Matematika III. 4. října Vysoká škola báňská - Technická univerzita Ostrava. Matematika III
|
|
- Helena Kubíčková
- před 6 lety
- Počet zobrazení:
Transkript
1 Vysoká škola báňská - Technická univerzita Ostrava 4. října 2018
2 Podmíněná pravděpodobnost Při počítání pravděpodobnosti můžeme k náhodnému pokusu přidat i nějakou dodatečnou podmínku. Podmíněná pravděpodobnost P(A B) (čti pravděpodobnost, že nastane jev A za podmínky, že nastal jev B ) je definována vztahem kde P(B) 0. P(A B) = P(A B), P(B) Z tohoto vztahu lze odvodit vztah pro pravděpodobnost průniku dvou jevů P(A B) = P(A B) P(B). Je zřejmé, že pravděpodobnost průniku dvou jevů je rovna součinu podmíněné pravděpodobnosti a pravděpodobnosti podmínky. Jestliže platí P(A B) = P(A) P(B), řekneme, že jevy A, B jsou nezávislé.
3 Podmíněná pravděpodobnost - příklad Jsou-li jevy A a B nezávislé, pak P(A B) = P(A), čili nastoupení nebo nenastoupení jevu B nemá žádný vliv na nastoupení jevu A. Vzhledem k tomu, že ani výskyt jevu B nezávisí na výskytu jevu A, musí současně platit P(B A) = P(B). Příklad: Jaká je pravděpodobnost, že na hrací kostce padne dvakrát po sobě jednička? Řešení: Definujme jevy A, B takto: A padne jednička v prvním hodu B padne jednička ve druhém hodu = 2.8% P(A B) = P(A) P(B) = = 1. = 0,
4 Podmíněná pravděpodobnost - příklad Příklad: Mezi 5 výrobky jsou 2 vadné. Náhodně vybereme postupně 2 výrobky (první nevracíme). Jaká je pravděpodobnost, že a) první vybraný výrobek je zmetek, b) oba vybrané výrobky jsou zmetky? Řešení: Definujme jevy A, B takto: A vytažení zmetku v prvním tahu B vytažení zmetku v druhém tahu a) P(A) = 2 5 = 0.4. b) P(A B) = P(B A) P(A) = = 0.1, neboť po vytažení jednoho zmetku zůstanou 4 výrobky, z nichž je jeden zmetek, je tedy P(B A) = 1 4.
5 Věta o úplné pravděpodobnosti Podmíněnou pravděpodobnost používáme k výpočtu pravděpodobnosti jevů, které jsou podmíněny nastoupením množiny vzájemně disjunktních jevů. Vztah pro pravděpodobnost nějakého jevu bez ohledu na podmiňující jevy udává věta o úplné pravděpodobnosti. Nechť je dána úplná množina vzájemně disjunktních jevů {B 1, B 2, B 3,..., B n}. B1 B2 B5 B4 B3 B6 Ω
6 Věta o úplné pravděpodobnosti Je zřejmé, že libovolný jev A, (A Ω) je sjednocením disjunktních jevu (A B 1), (A B 2),..., (A B n). B1 B2 B5 A B4 B3 B6 Ω A = (A B 1) (A B 2) (A B n) = n (A B i). Jelikož jde o sjednocení disjunktních jevů, musí platit, že pravděpodobnost tohoto sjednocení je dána součtem jednotlivých pravděpodobností. i=1 P(A) = n P(A B i). i=1
7 Z definice podmíněné pravděpodobnosti pak dostáváme P(A B i) = P(A B i) P(B i). Z čehož již plyne věta o úplné pravděpodobnosti. P(A) = n P(A B i) P(B i) i=1
8 Bayesův vzorec - pravděpodobnost příčin Při nastoupení jevu A (P(A) 0) se naskýtá přirozená otázka, který z jevů B i vedl k nastoupení jevu A, tzn. jaká je pravděpodobnost P(B k A). Z definice podmíněné pravděpodobnosti plyne, že P(B k A) = P(A B k) P(B k ) n P(A B i) P(B i) Příklad Turista dorazil do cíle. Jaká je pravděpodobnost, že šel přes B 2 i=1 P(B k A)... aposteriorní pravděpodobnost jevu B k za podmínky, že nastal jev A.
9 Bayesův vzorec - příklad Příklad: Elektonka zapojená do televizoru může být od tří výrobců a pravděpodobnosti 0,3; 0,5; 0,2. Pravděpodobnosti, že elektronky od jednotlivých výrobců vydrží předepsaný počet hodin jsou 0,2; 0,4; 0,3. Označme jevy: A... vybraná eletronka vydrží předepsaný počet hodin. H i... vybraná elektronka je od i tého výrobce, i = 1, 2, 3. A H i... vybraná elektronka vydrží předepsaný počet hodin za podmínky, že je od i tého výrobce. P(H 1) = 0.3; P(H 2) = 0.5; P(H 3) = 0.2. Jevy H i tvoří úplnou množinu jevů, neboť vybraná elektronka je určitě od některého ze tří výrobců a to pouze od jednoho. Dále víme, že P(A H 1) = 0.2; P(A H 2) = 0.4; P(A H 3) = 0.3.
10 a) Vypočítejte pravděpodobnost, že náhodně vybraná elektronka vydržela předepsaný počet hodin. Řešení: Pravděpodobnost jevu A určíme podle vzorce pro úplnou pravděpodobnost P(A) = P(H 1) P(A H 1) + P(H 2) P(A H 2) + P(H 3) P(A H 3) = = 0.32.
11 b) Za předpokladu, že elektronka vydržela předepsaný počet hodin, vypočítejte s jakými pravděpodobnostmi byla od jednotlivých výrobců. Řešení: Podmíněné pravděpodobnosti P(H k A) určíme podle Bayesova vzorce P(H k A) = P(H k) P(A H k ). P(A) Tedy P(H 1 A) = 0, 3 0, 2 0, 32 = 0, 1875, P(H 2 A) = P(H 3 A) = 0, 2 0, 3 0, 32 = 0, , 5 0, 4 0, 32 = 0, 625,
12 Opakované pokusy Stává se, že náhodný pokus, jehož výsledkem je jev A, opakujeme n-krát po sobě při zachování stejného systému podmínek. Pokud pravděpodobnost jevu A při každém opakování nezávisí na výsledcích předcházejících pokusů, hovoříme o Bernoulliho posloupnosti nezávislých pokusů (např. hod kostkou). Závislými pak nazveme takové opakované pokusy, při nichž je pravděpodobnost "nastoupení"jevu A v určitém pokusu závislá na výsledcích předchozích pokusů (např. výběry z osudí bez vracení). Pravděpodobnost toho, že při n nezávislých Bernoulliho pokusech se vyskytne jev A právě k krát (0 k n) je dána vzorcem ( ) n P k (A) = p k q n k, k kde q = 1 p.
13 Pravděpodobnost, že jev A nastane při n nezávislých Bernoulliho pokusech alespoň k-krát, je dána vzorcem nanejvýš k-krát P k (A) = P k (A) + P k+1 (A) P n(a) = 1 (P 0(A) + P 1(A) P k 1 (A)), P k (A) = P 0(A) + P 1(A) P k (A) = 1 (P n(a) P k+1 (A)). Nejpravděpodobnější počet výskytů jevu A při n pokusech je rovna celé části čísla (n + 1)p. Jestliže je číslo (n + 1)p celé, pak nejpravděpodobnější hodnoty jsou dvě, m 1 = (n + 1)p 1 a m 2 = (n + 1)p.
14 Výsledek náhodného pokusu popisujeme pomocí základního prostoru, tj. množiny všech elementárních jevů, a jejich pravděpodobnosti. Chceme-li zpracovávat výsledky náhodného pokusu, musíme vytvořit model popisující více či méně dobře realitu. Tímto modelem je tzv. náhodná veličina. Příklady: počet vadných výrobku mezi tisíci výrobky, doba do poruchy zářivky, počet kazů na 1 m 2 lakované plochy, počet studentů, kteří v tomto zkouškovém období složí zkoušku ze Statistiky I., počet chybně přenesených znaků Morseovy abecedy, odchylka rozměru výrobku od požadované hodnoty, roční spotřeba elektrické energie vaší domácnosti.
15 Náhodná veličina Definice Náhodná veličina X je reálná funkce X : Ω R taková, že pro každé reálné x je množina {ω Ω X(ω) < x} náhodným jevem. Ω X 0 NV je tedy funkce, která zobrazuje elementární jevy ω Ω na reálná čísla. Příklad: Hod kostkou: [ ] 1, [ ] 2, [ ] 3, atd. Náhodně vybraná osoba: muž 0, žena 1 doba trvání simulace: např. pět a půl minuty 5.5
16 Zápis jevů pomocí náhodných veličin Zápisem (X = a) rozumíme jev složený ze všech elementárních jevů ω Ω, pro které X(ω) = a, tj. (X = a) = {ω Ω X(ω) = a} (X < a) = {ω Ω X(ω) < a} (X > a) = {ω Ω X(ω) > a} (a < X < b) = {ω Ω a < X(ω) < b} Příklad 1) X... výsledek hodu kostkou. Náhodný pokus: Hod kostkou. Náhodný jev: Padne liché číslo. (X {1; 3; 5})
17 Příklad 2) X... počet dívek mezi 1000 náhodně vybranými dětmi. Náhodný pokus: Náhodný výběr 1000 dětí a zjištění počtu dívek mezi nimi. Náhodný jev: Mezi 1000 náhodně vzbranými dětmi bude více než 500 dívek. (X>500) Příklad 3) X... rychlost připojení k internetu(mb/s) Náhodný pokus: Měření rychlosti připojení k internetu (download). Náhodný jev: Rychlost připojení k internetu je vyšší než 20 Mb/s. (X>20)
18 Jedním z úkolu teorie pravděpodobnosti je vybudovat matematický aparát, který přiřadí všem zajímavým podmnožinám množiny reálných čísel příslušné pravděpodobnosti. Pravidlo, které každé hodnotě (popř. každému intervalu hodnot) přiřazuje pravděpodobnost, že náhodná veličina nabude této hodnoty (popř. hodnoty z tohoto intervalu), nazýváme rozdělením pravděpodobnosti náhodné veličiny (zkráceně rozdělení náhodné veličiny). Náhodná veličina je tedy z pravděpodobnostního hlediska úplně popsána, jestliže známe všechny hodnoty (popř. intervaly hodnot), kterých může náhodná veličina nabýt a pravděpodobnosti těchto hodnot (popř. intervalů). Rozdělení náhodné veličiny lze popsat různými způsoby. Nejčastěji užívanou možností popisu náhodné veličiny X je tzv. distribuční funkce.
19 Distribuční funkce Definice Nechť X je náhodná veličina. Reálnou funkci F (x) definovanou pro všechna reálná x vztahem F (x) = P(X < x) nazýváme distribuční funkcí náhodné veličiny X. Distribuční funkce je tedy funkce, která každému reálnému číslu přiřazuje pravděpodobnost, že náhodná veličina nabude hodnoty menší než toto reálné číslo.
20 Vlastnosti distribuční funkce 1 0 F (x) 1, 2 x 1, x 2; x 1 < x 2 : F (x 1) < F (x 2), tzn. distribuční funkce je neklesající fci argumentu x, 3 a R : lim F (x) = F (a), x a tzn. F (x) je spojitá zleva v každém bodě, 4 F (x) má nejvýše spočetně mnoho bodů nespojitosti, 5 lim F (x) = 0, x 6 lim F (x) = 1. x
21 Vztahy mezi pravděpodobností a distribuční funkcí 1 P(X < a) = F (a), pro všechna a R, 2 P(X a) = 1 F (a), pro všechna a R, 3 P(a X < b) = F (b) F (a), pro všechna a < b; a, b R, 4 P(X = a) = lim F (x) F (a), pro všechna a R. x a +
22 Klasifikace náhodných veličin 1 diskrétní náhodné veličiny - mohou nabývat konečný nebo spočetný počet hodnot, 2 spojité náhodné veličiny - nabývají hodnot z nějakého nedegenerovaného intervalu.
23 Diskrétní náhodná veličina Definice Řekneme, že náhodná veličina X má diskrétní rozdělení pravděpodobnosti (zkráceně je diskrétní ) právě tehdy, když nabývá nejvýše spočetně mnoha hodnot {x 1, x 2,... } tak, že 1 P(X = x i) 0, 2 P(X = x i) = 1. i=1 Pravděpodobnostní funkce může být zadána 1) předpisem Příklad x {0; 1; 2; 3} : P(X = x) = ( ) x x x
24 Diskrétní náhodná veličina Definice Řekneme, že náhodná veličina X má diskrétní rozdělení pravděpodobnosti (zkráceně je diskrétní ) právě tehdy, když nabývá nejvýše spočetně mnoha hodnot {x 1, x 2,... } tak, že 1 P(X = x i) 0, 2 P(X = x i) = 1. i=1 Pravděpodobnostní funkce může být zadána 2) tabulkou Příklad: x celkem P(x)
25 Diskrétní náhodná veličina Definice Řekneme, že náhodná veličina X má diskrétní rozdělení pravděpodobnosti (zkráceně je diskrétní ) právě tehdy, když nabývá nejvýše spočetně mnoha hodnot {x 1, x 2,... } tak, že 1 P(X = x i) 0, 2 P(X = x i) = 1. i=1 Pravděpodobnostní funkce může být zadána 3) grafem. Příklad P(x)
26 Diskrétní náhodná veličina Příklady: počet studentů, kteří vstoupili do hlavní budovy VŠB-TUO během dopoledne (0, 1, 2,... ), počet členů domácnosti (1, 2, 3,... ), počet dopravních nehod za jeden den na dálnici z Prahy do Ostravy (0, 1,... ), součet hodnot při hodu třemi kostkami (3, 4,..., 18), atd.
27 F (x) 1 P(X a) F (b) P(a X < b) P(X = a) F (a) P(X < a) 0 a b x
28 Spojitá náhodná veličina Definice Řekneme, že náhodná veličina X má spojité rozdělení pravděpodobnosti (zkráceně je spojitá ) právě tehdy, má-li spojitou distribuční funkci. Příklady životnost výrobku, délka novorozeněte, náhodně vybrané reálné číslo, atd.
29 Spojitá náhodná veličina Z definice vyplývá, že v případě spojité náhodné veličiny nemá smysl jednotlivým realizacím náhodné veličiny přiřazovat hodnotu pravděpodobnosti, poněvadž pravděpodobnostní funkce je nulová. Proč? P(x = a) = lim F (x) F (a) = F (a) F (a) = 0, pro všechna a R. x a + Proto také platí, že 1 P(X a) = P(X < a), 2 P(X > a) = P(X a), 3 P(a X b) = P(a < X < b) = P(a < X b) = P(a X < b).
30 Pomocí jakých nástrojů tedy můžeme spojitou náhodnou veličinu popsat? Hustota pravděpodobnosti.
31 Hustota pravděpodobnosti Definice Hustota pravděpodobnosti f (x) spojité náhodné veličiny je reálná nezáporná funkce taková, že F (x) = x f (t)dt, pro < x <. Příklad Gaussova křivka Dá se ukázat, že ve všech bodech, kde existuje derivace distribuční funkce, platí f (x) = df (x). dx
32 Vlastnosti hustoty 1 f (x) 0, tzn. hustota pravděpodobnosti je nezáporná funkce, 2 f (x) = 1, tzn. plocha pod křivkou hustoty pravděpodobnosti je rovna 1, 3 lim x f (x) = 0 4 lim x f (x) = 0 Poznámka: Hodnota hustoty pravděpodobnosti f (x) neudává pravděpodobnost toho, že náhodná veličina X má hodnotu x. Hustota pravděpodobnosti f (x) neudává žádnou pravděpodobnost. Muže nabývat také hodnot vyšších než 1.
33 Vztahy mezi pravděpodobností výskytu spojité náhodné veličiny v nějakém intervalu a hustotou pravděpodobnosti a, b R, a < b : 1 P(X = a) = 0, 2 P(X < a) = F (a) = 3 a f (x)dx, 4 P(X a) = 1 F (a) = = a f (x)dx, P(a X < b) = F (b) F (a) = = b a f (x)dx f (x)dx b a f (x)dx f (x)dx a f (x)dx
34 F (x) 1 P(X a) F (b) P(a X < b) F (a) P(X < a) 0 a b x
35 Geometrická interpretace vztahu mezi pravděpodobností a hustotou pravděpodobnosti b P(a X < b) = f (x)dx a f (x) P(a X < b) 0 a b x Obsah plochy pod křivkou f (x) pro x a, b) je pravděpodobnost toho, že náhodná veličina X nabude hodnoty z tohoto intervalu.
36 Geometrická interpretace vztahu mezi pravděpodobností a hustotou pravděpodobnosti P(X < a) = b f (x)dx f (x) P(X < a) 0 a x Obsah plochy pod křivkou f (x) pro x (, a) je pravděpodobnost toho, že náhodná veličina X nabude hodnoty z tohoto intervalu.
37 Geometrická interpretace vztahu mezi pravděpodobností a hustotou pravděpodobnosti P(X b) = f (x)dx a f (x) P(X a) 0 a x Obsah plochy pod křivkou f (x) pro x (a, ) je pravděpodobnost toho, že náhodná veličina X nabude hodnoty z tohoto intervalu.
38 Děkuji za pozornost!!!
NÁHODNÁ VELIČINA. 3. cvičení
NÁHODNÁ VELIČINA 3. cvičení Náhodná veličina Náhodná veličina funkce, která každému výsledku náhodného pokusu přiřadí reálné číslo. Je to matematický model popisující více či méně dobře realitu, který
VíceNáhodný pokus Náhodným pokusem (stručněji pokusem) rozumíme každé uskutečnění určitého systému podmínek resp. pravidel.
Základy teorie pravděpodobnosti Náhodný pokus Náhodným pokusem (stručněji pokusem) rozumíme každé uskutečnění určitého systému podmínek resp. pravidel. Poznámka: Výsledek pokusu není předem znám (výsledek
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Náhodná proměnná Náhodná veličina slouží k popisu výsledku pokusu. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáme. Přesto bychom chtěli tento pokus
VícePravděpodobnost a aplikovaná statistika
Pravděpodobnost a aplikovaná statistika MGR. JANA SEKNIČKOVÁ, PH.D. 2. KAPITOLA PODMÍNĚNÁ PRAVDĚPODOBNOST 3. KAPITOLA NÁHODNÁ VELIČINA 9.11.2017 Opakování Uveďte příklad aplikace geometrické definice pravděpodobnosti
VíceJiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel
Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Výsledky některých náhodných pokusů jsou přímo vyjádřeny číselně (např. při hodu kostkou padne 6). Náhodnou veličinou
VíceNěkdy lze výsledek pokusu popsat jediným číslem, které označíme X (nebo jiným velkým písmenem). Hodíme dvěma kostkami jaký padl součet?
Náhodné veličiny Náhodné veličiny Někdy lze výsledek pokusu popsat jediným číslem, které označíme X (nebo jiným velkým písmenem). Příklad Vytáhneme tři karty z balíčku zajímá nás, kolik je mezi nimi es.
VícePravděpodobnost a statistika
Pravděpodobnost a statistika 1 Náhodné pokusy a náhodné jevy Činnostem, jejichž výsledek není jednoznačně určen podmínkami, za kterých probíhají, a které jsou (alespoň teoreticky) neomezeně opakovatelné,
VíceIntuitivní pojem pravděpodobnosti
Pravděpodobnost Intuitivní pojem pravděpodobnosti Intuitivní pojem pravděpodobnosti Pravděpodobnost zkoumaného jevu vyjadřuje míru naděje, že tento jev nastane. Řekneme-li, že má nějaký jev pravděpodobnost
VícePravděpodobnost a její vlastnosti
Pravděpodobnost a její vlastnosti 1 Pravděpodobnost a její vlastnosti Náhodné jevy Náhodný jev je výsledek pokusu (tj. realizace určitého systému podmínek) a jeho charakteristickým rysem je, že může, ale
VícePravděpodobnost 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,
VíceNáhodná veličina a její charakteristiky. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáte. Proto je proměnná, která
Náhodná veličina a její charakteristiky Náhodná veličina a její charakteristiky Představte si, že provádíte náhodný pokus, jehož výsledek jste schopni ohodnotit nějakým číslem. Před provedením pokusu jeho
Vícea způsoby jejího popisu Ing. Michael Rost, Ph.D.
Podmíněná pravděpodobnost, náhodná veličina a způsoby jejího popisu Ing. Michael Rost, Ph.D. Podmíněná pravděpodobnost Pokud je jev A vázán na uskutečnění jevu B, pak tento jev nazýváme jevem podmíněným
Vícepravděpodobnosti 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.
VícePravděpodobnost a statistika, Biostatistika pro kombinované studium. Jan Kracík
Pravděpodobnost a statistika, Biostatistika pro kombinované studium Letní semestr 2017/2018 Tutoriál č. 2:, náhodný vektor Jan Kracík jan.kracik@vsb.cz náhodná veličina rozdělení pravděpodobnosti náhodné
VíceNáhodná veličina. Michal Fusek. 10. přednáška z ESMAT. Ústav matematiky FEKT VUT, Michal Fusek
Náhodná veličina Michal Fusek Ústav matematiky FEKT VUT, fusekmi@feec.vutbr.cz 10. přednáška z ESMAT Michal Fusek (fusekmi@feec.vutbr.cz) 1 / 71 Obsah 1 Náhodná veličina 2 Diskrétní náhodná veličina 3
VíceNáhodné jevy. Teorie pravděpodobnosti. Náhodné jevy. Operace s náhodnými jevy
Teorie pravděpodobnosti Náhodný pokus skončí jedním z řady možných výsledků předem nevíme, jak skončí (náhoda) příklad: hod kostkou, zítřejší počasí,... Pravděpodobnost zkoumá náhodné jevy (mohou, ale
VíceNáhodná veličina Číselné charakteristiky diskrétních náhodných veličin Spojitá náhodná veličina. Pravděpodobnost
Pravděpodobnost Náhodné veličiny a jejich číselné charakteristiky Petr Liška Masarykova univerzita 19.9.2014 Představme si, že provádíme pokus, jehož výsledek dokážeme ohodnotit číslem. Před provedením
VíceNMAI059 Pravděpodobnost a statistika
NMAI059 Pravděpodobnost a statistika podle přednášky Daniela Hlubinky (hlubinka@karlin.mff.cuni.cz) zapsal Pavel Obdržálek (pobdr@matfyz.cz) 205/20 poslední změna: 4. prosince 205 . přednáška. 0. 205 )
VíceTéma 2: Pravděpodobnostní vyjádření náhodných veličin
0.025 0.02 0.015 0.01 0.005 Nominální napětí v pásnici Std Mean 140 160 180 200 220 240 260 Std Téma 2: Pravděpodobnostní vyjádření náhodných veličin Přednáška z předmětu: Pravděpodobnostní posuzování
VíceJAK MODELOVAT VÝSLEDKY NÁH. POKUSŮ? Martina Litschmannová
JAK MODELOVAT VÝSLEDKY NÁH. POKUSŮ? Martina Litschmannová Opakování Základní pojmy z teorie pravděpodobnosti Co je to náhodný pokus? Děj, jehož výsledek není předem jednoznačně určen podmínkami, za nichž
VíceIII. Úplná pravděpodobnost. Nezávislé pokusy se dvěma výsledky. Úplná pravděpodobnost Nezávislé pokusy se dvěma výsledky Náhodná veličina
III Přednáška Úplná pravděpodobnost Nezávislé pokusy se dvěma výsledky Náhodná veličina Pravděpodobnost při existenci neslučitelných hypotéz Věta Mějme jev. Pokud H 1,H 2, : : :,H n tvoří úplnou skupinu
VíceZáklady teorie pravděpodobnosti
Základy teorie pravděpodobnosti Náhodná veličina Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 12. února 2012 Statistika by Birom Základy teorie
VíceJiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel
Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Definice P(A/B) pravděpodobnost nastoupení jevu A za předpokladu, že nastal jev B (P(B) > 0) definujeme vztahem
Více2. přednáška - PRAVDĚPODOBNOST
2. přednáška - PRAVDĚPODOBNOST NÁHODNÝ POKUS A JEV Každá opakovatelná činnost prováděná za stejných nebo přibližně stejných podmínek, jejíž výsledek je nejistý a závisí na náhodě, se nazývá náhodný pokus.
VíceTéma 22. Ondřej Nývlt
Téma 22 Ondřej Nývlt nyvlto1@fel.cvut.cz Náhodná veličina a náhodný vektor. Distribuční funkce, hustota a pravděpodobnostní funkce náhodné veličiny. Střední hodnota a rozptyl náhodné veličiny. Sdružené
VíceDiskrétní matematika. DiM /01, zimní semestr 2016/2017
Diskrétní matematika Petr Kovář petr.kovar@vsb.cz Vysoká škola báňská Technická univerzita Ostrava DiM 470-2301/01, zimní semestr 2016/2017 O tomto souboru Tento soubor je zamýšlen především jako pomůcka
VíceDiskrétní náhodná veličina. November 12, 2008
Diskrétní náhodná veličina November 12, 2008 (Náhodná veličina (náhodná proměnná)) Náhodná veličina (nebo též náhodná proměnná) je veličina X, jejíž hodnota je jednoznačně určena výsledkem náhodného pokusu.
VíceIB112 Základy matematiky
IB112 Základy matematiky Základy kombinatoriky a kombinatorická pravděpodobnost Jan Strejček Obsah IB112 Základy matematiky: Základy kombinatoriky a kombinatorická pravděpodobnost 2/57 Výběry prvků bez
VícePravděpodobnost a statistika (BI-PST) Cvičení č. 4
Pravděpodobnost a statistika (BI-PST) Cvičení č. 4 J. Hrabáková, I. Petr, F. Štampach, D. Vašata Katedra aplikované matematiky Fakulta informačních technologií České vysoké učení technické v Praze ZS 2014/2015
Víceletní semestr Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy Matematická statistika
Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy letní semestr 2012 1 1 Založeno na materiálech doc. Michala Kulicha veličina Definice Funkci
VíceNáhodný vektor a jeho charakteristiky
Náhodný vektor a jeho číselné charakteristiky 1 Náhodný vektor a jeho charakteristiky V následující kapitole budeme věnovat pozornost pouze dvourozměřnému náhodnému vektoru, i když uvedené pojmy a jejich
VíceTEORIE PRAVDĚPODOBNOSTI. 2. cvičení
TEORIE RAVDĚODONOSTI 2. cvičení Základní pojmy Klasická def. Statistická def. Geometrická def. odmíněná prav. ayesův teorém Test Základní pojmy Náhodný pokus - je každý konečný děj, jehož výsledek není
Více5. Náhodná veličina. 2. Házíme hrací kostkou dokud nepadne šestka. Náhodná veličina nabývá hodnot z posloupnosti {1, 2, 3,...}.
5. Náhodná veličina Poznámka: Pro popis náhodného pokusu jsme zavedli pojem jevového pole S jako množiny všech možných výsledků a pravděpodobnost náhodných jevů P jako míru výskytů jednotlivých výsledků.
VíceDiskrétní matematika. DiM /01, zimní semestr 2018/2019
Diskrétní matematika Petr Kovář petr.kovar@vsb.cz Vysoká škola báňská Technická univerzita Ostrava DiM 470-2301/01, zimní semestr 2018/2019 O tomto souboru Tento soubor je zamýšlen především jako pomůcka
Více7. Rozdělení pravděpodobnosti ve statistice
7. Rozdělení pravděpodobnosti ve statistice Statistika nuda je, má však cenné údaje, neklesejte na mysli, ona nám to vyčíslí Jednou z úloh statistiky je odhad (výpočet) hodnot statistického znaku x i,
VíceMatematika I 2a Konečná pravděpodobnost
Matematika I 2a Konečná pravděpodobnost Jan Slovák Masarykova univerzita Fakulta informatiky 24. 9. 2012 Obsah přednášky 1 Pravděpodobnost 2 Nezávislé jevy 3 Geometrická pravděpodobnost Viděli jsme už
VícePravděpodobnost je. Martina Litschmannová Katedra aplikované matematiky, FEI, VŠB-TU Ostrava
Pravděpodobnost je Martina Litschmannová Katedra aplikované matematiky, FEI, VŠB-TU Ostrava ŠKOMAM, 24. 1. 2017 Čím se zabývá teorie pravděpodobnosti? Pokus děj, který probíhá, resp. nastává opakovaně
VíceCvičení ze statistiky - 5. Filip Děchtěrenko
Cvičení ze statistiky - 5 Filip Děchtěrenko Minule bylo.. Začali jsme pravděpodobnost Klasická a statistická definice pravděpodobnosti Náhodný jev Doplněk, průnik, sjednocení Podmíněná pravděpodobnost
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Náhodná proměnná Náhodná veličina slouží k popisu výsledku pokusu. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáme. Přesto bychom chtěli tento pokus
VíceUrčete zákon rozložení náhodné veličiny, která značí součet ok při hodu a) jednou kostkou, b) dvěma kostkami, c) třemi kostkami.
3.1. 3.2. Třikrát vystřelíme na cíl. Pravděpodobnost zásahu při každém výstřelu je p = 0,7. Určete: a) pravděpodobnostní funkci počtu zásahů při třech nezávislých výsledcích, b) distribuční funkci a její
VíceRozdělení náhodné veličiny. Distribuční funkce. Vlastnosti distribuční funkce
Náhodná veličina motivace Náhodná veličina Často lze výsledek náhodného pokusu vyjádřit číslem: číslo, které padlo na kostce, výška náhodně vybraného studenta, čas strávený čekáním na metro, délka života
VíceTeorie pravěpodobnosti 1
Teorie pravěpodobnosti 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Náhodný jev a pravděpodobnost Každou zákonitost sledovanou v přírodě lze zjednodušeně charakterizovat jako
VíceKMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC
Přednáška 03 Přírodovědecká fakulta Katedra matematiky KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC jiri.cihlar@ujep.cz Diskrétní rozdělení Důležitá diskrétní rozdělení pravděpodobnosti
VíceÚvod do teorie pravděpodobnosti
Úvod do teorie pravděpodobnosti Michal Fusek Ústav matematiky FEKT VUT, fusekmi@feec.vutbr.cz 9. přednáška z ESMAT Michal Fusek (fusekmi@feec.vutbr.cz) 1 / 33 Obsah 1 Náhodné jevy 2 Pravděpodobnost 3 Podmíněná
Více1 Pravděpodobnostní prostor
PaS 1.-10. přednáška 1 Pravděpodobnostní prostor Náhodný pokus je takový pokus, jehož výsledek nelze s jistotou předpovědět. Pokud jsme schopni pokus za stále stejných podmínek opakovat (například házíme
VíceI. D i s k r é t n í r o z d ě l e n í
6. T y p y r o z d ě l e n í Poznámka: V odst. 5.5-5.10 jsme uvedli příklady náhodných veličin a jejich distribučních funkcí. Poznali jsme, že se od sebe liší svým typem. V příkladech 5.5, 5.6 a 5.8 jsme
VíceJAK MODELOVAT VÝSLEDKY
JAK MODELOVAT VÝSLEDKY NÁHODNÝCH POKUSŮ? Martina Litschmannová Opakování Základní pojmy z teorie pravděpodobnosti Co je to náhodný pokus? Děj, jehož výsledek není předem jednoznačně určen podmínkami, za
Vícep(x) = P (X = x), x R,
6. T y p y r o z d ě l e n í Poznámka: V odst. 5.5-5.10 jsme uvedli příklady náhodných veličin a jejich distribučních funkcí. Poznali jsme, že se od sebe liší svým typem. V příkladech 5.5, 5.6 a 5.8 jsme
VíceTéma 2: Pravděpodobnostní vyjádření náhodných veličin
0.05 0.0 0.05 0.0 0.005 Nominální napětí v pásnici Std Mean 40 60 80 00 0 40 60 Std Téma : Pravděpodobnostní vyjádření náhodných veličin Přednáška z předmětu: Spolehlivost a bezpečnost staveb 4. ročník
VíceE(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
VícePřednáška. Diskrétní náhodná proměnná. Charakteristiky DNP. Základní rozdělení DNP
IV Přednáška Diskrétní náhodná proměnná Charakteristiky DNP Základní rozdělení DNP Diskrétní náhodná veličina Funkce definovaná na Ω, přiřazující každému elementárnímu jevu E prvky X(E) D R kde D je posloupnost
VíceNáhodné chyby přímých měření
Náhodné chyby přímých měření Hodnoty náhodných chyb se nedají stanovit předem, ale na základě počtu pravděpodobnosti lze zjistit, která z možných naměřených hodnot je více a která je méně pravděpodobná.
VíceNáhodný vektor. Náhodný vektor. Hustota náhodného vektoru. Hustota náhodného vektoru. Náhodný vektor je dvojice náhodných veličin (X, Y ) T = ( X
Náhodný vektor Náhodný vektor zatím jsme sledovali jednu náhodnou veličinu, její rozdělení a charakteristiky často potřebujeme vyšetřovat vzájemný vztah několika náhodných veličin musíme sledovat jejich
VíceDistribuční funkce je funkcí neklesající, tj. pro všechna
Téma: Náhodná veličina, distribuční funkce a její graf, pravděpodobnostní funkce a její graf, funkce hustoty pravděpodobnosti a její graf, výpočet střední hodnoty a rozptylu náhodné veličiny 1 Náhodná
Více10. N á h o d n ý v e k t o r
10. N á h o d n ý v e k t o r 10.1. Definice: Náhodný vektor. Uspořádanou n tici (X 1, X 2,..., X n ) náhodných veličin X i, 1 i n, nazýváme náhodným vektorem. Poznámka: Pro jednoduchost budeme zavádět
VícePříklady: - počet členů dané domácnosti - počet zákazníků ve frontě - počet pokusů do padnutí čísla šest - životnost televizoru - věk člověka
Náhodná veličina Náhodnou veličinou nazýváme veličinu, terá s určitými p-stmi nabývá reálných hodnot jednoznačně přiřazených výsledům příslušných náhodných pousů Náhodné veličiny obvyle dělíme na dva záladní
VíceZáklady teorie pravděpodobnosti
Základy teorie pravděpodobnosti Náhodný jev Pravděpodobnost náhodného jevu Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 15. srpna 2012 Statistika
VíceNÁHODNÁ VELIČINA. Podle typu výběrového prostoru rozlišujeme dva základní druhy NV Diskrétní (nespojitou) náhodnou veličinu Spojitou náhodnou veličinu
NÁHODNÁ VELIČINA NÁHODNÁ VELIČINA Provedeme náhodný pokus (vybereme nějaké lidi, výrobky) A jejich výsledkem je nějaké reálné číslo (počet VŠ, počet vadných výrobků) Kdyţ je moţné přiřadit číslo můţeme
VíceDefinice 7.1 Nechť je dán pravděpodobnostní prostor (Ω, A, P). Zobrazení. nebo ekvivalentně
7 Náhodný vektor Nezávislost náhodných veličin Definice 7 Nechť je dán pravděpodobnostní prostor (Ω, A, P) Zobrazení X : Ω R n, které je A-měřitelné, se nazývá (n-rozměrný) náhodný vektor Měřitelností
VíceInženýrská statistika pak představuje soubor postupů a aplikací teoretických principů v oblasti inženýrské činnosti.
Přednáška č. 1 Úvod do statistiky a počtu pravděpodobnosti Statistika Statistika je věda a postup jak rozvíjet lidské znalosti použitím empirických dat. Je založena na matematické statistice, která je
VícePŘEDNÁŠKA 2 POSLOUPNOSTI
PŘEDNÁŠKA 2 POSLOUPNOSTI 2.1 Zobrazení 2 Definice 1. Uvažujme libovolné neprázdné množiny A, B. Zobrazení množiny A do množiny B je definováno jako množina F uspořádaných dvojic (x, y A B, kde ke každému
VíceBayesovské metody. Mnohorozměrná analýza dat
Mnohorozměrná analýza dat Podmíněná pravděpodobnost Definice: Uvažujme náhodné jevy A a B takové, že P(B) > 0. Podmíněnou pravěpodobností jevu A za podmínky, že nastal jev B, nazýváme podíl P(A B) P(A
VíceDefinice spojité náhodné veličiny zjednodušená verze
Definice spojité náhodné veličiny zjednodušená verze Náhodná veličina X se nazývá spojitá, jestliže existuje nezáporná funkce f : R R taková, že pro každé a, b R { }, a < b, platí P(a < X < b) = b a f
VíceTomáš 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
VíceNáhodná veličina a rozdělení pravděpodobnosti
3.2 Náhodná veličina a rozdělení pravděpodobnosti Bůh hraje se světem hru v kostky. Jsou to ale falešné kostky. Naším hlavním úkolem je zjistit, podle jakých pravidel byly označeny, a pak toho využít pro
VíceNáhodný vektor. Náhodný vektor. Hustota náhodného vektoru. Hustota náhodného vektoru. Náhodný vektor je dvojice náhodných veličin (X, Y ) T = ( X
Náhodný vektor Náhodný vektor zatím jsme sledovali jednu náhodnou veličinu, její rozdělení a charakteristik často potřebujeme všetřovat vzájemný vztah několika náhodných veličin musíme sledovat jejich
Více10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.
0 cvičení z PST 5 prosince 208 0 (intervalový odhad pro rozptyl) Soubor (70, 84, 89, 70, 74, 70) je náhodným výběrem z normálního rozdělení N(µ, σ 2 ) Určete oboustranný symetrický 95% interval spolehlivosti
VíceStatistika II. Jiří Neubauer
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Zaměříme se především na popis dvourozměrných náhodných veličin (vektorů). Definice Nechť X a Y jsou
VíceNáhodné (statistické) chyby přímých měření
Náhodné (statistické) chyby přímých měření Hodnoty náhodných chyb se nedají stanovit předem, ale na základě počtu pravděpodobnosti lze zjistit, která z možných naměřených hodnot je více a která je méně
VíceAVDAT Náhodný vektor, mnohorozměrné rozdělení
AVDAT Náhodný vektor, mnohorozměrné rozdělení Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Opakování, náhodná veličina, rozdělení Náhodná veličina zobrazuje elementární
Více5.1. Klasická pravděpodobnst
5. Pravděpodobnost Uvažujme množinu Ω všech možných výsledků náhodného pokusu, například hodu mincí, hodu kostkou, výběru karty z balíčku a podobně. Tato množina se nazývá základní prostor a její prvky
VíceVYBRANÁ ROZDĚLENÍ. DISKRÉTNÍ NÁH. VELIČINY Martina Litschmannová
VYBRANÁ ROZDĚLENÍ DISKRÉTNÍ NÁH. VELIČINY Martina Litschmannová Opakování Základní pojmy z teorie pravděpodobnosti Co je to náhodná veličina (dále NV)? Číselné vyjádření výsledku náhodného pokusu. Jaké
Vícepravděpodobnosti a Bayesova věta
NMUMP0 (Pravděpodobnost a matematická statistika I) Nezávislost, podmíněná pravděpodobnost, věta o úplné pravděpodobnosti a Bayesova věta. Házíme dvěma pravidelnými kostkami. (a) Jaká je pravděpodobnost,
VícePřednáška 3: Limita a spojitost
3 / 1 / 17, 1:38 Přednáška 3: Limita a spojitost Limita funkce Nejdříve je potřeba upřesnit pojmy, které přesněji popisují (topologickou) strukturu množiny reálných čísel, a to zejména pojem okolí 31 Definice
Více5 Pravděpodobnost. Sestavíme pravděpodobnostní prostor, který modeluje vytažení dvou ponožek ze šuplíku. Elementární jevy
Typické příklady pro zápočtové písemky DiM 70-30 (Kovář, Kovářová, Kubesa) (verze: November 5, 08) 5 Pravděpodobnost 5.. Jiří má v šuplíku rozházených osm párů ponožek, dva páry jsou černé, dva páry modré,
VíceInovace bakalářského studijního oboru Aplikovaná chemie
http://aplchem.upol.cz CZ.1.07/2.2.00/15.0247 Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. Základy zpracování dat chemometrie, statistika Doporučenáliteratura
Více4. cvičení 4ST201. Pravděpodobnost. Obsah: Pravděpodobnost Náhodná veličina. Co je třeba znát z přednášek
cvičící 4. cvičení 4ST201 Obsah: Pravděpodobnost Náhodná veličina Vysoká škola ekonomická 1 Pravděpodobnost Co je třeba znát z přednášek 1. Náhodný jev, náhodný pokus 2. Jev nemožný, jev jistý 3. Klasická
VíceVšechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a
Všechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a báli jste se zeptat Jedinečnou funkcí statistiky je, že umožňuje vědci číselně vyjádřit nejistotu v jeho závěrech. (G. W. Snedecor)
VíceMatematika III. 27. září Vysoká škola báňská - Technická univerzita Ostrava. Matematika III
Vysoká škola báňská - Technická univerzita Ostrava 27. září 2018 Teorie pravděpodobnosti Teorie pravděpodobnosti je odvětvím matematiky, které studuje matematické modely náhodných pokusu, tedy zabývá se
VíceZáklady teorie pravděpodobnosti
Základy teorie pravděpodobnosti Náhodná veličina Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 12. února 2012 Statistika by Birom Základy teorie
Více9. T r a n s f o r m a c e n á h o d n é v e l i č i n y
9. T r a n s f o r m a c e n á h o d n é v e l i č i n y Při popisu procesů zpracováváme vstupní údaj, hodnotu x tak, že výstupní hodnota y závisí nějakým způsobem na vstupní, je její funkcí y = f(x).
VícePravděpodobnost a statistika I KMA/K413
Pravděpodobnost a statistika I KMA/K413 Konzultace 3 Přírodovědecká fakulta Katedra matematiky jiri.cihlar@ujep.cz Kovariance, momenty Definice kovariance: Kovariance náhodných veličin Dále můžeme dokázat:,
VícePoznámky k předmětu Aplikovaná statistika, 4. téma
Poznámky k předmětu Aplikovaná statistika, 4. téma 4. Náhodné vektory V praxi se nám může hodit postihnout více vlastností jednoho objektu najednou, např. výšku, váhu a pohlaví člověka; rychlost chemické
VíceLimitní věty teorie pravděpodobnosti. Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel
Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Jestliže opakujeme nezávisle nějaký pokus, můžeme z pozorovaných hodnot sestavit rozdělení relativních četností
Více1 Rozptyl a kovariance
Rozptyl a kovariance Nechť X je náhodná veličina s konečnou střední hodnotou EX Potom rozptyl náhodné veličiny X definujeme jako: DX E(X EX, pokud střední hodnota na pravé straně existuje Podobně jako
VíceNáhodné vektory a matice
Náhodné vektory a matice Jiří Militký Katedra textilních materiálů Technická Universita Liberec, Červeně označené slide jsou jen pro doplnění informací a nezkouší se. Symbolika A B Jev jistý S (nastane
VíceP13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod.
P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod. Matematický přístup k výsledkům únavových zkoušek Náhodnost výsledků únavových zkoušek. Únavové
VíceLimita a spojitost funkce
Limita a spojitost funkce Základ všší matematik Dana Říhová Mendelu Brno Průřezová inovace studijních programů Lesnické a dřevařské fakult MENDELU v Brně (LDF) s ohledem na disciplin společného základu
VíceTomáš 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, 1. skupina (16:15-17:45) Jméno: se. Postup je třeba odůvodnit (okomentovat) nebo uvést výpočet. Výsledek bez uvedení jakéhokoliv
42206, skupina (6:5-7:45) Jméno: Zápočtový test z PSI Nezapomeňte podepsat VŠECHNY papíry, které odevzdáváte Škrtejte zřetelně a stejně zřetelně pište i věci, které platí Co je škrtnuto, nebude bráno v
VícePoznámky k předmětu Aplikovaná statistika, 4. téma
Poznámky k předmětu Aplikovaná statistika, 4. téma 4. Náhodné vektory V praxi se nám může hodit postihnout více vlastností jednoho objektu najednou, např. výšku, váhu a pohlaví člověka; rychlost chemické
VícePravděpodobnost a aplikovaná statistika
Pravděpodobnost a aplikovaná statistika MGR. JANA SEKNIČKOVÁ, PH.D. 1. KAPITOLA - PRAVDĚPODOBNOST 2.10.2017 Kontakt Mgr. Jana Sekničková, Ph.D. jana.seknickova@vse.cz Katedra softwarového inženýrství Fakulta
VíceLékařská 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
VíceZadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2014
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2014 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia
VíceNáhodný 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
VícePravděpodobnost a statistika (BI-PST) Cvičení č. 2
Pravděpodobnost a statistika (BI-PST) Cvičení č. 2 J. Hrabáková, I. Petr, F. Štampach, D. Vašata Katedra aplikované matematiky Fakulta informačních technologií České vysoké učení technické v Praze ZS 2014/2015
Víceletní semestr Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy Matematická statistika vektory
Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy letní semestr 202 Založeno na materiálech doc. Michala Kulicha Náhodný vektor často potřebujeme
Více1 Báze a dimenze vektorového prostoru 1
1 Báze a dimenze vektorového prostoru 1 Báze a dimenze vektorového prostoru 1 2 Aritmetické vektorové prostory 7 3 Eukleidovské vektorové prostory 9 Levá vnější operace Definice 5.1 Necht A B. Levou vnější
Více