Náhoda. Pravděpodobnost výhry při sázce na barvu: p = 18/37 = 0,486 Průměrný zisk při n sázkách částky č: - n.č + 2.č.n.p = n.č.

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

Download "Náhoda. Pravděpodobnost výhry při sázce na barvu: p = 18/37 = 0,486 Průměrný zisk při n sázkách částky č: - n.č + 2.č.n.p = n.č."

Transkript

1 Náhoda při i hřeh Martigale: Vsadíšřeěme dolar a barvu, terou si vybereš (červeáči čerá) a budeš stále sázet je a i. Roztočíš ruletu a čeáš Poud prohraješ, zdvojásobíš sázu, taže vsadíš příště dolary. Pa řeěme, že zova prohraješ, ta příště vsadíš 4 dolary. A dyž zas prohraješ, ta příště vsadíš 8 dolarů. Řeěme, že už oečě padla barva, terou jsi vsadil. Casio ti dá e tvým vsazeým 8 dolarům svých 8, taže máš teď 6 dolarů. Spočítej si, oli jsi vsadil: dolarů, taže - vydělal jsi dolar! Pa začeš sázet zova dolar Náhoda při i hřeh Pravděpodobost výhry při sázce a barvu: p 8/37 0,486 Průměrý zis při sázách částy č: -.č +.č..p.č.(-0,07) Dlouhodobý zis asia je,7% ze vsazeýchčáste.

2 Co to je pravděpodobost? podobost? je matematicá disciplía, popisující záoitosti týající se jevů, teré (přiejmeším z hledisa pozorovatele) mohou a emusí astat, resp. jejichž výsledá hodota eí předem jistá. Příladem může být výslede hodu ostou ještě předtím, ež hodíme, aebo veoví teplota zítra v polede. Laplaceova def. pravděpodobosti Může-li áhodý pous vyázat oečý počet růzých, vzájemě se vylučujících, stejě možých výsledů a jestli m z těchto výsledů má za áslede událost A, pa pravděpodobost události A položíme rovou číslu m/ P ( A) m Pravděpodobost Subjetiví pravděpodobost (teorie her schéma sázaí je založeé a tom, že odhadujeme pst výsledu) Náhoda při hře Matematicá teorie pravděpodobosti - relativíčetost dlouhodobá pravidelost v áhodých událostech Bayesovsý přístup měří věrohodost určitého výsledu v podmíách eúplé iformovaosti o daém jevu. Existující doměy jsou modifiováy ovými iformacemi

3 Losovací zaříze zeí 0 pousů oli je možých výsledů? Výsl Kód čet absol relat A ABC I I I 3 0, B ACB I I 0,0 C BAC BCA 3 4 I I I I I I I I 4 4 0,0 0,0 CAB I I I I I 0, CBA 6 I I 0,0 cel 0,00 Záladí pojmy Náhodý pous -výsledy závisí eje a předepsaých podmíách, ale taé a áhodě. Náhodý jev - aždý výslede (elemetárí jev) ebo supia výsledů áhodého pousu. Jaéoliv tvrzeí o výsledu áhodého pousu, o terém lze (po provedeí pousu) rozhodout, zda je pravdivé. Prostor elemetárích jevů S - možia všech možých výsledů pousů jsme schopi je všechy předem vyjmeovat (ve sš matematice oečá), jsou vzájemě eslučitelé (žáeé dva emohou astat současě), jede z ich astae vždy (emůže astat žádý jiý ež jede z jmeovaých), 3

4 Přílad Odlište áhodé pousy (NP) od áhodých jevů (NJ) vylosováíčísla vypěstováí rostliy vybráí losu s číslem hod ostou vyrobeí výrobu. jaosti padutí šesty při hodu ostou arozeí chlapce (NP) (NP) (NJ) (NP) (NJ) (NJ) (NJ) Axiomaticá defiice pravděpodobosti podobosti Je dá eprázdý prostor elemetárích jevů S. Možia áhodých jevů Π(S) musí splňovat ásledující vlastosti: S Π( S) A Π( S) A Π( S) A, A,..., A Π( S) Ai Π( S) U i Např. všechy podmožiy S Každému jevu A Π(S) je přiřazea pravděpodobost P(A), taová že: P( θ ) 0 A B P( A) P( B) A B P( B A) P( B) P( A) 4

5 Vytvořte te doplňy áhodých jevů A: Vybraé lísty ebudou mít stejou barvu. A : Vybraé lísty budou mít stejou barvu. B: Ve supiě ebudou pouze dívy. B : Ve supiě budou pouze dívy. C:... budou alespoň tři uličy červeé. C :... budou ejvýše dvě uličy červeé. D:... budou maximálěčtyři dívy. D :... bude miimálě pět díve. Hra dvěma ostami Při hře dvěma ostami vyhrajeme, pade-li šesta alespoň a jedé z ich. S NJ: A

6 Záleží a pořadí příslušého hodu, proto jsou osty rozlišey barevě: [Modrá; Žlutá]. Ω [ ; ] [ ;] [ ;3 ] [ ;4 ] [ ; ] [ ;6 ] [ ; ] [ ;] [ ;3] [ ;4] [ ;] [ ;6] [ 3; ] [ 3;] [ 3;3] [ 3;4] [ 3;] [ 3;6] [ 4; ] [ 4;] [ 4;3] [ 4;4] [ 4;] [ 4;6] [ ; ] [ ;] [ ;3] [ ;4] [ ;] [ ;6] [ 6; ] [ 6;] [ 6;3] [ 6;4] [ 6;] [ 6;6] E Pravděpodobost výhry /36 Chevalier de Mere Hod jedou ostou Chevalier de Mere příjimal sázy a to, že hodí miimálě jedu šestu večtyřech po sobě ásledujících hodech. Pravděpodobost padutí šesty je v aždém hodu /6. Domíval se, že jeho šace a padutí šesty večtyřech hodech je tedy (/6) 4 /3. Správě: Vypočítáme pravděpodobost doplňového jevu počtu epřízivých možostí: P(A) (/6) 4 0, Hod dvěma ostami. Vyhrajeme, poud se ám alespoň jederát podaří hodit šesty ve 4 hodech. Pravděpodobost vrhutí dvou šeste v jedom hodu je /36. De Mere předpoládal, že jeho šace je tedy (/36) 4 a tedy opět /3. Správě: Pravděpodobost výhry bude: P(A) (3/36) 4 0,

7 Na pořadí prvů ve supiě záleží ezáleží VARIACE! V ( ) ( )! V ( ) PERMUTACE P ( )! P (,..., ) ( )! KOMBINACE C! ( )!( )! + C ( )!...!! V sérii 8 výrobů jsou 3 zmety. Jaá je pravděpodobost, že mezi 4 áhodě vybraými výroby bude ejvýše jede zmete? [0,948 ] Při hře 3 artami bylo rozdáo 6 aret. Jaá je pravděpodobost, že mezi imi budou alespoň dvě esa? [0,04] 7

8 Zálady teorie pravděpodobosti podobosti Prostor elemetárích jevů S možia všech možých jevů Náhodý jev A,B,... podmožia výběrového prostoru S aždý jev A je svázá s mírou možosti (pravděpodobosti) P(A) jeho výsytu při opaováí N( A) P( A) lim N N Vlastosti pravděpodobosti: 0 P( A) P( A B) P( A) + P( B) P( A B) P( A ) P( A) A B P( A) P( B) Závislé a ezávisl vislé jevy Jevy A, B jsou ezávislé P( A B) P( A). P( B) Přílady závislých jevů: A žá má výborý prospěch během studia B žá je úspěšý u SZZ A havaruje vozidlo starší let B při havárii dojde e smrtelému úrazu A příchozí záazí odejde z froty eobslouže (reziguje a frotu) B déla froty je záazíů 8

9 Podmíěá pravděpodobost podobost Pravděpodobost, že astal jev A za podmíy, že astal jev B, se azývá podmíěá pravděpodobost. Ozačujeme P(A/B) Házíme ostou. Náhodý jev A pade číslo B pade lichéčíslo Pravděpodobost, že pade číslo za podmíy, že padlo liché číslo P(A/B)/3 Podmíěá pravděpodobost podobost Pravděpodobost jevu A podmíěá výsytem jevu B P( A B) P( A/ B) P( B) Př: P( A) P( B) P( A/ B) P( B / A) P( A B) B(x) A (4 x 4) S (8 x 8) 9

10 Záo úplé pravděpodobosti, podobosti, Bayesův vztah Uvažujme jevy {B,B,...B } jao úplý systém eslučitelých jevů výběrového prostoru S. Pa U i ( ) A A B i P( A) P( A B ) P( A / B ) P( B ) i i i i i Aposteriorí psti P( A Bi ) P( A/ Bi ) P( Bi ) P( Bi / A) P( A) P( A/ B ) P( B ) i i i Apriorí psti Přílad M/M/ A příchozí záazí reziguje a obsluhu B systém je v oamžiu příchodu záazía obsaze záazíy 0,9 ( ) ( ) P B ρ ρ ; ρ < P ( A / B ) 8 pst 0,8 0,7 0,6 0, 0,4 0,3 0, 0, B P(A/B) počet záazíů. Určete pravděpodobost, že áhodě příchozí záazí reziguje a obsluhu. ρ ρ 7ρ P( A) P( A/ Bi ) P( Bi ) ( ρ ) ρ ( ρ ) ( ρ ) i ρ ρ 8 8. Určete pst, že je v systému záazíů, víme-li, že záazí rezigoval a obsluhu. P B ( ρ ) ρ P( A / B ) P( B ) P( A) 7ρ 3768 ρ 8 4 ( ρ ) ρ ( ρ ) ( / A) 8 0

2. TEORIE PRAVDĚPODOBNOSTI

2. TEORIE PRAVDĚPODOBNOSTI . TEORIE PRAVDĚPODOBNOSTI V prax se můžeme setat s dvojím typem procesů. Jeda jsou to procesy determstcé, u terých platí, že př dodržeí orétích vstupích podmíe obdržíme přesý, předem zámý výslede (te můžeme

Více

6. KOMBINATORIKA 181. 6.1. Základní pojmy 181 6.1.1. Počítání s faktoriály a kombinačními čísly 182. 6.2. Variace 184. 6.3.

6. KOMBINATORIKA 181. 6.1. Základní pojmy 181 6.1.1. Počítání s faktoriály a kombinačními čísly 182. 6.2. Variace 184. 6.3. Zálady matematiy Kombiatoria. KOMBINATORIKA 8.. Záladí pojmy 8... Počítáí s fatoriály a ombiačími čísly 8.. Variace 8.. Permutace 85.. Kombiace 87.5. Biomicá věta 89 Úlohy samostatému řešeí 9 Výsledy úloh

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

2. Znát definici kombinačního čísla a základní vlastnosti kombinačních čísel. Ovládat jednoduché operace s kombinačními čísly.

2. Znát definici kombinačního čísla a základní vlastnosti kombinačních čísel. Ovládat jednoduché operace s kombinačními čísly. 0. KOMBINATORIKA, PRAVDĚPODOBNOST, STATISTIKA Dovedosti :. Chápat pojem faktoriál a ovládat operace s faktoriály.. Zát defiici kombiačího čísla a základí vlastosti kombiačích čísel. Ovládat jedoduché operace

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

PRACOVNÍ SEŠIT KOMBINATORIKA, PRAVDĚPODOBNOST A STATISTIKA. 9. tematický okruh:

PRACOVNÍ SEŠIT KOMBINATORIKA, PRAVDĚPODOBNOST A STATISTIKA. 9. tematický okruh: Připrav se a státí maturití zoušu z MATEMATIKY důladě, z pohodlí domova a olie PRACOVNÍ SEŠIT 9. tematicý oruh: KOMBINATORIKA, PRAVDĚPODOBNOST A STATISTIKA vytvořila: RNDr. Věra Effeberger eperta a olie

Více

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

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

Více

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

Náhodné jevy a pravděpodobnost

Náhodné jevy a pravděpodobnost Lekce Náhodé jevy a pravděpodobost Výklad pravděpodobosti musí začít evyhutelě od základích pojmů Pravděpodobost, velmi zjedodušeě řečeo, pojedává o áhodých jevech (slově vyjádřeých výsledcích áhodých

Více

1. K o m b i n a t o r i k a

1. K o m b i n a t o r i k a . K o m b i a t o r i k a V teorii pravděpodobosti a statistice budeme studovat míru výskytu -pravděpodobostvýsledků procesů, které mají áhodý charakter, t.j. při opakováí za stejých podmíek se objevují

Více

!!! V uvedených vzorcích se vyskytují čísla n a k tato čísla musí být z oboru čísel přirozených.

!!! V uvedených vzorcích se vyskytují čísla n a k tato čísla musí být z oboru čísel přirozených. Kombiatoria Kombiatoria část matematiy, terá se zabývá růzými číselými "ombiacemi". Využití - apř při hledáí počtu možých tipů ve sportce ebo jiých soutěžích hrách, v chemii při spojováí moleul... Záladím

Více

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

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

Více

( )! ( ) ( ) ( ) = ( ) ( ) ( ) ( ) ( )

( )! ( ) ( ) ( ) = ( ) ( ) ( ) ( ) ( ) Variace, permutace, kombiace, kombiačí čísla, vlastosti, užití faktoriál, počítáí s faktoriály, variace s opakováím.. Upravte a urči podmíky: a)!! 6! b)!! 6! 9! c)!!!!. Řešte rovici: a) 4 b) 0 c) emá řešeí

Více

MATICOVÉ HRY MATICOVÝCH HER

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

Více

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

P(n) = n * (n - 1) * (n - 2) *... 2 * 1 To odpovídá zápisu, ve kterém využíváme faktoriál:

P(n) = n * (n - 1) * (n - 2) *... 2 * 1 To odpovídá zápisu, ve kterém využíváme faktoriál: PERMUTACE a VARIACE 2.1 Permutace P() = * ( - 1) * ( - 2) *... 2 * 1 To odpovídá zápisu, ve kterém využíváme faktoriál: ( )! P = Jedá se o vzorec pro počet permutací z prvků bez opakováí. 2.2 Variace bez

Více

8.1.2 Vzorec pro n-tý člen

8.1.2 Vzorec pro n-tý člen 8.. Vzorec pro -tý čle Předpolady: 80 Pedagogicá pozáma: Myslím, že jde o jedu z velmi pěých hodi. Přílady a hledáí dalších čleů posloupostí a a objevováí vzorců pro -tý čle do začé míry odpovídají typicým

Více

5. Lineární diferenciální rovnice n-tého řádu

5. Lineární diferenciální rovnice n-tého řádu 5 3.3.8 8:44 Josef Herdla lieárí difereciálí rovice -tého řádu 5. Lieárí difereciálí rovice -tého řádu (rovice s ostatími oeficiety) ( ), a,, a (5.) ( ) ( ) y a y a y ay q L[ y] y a y a y a y, q je spojitá

Více

8.1.2 Vzorec pro n-tý člen

8.1.2 Vzorec pro n-tý člen 8 Vzorec pro -tý čle Předpolady: 80 Pedagogicá pozáma: Přílady a hledáí dalších čleů posloupostí a a objevováí vzorců pro -tý čle do začé míry odpovídají typicým příladům z IQ testů, teré studeti zají

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

Název školy: Gymnázium Jana Nerudy, škola hl. města Prahy. Předmět, mezipředmětové vztahy: matematika a její aplikace

Název školy: Gymnázium Jana Nerudy, škola hl. města Prahy. Předmět, mezipředmětové vztahy: matematika a její aplikace Název: Kombiatoria Autor: Mgr. Haa Čerá Název šoly: Gymázium Jaa Nerudy, šola hl. města Prahy Předmět, mezipředmětové vztahy: matematia a její apliace Ročí: 5. ročí Tématicý cele: Kombiatoria a pravděpodobost

Více

z možností, jak tuto veličinu charakterizovat, je určit součet

z možností, jak tuto veličinu charakterizovat, je určit součet 6 Charakteristiky áhodé veličiy. Nejdůležitější diskrétí a spojitá rozděleí. 6.1. Číselé charakteristiky áhodé veličiy 6.1.1. Středí hodota Uvažujme ejprve diskrétí áhodou veličiu X s rozděleím {x }, {p

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

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

7. KOMBINATORIKA, BINOMICKÁ VĚTA. Čas ke studiu: 2 hodiny. Cíl

7. KOMBINATORIKA, BINOMICKÁ VĚTA. Čas ke studiu: 2 hodiny. Cíl 7. KOMBINATORIKA, BINOMICKÁ VĚTA Čas ke studiu: hodiy Cíl Po prostudováí této kapitoly budete schopi řešit řadu zajímavých úloh z praxe, týkajících se počtu skupi, které lze sestavit ( vybrat ) z daé možiy

Více

k(k + 1) = A k + B. s n = n 1 n + 1 = = 3. = ln 2 + ln. 2 + ln

k(k + 1) = A k + B. s n = n 1 n + 1 = = 3. = ln 2 + ln. 2 + ln Číselé řady - řešeé přílady ČÍSELNÉ ŘADY - řešeé přílady A. Součty řad Vzorové přílady:.. Přílad. Určete součet řady + = + 6 + +.... Řešeí: Rozladem -tého čleu řady a parciálí zlomy dostáváme + = + ) =

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

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT 2 IDENIFIKACE H-MAICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNO omáš Novotý ČESKÉ VYSOKÉ UČENÍ ECHNICKÉ V PRAZE Faulta eletrotechicá Katedra eletroeergetiy. Úvod Metody založeé a loalizaci poruch pomocí H-matic

Více

Sekvenční logické obvody(lso)

Sekvenční logické obvody(lso) Sekvečí logické obvody(lso) 1. Logické sekvečí obvody, tzv. paměťové čley, jsou obvody u kterých výstupí stavy ezávisí je a okamžitých hodotách vstupích sigálů, ale jsou závislé i a předcházejících hodotách

Více

8.2.6 Geometrická posloupnost

8.2.6 Geometrická posloupnost 8.. Geometricá posloupost Předpoldy: 80, 80, 80, 807 Pedgogicá pozám: V hodiě rozdělím třídu dvě supiy ždá z ich dělá jede z prvích dvou příldů. Př. : Poločs rozpdu (dob z terou se rozpde polovi existujícího

Více

1. Úvod do základních pojmů teorie pravděpodobnosti

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

Více

DIM PaS Připomenutí poznatků ze střední školy. Faktoriály a kombinační čísla základní vzorce: n = k. (binomická věta) Příklady: 1.

DIM PaS Připomenutí poznatků ze střední školy. Faktoriály a kombinační čísla základní vzorce: n = k. (binomická věta) Příklady: 1. DIM PaS. Připomeutí pozatků ze středí školy Faktoriály a kombiačí čísla základí vzorce: ( )( 2 )...2.! =. 0! = =! ( k)! k! ( )...( k ). + = k! = k + + = k + k + 2 2 ( a + b) = a + a b+ a b +... + a b +...

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

Kombinace s opakováním

Kombinace s opakováním 9..3 Kombinace s opaováním Předpolady: 907. 908, 9, 92 Pedagogicá poznáma: Časová náročnost této hodiny je podobná hodině předchozí. Netradiční začáte. Nemáme žádné přílady, ale rovnou definici. Definice

Více

Vzorový příklad na rozhodování BPH_ZMAN

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

Více

Kombinace s opakováním

Kombinace s opakováním 9..3 Kombinace s opaováním Předpolady: 907. 908, 9, 92 Pedagogicá poznáma: Tato hodina zabere opět minimálně 70 minut. Asi ji čeá rozšíření na dvě hodiny. Netradiční začáte. Nemáme žádné přílady, ale rovnou

Více

6. Posloupnosti a jejich limity, řady

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

Více

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

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

Více

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

Zimní semestr akademického roku 2015/ listopadu 2015

Zimní semestr akademického roku 2015/ listopadu 2015 Cvičeí k předmětu BI-ZMA Tomáš Kalvoda Katedra aplikovaé matematiky FIT ČVUT Matěj Tušek Katedra matematiky FJFI ČVUT Obsah Cvičeí Zimí semestr akademického roku 2015/2016 20. listopadu 2015 Předmluva

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

u, v, w nazýváme číslo u.( v w). Chyba! Chybné propojení.,

u, v, w nazýváme číslo u.( v w). Chyba! Chybné propojení., Def: Vetorovým součiem vetorů u =(u, u, u 3 ) v = (v, v, v 3 ) zýváme vetor u v = (u v 3 u 3 v, u 3 v u v 3, u v u v ) Vět: Pro vetory i, j, ortoormálí báze pltí i i = j = i, i = j Vět: Nechť u v, w, jsou

Více

Kombinatorika, pravděpodobnost, statistika

Kombinatorika, pravděpodobnost, statistika Kombiatoria, pravděpodobost, statistia Kombiatoria, pravděpodobost, statistia Obsah 9. Kombiatoria... 70 9.. Fatoriály... 70 9.. Variace bez opaováí... 75 9.. Permutace bez opaováí... 8 9.4. Kombiace bez

Více

b c a P(A B) = c = 4% = 0,04 d

b c a P(A B) = c = 4% = 0,04 d Příklad 6: Z Prahy do Athé je 50 km V Praze byl osaze válec auta ovou svíčkou, jejíž životost má ormálí rozděleí s průměrem 0000 km a směrodatou odchylkou 3000 km Jaká je pravděpodobost, že automobil překoá

Více

Příklady: - počet členů dané domácnosti - počet zákazníků ve frontě - počet pokusů do padnutí čísla šest - životnost televizoru - věk člověka

Příklady: - počet členů dané domácnosti - počet zákazníků ve frontě - počet pokusů do padnutí čísla šest - životnost televizoru - věk člověka Náhodná veličina Náhodnou veličinou nazýváme veličinu, terá s určitými p-stmi nabývá reálných hodnot jednoznačně přiřazených výsledům příslušných náhodných pousů Náhodné veličiny obvyle dělíme na dva záladní

Více

8.2.1 Aritmetická posloupnost

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

Více

MATEMATICKÁ INDUKCE. 1. Princip matematické indukce

MATEMATICKÁ INDUKCE. 1. Princip matematické indukce MATEMATICKÁ INDUKCE ALEŠ NEKVINDA. Pricip matematické idukce Nechť V ) je ějaká vlastost přirozeých čísel, apř. + je dělitelé dvěma či < atd. Máme dokázat tvrzeí typu Pro každé N platí V ). Jeda možost

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

KOMBINATORIKA INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ

KOMBINATORIKA INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ KOMBINATORIKA Gymázium Jiřího Wolera v Prostějově Výuové materiály z matematiy pro vyšší gymázia Autoři projetu Studet a prahu. století - využití ICT ve vyučováí matematiy a gymáziu INVESTICE DO ROZVOJE

Více

Kombinatorika a grafy I

Kombinatorika a grafy I Kombiatoria a grafy I Asymptoticá otace, ČUM, PIE, Vytvořující fuce, Bi stromy, SRR, KPR, Bloová schémata, Toy v sítích, Ramsey Kombiatoria a grafy I láta z II semestru iformatiy MFF UK podle předáše Odřeje

Více

1.3. POLYNOMY. V této kapitole se dozvíte:

1.3. POLYNOMY. V této kapitole se dozvíte: 1.3. POLYNOMY V této kapitole se dozvíte: co rozumíme pod pojmem polyom ebo-li mohočle -tého stupě jak provádět základí početí úkoy s polyomy, kokrétě součet a rozdíl polyomů, ásobeí, umocňováí a děleí

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

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

2. Náhodná veličina. je konečná nebo spočetná množina;

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

Více

6 VYBRANÁ ROZDLENÍ DISKRÉTNÍ NÁHODNÉ VELIINY

6 VYBRANÁ ROZDLENÍ DISKRÉTNÍ NÁHODNÉ VELIINY 6 VYBRANÁ ROZDLENÍ DISKRÉTNÍ NÁHODNÉ VELIINY Rozdleí áhodé veliiy je edis, terým defiujeme ravdodobost jev, jež lze touto áhodou veliiou osat. Záladím rozdleím oisujícím výbry bez vraceí je hyergeometricé

Více

Od unimodálních posloupností k narozeninovému paradoxu

Od unimodálních posloupností k narozeninovému paradoxu Od uimodálích posloupostí arozeiovému paradoxu Atoí Slaví, Praha Abstrat. Koečá posloupost reálých čísel se azývá uimodálí, poud ji lze rozdělit a elesající a erostoucí úse. V textu se zaměříme především

Více

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Náhodá veličia Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 45/004. Náhodá veličia Většia áhodých pokusů má jako výsledky reálá čísla. Budeme tedy dále áhodou veličiou rozumět proměou, která

Více

OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN

OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN Úloha obchodího cestujícího OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN Nejprve k pojmům používaým v okružích a rozvozích úlohách: HAMILTONŮV CYKLUS je typ cesty,

Více

Diskrétní matematika

Diskrétní matematika Diskrétí matematika Biárí relace, zobrazeí, Teorie grafů, Teorie pravděpodobosti Diskrétí matematika látka z I semestru iformatiky MFF UK Zpracovali: Odřej Keddie Profat, Ja Zaatar Štětia Obsah Biárí relace2

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

35! n! n k! = n k k! n k! k! = n k

35! n! n k! = n k k! n k! k! = n k Do školí jídely přišla skupia 35 žáků. Určete kolika způsoby se mohli seřadit do froty u výdeje obědů. Řešeí: Počet možostí je 1 2... 35=35! (Permutace bez opakováí) Permutací bez opakováí z -prvkové možiy

Více

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL

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

Více

DERIVACE FUNKCÍ JEDNÉ REÁLNÉ PROM

DERIVACE FUNKCÍ JEDNÉ REÁLNÉ PROM Difereciálí počet fukcí jedé reálé proměé - - DERIVACE FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ ÚVODNÍ POZNÁMKY I derivace podobě jako limity můžeme počítat ěkolikerým způsobem a to kokrétě pomocí: defiice vět o algebře

Více

1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE

1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE 1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE V této kapitole se dozvíte: jak je axiomaticky defiová vektor a vektorový prostor včetě defiice sčítáí vektorů a ásobeí vektorů skalárem;

Více

DISKRÉTNÍ MATEMATIKA PRO INFORMATIKY

DISKRÉTNÍ MATEMATIKA PRO INFORMATIKY DISKRÉTNÍ MATEMATIKA PRO INFORMATIKY URČENO PRO VZDĚLÁVÁNÍ V AKREDITOVANÝCH STUDIJNÍCH PROGRAMECH IVAN KŘIVÝ ČÍSLO OPERAČNÍHO PROGRAMU: CZ..07 NÁZEV OPERAČNÍHO PROGRAMU: VZDĚLÁVÁNÍ PRO KONKURENCESCHOPNOST

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

Aplikovaná informatika. Podklady předmětu Aplikovaná informatika pro akademický rok 2006/2007 Radim Farana. Obsah. Algoritmus

Aplikovaná informatika. Podklady předmětu Aplikovaná informatika pro akademický rok 2006/2007 Radim Farana. Obsah. Algoritmus Podklady předmětu pro akademický rok 006007 Radim Faraa Obsah Tvorba algoritmů, vlastosti algoritmu. Popis algoritmů, vývojové diagramy, strukturogramy. Hodoceí složitosti algoritmů, vypočitatelost, časová

Více

Kvantová a statistická fyzika 2 (Termodynamika a statistická fyzika)

Kvantová a statistická fyzika 2 (Termodynamika a statistická fyzika) Kvatová a statistická fyzika (Termodyamika a statistická fyzika) Boltzmaovo - Gibbsovo rozděleí - ilustračí příklad Pro ilustraci odvozeí rozděleí eergií v kaoickém asámblu uvažujme ásledující příklad.

Více

Iterační výpočty projekt č. 2

Iterační výpočty projekt č. 2 Dokumetace k projektu pro předměty IZP a IUS Iteračí výpočty projekt č. 5..007 Autor: Václav Uhlíř, xuhlir04@stud.fit.vutbr.cz Fakulta Iformačích Techologii Vysoké Učeí Techické v Brě Obsah. Úvodí defiice.....

Více

Příloha č. 7 Dodatku ke Smlouvě o službách Systém měření kvality Služeb

Příloha č. 7 Dodatku ke Smlouvě o službách Systém měření kvality Služeb Příloha č. 7 Dodatku ke Smlouvě o službách Systém měřeí kvality Služeb Dodavatel a Objedatel se dohodli a ahrazeí Přílohy C - Systém měřeí kvality Služeb Obchodích podmíek Smlouvy o službách touto Přílohou

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

14. Testování statistických hypotéz Úvod statistické hypotézy Definice 14.1 Statistickou hypotézou parametrickou neparametrickou. nulovou testovanou

14. Testování statistických hypotéz Úvod statistické hypotézy Definice 14.1 Statistickou hypotézou parametrickou neparametrickou. nulovou testovanou 4. Testováí statistických hypotéz Úvod Při práci s daty se mohdy spokojujeme s itervalovým či bodovým odhadem parametrů populace. V mohých případech se však uchylujeme k jiému postupu, většiou jde o případy,

Více

1 Trochu o kritériích dělitelnosti

1 Trochu o kritériích dělitelnosti Meu: Úloha č.1 Dělitelost a prvočísla Mirko Rokyta, KMA MFF UK Praha Jaov, 12.10.2013 Růzé dělitelosti, třeba 11 a 7 (aeb Jak zfalšovat rodé číslo). Prvočísla: které je ejlepší, které je ejvětší a jak

Více

8. cvičení 4ST201-řešení

8. cvičení 4ST201-řešení cvičící 8. cvičeí 4ST01-řešeí Obsah: Neparametricé testy Chí-vadrát test dobréshody Kotigečí tabuly Aalýza rozptylu (ANOVA) Vysoá šola eoomicá 1 VŠE urz 4ST01 Neparametricé testy Neparametricétesty využíváme,

Více

pravděpodobnostn podobnostní jazykový model

pravděpodobnostn podobnostní jazykový model Pokročilé metody rozpozáváířeči Předáška 8 Rozpozáváí s velkými slovíky, pravděpodobost podobostí jazykový model Rozpozáváí s velkým slovíkem Úlohy zaměřeé a diktováíči přepis řeči vyžadují velké slovíky

Více

Matematická statistika (Opravená a rozšířená verze textu přednášky z LS 2001/2002)

Matematická statistika (Opravená a rozšířená verze textu přednášky z LS 2001/2002) Matematicá statistia (Opraveá a rozšířeá verze textu předášy z LS 00/00) Záladí literatura: @D Jaroš Fratiše a oletiv : Pravděpodobost a statistia, VŠCHT, 998. @D Jarušová Daiela : Pravděpodobost a matematicá

Více

9 Kombinatorika, teorie pravděpodobnosti a matematická statistika

9 Kombinatorika, teorie pravděpodobnosti a matematická statistika 9 Kombatora, teore pravděpodobost a matematcá statsta Te, do argumetue průměrým platem, e s velou pravděpodobostí vysoce adprůměrý vůl s hluboce podprůměrým vzděláím (Mloslav Drucmüller) 9. Kombatora Kombatora

Více

11a. Základní principy

11a. Základní principy Disrétí matematia 11aZáladípricipy phabala 01 11 Kombiatoria (Počítáí Kombiatoria je aua o uspořádáí věcí, její důležitou součástí je schopost věci spočítat Deší podobu lze vystopovat do 17 století a vzhledem

Více

Pravděpodobnost a statistika - absolutní minumum

Pravděpodobnost a statistika - absolutní minumum Pravděpodobost a statistika - absolutí miumum Jaromír Šrámek 4108, 1.LF, UK Obsah 1. Základy počtu pravděpodobosti 1.1 Defiice pravděpodobosti 1.2 Náhodé veličiy a jejich popis 1.3 Číselé charakteristiky

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

i 1 n 1 výběrový rozptyl, pro libovolné, ale pevně dané x Roznačme n 1 Téma 6.: Základní pojmy matematické statistiky

i 1 n 1 výběrový rozptyl, pro libovolné, ale pevně dané x Roznačme n 1 Téma 6.: Základní pojmy matematické statistiky Téma 6.: Základí pojmy matematické statistiky Vlastosti důležitých statistik odvozeých z jedorozměrého áhodého výběru: Nechť X,..., X je áhodý výběr z rozložeí se středí hodotou μ, rozptylem σ a distribučí

Více

5 PŘEDNÁŠKA 5: Jednorozměrný a třírozměrný harmonický oscilátor.

5 PŘEDNÁŠKA 5: Jednorozměrný a třírozměrný harmonický oscilátor. 5 PŘEDNÁŠKA 5: Jedorozměrý a třírozměrý harmoický oscilátor. Půjde o spektrum harmoického oscilátoru emá to ic společého se spektrem atomu ebo se spektrálími čarami atomu. Liší se to právě poteciálem!

Více

Přednáška VI. Intervalové odhady. Motivace Směrodatná odchylka a směrodatná chyba Centrální limitní věta Intervaly spolehlivosti

Přednáška VI. Intervalové odhady. Motivace Směrodatná odchylka a směrodatná chyba Centrální limitní věta Intervaly spolehlivosti Předáška VI. Itervalové odhady Motivace Směrodatá odchylka a směrodatá chyba Cetrálí limití věta Itervaly spolehlivosti Opakováí estraé a MLE Jaký je pricip estraých odhadů? Jaký je pricip odhadů metodou

Více

8.2.1 Aritmetická posloupnost I

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

Více

1) Vypočtěte ideální poměr rozdělení brzdných sil na nápravy dvounápravového vozidla bez ABS.

1) Vypočtěte ideální poměr rozdělení brzdných sil na nápravy dvounápravového vozidla bez ABS. Dopraví stroje a zařízeí odborý zálad AR 04/05 Idetifiačí číslo: Počet otáze: 6 Čas : 60 miut Počet bodů Hodoceí OTÁZKY: ) Vypočtěte eálí poměr rozděleí brzdých sil a ápravy dvouápravového vozla bez ABS.

Více

Přednáška 7, 14. listopadu 2014

Přednáška 7, 14. listopadu 2014 Předáška 7, 4. listopadu 204 Uvedeme bez důkazu klasické zobecěí Leibizova kritéria (v ěmž b = ( ) + ). Tvrzeí (Dirichletovo a Abelovo kritérium). Nechť (a ), (b ) R, přičemž a a 2 a 3 0. Pak platí, že.

Více

Petr Otipka Vladislav Šmajstrla

Petr Otipka Vladislav Šmajstrla VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA PRAVDĚPODOBNOST A STATISTIKA Petr Otipka Vladislav Šmajstrla Vytv ořeo v rámci projektu Operačího programu Rozv oje lidských zdrojů CZ.04..03/3..5./006

Více

Dvojný integrál. Dvojný integrál na obdélníkové oblasti

Dvojný integrál. Dvojný integrál na obdélníkové oblasti Dvojý itegrál Zatímo itegračím oborem jeorozměrého itegrálu bl iterval, u vojého itegrálu je třeba raovat s vojrozměrými obor. Může to být obélíová oblast, ale i složitější útvar jao ař. ruh, ruhová výseč

Více

6. FUNKCE A POSLOUPNOSTI

6. FUNKCE A POSLOUPNOSTI 6. FUNKCE A POSLOUPNOSTI Fukce Dovedosti:. Základí pozatky o fukcích -Chápat defiici fukce,obvyklý způsob jejího zadáváí a pojmy defiičí obor hodot fukce. U fukcí zadaých předpisem umět správě operovat

Více

Odhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení

Odhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení Odhad parametru p biomického rozděleí a test hypotézy o tomto parametru Test hypotézy o parametru p biomického rozděleí Motivačí úloha Předpokládejme, že v důsledku realizace jistého áhodého pokusu P dochází

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

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

MOŽNOSTI STATISTICKÉHO POSOUZENÍ KVANTITATIVNÍCH VÝSLEDKŮ POŽÁRNÍCH ZKOUŠEK PRO POTŘEBY CERTIFIKACE A POSUZOVÁNÍ SHODY VÝROBKŮ

MOŽNOSTI STATISTICKÉHO POSOUZENÍ KVANTITATIVNÍCH VÝSLEDKŮ POŽÁRNÍCH ZKOUŠEK PRO POTŘEBY CERTIFIKACE A POSUZOVÁNÍ SHODY VÝROBKŮ PŘÍSPĚVKY THE SCIENCE FOR POPULATION PROTECTION 0/008 MOŽNOSTI STATISTICKÉHO POSOUZENÍ KVANTITATIVNÍCH VÝSLEDKŮ POŽÁRNÍCH ZKOUŠEK PRO POTŘEBY CERTIFIKACE A POSUZOVÁNÍ SHODY VÝROBKŮ STATISTICAL ASSESSMENT

Více

Matematika I, část II

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

Více

8.1.3 Rekurentní zadání posloupnosti I

8.1.3 Rekurentní zadání posloupnosti I 8.. Rekuretí zadáí poslouposti I Předpoklady: 80, 80 Pedagogická pozámka: Podle mých zkušeostí je pro studety pochopitelější zavádět rekuretí posloupost takto (sado kotrolovatelou ukázkou), ež dosazováím

Více

Seznámíte se s pojmem Riemannova integrálu funkce jedné proměnné a geometrickým významem tohoto integrálu.

Seznámíte se s pojmem Riemannova integrálu funkce jedné proměnné a geometrickým významem tohoto integrálu. 2. URČITÝ INTEGRÁL 2. Určitý itegrál Průvodce studiem V předcházející kapitole jsme se sezámili s pojmem eurčitý itegrál, který daé fukci přiřazoval opět fukci (přesěji možiu fukcí). V této kapitole se

Více

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

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

Více

I. Exponenciální funkce Definice: Pro komplexní hodnoty z definujeme exponenciální funkci předpisem. z k k!. ( ) e z = k=0

I. Exponenciální funkce Definice: Pro komplexní hodnoty z definujeme exponenciální funkci předpisem. z k k!. ( ) e z = k=0 8. Elemetárí fukce I. Expoeciálí fukce Defiice: Pro komplexí hodoty z defiujeme expoeciálí fukci předpisem ) e z = z k k!. Vlastosti expoeciálí fukce: a) řada ) koverguje absolutě v C; b) pro z = x + jy

Více

Matematika přehled vzorců pro maturanty (zpracoval T. Jánský) Úpravy výrazů. Binomická věta

Matematika přehled vzorců pro maturanty (zpracoval T. Jánský) Úpravy výrazů. Binomická věta Matematika přehled vzorců pro maturaty (zpracoval T. Jáský) Úpravy výrazů a r. a s = a r+s a r = ar s as a r s = a r.s a. b r = a r b r a b r = ar b r a. b a b = a b = a. b ( a) m = a m m a m. = a a 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