Pravděpodobnost a statistika
|
|
- Vilém Navrátil
- před 7 lety
- Počet zobrazení:
Transkript
1 Pravděpodobnost a statistia Přílady a otázy Petr Hebá a Hana Salsá GAUDEAMUS 2011
2 Autoři: prof. Ing. Petr Hebá, CSc. Autoři: prof. RNDr. Hana Salsá, CSc. Recenzenti: doc. RNDr. Tatiana Gavalcová, CSc. Recenzenti: doc. Ing. Jiří Trešl, CSc. ISBN
3 OBSAH PŘEDMLUVA... 5 KAPITOLA 1: ŘEŠENÉ PŘÍKLADY Charateristiy statisticého souboru Počet pravděpodobnosti Úsudy na záladě náhodného výběru KAPITOLA 2: POSOUZENÍ SPRÁVNOSTI VÝROKŮ Charateristiy statisticého souboru Náhodné jevy a jejich pravděpodobnosti Disrétní náhodné veličiny a jejich rozdělení Spojité náhodné veličiny a jejich rozdělení Bodové a intervalové odhady Testování statisticých hypotéz Ostatní KAPITOLA 3: POUŽITÉ SYMBOLY A VZORCE DOPORUČENÁ LITERATURA
4 Inspiration exists, but it has to find you woring Pablo Picaso
5 Předmluva Vnímáme pravděpodobnostní a statisticé myšlení jao přirozenou součást potřebných znalostí aždého vzdělaného člověa. Pro absolventa vysoé šoly, zaměřené na oblast společensých či technicých věd, se vša tato schopnost považuje (nebo aspoň měla by považovat) za naprosto samozřejmou součást (studiem či jina) zísaných celových vědomostí. Z tohoto důvodu považujeme za hlavní cíl předládané pomůcy co nejvíce usnadnit studentům (i ostatním zájemcům o tuto problematiu) vstupní ro do tohoto způsobu uvažování. Ze zušeností víme, že zísat pravděpodobnostní způsob myšlení jen čtením doporučené nihy nebo/i poslechem přednáše, téměř nejde. Především je nutné samostatně vyřešit dostatečný počet příladů a onrétních úloh. Student si při počítání příladů postupně uvědomuje pestrost různých formulací relativně podobných zadání. Začíná pomalu vnímat existenci různých záonitostí náhody srytých do různých modelů a mnohých pravidel, vzorců či jiných nástrojů pravděpodobnostního počtu. Naprosto stejně má student možnost při řešení příladů a úloh z oblasti statisticého zobecňování z výběru na soubor pochopit užitečnost a způsoby využití náhodných výběrů pro tento typ úsudů. Snad se nepochybuje o tom, že statisticá induce je pro výzum téměř všech vědních oborů velice potřebná. Navíc s využitím výběrů se aždý setává v různých šetřeních a průzumech, něteří i v náročnějších statisticých metodách, ale přesto dobře porozumět této problematice už ta snadné není. Hlavním úolem nabídnutých sript je posytnout studentům předmětu Pravděpodobnost a statistia dostate jednoduchých, relativně úzce obsahově zaměřených řešených příladů a vysvětlených správných odpovědí na různě formulované otázy (typu ANO NE). Každý (tedy i začáteční s minimálními matematicými znalostmi), by měl zvládnout závěrečný test, ale zároveň učinit ten zmíněný první ro zísání představy o potřebě exatního myšlení a vantitativního způsobu uvažování. Obsahově jsou sripta rozdělena na část věnovanou popisné statistice, onrétně popisným charateristiám statisticých souborů a jejich matematicým vlastnostem. Postupně se čtenář na příladech seznamuje se sta
6 tisticou terminologií a používanou symboliou. Mezi obtížnější přílady patří výpočet charateristi poměrných čísel a různé formy rozladu rozptylu na vnitrosupinovou a mezisupinovou variabilitu. Pro agregaci i použití statisticých metod je to velice potřebné, a proto tato zaměřených příladů je více než jiných. Převládající druhou částí problematiy je pravděpodobnostní počet. Od náhodných jevů a jejich pravděpodobnosti, přes rozdělení disrétních a spojitých náhodných veličin, až nejpoužívanějším pravděpodobnostním modelům běžných úloh a situací. Třetí část je věnována dvěma záladním typům statisticých úsudů, terými jsou odhady neznámých charateristi souborů a testy hypotéz o těchto charateristiách na záladě na záladě prostého náhodného výběru. Formálně první apitolou jsou řešené přílady z uvedených tří oblastí pravděpodobnosti a statistiy, ve druhé jsou otázy s podrobným vysvětlením správných odpovědí a přílohou sript jsou všechny symboly a vzorce, používané v předmětu Pravděpodobnost a statistia. Jejich zařazení jsme sice zvažovali, ale považujeme je celově za užitečné a prospěšné. Při vytváření podobného textu se lze jen velice těžo zcela vyhnout chybám, taže budeme vděčni za jaéoli připomíny. Děujeme recenzentům a paní Ing. Olze Hebáové za lasavé přečtení a posouzení původního textu, terý jsme upravili podle jejich připomíne. Listopad 2009 Petr Hebá a Hana Salsá Dodate e 2. vydání Druhé opravené vydání vychází s dvouletým odstupem. Děujeme čtenářům sript za upozornění na něteré chyby, teré se snažíme tímto vydáním napravit. U něolia příladů jsme upravili formulace řešení. Zvláštní poděování patří dvěma studentám oboru finanční management na FIM UHK Marétě Černé a Lucii Melšové, za ontrolu správnosti výsledů úloh prvého vydání a za přehledné doumentování nalezených chyb nebo nepřesností. Srpen 2011 Autoři - 6 -
7 1 Řešené přílady 1.1 Charateristiy statisticého souboru Přílad 1 Rozdělení ročních příjmů všech pracovníů velé firmy (ve 100 tis. Kč) je dáno následující tabulou rozdělení četností. Příjem ve 100 tis. Kč Počet pracovníů Pomocí (vždy jen jedné) vhodné charateristiy úrovně, variability, šimosti a špičatosti popište uvedené rozdělení. Výsledy stručně omentujte. Řešení Máme dispozici údaje o ročních příjmech všech zaměstnanců firmy (záladního souboru). Pomocné výpočty uazuje tabula. X N X N 2 X N ( X X) 2 N ( X X) 3 N ( ) 4 X X N , , , ,280 4,1472 0, , , , , , , , , ,996 Součet , , ,487 Charateristiy úrovně (polohy znau): Aritmeticý průměr K (276 tis. Kč), i= X = X N = = 2,76 N 1000 modus ˆX = 2, 0 (200 tis. Kč)
8 Strány jsou odstraněny
9 Přílad 106 V náhodném výběru 400 domácností je 30 % domácností bezdětných, 40 % domácností s jedním dítětem a 30 % se dvěma dětmi. a) Stanovte průměr, medián, modus a směrodatnou odchylu počtu dětí ve výběru. b) V jaém intervalu můžeme odhadovat s pravděpodobností 0,95 podíl bezdětných domácností v populaci? Řešení a) Výběrový průměr x = = 1. Modus ˆx = 1 je nejčastěji se vysytující počet dětí v domácnosti výběru. Medián xɶ = 1 je 400 prostřední hodnota v řadě uspořádaných hodnot výběru (v tomto případě aritmeticý průměr dvou prostředních jednote). Polovina domácností má méně než jedno nebo právě jedno dítě, polovina má jedno nebo více dětí. Výběrový rozptyl s ( x) = 0, a výběrová směrodatná odchyla s( x) = 240 / 399 0,776 dětí. b) Podíl bezdětných domácností ve výběru je 0,3. Přípustná chyba odhadu ( ) 0,3 1 0,3 podílu 0,05 ( p) = 1,96 = 0,045, tedy 4,5%. 400 Podíl bezdětných domácností v populaci můžeme s pravděpodobností 0,95 očeávat v intervalu 0,3 ± 0,045, tedy v intervalu od 25,5 % do 34,5 %. Přílad 107 Z 20 náhodně vybraných domácností jedné obce je šest domácností dvoučlenných, sedm domácností tříčlenných, čtyři domácnosti jsou čtyřčlenné a tři domácnosti jsou pětičlenné. a) Stanovte výběrový průměr počtu členů domácnosti, výběrovou směrodatnou odchylu počtu členů domácnosti a medián počtu členů domácnosti ve výběru
10 Strány jsou odstraněny
11 2 Posouzení správnosti výroů 2.1 Charateristiy statisticého souboru 1 Zvýšíme-li aždému mzdu o 500 Kč, rozptyl mezd se nezmění. Když Y i = a + X i pro aždé i = 1, 2,, N, de a je libovolné číslo (onstanta) a N je rozsah souboru (počet pozorování v populaci), pa pro aritmeticý průměr platí, že Y = a + X a pro rozptyl platí, že Var (Y) = Var (X). Totéž platí ve výběru rozsahu n, že průměr se změní, ale variabilita hodnot (měřená rozptylem) proměnné X se nezmění, dyž e aždé výběrové hodnotě x i se přičte libovolné (ladné či záporné) číslo. Jde o záladní vlastnosti aritmeticého průměru a rozptylu, teré lze snadno doázat. 2 Poles mzdy všech zaměstnanců o 10 % sníží rozptyl mezd o 19 %. Když Y i = bx i pro aždé i = 1, 2,, N, de b je nenulová onstanta a N je rozsah souboru (počet pozorování v populaci), pa pro aritmeticý průměr platí, že Y = bx a pro rozptyl platí, že Var Y) = b2 Var(X). Zde b = 0,9, taže rozptyl Var(Y) = 0,9 2 Var(X) = 0,81Var(X). Násobíme-li všechny hodnoty x nenulovou onstantou, změní se sice stejným způsobem průměr i směrodatná odchyla hodnot y, ale rozptyl se změní o násobe druhé mocniny této onstanty. 3 Násobíme-li všechny četnosti stejným nenulovým číslem, průměr se nezmění. Když N, Y = cn, X, = 1, 2,, K, de K je počet různých hodnot či variant proměnných X i Y, lze doázat, že záladní momentové i z nich odvozené charateristiy se nezmění. Zde X = Y taže A A A K Y = Y N,Y XcN,X = 1 = 1 = K K = X. N cn K,Y = 1 = 1,X 4 Modus a medián počtu nevydělávajících členů rodiny v ČR může být stejné číslo. Nejčetnější hodnota (modus) může být stejné číslo jao prostřední hodnota souboru uspořádaného podle veliosti hodnot (medián). 5 Zvýšení všech hodnot X o 10 nezmění rozptyl X v tomto souboru. Viz výro 1. A A
12 Strány jsou odstraněny
13 2.6 Testování statisticých hypotéz 131 Hladina významnosti je pravděpodobnost správného zamítnutí H 0 ve prospěch H 1. Hladina významnosti je pravděpodobnost chybného zamítnutí testované hypotézy H 0 a značí se α. 132 Součet síly testu a pravděpodobnosti chybného přijetí testované hypotézy je jedna. Síla testu je pravděpodobnost správného přijetí alternativní hypotézy a značí se 1 β, de β je pravděpodobnost chybného přijetí testované hypotézy. N A 133 Hladina významnosti je pravděpodobnost správného přijetí alternativní hypotézy. Viz výro 131 a 132. Právě toto je síla testu. 134 Hladina významnosti je pravděpodobnost chybného přijetí testované hypotézy. Viz předchozí tři výroy. Toto je pravděpodobnost β. 135 Testy hypotézy o populačních charateristiách a intervaly spolehlivosti pro tyto charateristiy mají mnoho společného. Je to pravda, ale zvláště při jednostranných testech a dvoustranných intervalech spolehlivosti (nebo naopa) je na místě velá opatrnost. Snadno totiž může dojít chybné interpretaci výsledů. Je proto lepší nevycházet při testování hypotéz z intervalů spolehlivosti a raději dodržovat doporučený testovací postup. 136 Při testování hypotéz můžeme vždy volit hladinu významnosti. Každopádně by vša hladina významnosti neměla být větší než 0,1 (raději 0,05 nebo doonce 0,01 či nižší). Oblíbené P-hodnoty, teré uvádějí statisticé paety, jsou sice pro výzumnía výpočetní i interpretační výhoda, ale snadno může dojít tendenci připustit i vyšší hladinu významnosti, jen aby byla testovaná hypotéza zamítnuta. Je aždopádně nutné volit hladinu významnosti předem podle závažnosti zamítnutí testované hypotézy, a nioli až podle veliosti P-hodnoty. 137 Kriticý obor je interval, ve terém se s pravděpodobností 1 α nachází odhadovaná charateristia populace. Výro je nepravdivý. Kriticý obor je interval hodnot testového ritéria, při terých na zvolené hladině významnosti zamítáme testovanou hypotézu. Jina řečeno, je-li vypočítaná hodnota testového ritéria z riticého oboru, zamítneme testovanou hypotézu na zvolené hladině významnosti. N N A A N
14 Strány jsou odstraněny
15 3 Použité symboly a vzorce Symbolia X X i, i = 1, 2,, N x i, i = 1, 2,, n Proměnná (ve statistice), náhodná veličina (v počtu pravděpodobnosti). Hodnota i-tého pozorování proměnné X v populaci, de N je rozsah (počet hodnot) v populaci. Hodnota i-tého pozorování proměnné X ve výběru, de n je rozsah (počet hodnot) ve výběru. x Hodnota náhodné veličiny X. N, = 1, 2,..., K, N K = = 1 N P = N K = 1 N n, = 1, 2,..., K, n p = n = n n Počet hodnot (absolutní četnost) -té varianty (nebo supiny hodnot) proměnné X v populaci, de K je počet variant (nebo supin hodnot) populace rozsahu N. Podíl (relativní četnost) počtu hod-not -té varianty (nebo -té supiny hodnot) proměnné X v populaci rozsahu N. Počet hodnot (absolutní četnost) -té varianty (-té supiny hodnot) proměnné X ve výběru, de K je počet variant (supin hodnot) výběru rozsahu n. Podíl (relativní četnost) počtu hodnot -té varianty (nebo -té supiny hodnot) proměnné X ve výběru rozsahu n
16 Strány jsou odstraněny
17 Kriticý obor veliosti alfa Kriticý obor veliosti alfa W α Oblast hodnot testového ritéria, při terých se zamítá H0 na hladině významnosti α. Oboustranná alternativa Test H 0 : X = a proti H 1 : X a Test H 0 : P = a proti H 1 : P a Průměr a relativní četnost { α } Wα = u : u > u 1 2 Levostranná alternativa Test H 0 : X a proti H 1 : X < a Test H 0 : P a proti H 1 : P < a Pravostranná alternativa Test H 0 : X a proti H 1 : X > a Test H 0 : P a proti H 1 : P > a { } W = u : u < u α α { } Wα = u : u > u 1 α Rozptyl normálního rozdělení Oboustranná alternativa 0 2 Test H : σ = a proti H : σ a 1 2 W α ( ) v : v < vα 2 n 1 = nebo v: v > v1 α 2( n 1) Levostranná alternativa 0 2 Test H : σ a proti H : σ < a Pravostranná alternativa 0 2 Test H : σ a proti H : σ > a { α( )} W = v: v < v n 1 α { 1 α( )} W = v: v > v n 1 α
18 4 Doporučená literatura 1. Hebá P., Kahounová J.: Počet pravděpodobnosti v příladech. Informatorium, Praha, Hindls R., Hronová S., Seger J., Fischer J.: Statistia pro eonomy. Professional Publishing, Praha, Salsá H.: Statisticé metody. Eleronicý urz. Univerzita Hradec Králové,
19 Název: Pravděpodobnost a statistia Název: Přílady a otázy Autoři: prof. Ing. Petr Hebá, CSc., prof. RNDr. Hana Salsá, CSc. Sazba: Ing. Miloslav Proeš Ro a místo vydání: 2011, Hradec Králové Vydání: druhé Nálad: 250 Vydalo naladatelství GAUDEAMUS, Univerzita Hradec Králové jao svou publiaci. ISBN
PRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Číselné charateristiy náhodných proměnných Charateristiy náhodných proměnných dělíme nejčastěji na charateristiy polohy a variability. Mezi charateristiy polohy se nejčastěji
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
VíceTestování hypotéz. December 10, 2008
Testování hypotéz December, 2008 (Testování hypotéz o neznámé pravděpodobnosti) Jan a Františe mají pytlíy s uličami. Jan má 80 bílých a 20 červených, Františe má 30 bílých a 70 červených. Vybereme náhodně
VícePříklady: - počet členů dané domácnosti - počet zákazníků ve frontě - počet pokusů do padnutí čísla šest - životnost televizoru - věk člověka
Náhodná veličina Náhodnou veličinou nazýváme veličinu, terá s určitými p-stmi nabývá reálných hodnot jednoznačně přiřazených výsledům příslušných náhodných pousů Náhodné veličiny obvyle dělíme na dva záladní
VíceMendelova zemědělská a lesnická univerzita Provozně ekonomická fakulta. Výpočet charakteristik ze tříděných údajů Statistika I. protokol č.
Mendelova zemědělsá a lesnicá univerzita Provozně eonomicá faulta Výpočet charateristi ze tříděných údajů Statistia I. protool č. 2 Jan Grmela, 2. roční, Eonomicá informatia Zadání 130810, supina Středa
VíceKMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC
Přednáša 02 Přírodovědecá faulta Katedra matematiy KMA/P506 Pravděpodobnost a statistia KMA/P507 Statistia na PC jiri.cihlar@ujep.cz Náhodné veličiny Záladní definice Nechť je dán pravděpodobnostní prostor
VíceVŠB-TU OSTRAVA, FAKULTA ELEKTROTECHNIKY A INFORMATIKY, KATEDRA APLIKOVANÉ MATEMATIKY. Statistika. Vzorce a tabulky
VŠB-TU OSTRAVA, FAKULTA ELEKTROTECHNIKY A INFORMATIKY, KATEDRA APLIKOVANÉ MATEMATIKY Statistia Vzorce a tabuly Martina Litschmannová 3. března 05 Oficiální vzorce a tabuly KOMBINATORIKA Bez opaování Uspořádané
Víceχ 2 testy. Test nekorelovanosti.
χ 2 testy. Test neorelovanosti. Petr Poší Části doumentu jsou převzaty (i doslovně) z Miro Navara: Pravděpodobnost a matematicá statistia, https://cw.fel.cvut.cz/lib/exe/fetch.php/courses/a6m33ssl/pms_print.pdf
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
VíceTESTOVÁNÍ STATISTICKÝCH HYPOTÉZ ZÁKLADNÍ POJMY
TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ ZÁKLADNÍ POJMY Statistická hypotéza je určitá domněnka (předpoklad) o vlastnostech ZÁKLADNÍHO SOUBORU. Test statistické hypotézy je pravidlo (kritérium), které na základě
VíceUrčujeme neznámé hodnoty parametru základního souboru. Pomocí výběrové charakteristiky vypočtené z náhodného výběru.
1 Statistické odhady Určujeme neznámé hodnoty parametru základního souboru. Pomocí výběrové charakteristiky vypočtené z náhodného výběru. Odhad lze provést jako: Bodový odhad o Jedna číselná hodnota Intervalový
VíceTestování hypotéz. Analýza dat z dotazníkových šetření. Kuranova Pavlina
Testování hypotéz Analýza dat z dotazníkových šetření Kuranova Pavlina Statistická hypotéza Možné cíle výzkumu Srovnání účinnosti různých metod Srovnání výsledků různých skupin Tzn. prokázání rozdílů mezi
VíceCvičení ze statistiky - 8. Filip Děchtěrenko
Cvičení ze statistiky - 8 Filip Děchtěrenko Minule bylo.. Dobrali jsme normální rozdělení Tyhle termíny by měly být známé: Centrální limitní věta Laplaceho věta (+ korekce na spojitost) Konfidenční intervaly
VíceTestování hypotéz testy o tvaru rozdělení. Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel
Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Statistickou hypotézou se rozumí určité tvrzení o parametrech rozdělení zkoumané náhodné veličiny (µ, σ 2, π,
VíceHodnocení přesnosti výsledků z metody FMECA
Hodnocení přesnosti výsledů z metody FMECA Josef Chudoba 1. Úvod Metoda FMECA je semivantitativní metoda, pomocí teré se identifiují poruchy s významnými důsledy ovlivňující funci systému. Závažnost následů
VíceZávislost indexů C p,c pk na způsobu výpočtu směrodatné odchylky
Závislost indexů C,C na zůsobu výočtu směrodatné odchyly Ing. Renata Przeczová atedra ontroly a řízení jaosti, VŠB-TU Ostrava, FMMI Podni, terý chce usět v dnešní onurenci, musí neustále reagovat na měnící
VíceTestování statistických hypotéz
Testování statistických hypotéz Na základě náhodného výběru, který je reprezentativním vzorkem základního souboru (který přesně neznáme, k němuž se ale daná statistická hypotéza váže), potřebujeme ověřit,
VíceTestování statistických hypotéz. Ing. Michal Dorda, Ph.D. 1
Testování statistických hypotéz Ing. Michal Dorda, Ph.D. 1 Úvodní poznámky Statistickou hypotézou rozumíme hypotézu o populaci (základním souboru) např.: Střední hodnota základního souboru je rovna 100.
VíceSTATISTICKÉ HYPOTÉZY
STATISTICKÉ HYPOTÉZY ZÁKLADNÍ POJMY Bodové/intervalové odhady Maruška řešila hodnoty parametrů (průměr, rozptyl atd.) Zde bude Maruška dělat hypotézy (předpoklady) ohledně parametrů Z.S. Výsledek nebude
VícePravděpodobnost a aplikovaná statistika
Pravděpodobnost a aplikovaná statistika MGR. JANA SEKNIČKOVÁ, PH.D. 8. KAPITOLA STATISTICKÉ TESTOVÁNÍ HYPOTÉZ 22.11.2016 Opakování: CLV příklad 1 Zadání: Před volbami je v populaci státu 52 % příznivců
VíceAproximace binomického rozdělení normálním
Aproximace binomického rozdělení normálním Aproximace binomického rozdělení normálním Příklad Sybilla a Kassandra tvrdí, že mají telepatické schopnosti, a chtějí to dokázat následujícím pokusem: V jedné
VíceIng. Michael Rost, Ph.D.
Úvod do testování hypotéz, jednovýběrový t-test Ing. Michael Rost, Ph.D. Testovaná hypotéza Pokud nás zajímá zda platí, či neplatí tvrzení o určitém parametru, např. o parametru Θ, pak takovéto tvrzení
VíceTestování statistických hypotéz
Testování statistických hypotéz Michal Fusek Ústav matematiky FEKT VUT, fusekmi@feec.vutbr.cz 11. přednáška z ESMAT Michal Fusek (fusekmi@feec.vutbr.cz) 1 / 27 Obsah 1 Testování statistických hypotéz 2
VíceTesty statistických hypotéz
Testy statistických hypotéz Statistická hypotéza je jakýkoliv předpoklad o rozdělení pravděpodobnosti jedné nebo několika náhodných veličin. Na základě náhodného výběru, který je reprezentativním vzorkem
VíceStatistika. Teorie odhadu statistická indukce. Roman Biskup. (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at) .
Statistika Teorie odhadu statistická indukce Intervalový odhad µ, σ 2 a π Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 21. února 2012 Statistika
Více4ST201 STATISTIKA CVIČENÍ Č. 7
4ST201 STATISTIKA CVIČENÍ Č. 7 testování hypotéz parametrické testy test hypotézy o střední hodnotě test hypotézy o relativní četnosti test o shodě středních hodnot testování hypotéz v MS Excel neparametrické
VíceTesty. Pavel Provinský. 19. listopadu 2013
Testy Pavel Provinský 19. listopadu 2013 Test a intervalový odhad Testy a intervalové odhady - jsou vlastně to samé. Jiný je jen úhel pohledu. Lze přecházet od jednoho k druhému. Například: Při odvozování
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
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
VíceKMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC
Přednáša 04 Přírodovědecá faulta Katedra matematiy KMA/P506 Pravděpodobnost a statistia KMA/P507 Statistia na PC jiri.cihlar@ujep.cz Záon velých čísel Lemma Nechť náhodná veličina nabývá pouze nezáporných
VíceStatistické metody - nástroj poznání a rozhodování anebo zdroj omylů a lží
Statistické metody - nástroj poznání a rozhodování anebo zdroj omylů a lží Zdeněk Karpíšek Jsou tři druhy lží: lži, odsouzeníhodné lži a statistiky. Statistika je logická a přesná metoda, jak nepřesně
VíceJEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica
JEDNOVÝBĚROVÉ TESTY Komentované řešení pomocí programu Statistica Vstupní data Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie ZS 2015/16 Cvičení 1: Opakování ze statistiky LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE Z čeho studovat 1) Z KNIHY Krkošková,
VíceTestování hypotéz. 1 Jednovýběrové testy. 90/2 odhad času
Testování hypotéz 1 Jednovýběrové testy 90/ odhad času V podmínkách naprostého odloučení má voák prokázat schopnost orientace v čase. Úkolem voáka e provést odhad časového intervalu 1 hodiny bez hodinek
VíceDobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze
Dobývání znalostí Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze Dobývání znalostí Pravděpodobnost a učení Doc. RNDr. Iveta Mrázová,
VíceAlternativní rozdělení. Alternativní rozdělení. Binomické rozdělení. Binomické rozdělení
Alternativní rozdělení Alternativní rozdělení Alternativní rozdělení Alternativní rozdělení Náhodná veličina X má alternativní rozdělení s parametrem p, jestliže nabývá hodnot 0 a 1 s pravděpodobnostmi
VícePravděpodobnost a statistika, Biostatistika pro kombinované studium. Tutoriál č. 5: Bodové a intervalové odhady, testování hypotéz.
Pravděpodobnost a statistika, Biostatistika pro kombinované studium Letní semestr 2015/2016 Tutoriál č. 5: Bodové a intervalové odhady, testování hypotéz Jan Kracík jan.kracik@vsb.cz Obsah: Výběrová rozdělení
VíceÚVOD DO TEORIE ODHADU. Martina Litschmannová
ÚVOD DO TEORIE ODHADU Martina Litschmannová Obsah lekce Výběrové charakteristiky parametry populace vs. výběrové charakteristiky limitní věty další rozdělení pravděpodobnosti (Chí-kvadrát (Pearsonovo),
VíceTECHNICKÁ UNIVERZITA V LIBERCI. Ekonomická fakulta. Semestrální práce. Statistický rozbor dat z dotazníkového šetření školní zadání
TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Semestrální práce Statistický rozbor dat z dotazníkového šetření školní zadání Skupina: 51 Vypracovaly: Pavlína Horná, Nikola Loumová, Petra Mikešová,
VíceTestování statistických hypotéz. Ing. Michal Dorda, Ph.D.
Testování statistických hypotéz Ing. Michal Dorda, Ph.D. Testování normality Př. : Při simulaci provozu na křižovatce byla získána data o mezerách mezi přijíždějícími vozidly v [s]. Otestujte na hladině
VíceTestování statistických hypotéz. Obecný postup
poznámky k MIII, Tomečková I., poslední aktualizace 9. listopadu 016 9 Testování statistických hypotéz Obecný postup (I) Vyslovení hypotézy O datech vyslovíme doměnku, kterou chceme ověřit statistickým
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Testování hypotéz Nechť X je náhodná proměnná, která má distribuční funkci F(x, ϑ). Předpokládejme, že známe tvar distribuční funkce (víme jaké má rozdělení) a neznáme parametr
VíceJednovýběrový Wilcoxonův test a jeho asymptotická varianta (neparametrická obdoba jednovýběrového t-testu)
Jednovýběrový Wilcoxonův test a jeho asymptotická varianta (neparametrická obdoba jednovýběrového t-testu) Frank Wilcoxon (1892 1965): Americký statistik a chemik Nechť X 1,..., X n je náhodný výběr ze
VíceTestování hypotéz o parametrech regresního modelu
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Lineární regresní model kde Y = Xβ + e, y 1 e 1 β y 2 Y =., e = e 2 x 11 x 1 1k., X =....... β 2,
VíceTestování hypotéz o parametrech regresního modelu
Testování hypotéz o parametrech regresního modelu Ekonometrie Jiří Neubauer Katedra kvantitativních metod FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Jiří Neubauer (Katedra UO
VíceLEKCE 5 STATISTICKÁ INFERENCE ANEB ZOBECŇOVÁNÍ VÝSLEDKŮ Z VÝBĚROVÉHO NA ZÁKLADNÍ SOUBOR
LEKCE 5 STATISTICKÁ INFERENCE ANEB ZOBECŇOVÁNÍ VÝSLEDKŮ Z VÝBĚROVÉHO NA ZÁKLADNÍ SOUBOR Ve většině případů pracujeme s výběrovým souborem a výběrové výsledky zobecňujeme na základní soubor. Smysluplné
VíceSTATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7
Inovace předmětu STATISTIKA Obsah 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7 1 1. Inovace předmětu STATISTIKA Předmět Statistika se na bakalářském oboru
VíceRanní úvahy o statistice
Ranní úvahy o statistice Neúplný návod ke čtení statistických výsledků Dušan Merta květen 2016 Co nás čeká 1 Základní pojmy 2 Testování hypotéz 3 Confidence interval 4 Odds ratio 2 / 26 Základní pojmy
Více7.1. Podstata testu statistické hypotézy
7. TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ 7.1. Podstata testu statistické hypotézy Statistická hypotéza určitý předpoklad o parametrech nebo tvaru rozdělení zkoumaného st. znaku. Testování hypotéz proces ověřování
VíceTestování hypotéz. 1. vymezení základních pojmů 2. testování hypotéz o rozdílu průměrů 3. jednovýběrový t-test
Testování hypotéz 1. vymezení základních pojmů 2. testování hypotéz o rozdílu průměrů 3. jednovýběrový t-test Testování hypotéz proces, kterým rozhodujeme, zda přijmeme nebo zamítneme nulovou hypotézu
VíceTESTOVÁNÍ HYPOTÉZ STATISTICKÁ HYPOTÉZA Statistické testy Testovací kritérium = B B > B < B B - B - B < 0 - B > 0 oboustranný test = B > B
TESTOVÁNÍ HYPOTÉZ Od statistického šetření neočekáváme pouze elementární informace o velikosti některých statistických ukazatelů. Používáme je i k ověřování našich očekávání o výsledcích nějakého procesu,
VíceAKM CVIČENÍ. Opakování maticové algebry. Mějme matice A, B regulární, potom : ( AB) = B A
AKM - 1-2 CVIČENÍ Opakování maticové algebry Mějme matice A, B regulární, potom : ( AB) = B A 1 1 ( A ) = ( A ) ( A ) = A ( A + B) = A + B 1 1 1 ( AB) = B A, kde A je řádu mxn a B nxk Čtvercová matice
VíceZáklady počtu pravděpodobnosti a metod matematické statistiky
Errata ke skriptu Základy počtu pravděpodobnosti a metod matematické statistiky K. Hron a P. Kunderová Autoři prosí čtenáře uvedeného studijního textu, aby případné další odhalené chyby nad rámec tohoto
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
VíceLékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.)
Lékařská biofyzika, výpočetní technika I Biostatistika Josef Tvrdík (doc. Ing. CSc.) Přírodovědecká fakulta, katedra informatiky josef.tvrdik@osu.cz konzultace úterý 4. až 5.4 hod. http://www.osu.cz/~tvrdik
Více(iv) D - vybíráme 2 koule a ty mají různou barvu.
2 cvičení - pravděpodobnost 2102018 18cv2tex Definice pojmů a záladní vzorce Vlastnosti pravděpodobnosti Pravděpodobnost P splňuje pro libovolné jevy A a B následující vlastnosti: 1 0, 1 2 P (0) = 0, P
VíceJednostranné intervaly spolehlivosti
Jednostranné intervaly spolehlivosti hledáme jen jednu z obou mezí Princip: dle zadání úlohy hledáme jen dolní či jen horní mez podle oboustranného vzorce s tou změnou, že výraz 1-α/2 ve vzorci nahradíme
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
VíceObecné, centrální a normované momenty
Obecné, centrální a normované momenty Obsah kapitoly 4. Elementární statistické zpracování - parametrizace vhodnými empirickými parametry Studijní cíle Naučit se počítat centrální a normované momenty pomocí
VíceTestování hypotéz Biolog Statistik: Matematik: Informatik:
Testování hypotéz Biolog, Statistik, Matematik a Informatik na safari. Zastaví džíp a pozorují dalekohledem. Biolog "Podívejte se! Stádo zeber! A mezi nimi bílá zebra! To je fantastické! " "Existují bílé
VíceSTATISTICKÉ ODHADY Odhady populačních charakteristik
STATISTICKÉ ODHADY Odhady populačních charakteristik Jak stanovit charakteristiky rozložení sledované veličiny v základní populaci? Populaci většinou nemáme celou k dispozici, musíme se spokojit jen s
VíceČíselné charakteristiky
. Číselné charakteristiky statistických dat Průměrný statistik se během svého života ožení s 1,75 ženami, které se ho snaží vytáhnout večer do společnosti,5 x týdně, ale pouze s 50% úspěchem. W. F. Miksch
VícePraktická statistika. Petr Ponížil Eva Kutálková
Praktická statistika Petr Ponížil Eva Kutálková Zápis výsledků měření Předpokládejme, že známe hodnotu napětí U = 238,9 V i její chybu 3,3 V. Hodnotu veličiny zapíšeme na tolik míst, aby až poslední bylo
VíceNáhodné veličiny, náhodné chyby
Náhodné veličiny, náhodné chyby Máme náhodnou veličinu X, jejíž vlastnosti zkoumáme. Pokud známe její rozložení (např. z nějaké dřívější studie) nebo alespoň předpokládáme znalost rozložení, můžeme ji
VíceMinimální hodnota. Tabulka 11
PŘÍLOHA č.1 Výsledné hodnoty Výsledky - ženy (SOŠ i SOU, maturitní i učební obory) Aritmetický průměr Maximální hodnota Minimální hodnota Medián Modus Rozptyl Směrodatná odchylka SOM 0,49 2,00 0,00 0,33
Více4EK211 Základy ekonometrie
4EK Základy ekonometrie Odhad klasického lineárního regresního modelu II Cvičení 3 Zuzana Dlouhá Klasický lineární regresní model - zadání příkladu Soubor: CV3_PR.xls Data: y = maloobchodní obrat potřeb
VíceNUMP403 (Pravděpodobnost a Matematická statistika I)
NUMP0 (Pravděpodobnost a Matematicá statistia I Střední hodnota disrétního rozdělení. V apce máte jednu desetiorunu, dvě dvacetioruny a jednu padesátiorunu. Zloděj Vám z apsy náhodně vybere tři mince.
VíceZáklady biostatistiky II. Veřejné zdravotnictví 3.LF UK - II
Základy biostatistiky II Veřejné zdravotnictví 3.LF UK - II Teoretické rozložení-matematické modely rozložení Naměřená data Výběrové rozložení Teoretické rozložení 1 e 2 x 2 Teoretické rozložení-matematické
VíceNávrh a vyhodnocení experimentu
Návrh a vyhodnocení experimentu Návrh a vyhodnocení experimentů v procesech vývoje a řízení kvality vozidel Ing. Bohumil Kovář, Ph.D. FD ČVUT Ústav aplikované matematiky kovar@utia.cas.cz Mladá Boleslav
VíceMÍRY ZÁVISLOSTI (KORELACE A REGRESE)
zhanel@fsps.muni.cz MÍRY ZÁVISLOSTI (KORELACE A REGRESE) 2.5 MÍRY ZÁVISLOSTI 2.5.1 ZÁVISLOST PEVNÁ, VOLNÁ, STATISTICKÁ A KORELAČNÍ Jednorozměrné soubory - charakterizovány jednotlivými statistickými znaky
VíceNormální (Gaussovo) rozdělení
Normální (Gaussovo) rozdělení Normální (Gaussovo) rozdělení popisuje vlastnosti náhodné spojité veličiny, která vzniká složením různých náhodných vlivů, které jsou navzájem nezávislé, kterých je velký
VíceTestování statistických hypotéz
Testování statistických hypotéz 1 Testování statistických hypotéz 1 Statistická hypotéza a její test V praxi jsme nuceni rozhodnout, zda nějaké tvrzeni o parametrech náhodných veličin nebo o veličině samotné
VíceMgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu
Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu K čemu slouží statistika Popisuje velké soubory dat pomocí charakteristických čísel (popisná statistika). Hledá skryté zákonitosti v souborech
Více7. TRANSFORMÁTORY. 7.1 Štítkové údaje. 7.2 Měření odporů vinutí. 7.3 Měření naprázdno
7. TRANSFORMÁTORY Pro zjednodušení budeme měření provádět na jednofázovém transformátoru. Na trojfázovém transformátoru provedeme pouze ontrolu jeho zapojení měřením hodinových úhlů. 7.1 Štítové údaje
VíceNáhodná proměnná. Náhodná proměnná může mít rozdělení diskrétní (x 1. , x 2. ; x 2. spojité (<x 1
Náhodná proměnná Náhodná proměnná může mít rozdělení diskrétní (x 1, x 2,,x n ) spojité () Poznámky: 1. Fyzikální veličiny jsou zpravidla spojité, ale změřené hodnoty jsou diskrétní. 2. Pokud
VíceParametrické testy hypotéz o středních hodnotách spojitých náhodných veličin
Parametrické testy hypotéz o středních hodnotách spojitých náhodných veličin EuroMISE Centrum Kontakt: Literatura: Obecné informace Zvárová, J.: Základy statistiky pro biomedicínskéobory I. Vydavatelství
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
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
Více676 + 4 + 100 + 196 + 0 + 484 + 196 + 324 + 64 + 324 = = 2368
Příklad 1 Je třeba prověřit, zda lze na 5% hladině významnosti pokládat za prokázanou hypotézu, že střední doba výroby výlisku je 30 sekund. Přitom 10 náhodně vybraných výlisků bylo vyráběno celkem 540
VíceNormální (Gaussovo) rozdělení
Normální (Gaussovo) rozdělení f x = 1 2 exp x 2 2 2 f(x) je funkce hustoty pravděpodobnosti, symetrická vůči poloze maxima x = μ μ střední hodnota σ směrodatná odchylka (tzv. pološířka křivky mezi inflexními
VíceIntervalové odhady. Interval spolehlivosti pro střední hodnotu v N(µ, σ 2 ) Interpretace intervalu spolehlivosti. Interval spolehlivosti ilustrace
Intervalové odhady Interval spolehlivosti pro střední hodnotu v Nµ, σ 2 ) Situace: X 1,..., X n náhodný výběr z Nµ, σ 2 ), kde σ 2 > 0 známe měli jsme: bodové odhady odhadem charakteristiky je číslo) nevyjadřuje
VíceParametrické testy hypotéz o středních hodnotách spojitých náhodných veličin
Parametrické testy hypotéz o středních hodnotách spojitých náhodných veličin EuroMISE Centrum I. ÚVOD vv této přednášce budeme hovořit o jednovýběrových a dvouvýběrových testech týkajících se střední hodnoty
Více1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.
Testy hypotéz na základě více než 2 výběrů 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Testy hypotéz na základě více než 2 výběrů Na analýzu rozptylu lze pohlížet v podstatě
VíceStručný úvod do testování statistických hypotéz
Stručný úvod do testování statistických hypotéz 1. Formulujeme hypotézu (předpokládáme, že pozorovaný jev je pouze náhodný). 2. Zvolíme hladinu významnosti testu a, tj. riziko, s nímž jsme ochotni se smířit.
VíceVybraná rozdělení náhodné veličiny
3.3 Vybraná rozdělení náhodné veličiny 0,16 0,14 0,12 0,1 0,08 0,06 0,04 0,02 0 Rozdělení Z 3 4 5 6 7 8 9 10 11 12 13 14 15 Život je umění vytvářet uspokojivé závěry na základě nedostatečných předpokladů.
VíceIntervalové Odhady Parametrů II Testování Hypotéz
Parametrů II Testování Hypotéz Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. Katedra počítačových systémů Katedra teoretické informatiky Fakulta informačních technologií České vysoké učení
VíceIntervalové odhady. Interval spolehlivosti pro střední hodnotu v N(µ, σ 2 ) Interpretace intervalu spolehlivosti. Interval spolehlivosti ilustrace
Intervalové odhady Interval spolehlivosti pro střední hodnotu v Nµ, σ 2 ) Situace: X 1,..., X n náhodný výběr z Nµ, σ 2 ), kde σ 2 > 0 známe měli jsme: bodové odhady odhadem charakteristiky je číslo) nevyjadřuje
VíceLékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.)
Lékařská biofyzika, výpočetní technika I Biostatistika Josef Tvrdík (doc. Ing. CSc.) Přírodovědecká fakulta, katedra informatiky josef.tvrdik@osu.cz konzultace úterý 14.10 až 15.40 hod. http://www1.osu.cz/~tvrdik
VíceZákladní statistické metody v rizikovém inženýrství
Základní statistické metody v rizikovém inženýrství Petr Misák Ústav stavebního zkušebnictví Fakulta stavební, VUT v Brně misak.p@fce.vutbr.cz Základní pojmy Jev souhrn skutečností zobrazujících ucelenou
Více1.5.7 Prvočísla a složená čísla
17 Prvočísla a složená čísla Předpolady: 103, 106 Dnes bez alulačy Číslo 1 je dělitelné čísly 1,, 3,, 6 a 1 Množinu, terou tvoří právě tato čísla, nazýváme D 1 množina dělitelů čísla 1, značíme ( ) Platí:
VíceTechnická univerzita v Liberci
Technická univerzita v Liberci Ekonomická fakulta Analýza výsledků z dotazníkového šetření Jména studentů: Adam Pavlíček Michal Karlas Tomáš Vávra Anna Votavová Ročník: 2015/2016 Datum odevzdání: 13/05/2016
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
VíceMotivace. Náhodný pokus, náhodný n jev. pravděpodobnost. podobnostní charakteristiky diagnostických testů, Bayesův vzorec. Prof.RND. RND.
Pravděpodobnostn podobnostní charateristiy diagnosticých testů, Bayesův vzorec Prof.RND RND.Jana Zvárov rová,, DrSc. Náhodný pous, náhodný n jev Náhodný pous: výslede není jednoznačně určen podmínami,
Více23. Matematická statistika
Projekt: Inovace oboru Mechatronik pro Zlínský kraj Registrační číslo: CZ.1.07/1.1.08/03.0009 23. Matematická statistika Statistika je věda, která se snaží zkoumat reálná data a s pomocí teorii pravděpodobnosti
VíceTestování hypotéz. testujeme (většinou) tvrzení o parametru populace. tvrzení je nutno předem zformulovat
Testování hypotéz testujeme (většinou) tvrzení o parametru populace tvrzení je nutno předem zformulovat najít odpovídající test, podle kterého se na základě informace z výběrového souboru rozhodneme, zda
VíceChyby měření 210DPSM
Chyby měření 210DPSM Jan Zatloukal Stručný přehled Zdroje a druhy chyb Systematické chyby měření Náhodné chyby měření Spojité a diskrétní náhodné veličiny Normální rozdělení a jeho vlastnosti Odhad parametrů
VícePravděpodobnost a matematická statistika
Pravděpodobnost a matematická statistika Příklady k přijímacím zkouškám na doktorské studium 1 Popisná statistika Určete aritmetický průměr dat, zadaných tabulkou hodnot x i a četností n i x i 1 2 3 n
Více