VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA. VZORCE PRO 4ST201 a 4ST210

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA. VZORCE PRO 4ST201 a 4ST210

VYOKÁ ŠKOLA EKONOMICKÁ V RAZE FAKULA INFORMAIKY A AIIKY Kaedra sas a pravděpodobos AIIKA VZORCE RO 4 a 4 verze 8 posledí aualzace:. 9. 8 K 8 opsá sasa p p =,,...,... () () ( ),, z, ( z ) ( z ) ( z), z

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA VZORCE PRO 4ST201

VYOKÁ ŠKOLA EKONOMICKÁ V RAZE FAKULTA INFORMATIKY A TATITIKY Kaedra a a ravděodobo TATITIKA VZORCE RO 4T verze 4. oledí aualzace: 6.8.6 KT 6 oá aa oá aa =,,..., () ()...,,,, z z z z z H H H G... R = ma

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA VZORCE PRO 4ST201

VYOKÁ ŠKOLA EKONOMICKÁ V RAZE FAKULTA INFORMATIKY A TATITIKY Kaedra a a ravděodobo TATITIKA VZORCE RO 4T verze.3 oledí aualzace: 4.9.9 KT 9 oá aa,,..., ɶ < z < + < z < + +,5 z +, 5 z H H H G... G... R

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA VZORCE PRO 4ST201

VYOKÁ ŠKOLA EKONOMICKÁ V RAZE FAKULTA INFORMATIKY A TATITIKY Kaedra a a ravděodobo TATITIKA VZORCE RO 4T verze. oledí aalzace:.9.8 KT 8 oá aa,,..., % z z,5 z, 5 z H H H G... G... R ma - m ( ( ( ( ( ( V

1 3VYSOK 0 9 0 7KOLA EKONOMICK 0 9 V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravd їpodobnosti STATISTIKA VZORCE PRO 4ST201

3VYOK 9 7KOLA EKONOMICK 9 V PRAZE FAKULTA INFORMATIKY A TATITIKY Kaedra a a ravd їodobo TATITIKA VZORCE PRO 4T verze 3. oled aualzace: 6..5 KTP 5 3Po aa =,,..., P P zp z P,5 z, 5 z H H H G G...... R =

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA VZORCE. k bakalářské zkoušce

VYOKÁ ŠKOLA EKONOMCKÁ V RAZE FAKULTA NFORMATKY A TATTKY Kaeda a a avděodobo TATTKA VZORCE baalářé zošce veze 3. oledí aalzace: 3.9.7 KT 7 oá aa Rozděleí čeoí,,..., Kval % z ůmě H H H G... Rozěí R ma -

PRAVDĚPODOBNOST A STATISTIKA. Testy hypotéz

SP3 Tey hypoéz PRAVDĚPODOBNOST A STATISTIKA Tey hypoéz Lbor Žá SP3 Tey hypoéz Lbor Žá Tey hypoéz- úvod Nechť X X e áhodý výběr T X X X áhodý veor ezávlé ložy erý má rozděleí závlé a parameru θ Θ Θ R Ozačme:

PRAVDĚPODOBNOST A STATISTIKA

Matematka IV PRAVDĚPODOBNOT A TATITIKA Lbor Žák Matematka IV Lbor Žák Regresí aalýza Regresí aalýza zkoumá závslost mez ezávslým proměým X ( X,, X k a závsle proměou Y. Tato závslost se vjadřuje ve tvaru

SP2 Korelační analýza. Korelační analýza. Libor Žák

Korelačí aalýza Přpomeutí pojmů áhodá proměá áhodý vetor áhodý vetor Náhodý výběr: pro áhodou proměou : pro áhodý vetor : pro áhodý vetor : Přpomeutí pojmů - ovarace Kovarace áhodých proměých ovaračí oefcet

PRAVDĚPODOBNOST 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,

ů é Č ů Ú Řď ů ů ý ý ý ů ů ý ň ď Ť Ť Ť é é ý ů ý É ň é ů ý é ý ů ů ý ý ů ů é ů ý ý ý é é Ť ý é ý ď ý é ý Ó Ů ý Ů Ů Ů ú ů ďů é ý ý é ď ý ý ý ů ů é ů ů é ů é ý é Ů é é é ý Ť ů Ť é é é é ů é ý ý é Ť é é Ú

PRAVDĚPODOBNOST A STATISTIKA

SP esty dobré shody PRAVDĚPODOBNOS A SAISIKA Lbor Žá SP esty dobré shody Lbor Žá Přpomeutí - estováí hypotéz o rozděleí Ch-vadrát test Chí-vadrát testem terý e založe a tříděém statstcém souboru. SP esty

PRAVDĚPODOBNOST 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

V. 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,

SP NV Normalita-vlastnosti

SP - - NV Normala-vlasos Přpomeuí vlasosí Normálího rozděleí Charakerscká fukce Lévyho-Ldebergova věa - cerálí lmí věa -rozměré ormálí rozděleí -rozměré ormálí rozděleí Přpomeuí vlasosí Normálího rozděleí

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.

Odhady parametrů základího souboru Ig. Mchal Dorda, Ph.D. Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl σ atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt

Intervalové odhady parametrů některých rozdělení.

4. Itervalové odhady parametrů rozděleí. Jedou ze základích úloh mtematické statistiky je staoveí hodot parametrů rozděleí, ze kterého máme k dispozici áhodý výběr. Nejčastěji hledáme odhady dvou druhů:

Á Ž Ú ž ň š ž Ž š Ť Ť Ž Ď Ť Ž ž Ť š ř Ť Ť Ť Ť Ť ž š ž š Ť š Ť Ť š ř Ť Ť Ť Ť Š Ť Ť Ý Á ť ř Ť ž š ň Ť Ť Ž Ť Ť Ť Ž Ž ř ž ž Ť Ž Ě Ť ž Ť Ť Ť Ť š Ť Ž š Ť Ů Ť ť ť Ť ť Ž Č Ž š Ť ř Ť Ž š Ů Ť Ť š Ť Ť ž š ť Ť Ž Ž

14. 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

Geometrické modelování. Diferenciáln

Geomerické modelováí Difereciál lí geomerie křivekk Křivky v očía ačové grafice Geomerická ierreace Každý krok algorimu má svůj geomerický výzam Flexibilia korola ad růběhem křivky, možos iuiiví ediace

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU) Základy teorie pravděpodobosti měřeí chyba měřeí Provádíme kvalifikovaý odhad áhodá systematická výsledek ejistota výsledku Základy teorie pravděpodobosti

Téma 6: Indexy a diference

dexy a dferece Téma 6: dexy a dferece ředáška 9 dvdálí dexy a dferece Základí ojmy Vedle elemetárího statstckého zracováí dat se hromadé jevy aalyzjí tzv. srováváím růzých kazatelů. Statstcký kazatel -

Parciální diferenciální rovnice. Dirichletova úloha pro Laplaceovu (Poissonovu) rovnici Rovnice vedení tepla

arálí dereálí rove Drleova úloa ro Lalaeov ossoov rov Rove vedeí ela Vlová rove Klasae leárí arálí dereálí rov.řád d ě ý ve dvo roměý V oblas Ω E de a b d e a g jso sojé je dáa rove ro [ ] Ω oložíme g

8. 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,

Lineární a adaptivní zpracování dat. 8. Modely časových řad I.

Lieárí a adaptiví zpracováí dat 8. Modely časových řad I. Daiel Schwarz Ivestice do rozvoje vzděláváí Cíl, motivace Popis a idetifikace systémů BLACK BOX Cíl, motivace Popis a idetifikace systémů BLACK

Pravděpodobnost a aplikovaná statistika

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

PRAVDĚPODOBNOST A STATISTIKA

SP Náhodý vektor PRAVĚPOOBNOS A SAISIKA Lbor Žák SP Náhodý vektor Lbor Žák Náhodý vektor přpomeutí pomů z SP V prví část kurzu SP s rozšíříme pomy o áhodém vektoru z SP: Nechť e áhodý vektor eho složky:

odhady 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

1.6. Srovnání empirických a teoretických parametrů (4.-5.předn.)

.6. rováí empirických a eoreických paramerů (4.-5.před.) Cíle: - pravděpodobosí zkoumáí výběrového saisického souboru: kvaifikace eoreických paramerů, srováí eoreických a empirických paramerů (Probable

Odhady 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

Statistická rozdělení

Úvod Statstcá rozděleí Václav Adamec vadamec@medelu.cz Náhodá proměá: matematcá velča, jejíž hodot osclují. Produt áhodého procesu lze charaterzovat fucí Hodot proměé v oboru přípustých hodot Rozděleí

Odhady parametrů základního. Ing. Michal Dorda, Ph.D.

Odhady parametrů základího souboru Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt celou populac, provádíme

Ě ť ž Š ú ť Š ť ú ž ž ú ž Ý ž ž ž ú ť Č ň Ú ň ť ť ť ú ť ž ž ť ú ú ť ú ž ž ť ť ť ú ž ž ť ť ž ž ť ž ž ž ú ž Ý ú ú ť ú ú ž ť ž ž ž ž ž ž ú Č ž ú ň ú ú ť ú ú Ý ú ť ú ž Ř ť ú ú ť Š Č Č ň Ú Č Š ú ť Č ť ď ž ň

Testujeme 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

Ž ř ú ř ř ř Šř ř ř ú ň Ž Ž ů ú ů šř ů ú ů ř ř Ž ř ř Č ř ř ř Č šř ů Ú Ř Ú ů ř ú ů š šř ř š ú š ř ř š š ř ř ú Ž Š ů š ř š ř Ž ů ú ů Ú Ž ř ú ř Ú ú šř ů š ů Ž Ž ř ů Ž Ú ů Ž ř ř ř ť ů ň ř ů Á ř ň ř ů Ř ú ó

8 DALŠÍ SPOJITÁ ROZDĚLENÍ PRAVDĚPODOBNOSTI

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

PRAVDĚPODOBNOST A STATISTIKA

SP4 Přpomeutí pojmů PRAVDĚPODOBNOST A STATISTIKA SP4 Přpomeutí pojmů SP4 Přpomeutí pojmů Pravděpodobost Náhodý jev: - základí prostor - elemetárí áhodý jev A - áhodý jev, - emožý jev, jstý jev podjev opačý

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2

SP3 Neparametrcké testy hypotéz PRAVDĚPODOBNOST A STATISTIKA Neparametrcké testy hypotéz čast Lbor Žák SP3 Neparametrcké testy hypotéz Lbor Žák Neparametrcké testy hypotéz - úvod Neparametrcké testy statstckých

Pravděpodobnost a aplikovaná statistika

Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 6. KAPITOLA CENTRÁLNÍ LIMITNÍ VĚTA 6.11.2017 Opakováí: Čebyševova erovost příklad Pravděpodobost vyrobeí zmetku je 0,5. Odhaděte pravděpodobost,

Ý š é š ó š ž š žé ó Š é ď Ý é é ž é ž š ž Ť é š é é Ř š é ď é ž é ž é é ž Ť é ď é šš é ž é ž é ž ů ž ž é Ť Ť Ř š é ž ž ď Ú š é ž š š ž š é ž š é é š ž é ž é ž ů é ž é ž é Č é é ž š š é é Ř š ž Ž š é é

š Ý š š Ú ž ž š ž š š ž š Í š š ž š Ú ž ž ž šš ž ž ž šš ž ž š ž ž š š ž ž ž šš ž ň Č ž ž ž ž šš ž ž ž š š š ó š š ž š ž š ž Ú ž š ž š š Ú ň š š ó š ž š ž š Ž ň š š š š š š š ž š š ž š š š š š š š š š š

ď ď ď š Ý š š É Ý šš š š š šš š š š š Ě š Ó ď šš š šš ď Ě šš š šš Ě š Ě Ě Ú š š š Ě š š ď Ě š š Ž š Ě š Č š Ý ď š š ď š Ý Ť š š š š š Ý š ď ď š š Á Á É š š š Ž šš ď ř ň ř ř š Ý ď š š š š š š Ť Ě š Ť š

Metody zkoumání závislosti numerických proměnných

Metody zkoumáí závslost umerckých proměých závslost pevá (fukčí) změě jedoho zaku jedozačě odpovídá změa druhého zaku (podle ějakého fukčího vztahu) (matematka, fyzka... statstcká (volá) změám jedé velčy

4. 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

Základy teorie chyb a zpracování fyzikálních měření Jiří Novák

Zálad eore chb a zpracováí zálích měřeí Jří ová Teo e je zamýšle jao pomůca pro vpracováí laboraorích úloh z z Je urče pouze pro sudjí účel a jeho účelem je objas meod zpracováí měřeí Chb měřeí Druh chb

É Á š ť Č Č ď š Ě ů ď š š ď Ó ď ď Ú ď Ů š ú š ť š Á ň ú Ě š š Ý š š š š š š Á Ý š š š š š š š š ú ť Á Á š Ď ď ď Á ď ď ď ď š ú Ď ď ú Ů ň ú ů š š ď š Řď ď š Ú šš š š š Ý ď ď š Ř š Řď Ř š ť Ú Ř š Ď Ď Ř š

Interval spolehlivosti pro podíl

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

Lineární a adaptivní zpracování dat. 12. Adaptivní filtrace a predikce III.

Leárí a adatví zracováí dat 12. Adatví ftrace a redce III. Dae Scharz Ivestce do rozvoje vzděáváí Adatví ftrace aace 1. Idetface systémů 2. Potačeí šumu 3. Leárí redce Vždy utá dostuost chybové sevece

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013.

Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95

PRAVDĚPODOBNOST 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

A. Rozdělení ČŘ podle časového hlediska rozhodného pro zjišťování údajů:

ČASOVÉ ŘADY - oslouos chroologck usořádaých ozorováí - oslouos věcě a rosorově srovaelých ozorováí kerá jsou jedozačě usořádáa z hledska času - exsují růzé časových řad A Rozděleí ČŘ odle časového hledska

Náhodný výběr 1. Náhodný výběr

Náhodý výběr 1 Náhodý výběr Matematická statistika poskytuje metody pro popis veliči áhodého charakteru pomocí jejich pozorovaých hodot, přesěji řečeo jde o určeí důležitých vlastostí rozděleí pravděpodobosti

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

Předáška č. 0 Aalýza roztylu ř jedoduchém tříděí Aalýza roztylu je statstcká metoda, kterou se osuzuje romělvost oakovaých realzací áhodého okusu tj. romělvost áhodé velčy. Náhodá velča vzká za relatvě

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i

: ometové míry polohy zahrují růzé druhy průměrů pomocí kterých můžeme charakterzovat cetrálí tedec dat ometové míry polohy jsou jedoduché číselé charakterstky které se vyčíslují ze všech prvků výběru

PRAVDĚPODOBNOST A STATISTIKA

P NOV PRVDĚPODOBNOT TTTK Lbor Žák P NOV Lbor Žák Vícvýběrové tsty - NOV NOV tsty s rovádí s omocí aalýzy roztylů NOV souhré tsty ro víc ěž dva výběry. NOV aramtrcká tstováí charaktrstk z zámých rozdělí

Odhady parametrů 1. Odhady parametrů

Odhady parametrů 1 Odhady parametrů Na statistický soubor (x 1,..., x, který dostaeme statistickým šetřeím, se můžeme dívat jako a výběrový soubor získaý realizací áhodého výběru z áhodé veličiy X. Obdobě:

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95

Lineární a adaptivní zpracování dat. 11. Adaptivní filtrace a predikce II.

Lieárí a adaptiví zpracováí dat 11. Adaptiví filtrace a predikce II. Daiel Schwarz Ivestice do rozvoje vzděláváí Popis a idetifikace systémů BLACK BOX Systém/proces geerující data áhodé povahy Istitute

PRAVDĚPODOBNOST 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

8. 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

PRAVDĚPODOBNOST A STATISTIKA

SP Teováí hypoéz PRAVDĚPODOBNOST A STATISTIKA SP Teováí hypoéz Teováí hypoéz Nechť je áhodá proměá, kerá má diribučí fukci Fx, ϑ. Předpokládejme, že záme var diribučí fukce víme jaké má rozděleí a ezáme

Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n

Regrese Aproxmace metodou ejmeších čtverců v v ( ) = f x v v x x x x Je dáo bodů [x, ], =,,, předpoládáme závslost a x a chceme ajít fuc, terá vsthuje teto tred - Sažíme se proložt fuc = f x ta, ab v =

Č š é ř ě š ř ř ř š šš é é ě š ě ě ě š é š š é š ř š ř ě Š é ř ě ř š ě é š ř ěř ř ě š é ě š ě Č éš š ř é š é ě ú é š ě š ř é š šť š ř š ř ě š š é ě š é ě ú é é Ř š š ďě ř š ě š ě ě š ě š š é ř ř ě š ř

3. 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

8. cvičení 4ST201. Obsah: Neparametrické testy. Chí-kvadrát test dobréshody Kontingenční tabulky Analýza rozptylu (ANOVA) Neparametrické testy

cvičící 8. cvičeí 4ST1 Obsah: Neparametricé testy Chí-vadrát test dobréshody Kotigečí tabuly Aalýza rozptylu (ANOVA) Vysoá šola eoomicá 1 VŠE urz 4ST1 Neparametricé testy Neparametricétesty využíváme,

PRAVDĚPODOBNOST 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

12. N á h o d n ý v ý b ě r

12. N á h o d ý v ý b ě r Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých

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

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

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA Testování hypotéz Nechť X je náhodná proměnná, která má distribuční funkci F(x, ϑ). Předpokládejme, že známe tvar distribuční funkce (víme jaké má rozdělení) a neznáme parametr

Á Š Á Ž Ě Ý Ě Á Á ť č ň Ť é č ě ě ž č č ě č Ť č č š č ě Ť ě č ě Ť Ť š Á Š Á Ž Ě Ý Ř Á Á ť Ú ě é č Š č ě Ť š ě Ť Š Á Š Á Ž Ě Ý Ě Á Á ť ě Ú Ý ň ě Ť ě ě ň ž č č č Ý ě É ě ě ďú É Ú ď Á Š Á Ž Ě Ý Ě Á Á ť ě

IV. MKP vynucené kmitání

Jří Máca - katedra mechaky - B35 - tel. 435 4500 maca@fsv.cvut.cz IV. MKP vyuceé kmtáí. Rovce vyuceého kmtáí. Modálí aalýza rozklad do vlastích tvarů 3. Přímá tegrace pohybových rovc 3. Metoda cetrálích

5 DISKRÉTNÍ ROZDĚLENÍ PRAVDĚPODOBNOSTI. Čas ke studiu kapitoly: 120 minut. Cíl: Po prostudování tohoto odstavce budete umět:

5 DISKRÉTNÍ ROZDĚLENÍ RAVDĚODOBNOSTI Čas e sudiu aioly: 0 miu Cíl: o rosudováí ohoo odsavce budee umě: charaerizova hyergeomericé rozděleí charaerizova Beroulliho ousy a z ich odvozeé jedolivé yy disréích

Intervalové odhady parametrů

Itervalové odhady parametrů Petr Pošík Části dokumetu jsou převzaty (i doslově) z Mirko Navara: Pravděpodobost a matematická statistika, https://cw.felk.cvut.cz/lib/ee/fetch.php/courses/a6m33ssl/pms_prit.pdf

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA Náhodný výběr Nechť X je náhodná proměnná, která má distribuční funkci F(x, ϑ). Předpokládejme, že známe tvar distribuční funkce (víme jaké má rozdělení) a neznáme parametr

TECHNICKÁ UNIVERZITA V LIBERCI

TECHNICKÁ UNIVERZITA V LIBERCI Ekoomcká fakulta Semestrálí ráce S kua Jméa: Leka Pastorová, Davd arha, Ja Vtásek a Fl Urbačík Ročík: 0/06 Učtel: gr. Jří Rozkovec Obor: Podková ekoomka Datum:.. 06 Obsah

vají statistické metody v biomedicíně

Statistika v biomedicísk ském m výzkumu a ve zdravotictví Prof. RNDr. Jaa Zvárov rová,, DrSc. EuroMISE Cetrum Ústav iformatiky AV ČR R v.v.i. Proč se používaj vají statistické metody v biomedicíě Biomedicísk

Ý ř ž ž Č ý úř ď ěř ý ě ř ěř é ě ěž ý ř ě é ř ě Č ú é ž ý š ě ě ě ř ť ú ý ř é ýš ý ě ř ý Ž ž é ý ž ř Ř Á Ž ÁŠ ý ř é ě ú é ř ř ž é ýš ý ě é ř ž ř é é ž Č é ž ě Ž ž é é ž ě Ž š Ž é ř ě ř ý Ž Ž ě Ž Ž é Ž

Dva případy chybného rozhodnutí při testování: a) Testační statistika padne mimo obor přijetí nulové H hypotézy O, tj.

Uvedeme obecný postup statistického testování:. Formulace nulové H 0a alternativní hpotéz H A.. Volba hladin významnosti α.. Volba testační statistik např... Určení kritického oboru testové charakteristik.

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

. Příklad Při průzkumu trhu projevilo 63 z dotázaých zákazíků zájem o iovovaý výrobek, který má být uvede a trh se zákazíky. Odvoďte a odhaděte proceto a počet zájemců v populaci s 95% spolehlivostí. Následě

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru

Lekce Normálí rozděleí v rově V této lekc se udeme věovat měřeí korelačí závslost dvojce áhodých velč (dvousložkového áhodého vektoru) Vcházet udeme z ormálího rozděleí pravděpodoost áhodého vektoru v

jsou varianty znaku) b) při intervalovém třídění (hodnoty x

Výběr z eřeštelých příkladů ze zkouškových testů Jde o výběr z tpů příkladů, jejchž úspěšost řešeí u zkoušek se blíží ule. Itervalové versus bodové tříděí V tabulce je uvedeo rozděleí četostí a) př bodovém

8. cvičení 4ST201-řešení

cvičící 8. cvičeí 4ST01-řešeí Obsah: Neparametricé testy Chí-vadrát test dobréshody Kotigečí tabuly Aalýza rozptylu (ANOVA) Vysoá šola eoomicá 1 VŠE urz 4ST01 Neparametricé testy Neparametricétesty využíváme,

Měření závislostí. Statistická závislost číselných znaků

Měřeí závslostí Statstcká závslost číselých zaků - závslost dvou velč lze vádřt ako ech fukčí vztah vzorcem, taulkou hodot příslušé fukce eo grafck; - mez zak zkoumaých evů zšťueme estec příčé (kauzálí

7 VYUŽITÍ METOD OPERAČNÍ ANALÝZY V TECHNOLOGII DOPRAVY

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

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 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza

Ě Ý Í Č ě ř Í Í Á Č ř č Č é č č šř Č é č ě é ř č č š ě ř č ď ě š ř ě č é ř ďů ž ě š š Č é éú ě ě ž éč Í ř ě éú ů č ů ř č ů č ř ř šť é řč Žď ž ú ů ř š ř éž ů ů é ž ú č ř č ř šť č ž č ě ř č č č ů ř é ř č

Mezní stavy konstrukcí a jejich porušov. Hru IV. Milan RůžR. zbynek.hruby.

ováí - Hru IV /6 ováí Hru IV Mila RůžR ůžička, Josef Jureka,, Zbyěk k Hrubý zbyek.hruby hruby@fs.cvut.cz ováí - Hru IV /6 ravděpodobostí úavové diagramy s uvažováím předpětí R - plocha ve čtyřrozměrém

á á š é ř ř Ž á á ďá á ž é á ž é á á á Ž á ž ž žá é éú á žá é ř á á á é š é á ř á á á é š é ř á ř ž á ď ř á á ř ž á ř š š ř á ř ž á á á á é ř ť ř á á á á á é ř ř á á á ž Ť á Ž Š á á á ř á ž ř á ž š á á

PRAVDĚPODOBNOST 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

Pro orientaci v této problematice jsme se seznámili s nkolika novými pojmy:

Ig. Marta Ltschmaová Statsta I., cveí 8 LIMITNÍ VTY Lmtí vty jsou tvrzeí, terá jsou dležtá pro pops pravdpodobostích model v pípad rostoucího potu áhodých pous.. ro oretac v této problematce jsme se sezáml

STATISTICKÝ ODHAD A TESTOVÁNÍ PRŮKAZNOSTI EKONOMETRICKÉHO MODELU Výběrové metody Výhody a nevýhody Využití při statistické indukci Rozsah výběru

TATITICÝ ODHAD A TETOVÁNÍ RŮAZNOTI EONOMETRICÉHO MODELU Výěové meod Výhod a evýhod Vuží př acé duc Rozah výěu Výpočeí poup Gafcý poup Bodový odhad Ievalový odhad Oouaý a edoaý eval polehlvo Ieval polehlvo

Á Ú Č ú ř ř ř ú ř ť Ú ň ž Á ď ž š ž ř ž É ž ř ž ú ř ú ú ž ť ř ň ú ď ť ť Ý š Ý Ě ž ž ť ď Ď ž ř ž ř š ž Ť ž ř Ú Ú ř ú ú ň ž ó ř ž ž š Ň ň ť ž ú š ž ž ž ž ř ř ž ř ř ř ř ž š ř Ý ň Á ó ú ř ť ú Č ř ú ž ť ř

Směrnice 1/2011 Statistické vyhodnocování dat, verze 3 Verze 3 je shodná s původní Směrnicí 1/2011 verze 2, za čl. 2.3 je vložen nový odstavec

Směrice /0 Statitické vyhodocováí dat, verze 3 Verze 3 e hodá ůvodí Směricí /0 verze, za čl..3 e vlože ový odtavec. Statitické metody ro zkoušeí zůobiloti Statitická aalýza oužívaá ro aalýzu výledků zkoušky

Soustava momentů. k s. Je-li tedy ve vzorci obecného momentu s = 1, získáme vzorec aritmetického průměru.

Soutava mometů Momety (Obecé, cetrálí a ormovaé) Do ytému mometových charatert patří ty ejdůležtější artmetcý průměr (mometová míra úrově) a rozptyl (mometová úroveň varablty). Obecý momet -tého tupě:

Á ÁŽ É Á ž Č ěž ě Č Č Í ě š ú ž ě ě ň ň ť Č ě Ý ě ž ďě Ú Č ě Č ť ě Í ě ď ž ž ž ě ě Í ě ž ň Č Ž š Í ě ě Č ž ě ě Č ě ě ě ž ě š ň ě ě ě Í š ž ž ě ž ž ě Í ě ž ě š š š ž š Ž š ó Í Ž Í Í Ó ž ě Č ž ě ě ě ž Č

Č š é č š ž Č Í é ř ě ě š ž ř ě č ř š č č ž ř Í č č č ě ř ž ěř č č Č ČŠ ř ě é š Ž ř ě š ď Š ř ě č č šť ě ů ě é é ě š ž ě ř š ř šš é é ďě š é ě ě š ř ů šť ě š ě ě é š ř ě š é č š č ě š ě é ě č ě é ě é é

Národní informační středisko pro podporu kvality

Národí iformačí střediso pro podporu vality Problémy s uazateli způsobilosti a výoosti v praxi Dr.Jiří Michále, CSc. Ústav teorie iformace a automatizace AVČR Uazatel způsobilosti C p Předpolady: ormálí

1. (18 bod ) Náhodná veli ina X je po et rub p i 400 nezávislých hodech mincí. a) Pomocí ƒeby²evovy nerovnosti odhadn te pravd podobnost

(8 bod ) Náhodná veli ina X je po et rub p i nezávislých hodech mincí a) Pomocí ƒeby²evovy nerovnosti odhadn te pravd podobnost P ( X EX < ) (9 bod ) b) Formulujte centrální limitní v tu a pomocí ní vypo