9 Kombinatorika, teorie pravděpodobnosti a matematická statistika

Rozměr: px
Začít zobrazení ze stránky:

Download "9 Kombinatorika, teorie pravděpodobnosti a matematická statistika"

Transkript

1 9 Kombatora, teore pravděpodobost a matematcá statsta Te, do argumetue průměrým platem, e s velou pravděpodobostí vysoce adprůměrý vůl s hluboce podprůměrým vzděláím (Mloslav Drucmüller) 9. Kombatora Kombatora e matematcý obor, terý studue vlastost oečých mož a uspořádaých -tc, de. Opírá se o dvě záladí pravdla: Pravdlo součtu: Nechť moža A obsahue prvů, moža A prvů,..., moža A prvů, možy A, A,..., A echť sou po dvou dsutí, t. pro aždé, =,.., e A A =. Pa počet všech prvů možy A A... A = A e = = =. Pravdlo souču: Nechť moža A obsahue prvů, moža A prvů,..., moža A prvů. Pa počet všech uspořádaých -tc [ a; a;...; a ], de a A ; a A;...; a A, e =... = ( poz.: počet prvů možy A začíme většou A ).. Přílad: Určeme počet prvů mož A B ; B A. Řešeí: Možu A lze zapsat ao sedoceí dvou dsutích mož A= ( A B) ( A B) (vz přpoeý Veův dagram), e proto A = A B + A B, odtud A B = A A B. Podobě B = ( B A) ( A B) B = B A + A B B A = B A B.. Přílad: Určeme počet prvů možy A B, e-l A B. Řešeí: Možu A B lze zapsat ao sedoceí tří dsutích mož: (vz opět Veův dagram). Je tedy A B = ( A B) ( A B) ( B A), A B = A B + A B + B A Protože vša A B = A A B ; B A = B A B (vz předchozí přílad), e A B = A A B + A B + B A B, tedy A B = A + B A B. 3. Přílad: Šestáct fotbalových mužstev hrae lgu systémem aždý s aždým dvě utáí (doma a veu). Kol utáí bude celem odehráo? 80

2 Řešeí: Moža všech utáí A e sedoceím po dvou dsutích mož A= A A... A = A, de A e moža všech domácích utáí -tého mužstva. Každá moža A má 5 prvů. Podle pravdla součtu tedy e. A = A = 5 = 5 = Přílad: Z celového počtu 3 studetů. ročíu Faulty stroího žeýrství v Brě udělalo zoušu z matematy 95 studetů, z fyzy 987 studetů, obě zoušy má 874 studetů. a) Kol studetů eudělalo zoušu z matematy? b) Kol studetů eudělalo zoušu z fyzy? c) Kol studetů udělalo zoušu z matematu a eudělalo zoušu z fyzy? d) Kol studetů udělalo zoušu z fyzy a eudělalo zoušu z matematy? e) Kol studetů eudělalo a edu zoušu? Řešeí: Uverzálí možou Ω e v ašem případě moža všech studetů. ročíu FSI, t. Ω= 3. Možu všech studetů, teří udělal zoušu z matematy, ozačme M, e M = 95, možu všech studetů, teří udělal zoušu z fyzy, ozačme F, e F = 987. Dále e M F = 874. Je tedy: a) Ω M = Ω Ω M = Ω M = 3 95 = 374 b) Ω F = Ω Ω F = Ω F = = 339 vz pt... př.. a) vz pt. př.. této pt. c) M F' = M F = M M F = = 78 d) F M ' = F M = F F M = = 3 e) Ω ( M F) = Ω M F = =Ω ( M + F M F ) = =Ω M F + M F = = = Na přpoeém obrázu e celé řešeí rozlíčováo. 5. Přílad: V prvím osudí e červeých míčů, ve druhém 4 zeleých a ve třetím 0 modrých. Jedotlvé míčy v osudích sou rozlšey (apř. očíslováy). Z aždého osudí vybereme ede míče. Kola způsoby lze výběr provést? Řešeí: Jedotlvá osudí představuí možy A ; A ; A 3, výběr pa uspořádaou troc [ a; a; a 3] ; de a A; a A; a3 A3. Podle pravdla souču e těchto troc = 4 0 = 80 V řadě aplací hrae důležtou rol tzv. přhrádový prcp. Přhrádový prcp: Nechť možy A, A,..., A sou po dvou dsutí, t. pro aždé, =,.., e A A =, moža A e ech sedoceím, t. A A A... A A = =. Má-l moža A více ež prvů (t. A eda z mož A, A,..., A má více ež ede prve. > ), pa alespoň 8

3 Moža A zde představue sříňu s zásuvam A, A,..., A. Máme-l do těchto zásuve rozdělt více ež předmětů, pa alespoň do edé zásuvy musíme dát eméě dva předměty.. Přílad: Člově má a hlavě evýše vlasů. Doažte, že alespoň dva obyvatelé Prahy maí steý počet vlasů. Řešeí: Moža A e moža všech obyvatel Prahy, počet eích prvů e přes mlo. Všechy tyto obyvatele rozdělíme do sup - mož A0; A; A;...; A podle počtu vlasů - A 0 úplě plešatí, A s edím vlasem, atd. Protože evyšší možý počet vlasů e , e , maxmálí počet sup e tedy Máme-l do těchto sup rozdělt přes mlo ldí, musí podle přhrádového prcpu alespoň eda supa obsahovat eméě dva ld - t. eméě dva ldé maí steý počet vlasů (do ž obsazeých sup e třeba přdat dooce eméě půl mlou ldí ). Permutace z prvů: e aždá uspořádaá -tce sestaveá z prvů. Jým slovy: Permutace z prvů e lbovolé uspořádáí -prvové možy. 7. Přílad: Je dáa moža A = {; ; 3}. Jeím permutacem sou uspořádaé troce [;;3]; [;3;]; [;;3]; [;3;]; [3;;]; [3;;]. V předchozím příladě sme vypsal všechy permutace tříprvové možy A (těchto permutací e šest). Určeme počet všech permutací obecě prvové možy. Představme s supu studetů, echž uspořádáí e určeo rozesazeím v učebě s místy. Studet postupě přcházeí a usedaí v učebě. Prví příchozí má a výběr míst, druhý ž e míst, třetí míst atd., posledí má pa a výběr posledí místo, teré zbylo. Možu všech možých výběrů prvího studeta ozačme A (ta má prvů); možu všech možých výběrů druhého stdeta A (te vybírá z míst),..., moža všech "výběrů" posledího studeta e pa A. Moža A má zřemě prvů, A prvů,.., A má edý prve (posledí studet ž obsadí místo, teré a ě zbude). Ozačíme-l počet všech možých rozesazeí (permutací) studetů P, ( ) e podle pravdla souču P ( ) = A A A... A A = ( ) ( )... Toto číslo se v aplacích vysytue velm často a azýváme ho fatorál: Fatorál: Fatorálem z přrozeého čísla > 0 rozumíme číslo! = ( ) ( )... Pro zedodušeí moha zápsů e účelé defovat fatorál pro ulu: 0! =. Počet permutací prvové možy e tedy P ( ) =! 8. Přílad: Kol růzých pětcferých čísel můžeme sestavt z cfer ; ;3; 4;5, estlže se žádá cfra emá opaovat? Řešeí: Každé taové číslo představue permutac pět prvů. Těchto permutací e 5! = = 0. 8

4 9.Přílad: Kola způsoby e možo rozesadt šedesát studetů a šedesát míst v posluchárě? Řešeí: Těchto permutací e 8 0! = ,3 0 (to e obrovsé číslo. Jede z možých modelů vesmíru tvrdí, že přblžě tol e elemetárích částc v celém vesmíru...) 0. Přílad: Vypočtěme:! 5 4! a) = = 8 5 = 0 4!! 4! b) c) d)! 0 9! 0 9! 0 40 = = = = 0! 9! 0 9! 9! 9! (0 ) 9 9 ( + )! ( + )( + )! = = + + = + +!! ( )( ) 3 ( + 4)! ( + )! ( + 4)( + 3)( + )! ( + )( + )! = = ( + )! ( + )! ( + )! ( + )! = ( + 4)( + 3) ( + ) = + 7+ = Varace -té třídy z prvů: Vraťme se ašemu modelovému příladu s obsazováím učeby. Představme s podobou stuac: studet maí obsazovat učebu s místy, ale e ch méě ež deme tomu, tedy <. T maí postupě a výběr: prví míst; druhý míst; třetí ;...; -tý pa ( ) = + míst. Ozačíme-l V(, ) počet možých rozesazeí - varací -té třídy z prvů, e podle pravdla souču V(, ) = ( ) ( )... ( + ). Teto vztah se většou rozšřue výrazem ( )! : ( ) ( )... ( + ) ( )! V(, ) = ( )! a uvádí se tedy ve tvaru! V(, ) = ( )!. Přílad: Př cvčeích z matematy obsazue studí supa edeadvacet studetů učebu, ve teré e pětadvacet míst. Kola způsoby se mohou posadt? Řešeí: Máme určt počet varací edeadvacáté třídy z pětadvacet prvů. Podle předchozí úvahy e 5! 5! 3 V (,5) = =.4 0 (5 )! 4! Kombace -té třídy z prvů: Řešme obecě úlohu, ola způsoby e možé vyplt sázový tet, terý obsahue čísel, máme-l zašrtout právě čísel ( zde e pochoptelě < ). Na prví pohled e stuace steá, ao př obsazováí učeby řížy postupě obsadíme čísel. Je zde vša podstatý rozdíl. Př obsazeí učeby sme rozlšoval ee 83

5 to, terá místa sou obsazea a terá e, ale taé pořadí studetů a obsazeých ždlích - zda Petr sedí u oa a Pavel u dveří, ebo zda e to aopa. Na vyplěé sázece e edo, zda sme zašrtl eprve dvou a potom dvaáctu, č aopa. Zde erozlšueme pořadí výběru. Výběr prvů z prvové možy bez ohledu a pořadí výběru (t. vlastě lbovolou prvovou podmožu prvové možy) azýváme ombací -té třídy z prvů. Počet těchto ombací ozačueme K. (, ) Poud bychom rozlšoval pořadí zašrtáváí čísel, počet možostí bude dá opět počtem varací -té třídy z prvů. Nechceme-l pořadí rozlšovat, musíme všechy případy, teré se lší e pořadím výběru, prohlást za případ edý. Protože vybíráme prvů, e počet případů, teré se lší e pořadím výběru, rovo počtu permutací z prvů, t.!. Právě tolrát bude méě možostí. Platí tedy: V(, ) K (, ) =! ebol! K (, ) =. ( )!! Toto číslo hrae opět důležtou rol v řadě aplací. Nazývá se ombačí číslo a často se začí! = (čteme ad ). ( )!!. Přílad: Kola způsoby lze vyplt sázeu s devětačtyřcet čísly, máme-l zašrtout šest čísel? Řešeí: Podle předchozí úvahy máme určt počet ombací šesté třídy z devětačtařcet prvů, t. 49! 49! ! K(, 49) = = = = = (49 )!! 43!! ! Něteré vlastost ombačích čísel (předpoládáme, ; < ):!! ( )! = = = = ( )!! ( )! ( )!!!! = = = = 0 ( 0)!0!! 0!!!!! = = = = ( )!! 0!!!!! = = = - ( ( ))!( )!!( )!!!!! + = + = + = + ( )!! ( )!( + )! ( ) ( )!! ( )!( + )!!( + ) +!( ) ( + + )! ( + )! = = = = ( ) ( )! ( + )! ( ) ( )! ( + )! ( )! ( + )! ( + )! + = = [( + ) ( + )]! ( + )! +. 84

6 Shruto: pro aždé, ; < platí + = = = = + = Přílad: Vypočtěme:!!! ( )! +! ( 4+ )! a) + = + = = = ( 3)! ( 3)! ( )! ( )( 3)! ( )( 3)! ( 3) ( )( )! ( 3)( ) = = ( )! b) + = + = = = = = Přílad: Řešme rovc: x x + = 4 x x 4 ( x )! ( x )! + = 4 [( x ) ( x )]!( x )! [( x ) ( x 4)]!( x 4)! ( x )! ( x )! + = 4!( x )!!( x 4)! ( x )( x )! ( x )( x 3)( x 4)! + = 4 ( x )! ( x 4)! ( x )( x 3) x + = 4 x + x 5x+ = 8 x 3x 4= 0 4; x =. = Z alezeých ořeů vyhovue e prví z ch, eboť zadaou rovc lze řešt pouze pro x ; x 4. Neřešeé úlohy: Upravte: x! ) ( )! ) ( + )!! 3) ( + )! ( )!! ( + )! 4) + ( )! ( )! 5)! ( + )! ) ( + )!!! ( )! 85

7 Vypočtěte 7) ) ) ) Řešte rovc x x + = 9 x 3 x 4 ) Deset šachstů hrae tura systémem aždý s aždým edu part. Kol partí bude a tura odehráo? ) Motor počítače pracue v barevém systému RGB všechy barvy sou mícháy z červeé, zeleé a modré složy, přčemž aždá složa má dspozc byte pamět, t. 5 hodot. a) Kol barev e a tomto motoru dspozc? b) Na tomto motoru prohlížíme obraz s rozlšeím pxelů (obrazových bodů). Doažte, že v tomto obraze exstuí alespoň dva pxely obarveé steou barvou! 3) Kol růzých fotografí lze teoretcy pořídt dgtálím fotoaparátem s rozlšeím dva megapxely? (fotoaparát pracue v režmu RGB z předchozího příladu) 4) Uvažume čtyřcferá čísla, echž cfry určueme hodem hrací ostou. Kol taových čísel exstue? 5) Házíme desetrát mcí. Pade-l orel, píšeme edču, pade-l paa, píšeme ulu. Kol růzých čísel můžeme tímto způsobem apsat? ) Sestavte pětcferé číslo, ehož prví cfra e lchá, druhá sudá, třetí děltelá šest, čtvrtá větší ež tř a pátá lbovolá. Kol řešeí má úloha? 7) Kola způsoby e možo rozmíchat balíče dvaatřcet aret? 8) Kol růzých čtyřúhelíů e možé sestrot, vybíráme-l ech vrcholy z edeáct růzých bodů, z chž žádé tř eleží a edé přímce? 9) Kola přímam lze spot deset bodů, estlže právě tř z ch leží a edé přímce? Výsledy ) ( ) ) + 3) + ( ) 4) 3 5) ( + )! ) 7) 75 8) 5 9) 0) 5 ) 45 ) a) 777 b) použte přhrádový prcp - a obarveí pxelů máme barev 3) ) 9 5) 04 ) ) 3!. 0 8) 330 9) 43 8

8 9. Bomcá věta Př umocňováí dvočleu (bomu) a -tou ( ) lze použít bomcou větu: ebol ( a+ b) = a + a b+ a b a b +... ab + b ( a+ b) = a b = Přílad: Umocěme ( a+ b) Řešeí: ( a+ b) = a + a b+ a b + a b + ab + b = 3 4 = a + 5a b+ 0a b + 0a b + 5ab + b Přílad: Umocěme 3 5 (m + 3 ). Řešeí: Dosazeím a = m ; b 3 = 3 do předchozího příladu dostaeme: (m + 3 ) = ( m ) + 5 ( m ) (3 ) + 0 ( m ) (3 ) + 0 ( m ) (3 ) ( m) (3 ) + (3 ) = 3m + 40m + 70m + 080m + 80m Velm často potřebueme z celého bomcého rozvoe e -tý čle: A = a b Přílad: Určete třetí čle rozvoe výrazu 5 3 Řešeí: A3 = ( a ) = 40 a ( ) 5 a. 4. Přílad: Určete x ta, aby sedmý čle rozvoe ( x ) 0 3 byl rove číslu 8,4. 0 0! A7 = x ( ) = x 4!! 4 = 840x 840x = 8,4 x =± 0, Řešeí: Máme ( ) 4 3 tedy, Vzhledem tomu, že x v zadáí e zřemě reálá, vyhovue pouze x = + 0,. Neřešeé úlohy: 0 ) Umocěte a) ( + a) b) ( ) ) Určete desátý čle rozvoe mocy ( x ) 3 x 4 3 3) Určete číslo x, e-l desátý čle rozvoe ( ) 0 rove

9 4) Určete čísla x; y, echž rozdíl e e x y = a pro ěž e osmý čle rozvoe ( x + 7 y ) Výsledy ) a) 4 + 9a+ 40a + 0a + 0a + a + a b) 3 ) 4) x= ; y = Zálady teore pravděpodobost 8 0x 3) 5 70 V přírodích a techcých vědách provádíme expermety, teré př zachováí steých podmíe vedou e steému výsledu. Upustíme-l áme z výšy h= 4,9 m v místě, de e gravtačí zrychleí g = 9,8 ms, dopade vždycy za edu seudu. Shoří-l dva gramy vodíu, dostaeme vždy 8 gramů vody. Ve výzumu běžém žvotě se vša setáváme s pousy, teré př dodržeí staoveých podmíe mohou vést růzým výsledům. Hodíme-l dvarát po sobě hrací ostou, dostáváme většou dva růzé výsledy, dyž sme hodl úplě steě. Prode-l výstupí otrolou sto bezvadých výrobů a sto prví bude vadý, pa další vadý výrobe sotva bude výrobe číslo 0, ale možá 94, ebo 05, ebo taé 79 (ebo možá už vůbec žádý). Tyto evy sou dáy působeím ěola (ědy velm moha) vlvů, echž přesý pops eí pratcy provedtelý. Proto sou výsledy orétích pousů (edoho hodu ostou, vadost č bezvadost orétího výrobu) epředvídatelé. Souhru pratcy epředvídatelých a epopsatelých vlvů říáme áhodé vlvy ebo stručě áhoda. Pous, terý probíhá za steých popsatelých podmíe, ale přesto má estý výslede vlvem áhody, azýváme áhodý pous. I dyž edotlvé výsledy áhodého pousu elze předpovědět, přesto se v ch obevuí sté záotost, teré lze matematcy popsat. Tímto matematcým popsem se zabývá teore pravděpodobost. Především e uto matematcy popsat možu všech možých výsledů áhodého pousu. U hodu hrací ostou to bude moža šestprvová, elépe moža Ω= {,,3,4,5,}. U výstupí otroly moža dvouprvová Ω = { vadý; bezvadý} ; př hodu edou mcí opět dvouprvová Ω = { paa; orel} (v podobých případech e možé vzít samozřemě možu Ω= {0,} ). Př hodu ostou vša mohu očeávat ee orétí číslo, ale taé ý výslede. Jestlže se se mou ědo vsadl, že hodí šestu, a tudíž očeává, že šestu hodí, pa á očeávám, že šestu ehodí, t. ao výslede pousu očeávám, že pade ěteré z čísel,,3,4,5 tedy vlastě podmožu příslušé možy Ω. Lbovolá podmoža možy Ω reprezetue (áhodý) ev tvrzeí o výsledu pousu. Př hodu ostou apř. moža A = {, 4, } reprezetue ev pade sudé číslo, moža B = {0} př výstupí otrole reprezetue ev výrobe e vadý. O tomto tvrzeí lze (po provedeí pousu) rozhodout, zda e pravdvé ev astal aebo epravdvé ev eastal. Jev pade sudé číslo lze popsat pomocí evů edodušších lze říc pade dvoa, čtvera ebo šesta. Jev pade šesta ž tato rozložt ede. Tyto evy (edoprvové podmožy možy Ω ) azýváme elemetárí evy. Specálím evy sou ev stý (ev reprezetovaý celou možou Ω ) a ev emožý (ev reprezetovaý prázdou možou). Reprezetace áhodých evů možam e zvláště ázorá v ásleduícím příladě: 88

10 . Přílad: Měme Veův dagram pro dvě možy, terý e používá ao terč pro vrháí špe. Jev A pa zameá zasáhu možu A (zde e třeba přepoládat, že terč e dostatečě velý a aždým hodem zasáhu alespoň možu Ω ). Lze-l evy výše uvedeým způsobem reprezetovat možam, pa a edotlvých evech lze zavést zámé možové vztahy operace: Sedoceí evů A, B e ev A B, terý astae právě tehdy, dyž astae ev A ebo ev B. (Hrací osta: ev pade číslo meší ež šest e sedoceím evů pade lché číslo a evu pade dvoa ebo čtvera. Zásahy terče: zasáhu obraz možy A B, t. šrafovaou oblast). Prů evů A, B e ev A B, terý astae právě tehdy, dyž astaou současě evy A, B (ev pade dvoa e průem evů pade sudé číslo a pade číslo meší ež čtyř. Zásahy terče: zasáhu obraz možy A B, t. dvotě šrafovaou oblast). Opačý ev evu A e ev A ', pro terý platí A' =Ω A (Hrací osta: opačý ev evu pade lché číslo e ev pade sudé číslo. Zásahy terče: opačý ev evu zasáhu obraz možy A e zasáhu obraz možy A ' doplňu možy A ; ev opačý evu A B e zasáhu ešrafovaou oblast ). Jev A e podevem evu B ( A B) právě tehdy, dyž ev B astae vždy, dyž astae ev A (Hrací osta: ev pade dvoa e podevem evu pade sudé číslo. Zásahy terče: Jev zasáhu A e podevem evu zasáhu B ). Neslučtelé evy: Jev A e eslučtelý s evem B právě tehdy, dyž A B = (Hrací osta: ev pade sudé číslo e eslučtelý s evem pade lché číslo. Zásahy terče: ev zasáhu A e eslučtelý s evem zasáhu B ) Pravděpodobost: Něteré áhodé evy astávaí častě ež é, říáme, že sou pravděpodoběší. Pravděpodobost e ohodoceí evu reálým číslem, teré e tím větší, čím větší adě a úspěch ev má. Očeávám-l př hodu ostou šestu, mám meší adě a úspěch ež dyž očeávám lbovolé sudé číslo. Házím-l do terče a posledím obrázu, mám větší adě, že trefím možu A, ež dybych měl treft možu B. V matematce azýváme pravděpodobostí aždé ohodoceí áhodého evu, teré má ásleduící vlastost:. Ohodoceí (pravděpodobost) aždého evu e ezáporé (t. větší ebo rovo ule).. Ohodoceí (pravděpodobost) stého evu e rovo edé. 3. Ohodoceí (pravděpodobost) sedoceí dvou eslučtelých evů e rovo součtu ohodoceí (pravděpodobostí) těchto dvou evů. 89

11 Korétí zavedeí pravděpodobost závsí a tom, zda moža elemetárích evů e oečá ebo eoečá. Házíme-l hrací ostou, e moža elemetárích evů šestprvová (tedy oečá). Házíme-l špou do terče, e moža elemetárích evů eoečá. Elemetárím evem e totž zásah edoho orétího bodu a těchto bodů e a terč eoečě moho. Házím-l hrací ostou a ešvdlu (apř. ta, že ostu pouštím z malé výšy stále a tutéž stěu), maí všecha čísla steou adě a úspěch (musí mít steou pravděpodobost). Jedá se o šest eslučtelých evů pravděpodobost ech sedoceí e součtem šest steě velých pravděpodobostí (bod 3). Sedoceím těchto evů e ev stý, terý musí mít pravděpodobost rovu edé. Součet šest steých čísel má být edča, pravděpodobost elemetárího evu e tedy eda šesta, Pravděpodobost sedoceí čtyř elemetárích evů (apř. pade číslo meší ež pět) evu sou čtyř šesty atd. Podobou úvahu bychom mohl zopaovat u řady dalších případů. V ch můžeme defc pravděpodobost vyslovt poěud orétě: Je-l moža všech výsledů áhodého pousu oečá a elemetárí evy sou steě možé, pa pravděpodobost evu A e číslo A PA= ( ), Ω de Ω e počet prvů možy Ω (t. počet všech elemetárích evů) a A e počet prvů možy A, t. počet elemetárích evů, teré ev A realzuí (sou mu přízvé)..přílad: Jaá e pravděpodobost, že př hodu hrací ostou pade lché číslo a přtom epade edča? Řešeí: Počet elemetárích evů (možých výsledů) e šest, přízvé evy sou dva (áš ev realzue padutí troy a pěty). Je tedy A PA= ( ) = =. Ω 3 V případě áhodého zasahováí terče e pravděpodobost zásahu přímo úměrá obsahu útvaru, terý máme zasáhout. Je možo defovat ao poměr plošého obsahu zasahovaého útvaru a plošého obsahu celého terče. V příladech se budeme věovat e případům, dy moža výsledů pousů e oečá. Přílad s terčem ám posloužl pro svo ázorost př obasňováí možových operací s evy. Ještě se vša o ěm zmííme př obasňováí ěterých vlastostí pravděpodobost, teré se poěud vymyaí běžé zušeost..přílad: Jaá e pravděpodobost, že př hodu dvěma ostam pade a obou ostách sudé číslo? Řešeí: Počet všech možých výsledů určíme podle ombatorcého pravdla souču: Ozačíme Ω možu všech výsledů prví osty, Ω možu všech výsledů druhé osty, pa moža ašch výsledů bude moža všech uspořádaých dvoc [ ab, ; ] de a Ω ; b Ω. Podle pravdla souču e těchto dvoc Ω =Ω Ω = = 3. Možu všech přízvých výsledů můžeme v tomto případě určt podobým způsobem: Moža A všech přízvých výsledů a prví ostce e tříprvová, rověž moža A přízvá a druhé ostce má tř prvy. Počet prvů možy A všech přízvých výsledů e tedy v tomto případě A = A A = 33 = 9a hledaá pravděpodobost e A 9 PA= ( ) = =. Ω

12 Všměme s: Pravděpodobost, že sudé číslo pade a prví ostce, e PA ( ) = 0,5, pravděpodobost, že totéž astae a druhé ostce, e PA ( ) = 0,5. Pravděpodobost, že sudé číslo pade a obou ostách současě, e PA= ( ) 0,5. V tomto případě tedy e PA ( ) = PA ( ) PA ( ). V případě hodu dvěma ostam e možo ev A formulovat tato a prví ostce pade sudé, a druhé lbovolé. Podobě A : a druhé ostce pade sudé, a prví lbovolé. V tom případě e ovšem A= A A a lze tedy psát PA ( A) = PA ( ) PA ( ). Teto vztah platí ovšem pouze v případě, že výsledy pousů a sobě esou závslé. Kosty o sobě avzáem evědí. Taové evy azýváme evy ezávslé. Jým evy se v tomto textu zabývat ebudeme. 3.Přílad: Jaá e pravděpodobost, že a) př hodu dvěma ostam pade součet pět; b) př hodu třem ostam součet edeáct; c) př hodu třem ostam součet dvaáct. Řešeí: Časté chybé řešeí: a) Počet všech možých výsledů e Ω = 3. Součet pět dostaeme, pade-l edča a čtvera ebo dvoa a troa. Je tedy A = ; A PA= ( ) = =. Ω 3 8 b) Počet všech možých výsledů e Ω= =, součtu edeáct e přízvých šest výsledů: A = {4; 4;3} ; A = {4;5; } ; A 3 = {4;;} ; A 4 = {5;5;} ; A 5 = {5;3;3} ; A A = {;3; }. Je tedy A = ; PA= ( ) = =. Ω 3 c) I zde e Ω= =, součet dvaáct opět realzue šest troc: A = {4;4;4}; A = {4;5;3}; A 3 = {4;; } ; A 4 = {5;5; } ; A 5 = {5; ;} ; A = {;3;3}. Je tedy opět A = ; A PA= ( ) = =. Ω 3 Hledaé pravděpodobost sou ve sutečost vyšší. Chyba spočívá v tom, že a výsledy pousů e pohlížeo chybě pouze ao a dvoce a olv správě ao a uspořádaé dvoce. Správé řešeí: V případě a) součet pět erealzuí dva, ale čtyř evy, A = {[4;];[3;];[;3];[;4]}. Je totž třeba rozlšt apř. dvoce [4;] - čtvera a prví ostce (terá může být apř. červeá) a [; 4] - čtvera a druhé ostce (terá může být apř. modrá). Máme tedy A = 4 a A 4 PA= ( ) = =. Ω 3 9 b) Podobě zde: součet edeáct erealzue e eda troce 4;4;3, ale tř uspořádaé troce [4;4;3];[4;3;4];[3;4;4], uspořádaých troc s prvy 4;5; e dooce šest. Na ev padly dvě čtvery a eda troa (bez ohledu a pořadí) e tedy třeba pohlížet buď ao a 9

13 sedoceí tří elemetárích evů, z chž aždý má pravděpodobost ebo prostě ao 3 a edu možost, terá má ovšem pravděpodobost. Hledaá pravděpodobost e pa PA ( ) = PA ( ) = = =. 8 c) Zcela aalogcy e zde PA ( ) = PA ( ) = =. Vlastost pravděpodobost: a) Pro pravděpodobost lbovolého evu A e 0 PA ( ). Protože evy A, A ' sou eslučtelé, e podle 3) PA ( A') = PA ( ) + PA ( '). Protože vša A A' =Ω, e PA ( ) + PA ( ') = P( Ω ). Podle ) e vša P( Ω ) =, tedy PA ( ) + PA ( ') =. Z toho plye b) PA ( ') = PA ( ). Protože ev emožý ( ) e opačý ev evu stému ( Ω ), e podle b) P( ) = P( Ω ), tedy c) P( ) = 0. Pozor! Tvrzeí o pravděpodobost stého a emožého evu sou tvrzeí tvaru mplace: Jestlže A e ev emožý, pa PA= ( ) 0 Jestlže A e ev stý, pa PA= ( ). Nemožost resp. stota evu sou postačuící podmíou ulové resp. edotové pravděpodobost. Nesou vša podmíou utou, t. obráceé věty: Jestlže PA= ( ) 0, pa A e ev emožý. Jestlže PA= ( ), pa A e ev stý. eplatí. Proč tato tvrzeí eplatí, obasíme a ašem příladu s terčem. Zde sme pravděpodobost zásahu oblast defoval ao poměr obsahu oblast, terou máme zasáhout obsahu celého terče. Náhodý pous bude spočívat v zasažeí bodu. Protože plošý obsah bodu e ulový, e pravděpodobost zasažeí předem daého bodu ulová. Přesto eí zásah bodu emožý (ěaý bod dooce zasahueme aždým pousem). Opačý ev - totž že předem daý bod ezasáheme, má pravděpodobost rovu edé, a přesto to eí ev stý. Pro oečé možy sme v pt. 9. uázal, že A B = A + B A B. Pro áhodé evy s oečým počtem výsledů musí tedy platt A B A + B A B A B A B PA ( B) = = = + = PA ( ) + PB ( ) PB ( B). Ω Ω Ω Ω Ω 9

14 Lze uázat, že steé tvrzeí platí v případě, že moža všech výsledů eí oečá. Platí tedy obecě: d) PA ( B) = PA ( ) + PB ( ) PA ( B). 3) Přílad: Jaá e pravděpodobost, že př hodu šest mcem padou právě tř hlavy? Řešeí: Každý hod mcí představue ezávslý áhodý ev se dvěma možým výsledy. Př hodu šest mcem e tedy možých Ω = = 4 výsledů. Přízvý výslede - právě tř! hlavy ze šest - e ombace třetí třídy ze šest prvů. Je tedy A = K(3, ) = = = 0 3 3! 3! A 0 5 a PA= ( ) = =. Ω 4 4. Přílad: Jaá e pravděpodobost, že př hodu třem ostam epade součet edeáct? Řešeí: V příladu 3b) sme spočítal pravděpodobost evu A : př hodu třem ostam součet edeáct pade: PA= ( ). Zde uvažueme ev opačý, eho pravděpodobost tedy e 8 7 PA ( ') = PA ( ) = = Přílad: Jaá e pravděpodobost výhry prví (třetí) cey ve sportce? Řešeí: V příladu pt. 9.. sme spočítal, že všech možostí, a sázeu vyplt, e Chceme-l prví ceu, e přízvý ev ede edý, pravděpodobost e tedy -8 PA= ( ) : V případě třetí cey (máme uhodout čtyř čísla ze šest)! zstíme počet přízvých evů ao počet ombací, tedy A = = = 5 a tedy 4! 4! -7 PA= ( ) 5: ,58 0 Neřešeé úlohy: ) Jaá e pravděpodobost, že př vrhu třem mcem pade a) právě ede líc b) právě a dvou mcích líc ) V sáču e dvaáct ulče červeých a osm modrých. Jaá e pravděpodobost, že př vytažeí pět ulče sou a) tř červeé, dvě modré? b) dvě červeé, tř modré? c) všechy červeé? d) všechy modré? 3) Ze hry 3 aret bylo vytažeo pět aret. Jaá e pravděpodobost. Jaá e pravděpodobost, že mez m sou a) čtyř esa? b) tř esa? c) dvě esa? d) edo eso? e) žádé eso? 4) Jaá e pravděpodobost, že př vrhu dvěma ostam pade součet pět ebo šest? 5) Jaá e pravděpodobost, že př vrhu třem ostam epade součet deset a edeáct? ) V tombole e sto losů a deset výher. Jaá e pravděpodobost, že alespoň a ede los vyhraeme, máme-l a) dva losy? b) tř losy? c) deset losů? 93

15 7) Jaá e pravděpodobost, že áhodě zvoleé dvocferé číslo a) e děltelé třáct? b) má cferý součet větší ež patáct? 8) Př zoušce se ze třcet otáze áhodě vyberou tř. Studet se přpravl a 70% otáze. Jaá e pravděpodobost, že studet zodpoví právě dvě otázy? 9) Ve vyrobeé sér padesát součáste e šest zmetů. Náhodě bylo vybráo deset součáste. Jaá e pravděpodobost, že mez m sou právě dva zmety? Výsledy: ) a) 3 b) ) a) ,397 b) 0, c) 0,05 d) 0,004 3) a) 8 0, b) 0,008 c) 0,098 d) 4 0, ) 3 ) a) 0,9 b) 0,73 c) 0,70 7) a) b) 7 8) 9) 0, ) 4 94

16 9.4. Úvod do statsty Statsta studue tzv. hromadé evy, t. růzé evy přírodí, společesé a é, ol vša edotlvě, ale ve velém počtu případů. Tyto evy lze růzým způsobem vatfovat, a e ta možé studovat tzv. statstcá data. Jedá se apř. o počet obyvatel státu, obem výroby podu, pohyb velého počtu moleul v plyu atd. Statstou se běžě rozumí zísáváí, zpracováváí a hodoceí těchto dat. Statsta ao matematcá dscpla e pa vědou o metodách tohoto zísáváí, zpracováváí a hodoceí. Statstcým souborem azýváme možu všech obetů statstcého zoumáí, aždý eí prve statstcou edotou ebo rátce edotou.. Počet prvů této možy azýváme rozsah souboru a začíme většou. Statstcý soubor, terý obsahue všechy prvy přcházeící v daé stuac v úvahu, azýváme záladím souborem. Teto soubor vša většou eí možé zpracovávat pro velý rozsah. Statstcá zšťováí se ta většou prováděí e a eho sté podmožě - výběrovém souboru. Záladím statstcým souborem ta může být apř. moža všech obyvatel aší republy, výběrovým souborem pa vhodě vybraý vzore o rozsahu apř. deset tsíc. Statstcý za e vlastost prvů statstcého souboru, terá e předmětem statstcého zoumáí (apř. rychlost moleuly v plyu). Zpravdla se začí x, orétí hodoty tohoto zau pa x; x;...; x.. Přílad: Uvažume možu šest ldí s tělesým výšam (v cm):4; 8; 70; 73; 79; 80. Statstcým zaem x e zde výša člověa, hodoty tohoto zau pa sou x = 4 ; x = 8 ; x 3 = 70 ; x 4 = 73 ; x 5 = 79 ; x = 80. Četost hodoty zau: V pratcých šetřeích se málody stává, že aždá edota má ou hodotu zau. Rozsah statstcého souboru se většou pohybue ve stovách ebo v tsících. Zoumáme-l apř. výšu dospělého člověa, pohybuí se hodoty zau v rozmezí řeěme 50 0 cm, t. př měřeí a celé cetmetry as šedesát hodot. Podle přhrádového prcpu ta musí ěol ldí (často velm moho) mít steou výšu. Počet hodot zau (ozačme ) e ta meší (ebo aevýš rove) rozsahu statstcého souboru, t.. Počet statstcých edote, mž přísluší steá hodota zau x pro =,,...,, se azývá (absolutí) četost hodoty zau x. Podíl absolutí četost a rozsahu souboru budeme začt v a azývá se relatví četost hodoty zau x. Platí tedy v = (v prax se tato hodota často vyadřue v procetech - pa e třeba ásobt sty procety). Součet všech četostí e zřemě rozsah souboru, t = =, součet všech relatvích četostí e rove edé: v+ v v = v =. 95

17 . Přílad: Po dvou stech hodech hrací ostou byla sestavea tato tabula: x v v v % V tabulce číslue hodoty statstcého zau, touto hodotou x e počet bodů v edotlvých hodech, četost začí olrát daý počet bodů padl, relatví četost v pa podíl a celovém počtu výsledů, posledí sloupec tuto hodotu vyadřue v procetech. 3. Přílad: Bylo provedeo dvě stě hodů devít mcem a v edotlvých hodech počítáo, a ola mcích padl rub x v v v % V tabulce e hodotou x e počet rubů v edotlvých hodech, četost začí, olrát v daém pousu rub opravdu padl. Supové rozděleí četostí: často se stává, že rozsah statstcého souboru e velý a taé počet zštěých hodot zau e začý. Proto se blízé hodoty statstcého zau sdružuí do sup - tříd tvořeých obvyle tervaly. Nečastě se volí tervaly steé dély. Zísáváme ta supové (tervalové) rozděleí četostí. 4. Přílad: Byly změřey výšy dvou set osob a rozděley do tříd podle ásleduící tabuly: Itervaly střed četost výšy Rozsah souboru 00 Grafcá zázorěí rozděleí četostí: Na záladě tabule četostí lze rozděleí četostí zázort grafcy. Na vodorovou osu přtom aášíme hodoty statstcého zau resp. tervaly tříd a a svslou osu četost, resp. relatví četost. Nečastě používaá grafcá zázorěí sou polygo a hstogram. Na uvedeých obrázcích vlevo sou zázorěa rozděleí četostí z předchozích tří příladů použtím hstogramu (sloupcového dagramu). 9

18 Jde o možu obdélíů, echž eda straa odpovídá délce tervalu tříd (ta leží a vodorové ose) a druhá pa četost (leží a svslé ose). Statstcé rozděleí četostí e pro řadu zoumaých evů charaterstcé. Př opaovaých hodech ostou padaí všechy možé výsledy zhruba steě často, sloupce hstogramu sou 97

19 proto zhruba steě vysoé. Taové rozděleí azýváme rozděleí rovoměré. Nevyšší a ežší možá hodota, t. x max ; x m určuí tzv. varačí rozpětí, t. rozdíl x max x m. Př hodu ěola mcem vdíme výrazý vrchol uprostřed a postupé sžováí sloupců e raím hodotám. Lze uázat, že četost edotlvých zaů odpovídaí bomcým oefcetům (vz pt. 9.3.). Proto e taové rozděleí azýváo rozděleím bomcým. Taé rozděleí výše postav př správě provedeém statstcém výběru má toto rozděleí. Poud bychom měl dspozc eoečý statstcý soubor s eoečě moha hodotam statstcého zau, mohl bychom zázort eho rozděleí plyulou (spotou) řvou. U rovoměrého rozděleí by to byla vodorová úseča, bomcé rozděleí by přešlo v rozděleí ormálí, teré e charaterzováo Gaussovou řvou (vz předchozí obráze). Statstcé charatersty: sou čísla, terá podávaí stručou souhrou formac o statstcém souboru. Artmetcý průměr: x hodot x; x;...; x e podíl součtu těchto hodot a ech počtu: x x + x x = = x. = 5. Přílad: Studet dostal za pololetí z matematy tyto zámy:,,,4,,4,3,,5. Určeme eho průměrou zámu. Řešeí: zde e = 9 ; x = ; x = ; x 3 = ; x 4 = 4 ; x 5 = ; x = 4 ; x 7 = 3 ; x 8 = ; x 9 = 5. Je tedy: 4 x= x = ( ) =,7. = 9 9 Poud by tedy učtel použl tuto charaterstu celovému hodoceí, zasloužl by studet z matematy trou. Dobrý učtel vša ví, že taové hodoceí e mohdy ošdé.. Přílad: Studet má z matematy zámy,,,, a z fyzy 3,3. Určeme eho průměrou zámu z těchto předmětů. Řešeí: Protože = 7 ; x = ; x = ; x 3 = ; x 4 = ; x 5 = ; x = 3 ; x 7 = 3, e: x= x = ( ) =, = Pozáma: Všměte s, že sme teto přílad řešl úplě steě ao předešlý - e úplě edo, zda tu č ou zámu dostal studet z matematy č fyzy. Pozor a lascé chybé řešeí: Průměr záme z matematy e,, průměr záme z fyzy 3. Průměrá záma e, + 3 =,. Teto průměr z průměrů e rove artmetcému průměru pouze v případě, že z obou předmětů dostal studet steý počet záme. Vážeý artmetcý průměr: x hodot x ; x ;...; x, terým sou přřazea postupě čísla v ; v ;...; v > 0 (váhy hodot) e podíl 98

20 vx + vx vx x = = v + v v vx v. 7. Přílad: Vraťme se příladu 5 a spočíteme průměrou zámu za předpoladu, že z uděleých záme e eda dvoa a eda edča ze čtvrtletích písemých prací, teré učtel poládá za čtyřrát závažěší, ež ostatí zámy (ty sou apřílad z destmutových testů). Řešeí: Opět e = 9 ; x = ; x = ; x 3 = ; x 4 = 4 ; x 5 = ; x = 4 ; x 7 = 3 ; x 8 = ; x 9 = 5 ; yí musíme ovšem přřadt váhy: desetmutovám apř. edču, čtvrtletím pracem pa čtveru, t.: v = v = v3 = v4 = ; v 5 = 4; v = v7 = ; v 8 = 4 ; v 9 = a počítat vážeý průměr: x vx + vx vx = = = = v+ v v a studet s aedou zaslouží dvou. 8. Přílad: Vraťme se příladu. V pozámce za ím sme ostatoval, že průměr záme z matematy e., průměr záme z fyzy e 3. Zároveň sme uázal, že prostý průměr z těchto průměrů eí artmetcým průměrem záme z matematy a fyzy. Přesto lze tyto průměry výpočtu použít - musíme vša pracovat s ech průměrem vážeým: víme, že průměr. e průměrem z pět záme, průměr 3 vzl ze dvou záme. Považume průměry za hodoty zau, t. x =. ; x = 3, těmto hodotám přřaďme váhy v = 5 ; v = a vypočtěme vážeý průměr: vx + vx x = = =, 7 v+ v 5+ 7 Teto průměr souhlasí s průměrem zštěým v př.. 9. Přílad: Vraťme se příladu 5. I teto přílad lze řešt vážeým průměrem. Hodotam zau sou edotlvé zámy: x = ; x = ; x 3 = 3; x 4 = 4; x 5 = 5 ; váham pa ech četost: = ; = 3 ; 3 = ; 4 = ; 5 =. Je tedy x x+ x + x ++ x ++ x = = = ,,7. Modus Mod( x ) hodot x; x;...; x e hodota x zau x, terá má evyšší četost. Medá Med( x ) hodot x; x;...; x, de x x... x, e a) hodota x + pro lché, x + x + b) hodota pro sudé. Medáem souboru hodot uspořádaých podle velost e tedy pro lchý počet hodot hodota prostředí, pro sudý počet hodot pa artmetcý průměr dvou prostředích hodot. 9. Přílad: Určeme artmetcý průměr, modus a medá souborů z příladů, 3, 4. 99

21 Řešeí: Artmetcý průměr zstíme ve všech případech vážeím: př..: x x = = = = 3, x př.3.: x = = = = 4, př.4.: 0 0 x x = = = = = = 75,05 00 Modus e hodota zau s evyšší četostí, t.: př..: Mod( x ) = ; př. 3.: Mod( x ) = 4; př. 5.: Mod( x ) = 75. Medá: Rozsah všech souborů e 00 všechy máme uspořádáy podle hodoty zau. x00 + x0 Medáem e tedy ve všech případech hodota. př..: Součet prvích dvou četostí e + = 8; prvích tří = 0. Hodoty x00; x 0 leží tedy ve třetím tervalu, obě sou rovy třem, ech artmetcý průměr e tedy rove třem. To zameá, že Med( x ) = 3. př. 3.: Aalogcy máme: = 8; =. Hodoty x00; x 0 leží tedy v tervalu č. 5, obě sou rovy čtyřem, ech artmetcý průměr e tedy rove čtyřem. To zameá, že Med( x ) = 4. př. 4.: Za hodoty budeme brát středy tervalů. Dále e = 77 ; = 4. Hodoty x 00 ; x 0 leží tedy v tervalu č. 5, obě sou rovy číslu 75, ech artmetcý průměr e tedy rove 75. To zameá, že Med( x ) = 75. Shrňme výsledy předchozího příladu: Hody ostou maí přblžě rovoměré rozděleí, x = 3, 48 ; Mod( x ) = ; Med( x ) = 3. U tohoto rozděleí e modus evhodou charaterstou evyšší četost může mít áhodě teráolv hodota. Artmetcý průměr e vhodý pohybue se v blízost středu varačího rozpětí, rověž ta medá. Hody ěola mcem maí přblžě bomcé rozděleí, u hodů osm mcem e x = 4, ; Mod( x ) = 4 ; Med( x ) = 4. Všechy tyto charatersty sou vhodé ee pro toto rozděleí, ale pro aždé rozděleí, teré e přblžě symetrcé a má výrazěší maxmum. Tyto charatersty se pa acházeí poměrě blízo tohoto maxma. V tomto případě sgalzuí, že př hodu osm mcem e epravděpodoběší výslede čtyřrát rub a 00

22 čtyřrát líc (a těchto charaterstách e dooce založea tzv. statstcá defce pravděpodobost). Rozděleí tělesých výše člověa - steě ao dalších zaů souvseících s tělesým dspozcem (váha, měřtelé sportoví výoy apod.) e opět přblžě bomcé a platí tudíž totéž, co v předchozím odstavc. V ašem orétím případě hodoty x = 75,05; Mod( x ) = 75 ; Med( x ) = 75 opět sgalzuí, že vybereme-l z ašeho vzoru áhodě edoho člověa, pa evětší pravděpodobost má výša 75 cm. 0. Přílad: Platy dvou set učtelů a patáct šolách sou dáy ásleduící tabulou: střed t četost Staovme artmetcý průměr, modus a medá. Řešeí: Soubor o rozsahu dvě stě e rozděle do osm tříd s eulovým četostm, e tedy 8 x x = = = = = = Modus e rove hodotě epočetěší třídy, t. Mod( x ) = 000, medá e opět rove artmetcému průměru platů stého a stého prvího učtele, t. Med( x ) = Přílad: V předchozím příladě se výrazě lší platy pětadvacet učtelů. Předpoládeme, že čtyř učtelé z evyšší platové třídy byl pověře mmořádě složtým úoly, řeěme v souvslost s ací teret do šol a že ech plat vzrostl a Kč. Zopaume předchozí výpočet. Řešeí: Čtyřem učtelům byl zvýše plat o = 4 000, celová vyplaceá suma tedy vzrostla o 4 ( ) = = Je tedy x = = Modus a medá se ezměly, t. Mod( x ) = 000 ; Med( x ) = 000. Vdíme, že změa platu u čtyř učtelů (a to a začě velá) eměla vlv a modus a medá. Statstcé charatersty ás maí formovat globálě o celém souboru. Modus a medá sutečě ealetěly a tr s přdáím čtyřem edcům. Artmetcý průměr vša vyrostl téměř o tsícovu a evypovídá vůbec o čem. Proč? Modus ž ze své defce formue o tom, aý plat e v aší supě epravděpodoběší, medá zase vybírá prostředího učtele. Změa ěola málo hodot specálě medá emůže dy výrazě ovlvt. 0

23 Modus e taé většou málo ctlvý a osmetcé změy. Výmu tvoří apř. přblžě rovoměré rozděleí (vz př., de stačí dva další hody, př chž áhodou pade šesta). V předchozích příladech sme ostatoval, že artmetcý průměr e použtelý a rozděleí, teré e alespoň přblžě symetrcé s výrazěším maxmem (teré musí být tudíž zhruba uprostřed rozpětí). Na přpoeém obrázu vdíme hstogram rozděleí platů z př.. Toto rozděleí e aopa extrémě esymetrcé s výrazým maxmem u spodí hrace platů. V příladu 0 se v blízost průměru pohyboval ze dvou set učtelů ede edý. Přdáím čtyřem učtelům ze dvou set v příladu stoupl celový průměr téměř o tsíc oru a teto fatasmagorcý plat epobírá už vůbec do. Až a ěol šťastých edců se všch se svým přímy acházeí podstatě íž. V pratcých případech sce eí většou stuace ta extrémí ao v ašch modelových příladech, specálě u mezd e vša toto rozděleí dost typcé. Ve všeobecém povědomí e zaořeě ázor, že artmetcý průměr e hodota, terou má větša prvů statstcého souboru - apř. průměrý plat e plat, terý má větša pracovíů. Předchozí přílady vša uázaly, že teto ázor e hluboce mylý. Může být dooce zeužt mapulac s veřeým míěím. Úředí zodpovědý za platy ve šoství může prohlást, že plat vzrostl průměrě o 90,-- Kč. Méě formovaý obča s tuto formac dooce ochotě a téměř automatcy přeloží ve větu všch učtelé dostal přdáo 90,-- Kč. Přtom částa 90,-- Kč e e áhodé sesupeí číslc a poem přdáí e zde steě absurdí ao průměr sám. Neřešeé úlohy: ) U šest steých stroích součástí byly změřemy hmotost v g:,5;,;,4;,;,8;,9. Určete a) artmetcý průměr b) medá. ) Steé stroí součásty byly rozděley podle své dély do osm tříd: Střed tervalu (cm) 7,345 7,445 7,545 7,45 7,745 7,845 7,945 8,045 četost Určete a) artmetcý průměr b) medá c) modus. 3) Přímy sté supy obyvatel sou dáy tabulou: střed tervalu četost Určete a) artmetcý průměr b) medá c) modus. Výsledy: ) a) 0 b) 0.5 ) a) b) c) ) a) b) c)

Digitální učební materiál

Digitální učební materiál Dgtálí učebí materál Číslo projetu CZ..07/.5.00/34.080 Název projetu Zvaltěí výuy prostředctvím ICT Číslo a ázev šabloy líčové atvty III/ Iovace a zvaltěí výuy prostředctvím ICT Příjemce podpory Gymázum,

Více

2. TEORIE PRAVDĚPODOBNOSTI

2. TEORIE PRAVDĚPODOBNOSTI . TEORIE PRAVDĚPODOBNOSTI V prax se můžeme setat s dvojím typem procesů. Jeda jsou to procesy determstcé, u terých platí, že př dodržeí orétích vstupích podmíe obdržíme přesý, předem zámý výslede (te můžeme

Více

Téma 1: Pravděpodobnost

Téma 1: Pravděpodobnost ravděpodobot Téma : ravděpodobot ředáša - ravděpodobot áhodého evu Náhodý pou a áhodý ev Náhodý pou - aždá čot, eíž výlede eí edozačě urče podmíam, za terých probíhá apř hod otou, měřeí dély, běh a 00

Více

1 Popis statistických dat. 1.1 Popis nominálních a ordinálních znaků

1 Popis statistických dat. 1.1 Popis nominálních a ordinálních znaků 1 Pops statstcých dat 1.1 Pops omálích a ordálích zaů K zobrazeí rozděleí hodot omálích ebo ordálích zaů lze použít tabulu ebo graf rozděleí četostí. Tuto formu zobrazeí lze dooce použít pro číselé zay,

Více

Doc. Ing. Dagmar Blatná, CSc.

Doc. Ing. Dagmar Blatná, CSc. PRAVDĚPODOBNOST A STATISTIKA Doc. Ig. Dagmar Blatá, CSc. Statsta statstcé údaje o hromadých jevech čost, terá vede zísáí statstcých údajů a jejch zpracováí teore statsty - věda o stavu, vztazích a vývoj

Více

PRAVDĚPODOBNOST A STATISTIKA

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

Více

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC 5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC V této kaptole se dozvíte: jak je defováa fukce přrozeá odmoca v kompleím oboru a jaké má vlastost včetě odlšostí od odmocy v reálém

Více

8. Zákony velkých čísel

8. 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

Více

Přednáška č. 2 náhodné veličiny

Přednáška č. 2 náhodné veličiny Předáša č. áhodé velčy Pozámy záladím pojmům z počtu pravděpodobost Pozáma 1: Př výpočtu pravděpodobost áhodého jevu dle lascé defce je uté věovat pozorost způsobu formulace vybraého jevu. V ásledující

Více

2. Vícekriteriální a cílové programování

2. Vícekriteriální a cílové programování 2. Vícerterálí a cílové programováí Úlohy vícerterálího programováí jsou úlohy, ve terých se a možě přípustých řešeí optmalzuje ěol salárích rterálích fucí. Moža přípustých řešeí je přtom defováa podobě

Více

Statistika je vědní obor zabývající se zkoumáním jevů, které mají hromadný charakter.

Statistika 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

Více

6. KOMBINATORIKA 181. 6.1. Základní pojmy 181 6.1.1. Počítání s faktoriály a kombinačními čísly 182. 6.2. Variace 184. 6.3.

6. KOMBINATORIKA 181. 6.1. Základní pojmy 181 6.1.1. Počítání s faktoriály a kombinačními čísly 182. 6.2. Variace 184. 6.3. Zálady matematiy Kombiatoria. KOMBINATORIKA 8.. Záladí pojmy 8... Počítáí s fatoriály a ombiačími čísly 8.. Variace 8.. Permutace 85.. Kombiace 87.5. Biomicá věta 89 Úlohy samostatému řešeí 9 Výsledy úloh

Více

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností 4.2 Elemetárí statstcké zpracováí Výsledkem statstckého zjšťováí (. etapa statstcké čost) jsou euspořádaá, epřehledá data. Proto 2. etapa statstcké čost zpracováí, začíá většou jejch utříděím, zpřehleděím.

Více

Lineární regrese ( ) 2

Lineární regrese ( ) 2 Leárí regrese Častým úolem je staoveí vzájemé závslost dvou (č více) fzálích velč a její matematcé vjádřeí. K tomuto účelu se používají růzé regresí metod, pomocí chž hledáme vhodou fuc f (), apromující

Více

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a)

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a) Předáša 7 Derivace a difereciály vyšších řádů Budeme poračovat v ahrazováí fuce f(x v oolí bodu a polyomy, tj hledat vhodé ostaty c ta, aby bylo pro malá x a f(x c 0 + c 1 (x a + c 2 (x a 2 + c 3 (x a

Více

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

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

Více

Optimalizace portfolia

Optimalizace portfolia Optmalzace portfola ÚVOD Problémy vestováí prostředctvím ákupu ceých papírů sou klasckým tématem matematcké ekoome. Celkový výos z portfola má v době rozhodováí o vestcích povahu áhodé velčy, eíž rozložeí

Více

Náhodné jevy, jevové pole, pravděpodobnost

Náhodné jevy, jevové pole, pravděpodobnost S Náhodé jevy pravděpodobost Náhodé jevy jevové pole pravděpodobost Lbor Žák S Náhodé jevy pravděpodobost Lbor Žák Základí pojmy Expermet česky též vědecký pokus je soubor jedáí a pozorováí jehož účelem

Více

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

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

Více

3. Charakteristiky a parametry náhodných veličin

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

Více

NEPARAMETRICKÉ METODY

NEPARAMETRICKÉ METODY NEPARAMETRICKÉ METODY Jsou to metody, dy předmětem testu hypotézy eí tvrzeí o hodotě parametru ějaého orétího rozděleí, ale ulová hypotéza je formulováa obecěji, apř. jao shoda rozděleí ebo ezávislost

Více

U. Jestliže lineární zobrazení Df x n n

U. Jestliže lineární zobrazení Df x n n MATEMATICKÁ ANALÝZA III předášky M. Krupky Zmí semestr 999/ 3. Iverzí a mplctí zobrazeí V této kaptole uvádíme dvě důležté věty, které acházeí aplkace v moha oblastech matematky: Větu o verzím a větu o

Více

10.2 VÁŽENÝ ARITMETICKÝ PRŮMĚR

10.2 VÁŽENÝ ARITMETICKÝ PRŮMĚR Středí hodoty Artmetcý průměr vážeý ze tříděí Aleš Drobí straa 0 VÁŽENÝ ARITMETICKÝ PRŮMĚR Výzam a užtí vážeého artmetcého průměru uážeme a ásledujících příladech Přílad 0 Ve frmě Gama Blatá máme soubor

Více

3. cvičení 4ST201 - řešení

3. cvičení 4ST201 - řešení cvčící Ig. Jaa Feclová 3. cvčeí 4ST0 - řešeí Obah: Míry varablty Rozptyl Směrodatá odchyla Varačí oefcet Rozlad rozptylu a mezupovou a vtroupovou varabltu Změa rozptylu Vyoá šola eoomcá VŠE urz 4ST0 Míry

Více

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

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

Více

!!! V uvedených vzorcích se vyskytují čísla n a k tato čísla musí být z oboru čísel přirozených.

!!! V uvedených vzorcích se vyskytují čísla n a k tato čísla musí být z oboru čísel přirozených. Kombiatoria Kombiatoria část matematiy, terá se zabývá růzými číselými "ombiacemi". Využití - apř při hledáí počtu možých tipů ve sportce ebo jiých soutěžích hrách, v chemii při spojováí moleul... Záladím

Více

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. 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 =

Více

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

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

Více

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A Nejstoty měřeí Pro každé přesé měřeí potřebujeme formac s jakou přesostí bylo měřeí provedeo. Nejstota měřeí vyjadřuje terval ve kterém se achází skutečá hodota měřeé velčy s určtou pravděpodobostí. Nejstota

Více

2. Znát definici kombinačního čísla a základní vlastnosti kombinačních čísel. Ovládat jednoduché operace s kombinačními čísly.

2. 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

Více

12. N á h o d n ý v ý b ě r

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

Více

k(k + 1) = A k + B. s n = n 1 n + 1 = = 3. = ln 2 + ln. 2 + ln

k(k + 1) = A k + B. s n = n 1 n + 1 = = 3. = ln 2 + ln. 2 + ln Číselé řady - řešeé přílady ČÍSELNÉ ŘADY - řešeé přílady A. Součty řad Vzorové přílady:.. Přílad. Určete součet řady + = + 6 + +.... Řešeí: Rozladem -tého čleu řady a parciálí zlomy dostáváme + = + ) =

Více

STATISTIKA. Základní pojmy

STATISTIKA. Základní pojmy Statistia /7 STATISTIKA Záladí pojmy Statisticý soubor oečá eprázdá možia M zoumaých objetů schromážděých a záladě toho, že mají jisté společé vlastosti záladí statisticý soubor soubor všech v daé situaci

Více

1 PSE Definice základních pojmů. (ω je elementární jev: A ω (A ω) nebo (A );

1 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

Více

Univerzita Karlova v Praze Pedagogická fakulta

Univerzita Karlova v Praze Pedagogická fakulta Uverzta Karlova v Praze Pedagogcká fakulta SEMINÁRNÍ PRÁCE Z OBECNÉ ALGEBRY DĚLITELNOST CELÝCH ČÍSEL V SOUSTAVÁCH O RŮZNÝCH ZÁKLADECH / Cfrk C. Zadáí: Najděte pět krtérí pro děltelost v jých soustavách

Více

5. Lineární diferenciální rovnice n-tého řádu

5. Lineární diferenciální rovnice n-tého řádu 5 3.3.8 8:44 Josef Herdla lieárí difereciálí rovice -tého řádu 5. Lieárí difereciálí rovice -tého řádu (rovice s ostatími oeficiety) ( ), a,, a (5.) ( ) ( ) y a y a y ay q L[ y] y a y a y a y, q je spojitá

Více

Statistika. Jednotlivé prvky této množiny se nazývají prvky statistického souboru (statistické jednotky).

Statistika. Jednotlivé prvky této množiny se nazývají prvky statistického souboru (statistické jednotky). Statstka. Základí pojmy Statstcký soubo - daá koečá, epázdá moža M předmětů pozoováí, majících jsté společé vlastost (událost, věc,.) Jedotlvé pvky této možy se azývají pvky statstckého soubou (statstcké

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

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

Více

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013.

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

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST 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

Více

[ jednotky ] Chyby měření

[ jednotky ] Chyby měření Chyby měřeí Provedeme-l určté měřeí za stejých podmíek vícekrát, jedotlvá měřeí se mohou odlšovat (z důvodu koečé rozlšovací schopost měř. přístrojů, áhodých vlvů apod.). Chyba měřeí: e = x x x...přesá

Více

6. Posloupnosti a jejich limity, řady

6. Posloupnosti a jejich limity, řady Moderí techologie ve studiu aplikovaé fyziky CZ..07/..00/07.008 6. Poslouposti a jejich limity, řady Posloupost je speciálí, důležitý příklad fukce. Při praktickém měřeí hodot určité fyzikálí veličiy dostáváme

Více

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2

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

Více

Náhoda. Pravděpodobnost výhry při sázce na barvu: p = 18/37 = 0,486 Průměrný zisk při n sázkách částky č: - n.č + 2.č.n.p = n.č.

Náhoda. Pravděpodobnost výhry při sázce na barvu: p = 18/37 = 0,486 Průměrný zisk při n sázkách částky č: - n.č + 2.č.n.p = n.č. Náhoda při i hřeh Martigale: Vsadíšřeěme dolar a barvu, terou si vybereš (červeáči čerá) a budeš stále sázet je a i. Roztočíš ruletu a čeáš Poud prohraješ, zdvojásobíš sázu, taže vsadíš příště dolary.

Více

Název školy: Gymnázium Jana Nerudy, škola hl. města Prahy. Předmět, mezipředmětové vztahy: matematika a její aplikace

Název školy: Gymnázium Jana Nerudy, škola hl. města Prahy. Předmět, mezipředmětové vztahy: matematika a její aplikace Název: Kombiatoria Autor: Mgr. Haa Čerá Název šoly: Gymázium Jaa Nerudy, šola hl. města Prahy Předmět, mezipředmětové vztahy: matematia a její apliace Ročí: 5. ročí Tématicý cele: Kombiatoria a pravděpodobost

Více

S k l á d á n í s i l

S k l á d á n í s i l S l á d á í s i l Ú o l : Všetřovat rovováhu tří sil, působících a tuhé těleso v jedom bodě. P o t ř e b : Viz sezam v desách u úloh a pracovím stole. Obecá část: Při sládáí soustav ěolia sil působících

Více

Mendelova univerzita v Brně Statistika projekt

Mendelova univerzita v Brně Statistika projekt Medelova uverzta v Brě Statstka projekt Vypracoval: Marek Hučík Obsah 1. Úvod... 3. Skupové tříděí... 3 o Data:... 3 o Počet hodot:... 3 o Varačí rozpětí:... 3 o Počet tříd:... 4 o Šířka tervalu:... 4

Více

Testování statistických hypotéz

Testování statistických hypotéz Testováí statstckých hypotéz - Testováí hypotéz je postup, sloužící k ověřeí předpokladů o ZS (hypotéz a základě výběrových dat (tj. hodot z výběrového souboru. - ypotéza = určtý předpoklad o základím

Více

Odhady parametrů 1. Odhady parametrů

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:

Více

8.1.2 Vzorec pro n-tý člen

8.1.2 Vzorec pro n-tý člen 8 Vzorec pro -tý čle Předpolady: 80 Pedagogicá pozáma: Přílady a hledáí dalších čleů posloupostí a a objevováí vzorců pro -tý čle do začé míry odpovídají typicým příladům z IQ testů, teré studeti zají

Více

Metody zkoumání závislosti numerických proměnných

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

Více

Intervalové odhady parametrů některých rozdělení.

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:

Více

Téma 5: Analýza závislostí

Téma 5: Analýza závislostí Aalýza závlotí Téma 5: Aalýza závlotí Předáša 5 Závlot mez ev Záladí pom Předmětem této aptol ude zoumáí závlotí ouvlotí mez dvěma a více ev. Jedá e o proutí do vztahů mez ledovaým ev a tím přlížeí tzv.

Více

3. cvičení 4ST201. Míry variability

3. cvičení 4ST201. Míry variability cvčící Ig. Jaa Feclová 3. cvčeí 4ST0 Obah: Míry varablty Rozptyl Směrodatá odchyla Varačí oefcet Rozlad rozptylu a mezupovou a vtroupovou varabltu Změa rozptylu Vyoá šola eoomcá VŠE urz 4ST0 Míry varablty

Více

a další charakteristikou je četnost výběrového souboru n.

a další charakteristikou je četnost výběrového souboru n. Předáška č. 8 Testováí rozptylu, testy relatví četost, testy dobré shody, test ezávslost kvaltatvích zaků Testy rozptylu Testy se používají k ověřeí hypotézy o určté velkost rozptylu a k ověřeí vztahu

Více

Statistické charakteristiky (míry)

Statistické charakteristiky (míry) Stattcé charaterty (míry) - hrují formac, obažeou v datech (vyjadřují j v ocetrovaé formě); - charaterzují záladí ryy zoumaého ouboru dat; - umožňují porováváí více ouborů. upy tattcých charatert :. charaterty

Více

Náhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů.

Náhodu 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

Více

Generování dvojrozměrných rozdělení pomocí copulí

Generování dvojrozměrných rozdělení pomocí copulí Pravděpodobost a matematcká statstka eerováí dvojrozměrých rozděleí pomocí copulí umbelova copule PRAHA 005 Vpracoval: JAN ZÁRUBA OBSAH: CÍL PRÁCE TEORIE Metoda verzí trasformace O copulích Sklarova věta

Více

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

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:

Více

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru

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

Více

8.1.2 Vzorec pro n-tý člen

8.1.2 Vzorec pro n-tý člen 8.. Vzorec pro -tý čle Předpolady: 80 Pedagogicá pozáma: Myslím, že jde o jedu z velmi pěých hodi. Přílady a hledáí dalších čleů posloupostí a a objevováí vzorců pro -tý čle do začé míry odpovídají typicým

Více

n=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

n=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

Více

1.1 Definice a základní pojmy

1.1 Definice a základní pojmy Kaptola. Teore děltelost C. F. Gauss: Matematka je královou všech věd a teore čísel je králova matematky. Základím číselým oborem se kterým budeme v této kaptole pracovat jsou celá čísla a pouze v ěkterých

Více

1. Úvod do základních pojmů teorie pravděpodobnosti

1. Úvod do základních pojmů teorie pravděpodobnosti . Úvod do základích pojmů teore pravděpodobost. Úvodí pojmy Větša exaktích věd zobrazuje své výsledky rgorózě tj. výsledky jsou získáváy a základě přesých formulí a jsou jejch terpretací. Příkladem je

Více

Chyby přímých měření. Úvod

Chyby přímých měření. Úvod Chyby přímých měřeí Úvod Př zjšťováí velkost sledovaé velčy dochází k růzým chybám, které ovlvňují celkový výsledek. V pra eestuje žádá metoda měřeí a měřcí zařízeí, které by bylo absolutě přesé, což zameá,

Více

Analytická geometrie

Analytická geometrie MATEMATICKÝ ÚSTAV Slezská uverzta Na Rybíčku, 746 0 Opava DENNÍ STUDIUM Aalytcká geometre Téma 3.: Aí zobrazeí Dece 3.. Zobrazeí aího prostoru A do aího prostoru A se azývá aí zobrazeí, estlže má ásleduící

Více

Cvičení 3 - teorie. Teorie pravděpodobnosti vychází ze studia náhodných pokusů.

Cvičení 3 - teorie. Teorie pravděpodobnosti vychází ze studia náhodných pokusů. Cvičeí 3 - teorie Téma: Teorie pravděpodobosti Teorie pravděpodobosti vychází ze studia áhodých pokusů. Náhodý pokus Proces, který při opakováí dává ze stejých podmíek rozdílé výsledky. Výsledek pokusu

Více

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT 2 IDENIFIKACE H-MAICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNO omáš Novotý ČESKÉ VYSOKÉ UČENÍ ECHNICKÉ V PRAZE Faulta eletrotechicá Katedra eletroeergetiy. Úvod Metody založeé a loalizaci poruch pomocí H-matic

Více

Úvod do korelační a regresní analýzy

Úvod do korelační a regresní analýzy Úvod do korelačí a regresí aalýz Bude ás zajímat, jak těsě spolu souvsí dva sledovaé jev Příklad: vztah mez rchlostí auta a brzdou dráhou vztah mez věkem žáka a rchlostí v běhu a 60 m vztah mez spotřebou

Více

1. Úvod do základních pojmů teorie pravděpodobnosti

1. Úvod do základních pojmů teorie pravděpodobnosti 1. Úvod do záladních pojmů teore pravděpodobnost 1.1 Úvodní pojmy Většna exatních věd zobrazuje své výsledy rgorózně tj. výsledy jsou zísávány na záladě přesných formulí a jsou jejch nterpretací. em je

Více

MATICOVÉ HRY MATICOVÝCH HER

MATICOVÉ HRY MATICOVÝCH HER MATICOVÉ HRY FORMULACE, KONCEPCE ŘEŠENÍ, SMÍŠENÉ ROZŠÍŘENÍ MATICOVÝCH HER, ZÁKLADNÍ VĚTA MATICOVÝCH HER CO JE TO TEORIE HER A ČÍM SE ZABÝVÁ? Teorie her je ekoomická vědí disciplía, která se zabývá studiem

Více

P1: Úvod do experimentálních metod

P1: Úvod do experimentálních metod P1: Úvod do epermetálích metod Chyby a ejstoty měřeí - Každé měřeí je zatížeo určtou epřesostí, která je způsobea ejrůzějším egatvím vlvy, vyskytujícím se v procesu měřeí. - Výsledek měřeí se díky tomu

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

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

Více

Deskriptivní statistika 1

Deskriptivní 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

Více

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz:

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz: Ig. Marta Ltschmaová Statstka I., cvčeí 1 TESTOVÁNÍ NEPARAMETRICKÝCH HYPOTÉZ Dosud jsme se zabýval testováím parametrcký hypotéz, což jsou hypotézy o parametrech rozděleí (populace). Statstckým hypotézám

Více

SP2 Korelační analýza. Korelační analýza. Libor Žák

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

Více

Elementární zpracování statistického souboru

Elementární zpracování statistického souboru Elemetárí zpracováí statistického souboru Obsah kapitoly 4. Elemetárí statistické zpracováí - parametrizace vhodými empirickými parametry Studijí cíle Naučit se výsledky měřeí parametrizovat vhodými empirickými

Více

ZÁKLADY POPISNÉ STATISTIKY

ZÁKLADY POPISNÉ STATISTIKY ZÁKLADY POPISNÉ STATISTIKY Statitia věda o metodách běru, zpracováí a vyhodocováí tatiticých údaů. Statiticé údae ou apř. údae o přirozeém přírůtu či migraci obyvateltva, obemu výroby průmylových podiů,

Více

8. cvičení 4ST201-řešení

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,

Více

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.

6 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

Více

2.4. INVERZNÍ MATICE

2.4. INVERZNÍ MATICE 24 INVERZNÍ MICE V této kapitole se dozvíte: defiici iverzí matice; základí vlastosti iverzí matice; dvě základí metody výpočtu iverzí matice; defiici celočíselé mociy matice Klíčová slova této kapitoly:

Více

n=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

n=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

Více

Jednokriteriální rozhodování za rizika a nejistoty

Jednokriteriální rozhodování za rizika a nejistoty Jeokrterálí rozoováí za rzka a estoty U eokrterálíc úlo e vžy pouze eo krtérum optmalty, a to buď maxmalzačí ebo mmalzačí. araty rozoováí sou zaáy mplctě - pomíkam, které musí být splěy (vz úloy leárío

Více

Charakteristiky úrovně

Charakteristiky úrovně Charaterty úrově Měřeí úrově Úroveň (poloha) je jedou ze záladích vlatotí tattcých dat, v úrov e mohou tattcá data lšt ebo aopa hodovat. Výzačé hodoty varačí řady ejou ctlvé a změu jedotlvých hodot Medá

Více

Mod(x) = 2, Med(x) = = 2

Mod(x) = 2, Med(x) = = 2 Pracoví list č.. Při zjišťováí počtu ezletilých dětí ve třiceti vybraých rodiách byly získáy tyto výsledky:,,,,,,,,,,,,,,,,,,,,,,,,,,,,,. Uspořádejte získaé údaje do tabulky rozděleí četostí a vyjádřete

Více

n 3 lim 3 1 = lim Je vidět, že posloupnost je neklesající, tedy z Leibnize řada konverguje, ( 1) k 1 k=1

n 3 lim 3 1 = lim Je vidět, že posloupnost je neklesající, tedy z Leibnize řada konverguje, ( 1) k 1 k=1 3. cvičeí Přílady. (a) (b) (c) ( ) ( 3 ) = Otestujeme itu 3 = 3 = = 0. Je vidět, že posloupost je elesající, tedy z Leibize řada overguje, ( ) Řada overguje podle Leibizova ritéria, ebot je zjevě erostoucí.

Více

Odhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení

Odhad 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

Více

Komplexní čísla. Definice komplexních čísel

Komplexní čísla. Definice komplexních čísel Komplexí čísla Defiice komplexích čísel Komplexí číslo můžeme adefiovat jako uspořádaou dvojici reálých čísel [a, b], u kterých defiujeme operace sčítáí, ásobeí, apod. Stadardě se komplexí čísla zapisují

Více

3. Charakteristiky a parametry náhodných veličin

3. Charakteristiky a parametry náhodných veličin 3. Charatersty a parametry áhodýh velč Úolem této aptoly je zavést pomoý aparát, terým budeme dále popsovat pomoí jedoduhýh prostředů áhodé velčy. Taovýmto aparátem jsou tzv. parametry ebo haratersty áhodé

Více

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

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

Více

Pro statistické šetření si zvolte si statistický soubor např. všichni žáci třídy (několika tříd, školy apod.).

Pro 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,

Více

Správnost vztahu plyne z věty o rovnosti úhlů s rameny na sebe kolmými (obr. 13).

Správnost vztahu plyne z věty o rovnosti úhlů s rameny na sebe kolmými (obr. 13). 37 Metrické vlastosti lieárích útvarů v E 3 Výklad Mějme v E 3 přímky p se směrovým vektorem u a q se směrovým vektorem v Zvolme libovolý bod M a veďme jím přímky p se směrovým vektorem u a q se směrovým

Více

MATEMATICKÁ INDUKCE. 1. Princip matematické indukce

MATEMATICKÁ INDUKCE. 1. Princip matematické indukce MATEMATICKÁ INDUKCE ALEŠ NEKVINDA. Pricip matematické idukce Nechť V ) je ějaká vlastost přirozeých čísel, apř. + je dělitelé dvěma či < atd. Máme dokázat tvrzeí typu Pro každé N platí V ). Jeda možost

Více

2. Matice a determinanty

2. Matice a determinanty Mtce deterty Defce : Odélíové sche (řádů) (sloupců) čísel zvee tce typu : [ ] M Je-l luvíe o čtvercové tc Prvy ( ) tvoří hlví dgoálu Zčíe ovyle : [ ] O - všechy prvy ulové - ulová tce I - edotová tce (

Více

1. Základy měření neelektrických veličin

1. Základy měření neelektrických veličin . Základ měřeí eelektrckých velč.. Měřcí řetězec Měřcí řetězec (měřcí soustava) je soubor měřcích čleů (jedotek) účelě uspořádaých tak, ab blo ožě splt požadovaý úkol měřeí, tj. získat formac o velkost

Více

PRAVDĚPODOBNOST A STATISTIKA

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

Více

LABORATORNÍ CVIČENÍ Z FYZIKY. Měření objemu tuhých těles přímou metodou

LABORATORNÍ CVIČENÍ Z FYZIKY. Měření objemu tuhých těles přímou metodou ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE KATEDRA FYZIKY LABORATORNÍ CVIČENÍ Z FYZIKY Jméo: Petr Česák Datum měřeí:.3.000 Studjí rok: 999-000, Ročík: Datum odevzdáí: 6.3.000 Studjí skupa: 5 Laboratorí skupa:

Více

DISKRÉTNÍ MATEMATIKA II

DISKRÉTNÍ MATEMATIKA II Faulta pedagogcá Techcá uverzta v Lberc DISKRÉTNÍ MATEMATIKA II Doc. RNDr. Mroslav Koucý CSc. Lberec 4 Úvod Dsrétí ateata resp. její zálady patří jž tradčě ez stadardí téata předášeá a Techcé uverztě v

Více

1. Rozdělení četností a grafické znázornění Předpokládejme, že při statistickém šetření nás zajímá jediný statistický znak x, který nabývá

1. Rozdělení četností a grafické znázornění Předpokládejme, že při statistickém šetření nás zajímá jediný statistický znak x, který nabývá Statitická šetřeí a zpracováí dat Statitika e věda o metodách běru, zpracováí a vyhodocováí tatitických údaů. Statitika zkoumá polečeké, přírodí, techické a. evy vždy a dotatečě rozáhlém ouboru údaů. Matematická

Více

8.2.1 Aritmetická posloupnost

8.2.1 Aritmetická posloupnost 8.. Aritmetická posloupost Předpoklady: 80, 80, 803, 807 Pedagogická pozámka: V hodiě rozdělím třídu a dvě skupiy a každá z ich dělá jede z prvích dvou příkladů. Př. : V továrě dokočí každou hodiu motáž

Více