ ¹ ¹¾ ¼ ¾ Matematická štatistika p. 39/75
40 Ò ½¼ Ò Ò ½¼ Ò Grafy štatistických rozdelení Fisherovo rozdelenie hustota rozdelenia pre rôzne Ò a ¼º ¼º ¼º ¼º ¼º ¼º Ò ¾¼ Ò ¾¼ ¼º¾ ¼º¾ ¼ ¼ ¼ ½ ¾ ¼ ½ ¾ Matematická štatistika p. 40/75
41 Æ ¼ ½µ Ü Æ Ù Æ ¾ Òµ Ü Æ ¾ Æ Òµ Ø Òµ Ü Æ Ø Æ Òµ Kvantily štatistických rozdelení Kvantilom Æ úrovne náhodnej veličiny nazývame Ü číslo Æ, pre ktoré Ü platí µ È Ü Æ Æ Æ ¼ Æ ½ Zrejme Ü a ½ Ƶ Æ Označenie: Ò µ Ü Æ Æ Ò µ Ak má symetrické rozdelenie (ak jeho hustota rozdelenia je párna funkcia), tak Ü ½ Æ Ü Æ Normálne rozdelenie aj Studentovo Ø-rozdelenie sú symetrické Matematická štatistika p. 41/75
42 Tabul ky kvantilov štatistických rozdelení -rozdelenie s Ò stupňami vol nosti ¾ Æ Òµ ¾ Æ Ò Matematická štatistika p. 42/75
43 Tabul ky kvantilov štatistických rozdelení Ø-rozdelenie s Ò stupňami vol nosti Æ Òµ Æ Ø Ò Matematická štatistika p. 43/75
44 Tabul ky kvantilov štatistických rozdelení -rozdelenie s Ò a stupňami vol nosti, Æ ¼ Æ Òµ Ò Matematická štatistika p. 44/75
45 Tabul ky kvantilov štatistických rozdelení -rozdelenie s Ò a stupňami vol nosti, Æ ¼ Æ Òµ Ò Matematická štatistika p. 45/75
46 Tabul ky kvantilov štatistických rozdelení -rozdelenie s Ò a stupňami vol nosti, Æ ¼ Æ Òµ Ò Matematická štatistika p. 46/75
47 Tabul ky kvantilov štatistických rozdelení -rozdelenie s Ò a stupňami vol nosti, Æ ¼ Æ Òµ Ò Matematická štatistika p. 47/75
48 Ô Ò Æ ¼ ½µ Ë ¾ ½ Základná veta matematickej štatistiky Nech Ü ½ Ü ¾ Ü Ò je náhodný výber zo základného súboru s Æ Ñ rozdelením µ a nech je jeho výberový priemer a Ë ¾ ¾ ½ Ò jeho výberový rozptyl. Potom náhodné veličiny a Ë ¾ Ò ½ sú nezávislé a µ, Ñ ¾ Ò ½ Ò ¾ Ë ¾ Ò ½ ½µ. ¾ Ò Æ Dôležité dôsledky: 1. Ñ 2. ÑÔ Ò Ø Ò ½µ ½ Ò Ë 3. Ak Ý ½ Ý ¾ Ý Ñ je náhodný výber zo základného súboru s rozdelením Æ Ñ ¾ ¾ µ nazávislý od náhodného výberu Ü s výberovým rozptylom Ë ¾ ½, tak ˾ Ò ½ Ò ½ ½µ Matematická štatistika p. 48/75
49 3. Odhady a hypotézy Matematická štatistika p. 49/75
50 Bodové odhady parametrov rozdelení Odhadom parametra rozdelenia ܵ s ¾ nazývame takú štatistiku Ü ½ Ü ¾ Ü Ò µ náhodného výberu ½ Ü ¾ Ü Ò, pre ktorú ¾ Ü Vlastnosti odhadov Nestrannost Efektívnost pre všetky nestranné odhady Ñ Odhady a Ak ¾ Ñ, resp. ¾, tak výberový priemer, resp. výberový rozptyl Ë ¾ Ò ½ sú nestranné odhady Ñ, resp. ¾ Parametre normálneho rozdelenia nemajú efektívne odhady, iného rozdelenia však áno, napr. pre Poissonovo Matematická štatistika p. 50/75
51 Intervalové odhady parametrov rozdelení Interval spol ahlivosti je taký interval, ktorý pokryje skutočnú hodnotu parametra rozdelenia ܵ so zadanou pravdepodobnost ou koeficientom spol ahlivosti Typy Jednostranné ½ ½µ È ½ Dvojstranné ¾ À¾ µ È ½ À¾ ½ À½ µ È ½ Matematická štatistika p. 51/75
52 Ø Ò ½µ Ë Ò ½ Ô Ñ Ø Ò ½µ Ë Ò ½ Ô Ò Ò ¾ ½ ¾ ¾ Ò ½µ Ò ½µË ¾ Ò ½ ½µ Ë Ò ½ Ô Ò Ò ¾ ½ ¾ ½µ Ë Ò ½ Ô Ò Ò Intervalové odhady parametrov rozdelení Interval spol ahlivosti pre parametre normálneho rozdelenia Jednostranný ½ ¾ Ò ½µË ¾ Ò ½ ¾ ½ À½ Ò ½µ Dvojstranný Ñ Ø ½ ¾ ¾ ¾ Ò ½µË ¾ Ò ½ Ø ½ ¾ À¾ Ò ½µË ¾ Ò ½ Ò ½µ Ò ½µ Matematická štatistika p. 52/75
53 À ¼ nezamietame oproti À ½ À ¼ zamietame oproti À ½ Testovanie štatistických hypotéz Štatistická hypotéza je tvrdenie o rozdelení pravdepodobnosti skúmanej náhodnej veličiny, o parametroch týchto veličín... Nulová À hypotéza ¼ je hypotéza, platnost ktorej overujeme Alternatívna hypotéza À ½ je hypotéza kladená oproti À ¼ Testujeme vždy hypotézu À ¼ oproti hypotéze À ½ s použitím testovacej štatistiky Ì Ì Ü ½ Ü ¾ Ü Ò µ a kritického oboru à takto: Ì ¾ à µ Ì ¾ à µ Matematická štatistika p. 53/75
54 Testovanie štatistických hypotéz Dvojaké chyby pri vyhodnotení testu Chyba prvého druhu zamietneme À ¼ (Ì ¾ Ã) aj ked je správna, hladina významnosti testu «je pravdepodobnost tejto chyby, t.j. ÈÌ ¾ ÃÀ ¼ «Chyba druhého druhu nezamietneme À ¼ (Ì ¾ Ã) aj ked je nesprávna Postup pri testovaní: 1. Formulácia hypotéz À ¼ a À ½ 2. Vol ba hladiny významnosti «(najčastejšie 0.01, 0.05) 3. Určenie testovacej štatistiky Ì a kritického oboru à 4. Výpočet (výberových charakteristík a testu) 5. Vyhodnotenie výsledkov (prijatie či neprijatie À ¼ ) Matematická štatistika p. 54/75
55 À ½ ÑÑ ¼ À ½ ÑÑ ¼ À ½ ÑÑ ¼ À ½ ¾ ¾ ¼ À ½ ¾ ¾ ¼ À ½ ¾ ¾ ¼ Testy parametrov normálneho rozdelenia Jednovýberová analýza parametrov normálneho rozdelenia Ñ (Ø-test), resp. ¾ ( ¾ -test) Testovacia štatistika Ì Ñ Ñ ¼ Kritický obor Ô ½ Ë Ò Ò, resp. Ò ½ Ì ¾ ¾ ¼ Ë ¾ Ò ½ ¼ ÑÑ ¼ Ì Ñ Ø ½ «Ò ½µ Ì Ñ Ø ½ «Ò ½µ Ì Ñ Ø ½ «¾ À Ò ½µ ¼ ¾ ¾ Ì ¾ ¾ ¾ ¾ «Ò ½µ ½ Ì ¾ ¾ ¾ «Ò ½µ Ì ½µ «Ò ½ ¼ À Ò ½µ ¾ ¾ «Ì ¾ Matematická štatistika p. 55/75
56 Þ Ü Ý, za podmienky, že Þ Æ Ñ Ü À ¼ Ñ Þ Ñ Ü Ñ Ý ¼ Testy parametrov normálneho rozdelenia Párová analýza parametrov normálneho rozdelenia Daný párový výber Ü ½ Ý ½ µ Ü ¾ Ý ¾ µ Ü Ò Ý Ò µ transformáciou Ñ Ý ¾ µ možno podrobit jednovýberovému testu pre výber Þ ½ Þ ¾ Þ Ò Najčastejšie sa testuje hypotéza À ¼ o rovnosti stredných hodnôt Matematická štatistika p. 56/75
57 Ò ¾ Ò ¾ À ½ Ñ Ü Ñ Ý À ½ Ñ Ü Ñ Ý À ½ Ñ Ü Ñ Ý ¼ Ü Ñ Ý Ì Ø ½ «µ Ì Ø ½ «µ Ì Ø «½ ¾ µ Ñ À Testy parametrov normálneho rozdelenia Dvojvýberová analýza parametrov normálneho rozdelenia Ñ (Ø-test), resp. ¾ ( -test) pre výbery Ü ½ Ü ¾ Ü Ò a Ý ½ Ý ¾ Ý Dvojvýberový Ø-test za predpokladu ¾ Ü ¾ Ý Testovacia štatistika Ì, Ô ½Ò ½ Ë pričom Ë ¾ Ò ½µË¾ Ò ½ Ü ½µË¾ ½ Ý Kritický obor Matematická štatistika p. 57/75
58 ¾ Ò ½ Ü Ë Ò Ë ¾ Ý ½ À ½ Ñ Ü Ñ Ý À ½ Ñ Ü Ñ Ý À ½ Ñ Ü Ñ Ý Ë ¾ Ò Ë ¾ ¾ Ý ½ ¾ Testy parametrov normálneho rozdelenia Dvojvýberová analýza parametrov normálneho rozdelenia Ñ (Ø-test), resp. ¾ ( -test) pre výbery Ü ½ Ü ¾ Ü Ò a Ý ½ Ý ¾ Ý Dvojvýberový Ø-test za predpokladu ¾ Ü ¾ Ý Testovacia štatistika Ì, Ö s vol bou ¾ Ò ½ Ü Ë Ò ¾ ˾ ½ Ý ½ Ü Ò Kritický obor Ò ½ ½ ¼ Ñ Ü Ñ Ý Ì Ø ½ «µ Ì Ø ½ «µ Ì Ø ½ «¾ µ À Matematická štatistika p. 58/75
59 Kritický Ì obor «½ Ò ÑÜ ½ Ò ÑÒ ½µ ¾ Testy parametrov normálneho rozdelenia Dvojvýberová analýza parametrov normálneho rozdelenia Ñ (Ø-test), resp. ¾ ( -test) pre výbery Ü ½ Ü ¾ Ü Ò a Ý ½ Ý ¾ Ý Dvojvýberový -test o rovnosti rozptylov ¾ Ü, ¾ Ý, Testovacia ÑÜ štatistika, Ì Ë¾ À ½ ¾ ÑÜ ¾ ÑÒ ¾ ÑÒ Ë pričom indexy ÑÜ, ÑÒ resp. sú určené hodnotami výberových rozptylov: Ë ¾ ÑÜ ÑÜ˾ Ò ½ Ü Ë ¾ ½ Ý, Ë ¾ ÑÒ ÑÒ˾ Ò ½ Ü Ë ¾ ½ Ý, tiež Ò ÑÜ je číslo Ò alebo od výberu s vyšším rozptylom À ¼ ¾ ÑÜ ¾ ÑÒ Matematická štatistika p. 59/75
60 Testy dobrej zhody -test dobrej zhody univerzálny test vhodný pre diskrétne aj spojité ¾ rozdelenia Frekvenčná tabul ka ½ ¾ Ñ Ñ½ È Ò Ò (napr. µ) Ñ Ò ¾ Ò ½ Ò Hypotéza À ¼ má rozdelenie s ܵ ( obsahuje parametrov) Testovacia Ñ štatistika ½ Ì È Ò Ò Ô µ ¾ Ò Ô, kde Ô È ¾ µ µ ak parametrov v musíme odhadovat Ô ako (na základe frekvenčnej tabul ky) µ µ ak parametre sú známe, vtedy ¼ Ô Kritický Ì obor ¾ «Ñ ½µ ½ Matematická štatistika p. 60/75
61 4. Korelačná a regresná analýza Matematická štatistika p. 61/75
62 Korelačná analýza Skúmanie vzájomného lineárneho vzt ahu medzi experimentálnymi dátami korelačná závislost Náhodný výber Ò objektov s dvoma meranými vlastnost ami Ü ½ Ý ½ µ Ü ¾ Ý ¾ µ Ü Ò Ý Ò µ Pearsonov korelačný koeficient je štatistika, ktorá zodpovedá koeficientu korelácie ± dvoch náhodných veličín Základné vlastnosti (podobne ako pre ±): 1. Ö ÜÝ ½ 2. Číselná hodnota vyjadruje silu lineárnej závislosti a znamienko indikuje sklon závislosti 3. Ak hodnoty Ü zmeníme na Ü a Ý na Ý, pričom znamienka a sú rovnaké, tak Ö ÜÝ sa nezmení Matematická štatistika p. 62/75
63 Miera lineárnosti vzt ahu Pearsonov koeficient korelácie a miera rozptýlenia hodnôt Ö ¼ Ö ¼¼ Ö ¼ Ö ¼ Ö ¼¼ Ö ¼ Matematická štatistika p. 63/75
64 Ò ¾µ Test korelačnej závislosti Párový náhodný Ü výber Ý ½ µ Ü ¾ Ý ¾ µ Ü Ò Ý Ò µ ½ k páru náhodných µ veličín s normálnym rozdelením Test: À 1. ± ¼ À ¼, ± ¼ ½ «¼¼½ ¼¼ Ì Ô Ò, ¾ Ã Ô Ì Ø ½ «¾ ÜÝ Ö ½ ¾ ÖÜÝ 4. Výpočet Ö ÜÝ, Ì, Pri zamietnutí hypotézy À ¼ existuje štatisticky významná lineárna závislost medzi Ü a Ý Matematická štatistika p. 64/75
65 Ü Ý Ü Ò Ò Ü ¾ Ò Ü Ò Ò Ü Ý Regresná analýza Korelačná analýza zistí prítomnost lineárnej závislosti medzi meranými dátami Ü, Ý, regresná analýza určí parametre, lineárnej Ý Ü závislosti, prípadne ich štatisticky vyhodnotí Určenie parametrov pomocou metódy najmenších štvorcov ½ ½ ½ Ý Ý Ý Ü Ò ½ ½ Úpravou: Ö ÜÝË Ò ½ Ý Ò ½ Ü Ë Matematická štatistika p. 65/75
66 µ ¾ Analýza chýb Chyba v linearizácii dát Ë súčet štvorcov odchýliek meraných hodnôt od regresných dát ÒÈ Ë Ý Ü µ ¾ Ò ½µ Ë ¾ Ò ½ Ý ¾ Ë ¾ Ò ½ Ü ½ Základný vzt ah lineárnej regresie ÒÈ ÒÈ ÒÈ ½ Ý µ ¾ ½ Ý Ý µ ¾ ½ Ý celkový súčet nezávisí na modeli chyba lineárneho modelu to, čo lineárny model nevysvetl uje súčet modelu odchýlky vysvetlené lieárnym modelom ËÌ Ë ËÅ Kvadrát Pearsonovho koeficientu korelácie významnost lineárneho modelu ¾ ÜÝ ËÅ ËÌ Ö Matematická štatistika p. 66/75
67 Bodové odhady parametrov lineárnej regresie Ý náhodné veličiny s normálnym rozdelením Ý Æ Ü ¾ µ deterministickej premennej Ü Štatistiky a sú nestranné odhady parametrov a, s rozdeleniami Ò ½ Æ ¾ µ, Æ ¾ ½ ¾ Ò ½ Ü Ë Ò ½ ½ Ò ¾ Ò µ Štatistika je nestranný odhad, pričom ¾ Ë Ë ¾ ¾ Ò ¾µ ¾ Ò nezávislé od a ¾ Ò ½ Ü Ë Matematická štatistika p. 67/75
68 Ò ¾µ Ô Ö ¾ ÜÝ ½ ¼ Ò ¾µ Ò ¾µ Ô Ö ¾ ÜÝ ½ Analýza parametrov lineárnej regresie Test o sklone regresnej priamky: À 1. ¼ ¼ À, ¼ ½ «¼¼½ ¼¼ Ì ¾µ ÜÝ Ò Ö ½, ¾ Ã Ô Ì Ø ½ «¾ ÜÝ Ö ½ Ô 4. Výpočet Ë Ò ½ Ü, Ë Ò ½ Ý,,, Ö ÜÝ, Ì, Prijatím hypotézy À ¼ uznávame sklon určený číslom ¼ Dvojstranný interval spol ahlivosti s koeficientom pre sklon regresnej priamky: Ø ½ ½ ¾ Ø ½ ½ ¾ Ö ÜÝ Ô Ò ¾ Ö ÜÝ Ô Ò ¾ Matematická štatistika p. 68/75
69 ½ Ø ¾ Ò ¾µ Ü ¾ Ü ¾ Ò ¾µ Analýza parametrov lineárnej regresie Test o posunutí regresnej priamky: À 1. ¼ ¼ À, ¼ ½ «¼¼½ ¼¼ Ì Ò ¾µ Ö ÜÝ ¼ µ Ö Ò È Ã Ì Ø, «½ ¾ Ô ½ Ô ½ Ö ¾ ÜÝ 4. Ë Výpočet ½ Ü Ò Ë, ½ Ý Ò,,, Ö ÜÝ, Ì,... Ò 5. Prijatím hypotézy À ¼ uznávame posunutie ¼ Dvojstranný interval spol ahlivosti s koeficientom pre posunutie regresnej priamky: Ô ¾ ÒÈ Ö ½ Ö Ô ÜÝ ¾ Ò ÜÝ Ö ½ Ø ½ Ò ¾µ ¾ Ô ¾ ÒÈ Ü ¾ Ö ½ ÜÝ Ö ½ Ô ¾ Ò ÜÝ Ö Ò Ò Matematická štatistika p. 69/75
70 Linearizácia nelineárnej závislosti Predpoklady 1. Body Ü Ý µ ½ ¾ Ò sa nachádzajú v okolí Postup grafu známej funkcie 2. Závislost medzi premennými Ü a Ý sa dá vyjadrit pomocou dvoch parametrov, : Ý Ü µ 1. Nakreslíme a pospájame body Ü Ý µ 2. Vyberieme vhodnú závislost Ý Ü µ a transformujeme dáta tak, aby 3. Vypočítame Ö a otestujeme jeho významnost 4. Pre štatisticky významný Ö určíme lineárnou regresiou koeficienty a určujúce pôvodné parametre, Matematická štatistika p. 70/75
71 Ý e Ü Ý Ü Príklady linearizácie závislosti Nelineárny model Transformácia Transformovaný model ÐÒ Ý Ü ÐÒ Ý Ý ½ Ü ½ µ ¾ Ü ÐÒ Ü µ Ý ÐÒ Ý ÐÒ Ü ½ Ý Ü Ô ½ Ü Ý ÐÒ e Ý Ü Ý ÐÒ Ü Ý ÐÒ Ü Ý Ô Ü Ý Ô Ü Matematická štatistika p. 71/75
72 Ý ÐÒ Ý Linearizácia a logaritmické merítko Mocninová, exponenciálna a logaritmická závislost a jej transformácia, graficky Ü Ý Ü Ý Ý ÐÒ Ü ÐÒ Ü Ü Matematická štatistika p. 72/75
73 Ý ÐÒ Ý Linearizácia a logaritmické merítko Mocninová, exponenciálna a logaritmická závislost a jej transformácia, graficky Ü Ý Ü Ý Ý ÐÒ Ü Ü Ü Matematická štatistika p. 73/75
74 Ý Ý Linearizácia a logaritmické merítko Mocninová, exponenciálna a logaritmická závislost a jej transformácia, graficky Ü Ý Ü Ý Ý ÐÒ Ü ÐÒ Ü Ü Matematická štatistika p. 74/75
75 Veselé a radostné prípravy na previerky Matematická štatistika p. 75/75
Pravdepodobnosť. Rozdelenia pravdepodobnosti
Pravdepodobnosť Rozdelenia pravdepodobnosti Pravdepodobnosť Teória pravdepodobnosti je matematickým základom pre odvodenie štatistických metód. Základné pojmy náhoda náhodný jav náhodná premenná pravdepodobnosť
VíceStudentove t-testy. Metódy riešenia matematických úloh
Studentove t-testy Metódy riešenia matematických úloh www.iam.fmph.uniba.sk/institute/stehlikova Jednovýberový t-test z prednášky Máme náhodný výber z normálneho rozdelenia s neznámymi parametrami Chceme
VíceKATEDRA DOPRAVNEJ A MANIPULAČNEJ TECHNIKY TESTOVANIE ŠTATISTICKÝCH HYPOTÉZ
64 1 TESTOVANIE ŠTATISTICKÝCH HYPOTÉZ OBLASŤ PRIJATIA A ZAMIETNUTIA HYPOTÉZY PRI TESTOVANÍ CHYBY I. A II. DRUHU Chyba I. druhu sa vyskytne vtedy, ak je hypotéza správna, ale napriek tomu je zamietnutá,
VíceŠTATISTIKA V EXCELI 2007
Jozef Chajdiak ŠTATISTIKA V EXCELI 2007 STATIS, Bratislava 2009, ISBN 978-80-85659-49-8, 304 strán A5,väzba V4. Excel sa stal každodenným nástrojom práce mnohých z nás. Jeho verzia 2007, okrem čiastkových
VíceZáklady štatistiky. Charakteristiky štatistického znaku
Základy štatistiky Základy štatistiky Úvod Základné pojmy Popisná štatistika Triedenie Tabuľky rozdelenia početností Grafické znázornenie Charakteristiky štatistického znaku charakteristiky polohy (priemer,
VíceŠTATISTIKA JEDNODUCHO V EXCELI STATIS, Bratislava 2013, ISBN , 344 strán A5,väzba V4.
Jozef Chajdiak ŠTATISTIKA JEDNODUCHO V EXCELI STATIS, Bratislava 2013, ISBN 978-80-85659-74-0, 344 strán A5,väzba V4. Excel sa stal každodenným nástrojom práce mnohých z nás.. Predkladaná kniha ponúka
VícePROGRAM VZDELÁVACEJ ČINNOSTI. Anotácia predmetu
PROGRAM VZDELÁVACEJ ČINNOSTI Číslo predmetu : 31218 Názov predmetu : Numerická a diskrétna matematika Typ predmetu : Študijný odbor: Povinný Elektrotechnika, Telekomunikácie, Automatizácia, Biomedicínske
VíceRozhodovanie za rizika a neistoty. Identifikácia, analýza a formulácia rozhodovacích problémov
Rozhodovanie za rizika a neistoty Identifikácia, analýza a formulácia rozhodovacích problémov Rozhodovacie procesy v podniku Prednáška č. 2 Zuzana Hajduová Rozhodovanie za rizika a neistoty subjektívna
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 010 1.týden (0.09.-4.09. ) Data, typy dat, variabilita, frekvenční analýza
Vícez Matematické statistiky 1 1 Konvergence posloupnosti náhodných veličin
Příklady k procvičení z Matematické statistiky Poslední úprava. listopadu 207. Konvergence posloupnosti náhodných veličin. Necht X, X 2... jsou nezávislé veličiny s rovnoměrným rozdělením na [0, ]. Definujme
VíceParetova analýza Regulačný diagram Bodový diagram
Paretova analýza Regulačný diagram Bodový diagram Doc. Ing. Vladimír Konečný, PhD. Žilinská univerzita v Žiline 9-1 7 základných nástrojov MK Kontrolná tabuľka (kontrolný list) Histogram Diagram príčin
VíceFunkcia - priradenie (predpis), ktoré každému prvku z množiny D priraďuje práve jeden prvok množiny H.
FUNKCIA, DEFINIČNÝ OBOR, OBOR HODNÔT Funkcia - priradenie (predpis), ktoré každému prvku z množiny D priraďuje práve jeden prvok množiny H. Množina D definičný obor Množina H obor hodnôt Funkciu môžeme
VíceUNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11.
UNIVERZITA OBRANY Fakulta ekonomiky a managementu Aplikace STAT1 Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 Jiří Neubauer, Marek Sedlačík, Oldřich Kříž 3. 11. 2012 Popis a návod k použití aplikace
Vícetatistické rozdelenia
FYZ-230/00 Algoritmy vedeckotechnických výpo tov tatistické rozdelenia 1 Obsah Úvod, vlastnosti rozdelení pravdepodobnosti Rovnomerné rozdelenie Trojuholníkové rozdelenie Binomické rozdelenie Poissonovo
VíceMatematika Postupnosti
Matematika 1-06 Postupnosti Definícia: Nekonečnou postupnosťou reálnych čísel nazývame zobrazenie f: N R množiny prirodzených čísel N do množiny reálnych čísel R. Označenie: a n n=1 = a 1, a 2,, a n, Matematika
VíceMATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci
MATEMATICKÁ STATISTIKA Dana Černá http://www.fp.tul.cz/kmd/ Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci Matematická statistika Matematická statistika se zabývá matematickým
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická
VícePravděpodobnost a matematická statistika
Pravděpodobnost a matematická statistika Příklady k přijímacím zkouškám na doktorské studium 1 Popisná statistika Určete aritmetický průměr dat, zadaných tabulkou hodnot x i a četností n i x i 1 2 3 n
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
VíceCharakterizace rozdělení
Charakterizace rozdělení Momenty f(x) f(x) f(x) μ >μ 1 σ 1 σ >σ 1 g 1 g σ μ 1 μ x μ x x N K MK = x f( x) dx 1 M K = x N CK = ( x M ) f( x) dx ( xi M 1 C = 1 K 1) N i= 1 K i K N i= 1 K μ = E ( X ) = xf
VíceE(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) =
Základní rozdělení pravděpodobnosti Diskrétní rozdělení pravděpodobnosti. Pojem Náhodná veličina s Binomickým rozdělením Bi(n, p), kde n je přirozené číslo, p je reálné číslo, < p < má pravděpodobnostní
VíceLimita funkcie. Čo rozumieme pod blížiť sa? y x. 2 lim 3
Limita funkcie y 2 2 1 1 2 1 y 2 2 1 lim 3 1 1 Čo rozumieme pod blížiť sa? Porovnanie funkcií y 2 2 1 1 y 2 1 2 2 1 lim 3 1 1 1-1+ Limita funkcie lim f b a Ak ku každému číslu, eistuje také okolie bodu
VíceKombinatorická pravdepodobnosť (opakovanie)
Kombinatorická pravdepodobnosť (opakovanie) Metódy riešenia úloh z pravdepodobnosti a štatistiky Cvičenie 1 Beáta Stehlíková, FMFI UK Bratislava www.iam.fmph.uniba.sk/institute/stehlikova Príklad 1: Zhody
VíceCVIČENIE 1 : ZÁKLADNÉ VÝPOČTY PRAVDEPODOBNOSTI
CVIČENIE : ZÁKLDNÉ VÝOČTY RVDEODOBNOSTI. KLSICKÁ DEFINÍCI RVDEODOBNOSTI ríklad : ká je pravdepodobnosť, že pri hode kockou padne číslo resp. padne nepárne číslo? jav, kedy padne číslo B jav, že padne nepárne
VíceTéma 22. Ondřej Nývlt
Téma 22 Ondřej Nývlt nyvlto1@fel.cvut.cz Náhodná veličina a náhodný vektor. Distribuční funkce, hustota a pravděpodobnostní funkce náhodné veličiny. Střední hodnota a rozptyl náhodné veličiny. Sdružené
VícePravděpodobnost a aplikovaná statistika
Pravděpodobnost a aplikovaná statistika MGR. JANA SEKNIČKOVÁ, PH.D. 2. KAPITOLA PODMÍNĚNÁ PRAVDĚPODOBNOST 3. KAPITOLA NÁHODNÁ VELIČINA 9.11.2017 Opakování Uveďte příklad aplikace geometrické definice pravděpodobnosti
VíceTématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"
Tématické okruhy pro státní závěrečné zkoušky bakalářské studium studijní obor "Management jakosti" školní rok 2013/2014 Management jakosti A 1. Pojem jakosti a význam managementu jakosti v současném období.
VíceKGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 4. Teoretická rozdělení Mgr. David Fiedor 9. března 2015 Osnova Úvod 1 Úvod 2 3 4 5 Vybraná rozdělení náhodných proměnných normální rozdělení normované normální rozdělení
VíceTématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"
Tématické okruhy pro státní závěrečné zkoušky bakalářské studium studijní obor "Management jakosti" školní rok 2010/2011 Management jakosti A 1. Pojem jakosti a význam managementu jakosti v současném období.
VíceNáhodná veličina a rozdělení pravděpodobnosti
3.2 Náhodná veličina a rozdělení pravděpodobnosti Bůh hraje se světem hru v kostky. Jsou to ale falešné kostky. Naším hlavním úkolem je zjistit, podle jakých pravidel byly označeny, a pak toho využít pro
VíceČÍSELNÉ RADY. a n (1) n=1
ČÍSELNÉ RADY Budeme sa zaoberať výrazmi, ktoré obsahujú nekonečne veľa sčítancov. Takéto výrazy budeme nazývať nekonečné rady. V nasledujúcom príklade je ilustrované, ako môže takýto výraz vzniknúť. Príklad.
VíceDefinice spojité náhodné veličiny zjednodušená verze
Definice spojité náhodné veličiny zjednodušená verze Náhodná veličina X se nazývá spojitá, jestliže existuje nezáporná funkce f : R R taková, že pro každé a, b R { }, a < b, platí P(a < X < b) = b a f
Více8. Normální rozdělení
8. Normální rozdělení 8.. Definice: Normální (Gaussovo) rozdělení N(µ, 2 ) s parametry µ a > 0 je rozdělení určené hustotou ( ) f(x) = (x µ) 2 e 2 2, x (, ). Rozdělení N(0; ) s parametry µ = 0 a = se nazývá
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Testování hypotéz Nechť X je náhodná proměnná, která má distribuční funkci F(x, ϑ). Předpokládejme, že známe tvar distribuční funkce (víme jaké má rozdělení) a neznáme parametr
Více12. cvičení z PST. 20. prosince 2017
1 cvičení z PST 0 prosince 017 11 test rozptylu normálního rozdělení Do laboratoře bylo odesláno n = 5 stejných vzorků krve ke stanovení obsahu alkoholu X v promilích alkoholu Výsledkem byla realizace
VíceTématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"
Tématické okruhy pro státní závěrečné zkoušky bakalářské studium studijní obor "Management jakosti" školní rok 2009/2010 Management jakosti A 1. Pojem jakosti a význam managementu jakosti v současném období.
VíceSTATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky)
STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky) 1) Význam a využití statistiky v biologických vědách a veterinárním lékařství ) Rozdělení znaků (veličin) ve statistice 3) Základní a
VíceTestování hypotéz o parametrech regresního modelu
Testování hypotéz o parametrech regresního modelu Ekonometrie Jiří Neubauer Katedra kvantitativních metod FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Jiří Neubauer (Katedra UO
VíceMATEMATICKÁ STATISTIKA
MATEMATICKÁ STATISTIKA 1. Úvod. Matematická statistika se zabývá vyšetřováním zákonitostí, které v sobě obsahují prvek náhody. Zpracováním hodnot, které jsou výstupem sledovaného procesu, se snažíme popsat
VíceTestování hypotéz o parametrech regresního modelu
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Lineární regresní model kde Y = Xβ + e, y 1 e 1 β y 2 Y =., e = e 2 x 11 x 1 1k., X =....... β 2,
VíceJiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel
Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Výsledky některých náhodných pokusů jsou přímo vyjádřeny číselně (např. při hodu kostkou padne 6). Náhodnou veličinou
VíceVerifikácia a falzifikácia
Hypotézy Hypotézy - výskumný predpoklad Prečo musí mať výskum hypotézu? Hypotéza obsahuje vlastnosti, ktoré výskumná otázka nemá. Je operatívnejšia, núti výskumníka odpovedať priamo: áno, alebo nie. V
VíceStatistické metody - nástroj poznání a rozhodování anebo zdroj omylů a lží
Statistické metody - nástroj poznání a rozhodování anebo zdroj omylů a lží Zdeněk Karpíšek Jsou tři druhy lží: lži, odsouzeníhodné lži a statistiky. Statistika je logická a přesná metoda, jak nepřesně
VíceModerné vzdelávanie pre vedomostnú spoločnosť/projekt je spolufinancovaný zo zdrojov EÚ. Grafy
Moderné vzdelávanie pre vedomostnú spoločnosť/projekt je spolufinancovaný zo zdrojov EÚ Grafy Graf efektívne vizuálne nástroje dáta lepšie pochopiteľné graf môže odhaliť trend alebo porovnanie zobrazujú
VíceLineárne nerovnice, lineárna optimalizácia
Opatrenie:. Premena tradičnej škol na modernú Gmnázium Jozefa Gregora Tajovského Lineárne nerovnice, lineárna optimalizácia V tomto tete sa budeme zaoberat najskôr grafickým znázornením riešenia sústav
VíceI. D i s k r é t n í r o z d ě l e n í
6. T y p y r o z d ě l e n í Poznámka: V odst. 5.5-5.10 jsme uvedli příklady náhodných veličin a jejich distribučních funkcí. Poznali jsme, že se od sebe liší svým typem. V příkladech 5.5, 5.6 a 5.8 jsme
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
Více8. Relácia usporiadania
8. Relácia usporiadania V tejto časti sa budeme venovať ďalšiemu špeciálnemu typu binárnych relácií v množine M - reláciám Najskôr si uvedieme nasledujúce štyri definície. Relácia R definovaná v množine
VíceTESTOVANIE ASYMETRIE EKONOMICKÝCH ČASOVÝCH RADOV MARIÁN VÁVRA ZACHARIAS PSARADAKIS NETECHNICKÉ
TESTOVANIE ASYMETRIE EKONOMICKÝCH ČASOVÝCH RADOV MARIÁN VÁVRA ZACHARIAS PSARADAKIS NETECHNICKÉ ZHRNUTIE 1/2013 Národná banka Slovenska www.nbs.sk Imricha Karvaša 1 813 25 Bratislava research@nbs.sk September
Vícep(x) = P (X = x), x R,
6. T y p y r o z d ě l e n í Poznámka: V odst. 5.5-5.10 jsme uvedli příklady náhodných veličin a jejich distribučních funkcí. Poznali jsme, že se od sebe liší svým typem. V příkladech 5.5, 5.6 a 5.8 jsme
VíceINDUKTIVNÍ STATISTIKA
10. SEMINÁŘ INDUKTIVNÍ STATISTIKA 3. HODNOCENÍ ZÁVISLOSTÍ HODNOCENÍ ZÁVISLOSTÍ KVALITATIVNÍ VELIČINY - Vychází se z kombinační (kontingenční) tabulky, která je výsledkem třídění druhého stupně KVANTITATIVNÍ
VíceStřední hodnota a rozptyl náhodné. kvantilu. Ing. Michael Rost, Ph.D.
Střední hodnota a rozptyl náhodné veličiny, vybraná rozdělení diskrétních a spojitých náhodných veličin, pojem kvantilu Ing. Michael Rost, Ph.D. Príklad Předpokládejme že máme náhodnou veličinu X která
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
VíceZákladní statistické metody v rizikovém inženýrství
Základní statistické metody v rizikovém inženýrství Petr Misák Ústav stavebního zkušebnictví Fakulta stavební, VUT v Brně misak.p@fce.vutbr.cz Základní pojmy Jev souhrn skutečností zobrazujících ucelenou
Více1. Přednáška. Ing. Miroslav Šulai, MBA
N_OFI_2 1. Přednáška Počet pravděpodobnosti Statistický aparát používaný ve financích Ing. Miroslav Šulai, MBA 1 Počet pravděpodobnosti -náhodné veličiny 2 Počet pravděpodobnosti -náhodné veličiny 3 Jevy
VíceMnožiny, relácie, zobrazenia
Množiny, relácie, zobrazenia Množiny "Množina je súhrn predmetov, vecí, dobre rozlíšiteľných našou mysľou alebo intuíciou" "Množina je súbor rôznych objektov, ktoré sú charakterizované spoločnými vlastnosťami,
VíceTestování statistických hypotéz
Testování statistických hypotéz 1 Testování statistických hypotéz 1 Statistická hypotéza a její test V praxi jsme nuceni rozhodnout, zda nějaké tvrzeni o parametrech náhodných veličin nebo o veličině samotné
VíceBeáta Stehlíková Časové rady, FMFI UK, 2013/2014. CvičenievR-kuI.:ARIMAmodely p.1/15
Cvičenie v R-ku I.: ARIMA modely Beáta Stehlíková Časové rady, FMFI UK, 2013/2014 CvičenievR-kuI.:ARIMAmodely p.1/15 Príklad 1: dáta Použité dáta: Počet používatel ov prihlásených na server, dáta po minútach,
VíceCHARAKTERISTIKA JEDNOROZMERNÝCH ŠTATISTICKÝCH SÚBOROV
CHARAKTERISTIKA JEDNOROZMERNÝCH ŠTATISTICKÝCH SÚBOROV Táto časť sa venuje metódam štatistického výskumu súboru, pri ktorých sa zaoberáme jednotlivými štatistickými znakmi samostatne, bez toho, žeby sme
VíceOperačná analýza 2-12
Operačná analýza 2-12 Teória zásob Úvod Zásoby - skladovaný substrát- predmety, ktoré sú v procese výroby uschované na neskoršiu spotrebu. História 1888 - hľadanie optimálnej výšky peňažných zásob v peňažnom
VíceZáklady biostatistiky II. Veřejné zdravotnictví 3.LF UK - II
Základy biostatistiky II Veřejné zdravotnictví 3.LF UK - II Teoretické rozložení-matematické modely rozložení Naměřená data Výběrové rozložení Teoretické rozložení 1 e 2 x 2 Teoretické rozložení-matematické
VíceZáklady algoritmizácie a programovania
Základy algoritmizácie a programovania Pojem algoritmu Algoritmus základný elementárny pojem informatiky, je prepis, návod, realizáciou ktorého získame zo zadaných vstupných údajov požadované výsledky.
VíceTomáš Karel LS 2012/2013
Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Náhodný výběr Nechť X je náhodná proměnná, která má distribuční funkci F(x, ϑ). Předpokládejme, že známe tvar distribuční funkce (víme jaké má rozdělení) a neznáme parametr
VíceDoprava a spoje elektronický časopis Fakulty prevádzky a ekonomiky dopravy a spojov Žilinskej univerzity v Žiline, ISSN
MOŽNOSTI STANOVENIA JEDNOTKOVEJ CENY ZA PREPRAVU KUSOVÝCH ZÁSIELOK CESTNOU DOPRAVOU V SR Marta Dobrotková 1 Pri stanovení jednotkovej ceny je potrebné vychádzať z viacerých faktorov, ako len na základe
VíceROZDĚLENÍ SPOJITÝCH NÁHODNÝCH VELIČIN
ROZDĚLENÍ SPOJITÝCH NÁHODNÝCH VELIČIN Rovnoměrné rozdělení R(a,b) rozdělení s konstantní hustotou pravděpodobnosti v intervalu (a,b) f( x) distribuční funkce 0 x a F( x) a x b b a 1 x b b 1 a x a a x b
VíceZáklady teorie pravděpodobnosti
Základy teorie pravděpodobnosti Náhodný jev Pravděpodobnost náhodného jevu Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 15. srpna 2012 Statistika
VíceNávrh a vyhodnocení experimentu
Návrh a vyhodnocení experimentu Návrh a vyhodnocení experimentů v procesech vývoje a řízení kvality vozidel Ing. Bohumil Kovář, Ph.D. FD ČVUT Ústav aplikované matematiky kovar@utia.cas.cz Mladá Boleslav
Více7. Rozdělení pravděpodobnosti ve statistice
7. Rozdělení pravděpodobnosti ve statistice Statistika nuda je, má však cenné údaje, neklesejte na mysli, ona nám to vyčíslí Jednou z úloh statistiky je odhad (výpočet) hodnot statistického znaku x i,
VíceVedecký prístup ku koncipovaniu ekonomickej teórie. VET Cvičenie 1.2
Vedecký prístup ku koncipovaniu ekonomickej teórie VET Cvičenie 1.2 Základné funkcie ekonómie ako vedy 1. poznávacia 2. praktická 3. metodologická Ekonómia má nielen svoj predmet skúmania, ale aj svoje
VíceMAT I. Logika, množiny 6. Finančná matematika 4. Geometria 8. Planimetria 14. Výrazy 18. Funkcie Függvények 4
MAT I Logika, množiny 6 1. Výrok, pravdivostná hodnota výroku, výroková forma 2. Logické spojky. Kvantifikované výroky 3. Pravdivostná hodnota zložených výrokov 4. Množina, prvok, množina prázdna, konečná,
VíceMÍRY ZÁVISLOSTI (KORELACE A REGRESE)
zhanel@fsps.muni.cz MÍRY ZÁVISLOSTI (KORELACE A REGRESE) 2.5 MÍRY ZÁVISLOSTI 2.5.1 ZÁVISLOST PEVNÁ, VOLNÁ, STATISTICKÁ A KORELAČNÍ Jednorozměrné soubory - charakterizovány jednotlivými statistickými znaky
VícePříklady na testy hypotéz o parametrech normálního rozdělení
Příklady na testy hypotéz o parametrech normálního rozdělení. O životnosti 75W žárovky (v hodinách) je známo, že má normální rozdělení s = 5h. Pro náhodný výběr 0 žárovek byla stanovena průměrná životnost
Víceú ú ť ú ú ú ú ú ú ú ú ú ť ť ú ú ť ú ú ú ť ó ú ť Ý ú ú ú ú ú ú ú ó
É Š ú ú ú ť ú ú ú ť ú ú ú ú ú ť ú ú ú ú ú ú ú ú ú ť ú ú ť ú ú ú ú ú ú ú ú ú ť ť ú ú ť ú ú ú ť ó ú ť Ý ú ú ú ú ú ú ú ó ú ú ú ú ú ú ú ú ť ú ú ď ú ť ť ú ú ú ú ú ť Ú Á ú ť ú ú ú ú ú ú ú ó ť ú ú ú Á Ú Ť ú ú
Více8.1. Definice: Normální (Gaussovo) rozdělení N(µ, σ 2 ) s parametry µ a. ( ) ϕ(x) = 1. označovat písmenem U. Její hustota je pak.
8. Normální rozdělení 8.. Definice: Normální (Gaussovo) rozdělení N(µ, ) s parametry µ a > 0 je rozdělení určené hustotou ( ) f(x) = (x µ) e, x (, ). Rozdělení N(0; ) s parametry µ = 0 a = se nazývá normované
VíceZápočtová práce STATISTIKA I
Zápočtová práce STATISTIKA I Obsah: - úvodní stránka - charakteristika dat (původ dat, důvod zpracování,...) - výpis naměřených hodnot (v tabulce) - zpracování dat (buď bodové nebo intervalové, podle charakteru
VíceTomáš Karel LS 2012/2013
Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není
VíceVYSOKÉ UČENÍ TECHNICKÉ V BRNĚ. FAKULTA STROJNÍHO INŽENÝRSTVÍ Ústav materiálového inženýrství - odbor slévárenství
1 PŘÍLOHA KE KAPITOLE 11 2 Seznam příloh ke kapitole 11 Podkapitola 11.2. Přilité tyče: Graf 1 Graf 2 Graf 3 Graf 4 Graf 5 Graf 6 Graf 7 Graf 8 Graf 9 Graf 1 Graf 11 Rychlost šíření ultrazvuku vs. pořadí
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie ZS 2015/16 Cvičení 1: Opakování ze statistiky LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE Z čeho studovat 1) Z KNIHY Krkošková,
Více3 Determinanty. 3.1 Determinaty druhého stupňa a sústavy lineárnych rovníc
3 eterminanty 3. eterminaty druhého stupňa a sústavy lineárnych rovníc Začneme úlohou, v ktorej je potrebné riešiť sústavu dvoch rovníc o dvoch neznámych. a x + a 2 x 2 = c a 22 a 2 x + a 22 x 2 = c 2
VíceLékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.)
Lékařská biofyzika, výpočetní technika I Biostatistika Josef Tvrdík (doc. Ing. CSc.) Přírodovědecká fakulta, katedra informatiky josef.tvrdik@osu.cz konzultace úterý 14.10 až 15.40 hod. http://www1.osu.cz/~tvrdik
VíceCharakteristika datového souboru
Zápočtová práce z předmětu Statistika Vypracoval: 10. 11. 2014 Charakteristika datového souboru Zadání: Při kontrole dodržování hygienických norem v kuchyni se prováděl odběr vzduchu a pomocí filtru Pallflex
VíceI. VIACROZMERNÉ ŠTATISTICKÉ METÓDY
Okruhy otázok na štátne skúšky z Viacrozmerných štatistických metód a Hospodárskej štatistiky Študijný program: Štatistické metódy v ekonómii I. VIACROZMERNÉ ŠTATISTICKÉ METÓDY 1. Klasický lineárny regresný
VíceX = x, y = h(x) Y = y. hodnotám x a jedné hodnotě y. Dostaneme tabulku hodnot pravděpodobnostní
..08 8cv7.tex 7. cvičení - transformace náhodné veličiny Definice pojmů a základní vzorce Je-li X náhodná veličina a h : R R je měřitelná funkce, pak náhodnou veličinu Y, která je definovaná vztahem X
VíceVYBRANÉ DVOUVÝBĚROVÉ TESTY. Martina Litschmannová
VYBRANÉ DVOUVÝBĚROVÉ TESTY Martina Litschmannová Obsah přednášky Vybrané dvouvýběrové testy par. hypotéz test o shodě rozptylů (F-test), testy o shodě středních hodnot (t-test, Aspinové-Welchův test),
VíceStatistická analýza jednorozměrných dat
Statistická analýza jednorozměrných dat Prof. RNDr. Milan Meloun, DrSc. Univerzita Pardubice, Pardubice 31.ledna 2011 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem
VíceUrčujeme neznámé hodnoty parametru základního souboru. Pomocí výběrové charakteristiky vypočtené z náhodného výběru.
1 Statistické odhady Určujeme neznámé hodnoty parametru základního souboru. Pomocí výběrové charakteristiky vypočtené z náhodného výběru. Odhad lze provést jako: Bodový odhad o Jedna číselná hodnota Intervalový
Vícey = 0, ,19716x.
Grafické ověřování a testování vybraných modelů 1 Grafické ověřování empirického rozdělení Při grafické analýze empirického rozdělení vycházíme z empirické distribuční funkce F n (x) příslušné k náhodnému
VíceVybraná rozdělení náhodné veličiny
3.3 Vybraná rozdělení náhodné veličiny 0,16 0,14 0,12 0,1 0,08 0,06 0,04 0,02 0 Rozdělení Z 3 4 5 6 7 8 9 10 11 12 13 14 15 Život je umění vytvářet uspokojivé závěry na základě nedostatečných předpokladů.
Více15. T e s t o v á n í h y p o t é z
15. T e s t o v á n í h y p o t é z Na základě hodnot náhodného výběru činíme rozhodnutí o platnosti hypotézy o hodnotách parametrů rozdělení nebo o jeho vlastnostech. Rozeznáváme dva základní typy testů:
VíceTestování hypotéz. 1 Jednovýběrové testy. 90/2 odhad času
Testování hypotéz 1 Jednovýběrové testy 90/ odhad času V podmínkách naprostého odloučení má voák prokázat schopnost orientace v čase. Úkolem voáka e provést odhad časového intervalu 1 hodiny bez hodinek
VíceVýběrové charakteristiky a jejich rozdělení
Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Statistické šetření úplné (vyčerpávající) neúplné (výběrové) U výběrového šetření se snažíme o to, aby výběrový
VíceNáhodné veličiny jsou nekorelované, neexistuje mezi nimi korelační vztah. Když jsou X; Y nekorelované, nemusí být nezávislé.
1. Korelační analýza V životě většinou nesledujeme pouze jeden statistický znak. Sledujeme více statistických znaků zároveň. Kromě vlastností statistických znaků nás zajímá také jejich těsnost (velikost,
VíceMe neˇ nezˇ minimum ze statistiky Michaela S ˇ edova KPMS MFF UK Principy medicı ny zalozˇene na du kazech a za klady veˇdecke prˇı pravy 1 / 33
1 / 33 Méně než minimum ze statistiky Michaela Šedová KPMS MFF UK Principy medicíny založené na důkazech a základy vědecké přípravy Příklad Studie syndromu náhodného úmrtí dětí. Dvě skupiny: Děti, které
Víceě ě ú Ř Ň É ŘÍ ú ů Ň É ŘÍ Ř É Ř É é é ě
ě ú ě ú é Ť ě é Ť ě ú ú úé é úě ěš é ě ě ě ú Ř Ň É ŘÍ ú ů Ň É ŘÍ Ř É Ř É é é ě ě é ú Ý ó Ě É Ý ě ú ů Č é ú ě ě ů ú Á Í Ý ÚŘ Č Ý Ý Ě Ř Ř ú ě Č ě ú ů ů ě ú ě Č é ě ě š é ó ě ěě ú ú Ř Č é ě Ř É Í é ě ů ů
Více10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.
0 cvičení z PST 5 prosince 208 0 (intervalový odhad pro rozptyl) Soubor (70, 84, 89, 70, 74, 70) je náhodným výběrem z normálního rozdělení N(µ, σ 2 ) Určete oboustranný symetrický 95% interval spolehlivosti
VíceKvadratické funkcie, rovnice, 1
Kvadratické funkcie, rovnice, 1. ročník Kvadratická funkcia Kvadratickou funkciu sa nazýva každá funkcia na množine reálnych čísel R daná rovnicou y = ax + bx + c, kde a je reálne číslo rôzne od nuly,
Více