PRAVDĚPODOBNOST A STATISTIKA
|
|
- Iva Švecová
- před 5 lety
- Počet zobrazení:
Transkript
1 SP Náhodý vektor PRAVĚPOOBNOS A SAISIKA Lbor Žák
2 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: sou áhodé proměé defové prvděpodobostím prostoru P Pomy: sdružeí dstrbučí fukce dskrétí áhodý vektor spotý áhodý vektor sdružeá hustot prvděpodobost dskrétí áhodý vektor sdružeá prvděpodobostí fukce mrgálí dstrbučí fukce mrgálí prvděpodobostí fukce mrgálí hustot prvděpodobost ezávslost
3 Sředí hodot: SP Náhodý vektor Lbor Žák B B Kovrce složek : 0 bb b b m m Náhodý vektor přpomeutí pomů z SP
4 SP Náhodý vektor Lbor Žák Náhodý vektor přpomeutí pomů z SP Vrčí mtce vektoru : vr vr vr vr vr B B vr B Kovrčí mtce vektorů Y: cov Y cov Y cov Y Y Y Y Y cov B c Y Bcov Y cov Y cov Y
5 Korelce složek : SP Náhodý vektor Lbor Žák Korelčí mtce vektorů Y: cor Y Náhodý vektor přpomeutí pomů z SP 0 S S sg bb b b m Y cor Y cor cor Y Y cor cor Y Y c
6 lší pomy vlstost: SP Náhodý vektor Lbor Žák Náhodý vektor přpomeutí pomů z SP cov cov vr S
7 SP Náhodý vektor Lbor Žák Náhodý vektor přpomeutí pomů z SP Multomcké rozděleí Mup p k Náhodý vektor k s multomckým rozděleím k Mup p k N p p 0 k p x hrkterstky: středí hodot: rozptyl: k má prvděpodobostí fukc: p x p x! p k x x xk p p x! x! xk! k p p k vr dg p pp p x k k
8 SP Náhodý vektor Lbor Žák Náhodý vektor přpomeutí pomů z SP -rozměré ormálí rozděleí N Náhodý vektor s -rozměrý ormálím rozděleím N R Σ e symetrcká poztvě deftí mtce má prvděpodobostí fukc: f x Σ exp x μ Σ x μ hrkterstky: středí hodot: rozptyl: vr μ Σ
9 SP Náhodý vektor Lbor Žák Náhodý vektor přpomeutí pomů z SP -rozměré ormálí rozděleí N σ σ ρ
10 SP Náhodý vektor Lbor Žák Náhodý vektor přpomeutí pomů z SP -rozměré ormálí rozděleí N Pltí: Nechť áhodý vektor má rozděleí ~ N R B e reálá regulárí mtce typu x. Pk Y B ~ N Bμ BΣB
11 SP Náhodý vektor Lbor Žák lší vlstost Nechť. m e mtceeíž prvky sou áhodé proměé defové prvděpodobostím prostoru P. Pk tuto mtc zýváme áhodou mtcí. Mtce Pro středí hodotu áhodé mtce pltí: B B se zývá středí hodot áhodé mtce Nechť e áhodý vektor A e regulárí mtce x pk A A r Avr kde rz e stop mtce Z. m B A B A
12 SP Náhodý vektor Lbor Žák lší vlstost Nechť Y Y Y m sou áhodé vektory. ále ozčme: dg Y dg Pk pro korelčí mtc specálě: cor Y cor Y Y m cov Y vr cor Y Y Y m pltí:
13 SP Náhodý vektor Lbor Žák Podmíěé rozděleí Nechť e áhodý vektor. eto vektor rozdělme dvě část. hceme ít rozděleí pro z předpokldu že část bývá předem zvoleých hodot x. Nechť e dskrétí áhodý vektor s prvděpodobostí fukcí px= px x mrgálí prvděpodobostí fukcí p x pro část. Nechť x e pevě zvoleé p x 0. Pk fukc proměé x : p x x p x zýváme podmíěou prvděpodobostí fukcí z podmíky = x. p x x
14 SP Náhodý vektor Lbor Žák Podmíěé rozděleí Nechť e áhodý vektor. eto vektor rozdělme dvě část. hceme ít rozděleí pro z předpokldu že část bývá předem zvoleých hodot x. Nechť e spotý áhodý vektor s hustotou prvděpodobost fx= fx x mrgálí hustotou prvděpodobost f x pro část. Nechť x e pevě zvoleé f x 0. Pk fukc proměé x : f x x zýváme podmíěou hustotou prvděpodobostí z podmíky =x. f x f x x
15 SP Náhodý vektor Lbor Žák Podmíěé rozděleí Pltí: pokud pro kždé x pltí: px x p f x x f x ebo x pk složky áhodého vektoru sou ezávslé.
16 SP Náhodý vektor Lbor Žák Podmíěé rozděleí Nechť e áhodý vektor. eto vektor rozdělme dvě část. hceme ít rozděleí pro z předpokldu že část bývá předem zvoleých hodot x. Nechť x e pevě zvoleé p x 0 f x 0.. Pk fukc proměé x : p t x Fx x pt x p x tx tx F x x f t x tx dt tx f t x f x dt zýváme podmíěou dstrbučí fukcí z podmíky =x.
17 SP Náhodý vektor Lbor Žák Podmíěé rozděleí Nechť S S e fukce áhodého vektoru trsformová áhodá velč. Pk fukce proměé x S x x px g x S x x f x x dx g x x xz zýváme podmíěou středí hodotou áhodé velč S z podmíky =x. zčíme: S x S Fukce S se tké zývá regresí fukce velčy S vzhledem k to fukce popsue k se měí středí hodot velčy S v závslost hodotách proměé. Využtí e zemé v regresí lýze.
18 SP Náhodý vektor Lbor Žák Podmíěé rozděleí Pltí: Nechť S = S e fukce áhodého vektoru S e koečá. Pk S e koečá pro skoro všech x pltí: S S Pltí: Nechť S = S S = S mí koečé středí hodoty. Pk pro b R pltí: skoro stě. Specálě: S bs S bs
19 SP Náhodý vektor Lbor Žák Podmíěé rozděleí Nechť S =S e fukce áhodého vektoru. S. Pk zýváme podmíěý rozptyl áhodé velč S z podmíky =x. S S S Fukce S se tké zývá skedstcká fukce velčy S vzhledem k. to fukce popsue k se měí rozptyl velčy S v závslost hodotách proměé. Rozděleí u kterých e tto fukce kosttí se zýví homoskedstcká.
20 SP Náhodý vektor Lbor Žák Podmíěé rozděleí Pltí: Nechť ~ N μ Σ e p-rozměrý áhodý vektor. Středí hodotu rozptyl lze rozdělt část : μ μ μ Σ Σ Σ Σ Σ Pk podmíěé rozděleí z podmíky = x má rozděleí: N p μ ΣΣ x μ Σ Σ Σ Σ
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
VícePRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor
SP Náhodý vektor PRAVDĚPODOBNOS A SAISIKA Náhodý vektor Lbor Žák SP Náhodý vektor Lbor Žák Náhodý vektor Náhodý vektor slouží k popsu výsledku pokusu kdy měříme více údaů o procesu. Před provedeím pokusu
VíceSP 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
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOT A TATITIKA Přpomeutí pojmů,, P m θ, R θ R - pravděpodobostí prostor - parametrcký prostor - parametrcká fukce,, T - áhodý vektor defovaý a pravděpodobostím prostoru,, P θ s hustotou f x,
VícePRAVDĚPODOBNOST A STATISTIKA
SP Záko velkých čísel, cetrálí lmtí věta PRAVDĚPODOBNOST A STATISTIKA Lbor Žák SP Záko velkých čísel, cetrálí lmtí věta Lbor Žák Kovergece podle pravděpodobost Posloupost áhodých proměých,,,, koverguje
VícePRAVDĚPODOBNOST 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
VíceSP2 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
VícePRAVDĚPODOBNOST 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
VícePRAVDĚPODOBNOST 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
VícePRAVDĚPODOBNOST 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
Více14. B o d o v é o d h a d y p a r a m e t r ů
4. B o d o v é o d h a d y p a r a m e t r ů Na základě hodot áhodého výběru z rozděleí určitého typu odhadujeme parametry tohoto rozděleí, tak aby co ejlépe odpovídaly hodotám výběru. Formulujme tudíž
VíceOdhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.
Odhady parametrů základího souboru Ig. Mchal Dorda, Ph.D. Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl σ atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt
Více12. N á h o d n ý v ý b ě r
12. N á h o d ý v ý b ě r Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých
VíceSpolehlivost a diagnostika
Spolehlvost a dagostka Složté systémy a jejch spolehlvost: Co je spolehlvost? Vlv spolehlvost kompoetů systému Návrh systému z hledska spolehlvost Aplkace - žvotě důležté systémy - vojeské aplkace Teore
Více4. B o d o v é o d h a d y p a r a m e t r ů
4. B o d o v é o d h a d y p a r a m e t r ů Na základě hodot áhodého výběru z rozděleí určitého typu odhadujeme parametry tohoto rozděleí, tak aby co ejlépe odpovídaly hodotám výběru. Formulujme tudíž
Více1.1 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
VíceOdhady 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
Více8. Zákony velkých čísel
8 Zákoy velkých čísel V této část budeme studovat velm často užívaá tvrzeí o součtech posloupost áhodých velč Nedříve budeme vyšetřovat tvrzeí azývaá souhrě ako slabé zákoy velkých čísel Veškeré úvahy
VícePřijímací řízení akademický rok 2013/2014 NavMg. studium Kompletní znění testových otázek matematika a statistika
Přijímcí řízeí kdemický rok /4 NvMg studium Kompletí zěí testových otázek mtemtik sttistik Koš Zěí otázky Odpověď ) Odpověď b) Odpověď c) Odpověď d) Správá odpověď efiičí obor fukce defiové předpisem f
VíceV. Normální rozdělení
V. Normálí rozděleí 1. Náhodá veličia X má ormovaé ormálí rozděleí N(0; 1). Určete: a) P (X < 1, 5); P (X > 0, 3); P ( 1, 135 < x ); P (X < 3X + ). c) číslo ε takové, že P ( X < ε) = 0,
VícePravděpodobnost a aplikovaná statistika
Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 4. KAPITOLA STATISTICKÉ CHARAKTERISTIKY 16.10.2017 23.10.2017 Přehled témat 1. Pravděpodobost (defiice, využití, výpočet pravděpodobostí
Víceprocesy II Zuzana 1 Katedra pravděpodobnosti a matematické statistiky Univerzita Karlova v Praze
limití Náhodé limití Katedra pravděpodobosti a matematické statistiky Uiverzita Karlova v Praze email: praskova@karli.mff.cui.cz 9.4.-22.4. 200 limití Outlie limití limití efiice: Řekeme, že stacioárí
VíceGenerování 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
VícePři sledování a studiu vlastností náhodných výsledků poznáme charakter. podmínek různé výsledky. Ty odpovídají hodnotám jednotlivých realizací
3. Náhodý výběr Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých realizací
VícePRAVDĚPODOBNOST A STATISTIKA. Bodové a intervalové odhady
SP Bodové a tervalové odhady PRAVDĚPODOBNOST A STATISTIKA Bodové a tervalové odhady Lbor Žák SP Bodové a tervalové odhady Lbor Žák Bodové a tervalové odhady Nechť je áhodá proměá, která má dstrbučí fukc
VíceSP2 Korelační analýza. Korelační analýza. Libor Žák
Koelčí lýz Přpomeutí pojmů áhodá poměá áhodý vekto áhodý vekto m Náhodý výbě: po áhodou poměou : po áhodý vekto : po áhodý vekto : m m Přpomeutí pojmů - kovce Kovce áhodých poměých kovčí koefcet popsuje
VíceAVDAT Náhodný vektor, mnohorozměrné rozdělení
AVDAT Náhodný vektor, mnohorozměrné rozdělení Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Opakování, náhodná veličina, rozdělení Náhodná veličina zobrazuje elementární
VíceSTEJNOMĚRNÁ KONVERGENCE POSLOUPNOSTI A ŘADY FUNKCÍ
STEJNOMĚRNÁ KONVERGENCE Ztím ebylo v těchto textech věováo příliš pozorosti kovergeci fukcí, t jko limit poslouposti ebo součet řdy. Jik byl kovergece poslouposti fukcí ebo řdy brá jko bodová kovergece.
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Bodové a itervalové odhady Nechť X je áhodá proměá, která má distribučí fukci F(x, ϑ). Předpokládejme, že záme tvar distribučí fukce (víme jaké má rozděleí) a ezáme parametr
VíceNekonečné řady. 1. Nekonečné číselné řady 1.1. Definice. = L L nekonečnou posloupnost reálných čísel. a) Označme { a }
Nekoečé řdy. Nekoečé číselé řdy.. Defiice ) Ozčme { } { } = L L ekoečou posloupost reálých čísel.,,,,, Nekoečá číselá řd je součet tvru = + + + L+ + L. Jedotlivá čísl,,, L,, L se zývjí čley řdy, čle obvykle
VíceNáhodný výběr 1. Náhodný výběr
Náhodý výběr 1 Náhodý výběr Matematická statistika poskytuje metody pro popis veliči áhodého charakteru pomocí jejich pozorovaých hodot, přesěji řečeo jde o určeí důležitých vlastostí rozděleí pravděpodobosti
VícePravděpodobnost a aplikovaná statistika
Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 6. KAPITOLA CENTRÁLNÍ LIMITNÍ VĚTA 6.11.2017 Opakováí: Čebyševova erovost příklad Pravděpodobost vyrobeí zmetku je 0,5. Odhaděte pravděpodobost,
Vícenazveme číselným vektorem. Čísla a Definice. Vektor, jehož všechny složky se rovnají nule, se nazývá nulový vektor o r = (0, 0, 0,, 0).
ČÍSELNÉ VEKTORY Defce Uspořádou -tc čísel = (,,, ) zveme číselým vektoem Čísl,,, jsou složky ebol souřdce vektou Přozeé číslo zýváme ozměem ebo tké dmezí vektou Defce Vekto, jehož všechy složky se ovjí
VíceDUM č. 19 v sadě. 13. Ma-1 Příprava k maturitě a PZ algebra, logika, teorie množin, funkce, posloupnosti, řady, kombinatorika, pravděpodobnost
projekt GML Bro Doces DUM č. 9 v sdě. M- Příprv k mturitě PZ lgebr, logik, teorie moži, fukce, poslouposti, řdy, kombitorik, prvděpodobost Autor: Jrmil Šimečková Dtum:.0.0 Ročík: mturití ročíky Aotce DUMu:
VíceStatistika II. Jiří Neubauer
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Zaměříme se především na popis dvourozměrných náhodných veličin (vektorů). Definice Nechť X a Y jsou
Více8. Analýza rozptylu.
8. Aalýza rozptylu. Lieárí model je popis závislosti, který je využívá v řadě disciplí matematické statistiky. Uvedeme jeho popis a tvrzeí, která budeme využívat. Setkáme se s ím jedak v aalýze rozptylu,
Více8. Elementární funkce
Moderí techologie ve studiu plikové fzik CZ.1.07/2.2.00/07.0018 8. Elemetárí fukce Historie přírodích věd potvrzuje, že většiu reálě eistujících dějů lze reprezetovt mtemtickými model, které jsou popsá
VíceIntervalové odhady parametrů některých rozdělení.
4. Itervalové odhady parametrů rozděleí. Jedou ze základích úloh mtematické statistiky je staoveí hodot parametrů rozděleí, ze kterého máme k dispozici áhodý výběr. Nejčastěji hledáme odhady dvou druhů:
Vícea 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
Více6. ČÍSELNÉ POSLOUPNOSTI A ŘADY 6.1. ČÍSELNÉ POSLOUPNOSTI
6. ČÍSELNÉ POSLOUPNOSTI A ŘADY 6.. ČÍSELNÉ POSLOUPNOSTI V této kpitole se dozvíte: jk defiujeme posloupost reálých ebo komplexích čísel; defiici vlstí evlstí limity poslouposti; defiici pojmů souvisejících
VíceMetody 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
Více1. LINEÁRNÍ ALGEBRA. , x = opačný vektor
. LINEÁRNÍ LGEBR Vektorový prostor.. Defiice Nechť V e moži které sou defiováy operce sčítáí + : t. zobrzeí V V V ásobeí i : t zobrzeí R V V. Možiu V zýváme vektorovým prostorem, sou-li splěy ásleduící
Víceodhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti.
10 Cvičeí 10 Statistický soubor. Náhodý výběr a výběrové statistiky aritmetický průměr, geometrický průměr, výběrový rozptyl,...). Bodové odhady parametrů. Itervalové odhady parametrů. Jedostraé a oboustraé
VíceOdhady parametrů 1. Odhady parametrů
Odhady parametrů 1 Odhady parametrů Na statistický soubor (x 1,..., x, který dostaeme statistickým šetřeím, se můžeme dívat jako a výběrový soubor získaý realizací áhodého výběru z áhodé veličiy X. Obdobě:
VíceNáhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů.
Náhodu bychom mohli defiovat jako součet velkého počtu drobých epozaých vlivů. V rámci přírodích věd se setkáváme s pokusy typu za určitých podmíek vždy astae určitý důsledek. Např. jestliže za ormálího
Vícejako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých
9 Limití věty. V aplikacích teorie pravděpodobosti (matematická statistika, metody Mote Carlo se užívají tvrzeí vět o kovergeci posloupostí áhodých veliči. Podle povahy kovergece se limití věty teorie
VíceKapitola 1. Nekonečné číselné řady. Definice 1.1 Nechť {a n } n=1 je posloupnost reálných čísel. Symbol. a n nebo a 1 + a 2 + a
Kpitol Nekoečé číselé řdy Defiice. Nechť { } je posloupost reálých čísel. Symbol ebo + 2 + 3 +... zýváme ekoečou číselou řdou. s = i= i = + 2 +... + zveme -tý částečý součet řdy {s } posloupost částečých
VíceTento materiál vznikl díky Operačnímu programu Praha Adaptabilita CZ.2.17/3.1.00/33254
Evropský socálí fod Prh & EU: Ivestuee do vší udoucost eto terál vkl díky Operčíu progru Prh dptlt CZ..7/3..00/3354 Mžerské kvtttví etody II - předášk č. - eore her eore her 96 vo Neu, Morgester kldtelé
Vícen-rozměrné normální rozdělení pravděpodobnosti
-rozměré ormálí rozděleí pravděpodobosti. Ortogoálí a pozitivě defiití symetrické matice. Reálá čtvercová matice =Ha i j L řádu se azývá ortogoálí, je-li regulárí a iverzí matice - je rova traspoovaé matici
VícePOSLOUPNOSTI A ŘADY,
POSLOUPNOSTI A ŘADY, ÚVOD DO INTEGRÁLNÍHO POČTU Obsh Poslouposti řdy. Poslouposti reálých čísel................................ Aritmetická geometrická posloupost........................ 4.3 Nekoečé číselé
VíceZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)
ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU) Základy teorie pravděpodobosti měřeí chyba měřeí Provádíme kvalifikovaý odhad áhodá systematická výsledek ejistota výsledku Základy teorie pravděpodobosti
VíceOdhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:
Odhady parametrů polohy a rozptýleí pro často se vyskytující rozděleí dat v laboratoři se vyčíslují podle ásledujících vztahů: a : Laplaceovo (oboustraé expoeciálí rozděleí se vyskytuje v případech, kdy
VíceVlastnosti posloupností
Vlstosti posloupostí Nekoečá posloupost je fukce defiová v oboru přirozeých čísel Z toho plye, že kždá posloupost má prví čle (zčíme ), koečé poslouposti mjí i čle posledí Př Vypište prví čtyři čley poslouposti
VíceStatistická 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
VíceMatematická statistika
Matematcká statstka 1/1 M:um Náhodá velèa pøøazuje ka¾dému mo¾ému jevu (z urèté mo¾y jevù) pravdìpodobost (hustotu pravdìpodobost) dskrétí, apø. hod kostkou: p = 1/6 pro {,,,,, } spojtá, apø. èas rozpadu
VícePRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru
SP Náhodý vetor ezávislost fuce NV PRAVDĚPODONOST A STATISTIKA Náhodý vetor ezávislost fuce áhodého vetoru Libor Žá Náhodý vetor stochasticá ezávislost Náhodé veličiy... defiovaé a ravděodobostím rostoru
VícePopisná statistika. Zdeněk Janák 9. prosince 2007
Popisá statistika Zdeěk Jaák jaak@physics.mui.cz 9. prosice 007 Výsledkem měřeí atmosférické extikce z pozorováí komet a observatoři Skalaté Pleso jsou tyto hodoty extikčích koeficietů ve vlové délce 46
VíceAnalytická geometrie
MATEMATICKÝ ÚSTAV Slezská uverzt N Rybíčku, 746 0 Opv DENNÍ STUDIUM Alytcká geoetre Té 5.: Shodá zobrzeí Defce 5.. Zobrzeí f eukldovského prostoru E do eukldovského prostoru E se zývá shodé (zoetrcké),
VíceAnalytická geometrie
Alytická geometrie Vektory Prmetrické vyjádřeí přímky roviy Obecá rovice droviy Vektorový prostor Nechť jsou dáy ásledující mtemtické objekty: ) ) ) 4) Číselé těleso T. Neprázdá moži V. Zobrzeí Zobrzeí
Více11.1 Úvod. Definice : [MA1-18:P11.1] definujeme pro a C: nedefinujeme: Posloupnosti komplexních čísel
KAPITOLA : Číselé řdy MA-8:P.] Ozčeí: R {, +} R R C {} C rozšířeá komplexí rovi evlstí hodot, číslo, bod U ε {x C x < ε } pro C, ε > 0 U K {x C x > K } pro K 0 defiujeme pro C: ±, je pro 0, edefiujeme:
VíceTéma 22. Ondřej Nývlt
Téma 22 Ondřej Nývlt nyvlto1@fel.cvut.cz Náhodná veličina a náhodný vektor. Distribuční funkce, hustota a pravděpodobnostní funkce náhodné veličiny. Střední hodnota a rozptyl náhodné veličiny. Sdružené
VíceEntropie, relativní entropie a sdílená (vazební) informace
Etroie, relativí etroie a sdíleá vazebí iformace Pojem iformace je říliš rozsáhlý a to, abchom jej komleě osali jedoduchou defiicí. Pro libovolou distribuci ravděodobosti můžeme defiovat tzv. etroii, jež
Vícen = 2 Sdružená distribuční funkce (joint d.f.) n. vektoru F (x, y) = P (X x, Y y)
5. NÁHODNÝ VEKTOR 5.1. Rozdělení náhodného vektoru Náhodný vektor X = (X 1, X 2,..., X n ) T n-rozměrný vektor, složky X i, i = 1,..., n náhodné veličiny. Vícerozměrná (n-rozměrná) náhodná veličina n =
VíceTento 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
Více8.2.7 Geometrická posloupnost
87 Geometrická posloupost Předpokldy: 80, 80, 80, 807 Pedgogická pozámk: V hodiě rozdělím třídu dvě skupiy kždá z ich dělá jede z prvích dvou příkldů Větši studetů obou skupi potřebuje pomoc u tbule Ob
Více6.2. ČÍSELNÉ ŘADY. V této kapitole se dozvíte:
6.2. ČÍSELNÉ ŘADY V této kpitole se dozvíte: jk defiujeme číselou řdu; defiici kovergece řdy jejího součtu; jk vypdá ritmetická, geometrická hrmoická řd jk je to s jejich kovergecí; jk zí utá podmík kovergece
VícePřednáška 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
VícePravděpodobnost a statistika Výpisky z cvičení Ondřeje Chocholy
Pravděpodobost a statistika Výpisky z cvičeí Odřeje Chocholy Ja Štětia 9. listopadu 9 Cviˇceí 3.9.9 Úloha: Máme 4 kostky. Ω = {a, b, c, d}, Ω = 6 4 A = 6 5 4 3 P(A) = 6 5 4 3 6 4 Naejvýš l kostek: m...
VíceOdhady a testy hypotéz o regresních přímkách
Lekce 3 Odhad a tet hpotéz o regreích přímkách Ve druhé lekc jme kotruoval kofdečí terval a formuloval tet hpotéz o korelačím koefcetu Korelačí koefcet je metrckou charaktertkou tezt závlot, u které ezáleží
VícePRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení
S1P áhodá roměá vybraá rozděleí PRAVDĚPODOBOST A STATISTIKA áhodá roměá vybraá rozděleí S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Degeerovaé rozděleí D( ) áhodá veličia X s degeerovaým
VíceÚvod 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
VíceEKONOMETRIE 9. přednáška Zobecněný lineární regresní model
EKONOMETRIE 9. předáška Zobecěý lieárí regresí model Porušeí základích podmíek klasického modelu Metoda zobecěých emeších čtverců Jestliže sou porušey ěkteré podmíky klasického modelu. E(u),. E (uu`) σ
Více8.1 Úvod. Definice: [MA1-18:P8.1] výpočet obsahu plochy pod grafem funkce. (nejdříve jen pro a < b ) a = x 0 < x 1 <... < x n = b.
KPITOL 8: určitý itegrál Riemův itegrál [M-8:P8.] motivce: výpočet oshu plochy pod grfem fukce 8. Úvod ejdříve je pro < ) řekeme, že moži D, je děleím itervlu,, jestliže je koečá, D. Prvky děleí D {x,
VícePRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru
SP Náhodý vetor ezávislost fuce NV PRAVDĚPODONOST A STATISTIKA Náhodý vetor ezávislost fuce áhodého vetoru Libor Žá Náhodý vetor stochasticá ezávislost Náhodé veličiy... defiovaé a ravděodobostím rostoru
VíceUniverzita Karlova v Praze Pedagogická fakulta
Uverzt Krlov v Prze Pedgogcká kult SEMINÁRNÍ PRÁCE Z POLYNOMICKÉ ALGEBRY POLYNOM / CIFRIK Zdáí: Vyšetřete všem probrým prostředky polyom Vyprcováí: Rcoálí kořey Podle věty: Nechť p Q je koře polyomu q
VíceM - Posloupnosti VARIACE
M - Poslouposti Autor: Mgr Jromír Juřek - http://wwwjrjurekcz Kopírováí jkékoliv dlší využití výukového mteriálu je povoleo pouze s uvedeím odkzu wwwjrjurekcz VARIACE Teto dokumet byl kompletě vytvoře,
VíceVýstup a n. Vstup. obrázek 1: Blokové schéma a graf paralelní soustavy
Paralelí soustava Vstup a a Výstup a Vstup a Výstup a a obrázek : Blokové schéma a graf paralelí soustavy paralelí soustava je v bezporuchovém stavu je-l v bezporuchovém stavu prvek (tzv. adbytečé spojeí
VíceOptimalizace 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
Vícei 1 n 1 výběrový rozptyl, pro libovolné, ale pevně dané x Roznačme n 1 Téma 6.: Základní pojmy matematické statistiky
Téma 6.: Základí pojmy matematické statistiky Vlastosti důležitých statistik odvozeých z jedorozměrého áhodého výběru: Nechť X,..., X je áhodý výběr z rozložeí se středí hodotou μ, rozptylem σ a distribučí
VícePřednáška V. Úvod do teorie odhadu. Pojmy a principy teorie odhadu Nestranné odhady Metoda maximální věrohodnosti Průměr vs.
Předáška V. Úvod do teore odhadu Pojmy a prcpy teore odhadu Nestraé odhady Metoda mamálí věrohodost Průměr vs. medá Opakováí výběrová dstrbučí fukce Sestrojíme výběrovou dstrbučí fukc pro výšku a váhu
Více8. Odhady parametrů rozdělení pravděpodobnosti
Pozámky k předmětu Aplikovaá statistika, 8 téma 8 Odhady parametrů rozděleí pravděpodobosti Zaměříme se a odhad středí hodoty a rozptylu a to dvěma způsoby Předpokládejme, že máme áhodý výběr X 1,, X z
Více7 LIMITNÍ VĚTY. Čas ke studiu kapitoly: 70 minut. Cíl:
7 LIMITNÍ VĚTY Čas ke studu kaptoly: 70 mut Cíl: o prostudováí tohoto odstavce budete umět formulovat a používat lmtí věty aproxmovat já rozděleí rozděleím ormálím - 96 - Výklad: V této kaptole adefujeme
Vícev. Úkolem regrese (vyrovnání) argumentu y je nalézt vhodnou regresní funkci Y f (x)
9 REGRESE A KORELACE Slovo regrese oecě zmeá poh zpět ústup ávrt regresví = ustupující Opčým termíem je progrese pokrok postup šířeí růst Pojem regrese l do sttstk zvede kocem 9 století rtským učecem Frcsem
Víceveličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou
1 Zápis číselých hodot a ejistoty měřeí Zápis číselých hodot Naměřeé hodoty zapisujeme jako číselý údaj s určitým koečým počtem číslic. Očekáváme, že všechy zapsaé číslice jsou správé a vyjadřují tak i
VícePRAVDĚPODOBNOST 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
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBOST A STATISTIKA Degeerovaé rozděleí D( ) áhodá veličia X s degeerovaým rozděleím X ~D(), R má základí rostor Z = { } a ravděodobostí fukci: ( ) 1 0 Charakteristiky: středí hodota: E(X ) roztyl:
Více1. Zjistěte, jestli následující formule jsou tautologie. V případě záporné odpovědi určete k dané formuli konjunktivní a disjunktivní normální formu.
Výrokový počet. Zjistěte, jestli ásledující formule jsou tautologie. V případě záporé odpovědi určete k daé formuli kojuktiví a disjuktiví ormálí formu. i) A C) = B C) = A B) ) ii) A B) = A C C B ) iii)
VíceZákladní elementární funkce.
6. předášk Zákldí elemetárí fukce. Defiice: Elemetárími fukcemi zveme všech fukce, které jsou vtvoře koečým počtem zákldích opercí ze zákldích elemetárích fukcí. Zákldí operce s fukcemi jsou:. Sčítáí dvou
Více3. Charakteristiky a parametry náhodných veličin
3. Charateristiy a parametry áhodých veliči Úolem této apitoly je zavést pomocý aparát, terým budeme dále popisovat pomocí jedoduchých prostředů áhodé veličiy. Taovýmto aparátem jsou tzv. parametry ebo
Více3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě.
3. Hodoceí přesost měřeí a vytyčováí. Odchylky a tolerace ve výstavbě. 3.1 Úvod o měřeí obecě 3.2 Chyby měřeí a jejch děleí 3.2.1 Omyly a hrubé chyby 3.2.2 Systematcké chyby 3.2.3 Náhodé chyby 3.3 Výpočet
VícePRAVDĚPODOBNOST 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
VíceS1P Popisná statistika. Popisná statistika. Libor Žák
SP Popsá statstka Popsá statstka Lbor Žák SP Popsá statstka Lbor Žák Základí zdroje : skrpta Mateatka IV - doc. RNDr. Z. Karpíšek, CSc. ateatka o le - http://athole.fe.vutbr.cz/ Základ ateatcké statstk
Více6. ZÁKLADY STATIST. ODHADOVÁNÍ. Θ parametrický prostor. Dva základní způsoby odhadu neznámého vektoru parametrů bodový a intervalový.
6. ZÁKLADY STATIST. ODHADOVÁNÍ X={X 1, X 2,..., X n } výběr z rozdělení s F (x, θ), θ={θ 1,..., θ r } - vektor reálných neznámých param. θ Θ R k. Θ parametrický prostor. Dva základní způsoby odhadu neznámého
VíceTestování 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
VíceNáhodné vektory a matice
Náhodné vektory a matice Jiří Militký Katedra textilních materiálů Technická Universita Liberec, Červeně označené slide jsou jen pro doplnění informací a nezkouší se. Symbolika A B Jev jistý S (nastane
VíceVYSOKÁ 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
Více8 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 -
VíceUžitečné zdroje příkladů jsou: Materiály ke cvičením z Kalkulu 3 od Kristýny Kuncové:
Užitečé zdroje příkladů jsou: Materiály ke cvičeím z Kalkulu 3 od Kristýy Kucové: http://www.karli.mff.cui.cz/~kucova/historie8. php K posloupostem řad a fukcí Ilja Čerý: Iteligetí kalkulus. Olie zde:
VíceMezní stavy konstrukcí a jejich porušov. Hru IV. Milan RůžR. zbynek.hruby.
ováí - Hru IV /6 ováí Hru IV Mila RůžR ůžička, Josef Jureka,, Zbyěk k Hrubý zbyek.hruby hruby@fs.cvut.cz ováí - Hru IV /6 ravděpodobostí úavové diagramy s uvažováím předpětí R - plocha ve čtyřrozměrém
VíceDynamická pevnost a životnost Kumulace poškození
DPŽ Hrubý Dymcká pevost žvotost Kumulce poškozeí Ml Růžčk, Josef Jurek, Zbyěk Hrubý mechk.fs.cvut.cz zbyek.hruby@fs.cvut.cz DPŽ Hrubý Kumulce poškozeí (R-low, přepočet ekvvletí mpltudu, bezpečý žvot) DPŽ
Více