11 TESTOVÁNÍ PARAMETRICKÝCH HYPOTÉZ

Rozměr: px
Začít zobrazení ze stránky:

Download "11 TESTOVÁNÍ PARAMETRICKÝCH HYPOTÉZ"

Transkript

1 TESTOVÁNÍ PARAMETRICKÝCH HYPOTÉZ Pojmem tetováí tatitických hypotéz ozaujeme ozhodováí o pavdivoti paametických, ep. epaametických hypotéz o populaci. V tomto ozhodovacím poceu opoti ob tojí ulová a alteativí hypotéza a aším cílem je ozhodout, zda data z výbového oubou (X) odpovídají ulové hypotéze. Jelikož pi ozhodováí o ulové hypotéze vycházíme z výbového oubou, kteý emuí dotate pe odpovídat vlatotem základího oubou, mžeme e pi ozhodováí doputit chyby. Pi ozhodováí mohou atat ituace, kteé popiuje áledující tabulka: Skuteot Platí H 0 Platí H A V ižeýkých aplikacích e mohdy etkáváme tzv. opeativí chaakteitikou, což je závilot chyby II. duhu a peé pecifikaci alteativí hypotézy. Opeativí chaakteitika bývá v pai taktéž ahazováa kivkou íly tetu, což je závilot (-) a peé pecifikaci alteativí hypotézy. Pi tetováí hypotéz e bž mžeme etkat e dvma pítupy klaickým tetem a itým tetem výzamoti. Klaický tet e kládá z kolika kok: Výledek tetu Nezamítáme H 0 Zamítáme H 0 Spávé ozhodutí Chyba I. duhu Pavdpodobot ozhodutí: α Pavdpodobot ozhodutí: α (polehlivot) (hladia výzamoti) Chyba II. duhu Spávé ozhodutí Pavdpodobot ozhodutí: β Pavdpodobot ozhodutí: β (íla tetu). Fomulace ulové a alteativí hypotézy. Volba tetové tatitiky (tetového kitéia) T(X) 3. Setojeí kitického obou a obou pijetí 4. Výpoet pozoovaé hodoty tetové tatitiky T(X) - OBS 5. Fomulace závu tetu každý tet vede ke dvma možým výledkm Opoti klaickému tetu epotebuje itý tet výzamoti zát hladiu výzamoti jako vtupí údaj. Jeho výledek ám umožuje ozhodout a jakých hladiách výzamoti mžeme ulovou hypotézu zamítout (ep. ezamítout). itý tet výzamoti e kládá z áledujících kok:. Fomulace ulové a alteativí hypotézy. Volba tetové tatitiky (tetového kitéia) T(X) 3. Výpoet pozoovaé hodoty tetové tatitiky OBS a výpoet tatitiky p-value P-value je tedy ejižší hladia výzamoti a íž mžeme ulovou hypotézu zamítout a záove ejvyšší hladiy výzamoti a íž e již ulová hypotéza ezamítá. P-value vypoteme podle jedé ze tí možých defiic v záviloti a tvau alteativí hypotézy (je uté aby alteativí hypotéza koepodovala výbovým ouboem)

2 . H A ve tvau < : p value F ( ) 0 OBS F0 ( OBS. H A ve tvau > : p value ) 3. H A ve tvau : p value mi{ F ( );- F ( )} Rozhodutí a základ p-value Rozhodutí: 0 OBS 0 OBS α > p value Zamítáme H 0 ve popch H A α < p value Nezamítáme H 0 Obec ozhodujeme o zamítutí ulové hypotézy a základ áledujícího chématu, kteé je založeo a ejbžji používaých hladiách výzamoti (0,0 a 0,05). Neozhodá Zamítáme H 0 oblat Nezamítáme H 0 0,0 0,05 p-value Stuý pehled tetových tatitik, imiž jme e ezámili Jedovýbové paametické tety Tetovaý paamet Poz. Tetová tatitika Nulové ozdleí Stedí hodota Záme-li X µ N ( 0; ) Z σ Stedí hodota Nezáme-li X µ t T Rozptyl ( ) χ (modatá odchylka ) χ σ Relativí etot p π N ( 0; ) P π ( π ) Jedovýbové epaametické tety Tetovaý paamet Mediá 0,5 Mediá 0,5 Poz. Tetová tatitika Nulové ozdleí Zamékový tet, Y poet pozoováí používáme u výaz zešikmeých v áhodém výbu o oza- Bi ( ;0,5) výb vtšího hu, kteé pekoí 0,50 ozahu W N ( 0; )

3 Dvouvýbové paametické tety po ezávilé výby Tetovaé paamety Poz. Tetová tatitika Nulové ozdleí Stedí hodoty, Záme-li ( X X ) ( µ µ ) N ( 0; ), Z σ σ + Stedí hodoty, Rozptyly, (modaté odchylky, ) Nezáme-li, T p F ( X X ) ( µ µ ) p + ( ) + ( ) + Relativí etoti, ( p p ) ( π π ) P p p + +,, ( p) + Dvouvýbové epaametické tety t + F ( m, ) N ( 0; ) Tetovaé paamety Mediáy 0,5, 0, 5 Poz. Tetová tatitika Nulové ozdleí Mav Whitev tet N ( 0; ) W + ( ) + ( ) + Dvouvýbové páové tety Pedpokládejme meých jedotek (i objekt), a ichž jou povedea dv pozoováí, daá zými epeimetálími podmíkami (ap. pobí i epobí jaký fakto, jehož úiky jou pedmtem šeteí). Tetováí povádíme tak, že vytvoíme jedu datovou hodotu po každý meý objekt. V ejjedodušším datovém modelu bude touto hodotou ozdíl zíkaých dvou pozoováí po daý i-tý meý objekt. Daé ozdíly pak mohou být použity po jedovýbové tety o tom, zda ledovaý paamet je ula, což je ekvivaletí tím, že eeitují žádé ozdíly mezi epeimetálími podmíkami (ebo že zkoumaý fakto je eúiý)

4 .. Byly amey áledující hodoty IQ (výledky tetu iteligece) po 0 vybaých úatík iteligeího tetu (úatíky byli tudeti poledího oíku základí školy): Pedpokládejme, že áhodý výb pochází z omálího ozdleí e modatou odchylkou 5. Ovte itým tetem výzamoti hypotézu, že tedí hodota IQ tudet záveého oíku ZŠ je ova 00. ešeí: Chceme tetovat tedí hodotu piemž záme modatou odchylku. Pedpoklad omality základího oubou byl pl, mžeme tedy pitoupit k tetu: Vtupí data: σ Výb: X 9, Staoveí ulové a alteativí hypotézy: H 0 : µ 00 H A : µ < 00 (potože výb ukazuje a to, že tedí hodota by mohla být ižší ež 00 (9,7 < 00)) Volba tetového kitéia a taoveí jeho ulového ozdleí: T X µ σ ( X ) Z N( 0; ) Výpoet hodoty tetové tatitiky OBS : OBS X µ 0 9,7 00 Z H 0,54 0 σ 5 Výpoet p-value: H A : µ < 00 p value F ( ) 0 OBS p value Φ (,54) Φ(,54 ) 0,938 0, 06 (tz. ulovou hypotézu mžeme zamítou a hladi výzamoti 0,06 a ižších) Rozhodutí: p value > 0,05 Nezamítáme ulovou hypotézu, tj. zamítáme alteativu, tj. elze tvdit, že IQ tudet záveého oíku ZŠ je ižší ež

5 ešeí ve Statgaphicu: Statgaphic ám umožuje povádt jedovýbové paametické tety po tyto paamety omálího ozdleí: tedí hodota, modatá odchylka, elativí etot (podíl). Po tetováí tedí hodoty e používá pouze výbová tatitika T. Zaeme tím, že i uíme paamety výbu a taovíme ulovou a alteativí hypotézu: Vtupí data: σ Výb: X 9, Staoveí ulové a alteativí hypotézy: H 0 : µ 00 H A : µ < 00 V ašem pípad chceme tetovat tedí hodotu. V meu Decibe Hypothei Tet zvolíme položku V ok Hypothei Tet zadáme požadovaé údaje: zaškteme pole Nomal Mea (tedí hodota omálího ozdleí), do pole Null Hypothei zadáme hodotu, kteé by tedí hodota doáhla v pípad platoti ulové hypotézy, tj. 00, jako Sample mea ( výbová tedí hodota pm) zadáme 9,7, jako Sample Sigma ( výbová modatá odchylka) zadáme 5 a do pole Sample Size ( ozah výbu) zapíšeme 0. Výtupem této poceduy jou opt dv oka tetový a gafický výtup. Tetový výtup ám abízí itevalový odhad po tetovaý paamet (viz. pedcházející cvieí) a výledky tetu, tj. ulovou a alteativí hypotézu (POZOR!!! Je zde pedataveá oboutaá alteativa, kteou muíme pípad zmit v meu Aalyi Optio (RC a tetový výtup) podle kuteé alteativy), hodotu tetové tatitiky za pedpokladu, že platí ulová hypotéza (pozoovaá hodota) a hodotu p-value. V tetovém výtupu ovž alezeme vyhodoceí tetu po pílušou hladiu výzamoti (pedataveá hodota je 5% - zmit ji mžeme v meu Aalyi Optio (RC a tetový výtup))

6 V ašem pípad je alteativí hypotéza ve tvau meší ež, poto v meu Aalyi Optio tva alteativy zmíme a Le Tha. Paamety výbu Itevalový odhad p-value Pozoovaá hodota Rozhodutí Nulová a alteativí hypotéza Slovíek: Reject zamítout Do ot eject ezamítout V ašem pípad je p-value ovo 0,079 (jako tetová tatitika byla použita tatitika T, ikoliv Z jako pi uím výpotu) a poto emžeme ulovou hypotézu a 5% í hladi výzamoti zamítout, tj. elze tvdit, že IQ tudet záveého oíku ZŠ je ižší ež 00. Gafický výtup ám abízí kivku íly tetu. Po kokétí hodotu alteativy zde mžeme odeít pavdpodobot zamítutí ulové hypotézy (-)

7 .. Byly amey áledující hodoty IQ (výledky tetu iteligece) po 0 vybaých úatík iteligeího tetu (úatíky byli tudeti poledího oíku základí školy): Pedpokládejme, že áhodý výb pochází z omálího ozdleí e modatou odchylkou 5. Ovte klaickým tetem výzamoti hypotézu, že tedí hodota IQ tudet záveého oíku ZŠ je ova 00. ešeí: Chceme tetovat tedí hodotu piemž záme modatou odchylku. Pedpoklad omality základího oubou byl pl, mžeme tedy pitoupit k tetu: Vtupí data: σ Výb: X 9, Staoveí ulové a alteativí hypotézy: H 0 : µ 00 H A : µ < 00 (potože výb ukazuje a to, že tedí hodota by mohla být ižší ež 00 (9,7 < 00)) Volba tetového kitéia a taoveí jeho ulového ozdleí: T X µ σ ( X ) Z N( 0; ) Výpoet hodoty tetové tatitiky OBS : OBS X µ 0 9,7 00 Z H 0,54 0 σ 5 Až do této chvíle e potupy obou typ tetu eliší. V klaickém tetu však míto p-value uujeme kitický obo. Staoveí kitického obou C: H A : µ < 00 C T Tz. v tuto chvíli e muíme ozhodou a jaké hladi výzamoti ( jakou polehlivoti) budeme tet povádt. Po hladiu výzamoti 5%: C T 0,05 C z 0,05 C z 0,05 C -z 0,95 C -,645 (viz. Tabulka ) - 4 -

8 Rozhodutí: (,54 > -,645) OBS C OBS eleží v kitickém obou, tz. že leží v obou pijetí ( OBS A ) Nezamítáme ulovou hypotézu, tj. zamítáme alteativu, tj. elze tvdit, že IQ tudet záveého oíku ZŠ je ižší ež Výobce gaatuje, že jím vyobeé žáovky mají životot v pmu.000 hodi. Aby útva kotoly zjitil, zda tomuto kotatováí odpovídá i v daém období vyobeá a epedovaá át podukce, vybal z pipaveé dodávky áhod 50 žáovek a došel k závu, že pmá doba živototi je 050 hodi a modatá odchylka doby živototi pak 00 hodi. Ovte itým tetem výzamoti, zda edošlo ke zlepšeí kvality žáovek. ešeí: Mítkem kvality žáovek je jejich tedí životot. Chceme tedy tetovat tedí hodotu piemž modatou odchylku ezáme. Pedpokládejme, že životot žáovek podléhá omálímu ozdleí. Vtupí data: Výb: X 050 hodi 00 hodi 50 Staoveí ulové a alteativí hypotézy: H 0 : µ 000 (ovovážý tav, tedí životot e ezmila) H A : µ > 000 (výb ukazuje a to, že tedí životot by mohla být vyšší ež 000 (50 > 000)) Volba tetového kitéia a taoveí jeho ulového ozdleí: T X µ ( X ) T t Výpoet hodoty tetové tatitiky OBS : OBS X µ T 50 3,54 H 0 00 Výpoet p-value: H A : µ > 000 p value F ( ) 0 OBS p value F (3,54) 0 F 0(3,54) > 0,9995 viz. Tabulka (Studetovo ozdleí, 49 tup voloti) p value < 0,

9 Rozhodutí: p value < 0,0 Zamítáme ulovou hypotézu ve popch alteativí, tj. lze tvdit, že kvalita žáovek e zlepšila. ešeí ve Statgaphicu: (viz. P...) Vtupí data: Výb: X 050 hodi 00 hodi 50 Staoveí ulové a alteativí hypotézy: H 0 : µ 000 (ovovážý tav, tedí životot e ezmila) H A : µ > 000 (výb ukazuje a to, že tedí životot by mohla být vyšší ež 000 (50 > 000)).4. Uitý duh lilie dotá pmé výšky 85 cm e modatou odchylkou 0 cm. Skupia 00 tchto lilií byla ptováa za ových, pízivjších podmíek, aby e zjitilo, zda e výška zvýší. a) Uete mezí hodotu pmé výšky tohoto vzoku, za íž bude možo ulovou hypotézu zamítout a 5%-í hladi výzamoti. b) Bude-li kuteá pmá výška tchto 00 otli 88cm, jak ozhodeme o ulové hypotéze? c) Natte opeativí chaakteitiku. ešeí: Ze zadáí úlohy uuzujeme, že máme ozhodovat o tedí hodot výšky otliy, piemž záme modatou odchylku populace. ada) V této áti úlohy máme zadáu kitickou hodotu chyby I. duhu, tj. p-value a máme uit pílušý kitický pm. Abychom vdli, jakým zpobem uujeme p-value

10 (máme a výb ze tí možotí), muíme ejdíve taovit ulovou a alteativí hypotézu. H 0 : µ 85 H A : µ > 85 p - value - F(OBS) Volba tetové tatitiky a ulového ozdleí: T X µ σ ( X ) Z N( 0; ) Výpoet: p OBS 0,05 0,95,645 X X kit 85 Z H 00 X kit value - F( ) - OBS kit Φ Φ X ( X kit 85) ( X kit 85) kit 86, Tz. pekoí-li pmá výška 00 otli 86,6 cm, mžeme ulovou hypotézu a 5%- í (a vyšší) hladi výzamoti zamítout. adb) O této otázce mžeme ozhodout bu a základ výledku z bodu a) - 88 cm je více ež 86,6 cm a poto po teto pm mžeme ulovou hypotézu a 5%-í (a vyšší) hladi výzamoti zamítout ebo mžeme klaickým zpobem povét itý tet výzamoti: Volba ulové a alteativí hypotézy: H 0 : µ 85 H A : µ > 85 Volba tetové tatitiky a ulového ozdleí: T X µ σ ( X ) Z N( 0; ) Výpoet pozoovaé hodoty: OBS Z H , Výpoet p-value: H A : µ > 85 p - value - Φ(3,00) < 0,

11 Rozhodutí: p - value < 0,0 Zamítáme ulovou hypotézu ve popch alteativy, tj. mžeme tvdit, že lepší podmíky pi ptováí tohoto duhu lilií vedly k vyšší výšce otli. adc) Opeativí chaakteitika je záviloti a kokétích hodotách alteativy (pi pev zvoleé hodot ). Staovíme i poto hodoty pavdpodoboti chyby II. duhu () a kolika zých hodotách alteativy (ap. 85,5; 86; 87; 88 cm). Zvolíme-li ovo 5%, pak k ezamítutí ulové hypotézy dojde tehdy, epekoí-li pm hodotu 86,6 cm (viz. úloha a) pokud bychom teto výledek emli k dipozici, mueli bychom kitickou hodotu pmu uit). β ( X < 86, ) P 645 H 0 : µ 85 : ) µ H A ) 3) 4) H A 85,5 µ 86,0 µ 87,0 µ 88,0 Volba tetové tatitiky: Z X µ σ N( 0; ) 86,645-85,5 β < 86 A < Z < Φ 0 86,6-86,0 β P X < 86,6 H A P Z < 00 P Z < 0,6 Φ 0,6 0, 0 86,6-87,0 β P X < 86,6 H A P Z < 00 P Z < 0,4 Φ 0,4 0, 0 86,6-88,0 β P X < 86,6 H A P Z < 00 P Z <,4 Φ,4 0, 0 ad.) P( X,6 H ) P Z 00 P(,5 ) (,5) 0, 875 ad.) ( ) ( ) ( ) 76 ad3.) ( ) ( ) ( ) 345 ad4.) ( ) ( ) ( ) 08 Opeativí chaakteitika 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0, 0, 0 84, , , , ,5-45 -

12 .5. Pi aalýze difeeciace mezd ve velkém podiku bylo zjišto, že pmá míí mzda iila 9.386,-K a modatá odchylka mezd.56,- K. Po ozáhlých ogaizaích zmách bylo uté ychle pooudit, zda došlo ke zmám v difeeciaci mezd. Náhod bylo vybáo 30 pacovík a byla zjišta modatá odchylka mezd.708,-k. Je možé tvdit, že ogaizaí zmy pohloubily difeeciaci mezd? ešeí: Mítkem difeeciace (ozložeí) mezd je jejich modatá odchylka (ep. ozptyl). Chceme tedy tetovat modatou odchylku. Vtupí data: Výb: 708 K 30 Staoveí ulové a alteativí hypotézy: H 0 : σ 56 (ovovážý tav, v ašem pípad poáteí tav) H A : σ > 56 (výb ukazuje a to, že modatá odchylka by mohla být vyšší ež 56 (708 > 56)) Pevedeí poblému a tet ozptylu: H 0 : H A : σ σ 56 > 56 Volba tetového kitéia a taoveí jeho ulového ozdleí: T ( X ) ( ) χ χ σ Výpoet hodoty tetové tatitiky OBS : OBS χ ( ) H 0 σ 0 34,7 Výpoet p-value: H A : σ > 56 p value F0 ( OBS ) p value F (34,7) 0 0,750 < F 0(34,7) < 0,900 viz. Tabulka 3 0,00 < p value < 0,50 Rozhodutí: p value > 0,05 Nezamítáme ulovou hypotézu, tj. lze tvdit, že difeeciace mezd e ezvýšila

13 ešeí ve Statgaphicu: Vtupí data: Výb: 708 K 30 Staoveí ulové a alteativí hypotézy: H 0 : σ 56 (ovovážý tav, v ašem pípad poáteí tav) H A : σ > 56 (výb ukazuje a to, že modatá odchylka by mohla být vyšší ež 56 (708 > 56)) Poblém epevádíme a tetováí ozptylu, ebo Statgaphic umožuje pouze tetováí modaté odchylky. V meu Decibe zvolíme položku Hypothei Tet V ok Hypothei Tet zadáme požadovaé údaje: zaškteme pole Nomal Sigma (modatá odchylka omálího ozdleí), do pole Null Hypothei zadáme hodotu, kteé by modatá odchylka doáhla v pípad platoti ulové hypotézy, tj. 56, jako Sample igma ( výbová modatá odchylka) zadáme 708 a do pole Sample Size ( ozah výbu) zapíšeme 30. V ašem pípad je alteativí hypotéza ve tvau vtší ež, poto v meu Aalyi Optio tva alteativy zmíme a Geathe Tha

14 Rozhodutí: p value 0,5 > 0,05 Nezamítáme ulovou hypotézu, tj. lze tvdit, že difeeciace mezd e ezvýšila..6. Pi volbách do polaecké movy v evu 006 doáhla SSD podpoy 30%. Agetua STAT udává, že pi pzkumu v poici 006 (600 epodet) zjitili pouze 5% podpou této tay. Lze z tchto výledk uuzovat a kleající podpou SSD? Ovte itým tetem výzamoti. ešeí: Chceme tetovat elativí etot. Pedpokládejme, že elativí etot podléhá omálímu ozdleí. Vtupí data: Výb: p 5 % 0,5 600 Staoveí ulové a alteativí hypotézy: H 0 : π 0, 30 (ovovážý tav, podpoa SSD e ezmila) H A : π < 0,30 (výb ukazuje a to, že podpoa SSD by mohla být ižší ež 30% (0,30 < 0,5)) Volba tetového kitéia a taoveí jeho ulového ozdleí: T p π π ( π ) ( X ) P ( 0; ) N Výpoet hodoty tetové tatitiky OBS : OBS p π 0 0,5 0,30 P ,4 H π 0( π 0) 0,30 ( 0,30) Výpoet p-value: H A : π < 0,30 p value F ( ) Rozhodutí: p value < 0,0 0 OBS p value Φ p value 0 ( 4,4) Φ( 4,4) 0 Zamítáme ulovou hypotézu, tz. lze tvdit, že pokle podpoy SSD je tatiticky výzamý

15 ešeí ve Statgaphicu: Vtupí data: Výb: p 5 % 0,5 600 Staoveí ulové a alteativí hypotézy: H 0 : π 0, 30 (ovovážý tav, podpoa SSD e ezmila) H A : π < 0,30 (výb ukazuje a to, že podpoa SSD by mohla být ižší ež 30% (0,30 < 0,5)) V meu Decibe zvolíme položku Hypothei Tet V ok Hypothei Tet zadáme požadovaé údaje: zaškteme pole Biomial Popotio (elativí etot omálího ozdleí), do pole Null Hypothei zadáme hodotu, kteé by elativí etot doáhla v pípad platoti ulové hypotézy, tj. 0,30, jako Sample Popotio ( výbová elativí etot) zadáme 0,5 a do pole Sample Size ( ozah výbu) zapíšeme 600. V ašem pípad je alteativí hypotéza ve tvau meší ež, poto v meu Aalyi Optio tva alteativy zmíme a Le Tha. Rozhodutí: p value 0,000 <<< 0,0 Zamítáme ulovou hypotézu, tj. lze tvdit, že pokle podpoy SSD je tatiticky výzamý

16 .7. Byly amey áledující hodoty IQ (výledky tetu iteligece) po 0 vybaých úatík iteligeího tetu (úatíky byli tudeti poledího oíku základí školy): Ovte itým tetem výzamoti hypotézu, že mediá IQ tudet záveého oíku ZŠ je ove 00. ešeí: Ukážeme i ešeí pomocí obou výše zmíých tet hypotéz o mediáu. Pví kok, tj. taoveí ulové a alteativí hypotézy, je v obou pípadech tejý. Vtupí data: Výb: ~ Staoveí ulové a alteativí hypotézy: H 0 : 00 0,5 0,5 < H A : 00 (výb ukazuje a to, že mediá IQ by mohl být ižší ež 00) Zamékový tet Volba tetového kitéia a taoveí jeho ulového ozdleí: T ( X ) Y Bi( ;0,5), Y poet pozoováí v áhodém výbu o ozahu, kteé pekoí Výpoet hodoty tetové tatitiky OBS : Y H 0 4 (ve výbu jou 4 hodoty vyšší ež 00) OBS Výpoet p-value: H A : 00 p value F ( ) 0,5 < Y Bi(0;0,5) p value F p value 0 OBS 0 0, ( 4) P( Y < 4) 5 k 0 k 0,7 k 0 k ( 0,5) ( 0, )

17 Rozhodutí: p value > 0,05 Nezamítáme ulovou hypotézu, tj. lze tvdit, že IQ tudet má mediá 00. Wilcov tet Volba tetového kitéia a taoveí jeho ulového ozdleí: Výpoet hodoty tetové tatitiky OBS : T ( X ) W N( 0; ) Vtupí data potup tafomujeme a pomou * a z í vypoteme hodotu tetové 00 : tatitiky ( ) 0,5 0, IQ Seazeé hodoty IQ yi i 0,5 0 ak( ) i i g( i 0,50 ) i y i Nejižší hodota y i je. e vykytuje a.,. a 3. poadí, poto bude všem tmto hodotám y i piazeo poadí ( ). 3 Nap.: g( 65 00) g 0 00 ( ) i i,5, 0 i ( ) i 9 6,0 OBS W H,5 0,3 0 6,0 H 0-5 -

18 Výpoet p-value: H A : 00 p value F ( ) 0,5 < Rozhodutí: p value > 0,05 p value 0 OBS Φ(,3) Φ(,3) 0,907 0,093 Nezamítáme ulovou hypotézu, tj. lze tvdit, že IQ tudet má mediá 00. ešeí ve Statgaphicu: Nejdíve data zadáme do Statgaphicu, ep. použijeme pipaveý datový oubo IQ.f3 Meu Decibe\Numeic Data\ Oe Vaiable Aalyi V ok Oe Vaiable Aalyi zadáme jako Data IQ. Klikeme a ikou Tabula Optio a zvolíme položku Hypothei Thet. V píluém tetovém výtupu ajdeme jedovýbové tety po tedí hodotu a mediá. V tetovém výtupu ajdeme pm a výbový mediá a a jejich základ zvolíme alteativu. Nataveí ulové hypotézy, alteativí hypotézy a hladiy výzamoti povedeme v meu Pae Optio (RC a tetový výtup)

19 Zamékový tet p value 0,376 > 0,05 Nezamítáme ulovou hypotézu, tj. lze tvdit, že IQ tudet má mediá 00. Wilcov tet p value 0,0 > 0,05 Nezamítáme ulovou hypotézu, tj. lze tvdit, že IQ tudet má mediá Tabáková fima TAB pohlašuje, že jejich cigaety mají ižší obah ikotiu ež cigaety NIK. Po oveí tohoto pohlášeí bylo áhod vybáo z podukce TAB 0 kabiek cigaet (po 0-ti kuech) a v ich bylo zjišto (4,6 ± 3,7) mg ikotiu (v jedié cigaet). Ve 5-ti kabikách cigaet NIK (po 0-ti kuech) bylo zjišto (48,9 ± 4,3) mg ikotiu a cigaetu. Ovte tvzeí fimy TAB itým tetem výzamoti. ešeí: Chceme poovávat tedí obah ikotiu v cigaetách TAB a NIK, modatou odchylku obahu ikotiu v cigaetách ezáme. Volíme tedy tet po poováí tedích hodot dvou populací (pi ezámých ) za pedpokladu, že obah ikotiu v cigaetách podléhá omálímu ozdleí. Vtupí data: Výb fima TAB: X 4, 6 mg 3, 7 mg Výb fima NIK: X 48, 9 mg 4, 3 mg Staoveí ulové a alteativí hypotézy: H 0 : µ ( µ µ 0) H A : µ < µ ( µ µ 0) µ (ovovážý tav) <

20 (výby ukazují a to, že obah ikotiu v cigaetách TAB je ižší ež obah ikotiu v cigaetách NIK) Volba tetového kitéia a taoveí jeho ulového ozdleí: T ( ) ( X X ) ( µ µ ) X T t + p +, kde p ( ) + ( ) + Výpoet hodoty tetové tatitiky OBS : Pokud je ulová hypotéza platá, platí, že: µ ( µ µ 0) µ, poto: p ( ) + ( ) 399 ( 3,7) ( 4,3) ,0 OBS T H0 ( X X ) ( µ µ ) H ( 4,6 48,9) ( 0) p + 0 4, , Výpoet p-value: µ p value F ( ) H A : < µ ( µ µ 0) Rozhodutí: < p value < 0,0 0 OBS 0( p value F 3,) p value < 0,0005 viz. Tabulka (Studetovo ozdleí 898 ( ) tupi voloti) Zamítáme ulovou hypotézu, tj. tvzeí fimy TAB lze považovat za pavdivé. ešeí ve Statgaphicu: Statgaphic ám umožuje povádt dvouvýbové paametické tety po ováí tchto paamet omálího ozdleí: tedí hodoty, modaté odchylky, elativí etoti (podíly). Po ováí tedích hodot e používá pouze výbová tatitika T. Zaeme opt tím, že i uíme paamety výb a taovíme ulovou a alteativí hypotézu: Vtupí data: Výb fima TAB: X 4, 6 mg 3, 7 mg

21 Výb fima NIK: X 48, 9 mg 4, 3 mg Staoveí ulové a alteativí hypotézy: H 0 : µ ( µ µ 0) H A : µ < µ ( µ µ 0) µ (ovovážý tav) < V ašem pípad chceme poovávat tedí hodoty. V meu Compae\Two Sample zvolíme položku Hypothei Tet V ok Hypothei Tet (Compae) zaškteme pole Nomal Mea a vyplíme požadovaé paamety v poli Null Hypothei fo Difeece of Mea (ulová hypotéza po ozdíl tedích hodot) poecháme 0, Sample Mea (pm po. výb (TAB) 4,6), Sample Sigma (výbová modatá odchylka po. výb (TAB) 3,7), Sample Size (ozah výbu po. výb (TAB) 400), Sample Mea (pm po. výb (NIK) 48,9), Sample Sigma (výbová modatá odchylka po. výb (NIK) 4,3), Sample Size (ozah výbu po. výb (NIK) 500)) Výtupem této poceduy jou opt dv oka tetový a gafický výtup. Tetový výtup ám abízí itevalový odhad po ozdíl (ep. pom v pípad ováváí modatých odchylek) tetovaých paamet (viz. pedcházející cvieí) a výledky tetu, tj. ulovou a alteativí hypotézu (POZOR!!! Je zde pedataveá oboutaá alteativa, kteou muíme pípad zmit v meu Aalyi Optio (RC a tetový výtup) podle kuteé alteativy), hodotu tetové tatitiky za pedpokladu, že platí ulová hypotéza (pozoovaá hodota) a hodotu p-value. V tetovém výtupu ovž alezeme vyhodoceí tetu po pílušou hladiu výzamoti (pedataveá hodota je 5% - zmit ji mžeme v meu Aalyi Optio (RC a tetový výtup))

22 V ašem pípad je alteativí hypotéza ve tvau meší ež, poto v meu Aalyi Optio tva alteativy zmíme a Le Tha. P-value ovo cca 0 a poto mžeme ulovou hypotézu a 5% í hladi výzamoti zamítout, tj. tvzeí fimy TAB lze považovat za pavdivé. Gafický výtup ám abízí kivku íly tetu. Po kokétí hodotu alteativy zde mžeme odeít pavdpodobot zamítutí ulové hypotézy (-)

23 .9. Byly tetováy magetofoy od dvou výobc SONIE a PHILL. SONIE pohlašuje, že jejich magetofoy mají ižší poceto eklamací. Po oveí tohoto pohlášeí bylo dotazováo kolik podejc magetofo a bylo zjišto, že ze 50 podaých magetofo fimy SONIE bylo v pbhu záuí doby eklamováo 5 výobk a ze 0 podaých magetofo PHILL bylo v záuí dob eklamováo 9 výobk. Otetujte pavdivot pohlášeí fimy SONIE itým tetem výzamoti. ešeí: Chceme poovávat poceto (elativí etot) eklamovaých výobk u obou fiem. Volíme tedy tet hypotézy a ozdílu mezi podíly (elativími etotmi). Vtupí data: Výb fima SONIE: 5 50 p 5 50 Výb fima PHILL: p 0 Staoveí ulové a alteativí hypotézy: H 0 : π ( π π 0) H A : π < π ( π π 0) π (ovovážý tav) < 0,033 0,04 (výby ukazují a to, že poceto eklamovaých výobk fimy SONIE je ižší ež poceto eklamovaých výobk fimy PHILL) Volba tetového kitéia a taoveí jeho ulového ozdleí: T ( X ) P ( p p ) ( π π ) ( p) + N p ( 0; ), kde p + + Výpoet hodoty tetové tatitiky OBS : Pokud je ulová hypotéza platá, platí, že: π π ( π π 0) p ,038, poto: OBS P H0 ( p p ) ( π π ) p ( p) H 0 + 0,038 ( 0,033 0,04) ( 0) ( 0,038) ,

24 Výpoet p-value: H A : < π ( π π 0) Rozhodutí: π p value F ( ) < p value > 0,05 0 OBS ( 0,40) p value Φ( 0,40) Φ p value 0,345 viz. Tabulka Nezamítáme ulovou hypotézu, tj. tvzeí fimy SONIE eí opávé. ešeí ve Statgaphicu: Zaeme opt tím, že i uíme paamety výb a taovíme ulovou a alteativí hypotézu: Vtupí data: Výb fima SONIE: 5 50 p 5 50 Výb fima PHILL: p 0 Staoveí ulové a alteativí hypotézy: H 0 : π ( π π 0) H A : π < π ( π π 0) π (ovovážý tav) < 0,033 0,04 Chceme poovávat tedí hodoty. V meu Compae\Two Sample zvolíme položku Hypothei Tet V ok Hypothei Tet (Compae) zaškteme pole Biomial Popotio a vyplíme požadovaé paamety v poli Null Hypothei fo Difeece of Popotio (ulová hypotéza po ozdíl podíl) poecháme 0, Sample Popotio (výbový podíl po. výb (SONIE) 0,033), Sample Size (ozah výbu po. výb (SONIE) 50), Sample Popotio (výbový podíl po. výb (PHILL) 0,04), Sample Size (ozah výbu po. výb (PHILL) 0)

25 V ašem pípad je alteativí hypotéza ve tvau meší ež, poto v meu Aalyi Optio tva alteativy zmíme a Le Tha. Rozhodutí: p value 0,346 > 0,05 Nezamítáme ulovou hypotézu, tj. tvzeí fimy SONIE eí opávé..0. Máme dv kupiy tudet. Pví (kotolí), v íž jou tudeti vyuovái tadiími metodami, a duhá, v íž jou tudeti vyuovái epeimetálími metodami. V áledujících tabulkách je uvedeo bodové hodoceí vybaých tudet u zkoušky. Na základ ováí mediáu ozhodte, zda tudeti vyuovái epeimetálím metodami doahují lepších výledk ež tudeti klaickým vyuováím. Výb z pví kupiy (klaická výuka)

26 Výb z duhé kupiy (epeimetálí výuka) ešeí: Volba ulové a alteativí hypotézy H 0 : 0,5 ( 0) 0,5 0,5 0, 5 H A : ( 0) ( ~ 48; ~ 5) 0,5 0,5 0,5 0, 5 Volba tetového kitéia a taoveí jeho ulového ozdleí: T ( X ) W N( 0;) + Výpoet hodoty tetové tatitiky OBS : i ,5 8 5, ,5 4 5,5,5 i i , i i i i i, ; 4,4 ; ( ) i i 6,3 ; ( ) i i 8,9 ( ) + ( ) 4 ( 6,3) + 9 ( 8,9) ,4 OBS W H 0 +,-4,4 7, ( 0,76) Výpoet p-value: H A : ( 0) 0,5 0,5 0,5 0,

27 p F value.mi{ F0 ( OBS ); F0 ( OBS )} ( OBS ) Φ( - 0,76) Φ( 0,76) 0,776 0, 4 F ( ) Φ( - 0,76) Φ( 0,76) 0, OBS p value.0,4 0,448 Rozhodutí: p value > 0,05 Nezamítáme ulovou hypotézu, tz. ebyl potvze vliv typu výuky a výledky tudet zkoušky. ešeí ve Statgaphicu: Nejdíve data zadáme do Statgaphicu, ep. použijeme pipaveý datový oubo Vyuka.f3 Meu Compae\Two Sample\ Two Sample Compaio Jako výb zadáme body tudet z Klaické výuky, jako výb zadáme body tudet z Epeimetálí výuky. Statgaphic ám umožuje poovat tedí hodoty, modaté odchylky a mediáy. Typ poováváí vybeeme klikeme-li a ikou Tabula Optio - 6 -

28 Nulovou hypotézu po ozdíl (ep. pom - v pípad poováváí modatých odchylek) pílušých paamet, alteativí hypotézu a hladiu výzamoti zadáme v meu Pae Optio (RC a pílušý tetový výtup). Ná zajímá poováí mediá, povedeme tedy RC a tetový výtup vztahující e k poováváí mediá a atavíme ulovou hypotézu, alteativí hypotézu a hladiu výzamoti: Volba ulové a alteativí hypotézy H 0 : 0,5 ( 0) 0,5 0,5 0, 5 H A : ( 0) 0,5 0,5 0,5 0, 5 Rozhodutí: p value 0,470 > 0,05 Nezamítáme ulovou hypotézu, tz. ebyl potvze vliv typu výuky a výledky tudet zkoušky

29 .. Máme k dipozici údaje o tepové fekveci paciet v klidu a po 0 miutách cvieí. Rozhodte a základ poováí tedích hodot a mediá tepových fekvecí, zda e 0 miutové cvieí pojeví a tepové fekveci paciet. Klidová fekvece X Fekvece po cvieí X ešeí: Zcela zejm e jedá o závilé výby, poto použijeme páové tety. Klidová fekvece Fekvece po cvieí d Páový tet tedí hodoty: Vtupí data: Výb: d 5, 0 d 6,9 Staoveí ulové a alteativí hypotézy: H 0 : µ 0 (ovovážý tav, cvieí tepovou fekveci eovlivilo) H A : µ > 0 (výb ukazuje a to, že cvieí tepovou fekveci zvýšilo (5 > 0)) Volba tetového kitéia a taoveí jeho ulového ozdleí: T X µ ( X ) T t Výpoet hodoty tetové tatitiky OBS : OBS d µ 0 5,0 0 T 0,64 H 0 6,9 d Výpoet p-value: H A : µ > 0 p value F ( ) 0 OBS p value F (0,64) 0 0,5 < F 0 (3,54) < 0,75 viz. Tabulka (Studetovo ozdleí, tup voloti) 0,75 > p value > 0,5-63 -

30 Rozhodutí: p value > 0,05 Nezamítáme ulovou hypotézu, tj. z hledika tedí hodoty mžeme vliv 0 miutového cvieí považovat za evýzamý. Páový tet mediáu: Vtupí data: Výb: ~ 6, 0 Staoveí ulové a alteativí hypotézy: H 0 : 0 (ovovážý tav, cvieí tepovou fekveci eovlivilo) 0,5 0,5 > H A : 0 (výb ukazuje a to, že cvieí tepovou fekveci zvýšilo (6 > 0)) Zamékový tet: Volba tetového kitéia a taoveí jeho ulového ozdleí: T ( X ) Y Bi( ;0,5), Y poet pozoováí v áhodém výbu o ozahu, kteé pekoí 0,5 (0) 0 Výpoet hodoty tetové tatitiky OBS : d Y H 0 7 (ve výbu je 7 hodot vyšších ež 0) OBS Výpoet p-value: H A : 0 0,5 > p value F0 ( OBS ) Y Bi(;0,5) p value F p value 0, (7) P( Y < 7) P( Y 7) 5 k 7 k k 0 k ( 0,5) ( 0, ) Wilcoov tet Volba tetového kitéia a taoveí jeho ulového ozdleí: T ( X ) W N( 0; ),

31 Výpoet hodoty tetové tatitiky OBS : Vtupí data potup tafomujeme a pomou * a z í vypoteme hodotu tetové tatitiky: y ( 00), i i 0,50 ( ) ak, i y i i ( ) g 0,50 i d 0 i 0,5 0 Seazeé hodoty d -3 y d 0 ak( ) i i i y i i i g( i 0,50 ) ,5-8, ,5-3, ,5 3, ,5 8, ,5, ,5,5 i i,3, i ( ) i 7,6 OBS W H,3 0,59 0 7,6 H 0 Výpoet p-value: H A : 0 p value F ( ) 0,5 > 0 OBS p value Φ(0,59) Φ(,3) 0,7 0,78 Rozhodutí: Jak po zamékový tet, tak po Wilcoov tet je p value > 0,

32 Nezamítáme ulovou hypotézu, tj. z hledika mediáu mžeme vliv 0 miutového cvieí považovat za evýzamý. Blízkot p-value po t tet a po tety mediáu ukazuje a epítomot odlehlých pozoováí. ešeí ve Statgaphicu: Nejdíve data zadáme do Statgaphicu, ep. použijeme pipaveý datový oubo Fekvece.f3 Meu Compae\Two Sample\ Paied - Sample Compaio V ok Paied-Sample Compaio zadáme jako výb Fekveci po cvieí a jako výb Klidovou fekveci (poáteí tav). Statgaphic ám umožuje povét páové tety tedích hodot a mediá. Klikeme a ikou Tabula Optio a zvolíme položku Hypothei Thet. Nulovou hypotézu po ozdíl pílušých paamet, alteativí hypotézu a hladiu výzamoti zadáme v meu Pae Optio (RC a pílušý tetový výtup)

33 Páový tet tedí hodoty: Rozhodutí: p value 0,66 > 0,05 Nezamítáme ulovou hypotézu, tj. z hledika tedí hodoty mžeme vliv 0 miutového cvieí považovat za evýzamý. Páový tet mediáu: Zamékový tet: p value 0,386 Nezamítáme ulovou hypotézu, tj. z hledika mediáu mžeme vliv 0 miutového cvieí považovat za evýzamý

a) Hypotézy o parametru jedné populace (o stední hodnot, mediánu, rozptylu, relativní

a) Hypotézy o parametru jedné populace (o stední hodnot, mediánu, rozptylu, relativní TESTOVÁNÍ HYPOTÉZ a ke tudu kaptoly: 8 mut Cíl Po protudováí tohoto odtavce budete: zát základí pojmy a prcpy tetováí hypotéz zát kocepc klackého tetu umt rozhodovat pomocí tého tetu výzamot umt pooudt

Více

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

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

Více

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

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

Více

Testování statistických hypotéz

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

Více

8 DALŠÍ SPOJITÁ ROZDLENÍ PRAVDPODOBNOSTI

8 DALŠÍ SPOJITÁ ROZDLENÍ PRAVDPODOBNOSTI 8 DALŠÍ SPOJITÁ ROZDLENÍ PRAVDPODOBNOSTI a ke tudiu kapitoly: 30 iut Cíl: Po protudováí tohoto odtavce budete ut: charakterizovat další typy pojitých rozdleí:, Studetovo, Ficher- Sedocorovo - - Výklad:

Více

8 DALŠÍ SPOJITÁ ROZDĚLENÍ PRAVDĚPODOBNOSTI

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

Více

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

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

Více

Interval spolehlivosti pro podíl

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

Více

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

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

Statistické metody ve veřejné správě ŘEŠENÉ PŘÍKLADY

Statistické metody ve veřejné správě ŘEŠENÉ PŘÍKLADY Statitické metody ve veřejé právě ŘEŠENÉ PŘÍKLADY Ig. Václav Friedrich, Ph.D. 2013 1 Kapitola 2 Popi tatitických dat 2.1 Tabulka obahuje rozděleí pracovíků podle platových tříd: TARIF PLAT POČET TARIF

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

a my chceme data proložit nějakou hladkou funkcí, která by vystihovala hlavní vlastnosti dat, ale ignorovala malé fluktuace a nepřesnosti.

a my chceme data proložit nějakou hladkou funkcí, která by vystihovala hlavní vlastnosti dat, ale ignorovala malé fluktuace a nepřesnosti. Vyováváí dat Naše pozoováí jsou dáa tabulkou čísel, kde y y y i často bývají časové údaje, a my chceme data položit ějakou hladkou fukcí, kteá by vystihovala hlaví vlastosti dat, ale igoovala malé fluktuace

Více

,6 32, ,6 29,7 29,2 35,9 32,6 34,7 35,3

,6 32, ,6 29,7 29,2 35,9 32,6 34,7 35,3 Př 7: S 95% polehlivotí odhaděte variabilitu (protředictvím odhadu měrodaté odchylky) a tředí hodotu obahu vitamíu C u rajčat. Záte-li výledky rozboru 0-ti vzorků rajčat: 3 4 5 6 7 8 9 0 9,6 3,4 30 3,6

Více

a q provedeme toto nahrazení a dostane soustavu dvou rovnic o dvou neznámých: jsou nenulová čísla (jinak by na pravé straně rovnice byla 0)

a q provedeme toto nahrazení a dostane soustavu dvou rovnic o dvou neznámých: jsou nenulová čísla (jinak by na pravé straně rovnice byla 0) ..9 Úlohy geometickou poloupotí Předpokldy: 0, 0 Pedgogická pozámk: Při řešeí příkldů potupujeme tk, by Ti ejpomlejší počítli lepoň příkldy,,,. Souh vzoců pvidel po geometickou poloupot: + - pozávcí zmeí

Více

Poznámky k tématu Korelace a jednoduchá lineární regrese (Téma není ve skriptech)

Poznámky k tématu Korelace a jednoduchá lineární regrese (Téma není ve skriptech) Pozámk k tématu Koelace a jedoduchá leáí egee (Téma eí ve kptech) Mějme data, ),...,(, ), kteá jou áhodým výběem z ějaké populace. Data ted pokládáme za ezávlé ealzace dvojce áhodých velč ( X, Y ). Půmě

Více

11 TESTOVÁNÍ HYPOTÉZ. Čas ke studiu kapitoly: 360 minut. Cíl

11 TESTOVÁNÍ HYPOTÉZ. Čas ke studiu kapitoly: 360 minut. Cíl TESTOVÁNÍ HYPOTÉZ Ča ke tudu kaptoly: 36 mut Cíl Po potudováí tohoto odtavce budete: zát základí pojmy a pcpy tetováí hypotéz zát kocepc klackého tetu umět ozhodovat pomocí čtého tetu výzamot umět pooudt

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

Téma 3: Popisná statistika

Téma 3: Popisná statistika Popá tatta Téma : Popá tatta Předáša 7 Záladí tattcé pojmy Pojem a úoly tatty Statta je věda, teá e zabývá zíáváím, zpacováím a aalýzou dat po potřeby ozhodováí. Zoumá tav a vývoj homadých jevů a vztahů

Více

2 EXPLORATORNÍ ANALÝZA

2 EXPLORATORNÍ ANALÝZA Počet automobilů Ig. Martia Litschmaová EXPLORATORNÍ ANALÝZA.1. Níže uvedeá data představují částečý výsledek zazameaý při průzkumu zatížeí jedé z ostravských křižovatek, a to barvu projíždějících automobilů.

Více

Test hypotézy o parametru π alternativního rozdělení příklad

Test hypotézy o parametru π alternativního rozdělení příklad Test hypotézy o parametru π alterativího rozděleí příklad Podik předpokládá, že o jeho ový výrobek bude mít zájem 7 % osloveých domácostí. Proběhl předběžý průzkum, v ěmž bylo osloveo 4 áhodě vybraých

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

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

8.2.7 Vzorce pro geometrickou posloupnost

8.2.7 Vzorce pro geometrickou posloupnost 7 Vzoce po geometicou poloupot Předpoldy: 0, 0 Př : Po geometicou poloupot pltí ; q Uči čle, iž by učovl Mohli bychom pomocí vzoce po -tý čle učit čle p pomocí tejého vzoce učit i Teto potup je ložitější

Více

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

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

Více

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 3. ÚKOL JB TEST 3. Úkol zadáí pro statistické testy U každého z ásledujících testů uveďte ázev (včetě autora), předpoklady použití, ulovou

Více

Kapitola 3.: Úlohy o jednom náhodném výběru z normálního rozložení

Kapitola 3.: Úlohy o jednom náhodném výběru z normálního rozložení Kapitola 3.: Úlohy o jedom áhodém výběru z ormálího rozložeí Cíl kapitoly Po protudováí této kapitoly budete - zát vlatoti pivotových tatitik odvozeých z áhodého výběru z ormálího rozložeí a budete je

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

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

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

Více

7 VYUŽITÍ METOD OPERAČNÍ ANALÝZY V TECHNOLOGII DOPRAVY

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

Více

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz:

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

Více

17. Statistické hypotézy parametrické testy

17. Statistické hypotézy parametrické testy 7. Statistické hypotézy parametrické testy V této části se budeme zabývat statistickými hypotézami, pomocí vyšetřujeme jedotlivé parametry populace. K takovýmto šetřeím většiou využíváme ám již dobře zámé

Více

Přehled vztahů k problematice jednoduchého úročení a úrokové sazby

Přehled vztahů k problematice jednoduchého úročení a úrokové sazby Přehled vztahů k poblematice jedoduchého úočeí a úokové sazby Pozámka: Veškeé úokové sazby /předlhůtí i polhůtí/, diskotí sazby, míy iflace a sazby daě z příjmů je do uvedeých vzoců uto dosazovat v jejich

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

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

Příklady z přednášek

Příklady z přednášek Příklady z předášek. Normálí rozložeí a rozložeí z ěj odvozeá.7. Příklad: Výledky u přijímacích zkoušek a jitou VŠ jou ormálě rozložey parametry µ 550 bodů, σ 00 bodů. S jakou pravděpodobotí bude mít áhodě

Více

stavební obzor 1 2/2014 11

stavební obzor 1 2/2014 11 tavebí obzor /04 Exploratorí aalýza výběrového ouboru dat pevoti drátobetou v tlau Ig. Daiel PIESZKA Ig. Iva KOLOŠ, Ph.D. doc. Ig. Karel KUBEČKA, Ph.D. VŠB-TU Otrava Faulta tavebí Věrohodé vyhodoceí experimetálích

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

20. Kontingenční tabulky

20. Kontingenční tabulky 0. Kotigečí tabulky 0.1 Úvodí ifomace V axi e velmi častá situace, kdy vyšetřueme aedou dva statistické zaky, kteé sou svou ovahou diskétí kvatitativí( maí řesě staoveý koečý očet všech možostí ); soité

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

3. cvičení 4ST201 - řešení

3. cvičení 4ST201 - řešení cvčící Ig. Jaa Feclová 3. cvčeí 4ST0 - řešeí Obah: Míry varablty Rozptyl Směrodatá odchyla Varačí oefcet Rozlad rozptylu a mezupovou a vtroupovou varabltu Změa rozptylu Vyoá šola eoomcá VŠE urz 4ST0 Míry

Více

Statistika. Jednotlivé prvky této množiny se nazývají prvky statistického souboru (statistické jednotky).

Statistika. Jednotlivé prvky této množiny se nazývají prvky statistického souboru (statistické jednotky). Statstka. Základí pojmy Statstcký soubo - daá koečá, epázdá moža M předmětů pozoováí, majících jsté společé vlastost (událost, věc,.) Jedotlvé pvky této možy se azývají pvky statstckého soubou (statstcké

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

Kapitola 5.: Analýza rozptylu jednoduchého třídění

Kapitola 5.: Analýza rozptylu jednoduchého třídění Kaptola 5.: alýza ozptylu jedoduchého tříděí Cíl kaptoly Po postudováí této kaptoly budete umět - hodott vlv aktou o 3 úovích a vaabltu hodot sledovaé áhodé velčy - sestojt tabulku aalýzy ozptylu - detkovat

Více

Petr Šedivý Šedivá matematika

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

Více

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

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ TESTOVÁNÍ STATISTICKÝC YPOTÉZ je postup, pomocí ěhož a základě áhodého výběru ověřujeme určité předpoklady (hypotézy) o základím souboru STATISTICKÁ YPOTÉZA předpoklad (tvrzeí) o parametru G základího

Více

9.3.5 Korelace. Předpoklady: 9304

9.3.5 Korelace. Předpoklady: 9304 935 Koelace Předpoklad: 9304 Zatím jsme se zabýval vžd pouze jedím zakem, ve statstckém výzkumu jsme však u každého jedotlvce (statstcké jedotk) sledoval zaků více Učtě spolu ěkteé zak souvsí (apříklad

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

Příklady k přednášce 3 - Póly, nuly a odezvy

Příklady k přednášce 3 - Póly, nuly a odezvy Příklady k předášce 3 - Póly, uly a odezvy Michael Šebek Automatické řízeí 06 9--6 Schurův doplěk - odvozeí Automatické řízeí - Kyberetika a robotika Obecě ( + l) ( + l) ( + l) ( + m) ( + m) ( + m) I 0

Více

Testování hypotéz. Analýza dat z dotazníkových šetření. Kuranova Pavlina

Testování hypotéz. Analýza dat z dotazníkových šetření. Kuranova Pavlina Testování hypotéz Analýza dat z dotazníkových šetření Kuranova Pavlina Statistická hypotéza Možné cíle výzkumu Srovnání účinnosti různých metod Srovnání výsledků různých skupin Tzn. prokázání rozdílů mezi

Více

TENTO PROJEKT JE SPOLUFINANCOVÁN EVROPSKÝM SOCIÁLNÍM FONDEM STATISTIKA

TENTO PROJEKT JE SPOLUFINANCOVÁN EVROPSKÝM SOCIÁLNÍM FONDEM STATISTIKA STATISTIKA Statitický oubor: základí poem tatitiky. Statitika hledá ty latoti e, které e proeuí tepre dotate rozáhlém ouboru pípad. Statitické edotky: prky tatitického ouboru. Jeich poet zaíme. Statitické

Více

BIOSTATISTIKY A ANALÝZ

BIOSTATISTIKY A ANALÝZ Tety hypotéz - úvod Statitika v průzkumém tudiu Prováděí odhadů Tety hypotéz Cílová populace Závěr? Reprezetativot? Vzorek Závěr? Iterpretace POPIS Ověřeí Výledek OTÁZKY Elemetárí prvky tatitických tetů

Více

IV. CVIENÍ ZE STATISTIKY

IV. CVIENÍ ZE STATISTIKY IV. CVIENÍ ZE STATISTIKY Vážení studenti, úkolem dnešního cviení je nauit se analyzovat data kvantitativní povahy. K tomuto budeme opt používat program Excel 2007 MS Office. 1. Jak mžeme analyzovat kvantitativní

Více

Metodika: Goniometrický tvar komplexního ísla, binomická rovnice

Metodika: Goniometrický tvar komplexního ísla, binomická rovnice ! " #$ % # & ' ( ) * + ), - Idvduálí výuka matematka Vít Ržka, kvte Metodka: Goometrcký tvar komplexího ísla, bomcká rovce Úvod Téma goometrcký tvar komplexího ísla je možé probírat soubž s výkladem pojmu

Více

0,063 0,937 0,063 0, P 0,048 0,078 0,95. = funkce CONFIDENCE.NORM(2α; p(1 p)

0,063 0,937 0,063 0, P 0,048 0,078 0,95. = funkce CONFIDENCE.NORM(2α; p(1 p) . Příklad Při průzkumu trhu projevilo 63 z dotázaých zákazíků zájem o iovovaý výrobek, který má být uvede a trh se zákazíky. Odvoďte a odhaděte proceto a počet zájemců v populaci s 95% spolehlivostí. Následě

Více

10 - Přímá vazba, Feedforward

10 - Přímá vazba, Feedforward 0 - Přímá vazba, Feedforward Michael Šebek Automatické řízeí 03 4--3 Motivace (FF podle Atroma) Automatické řízeí - Kberetika a robotika Už máme avržeu zpětovazebí čát Chceme zajitit přeo referece rový

Více

P2: Statistické zpracování dat

P2: Statistické zpracování dat P: Statistické zpracováí dat Úvodem - Statistika: věda, zabývající se shromažďováím, tříděím a ásledým popisem velkých datových souborů. - Základem statistiky je teorie pravděpodobosti, založeá a popisu

Více

Odhady a testy hypotéz o regresních přímkách

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

Více

Příklady k přednášce 3 - Póly, nuly a odezvy

Příklady k přednášce 3 - Póly, nuly a odezvy Příklady k předášce 3 - Póly, uly a odezvy Michael Šebek Automatické řízeí 08 9-6-8 Nuly přeou Automatické řízeí - Kyberetika a robotika Pro přeo G ( ) = ( + ) ( + ) pólem = a ulou z = porovejme odezvy

Více

2,3 ČTYŘI STANDARDNÍ METODY I, ČTYŘI STANDARDNÍ METODY II

2,3 ČTYŘI STANDARDNÍ METODY I, ČTYŘI STANDARDNÍ METODY II 2,3 ČTYŘI STADARDÍ METODY I, ČTYŘI STADARDÍ METODY II 1.1.1 Statické metody a) ARR - Average Rate of Retur průměrý ročí čistý zisk (po zdaěí) ARR *100 % ( 20 ) ivestic do projektu V čitateli výrazu ( 20

Více

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n 8.3. Limity ěkterých posloupostí Předpoklady: 83 Opakováí z miulé hodiy: 8 Hodoty poslouposti + se pro blížící se k ekoeču blíží k a to tak že mezi = posloupostí a číslem eexistuje žádá mezera říkáme že

Více

Elektrotechnické materiály a výrobní procesy Příklady z části Materiály v elektrotechnice

Elektrotechnické materiály a výrobní procesy Příklady z části Materiály v elektrotechnice Útav elektotechologie FEKT VT v Bě Akademický ok 004/005 Bakalářký tudijí ogam,. očík Elektotechické mateiály a výobí ocey Příklady z čáti Mateiály v elektotechice A. Vybaé kotaty c,998.0 8 m. - ychlot

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

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

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

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

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

3. cvičení 4ST201. Míry variability

3. cvičení 4ST201. Míry variability cvčící Ig. Jaa Feclová 3. cvčeí 4ST0 Obah: Míry varablty Rozptyl Směrodatá odchyla Varačí oefcet Rozlad rozptylu a mezupovou a vtroupovou varabltu Změa rozptylu Vyoá šola eoomcá VŠE urz 4ST0 Míry varablty

Více

Metodický postup pro určení úspor primární energie

Metodický postup pro určení úspor primární energie Metodický postup pro určeí úspor primárí eergie Parí protitlaká turbía ORGRZ, a.s., DIVIZ PLNÉ CHNIKY A CHMI HUDCOVA 76, 657 97 BRNO, POŠ. PŘIHR. 97, BRNO 2 z.č. Obsah abulka hodot vstupujících do výpočtu...3

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

Úvod do zpracování měření

Úvod do zpracování měření Laboratorí cvičeí ze Základů fyziky Fakulta techologická, UTB ve Zlíě Cvičeí č. Úvod do zpracováí měřeí Teorie chyb Opakujeme-li měřeí téže fyzikálí veličiy za stejých podmíek ěkolikrát za sebou, dostáváme

Více

3. Lineární diferenciální rovnice úvod do teorie

3. Lineární diferenciální rovnice úvod do teorie 3 338 8: Josef Hekrdla lieárí difereciálí rovice úvod do teorie 3 Lieárí difereciálí rovice úvod do teorie Defiice 3 (lieárí difereciálí rovice) Lieárí difereciálí rovice -tého řádu je rovice, která se

Více

Sbírka úloh z matematiky pro 9.ročník Lomené výrazy ZŠ Třešť

Sbírka úloh z matematiky pro 9.ročník Lomené výrazy ZŠ Třešť Sík úloh z tetik po 9.očík I. Loeé výz ZŠ Třešť . Loeý výz je zloek. Jeovtel zloku e eí ovt ule. U loeých výzů učujee vžd podík, po kteé á loeý výz l. Řešeý příkld Uči podík, po kteé jí výz l, řeš dlší

Více

Univerzita Karlova Přírodovědecká fakulta Katedra analytické chemie

Univerzita Karlova Přírodovědecká fakulta Katedra analytické chemie Uivezit ov Příodovědecká fkut ted ytické chemie Sttitické vyhodoceí výedků Picip: Výedky opkových zkoušek, kteé jou ztížey áhodými chybmi, mjí učité ozděeí (ditibuci). Rozděeím e zde ozumí záviot pvděpodoboti

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

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D.

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D. Testování statistických hypotéz Ing. Michal Dorda, Ph.D. Testování normality Př. : Při simulaci provozu na křižovatce byla získána data o mezerách mezi přijíždějícími vozidly v [s]. Otestujte na hladině

Více

Teorie chyb a vyrovnávací počet. Obsah:

Teorie chyb a vyrovnávací počet. Obsah: Teorie chyb a vyrovávací počet Obsah: Testováí statistických hypotéz.... Ověřováí hypotézy o středí hodotě základího souboru s orálí rozděleí... 4. Ověřováí hypotézy o rozptylu v základí souboru s orálí

Více

Dvourozměrná tabulka rozdělení četností

Dvourozměrná tabulka rozdělení četností ANALÝZA ZÁVILOTÍ - zouáí závlot dvou evet více poěých, ěřeí íl této závlot, atd - cíle je hlubší vutí do podtat ledovaých jevů a poceů, přblížeí tzv příčý ouvlote Dvouozěá tabula ozděleí četotí - je eleetáí

Více

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n 8.3. Limity ěkterých posloupostí Předpoklady: 83 Pedagogická pozámka: Tuto a tři ásledující hodiy je možé probrat za dvě vyučovací hodiy. V této hodiě je možé vyechat dokazováí limit v příkladu 3. Opakováí

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

Matematická statistika I přednášky

Matematická statistika I přednášky Statitika (004) - Kába, Svatošová Cvičeí ze tatitiky - Prášilová, Svatošová Matematická tatitika I předášky SAS (Statitical Aalyi Sytem) - tatitický oftware (v dalším emetru) Základí tatitické pojmy -

Více

Testování hypotéz. 1. vymezení základních pojmů 2. testování hypotéz o rozdílu průměrů 3. jednovýběrový t-test

Testování hypotéz. 1. vymezení základních pojmů 2. testování hypotéz o rozdílu průměrů 3. jednovýběrový t-test Testování hypotéz 1. vymezení základních pojmů 2. testování hypotéz o rozdílu průměrů 3. jednovýběrový t-test Testování hypotéz proces, kterým rozhodujeme, zda přijmeme nebo zamítneme nulovou hypotézu

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

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

Základy korelační analýzy

Základy korelační analýzy Základy koelačí aalýzy Doposud jsme se z hlediska biostatistiky zabývali hodoceím spojitých a diskétích áhodých veliči v jedé ebo více odlišitelých expeimetálích skupiách. Tato kapitola představuje úvod

Více

( + ) t NPV 10000 + + = NPV

( + ) t NPV 10000 + + = NPV Základní pojmy Finanční management Základní pojmy ozhodování a nejčastější omyly ovlivnitelné a neovlivnitelné položky elevantní náklad stálé a poměnné náklady půměné náklady maginální náklady Příklad

Více

Vysoká škola báská Technická univerzita Ostrava Institut geoinformatiky. Analýza dojíždní z dotazníkového šetení v MSK. Semestrální projekt

Vysoká škola báská Technická univerzita Ostrava Institut geoinformatiky. Analýza dojíždní z dotazníkového šetení v MSK. Semestrální projekt Vysoká škola báská Technická univerzita Ostrava Institut geoinformatiky Analýza dojíždní z dotazníkového šetení v MSK Semestrální projekt 18.1.2007 GN 262 Barbora Hejlková 1 OBSAH OBSAH...2 ZADÁNÍ...3

Více

ANALÝZA A KLASIFIKACE DAT

ANALÝZA A KLASIFIKACE DAT ANALÝZA A KLASIFIKACE DAT pof. Ing. Jiří Holčík, CSc. INVESTICE Intitut DO biotatitiky OZVOJE VZDĚLÁVÁNÍ a analýz II. PŘÍZNAKOVÁ KLASIFIKACE - ÚVOD PŘÍZNAKOVÝ POPIS Příznakový obaz zpacovávaných dat je

Více

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

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

Více

ANALÝZA A KLASIFIKACE DAT

ANALÝZA A KLASIFIKACE DAT ANAÝZA A KASIFIKACE DAT pof. Ing. Jiří Holčík, CSc. INVESTICE Intitut DO biotatitiky OZVOJE VZDĚÁVÁNÍ a analýz III. BAYESŮV KASIFIKÁTO Intitut biotatitiky a analýz Intitut biotatitiky a analýz ZÁKADN KADNÍ

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

České vysoké učení technické v Praze. Fakulta dopravní. Semestrální práce. Statistika

České vysoké učení technické v Praze. Fakulta dopravní. Semestrální práce. Statistika České vysoké učeí techické v Praze Fakulta dopraví Semestrálí práce Statistika Čekáí vlaku ve staicích a trase Klado Ostrovec Praha Masarykovo ádraží Zouzalová Barbora 2 35 Michálek Tomáš 2 35 sk. 2 35

Více

Neparametrické metody

Neparametrické metody I. ÚVOD Neparametrické metody EuroMISE Cetrum v Neparametrické testy jsou založey a pořadových skórech, které reprezetují původí data v Data emusí utě splňovat určité předpoklady vyžadovaé u parametrických

Více

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

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

Více

- 1 - Ekonomicko-matematické metody II Rozhodování a rozhodovací modely

- 1 - Ekonomicko-matematické metody II Rozhodování a rozhodovací modely Ekoomicko-matematické metody II Rozhodováí a ozhodovací modely Vybaé aplikace - Řízeí a všech jeho úovích - Zemědělství - Hazadí hy - Běžá každodeí ozhodutí Poblém k zamyšleí - Lze systematicky bohatout

Více

Funkce. RNDr. Yvetta Bartáková. Gymnázium, SOŠ a VOŠ Ledeč nad Sázavou

Funkce. RNDr. Yvetta Bartáková. Gymnázium, SOŠ a VOŠ Ledeč nad Sázavou Fukce RNDr. Yvetta Bartáková Gymázium, SOŠ a VOŠ Ledeč ad Sázavou Limita poslouposti a fukce VY INOVACE_0 9_M Gymázium, SOŠ a VOŠ Ledeč ad Sázavou A) Limita poslouposti Říkáme, že posloupost a je kovergetí,

Více

2 STEJNORODOST BETONU KONSTRUKCE

2 STEJNORODOST BETONU KONSTRUKCE STEJNORODOST BETONU KONSTRUKCE Cíl kapitoly a časová áročost studia V této kapitole se sezámíte s možostmi hodoceí stejorodosti betou železobetoové kostrukce a prakticky provedete jede z možých způsobů

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

1 Měření závislosti statistických znaků. 1.1 Dvourozměrný statistický soubor

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

Více