PRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení
|
|
- Richard Fišer
- před 6 lety
- Počet zobrazení:
Transkript
1 S1P áhodá roměá vybraá rozděleí PRAVDĚPODOBOST A STATISTIKA áhodá roměá vybraá rozděleí
2 S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Degeerovaé rozděleí D( ) áhodá veličia X s degeerovaým rozděleím X ~D(), R má základí rostor Z = { } a ravděodobostí fukci: ( ) 1 0 Charakteristiky: středí hodota: E(X ) roztyl: D( X ) 0 Pozámka: Jedá se o kostatí áhodou roměou.
3 S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Alterativí (Beroulliovo) rozděleí A() áhodá veličia X s alterativím rozděleím X ~A(), (0, 1) má základí rostor Z = {0,1} a ravděodobostí fukci: (0) (1) 1 Charakteristiky: středí hodota: E( X ) roztyl: D( X ) (1 ) koeficiet šikmosti: A 3 ( X ) 1 2 (1 ) koeficiet šičatosti: A 4 ( 1 6 (1 ) X ) (1 )
4 S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Klasické rozděleí (diskrétí rovoměré rozděleí) C() áhodá veličia X s klasickým rozděleím X~C(), má základí rostor Z = {1, 2,, } a ravděodobostí fukci: ( ) 1 Z Charakteristiky: středí hodota: roztyl: mediá: 1 E( X ) D( X ) 12 1 liché ~ 2 sudé 2 koeficiet šikmosti: A3 ( X ) 0
5 S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Biomické rozděleí Bi(,) áhodá veličia X s biomickým rozděleím X~Bi(,),, (0, 1) má základí rostor Z = {0,1, 2,, } a ravděodobostí fukci: ( ) (1 ) Charakteristiky: středí hodota: E( X ) roztyl: mediá: koeficiet šikmosti: koeficiet šičatosti: D( X ) (1 ) ~ ( 1) 1, ( 1) 1 2 A3( X ) (1 ) 1 6 (1 ) A4 ( X ) (1 )
6 S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Biomické rozděleí Bi(,) Biomické rozděleí výběr s vraceím ázev rozděleí ochází ze skutečosti, že ravděodobosti () jsou čley biomického rozvoje 1 1 ( (1 )) ( )
7 S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Biomické rozděleí Bi(,0.5) středí hodota: roztyl: E( X ) 2 D( X ) 4 koeficiet šikmosti: A3 ( X ) 0 koeficiet šičatosti: A X 2 4( )
8 S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Biomické rozděleí Bi(,) Vlastosti: 1) ro =1 dostáváme: Bi(1,)=A() 2) echť X, 1, X jsou áhodé roměé, stochasticky ezávislé (vektor), X Bi(, ), ak i i X Bi(, ) i1 i 3) echť X, 1, X jsou áhodé roměé, stochasticky ezávislé (vektor), X A( ), ak i X Bi(, ) i1 i ad3): Pro áhodou roměou oisující očet adutí 6 ři 10 okusech je jedo zda hodím jedou kostkou 10 - A(1/6), ebo 10 kostkami 1 - Bi(10,1/6). i1 i
9 S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Multiomické rozděleí Mu(, 1,, k ) áhodé veličiy X 1,, X k s multiomickým rozděleím, (X 1,, X k ) Mu(, 1,, k ), 1,, k, 1,, k (0, 1) k i1 i i1 má ravděodobostí fukci: Charakteristiky: k i 1 (! 1 1,, k ) 2 1! 2! k! k středí hodota: E( X,, X k ) ( 1,, 1 k ) Multiomické rozděleí je zobecěí biomického rozděleí, kdy místo astoueí dvou jevů uvažujeme astoueí k jevů.
10 S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Geometrické rozděleí Ge() áhodá veličia X s geometrickým rozděleím X~Ge(), (0, 1) má základí rostor Z = {0,1, 2,,, } a ravděodobostí fukci: ( ) (1 ) Pokus oakujeme tak dlouho, až astae úsěch. () je ravděodobost, že rovedeme eúsěšých okusů. Charakteristiky: středí hodota: roztyl: mediá: E( X ) 1 1 D( X ) 2 ~ 0
11 S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P egativí biomické (Pascalovo) rozděleí B(k,) áhodá veličia X s egativě biomickým rozděleím X~B(k,), k, (0, 1) má základí rostor Z = {0,1, 2,,, } a ravděodobostí fukci: k 1 k ( ) (1 ) Pokus oakujeme tak dlouho, až astae k úsěchů. () je ravděodobost, že rovedeme eúsěšých okusů řed k-tým úsěšým okusem. Charakteristiky: středí hodota: roztyl: mediá: E( X ) k 1 1 D( X ) k 2 ~ k 1
12 S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Pascalovo (egativí biomické ) rozděleí Ps(k,) Pojmeováo odle Blaise Pascala ( ).
13 S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Zobecěé Pascalovo (egativí biomické) rozděleí Ps(k,) áhodá veličia X s ascalovým rozděleím X~Ps(k,), kr, k >0, (0, 1) má základí rostor Z = {0,1, 2,,, } a ravděodobostí fukci: k 1 k ( ) (1 ) kde místo faktoriálu oužijeme Gama fukci: k k t! ( k 1) t e dt 0
14 áhodá veličia X s hyergeometrickým rozděleím X~H(,M,), kde libovolé celé číslo, 1 M <, 1 <, základí rostor Z = {ma{0, M-+},, mi{m,} ravděodobostí fukci: Hyergeometrické rozděleí H(,M,) Charakteristiky: středí hodota: roztyl: mediá: M M ) ( M X E ) ( 1 1 ) ( M M X D , ~ M M S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P
15 S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Hyergeometrické rozděleí H(,M,) Hyergeometrické rozděleí výběr bez vraceím
16 S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Poissoovo rozděleí Po(λ) áhodá veličia X s Poissoovým rozděleím X~Po(λ), λ R, λ>0 má základí rostor Z = {0,1, 2,,, } a ravděodobostí fukci: ( ) e! Charakteristiky: středí hodota: roztyl: E(X ) D(X ) mediá: ~ 1, koeficiet šikmosti: A3 ( X ) 1
17 S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Poissoovo rozděleí Po(λ) Poissoovo rozděleí rozděleí, které oisuje výskyt áhodého jevu v ředem daém časovém úseku. λ lze ovažovat jako růměrý očet událostí za časový úsek Platí: echť X, X jsou áhodé roměé, stochasticky ezávislé 1, (vektor), X i Po( i ), ak X Po( ) i1 i i1 i
18 S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Poissoův roces zkoumá ravděodobost, že se v časovém itervalu délky t stae rávě událostí. Podmíky: 1) očet událostí v disjukích itervalech jsou ezávislé 2) ravděodobost, že se během itervalu délky dt stae rávě jeda událost je rova λdt 3) ravděodobost, že se během itervalu délky dt stae dvě a více událostí je rova 0dt Hustota ravděodobosti, že se v časovém itervalu délky t stae rávě událostí. t t f ( t) e! Pro evý časový iterval délky t ozačme: λt=τ f ( t) t e!
19 S1P áhodá roměá vybraá rozděleí Aroimace diskrétích rozděleí Za vhodých odmíek lze jedo rozděleí ahradit jiým aroimace Biomického rozděleí: Platí (věta Poissoova): echť X 1,, X, jsou áhodé roměé, stochasticky ezávislé (vektor), X (, ). Dále echť a, Bi lim 0 lim ak lim (1 ) e! Tedy ro latí: Bi(, ) Po( ) V rai můžeme Biomické rozděleí Bi(,) ahradit Poissoovým Po() za těchto odmíek: < 0.1 a > 30. Chyba aroimace je < 10-2.
20 S1P áhodá roměá vybraá rozděleí Aroimace diskrétích rozděleí Za vhodých odmíek lze jedo rozděleí ahradit jiým aroimace Biomického rozděleí:
21 S1P áhodá roměá vybraá rozděleí Aroimace diskrétích rozděleí Aroimace Hyergeometrického rozděleí: Biomické rozděleí výběr s vraceím Hyergeometrické rozděleí výběr vez vracei Pokud budeme mít velký očet rvků a očet vybraých rvků bude malý, tak výsledek okusu bude málo ovlivě vraceím. Pokud 0,1, tak lze Hyergeometrické rozděleí ahradit Biomickým. M H(,M,) Bi(, )
PRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBOST A STATISTIKA Degeerovaé rozděleí D( ) áhodá veličia X s degeerovaým rozděleím X ~D(), R má základí rostor Z = { } a ravděodobostí fukci: ( ) 1 0 Charakteristiky: středí hodota: E(X ) roztyl:
VícePRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru
SP Náhodý vetor ezávislost fuce NV PRAVDĚPODONOST A STATISTIKA Náhodý vetor ezávislost fuce áhodého vetoru Libor Žá Náhodý vetor stochasticá ezávislost Náhodé veličiy... defiovaé a ravděodobostím rostoru
VícePRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru
SP Náhodý vetor ezávislost fuce NV PRAVDĚPODONOST A STATISTIKA Náhodý vetor ezávislost fuce áhodého vetoru Libor Žá Náhodý vetor stochasticá ezávislost Náhodé veličiy... defiovaé a ravděodobostím rostoru
VícePRAVDĚPODOBNOST A STATISTIKA. Metoda momentů Metoda maximální věrohodnosti
SP3 Odhady arametrů PRAVDĚPODOBNOST A STATISTIKA Metoda momentů Metoda maimální věrohodnosti SP3 Odhady arametrů Metoda momentů Vychází se z: - P - ravděodobnostní rostor - X je náhodná roměnná s hustotou
VícePRAVDĚPODOBNOST ... m n
RVDĚODONOST - matematická discilía, která se zabývá studiem zákoitostí, jimiž se řídí hromadé áhodé jevy - vytváří ravděodobostí modely, omocí ichž se saží ostihout rocesy, ovlivěé áhodou. Náhodé okusy:
Vícemůžeme toto číslo považovat za pravděpodobnost jevu A.
RVDĚODONOST - matematická discilía, která se zabývá studiem zákoitostí, jimiž se řídí hromadé áhodé jevy - vytváří ravděodobostí modely, omocí ichž se saží ostihout áhodé rocesy. Náhodé okusy: rocesy,
Vícejako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých
9 Limití věty. V aplikacích teorie pravděpodobosti (matematická statistika, metody Mote Carlo se užívají tvrzeí vět o kovergeci posloupostí áhodých veliči. Podle povahy kovergece se limití věty teorie
VíceNáhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů.
Náhodu bychom mohli defiovat jako součet velkého počtu drobých epozaých vlivů. V rámci přírodích věd se setkáváme s pokusy typu za určitých podmíek vždy astae určitý důsledek. Např. jestliže za ormálího
Více4. B o d o v é o d h a d y p a r a m e t r ů
4. B o d o v é o d h a d y p a r a m e t r ů Na základě hodot áhodého výběru z rozděleí určitého typu odhadujeme parametry tohoto rozděleí, tak aby co ejlépe odpovídaly hodotám výběru. Formulujme tudíž
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Bodové a itervalové odhady Nechť X je áhodá proměá, která má distribučí fukci F(x, ϑ). Předpokládejme, že záme tvar distribučí fukce (víme jaké má rozděleí) a ezáme parametr
Více12. 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
Více14. B o d o v é o d h a d y p a r a m e t r ů
4. B o d o v é o d h a d y p a r a m e t r ů Na základě hodot áhodého výběru z rozděleí určitého typu odhadujeme parametry tohoto rozděleí, tak aby co ejlépe odpovídaly hodotám výběru. Formulujme tudíž
VíceV. Normální rozdělení
V. Normálí rozděleí 1. Náhodá veličia X má ormovaé ormálí rozděleí N(0; 1). Určete: a) P (X < 1, 5); P (X > 0, 3); P ( 1, 135 < x ); P (X < 3X + ). c) číslo ε takové, že P ( X < ε) = 0,
Více1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.
Náhodá veličia Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 45/004. Náhodá veličia Většia áhodých pokusů má jako výsledky reálá čísla. Budeme tedy dále áhodou veličiou rozumět proměou, která
Více2. Náhodná veličina. je konečná nebo spočetná množina;
. Náhodá veličia Většia áhodých pokusů koaých v přírodích ebo společeských vědách má iterpretaci pomocí reálé hodoty. Při takovýchto dějích přiřazujeme tedy reálá čísla áhodým jevům. Proto je důležité
VíceNáhodný výběr 1. Náhodný výběr
Náhodý výběr 1 Náhodý výběr Matematická statistika poskytuje metody pro popis veliči áhodého charakteru pomocí jejich pozorovaých hodot, přesěji řečeo jde o určeí důležitých vlastostí rozděleí pravděpodobosti
Vícez možností, jak tuto veličinu charakterizovat, je určit součet
6 Charakteristiky áhodé veličiy. Nejdůležitější diskrétí a spojitá rozděleí. 6.1. Číselé charakteristiky áhodé veličiy 6.1.1. Středí hodota Uvažujme ejprve diskrétí áhodou veličiu X s rozděleím {x }, {p
VícePři sledování a studiu vlastností náhodných výsledků poznáme charakter. podmínek různé výsledky. Ty odpovídají hodnotám jednotlivých realizací
3. Náhodý výběr 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 realizací
VíceTento materiál vznikl díky Operačnímu programu Praha Adaptabilita CZ.2.17/3.1.00/33254
Evroský sociálí od Praha & EU: Ivestujeme do vaší budoucosti eto materiál vzikl díky Oeračímu rogramu Praha Adatabilita CZ..7/3../3354 Maažerské kvatitativí metody II - ředáška č.3 - Queuig theory teorie
VíceStatistika pro metrologii
Statistika pro metrologii T. Rössler Teto projekt je spolufiacová Evropským sociálím fodem a státím rozpočtem České republiky v rámci projektu Vzděláváí výzkumých pracovíků v Regioálím cetru pokročilých
VícePravděpodobnost a statistika Výpisky z cvičení Ondřeje Chocholy
Pravděpodobost a statistika Výpisky z cvičeí Odřeje Chocholy Ja Štětia 9. listopadu 9 Cviˇceí 3.9.9 Úloha: Máme 4 kostky. Ω = {a, b, c, d}, Ω = 6 4 A = 6 5 4 3 P(A) = 6 5 4 3 6 4 Naejvýš l kostek: m...
VíceIntervalové odhady parametrů některých rozdělení.
4. Itervalové odhady parametrů rozděleí. Jedou ze základích úloh mtematické statistiky je staoveí hodot parametrů rozděleí, ze kterého máme k dispozici áhodý výběr. Nejčastěji hledáme odhady dvou druhů:
VícePravděpodobnost a aplikovaná statistika
Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 4. KAPITOLA STATISTICKÉ CHARAKTERISTIKY 16.10.2017 23.10.2017 Přehled témat 1. Pravděpodobost (defiice, využití, výpočet pravděpodobostí
Více8. Analýza rozptylu.
8. Aalýza rozptylu. Lieárí model je popis závislosti, který je využívá v řadě disciplí matematické statistiky. Uvedeme jeho popis a tvrzeí, která budeme využívat. Setkáme se s ím jedak v aalýze rozptylu,
VíceOdhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:
Odhady parametrů polohy a rozptýleí pro často se vyskytující rozděleí dat v laboratoři se vyčíslují podle ásledujících vztahů: a : Laplaceovo (oboustraé expoeciálí rozděleí se vyskytuje v případech, kdy
VícePravděpodobnost a aplikovaná statistika
Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 6. KAPITOLA CENTRÁLNÍ LIMITNÍ VĚTA 6.11.2017 Opakováí: Čebyševova erovost příklad Pravděpodobost vyrobeí zmetku je 0,5. Odhaděte pravděpodobost,
VíceOdhady parametrů 1. Odhady parametrů
Odhady parametrů 1 Odhady parametrů Na statistický soubor (x 1,..., x, který dostaeme statistickým šetřeím, se můžeme dívat jako a výběrový soubor získaý realizací áhodého výběru z áhodé veličiy X. Obdobě:
Víceodhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti.
10 Cvičeí 10 Statistický soubor. Náhodý výběr a výběrové statistiky aritmetický průměr, geometrický průměr, výběrový rozptyl,...). Bodové odhady parametrů. Itervalové odhady parametrů. Jedostraé a oboustraé
VíceTestujeme hypotézu: proti alternativě. Jednoduché třídění:
Y,, Y je áhodý výběr z N(μ, σ ) Y,, Y je áhodý výběr z N(μ, σ ) Y,, Y je áhodý výběr z N(μ, σ ) Testujeme hypotézu: proti alterativě H : μ = μ = = μ H : e všechy středí hodoty μ,, μ jsou si rovy Jedoduché
VíceKvantová a statistická fyzika 2 (Termodynamika a statistická fyzika)
Kvatová a statistická fyzika (Termodyamika a statistická fyzika) Boltzmaovo - Gibbsovo rozděleí - ilustračí příklad Pro ilustraci odvozeí rozděleí eergií v kaoickém asámblu uvažujme ásledující příklad.
Více8. Odhady parametrů rozdělení pravděpodobnosti
Pozámky k předmětu Aplikovaá statistika, 8 téma 8 Odhady parametrů rozděleí pravděpodobosti Zaměříme se a odhad středí hodoty a rozptylu a to dvěma způsoby Předpokládejme, že máme áhodý výběr X 1,, X z
VíceMatematika přehled vzorců pro maturanty (zpracoval T. Jánský) Úpravy výrazů. Binomická věta
Matematika přehled vzorců pro maturaty (zpracoval T. Jáský) Úpravy výrazů a r. a s = a r+s a r = ar s as a r s = a r.s a. b r = a r b r a b r = ar b r a. b a b = a b = a. b ( a) m = a m m a m. = a a k.
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOT A TATITIKA Přpomeutí pojmů,, P m θ, R θ R - pravděpodobostí prostor - parametrcký prostor - parametrcká fukce,, T - áhodý vektor defovaý a pravděpodobostím prostoru,, P θ s hustotou f x,
Více3. Lineární diferenciální rovnice úvod do teorie
3 338 8: Josef Hekrdla lieárí difereciálí rovice úvod do teorie 3 Lieárí difereciálí rovice úvod do teorie Defiice 3 (lieárí difereciálí rovice) Lieárí difereciálí rovice -tého řádu je rovice, která se
Více3. Charakteristiky a parametry náhodných veličin
3. Charateristiy a parametry áhodých veliči Úolem této apitoly je zavést pomocý aparát, terým budeme dále popisovat pomocí jedoduchých prostředů áhodé veličiy. Taovýmto aparátem jsou tzv. parametry ebo
VícePřednáška VI. Intervalové odhady. Motivace Směrodatná odchylka a směrodatná chyba Centrální limitní věta Intervaly spolehlivosti
Předáška VI. Itervalové odhady Motivace Směrodatá odchylka a směrodatá chyba Cetrálí limití věta Itervaly spolehlivosti Opakováí estraé a MLE Jaký je pricip estraých odhadů? Jaký je pricip odhadů metodou
VíceZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)
ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU) Základy teorie pravděpodobosti měřeí chyba měřeí Provádíme kvalifikovaý odhad áhodá systematická výsledek ejistota výsledku Základy teorie pravděpodobosti
Více6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.
6 Itervalové odhady parametrů základího souboru V předchozích kapitolách jsme se zabývali ejprve základím zpracováím experimetálích dat: grafické zobrazeí dat, výpočty výběrových charakteristik kapitola
Více9 NÁHODNÉ VÝBĚRY A JEJICH ZPRACOVÁNÍ. Čas ke studiu kapitoly: 30 minut. Cíl:
9 ÁHODÉ VÝBĚR A JEJICH ZPRACOVÁÍ Čas ke studu katol: 30 mut Cíl: Po rostudováí tohoto odstavce budete rozumět ojmům Základí soubor, oulace, výběr, výběrové šetřeí, výběrová statstka a budete zát základí
VícePRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor
SP Náhodý vektor PRAVDĚPODOBNOS A SAISIKA Náhodý vektor Lbor Žák SP Náhodý vektor Lbor Žák Náhodý vektor Náhodý vektor slouží k popsu výsledku pokusu kdy měříme více údaů o procesu. Před provedeím pokusu
VíceMezní stavy konstrukcí a jejich porušov. Hru IV. Milan RůžR. zbynek.hruby.
ováí - Hru IV /6 ováí Hru IV Mila RůžR ůžička, Josef Jureka,, Zbyěk k Hrubý zbyek.hruby hruby@fs.cvut.cz ováí - Hru IV /6 ravděpodobostí úavové diagramy s uvažováím předpětí R - plocha ve čtyřrozměrém
VíceEntropie, relativní entropie a sdílená (vazební) informace
Etroie, relativí etroie a sdíleá vazebí iformace Pojem iformace je říliš rozsáhlý a to, abchom jej komleě osali jedoduchou defiicí. Pro libovolou distribuci ravděodobosti můžeme defiovat tzv. etroii, jež
VícePRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor
SP Náhodý vektor PRAVDĚPODOBNOS A SAISIKA Náhodý vektor SP Náhodý vektor Náhodý vektor Náhodý vektor slouží k popsu výsledku pokusu kdy měříme více údaů o procesu. Před provedeím pokusu eho výsledek a
Vícec) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je transcendentí. xp 1 (p 1)! (x 1)p (x 2) p... (x d) p e x t f(t) d t = F (0)e x F (x),
a) Vyslovte a dokažte Liouvillovu větu o šaté aroximovatelosti algebraického čísla řádu d b) Defiujte Liouvillovo číslo c) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je trascedetí 2 a) Defiujte
VíceP2: Statistické zpracování dat
P: Statistické zpracováí dat Úvodem - Statistika: věda, zabývající se shromažďováím, tříděím a ásledým popisem velkých datových souborů. - Základem statistiky je teorie pravděpodobosti, založeá a popisu
VíceČíselné charakteristiky náhodných veličin
Číselé charakteristiky áhodých veliči Motivace Doposud jsme pozali fukcioálí charakteristiky áhodých veliči (apř. distribučí fukce, pravděpodobostí fukce, hustota pravděpodobosti), které plě popisují pravděpodobostí
VíceSTATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson
STATISTIKA Statistika se těší pochybému vyzameáí tím, že je ejvíce epochopeým vědím oborem. H. Leviso Charakterizace statistického souboru Statistický soubor Prvek souboru Zak prvku kvatitativí teplota,
VíceKombinatorika- 3. Základy diskrétní matematiky, BI-ZDM
Kombiatorika- 3 doc. RNDr. Josef Kolář, CSc. Katedra teoretické iformatiky FIT České vysoké učeí techické v Praze c Josef Kolar, 2011 Základy diskrétí matematiky, BI-ZDM ZS 2011/12, Lekce 8 Evropský sociálí
Více2. Znát definici kombinačního čísla a základní vlastnosti kombinačních čísel. Ovládat jednoduché operace s kombinačními čísly.
0. KOMBINATORIKA, PRAVDĚPODOBNOST, STATISTIKA Dovedosti :. Chápat pojem faktoriál a ovládat operace s faktoriály.. Zát defiici kombiačího čísla a základí vlastosti kombiačích čísel. Ovládat jedoduché operace
VíceDefinice obecné mocniny
Defiice obecé mociy Zavedeí obecé mociy omocí ity číselé oslouosti lze rovést ěkolika zůsoby Níže uvedeý zůsob využívá k defiici eoeciálí fukce itu V dalším budeme otřebovat ásledující dvě erovosti: Lemma
Více7. Odhady populačních průměrů a ostatních parametrů populace
7. Odhady populačích průměrů a ostatích parametrů populace Jak sme zišťovali v kapitole. e možé pro každou populaci sestroit možství parametrů, které i charakterizue. Pro účely základího pozáí e evýzaměší
Více8. Zákony velkých čísel
8 Zákoy velkých čísel V této část budeme studovat velm často užívaá tvrzeí o součtech posloupost áhodých velč Nedříve budeme vyšetřovat tvrzeí azývaá souhrě ako slabé zákoy velkých čísel Veškeré úvahy
Víceb c a P(A B) = c = 4% = 0,04 d
Příklad 6: Z Prahy do Athé je 50 km V Praze byl osaze válec auta ovou svíčkou, jejíž životost má ormálí rozděleí s průměrem 0000 km a směrodatou odchylkou 3000 km Jaká je pravděpodobost, že automobil překoá
VícePřijímací řízení akademický rok 2013/2014 NavMg. studium Kompletní znění testových otázek matematika a statistika
Přijímcí řízeí kdemický rok /4 NvMg studium Kompletí zěí testových otázek mtemtik sttistik Koš Zěí otázky Odpověď ) Odpověď b) Odpověď c) Odpověď d) Správá odpověď efiičí obor fukce defiové předpisem f
VíceStatistika je vědní obor zabývající se zkoumáním jevů, které mají hromadný charakter.
Statistika Cíle: Chápat pomy statistický soubor, rozsah souboru, statistická edotka, statistický zak, umět sestavit tabulku rozděleí četostí, umět zázorit spoicový diagram a sloupcový diagram / kruhový
VícePravděpodobnost a statistika - absolutní minumum
Pravděpodobost a statistika - absolutí miumum Jaromír Šrámek 4108, 1.LF, UK Obsah 1. Základy počtu pravděpodobosti 1.1 Defiice pravděpodobosti 1.2 Náhodé veličiy a jejich popis 1.3 Číselé charakteristiky
Vícen=1 ( Re an ) 2 + ( Im a n ) 2 = 0 Im a n = Im a a n definujeme předpisem: n=1 N a n = a 1 + a 2 +... + a N. n=1
[M2-P9] KAPITOLA 5: Číselé řady Ozačeí: R, + } = R ( = R) C } = C rozšířeá komplexí rovia ( evlastí hodota, číslo, bod) Vsuvka: defiujeme pro a C: a ± =, a = (je pro a 0), edefiujeme: 0,, ± a Poslouposti
VíceILUSTRACE ZÁKONA VELKÝCH ČÍSEL POMOCÍ SIMULACÍ THE ILLUSTRATION OF THE LAW OF LARGE NUMBERS BY SIMULATIONS
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA STROJNÍHO INŽENÝRSTVÍ ÚSTAV MATEMATIKY FACULTY OF MECHANICAL ENGINEERING INSTITUTE OF MATHEMATICS ILUSTRACE ZÁKONA VELKÝCH ČÍSEL POMOCÍ
VícePopisná statistika. Zdeněk Janák 9. prosince 2007
Popisá statistika Zdeěk Jaák jaak@physics.mui.cz 9. prosice 007 Výsledkem měřeí atmosférické extikce z pozorováí komet a observatoři Skalaté Pleso jsou tyto hodoty extikčích koeficietů ve vlové délce 46
VíceCvičení 6.: Výpočet střední hodnoty a rozptylu, bodové a intervalové odhady střední hodnoty a rozptylu
Cvičeí 6: Výpočet středí hodoty a rozptylu, bodové a itervalové odhady středí hodoty a rozptylu Příklad 1: Postupě se zkouší spolehlivost čtyř přístrojů Další se zkouší je tehdy, když předchozí je spolehlivý
Vícei 1 n 1 výběrový rozptyl, pro libovolné, ale pevně dané x Roznačme n 1 Téma 6.: Základní pojmy matematické statistiky
Téma 6.: Základí pojmy matematické statistiky Vlastosti důležitých statistik odvozeých z jedorozměrého áhodého výběru: Nechť X,..., X je áhodý výběr z rozložeí se středí hodotou μ, rozptylem σ a distribučí
Víceprocesy II Zuzana 1 Katedra pravděpodobnosti a matematické statistiky Univerzita Karlova v Praze
limití Náhodé limití Katedra pravděpodobosti a matematické statistiky Uiverzita Karlova v Praze email: praskova@karli.mff.cui.cz 9.4.-22.4. 200 limití Outlie limití limití efiice: Řekeme, že stacioárí
Víceveličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou
1 Zápis číselých hodot a ejistoty měřeí Zápis číselých hodot Naměřeé hodoty zapisujeme jako číselý údaj s určitým koečým počtem číslic. Očekáváme, že všechy zapsaé číslice jsou správé a vyjadřují tak i
VíceOdhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.
Odhady parametrů základího souboru Ig. Mchal Dorda, Ph.D. Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl σ atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt
Více1 Základní pojmy a vlastnosti
Základí pojmy a vlastosti DEFINICE (Trigoometrický polyom a řada). Fukce k = (a cos(x) + b si(x)) se azývá trigoometrický polyom. Řada = (a cos(x) + b si(x)) se azývá trigoometrická řada. TVRZENÍ (Ortogoalita).
VíceCo je to statistika? Statistické hodnocení výsledků zkoušek. Úvod statistické myšlení. Úvod statistické myšlení. Popisná statistika
Co e to statistika? Statistické hodoceí výsledků zkoušek Petr Misák misak.p@fce.vutbr.cz Statistika e ako bikiy. Odhalí téměř vše, ale to edůležitěší ám zůstae skryto. (autor ezámý) Statistika uda e, má
VíceÚloha III.S... limitní
Úloha III.S... limití 10 bodů; průměr 7,81; řešilo 6 studetů a) Zkuste vlastími slovy popsat postup kostrukce itervalových odhadů středí hodoty v případě obecého rozděleí měřeých dat (postačí vlastími
VícePravděpodobnostní model doby setrvání ministra školství ve funkci
Pravděpodobostí model doby setrváí miistra školství ve fukci Základí statistická iferece Data Zdro: http://www.msmt.cz/miisterstvo/miistri-skolstvi-od-roku-848. Ke statistickému zpracováí byla vzata pozorováí
VíceIntervalové odhady parametrů
Itervalové odhady parametrů Petr Pošík Části dokumetu jsou převzaty (i doslově) z Mirko Navara: Pravděpodobost a matematická statistika, https://cw.felk.cvut.cz/lib/ee/fetch.php/courses/a6m33ssl/pms_prit.pdf
VícePravděpodobnost a matematická statistika
Pravděpodobost a matematická statistika Mirko Navara Cetrum strojového vímáí katedra kyberetiky FEL ČVUT Karlovo áměstí, budova G, místost 104a http://cmp.felk.cvut.cz/ avara/stat 5. říja 018 Obsah 1 O
Vícen-rozměrné normální rozdělení pravděpodobnosti
-rozměré ormálí rozděleí pravděpodobosti. Ortogoálí a pozitivě defiití symetrické matice. Reálá čtvercová matice =Ha i j L řádu se azývá ortogoálí, je-li regulárí a iverzí matice - je rova traspoovaé matici
VícePravděpodobnost a matematická statistika
Pravděpodobost a matematická statistika Mirko Navara Cetrum strojového vímáí katedra kyberetiky FEL ČVUT Karlovo áměstí, budova G, místost 104a http://cmpfelkcvutcz/ avara/psi 13 1 016 Obsah 1 O čem to
VícePravděpodobnost a matematická statistika
Pravděpodobost a matematická statistika Mirko Navara Cetrum strojového vímáí katedra kyberetiky FEL ČVUT Karlovo áměstí, budova G, místost 104a http://cmp.felk.cvut.cz/ avara/stat 5. říja 018 Obsah 1 O
VícePoznÁmky k přednášce
NMSA331 Matematická statistika 1 PozÁmky k předášce Naposledy upraveo de 15. úora 2019. Katedra pravd podobosti a matematické statistiky Matematicko-fysikálí fakulta Uiversity Karlovy Teto učebí text představuje
VíceOdhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení
Odhad parametru p biomického rozděleí a test hypotézy o tomto parametru Test hypotézy o parametru p biomického rozděleí Motivačí úloha Předpokládejme, že v důsledku realizace jistého áhodého pokusu P dochází
VícePravděpodobnost a matematická statistika
Pravděpodobost a matematická statistika Mirko Navara Cetrum strojového vímáí katedra kyberetiky FEL ČVUT Karlovo áměstí, budova G, místost 104a http://cmpfelkcvutcz/ avara/mvt http://cmpfelkcvutcz/ avara/psi
VícePevnost a životnost - Hru III 1. PEVNOST a ŽIVOTNOST. Hru III. Milan Růžička, Josef Jurenka, Zbyněk Hrubý.
evost a životost - Hr III EVNOT a ŽIVOTNOT Hr III Mila Růžička, Josef Jreka, Zbyěk Hrbý zbyek.hrby@fs.cvt.cz evost a životost - Hr III tatistické metody vyhodocováí dat evost a životost - Hr III 3 tatistické
Více6. P o p i s n á s t a t i s t i k a
6. P o p i s á s t a t i s t i k a 6.. Pozámka: Při statistickém zkoumáí ás zajímají hromadé jevy a procesy, u kterých zkoumáme zákoitosti, které se projevují u velkého počtu prvků. Prvky zkoumáí azýváme
VíceNMSA331 Matematická statistika 1
NMSA331 Matematická statistika 1 POZNÁMKY K PŘEDNÁŠCE Naposledy upraveo de 29. prosice 2018. Katedra pravd podobosti a matematické statistiky Matematicko-fysikálí fakulta Uiversity Karlovy Teto učebí text
Vícemůžeme toto číslo považovat za pravděpodobnost jevu A.
RAVDĚODOBNOST - matematická discilína, která se zabývá studiem zákonitostí, jimiž se řídí hromadné náhodné jevy - vytváří ravděodobnostní modely, omocí nichž se snaží ostihnout náhodné rocesy. Náhodné
VícePRAVDĚPODOBNOST A STATISTIKA
SP Záko velkých čísel, cetrálí lmtí věta PRAVDĚPODOBNOST A STATISTIKA Lbor Žák SP Záko velkých čísel, cetrálí lmtí věta Lbor Žák Kovergece podle pravděpodobost Posloupost áhodých proměých,,,, koverguje
VíceInterval spolehlivosti pro podíl
Iterval polehlivoti pro podíl http://www.caueweb.org/repoitory/tatjava/cofitapplet.html Náhodý výběr Zkoumaý proce chápeme jako áhodou veličiu určitým ám eámým roděleím a měřeá data jako realiace této
VíceNárodní informační středisko pro podporu jakosti
Národí iformačí středisko pro podpor jakosti Kozltačí středisko statistických metod při NIS-PJ Výpočet koeficietů reglačích diagramů pro obecé riziko Ig. Václav Chmelík, CSc Ústav strojíreské techologie,
VícePravděpodobnost a matematická statistika
Pravděpodobost a matematická statistika Mirko Navara Cetrum strojového vímáí katedra kyberetiky FEL ČVUT Karlovo áměstí, budova G, místost 104a http://cmpfelkcvutcz/ avara/mvt http://cmpfelkcvutcz/ avara/psi
VíceNárodní informační středisko pro podporu kvality
Národí iformačí středisko ro odoru kvality Testováí zůsobilosti a výkoosti výrobího rocesu RNDr. Jiří Michálek, Sc Ústav teorie iformace a automatizace AVČR UKAZATELE ZPŮSOBILOSTI 3 UKAZATELE ZPŮSOBILOSTI
VíceSměrnice 1/2011 Statistické vyhodnocování dat, verze 3 Verze 3 je shodná s původní Směrnicí 1/2011 verze 2, za čl. 2.3 je vložen nový odstavec
Směrice /0 Statitické vyhodocováí dat, verze 3 Verze 3 e hodá ůvodí Směricí /0 verze, za čl..3 e vlože ový odtavec. Statitické metody ro zkoušeí zůobiloti Statitická aalýza oužívaá ro aalýzu výledků zkoušky
Více1. JEV JISTÝ a. je jev, který nikdy nenastane b. je jev, jehož pravděpodobnost = ½ c. je jev, jehož pravděpodobnost = 0 d.
ZÁPOČTOVÝ TEST. JEV JISTÝ a. je jev, který ikdy eastae b. je jev, jehož pravděpodobost ½ c. je jev, jehož pravděpodobost 0 d. je jev, jehož pravděpodobost e. je jev, který astae za jistých okolostí f.
Více1 PSE Definice základních pojmů. (ω je elementární jev: A ω (A ω) nebo (A );
1 PSE 1 Náhodý pokus, áhodý jev. Operace s jevy. Defiice pravděpodobosti jevu, vlastosti ppsti. Klasická defiice pravděpodobosti a její použití, základí kombiatorické vzorce. 1.1 Teoretická část 1.1.1
Více3. VYBRANÉ ZÁKONY ROZDĚLENÍ POUŽÍVANÉ VE SPOLEHLIVOSTI
3. VYBRANÉ ZÁKONY ROZDĚLENÍ POUŽÍVANÉ VE SPOLEHLIVOSTI Po úspěšém a aktivím absolvováí této KAPITOLY Budete umět: rozpozat průběh a vlastosti, uvést základí vztahy charakteristik rozděleí spojité áhodé
Vícen=0 a n, n=0 a n = ±. n=0 n=0 a n diverguje k ±, a píšeme n=0 n=0 b n = t. Pak je konvergentní i řada n=0 (a n + b n ) = s + t. n=0 k a n a platí n=0
Nekoečé řady, geometrická řada, součet ekoečé řady Defiice Výraz a 0 a a a, kde {a i } i0 je libovolá posloupost reálých čísel, azveme ekoečou řadou Číslo se azývá -tý částečý součet Defiice Nekoečá řada
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz
Pravděodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@niax.cz Pravděodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, tyy dat, variabilita, frekvenční analýza
VíceVYSOCE PŘESNÉ METODY OBRÁBĚNÍ
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojího ižeýrství Ústav strojíreské techologie ISBN 978-80-214-4352-5 VYSOCE PŘESNÉ METODY OBRÁBĚNÍ doc. Ig. Jaroslav PROKOP, CSc. 1 1 Fakulta strojího ižeýrství,
VíceO Jensenově nerovnosti
O Jeseově erovosti Petr Vodstrčil petr.vodstrcil@vsb.cz Katedra aplikovaé matematiky, Fakulta elektrotechiky a iformatiky, Vysoká škola báňská Techická uiverzita Ostrava Ostrava, 28.1. 2019 (ŠKOMAM 2019)
VíceDeskriptivní statistika 1
Deskriptiví statistika 1 1 Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 1145/2004. Základí charakteristiky souboru Pro lepší představu používáme k popisu vlastostí zkoumaého jevu určité charakteristiky
VícePro statistické šetření si zvolte si statistický soubor např. všichni žáci třídy (několika tříd, školy apod.).
STATISTIKA Statistické šetřeí Proveďte a vyhodoťte statistické šetřeí:. Zvolte si statistický soubor. 2. Zvolte si určitý zak (zaky), které budete vyhodocovat. 3. Určete absolutí a relativí četosti zaků,
VíceNáhodné jevy a pravděpodobnost
Lekce Náhodé jevy a pravděpodobost Výklad pravděpodobosti musí začít evyhutelě od základích pojmů Pravděpodobost, velmi zjedodušeě řečeo, pojedává o áhodých jevech (slově vyjádřeých výsledcích áhodých
VícePRAVDĚPODOBNOST A STATISTIKA. Bodové a intervalové odhady
SP Bodové a tervalové odhady PRAVDĚPODOBNOST A STATISTIKA Bodové a tervalové odhady Lbor Žák SP Bodové a tervalové odhady Lbor Žák Bodové a tervalové odhady Nechť je áhodá proměá, která má dstrbučí fukc
VíceObsah. 1 Mocninné řady Definice a vlastnosti mocninných řad Rozvoj funkce do mocninné řady Aplikace mocninných řad...
Obsah 1 Mocié řady 1 1.1 Defiice a vlastosti mociých řad.................... 1 1. Rozvoj fukce do mocié řady...................... 5 1.3 Aplikace mociých řad........................... 10 1 Kapitola 1
Více11.1 Úvod. Definice : [MA1-18:P11.1] definujeme pro a C: nedefinujeme: Posloupnosti komplexních čísel
KAPITOLA : Číselé řdy MA-8:P.] Ozčeí: R {, +} R R C {} C rozšířeá komplexí rovi evlstí hodot, číslo, bod U ε {x C x < ε } pro C, ε > 0 U K {x C x > K } pro K 0 defiujeme pro C: ±, je pro 0, edefiujeme:
VíceZákladní teoretický aparát a další potřebné znalosti pro úspěšné studium na strojní fakultě a k řešení technických problémů
Základí teoretický aarát a další otřebé zalosti ro úsěšé studium a strojí fakultě a k řešeí techických roblémů MATEMATIKA: logické uvažováí, matematické ástroje - elemetárí matematika (algebra, geometrie,
Více