1.6. Srovnání empirických a teoretických parametrů (4.-5.předn.)
|
|
- Irena Pokorná
- před 7 lety
- Počet zobrazení:
Transkript
1 .6. rováí empirických a eoreických paramerů (4.-5.před.) Cíle: - pravděpodobosí zkoumáí výběrového saisického souboru: kvaifikace eoreických paramerů, srováí eoreických a empirických paramerů (Probable ivesigaio of selecive saisical se: Quaificaio of heoreical parameers, Compariso of heoreical ad empirical parameers). - pravděpodobosí obraz výběrového saisického souboru: bodový a iervalový odhad apř. ierval spolehlivosi, Tesováí paramerických hypoéz (Probable picure of selecive saisical se: Poi & ierval esimaio e.g. cofidece ierval, Tesig of parameric hypoheses). Osvojovaé pojmy a pozaky: Bodový odhad (poi esimaio), iervalový odhad (ierval esimaio), ierval spolehlivosi (cofidece ierval), ierval spolehlivosi pro sředí hodou (cofidece ierval for Mea), ierval spolehlivosi pro sadardí odchylku (cofidece ierval for adard Deviaio), esováí paramerických hypoéz (esig of parameric hypoheses), aplikace u-esu (compued u-saisic), aplikace -esu (compued -saisic), aplikace F-esu (compued F-saisic), aplikace χ -esu (compued Chi-square saisic). Další z hlavích meod saisiky rováí empirických a eoreických paramerů avazuje a Přiřazeí eoreického rozděleí rozděleí empirickému. Teoreické rozděleí je ideifikováo a eparamerickým esováím přiřazeo, obsahuje však dosud ezámé hodoy eoreických paramerů. Před provedeím srováí empirických a eoreických paramerů je pořebé eoreické paramery odhadou. Pak lze přisoupi ke srováváí empirických a eoreických paramerů s použiím aparáu paramerického esováí.
2 .6.. Základy eorie odhadů Teoreické paramery (apř. sředí hodou E() = µ a rozpyl D() = u rozděleí ormálího) je zapořebí odhadou. Odhady eoreických paramerů mohou bý dvojího druhu: bodové a iervalové. Dobré bodové odhady by měly splňova podmíky koziseosi, esraosi, vydaosi a dosaečosi. Zde jsou yo podmíky je připomeuy, podrobější iformace lze získa v lierauře zabývající se eorií odhadů. Bodový odhad lze provés momeovou meodou ebo meodou maimálí věrohodosi. Momeová meoda spočívá v om, že se empirické paramery považují za odhady odpovídajících eoreických paramerů. Meoda maemaické věrohodosi je podsaě maemaicky áročější. Nevýhodou bodových odhadů je především ezalos přesosi, s kerou byl odhad učiě. Iervalové odhady odsraňují problém ezalosi přesosi odhadu. aží se sesroji ierval, kerý by poskyoval rozumou záruku (dosaečě vysokou pravděpodobos), že skuečá hodoa eoreického parameru leží uviř iervalu. Tao pravděpodobos souvisí opě s volbou hladiy výzamosi α a sesrojeý ierval pak ese ázev 00 ( - α)% ierval spolehlivosi (apř. pro α = 0,05 půjde o 95% ierval spolehlivosi). Kosrukce iervalu spolehlivosi pro sředí hodou µ ormálího rozděleí pomocí u esu (podmíka kosrukce rozpyl je předem zadá): aisické kriérium : u = - µ Kriické hodoy : Podmíka pro kosrukci iervalu spolehlivosi: -u (α/) ; u(α/) -u (α/) < u< u(α/) Zápisy iervalu spolehlivosi (iervalové odhady µ): - u( α /) < µ < + u( α /)
3 µ - u( α /) ; + u( α /) Kosrukce iervalu spolehlivosi pro sředí hodou µ ormálího rozděleí pomocí esu (podmíka kosrukce rozpyl eí předem zadá, uo vypočía empirický rozpyl ): aisické kriérium : = - µ Kriické hodoy : Podmíka pro kosrukci iervalu spolehlivosi: - - (α/) ; - (α/) - - (α/) < < - (α/) Zápisy iervalu spolehlivosi (iervalové odhady µ): - - ( α /) < µ < + - ( α /) µ - - ( α /) ; + - ( α /) Kosrukce iervalu spolehlivosi pro rozpyl ormálího rozděleí pomocí χ -esu (podmíka kosrukce uo vypočía empirický rozpyl ): aisické kriérium : χ ( -) = Kriické hodoy: Podmíka pro kosrukci iervalu spolehlivosi: χ (-(α/) ), - χ (α/) - χ (-(α/)) < χ < - χ (α/) - Zápisy iervalu spolehlivosi (iervalové odhady ): - χ ( α ) < < - χ - - ( α )
4 - χ ( α ) ; - - χ ( α - ) Zadaý příklad - kosrukce iervalu spolehlivosi pro sředí hodou µ pomocí -esu: aisické kriérium : = - µ - 49 Kriické hodoy : - 49 (α/) ; + 49 (α/) Podmíka pro kosrukci iervalu spolehlivosi: - 49 (α/) < < 49 (α/) Kosrukce iervalu spolehlivosi: - ( 49 α /) < µ < + ( 49 α /) µ - ( 49 α /) ; + ( 49 α /) 49 (α/) = 49 ( 0,05 ) =,96 ( > 33 použií abulek pro u-es) µ,;,779 Zadaý příklad - kosrukce iervalu spolehlivosi pro rozpyl pomocí χ -esu: aisické kriérium : χ ( -) = Kriické hodoy : χ (-(α/) ) = 49 χ (0,975) = 30,60, 49 χ (α/) = 49 χ (0,05) = 70, 49 Podmíka pro kosrukci iervalu spolehlivosi: χ -( - (α/) ) < χ < χ -(α/) Kosrukce iervalu spolehlivosi: - χ ( α ) < < χ ( α ) =,0 0,705;,67 0,839;,7
5 .6.. Základy esováí paramerických hypoéz Tesováí paramerických hypoéz opě vychází z aparáu ulové hypoézy H 0 a aleraiví hypoézy H a. Teo apará je doplě obvyklým aparáem kriického oboru W. Vzhledem k cerálí limií věě je přirozeým předpokladem, že empirickému rozděleí lze přiřadi jako ejvhodější eoreické rozděleí rozděleí ormálí. Paramerické esováí lze rozčlei a jedovýběrové esováí hypoézy o sředí hodoě ebo o rozpylu (pak jsou požíváy jedovýběrové esy u-es a -es pro sředí hodou a jedovýběrový χ -es pro rozpyl) a a dvojvýběrové esováí hypoézy o rovosi sředích hodo ebo rozpylů (pak jsou používáy dvojvýběrové esy u-es a -es pro rovos sředích hodo a dvojvýběrový F-es pro rovos rozpylů). V případě jedovýběrového esováí lze hypoézu H 0 a H a psá ve varu apř. H 0 : µ = µ 0 ebo H 0 : = ο 0, H a : µ µ 0 ebo H a : ο 0. Jedovýběrové paramerické esováí vychází ze srováváí empirického parameru µ ebo empirického parameru (ěmio symboly jsou ozačey výsledky elemeárího saisického zpracováí výběrového saisického souboru V, jejichž prosředicvím byly odhaduy příslušé eoreické paramery µ, odpovídajícího ormálího rozděleí) s ějakými vějšími eoreickými údaji µ 0, 0, jejichž původ může bý rozmaiý (sudium lieraury, výzkumé zprávy, komerčí ukazaele apod.). polečým jmeovaelem ěcho vějších údajů může bý zjišěí, že zřejmě charakerizují určiý výzamý základí saisický soubor Z. Jedovýběrové paramerické esováí pak z pohledu maemaické saisiky odpovídá a oázku, zda zkoumaý výběrový saisický soubor V mohl bý vybrá z popsaého výzamého základího saisického souboru Z. Při povrzeí hypoézy H 0 lze a výsledky zkoumáí výběrového souboru V ahlíže v koeu vyvořeém základím souborem Z, při přijeí hypoézy H a elze z ohoo koeu vycháze. V případě dvojvýběrového esováí lze hypoézu H 0 a H a psá ve varu apř.
6 H 0 : µ = µ ebo H 0 : ο = ο, H a : µ µ ebo H a : ο ο Dvojvýběrové paramerické esováí vychází ze srováváí empirického parameru µ ebo empirického parameru (ěmio symboly jsou ozačey výsledky elemeárího saisického zpracováí výběrového saisického souboru V, jejichž prosředicvím byly odhaduy příslušé eoreické paramery µ, odpovídajícího ormálího rozděleí) s ějakými vějšími eoreickými údaji µ,, jejichž původ lze obvykle aléz ve výsledcích zkoumáí jiého výběrového saisického souboru V. Dvojvýběrové paramerické esováí pak z pohledu maemaické saisiky odpovídá a oázku, zda oba výběrové saisické soubory V a V zkoumaly obdobou oázku a zda yo soubory mohou spolupracova. Při povrzeí hypoézy H 0 lze a výběrové soubory V a V pohlíže jako a výběrové soubory vybraé z éhož základího souboru Z a obvykle se vyplaí saha soubor Z ideifikova. Při přijeí hypoézy H a je uo z pohledu maemaické saisiky vyslovi pochybosi o kompaibiliě souborů V a V. Posup při paramerickém esováí je obdobý jako při esováí eparamerickém. Nejdříve je pořebé aformulova ulovou a aleraiví hypoézu a zvoli hladiu výzamosi α. Pak je pořebé vybra vhodé saisické kriérium (u-es, -es, χ -es, F-es), aléz jeho kriickou hodou a zapsa odpovídající kriický obor W. Posléze je zapořebí přikroči k výpoču empirické hodoy saisického kriéria a zjisi zda je či eí prvkem kriického oboru W. Je-li empirická hodoa prvkem oboru W, je zapořebí přijmou aleraiví hypoézu H a, v opačém případě pak ulovou hypoézu H 0. Přehled ejobecějších saisických kriérií: a) Jedovýběrový u-es (esováí hypoézy o sředí hodoě při zámém rozpylu ) u ep = - µ 0, W = (-, -u(α/) u(α/), ) b) Jedovýběrový -es (esováí hypoézy o sředí hodoě při ezámém rozpylu )
7 ep = - µ 0, W = (-, - - (α/) - (α/), ) c) Dvojvýběrový u-es (esováí hypoézy o rovosi sředích hodo při zámých rozpylech, ) u ep = y +, W = (-, -u(α/) u(α/), ) d) Dvojvýběrový -es (esováí hypoézy o rovosi sředích hodo při ezámých rozpylech, ) ep = ( ) - y y + + ( ) ( + ) W = (-, - +- (α/) +- (α/), ) e) Párový -es (převod dvojvýběrového -esu a -es jedovýběrový a základě ulové hypoézy H 0 : µ - µ =, kde ejčasěji = 0) f) Jedovýběrový χ -es (esováí hypoézy o rozpylu při ezámých paramerech µ, ) ( -) χ ep =, W = 0, χ - (-α/) χ - (α/), )
8 g) Dvojvýběrový F-es (esováí hypoézy o rovosi rozpylů při ezámých paramerech µ, µ,, ) F ep =, W = 0, F-, - (-α/) F -, - (α/), ) y.6.3. Ilusrace paramerického esováí a) Zadaý příklad - esováí hypoézy o sředí hodoě Zjisěe, zda zkoumaý výběrový saisický soubor V (µ =,5) mohl bý při hladiě výzamosi α = 0,05 vybrá ze základího saisického souboru Z, kerý je charakerizová sředí hodoou a) µ 0 =,6, a) µ 0 =,9 (iformace o rozpylu chybí - je uo použí jedovýběrový -es). Formulace ulové a aleraiví hypoézy: H 0 : µ = µ 0, H a : µ µ 0 aisické kriérium : ep = - µ 0 Kriické hodoy : - - (α/), - (α/) Kriický obor : W = (- ; - - (α/) - (α/) ; + ) 49 ( 0,05 ) = u ( 0,05 ) =,96 W = (- ; -,96,96 ; + ) Výpoče eperimeálí hodoy saisického kriéria pro případ a): Hodoy vypočíaé při elemeárím saisickém zpracováí jsou = µ =,5, =,005 vější základí saisický soubor je charakerizová hodoou µ 0 =,6. Po dosazeí lze získa
9 - µ ep = 0 = -0,704 ep W Ierpreace výsledku: Eperimeálí hodoa ep epaří do kriického oboru, a hladiě výzamosi α = 0,05 lze přijmou ulovou hypoézu H 0. Zkoumaý výběrový soubor V mohl bý vybrá z vějšího souboru Z. Rozdíl mezi = µ a µ 0 je a hladiě výzamosi α = 0,05 saisicky evýzamý. Výpoče eperimeálí hodoy saisického kriéria pro případ a): Hodoy vypočíaé při elemeárím saisickém zpracováí jsou = µ =,5, =,005 vější základí saisický soubor je charakerizová hodoou µ 0 =,9. Po dosazeí lze získa ep = - µ 0 = -,84 ep W Ierpreace výsledku: Eperimeálí hodoa ep je prvkem kriického oboru, a hladiě výzamosi α = 0,05 lze zamíou ulovou hypoézu H 0. Zkoumaý výběrový soubor V emohl bý vybrá z vějšího souboru Z. Rozdíl mezi = µ a µ 0 je a hladiě výzamosi α = 0,05 saisicky výzamý. b) Zadaý příklad - esováí hypoézy o rozpylu Zjisěe, zda zkoumaý výběrový saisický soubor V (µ =,5, =,005) mohl bý při hladiě výzamosi α = 0,05 vybrá ze základího saisického souboru Z, kerý je charakerizová směrodaou odchylkou b) 0 =, b) 0 = 0,5 (bude použi jedovýběrový χ -es) Formulace ulové a aleraiví hypoézy: H 0 : = = 0, H a : = 0 aisické kriérium : ( -) χ ep =
10 Kriické hodoy : χ (-α/ ), - χ (α/) - Kriický obor : W = ( 0; χ ( - α/ ) - χ (α/); + ) - W = ( 0; 30,60 70,; + ) Výpoče eperimeálí hodoy saisického kriéria pro případ b): Hodoy vypočíaé při elemeárím saisickém zpracováí jsou =,005, vější základí saisický soubor je charakerizová hodoou 0 =. Po dosazeí lze získa ( -) χ ep = = 49,49 χ ep W Ierpreace výsledku: Eperimeálí hodoa χ ep epaří do kriického oboru, a hladiě výzamosi α = 0,05 lze přijmou ulovou hypoézu H 0. Zkoumaý výběrový soubor V mohl bý vybrá z vějšího souboru Z. Rozdíl mezi = a 0 je a hladiě výzamosi α = 0,05 saisicky evýzamý. Výpoče eperimeálí hodoy saisického kriéria pro případ b): Hodoy vypočíaé při elemeárím saisickém zpracováí jsou =,005, vější základí saisický soubor je charakerizová hodoou 0 = 0,5. Po dosazeí lze získa ( -) χ ep = = 97,96 χ ep W Ierpreace výsledku:
11 Eperimeálí hodoa χ ep paří do kriického oboru, a hladiě výzamosi α = 0,05 lze odmíou ulovou hypoézu H 0. Zkoumaý výběrový soubor V emohl bý vybrá z vějšího souboru Z. Rozdíl mezi = a 0 je a hladiě výzamosi α = 0,05 saisicky výzamý. c) Zadaý příklad - esováí hypoézy o rovosi sředích hodo Obdobé sledováí ekoomického savu jako u zadaého příkladu (zde byl zkoumá výběrový saisický soubor V 50 podiků s výsledkem = µ =,5) vedlo u 00 podiků k průměré hodoě supě eporí schoposi c) y = µ =,6, c) y = µ =,9 (rozpyly byly srovaelé, iformace o velikosi rozpylů však chybí je uo použí dvojvýběrový -es). Zjisěe, zda eo výběrový saisický soubor V mohl bý a hladiě výzamosi α = 0,05 vybrá z éhož základího saisického souboru Z jako soubor V. Formulace ulové a aleraiví hypoézy: H 0 : µ = µ, H a : µ µ aisické kriérium: ep = ( ) - y y + + ( ) ( + ) Kriické hodoy : (α/), + - (α/) Kriický obor : W = (- ; (α/) + - (α/) ; + ) 48( 0,05 ) =,96 W = (- ; -,96,96 ; + ) Výpoče eperimeálí hodoy saisického kriéria pro případ c): Hodoy vypočíaé při elemeárím saisickém zpracováí jsou = y =,0, = µ =,5, y = µ =,6, = 50, = 00. Po dosazeí lze získa ep = ( ) - y y + + ( ) ( + ) = - 0,574 ep W
12 Ierpreace výsledku: Eperimeálí hodoa ep epaří do kriického oboru, a hladiě výzamosi α = 0,05 lze přijmou ulovou hypoézu H 0. Zkoumaý výběrový soubor V a další výběrový soubor V mohly bý vybráy z jedoho a éhož vějšího souboru Z. Rozdíl mezi = µ a y = µ je a hladiě výzamosi α = 0,05 saisicky evýzamý. Výpoče eperimeálí hodoy saisického kriéria pro případ c): Hodoy vypočíaé při elemeárím saisickém zpracováí jsou = y =,0, = µ =,5, y = µ =,9, = 50, = 00. Po dosazeí lze získa ep = ( ) - y y + + ( ) ( + ) = -,98 ep W Ierpreace výsledku: Eperimeálí hodoa ep paří do kriického oboru, a hladiě výzamosi α = 0,05 lze zamíou ulovou hypoézu H 0. Zkoumaý výběrový soubor V a další výběrový soubor V emohly bý vybráy z jedoho a éhož vějšího souboru Z. Rozdíl mezi = µ a y = µ je a hladiě výzamosi α = 0,05 saisicky výzamý. d) Zadaý příklad - esováí hypoézy o rovosi rozpylů Obdobé sledováí ekoomického savu jako u zadaého příkladu (zde byl zkoumá výběrový saisický soubor V 50 podiků s výsledkem = =,0) vedlo u 00 podiků k průměré hodoě supě eporí schoposi, kerá umožila výpoče rozpylu d) = y =, d) = y =,63 (je uo použí dvojvýběrový F-es). Zjisěe, zda eo výběrový saisický soubor V mohl bý a hladiě výzamosi α = 0,05 vybrá z éhož základího saisického souboru Z jako soubor V.
13 Formulace ulové a aleraiví hypoézy: H 0 : = ( = ), H a : (při aplikaci F-esu je zapořebí použí pravosraou hypoézu H a : d) a pravosraou hypoézu H a : y > pro případ d) ) > > pro případ aisické kriérium: F = y pro případ d), F = y pro případ d) Kriický obor: W = F ν, ν (α) ; + ) = F 49, 99 (0,05) ; + ) ν = = 49, ν = = 99 F 49,99 (0,05) =,545 W =,545 ; + ) Výpoče eperimeálí hodoy saisického kriéria pro případ d): Hodoy vypočíaé při elemeárím saisickém zpracováí jsou =,03, y =,0. Po dosazeí lze získa F ep = y =,0 =,0 F ep W Ierpreace výsledku: Eperimeálí hodoa F ep epaří do kriického oboru, a hladiě výzamosi α = 0,05 lze přijmou ulovou hypoézu H 0. Zkoumaý výběrový soubor V a další výběrový soubor V mohly bý vybráy z jedoho a éhož vějšího souboru Z. Rozdíl mezi = =,0 a = y = je a hladiě výzamosi α = 0,05 saisicky evýzamý. Výpoče eperimeálí hodoy saisického kriéria pro případ d): Hodoy vypočíaé při elemeárím saisickém zpracováí jsou =,63. Po dosazeí lze získa y =,0,
14 y F ep = =,63,0 =,65 F ep W Ierpreace výsledku: Eperimeálí hodoa F ep paří do kriického oboru, a hladiě výzamosi α = 0,05 lze odmíou ulovou hypoézu H 0. Zkoumaý výběrový soubor V a další výběrový soubor V emohly bý vybráy z jedoho a éhož vějšího souboru Z. Rozdíl mezi = =,0 a = =,63 je a hladiě výzamosi α = 0,05 saisicky y Korolí oázky: - Proč odhady eoreických paramerů předcházejí srováváí eoreických a empirických paramerů? - Jaké podmíky musí splňova dobré bodové odhady? - Jaké jsou meody bodových odhadů? - Jaké jsou předosi iervalových odhadů? - Popiše způsob kosrukce iervalů spolehlivosi. - Kerá saisická kriéria jsou používáa pro kosrukci iervalů spolehlivosi? - Jaký je apará paramerického esováí? - Jaký je rozdíl mezi jedovýběrovým a dvojvýběrovým esováím paramerických hypoéz? - Jaký je posup při paramerickém esováí? - Uveďe přehled ejobecějších saisických kriérií? Korolí příklad: Farmaceuická firma má vyrábě abley o průměru mm. Teo průměr má v jedokách mm podle dalších výrobců rozděleí N(µ, 0,5). Při korole 36 áhodě vybraých able byla zjišěa hodoa korolovaého průměru,7 mm. Ověře a hladiě výzamosi α = 0,05 hypoézu, že firma produkuje abley o požadovaém průměru.
PRAVDĚPODOBNOST A STATISTIKA
SP Teováí hypoéz PRAVDĚPODOBNOST A STATISTIKA SP Teováí hypoéz Teováí hypoéz Nechť je áhodá proměá, kerá má diribučí fukci Fx, ϑ. Předpokládejme, že záme var diribučí fukce víme jaké má rozděleí a ezáme
VícePřijímací zkouška na navazující magisterské studium 2016
Přijímací zkouška a avazující magiserské sudium 2016 Sudijí program: Sudijí obor: Maemaika Fiačí a pojisá maemaika Variaa A Řešeí příkladů pečlivě odůvoděe. Věuje pozoros ověřeí předpokladů použiých maemaických
VícePřednáška č. 7 Analýza experimentálních údajů, testování statistických hypotéz, testy střední hodnoty
Předáška č 7 Aalýza eperieálích údajů, esoáí saisických hypoéz, esy sředí hodoy K popisu lasosí základího souboru e saisice souboru ýběroého, kerý předsauje určiý koečý poče údajů získaých z proedeých
VíceVolba vhodného modelu trendu
8. Splinové funkce Trend mění v čase svůj charaker Nelze jej v sledovaném období popsa jedinou maemaickou křivkou aplikace echniky zv. splinových funkcí: o Řadu rozdělíme na několik úseků o V každém úseku
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
VíceVYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA. VZORCE PRO 4ST201 a 4ST210
VYOKÁ ŠKOLA EKONOMICKÁ V RAZE FAKULA INFORMAIKY A AIIKY Kaedra sas a pravděpodobos AIIKA VZORCE RO 4 a 4 verze 8 posledí aualzace:. 9. 8 K 8 opsá sasa p p =,,...,... () () ( ),, z, ( z ) ( z ) ( z), z
Více3. POJIŠTĚNÍ OSOB (ŽIVOTNÍ POJIŠTĚNÍ)
3. POJIŠTĚÍ OSOB (ŽIVOTÍ POJIŠTĚÍ) 3.. EMOELOVÝ PŘÍSTUP 3... ekremeí řád vymíráí populace Úmrosí abulky a) Smr je áhodým jevem, kerý se pojišťuje pro účely ŽP sačí pracova s průměrými hodoami záko velkých
Více6 Algoritmy ořezávání a testování polohy
6 lgorim ořezáváí a esováí poloh Sudijí íl Teo blok je věová problemaie vzájemé poloh grafikýh primiiv, zejméa poloze bodu vzhledem k mohoúhelíku včeě jedolivýh speifikýh varia jako jsou čřúhelík, jehož
VícePRAVDĚPODOBNOST A STATISTIKA. Testy hypotéz
SP3 Tey hypoéz PRAVDĚPODOBNOST A STATISTIKA Tey hypoéz Lbor Žá SP3 Tey hypoéz Lbor Žá Tey hypoéz- úvod Nechť X X e áhodý výběr T X X X áhodý veor ezávlé ložy erý má rozděleí závlé a parameru θ Θ Θ R Ozačme:
VíceModelování časových řad akciových výnosů #
Aca Oecoomica Pragesia, roč. 5, č., 2007 Modelováí časových řad akciových výosů # Jiří Trešl Dagmar Blaá * Cílem předložeého příspěvku je ukáza možosi použií růzých modelů vhodých pro aalýzu časových řad
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:
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:
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
VíceMetody odhadu poptávky a nabídky v podmínkách nerovnovážného modelu
4. eziárodí koferece Řízeí a odelováí fiačích rizik Osrava VŠB-TU Osrava, Ekooická fakula, kaedra Fiací.-. září 8 Meody odhadu popávky a abídky v podíkách erovovážého odelu Pavla Vodová Absrak Cíle ohoo
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
VíceÚvod do analýzy časových řad
Úvod do aalýzy časových řad Obsah Úvod... Teoreické základy pro aalýzu časových řad.... Základí pojmy..... Druhy časových řad..... Grafická aalýza.....3 Popisé charakerisiky... 4. Základí úpravy časových
Více4EK211 Základy ekonometrie
4EK Základy ekonomerie Heeroskedasicia Cvičení 7 Zuzana Dlouhá Gauss-Markovy předpoklady Náhodná složka: Gauss-Markovy předpoklady. E(u) = 0 náhodné vlivy se vzájemně vynulují. E(uu T ) = σ I n konečný
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
VíceÚvod do analýzy časových řad
Úvod do aalýz časových řad Doc.Ig. Jaa Hačlová, CSc. Kaedra maemaických meod v ekoomice Ig. Lubor Tvrdý Kaedra regioálí ekoomik Ekoomická fakula, VŠB-TU Osrava Osrava, 003 - - Úvod do aalýz časových řad
VíceVYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA. VZORCE PRO 4ST201 a 4ST210
VYOKÁ ŠKOLA EKONOMICKÁ V RAZE FAKULA INFORMAIKY A AIIKY Kaedra sas a ravděodobos AIIKA VZORCE RO 4 a 4 verze 8 osledí aualzace:. 9. 8 K 8 osá sasa,,...,... ( ( (,, z +, ( z ( z + ( z+, z H H H G... R ma
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
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
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
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
VíceESTIMATION OF DENSITY FUNCTION PARAMETERS WITH CENSORED DATA FROM PRODUCT LIFE TESTS
ESTIMATION OF DENSITY FUNCTION ARAMETERS WITH CENSORED DATA FROM RODUCT LIFE TESTS J.Tůa * Suary: The paper deals wih a saisial ehod for he evaluaio of life es resuls. I is supposed ha oly soe of he es
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,
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
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
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,
VíceTestování statistických hypotéz
Tetováí tatitických hypotéz CHEMOMETRIE I, David MILDE Jedá e o jedu z ejpoužívaějších metod pro vyloveí závěrů o základím ouboru, který ezkoumáme celý, ale pomocí áhodého výběru. Př.: Je obah účié látky
VícePE 301 Podniková ekonomika 2. Garant: Eva KISLINGEROVÁ. Téma Metody mezipodnikového srovnávání. Téma 12. Eva Kislingerová
PE 30 Podiková ekoomika Garat: Eva KISLINGEROVÁ Téma Metody mezipodikového srováváí Eva Kisligerová Téma Eva Kisligerová Vysoká škola ekoomická v Praze 003 - Mezipodikové srováváí Poprvé 956- koferece
VíceOBJEKTOVÁ ALGEBRA. Zdeněk Pezlar. Ústav Informatiky, Provozně-ekonomická fakulta MZLU, Brno, ČR. Abstrakt
OBEKTOVÁ ALGEBRA Zdeěk Pezlar Úsav Iformaiky, Provozě-ekoomická fakula MZLU, Bro, ČR Absrak V objekovém modelu da defiujeme objekové schéma (řídu) jako čveřici skládající se ze jméa řídy, aribuů, domé
VíceVYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA VZORCE PRO 4ST201
VYOKÁ ŠKOLA EKONOMICKÁ V RAZE FAKULTA INFORMATIKY A TATITIKY Kaedra a a ravděodobo TATITIKA VZORCE RO 4T verze.3 oledí aualzace: 4.9.9 KT 9 oá aa,,..., ɶ < z < + < z < + +,5 z +, 5 z H H H G... G... R
VíceStrukturální model nekryté úrokové parity a jeho empirická verifikace 1
5. meziárodí koferece Fiačí řízeí podiku a fiačích isiucí Osrava VŠB-TU Osrava, Ekoomická fakula, kaedra Fiací 7.-8. září 2005 Srukurálí model ekryé úrokové pariy a jeho empirická verifikace 1 Jaroslava
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
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
VíceInvestiční činnost. Existují různá pojetí investiční činnosti: Z pohledu ekonomické teorie. Podnikové pojetí investic
Ivesičí čios Exisují růzá pojeí ivesičí čiosi: Z pohledu ekoomické eorie Podikové pojeí ivesic Klasifikace ivesic v podiku 1) Hmoé (věcé, fyzické, kapiálové) ivesice 2) Nehmoé (emaeriálí) ivesice 3) Fiačí
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
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
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
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
VíceZáklady teorie chyb a zpracování fyzikálních měření Jiří Novák
Zálad eore chb a zpracováí zálích měřeí Jří ová Teo e je zamýšle jao pomůca pro vpracováí laboraorích úloh z z Je urče pouze pro sudjí účel a jeho účelem je objas meod zpracováí měřeí Chb měřeí Druh chb
VíceVYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA VZORCE PRO 4ST201
VYOKÁ ŠKOLA EKONOMICKÁ V RAZE FAKULTA INFORMATIKY A TATITIKY Kaedra a a ravděodobo TATITIKA VZORCE RO 4T verze 4. oledí aualzace: 6.8.6 KT 6 oá aa oá aa =,,..., () ()...,,,, z z z z z H H H G... R = ma
Více14. Testování statistických hypotéz Úvod statistické hypotézy Definice 14.1 Statistickou hypotézou parametrickou neparametrickou. nulovou testovanou
4. Testováí statistických hypotéz Úvod Při práci s daty se mohdy spokojujeme s itervalovým či bodovým odhadem parametrů populace. V mohých případech se však uchylujeme k jiému postupu, většiou jde o případy,
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
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
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
VíceSeznámíte se s principem integrace substituční metodou a se základními typy integrálů, které lze touto metodou vypočítat.
4 Inegrace subsiucí 4 Inegrace subsiucí Průvodce sudiem Inegrály, keré nelze řeši pomocí základních vzorců, lze velmi časo řeši subsiuční meodou Vzorce pro derivace elemenárních funkcí a věy o derivaci
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
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
Více7. cvičení 4ST201-řešení
cvičící 7. cvičeí 4ST21-řešeí Obsah: Bodový odhad Itervalový odhad Testováí hypotéz Vysoká škola ekoomická 1 Úvod: bodový a itervalový odhad Statistický soubor lze popsat pomocípopisých charakteristik
VíceČasové řady elementární charakteristiky
Časové řad elemeárí charakerisik Elemeárí charakerisik vývoje časové řad Příklad: Časová řada ročích produkcí elekrické eergie v Jihomoravském kraji bazický Výroba elekři.. empo růsu empo přírůsku idex
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
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
VíceParciální funkce a parciální derivace
Parciální funkce a parciální derivace Pro sudeny FP TUL Marina Šimůnková 19. září 2018 1. Parciální funkce. Příklad: zvolíme-li ve funkci f : (x, y) sin(xy) pevnou hodnou y, například y = 2, dosaneme funkci
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 -
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
VíceVYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA VZORCE PRO 4ST201
VYOKÁ ŠKOLA EKONOMICKÁ V RAZE FAKULTA INFORMATIKY A TATITIKY Kaedra a a ravděodobo TATITIKA VZORCE RO 4T verze. oledí aalzace:.9.8 KT 8 oá aa,,..., % z z,5 z, 5 z H H H G... G... R ma - m ( ( ( ( ( ( V
VíceČasová zátěž Na prostudování této kapitoly a splnění úkolů s ní spojených budete potřebovat asi 8 hodin studia.
Kapiola 0.: Úvod do aalýzy časových řad Cíl kapioly Po prosudováí éo kapioly budee umě - očisi časovou řadu od důsledků kaledářích variací - graficky zázori okamžikovou i iervalovou časovou řadu - vypočía
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
VíceRizika prognózy tržeb na základě historických dat a jejich důsledky pro vypočtenou hodnotu podniku
Rizika progózy ržeb a základě hisorických da a jejich důsledky pro vypočeou hodou podiku Risks of sales forecasig based o hisorical daa ad heir impac o calculaed busiess value usig he icome capializaio
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
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
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
VíceSP NV Normalita-vlastnosti
SP - - NV Normala-vlasos Přpomeuí vlasosí Normálího rozděleí Charakerscká fukce Lévyho-Ldebergova věa - cerálí lmí věa -rozměré ormálí rozděleí -rozměré ormálí rozděleí Přpomeuí vlasosí Normálího rozděleí
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
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
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
Více7 ANALÝZA ČASOVÝCH ŘAD TRENDOVÁ SLOŽKA
Elea Mielcová Radmila Soklasová a Jaroslav Ramík; Saisické program 7 ANALÝZA ČASOVÝCH ŘAD TRENDOVÁ SLOŽKA RYCHLÝ NÁHLED KAPITOLY Aalýza časových řad umožňuje maemaickým modelem popsa jev a základě časově
VíceDIMENZOVÁNÍ KOMPOZITNÍCH PROFILŮ PREFEN
DIMNZOVÁNÍ KOMPOZITNÍCH PROFILŮ PRFN 1 Kulkova 10/4231, 615 00 Bro el.: 541 583 208, 297, fa.: 549 254 556 e-mail: kompozi@prefa.cz hp://www.prefa-kompozi.cz DIMNZOVÁNÍ PROFILŮ Maeriálová srukura, základí
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
VíceModelování vlivu parametrického buzení na kmitání vetknutého nosníku
. ročík echické koferece ARaP, 4. a 5.. 4, Praha Modelováí vlivu paramerického buzeí a kmiáí vekuého osíku Jiří TŮMA, Per Ferfecki, Pavel ŠURÁNE, Miroslav MAHDA VŠB - Techická uiverzia Osrava ARaP 4 Osova
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 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?
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
VíceOdhad parametrů normálního rozdělení a testy hypotéz o těchto parametrech * Věty o výběru z normálního rozdělení
Odhad parametrů ormálího rozděleí a testy hypotéz o těchto parametrech * Věty o výběru z ormálího rozděleí Nechť, X, X je áhodý výběr z rozděleí N ( µ, ) X, Ozačme výběrový průměr a = X = i = X i i = (
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,
VíceDIFERENCIÁLNÍ ROVNICE
VYSOKÁ ŠKOLA BÁŇSKÁ - TECHNICKÁ UNIVERZITA OSTRAVA Isiu maemaik a deskripiví geomerie DIFERENCIÁLNÍ ROVNICE Maemaika IV Jaroslav Vlček Jiří Vrbický Osrava Předmluva Skripum "Difereciálí rovice" keré vziklo
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,
VíceVÝKONOVÉ DIODY 5000 A 0,1 A I FAV 50 V U RRM V
VÝKONOVÉ DIODY Výkoové polovodičové diody se v aplikacích používají k zabezpečeí průchodu proudu jedím směrem, ejčasěji k usměrňováí sřídavého proudu.,1 A I AV 5 A 5 V RRM 1 V Věkerých aplikacích je požadová
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
VíceGeometrické modelování. Diferenciáln
Geomerické modelováí Difereciál lí geomerie křivekk Křivky v očía ačové grafice Geomerická ierreace Každý krok algorimu má svůj geomerický výzam Flexibilia korola ad růběhem křivky, možos iuiiví ediace
VíceČíslo materiálu VY_32_INOVACE_CTE_2.MA_17_Klopné obvody RS, JK, D, T. Střední odborná škola a Střední odborné učiliště, Dubno Ing.
Číslo projeku CZ..7/.5./34.58 Číslo maeriálu VY_32_INOVACE_CTE_2.MA_7_Klopé obvody RS, JK, D, T. Název školy Auor Temaická oblas Ročík Sředí odborá škola a Sředí odboré učilišě, Dubo Ig. Miroslav Krýdl
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
Více2. ZÁKLADY TEORIE SPOLEHLIVOSTI
2. ZÁKLADY TEORIE SPOLEHLIVOSTI Po úspěšném a akivním absolvování éo KAPITOLY Budee umě: orienova se v základním maemaickém aparáu pro eorii spolehlivosi, j. v poču pravděpodobnosi a maemaické saisice,
VíceNávrh rozložení výroby jednotlivých výrobků do směn sloužící ke snížení zmetkovitosti
MENDELOVA UNIVERZITA V BRNĚ Provozně ekonomická fakula Úsav saisiky a operačního výzkumu Návrh rozložení výroby jednolivých výrobků do směn sloužící ke snížení zmekoviosi Diplomová práce Vedoucí práce:
VíceVyužijeme znalostí z předchozích kapitol, především z 9. kapitoly, která pojednávala o regresní analýze, a rozšíříme je.
Pravděpodobnos a saisika 0. ČASOVÉ ŘADY Průvodce sudiem Využijeme znalosí z předchozích kapiol, především z 9. kapioly, kerá pojednávala o regresní analýze, a rozšíříme je. Předpokládané znalosi Pojmy
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
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,
VíceOdezva na obecnou periodickou budící funkci. Iva Petríková Katedra mechaniky, pružnosti a pevnosti
Odezva a obecou periodickou budící fukci Iva Períková Kaedra mechaiky, pružosi a pevosi Obsah Fourierovy řady Odezva a polyharmoickou fukci Odezva a obecou periodickou fukci Odezva a jedokový skok Příklad
VíceAnalýza citlivosti NPV projektu na bázi ukazatele EVA
3. mezinárodní konference Řízení a modelování finančních rizik Osrava VŠB-U Osrava, Ekonomická fakula, kaedra Financí 6.-7. září 2006 Analýza cilivosi NPV projeku na bázi ukazaele EVA Dagmar Richarová
Vícepopsat charakteristické rysy teorie spolehlivosti technické a matematické aspekty teorie spolehlivosti
4. ZÁKLADY TEORIE SPOLEHLIVOSTI 4.. Teorie spolehlivosi as ke sudiu: miu Cíl: Po prosudováí ohoo odsavce budee um: popsa charakerisické rysy eorie spolehlivosi echické a maemaické aspeky eorie spolehlivosi
VícePřírodovědecká fakulta NÁHODNÉ PROCESY. Ivan Křivý
Přírodovědecká fakula NÁHODNÉ PROCESY Iva Křivý OSTRAVSKÁ UNIVERZITA 5 OSTRAVSKÁ UNIVERZITA NÁHODNÉ PROCESY Iva Křivý ANOTACE Předkládaá disačí opora předsavue úvod do eorie áhodých procesů. Je určea
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
VíceEvakuace osob v objektech zdravotnických zařízení
Evakuace osob v objekech zdravoických zařízeí Ig. Libor Folwarczy, Ph.D., Ig. Jiří Pokorý, Ph.D. Hasičský záchraý sbor Moravskoslezského kraje, Výškovická 40, 700 0 Osrava-Zábřeh E-mail: libor.folwarczy@hzsmsk.cz,
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,
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
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
VíceEKONOMETRIE 9. přednáška Zobecněný lineární regresní model
EKONOMETRIE 9. předáška Zobecěý lieárí regresí model Porušeí základích podmíek klasického modelu Metoda zobecěých emeších čtverců Jestliže sou porušey ěkteré podmíky klasického modelu. E(u),. E (uu`) σ
VíceStudie proveditelnosti (Osnova)
Sudie provedielnosi (Osnova) 1 Idenifikační údaje žadaele o podporu 1.1 Obchodní jméno Sídlo IČ/DIČ 1.2 Konakní osoba 1.3 Definice a popis projeku (max. 100 slov) 1.4 Sručná charakerisika předkladaele
Více