Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz
|
|
- Zdenka Moravcová
- před 8 lety
- Počet zobrazení:
Transkript
1 Pravděodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@niax.cz
2 Pravděodobnost a matematická statistika týden ( ) Data, tyy dat, variabilita, frekvenční analýza (histogramy, četnosti absolutní, relativní, rosté, kumulativní), základní statistické charakteristiky (růměr, výběr.roztyl, minimum, maximum, medián, kvartily, boxlot), sešikmenná rozdělení (vzájemná oloha mediánu a střední hodnoty), chvosty, kvantily 2. týden ( ) Princi statistické indukce, výběr, vlastnosti výběru, exeriment. Náhodná veličina, rozdělení ravděodobnosti a jeho souvislost s histogramem. Pravděodobnost, ravidla ro očítání s ravděodobností, odmíněná ravděodobnost, závislost náhodných veličin. 3.týden ( ) Využití závislosti ři stanovení ravděodobnosti - věta o úlné ravděodobnosti a Bayesova věta 4.týden ( ) Rozdělení chyb měření - normální rozdělení a očítání s ním. Odhady arametrů normálního rozdělení. Intervaly solehlivosti ro normální data. Jednovýběrové testy o střední hodnotě 5.týden ( ) Výběrový oměr jako odhad ravděodobnosti sledovaného jevu. Alternativní rozdělení, binomické rozdělení. Intervalový odhad výběrového oměru. Výběry s vracením a bez vracení (binomické a hyergeometrické rozdělení) 6.týden ( ) odadá 7.týden ( ) Poruchy v čase (Poissonův roces). Poissonovo rozdělení, exonenciální rozdělení, jeho výhody a nevýhody, modelování doby do oruchy omocí Weibullova rozdělení, lognormálního rozdělení, říadně useknuté normální rozdělení. 8.týden ( ) Testy dobré shody, Q-Q graf (ouze vysvětlení), testy normality. Některé nearametrické testy 9.týden ( ) Dvě náhodné veličiny - srovnání dvou výběrů (dvouvýběrové testy) 10. týden ( ) Dvě náhodné veličiny. Dvourozměrné četnosti jako odhad dvourozměrného rozdělení, frekvenční tabulka. Marginální rozdělení (vše ouze diskrétně s tabulkou) 11. týden ( ) Závislost náhodných veličin, míry závislosti (kovariance, korelace), test významnosti korelačního koeficientu 12. týden ( ) Regrese, lineární regresní model (římková, kvadratická, olynomická regrese), analýza reziduí, ásy solehlivosti 13. týden ( ) Více výběrů, jednoduché třídění, ANOVA. 14. týden ( ) Rezerva, oakování, testy normality (náhrada za )
3 Výběrový oměr Úloha: Jaká je ravděodobnost, že balíček kávy, který si kouí náhodný zákazník, bude mít hmotnost menší, než je dolní hranice intervalu solehlivosti ro růměr? h24.868, i
4 Výběrový oměr Úloha: Jaká je ravděodobnost, že balíček kávy, který si kouí náhodný zákazník, bude mít hmotnost menší, než je dolní hranice intervalu solehlivosti ro růměr? od hranicí: 36 v mezích: 14 celkem: 50 36/50 = /50 = 0.28 h24.868, i Výběrový oměr = statistický bodový odhad ravděodobnosti sledovaného jevu
5 Alternativní rozdělení X řibližně v 100.% říadů nastane výsledek 1 řibližně v 100.(1-)% říadů nastane výsledek 0 střední hodnota X: E(X) =.1+(1 ).0 = roztyl X: Var(X) =E X 2 E(X) 2 =.1+(1 ).0 2 = (1 ) nx absolutní četnost kladných výsledků = součet ozorování Y = X i X n nx i=1 E(Y )=E X Var(Y )=E(Y n) 2 i = E(X i )=n = n(1 ) i=1 i=1 1 relativní četnost kladných výsledků = aritmetický růměr ozorování X = n E( X) 1 nx =E X i = 1 n n n E X X i = 1 nx E(X i )= 1 n n n = i=1 i=1 i=1 nx i=1 X i Var( X) =E( X ) 2 = (1 ) n
6 Intervalový odhad výběrového oměru U = Y n n(1 ) s N(0, 1) U = X n s N(0, 1) (1 ) Intervalový odhad ro výběrový oměr X = Intervalový odhad ravděodobnosti sledovaného jevu r r (1 ) u, n X (1 ) + n u Test hyotézy o výběrovém oměru: H 0 : = 0 H A : 6= 0 T = Y n 0 n0 (1 0 ) T = X 0 0 (1 0 ) n Nulovou hyotézu zamítneme, když T u ro námi stanovené
7 Výběr bez vracení Sortka: 49 čísel, ze kterých 6 vyhrává (jsou vytaženy). Jaká je ravděodobnost, že ři výběru 6ti čísel vybereme 4 z tažených? Kontrola jakosti: 1000 výrobků, mezi nimi jsou 3% vadných. Jaká je ravděodobnost, že ři výběru 10 výrobků vybereme alesoň 1 zmetek? Výběr uchazečů o ráci: z 15ti uchazečů o zaměstnání, mezi kterými je 10 žen, vybíráme anonymně odle výsledku testu 5 osob. Jaká je ravděodobnost, že to budou samé ženy? Obecně: N rvků, mezi nimiž je M s určitou sledovanou vlastností. Jaká je ravděodobnost, že ři výběru n rvků bez vracení vybereme k rvků se sledovanou vlastností? očet k-tic v M rvcích P (k; n, N, M) = M k N n N n M k očet zbylých (n-k)-tic z ostatních (N-M) rvků očet všech možností = očet n-tic z N rvků
8 Výběr bez vracení Sortka: 49 čísel, ze kterých 6 vyhrává (jsou vytaženy). Jaká je ravděodobnost, že ři výběru 6ti čísel vybereme 4 z tažených?
9 Výběr bez vracení Kontrola jakosti: 1000 výrobků, mezi nimi jsou 3% vadných. Jaká je ravděodobnost, že ři výběru 10 výrobků vybereme alesoň 1 zmetek?
10 Výběr bez vracení Výběr uchazečů o ráci: z 15ti uchazečů o zaměstnání, mezi kterými je 10 žen, vybíráme anonymně odle výsledku testu 5 osob. Jaká je ravděodobnost, že to budou samé ženy?
11 Hyergeometrické rozdělení (N,M,n,k) = M k N n N n M k N =1, 2,..., M ale N, n ale N, max(0,n+ M N) ale k ale min(n, M) E(X) =n M N Var(X) = nm(n n)(n M) N 2 (N 1)
12 Výběr s vracením Házení kostkou: házíme třemi hracími kostkami současně (nebo jednou třikrát o sobě). Jaká je ravděodobnost, že adnou alesoň dvě šestky? Kontrola jakosti: Z výrobní linky odebíráme nezávisle na sobě 10 výrobků. Víme, že v rodukci jsou 3% vadných. Jaká je ravděodobnost, že ři výběru vybereme alesoň 1 zmetek? Losování zaměstnance: každý den v týdnu losujeme jednoho z 15ti zaměstnanců, který rovede odolední úklid. Mezi zaměstnanci 10 žen. Jaká je ravděodobnost, že v týdnu vybereme samé ženy? Obecně: N rvků, mezi nimiž je M s určitou sledovanou vlastností. Jaká je ravděodobnost, že ři výběru n rvků s vracením vybereme k rvků se sledovanou vlastností? P (k; n, N, M) = n M k N očet k-tic v n rvcích k N M N n k (n-k)-krát vybereme rvek s ravděodobností M (1- ) N k-krát vybereme rvek s ravděodobností M N
13 Výběr s vracením Házení kostkou: házíme třemi hracími kostkami současně (nebo jednou třikrát o sobě). Jaká je ravděodobnost, že adnou alesoň dvě šestky?
14 Výběr s vracením Kontrola jakosti: Z výrobní linky odebíráme nezávisle na sobě 10 výrobků. Víme, že v rodukci jsou 3% vadných. Jaká je ravděodobnost, že ři výběru vybereme alesoň 1 zmetek?
15 Výběr s vracením Losování zaměstnance: každý den v týdnu losujeme jednoho z 15ti zaměstnanců, který rovede odolední úklid. Mezi zaměstnanci 10 žen. Jaká je ravděodobnost, že v týdnu vybereme samé ženy?
16 Binomické rozdělení P (k; n, N, M) = n M k N k N N M n k N =1, 2,..., M ale N, n ale N, max(0,n+ M N) ale k ale min(n, M) Obvyklejší je tvar P (k; n, ) = n k (1 ) n k k n =1, 2,..., 2 (0, 1), k =0, 1,...,n Náhodná veličina s binomickým rozdělením oisuje očet úsěchů ři n nezávislých oakováních bernoulliovských okusů s ravděodobností úsěchu. E(X) =n Var(X) =n(1 )
17 Binomické rozdělení
18 Binomické rozdělení
19 Geometrické rozdělení P (X = 5) = (1 ) P (X = k) =(1 ) k 1 k =0, 1, X je očet kroků, které je třeba učinit, aby nastal rvní výskyt sledovaného jevu E(X) = 1 Var(X) = 1 2
20 Geometrické rozdělení X je očet kroků, které je třeba učinit, aby nastal rvní výskyt sledovaného jevu P (Y = 4) = (1 ) P (X = k) =(1 ) k k =1, 2,... P (X = 5) = (1 ) 4 Y je očet kroků, které ředcházejí rvnímu výskytu sledovaného jevu P (Y = k) =(1 ) k k =0, 1,... E(Y )= 1 Var(Y )= 1 Je-li sledovaný jev orucha, otom se Y nazývá diskrétní doba života 2
21 Geometrické rozdělení 3 * * 3 µ * * * * * * * * P ( X µ 3 )= (3) ( 3) = 2 (3) 1=0, 9973 P ( X µ 3 )=0, 0027 N = očet insekcí řed signálem =0, 0027 E(N) = 1 = 1 0, 0027 = 370 Počet insekcí řed rvním falešným signálem (ARL = Average Run Length)
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 010 1.týden (0.09.-4.09. ) Data, typy dat, variabilita, frekvenční analýza
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipa.cz Pravděpodobnost a matematická statistika 2010 1.týden 20.09.-24.09. Data, tp dat, variabilita, frekvenční analýza histogram,
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Úvod do teorie pravděpodobnosti Náhoda a pravděpodobnost, náhodný jev, náhodná veličina rozdělení pravděpodobnosti
VíceZpůsobilost. Data a parametry. Menu: QCExpert Způsobilost
Zůsobilost Menu: QExert Zůsobilost Modul očítá na základě dat a zadaných secifikačních mezí hodnoty různých indexů zůsobilosti (caability index, ) a výkonnosti (erformance index, ). Dále jsou vyočítány
Vícemůžeme toto číslo považovat za pravděpodobnost jevu A.
RAVDĚODOBNOST - matematická discilína, která se zabývá studiem zákonitostí, jimiž se řídí hromadné náhodné jevy - vytváří ravděodobnostní modely, omocí nichž se snaží ostihnout náhodné rocesy. Náhodné
VíceSemestrální projekt. do předmětu Statistika. Vypracoval: Adam Mlejnek 2-36. Oponenti: Patrik Novotný 2-36. Jakub Nováček 2-36. Click here to buy 2
Semestrální projekt do předmětu Statistika Vypracoval: Adam Mlejnek 2-36 Oponenti: Patrik Novotný 2-36 Jakub Nováček 2-36 Úvod Pro vypracování projektu do předmětu statistika jsem si zvolil průzkum kvality
VíceVŠB Technická univerzita Ostrava BIOSTATISTIKA
VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: BIOSTATISTIKA Zadání 11 DATUM ODEVZDÁNÍ DOMÁCÍ ÚKOL 1: DOMÁCÍ ÚKOL
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
VíceTématické celky { kontrolní otázky.
Tématické celky kontrolní otázky. Základy teorie pravdìpodobnosti..pravdìpodobnostní míra základní pojmy... Vysvìtlete pojem náhody, náhodného pokusu, náhodného jevu a jeho mno- ¾inovou interpretaci. Popi¹te
VíceANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK
ANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK www.biostatisticka.cz POPISNÉ STATISTIKY - OPAKOVÁNÍ jedna kvalitativní
VíceVŠB Technická univerzita Ostrava
VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: PRAVDĚPODOBNOST A STATISTIKA Domácí úkoly Zadání 21 DATUM ODEVZDÁNÍ
VíceVýznamná diskrétní rozdělení pravděpodobnosti
Alternativní rozdělení Příklad Střelec vystřelí do terče, pravděpodobnost zásahu je 0,8. Náhodná veličina X udává, jestli trefil: položíme X = 1, jestliže ano, a X = 0, jestliže ne. Alternativní rozdělení
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
VíceNárodní informační středisko pro podporu jakosti
Národní informační středisko ro odoru jakosti Konzultační středisko statistických metod ři NIS-PJ Analýza zůsobilosti Ing. Vratislav Horálek, DrSc. ředseda TNK 4: Alikace statistických metod Ing. Josef
VíceStatistické metody v ekonomii
Statistické metody v ekonomii vyučující: Mgr. David Zapletal, Ph.D. Výuka probíhá v počítačové učebně Univerzity Pardubice min počet účastníků pro otevření kurzu - 16 osob Testování hypotéz - běžné parametrické
VíceKGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 10. Mgr. David Fiedor 27. dubna 2015 Nelineární závislost - korelační poměr užití v případě, kdy regresní čára není přímka, ale je vyjádřena složitější matematickou funkcí
VíceStatistika. Program R. popisná (deskriptivní) statistika popis konkrétních dat. induktivní (konfirmatorní) statistika. popisná statistika
Statistika Cvičení z matematické statistiky na PřF Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy léto 2012 Základní dělení popisná (deskriptivní)
VíceZápočtová práce STATISTIKA I
Zápočtová práce STATISTIKA I Obsah: - úvodní stránka - charakteristika dat (původ dat, důvod zpracování,...) - výpis naměřených hodnot (v tabulce) - zpracování dat (buď bodové nebo intervalové, podle charakteru
VíceUNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11.
UNIVERZITA OBRANY Fakulta ekonomiky a managementu Aplikace STAT1 Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 Jiří Neubauer, Marek Sedlačík, Oldřich Kříž 3. 11. 2012 Popis a návod k použití aplikace
VíceSTATISTICKÉ METODY. (kombinovaná forma, 8.4., 20.5. 2012) Matěj Bulant, Ph.D., VŠEM
STATISTICKÉ METODY A DEMOGRAFIE (kombinovaná forma, 8.4., 2.5. 22) Matěj Bulant, Ph.D., VŠEM Řekli o statistice Věřím ouze těm statistikám, které jsem sám zfalšoval. Tři stuně lži - lež, hnusná lež, statistika.
VíceUniverzita Pardubice FAKULTA CHEMICKO TECHNOLOGICKÁ
Univerzita Pardubice FAKULA CHEMICKO ECHNOLOGICKÁ MEODY S LAENNÍMI PROMĚNNÝMI A KLASIFIKAČNÍ MEODY SEMINÁRNÍ PRÁCE LICENČNÍHO SUDIA Statistické zracování dat ři kontrole jakosti Ing. Karel Dráela, CSc.
VíceOrganizační pokyny k přednášce. Matematická statistika. Přehled témat. Co je statistika?
Organizační pokyny k přednášce Matematická statistika 2012 2013 Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta UK hudecova@karlin.mff.cuni.cz http://www.karlin.mff.cuni.cz/
VíceTématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"
Tématické okruhy pro státní závěrečné zkoušky bakalářské studium studijní obor "Management jakosti" školní rok 2010/2011 Management jakosti A 1. Pojem jakosti a význam managementu jakosti v současném období.
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
VíceV následující tabulce jsou uvedeny jednotky pro objemový a hmotnostní průtok.
8. Měření růtoků V následující tabulce jsou uvedeny jednotky ro objemový a hmotnostní růtok. Základní vztahy ro stacionární růtok Q M V t S w M V QV ρ ρ S w ρ t t kde V [ m 3 ] - objem t ( s ] - čas, S
VícePřednáška. Diskrétní náhodná proměnná. Charakteristiky DNP. Základní rozdělení DNP
IV Přednáška Diskrétní náhodná proměnná Charakteristiky DNP Základní rozdělení DNP Diskrétní náhodná veličina Funkce definovaná na Ω, přiřazující každému elementárnímu jevu E prvky X(E) D R kde D je posloupnost
VíceTématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"
Tématické okruhy pro státní závěrečné zkoušky bakalářské studium studijní obor "Management jakosti" školní rok 2009/2010 Management jakosti A 1. Pojem jakosti a význam managementu jakosti v současném období.
Více6. Vliv způsobu provozu uzlu transformátoru na zemní poruchy
6. Vliv zůsobu rovozu uzlu transformátoru na zemní oruchy Zemní oruchou se rozumí sojení jedné nebo více fází se zemí. Zemní orucha může být zůsobena řeskokem na izolátoru, růrazem evné izolace, ádem řetrženého
VíceZáklady matematické statistiky
r- MATEMATICKO-FYZIKÁLNí FAKULTA UNIVERZITY KARLOVY V PRAZE Jifí Andel Základy matematické statistiky matfyzpress PRAHA 2011 r I Obsah Predmluva. 11 1 Náhodné veličiny 1.1 Základní pojmy 1.2 Príklady diskrétních
VíceStatistika (KMI/PSTAT)
Statistika (KMI/PSTAT) Cvičení dvanácté aneb Regrese a korelace Statistika (KMI/PSTAT) 1 / 18 V souboru 25 jedinců jsme měřili jejich výšku a hmotnost. Výsledky jsou v tabulce a grafu. Statistika (KMI/PSTAT)
VíceSTATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky)
STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky) 1) Význam a využití statistiky v biologických vědách a veterinárním lékařství ) Rozdělení znaků (veličin) ve statistice 3) Základní a
VíceSTATISTICKÉ METODY A DEMOGRAFIE
STATISTICKÉ METODY A DEMOGRAFIE (kombinovaná forma, 8.4., 2.5., 7.6. 22) Matěj Bulant, Ph.D., VŠEM Řekli o statistice Věřím ouze těm statistikám, které jsem sám zfalšoval. Tři stuně lži - lež, hnusná lež,
Vícemarek.pomp@vsb.cz http://homel.vsb.cz/~pom68
Statistika B (151-0303) Marek Pomp ZS 2014 marek.pomp@vsb.cz http://homel.vsb.cz/~pom68 Cvičení: Pavlína Kuráňová & Marek Pomp Podmínky pro úspěšné ukončení zápočet 45 bodů, min. 23 bodů, dvě zápočtové
VícePRAVDĚPODOBNOST A STATISTIKA. Metoda momentů Metoda maximální věrohodnosti
SP3 Odhady arametrů PRAVDĚPODOBNOST A STATISTIKA Metoda momentů Metoda maimální věrohodnosti SP3 Odhady arametrů Metoda momentů Vychází se z: - P - ravděodobnostní rostor - X je náhodná roměnná s hustotou
VíceTeoretická rozdělení
Teoretická rozdělení Diskrétní rozdělení Obsah kapitoly Studijní cíle Doba potřebná ke studiu Pojmy k zapamatování Úvod Některá teoretická rozdělení diskrétních veličin: Alternativní rozdělení Binomické
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
VíceStatistika. Diskrétní data. Spojitá data. Charakteristiky polohy. Charakteristiky variability
I Přednáška Statistika Diskrétní data Spojitá data Charakteristiky polohy Charakteristiky variability Statistika deskriptivní statistika ˆ induktivní statistika populace (základní soubor) ˆ výběr parametry
VícePRAVDĚPODOBNOST Náhodné pokusy. Náhodný jev
RAVDĚODOBNOST Náhodné pokusy okusy ve fyzice, chemii při splnění stanov. podmínek vždy stejný výsledek ř. Změna skupenství vody při 00 C a tlaku 00 ka okusy v praxi, vědě, výzkumu při dodržení stejných
VíceCharakteristika datového souboru
Zápočtová práce z předmětu Statistika Vypracoval: 10. 11. 2014 Charakteristika datového souboru Zadání: Při kontrole dodržování hygienických norem v kuchyni se prováděl odběr vzduchu a pomocí filtru Pallflex
VíceVYSOKÉ UČENÍ TECHNICKÉ V BRNĚ. FAKULTA STROJNÍHO INŽENÝRSTVÍ Ústav materiálového inženýrství - odbor slévárenství
1 PŘÍLOHA KE KAPITOLE 11 2 Seznam příloh ke kapitole 11 Podkapitola 11.2. Přilité tyče: Graf 1 Graf 2 Graf 3 Graf 4 Graf 5 Graf 6 Graf 7 Graf 8 Graf 9 Graf 1 Graf 11 Rychlost šíření ultrazvuku vs. pořadí
VíceSYSTÉM TECHNICKO-EKONOMICKÉ ANALÝZY VÝROBY TEKUTÉHO KOVU - CESTA KE SNIŽOVÁNÍ NÁKLADŮ
SYSTÉM TECHNICKO-EKONOMICKÉ ANALÝZY VÝROBY TEKUTÉHO KOVU - CESTA KE SNIŽOVÁNÍ NÁKLADŮ FIGALA V. a), KAFKA V. b) a) VŠB-TU Ostrava, FMMI, katedra slévárenství, 17. listopadu 15, 708 33 b) RACIO&RACIO, Vnitřní
VíceUNIVERSITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA. KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY školní rok 2009/2010 BAKALÁŘSKÁ PRÁCE
UNIVERSITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY školní rok 2009/2010 BAKALÁŘSKÁ PRÁCE Testy dobré shody Vedoucí diplomové práce: RNDr. PhDr. Ivo
VícePracovní adresář. Nápověda. Instalování a načtení nového balíčku. Importování datového souboru. Práce s datovým souborem
Pracovní adresář getwd() # výpis pracovního adresáře setwd("c:/moje/pracovni") # nastavení pracovního adresáře setwd("c:\\moje\\pracovni") # nastavení pracovního adresáře Nápověda?funkce # nápověda pro
VíceTématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"
Tématické okruhy pro státní závěrečné zkoušky bakalářské studium studijní obor "Management jakosti" školní rok 2013/2014 Management jakosti A 1. Pojem jakosti a význam managementu jakosti v současném období.
VíceÚloha č. 4 Kapacitní posouzení neřízené průsečné úrovňové křižovatky
Úloha č. 4 Kaacitní osouzení neřízené růsečné úrovňové křižovatky Pro zjednodušení budeme v úloze očítat s narosto symetrickým zatížením křižovatky, které by v raxi nastalo zřídka. Jelikož zatížení je
VíceTomáš Karel LS 2012/2013
Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení ze 4ST201. Na případné faktické chyby v této prezentaci mě prosím upozorněte. Děkuji Tyto slidy berte pouze jako doplňkový materiál není v nich obsaženo
VíceZpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi.
SEMINÁRNÍ PRÁCE Zadání: Data: Statistické metody: Zpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi. Minimálně 6 proměnných o 30 pozorováních (z toho 2 proměnné
VíceDrsná matematika IV 7. přednáška Jak na statistiku?
Drsná matematika IV 7. přednáška Jak na statistiku? Jan Slovák Masarykova univerzita Fakulta informatiky 2. 4. 2012 Obsah přednášky 1 Literatura 2 Co je statistika? 3 Popisná statistika Míry polohy statistických
VícePRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení
S1P áhodá roměá vybraá rozděleí PRAVDĚPODOBOST A STATISTIKA áhodá roměá vybraá rozděleí S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Degeerovaé rozděleí D( ) áhodá veličia X s degeerovaým
VíceRegresní a korelační analýza
Přednáška STATISTIKA II - EKONOMETRIE Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Regresní analýza Cíl regresní analýzy: stanovení formy (trendu, tvaru, průběhu)
VíceZaokrouhlování: Směrodatná odchylka se zaokrouhluje nahoru na stanovený počet platných cifer. Míry
Červenou barvou jsou poznámky, věci na které máte při vypracovávání úkolu myslet. Úkol 1 a) Pomocí nástrojů explorační analýzy analyzujte kapacity akumulátorů výrobce A po 5 a po 100 nabíjecích cyklech.
VíceDiskrétní rozdělení Náhodná veličina má diskrétní rozdělení pravděpodobnosti, jestliže existuje seznam hodnot
Rozdělení Náhodná veličina Náhodná veličina je vyjádření výsledku náhodného pokusu číselnou hodnotou. Jde o reálnou funkci definovanou na množině. Rozdělení náhodné veličiny udává jakých hodnot a s jakou
VíceSpojitá náhodná veličina
Lekce 3 Sojitá náhodná veličina Příad sojité náhodné veličiny je komlikovanější, než je tomu u veličiny diskrétní Je to dáno ředevším tím, že jednotková ravděodobnost jistého jevu se rozkládá mezi nekonečně
VíceNěkteré zákony rozdělení pravděpodobnosti. 1. Binomické rozdělení
Přednáška 5/1 Některé zákony rozdělení pravděpodobnosti 1. Binomické rozdělení Předpoklady: (a) pst výskytu jevu A v jediném pokuse P (A) = π, (b) je uskutečněno n pokusů, (c) pokusy jsou nezávislé, tj.
VíceRobust 2010 31. ledna 5. února 2010, Králíky
Modelování rozdělení ročních příjmů českých domácností J. Bartošová 1 M. Forbelská 2 1 Katedra managementu informací Fakulta managementu v Jindřichově Hradci Vysoká škola ekonomická v Praze 2 Ústav matematiky
VíceÁ ů Á Á ů Ř Ý ú ř ř ů Ě Á ú ř Ř Ž Ý Ř Ž Á ť ř ů Á Š ú ř ť É Í ř ú ú Á Ě Ý ř ó Ř ú ř ú Ý Í ú Ř ů ú Š ú ř ť ř ř Á ŘÍ ř Ů ú ř ú ú ř Ž ú ú ů ú ř ř ó ř ů ů ř ř ř ř ů ů ř ř ř ů ů Í Ý Ů ů ř ů ř Ř ř ř ú Ý ř ř
Víceů ž Ř Š Í Ú ů š ů š ů Í Í ů ů ů ů ů Š ú ů ů š ů Š ů ů ů ž ů š ů ů Š Č ů ů š š Í Š Š š ů š ů š ú ž š ů ů ů ů š ů ů ů ú š š ž š š ž ů š ů Š ú Š ů Š š ů š š ú ů ů ů ů ú ů ů š š ú ú Š ů Š ů ů Š ů ů ů š Š ň
VíceÉ Á ř ř ř ř Ú ř ň ř ř ř Á Á Á Á Ú Ú ří ř ří ř ří ř ř ť ř ř ř ř ř ř ř Í Ú ř ř ř ř ř ř ř ř ř ř Ř ř ť ř ř ř ř ř ť ň ř Ř ř ť ř Ý ř ř ř ř ř ř ř ř ř ř ř ř ř ř ř ř ř ř ř ř Ý ř ř ť Í Á Á Á Á ř ř ř ř ř ř ř Í ř
VíceHYDROPNEUMATICKÝ VAKOVÝ AKUMULÁTOR
HYDROPNEUMATICKÝ AKOÝ AKUMULÁTOR OSP 050 ŠEOBECNÉ INFORMACE ýočet hydroneumatického akumulátoru ZÁKLADNÍ INFORMACE Při výočtu hydroneumatického akumulátoru se vychází ze stavové změny lynu v akumulátoru.
VíceTřetí Dušan Hložanka 16. 12. 2013. Název zpracovaného celku: Řetězové převody. Řetězové převody
Předmět: Ročník: Vytvořil: Datum: Stavba a rovoz strojů Třetí Dušan Hložanka 6.. 03 Název zracovaného celku: Řetězové řevody Řetězové řevody A. Pois řevodů Převody jsou mechanismy s tuhými členy, které
VíceAnalýza přežití čertic a čertů
StatSoft Analýza přežití čertic a čertů Vzpomeňme si na pohádku s Čerty nejsou žerty. V ní Lucifer (dále jen Lůca) pověřil čerta Janka, aby přinesl Dorotu Máchalovou do pekla, poněvadž míra jejích hříchů
VíceSTP022 PRAVDĚPODOBNOST A MATEMATICKÁ STATISTIKA
Poslední aktualizace: 29. května 200 STP022 PRAVDĚPODOBNOST A MATEMATICKÁ STATISTIKA PŘÍKLADY Pro zdárné absolvování předmětu doporučuji věnovat pozornost zejména příkladům označenými hvězdičkou. Příklady
VíceModely diskrétní náhodné veličiny. Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.
Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Po(λ) je možné použít jako model náhodné veličiny, která nabývá hodnot 0, 1, 2,... a udává buď počet událostí,
Více1. Ukazatele primární: - jsou přímo zjišťované, neodvozené - např. stav zásob, počet pracovníků k 31. 12., atd.
SROVNÁVÁNÍ HODNOT STATSTCÝCH UKAZATELŮ - oisem a analýzou ekonomikýh jevů a roesů omoí statistikýh ukazatelů se zabývá hosodářská statistika - ílem je nalézt zůsoby měření ekonomiké skutečnosti (ve formě
VícePravděpodobnost a statistika
Pravděpodobnost a statistika Teorie pravděpodobnosti popisuje vznik náhodných dat, zatímco matematická statistika usuzuje z dat na charakter procesů, jimiž data vznikla. NÁHODNOST - forma existence látky,
Více5. Jev B je částí jebu A. Co můžeme říct o podmíněné pravděpodobnosti? (1b)
TEST 3 1. U pacienta je podozření na jednu ze čtyř, navzájem se vylučujících nemocí. Pravděpodobnost výskytu těchto nemocí je 0,1, 0,2, 0,4 a 0,3. Laboratorní zkouška je v případě první nemoci pozitivní
VíceStabilita prutu, desky a válce vzpěr (osová síla)
Stabilita rutu, deky a válce vzěr (oová íla) Průběh ro ideálně římý rut (teoretický tav) F δ F KRIT Průběh ro reálně římý rut (reálný tav) 1 - menší očáteční zakřivení - větší očáteční zakřivení F Obr.1
VíceTéma 7: Přímý Optimalizovaný Pravděpodobnostní Výpočet POPV
Téma 7: Přímý Otimalizovaný Pravděodobnostní Výočet POPV Přednáška z ředmětu: Pravděodobnostní osuzování konstrukcí 4. ročník bakalářského studia Katedra stavební mechaniky Fakulta stavební Vysoká škola
VíceV praxi pracujeme s daty nominálními (nabývají pouze dvou hodnot), kategoriálními (nabývají více
9 Vícerozměrná data a jejich zpracování 9.1 Vícerozměrná data a vícerozměrná rozdělení Při zpracování vícerozměrných dat, hledáme souvislosti mezi dvěmi, případně více náhodnými veličinami. V praxi pracujeme
VíceNÁVRH A OVĚŘENÍ BETONOVÉ OPŘENÉ PILOTY ZATÍŽENÉ V HLAVĚ KOMBINACÍ SIL
NÁVRH A OVĚŘENÍ BETONOVÉ OPŘENÉ PILOTY ZATÍŽENÉ V HLAVĚ KOMBINACÍ SIL 1. ZADÁNÍ Navrhněte růměr a výztuž vrtané iloty délky L neosuvně ořené o skalní odloží zatížené v hlavě zadanými vnitřními silami (viz
VíceBiostatistika a matematické metody epidemiologie- stručné studijní texty
Biostatistika a matematické metody epidemiologie- stručné studijní texty Bohumír Procházka, SZÚ Praha 1 Co můžeme sledovat Pro charakteristiku nebo vlastnost, kterou chceme sledovat zvolíme termín jev.
VíceMendelova zemědělská a lesnická univerzita v Brně Institut celoživotního vzdělávání Fakulta regionálního rozvoje a mezinárodních studií
Mendelova zemědělská a lesnická univerzita v Brně Institut celoživotního vzdělávání Fakulta regionálního rozvoje a mezinárodních studií STATISTIKA pro TZP Modul : Pravděpodobnost a náhodné veličiny Prof
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBOST A STATISTIKA Degeerovaé rozděleí D( ) áhodá veličia X s degeerovaým rozděleím X ~D(), R má základí rostor Z = { } a ravděodobostí fukci: ( ) 1 0 Charakteristiky: středí hodota: E(X ) roztyl:
VíceStatistická analýza volebních výsledk
Statistická analýza volebních výsledk Volby do PSP R 2006 Josef Myslín 1 Obsah 1 Obsah...2 2 Úvod...3 1 Zdrojová data...4 1.1 Procentuální podpora jednotlivých parlamentních stran...4 1.2 Údaje o nezamstnanosti...4
VíceSimulace. Simulace dat. Parametry
Simulace Simulace dat Menu: QCExpert Simulace Simulace dat Tento modul je určen pro generování pseudonáhodných dat s danými statistickými vlastnostmi. Nabízí čtyři typy rozdělení: normální, logaritmicko-normální,
VíceGrafický a číselný popis rozložení dat 3.1 Způsoby zobrazení dat Metody zobrazení kvalitativních a ordinálních dat Metody zobrazení kvan
1 Úvod 1.1 Empirický výzkum a jeho etapy 1.2 Význam teorie pro výzkum 1.2.1 Konstrukty a jejich operacionalizace 1.2.2 Role teorie ve výzkumu 1.2.3 Proces ověření hypotéz a teorií 1.3 Etika vědecké práce
Více2. Friesl, M.: Posbírané příklady z pravděpodobnosti a statistiky. Internetový zdroj (viz odkaz).
1 Cvičení z předmětu KMA/PST1 Pro získání zápočtu je nutno mimo docházky (max. 3 absence) uspět minimálně ve dvou ze tří písemek, které budou v průběhu semestru napsány. Součástí třetí písemky bude též
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
VíceTEPELNÁ ZÁTĚŽ, TEPLOTNÍ REKORDY A SDĚLOVACÍ PROSTŘEDKY
Rožnovský, J., Litschmann, T. (ed.): XIV. Česko-slovenská bioklimatologická konference, Lednice na Moravě 2.-4. září 2002, ISBN 80-85813-99-8, s. 242-253 TEPELNÁ ZÁTĚŽ, TEPLOTNÍ REKORDY A SDĚLOVACÍ PROSTŘEDKY
VícePopisná statistika. Komentované řešení pomocí MS Excel
Popisná statistika Komentované řešení pomocí MS Excel Vstupní data Máme k dispozici data o počtech bodů z 1. a 2. zápočtového testu z Matematiky I v zimním semestru 2015/2016 a to za všech 762 studentů,
VíceVÍCEROZMĚRNÝ STATISTICKÝ SOUBOR
KORELACE A REGRESE 1 Vytvořeno s podporou projektu Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny společného základu (reg. č. CZ.1.07/..00/8.001)
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
VíceP Ř I Z N Á N Í k dani z příjmů právnických osob
Než začnete vylňovat tiskois, řečtěte te si, rosím, okyny. Finančnímu úřadu ro / Secializovanému finančnímu úřadu Plzeňský kraj Územnímu racovišti v, ve, ro Horažďovicích ovicích 0 Daňové identifikační
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
VíceVŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky SMAD
VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: SMAD Cvičení Ostrava, AR 2016/2017 Popis datového souboru Pro dlouhodobý
Více2. Je dáno jevové pole (Ω;A) a na něm nezáporná normovaná funkce. Definujte distrubuční funkci náhodného vektoru.
Varianta I 1. Definujte pravděpodobnostní funkci. 2. Je dáno jevové pole (Ω;A) a na něm nezáporná normovaná funkce. Definujte distrubuční funkci náhodného vektoru. 3. Definujte Fisher-Snedecorovo rozdělení.
VícePravděpodobnost a statistika I KMA/K413
Pravděpodobnost a statistika I KMA/K413 Konzultace 3 Přírodovědecká fakulta Katedra matematiky jiri.cihlar@ujep.cz Kovariance, momenty Definice kovariance: Kovariance náhodných veličin Dále můžeme dokázat:,
VícePRAVDĚPODOBNOST A MATEMATICKÁ STATISTIKA I
PRAVDĚPODOBNOST A MATEMATICKÁ STATISTIKA I RNDr. Tomáš Mrkvička, Ph.D. 16. března 2009 Literatura [1] J. Anděl: Statistické metody, Matfyzpress, Praha 1998 [2] V. Dupač, M. Hušková: Pravděpodobnost a matematická
VíceMATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci
MATEMATICKÁ STATISTIKA Dana Černá http://www.fp.tul.cz/kmd/ Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci Matematická statistika Matematická statistika se zabývá matematickým
VíceRegresní analýza 1. Regresní analýza
Regresní analýza 1 1 Regresní funkce Regresní analýza Důležitou statistickou úlohou je hledání a zkoumání závislostí proměnných, jejichž hodnoty získáme při realizaci experimentů Vzhledem k jejich náhodnému
VícePřednáška XI. Asociace ve čtyřpolní tabulce a základy korelační analýzy
Přednáška XI. Asociace ve čtyřpolní tabulce a základy korelační analýzy Relativní riziko a poměr šancí Princip korelace dvou náhodných veličin Korelační koeficienty Pearsonůva Spearmanův Korelace a kauzalita
VíceUniverzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti
Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti 2.1 Tvorba lineárních regresních modelů při analýze dat Autor práce: Přednášející:
Více