Testy statistických hypotéz
|
|
- Iva Svobodová
- před 8 lety
- Počet zobrazení:
Transkript
1 Úvod Testy statstckých hypotéz Václav Adamec Testováí: kvalfkovaá procedura vedoucí v zamítutí ebo ezamítutí ulové hypotézy v podmíkách ejstoty Testy jsou vázáy a rozděleí áhodých velč Testy jsou podmíěy formulací vědeckého problému a expermetálím desgem ypotéza: předpoklad o statstckých parametrech ebo jejch kombacích. Typy: hypotéza ulová a alteratví Testovací statstka: umercká charakterstka vypočteá z dat popř. z parametrů. Má zámé rozděleí Statstcké hypotézy Typy chyb př statstckém testováí Nulová hypotéza : formulace egatvím způsobem (efekt eexstuje : θ θ vytváří předpoklad o rozděleí parametrů ebo testovací statstky Alteratví hypotéza : formulace mmo obor hodot ulové hypotézy. Obsahuje alteratví předpoklad, který chceme dokázat Dvoustraá : θ θ Levostraá : θ < θ Pravostraá : θ > θ zamítáme, je-l vypočteá testovací statstka v oblast zamítutí Oblast zamítutí je určea typem a parametry rozděleí testovací statstky Realta o pravdvá epravdvá Rozhodutí o zamítuta chyba I. typu (α síla testu (-β ezamítuta (- α chyba II. typu (β
2 Chyby př statstckém testováí Síla testu Chyba I. Typu (α: zamítuta a zároveň je pravdvá. Rozdíly prohlášey za průkazé, avšak průkazé ejsou ( je pravdvá. Test produkoval esprávý poztví ález Chyba II. Typu (β: ezamítuta a zároveň je epravdvá. Rozdíly prohlášey za eprůkazé, avšak průkazé jsou ( je epravdvá. Test produkoval esprávý egatví ález Stuace - α a - β jsou korektí V případě (-α ezamítáme je pravdvá V případě (-β zamítáme a je epravdvá Oba typy chyb emohou astat současě Kotrolujeme pouze α s ohledem a míru přjatelého rzka důsledků chyby I. typu Pravděpodobost -β se azývá síla statstckého testu. Vysoká hodota - β je žádoucí pro úspěch testováí Síla testu závsí a: Rozsahu souboru: vyšší zvyšuje sílu Varabltě dat: kotrolovaá varablta zvyšuje sílu Zvoleé hodotě alfa: vysoká alfa zvyšuje sílu, (ale chybu I. typu Ploše překryvu rozděleí testovací statstky za platost a. Vysoký překryv sžuje sílu testu Žádoucí hodota -β u testů je > 8 % Testy s jedostraou mají vyšší sílu ež oboustraé Testy jedovýběrové mají vyšší sílu ež dvou-výběrové a shodých datech Rozsah souboru a síla testu Vlv překrytí rozděleí za a Power of oe-sample z-test Dstrbutos of the statstc uder ad power Desty Null dstrbuto :mu Z.975 β Alter. dstrbuto :mu 3 α β Power delta alpha.5, delta-:, sd
3 Malé překrytí rozděleí za a Síla testu Dstrbutos of the statstc uder ad Desty Null dstrbuto :mu Z.975 α Alter. dstrbuto :mu 6 β Power Negatvě působí a sílu testu (obecě: eterogeta varací Sérové závslost resduí (pod-specfkovaý model Odchylky od ormalty (extrémí škmost Vysoký počet proměých v testovací statstce P-value Úskalí statstckých testů Je pravděpodobost výskytu extrémější hodoty testovací statstky, ež té, která byla emprcky vypočtea Syoyma: vypočteá průkazost ebo vypočteá alfa Účel: rovoceé krtérum (ezamítutí Testovací krtérum: p-value < alfa zamítáme odota p-value testu je určea typem a parametry rozděleí testovací statstky, z kterého se zjšťuje. Zamítutí závsí a: rozsahu souboru zvoleé hodotě alfa varabltě dat parametrech rozděleí testovací statstky za platost a Mapulací těchto velč lze dosáhout zamítutí každé! Statstcky průkazý rozdíl ezameá praktcky výzamý rozdíl!
4 Z-test ebo t-test? Předpoklady testů Fakt: Lokačí míry lze odhadovat relatvě saděj a spolehlvěj ež dspersí míry Z - testy o parametrech se používají v stuacích, je-l záma, tedy kvaltí odhad rozptylu Výběrová rozděleí se mohou lšt v lokačí míře, avšak mají stejý a zámý rozptyl T-testy o parametrech se používají v stuacích, eí-l záma, tedy když máme méě kvaltí odhad rozptylu s Výběrová rozděleí se mohou lšt v lokačí míře, avšak mají stejý ale ezámý rozptyl Rozptyly z dvou ebo více výběrů mohou být stejorodé ebo růzorodé Normálí rozděleí výběrového souboru s daým průměrem a rozptylem Kostatost a sérová ezávslost rozděleí hodot (I.I.D. Obecá formule Z testu: θ Z ~ (, ( N se θθ θ Obecá formule T testu: θ θ t ~ t se( θ θ Poz.: θ - θ rozdíl parametrů; se(θ - θ středí chyba rozdílu ν Testy a ormaltu Jedo-výběrový z-test a t-test Test dobré shody: eparametrcký aproxmačí test vycházející z χ rozděleí Použtelý pro více typů rozděleí, především espojtá Využívá tervalového tříděí výběru do p tříd (p / Kalkulace emprckých (O a očekávaých (E četostí (z fukce F(x p ( O E χ ~ χp E Shapro Wlks test: Sad ejlepší test ormalty Kalkuluje statstku W podobou čtverc korelace mez emprckým a teoretckým kvatlam Test je levostraý! Nízká hodota W (jž okolo.9! zamítá : Y ~ N(µ,. Kolmogorov Smrov test: test pro jede (K ebo dva soubory (S a spojtá rozděleí. Porovává F (y emprckého a rozděleí : maxfˆ( y F ( y D Vysoká hodota D zamítá. (pravostraý test Z - test: Testujeme, zda-l se průměr výběru lší od specfkovaé hodoty µ, za dostupost rozptylu populace. : µ µ µ µ Z ~ N(, / Oblast zamítutí : : µ µ z > z α / : µ > µ z > z α : µ < µ z < zα T - test: Testujeme, zda-l se průměr výběru lší od specfkovaé hodoty µ, za dostupost výběrového rozptylu s. µ µ t ~ t s / µ µ t > t : α /; : µ > µ t > t α ; : µ < µ t < tα;
5 Oblast zamítutí F-test o dvou rozptylech Rejecto rego of the statstc: oe-sded Desty...4 Z.95 Reject! α -4-4 T Rejecto rego of the statstc: two-sded F - test homogety dvou ezávslých souborů : : Testovací statstka: Oblast zamítutí : Oboustraá : F : < s ~ F ; s F < Fα / ; ; F > F α / ; ; : > Desty...4 Z.5 Z.975 Reject! Reject! α α Pravostraá : Levostraá : F > F α ; ; F < Fα ; ; -4-4 T Dvou-výběrový z-test Dvou-výběrový t-test (sdružeý Dva ezávslé soubory o průměrech a zámých rozptylech a. y N( µ, / y ~ N( µ, / y y ~ N( µ µ, + ~ : µ µ : µ µ : µ > µ : µ < µ Dva ezávslé soubory o průměrech a ezámých rozptylech s a s. Rozptyly jsou s rovy! Sdružeý odhad rozptylu ( s + ( s : s p + S p je odhadem společé varace obou souborů Testovací statstka: Z y y + ~ N(, Oblast zamítutí je shodá s jedo-výběrovým z-testem Za podmíky ormalty: Testovací statstka: t y y ~ N( µ µ, p ( + y y s p + ~ t +
6 Dvou-výběrový t-test (Welschův Cetrálí lmtí věta Dva ezávslé soubory o průměrech a ezámých rozptylech s as. Rozptyly s rovy ejsou! y y Welschova testovací statstka: w ~ t ν s s + Stupě volost ν se aproxmují podle Satterthwata: s s + ν ( s / ( / s + Welschův t - test vykazuje méě ν a proto má žší β ež sdružeý t-test. Použtí: Je-l jeda z varací je více ež trojásobek druhé Zěí: Jestlže y je áhodý výběrový soubor o rozsahu, společé středí hodotě µ a varac, pak rozděleí výběrových průměrů aproxmuje Gaussovo rozděleí o průměru µ a varac / pokud se přblžuje asymptotě (. Důsledek: výběrové průměry souborů pocházející z kteréhokolv rozděleí mají přblžě ormálí rozděleí, je-l dostatečě velké z y E( y y µ ~ N(, Var( y / / Výhoda: možost ormálí aproxmace př dostatečém rozsahu Mmálí rozsah závsí a typu rozděleí (meší pro souměrá, větší pro esouměrá výběrů,,a,b,uformí desta Z-test o jedom výběrovém poměru 4 Rozdele prumeru Normal Q-Q Plot Aplkace CLV: Testujeme, zda se výběrový poměr π rová populačímu poměru π Frequecy Sample Quatles : π π : π π Testovací statstka: : π > π : π < π z π π ±.5 / ~ N (, π ( π představuje rozsah výběrového souboru Korekce a kotutu v čtatel (Yates když *m(π,-π < 5 Je záporá o hodotě -.5/ když π > π Je kladá o hodotě +.5/ když π < π 5 5 Theoretcal Quatles s
7 Z-test rovost dvou výběrových poměrů Příklad testu dvou výběrových poměrů Testujeme, zda se výběrový poměr π rová výběrovému poměru π : π π : π π : π π > : π π < Testovací statstka: z π π ~ (, π( π + a představují rozsahy výběrových souborů CLV aplkovatelá, když m(π,-π * m(, 5 Test je ekvvaletí testu rovost obou výběrových poměrů π a π sdružeému poměru π. Odhad π se vypočítá: uspech πˆ Ekvvaletí je Ch-kvadrát test x kotgečí tabulky χ.. (.... ~ χ Počty albíů ve populacích: 8 a 5 Rozsahy populací: 67 a 78 Výběrové poměry populací: 8 / 67,94 a 5 / 68,93 Sdružeý poměr populací: 3 / 45,586 Testovací statstka : (,94 -,93/odm(,586*(-,586*(/67 + /78 -,98 P-value,3 (dvoustraá : rozdíly eprůkazé χ test o rovost více poměrů Rozšířeí a polychotomcký případ Testujeme, zda se výběrové poměry π π... π p rovají : π π... π p : erovost Výpočet sdružeé hodoty π Výpočet dílčích statstk z Souhrá statstka χ je pak πˆ π z χ uspech π ±.5 / π ( π p z ~ χ ~ N p (, Testujeme, zda se multomcké výběrové poměry π π... π j rovají mez k skupam Nejsazší řešeí přes rekostrukc kotgečí tabulky a χ test ezávslost Příklad: Ve čtyřech výběrech z růzých populací laboratorích myší ( ; ; 3 96; 4 6; byly pozorováy relatví četost alel A, A a A3. Testujte, zda se četost lší mez populacem. Řešeí možé χ testem ( x p kotgečí tabulky
8 Potřebý rozsah áhodého výběru Příklady a rozsah výběru Mmálí rozsah výběru ( lze určt úpravou vzorců testovací statstky ebo tzv. přípusté chyby používaé k sestaveí (-α* % tervalu spolehlvost. Výsledé hodoty se obvykle zaokrouhlují ahoru ( jedovýběrový z - test jedostraé : z( α + z( β jedovýběrový z - test dvoustraé : ( z( α / + z( β dvouvýběrový z - test jedostraé : ( z( α + z( β ( + / k dvouvýběrový z - test dvoustraé : ( z( α/ + z( β ( + / k k koefcet / V případě t-testu: se ásobí (ν + 3/(ν +, kde ν jsou stupě volost pro chybu (Cox ad Cochra. Rozpětí křídel dospělých jedců jstého ptačího druhu je v průměru µ 48 cm. Bolog chce objevt ový poddruh, který se lší ejméě o 4 cm. Kolk jedců musí být odchyceo a změřeo, jestlže rozpětí je 6,5 cm? Předpokládáme -β,95, α,5. jedostraá : (z,95 + z,95 *6,5 / 4 8, dvoustraá : (z,975 + z,95 *6,5 / 4 34,34 35 Chceme zjstt jestl se četost homozygotů alely jstého geu u mportovaé ladrace průkazě lší od domácí populace, kde je zámá frekvece p 3%. Kolk jedců je potřeba geotypovat, chceme-l zjstt mmálí rozdíl 3%. Předpokládáme -β,9, α,5, maxmálí varac. jedostraá : (z,95 + z,9 *,5 /,3 378, dvoustraá : (z,975 + z,9 *,5 /, Statstky jsou ejvyšším vývojovým stádem lž...
- metody, kterými lze z napozorovaných hodnot NV získat co nejlepší odhady neznámých parametrů jejího rozdělení.
MATEMATICKÁ STATISTIKA - a základě výběrových dat uuzujeme a obecější kutečot, týkající e základího ouboru; provádíme zevšeobecňující (duktví) úudek - duktví uuzováí pomocí matematcko-tattckých metod je
VíceTest dobré shody se používá nejčastěji pro ověřování těchto hypotéz:
Ig. Marta Ltschmaová Statstka I., cvčeí 1 TESTOVÁNÍ NEPARAMETRICKÝCH HYPOTÉZ Dosud jsme se zabýval testováím parametrcký hypotéz, což jsou hypotézy o parametrech rozděleí (populace). Statstckým hypotézám
Více17. Statistické hypotézy parametrické testy
7. Statistické hypotézy parametrické testy V této části se budeme zabývat statistickými hypotézami, pomocí vyšetřujeme jedotlivé parametry populace. K takovýmto šetřeím většiou využíváme ám již dobře zámé
VíceFakulta elektrotechniky a informatiky Statistika STATISTIKA
Fakulta elektrotechky a formatky TATITIKA. ZÁKLADNÍ OJMY. Náhodý pokus a áhodý jev NÁHODNÝ OKU proces realzace souboru podmíek kde výsledek emůžeme předem ovlvt. - výsledek áhodého pokusu. - jev, který
VíceTESTOVÁNÍ STATISTICKÝCH HYPOTÉZ
TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ je postup, pomocí ěhož a základě áhodého výběru ověřujeme určté předpoklady (hypotézy) o základím souboru STATISTICKÁ HYPOTÉZA předpoklad (tvrzeí) o parametru G základího
VíceVýsledky této ásti regresní analýzy jsou asto na výstupu z poítae prezentovány ve form tabulky analýzy rozptylu.
Ig. Marta Ltschmaová Statstka I., cveí 4 JEDNODUCHÁ LINEÁRNÍ REGRESE asto chceme prozkoumat vztah mez dvma velam, kde jeda z ch, tzv. ezávsle promá x, má ovlvovat druhou, tzv. závsle promou Y. edpokládá
VíceIlustrativní příklad ke zkoušce z B_PS_A léto 2013.
Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95
VíceIlustrativní příklad ke zkoušce z B_PS_A léto 2014.
Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95
VíceStatistika - vícerozměrné metody
Statstka - vícerozměré metody Mgr. Mart Sebera, Ph.D. Katedra kezologe Masarykova uverzta Fakulta sportovích studí Bro 0 Obsah Obsah... Sezam obrázků... 4 Sezam tabulek... 4 Úvod... 6 Pojmy... 7 Náhodé
Více1. Základy měření neelektrických veličin
. Základ měřeí eelektrckých velč.. Měřcí řetězec Měřcí řetězec (měřcí soustava) je soubor měřcích čleů (jedotek) účelě uspořádaých tak, ab blo ožě splt požadovaý úkol měřeí, tj. získat formac o velkost
VíceOdhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení
Odhad parametru p biomického rozděleí a test hypotézy o tomto parametru Test hypotézy o parametru p biomického rozděleí Motivačí úloha Předpokládejme, že v důsledku realizace jistého áhodého pokusu P dochází
VíceMendelova univerzita v Brně Statistika projekt
Medelova uverzta v Brě Statstka projekt Vypracoval: Marek Hučík Obsah 1. Úvod... 3. Skupové tříděí... 3 o Data:... 3 o Počet hodot:... 3 o Varačí rozpětí:... 3 o Počet tříd:... 4 o Šířka tervalu:... 4
Více1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.
Náhodá veličia Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 45/004. Náhodá veličia Většia áhodých pokusů má jako výsledky reálá čísla. Budeme tedy dále áhodou veličiou rozumět proměou, která
VíceTest hypotézy o parametru π alternativního rozdělení příklad
Test hypotézy o parametru π alterativího rozděleí příklad Podik předpokládá, že o jeho ový výrobek bude mít zájem 7 % osloveých domácostí. Proběhl předběžý průzkum, v ěmž bylo osloveo 4 áhodě vybraých
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
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
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
VícePravděpodobnost a statistika - absolutní minumum
Pravděpodobost a statistika - absolutí miumum Jaromír Šrámek 4108, 1.LF, UK Obsah 1. Základy počtu pravděpodobosti 1.1 Defiice pravděpodobosti 1.2 Náhodé veličiy a jejich popis 1.3 Číselé charakteristiky
Více6. T e s t o v á n í h y p o t é z
6. T e s t o v á n í h y p o t é z Na základě hodnot z realizace náhodného výběru činíme rozhodnutí o platnosti hypotézy o hodnotách parametrů rozdělení nebo o jeho vlastnostech. Používáme k tomu vhodně
Vícez možností, jak tuto veličinu charakterizovat, je určit součet
6 Charakteristiky áhodé veličiy. Nejdůležitější diskrétí a spojitá rozděleí. 6.1. Číselé charakteristiky áhodé veličiy 6.1.1. Středí hodota Uvažujme ejprve diskrétí áhodou veličiu X s rozděleím {x }, {p
VícePoznámky k předmětu Aplikovaná statistika, 9.téma
Poznámky k předmětu Aplikovaná statistika, 9téma Princip testování hypotéz, jednovýběrové testy V minulé hodině jsme si ukázali, jak sestavit intervalové odhady pro některé číselné charakteristiky normálního
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
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
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
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
VícePřednáška č. 10 Analýza rozptylu při jednoduchém třídění
Předáška č. 0 Aalýza roztylu ř jedoduchém tříděí Aalýza roztylu je statstcká metoda, kterou se osuzuje romělvost oakovaých realzací áhodého okusu tj. romělvost áhodé velčy. Náhodá velča vzká za relatvě
Více1. Základy počtu pravděpodobnosti:
www.cz-milka.et. Základy počtu pravděpodobosti: Přehled pojmů Jev áhodý jev, který v závislosti a áhodě může, ale emusí při uskutečňováí daého komplexu podmíek astat. Náhoda souhr drobých, ezjistitelých
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
Více, jsou naměřené a vypočtené hodnoty závisle
Měřeí závslostí. Průběh závslost spojtá křvka s jedoduchou rovcí ( jedoduchým průběhem), s malým počtem parametrů, která v rozmezí aměřeých hodot vsthuje průběh závslost, určeí kokrétího tpu křvk (přímka,
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
VíceÚvod do zpracování měření
Laboratorí cvičeí ze Základů fyziky Fakulta techologická, UTB ve Zlíě Cvičeí č. Úvod do zpracováí měřeí Teorie chyb Opakujeme-li měřeí téže fyzikálí veličiy za stejých podmíek ěkolikrát za sebou, dostáváme
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
VíceCvičení 3 - teorie. Teorie pravděpodobnosti vychází ze studia náhodných pokusů.
Cvičeí 3 - teorie Téma: Teorie pravděpodobosti Teorie pravděpodobosti vychází ze studia áhodých pokusů. Náhodý pokus Proces, který při opakováí dává ze stejých podmíek rozdílé výsledky. Výsledek pokusu
VíceHYPOTEČNÍ ÚVĚR. , kde v = je diskontní faktor, Dl počáteční výše úvěru, a anuita, i roční úroková sazba v procentech vyjádřená desetinným číslem.
HYPTEČNÍ ÚVĚR Spláceí úvěru stejým splátkam - kostatí auta ÚLHA 1: Mladý maželský pár s dostačujícím příjmy (tz. a získáí hypotéčího úvěru) se rozhodl postavt s meší rodý domek. Podle předběžé kalkulace
Více1. Alternativní rozdělení A(p) (Bernoulli) je diskrétní rozdělení, kdy. p(0) = P (X = 0) = 1 p, p(1) = P (X = 1) = p, 0 < p < 1.
2. Některá důležitá rozdělení Diskrétní rozdělení. Alternativní rozdělení Ap) Bernoulli) je diskrétní rozdělení, kdy náhodná veličina X nabývá pouze dvou hodnot a a pro její pravděpodobnostní funkci platí:
VíceNejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A
Nejstoty měřeí Pro každé přesé měřeí potřebujeme formac s jakou přesostí bylo měřeí provedeo. Nejstota měřeí vyjadřuje terval ve kterém se achází skutečá hodota měřeé velčy s určtou pravděpodobostí. Nejstota
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
VíceJednotlivé mezivýsledky, získané v prbhu analýzy rozptylu, jsou prbžn a systematicky zaznamenávány v tabulce ANOVA. Prmrný tverec. volnosti SS B.
Ing. Martna Ltschmannová Statsta I., cvení ANOVA Rozšíením dvouvýbrových test pro stední hodnoty je analýza rozptylu nebol ANOVA, terá umožuje srovnávat nol stedních hodnot nezávslých náhodných výbr. Analýza
Více1. Pravděpodobnost a statistika (MP leden 2010)
1. Pravděpodobnost a statistika (MP leden 2010) Pravděpodobnost pojmy 1. Diskrétní pravděpodobnostní prostor(definice, vlastnosti, příklad). Diskrétní pravděpodobnostní prostor je trojice(ω, A, P), kde
Více6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.
6 Itervalové odhady parametrů základího souboru V předchozích kapitolách jsme se zabývali ejprve základím zpracováím experimetálích dat: grafické zobrazeí dat, výpočty výběrových charakteristik kapitola
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,
VíceUČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY. Přírodovědecká fakulta ANALÝZA DAT. 2. upravené vydání. Josef Tvrdík
UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ANALÝZA DAT. upraveé vydáí Josef Tvrdík OSTRAVSKÁ UNIVERZITA 008 OBSAH: Úvod... 3 Parametrcké testy o shodě středích hodot... 4. Jedovýběrový t-test...
VíceP1: Úvod do experimentálních metod
P1: Úvod do epermetálích metod Chyby a ejstoty měřeí - Každé měřeí je zatížeo určtou epřesostí, která je způsobea ejrůzějším egatvím vlvy, vyskytujícím se v procesu měřeí. - Výsledek měřeí se díky tomu
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
VíceNEPARAMETRICKÉ TESTY
NEPARAMETRICKÉ TESTY Výhodou neparametrických testů je jejich použitelnost bez ohledu na typ rozdělení, z něhož výběr pochází. K testování se nepoužívají parametry výběru (např.: aritmetický průměr či
VíceUniverzita Pardubice Fakulta ekonomicko-správní
Uverzta Pardubce Fakulta ekoomcko-správí ANALÝZA TRESTNÝCH ČINŮ PROTI ŽIVOTU A ZDRAVÍ V ČR Moka Papoušková Bakalářská práce 00 Prohlášeí Prohlašuj, že jsem tuto prác vypracovala samostatě. Veškeré lterárí
VíceIntervalové odhady parametrů
Itervalové odhady parametrů Petr Pošík Části dokumetu jsou převzaty (i doslově) z Mirko Navara: Pravděpodobost a matematická statistika, https://cw.felk.cvut.cz/lib/ee/fetch.php/courses/a6m33ssl/pms_prit.pdf
VíceÚvod do teorie měření
Uverzta Jaa Evagelsty Purkyě v Ústí ad Labem Přírodovědecká fakulta Úvod do teore měřeí Prof. Chlář emář 0 Průměr, rozptyl a směrodatá odchylka X = X = ( X X ) = = = Výpočty pomocí vzorců a pomocí statstckých
VíceAktivita 1 Seminář základů statistiky a workshop (Prof. Ing. Milan Palát, CSc., Ing. Kristina Somerlíková, Ph.D.)
Aktvta Semář základů tattky a workhop (Prof. Ig. Mla Palát, CSc., Ig. Krta Somerlíková, Ph.D.) Stattcké tříděí Základí metoda tattckého zpracováí. Sekupováí hodot proměé, které jou z hledka klafkačího
Více4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností
4.2 Elemetárí statstcké zpracováí Výsledkem statstckého zjšťováí (. etapa statstcké čost) jsou euspořádaá, epřehledá data. Proto 2. etapa statstcké čost zpracováí, začíá většou jejch utříděím, zpřehleděím.
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
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
Více9 NÁHODNÉ VÝBĚRY A JEJICH ZPRACOVÁNÍ. Čas ke studiu kapitoly: 30 minut. Cíl:
9 ÁHODÉ VÝBĚR A JEJICH ZPRACOVÁÍ Čas ke studu katol: 30 mut Cíl: Po rostudováí tohoto odstavce budete rozumět ojmům Základí soubor, oulace, výběr, výběrové šetřeí, výběrová statstka a budete zát základí
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
VíceIV. NEJISTOTY MENÍ A ZPRACOVÁNÍ VÝSLEDK
IV. NEJISTOTY MENÍ A ZPRACOVÁNÍ VÝSLEDK Meí patí mez základí zpsoby získáváí kvattatvích formací o stav sledovaé vely. 4. Chyby meí Nedokoalost metod meí, ašch smysl, omezeá pesost mcích pístroj, promé
VíceC V I Č E N Í 4 1. Představení firmy Splintex Czech 2. Vlastnosti skla a skloviny 3. Aditivita 4. Příklady výpočtů
Techologe skla 00/03 C V I Č E N Í 4. Představeí rmy pltex Czech. Vlastost skla a sklovy 3. Adtvta 4. Příklady výpočtů Hospodářská akulta. Představeí rmy pltex Czech a.s. [,] Frma pltex Czech je součástí
VíceSměrnice 1/2011 Statistické vyhodnocování dat, verze 4 Verze 4 je shodná se Směrnicí 1/2011 verze 3, pouze byla rozšířena o robustní analýzu
Směrce /0 Stattcké vyhodocováí dat, verze 4 Verze 4 e hodá e Směrcí /0 verze 3, ouze byla rozšířea o robutí aalýzu. Stattcké metody ro zkoušeí zůoblot Cílem tattcké aalýzy výledků zkoušek ř zkouškách zůoblot
VíceSEMESTRÁ LNÍ PRÁ CE. Licenč ní studium STATISTICKÉZPRACOVÁ NÍ DAT PŘ I KONTROLE A Ř ÍZENÍ JAKOSTI
SEMESTRÁ LNÍ PRÁ CE Licenč ní studium STATISTICKÉZPRACOVÁ NÍ DAT PŘ I KONTROLE A Ř ÍZENÍ JAKOSTI Předmě t STATISTICKÁ ANALÝ ZA JEDNOROZMĚ RNÝ CH DAT (ADSTAT) Ú stav experimentá lní biofarmacie, Hradec
VíceSoustava kapalina + tuhá látka Izobarický fázový diagram pro soustavu obsahující vodu a chlorid sodný
Soustv kpl + tuhá látk Izobrcký fázový dgrm pro soustvu obshující vodu chlord sodý t / o C H 2 O (s) + esyceý roztok 30 20 10 0-10 -20 t I t II esyceý roztok 2 1 p o NCl (s) + syceý roztok eutektcký bod
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
Víceu, v, w nazýváme číslo u.( v w). Chyba! Chybné propojení.,
Def: Vetorovým součiem vetorů u =(u, u, u 3 ) v = (v, v, v 3 ) zýváme vetor u v = (u v 3 u 3 v, u 3 v u v 3, u v u v ) Vět: Pro vetory i, j, ortoormálí báze pltí i i = j = i, i = j Vět: Nechť u v, w, jsou
Vícecenný papír, jehož koupí si investor zajistí předem definované peněžní toky, které obdrží v budoucnosti
DLUHOPISY ceý papír, jehož koupí si ivestor zajistí předem defiovaé peěží toky, které obdrží v budoucosti podle doby splatosti ~ 1 rok dlouhodobé dluhopisy Pokladičí poukázky
VíceKABELY. Pro drátové okruhy (za drát se považuje i světlovodné vlákno): metalické kabely optické kabely
KABELY Pro drátové okruhy (za drát se považuje i světlovodé vláko): metalické kabely optické kabely Metalické kabely: osou veličiou je elektrické apětí ebo proud obvykle se jedá o vysokofrekvečí přeos
VíceTECHNICKÁ UNIVERZITA V LIBERCI
TECHNICKÁ UNIVERZITA V LIBERCI Ekoomcká fakulta Semestrálí ráce S kua Jméa: Leka Pastorová, Davd arha, Ja Vtásek a Fl Urbačík Ročík: 0/06 Učtel: gr. Jří Rozkovec Obor: Podková ekoomka Datum:.. 06 Obsah
Více9. Měření závislostí ve statistice. 9.1. Pevná a volná závislost
Dráha [m] 9. Měřeí závslostí ve statstce Měřeí závslostí ve statstce se zývá především zkoumáím vzájemé závslost statstckých zaků vícerozměrých souborů. Závslost přtom mohou být apříklad pevé, volé, jedostraé,
VíceSkupina Testování obsahuje následující moduly: Síla a rozsah výběru, Testy a Kontingenční tabulka.
Testování Menu: QCExpert Testování Skupina Testování obsahuje následující moduly: Síla a rozsah výběru, Testy a Kontingenční tabulka. Síla a rozsah výběru Menu: QCExpert Testování Síla a rozsah výběru
VíceUČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ANALÝZA DAT. Josef Tvrdík
UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ANALÝZA DAT (OPRAVENÁ VERZE 006) Josef Tvrdík OSTRAVSKÁ UNIVERZITA 00 Obsah: Úvod... 3 Programové prostředky pro statstcké výpočty... 4. Tabulkový
VíceCvičení z termomechaniky Cvičení 5.
Příklad V kompresoru je kotiuálě stlačová objemový tok vzduchu [m 3.s- ] o teplotě 20 [ C] a tlaku 0, [MPa] a tlak 0,7 [MPa]. Vypočtěte objemový tok vzduchu vystupujícího z kompresoru, jeho teplotu a příko
VíceUNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM PEDAGOGICKÁ FAKULTA Katedra tělesné výchovy
UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM PEDAGOGICKÁ FAKULTA Katedra tělesé výchovy VYBRANÉ NEPARAMETRICKÉ STATISTICKÉ POSTUPY V ANTROPOMOTORICE Zdeěk Havel Davd Chlář 0 VYBRANÉ NEPARAMETRICKÉ
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
VíceÚkol měření. Použité přístroje a pomůcky. Tabulky a výpočty
Úkol měřeí ) Na základě vějšího fotoelektrického pole staovte velikost Plackovy kostaty h. ) Určete mezí kmitočet a výstupí práci materiálu fotokatody použité fotoky. Porovejte tuto hodotu s výstupími
Více10.2.3 VÁŽENÝ ARITMETICKÝ PRŮMĚR S REÁLNÝMI VAHAMI
Středí hodoty Artmetcý průměr vážeý Aleš Drobí straa 0 VÁŽENÝ ARITMETICKÝ PRŮMĚR S REÁLNÝMI VAHAMI Zatím jsme počítal s tím, že četost ve vztahu pro vážeý artmetcý průměr byla přrozeá čísla Četost mohou
Více11. Popisná statistika
. Popsá statstka.. Pozámka: Př statstckém zkoumáí ás zajímají hromadé jevy a procesy, u kterých zkoumáme zákotost, které se projevují u velkého počtu prvků. Prvky zkoumáí azýváme statstcké jedotky. Př
Víceě ě š é Č ě ě š Š š Č ú ě ě ě ě ó š ě ě š é ě é š ě é é é ě é é ěž ě Ž ě ě ě ů ě š ů ů é Ž ňů ňů Ž Ž é ňů ů ď é ů ď é ů Ý ď é é ňů ňů ě ů ňů ů ů ě é ňů Ý ě Ý ď é é š Ž š š Ž ě Ž ů ě š ě Ž Ž š ě é Ž Ž š
VíceOBRAZOVÁ ANALÝZA POVRCHU POTISKOVANÝCH MATERIÁLŮ A POTIŠTĚNÝCH PLOCH
OBRAZOVÁ ANALÝZA POVRCU POTISKOVANÝC MATERIÁLŮ A POTIŠTĚNÝC PLOC Zmeškal Oldřich, Marti Julíe Tomáš Bžatek Ústav fyzikálí a spotřebí chemie, Fakulta chemická, Vysoké učeí techické v Brě, Purkyňova 8, 62
VíceTestujeme hypotézu: proti alternativě. Jednoduché třídění:
Y,, Y je áhodý výběr z N(μ, σ ) Y,, Y je áhodý výběr z N(μ, σ ) Y,, Y je áhodý výběr z N(μ, σ ) Testujeme hypotézu: proti alterativě H : μ = μ = = μ H : e všechy středí hodoty μ,, μ jsou si rovy Jedoduché
Více12. Neparametrické hypotézy
. Neparametrcké hypotézy V této část se budeme zabývat specálí částí teore statstckých hypotéz tzv. eparametrckým hypotézam ebo jak řečeo eparametrckým statstckým testy. Neparametrcké se azývají proto,
VíceSeznámíte se s pojmem Riemannova integrálu funkce jedné proměnné a geometrickým významem tohoto integrálu.
2. URČITÝ INTEGRÁL 2. Určitý itegrál Průvodce studiem V předcházející kapitole jsme se sezámili s pojmem eurčitý itegrál, který daé fukci přiřazoval opět fukci (přesěji možiu fukcí). V této kapitole se
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
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
VíceDoc. Ing. Dagmar Blatná, CSc.
PRAVDĚPODOBNOST A STATISTIKA Doc. Ig. Dagmar Blatá, CSc. Statsta statstcé údaje o hromadých jevech čost, terá vede zísáí statstcých údajů a jejch zpracováí teore statsty - věda o stavu, vztazích a vývoj
VíceOdůvodnění. Obecná část
Odůvoděí k ávrhu změy vyhlášky č. 502/2005 Sb., kterou se staoví způsob vykazováí možství elektřy př společém spalováí bomasy a eobovtelého zdroje Obecá část Zhodoceí platého právího stavu Podpora výroby
Více1. K o m b i n a t o r i k a
. K o m b i a t o r i k a V teorii pravděpodobosti a statistice budeme studovat míru výskytu -pravděpodobostvýsledků procesů, které mají áhodý charakter, t.j. při opakováí za stejých podmíek se objevují
VíceJednoduchá lineární regrese
Jedoduchá leárí regrese Motvace: Cíl regresí aalýz - popsat závslost hodot velč Y a hodotách velč X. Nutost vřešeí dvou problémů: a) jaký tp fukce se použje k popsu daé závslost; b) jak se staoví kokrétí
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
Více8 NELINEÁRNÍ REGRESNÍ MODELY
8 NELINEÁRNÍ REGRESNÍ MODELY 8 Tvorba eleárího regresího modelu Postup tvorby eleárího regresího modelu se dá rozčlet do těchto kroků: Návrh regresího modelu Obvykle se jako eleárí regresí model používá
VíceDomácí práce z p edm tu D01M6F Statistika
eské vysoké u eí techcké Fakulta Elektrotechcká Domácí práce z p edm tu D0M6F Statstka Test dobré shody Bradá Marek 4.ro ík Ak. rok 004/00, LS M6F Test dobré shody Obsah Zadáí...3 Hypotéza...3 3 Zj t é
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
VíceAPLIKACE REGRESNÍ ANALÝZY NA VÝPOČET BODU ZVRATU
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV FINANCÍ FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF FINANCES APLIKACE REGRESNÍ ANALÝZY NA VÝPOČET BODU ZVRATU
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
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:
VíceMSI LS 2006/2007 Ing. Pavla Hošková, Ph.D., 2. test
c 2007 Kompost 1 MSI LS 2006/2007 Ing. Pavla Hošková, Ph.D., 2. test Jestliže při testování výsledek (hodnota testového kritéria) padne do kritického oboru: a) musíme nově formulovat nulovou hypotézu,
Více2. Definice plazmatu, základní charakteristiky plazmatu
2. efiice plazmatu, základí charakteristiky plazmatu efiice plazmatu Plazma bývá obyčejě ozačováo za čtvrté skupeství hmoty. Pokud zahříváme pevou látku, dojde k jejímu roztaveí, při dalším zahříváí se
VíceFINANČNÍ MATEMATIKA- INFLACE
ojekt ŠABLONY NA GVM Gymázum Velké Mezříčí egstačí číslo pojektu: CZ..7/.5./34.948 V- ovace a zkvaltěí výuky směřující k ozvoj matematcké gamotost žáků středích škol FNANČNÍ MATEMATA- NFLACE Auto Jazyk
VíceFLUORIMETRIE. Jan Fähnrich. Obecné základy
FLUORIMETRIE Ja Fährch Obecé základ Fluormetre je aaltcká metoda vužívající schopost ěkterých látek vsílat (emtovat) po předchozím převedeí do vzbuzeého (exctovaého) stavu fluorescečí zářeí v ultrafalové
Více1 Popis statistických dat. 1.1 Popis nominálních a ordinálních znaků
1 Pops statstcých dat 1.1 Pops omálích a ordálích zaů K zobrazeí rozděleí hodot omálích ebo ordálích zaů lze použít tabulu ebo graf rozděleí četostí. Tuto formu zobrazeí lze dooce použít pro číselé zay,
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
VíceDYNAMICKÉ MODULY PRUŽNOSTI NÁVOD DO CVIČENÍ
DYNAMICKÉ MODUY PRUŽNOSTI NÁVOD DO CVIČNÍ D BI0 Zkušebnctví a technologe Ústav stavebního zkušebnctví, FAST, VUT v Brně 1. STANOVNÍ DYNAMICKÉHO MODUU PRUŽNOSTI UTRAZVUKOVOU IMPUZOVOU MTODOU [ČSN 73 1371]
VíceMatice. nazýváme m.n reálných čísel a. , sestavených do m řádků a n sloupců ve tvaru... a1
Matice Matice Maticí typu m/ kde m N azýváme m reálých čísel a sestaveých do m řádků a sloupců ve tvaru a a a a a a M M am am am Prví idex i začí řádek a druhý idex j sloupec ve kterém prvek a leží Prvky
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
Více