Přednášky část 7 Statistické metody vyhodnocování dat
|
|
- Monika Brožová
- před 7 lety
- Počet zobrazení:
Transkript
1 DŽ ředášky část 7 tatistické metody vyhodocováí dat Mila Růžička mechaika.fs.cvt.cz mila.rzicka@fs.cvt.cz
2 DŽ tatistické metody vyhodocováí dat Jak velké rozptyly lze očekávat mezi dosažeými pevostmi ebo životostmi částí kostrkce? Jaká je pravděpodobost vzik statické porchy při zatížeí sočásti a dao úroveň apětí? Jaká je pravděpodobost vzik porchy v důsledk úavy materiál po absolvováí zvoleého počt kmitů (ebo hodi provoz) a pro daé zatížeí sočásti? Jako mír rizika mají případá tvrzeí, že po absolvováí rčitého počt kmitů je pravděpodobost poršeí kostrkce stále dostatečě malá? Jak lze získat tzv. bezpečé úavové křivky, kterým lze přiřadit kokrétí hodot pravděpodobosti poršeí? Jak sovisí volba velikosti sočiitele bezpečosti s rizikem možého vzik porchy? Jak se statisticky výzamě od sebe odlišjí dva sobory dat (apř. výsledků zkošek), případě lze je považovat za jede stejý sobor? Které parametry jedozačě popisjí stochastický zatěžovací proces? Jakým způsobem lze simlovat stochastické zatížeí při zkoškách?
3 DŽ 3 Chyby měřeí (úavového eperimet): hrbé (je to chyba měřeí ebo vada materiál??) systematické (je správá kalibrace stroje?) áhodé (zvolit vhodý model statist. rozděleí)
4 DŽ 4 Základí pojmy a vztahy áhodá veličia: veličia, která může abývat růzé hodoty, jež se ale řídí rčitými zákoitostmi histogram četosti: diagram zobrazjící četost výskyt áhodé veličiy v rčitém malém iterval jejich hodot model statistického rozděleí:
5 DŽ 5 Základí pojmy a vztahy áhodá veličia: veličia, která může abývat růzé hodoty, jež se ale řídí rčitými zákoitostmi distribčí fkce F(): každém reálém čísl 0 přiřazje pravděpodobost, že áhodá veličia bde mít hodot meší či rov ež toto reálé číslo 0. F( ) F( ) 0 F( ) F( ) F( ) F() F(0. 0 )
6 DŽ 6 Základí pojmy a vztahy hstota pravděpodobosti: f d F F F f df d f d f() f( 0 )
7 DŽ 7 Cetrálí momety každé rozděleí áhodé veličiy lze charakterizovat ěkolika čísly, tzv. charakteristikami; ejžívaějšími charakteristikami jso cetrálí momety (k-tého řád): k k f d k k f d k k středí hodota: rozptyl: šikmost: špičatost: cetr. momet prvího řád f d cetr. momet drhého řád f cetr. momet třetího řád cetr. momet čtvrtého řád d směrodatá odchylka v 00% variačí sočiitel
8 DŽ 8 Drhy rozděleí Normálí (Gassovo) Logaritmicko-ormálí (-ormálí) tdetovo Chí -kvadrát Weibllovo Epoeciálí Mawellovo Fisherovo rovoměré
9 DŽ 9 Gassovo ormálí rozděleí áhodé veličiy je to model rozděleí časté požití v techické prai áhodý proces je tvoře sočtem růzých ezávislých vlivů velký počet vlivů každý vliv má poze malý příspěvek F f e e d
10 DŽ 0 Gassovo ormálí rozděleí áhodé veličiy ormovaá áhodá veličia: ormovaý tvar distribčí fkce: e d ormálího rozděleí leží v oblasti: 68, %, 95,5 %, 3 99,7 % výsledků 0.4 kvatil: M Ecel: =NORM..DIT(A;A) =NORM..INV(A) f()
11 DŽ
12 DŽ ravděpodobostí papír F iverzí fkce F F teto kvatil je lieárí fkcí áhodé proměé, distribčí fkce je tak zobrazea jako přímka a ikoli jako křivka
13 DŽ 3 ravděpodobostí papír body : i, pořadová pravděpodobost i i i 99.9 [%] [] s s
14 DŽ 4 Logaritmicko-ormálí rozděleí áhodé veličiy je to model rozděleí, saha vyžit výhodé vlastosti ormálího rozdělěí pro veličiy které sice rozděleí ormálí emají, ale vhodo trasformaci je a ormálí lze převést) časté požití v techické prai (rozděleí doby do opotřebeí výrobk, prostojů při opravách apod., plocha říčích rýžovišťových ložisek, propstost sedimetárích hori) áhodý proces je tvoře sočiem růzých ezávislých vlivů velký počet vlivů, každý vliv má malý příspěvek F f M e M 0 0 e M 0 d jiý pravděpodobostí papír F F ebo Gassův (ormálí) pro N
15 DŽ 5 tdetovo rozděleí 0 d e c c m m c f Chí -kvadrát rozděleí 0... e f
16 DŽ 6 Základí sobor vs. áhodý výběr základí sobor (možia hodot áhodé veličiy s daým rozděleím) áhodý výběr (skpia hodot ze základího sobor) jiý áhodý výběr (skpia hodot ze základího sobor)
17 DŽ 7 tatistické zkomáí opisá statistika je zám celý statistický sobor a pomocí statistických metod jso charakterizováy sktečosti, které již astaly. tatistický sobor je koečý a jediečý. tatistická idkce pracje se soborem údajů, které tvoří zpravidla je malo část základího sobor, jehož hodoty čekají a svoji realizaci. Úkolem tedy je vyjádřit sktečost, která teprve astae, ebo sktečost, která již astala, ale která může být pozorováa poze částečě. Základím předpokladem idktivích přístpů je, že část základího sobor, se ktero se pracje, je reprezetativím vzorkem áhodým výběrem.
18 DŽ 8 tatistický odhad Bodový odhad odhad charakteristiky rozděleí áhodé veličiy (ezámého čísla) výběrovo charakteristiko (zámým vypočteým číslem). Výběrová charakteristika, která představje bodový odhad je áhodo veličio, a proto se její hodoty při opakovaém odhadováí liší od odhadovaé charakteristiky a výrok o přesosti odhad je ejistý. Bodové odhady msí mít rčité vlastosti, podle ichž lze posodit vhodost požití daé veličiy k odhad charakteristiky. rotože k odhad lze požít zpravidla růzé výběrové charakteristiky, je třeba staovit kriteria pro jejich volb. Itervalový odhad odhad charakteristiky rozděleí áhodé veličiy, při ěmž kromě čísla, kterým se charakteristika odhadje, dává ještě přesost a spolehlivost této přesosti. Jiými slovy, rčje se iterval (kofidečí iterval), který s předem zvoleo pravděpodobostí (kofidečí koeficiet, hladia spolehlivosti) zahrje hodot ezámé charakteristiky rozděleí áhodé veličiy.
19 DŽ 9 ř.: Úavová zkoška ři statistickém zjišťováí Wöhlerovy křivky se zkoší a každé zvoleé hladiě apětí daý počet vzorků, vyhodoceím podle avržeého model rozděleí Gassovo ormálí rozděleí pro (N) lze získat Wöhlerov křivk pro dao pravděpodobost poršeí. U: Zpracovat statisticky výsledky zkošky a hladiě i =65 Ma. D: zkošeo =4 vzorků do porchy Vzorek N0 3 [-] 9, 03,0 4,4 3,4 83,8,0 74,0 Vzorek N0 3 [-] 39, 68,7 3,4 54,0 346,6 87, 5,7 Data z příklad jso vlastě áhodým výběrem 4 vzorků z daleko širšího základího sobor všech možostí!
20 DŽ 0 Relativí četost a rel. kmlativí četost i X i = N i 0 3 [-] i = (N i ) [-] [%] 4,4 5,095 6,67 68,7 5,7 3, , 5,7 0, ,0 5,307 6,67 5 3,4 5,39 33,33 6 3,4 5,39 40,00 relativí četost ,7 5,334 46,67 8 9, 5,34 53,33 9,0 5,344 60, ,0 5,405 66,67 74,0 5,438 73,33 83,8 5,453 80, ,6 5,540 86,67 relativí kmlativí četost % i i 4 39, 5,59 93,33 N i [kc] = X i áhodá proměá, (N i ) = i trasformovaá áhodá proměá, ( i ) pořadová pravděpodobost (dává poměro část výběr mající hodoty meší ež daá hodota i ).
21 DŽ Bodový odhad Název Vzorec Hodota Výběrový aritmetický průměr ( N) i i 5,358 Výběrový geometrický průměr Mediá Mods geom i i m k, k pro liché; k k m, k pro sdé Nejčastější hodota 5,356 5,338 5,39 Výběrový rozptyl ˆ i i 0,057 Výběrová směrodatá odchylka ˆ ˆ K K 3, 09 0,8 Výběrový variačí sočiitel vˆ ˆ 0,04
22 DŽ ˆ K ˆ Correctio factor K(),9,8,7,6,5,4,3,, Nmber of specimes
23 DŽ 3 Itervalový odhad středí hodoty Hladia spolehlivosti a: pravděpodobost s jako je očekáváo, že rčovaý parametr rozděleí se bde vyskytovat ve vypočteém iterval (v techice 95 %, 90 % i 97,5 %) Riziko: b=-a pro příklad Itervalový odhad středí hodoty ormálího rozděleí je založe a sktečosti, že áhodá proměá t podléhá tdetov rozděleí s (-) stpi volosti, tj. v =3 ve výraz pro t. rozděleí a itervalový odhad. t ˆ výběrový odhad středí hodoty sktečá středí hodota
24 DŽ 4 Itervalový odhad středí hodoty a a a t t ˆ ,48 5,97,77 3 0,8 ˆ 5,358 ˆ ˆ N t t t a a a M EXCEL: =TINV(0.;3) Užijeme tdetovo rozděleí
25 DŽ 5 Itervalový odhad rozptyl ˆ 0,86 0,095 0,0347 0,009 5,89 0,05 3,36 0,05 3 0,057 ˆ ˆ ˆ, 4, 4,, b b Nelze přepočítat a cykly M EXCEL: =CHIINV(0.05;3) M EXCEL: =CHIINV(0.95;3) Užijeme Chí -kvadrát rozděleí
26 DŽ 6 Dolí iterval spolehlivosti ˆ z příklad je možé rčit: té rozšířit o iformaci, jak je spolehlivý: k ˆ,,, b b b, k b b b b
27 DŽ 7,, ˆ, ˆ ˆ ˆ ˆ k N N N N K N N N N i i i i b b b Určeí bezpečého úavového života
28 DŽ [%] ravděpodobostí papír příklad 3 [] i N i 4,6 4,7 4,8 4,9 5,0 5, 5, 5,3 5,4 5,5 5,6 5,7 5,8 5,9 6,0 = N -3
29 ravděpodobostí papír příklad DŽ [%] 3 [] s s - -, ,50 4,6 4,7 4,8 4,9 5,0 5, 5, 5,3 5,4 5,5 5,6 5,7 5,8 5,9 6,0 = N -3
30 ravděpodobostí papír příklad DŽ [%] 3 [] s s - -, ,50 4,6 4,7 4,8 4,9 5,0 5, 5, 5,3 5,4 5,5 5,6 5,7 5,8 5,9 6,0 = N -3
31 DŽ [%] ravděpodobostí papír příklad 3 [] s s 0.,50 50,50 4,6 4,7 4,8 4,9 5,0 5, 5, 5,3 5,4 5,5 5,6 5,7 5,8 5,9 6,0 = N - -,36-3
32 DŽ [%] ravděpodobostí papír příklad 3 [] , s s 0.,50 50,50 4,6 4,7 4,8 4,9 5,0 5, 5, 5,3 5,4 5,5 5,6 5,7 5,8 5,9 6,0 = N - -,36-3
33 DŽ [%] ravděpodobostí papír příklad 3 [] , s s 0.,0,50 50,50 4,6 4,7 4,8 4,9 5,0 5, 5, 5,3 5,4 5,5 5,6 5,7 5,8 5,9 6,0 = N - -,36-3
34 DŽ [%] ravděpodobostí papír příklad 3 [] , s s 0.,0,50 50,50 4,6 4,7 4,8 4,9 5,0 5, 5, 5,3 5,4 5,5 5,6 5,7 5,8 5,9 6,0 = N - -,36-3
35 DŽ 35 Určeí bezpečého úavového života N ˆ, b N k, b, b [%] p b=0% K X,b N,b Eistje 0% riziko, že po acyklováí cyklů se porší z zkšebích vzorků základího sobor.
36 DŽ 36 Odvozeí přepočt a bezpečý úavový život N B B c a c a c a N N N N 0 X X X Y X Y X X kost X kost kost f d
37 v C DŽ 37 ravděpodobostí áplň soč. bezpečosti sc C Dáo: a =80 Ma C =40 Ma v a =% s C =38 Ma ,0% provoz Bezpečá ú. pevost Hstoty pravděpodobosti os odpovídající bezpečosti k C mezí tředí mez úavy ú. pevost k C Bezpečost C a 40,5 80 Výpočet kvatil a s C C s a v k C k C C v a ravděpodobost porchy p M EXCEL: =NORMDIT() =NORMINV() 0,09,5,5 0,06 3,38 0, ,036%
38 DŽ 38 redikce safe life Bezpečý úavový život pravděpodobost poršeí << 0 (Např. 0,0%... 0,000 %) Hstoty pravděpodobosti N Bezpečý život L B os a bezpečost k L tředí život L 50 život měrodatá odchylka úavové křivky měrodatá odchylka četosti kmitů provoz Celkový sočiitel bezpečosti pro úavový život N k L oč. bezpečosti pro úavovo křivk k N ( ) očiitel bezpečosti pro četost kmitů provoz k (.0,.0) Bezpečý úavový život L B L50% L50% k k k L N
39 DŽ 39 redikce safe life ravděpodobost porchy Hstoty pravděpodobosti N Bezpečý život L B os a bezpečost k L tředí život L 50 ředpoklad: -ormálí rozděleí životostí N Výpočet kvatil a pravděpodobosti porchy pro dao bezpečost kl život... L B N L 50 N L L B 50 k N L p [%]
Dynamická pevnost a životnost Statistika
DŽ statistika Dyamická pevost a životost tatistika Mila Růžička, Josef Jreka, Zbyěk Hrbý mechaika.fs.cvt.cz zbyek.hrby@fs.cvt.cz DŽ statistika tatistické metody vyhodocováí dat DŽ statistika 3 tatistické
VícePevnost a životnost - Hru III 1. PEVNOST a ŽIVOTNOST. Hru III. Milan Růžička, Josef Jurenka, Zbyněk Hrubý.
evost a životost - Hr III EVNOT a ŽIVOTNOT Hr III Mila Růžička, Josef Jreka, Zbyěk Hrbý zbyek.hrby@fs.cvt.cz evost a životost - Hr III tatistické metody vyhodocováí dat evost a životost - Hr III 3 tatistické
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
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
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
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
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
VíceNárodní informační středisko pro podporu jakosti
Národí iformačí středisko pro podpor jakosti Kozltačí středisko statistických metod při NIS-PJ Výpočet koeficietů reglačích diagramů pro obecé riziko Ig. Václav Chmelík, CSc Ústav strojíreské techologie,
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:
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
VíceSTATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson
STATISTIKA Statistika se těší pochybému vyzameáí tím, že je ejvíce epochopeým vědím oborem. H. Leviso Charakterizace statistického souboru Statistický soubor Prvek souboru Zak prvku kvatitativí teplota,
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
VíceP2: Statistické zpracování dat
P: Statistické zpracováí dat Úvodem - Statistika: věda, zabývající se shromažďováím, tříděím a ásledým popisem velkých datových souborů. - Základem statistiky je teorie pravděpodobosti, založeá a popisu
Vícevají statistické metody v biomedicíně
Statistika v biomedicísk ském m výzkumu a ve zdravotictví Prof. RNDr. Jaa Zvárov rová,, DrSc. EuroMISE Cetrum Ústav iformatiky AV ČR R v.v.i. Proč se používaj vají statistické metody v biomedicíě Biomedicísk
Vícevají statistické metody v biomedicíně Literatura Statistika v biomedicínsk nském výzkumu a ve zdravotnictví
Statistika v biomedicísk ském výzkumu a ve zdravotictví Prof. RNDr. Jaa Zvárov rová,, DrSc. EuroMISE Cetrum Ústav iformatiky AV ČR R v.v.i. Literatura Edice Biomedicísk ská statistika vydáva vaá a Uiverzitě
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
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
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
VíceDynamická pevnost a životnost Statistika
DŽ statistika Dyamická pevost a životost tatistika Mila Růžička, Josef Jreka, Zbyěk Hrbý mechaika.fs.cvt.cz zbyek.hrby@fs.cvt.cz DŽ statistika tatistické metody vyhodocováí dat DŽ statistika 3 tatistické
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,
VícePro statistické šetření si zvolte si statistický soubor např. všichni žáci třídy (několika tříd, školy apod.).
STATISTIKA Statistické šetřeí Proveďte a vyhodoťte statistické šetřeí:. Zvolte si statistický soubor. 2. Zvolte si určitý zak (zaky), které budete vyhodocovat. 3. Určete absolutí a relativí četosti zaků,
VíceIntervalové odhady parametrů
Itervalové odhady parametrů Petr Pošík Části dokumetu jsou převzaty (i doslově) z Mirko Navara: Pravděpodobost a matematická statistika, https://cw.felk.cvut.cz/lib/ee/fetch.php/courses/a6m33ssl/pms_prit.pdf
VíceInterval spolehlivosti pro podíl
Iterval polehlivoti pro podíl http://www.caueweb.org/repoitory/tatjava/cofitapplet.html Náhodý výběr Zkoumaý proce chápeme jako áhodou veličiu určitým ám eámým roděleím a měřeá data jako realiace této
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
Více1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL
Elea Mielcová, Radmila Stoklasová a Jaroslav Ramík; Statistické programy POPISNÁ STATISTIKA V PROGRAMU MS EXCEL RYCHLÝ NÁHLED KAPITOLY Žádý výzkum se v deší době evyhe statistickému zpracováí dat. Je jedo,
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:
VíceIntervalový odhad. nazveme levostranným intervalem pro odhad parametru Θ. Statistiku. , kde číslo α je blízké nule, nazveme horním
Lekce Itervalový odhad Itervalový odhad je jedou ze stadardích statistických techik Cílem je sestrojit iterval (kofidečí iterval, iterval spolehlivosti, který s vysokou a avíc předem daou pravděpodobostí
VícePravděpodobnostní model doby setrvání ministra školství ve funkci
Pravděpodobostí model doby setrváí miistra školství ve fukci Základí statistická iferece Data Zdro: http://www.msmt.cz/miisterstvo/miistri-skolstvi-od-roku-848. Ke statistickému zpracováí byla vzata pozorováí
VícePravděpodobnost a aplikovaná statistika
Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 6. KAPITOLA CENTRÁLNÍ LIMITNÍ VĚTA 6.11.2017 Opakováí: Čebyševova erovost příklad Pravděpodobost vyrobeí zmetku je 0,5. Odhaděte pravděpodobost,
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
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
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
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
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
VíceZávislost slovních znaků
Závislost slovích zaků Závislost slovích (kvalitativích) zaků Obměy slovího zaku Alterativí zaky Možé zaky Tříděí věcé sloví řady: seřazeí obmě je subjektiví záležitostí (podle abecedy), možé i objektiví
VíceOdhady parametrů základního. Ing. Michal Dorda, Ph.D.
Odhady parametrů základího souboru Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt celou populac, provádíme
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
Více2. Náhodná veličina. je konečná nebo spočetná množina;
. Náhodá veličia Většia áhodých pokusů koaých v přírodích ebo společeských vědách má iterpretaci pomocí reálé hodoty. Při takovýchto dějích přiřazujeme tedy reálá čísla áhodým jevům. Proto je důležité
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,
Více2. Znát definici kombinačního čísla a základní vlastnosti kombinačních čísel. Ovládat jednoduché operace s kombinačními čísly.
0. KOMBINATORIKA, PRAVDĚPODOBNOST, STATISTIKA Dovedosti :. Chápat pojem faktoriál a ovládat operace s faktoriály.. Zát defiici kombiačího čísla a základí vlastosti kombiačích čísel. Ovládat jedoduché operace
VíceVYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojního inženýrství. Matematika IV. Semestrální práce
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta troího ižeýrtví Matematika IV Semetrálí práce Zpracoval: Čílo zadáí: 7 Studií kupia: Datum: 8.4. 0 . Při kotrole akoti výrobků byla ledováa odchylka X [mm] eich rozměru
VícePopisná statistika. Zdeněk Janák 9. prosince 2007
Popisá statistika Zdeěk Jaák jaak@physics.mui.cz 9. prosice 007 Výsledkem měřeí atmosférické extikce z pozorováí komet a observatoři Skalaté Pleso jsou tyto hodoty extikčích koeficietů ve vlové délce 46
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
VíceČíselné charakteristiky náhodných veličin
Číselé charakteristiky áhodých veliči Motivace Doposud jsme pozali fukcioálí charakteristiky áhodých veliči (apř. distribučí fukce, pravděpodobostí fukce, hustota pravděpodobosti), které plě popisují pravděpodobostí
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,
Vícei 1 n 1 výběrový rozptyl, pro libovolné, ale pevně dané x Roznačme n 1 Téma 6.: Základní pojmy matematické statistiky
Téma 6.: Základí pojmy matematické statistiky Vlastosti důležitých statistik odvozeých z jedorozměrého áhodého výběru: Nechť X,..., X je áhodý výběr z rozložeí se středí hodotou μ, rozptylem σ a distribučí
Více13 Popisná statistika
13 Popisá statistika 13.1 Jedorozměrý statistický soubor Statistický soubor je možia všech prvků, které jsou předmětem statistického zkoumáí. Každý z prvků je statistickou jedotkou. Prvky tvořící statistický
VíceTESTOVÁNÍ STATISTICKÝCH HYPOTÉZ
TESTOVÁNÍ STATISTICKÝC YPOTÉZ je postup, pomocí ěhož a základě áhodého výběru ověřujeme určité předpoklady (hypotézy) o základím souboru STATISTICKÁ YPOTÉZA předpoklad (tvrzeí) o parametru G základího
VícePopisná statistika - zavedení pojmů. 1 Jednorozměrný statistický soubor s kvantitativním znakem
Popisá statistika - zavedeí pojmů Popisá statistika - zavedeí pojmů Soubor idividuálích údajů o objektech azýváme základí soubor ebo také populace. Zkoumaé objekty jsou tzv. statistické jedotky a sledujeme
VíceZáklady statistiky. Zpracování pokusných dat Praktické příklady. Kristina Somerlíková
Základy statistiky Zpracováí pokusých dat Praktické příklady Kristia Somerlíková Data v biologii Zak ebo skupia zaků popisuje přírodí jevy, úlohou výzkumíka je vybrat takovou skupiu zaků, které charakterizují
VícePravděpodobnost a statistika - absolutní minumum
Pravděpodobost a statistika - absolutí miumum Jaromír Šrámek 4108, 1.LF, UK Obsah 1. Základy počtu pravděpodobosti 1.1 Defiice pravděpodobosti 1.2 Náhodé veličiy a jejich popis 1.3 Číselé charakteristiky
VíceCo je to statistika? Statistické hodnocení výsledků zkoušek. Úvod statistické myšlení. Úvod statistické myšlení. Popisná statistika
Co e to statistika? Statistické hodoceí výsledků zkoušek Petr Misák misak.p@fce.vutbr.cz Statistika e ako bikiy. Odhalí téměř vše, ale to edůležitěší ám zůstae skryto. (autor ezámý) Statistika uda e, má
Více2 STEJNORODOST BETONU KONSTRUKCE
STEJNORODOST BETONU KONSTRUKCE Cíl kapitoly a časová áročost studia V této kapitole se sezámíte s možostmi hodoceí stejorodosti betou železobetoové kostrukce a prakticky provedete jede z možých způsobů
VíceParametr populace (populační charakteristika) je číselná charakteristika sledované vlastnosti
1 Základí statistické zpracováí dat 1.1 Základí pojmy Populace (základí soubor) je soubor objektů (statistických jedotek), který je vymeze jejich výčtem ebo charakterizací jejich vlastostí, může být proto
Vícejako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých
9 Limití věty. V aplikacích teorie pravděpodobosti (matematická statistika, metody Mote Carlo se užívají tvrzeí vět o kovergeci posloupostí áhodých veliči. Podle povahy kovergece se limití věty teorie
Více4. B o d o v é o d h a d y p a r a m e t r ů
4. B o d o v é o d h a d y p a r a m e t r ů Na základě hodot áhodého výběru z rozděleí určitého typu odhadujeme parametry tohoto rozděleí, tak aby co ejlépe odpovídaly hodotám výběru. Formulujme tudíž
VíceStatistika. Statistické funkce v tabulkových kalkulátorech MSO Excel a OO.o Calc
Statistika Statistické fukce v tabulkových kalkulátorech MSO Excel a OO.o Calc Základí pojmy tabulkových kalkulátorů Cílem eí vyložit pojmy tabulkových kalkulátorů, ale je defiovat pojmy vyskytující se
Více1 ROVNOMĚRNOST BETONU KONSTRUKCE
ROVNOMĚRNOST BETONU KONSTRUKCE Cíl kapitoly a časová áročost studia V této kapitole se sezámíte s možostmi hodoceí rovoměrosti betou železobetoové kostrukce a prakticky provedete jede z možých způsobů
Více0,063 0,937 0,063 0, P 0,048 0,078 0,95. = funkce CONFIDENCE.NORM(2α; p(1 p)
. Příklad Při průzkumu trhu projevilo 63 z dotázaých zákazíků zájem o iovovaý výrobek, který má být uvede a trh se zákazíky. Odvoďte a odhaděte proceto a počet zájemců v populaci s 95% spolehlivostí. Následě
VíceStatistika je vědní obor zabývající se zkoumáním jevů, které mají hromadný charakter.
Statistika Cíle: Chápat pomy statistický soubor, rozsah souboru, statistická edotka, statistický zak, umět sestavit tabulku rozděleí četostí, umět zázorit spoicový diagram a sloupcový diagram / kruhový
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
VícePRAVDĚPODOBNOST ... m n
RVDĚODONOST - matematická discilía, která se zabývá studiem zákoitostí, jimiž se řídí hromadé áhodé jevy - vytváří ravděodobostí modely, omocí ichž se saží ostihout rocesy, ovlivěé áhodou. Náhodé okusy:
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,
VícePravděpodobnost a aplikovaná statistika
Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 3. ÚKOL JB TEST 3. Úkol zadáí pro statistické testy U každého z ásledujících testů uveďte ázev (včetě autora), předpoklady použití, ulovou
Více1. Základy počtu pravděpodobnosti:
www.cz-milka.et. Základy počtu pravděpodobosti: Přehled pojmů Jev áhodý jev, který v závislosti a áhodě může, ale emusí při uskutečňováí daého komplexu podmíek astat. Náhoda souhr drobých, ezjistitelých
VíceP13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod.
P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod. Matematický přístup k výsledkům únavových zkoušek Náhodnost výsledků únavových zkoušek. Únavové
VíceMOŽNOSTI STATISTICKÉHO POSOUZENÍ KVANTITATIVNÍCH VÝSLEDKŮ POŽÁRNÍCH ZKOUŠEK PRO POTŘEBY CERTIFIKACE A POSUZOVÁNÍ SHODY VÝROBKŮ
PŘÍSPĚVKY THE SCIENCE FOR POPULATION PROTECTION 0/008 MOŽNOSTI STATISTICKÉHO POSOUZENÍ KVANTITATIVNÍCH VÝSLEDKŮ POŽÁRNÍCH ZKOUŠEK PRO POTŘEBY CERTIFIKACE A POSUZOVÁNÍ SHODY VÝROBKŮ STATISTICAL ASSESSMENT
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,
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
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
Více7. Odhady populačních průměrů a ostatních parametrů populace
7. Odhady populačích průměrů a ostatích parametrů populace Jak sme zišťovali v kapitole. e možé pro každou populaci sestroit možství parametrů, které i charakterizue. Pro účely základího pozáí e evýzaměší
Více8. Odhady parametrů rozdělení pravděpodobnosti
Pozámky k předmětu Aplikovaá statistika, 8 téma 8 Odhady parametrů rozděleí pravděpodobosti Zaměříme se a odhad středí hodoty a rozptylu a to dvěma způsoby Předpokládejme, že máme áhodý výběr X 1,, X z
Více17. Statistické hypotézy parametrické testy
7. Statistické hypotézy parametrické testy V této části se budeme zabývat statistickými hypotézami, pomocí vyšetřujeme jedotlivé parametry populace. K takovýmto šetřeím většiou využíváme ám již dobře zámé
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
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
Více6. FUNKCE A POSLOUPNOSTI
6. FUNKCE A POSLOUPNOSTI Fukce Dovedosti:. Základí pozatky o fukcích -Chápat defiici fukce,obvyklý způsob jejího zadáváí a pojmy defiičí obor hodot fukce. U fukcí zadaých předpisem umět správě operovat
VíceCvičení 3 - teorie. Teorie pravděpodobnosti vychází ze studia náhodných pokusů.
Cvičeí 3 - teorie Téma: Teorie pravděpodobosti Teorie pravděpodobosti vychází ze studia áhodých pokusů. Náhodý pokus Proces, který při opakováí dává ze stejých podmíek rozdílé výsledky. Výsledek pokusu
VíceNáhodný výběr, statistiky a bodový odhad
Lekce Náhodý výběr, statistiky a bodový odhad Parametr rozděleí pravděpodobosti je ezámá kostata, jejíž přímé určeí eí možé. Nástrojem pro odhad ezámých parametrů je áhodý výběr a jeho charakteristiky
Více6. P o p i s n á s t a t i s t i k a
6. P o p i s á s t a t i s t i k a 6.. Pozámka: Při statistickém zkoumáí ás zajímají hromadé jevy a procesy, u kterých zkoumáme zákoitosti, které se projevují u velkého počtu prvků. Prvky zkoumáí azýváme
Více3. Charakteristiky a parametry náhodných veličin
3. Charateristiy a parametry áhodých veliči Úolem této apitoly je zavést pomocý aparát, terým budeme dále popisovat pomocí jedoduchých prostředů áhodé veličiy. Taovýmto aparátem jsou tzv. parametry ebo
VíceVaR analýza citlivosti, korekce
VŠB-TU Ostrava, Ekoomická fakulta, katedra fiací.-. září 008 VaR aalýza citlivosti, korekce Fratišek Vávra, Pavel Nový Abstrakt Práce se zabývá rozbory citlivosti ěkterých postupů, zahrutých pod zkratkou
Více,6 32, ,6 29,7 29,2 35,9 32,6 34,7 35,3
Př 7: S 95% polehlivotí odhaděte variabilitu (protředictvím odhadu měrodaté odchylky) a tředí hodotu obahu vitamíu C u rajčat. Záte-li výledky rozboru 0-ti vzorků rajčat: 3 4 5 6 7 8 9 0 9,6 3,4 30 3,6
Více1. JEV JISTÝ a. je jev, který nikdy nenastane b. je jev, jehož pravděpodobnost = ½ c. je jev, jehož pravděpodobnost = 0 d.
ZÁPOČTOVÝ TEST. JEV JISTÝ a. je jev, který ikdy eastae b. je jev, jehož pravděpodobost ½ c. je jev, jehož pravděpodobost 0 d. je jev, jehož pravděpodobost e. je jev, který astae za jistých okolostí f.
VíceNEPARAMETRICKÉ METODY
NEPARAMETRICKÉ METODY Jsou to metody, dy předmětem testu hypotézy eí tvrzeí o hodotě parametru ějaého orétího rozděleí, ale ulová hypotéza je formulováa obecěji, apř. jao shoda rozděleí ebo ezávislost
Více14. B o d o v é o d h a d y p a r a m e t r ů
4. B o d o v é o d h a d y p a r a m e t r ů Na základě hodot áhodého výběru z rozděleí určitého typu odhadujeme parametry tohoto rozděleí, tak aby co ejlépe odpovídaly hodotám výběru. Formulujme tudíž
Více} kvantitativní znaky. korelace, regrese. Prof. RNDr. Jana Zvárov. Obecné principy
Měřeí statistické závislosti, korelace, regrese Prof. RNDr. Jaa Zvárov rová,, DrSc. MĚŘENÍZÁVISLOSTI Cílem statistické aalýzy vepidemiologii bývá eje staovit, zda oemocěí závisí a výskytu rizikového faktoru,
Více8 DALŠÍ SPOJITÁ ROZDĚLENÍ PRAVDĚPODOBNOSTI
8 DALŠÍ SPOJITÁ ROZDĚLENÍ PRAVDĚPODOBNOSTI Ča ke tudiu kapitoly: 60 miut Cíl: Po protudováí tohoto odtavce budete umět: charakterizovat další typy pojitých rozděleí: χ, Studetovo, Ficher- Sedocorovo -
VícePřednáška VIII. Testování hypotéz o kvantitativních proměnných
Předáška VIII. Testováí hypotéz o kvatitativích proměých Úvodí pozámky Testy o parametrech rozděleí Testy o parametrech rozděleí Permutačí testy Opakováí hypotézy Co jsou to hypotézy a jak je staovujeme?
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
VíceZhodnocení přesnosti měření
Zhodoceí přesosti měřeí 1. Chyby měřeí Měřeím emůžeme ikdy zjistit skutečou (pravou) hodotu s měřeé veličiy. To je způsobeo edokoalostí metod měřeí, měřicích přístrojů, lidských smyslů i proměých podmíek
Více6. Posloupnosti a jejich limity, řady
Moderí techologie ve studiu aplikovaé fyziky CZ..07/..00/07.008 6. Poslouposti a jejich limity, řady Posloupost je speciálí, důležitý příklad fukce. Při praktickém měřeí hodot určité fyzikálí veličiy dostáváme
Vícemnožina všech reálných čísel
/6 FUNKCE Základí pojmy: Fukce sudá a lichá, Iverzí fukce Nepřímá úměrost, Mociá fukce, Epoeciálí fukce a rovice Logaritmus, logaritmická fukce a rovice Opakováí: Defiice fukce, graf fukce Defiičí obor,
VíceZákladní požadavky a pravidla měření
Základí požadavky a pravidla měřeí Základí požadavky pro správé měřeí jsou: bezpečost práce teoretické a praktické zalosti získaé přípravou a měřeí přesost a spolehlivost měřeí optimálí orgaizace průběhu
VíceOdhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení
Odhad parametru p biomického rozděleí a test hypotézy o tomto parametru Test hypotézy o parametru p biomického rozděleí Motivačí úloha Předpokládejme, že v důsledku realizace jistého áhodého pokusu P dochází
VíceNáhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů.
Náhodu bychom mohli defiovat jako součet velkého počtu drobých epozaých vlivů. V rámci přírodích věd se setkáváme s pokusy typu za určitých podmíek vždy astae určitý důsledek. Např. jestliže za ormálího
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
VíceČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta dopraví Statistika Semestrálí práce Zdražováí pohoých hmot Jméa: Martia Jelíková, Jakub Štoudek Studijí skupia: 2 37 Rok: 2012/2013 Obsah Úvod... 2 Použité
VíceIAJCE Přednáška č. 12
Složitost je úvod do problematiky Úvod praktická realizace algoritmu = omezeí zejméa: o časem o velikostí paměti složitost = vztah daého algoritmu k daým prostředkům: časová složitost každé možiě vstupích
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
Více