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

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

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

Transkript

1 cvičící 4. cvičení 4ST201 Obsah: Pravděpodobnost Náhodná veličina Vysoká škola ekonomická 1 Pravděpodobnost Co je třeba znát z přednášek 1. Náhodný jev, náhodný pokus 2. Jev nemožný, jev jistý 3. Klasická definice pravděpodobnosti 4. Statistická definice pravděpodobnosti 5. Pravidlo o sčítání pravděpodobnosti 6. Pravidlo o násobení pravděpodobnosti 7. Nezávislé jevy 8. Úplná pravděpodobnost 2

2 Příklad 3.1.: Určete pravděpodobnost následujících jevů, kterémohou nastat při hodu dvěma kostkami: 1. Na obou kostkách padne jednička 2. Padne alespoň jedna dvojka 3. Padne právě jedna trojka 4. Nepadne žádná čtyřka 5. Na obou kostkách padne sudé číslo 6. Součet ok na obou kostkách bude osm 3 Příklad 3.2.: Házíme 6 hracími kostkami, určete pravděpodobnost, že na všech kostkách padnou různá čísla. Příklad 3.3.: Ze šesti vajec jsou dvěprasklá. Jakáje pravděpodobnost, že při náhodném odebrání dvou vajec vybereme a) žádné b) jedno c) dvě prasklá vejce? 4

3 Příklad 3.4.: V koši je celkem 30 koulí, z toho 20 červených a 10 modrých. Náhodněbez vracenívytahujeme dvěkoule. Jakáje pravděpodobnost, že to bude jedna červená a jedna modrá koule? Příklad 3.5.: Určete pravděpodobnost následujících jevů, pokud vybíráme z balíčku 32 karet dvě karty: a) Druhá karta bude královna (karty vracíme) b) Druhá karta bude královna (karty nevracíme) c) Druhá karta bude piková královna(karty vracíme) d) Druhá karta bude piková královna(karty nevracíme) e) Dvě vybrané karty budou obě dámy f) Dvě vybrané karty budou obě stejné barvy g) Mezi 4 vybranými kartami nebude ani jedna dáma 5 Příklad 3.6.: Pravděpodobnost zdárného napsánípísemky ze statistiky je 0,75. Jakáje pravděpodobnost, že při psanídvou písemek bude alespoňjedna zdárněnapsaná? Příklad 3.7.: (těžký příklad, jen pro odvážlivce ) V prvnínádoběje 15 lístků, z nichžje 10 bílých. V druhénádoběje 25 lístků, z nichžje 5 bílých. Náhodněvybereme z každénádoby po jednom lístku a z těchto dvou lístků opět vybereme náhodně jeden. Jaká je pravděpodobnost, že tento lístek bude bílý? 6

4 Rychléopakovánípravděpodobnosti na doma Příklad A.: Jakáje pravděpodobnost, že při hodu třemi kostkami Padnou právě tři jedničky Nepadne ani jedna trojka Padnou jen licháčísla Padne právě jedna čtyřka Padnou právě dvě trojky Padne alespoňjedna šestka Příklad B.: V osudíje 10 černých a 8 bílých koulí, losujeme bez vracení tři koule, jakáje pravděpodobnost, že budou právědvěbíléa jedna černá? Příklad C.: Jaká je pravděpodobnost, že kouzelník vytáhne za sebou dvě stejnékarty, kdyžtaház jednoho balíčku a to s vracením nebo bez vracení? A jdeme z pravděpodobnosti na náhodné veličiny. 7 Náhodná veličina Co je potřeba znát z přednášek: 1. Náhodná veličina 2. Nespojitá a spojitá náhodná veličina 3. Zákon rozdělení náhodné veličiny 4. Distribuční funkce 5. Pravděpodobnostní funkce 6. Hustota pravděpodobnosti 7. Charakteristiky náhodných veličin (středníhodnota E(X), rozptyl D(X) ) 8

5 Diskrétní náhodná veličina I. Příklad 3.8.: Náhodnáveličina představuje výsledek hodu jednou kostkou. Určete distribuční funkci a pravděpodobnostní funkci této veličiny. Příklad 3.9.: Náhodná veličina představuje výsledek hodu jednou kostkou, která má ovšem napilovanéhrany. Pravděpodobnosti padnutíjednotlivých ok je následující: x P(x) 0,2 0,15 0,1 0,05 0,1 0,4 Určete pravděpodobnost, že na kostce padne: Jednička Alespoň3 Číslo menšínež3 Číslo většínež2 a menšínež6 Číslo maximálně rovno 2 Určete distribuční funkci i s grafem 9 Diskrétní náhodná veličina II. Příklad 3.10.: Náhodná veličina A má pravděpodobnostní funkci P(X) = x/10 pro x=1,2,3,4 P(X) = 0 jinak Určete: P(7), P(4), P(2<X<4), F(3), F(2,8), P(2,8), F(8). 10

6 Spojitá náhodná veličina Příklad 3.11.: (těžký příklad, jen pro odvážlivce ) Náhodnáveličina Y máhustotu pravděpodobnosti y pro 0<y<2 f (x) = 5 Určete střední hodnotu náhodné veličiny a rozptyl náhodné veličiny. 11 Příklad 3.12.: Náhodná veličina - příklady V tombole je každý týden slosováno losů. Losy jsou v ceně5 Kčza kus. Seznam možných výher je v následujícítabulce: Počet výher Vyhraná částka Vypočítejte středníhodnotu výhry pro jeden los a směrodatnou odchylku výher. Příklad 3.13.: Třikrát házíme mincí. Náhodnáveličina X nechťje počet hodů, při kterých padne hlava. Vypočtěte hodnoty pravděpodobnostní a distribuční funkce náhodnéveličiny X a sestavte je do tabulky. Nakreslete grafy obou funkcí. 12

7 Za 14 dníbudeme psát prvnítest, pokud budete mít jakékoliv dotazy, přijďte na konzultačníhodiny každý pátek 9:00-11:00 JM317, před testem se bude vše dohánět hůře. Máte možnost se na cokolivzeptat i na webu jana-fenclova.php5.cz, kde máte na fóru široký prostor pro vaše dotazy. 13

tazatel 1 2 3 4 5 6 7 8 Průměr ve 15 250 18 745 21 645 25 754 28 455 32 254 21 675 35 500 Počet 110 125 100 175 200 215 200 55 respondentů Rozptyl ve

tazatel 1 2 3 4 5 6 7 8 Průměr ve 15 250 18 745 21 645 25 754 28 455 32 254 21 675 35 500 Počet 110 125 100 175 200 215 200 55 respondentů Rozptyl ve Příklady k procvičení k průběžnému testu: 1) Při zpracování studie o průměrné výši měsíčních příjmů v České republice jsme získali data celkem od 8 tazatelů. Každý z těchto pěti souborů dat obsahoval odlišný

Více

PRAVDĚPODOBNOST A JEJÍ UŽITÍ

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

Více

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

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

Více

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) =

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) = Základní rozdělení pravděpodobnosti Diskrétní rozdělení pravděpodobnosti. Pojem Náhodná veličina s Binomickým rozdělením Bi(n, p), kde n je přirozené číslo, p je reálné číslo, < p < má pravděpodobnostní

Více

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

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

Více

4. ZÁKLADNÍ TYPY ROZDĚLENÍ PRAVDĚPODOBNOSTI DISKRÉTNÍ NÁHODNÉ VELIČINY

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

Více

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A4. Cvičení, letní semestr DOMÁCÍ ÚLOHY. Jan Šafařík

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A4. Cvičení, letní semestr DOMÁCÍ ÚLOHY. Jan Šafařík Vysoké učení technické v Brně Stavební fakulta ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE Matematika 0A4 Cvičení, letní semestr DOMÁCÍ ÚLOHY Jan Šafařík Brno c 200 (1) 120 krát jsme házeli hrací kostkou.

Více

Tomáš Karel LS 2012/2013

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

Více

ROZDĚLENÍ NÁHODNÝCH VELIČIN

ROZDĚLENÍ NÁHODNÝCH VELIČIN ROZDĚLENÍ NÁHODNÝCH VELIČIN 1 Vytvořeno s podporou projektu Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny společného základu (reg. č. CZ.1.07/2.2.00/28.0021)

Více

1 Náhodný výběr a normální rozdělení 1.1 Teoretická a statistická pravděpodobnost

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

Více

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

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

Více

8 Střední hodnota a rozptyl

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

Více

výška (cm) počet žáků

výška (cm) počet žáků Statistika 1) Ve školním roce 1997/119 bylo v Brně 3 základních škol, ve kterých bylo celkem 1 tříd. Tyto školy navštěvovalo 11 5 žáků. Určete a) kolik tříd průměrně měla jedna ZŠ, b) kolik žáků průměrně

Více

Střední hodnota a rozptyl náhodné. kvantilu. Ing. Michael Rost, Ph.D.

Střední hodnota a rozptyl náhodné. kvantilu. Ing. Michael Rost, Ph.D. Střední hodnota a rozptyl náhodné veličiny, vybraná rozdělení diskrétních a spojitých náhodných veličin, pojem kvantilu Ing. Michael Rost, Ph.D. Príklad Předpokládejme že máme náhodnou veličinu X která

Více

Příklad 1. Řešení 1a. Řešení 1b. Řešení 1c ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 7

Příklad 1. Řešení 1a. Řešení 1b. Řešení 1c ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 7 Příklad 1 a) Autobusy městské hromadné dopravy odjíždějí ze zastávky v pravidelných intervalech 5 minut. Cestující může přijít na zastávku v libovolném okamžiku. Určete střední hodnotu a směrodatnou odchylku

Více

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT

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

Více

ADZ základní statistické funkce

ADZ základní statistické funkce ADZ základní statistické funkce Základní statistické funkce a znaky v softwaru Excel Znak Stručný popis + Sčítání buněk - Odčítání buněk * Násobení buněk / Dělení buněk Ctrl+c Vyjmutí buňky Ctrl+v Vložení

Více

Základy pravděpodobnosti poznámky. Jana Klicnarová

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

Více

Základy statistiky pro obor Kadeřník

Základy statistiky pro obor Kadeřník Variace 1 Základy statistiky pro obor Kadeřník Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv další využití výukového materiálu je povoleno pouze s uvedením odkazu na www.jarjurek.cz 1. Aritmetický průměr

Více

Rovnoměrné rozdělení

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

Více

( ) ( ) 9.2.10 Binomické rozdělení. Předpoklady: 9209

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

Více

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

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

Více

ina ina Diskrétn tní náhodná veličina může nabývat pouze spočetně mnoha hodnot (počet aut v náhodně vybraná domácnost, výsledek hodu kostkou)

ina ina Diskrétn tní náhodná veličina může nabývat pouze spočetně mnoha hodnot (počet aut v náhodně vybraná domácnost, výsledek hodu kostkou) Náhodná velčna na Výsledek náhodného pokusu, daný reálným číslem je hodnotou náhodné velčny. Náhodná velčna je lbovolná reálná funkce defnovaná na množně elementárních E pravděpodobnostního prostoru S.

Více

Pravděpodobnostní rozdělení v MS Excel

Pravděpodobnostní rozdělení v MS Excel Pravděpodobnostní rozdělení v MS Excel Luboš Marek Vysoká škola ekonomická v Praze, Praha Konzultace 1 Úvod Mezi statistickou obcí se často diskutuje, který statistický program je nejlepší, přičemž se

Více

GENEROVÁNÍ NÁHODNÝCH ČÍSEL PSEUDONÁHODNÁ ČÍSLA

GENEROVÁNÍ NÁHODNÝCH ČÍSEL PSEUDONÁHODNÁ ČÍSLA GENEROVÁNÍ NÁHODNÝCH ČÍSEL PSEUDONÁHODNÁ ČÍSLA Oblasti využití generátorů náhodných čísel Statistika Loterie Kryptografie (kryptologie) Simulace Simulační modely DETERMINISTICKÉ STOCHASTICKÉ (činnost systému

Více

Testy dobré shody TESTY DOBRÉ SHODY (angl. goodness-of-fit tests), : veličiny X, Y jsou nezávislé nij eij

Testy dobré shody TESTY DOBRÉ SHODY (angl. goodness-of-fit tests),   : veličiny X, Y jsou nezávislé nij eij Testy dobré shody Máme dvě veličiny a předpokládáme, že jsou nezávislé (platí nulová hypotéza nezávislosti). Často chceme naopak prokázat jejich závislost. K tomu slouží: TESTY DOBRÉ SHODY (angl. goodness-of-fit

Více

1. cvičení 4ST201. Základní informace: Vyučující: Obsah: Informace o kurzu Popisná statistika Úvod do SASu

1. cvičení 4ST201. Základní informace: Vyučující: Obsah: Informace o kurzu Popisná statistika Úvod do SASu cvičící 1. cvičení 4ST201 Informace o kurzu Popisná statistika Úvod do SASu Obsah: Vysoká škola ekonomická 1 Vyučující: Základní informace:» Konzultační hodiny: pátek 9:00 11:00» Místnost: JM317» Email:

Více

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

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

Více

Simulace. Simulace dat. Parametry

Simulace. Simulace dat. Parametry Simulace Simulace dat Menu: QCExpert Simulace Simulace dat Tento modul je určen pro generování pseudonáhodných dat s danými statistickými vlastnostmi. Nabízí čtyři typy rozdělení: normální, logaritmicko-normální,

Více

Průzkumová analýza dat

Průzkumová analýza dat Průzkumová analýza dat Proč zkoumat data? Základ průzkumové analýzy dat položil John Tukey ve svém díle Exploratory Data Analysis (odtud zkratka EDA). Často se stává, že data, se kterými pracujeme, se

Více

4ST201 STATISTIKA CVIČENÍ Č. 7

4ST201 STATISTIKA CVIČENÍ Č. 7 4ST201 STATISTIKA CVIČENÍ Č. 7 testování hypotéz parametrické testy test hypotézy o střední hodnotě test hypotézy o relativní četnosti test o shodě středních hodnot testování hypotéz v MS Excel neparametrické

Více

Statistika (4ST201) Vytvoříme datový soubor, který obsahuje věk, výšku a pohlaví studentů tohoto semináře. V Excelu

Statistika (4ST201) Vytvoříme datový soubor, který obsahuje věk, výšku a pohlaví studentů tohoto semináře. V Excelu Statistika (4ST201) 1 Popsisná statistika (1. a 2. cvičení) 1.1 Úvodní příklad Vytvoříme datový soubor, který obsahuje věk, výšku a pohlaví studentů tohoto semináře. V Excelu určete: 1. Vytvořte histogram

Více

9.2.1 Náhodné pokusy, možné výsledky, jevy

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

Více

VYUŽITÍ MATLAB WEB SERVERU PRO INTERNETOVOU VÝUKU ANALÝZY DAT A ŘÍZENÍ JAKOSTI

VYUŽITÍ MATLAB WEB SERVERU PRO INTERNETOVOU VÝUKU ANALÝZY DAT A ŘÍZENÍ JAKOSTI VYUŽITÍ MATLAB WEB SERVERU PRO INTERNETOVOU VÝUKU ANALÝZY DAT A ŘÍZENÍ JAKOSTI Aleš Linka 1, Petr Volf 2 1 Katedra textilních materiálů, FT TUL, 2 Katedra aplikované matematiky, FP TUL ABSTRAKT. Internetové

Více

Dotazy tvorba nových polí (vypočítané pole)

Dotazy tvorba nových polí (vypočítané pole) Téma 2.4 Dotazy tvorba nových polí (vypočítané pole) Pomocí dotazu lze také vytvářet nová pole, která mají vazbu na již existující pole v databázi. Vznikne tedy nový sloupec, který se počítá podle vzorce.

Více

6.1 Normální (Gaussovo) rozdělení

6.1 Normální (Gaussovo) rozdělení 6 Spojitá rozdělení 6.1 Normální (Gaussovo) rozdělení Ze spojitých rozdělení se v praxi setkáme nejčastěji s normálním rozdělením. Toto rozdělení je typické pro mnoho náhodných veličin z rozmanitých oborů

Více

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11.

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11. UNIVERZITA OBRANY Fakulta ekonomiky a managementu Aplikace STAT1 Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 Jiří Neubauer, Marek Sedlačík, Oldřich Kříž 3. 11. 2012 Popis a návod k použití aplikace

Více

6. Pravděpodobnost a statistika. 6.1. Pravděpodobnost

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

Více

Pojem a úkoly statistiky

Pojem a úkoly statistiky Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Pojem a úkoly statistiky Statistika je věda, která se zabývá získáváním, zpracováním a analýzou dat pro potřeby

Více

2. popis prostředí, nastavení pracovní plochy

2. popis prostředí, nastavení pracovní plochy (c) mise 2013 1 2 1. úvod Tabulkový procesor program pro organizaci a správu dat pomocí tabulek určen pro zpracování dat převážně číselného charakteru Využití tabulkových procesorů přehledná prezentace

Více

Vybrané kapitoly z pravděpodobnosti (interaktivní učební text) - Řešené příklady. Martina Litschmannová

Vybrané kapitoly z pravděpodobnosti (interaktivní učební text) - Řešené příklady. Martina Litschmannová Vysoká škola báňská Technická univerzita Ostrava Západočeská univerzita v Plzni Vybrané kapitoly z pravděpodobnosti (interaktivní učební text) - Řešené příklady Martina Litschmannová 1. strana ze 102 1

Více

(STATISTIKA I., SMAD)

(STATISTIKA I., SMAD) VŠB TU Ostrava, Fakulta elektrotechniky a informatiky NEŘEŠENÉ PŘÍKLADY (STATISTIKA I., SMAD) Martina Litschmannová OSTRAVA, 2008 Tyto materiály obsahují neřešené příklady vztahující se k částem statistiky,

Více

Kolika způsoby může při hodu dvěma kostkami padnout součet ok: a) roven 7 b) nejvýše 5 řešení

Kolika způsoby může při hodu dvěma kostkami padnout součet ok: a) roven 7 b) nejvýše 5 řešení 2. intermezzo - Tucet dalších příkladů. Příklad 1: Čtyři studenti jisté vysoké školy skládají zkoušku z matematiky. Kolik existuje případů, že každý z nich bude mít jinou známku? Počítejte s čtyřstupňovou

Více

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

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

Více

Pracovní list č. 3 Charakteristiky variability

Pracovní list č. 3 Charakteristiky variability 1. Při zjišťování počtu nezletilých dětí ve třiceti vybraných rodinách byly získány tyto výsledky: 1, 1, 0, 2, 3, 4, 2, 2, 3, 0, 1, 2, 2, 4, 3, 3, 0, 1, 1, 1, 2, 2, 0, 2, 1, 1, 2, 3, 3, 2. Uspořádejte

Více

Binomické rozdělení zobrazené pomocí modelu římské kašny nádržky se naplní podle Pascalova trojúhelníku: 1:4:6:4:1

Binomické rozdělení zobrazené pomocí modelu římské kašny nádržky se naplní podle Pascalova trojúhelníku: 1:4:6:4:1 Binomické rozdělení Někdy se říká, že statistika je užitý počet pravděpodobnosti, a na tomto tvrzení je nepochybně něco pravdy, pokud se nevezme doslovně. Připomeňme si, že statistiku lze rozdělit na statistiku

Více

Číselné charakteristiky a jejich výpočet

Číselné charakteristiky a jejich výpočet Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz charakteristiky polohy charakteristiky variability charakteristiky koncetrace charakteristiky polohy charakteristiky

Více

PRAVDĚPODOBNOST A MATEMATICKÁ STATISTIKA

PRAVDĚPODOBNOST A MATEMATICKÁ STATISTIKA VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA STAVEBNÍ HELENA KOUTKOVÁ PRAVDĚPODOBNOST A MATEMATICKÁ STATISTIKA MODUL GA03 M3 ZÁKLADY TEORIE ODHADU STUDIJNÍ OPORY PRO STUDIJNÍ PROGRAMY S KOMBINOVANOU FORMOU STUDIA

Více

Přípravný kurz - Matematika

Přípravný kurz - Matematika Přípravný kurz - Matematika Téma: Základy statistiky, kombinační úsudek v úlohách Klíčová slova: tabulky, grafy, diagramy Autor: Mlynářová 1 Základy statistiky Statistika je vědní obor, který se zabývá

Více

24.11.2009 Václav Jirchář, ZTGB

24.11.2009 Václav Jirchář, ZTGB 24.11.2009 Václav Jirchář, ZTGB Síťová analýza 50.let V souvislosti s potřebou urychlit vývoj a výrobu raket POLARIS v USA při závodech ve zbrojení za studené války se SSSR V roce 1958 se díky aplikaci

Více

HERNÍ PLÁN A POPIS HRY

HERNÍ PLÁN A POPIS HRY Přijímané mince: 10, 20, 50 Kč Přijímané bankovky: 100, 200, 500, 1000, 2000, 5000 Kč Maximální sázka do hry: 50 Kč Maximální výhra z jedné hry: 50 000 Kč Výherní podíl: 93-97 % Výplata kreditu je možná

Více

Pravděpodobnost a statistika pro SŠ

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

Více

IES FSV UK. Domácí úkol Pravděpodobnost a statistika I. Cyklistův rok

IES FSV UK. Domácí úkol Pravděpodobnost a statistika I. Cyklistův rok IES FSV UK Domácí úkol Pravděpodobnost a statistika I Cyklistův rok Radovan Fišer rfiser@gmail.com XII.26 Úvod Jako statistický soubor jsem si vybral počet ujetých kilometrů za posledních 1 dnů v mé vlastní

Více

Seminarni prace. 2 3 stranky staci, dat nema byt 3 a nema jich byt pul milionu. k te seminarce

Seminarni prace. 2 3 stranky staci, dat nema byt 3 a nema jich byt pul milionu. k te seminarce Seminarni prace Popisná statistika, data nesmí být časovou řadou Zkoumat můžeme třeba mzdy, obraty atd. (takže možná QA?) Formát pdf, poslat nejpozději den před zkouškou. Podrobnější informace jsou na

Více

Malé statistické repetitorium Verze s řešením

Malé statistické repetitorium Verze s řešením Verze s řešením Příklad : Rozdělení náhodné veličiny základní charakteristiky Rozdělení diskrétní náhodné veličiny X je dáno následující tabulkou x 0 4 5 P(X = x) 005 05 05 0 a) Nakreslete graf distribuční

Více

MATEMATIKA vyšší úroveň obtížnosti

MATEMATIKA vyšší úroveň obtížnosti MATEMATIKA vyšší úroveň obtížnosti DIDAKTICKÝ TEST MAMVD11C0T04 Maximální bodové hodnocení: 50 bodů Hranice úspěšnosti: 33 % 1 Základní informace k zadání zkoušky Didaktický test obsahuje 23 úloh. Časový

Více

Národní informační středisko pro podporu kvality

Národní informační středisko pro podporu kvality Národní informační středisko pro podporu kvality Nestandardní regulační diagramy J.Křepela, J.Michálek REGULAČNÍ DIAGRAM PRO VŠECHNY INDIVIDUÁLNÍ HODNOTY xi V PODSKUPINĚ V praxi se někdy setkáváme s požadavkem

Více

Ekonomické modelování pro podnikatelskou praxi

Ekonomické modelování pro podnikatelskou praxi pro podnikatelskou praxi Ing. Jan Vlachý, Ph.D. vlachy@atlas.cz Dlouhý, M. a kol. Simulace podnikových procesů Vlachý, J. Řízení finančních rizik Scholleová, H. Hodnota flexibility: Reálné opce Sylabus

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie Úvod do předmětu obecné informace Základní pojmy ze statistiky / ekonometrie Úvod do programu EViews, Gretl Některé užitečné funkce v MS Excel Cvičení 1 Zuzana Dlouhá Úvod do

Více

KAMIONEM PO EVROPĚ "Kdo si hraje, nezlobí!" Vyrobeno výrobním družstvem Eva ve spolupráci s FaF VFU BRNO Nápad: Výrobní družstvo disk Říčany

KAMIONEM PO EVROPĚ Kdo si hraje, nezlobí! Vyrobeno výrobním družstvem Eva ve spolupráci s FaF VFU BRNO Nápad: Výrobní družstvo disk Říčany KAMIONEM PO EVROPĚ "Kdo si hraje, nezlobí!" Vyrobeno výrobním družstvem Eva ve spolupráci s FaF VFU BRNO Nápad: Výrobní družstvo disk Říčany OBSAH HRY: 1. Herní plán 2. Kamiony z moduritu - 6 ks. 3. Karty

Více

O FUNKCÍCH. Obsah. Petr Šedivý www.e-matematika.cz Šedivá matematika

O FUNKCÍCH. Obsah. Petr Šedivý www.e-matematika.cz Šedivá matematika O FUNKCÍCH Obsah Nezbytně nutná kapitola, kterou musíte znát pro studium limit, derivací a integrálů. Základ, bez kterého se neobejdete. Nejprve se seznámíte se všemi typy funkcí, které budete potřebovat,

Více

2.4.4 Kreslení grafů funkcí metodou dělení definičního oboru I

2.4.4 Kreslení grafů funkcí metodou dělení definičního oboru I .. Kreslení grafů funkcí metodou dělení definičního oboru I Předpoklady: 01, 08 Opakování: Pokud jsme při řešení nerovnic potřebovali vynásobit nerovnici výrazem, nemohli jsme postupovat pro všechna čísla

Více

Pravděpodobnost a matematická statistika

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

Více

SEZNAM VZDĚLÁVACÍCH MATERIÁLŮ - ANOTACE

SEZNAM VZDĚLÁVACÍCH MATERIÁLŮ - ANOTACE SEZNAM VZDĚLÁVACÍCH MATERIÁLŮ - ANOTACE Číslo projektu Číslo a název šablony klíčové aktivity Tematická oblast Autor CZ.1.07/1.5.00/34.0797 III/2 INOVACE A ZKVALITNĚNÍ VÝUKY PROSTŘEDNICTVÍM ICT 2M3 Slovní

Více

Statistika v příkladech

Statistika v příkladech Verlag Dashöfer Statistika v příkladech Praktické aplikace řešené v MS Ecel Ukázkové tety z připravované učebnice Doc. Ing. Jan Kožíšek, CSc. Ing. Barbora Stieberová, Ph.D. Praha 0 Obsah Obsah. Předmluva

Více

Domino jako losovací nástroj a nositel matematických idejí a struktur

Domino jako losovací nástroj a nositel matematických idejí a struktur Domino jako losovací nástroj a nositel matematických idejí a struktur Adam Płocki, Akademia Pedagogiczna, Krakow (Polsko) ABSTRACT: Práce se týká domina jako nositele a tvůrce matematických idejí a problémů.

Více

Fyzikální veličiny a jednotky, přímá a nepřímá metoda měření

Fyzikální veličiny a jednotky, přímá a nepřímá metoda měření I N V E S T I C E D O R O Z V O J E V Z D Ě L Á V Á N Í TENTO PROJEKT JE SPOLUFINANCOVÁN EVROPSKÝM SOCIÁLNÍM FONDEM A STÁTNÍM ROZPOČTEM ČESKÉ REPUBLIKY Laboratorní práce č. 2 Fyzikální veličiny a jednotky,

Více

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ Má-li analytický výsledek objektivně vypovídat o chemickém složení vzorku, musí splňovat určitá kriteria: Mezinárodní metrologický slovník (VIM 3),

Více

Modulární systém dalšího vzdělávání pedagogických pracovníků JmK v přírodních vědách a informatice CZ.1.07/1.3.10/02.0024. Stereometrické hry

Modulární systém dalšího vzdělávání pedagogických pracovníků JmK v přírodních vědách a informatice CZ.1.07/1.3.10/02.0024. Stereometrické hry Modulární systém dalšího vzdělávání pedagogických pracovníků JmK v přírodních vědách a informatice CZ.1.07/1.3.10/02.0024 Stereometrické hry Příklad 1. Klasickou hrací kostku umístěme do rohu o dvanácti

Více

2.1. 50 bodů 2.1 Pokyny otevřeným úlohám. je uveden na záznamovém archu. Je-li požadován celý postup řešení, uveďte. výrazů. mimo vyznačená bílá pole

2.1. 50 bodů 2.1 Pokyny otevřeným úlohám. je uveden na záznamovém archu. Je-li požadován celý postup řešení, uveďte. výrazů. mimo vyznačená bílá pole MATEMATIKA MATEMATIKA DIDAKTICKÝ TEST DIDAKTICKÝ TEST DIDAKTICKÝ TEST MAMZD14C0T01 MAMZD14C0T01 MAMZD14C0T01 Maximální bodové hodnocení: 50 bodů 2.1 Pokyny k otevřeným úlohám Maximální Hranice úspěšnosti:

Více

Diskrétní Matematika (456-533 DIM)

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

Více

Kartogramy. Přednáška z předmětu Tematická kartografie (KMA/TKA) Otakar Čerba Západočeská univerzita

Kartogramy. Přednáška z předmětu Tematická kartografie (KMA/TKA) Otakar Čerba Západočeská univerzita Kartogramy Přednáška z předmětu Tematická kartografie (KMA/TKA) Otakar Čerba Západočeská univerzita Datum vytvoření dokumentu: 20. 9. 2004 Datum poslední aktualizace: 17. 10. 2011 Definice Kartogram je

Více

Varianta Pravděpodobnost Výnos A 1 Výnos A 2 1 0,1 1% 0,1 3% 0,3 2 0,2 12% 2,4 28% 5,6 3 0,3 6% 1,8 14% 4,2

Varianta Pravděpodobnost Výnos A 1 Výnos A 2 1 0,1 1% 0,1 3% 0,3 2 0,2 12% 2,4 28% 5,6 3 0,3 6% 1,8 14% 4,2 Dobrý den. Kladno, 22. 3. 2007 21:35 Chtěl bych se všem omluvit za ten závěr přednášky. Bohužel mě chyba v jednom z příkladů vykolejila natolik, že jsem se již velice těžko soustředil na svůj výkon. Chtěl

Více

HERNÍ PLÁN SÁZKOVÉ HRY

HERNÍ PLÁN SÁZKOVÉ HRY HERNÍ PLÁN SÁZKOVÉ HRY Systém : Sada her : Min. sázka na jednu hru (dle nastavení): Max. sázka na jednu hru (dle nastavení): CLS - GAMES SYSTÉM Emotion 1 Kč 1.000 Kč Nastavený výherní podíl: 89-97 % Vložení

Více

STATISTIKA LS 2013. Garant předmětu: Ing. Martina Litschmannová, Ph.D. Přednášející: Ing. Martina Litschmannová, Ph.D.

STATISTIKA LS 2013. Garant předmětu: Ing. Martina Litschmannová, Ph.D. Přednášející: Ing. Martina Litschmannová, Ph.D. STATISTIKA LS 2013 Garant předmětu: Ing. Martina Litschmannová, Ph.D. Přednášející: Ing. Martina Litschmannová, Ph.D. Cvičící: Ing. Ondřej Grunt RNDr. Pavel Jahoda, Ph.D. Ing. Kateřina Janurová Mgr. Tereza

Více

Kapitola 1. Základy teorie pravděpodobnosti

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

Více

Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1

Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1 Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1 1 ČHMÚ, OPZV, Na Šabatce 17, 143 06 Praha 4 - Komořany sosna@chmi.cz, tel. 377 256 617 Abstrakt: Referát

Více

MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT)

MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT) MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT) 1. Číselné obory 1.1 Přirozená čísla provádět aritmetické operace s přirozenými čísly rozlišit prvočíslo

Více

MINISTERSTVO ŠKOLSTVÍ, MLÁDEŽE A TĚLOVÝCHOVY. Učební osnova předmětu MATEMATIKA. pro studijní obory SOŠ a SOU (8 10 hodin týdně celkem)

MINISTERSTVO ŠKOLSTVÍ, MLÁDEŽE A TĚLOVÝCHOVY. Učební osnova předmětu MATEMATIKA. pro studijní obory SOŠ a SOU (8 10 hodin týdně celkem) MINISTERSTVO ŠKOLSTVÍ, MLÁDEŽE A TĚLOVÝCHOVY Učební osnova předmětu MATEMATIKA pro studijní obory SOŠ a SOU (8 10 hodin týdně celkem) Schválilo Ministerstvo školství, mládeže a tělovýchovy dne 14. 6. 2000,

Více

5.2 POČÁTKY MATEMATICKÉ TEORIE PRAVDĚPODOBNOSTI

5.2 POČÁTKY MATEMATICKÉ TEORIE PRAVDĚPODOBNOSTI 5.2 POČÁTKY MATEMATICKÉ TEORIE PRAVDĚPODOBNOSTI Hry v kostky Podle archeologických nálezů se hrací kostky používaly již v době před 40 tisíci lety. Nejprve se jednalo o přírodní nepravidelné předměty,

Více

SAMOSTATNÁ STUDENTSKÁ PRÁCE ZE STATISTIKY

SAMOSTATNÁ STUDENTSKÁ PRÁCE ZE STATISTIKY SAMOSTATÁ STUDETSKÁ PRÁCE ZE STATISTIKY Váha studentů Kučerová Eliška, Pazdeříková Jana septima červen 005 Zadání: My dvě studentky jsme si vylosovaly zjistit statistickým šetřením v celém ročníku septim

Více

Předpoklad o normalitě rozdělení je zamítnut, protože hodnota testovacího kritéria χ exp je vyšší než tabulkový 2

Předpoklad o normalitě rozdělení je zamítnut, protože hodnota testovacího kritéria χ exp je vyšší než tabulkový 2 Na úloze ukážeme postup analýzy velkého výběru s odlehlými prvky pro určení typu rozdělení koncentrace kyseliny močové u 50 dárců krve. Jaká je míra polohy a rozptýlení uvedeného výběru? Z grafických diagnostik

Více

Klíčová slova: matematizace reálných úloh, přímá a nepřímá úměrnost, společná práce, zlomky, procenta, části celku Autor: Mgr.M.

Klíčová slova: matematizace reálných úloh, přímá a nepřímá úměrnost, společná práce, zlomky, procenta, části celku Autor: Mgr.M. Přípravný kurz - Matematika Téma: Slovní úlohy Klíčová slova: matematizace reálných úloh, přímá a nepřímá úměrnost, společná práce, zlomky, procenta, části celku Autor: Mgr.M.Hetmerová 12 19 9:02 Jak pracovat

Více

Požadavky na konkrétní dovednosti a znalosti z jednotlivých tematických celků

Požadavky na konkrétní dovednosti a znalosti z jednotlivých tematických celků Maturitní zkouška z matematiky 2012 požadované znalosti Zkouška z matematiky ověřuje matematické základy formou didaktického testu. Test obsahuje uzavřené i otevřené úlohy. V uzavřených úlohách je vždy

Více

Základní statistické charakteristiky písemných testů

Základní statistické charakteristiky písemných testů Základní statistické charakteristiky písemných testů Přijímací řízení na Ekonomicko-správní fakultu MU do navazujících magisterských oborů. Studenti byli přijímání na tyto obory: Prezenční magisterské

Více

Hra pro 3 4 hráče od 8 let, hrací doba: 45-60 min.

Hra pro 3 4 hráče od 8 let, hrací doba: 45-60 min. Autor: Sébastien Pauchon Illustrationen: Arnaud Demaegd Layout: Cyril Demaegd Yspahan FAQ & Forum: http://www.ystari.com Překlad: CAULY přeloženo pro www.svet-deskovych-her.cz Hra pro 3 4 hráče od 8 let,

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. Testování hypotéz na základě jednoho a dvou výběrů 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/004. Testování hypotéz Pokud nás zajímá zda platí, či neplatí tvrzení o určitém parametru,

Více

Aplikovaná statistika pro učitele a žáky v hodinách zeměpisu aneb jak využít MS Excel v praxi. Geografický seminář 30. března 2011 Pavel Bednář

Aplikovaná statistika pro učitele a žáky v hodinách zeměpisu aneb jak využít MS Excel v praxi. Geografický seminář 30. března 2011 Pavel Bednář Aplikovaná statistika pro učitele a žáky v hodinách zeměpisu aneb jak využít MS Excel v praxi Geografický seminář 30. března 2011 Pavel Bednář Výchozí stav Sebehodnocení práce s MS Excel studujícími oboru

Více

Vysoká škola báňská - Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Katedra aplikované matematiky.

Vysoká škola báňská - Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Katedra aplikované matematiky. Vysoká škola báňská - Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Katedra aplikované matematiky Biostatistika Cvičení - pracovní listy Martina Litschmannová, Kateřina Janurová 5.května

Více

Národníinformačnístředisko pro podporu jakosti

Národníinformačnístředisko pro podporu jakosti Národníinformačnístředisko pro podporu jakosti OVĚŘOVÁNÍ PŘEDPOKLADU NORMALITY Doc. Ing. Eva Jarošová, CSc. Ing. Jan Král Používané metody statistické testy: Chí-kvadrát test dobré shody Kolmogorov -Smirnov

Více

Normy ČSN a ČSN ISO z oblasti aplikované statistiky (stav aktualizovaný k 1.1.2008)

Normy ČSN a ČSN ISO z oblasti aplikované statistiky (stav aktualizovaný k 1.1.2008) Normy ČSN a ČSN ISO z oblasti aplikované statistiky (stav aktualizovaný k 1.1.2008) Ing. Vratislav Horálek, DrSc., předseda TNK 4 při ČNI 1 Terminologické normy [1] ČSN ISO 3534-1:1994 Statistika Slovník

Více

POPIS HRY. Apex Multi Magic. APEX MULTI MAGIC III CZ kat.2 V1.01 Minimální vklad 1 Kč Maximální vklad 100 Kč

POPIS HRY. Apex Multi Magic. APEX MULTI MAGIC III CZ kat.2 V1.01 Minimální vklad 1 Kč Maximální vklad 100 Kč POPIS HRY Apex Multi Magic APEX MULTI MAGIC III CZ kat.2 V1.01 Minimální vklad 1 Kč Maximální vklad 100 Kč Pravidla hry APEX MULTI MAGIC III CZ kat.2 V1.01 Výherní přístroj /dále jen VHP/ APEX Multi Magic

Více

Digitální učební materiál

Digitální učební materiál Digitální učební materiál Číslo projektu CZ.1.07/1.5.00/34.0802 Název projektu Zkvalitnění výuky prostřednictvím ICT Číslo a název šablony klíčové aktivity III/2 Inovace a zkvalitnění výuky prostřednictvím

Více

Systém na zapamatování hracích karet

Systém na zapamatování hracích karet 10 Systém na zapamatování hracích karet Nyní jste již připraveni využít paměťové procesy a techniky, které jste se naučili, k zapamatování kompletního balíčku karet. Napoprvé se to asi nepodaří, ale přečtěte

Více

Tomáš Karel LS 2012/2013

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

Více

Statistika jako obor. Statistika. Popisná statistika. Matematická statistika TEORIE K MV2

Statistika jako obor. Statistika. Popisná statistika. Matematická statistika TEORIE K MV2 Statistika jako obor Statistika Statistika je vědní obor zabývající se zkoumáním jevů hromadného charakteru. Tím se myslí to, že zkoumaný jev musí příslušet určité části velkého množství objektů (lidí,

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