Intuitivní pojem pravděpodobnosti

Rozměr: px
Začít zobrazení ze stránky:

Download "Intuitivní pojem pravděpodobnosti"

Transkript

1 Pravděpodobnost

2 Intuitivní pojem pravděpodobnosti

3 Intuitivní pojem pravděpodobnosti Pravděpodobnost zkoumaného jevu vyjadřuje míru naděje, že tento jev nastane. Řekneme-li, že má nějaký jev pravděpodobnost 1/3 (neboli 33,33 %), znamená to, že lze očekávat, že při velkém počtu opakování daného pokusu tento jev nastane zhruba ve třetině případů. Nic nemůže mít pravděpodobnost větší než 1 (100 %)!!!

4 Klasická pravděpodobnost

5 Klasická pravděpodobnost Základní prostor Provádíme pokus, který má n možných výsledků, přičemž všechny tyto výsledky jsou stejně pravděpodobné. Označíme Ω množinu všech možných výsledků tohoto pokusu. Pak Ω = n (symbolem značíme počet prvků množiny). Jednotlivé prvky množiny Ω budeme značit ω 1, ω 2,..., ω n.

6 Klasická pravděpodobnost Náhodný jev a jeho pravděpodobnost Náhodným jevem nazveme jakoukoli podmnožinu množiny Ω. Náhodné jevy budeme zpravidla značit velkými písmeny (A, B,... ). Ω A Pravděpodobnost jevu A označíme P(A) a definujeme ji jako P(A) = počet možností příznivých jevu A počet všech možností = A Ω.

7 Klasická pravděpodobnost Operace s jevy jev opačný Jev opačný k jevu A označíme A. A nastane právě tehdy, když nenastane jev A. Ω A A P(A) = 1 P(A)

8 Klasická pravděpodobnost Operace s jevy průnik Průnik jevů A, B označíme A B. A B nastane právě tehdy, když nastanou oba jevy A, B. Ω A B A B

9 Klasická pravděpodobnost Závislost a nezávislost náhodných jevů Intuitivní pojem nezávislosti Jevy A, B jsou navzájem nezávislé, jestliže to, že nastal jev A, nijak neovlivní pravděpodobnost toho, že nastane jev B. Příklad Nezávislé jevy jsou například: Hodíme dvěma kostkami: A... na první kostce padla šestka, B... na druhé kostce padla jednička Ve Sportce: A... vyhrajeme v 1. tahu, B... vyhrajeme ve 2. tahu (ne tak zřejmé) Z balíčku 52 karet (dvojka až eso, vše ve čtyřech barvách) vytáhneme jednu kartu: A... vytáhli jsme eso, B... vytáhli jsme pikovou kartu

10 Klasická pravděpodobnost Příklad (pokračování) Závislé jevy: Hodíme dvěma kostkami: A... na první kostce padla šestka, B... padl součet 12 Z balíčku 52 karet (dvojka až eso, vše ve čtyřech barvách) vytáhneme dvě karty: A... první karta je eso, B... druhá karta je eso

11 Klasická pravděpodobnost Pravděpodobnost průniku dvou nezávislých jevů Pro jevy A, B, které jsou navzájem nezávislé, platí P(A B) = P(A) P(B). Pro závislé jevy tento vztah neplatí!!

12 Klasická pravděpodobnost Operace s jevy sjednocení Sjednocení jevů A, B označíme A B. A B nastane právě tehdy, když nastane alespoň jeden z jevů A, B. Ω A B A B

13 Klasická pravděpodobnost Pravděpodobnost sjednocení jevů P(A B) = P(A) + P(B) P(A B) Jevy neslučitelné Jevy A, B, které nemohou nastat současně (tj. A B = ), se nazývají neslučitelné. Pro neslučitelné jevy platí P(A B) = P(A) + P(B).

14 Klasická pravděpodobnost Podmíněná pravděpodobnost Víme, že jev A nastal. Zajímá nás pravděpodobnost, že za této podmínky nastal jev B. Tuto pravděpodobnost označíme P(B A)... pravděpodobnost jevu B za podmínky, že nastal jev A P(B A) = P(A B) P(A) Odtud plyne P(A B) = P(A) P(B A)

15 Obecná definice pravděpodobnosti

16 Obecná definice pravděpodobnosti Jevové pole Ω... neprázdná množina všech možných výsledků prováděného pokusu (základní prostor) Systém S podmnožin základního prostoru Ω, který má tyto vlastnosti 1. Ω S, 2. jestliže A S, pak také A = Ω \ A S, 3. jestliže A k S, k = 1, 2,..., pak také k=1 A k S, nazveme množinovou σ-algebrou a dvojici (Ω, S) nazveme jevovým polem. Množinu A Ω nazveme náhodným jevem, jestliže A A. Pro naše potřeby však dál postačí zjednodušená (ač nepřesná) představa, že náhodný jev je libovolná podmnožina základního prostoru Ω.

17 Obecná definice pravděpodobnosti Další vlastnosti σ-algebry S: S, jestliže A, B S, pak také A B S (axiom je pro sjednocení nekonečné posloupnosti) jestliže A, B S, pak také A B S

18 Obecná definice pravděpodobnosti Axiomatická definice pravděpodobnosti Nechť (Ω, S) je jevové pole. Pak zobrazení P : S R nazveme pravděpodobností, jestliže splňuje následující tři axiomy: 1. P(Ω) = 1, 2. P(A) 0 pro každé A S, 3. jestliže A k S, k = 1, 2,..., jsou navzájem disjunktní jevy, A i A j = pro i j, pak P(A 1 A 2 ) = P(A 1 ) + P(A 2 ) +. Pro libovolný náhodný jev A číslo P(A) nazveme pravděpodobností jevu A. Trojice (Ω, S, P) se nazývá pravděpodobnostní prostor.

19 Obecná definice pravděpodobnosti Další vlastnosti pravděpodobnosti 4. P( ) = 0 5. P(A) 1 6. Jestliže A B, pak P(A) P(B) 7. Jestliže A B =, pak P(A B) = P(A) + P(B) 8. P(A B) = P(A) + P(B) P(A B) 9. P(A) = 1 P(A)

20 Obecná definice pravděpodobnosti Nezávislost matematická definice Řekneme, že náhodné jevy A, B jsou nezávislé, jestliže P(A B) = P(A) P(B)

21 Speciální případy pravděpodobnosti

22 Speciální případy pravděpodobnosti Klasická pravděpodobnost Diskrétní pravděpodobnost Geometrická pravděpodobnost

23 Speciální případy pravděpodobnosti Diskrétní pravděpodobnost Množina Ω = {ω 1, ω 2,... } je konečná nebo spočetná (její prvky lze uspořádat do posloupnosti), Ω = n, n může být i. Jednotlivé elementární jevy {ω i } nemusejí nutně nastávat se stejnou pravděpodobností, ale platí n P({ω i }) = 1. i=1 Pravděpodobnost jevu A počítáme jako P(A) = ω A P({ω}).

24 Speciální případy pravděpodobnosti Příklad Lojza jde na zkoušku. Svoje šance vidí takto: Pravděpodobnost, že dostane jedničku, je 0,01. Pravděpodobnost, že dostane dvojku, je třikrát menší než pravděpodobnost, že dostane trojku. Pravděpodobnost, že dostane trojku, je dvakrát menší než pravděpodobnost, že ho vyhodí. Jsou-li Lojzovy úvahy správné, jaká je pravděpodobnost, že zkoušku udělá? Jaká je pravděpodobnost, že dostane lepší známku než trojku? Další příklad viz skripta, str. 134.

25 Speciální případy pravděpodobnosti Geometrická pravděpodobnost Množinu Ω tvoří oblast v n-rozměrném prostoru, 0 < µ(ω) < (µ( ) je míra množiny něco jako obsah). Všechny možné výsledky pokusu jsou stejně pravděpodobné. Pravděpodobnost jevu A počítáme jako P(A) = µ(a) µ(ω).

26 Speciální případy pravděpodobnosti Příklad (Buffonova úloha o jehle) Máme linkovaný papír, rozestup linek je d. Na papír hodíme jehlu délky l, l < d. Jaká je pravděpodobnost, že jehla protne některou z linek? Další příklad viz skripta, str. 131.

27 Podmíněná pravděpodobnost

28 Podmíněná pravděpodobnost Definice podmíněné pravděpodobnosti U klasické pravděpodobnosti viz 14. Je-li A náhodný jev s nenulovou pravděpodobností, pak pro každý náhodný jev B definujeme podmíněnou pravděpodobnost vzorcem P(B A) = P(A B) P(A). Odtud plyne P(A B) = P(A) P(B A).

29 Podmíněná pravděpodobnost Příklad V Kocourkově je 60 % obyvatel obézních a 50 % má vysoký tlak. Náhodně vybereme jednoho kocourkovského občana. a) Jaká je pravděpodobnost, že je obézní? b) Jaká je pravděpodobnost, že má vysoký tlak? c) Jaká je pravděpodobnost, že je obézní a má vysoký tlak? Na otázku c) zatím nejsme schopni odpovědět. K zadání přidáme: Z těch, kdo jsou obézní, mají tři čtvrtiny vysoký tlak.

30 Úplná pravděpodobnost, Bayesův vzorec

31 Úplná pravděpodobnost, Bayesův vzorec Příklad Adam, Boris a Cyril šli na houby. Adam našel 20 hub, z toho 1/5 byly jedovaté houby. Boris našel 50 hub, z toho 1/10 byly jedovaté houby. Cyril našel 30 hub, z toho 1/6 byly jedovaté houby. Když se vrátili, všechny houby dali na jednu hromadu. Náhodně vybereme jednu houbu. a) Jaká je pravděpodobnost, že je jedovatá? b) Vybraná houba je jedovatá. Jaká je pravděpodobnost, že ji našel Adam?

32 Úplná pravděpodobnost, Bayesův vzorec Příklad (mírná změna zadání) Adam, Boris a Cyril šli na houby. Adam našel 20 % hub, z toho 1/5 byly jedovaté houby. Boris našel 50 % hub, z toho 1/10 byly jedovaté houby. Cyril našel 30 % hub, z toho 1/6 byly jedovaté houby. Když se vrátili, všechny houby dali na jednu hromadu. Náhodně vybereme jednu houbu. a) Jaká je pravděpodobnost, že je jedovatá? b) Vybraná houba je jedovatá. Jaká je pravděpodobnost, že ji našel Adam?

33 Úplná pravděpodobnost, Bayesův vzorec Věta o úplné pravděpodobnosti začátek Nechť H 1, H 2,..., H n jsou navzájem disjunktní náhodné jevy takové, že P(H i ) > 0 pro i = 1,..., n a že H 1 H 2 H n = Ω. (Jevy H 1,..., H n nazýváme hypotézy.) Ω H 1 H 2... H n

34 Úplná pravděpodobnost, Bayesův vzorec Věta o úplné pravděpodobnosti dokončení Pak pro každý náhodný jev A platí P(A)=P(H 1 ) P(A H 1 ) + P(H 2 ) P(A H 2 ) + + P(H n ) P(A H n ) n = P(H i ) P(A H i ) i=1 Ω H 1 H 2... H n A

35 Úplná pravděpodobnost, Bayesův vzorec Bayesův vzorec Jestliže P(A) > 0, pak pro každé j = 1,..., n platí P(H j A)= P(H j A) P(A) = P(H j) P(A H j ) P(A) = = P(H j) P(A H j ). n P(H i ) P(A H i ) i=1

Podmíněná pravděpodobnost

Podmíněná pravděpodobnost odmíněná pravděpodobnost 5. odmíněná pravděpodobnost 5.. Motivace: Opakovaně nezávisle provádíme týž náhodný pokus a sledujeme nastoupení jevu A v těch pokusech, v nichž nastoupil jev H. odmíněnou relativní

Více

Jevy A a B jsou nezávislé, jestliže uskutečnění jednoho jevu nemá vliv na uskutečnění nebo neuskutečnění jevu druhého

Jevy A a B jsou nezávislé, jestliže uskutečnění jednoho jevu nemá vliv na uskutečnění nebo neuskutečnění jevu druhého 8. Základy teorie pravděpodobnosti 8. ročník 8. Základy teorie pravděpodobnosti Pravděpodobnost se zabývá matematickými zákonitostmi, které se projevují v náhodných pokusech. Tyto zákonitosti mají opodstatnění

Více

Náhodný jev a definice pravděpodobnosti

Náhodný jev a definice pravděpodobnosti Náhodný jev a definice pravděpodobnosti Obsah kapitoly Náhodný jev. Vztahy mezi náhodnými jevy. Pravidla pro počítání s pravděpodobnostmi. Formule úplné pravděpodobnosti a Bayesův vzorec. Studijní cíle

Více

Populace vs. data. popisná (deskriptivní) popis konkrétních dat. letní semestr 2012 1

Populace vs. data. popisná (deskriptivní) popis konkrétních dat. letní semestr 2012 1 ? Šárka Hudecová Katedra i a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy letní semestr 2012 1? Statistika = věda o získávání, zpracování a interpretaci informace obsažené v

Více

Náhodný pokus každá opakovatelná činnost, prováděná za stejných nebo přibližně stejných podmínek, jejíž výsledek je nejistý a závisí na náhodě.

Náhodný pokus každá opakovatelná činnost, prováděná za stejných nebo přibližně stejných podmínek, jejíž výsledek je nejistý a závisí na náhodě. Základy teorie pravděpodobnosti Náhodný pokus každá opakovatelná činnost, prováděná za stejných nebo přibližně stejných podmínek, jejíž výsledek je nejistý a závisí na náhodě. Náhodný jev jakékoli tvrzení

Více

PRAVDĚPODOBNOST Náhodné pokusy. Náhodný jev

PRAVDĚPODOBNOST Náhodné pokusy. Náhodný jev RAVDĚODOBNOST Náhodné pokusy okusy ve fyzice, chemii při splnění stanov. podmínek vždy stejný výsledek ř. Změna skupenství vody při 00 C a tlaku 00 ka okusy v praxi, vědě, výzkumu při dodržení stejných

Více

METRICKÉ A NORMOVANÉ PROSTORY

METRICKÉ A NORMOVANÉ PROSTORY PŘEDNÁŠKA 1 METRICKÉ A NORMOVANÉ PROSTORY 1.1 Prostor R n a jeho podmnožiny Připomeňme, že prostorem R n rozumíme množinu uspořádaných n tic reálných čísel, tj. R n = R } R {{ R }. n krát Prvky R n budeme

Více

náhodný jev je podmnožinou

náhodný jev je podmnožinou Pravděpodobnost Dovednosti a cíle - Chápat jev A jako podmnožinu množiny, která značí množinu všech výsledků náhodného děje. - Umět zapsat jevy pomocí množinových operací a obráceně umět z množinového

Více

PRAVDĚPODOBNOST A JEJÍ UŽITÍ

PRAVDĚPODOBNOST A JEJÍ UŽITÍ PRAVDĚPODOBNOST A JEJÍ UŽITÍ Základním pojmem teorie pravděpodobnosti je náhodný jev. náhodný jev : výsledek nějaké činnosti nebo pokusu, o němž má smysl prohlásit že nastal nebo ne. Náhodné jevy se označují

Více

Určeno studentům středního vzdělávání s maturitní zkouškou, 4. ročník, okruh Základy počtu pravděpodobnosti

Určeno studentům středního vzdělávání s maturitní zkouškou, 4. ročník, okruh Základy počtu pravděpodobnosti PRAVDĚPODOBNOST anotace Určeno studentům středního vzdělávání s maturitní zkouškou, 4. ročník, okruh Základy počtu pravděpodobnosti VM vytvořil: Mgr. Marie Zapadlová Období vytvoření VM: září 2013 Klíčová

Více

CZ.1.07/1.5.00/34.0619 CZ.1.07/1.5.00/34.0619 Zvyšování vzdělanosti pomocí e-prostoru OP Vzdělávání pro konkurenceschopnost

CZ.1.07/1.5.00/34.0619 CZ.1.07/1.5.00/34.0619 Zvyšování vzdělanosti pomocí e-prostoru OP Vzdělávání pro konkurenceschopnost CZ.1.07/1.5.00/34.0619 CZ.1.07/1.5.00/34.0619 Zvyšování vzdělanosti pomocí e-prostoru OP Vzdělávání pro konkurenceschopnost Soukromá střední škola a jazyková škola s právem státní jazykové zkoušky Č. Budějovice,

Více

Tomáš Karel LS 2012/2013

Tomáš Karel LS 2012/2013 Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není

Více

Základní pojmy a úvod do teorie pravděpodobnosti. Ing. Michael Rost, Ph.D.

Základní pojmy a úvod do teorie pravděpodobnosti. Ing. Michael Rost, Ph.D. Základní pojmy a úvod do teorie pravděpodobnosti Ing. Michael Rost, Ph.D. Co je to Statistika? Statistiku lze definovat jako vědní obor, zabývající se hromadnými jevy a procesy. Statistika zahrnuje jak

Více

( ) ( ) 9.2.7 Nezávislé jevy I. Předpoklady: 9204

( ) ( ) 9.2.7 Nezávislé jevy I. Předpoklady: 9204 9.2.7 Nezávislé jevy I Předpoklady: 9204 Př. : Předpokládej, že pravděpodobnost narození chlapce je stejná jako pravděpodobnost narození dívky (a tedy v obou případech rovna 0,5) a není ovlivněna genetickými

Více

Pravděpodobnost a matematická statistika

Pravděpodobnost a matematická statistika Pravděpodobnost a matematická statistika Mirko Navara Centrum strojového vnímání katedra kybernetiky FEL ČVUT Karlovo náměstí, budova G, místnost 104a http://cmp.felk.cvut.cz/ navara/mvt http://cmp.felk.cvut.cz/

Více

Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují

Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují 1. u + v = v + u, u, v V 2. (u + v) + w = u + (v + w),

Více

Pojem binární relace patří mezi nejzákladnější matematické pojmy. Binární relace

Pojem binární relace patří mezi nejzákladnější matematické pojmy. Binární relace RELACE Pojem binární relace patří mezi nejzákladnější matematické pojmy. Binární relace slouží k vyjádření vztahů mezi prvky nějakých množin. Vztahy mohou být různé povahy. Patří sem vztah býti potomkem,

Více

4. cvičení 4ST201. Pravděpodobnost. Obsah: Pravděpodobnost Náhodná veličina. Co je třeba znát z přednášek

4. cvičení 4ST201. Pravděpodobnost. Obsah: Pravděpodobnost Náhodná veličina. Co je třeba znát z přednášek cvičící 4. cvičení 4ST201 Obsah: Pravděpodobnost Náhodná veličina Vysoká škola ekonomická 1 Pravděpodobnost Co je třeba znát z přednášek 1. Náhodný jev, náhodný pokus 2. Jev nemožný, jev jistý 3. Klasická

Více

1. Házíme hrací kostkou. Určete pravděpodobností těchto jevů: a) A při jednom hodu padne šestka;

1. Házíme hrací kostkou. Určete pravděpodobností těchto jevů: a) A při jednom hodu padne šestka; I Elementární pravděpodonost 1 Házíme hrací kostkou Určete pravděpodoností těchto jevů: a) A při jednom hodu padne šestka; Řešení: P A) = 1 = 01; Je celkem šest možností {1,,, 4,, } a jedna {} je příznivá

Více

Jaroslav Michálek A STATISTIKA

Jaroslav Michálek A STATISTIKA VUT BRNO FAKULTA STROJNÍHO INŽENÝRSTVÍ Jaroslav Michálek PRAVDĚPODOBNOST A STATISTIKA BRNO 2006 preprint Kapitola 1 Úvod Prudký rozvoj výpočetní techniky, jehož jsme v posledních desetiletích svědky, podstatně

Více

Matematika. Kamila Hasilová. Matematika 1/34

Matematika. Kamila Hasilová. Matematika 1/34 Matematika Kamila Hasilová Matematika 1/34 Obsah 1 Úvod 2 GEM 3 Lineární algebra 4 Vektory Matematika 2/34 Úvod Zkouška písemná, termíny budou včas vypsány na Intranetu UO obsah: teoretická a praktická

Více

Diskrétní pravděpodobnost

Diskrétní pravděpodobnost Diskrétní pravděpodobnost Jiří Koula Definice. Konečným pravděpodobnostním prostorem nazveme dvojici(ω, P), kde Ω jekonečnámnožina {ω 1,..., ω n}apfunkcepřiřazujícíkaždépodmnožiněωčíslo zintervalu 0,1,splňujícíP(

Více

Základy pravděpodobnosti poznámky. Jana Klicnarová

Základy pravděpodobnosti poznámky. Jana Klicnarová Základy pravděpodobnosti poznámky Jana Klicnarová 1 V této části připomeneme základní pojmy a vztahy pro práci s náhodou. 0.1 Náhodné jevy Uvažujme situace, které mohou a nemusí nastat a o kterých v nějakém

Více

(ne)závislost. α 1 x 1 + α 2 x 2 + + α n x n. x + ( 1) x Vektoru y = ( 1) y říkáme opačný vektor k vektoru y. x x = 1. x = x = 0.

(ne)závislost. α 1 x 1 + α 2 x 2 + + α n x n. x + ( 1) x Vektoru y = ( 1) y říkáme opačný vektor k vektoru y. x x = 1. x = x = 0. Lineární (ne)závislost [1] Odečítání vektorů, asociativita BI-LIN, zavislost, 3, P. Olšák [2] Místo, abychom psali zdlouhavě: x + ( 1) y, píšeme stručněji x y. Vektoru y = ( 1) y říkáme opačný vektor k

Více

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Název školy Gymnázium, Šternberk, Horní nám. 5 Číslo projektu CZ.1.07/1.5.00/34.0218 Šablona III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Označení materiálu VY_32_INOVACE_Hor012 Vypracoval(a),

Více

Cvičení ze statistiky - 4. Filip Děchtěrenko

Cvičení ze statistiky - 4. Filip Děchtěrenko Cvičení ze statistiky - 4 Filip Děchtěrenko Minule bylo.. Dokončili jsme deskriptivní statistiku Tyhle termíny by měly být známé: Korelace Regrese Garbage in, Garbage out Vícenásobná regrese Pravděpodobnost

Více

Projekt ŠABLONY NA GVM Gymnázium Velké Meziříčí registrační číslo projektu: CZ.1.07/1.5.00/34.0948

Projekt ŠABLONY NA GVM Gymnázium Velké Meziříčí registrační číslo projektu: CZ.1.07/1.5.00/34.0948 Projekt ŠABLONY NA GVM Gymnázium Velké Meziříčí registrační číslo projektu: CZ.1.07/1.5.00/34.0948 IV-2 Inovace a zkvalitnění výuky směřující k rozvoji matematické gramotnosti žáků středních škol PRAVDĚPODOBNOST

Více

2. Friesl, M.: Posbírané příklady z pravděpodobnosti a statistiky. Internetový zdroj (viz odkaz).

2. Friesl, M.: Posbírané příklady z pravděpodobnosti a statistiky. Internetový zdroj (viz odkaz). 1 Cvičení z předmětu KMA/PST1 Pro získání zápočtu je nutno mimo docházky (max. 3 absence) uspět minimálně ve dvou ze tří písemek, které budou v průběhu semestru napsány. Součástí třetí písemky bude též

Více

Vektorový prostor. Př.1. R 2 ; R 3 ; R n Dvě operace v R n : u + v = (u 1 + v 1,...u n + v n ), V (E 3 )...množina vektorů v E 3,

Vektorový prostor. Př.1. R 2 ; R 3 ; R n Dvě operace v R n : u + v = (u 1 + v 1,...u n + v n ), V (E 3 )...množina vektorů v E 3, Vektorový prostor Příklady: Př.1. R 2 ; R 3 ; R n...aritmetický n-rozměrný prostor Dvě operace v R n : součet vektorů u = (u 1,...u n ) a v = (v 1,...v n ) je vektor u + v = (u 1 + v 1,...u n + v n ),

Více

4. ZÁKLADNÍ TYPY ROZDĚLENÍ PRAVDĚPODOBNOSTI DISKRÉTNÍ NÁHODNÉ VELIČINY

4. ZÁKLADNÍ TYPY ROZDĚLENÍ PRAVDĚPODOBNOSTI DISKRÉTNÍ NÁHODNÉ VELIČINY 4. ZÁKLADNÍ TYPY ROZDĚLENÍ PRAVDĚPODOBNOSTI DISKRÉTNÍ NÁHODNÉ VELIČINY Průvodce studiem V této kapitole se seznámíte se základními typy rozložení diskrétní náhodné veličiny. Vašim úkolem by neměla být

Více

Pravděpodobnost, náhoda, kostky

Pravděpodobnost, náhoda, kostky Pravděpodobnost, náhoda, kostky Radek Pelánek IV122, jaro 2015 Výhled pravděpodobnost náhodná čísla lineární regrese detekce shluků Dnes lehce nesourodá směs úloh souvisejících s pravděpodobností krátké

Více

fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu http://akademie.ldf.mendelu.cz/cz (reg. č. CZ.1.07/2.2.00/28.

fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu http://akademie.ldf.mendelu.cz/cz (reg. č. CZ.1.07/2.2.00/28. Základy lineárního programování Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem

Více

( ) ( ) 9.2.10 Binomické rozdělení. Předpoklady: 9209

( ) ( ) 9.2.10 Binomické rozdělení. Předpoklady: 9209 9..1 Binomické rozdělení Předpoklady: 99 Př. 1: Basketbalista hází trestný hod (šestku) s pravděpodobností úspěchu,9. Urči pravděpodobnosti, že z pěti hodů: a) dá košů; b) dá alespoň jeden koš; c) dá nejdříve

Více

Lineární algebra Operace s vektory a maticemi

Lineární algebra Operace s vektory a maticemi Lineární algebra Operace s vektory a maticemi Robert Mařík 26. září 2008 Obsah Operace s řádkovými vektory..................... 3 Operace se sloupcovými vektory................... 12 Matice..................................

Více

Drsná matematika IV 7. přednáška Jak na statistiku?

Drsná matematika IV 7. přednáška Jak na statistiku? Drsná matematika IV 7. přednáška Jak na statistiku? Jan Slovák Masarykova univerzita Fakulta informatiky 2. 4. 2012 Obsah přednášky 1 Literatura 2 Co je statistika? 3 Popisná statistika Míry polohy statistických

Více

LDF MENDELU. Simona Fišnarová (MENDELU) Základy lineárního programování VMAT, IMT 1 / 25

LDF MENDELU. Simona Fišnarová (MENDELU) Základy lineárního programování VMAT, IMT 1 / 25 Základy lineárního programování Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem

Více

Limita a spojitost funkce

Limita a spojitost funkce Limita a spojitost funkce Základ všší matematik Dana Říhová Mendelu Brno Průřezová inovace studijních programů Lesnické a dřevařské fakult MENDELU v Brně (LDF) s ohledem na disciplin společného základu

Více

Matematika pro studenty ekonomie. Doc. RNDr. Jiří Moučka, Ph.D. RNDr. Petr Rádl

Matematika pro studenty ekonomie. Doc. RNDr. Jiří Moučka, Ph.D. RNDr. Petr Rádl Doc. RNDr. Jiří Moučka, Ph.D. RNDr. Petr Rádl Matematika pro studenty ekonomie Vydala Grada Publishing, a.s. U Průhonu 22, 70 00 Praha 7 tel.: +420 234 264 40, fax: +420 234 264 400 www.grada.cz jako svou

Více

Pravděpodobnost a statistika pro SŠ

Pravděpodobnost a statistika pro SŠ Pravděpodobnost a statistika pro SŠ RNDr. Blanka Šedivá, Ph.D., katedra matematiky, Fakulta aplikovaných věd Západočeské univerzity v Plzni sediva@kma.zcu.cz 28. března 2012 Počátky teorie pravděpodobnosti

Více

Významná diskrétní rozdělení pravděpodobnosti

Významná diskrétní rozdělení pravděpodobnosti Alternativní rozdělení Příklad Střelec vystřelí do terče, pravděpodobnost zásahu je 0,8. Náhodná veličina X udává, jestli trefil: položíme X = 1, jestliže ano, a X = 0, jestliže ne. Alternativní rozdělení

Více

Induktivní statistika. z-skóry pravděpodobnost

Induktivní statistika. z-skóry pravděpodobnost Induktivní statistika z-skóry pravděpodobnost normální rozdělení Z-skóry umožňují najít a popsat pozici každé hodnoty v rámci rozdělení hodnot a také srovnávání hodnot pocházejících z měření na rozdílných

Více

Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady

Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady Předmět: Náplň: Třída: Počet hodin: Pomůcky: Matematika Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady 4. ročník 3 hodiny týdně PC a dataprojektor Kombinatorika Řeší jednoduché úlohy

Více

označme j = (0, 1) a nazvěme tuto dvojici imaginární jednotkou. Potom libovolnou (x, y) = (x, 0) + (0, y) = (x, 0) + (0, 1)(y, 0) = x + jy,

označme j = (0, 1) a nazvěme tuto dvojici imaginární jednotkou. Potom libovolnou (x, y) = (x, 0) + (0, y) = (x, 0) + (0, 1)(y, 0) = x + jy, Komplexní čísla Množinu všech uspořádaných dvojic (x, y) reálných čísel x, y nazýváme množinou komplexních čísel C, jestliže pro každé dvě takové dvojice (x, y ), (x 2, y 2 ) je definována rovnost, sčítání

Více

Naproti tomu gramatika je vlastně soupis pravidel, jak

Naproti tomu gramatika je vlastně soupis pravidel, jak 1 Kapitola 1 Úvod V přednášce se zaměříme hlavně na konečný popis obecně nekonečných množin řetězců symbolů dané množiny A. Prvkům množiny A budeme říkat písmena, řetězcům (konečným posloupnostem) písmen

Více

9.2.1 Náhodné pokusy, možné výsledky, jevy

9.2.1 Náhodné pokusy, možné výsledky, jevy 9.2.1 Náhodné pokusy, možné výsedky, jevy Předpokady: 9110, 9114 Hodím kámen za normáních okoností jediný výsedek = spadne na zem Hodíme kámen na terč někoik možných výsedků (trefíme desítku, devítku,,

Více

PRAVDĚPODOBNOST A STATISTIKA aneb Krátký průvodce skripty [1] a [2]

PRAVDĚPODOBNOST A STATISTIKA aneb Krátký průvodce skripty [1] a [2] PRAVDĚPODOBNOST A STATISTIKA aneb Krátký průvodce skripty [1] a [2] Použitá literatura: [1]: J.Reif, Z.Kobeda: Úvod do pravděpodobnosti a spolehlivosti, ZČU Plzeň, 2004 (2. vyd.) [2]: J.Reif: Metody matematické

Více

Diferenciální rovnice a jejich aplikace. (Brkos 2011) Diferenciální rovnice a jejich aplikace 1 / 36

Diferenciální rovnice a jejich aplikace. (Brkos 2011) Diferenciální rovnice a jejich aplikace 1 / 36 Diferenciální rovnice a jejich aplikace Zdeněk Kadeřábek (Brkos 2011) Diferenciální rovnice a jejich aplikace 1 / 36 Obsah 1 Co to je derivace? 2 Diferenciální rovnice 3 Systémy diferenciálních rovnic

Více

2. Je dáno jevové pole (Ω;A) a na něm nezáporná normovaná funkce. Definujte distrubuční funkci náhodného vektoru.

2. Je dáno jevové pole (Ω;A) a na něm nezáporná normovaná funkce. Definujte distrubuční funkci náhodného vektoru. Varianta I 1. Definujte pravděpodobnostní funkci. 2. Je dáno jevové pole (Ω;A) a na něm nezáporná normovaná funkce. Definujte distrubuční funkci náhodného vektoru. 3. Definujte Fisher-Snedecorovo rozdělení.

Více

Obsah. I. Objektivní pravděpodobnosti. 1. Pravděpodobnost a relativní četnosti... 23

Obsah. I. Objektivní pravděpodobnosti. 1. Pravděpodobnost a relativní četnosti... 23 Obsah Předmluva... 15 I. Objektivní pravděpodobnosti 1. Pravděpodobnost a relativní četnosti... 23 1.1 Úvod... 23 1.2 Základy frekvenční interpretace... 24 1.2.1 Pravděpodobnost a hromadné jevy... 24 1.2.2

Více

{ 3;4;5;6 } pravděpodobnost je zřejmě 4 = 2.

{ 3;4;5;6 } pravděpodobnost je zřejmě 4 = 2. 9..3 Pravděpodobnosti jevů I Předpoklady: 90 Opět se vrátíme k hodu kostkou. Pokus má šest stejně pravděpodobných náhodných výsledků pravděpodobnost každého z nich je 6. Do domečku nám chybí tři políčka.

Více

6. Pravděpodobnost a statistika. 6.1. Pravděpodobnost

6. Pravděpodobnost a statistika. 6.1. Pravděpodobnost 6. Pravděpodobnost a statistika 6.1. Pravděpodobnost Pravděpodobnost (hovorově šance; značka je P z anglického probability) je hodnota vyčíslující jistotu resp. nejistotu výskytu určité události. K pojmu

Více

Učební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty. študenti MFF 15. augusta 2008

Učební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty. študenti MFF 15. augusta 2008 Učební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty študenti MFF 15. augusta 2008 1 14 Vlastní čísla a vlastní hodnoty Požadavky Vlastní čísla a vlastní hodnoty lineárního

Více

NÁHODNÉ VELIČINY JAK SE NÁHODNÁ ČÍSLA PŘEVEDOU NA HODNOTY NÁHODNÝCH VELIČIN?

NÁHODNÉ VELIČINY JAK SE NÁHODNÁ ČÍSLA PŘEVEDOU NA HODNOTY NÁHODNÝCH VELIČIN? NÁHODNÉ VELIČINY GENEROVÁNÍ SPOJITÝCH A DISKRÉTNÍCH NÁHODNÝCH VELIČIN, VYUŽITÍ NÁHODNÝCH VELIČIN V SIMULACI, METODY TRANSFORMACE NÁHODNÝCH ČÍSEL NA HODNOTY NÁHODNÝCH VELIČIN. JAK SE NÁHODNÁ ČÍSLA PŘEVEDOU

Více

Jazyk matematiky. 2.1. Matematická logika. 2.2. Množinové operace. 2.3. Zobrazení. 2.4. Rozšířená číslená osa

Jazyk matematiky. 2.1. Matematická logika. 2.2. Množinové operace. 2.3. Zobrazení. 2.4. Rozšířená číslená osa 2. Jazyk matematiky 2.1. Matematická logika 2.2. Množinové operace 2.3. Zobrazení 2.4. Rozšířená číslená osa 1 2.1 Matematická logika 2.1.1 Výrokový počet logická operace zapisujeme čteme česky negace

Více

Ukázka knihy z internetového knihkupectví www.kosmas.cz

Ukázka knihy z internetového knihkupectví www.kosmas.cz Ukázka knihy z internetového knihkupectví www.kosmas.cz (tištěná ISBN 978-80-247-7512-8 (elektronická verze ve formátu verze) PDF) Grada Publishing, a.s. 2012 U k á z k a k n i h y z i n t e r n e t o

Více

Motivace. Náhodný pokus, náhodný n jev. pravděpodobnost. podobnostní charakteristiky diagnostických testů, Bayesův vzorec. Prof.RND. RND.

Motivace. Náhodný pokus, náhodný n jev. pravděpodobnost. podobnostní charakteristiky diagnostických testů, Bayesův vzorec. Prof.RND. RND. Pravděpodobnostn podobnostní charateristiy diagnosticých testů, Bayesův vzorec Prof.RND RND.Jana Zvárov rová,, DrSc. Náhodný pous, náhodný n jev Náhodný pous: výslede není jednoznačně určen podmínami,

Více

1 Linearní prostory nad komplexními čísly

1 Linearní prostory nad komplexními čísly 1 Linearní prostory nad komplexními čísly V této přednášce budeme hledat kořeny polynomů, které se dále budou moci vyskytovat jako složky vektorů nebo matic Vzhledem k tomu, že kořeny polynomu (i reálného)

Více

Teorie. Kombinatorika

Teorie. Kombinatorika Teorie Kombinatorika Kombinatorika Jak obecně vybrat k prvkové množiny z n prvkové množiny? Dvě možnosti: prvky se v množině neopakují bez opakování. prvky se v množině opakují s opakováním. prvky jsou

Více

[1] Vzhledem ke zvolené bázi určujeme souřadnice vektorů...

[1] Vzhledem ke zvolené bázi určujeme souřadnice vektorů... [1] Báze Každý lineární (pod)prostor má svou bázi Vzhledem ke zvolené bázi určujeme souřadnice vektorů... a) base, 4, b) P. Olšák, FEL ČVUT, c) P. Olšák 2010, d) BI-LIN, e) L, f) 2009/2010, g)l. Viz p.

Více

Kapitola 1. Základy teorie pravděpodobnosti

Kapitola 1. Základy teorie pravděpodobnosti Kapitola 1 Základy teorie pravděpodobnosti 1 2 KAPITOLA 1. ZÁKLADY TEORIE PRAVDĚPODOBNOSTI 1.1 Náhodné jevy, pravděpodobnost 1.1.1 Náhoda, náhodný jev Život je jen náhoda, jak se zpívá v jedné oblíbené

Více

Funkce. Definiční obor a obor hodnot

Funkce. Definiční obor a obor hodnot Funkce Definiční obor a obor hodnot Opakování definice funkce Funkce je předpis, který každému číslu z definičního oboru, který je podmnožinou množiny všech reálných čísel R, přiřazuje právě jedno reálné

Více

ALGEBRA. Téma 4: Grupy, okruhy a pole

ALGEBRA. Téma 4: Grupy, okruhy a pole SLEZSKÁ UNIVERZITA V OPAVĚ Matematický ústav v Opavě Na Rybníčku 1, 746 01 Opava, tel. (553) 684 611 DENNÍ STUDIUM Téma 4: Grupy, okruhy a pole Základní pojmy unární operace, binární operace, asociativita,

Více

Teorie grup 1 Příklad axiomatické teorie

Teorie grup 1 Příklad axiomatické teorie Teorie grup 1 Příklad axiomatické teorie Alena Šolcová 1 Binární operace Binary operation Binární operací na neprázdné množině A rozumíme každé zobrazení kartézského součinu A x A do A. Multiplikativní

Více

Diskrétní Matematika (456-533 DIM)

Diskrétní Matematika (456-533 DIM) Diskrétní Matematika (456-5 DIM) Doc. RNDr. Petr Hliněný, Ph.D. petr.hlineny@vsb.cz 7. července 005 Verze.0. Copyright c 004 005 Petr Hliněný. Obsah 0. Předmluva.................................... iv

Více

1. Pravděpodobnost a statistika (MP leden 2010)

1. Pravděpodobnost a statistika (MP leden 2010) 1. Pravděpodobnost a statistika (MP leden 2010) Pravděpodobnost pojmy 1. Diskrétní pravděpodobnostní prostor(definice, vlastnosti, příklad). Diskrétní pravděpodobnostní prostor je trojice(ω, A, P), kde

Více

Mendelova zemědělská a lesnická univerzita v Brně Institut celoživotního vzdělávání Fakulta regionálního rozvoje a mezinárodních studií

Mendelova zemědělská a lesnická univerzita v Brně Institut celoživotního vzdělávání Fakulta regionálního rozvoje a mezinárodních studií Mendelova zemědělská a lesnická univerzita v Brně Institut celoživotního vzdělávání Fakulta regionálního rozvoje a mezinárodních studií STATISTIKA pro TZP Modul : Pravděpodobnost a náhodné veličiny Prof

Více

2. PRAVDĚPODOBNOST JEVŮ

2. PRAVDĚPODOBNOST JEVŮ 2. PRAVDĚPODOBNOST JEVŮ Průvodce studiem V první kapitole jste se seznámili s kombinatorikou. Tyto znalosti použijeme v této kapitole, zavedeme pojem pravděpodobnost jevů a ukážeme základní metody výpočtu

Více

8 Střední hodnota a rozptyl

8 Střední hodnota a rozptyl Břetislav Fajmon, UMAT FEKT, VUT Brno Této přednášce odpovídá kapitola 10 ze skript [1]. Také je k dispozici sbírka úloh [2], kde si můžete procvičit příklady z kapitol 2, 3 a 4. K samostatnému procvičení

Více

Skalár- veličina určená jedním číselným údajem čas, hmotnost (porovnej životní úroveň, hospodaření firmy, naše poloha podle GPS )

Skalár- veličina určená jedním číselným údajem čas, hmotnost (porovnej životní úroveň, hospodaření firmy, naše poloha podle GPS ) LINEÁRNÍ ALGEBRA Úvod vektor Skalár- veličina určená jedním číselným údajem čas, hmotnost (porovnej životní úroveň, hospodaření firmy, naše poloha podle GPS ) Kartézský souřadnicový systém -je taková soustava

Více

Reálná čísla. Sjednocením množiny racionálních a iracionálních čísel vzniká množina

Reálná čísla. Sjednocením množiny racionálních a iracionálních čísel vzniká množina Reálná čísla Iracionální číslo je číslo vyjádřené ve tvaru nekonečného desetinného rozvoje, ve kterém se nevyskytuje žádná perioda. Při počítání je potřeba iracionální číslo vyjádřit zaokrouhlené na určitý

Více

Spolehlivost soustav

Spolehlivost soustav 1 Spolehlivost soustav Spolehlivost soustav 1.1 Koherentní systémy a strukturní funkce Budeme se zabývat modelováním spolehlivosti zřízení s ohledem na spolehlivost jeho komponent. Jedním z hlavních cílů

Více

A0M15EZS Elektrické zdroje a soustavy ZS 2011/2012 cvičení 1. Jednotková matice na hlavní diagonále jsou jedničky, všude jinde nuly

A0M15EZS Elektrické zdroje a soustavy ZS 2011/2012 cvičení 1. Jednotková matice na hlavní diagonále jsou jedničky, všude jinde nuly Matice Matice typu (m, n) je uspořádaná m-tice prvků z řádky matice.. Jednotlivé složky této m-tice nazýváme Matice se zapisují Speciální typy matic Nulová matice všechny prvky matice jsou nulové Jednotková

Více

ANTAGONISTICKE HRY 172

ANTAGONISTICKE HRY 172 5 ANTAGONISTICKÉ HRY 172 Antagonistický konflikt je rozhodovací situace, v níž vystupují dva inteligentní rozhodovatelé, kteří se po volbě svých rozhodnutí rozdělí o pevnou částku, jejíž výše nezávisí

Více

Distribuční funkce je funkcí neklesající, tj. pro všechna

Distribuční funkce je funkcí neklesající, tj. pro všechna Téma: Náhodná veličina, distribuční funkce a její graf, pravděpodobnostní funkce a její graf, funkce hustoty pravděpodobnosti a její graf, výpočet střední hodnoty a rozptylu náhodné veličiny 1 Náhodná

Více

1. Několik základních pojmů ze středoškolské matematiky. Na začátku si připomeneme následující pojmy:

1. Několik základních pojmů ze středoškolské matematiky. Na začátku si připomeneme následující pojmy: Opakování středoškolské matematiky Slovo úvodem: Tato pomůcka je určena zejména těm studentům presenčního i kombinovaného studia na VŠFS, kteří na středních školách neprošli dostatečnou průpravou z matematiky

Více

GRAFY A GRAFOVÉ ALGORITMY

GRAFY A GRAFOVÉ ALGORITMY KATEDRA INFORMATIKY PŘÍRODOVĚDECKÁ FAKULTA UNIVERZITA PALACKÉHO GRAFY A GRAFOVÉ ALGORITMY ARNOŠT VEČERKA VÝVOJ TOHOTO UČEBNÍHO TEXTU JE SPOLUFINANCOVÁN EVROPSKÝM SOCIÁLNÍM FONDEM A STÁTNÍM ROZPOČTEM ČESKÉ

Více

Úlohy k procvičování textu o univerzální algebře

Úlohy k procvičování textu o univerzální algebře Úlohy k procvičování textu o univerzální algebře Číslo za pomlčkou v označení úlohy je číslo kapitoly textu, která je úlohou procvičovaná. Každá úloha je vyřešena o několik stránek později. Kontrolní otázky

Více

KOMPLEXNÍ ČÍSLA INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ

KOMPLEXNÍ ČÍSLA INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ KOMPLEXNÍ ČÍSLA Gymnázium Jiřího Wolkera v Prostějově Výukové materiály z matematiky pro vyšší gymnázia Autoři projektu Student na prahu 21. století - využití ICT ve vyučování matematiky na gymnáziu INVESTICE

Více

Množiny a operace s nimi

Množiny a operace s nimi Variace 1 Množiny a operace s nimi Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv další využití výukového materiálu je povoleno pouze s uvedením odkazu na www.jarjurek.cz. 1. Množiny a operace s nimi

Více

Euklidovský prostor. Funkce dvou proměnných: základní pojmy, limita a spojitost.

Euklidovský prostor. Funkce dvou proměnných: základní pojmy, limita a spojitost. Euklidovský prostor. Funkce dvou proměnných: základní pojmy, limita a spojitost. Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a

Více

1 Náhodný výběr a normální rozdělení 1.1 Teoretická a statistická pravděpodobnost

1 Náhodný výběr a normální rozdělení 1.1 Teoretická a statistická pravděpodobnost 1 Náhodný výběr a normální rozdělení 1.1 Teoretická a statistická pravděpodobnost Ve světě kolem nás eistují děje, jejichž výsledek nelze předem jednoznačně určit. Například nemůžete předem určit, kolik

Více

Lineární algebra. Matice, operace s maticemi

Lineární algebra. Matice, operace s maticemi Lineární algebra Matice, operace s maticemi Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky a managementu Registrační číslo

Více

množinu definujeme axiomaticky: nesnažíme se ji zkonstruovat (dokonce se ani nezabýváme otázkou,

množinu definujeme axiomaticky: nesnažíme se ji zkonstruovat (dokonce se ani nezabýváme otázkou, Matematická analýza I přednášky M. Málka cvičení A. Hakové a R. Otáhalové Zimní semestr 2004/05 2. Reálná čísla, funkce reálné proměnné V této kapitole zavádíme množinu, na níž stojí celá matematická analýza:

Více

Maturitní témata z matematiky

Maturitní témata z matematiky Maturitní témata z matematiky G y m n á z i u m J i h l a v a Výroky, množiny jednoduché výroky, pravdivostní hodnoty výroků, negace operace s výroky, složené výroky, tabulky pravdivostních hodnot důkazy

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOST A STATISTIKA Gymnázium Jiřího Wolkera v Prostějově Výukové materiály z matematiky pro vyšší gymnázia Autoři projektu Student na prahu 2. století - využití ICT ve vyučování matematiky na

Více

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení 2 Zpracování naměřených dat Důležitou součástí každé experimentální práce je statistické zpracování naměřených dat. V této krátké kapitole se budeme věnovat určení intervalů spolehlivosti získaných výsledků

Více

3 PRAVDĚPODOBNOST. Základní vztahy: Pravděpodobnost negace jevu A: P A 1 P A

3 PRAVDĚPODOBNOST. Základní vztahy: Pravděpodobnost negace jevu A: P A 1 P A 3 RAVDĚODOBNOST Základní vztahy: ravděpodobnost negace jevu A: A 1 A ravděpodobnost sjednocení jevů A,B: A B A B A B - pro disjunktní (neslučitelné) jevy A, B: A B A B ravděpodobnost průniku jevů A, B:

Více

Přijímací zkouška - matematika

Přijímací zkouška - matematika Přijímací zkouška - matematika Jméno a příjmení pište do okénka Číslo přihlášky Číslo zadání 1 Grafy 1 Pro který z následujících problémů není znám žádný algoritmus s polynomiální časovou složitostí? Problém,

Více

Cvičení 3 - teorie. Teorie pravděpodobnosti vychází ze studia náhodných pokusů.

Cvičení 3 - teorie. Teorie pravděpodobnosti vychází ze studia náhodných pokusů. Cvičeí 3 - teorie Téma: Teorie pravděpodobosti Teorie pravděpodobosti vychází ze studia áhodých pokusů. Náhodý pokus Proces, který při opakováí dává ze stejých podmíek rozdílé výsledky. Výsledek pokusu

Více

Maturitní témata profilová část

Maturitní témata profilová část Seznam témat Výroková logika, úsudky a operace s množinami Základní pojmy výrokové logiky, logické spojky a kvantifikátory, složené výroky (konjunkce, disjunkce, implikace, ekvivalence), pravdivostní tabulky,

Více

Teoretická rozdělení

Teoretická rozdělení Teoretická rozdělení Diskrétní rozdělení Obsah kapitoly Studijní cíle Doba potřebná ke studiu Pojmy k zapamatování Úvod Některá teoretická rozdělení diskrétních veličin: Alternativní rozdělení Binomické

Více

Vlastnosti regulárních jazyků

Vlastnosti regulárních jazyků Vlastnosti regulárních jazyků Podobně jako u dalších tříd jazyků budeme nyní zkoumat následující vlastnosti regulárních jazyků: vlastnosti strukturální, vlastnosti uzávěrové a rozhodnutelné problémy pro

Více

Rovnoměrné rozdělení

Rovnoměrné rozdělení Rovnoměrné rozdělení Nejjednodušší pravděpodobnostní rozdělení pro diskrétní náhodnou veličinu. V literatuře se také nazývá jako klasické rozdělení pravděpodobnosti. Náhodná veličina může nabývat n hodnot

Více

MNOŽINY. x A. Jeho varianty paradox mostu se šibenicí, paradox holiče.

MNOŽINY. x A. Jeho varianty paradox mostu se šibenicí, paradox holiče. MNOŽINY Naivní definice (pojetí): Množina [set] je přesně definovaný soubor prvků, které mají nějakou vlastnost. O čemkoliv je třeba umět jednoznačně rozhodnout, zda do dané množiny patří či nikoliv. Vztah

Více

1 Zadání Zadání- Náboj 2010 Úloha1.Kvádrsdélkamihran1, a,2amápovrch54.najdětehodnotučísla a.

1 Zadání Zadání- Náboj 2010 Úloha1.Kvádrsdélkamihran1, a,2amápovrch54.najdětehodnotučísla a. Úloha1.Kvádrsdélkamihran1, a,2amápovrch54.najdětehodnotučísla a. Úloha2.Pomocíprávětříosmičekalibovolnýchzesymbolů+,,,/, vytvořtečíslo3.jedensymbol můžete použít i víckrát. Úloha3.Vejtekmělknihuzteoriemnožin,jejížlistybylyčíslovanépostupně0,1,2,3,...

Více

( n) ( ) ( ) 9.1.11 Kombinatorické úlohy bez opakování. Předpoklady: 9109

( n) ( ) ( ) 9.1.11 Kombinatorické úlohy bez opakování. Předpoklady: 9109 9.1.11 Kombinatorické úlohy bez opakování Předpoklady: 9109 Pedagogická poznámka: Tato hodina slouží jednak ke zopakování probraného, ale zejména k praktickému nácviku kombinatoriky v situaci, ve které

Více

Mgr. Ladislav Zemánek Maturitní okruhy Matematika 2013-2014. 1. Obor reálných čísel

Mgr. Ladislav Zemánek Maturitní okruhy Matematika 2013-2014. 1. Obor reálných čísel Mgr. Ladislav Zemánek Maturitní okruhy Matematika 2013-2014 1. Obor reálných čísel - obor přirozených, celých, racionálních a reálných čísel - vlastnosti operací (sčítání, odčítání, násobení, dělení) -

Více

B) výchovné a vzdělávací strategie jsou totožné se strategiemi vyučovacího předmětu Matematika.

B) výchovné a vzdělávací strategie jsou totožné se strategiemi vyučovacího předmětu Matematika. 4.8.3. Cvičení z matematiky Předmět Cvičení z matematiky je vyučován v sextě a v septimě jako volitelný předmět. Vzdělávací obsah vyučovacího předmětu Cvičení z matematiky vychází ze vzdělávací oblasti

Více

Sada 1 Matematika. 16. Úvod do pravděpodobnosti

Sada 1 Matematika. 16. Úvod do pravděpodobnosti S třední škola stavební Jihlava Sada 1 Matematika 16. Úvod do pravděpodobnosti Digitální učební materiál projektu: SŠS Jihlava šablony registrační číslo projektu:cz.1.09/1.5.00/34.0284 Šablona: III/2 -

Více