letní semestr Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy Matematická statistika
|
|
- Štěpán Hruška
- před 5 lety
- Počet zobrazení:
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
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
Víceletní 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
VíceMatematika 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
VíceZáklady 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
VíceJiří 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
VíceJAK 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
VícePRAVDĚPODOBNOST 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
VíceNáhodná 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
VíceNÁHODNÁ 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
VícePRAVDĚPODOBNOST 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
VíceJAK 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
VíceNáhodné 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
VícePravděpodobnost 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
VíceNáhodný 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
Vícea 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
VíceTéma 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
Více7. 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,
VíceVšechno, 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)
VíceNěkdy 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.
Vícepopulace 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
VícePravděpodobnost 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
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
VíceNáhodná 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
VíceNáhodný 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
VícePopulace 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
VícePravděpodobnost 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,
Více1 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
Víceletní 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
VíceNáhodná 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
Více8 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
VícePravděpodobnost 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
VíceI. 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
VíceDiskrétní 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.
VíceNÁHODNÁ 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
VíceDefinice 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
VíceNáhodná 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
Vícep(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
VíceNMAI059 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 )
VíceNáhodné (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
Více10. 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
VícePoznámky 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
VíceTéma 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
VícePoznámky 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
VíceTEORIE 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
VíceCvičení 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
VíceMatematika 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
Více1. 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
VíceLékařská 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
VíceVýběrové 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
VíceTomáš 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
VíceP13: 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
VíceVzorová 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
VíceChyby 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
VíceNáhodný 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
VíceDefinice 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
VíceNáhodné 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.
VíceDobývání 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
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
VícePravděpodobnost 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
Více2. 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.
VíceÚvodní 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
VíceDiskrétní 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
VíceZáklady 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
VíceBayesovské 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
Více5. 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.
VíceDiskrétní 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
Více0.1 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
Více0.1 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
Více10. 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
VíceMatematika (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
VíceLimitní 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
VíceX = 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
VíceUrčete 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
Více1. 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:
VíceIII. 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
Víceprof. 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
Více9. 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
Vícepravděpodobnosti 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.
VícePravděpodobnost 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
VíceMatematika 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
VíceCvičení 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
Více9. 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).
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
VíceInterpolace 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,
VícePřijímací 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
VícePŘEDNÁŠKA 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
VíceROZDĚLENÍ 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
VíceAlgoritmy 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
VíceEuklidovský 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
VíceKMA/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
VíceLIMITNÍ 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
VíceIntuitivní 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
VíceInterpolace, 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
VíceMinikurz 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.
VíceIB112 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
VíceMetody 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
VíceÚSTAV 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.
VíceMATEMATICKÁ 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