letní semestr Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy Matematická statistika

Rozměr: px
Začít zobrazení ze stránky:

Download "letní semestr Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy Matematická statistika"

Transkript

1 Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy letní semestr Založeno na materiálech doc. Michala Kulicha

2 veličina Definice Funkci X, která zobrazuje elementární jevy ω Ω na reálná čísla, nazýváme náhodná veličina. veličina X číselně vyjádřený výsledek náhodného pokusu předem neznáme její hodnotu, ale víme jakých hodnot může nabývat a s jakou pravděpodobností každému elementárnímu jevu ω přiřadí reálné číslo převádí elementární jevy (abstraktními objekty) na čísla její hodnota X(ω) se liší podle toho, který elementární jev ω Ω nastal

3 veličina příklad Příklad (Urna) Z urny, v níž je 1 bílá a 9 černých kouĺı, náhodně vytahujeme koule (a hned zase vracíme) tak dlouho, dokud nevytáhneme bílou kouli. Máme Ω = {všechny posloupnosti tažených kouĺı končící bílou}

4 veličina příklad Příklad (Urna) Z urny, v níž je 1 bílá a 9 černých kouĺı, náhodně vytahujeme koule (a hned zase vracíme) tak dlouho, dokud nevytáhneme bílou kouli. Máme Ω = {všechny posloupnosti tažených kouĺı končící bílou} Můžeme zavést například náhodné veličiny: X(ω) = celkový počet tažených kouĺı Y(ω) = počet tažených černých kouĺı Dozvíme-li se, které ω nastalo, tj. jaká byla posloupnost tažených kouĺı, známe okamžitě i hodnoty X a Y.

5 veličina další příklady počet nehod na dálnici D1 ve vybraný den počet gólů v zápase počet správně zodpovězených otázek v testu výška náhodně vybraného člověka (podobně jeho věk, výška, IQ...) délka života náhodně vybraného člověka životnost výrobku rychlost náhodně vybrané molekuly množství srážek v daný den...

6 veličina Značení Mějme náhodnou veličinu X : Ω R. Pak můžeme uvažovat pravděpodobnost náhodného jevu, že náhodná veličina nabude určité hodnoty, padne do určitého rozmezí atd. Např. P[X = x] P({ω Ω : X(ω) = x}) pro x R, P[X x] P({ω Ω : X(ω) x}) pro x R, P[X B] P({ω Ω : X(ω) B}) pro B R a tak podobně.

7 veličina příklad děti Příklad (Děti) Uvažujme rodinu, která má tři děti. Zaved me náhodné veličiny X určuje počet dcer a Y je počet starších bratrů nejmladšího dítěte. Prozkoumejme náhodné veličiny X a Y.

8 veličina příklad děti Příklad (Děti) Uvažujme rodinu, která má tři děti. Zaved me náhodné veličiny X určuje počet dcer a Y je počet starších bratrů nejmladšího dítěte. Prozkoumejme náhodné veličiny X a Y. Prostor elementárních jevů Ω je dán výčtem pohlaví dětí od nejstaršího do nejmladšího (uspořádané trojice). Ω = {SSS,SSD,SDS,DSS,DDS,DSD,SDD,DDD} (S je syn, D je dcera).

9 veličina příklad děti pokrač. Máme: ω X(ω) Y(ω) SSS 0 2 SSD 1 2 SDS 1 1 DSS 1 1 DDS 2 0 DSD 2 1 SDD 2 1 DDD 3 0 Lze předpokládat, že všechny ω jsou stejně pravděpodobné.

10 veličina příklad děti pokrač. veličina X může nabývat hodnot 0,1,2,3, a to s následujícími pravděpodobnostmi x P(X = x) Výpočet: P[X = 0] = {SSS} 8 atd. = 1 {SSD,SDS,DSS}, P[X = 1] = = veličina Y může nabývat hodnot 0,1,2, a s pstmi y P(Y = y)

11 veličina příklad děti pokrač. Podobně by nás mohla zajímat pravděpodobnost, s jakou je v rodině nejvýše jedna dcera v rodině je více než tři dcery počet starších bratrů nejmladšího je menší než čtyři

12 veličina příklad děti pokrač. Podobně by nás mohla zajímat pravděpodobnost, s jakou je v rodině nejvýše jedna dcera v rodině je více než tři dcery počet starších bratrů nejmladšího je menší než čtyři P[X 1] = {SSS,SSD,SDS,DSS} 8 =P(X = 0)+P(X = 1) P[X > 3] = 8 = 0 P[Y < 4] = Ω 8 = 8 8 = 1 = 4 8 = 1 2

13 Příklad Příklad V šupĺıku jsou tři páry ponožek ze stejného materiálu: zelené, modré a bílé. Po tmě náhodně vyberete dvě ponožky a aniž byste ověřili jejich barvu, vyrazíte v nich do školy. Necht X značí počet obutých bílých ponožek. Určete, jakých hodnot X nabývá a s jakými pravděpodobnostmi.

14 Příklady náhodných veličin počet nehod na dálnici D1 ve vybraný den počet gólů v zápase počet správně zodpovězených otázek v testu výška náhodně vybraného člověka (podobně jeho věk, výška, IQ...) délka života náhodně vybraného člověka životnost výrobku rychlost náhodně vybrané molekuly množství srážek v daný den... různé druhy náhodných veličin

15 Diskrétní náhodná veličina Terminologie Diskrétní náhodná veličina je taková náhodná veličina, která může nabývat jen konečně nebo spočetně mnoha různých hodnot. Nejčastější příklady počty (četnosti) nějakých událostí (počet gólů v zápase, počet narozených dívek, počet dopravních nehod,...) indikátory nějakého jevu (ano/ne, nastal/nenastal, pravda/lež), nebo indikátory členství v jedné z předem daných skupin (muž/žena, vzdělání základní/středoškolské/vysokoškolské, bydliště Praha/Ústecko/Pardubicko/...)

16 veličina příklad výška Příklad (Výška) Uvažujme náhodnou veličinu X, která udává výšku náhodně vybraného člověka. Jak si ji můžeme představit jako zobrazení Ω R?

17 veličina příklad výška Příklad (Výška) Uvažujme náhodnou veličinu X, která udává výšku náhodně vybraného člověka. Jak si ji můžeme představit jako zobrazení Ω R? Prostor elementárních jevů Ω je dán všemi faktory, které mohly ovlivnit výšku všech lidí zděděné geny, prodělané nemoci, úrazy,... všechny faktory, které mohly ovlivnit měření výšky nepřesnosti měření, jak se kdo nahrbil,... všechny faktory, které mohly vést k tomu, že právě onen člověk byl náhodně vybrán. Elementární jevy stanoveny tak, abychom z nich mohli určit změřenou výšku nelze je rozumně popsat je jich nespočetně mnoho.

18 veličina příklad výška na Ω použijeme obecnou (axiomatickou) definici pravděpodobnosti pravděpodobnost P (nám neznámá) udává P(A) všech jevů A Ω. Náhodnou veličinu X jakožto zobrazení z Ω do R nedokážeme popsat (nebot nedokážeme popsat Ω) to ale nevadí, nebot dokážeme pozorovat změřenou výšku. Jakých hodnot může nabývat změřená výška? libovolné kladné reálné číslo (pravděpodobnosti hodnot nad 250 cm považujeme za zanedbatelné) nelze mluvit o pravděpodobnost jednotlivých hodnot (jsou to reálná čísla je jich nespočetně)

19 Spojitá náhodná veličina Náhodnou veličinu uvažovanou v předchozím příkladě nazýváme veličinou spojitou. Terminologie Spojitá náhodná veličina je taková náhodná veličina, která může nabývat nespočetně mnoha různých hodnot (většinou interval reálných čísel, nebo jakékoli reálné číslo), přičemž každá konkrétní hodnota má nulovou pravděpodobnost. Příklady výsledek nějakého měření, který může nabývat velkého počtu hodnot uvnitř nějakého konečného či nekonečného intervalu výška, váha, hladina cholesterolu v krvi, věk v okamžiku smrti, doba do vyhoření žárovky, rychlost molekuly plynu

20 Poznámky příklad s dětmi vs. příklad s výškou: u počtu dětí jsme mohli použít klasickou definici psti, u výšky nikoliv klasickou definici lze použít u diskrétních veličin, a to pouze někdy většinou musíme pracovat s obecnou axiomatickou definicí pravděpodobnosti teoreticky pracujeme s prostorem elementárních jevů Ω (těžko popsatelný) na němž je zavedena nějaká (neznámá) pravděpodobnost P v praxi prostor Ω ale nemusíme znát, protože nám ho náhodná veličina převádí na reálná čísla

21 Diskrétní vs. spojité veličiny Diskrétní náhodná veličina nabývá konečně nebo spočetně mnoha hodnot x 1,x 2,... pravděpodobnosti P(X = x 1 ), P(X = x 2 ),... příklady: počty případů, indikátory jevů apod. Spojitá náhodná veličina nabývá hodnot z nějakého intervalu v R (nespočetně) nelze mluvit o pravděpodobnostech jednotlivých hodnot lze uvažovat pst, že X leží v nějakém intervalu, např (a,b) popisujeme tzv. hustotou f

22 Diskrétní vs. spojité veličiny Diskrétní náhodná veličina nabývá konečně nebo spočetně mnoha hodnot x 1,x 2,... pravděpodobnosti P(X = x 1 ), P(X = x 2 ),... příklady: počty případů, indikátory jevů apod. Spojitá náhodná veličina nabývá hodnot z nějakého intervalu v R (nespočetně) nelze mluvit o pravděpodobnostech jednotlivých hodnot lze uvažovat pst, že X leží v nějakém intervalu, např (a,b) popisujeme tzv. hustotou f Poznámka Existuje i něco mezi diskrétní a spojitou veličinou.

23 Rozdělení náhodné veličiny pravděpodobnost P na neznámém prostoru Ω dokážeme převést na funkci P X na R P X přiřazuje podmnožinám reálných čísel B R pravděpodobnost, že náhodná veličina X do nich padne příklad: náhodně vybraný člověk bude mít výšku mezi 165 a 175 cm P X ((165,175)) Pro každou B R totiž máme P X (B) = P[X B] = P{ω Ω : X(ω) B}. Funkci P X nazýváme náhodné veličiny X. Například můžeme uvažovat P X (,180 cm = P[X (,180 cm ] = P[X 180 cm].

24 Rozdělení náhodné veličiny Definice Rozdělením náhodné veličiny X definované na prostoru Ω s pravděpodobností P rozumíme předpis, který jednoznačně určuje všechny pravděpodobnosti typu P X (B) = P[X B] = P{ω Ω : X(ω) B} pro kteroukoli podmnožinu B R.

25 Rozdělení náhodné veličiny Rozdělení náhodné veličiny X jednoznačně určuje jakých hodnot může X nabývat a s jakými pravděpodobnostmi (jak často) Lze jej popsat několika různými způsoby ( předpisy ): distribuční funkcí u diskrétní veličiny pravděpodobnostmi P(X = x i ) u spojité veličiny hustotou

26 Význam náhodných veličin Náhodné veličiny převádějí abstraktní a většinou neznámou Ω na čísla pracuje se s nimi lépe slouží jako model pro naše empirická pozorování (data) v teorii pravděpodobnosti s nimi pracujeme teoreticky jejich považujeme za dané a zkoumáme jejich vlastnosti ve statistice se snažíme cosi usoudit o jejich neznámém na základě konkrétních realizací

27 Význam náhodných veličin příklad Necht X je IQ studentů prvního ročníku PřF teorie pravděpodobnosti předpokládá konkrétní, např. normální N(120, 20) zkoumá vlastnosti jako očekávaná hodnota, variabilita, pravděpodobnost výskytu génia, atd. na základě konkrétních pozorování (měření IQ u konkrétní skupiny studentů) se snaží odhadnout vhodné odhady teoretických vlastností, testy hypotéz Ted ale pokračujeme výkladem teorie pravděpodobnosti.

28 funkce Definice funkce F X náhodné veličiny X je funkce R 0,1 definovaná předpisem F X (x) = P[X x] pro x (, ). hodnota F X (x) je pst, že X nepřekročí x distribuční funkce jednoznačně určuje X známe-li F X (x) pro každé x dokážeme spočítat P[X B] pro libovolnou B R. např. P(X (a,b]) = F(b) F(a)

29 Vlastnosti distribuční funkce Věta funkce F X náhodné veličiny X 1 je neklesající; tj. x 1 < x 2 F(x 1 ) F(x 2 ) 2 je zprava spojitá; 3 F X (x) se bĺıží k 0 pro x ; 4 F X (x) se bĺıží k 1 pro x ; 5 F X (x) je konstantní na intervalu (a,b) právě, když P[X (a,b)] = 0.

30 funkce diskrétní veličiny Necht X je diskrétní náhodná veličina nabývající hodnot x 1 < x 2 < < x k s pravděpodobnostmi po řadě p 1,p 2,...,p k (musí platit k j=1 p j = 1 a p i (0,1)). Pak její distribuční funkci F X lze vyjádřit ve tvaru F X (x) = k:x k x p k a platí pro ni: 1 má skoky o velikosti p j v bodech x j, j = 1,...,k; 2 je konstantní v intervalech (x j,x j+1 ), j = 1,...,k 1; 3 má hodnotu 0 pro x < x 1 ; 4 má hodnotu 1 pro x x k.

31 Příklad děti Příklad (Děti) Uvažujme znovu rodinu s třemi dětmi a náhodnou veličinu X (počet dcer). Zkonstruujme distribuční funkci pro X. X je diskrétní, nabývá hodnot 0,1,2,3 s pravděpodobnostmi po řadě 1 8, 3 8, 3 8, 1 8.

32 Příklad děti Příklad (Děti) Uvažujme znovu rodinu s třemi dětmi a náhodnou veličinu X (počet dcer). Zkonstruujme distribuční funkci pro X. X je diskrétní, nabývá hodnot 0,1,2,3 s pravděpodobnostmi po řadě 1 8, 3 8, 3 8, 1 8. funkce má skoky v bodech 0,1,2,3 o velikostech 1 8, 3 8, 3 8, 1 8, je nulová pro x < 0 a jednotková pro x 3.

33 Příklad děti Obrázek: funkce počtu dcer F(x) x

34 Příklad Maxwellovo Příklad (Maxwellovo ) Maxwellovo udává rychlosti V částic ideálního plynu (rychlost = spojitá náhodná veličina) v trojrozměrném prostoru. Jeho distribuční funkce má tvar F V (v) P[V v] = 1 2π v 2 /a 2 0 z e z/2 dz, kt kde a =, k je Boltzmannova konstanta, T je teplota [K] m a m je hmotnost částice [kg].

35 Příklad Maxwellovo Obrázek: Maxwellovo : distribuční funkce rychlosti molekuly kysĺıku při F(v) [s/m] v [m/s]

36 Použití distribuční funkce Tvrzení Necht F X je distribuční funkce náhodné veličiny X. Pak platí 1 je-li (a,b] interval, pak P[X (a,b]] = P[X b] P[X a] = F X (b) F X (a), neboli pravděpodobnost, že X padne do určitého intervalu, je rovna rozdílu hodnot distribuční funkce v krajních bodech tohoto intervalu. 2 P[X = b] je dána velikostí skoku funkce F X v bodě b, tj. P[X = b] = lim hց0 P[X (b h,b ] = F X (b) lim hց0 F X (b h) (Je-li F v bodě b spojitá, pak P[X = b] = 0].

37 Příklad Maxwellovo Obrázek: Určení pravděpodobnosti daného rozmezí rychlostí molekuly z distribuční funkce Maxwellova (O 2, 25 ) F(v) [s/m] P[400<V<600] = v [m/s]

38 Hustota Necht X je spojitá náhodná veličina. Pak její distribuční funkce je spojitá a také diferencovatelná. Definice Pro spojitou náhodnou veličinu X s distribuční funkcí F X existuje funkce f X taková, že F X (x) = x f X (t)dt. Funkci f X nazýváme hustota náhodné veličiny X.

39 Hustota Necht X je spojitá náhodná veličina. Pak její distribuční funkce je spojitá a také diferencovatelná. Definice Pro spojitou náhodnou veličinu X s distribuční funkcí F X existuje funkce f X taková, že F X (x) = x f X (t)dt. Funkci f X nazýváme hustota náhodné veličiny X. Platí f X (x) = d dx F X(x) = F X (x), tj. hustota je derivací distribuční funkce (a naopak, distribuční funkce je primitivní funkcí k hustotě).

40 Hustota f(x) 0 1 Plocha: F(x 0 ) x 0 Distr. funkce 1 F(x 0 ) 0 x 0

41 Vlastnosti hustoty Máme náhodnou veličinu X s hustotou f X. Pak platí Věta 1 f X (x) 0 pro každé x R; 2 pro interval (a,b) platí P[X (a,b)] = P[a < X < b] = b a 3 f X (x) = 0 pro všechna x (a,b) právě když P[X (a,b)] = 0; 4 f X (x)dx = 1. f X (x)dx;

42 Vlastnosti hustoty Poznámka Předchozí věta říká: 1 hustota je nezáporná; 2 pravděpodobnost, že X padne do určitého intervalu, je dána plochou pod hustotou mezi krajními body intervalu; 3 hustota je na daném intervalu nulová právě když X do tohoto intervalu nemůže padnout; 4 celková plocha pod hustotou je rovna jedné.

43 Interpretace hustoty Pravděpodobnost, že spojitá náhodná veličina X padne do úzkého intervalu o délce h kolem bodu x: P[x h/2 < X < x+h/2] = F X (x+h/2) F X (x h/2) hf X (x) Tato aproximace funguje, pokud je h natolik malé, že se hustota f X na intervalu [x h/2,x +h/2] příliš nemění. je-li h malé, pak hf X (x) aproximuje pravděpodobnost, že X padne do intervalu x ±h/2 hodnota f X (x) ukazuje, jak často X padá do úzkého okoĺı bodu x, tj. jak je pravděpodobné, že X nabyde hodnoty v malém okoĺı x

44 Příklad Maxwellovo Příklad (Hustota Maxwellova ) Hustota náhodné veličiny V s Maxwellovým m (rychlost molekuly ideálního plynu) je dána vzorcem f V (v) = 2 a 3 2π v2 e v 2 2a 2 kt pro v > 0 (f V (v) = 0 pro v < 0), kde a = m, k je Boltzmannova konstanta, T je teplota [K] a m je hmotnost molekuly [kg].

45 funkce a hustota Maxwellova Obrázek: funkce a hustota rychlosti molekuly O 2 (25 ). F(v) Distr. funkce v [m/s] Hustota f(v) Plocha =

46 Příklad Maxwellovo Obrázek: Určení pravděpodobnosti daného rozmezí rychlostí molekuly z hustoty Maxwellova (O 2, 25 ) f(v) Plocha = v [m/s]

47 Rozdělení diskrétní veličiny U diskrétní veličiny X nemůžeme definovat hustotu jakožto derivaci distribuční funkce, ale místo toho specifikujeme: 1 množinu navzájem různých hodnot {x j,j = 1,2,...} jichž X může nabývat (nejvýše spočetná, může být konečná); 2 pravděpodobnosti p 1,p 2,... s nimiž X tyto hodnoty nabývá, tj. Musí platit j=1 p j = 1. p j = P[X = t j ], j = 1,2,...

48 Příklad diskrétní veličiny Obrázek: Rozdělení diskrétní veličiny P[X=k] k

Rozdělení náhodné veličiny. Distribuční funkce. Vlastnosti distribuční funkce

Rozdělení náhodné veličiny. Distribuční funkce. Vlastnosti distribuční funkce Náhodná veličina motivace Náhodná veličina Často lze výsledek náhodného pokusu vyjádřit číslem: číslo, které padlo na kostce, výška náhodně vybraného studenta, čas strávený čekáním na metro, délka života

Více

letní semestr Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy Matematická statistika vektory

letní semestr Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy Matematická statistika vektory Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy letní semestr 202 Založeno na materiálech doc. Michala Kulicha Náhodný vektor často potřebujeme

Více

Matematika III. 4. října Vysoká škola báňská - Technická univerzita Ostrava. Matematika III

Matematika III. 4. října Vysoká škola báňská - Technická univerzita Ostrava. Matematika III Vysoká škola báňská - Technická univerzita Ostrava 4. října 2018 Podmíněná pravděpodobnost Při počítání pravděpodobnosti můžeme k náhodnému pokusu přidat i nějakou dodatečnou podmínku. Podmíněná pravděpodobnost

Více

Základy teorie pravděpodobnosti

Základy teorie pravděpodobnosti Základy teorie pravděpodobnosti Náhodná veličina Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 12. února 2012 Statistika by Birom Základy teorie

Více

Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel

Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Výsledky některých náhodných pokusů jsou přímo vyjádřeny číselně (např. při hodu kostkou padne 6). Náhodnou veličinou

Více

JAK MODELOVAT VÝSLEDKY NÁH. POKUSŮ? Martina Litschmannová

JAK MODELOVAT VÝSLEDKY NÁH. POKUSŮ? Martina Litschmannová JAK MODELOVAT VÝSLEDKY NÁH. POKUSŮ? Martina Litschmannová Opakování Základní pojmy z teorie pravděpodobnosti Co je to náhodný pokus? Děj, jehož výsledek není předem jednoznačně určen podmínkami, za nichž

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOST A STATISTIKA Náhodná proměnná Náhodná veličina slouží k popisu výsledku pokusu. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáme. Přesto bychom chtěli tento pokus

Více

Náhodná veličina Číselné charakteristiky diskrétních náhodných veličin Spojitá náhodná veličina. Pravděpodobnost

Náhodná veličina Číselné charakteristiky diskrétních náhodných veličin Spojitá náhodná veličina. Pravděpodobnost Pravděpodobnost Náhodné veličiny a jejich číselné charakteristiky Petr Liška Masarykova univerzita 19.9.2014 Představme si, že provádíme pokus, jehož výsledek dokážeme ohodnotit číslem. Před provedením

Více

NÁHODNÁ VELIČINA. 3. cvičení

NÁHODNÁ VELIČINA. 3. cvičení NÁHODNÁ VELIČINA 3. cvičení Náhodná veličina Náhodná veličina funkce, která každému výsledku náhodného pokusu přiřadí reálné číslo. Je to matematický model popisující více či méně dobře realitu, který

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOST A STATISTIKA Náhodná proměnná Náhodná veličina slouží k popisu výsledku pokusu. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáme. Přesto bychom chtěli tento pokus

Více

JAK MODELOVAT VÝSLEDKY

JAK MODELOVAT VÝSLEDKY JAK MODELOVAT VÝSLEDKY NÁHODNÝCH POKUSŮ? Martina Litschmannová Opakování Základní pojmy z teorie pravděpodobnosti Co je to náhodný pokus? Děj, jehož výsledek není předem jednoznačně určen podmínkami, za

Více

Náhodné jevy. Teorie pravděpodobnosti. Náhodné jevy. Operace s náhodnými jevy

Náhodné jevy. Teorie pravděpodobnosti. Náhodné jevy. Operace s náhodnými jevy Teorie pravděpodobnosti Náhodný pokus skončí jedním z řady možných výsledků předem nevíme, jak skončí (náhoda) příklad: hod kostkou, zítřejší počasí,... Pravděpodobnost zkoumá náhodné jevy (mohou, ale

Více

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobnost a aplikovaná statistika MGR. JANA SEKNIČKOVÁ, PH.D. 2. KAPITOLA PODMÍNĚNÁ PRAVDĚPODOBNOST 3. KAPITOLA NÁHODNÁ VELIČINA 9.11.2017 Opakování Uveďte příklad aplikace geometrické definice pravděpodobnosti

Více

Náhodný vektor. Náhodný vektor. Hustota náhodného vektoru. Hustota náhodného vektoru. Náhodný vektor je dvojice náhodných veličin (X, Y ) T = ( X

Náhodný vektor. Náhodný vektor. Hustota náhodného vektoru. Hustota náhodného vektoru. Náhodný vektor je dvojice náhodných veličin (X, Y ) T = ( X Náhodný vektor Náhodný vektor zatím jsme sledovali jednu náhodnou veličinu, její rozdělení a charakteristiky často potřebujeme vyšetřovat vzájemný vztah několika náhodných veličin musíme sledovat jejich

Více

a způsoby jejího popisu Ing. Michael Rost, Ph.D.

a způsoby jejího popisu Ing. Michael Rost, Ph.D. Podmíněná pravděpodobnost, náhodná veličina a způsoby jejího popisu Ing. Michael Rost, Ph.D. Podmíněná pravděpodobnost Pokud je jev A vázán na uskutečnění jevu B, pak tento jev nazýváme jevem podmíněným

Více

Téma 2: Pravděpodobnostní vyjádření náhodných veličin

Téma 2: Pravděpodobnostní vyjádření náhodných veličin 0.025 0.02 0.015 0.01 0.005 Nominální napětí v pásnici Std Mean 140 160 180 200 220 240 260 Std Téma 2: Pravděpodobnostní vyjádření náhodných veličin Přednáška z předmětu: Pravděpodobnostní posuzování

Více

7. Rozdělení pravděpodobnosti ve statistice

7. Rozdělení pravděpodobnosti ve statistice 7. Rozdělení pravděpodobnosti ve statistice Statistika nuda je, má však cenné údaje, neklesejte na mysli, ona nám to vyčíslí Jednou z úloh statistiky je odhad (výpočet) hodnot statistického znaku x i,

Více

Všechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a

Všechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a Všechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a báli jste se zeptat Jedinečnou funkcí statistiky je, že umožňuje vědci číselně vyjádřit nejistotu v jeho závěrech. (G. W. Snedecor)

Více

Někdy lze výsledek pokusu popsat jediným číslem, které označíme X (nebo jiným velkým písmenem). Hodíme dvěma kostkami jaký padl součet?

Někdy lze výsledek pokusu popsat jediným číslem, které označíme X (nebo jiným velkým písmenem). Hodíme dvěma kostkami jaký padl součet? Náhodné veličiny Náhodné veličiny Někdy lze výsledek pokusu popsat jediným číslem, které označíme X (nebo jiným velkým písmenem). Příklad Vytáhneme tři karty z balíčku zajímá nás, kolik je mezi nimi es.

Více

populace soubor jednotek, o jejichž vlastnostech bychom chtěli vypovídat letní semestr Definice subjektech.

populace soubor jednotek, o jejichž vlastnostech bychom chtěli vypovídat letní semestr Definice subjektech. Populace a Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy letní semestr 2012 1 populace soubor jednotek, o jejichž vlastnostech bychom

Více

Pravděpodobnost a statistika (BI-PST) Cvičení č. 4

Pravděpodobnost a statistika (BI-PST) Cvičení č. 4 Pravděpodobnost a statistika (BI-PST) Cvičení č. 4 J. Hrabáková, I. Petr, F. Štampach, D. Vašata Katedra aplikované matematiky Fakulta informačních technologií České vysoké učení technické v Praze ZS 2014/2015

Více

Téma 22. Ondřej Nývlt

Téma 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

Více

Náhodná veličina a rozdělení pravděpodobnosti

Náhodná veličina a rozdělení pravděpodobnosti 3.2 Náhodná veličina a rozdělení pravděpodobnosti Bůh hraje se světem hru v kostky. Jsou to ale falešné kostky. Naším hlavním úkolem je zjistit, podle jakých pravidel byly označeny, a pak toho využít pro

Více

Náhodný vektor. Náhodný vektor. Hustota náhodného vektoru. Hustota náhodného vektoru. Náhodný vektor je dvojice náhodných veličin (X, Y ) T = ( X

Náhodný vektor. Náhodný vektor. Hustota náhodného vektoru. Hustota náhodného vektoru. Náhodný vektor je dvojice náhodných veličin (X, Y ) T = ( X Náhodný vektor Náhodný vektor zatím jsme sledovali jednu náhodnou veličinu, její rozdělení a charakteristik často potřebujeme všetřovat vzájemný vztah několika náhodných veličin musíme sledovat jejich

Více

Populace vs. data. popisná (deskriptivní) popis konkrétních dat. letní semestr 2012 1

Populace vs. data. popisná (deskriptivní) popis konkrétních dat. letní semestr 2012 1 ? Šárka Hudecová Katedra i a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy letní semestr 2012 1? Statistika = věda o získávání, zpracování a interpretaci informace obsažené v

Více

Pravděpodobnost a statistika

Pravděpodobnost a statistika Pravděpodobnost a statistika 1 Náhodné pokusy a náhodné jevy Činnostem, jejichž výsledek není jednoznačně určen podmínkami, za kterých probíhají, a které jsou (alespoň teoreticky) neomezeně opakovatelné,

Více

1 Pravděpodobnostní prostor

1 Pravděpodobnostní prostor PaS 1.-10. přednáška 1 Pravděpodobnostní prostor Náhodný pokus je takový pokus, jehož výsledek nelze s jistotou předpovědět. Pokud jsme schopni pokus za stále stejných podmínek opakovat (například házíme

Více

letní semestr Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy Matematická statistika

letní semestr Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy Matematická statistika Šárka Hudecová Katedra i a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy letní semestr 2012 1 1 Založeno na materiálech doc. Michala Kulicha Organizační pokyny k přednášce přednáškové

Více

Náhodná veličina. Michal Fusek. 10. přednáška z ESMAT. Ústav matematiky FEKT VUT, Michal Fusek

Náhodná veličina. Michal Fusek. 10. přednáška z ESMAT. Ústav matematiky FEKT VUT, Michal Fusek Náhodná veličina Michal Fusek Ústav matematiky FEKT VUT, fusekmi@feec.vutbr.cz 10. přednáška z ESMAT Michal Fusek (fusekmi@feec.vutbr.cz) 1 / 71 Obsah 1 Náhodná veličina 2 Diskrétní náhodná veličina 3

Více

8 Střední hodnota a rozptyl

8 Střední hodnota a rozptyl Břetislav Fajmon, UMAT FEKT, VUT Brno Této přednášce odpovídá kapitola 10 ze skript [1]. Také je k dispozici sbírka úloh [2], kde si můžete procvičit příklady z kapitol 2, 3 a 4. K samostatnému procvičení

Více

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Jan Kracík

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Jan Kracík Pravděpodobnost a statistika, Biostatistika pro kombinované studium Letní semestr 2017/2018 Tutoriál č. 2:, náhodný vektor Jan Kracík jan.kracik@vsb.cz náhodná veličina rozdělení pravděpodobnosti náhodné

Více

I. D i s k r é t n í r o z d ě l e n í

I. D i s k r é t n í r o z d ě l e n í 6. T y p y r o z d ě l e n í Poznámka: V odst. 5.5-5.10 jsme uvedli příklady náhodných veličin a jejich distribučních funkcí. Poznali jsme, že se od sebe liší svým typem. V příkladech 5.5, 5.6 a 5.8 jsme

Více

Diskrétní náhodná veličina. November 12, 2008

Diskrétní náhodná veličina. November 12, 2008 Diskrétní náhodná veličina November 12, 2008 (Náhodná veličina (náhodná proměnná)) Náhodná veličina (nebo též náhodná proměnná) je veličina X, jejíž hodnota je jednoznačně určena výsledkem náhodného pokusu.

Více

NÁHODNÁ VELIČINA. Podle typu výběrového prostoru rozlišujeme dva základní druhy NV Diskrétní (nespojitou) náhodnou veličinu Spojitou náhodnou veličinu

NÁHODNÁ VELIČINA. Podle typu výběrového prostoru rozlišujeme dva základní druhy NV Diskrétní (nespojitou) náhodnou veličinu Spojitou náhodnou veličinu NÁHODNÁ VELIČINA NÁHODNÁ VELIČINA Provedeme náhodný pokus (vybereme nějaké lidi, výrobky) A jejich výsledkem je nějaké reálné číslo (počet VŠ, počet vadných výrobků) Kdyţ je moţné přiřadit číslo můţeme

Více

Definice 7.1 Nechť je dán pravděpodobnostní prostor (Ω, A, P). Zobrazení. nebo ekvivalentně

Definice 7.1 Nechť je dán pravděpodobnostní prostor (Ω, A, P). Zobrazení. nebo ekvivalentně 7 Náhodný vektor Nezávislost náhodných veličin Definice 7 Nechť je dán pravděpodobnostní prostor (Ω, A, P) Zobrazení X : Ω R n, které je A-měřitelné, se nazývá (n-rozměrný) náhodný vektor Měřitelností

Více

Náhodná veličina a její charakteristiky. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáte. Proto je proměnná, která

Náhodná veličina a její charakteristiky. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáte. Proto je proměnná, která Náhodná veličina a její charakteristiky Náhodná veličina a její charakteristiky Představte si, že provádíte náhodný pokus, jehož výsledek jste schopni ohodnotit nějakým číslem. Před provedením pokusu jeho

Více

p(x) = P (X = x), x R,

p(x) = P (X = x), x R, 6. T y p y r o z d ě l e n í Poznámka: V odst. 5.5-5.10 jsme uvedli příklady náhodných veličin a jejich distribučních funkcí. Poznali jsme, že se od sebe liší svým typem. V příkladech 5.5, 5.6 a 5.8 jsme

Více

NMAI059 Pravděpodobnost a statistika

NMAI059 Pravděpodobnost a statistika NMAI059 Pravděpodobnost a statistika podle přednášky Daniela Hlubinky (hlubinka@karlin.mff.cuni.cz) zapsal Pavel Obdržálek (pobdr@matfyz.cz) 205/20 poslední změna: 4. prosince 205 . přednáška. 0. 205 )

Více

Náhodné (statistické) chyby přímých měření

Náhodné (statistické) chyby přímých měření Náhodné (statistické) chyby přímých měření Hodnoty náhodných chyb se nedají stanovit předem, ale na základě počtu pravděpodobnosti lze zjistit, která z možných naměřených hodnot je více a která je méně

Více

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457. 0 cvičení z PST 5 prosince 208 0 (intervalový odhad pro rozptyl) Soubor (70, 84, 89, 70, 74, 70) je náhodným výběrem z normálního rozdělení N(µ, σ 2 ) Určete oboustranný symetrický 95% interval spolehlivosti

Více

Poznámky k předmětu Aplikovaná statistika, 4. téma

Poznámky k předmětu Aplikovaná statistika, 4. téma Poznámky k předmětu Aplikovaná statistika, 4. téma 4. Náhodné vektory V praxi se nám může hodit postihnout více vlastností jednoho objektu najednou, např. výšku, váhu a pohlaví člověka; rychlost chemické

Více

Téma 2: Pravděpodobnostní vyjádření náhodných veličin

Téma 2: Pravděpodobnostní vyjádření náhodných veličin 0.05 0.0 0.05 0.0 0.005 Nominální napětí v pásnici Std Mean 40 60 80 00 0 40 60 Std Téma : Pravděpodobnostní vyjádření náhodných veličin Přednáška z předmětu: Spolehlivost a bezpečnost staveb 4. ročník

Více

Poznámky k předmětu Aplikovaná statistika, 4. téma

Poznámky k předmětu Aplikovaná statistika, 4. téma Poznámky k předmětu Aplikovaná statistika, 4. téma 4. Náhodné vektory V praxi se nám může hodit postihnout více vlastností jednoho objektu najednou, např. výšku, váhu a pohlaví člověka; rychlost chemické

Více

TEORIE PRAVDĚPODOBNOSTI. 2. cvičení

TEORIE PRAVDĚPODOBNOSTI. 2. cvičení TEORIE RAVDĚODONOSTI 2. cvičení Základní pojmy Klasická def. Statistická def. Geometrická def. odmíněná prav. ayesův teorém Test Základní pojmy Náhodný pokus - je každý konečný děj, jehož výsledek není

Více

Cvičení ze statistiky - 5. Filip Děchtěrenko

Cvičení ze statistiky - 5. Filip Děchtěrenko Cvičení ze statistiky - 5 Filip Děchtěrenko Minule bylo.. Začali jsme pravděpodobnost Klasická a statistická definice pravděpodobnosti Náhodný jev Doplněk, průnik, sjednocení Podmíněná pravděpodobnost

Více

Matematika III. 27. září Vysoká škola báňská - Technická univerzita Ostrava. Matematika III

Matematika III. 27. září Vysoká škola báňská - Technická univerzita Ostrava. Matematika III Vysoká škola báňská - Technická univerzita Ostrava 27. září 2018 Teorie pravděpodobnosti Teorie pravděpodobnosti je odvětvím matematiky, které studuje matematické modely náhodných pokusu, tedy zabývá se

Více

1. Statistická analýza dat Jak vznikají informace Rozložení dat

1. Statistická analýza dat Jak vznikají informace Rozložení dat 1. Statistická analýza dat Jak vznikají informace Rozložení dat J. Jarkovský, L. Dušek, S. Littnerová, J. Kalina Význam statistické analýzy dat Sběr a vyhodnocování dat je způsobem k uchopení a pochopení

Více

Lékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.)

Lékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.) Lékařská biofyzika, výpočetní technika I Biostatistika Josef Tvrdík (doc. Ing. CSc.) Přírodovědecká fakulta, katedra informatiky josef.tvrdik@osu.cz konzultace úterý 14.10 až 15.40 hod. http://www1.osu.cz/~tvrdik

Více

Výběrové charakteristiky a jejich rozdělení

Výběrové charakteristiky a jejich rozdělení Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Statistické šetření úplné (vyčerpávající) neúplné (výběrové) U výběrového šetření se snažíme o to, aby výběrový

Více

Tomáš Karel LS 2012/2013

Tomáš Karel LS 2012/2013 Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není

Více

P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod.

P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod. P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod. Matematický přístup k výsledkům únavových zkoušek Náhodnost výsledků únavových zkoušek. Únavové

Více

Vzorová písemka č. 1 (rok 2015/2016) - řešení

Vzorová písemka č. 1 (rok 2015/2016) - řešení Vzorová písemka č. rok /6 - řešení Pavla Pecherková. května 6 VARIANTA A. Náhodná veličina X je určena hustotou pravděpodobností: máme hustotu { pravděpodobnosti C x pro x ; na intervalu f x jinde jedná

Více

Chyby měření 210DPSM

Chyby měření 210DPSM Chyby měření 210DPSM Jan Zatloukal Stručný přehled Zdroje a druhy chyb Systematické chyby měření Náhodné chyby měření Spojité a diskrétní náhodné veličiny Normální rozdělení a jeho vlastnosti Odhad parametrů

Více

Náhodný vektor a jeho charakteristiky

Náhodný vektor a jeho charakteristiky Náhodný vektor a jeho číselné charakteristiky 1 Náhodný vektor a jeho charakteristiky V následující kapitole budeme věnovat pozornost pouze dvourozměřnému náhodnému vektoru, i když uvedené pojmy a jejich

Více

Definice spojité náhodné veličiny zjednodušená verze

Definice spojité náhodné veličiny zjednodušená verze Definice spojité náhodné veličiny zjednodušená verze Náhodná veličina X se nazývá spojitá, jestliže existuje nezáporná funkce f : R R taková, že pro každé a, b R { }, a < b, platí P(a < X < b) = b a f

Více

Náhodné chyby přímých měření

Náhodné chyby přímých měření Náhodné chyby přímých měření Hodnoty náhodných chyb se nedají stanovit předem, ale na základě počtu pravděpodobnosti lze zjistit, která z možných naměřených hodnot je více a která je méně pravděpodobná.

Více

Dobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze

Dobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze Dobývání znalostí Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze Dobývání znalostí Pravděpodobnost a učení Doc. RNDr. Iveta Mrázová,

Více

, 1. skupina (16:15-17:45) Jméno: se. Postup je třeba odůvodnit (okomentovat) nebo uvést výpočet. Výsledek bez uvedení jakéhokoliv

, 1. skupina (16:15-17:45) Jméno: se. Postup je třeba odůvodnit (okomentovat) nebo uvést výpočet. Výsledek bez uvedení jakéhokoliv 42206, skupina (6:5-7:45) Jméno: Zápočtový test z PSI Nezapomeňte podepsat VŠECHNY papíry, které odevzdáváte Škrtejte zřetelně a stejně zřetelně pište i věci, které platí Co je škrtnuto, nebude bráno v

Více

Pravděpodobnost je. Martina Litschmannová Katedra aplikované matematiky, FEI, VŠB-TU Ostrava

Pravděpodobnost je. Martina Litschmannová Katedra aplikované matematiky, FEI, VŠB-TU Ostrava Pravděpodobnost je Martina Litschmannová Katedra aplikované matematiky, FEI, VŠB-TU Ostrava ŠKOMAM, 24. 1. 2017 Čím se zabývá teorie pravděpodobnosti? Pokus děj, který probíhá, resp. nastává opakovaně

Více

2. přednáška - PRAVDĚPODOBNOST

2. přednáška - PRAVDĚPODOBNOST 2. přednáška - PRAVDĚPODOBNOST NÁHODNÝ POKUS A JEV Každá opakovatelná činnost prováděná za stejných nebo přibližně stejných podmínek, jejíž výsledek je nejistý a závisí na náhodě, se nazývá náhodný pokus.

Více

Úvodní informace. 17. února 2018

Úvodní informace. 17. února 2018 Úvodní informace Funkce více proměnných Přednáška první 17. února 2018 Obsah 1 Úvodní informace. 2 Funkce více proměnných Definiční obor Limita a spojitost Derivace, diferencovatelnost, diferenciál Úvodní

Více

Diskrétní matematika. DiM /01, zimní semestr 2016/2017

Diskrétní matematika. DiM /01, zimní semestr 2016/2017 Diskrétní matematika Petr Kovář petr.kovar@vsb.cz Vysoká škola báňská Technická univerzita Ostrava DiM 470-2301/01, zimní semestr 2016/2017 O tomto souboru Tento soubor je zamýšlen především jako pomůcka

Více

Základy teorie pravděpodobnosti

Základy teorie pravděpodobnosti Základy teorie pravděpodobnosti Náhodný jev Pravděpodobnost náhodného jevu Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 15. srpna 2012 Statistika

Více

Bayesovské metody. Mnohorozměrná analýza dat

Bayesovské metody. Mnohorozměrná analýza dat Mnohorozměrná analýza dat Podmíněná pravděpodobnost Definice: Uvažujme náhodné jevy A a B takové, že P(B) > 0. Podmíněnou pravěpodobností jevu A za podmínky, že nastal jev B, nazýváme podíl P(A B) P(A

Více

5. Náhodná veličina. 2. Házíme hrací kostkou dokud nepadne šestka. Náhodná veličina nabývá hodnot z posloupnosti {1, 2, 3,...}.

5. Náhodná veličina. 2. Házíme hrací kostkou dokud nepadne šestka. Náhodná veličina nabývá hodnot z posloupnosti {1, 2, 3,...}. 5. Náhodná veličina Poznámka: Pro popis náhodného pokusu jsme zavedli pojem jevového pole S jako množiny všech možných výsledků a pravděpodobnost náhodných jevů P jako míru výskytů jednotlivých výsledků.

Více

Diskrétní matematika. DiM /01, zimní semestr 2018/2019

Diskrétní matematika. DiM /01, zimní semestr 2018/2019 Diskrétní matematika Petr Kovář petr.kovar@vsb.cz Vysoká škola báňská Technická univerzita Ostrava DiM 470-2301/01, zimní semestr 2018/2019 O tomto souboru Tento soubor je zamýšlen především jako pomůcka

Více

0.1 Funkce a její vlastnosti

0.1 Funkce a její vlastnosti 0.1 Funkce a její vlastnosti Veličina - pojem, který popisuje kvantitativní (číselné) vlastnosti reálných i abstraktních objektů. Příklady veličin: hmotnost (m) čas (t) výše úrokové sazby v bance (i) cena

Více

0.1 Úvod do matematické analýzy

0.1 Úvod do matematické analýzy Matematika I (KMI/PMATE) 1 0.1 Úvod do matematické analýzy 0.1.1 Pojem funkce Veličina - pojem, který popisuje kvantitativní (číselné) vlastnosti reálných i abstraktních objektů. Příklady veličin: hmotnost

Více

10. N á h o d n ý v e k t o r

10. N á h o d n ý v e k t o r 10. N á h o d n ý v e k t o r 10.1. Definice: Náhodný vektor. Uspořádanou n tici (X 1, X 2,..., X n ) náhodných veličin X i, 1 i n, nazýváme náhodným vektorem. Poznámka: Pro jednoduchost budeme zavádět

Více

Matematika (KMI/PMATE)

Matematika (KMI/PMATE) Úvod do matematické analýzy Funkce a její vlastnosti Funkce a její vlastnosti Veličina Veličina - pojem, který popisuje kvantitativní (číselné) vlastnosti reálných i abstraktních objektů. Funkce a její

Více

Limitní věty teorie pravděpodobnosti. Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel

Limitní věty teorie pravděpodobnosti. Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Jestliže opakujeme nezávisle nějaký pokus, můžeme z pozorovaných hodnot sestavit rozdělení relativních četností

Více

X = x, y = h(x) Y = y. hodnotám x a jedné hodnotě y. Dostaneme tabulku hodnot pravděpodobnostní

X = x, y = h(x) Y = y. hodnotám x a jedné hodnotě y. Dostaneme tabulku hodnot pravděpodobnostní ..08 8cv7.tex 7. cvičení - transformace náhodné veličiny Definice pojmů a základní vzorce Je-li X náhodná veličina a h : R R je měřitelná funkce, pak náhodnou veličinu Y, která je definovaná vztahem X

Více

Určete zákon rozložení náhodné veličiny, která značí součet ok při hodu a) jednou kostkou, b) dvěma kostkami, c) třemi kostkami.

Určete zákon rozložení náhodné veličiny, která značí součet ok při hodu a) jednou kostkou, b) dvěma kostkami, c) třemi kostkami. 3.1. 3.2. Třikrát vystřelíme na cíl. Pravděpodobnost zásahu při každém výstřelu je p = 0,7. Určete: a) pravděpodobnostní funkci počtu zásahů při třech nezávislých výsledcích, b) distribuční funkci a její

Více

1. Náhodný vektor (X, Y ) má diskrétní rozdělení s pravděpodobnostní funkcí p, kde. p(x, y) = a(x + y + 1), x, y {0, 1, 2}.

1. Náhodný vektor (X, Y ) má diskrétní rozdělení s pravděpodobnostní funkcí p, kde. p(x, y) = a(x + y + 1), x, y {0, 1, 2}. VIII. Náhodný vektor. Náhodný vektor (X, Y má diskrétní rozdělení s pravděpodobnostní funkcí p, kde p(x, y a(x + y +, x, y {,, }. a Určete číslo a a napište tabulku pravděpodobnostní funkce p. Řešení:

Více

III. Úplná pravděpodobnost. Nezávislé pokusy se dvěma výsledky. Úplná pravděpodobnost Nezávislé pokusy se dvěma výsledky Náhodná veličina

III. Úplná pravděpodobnost. Nezávislé pokusy se dvěma výsledky. Úplná pravděpodobnost Nezávislé pokusy se dvěma výsledky Náhodná veličina III Přednáška Úplná pravděpodobnost Nezávislé pokusy se dvěma výsledky Náhodná veličina Pravděpodobnost při existenci neslučitelných hypotéz Věta Mějme jev. Pokud H 1,H 2, : : :,H n tvoří úplnou skupinu

Více

prof. RNDr. Roman Kotecký DrSc., Dr. Rudolf Blažek, PhD Pravděpodobnost a statistika Katedra teoretické informatiky Fakulta informačních technologií

prof. RNDr. Roman Kotecký DrSc., Dr. Rudolf Blažek, PhD Pravděpodobnost a statistika Katedra teoretické informatiky Fakulta informačních technologií prof. RNDr. Roman Kotecký DrSc., Dr. Rudolf Blažek, PhD Katedra teoretické informatiky Fakulta informačních technologií České vysoké učení technické v Praze c Rudolf Blažek, Roman Kotecký, 2011 Pravděpodobnost

Více

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y 9. T r a n s f o r m a c e n á h o d n é v e l i č i n Při popisu procesů zpracováváme vstupní údaj, hodnotu x tak, že výstupní hodnota závisí nějakým způsobem na vstupní, je její funkcí = f(x). Pokud

Více

pravděpodobnosti Pravděpodobnost je teorií statistiky a statistika je praxí teorie pravděpodobnosti.

pravděpodobnosti Pravděpodobnost je teorií statistiky a statistika je praxí teorie pravděpodobnosti. 3.1 Základy teorie pravděpodobnosti Pravděpodobnost je teorií statistiky a statistika je praxí teorie pravděpodobnosti. Co se dozvíte Náhodný pokus a náhodný jev. Pravděpodobnost, počítání s pravděpodobnostmi.

Více

Pravděpodobnost a její vlastnosti

Pravděpodobnost a její vlastnosti Pravděpodobnost a její vlastnosti 1 Pravděpodobnost a její vlastnosti Náhodné jevy Náhodný jev je výsledek pokusu (tj. realizace určitého systému podmínek) a jeho charakteristickým rysem je, že může, ale

Více

Matematika I (KMI/PMATE)

Matematika I (KMI/PMATE) Přednáška první aneb Úvod do matematické analýzy Funkce a její vlastnosti Úvod do matematické analýzy Osnova přednášky pojem funkce definice funkce graf funkce definiční obor funkce obor hodnot funkce

Více

Cvičení 5. Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc.

Cvičení 5. Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. 5 Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. Katedra počítačových systémů Katedra teoretické informatiky Fakulta informačních technologií České vysoké učení technické v

Více

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y 9. T r a n s f o r m a c e n á h o d n é v e l i č i n y Při popisu procesů zpracováváme vstupní údaj, hodnotu x tak, že výstupní hodnota y závisí nějakým způsobem na vstupní, je její funkcí y = f(x).

Více

AVDAT Náhodný vektor, mnohorozměrné rozdělení

AVDAT 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

Více

Interpolace Uvažujme třídu funkcí jedné proměnné ψ(x; a 0,..., a n ), kde a 0,..., a n jsou parametry, které popisují jednotlivé funkce této třídy. Mějme dány body x 0, x 1,..., x n, x i x k, i, k = 0,

Více

Přijímací zkouška na navazující magisterské studium 2017

Přijímací zkouška na navazující magisterské studium 2017 Přijímací zkouška na navazující magisterské studium 27 Studijní program: Studijní obor: Matematika Finanční a pojistná matematika Varianta A Řešení příkladů pečlivě odůvodněte. Věnujte pozornost ověření

Více

PŘEDNÁŠKA 2 POSLOUPNOSTI

PŘEDNÁŠKA 2 POSLOUPNOSTI PŘEDNÁŠKA 2 POSLOUPNOSTI 2.1 Zobrazení 2 Definice 1. Uvažujme libovolné neprázdné množiny A, B. Zobrazení množiny A do množiny B je definováno jako množina F uspořádaných dvojic (x, y A B, kde ke každému

Více

ROZDĚLENÍ SPOJITÝCH NÁHODNÝCH VELIČIN

ROZDĚLENÍ SPOJITÝCH NÁHODNÝCH VELIČIN ROZDĚLENÍ SPOJITÝCH NÁHODNÝCH VELIČIN Rovnoměrné rozdělení R(a,b) rozdělení s konstantní hustotou pravděpodobnosti v intervalu (a,b) f( x) distribuční funkce 0 x a F( x) a x b b a 1 x b b 1 a x a a x b

Více

Algoritmy komprese dat

Algoritmy komprese dat Algoritmy komprese dat Úvod do teorie informace Claude Shannon (1916 2001) 5.11.2014 NSWI072-7 Teorie informace Informace Co je to informace? Můžeme informaci měřit? Existují teoretické meze pro délku

Více

Euklidovský prostor. Funkce dvou proměnných: základní pojmy, limita a spojitost.

Euklidovský prostor. Funkce dvou proměnných: základní pojmy, limita a spojitost. Euklidovský prostor. Funkce dvou proměnných: základní pojmy, limita a spojitost. Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a

Více

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC Přednáška 03 Přírodovědecká fakulta Katedra matematiky KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC jiri.cihlar@ujep.cz Diskrétní rozdělení Důležitá diskrétní rozdělení pravděpodobnosti

Více

LIMITNÍ VĚTY DALŠÍ SPOJITÁ ROZDĚLENÍ PR. 8. cvičení

LIMITNÍ VĚTY DALŠÍ SPOJITÁ ROZDĚLENÍ PR. 8. cvičení LIMITNÍ VĚTY DALŠÍ SPOJITÁ ROZDĚLENÍ PR. 8. cvičení Způsoby statistického šetření Vyčerpávající šetření prošetření všech jednotek statistického souboru (populace) Výběrové šetření ze základního souboru

Více

Intuitivní pojem pravděpodobnosti

Intuitivní pojem pravděpodobnosti Pravděpodobnost Intuitivní pojem pravděpodobnosti Intuitivní pojem pravděpodobnosti Pravděpodobnost zkoumaného jevu vyjadřuje míru naděje, že tento jev nastane. Řekneme-li, že má nějaký jev pravděpodobnost

Více

Interpolace, ortogonální polynomy, Gaussova kvadratura

Interpolace, ortogonální polynomy, Gaussova kvadratura Interpolace, ortogonální polynomy, Gaussova kvadratura Petr Tichý 20. listopadu 2013 1 Úloha Lagrangeovy interpolace Dán omezený uzavřený interval [a, b] a v něm n + 1 různých bodů x 0, x 1,..., x n. Nechť

Více

Minikurz aplikované statistiky. Minikurz aplikované statistiky p.1

Minikurz aplikované statistiky. Minikurz aplikované statistiky p.1 Minikurz aplikované statistiky Marie Šimečková, Petr Šimeček Minikurz aplikované statistiky p.1 Program kurzu základy statistiky a pravděpodobnosti regrese (klasická, robustní, s náhodnými efekty, ev.

Více

IB112 Základy matematiky

IB112 Základy matematiky IB112 Základy matematiky Základy kombinatoriky a kombinatorická pravděpodobnost Jan Strejček Obsah IB112 Základy matematiky: Základy kombinatoriky a kombinatorická pravděpodobnost 2/57 Výběry prvků bez

Více

Metody výpočtu limit funkcí a posloupností

Metody výpočtu limit funkcí a posloupností Metody výpočtu limit funkcí a posloupností Martina Šimůnková, 6. listopadu 205 Učební tet k předmětu Matematická analýza pro studenty FP TUL Značení a terminologie R značí množinu reálných čísel, rozšířenou

Více

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A4. Cvičení, letní semestr DOMÁCÍ ÚLOHY. Jan Šafařík

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A4. Cvičení, letní semestr DOMÁCÍ ÚLOHY. Jan Šafařík Vysoké učení technické v Brně Stavební fakulta ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE Matematika 0A4 Cvičení, letní semestr DOMÁCÍ ÚLOHY Jan Šafařík Brno c 200 (1) 120 krát jsme házeli hrací kostkou.

Více

MATEMATICKÁ STATISTIKA - XP01MST

MATEMATICKÁ STATISTIKA - XP01MST MATEMATICKÁ STATISTIKA - XP01MST 1. Úvod. Matematická statistika (statistics) se zabývá vyšetřováním zákonitostí, které v sobě obsahují prvek náhody. Zpracováním hodnot, které jsou výstupem sledovaného

Více