FUZZY STOCHASTICKÁ ANALÝZA SLOŽITÝCH SOUSTAV ČÁST I FUZZY NEURČITOST NÁHODNÉ VELIČINY
|
|
- Otakar Moravec
- před 7 lety
- Počet zobrazení:
Transkript
1 FUZZY STOCHASTICKÁ ANALÝZA SLOŽITÝCH SOUSTAV ČÁST I FUZZY NEURČITOST NÁHODNÉ VELIČINY FUZZY STOCHASTIC ANALYSIS OF COMPLEX SYSTEMS PART I FUZZY UNCERTAINTY OF RANDOM VARIABLE Mroslav Pokorý, Zdeňka Kršová Moravská vysoká škola Olomouc, o.p.s., Ústav formatky, mroslav.pokory@mvso.cz, zdeka.krsova@mvso.cz Abstrakt: Pravděpodobostí metody jsou schopy reflektovat pouze eurčtost typu stochastčost. Nepřesá, espolehlvá data, eurčtost, které emohou být popsáy statstcky, mohou být vzaty v úvahu pouze přblžě. Z toho plye, že kovečí metody statstcké aalýzy mohou být použty pouze v omezeém rozsahu. V pra je však třeba uvažovat takové fuzzy proměé, které jsou ovlvňováy áhodým vlvy. Fuzzy áhodé velčy sce částečě vykazují stochastcký charakter, emohou však být bez jakýchkolv pochyb zpracováy metodam čstě statstckým, eboť jejch áhodost je doprovázea a arušea fuzztvtou. Příspěvek uvádí defc a postup zjštěí fukčích číselých parametrů fuzzy áhodé proměé. Je urče k prohloubeí zalostí odboré komuty oborů společeských věd v oblast metod zpracováí a využtí eurčtost. Abstract: Probablstc methods are able to reflect the oly type of ucertaty - radomess. Iaccurate, urelable data, the ucertaty that ca ot be descrbed statstcally, may be take to accout oly appromately. Ths mples that covetoal methods of statstcal aalyss ca be used oly to a lmted etet. I practce, however, have to be cosdered some fuzzy varables that are addtoaly flueced by stochastc effects. Fuzzy stochastc varables, whle partally stochastc ature of the show, but ca ot be processed wthout ay doubt usg oly purely statstcal methods, sce ther radomess s accompaed ad mpared by fuzztveess. The paper presets defto ad determato of fuctoal ad umercal parameter of fuzzy stochastc varable. It s amed to ehace professoal kowledge of the socal sceces commuty the methods of ucertaty processg ad eplotato. Klíčová slova: stochastčost, fuzztvta, fuzzy proměá, fuzzy áhodá velča, fuzzy dstrbučí fukce, fuzzy fukce rozložeí hustoty pravděpodobost, fuzzy číselé charakterstky Key words: radomess, fuzztvty, fuzzy varable, fuzzy stochastc varable, fuzzy probablty dstrbuto fucto, fuzzy probablty desty fucto, fuzzy umercal characterstcs,
2 ÚVOD Uvažováí eurčtostí, týkajících se měřeých dat reálých soustav, jsou důležtým předpokladem pro korektost výsledků kostrukce abstraktích modelů soustav výsledků jejch smulací. Kovečí matematcké metody pro zpracováí eurčtých velč vycházejí z teore pravděpodobost a matematcké statstky a vedou cestam pravděpodobostí aalýzy []. Kocept pravděpodobostí aalýzy vlastostí soustav vychází z metod zpracováí formací, které se obecě dělí a dva základí typy [] - formace o vzájemých vztazích vstupích a výstupích áhodých velč - formace o rozděleí hustoty pravděpodobost vstupích áhodých velč. Iformace prvího typu se vztahují k eurčtostem, kterým je zatíže abstraktí model vyšetřovaé soustavy. O velkost parametrů modelu máme často k dspozc je eúplé formace, které ám umožňují formalzovat eurčté parametry jako fuzzy čísla. Trasformačí vztah mez vstupím a výstupím velčam je pak uto formalzovat jako fuzzy fukc. Základem sytézy modelů takových soustav je teore fuzzy možové matematky [5]. Iformace druhého typu se vztahují k eurčtostem, které provázejí hodoty vstupích proměých abstraktího modelu. Pokud jsou splěy všechy podmíky, které teore matematcké statstky klade pro získáí formací o vstupí velčě jako áhodé (stochastcké, pak je pro korektí staoveí jejích charakterstk (středích hodoty, rozptyly, kvatly a fukce rozložeí hustoty pravděpodobost možo použít kovečí pravděpodobostí metody. Kvalta vstupích formací musí být statstcky zajštěa dodržeím řady předpokladů o vlastostech výběrových souborů []. V pra se velm často ale stává, že máme o měřeé áhodé velčě je formace e zcela přesé a eúplé. Zjedodušeě lze pak každé měřeí chápat jako realzac áhodé velčy, která je zatížea vědomostí (fuzzy eurčtostí plyoucí z ezalost kokrétích podmíek epermetu, malého počtu vzorků ebo malé vypovídací schopost použtých metod měřeí. V takových případech je třeba uvažovat měřeou velču jako fuzzy áhodou, vytvořt její matematcký pops, metodu a počítačové programy pro její využtí v proceduře fuzzy stochastcké aalýzy. PRAVDĚPODOBNOST A FUZZY NEURČITOST Pravděpodobostí metody jsou schopy reflektovat pouze eurčtost typu stochastčost. Nepřesá, espolehlvá data, eurčtost, které emohou být popsáy ebo jsou edostatečě popsáy statstcky, mohou být vzaty v úvahu pouze přblžě. Z toho plye, že kovečí metody statstcké aalýzy mohou být použty pouze v omezeém rozsahu. [] BUDÍKOVÁ,M. Průvodce základím statstckým metodam. GRADA Publshg, a.s. 00. ISBN: [] KALA,Z. Fuzzy Stochastc Aalyss of Structural Relablty. Techcké lsty CIDEAS Bro. 009 [5] NOVÁK,V. Základy fuzzy modelováí. BEN Praha, 000, ISBN
3 V pra je však třeba uvažovat takové fuzzy proměé, které jsou ovlvňováy stochastckým vlvy. Nelze je pak formalzovat a výlučě s využtím fuzzy přístupů, a výlučě s využtí přístupů stochastckých. V takových případech je třeba použít přístupu tegrovaého fuzzy stochastckého a formalzovat proměé fuzzy áhodé. Fuzzy áhodé velčy sce částečě vykazují stochastcký charakter, emohou však být bez jakýchkolv pochyb zpracováy metodam čstě statstckým, eboť jejch stochastčost je doprovázea a arušea fuzztvtou. Fuzzy áhodou velču lze chápat jako [] áhodou velču, která byla měřea za eurčtých podmíek, tj. pokud ebylo uskutečěo pozorováí s eaktě defovaým podmíkam epermetů. Pro odhady charakterstk takových fuzzy áhodých velč lze použít statstckých metod, které jsou ale rozšířey zahrutím eurčtost (fuzztvost áhodých dat. Klasfkace a pops eurčtostí může být provedeo z hledska růzých krtérí. Podle typu eurčtost defujeme v tomto příspěvku jejch tř kategore, které mají v kotetu abstraktího modelováí a vyšetřováí chováí složtých reálých soustav ejvětší praktcký výzam [7]: a stochastcká eurčtost - je vlastost výsledků áhodých pokusů prováděých za reprodukovatelých podmíek dostatečě dlouho, může být formalzováa determstcky b eformálí eurčtost - je důsledkem edostatku formací. Projevuje se v případě malých datových souborů, lbovolě fluktujících podmíek epermetů ebo v případech edostatečého popsu systému c sloví eurčtost (vágost - je spojea s jazykovou kvatfkací velkost proměých. Aby bylo možo zahrout vágost do výpočtových procedur, je třeba j formalzovat umercky. Charakter těchto typů eurčtost je kocpová v kotetu jedotlvých kategorí a jejch kombací (tegrací jako stochastčost (ahodlost, áhodost, fuzztvta (vágost a fuzzy stochastčost (jako kombace obou předchozích formalzací. a stochastčost je popsováa a vyhodocováa metodam matematcké teore pravděpodobost a matematcké statstky. Využívá jejch zákoů a pracuje pouze s objektvím formacem (aměřeým umerckým daty. Subjektví formace ejsou akceptováy. b fuzztvta je výsledkem formačí edostatečost a sloví eurčtost (vágost slov přrozeého jazyka. Je eurčtostí slovích popsů chováí soustav a proměých. K formalzac vágost využívá přístupů fuzzy možové matematky. Využívá hlavě subjektvích, méě objektvích formací [3], [4].. c fuzzy stochastčost provází stuace, kdy áhodý feomé esplňuje strktě podmíky a předpoklady stochastcké eurčtost - stochastcké vlastost vykazuje pouze částečě. Je typcká v případech, kdy podmíky epermetů vykazují vlastost eformálí ebo jazykové eurčtost ebo rozsah výběrového souboru je prokazatelě edostatečý. Zpracováí fuzzy stochastcké eurčtost využívá přístupů teore fuzzy áhodých velč. Využívá objektvích subjektvích formací. [3] POKORNÝ,M. Fuzzy aalýza složtých eurčtých soustav I. Sborík odborých prací Ekoomka-Maagemet-Iovace. MVŠO Olomouc. ISSN [4] POKORNÝ,M. Fuzzy aalýza složtých eurčtých soustav II. Sborík odborých prací Ekoomka-Maagemet-Iovace. MVŠO Olomouc. ISSN [7] MÖLLER,B. Fuzzy Radomess A Cotrbuto to Imprecse Probablty. ZAMM Z Agew. Match. Mech.84. No.0-4. Str WILLEY-VCH
4 Souborě můžeme říc, že estece fuzzy stochastčost může být opodstatěa v praktckých případech, kdy - rozsah výběrových souborů je malý s absecí dodatečých aprorích formací o statstckých vlastostech měřeé velčy - statstcká data mají vlastost fuzztvty, tj. mají pochybou přesost - statstcká data byla získáa v eurčtých, edefovaých ebo ereprodukovaých podmíkách. 3 OVĚŘOVÁNÍ VÁGNOSTI STATISTICKÉHO SOUBORU Iformace a výsledky, plyoucí ze statstckých aalýz, mohou být do začé míry zehodocey vlvem ezaedbatelé vágí určtost vstupích velč a výpočtových modelů. Je třeba rozhodout, od kterého okamžku je uto ve statstcké aalýze přpustt a kvatfkovat vlv subjektví (vágí, fuzzy eurčtost. Pro vyjádřeí stupě vágost áhodé velčy je možo použít eparametrcké testy statstckých hypotéz o vlastostech a parametrech výběrového souboru []: a test áhodost souboru - ulová hypotéza H 0 : Prvky souboru jsou áhodé b test homogety souboru test souboru s prvky (a d s ulovou hypotézou H 0 : Výběrový soubor je slože ze dvou podsouborů (a b a (c d, pocházejících ze stejého rozložeí c test typu rozložeí souboru Kolmogorov-Smrovův - typ dstrbučí fukce souboru je odhadová pomocí eparametrckého testu dobré shody Kolmogorov-Smrovova. Pokud typ rozděleí souboru jedozačě odhadout elze, statstcký předpoklad detcké a ezávslé dstrbuce výběrového souboru proto splě. Testy statstckých hypotéz umožňují potvrzeí ebo zamítutí předpokladu o stochastckém charakteru výběrového souboru. Pokud výběrový soubor evykazuje v dostatečé míře vlastost své stochastčost, je k jeho aalýze uto použít přístupů fuzzy stochastckých. 4 FUZZY NÁHODNÁ VELIČINA Fuzzy áhodá velča je reprezetováa áhodým daty, která jsou ostelem doplňkové eurčtost fuzztvty [6]. Uvažujme prostor áhodých jevů. Ozačme fuzzy realzací - rozměré fuzzy áhodé velčy X -tc fuzzy čísel,...,, ( (,..., X, (, [] BUDÍKOVÁ,M. Průvodce základím statstckým metodam. GRADA Publshg, a.s. 00. ISBN: [6] MÖLLER,B.,BEER,M. Fuzzy Radomess Ucertaty Cvl Egeerg ad Computatoal Mechacs. Sprger, 004, ISBN
5 Každé fuzzy číslo je defováo jako koveí ormálí fuzzy moža [5] ; ( X ( kde fukce příslušost ( je fukce příslušost fuzzy čísla alespoň po částech spojtá. Fuzzy áhodá velča (ebo fuzzy áhodý vektor X je defováa jako fuzzy výsledek eurčtého mapováí X : F( R (3 kde F( R je moža všech (ormálích fuzzy čísel v prvky mají vlastost fuzzy stochastčost. R. Vztahem (3 je defová vektor, jehož.0 ( 4 ( 4 6 ( 6 3 ( 5 ( X = ( realzace hodot velčy X ( ( ( X R Obr. Realzace obyčejé jedorozměré fuzzy áhodé velčy X fuzzy čísly ( ( [6] (upraveo Lze apsat, že je prvkem X j fuzzy áhodého vektoru X. To zameá, že fuzzy áhodý vektor X j obsažeých v X. Fuzzy áhodý vektor přtom může X je fuzzy moža všech možých prvků být spojtý ebo dskrétí. Realzace reálé áhodé proměé X reprezetující prvek do X jsou a Obr. zázorěy čerým body. X j áležející [6] MÖLLER,B.,BEER,M. Fuzzy Radomess Ucertaty Cvl Egeerg ad Computatoal Mechacs. Sprger, 004, ISBN
6 Jelkož každá realzace fuzzy áhodého vektoru X je fuzzy číslo, specálí případ reálého áhodého vektoru je jedozačě defová středím hodotam realzací (se stupěm příslušost μ =. Proto je možé uvažovat áhodé vektory a fuzzy áhodé vektory současě. 4. Pravděpodobost fuzzy áhodé velčy Uvažujme realzace jedorozměré fuzzy áhodé velčy X jako fuzzy čísla. Uvažujme obyčejou možu A takovou, že X A. Stuace je akreslea a Obr. Obr. Realzace jedorozměré fuzzy áhodé velčy X [6] Hledejme pravděpodobost P( X A takovou, že hodota fuzzy áhodé proměé X pade do možy A, X A. Vzhledem ke vztahu X a A můžeme uvažovat tř případy: a fuzzy realzace leží úplě uvtř možy A b fuzzy realzace leží částečě uvtř A c fuzzy realzace 3 lež zcela mmo A. Z toho plye, že pravděpodobost P( X A emůže být reprezetováa ostrým číslem, ýbrž fuzzy možou s fukcí příslušost ( P( X A která zohledňuje ee plou, ýbrž možou částečou příslušost X A. [6] MÖLLER,B.,BEER,M. Fuzzy Radomess Ucertaty Cvl Egeerg ad Computatoal Mechacs. Sprger, 004, ISBN
7 Výpočet tvaru fuzzy pravděpodobost P ( A je provedea metodou -řezů fuzzy mož realzací a její -dskretzace. Procedura - dskretzace realzací a možy A je uvedea a Obr.3. k k,, l, r Obr.3 Procedura - dskretzace realzací a možy A [6] (upraveo Procedurou -dskretzace obdržíme ostrou áhodou možu -řezů X X = (4 j ( j V jedorozměrém případě tak obdržíme pro každý -řez áhodý terval [ Fukc příslušost μ( P ( A sestrojíme z jejích -řezů X X, l, X, r ]. P ( A ( P ( A, ( P ( A P (A = [ P, l ( A, P, r ( A ] ; (5 ( A (0, ] ( P Pro jedorozměrou možu A A = X ; (6 [6] MÖLLER,B.,BEER,M. Fuzzy Radomess Ucertaty Cvl Egeerg ad Computatoal Mechacs. Sprger, 004, ISBN
8 platí P, l ( A ma[0; P( X, r tr, tr X ; t r - P( X, l tl, tl X ; t l ] (7 P, r ( A P( X, l tl, tl X ; t l - P( X, r tr, tr X ; t r Stuace je uvedea a Obr.4 Obr.4 Realzace možy - řezů [6] (upraveo. Pro reálou áhodou proměou X X, l X, r platí vztah P, l ( A P, r ( A P( X t,, t X ; t (8 Pro jedorozměrý případ platí v (6 substtuce což vede ke vztahu a P ( P X X t, l (, l, r, t X ; t (9 P, r ( P( X. l tl, tl X ; tl - P( X t t X ; t (0. r r, r r 5 FUNKČNÍ CHARAKTERISTIKY FUZZY NÁHODNÉ VELIČINY Ozačme fuzzy dstrbučí fukc vícerozměré fuzzy áhodé velčy X symbolem F (. Pomocí - řezů [3], [4] můžeme fukc F ( vyjádřt jako [7] [6] MÖLLER,B.,BEER,M. Fuzzy Radomess Ucertaty Cvl Egeerg ad Computatoal Mechacs. Sprger, 004, ISBN [7] MÖLLER,B. Fuzzy Radomess A Cotrbuto to Imprecse Probablty. ZAMM Z Agew. Match. Mech.84. No.0-4. Str WILLEY-VCH
9 F( F (; (F ( F ( F l ( ;F ( (F (, (0; ( Fukce F ( pro jedorozměrou fuzzy áhodou velču X akreslea v pravé část Obr. 5. Její fukčí hodoty jsou fuzzy čísla. Šířka (shadow tervalu r ( F 0, r ( F 0,l ( ( F s je stupěm fuzztvty (vágost fuzzy áhodé velčy X. Jestlže Fs ( = 0, fuzzy áhodá velča se stává áhodou velčou obyčejou. Fuzzy áhodou velču tak můžeme chápat jako zobecěí, které zahruje obyčejou áhodou velču a fuzzy velču jako specálí případy (Obr.6. Fuzzy fukc rozložeí hustoty pravděpodobost vícerozměré fuzzy áhodé velčy X ozačíme f ( která je pro spojtou áhodou velču X vázáa s fukcí F ( aalytckým,..., platí pro každé j =,., vztahem. Pro... F ( f ( d (3 j j Fukce fuzzy rozložeí hustoty pravděpodobost pro jedorozměrou fuzzy áhodou velču X je akreslea v levé část obrázku Obr.5. ; Obr.5 Fuzzy dstrbučí fukce a fuzzy fukce rozložeí hustoty pravděpodobost [7] Obr.6 Shadow terval fuzzy dstrbučí fukce [7] [7] MÖLLER,B. Fuzzy Radomess A Cotrbuto to Imprecse Probablty. ZAMM Z Agew. Match. Mech.84. No.0-4. Str WILLEY-VCH
10 V případě fuzzy áhodé velčy emusí pocházet všechy prvky výběrového souboru ze stejého rozložeí. V takových případech jsou fukce kompaudí - složeé z - dstrbucí dílčích f ( s váhovým fukcem g (. f ( g(. f ( (4 F ( g (. f ( d f ( d (5 Pro staoveí váhových fukcí g ( musí platt podmíka jejch tegrovatelost, přčemž kompaudí dstrbuce splňuje podmíky f ( 0 ; X (6 f ( d( (7 Jelkož všechy hodoty jsou fuzzy čísla, jsou váhové fukce g ( fuzzy fukcem g ( pro výpočet fuzzy-stochastckých charakterstk získají tvar a vztahy f ( g (. f ( F ( g (. f ( d f ( d (8 (9 Jako příklad uvažujme kompaudí dstrbuc složeou z ormálí dstrbuce f ( s m 8 6. a.a logartmcko-ormálí dstrbuce f ( s m 5 5. a 0. 8 a mmálí hodotou 0 [7]. Váhové fukce jsou reprezetováy fuzzy čísly a a b, takže platí f ( g (. f F ( ( a. f g (. f ( d ( b. f ( a f b. (. f ( a F ( b.. F ( (0 ( [7] MÖLLER,B. Fuzzy Radomess A Cotrbuto to Imprecse Probablty. ZAMM Z Agew. Match. Mech.84. No.0-4. Str WILLEY-VCH
11 Podle (7 musí platt b a Pro volou proměou ve tvaru fuzzy čísla a <0.3, 0.5, 0.7> je splěa podmíka (6. Pro fuzzy kompaudí dstrbuc je fuzzy středí hodota rova m ( a. m a. m <5.89, 6.5, 6.4> ( Fuzzy směrodatá odchylka fuzzy kompaudí dstrbuce je rova a. (.( (3 ( a a a m m Fukce příslušost fuzzy m je leárí a fuzzy čísla je eleárí vz Obr.7 m Obr.7 Fuzzy středí hodota a fuzzy směrodatá odchylka [6] (upraveo Závslost hodot Obr.8 m a, určující která hodota odpovídá které hodotě m, je uvedea a Obr.8 Vzájemá závslost hodot m a [6] [6] MÖLLER,B.,BEER,M. Fuzzy Radomess Ucertaty Cvl Egeerg ad Computatoal Mechacs. Sprger, 004, ISBN
12 Odpovídající fukce f ( a F( jsou uvedey a Obr.9 a Obr.0 Obr.9 Kompaudí fuzzy fukce rozložeí hustoty pravděpodobost [6] Obr.0 Kompaudí fuzzy dstrbučí fukce [6] 6 ČISELNÉ PARAMETRY FUZZY NÁHODNÉ VELIČINY Typ rozložeí hustoty pravděpodobost a parametry fuzzy áhodé velčy musí být staovey a základě aalýzy výběrového souboru fuzzy áhodé velčy X. V dalším tetu budeme uvažovat jedorozměrou fuzzy áhodou velču X. Uveďme vztahy pro parametry (momety její fukce rozložeí hustoty pravděpodobost. Obecý momet jedorozměré fuzzy áhodé velčy k- tého řádu je defová jako [6] m k, k k EX. f ( d (4 Pro k = získáme vztah pro fuzzy středí hodotu fuzzy áhodé velčy X ve tvaru m EX. f ( d (5 [6] MÖLLER,B.,BEER,M. Fuzzy Radomess Ucertaty Cvl Egeerg ad Computatoal Mechacs. Sprger, 004, ISBN
13 Cetrálí momet jedorozměré fuzzy áhodé velčy k- tého řádu je defová jako k, k k E( X m ( - m. f ( d (6 Pro k = získáme vztah pro fuzzy dsperz fuzzy áhodé velčy X ve tvaru, D X m ( -. f ( d (7 a fuzzy směrodatá odchylka fuzzy áhodé velčy X je dáa vztahem D X m ( -. f ( d. (8 Numercký příklad. Pokud jsou a-pror zámy fukčí parametry (fuzzy čísla středí hodota m a rozptyl a typ rozděleí je jedotý pro všechy prvky výběrového souboru, vypočítáme fuzzy stochastcké fukčí charakterstky z fuzzfkovaých fukčích vztahů pro příslušé rozděleí. Např. pro ormálí Gaussovo rozložeí platí m f ( ep 0,5 (9 F ( m ep 0,5 d (30 Pro artmetcké operace uté k výpočtu těchto fukčích charakterstk je použta metoda prcpu rozšířeí a -řezů [3], [4]. Jako příklad uveďme výsledé průběhy fuzzy stochastckých charakterstk pro 6.8> a =<0.8,.0,.> uvedeé a Obr. a Obr. m = <5.5, 6.0, [3] POKORNÝ,M. Fuzzy aalýza složtých eurčtých soustav I. Sborík odborých prací Ekoomka-Maagemet-Iovace. MVŠO Olomouc. ISSN [4] POKORNÝ,M. Fuzzy aalýza složtých eurčtých soustav II. Sborík odborých prací Ekoomka-Maagemet-Iovace. MVŠO 3
14 Obr. Fuzzy dstrbučí fukce typu Gaussova rozložeí [6] Obr. Fuzzy fukce rozložeí hustoty pravděpodobost Gaussova typu [6] 7 DISKUZE A ZÁVĚR V pra je třeba uvažovat fuzzy proměé velčy, které jsou ovlvňováy stochastckým vlvy. Nelze je pak formalzovat a výlučě s využtím fuzzy přístupů, a výlučě s využtí přístupů stochastckých. Statstcké metody jsou schopy reflektovat pouze eurčtost typu stochastčost. Nepřesá, espolehlvá data, eurčtost, které emohou být popsáy ebo jsou edostatečě popsáy statstcky, mohou být vzaty v úvahu pouze přblžě. Z toho plye, že kovečí metody statstcké aalýzy mohou být použty pouze často pouze v omezeém rozsahu. V řadě aalýz praktckých systémů z oblast společeských věd je třeba použít přístupu tegrovaého fuzzy stochastckého a formalzovat proměé fuzzy áhodé. Fuzzy áhodé velčy sce částečě vykazují stochastcký charakter, emohou však být bez jakýchkolv pochyb zpracováy metodam čstě statstckým, eboť jejch stochastčost je doprovázea a arušea [6] MÖLLER,B.,BEER,M. Fuzzy Radomess Ucertaty Cvl Egeerg ad Computatoal Mechacs. Sprger, 004, ISBN
15 fuzztvtou. Fuzzy áhodou velču lze chápat jako áhodou velču, která byla měřea za eurčtých podmíek, tj. pokud ebylo uskutečěo pozorováí s eaktě defovaým podmíkam epermetů. Pro odhady charakterstk takových fuzzy áhodých velč lze použít statstckých metod, které jsou ale rozšířey zahrutím eurčtost (fuzztvost áhodých dat. Fuzzy stochastčost provází stuace, kdy áhodý feomé esplňuje strktě podmíky a předpoklady stochastcké eurčtost - stochastcké vlastost vykazuje pouze částečě. Je typcká v případech, kdy podmíky epermetů vykazují vlastost eformálí ebo jazykové eurčtost ebo rozsah výběrového souboru je prokazatelě edostatečý. Zpracováí fuzzy stochastcké eurčtost využívá přístupů teore fuzzy áhodých velč. Využívá hlavě objektvích formací, subjektví formace jsou rověž využtelé. Souborě můžeme říc, že estece fuzzy stochastčost může být opodstatěa v praktckých případech, kdy - rozsah výběrových souborů je malý s absecí dodatečých aprorích formací o statstckých vlastostech měřeé velčy, statstcká data mají vlastost fuzztvty, tj. mají pochybou přesost ebo koečě statstcká data byla získáa v eurčtých, edefovaých ebo ereprodukovaých podmíkách. Příspěvek obsahuje problematku teore pravděpodobost fuzzy áhodých velč staoveí jech fukčích číselých fuzzy charakterstk a zavádí defc ejdůležtějších pojmů. Teore fuzzy áhodých velčy je základem aalýzy vlastostí a chováí fuzzy stochastckých systémů, která bude předmětem zájmu příspěvku ásledujícího. Poděkováí Teto příspěvek vzkl s fačí podporou a v rámc řešeí projektu GAČR P403//8: Vývoj ekovečích modelů maažerského rozhodováí v podkové ekoomce a veřejé ekoom. Lteratura [] BUDÍKOVÁ,M. Průvodce základím statstckým metodam. GRADA Publshg, a.s. 00. ISBN: [] KALA,Z. Fuzzy Stochastc Aalyss of Structural Relablty. Techcké lsty CIDEAS Bro. 009 [3] POKORNÝ,M. Fuzzy aalýza složtých eurčtých soustav I. Sborík odborých prací Ekoomka- Maagemet-Iovace. MVŠO Olomouc. ISSN [4] POKORNÝ,M. Fuzzy aalýza složtých eurčtých soustav II. Sborík odborých prací Ekoomka- Maagemet-Iovace. MVŠO Olomouc. ISSN [5] NOVÁK,V. Základy fuzzy modelováí. BEN Praha, 000, ISBN [6] MÖLLER,B.,BEER,M. Fuzzy Radomess Ucertaty Cvl Egeerg ad Computatoal Mechacs. Sprger, 004, ISBN [7] MÖLLER,B. Fuzzy Radomess A Cotrbuto to Imprecse Probablty. ZAMM Z Agew. Match. Mech.84. No.0-4. Str WILLEY-VCH
Odhady 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
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
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
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
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
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
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
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
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
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
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
VíceChyby přímých měření. Úvod
Chyby přímých měřeí Úvod Př zjšťováí velkost sledovaé velčy dochází k růzým chybám, které ovlvňují celkový výsledek. V pra eestuje žádá metoda měřeí a měřcí zařízeí, které by bylo absolutě přesé, což zameá,
VíceVY_52_INOVACE_J 05 01
Název a adresa školy: Středí škola průmyslová a umělecká, Opava, příspěvková orgazace, Praskova 399/8, Opava, 74601 Název operačího programu: OP Vzděláváí pro kokureceschopost, oblast podpory 1.5 Regstračí
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,
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
Více1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru
Lekce Normálí rozděleí v rově V této lekc se udeme věovat měřeí korelačí závslost dvojce áhodých velč (dvousložkového áhodého vektoru) Vcházet udeme z ormálího rozděleí pravděpodoost áhodého vektoru v
VíceVýukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT
Základy práce s tabulkou Výukový modul III. Iovace a zkvaltěí výuky prostředctvím IC éma III..3 echcká měřeí v MS Excel Pracoví lst 5 Měřeí teploty. Ig. Jří Chobot VY_3_INOVACE_33_5 Aotace Iovace a zkvaltěí
VícePRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor
SP Náhodý vektor PRAVDĚPODOBNOS A SAISIKA Náhodý vektor SP Náhodý vektor Náhodý vektor Náhodý vektor slouží k popsu výsledku pokusu kdy měříme více údaů o procesu. Před provedeím pokusu eho výsledek a
VíceOdhady parametrů 1. Odhady parametrů
Odhady parametrů 1 Odhady parametrů Na statistický soubor (x 1,..., x, který dostaeme statistickým šetřeím, se můžeme dívat jako a výběrový soubor získaý realizací áhodého výběru z áhodé veličiy X. Obdobě:
VíceOptimalizace portfolia
Optmalzace portfola ÚVOD Problémy vestováí prostředctvím ákupu ceých papírů sou klasckým tématem matematcké ekoome. Celkový výos z portfola má v době rozhodováí o vestcích povahu áhodé velčy, eíž rozložeí
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
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
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
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
VícePRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor
SP Náhodý vektor PRAVDĚPODOBNOS A SAISIKA Náhodý vektor Lbor Žák SP Náhodý vektor Lbor Žák Náhodý vektor Náhodý vektor slouží k popsu výsledku pokusu kdy měříme více údaů o procesu. Před provedeím pokusu
VíceT e c h n i c k á z p r á v a. Pokyn pro vyhodnocení nejistoty měření výsledků kvantitativních zkoušek. Technická zpráva č.
Evropská federace árodích asocací měřcích, zkušebích a aalytckých laboratoří Techcká zpráva č. /006 Srpe 006 Poky pro vyhodoceí ejstoty měřeí výsledků kvattatvích zkoušek T e c h c k á z p r á v a EUROLAB
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
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
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,
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
VíceVYSOCE PŘESNÉ METODY OBRÁBĚNÍ
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojího ižeýrství Ústav strojíreské techologie ISBN 978-80-214-4352-5 VYSOCE PŘESNÉ METODY OBRÁBĚNÍ doc. Ig. Jaroslav PROKOP, CSc. 1 1 Fakulta strojího ižeýrství,
VícePřednáška V. Úvod do teorie odhadu. Pojmy a principy teorie odhadu Nestranné odhady Metoda maximální věrohodnosti Průměr vs.
Předáška V. Úvod do teore odhadu Pojmy a prcpy teore odhadu Nestraé odhady Metoda mamálí věrohodost Průměr vs. medá Opakováí výběrová dstrbučí fukce Sestrojíme výběrovou dstrbučí fukc pro výšku a váhu
VíceVýstup a n. Vstup. obrázek 1: Blokové schéma a graf paralelní soustavy
Paralelí soustava Vstup a a Výstup a Vstup a Výstup a a obrázek : Blokové schéma a graf paralelí soustavy paralelí soustava je v bezporuchovém stavu je-l v bezporuchovém stavu prvek (tzv. adbytečé spojeí
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,
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
Více2. Vícekriteriální a cílové programování
2. Vícerterálí a cílové programováí Úlohy vícerterálího programováí jsou úlohy, ve terých se a možě přípustých řešeí optmalzuje ěol salárích rterálích fucí. Moža přípustých řešeí je přtom defováa podobě
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
Více[ jednotky ] Chyby měření
Chyby měřeí Provedeme-l určté měřeí za stejých podmíek vícekrát, jedotlvá měřeí se mohou odlšovat (z důvodu koečé rozlšovací schopost měř. přístrojů, áhodých vlvů apod.). Chyba měřeí: e = x x x...přesá
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,
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
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
VíceANALÝZA A KLASIFIKACE DAT
ANALÝZA A KLASIFIKACE DA prof. Ig. Jří Holčík, CSc. INVESICE Isttut DO bostatstky ROZVOJE VZDĚLÁVÁNÍ a aalýz IV. LINEÁRNÍ KLASIFIKACE pokračováí Isttut bostatstky a aalýz (SUPPOR VECOR MACHINE SVM) SEPARABILNÍ
Víceveličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou
1 Zápis číselých hodot a ejistoty měřeí Zápis číselých hodot Naměřeé hodoty zapisujeme jako číselý údaj s určitým koečým počtem číslic. Očekáváme, že všechy zapsaé číslice jsou správé a vyjadřují tak i
Více11. Časové řady. 11.1. Pojem a klasifikace časových řad
. Časové řad.. Pojem a klasfkace časových řad Specfckým statstckým dat jsou časové řad pomocí chž můžeme zkoumat damku jevů v čase. Časovou řadou (damcká řada, vývojová řada) rozumíme v čase uspořádaé
Více5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC
5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC V této kaptole se dozvíte: jak je defováa fukce přrozeá odmoca v kompleím oboru a jaké má vlastost včetě odlšostí od odmocy v reálém
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
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
Víceodhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti.
10 Cvičeí 10 Statistický soubor. Náhodý výběr a výběrové statistiky aritmetický průměr, geometrický průměr, výběrový rozptyl,...). Bodové odhady parametrů. Itervalové odhady parametrů. Jedostraé a oboustraé
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
VíceZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)
ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU) Základy teorie pravděpodobosti měřeí chyba měřeí Provádíme kvalifikovaý odhad áhodá systematická výsledek ejistota výsledku Základy teorie pravděpodobosti
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
Více7 LIMITNÍ VĚTY. Čas ke studiu kapitoly: 70 minut. Cíl:
7 LIMITNÍ VĚTY Čas ke studu kaptoly: 70 mut Cíl: o prostudováí tohoto odstavce budete umět formulovat a používat lmtí věty aproxmovat já rozděleí rozděleím ormálím - 96 - Výklad: V této kaptole adefujeme
VíceUniverzita Karlova v Praze Pedagogická fakulta
Uverzta Karlova v Praze Pedagogcká fakulta SEMINÁRNÍ PRÁCE Z OBECNÉ ALGEBRY DĚLITELNOST CELÝCH ČÍSEL V SOUSTAVÁCH O RŮZNÝCH ZÁKLADECH / Cfrk C. Zadáí: Najděte pět krtérí pro děltelost v jých soustavách
VíceSP2 Korelační analýza. Korelační analýza. Libor Žák
Korelačí aalýza Přpomeutí pojmů áhodá proměá áhodý vetor áhodý vetor Náhodý výběr: pro áhodou proměou : pro áhodý vetor : pro áhodý vetor : Přpomeutí pojmů - ovarace Kovarace áhodých proměých ovaračí oefcet
VícePRAVDĚPODOBNOST A STATISTIKA. 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
VíceMezní stavy konstrukcí a jejich porušov. Hru IV. Milan RůžR. zbynek.hruby.
ováí - Hru IV /6 ováí Hru IV Mila RůžR ůžička, Josef Jureka,, Zbyěk k Hrubý zbyek.hruby hruby@fs.cvut.cz ováí - Hru IV /6 ravděpodobostí úavové diagramy s uvažováím předpětí R - plocha ve čtyřrozměrém
VíceV. Normální rozdělení
V. Normálí rozděleí 1. Náhodá veličia X má ormovaé ormálí rozděleí N(0; 1). Určete: a) P (X < 1, 5); P (X > 0, 3); P ( 1, 135 < x ); P (X < 3X + ). c) číslo ε takové, že P ( X < ε) = 0,
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
VíceLineární regrese ( ) 2
Leárí regrese Častým úolem je staoveí vzájemé závslost dvou (č více) fzálích velč a její matematcé vjádřeí. K tomuto účelu se používají růzé regresí metod, pomocí chž hledáme vhodou fuc f (), apromující
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
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
VíceNáhodné jevy, jevové pole, pravděpodobnost
S Náhodé jevy pravděpodobost Náhodé jevy jevové pole pravděpodobost Lbor Žák S Náhodé jevy pravděpodobost Lbor Žák Základí pojmy Expermet česky též vědecký pokus je soubor jedáí a pozorováí jehož účelem
VíceOdhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:
Odhady parametrů polohy a rozptýleí pro často se vyskytující rozděleí dat v laboratoři se vyčíslují podle ásledujících vztahů: a : Laplaceovo (oboustraé expoeciálí rozděleí se vyskytuje v případech, kdy
Více1.1 Definice a základní pojmy
Kaptola. Teore děltelost C. F. Gauss: Matematka je královou všech věd a teore čísel je králova matematky. Základím číselým oborem se kterým budeme v této kaptole pracovat jsou celá čísla a pouze v ěkterých
VíceÚVOD DO PRAKTICKÉ FYZIKY I
JIŘÍ ENGLICH ÚVOD DO PRAKTICKÉ FYZIKY I ZPRACOVÁNÍ VÝSLEDKŮ MĚŘENÍ Jede z epermetů, které změly vývoj fyzky v mulém století. V roce 9 prof. H. Kamerlgh Oes ve své laboratoř v Leydeu měřl teplotí závslost
VícePravděpodobnostní modely
Pravděpodobostí modely Meu: QCEpert Pravděpodobostí modely Modul hledá metodou maimálí věrohodosti (MLE Maimum Likelihood Estimate) statistický model (rozděleí) který ejlépe popisuje data. Je přitom k
VíceNejistoty měření v metrologii
Nejstoty měřeí v metrolog Jří ltký, Vladmír ajzík, la elou Katedra tetlích materálů, Tetlí fakulta, Techcká uversta v Lberc, Lberec Katedra aalytcké cheme, Uversta Pardubce, Pardubce otto: The oly relevat
VíceUPLATNĚNÍ ZKOUŠEK PŘI PROHLÍDKÁCH MOSTŮ
3..- 4.. 2009 DIVYP Bro, s.r.o., Filipova, 635 00 Bro, http://www.divypbro.cz UPLATNĚNÍ ZKOUŠEK PŘI PROHLÍDKÁCH MOSTŮ autoři: prof. Ig. Mila Holický, PhD., DrSc., Ig. Karel Jug, Ph.D., doc. Ig. Jaa Marková,
VíceÚloha III.S... limitní
Úloha III.S... limití 10 bodů; průměr 7,81; řešilo 6 studetů a) Zkuste vlastími slovy popsat postup kostrukce itervalových odhadů středí hodoty v případě obecého rozděleí měřeých dat (postačí vlastími
VícePřednáška VI. Intervalové odhady. Motivace Směrodatná odchylka a směrodatná chyba Centrální limitní věta Intervaly spolehlivosti
Předáška VI. Itervalové odhady Motivace Směrodatá odchylka a směrodatá chyba Cetrálí limití věta Itervaly spolehlivosti Opakováí estraé a MLE Jaký je pricip estraých odhadů? Jaký je pricip odhadů metodou
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
VíceČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ PRÁCE
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ PRÁCE Praha 8 Pavel Třasák ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ
VíceAnalýza a zpracování signálů. 3. Číselné řady, jejich vlastnosti a základní operace, náhodné signály
Aalýza a zpracováí sigálů 3. Číselé řady, jejich vlastosti a základí operace, áhodé sigály Diskrétí sigál fukce ezávislé proměé.!!! Pozor!!!! : sigáleí defiová mezi dvěma ásledujícími vzorky ( a eí tam
VíceLABORATORNÍ CVIČENÍ Z FYZIKY. Měření objemu tuhých těles přímou metodou
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE KATEDRA FYZIKY LABORATORNÍ CVIČENÍ Z FYZIKY Jméo: Petr Česák Datum měřeí:.3.000 Studjí rok: 999-000, Ročík: Datum odevzdáí: 6.3.000 Studjí skupa: 5 Laboratorí skupa:
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
VíceDeskriptivní statistika 1
Deskriptiví statistika 1 1 Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 1145/2004. Základí charakteristiky souboru Pro lepší představu používáme k popisu vlastostí zkoumaého jevu určité charakteristiky
VícePři sledování a studiu vlastností náhodných výsledků poznáme charakter. podmínek různé výsledky. Ty odpovídají hodnotám jednotlivých realizací
3. Náhodý výběr Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých realizací
VíceCvičení 6.: Výpočet střední hodnoty a rozptylu, bodové a intervalové odhady střední hodnoty a rozptylu
Cvičeí 6: Výpočet středí hodoty a rozptylu, bodové a itervalové odhady středí hodoty a rozptylu Příklad 1: Postupě se zkouší spolehlivost čtyř přístrojů Další se zkouší je tehdy, když předchozí je spolehlivý
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
VíceLineární regresní model (VJ REGMOD-2)
eárí regresí model (VJ REGOD-) Základí formace V rámc této výukové jedotky s adefujeme leárí regresí model a sezámíme se s typy proměých využtelých jako predktory (vysvětlující proměé) v takovém modelu.
VícePOPISNÁ STATISTIKA. Předmět popisné statistiky
POPISNÁ Předmět popsé statstky Hromadá data a áhodé velčy Představte s, že potřebujete zjstt podrobé a kompleí formace o určtém souboru objektů, jedců č událostí (stromech v lese, ldech ve městě, broucích
VíceČasová hodnota peněz. Metody vyhodnocení efektivnosti investic. Příklad
Metody vyhodoceí efektvost vestc Časová hodota peěz Metody vyhodoceí Časová hodota peěz Prostředky, které máme k dspozc v současost mají vyšší hodotu ež prostředky, které budeme mít k dspozc v budoucost.
VíceLineární a adaptivní zpracovní dat. 5. Lineární filtrace: FIR, IIR
Leárí a adaptví zpracoví dat 5. Leárí fltrace: FIR, IIR Dael Schwarz Ivestce do rozvoje vzděláváí Opakováí 2 Co je to fltrace? Co je to fltr? A jak ho popsujeme? Jaký je vztah Z trasformace a Fourerovy
VíceRekonstrukce vodovodních řadů ve vztahu ke spolehlivosti vodovodní sítě
Rekostrukce vodovodích řadů ve vztahu ke spolehlvost vodovodí sítě Ig. Jaa Šekapoulová Vodáreská akcová společost, a.s. Bro. ÚVOD V oha lokaltách České republky je v současost aktuálí problée zastaralá
VíceMoney - Models of "Time" and Distance Between Risk Events
7 th Iteratoal Scetfc Coferece Maagg ad Modellg of Facal Rsks Ostrava VŠB-TU of Ostrava, Faculty of Ecoomcs, Face Departmet 8 th 9 th September 204 Moey - Models of "Tme" ad Dstace Betwee Rsk Evets Fratšek
VíceStatistická analýza dat
INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ Statstcká aalýza dat Učebí texty k semář Autor: Prof. RNDr. Mla Melou, DrSc. Datum: 5.. 011 Cetrum pro rozvoj výzkumu pokročlých řídcích a sezorckých techologí CZ.1.07/.3.00/09.0031
VíceOdhady a testy hypotéz o regresních přímkách
Lekce 3 Odhad a tet hpotéz o regreích přímkách Ve druhé lekc jme kotruoval kofdečí terval a formuloval tet hpotéz o korelačím koefcetu Korelačí koefcet je metrckou charaktertkou tezt závlot, u které ezáleží
VíceZÁKLADY PRAVDĚPODOBNOSTI A STATISTIKY
UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ZÁKLADY PRAVDĚPODOBNOSTI A STATISTIKY Josef Tvrdík OSTRAVSKÁ UNIVERZITA 00 OBSAH: ÚVOD... 4. CO JE STATISTIKA?... 4. STATISTICKÁ DATA... 5.3 MĚŘENÍ
VíceÚloha II.S... odhadnutelná
Úloha II.S... odhadutelá 10 bodů; průměr 7,17; řešilo 35 studetů a) Zkuste vlastími slovy popsat, k čemu slouží itervalový odhad středí hodoty v ormálím rozděleí a uveďte jeho fyzikálí iterpretaci (postačí
VíceCvičení 6.: Bodové a intervalové odhady střední hodnoty, rozptylu a koeficientu korelace, test hypotézy o střední hodnotě při známém rozptylu
Cvičeí 6: Bodové a itervalové odhady středí hodoty, rozptylu a koeficietu korelace, test hypotézy o středí hodotě při zámém rozptylu Příklad : Bylo zkoumáo 9 vzorků půdy s růzým obsahem fosforu (veličia
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
VíceTesty statistických hypotéz
Úvod Testy statstckých hypotéz Václav Adamec vadamec@medelu.cz Testováí: kvalfkovaá procedura vedoucí v zamítutí ebo ezamítutí ulové hypotézy v podmíkách ejstoty Testy jsou vázáy a rozděleí áhodých velč
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.
Více14. Korelace Teoretické základy korelace Způsoby měření závislostí pro různé typy dat
4. Korelace 4. Teoretcké základy korelace 4. Způsoby měřeí závslostí pro růzé typy dat Př prác se statstckým údaj se velm často setkáváme s daty, která jsou tvořea dvojcem, trojcem hodot. Složky takovýchto
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
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:
Více8. Analýza rozptylu.
8. Aalýza rozptylu. Lieárí model je popis závislosti, který je využívá v řadě disciplí matematické statistiky. Uvedeme jeho popis a tvrzeí, která budeme využívat. Setkáme se s ím jedak v aalýze rozptylu,
VíceTéma 11 Prostorová soustava sil
Stavebí statka,.ročík bakalářského studa Téma Prostorová soustava sl Prostorový svazek sl Statcký momet síly a dvojce sl v prostoru Obecá prostorová soustava sl Prostorová soustava rovoběžých sl Katedra
VíceStatistika pro metrologii
Statistika pro metrologii T. Rössler Teto projekt je spolufiacová Evropským sociálím fodem a státím rozpočtem České republiky v rámci projektu Vzděláváí výzkumých pracovíků v Regioálím cetru pokročilých
Více