Cvičení 3. Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc.

Rozměr: px
Začít zobrazení ze stránky:

Download "Cvičení 3. Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc."

Transkript

1 Cvičení 3 Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. Katedra počítačových systémů Katedra teoretické informatiky Fakulta informačních technologií České vysoké učení technické v Praze Rudolf Blažek 2011 BI-PST, LS 2010/11 Evropský sociální fond Praha & EU: Investujeme do vaší

2 Bayesova věta Cvičení Věta o úplném rozkladu pravděpodobnosti Soubor náhodných jevů B 1, B 2,...,B n se nazývá rozkladem množiny jestliže = [ n i=1 B i (disjunktní sjednocení: B i \ B j =? pro každé i 6= j). Věta (Věta o úplném rozkladu pravděpodobnosti) Nechť B 1, B 2,...,B n je rozklad množiny takový, že P(B i ) > 0 pro každé i. Pak Bayesova formule pro každý náhodný jev A. Věta (Bayes) Důkaz. P(A) = nx Podmíněná pravděpodobnost i=1 Bayesova formule P(A B i )P(B i ) ZNechť definice B 1, podmíněné B 2,...,B n je pravděpodobnosti rozklad a aditivity, P n i=1 P(A B i)p(b i )= P množiny takový, že P(B i ) > 0 pro každé ia nechť Anáhodný jev s P(A) n> 0. i=1 P(A Pak \ B i)=p(a). P(B k A) = P(B k)p(a B k ) P n i=1 P(B i)p(a B i ). Roman Kotecký, Rudolf Blažek (FIT ČVUT) Podmíněná pravděpodobnost a nezávislost BI-PST, LS 2010/11, Přednáška 2 8 / 18 2

3 (a) Spočtěte pravděpodobnost, že vyrobený obvod projde testem jako akceptovatelný. Odpověd : Cvičení (b) Splní nyní firma požadavek zákazníka? Rada: Jaká je podmíněná pravděpodobnost, že obvod je plně funkční za předpokladu, že prošel testem jako akceptovatelný? Bayesova věta 2. Dle odhadu 90% vyrobených integrovaných obvodů je plně funkčních. Požadavek zákazníka je však 99% plně funkčních obvodů. Vyrobené obvody jsou proto otestovány. Studie ukázala, že testem projde jako akceptovatelný přibližně 80% plně funkčních a 10% vadných obvodů. (a) Spočtěte pravděpodobnost, že vyrobený obvod projde testem jako akceptovatelný. Odpověd : (b) Splní nyní firma požadavek zákazníka? Rada: Jaká je podmíněná pravděpodobnost, že obvod je plně funkční za předpokladu, že prošel testem jako akceptovatelný? Odpověd : (c) Výroba obvodu stojí 2Kč a jeho test stojí 0.2Kč. Obvody, které neprojdou testem jsou skartovány. Kolik pak celkem stojí dodavatele jeden dodaný obvod? Odpověd : 3

4 Stromový diagram Cvičení,B n of events is called a partition of Example if = [ n i=1 B i (it means nd B i \ B j =? whenever i 6= j). distinction formula) be a partition of such that P(B i ) > 0 for all i. Then bability P(A) = Nakreslete stromový diagram pro příklad Bayes formula \ B i ), by definition of conditional probability and by aditivity, P (A 1 ) P (A c 2 A 1 ) i) = P(A \ B k) P(A) nx i=1 Použijte základní vzorce P(A B i )P(B i ) i) = P n i=1 P(A \ B i)=p(a). = P(B k A) What is the probability that in the sequence of there are no hearts? A i = {i-th card is not he P(A 1 \ A 2 \ A 3 )=P(A 1 )P(A 2 A 1 )P(A 3 A 1 Illustration of the computation with the help of A 1 P (A 2 A 1 ) P (A c 1) P (A 3 A 1 \ A 2 ) IT ČVUT) Statistika pro informatiku MI-SPI, ZS 2011/12, Přednáška 2 6 / 23 A 2 The probability in a given vertex of the tree is Pravděpodobnost values ona the statistika path stemmingbi-pst, from LS2010/11 the root. A 3 P (A 1 \ A 2 \ A 3 ) P (A c 3 A 1 \ A 2 ) P (A 1 \ A 2 \ A c 3) 39/52 4

5 Cvičení Bayesova věta Z analýzy našeho účtu elektronické pošty jsme zjistili, že 30% dosud přijatých zpráv byl spam (nevyžádaná pošta). V 65% spamových zpráv se vyskytuje slovo "kopie". Z legitimních zpráv je slovo "kopie" obsaženo pouze v 15%. Uvažujme nově příchozí zprávu obsahující slovo "kopie". Spočtěte pravděpodobnost, že tato zpráva je spam. Poznámka: Bayesovské filtry spamu opravdu fungují na podobném principu 5

6 Bayesova věta Cvičení Věta o úplném rozkladu pravděpodobnosti Soubor náhodných jevů B 1, B 2,...,B n se nazývá rozkladem množiny jestliže = [ n i=1 B i (disjunktní sjednocení: B i \ B j =? pro každé i 6= j). Věta (Věta o úplném rozkladu pravděpodobnosti) Nechť B 1, B 2,...,B n je rozklad množiny takový, že P(B i ) > 0 pro každé i. Pak Bayesova formule pro každý náhodný jev A. Věta (Bayes) Důkaz. P(A) = nx Podmíněná pravděpodobnost i=1 Bayesova formule P(A B i )P(B i ) ZNechť definice B 1, podmíněné B 2,...,B n je pravděpodobnosti rozklad a aditivity, P n i=1 P(A B i)p(b i )= P množiny takový, že P(B i ) > 0 pro každé ia nechť Anáhodný jev s P(A) n> 0. i=1 P(A Pak \ B i)=p(a). P(B k A) = P(B k)p(a B k ) P n i=1 P(B i)p(a B i ). Roman Kotecký, Rudolf Blažek (FIT ČVUT) Podmíněná pravděpodobnost a nezávislost BI-PST, LS 2010/11, Přednáška 2 8 / 18 6

7 Cvičení Jak spravit falešnou minci? (Úplný rozklad pravděpodobnosti) Hoď 2x mincí (Head / Tail; Panna / Orel): HT - Ty vyhraješ & TH - Já vyhraji HH or TT - zopakuj oba hody HT a TH mají stejnou pravděpodobnost: P(H)P(T) Dokažte: P(Já vyhraji) = 1/2... není to zcela lehké Zopakovat musíme OBA hody, nikoliv přidat jeden Správný postup: (HH)(TT)(TT)(TH) Chybný postup: HHT...výhra Pokud první hod je H, tak takonec vyhraji já! Jinak prohraji. 7

8 Cvičení Jak spravit falešnou minci? (Úplný rozklad pravděpodobnosti) Předpokládejme P(H) = p, P(T)=1-p V každém páru hodů: P(HT) = p (1 p) P(TH) = (1 p) p P(HH or TT) = p 2 + q 2 Spočtěte P(Já vyhraji) a P(Ty vyhraješ) Důležitý trik Úplný rozklad pravděpodobnosti N=počet párů (náhodný stopping time ) P (já vyhraji) = 1X n=1 P (já vyhraji,n = n) 8

9 Cvičení Zajímavost: Jak napálit protivníka? 1)+Postavte minci na hranu na stůl + Udeřte zespodu na desku stolu + Jedna strana je obvykle padne častěji Otestujte si vlastní minci. Navrhněte jak ji otestovat! (Probereme ve statistice) 2)+Držte minci ukazováčkem postavenou na hraně + Roztočte minci na stole cvrnknutím + Naučte se, aby přistála nahoru stranou, do které cvrnkete 9

Cvičení 5. Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc.

Cvičení 5. Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. 5 Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. Katedra počítačových systémů Katedra teoretické informatiky Fakulta informačních technologií České vysoké učení technické v

Více

Cvičení 11. Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc.

Cvičení 11. Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. 11 Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. Katedra počítačových systémů Katedra teoretické informatiky Fakulta informačních technologií České vysoké učení technické

Více

Pravděpodobnost a statistika (BI-PST) Cvičení č. 1

Pravděpodobnost a statistika (BI-PST) Cvičení č. 1 Pravděpodobnost a statistika (BI-PST) Cvičení č. 1 Katedra aplikované matematiky Fakulta informačních technologií České vysoké učení technické v Praze ZS 2014/2015 (FIT ČVUT) BI-PST, Cvičení č. 1 ZS 2014/2015

Více

Intervalové Odhady Parametrů II Testování Hypotéz

Intervalové Odhady Parametrů II Testování Hypotéz Parametrů II Testování Hypotéz Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. Katedra počítačových systémů Katedra teoretické informatiky Fakulta informačních technologií České vysoké učení

Více

Historie matematiky a informatiky Cvičení 1

Historie matematiky a informatiky Cvičení 1 Historie matematiky a informatiky Cvičení 1 Doc. RNDr. Alena Šolcová, Ph. D., KAM, FIT ČVUT v Praze 2014 Evropský sociální fond Investujeme do vaší budoucnosti Alena Šolcová Kapitola z teorie čísel Co

Více

Stromy, haldy, prioritní fronty

Stromy, haldy, prioritní fronty Stromy, haldy, prioritní fronty prof. Ing. Pavel Tvrdík CSc. Katedra počítačů FEL České vysoké učení technické DSA, ZS 2008/9, Přednáška 6 http://service.felk.cvut.cz/courses/x36dsa/ prof. Pavel Tvrdík

Více

Drsná matematika IV 7. přednáška Jak na statistiku?

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

Více

Problém identity instancí asociačních tříd

Problém identity instancí asociačních tříd Problém identity instancí asociačních tříd Autor RNDr. Ilja Kraval Ve školeních a také následně po jejich ukončení se stále častěji objevují dotazy, které se týkají tzv. identity instancí asociační třídy.

Více

Rychlokurz forenzní DNA statistiky Anastassiya Žídková

Rychlokurz forenzní DNA statistiky Anastassiya Žídková Rychlokurz forenzní DNA statistiky 21.10.2011 Anastassiya Žídková anastazie.d@gmail.com Úvod První část Program dnešního kurzu Základní zákony pravděpodobnosti Druhá část Bayesovavěta Zásady při interpretaci

Více

Cvičení ze statistiky - 4. Filip Děchtěrenko

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

Více

š Ě ř š ř Ě š Ť ř š Ě ň š ň Ý š Ť Š š ň š Ťť š Ě ú ú Ě š ř š š Ť š š Ó Ť Ě š ň ř ú š ú ú Ť š š š š š š ť Ý ú š ť š ť šť Ž Ť š š ú š ň š Ý ť š ň Ť ň š ň Ě Ť ý ň š š š Ť š š Ť ú ň ť š ť Ě ň Ť ň š ú ú ť š

Více

Informační a znalostní systémy

Informační a znalostní systémy Informační a znalostní systémy Teorie pravděpodobnosti není v podstatě nic jiného než vyjádření obecného povědomí počítáním. P. S. de Laplace Pravděpodobnost a relativní četnost Pokusy, výsledky nejsou

Více

STP022 PRAVDĚPODOBNOST A MATEMATICKÁ STATISTIKA

STP022 PRAVDĚPODOBNOST A MATEMATICKÁ STATISTIKA Poslední aktualizace: 29. května 200 STP022 PRAVDĚPODOBNOST A MATEMATICKÁ STATISTIKA PŘÍKLADY Pro zdárné absolvování předmětu doporučuji věnovat pozornost zejména příkladům označenými hvězdičkou. Příklady

Více

Historie matematiky a informatiky Cvičení 2

Historie matematiky a informatiky Cvičení 2 Historie matematiky a informatiky Cvičení 2 Doc. RNDr. Alena Šolcová, Ph. D., KAM, FIT ČVUT v Praze 2014 Evropský sociální fond Investujeme do vaší budoucnosti Alena Šolcová Číselně teoretické funkce (Number-Theoretic

Více

Logika XI. RNDr. Kateřina Trlifajová PhD. Katedra teoretické informatiky Fakulta informačních technologíı BI-MLO, ZS 2011/12

Logika XI. RNDr. Kateřina Trlifajová PhD. Katedra teoretické informatiky Fakulta informačních technologíı BI-MLO, ZS 2011/12 Logika XI. RNDr. Kateřina Trlifajová PhD. Katedra teoretické informatiky Fakulta informačních technologíı České vysoké učení technické v Praze c Kateřina Trlifajová, 2010 BI-MLO, ZS 2011/12 Evropský sociální

Více

Klasifikace a predikce. Roman LUKÁŠ

Klasifikace a predikce. Roman LUKÁŠ 1/28 Klasfkace a predkce Roman LUKÁŠ 2/28 Základní pomy Klasfkace = zařazení daného obektu do sté skupny na základě eho vlastností Dvě fáze klasfkace: I. Na základě trénovacích vzorů (u nchž víme, do aké

Více

Pravděpodobnost Podmíněná p. Úplná p. III. Pravděpodobnost. III. Pravděpodobnost Statistika A (ZS 2015)

Pravděpodobnost Podmíněná p. Úplná p. III. Pravděpodobnost. III. Pravděpodobnost Statistika A (ZS 2015) III Pravděpodobnost Pravděpodobnost Podmíněná p. Úplná p. Odkud se bere pravděpodobnost? 1. Pravděpodobnost, že z balíčku zamíchaných karet vytáhmene dvě esa je přibližně 0:012. Modely a teorie. 2. Pravděpodobnost,

Více

1. Pravděpodobnost a statistika (MP leden 2010)

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

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 010 1.týden (0.09.-4.09. ) Data, typy dat, variabilita, frekvenční analýza

Více

Lineární Regrese Hašovací Funkce

Lineární Regrese Hašovací Funkce Hašovací Funkce Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. Katedra počítačových systémů Katedra teoretické informatiky Fakulta informačních technologií České vysoké učení technické v

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická

Více

Permutační grupy Cykly a transpozice Aplikace. Permutace. Rostislav Horčík: Y01DMA 11. května 2010: Permutace 1/17

Permutační grupy Cykly a transpozice Aplikace. Permutace. Rostislav Horčík: Y01DMA 11. května 2010: Permutace 1/17 Permutace Rostislav Horčík: Y01DMA 11. května 2010: Permutace 1/17 Motivace Permutace jsou důležitou částí matematiky viz použití v pravděpodobnosti, algebře (např. determinanty) a mnoho dalších. Jsou

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

pravděpodobnosti Pravděpodobnost je teorií statistiky a statistika je praxí teorie pravděpodobnosti.

pravděpodobnosti Pravděpodobnost je teorií statistiky a statistika je praxí teorie pravděpodobnosti. 3.1 Základy teorie pravděpodobnosti Pravděpodobnost je teorií statistiky a statistika je praxí teorie pravděpodobnosti. Co se dozvíte Náhodný pokus a náhodný jev. Pravděpodobnost, počítání s pravděpodobnostmi.

Více

VY_12_INOVACE_02.14 1/9 1.2.02.14 Vyprávíme a překládáme příběh

VY_12_INOVACE_02.14 1/9 1.2.02.14 Vyprávíme a překládáme příběh 1/9 1.2.02.14 Materiál je určen pro práci žáků 4. 5. ročníku v hodinách informatiky. Navazuje na učivo českého a anglického jazyka. 1. část Žáci dostávají v elektronické podobě první pracovní list obrázky

Více

PRAVIDLA ZPRACOVÁNÍ STANDARDNÍCH ELEKTRONICKÝCH ZAHRANIČNÍCH PLATEBNÍCH PŘÍKAZŮ STANDARD ELECTRONIC FOREIGN PAYMENT ORDERS PROCESSING RULES

PRAVIDLA ZPRACOVÁNÍ STANDARDNÍCH ELEKTRONICKÝCH ZAHRANIČNÍCH PLATEBNÍCH PŘÍKAZŮ STANDARD ELECTRONIC FOREIGN PAYMENT ORDERS PROCESSING RULES PRAVIDLA ZPRACOVÁNÍ STANDARDNÍCH ELEKTRONICKÝCH ZAHRANIČNÍCH PLATEBNÍCH PŘÍKAZŮ STANDARD ELECTRONIC FOREIGN PAYMENT ORDERS PROCESSING RULES Použité pojmy Platební systém Elektronický platební příkaz Účetní

Více

Pravděpodobnost a statistika

Pravděpodobnost a statistika Pravděpodobnost a statistika Teorie pravděpodobnosti popisuje vznik náhodných dat, zatímco matematická statistika usuzuje z dat na charakter procesů, jimiž data vznikla. NÁHODNOST - forma existence látky,

Více

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

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

Více

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

správně - A, jeden celý příklad správně - B, jinak - C. Pro postup k ústní části zkoušky je potřeba dosáhnout stupně A nebo B.

správně - A, jeden celý příklad správně - B, jinak - C. Pro postup k ústní části zkoušky je potřeba dosáhnout stupně A nebo B. Zkouška z předmětu KMA/PST. Anotace předmětu Náhodné jevy, pravděpodobnost, podmíněná pravděpodobnost. Nezávislé náhodné jevy. Náhodná veličina, distribuční funkce. Diskrétní a absolutně spojitá náhodná

Více

Výroková logika dokazatelnost

Výroková logika dokazatelnost Výroková logika dokazatelnost Ke zjištění, zda formule sémanticky plyne z dané teorie (množiny formulí), máme k dispozici tabulkovou metodu. Velikost tabulky však roste exponenciálně vzhledem k počtu výrokových

Více

PRAVDĚPODOBNOST Náhodné pokusy. Náhodný jev

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

Více

POSLECH. M e t o d i c k é p o z n á m k y k z á k l a d o v é m u t e x t u :

POSLECH. M e t o d i c k é p o z n á m k y k z á k l a d o v é m u t e x t u : POSLECH Jazyk Úroveň Autor Kód materiálu Anglický jazyk 5. třída Hana Stryalová Aj5-kap-str-pos-02 Z á k l a d o v ý t e x t : O n t h e p h o n e : Annie: Hello. 892356. Who is it? Jack: Hello. It s Jack.

Více

š č ů š ň č č Ú Ú č č č č Ú ú Ú č ž č Ž Ý Í š Š č Ž ú Í Š ú Č Í Á ÍÁ č ší č š ž č č ů ů č č ň č č ů Ž ú ž č ů č č ů š Š č č č ů ů ů č ž č š š č č Ž č č č š Í č č č čů š š ž š ž č č č č č Í ž ú Í Ž č ů

Více

Pravděpodobnost, náhoda, kostky

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

Více

Testování a spolehlivost. 6. Laboratoř Ostatní spolehlivostní modely

Testování a spolehlivost. 6. Laboratoř Ostatní spolehlivostní modely Testování a spolehlivost ZS 2011/2012 6. Laboratoř Ostatní spolehlivostní modely Martin Daňhel Katedra číslicového návrhu Fakulta informačních technologií ČVUT v Praze Příprava studijního programu Informatika

Více

Matematika I. Přednášky: Mgr. Radek Výrut, Zkouška:

Matematika I. Přednášky: Mgr. Radek Výrut, Zkouška: Přednášky: Mgr. Radek Výrut, Matematika I katedra matematiky, UL-605, rvyrut@kma.zcu.cz tel.: 377 63 2658 Zkouška: Písemná část zkoušky - příklady v rozsahu zápočtových prací Ústní část zkoušky - základní

Více

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

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

Více

Historie matematiky a informatiky Cvičení 4

Historie matematiky a informatiky Cvičení 4 Historie matematiky a informatiky Cvičení 4 Doc. RNDr. Alena Šolcová, Ph. D., KAM, FIT ČVUT v Praze 2014 Evropský sociální fond Investujeme do vaší budoucnosti Alena Šolcová Čísla speciálních tvarů a jejich

Více

Ing. Michael Rost, Ph.D.

Ing. Michael Rost, Ph.D. Statistika úvodní přednáška Ing. Michael Rost, Ph.D. Jihočeská univerzita v Českých Budějovicích Cíle základního kurzu: seznámit posluchače se základy počtu pravděpodobnosti, seznámit posluchače s aspekty

Více

Úvod do datového a procesního modelování pomocí CASE Erwin a BPwin

Úvod do datového a procesního modelování pomocí CASE Erwin a BPwin Úvod do datového a procesního modelování pomocí CASE Erwin a BPwin (nově AllFusion Data Modeller a Process Modeller ) Doc. Ing. B. Miniberger,CSc. BIVŠ Praha 2009 Tvorba datového modelu Identifikace entit

Více

Ř Í Š Š Č Ť š é é ž é é é Ť š ť Ť ť ž ž Ť Ť š Í Ť Ž č é č č ž é č ž Ť š Ť Ď ž ž é ž Í č ň é Ť ž é é é Č č ž ž ř ž š š č č š ď Ž Č Ť é é Ť č é ž é ž é é é Ť ž ň š Ť Ž č š ž Č é č é š é é Ť Ž é č č š š é

Více

S1P Příklady 01. Náhodné jevy

S1P Příklady 01. Náhodné jevy S1P Příklady 01 Náhodné jevy Pravděpodobnost, že jedinec z jisté populace se dožije šedesáti let, je 0,8; pravděpodobnost, že se dožije sedmdesáti let, je 0,5. Jaká je pravděpodobnost, že jedinec zemře

Více

EU peníze středním školám digitální učební materiál

EU peníze středním školám digitální učební materiál EU peníze středním školám digitální učební materiál Číslo projektu: Číslo a název šablony klíčové aktivity: Tematická oblast, název DUMu: Autor: CZ.1.07/1.5.00/34.0515 III/2 Inovace a zkvalitnění výuky

Více

Náhodný jev a definice pravděpodobnosti

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

Více

Poznámky k předmětu Aplikovaná statistika, 9.téma

Poznámky k předmětu Aplikovaná statistika, 9.téma Poznámky k předmětu Aplikovaná statistika, 9téma Princip testování hypotéz, jednovýběrové testy V minulé hodině jsme si ukázali, jak sestavit intervalové odhady pro některé číselné charakteristiky normálního

Více

Lékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.)

Lékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.) Lékařská biofyzika, výpočetní technika I Biostatistika Josef Tvrdík (doc. Ing. CSc.) Přírodovědecká fakulta, katedra informatiky josef.tvrdik@osu.cz konzultace úterý 14.10 až 15.40 hod. http://www1.osu.cz/~tvrdik

Více

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

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

Více

Zpráva o průběhu přijímacího řízení na vysokých školách pro akademický rok 2014 2015 na ČVUT v Praze Fakultě dopravní

Zpráva o průběhu přijímacího řízení na vysokých školách pro akademický rok 2014 2015 na ČVUT v Praze Fakultě dopravní Zpráva o průběhu přijímacího řízení na vysokých školách pro akademický rok 2014 2015 dle Vyhlášky MŠMT č. 343/2002 Sb. o průběhu přijímacího řízení na vysokých školách a její změně č. 276/2004 Sb. 1. Informace

Více

Automatika na dávkování chemie automatic dosing

Automatika na dávkování chemie automatic dosing Automatika na dávkování chemie automatic dosing Swimmingpool Technology Autodos 700 Automatické dávkování Autodos Autodos automatic dosing Autodos 700 je jedno-kanálové zaøízení, pro mìøení a dávkování.

Více

Neparametrické odhady hustoty pravděpodobnosti

Neparametrické odhady hustoty pravděpodobnosti Neparametrické odhady hustoty pravděpodobnosti Václav Hlaváč Elektrotechnická fakulta ČVUT Katedra kybernetiky Centrum strojového vnímání 121 35 Praha 2, Karlovo nám. 13 hlavac@fel.cvut.cz Statistické

Více

Ukazka knihy z internetoveho knihkupectvi www.kosmas.cz

Ukazka knihy z internetoveho knihkupectvi www.kosmas.cz Ukazka knihy z internetoveho knihkupectvi www.kosmas.cz Doc. Ing. Michal Korecký, Ph.D. Ing. Václav Trkovský, CSc. Management rizik projektů se zaměřením na projekty v průmyslových podnicích Vydala Grada

Více

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

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

Více

ť Á ČÍ Á ť ť Í Á Í Í ú ť Ů Ů ú ť Ě Ů Ž ť ť Ů Ů Ů Á ť Í Ó Á Ý ň Č Ě Ó Ž ň ť ú ň ť Ě Í Í Í Á Ý ť Í Á Ž Ů ť Ů Ž Ě ť ť ú ť ť ť Ž Ě Ě ť Ů Ů Ě Ů Ě Ž ť Ě Ě Ě Ó Í Ď Ó ť Ě Ě Í Ý Ě Ů Ó Ů ť ť ť É Ž Š Š Š Ž Č Š Š

Více

Dnešní program odvozování v Bayesovských sítích exaktní metody (enumerace, eliminace proměnných) aproximační metody y( (vzorkovací techniky)

Dnešní program odvozování v Bayesovských sítích exaktní metody (enumerace, eliminace proměnných) aproximační metody y( (vzorkovací techniky) Umělá inteligence II Roman Barták, KTIML roman.bartak@mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak Bayesovská síť zachycuje závislosti mezi náhodnými proměnnými Pro zopakování orientovaný acyklický graf

Více

http://www.zlinskedumy.cz

http://www.zlinskedumy.cz Číslo projektu Číslo a název šablony klíčové aktivity Tematická oblast Autor CZ.1.07/1.5.00/34.0514 III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Výklad a cvičení z větné stavby, vy_32_inovace_ma_33_01

Více

Diskrétní pravděpodobnost

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

Více

Střední průmyslová škola strojnická Olomouc, tř.17. listopadu 49

Střední průmyslová škola strojnická Olomouc, tř.17. listopadu 49 Střední průmyslová škola strojnická Olomouc, tř.17. listopadu 49 Výukový materiál zpracovaný v rámci projektu Výuka moderně Registrační číslo projektu: CZ.1.07/1.5.00/34.0205 Šablona: III/2 Anglický jazyk

Více

Matematické důkazy Struktura matematiky a typy důkazů

Matematické důkazy Struktura matematiky a typy důkazů Matematické důkazy Struktura matematiky a typy důkazů Petr Liška Masarykova univerzita 18.9.2014 Motto: Matematika je tvořena z 50 procent formulemi, z 50 procent důkazy a z 50 procent představivostí.

Více

PSANÍ. Anglický jazyk 5. třída Hana Stryalová

PSANÍ. Anglický jazyk 5. třída Hana Stryalová PSANÍ Jazyk Úroveň Autor Kód materiálu Anglický jazyk 5. třída Hana Stryalová Aj5-kap-str-psa-06 Z á k l a d o v ý t e x t : Dear Jessica! I am in Spain now. I am here with a Spanish girl. Her name is

Více

Tento materiál byl vytvořen v rámci projektu Operačního programu Vzdělávání pro konkurenceschopnost.

Tento materiál byl vytvořen v rámci projektu Operačního programu Vzdělávání pro konkurenceschopnost. Tento materiál byl vytvořen v rámci projektu Operačního programu Vzdělávání pro konkurenceschopnost. Projekt MŠMT ČR Číslo projektu Název projektu školy Klíčová aktivita III/2 EU PENÍZE ŠKOLÁM CZ.1.07/1.4.00/21.2146

Více

Deset přednášek z teorie statistického a strukturního rozpoznávání

Deset přednášek z teorie statistického a strukturního rozpoznávání Monografie Deset přednášek teorie statistického a strukturního roponávání Michail I. Schlesinger, Václav Hlaváč Praha 1999 Vydavatelství ČVUT 1. přednáška Bayesovská úloha statistického rohodování 1.1

Více

TECHSTA 2000 ČVUT PRAHA FAKULTA STAVEBNÍ KATEDRA TECHNOLOGIE STAVEB

TECHSTA 2000 ČVUT PRAHA FAKULTA STAVEBNÍ KATEDRA TECHNOLOGIE STAVEB ČVUT PRAHA FAKULTA STAVEBNÍ KATEDRA TECHNOLOGIE STAVEB 1 SBORNÍK PŘEDNÁŠEK Z KONFERENCE Vydalo ČVUT Praha, Stavební fakulta, ČR ZÁŘÍ 2000 Tématické oblasti konference Příprava a modelování realizace staveb

Více

Spolehlivost tekutinových systémů The Reliability of Fluid Systems

Spolehlivost tekutinových systémů The Reliability of Fluid Systems Fakulta strojní VŠB Technická univerzita Ostrava Katedra hydromechaniky a hydraulických zařízení Spolehlivost tekutinových systémů The Reliability of Fluid Systems prof. Ing. Jaroslav Kopáček, CSc. Proč

Více

1. Klasická pravděpodobnost

1. Klasická pravděpodobnost Příklady 1. Klasická pravděpodobnost 1. Házíme dvakrát kostkou. Jaká je pravděpodobnost, že padne alespoň jedna šestka? 2. Základy teorie pravděpodobnosti vznikly v korespondenci mezi dvěma slavnými francouzskými

Více

Pravděpodobně skoro správné. PAC učení 1

Pravděpodobně skoro správné. PAC učení 1 Pravděpodobně skoro správné (PAC) učení PAC učení 1 Výpočetní teorie strojového učení Věta o ošklivém kačátku. Nechť E je klasifikovaná trénovací množina pro koncept K, který tvoří podmnožinu konečného

Více

Historie matematiky a informatiky

Historie matematiky a informatiky Evropský sociální fond Investujeme do vaší budoucnosti Historie matematiky a informatiky 2014 Doc. RNDr. Alena Šolcová, Ph.D. Katedra aplikované matematiky FIT ČVUT v Praze 1 Co je matematika? Matematika

Více

Ž é é ť Ů ž š é Ž Ú Ú ť ď Ň Ě ž Ž Ú Ú ó é Ž é ó Ž ó š š Á é é é ž ó Ž Á ó ó É š š Ž ť Ú Ě Á ó ž ž é é é ž é ž š ť Ú Ž ť Ťť Ů Ú ť ď ď š š š Ž Ú Ú Ť ó š ó ó ó ó ó Ú Ť ó Ť ó Ž Ú Ě Ó ó Ú é ó ť Ý ů é Ž Ž Ý

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie ZS 2015/16 Cvičení 2: Metoda nejmenších čtverců LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Doplnění a opakování z

Více

KOMPRESE OBRAZŮ. Václav Hlaváč. Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání. hlavac@fel.cvut.

KOMPRESE OBRAZŮ. Václav Hlaváč. Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání. hlavac@fel.cvut. 1/24 KOMPRESE OBRAZŮ Václav Hlaváč Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání hlavac@fel.cvut.cz http://cmp.felk.cvut.cz/ hlavac KOMPRESE OBRAZŮ, ÚVOD 2/24 Cíl:

Více

METODICKÉ LISTY Z MATEMATIKY pro gymnázia a základní vzdělávání

METODICKÉ LISTY Z MATEMATIKY pro gymnázia a základní vzdělávání METODICKÉ LISTY Z MATEMATIKY pro gymnázia a základní vzdělávání Jaroslav Švrček a kolektiv Rámcový vzdělávací program pro gymnázia Vzdělávací oblast: Matematika a její aplikace Tematický okruh: Práce s

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

7.VY_32_INOVACE_AJ_UMB7, Tázací dovětky.notebook. September 08, 2013

7.VY_32_INOVACE_AJ_UMB7, Tázací dovětky.notebook. September 08, 2013 1 2 3 SPECIAL CASES: 1. After Let s... the question tag is... shall we? 2. After the imperative (Do.../Don t... the tag is usually... will you? 3. Note that we say... aren t I? (=am I not?) instead of

Více

Tvorba aplikací v Oracle Application Express

Tvorba aplikací v Oracle Application Express DBS 4. ročník APEX Tvorba aplikací v Oracle Application Express Cílem této lekce je vytvořit kompletní aplikaci v Apexu, postavenou na vzorových tabulkách společnosti Oracle. Postup: 1. Otevřete lekci

Více

Pravděpodobnost vs. Poměr šancí. Pravděpodobnostní algoritmy: Bayesova věta. Bayesova teorie rozhodování. Bayesova věta (teorém) Vzorec. ...

Pravděpodobnost vs. Poměr šancí. Pravděpodobnostní algoritmy: Bayesova věta. Bayesova teorie rozhodování. Bayesova věta (teorém) Vzorec. ... ravděpodobnostní algoritmy: Bayesova věta Fantasy is hardly an escape from reality. It is a way of understanding it. LLoyd Alexander ravděpodobnost vs. oměr šancí ravděpodobnost - poměr počtu jedinců surčitým

Více

Komputerizace problémových domén

Komputerizace problémových domén Milan Mišovič (ČVUT FIT) Pokročilé informační systémy MI-PIS, 2011, Přednáška 03 1/19 Komputerizace problémových domén Prof. RNDr. Milan Mišovič, CSc. Katedra softwarového inženýrství Fakulta informačních

Více

Britské společenství národů. Historie Spojeného království Velké Británie a Severního Irska ročník gymnázia (vyšší stupeň)

Britské společenství národů. Historie Spojeného království Velké Británie a Severního Irska ročník gymnázia (vyšší stupeň) Název vzdělávacího materiálu: Číslo vzdělávacího materiálu: Autor vzdělávací materiálu: Období, ve kterém byl vzdělávací materiál vytvořen: Vzdělávací oblast: Vzdělávací obor: Vzdělávací předmět: Tematická

Více

Foster Bohemia s.r.o. Laboratoř měření imisí Immission Measurement Laboratory. Mezi Rolemi 54/10, 158 00 Praha 5, Jinonice, Česká republika

Foster Bohemia s.r.o. Laboratoř měření imisí Immission Measurement Laboratory. Mezi Rolemi 54/10, 158 00 Praha 5, Jinonice, Česká republika Foster Bohemia s.r.o. Laboratoř měření imisí Immission Measurement Laboratory Mezi Rolemi 54/1, 15 Praha 5, Jinonice, Česká republika 1 Identifikace metodou: Identification by the method: Objekt: Building:

Více

Katedra informatiky a výpočetní techniky. 10. prosince Ing. Tomáš Zahradnický doc. Ing. Róbert Lórencz, CSc.

Katedra informatiky a výpočetní techniky. 10. prosince Ing. Tomáš Zahradnický doc. Ing. Róbert Lórencz, CSc. Katedra informatiky a výpočetní techniky České vysoké učení technické, fakulta elektrotechnická Ing. Tomáš Zahradnický doc. Ing. Róbert Lórencz, CSc. 10. prosince 2007 Pamět ové banky S výhodou používáme

Více

Ing. Petr Hájek, Ph.D. Podpora přednášky kurzu Aplikace umělé inteligence

Ing. Petr Hájek, Ph.D. Podpora přednášky kurzu Aplikace umělé inteligence APLIKACE UMĚLÉ INTELIGENCE Ing. Petr Hájek, Ph.D. Podpora přednášky kurzu Aplikace umělé inteligence Aplikace umělé inteligence - seminář ING. PETR HÁJEK, PH.D. ÚSTAV SYSTÉMOVÉHO INŽENÝRSTVÍ A INFORMATIKY

Více

Další příklady. Katedra softwarového inženýrství. Katedra teoretické informatiky, Fakulta informačních technologii, ČVUT v Praze. Karel Müller, 2011

Další příklady. Katedra softwarového inženýrství. Katedra teoretické informatiky, Fakulta informačních technologii, ČVUT v Praze. Karel Müller, 2011 Karel Müller (ČVUT FIT) BI-PA2, 2011, Cvičení 11-13 1/5 Katedra softwarového inženýrství Katedra teoretické informatiky, Fakulta informačních technologii, ČVUT v Praze Karel Müller, 2011 Programování a

Více

Rekurentní rovnice, strukturální indukce

Rekurentní rovnice, strukturální indukce Rekurentní rovnice, strukturální indukce Jiří Velebil: A7B01MCS 26. září 2011: 1/20 Příklad (Parketáž triminy z minulé přednášky) P(n) = počet parket k vyparketování místnosti rozměru n 1 P(1) = 1. 2 P(n

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

Téma 8. Náklady kapitálu. Kapitálová struktura a její optimalizace

Téma 8. Náklady kapitálu. Kapitálová struktura a její optimalizace Téma 8. Náklady kapitálu. Kapitálová struktura a její optimalizace 1. Náklady kapitálu a jejich kvantifikace 2. Kapitálová struktura podniku 3. Působení finanční páky 4. Optimální kapitálová struktura

Více

Podmíněná pravděpodobnost, nezávislost

Podmíněná pravděpodobnost, nezávislost Podmíněná pravděpodobnost, nezávislost Úloha 1: Do třídy 1.A chodí 10 chlapců a 20 dívek, z toho jsou 3 chlapci se jménem Jakub a 2 dívky se jménem Katka. Martina tvrdí, že ráno potkala někoho ze třídy

Více

Poznámky k předmětu Aplikovaná statistika, 1. téma

Poznámky k předmětu Aplikovaná statistika, 1. téma Poznámky k předmětu Aplikovaná statistika, 1. téma Motivace Na otázku, při jaké teplotě vře voda, nejspíš neodpovíte. Budete chtít znát podmínky, které máte uvažovat. Víme, že za normálního tlaku, tj.

Více

naopak více variant odpovědí, bude otázka hodnocena jako nesprávně zodpovězená.

naopak více variant odpovědí, bude otázka hodnocena jako nesprávně zodpovězená. Datum:... Jméno:... Přijímací řízení pro akademický rok 28/9 na magisterské studijní obor Finanční informatiky a statistika Písemná část přijímací zkoušky z matematiky Za každou správnou odpověd se získávají

Více

Základy vytěžování dat

Základy vytěžování dat Základy vytěžování dat předmět A7Bb36vyd Vytěžování dat Filip Železný, Miroslav Čepek, Radomír Černoch, Jan Hrdlička katedra kybernetiky a katedra počítačů ČVUT v Praze, FEL Evropský sociální fond Praha

Více

Database systems. Normal forms

Database systems. Normal forms Database systems Normal forms An example of a bad model SSN Surnam OfficeNo City Street No ZIP Region President_of_ Region 1001 Novák 238 Liteň Hlavní 10 26727 Středočeský Rath 1001 Novák 238 Bystřice

Více

Pracovní list č. 4 Počítáme s pravděpodobností

Pracovní list č. 4 Počítáme s pravděpodobností racovní list č. 4 očítáme s pravděpodobností Cíl cvičení: Tento pracovní list je určen pro cvičení předmětu Kvantitativní metody II (přednáška 3.1). Je zaměřen především pro práci s kalkulačkou, program

Více

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

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

Více

Logika I. RNDr. Kateřina Trlifajová PhD. Katedra teoretické informatiky Fakulta informačních technologíı BI-MLO, ZS 2011/12

Logika I. RNDr. Kateřina Trlifajová PhD. Katedra teoretické informatiky Fakulta informačních technologíı BI-MLO, ZS 2011/12 Logika I. RNDr. Kateřina Trlifajová PhD. Katedra teoretické informatiky Fakulta informačních technologíı České vysoké učení technické v Praze c Kateřina Trlifajová, 2010 BI-MLO, ZS 2011/12 Evropský sociální

Více

ALERGICI A ASTMATICI VE ŠKOLE 21. STOLETÍ

ALERGICI A ASTMATICI VE ŠKOLE 21. STOLETÍ Škola a zdraví 21, 2009, Obecné otázky výchovy ke zdraví ALERGICI A ASTMATICI VE ŠKOLE 21. STOLETÍ Marie HAVELKOVÁ, Petr KACHLÍK, Kamila SYNKOVÁ, Martina POKORNÁ Abstrakt: Práce prezentuje výsledky získané

Více

Karty Prší. Anotace: Abstract: Gymnázium, Praha 6, Arabská 14 předmět Programování, vyučující Tomáš Obdržálek

Karty Prší. Anotace: Abstract: Gymnázium, Praha 6, Arabská 14 předmět Programování, vyučující Tomáš Obdržálek Gymnázium, Praha 6, Arabská 14 předmět Programování, vyučující Tomáš Obdržálek Karty Prší ročníkový projekt, Tomáš Krejča 1E květen 2014 Anotace: Mým cílem bylo vytvořit simulátor karetní hry prší. Hráč

Více

2. Množiny, funkce. Poznámka: Prvky množiny mohou být opět množiny. Takovou množinu, pak nazýváme systém množin, značí se

2. Množiny, funkce. Poznámka: Prvky množiny mohou být opět množiny. Takovou množinu, pak nazýváme systém množin, značí se MNOŽIN, ZÁKLDNÍ POJMY Pojem množiny patří v matematice ke stěžejním. Nelze jej zavést ve formě definice pomocí primitivních pojmů; považuje se totiž rovněž za pojem primitivní. Představa o pojmu množina

Více

Digitální učební materiál

Digitální učební materiál Digitální učební materiál Projekt Šablona Tématická oblast DUM č. CZ.1.07/1.5.00/34.0415 Inovujeme, inovujeme III/2 Inovace a zkvalitnění výuky prostřednictvím ICT (DUM) Anglický jazyk pro obor podnikání

Více

Statistické metody v ekonomii. Ing. Michael Rost, Ph.D.

Statistické metody v ekonomii. Ing. Michael Rost, Ph.D. Statistické metody v ekonomii Ing. Michael Rost, Ph.D. Jihočeská univerzita v Českých Budějovicích Test χ 2 v kontingenční tabulce typu 2 2 Jde vlastně o speciální případ χ 2 testu pro čtyřpolní tabulku.

Více

STATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7

STATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7 Inovace předmětu STATISTIKA Obsah 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7 1 1. Inovace předmětu STATISTIKA Předmět Statistika se na bakalářském oboru

Více