Náhodná veličina-označení Parametry Obor platnosti Normální N(µ,σ) Střední hodnota µ Střední směr. odchylka σ. Střední hodnota µ

Rozměr: px
Začít zobrazení ze stránky:

Download "Náhodná veličina-označení Parametry Obor platnosti Normální N(µ,σ) Střední hodnota µ Střední směr. odchylka σ. Střední hodnota µ"

Transkript

1 ředáša č 4 Teoretcé sojté áhodé velčy ožtí těchto áhodých velč je ro říady, dy velča může abývat lbovolých hodot v omezeém č eomezeém terval V techcé rax se jedá o os vlastostí solehlvost výrob (doba do orchy, žvotost výrob, tezta orch, dodržeí č výrob rčtého geometrcého rozměr, techcé vlastost výrob aod Další ožtí těchto velč je v aalytcé statstce, dy oszjeme latost statstcých tvrzeí (hyotéz č aalyzjeme vlastost zísaé zracováím výběrových soborů řehled ejožívaějších sojtých áhodých velč je v ásledjící tablce Náhodá velča-ozačeí arametry Obor latost Normálí N(µ, Středí hodota µ Středí směr odchyla - x Normálí ormovaá N(0, Středí hodota µ0 Středí směr odchyla - x Log, L ormálí N(log µ, log Středí hodota µ Středí směr odchyla velost arametrů jso v log, l hodotách - log x - l x Exoecálí E(λ Itezta λ/µ 0 x Webllova W(a, b, c arametr měříta a µ arametr tvar b 0 x arametr ostí c Stdetova t ( Steň volost - t earsoova χ ( Steň volost - χ (κ Fscherova F (, Steň volost Steň volost 0 F (, ozáma: Výzamé ostaveí ve sojtých áhodých velčách má ormálí (Gassova áhodá velča Jedá se obeco sojto velč s vlastostí, že všechy ostatí áhodé velčy v lmtích říadech řechází v teto ty velčy a ormálí áhodá velča ozačeí N(µ, velča, terá osje eoečě velý sobor arametry velčy: µ - středí hodota - středí směrodatá odchyla Fce hstoty ravděodobost je defováa vztahem f ( xµ ( x e π vlv arametrů a tvar fce hstoty ravděodobost je ásledjící Středí hodota µ rčje vzdáleost maxmálí hodoty ravděodobost výsyt áhodé

2 velčy od očát sořadc a středí směrodatá odchyla ovlvňje ščatost řvy Dstrbčí fce je dle vztah F( x ( ξ x e π x ( xµ Vzhledem tom, že tvar řvy je obecě závslý a arametrech a fce hstoty ravděodobost je oměrě složtá, rovádí se úrava obecé ormálí áhodé velčy do tzv ormovaého tvar ro teto tvar jso charatersty áhodé velčy tabelováy Trasformace ormálí áhodé velčy a ormálí ormovao je leárího tvar dle vztah µ x de x obecá ormálí velča ormálí ormovaá áhodá velča Trasformace ředstavje ostí středí hodoty do očát sořadc a úrav středí směrodaté odchyly a hodot Formálě se tato áhodá velča ozačje N (0, Záladí fce ormovaé áhodé velčy a jso: Hstota ravděodobost ϕ a dstrbčí fce Φ ( e π dx ( ( ξ e dz π Mez fcem F(x, f(x, Φ( a φ( latí ásledjící vztahy f F( x Φ( ( x ϕ( Fce ormálí ormovaé velčy jso tabelováy v řírčách o statstce ař tab a [] Z vlastost symetre ormálí áhodé velčy a tedy symetrcého růběh dstrbčí fce se její velost ro záoré hodoty áhodé velčy rčjí dle vztah Φ ( Φ(

3 Hodota α odovídající ravděodobost výsyt α se azývá vatl evet 00 α % vatt, jeho velost lze vyočítat ze vztah Φ ( ( ξ α α α což je horí mez tegrace dstrbčí fce ormálí ormovaé velčy Hodoty α vatlů se rověž možé rčt omocí statstcých table ař Tab 3 dle [] Shrtí vlastostí ormálí áhodé velčy: má zvoovtý tvar fce hstoty ravděodobost symetrcý olem hodoty µ s flexím body x, µ ± hodota x µ je sočasě středí hodoty velčy 3 velča osje v techcé rax říady, ř terých je vz této velčy ovlvňová velým očtem fatorů (čtelů, z chž aždý má malý (řblžě stejý vlv a vz áhodé velčy 4 velča je vhodá ro os jevů žvotost a solehlvost, de tezta orch se s časem zvyšje 5 Itezta áhodé velčy je defováa vztahem f ( x λ ( x F( x ϕ( Φ( 6 Rozděleí ravděodobost výsyt je možé charaterzovat ásledjící tablo Tably je zřejmé, že oblast ratcého ožtí velčy je v oměrě úzém ásm ± 3 olem středí hodoty Šířa obor ravděodobost výsyt (% ± 68,7 ± 95,45 ± 3 99,73 7 Normálí rozděleí je vša velm důležté z dalších důvodů Jeho výzam sočívá ředevším v tom, že za rčtých odmíe dobře aroxmje řad jých ( dsrétích ravděodobostích rozděleí ř řešeí ravděodobostích úloh se často ředoládá, že sledovaá áhodá velča má ormálí rozděleí, ačolv její stečé rozděleí má je odobý tvar, tz je jedovrcholové a řblžě symetrcé Teto ost je samozřejmě teoretcy odlože, ja dále vdíme, a je velm výhodý, eboť sadňje teoretcé řešeí moha roblémů ratcé výočty

4 řílad a ožtí ormálí áhodé velčy ř otrole olotovarů čeů byl zjště středí růměr če 5,5 mm a středí směrodatá odchyla růměr če 0,35 mm Techcý ředs ro olotovar je Ø 5 0, 05 0, 05 mm ředoládejte, že výsyt rozměrů je odle ormálí áhodé velčy Určete: a očeávaé roceto olotovarů s rozměrem ad horí mez rozměr, b ol rocet olotovarů se bde acházet ve staoveých mezích, c v jaém terval rozměrů se bde ř dlohodobém sledováí acházet 50% olotovarů Grafcé zázorěí řílad

5 Řešeí: a Očeávaé roceto olotovarů odovídá velost lochy od řvo hstoty ravděodobost ro rozměry větší ež 5,5 mm, což bde ( ξ 5,5 ( ξ 5,5 F( x 5,5 Φ( h (5,55,5 5,5 0, 035 e π 0,35 řešeí tegrál rovedeme omocí statstcých table ormálí ormovaé velčy trasformovaá horí mez rozměr bde dx x µ 5,5 5,5 h 0,85 0,35 ro hodot h 0,85 z table dstrbčí fce ormálí ormovaé velčy Φ ( 0,85 0,6 a roto ( ξ 5,5 0,6 0, 3878 tj 38,78 % b Očeávaé roceto olotovarů slňjící ožadovaé rozměry ředstavje velost lochy od řvo hstoty ravděodobost v vedeých mezích rozměr olotovar a je ( 4,95 ξ 5,5 F(5,5 F(4,95 Φ( h Φ( d Trasformjeme dolí mez rozměr d x µ 4,95 5,5 0,57 0,35 ro záoro hodot d bde dstrbčí fce Φ ( 0,57 Φ(0,57 0,757 0,843 Očeávaé roceto olotovarů bde ( 4,95 ξ 5,5 Φ( h Φ( 0,6 0,843 0,379 tj 3,79 % d c Řešeí této část ředstavje rčeí mezí tegrál fce hstoty ravděodobost, terý bde slňovat ožadovao velost Jedá se o oačo úloh, což můžeme vyjádřt zásem ( x ξ x 0,5 řešeí omocí dstrbčí fce je F ( x F( x 0,5 a ř ožtí ormálí ormovaé velčy

6 Φ( Φ( 0,5 Uvedeý zás je tegrálí rovcí, ve teré jso dvě ezámé meze ro řešeí je té vyjádřt vztah mez mezem Zravdla se ožívá ředolad symetre mezí, teré ředstavjí ejravděodobější říad řešeí (lye z vlastost symetre ormálí áhodé velčy Vztah mez mezem řevedeme do vztah jejch dstrbčích fcí a roto Φ Φ( ( dosazeím do rvého vztah dstrbčích fcí zísáme Φ( Φ( 0,5 což dává formálí řešeí ve tvar Φ( 0,75 a omocí table vatlů ormálí ormovaé áhodé velčy 0,68 a 0, 68 o zěté trasformac zísáme hodoty ůvodí roměé ve tvar x µ 5,5 0,680,35 4, 76mm x µ 5,5 0,680,35 5, 388mm Odhady arametrů ormálí áhodé velčy Záladím ředoladem ro ožtí ormálí áhodé velčy je rčeí jejch arametrů, středí hodoty a středí směrodaté odchyly Tyto arametry se zísají vyhodoceím zámých hodot výběrového sobor, terý zísáme výběrem, růzmem ebo rovedeím exermet (áhodého os Zjštěé hodoty bdo vždy oze odhady arametrů a stečé hodoty se moho od zjštěých lšt od bdeme vyhodocovat oze málo četý výběrový sobor (ař 0 hodot bde vždy odchyla od stečé hodoty větší ro rozsáhlé výběrové sobory aoa jedotlvé zůsoby odhadů bdo řesější a ebdo se od sebe výrazě odlšovat Metody odhad arametrů jso obecě: - bodové, - tervalové (solehlvostí, - metodo learzace dstrbčí fce

7 K jedotlvým metodám odhad: A bodový (mometový odhad ředoládejme, že áhodá velča má ormálí rozděleí se středí hodoto µ a středí směrodato odchylo Z tohoto záladího sobor (teoretcy o eoečém očt hodot odebereme výběr o hodotách otom výběrový růměr rčíme jao středí hodot dle vztah m x x ( x x x a tato hodota je bodovým odhadem středí hodoty áhodé velčy Středí směrodato odchyl rčíme omocí roztyl výběrového sobor D M ( x m ( x m m ( x x Věrohodost vedeého zůsob odhad závsí a očt hodot výběrového sobor ožívá se roto ro odhady rozsáhlejších výběrových soborech ro zjedodšeí výočt v říadech, že hodoty ve výběrovém sobor jso eúlá čísla (což je sojtých áhodých velč-rozměry, hodoty techcých arametrů lze ožít metod voleého (ředběžého očát ostem ř výočt zísáme taé formace o vhodost ožtí ormálí áhodé velčy a je ásledjící: a výběrový sobor zatřídíme do třídcích tervalů s ostatí šířo terval b očet tervalů se volí dle četost hodoceého výběrového sobor Četost sobor očet tervalů Do Nad 00 0 > c volba ředběžé středí hodoty (volba očát rostřed terval s ejvětší četostí d trasformace ůvodí áhodé velčy x do velčy áhradí x, terá se celočíselá a malá Vlastí výočet se rovádí v áhradí velčě a ásledě se trasformje do velčy ůvodí Trasformace je dle vztah x x h x o de : x středí hodoty v tervalech ůvodí velčy x hodoty áhradí velčy x o voleý očáte h ro (šířa terval

8 e vyočteme arametry áhradí velčy dle výše vedeých vztahů a hodoty ro ůvodí velč zísáme ze vztahů středí hodota středí směrodatá odchyla x xo h x h Uvedeý ost výočt je vede a ásledjícím řílad řílad: ř otrole sobor 55 olotovarů výrob byly aměřey růměry zatříděé v tablce Odhaděte arametry ředoládaé ormálí áhodé velčy Iterval od do (mm Četost Střed terval X X (X (X 4,95-5,00 3 4, ,00-5,05 5 5, ,05-5,0 4 5, ,0-5,5 5,5 5 5,5-5,0 5, sočet Volba omocé roměé x : h o 0,05 mm, x o 5,075 mm x 5,0750,05x Bodový odhad středí hodoty ro omoco áhodo velč: 5 x x ( 7 0, 7 55 Odhad středí hodoty áhodé velčy: x xo h x 5,075 0,05( 07 5, 068mm Bodový odhad roztyl ro omoco áhodo velč (evet středí směrodaté odchyly: D ( ξ E( ξ E( ξ 5 55 [ ] ( x [ ] 43 ( 0,7 0, 7656 x Odhad roztyl áhodé velčy D ξ h D 0,050,7656 ξ 0,0094mm Odhad středí směrodaté odchyly áhodé velčy: ξ D 0,0094 0, 04375mm

9 B tervalový (solehlvostí odhad Uvedeým ostem zísáme terval, ve terém se bde acházet odhadovaý arametr záladího sobor se záro zvoleé ravděodobost Z hledsa osytovaé formace je teto ost výhodější, ezísáme jed hodot arametr, ale možé rozětí, de se arametr bde vysytovat včetě solehlvostí záry Velost záry se zravdla volí v rozmezí 95 99% ředoládejme oět, že záladí sobor je ormálí s arametry µ a otom áhodá velča osjící vlastost výběrového sobor je taé ormálí s arametry µ, v Zvolme číslo ε a otom říslšá ravděodobost, že výběrový růměr x s bde acházet v terval od (µ-ε až (µε se vyočte z vlastostí ormálí áhodé velčy dle vztah ( µ e x µ ε Φ( µ ε Φ( µ ε de ε je řesost (ejstota odhad Nazačeý ost je možé obrátt Uvažjte záladí sobor s ormálí áhodo velčo, teré azáme její středí hodot Velost středí směrodaté odchyly je Ze sobor odebereme výběr hodot s výběrovým růměrem x Nyí zjstíme v jaém terval olem x může ležet ezámá středí hodota záladího sobor Úravo ředchozího vztah dostaeme ε ( x ε µ x ε Φ( Teto terval od x ε do x ε má áhodé meze ro eáhodo velč µ Uvedeý terval se azývá solehlvostí č ofdečí terval ro solehlvost V osaém říadě se jedá o obostraý solehlvostí terval, může být ale rče jao jedostraý (záleží a charater osovaé velčy ozáma : ř tervalových odhadech se oszjí formace o záladím sobor a v jedotlvých říadech bdo vztahy ro obostraé solehlvostí odhady středí hodoty ásledjící: záme velost středí směrodaté odchyly záladího sobor a výběrový sobor je velý (>30 ( x µ x λ α vatl ormálí ormovaé áhodé velčy

10 ezáme velost středí směrodaté odchyly záladího sobor s výběrový sobor je velý ost je stejý oze s tím, že středí směrodato odchyl ahradíme jejím odhadem 3 ezáme velost středí hodoty a výběrový sobor je malý (od 30 rvů α µ λ (,, t x t x, t vatt Stdetovy áhodé velčy 4 záme velost záladího a výběrového sobor, >30 µ ( N N x N N x 5 ro odhad roztyl se ejčastěj ožívá vztah χ χ χ,, ( ( ožté vatty jso hodoty áhodé velčy earsoovy χ 6 ro odhad relatví četost alteratvího za ( ( de ravděodobost vz jev ozáma : Meze solehlvost ro áhodé velčy s ezámým rozděleím fce hstoty ravděodobost lze staovt obecě omocí Čebyševovy erovost Ozačíme-l velč τ ta ro aždé ladé číslo latí [ ] ( E τ τ

11 řílad: Odhaděte arametry rozděleí vyhodoceím výběrového sobor dle tably se solehlvostí 95 % ro středí hodot a 90% ro roztyl Iterval Četost Střed terval od do (mm 4,95-5,00 3 4,975 5,00-5,05 5 5,05 3 5,05-5,0 4 5, ,0-5,5 5,5 5 5,5-5,0 5,75 sočet ro výběrový sobor rovedeme bodový odhad arametrů: (ost dle ředchozího řílad -odhad středí hodoty -odhad roztyl x 5, 068 mm D 0,0094mm Solehlvostí odhad středí hodoty zarčje: ( x D x 0, 95 µ Velost ejstoty odhad (ro 30: H 0,04375,96 55 ε 0,95 Solehlvostí meze ro středí hodot: (5,0565,079 0,95 Solehlvostí odhad roztyl zarčje: ( D H 0, 90 Odhad dolí meze roztyl ř solehlvost 90% 0,056 ( (55 0,0094 D χ, 67,5 0,0053 mm

12 Odhad horí meze roztyl ř solehlvost 90% Solehlvostí meze ( (55 0,0094 H χ, 34,8 ( 0,053 0,0097 0, 90 C odhad metodo learzace dstrbčí fce 0,0097mm Metoda bývá ozačováa jao grafcá, rcem je zísáí leárího vztah mez vhodým velčam, teré závsí a zjšťovaých arametrech áhodé velčy U ormálí áhodé velčy vycházíme ze vztah mez ormálí a ormovao velčo x µ x µ x µ což je v sořadcích x, leárí vztah řřazeé hodoty ormovaé velčy se rčí z exermetálí dstrbčí fce eboť latí F(x Φ( Závslost lze reslt jao lomeo čár č ožít ař metody mma sočt čtverců odchyle exermetálích a teoretcých hodot ro hodot 0 středí hodota růsečí římy s oso x ro hodot středí směrodatá odchyla x - µ Uvedeým ostem dále zísáme formac o vhodost ožtí ormálí áhodé velčy od hodoty zísaé z výběrového sobor leží v blízost roložeé římy v graf je ormálí áhodá velča vhodá ro os Mír těsost je možé vyjádřt číselě

13 řílad: Odhaděte arametry rozděleí vyhodoceím výběrového sobor dle tably a osďte vhodost ožtí ormálí áhodé velčy os Iterval od do (mm Četost Odhad dstrbčí fce F(x Normálí ormovaá velča F(x 4,95-5,00 3 3/550,0545 -,60 5,00-5,05 5 8/550,37-4,45 3 5,05-5,0 4 0,7636 0,78 4 5,0-5,5 0,988, ,5-5,0,0 (3,09 sočet Z hodot výběrového sobor vyočteme odhad dstrbčí fce a z table ormálí ormovaé velčy rčíme odovídající hodoty roměé ro trasformačí vztah x µ x zareslíme růběh F(x f(x ozáma: hodot ro odhad dstrbčí v osledím terval ahradíme hodoto 3,09 (dstrbčí fce 0,9990

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

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

Více

Přednáška č. 2 náhodné veličiny

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

Více

Téma 6: Indexy a diference

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

Více

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

PRAVDĚPODOBNOST A STATISTIKA

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

Více

Testování statistických hypotéz

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

Více

Doc. Ing. Dagmar Blatná, CSc.

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

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

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

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

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

Více

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

11. INDUKTIVNÍ STATISTIKA

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

Více

V. Normální rozdělení

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

Více

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

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

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

4. 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 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

a další charakteristikou je četnost výběrového souboru n.

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

Více

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

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

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

Národní informační středisko pro podporu kvality

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

Více

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

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

Více

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

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

Více

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

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

1 Popis statistických dat. 1.1 Popis nominálních a ordinálních znaků

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

Více

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

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 4. KAPITOLA STATISTICKÉ CHARAKTERISTIKY 16.10.2017 23.10.2017 Přehled témat 1. Pravděpodobost (defiice, využití, výpočet pravděpodobostí

Více

12. Regrese Teoretické základy

12. Regrese Teoretické základy Regese Jedím z hlavích úolů matematicé statistiy je hledáí a studium závislostí mezi dvěma či více oměými Závisle oměá se zavidla ozačuje Y a ezávisle oměé X,, X i,i Závislosti mezi Y a suiou oměých X

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

Pevnost a životnost - Hru III 1. PEVNOST a ŽIVOTNOST. Hru III. Milan Růžička, Josef Jurenka, Zbyněk Hrubý.

Pevnost a životnost - Hru III 1. PEVNOST a ŽIVOTNOST. Hru III. Milan Růžička, Josef Jurenka, Zbyněk Hrubý. evost a životost - Hr III EVNOT a ŽIVOTNOT Hr III Mila Růžička, Josef Jreka, Zbyěk Hrbý zbyek.hrby@fs.cvt.cz evost a životost - Hr III tatistické metody vyhodocováí dat evost a životost - Hr III 3 tatistické

Více

Analytické modely systémů hromadné obsluhy

Analytické modely systémů hromadné obsluhy Aalytcé odely systéů hroadé obsluhy ředěte teore hroadé obsluhy Kedallova lasface - ty SHO: X / Y / c / d / X ty stochastcého rocesu, terý osue říchody Y ty stochastcého rocesu terý osue délu obsluhy c

Více

PRAVDĚPODOBNOST A STATISTIKA

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

Více

6.1 Systémy hromadné obsluhy

6.1 Systémy hromadné obsluhy 6. Systémy hromadé obsluhy Proces usoojováí áhodě i hromadě vziajících ožadavů a obsluhu se azývá roces hromadé obsluhy. Předmětem teorie hromadé obsluhy, ědy taé ozačovaé jao teorie frot (z aglicých slov

Více

TECHNICKÁ UNIVERZITA V LIBERCI

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

Více

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

Elektrické přístroje. Přechodné děje při vypínání

Elektrické přístroje. Přechodné děje při vypínání VŠB - Techická uiverzita Ostrava Fakulta elektrotechiky a iformatiky Katedra elektrických strojů a řístrojů Předmět: Elektrické řístroje Protokol č.5 Přechodé děje ři vyíáí Skuia: Datum: Vyracoval: - -

Více

Definice obecné mocniny

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

Více

IV. MKP vynucené kmitání

IV. MKP vynucené kmitání Jří Máca - katedra mechaky - B35 - tel. 435 4500 maca@fsv.cvut.cz IV. MKP vyuceé kmtáí. Rovce vyuceého kmtáí. Modálí aalýza rozklad do vlastích tvarů 3. Přímá tegrace pohybových rovc 3. Metoda cetrálích

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

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

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

Více

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

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

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

Národní informační středisko pro podporu jakosti

Národní informační středisko pro podporu jakosti Národí iformačí středisko pro podpor jakosti Kozltačí středisko statistických metod při NIS-PJ Výpočet koeficietů reglačích diagramů pro obecé riziko Ig. Václav Chmelík, CSc Ústav strojíreské techologie,

Více

8. Zákony velkých čísel

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

Více

Dynamická pevnost a životnost Statistika

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

Více

PRAVDĚPODOBNOST ... m n

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

Více

Přednášky část 7 Statistické metody vyhodnocování dat

Přednášky část 7 Statistické metody vyhodnocování dat DŽ ředášky část 7 tatistické metody vyhodocováí dat Mila Růžička mechaika.fs.cvt.cz mila.rzicka@fs.cvt.cz DŽ tatistické metody vyhodocováí dat Jak velké rozptyly lze očekávat mezi dosažeými pevostmi ebo

Více

Pro orientaci v této problematice jsme se seznámili s nkolika novými pojmy:

Pro orientaci v této problematice jsme se seznámili s nkolika novými pojmy: Ig. Marta Ltschmaová Statsta I., cveí 8 LIMITNÍ VTY Lmtí vty jsou tvrzeí, terá jsou dležtá pro pops pravdpodobostích model v pípad rostoucího potu áhodých pous.. ro oretac v této problematce jsme se sezáml

Více

Úvod do teorie měření

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

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA 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

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 6. KAPITOLA CENTRÁLNÍ LIMITNÍ VĚTA 6.11.2017 Opakováí: Čebyševova erovost příklad Pravděpodobost vyrobeí zmetku je 0,5. Odhaděte pravděpodobost,

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

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

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

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

Více

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

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

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností

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

Více

Stísněná plastická deformace PLASTICITA

Stísněná plastická deformace PLASTICITA Stísěá asticá deformace PLASTICITA STÍSNĚNÁ PLASTICKÁ DEORACE VE STATICKY NEURČITÝCH ÚLOHÁCH Elasticé řešeí: N cos, N N cos. Největší síla, tero může prt přeést: N S. Prt přejde do ast. stav prví při zatěž.síle

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

10.2.3 VÁŽENÝ ARITMETICKÝ PRŮMĚR S REÁLNÝMI VAHAMI

10.2.3 VÁŽENÝ ARITMETICKÝ PRŮMĚR S REÁLNÝMI VAHAMI Středí hodoty Artmetcý průměr vážeý Aleš Drobí straa 0 VÁŽENÝ ARITMETICKÝ PRŮMĚR S REÁLNÝMI VAHAMI Zatím jsme počítal s tím, že četost ve vztahu pro vážeý artmetcý průměr byla přrozeá čísla Četost mohou

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

Spolehlivost a diagnostika

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

Více

Tento materiál vznikl díky Operačnímu programu Praha Adaptabilita CZ.2.17/3.1.00/33254

Tento materiál vznikl díky Operačnímu programu Praha Adaptabilita CZ.2.17/3.1.00/33254 Evroský sociálí od Praha & EU: Ivestujeme do vaší budoucosti eto materiál vzikl díky Oeračímu rogramu Praha Adatabilita CZ..7/3../3354 Maažerské kvatitativí metody II - ředáška č.3 - Queuig theory teorie

Více

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

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

Více

3. Charakteristiky a parametry náhodných veličin

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

Více

Západočeská univerzita FAKULTA APLIKOVANÝCH VĚD

Západočeská univerzita FAKULTA APLIKOVANÝCH VĚD Záadočesá uverzta FKULT PLIKOVNÝCH VĚD Obsah: Pravděodobostí modelováí očítačových systémů geerováí a využtí áhodých čísel (Mote Carlo metody), matematcé (marovsé) modely 3 Zálady teore systémů hromadé

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

Mendelova univerzita v Brně Statistika projekt

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

Více

Intervalové odhady parametrů

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

Více

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU) ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU) Základy teorie pravděpodobosti měřeí chyba měřeí Provádíme kvalifikovaý odhad áhodá systematická výsledek ejistota výsledku Základy teorie pravděpodobosti

Více

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

Směrnice 1/2011 Statistické vyhodnocování dat, verze 4 Verze 4 je shodná se Směrnicí 1/2011 verze 3, pouze byla rozšířena o robustní analýzu

Směrnice 1/2011 Statistické vyhodnocování dat, verze 4 Verze 4 je shodná se Směrnicí 1/2011 verze 3, pouze byla rozšířena o robustní analýzu Směrce /0 Stattcké vyhodocováí dat, verze 4 Verze 4 e hodá e Směrcí /0 verze 3, ouze byla rozšířea o robutí aalýzu. Stattcké metody ro zkoušeí zůoblot Cílem tattcké aalýzy výledků zkoušek ř zkouškách zůoblot

Více

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

Markovovy řetězce s diskrétním časem (Discrete Time Markov Chain)

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

Více

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

MODELY HROMADNÉ OBSLUHY Models of queueing systems

MODELY HROMADNÉ OBSLUHY Models of queueing systems MODELY HROMADNÉ OBSLUHY Models of queueig systems Prof. RNDr. Ig. Miloš Šeda, Ph.D. Vysoé učeí techicé v Brě, Faulta strojího ižeýrství, Ústav automatizace a iformatiy e-mail: seda@fme.vutbr.cz Abstrat

Více

Digitální učební materiál

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

Více

3. Decibelové veličiny v akustice, kmitočtová pásma

3. Decibelové veličiny v akustice, kmitočtová pásma 3. Decibelové veličiy v akustice, kmitočtová ásma V ředchozí kaitole byly defiováy základí akustické veličiy, jako ař. akustický výko, akustický tlak a itezita zvuku. Tyto veličiy ve v raxi měí o moho

Více

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

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

Více

2. Vícekriteriální a cílové programování

2. Vícekriteriální a cílové programování 2. Vícerterálí a cílové programováí Úlohy vícerterálího programováí jsou úlohy, ve terých se a možě přípustých řešeí optmalzuje ěol salárích rterálích fucí. Moža přípustých řešeí je přtom defováa podobě

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

3. část: Teorie hromadné obsluhy. Ing. Michal Dorda, Ph.D.

3. část: Teorie hromadné obsluhy. Ing. Michal Dorda, Ph.D. 3. část: Teorie hromadé obsluhy Ig. Michal Dorda, h.d. Zálady teorie pravděpodobosti Náhodý pous je děj, jehož výslede eí ai při dodržeí všech předepsaých podmíe předem zám. Náhodý jev je výsledem áhodého

Více

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

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

Více

Pravděpodobnostní modely

Pravděpodobnostní modely Pravděpodobostí modely Meu: QCEpert Pravděpodobostí modely Modul hledá metodou maimálí věrohodosti (MLE Maimum Likelihood Estimate) statistický model (rozděleí) který ejlépe popisuje data. Je přitom k

Více

Statistická rozdělení

Statistická rozdělení Úvod Statstcá rozděleí Václav Adamec vadamec@medelu.cz Náhodá proměá: matematcá velča, jejíž hodot osclují. Produt áhodého procesu lze charaterzovat fucí Hodot proměé v oboru přípustých hodot Rozděleí

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

3. Charakteristiky a parametry náhodných veličin

3. Charakteristiky a parametry náhodných veličin 3. Charatersty a parametry áhodýh velč Úolem této aptoly je zavést pomoý aparát, terým budeme dále popsovat pomoí jedoduhýh prostředů áhodé velčy. Taovýmto aparátem jsou tzv. parametry ebo haratersty áhodé

Více

procesy II Zuzana 1 Katedra pravděpodobnosti a matematické statistiky Univerzita Karlova v Praze

procesy II Zuzana 1 Katedra pravděpodobnosti a matematické statistiky Univerzita Karlova v Praze limití Náhodé limití Katedra pravděpodobosti a matematické statistiky Uiverzita Karlova v Praze email: praskova@karli.mff.cui.cz 9.4.-22.4. 200 limití Outlie limití limití efiice: Řekeme, že stacioárí

Více

1. Čím se zabývá 4PP? zabývá se určováním deformace a porušováním celistvých těles v závislosti na vnějším zatížení

1. Čím se zabývá 4PP? zabývá se určováním deformace a porušováním celistvých těles v závislosti na vnějším zatížení . Čím se zabývá 4PP? zabývá se určováím deformace a porušováím celstvých těles v závslost a vějším zatížeí. Defce obecého apětí + apjatost v bodě tělesa -apětí - je to apětí v určtém bodě určtého tělesa.

Více

Náhodným (stochastickým) procesem nazveme zobrazení, které každé hodnot X t. Promnná t má ve vtšin pípad význam asu. je spojitá,

Náhodným (stochastickým) procesem nazveme zobrazení, které každé hodnot X t. Promnná t má ve vtšin pípad význam asu. je spojitá, 8 as e studu: 9 mut Cíl: Sezámíte se se záladím omy z teore áodýc roces, Marovovým rocesy, rocesy rst a zá Nauíte se osovat vícestavové systémy omocí ravdodobostí ecod a ravdodobostí stav VÝKLAD 8 Náodé

Více

SP2 Korelační analýza. Korelační analýza. Libor Žák

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

Více

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ

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

Více

Směrnice 1/2011 Statistické vyhodnocování dat, verze 3 Verze 3 je shodná s původní Směrnicí 1/2011 verze 2, za čl. 2.3 je vložen nový odstavec

Směrnice 1/2011 Statistické vyhodnocování dat, verze 3 Verze 3 je shodná s původní Směrnicí 1/2011 verze 2, za čl. 2.3 je vložen nový odstavec Směrice /0 Statitické vyhodocováí dat, verze 3 Verze 3 e hodá ůvodí Směricí /0 verze, za čl..3 e vlože ový odtavec. Statitické metody ro zkoušeí zůobiloti Statitická aalýza oužívaá ro aalýzu výledků zkoušky

Více

Soustava momentů. k s. Je-li tedy ve vzorci obecného momentu s = 1, získáme vzorec aritmetického průměru.

Soustava momentů. k s. Je-li tedy ve vzorci obecného momentu s = 1, získáme vzorec aritmetického průměru. Soutava mometů Momety (Obecé, cetrálí a ormovaé) Do ytému mometových charatert patří ty ejdůležtější artmetcý průměr (mometová míra úrově) a rozptyl (mometová úroveň varablty). Obecý momet -tého tupě:

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

PRAVDĚPODOBNOST A STATISTIKA. Bodové a intervalové odhady

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

Více

Obyčejné diferenciální rovnice. Cauchyova úloha Dirichletova úloha

Obyčejné diferenciální rovnice. Cauchyova úloha Dirichletova úloha Občejé erecálí rovce Caucova úloa Drcletova úloa Občejé erecálí rovce - Caucova úloa Úlo: I. = s omíou = jea rovce. řáu II. soustava rovc. řáu III. = - jea rovce -téo řáu = = = - = - Hleáme uc res. uce

Více

STATISTIKA. Základní pojmy

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

Více