1.6. Srovnání empirických a teoretických parametrů (4.-5.předn.)

Rozměr: px
Začít zobrazení ze stránky:

Download "1.6. Srovnání empirických a teoretických parametrů (4.-5.předn.)"

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

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

Více

Přijímací zkouška na navazující magisterské studium 2016

Přijímací 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

Více

Přednáška č. 7 Analýza experimentálních údajů, testování statistických hypotéz, testy střední hodnoty

Přednáška 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

Více

Volba vhodného modelu trendu

Volba 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

Více

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.

6 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

Více

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA. VZORCE PRO 4ST201 a 4ST210

VYSOKÁ 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

Více

3. POJIŠTĚNÍ OSOB (ŽIVOTNÍ POJIŠTĚNÍ)

3. 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

Více

6 Algoritmy ořezávání a testování polohy

6 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

Více

PRAVDĚPODOBNOST A STATISTIKA. Testy hypotéz

PRAVDĚPODOBNOST 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:

Více

Modelování časových řad akciových výnosů #

Modelování 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

Více

Odhady parametrů 1. Odhady parametrů

Odhady 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:

Více

Intervalové odhady parametrů některých rozdělení.

Intervalové 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:

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST 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

Více

Metody odhadu poptávky a nabídky v podmínkách nerovnovážného modelu

Metody 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

Více

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost 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

Více

Úvod do analýzy časových řad

Úvod 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

Více

4EK211 Základy ekonometrie

4EK211 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

Více

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti.

odhady 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

Více

Úvod do analýzy časových řad

Úvod 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

Více

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA. VZORCE PRO 4ST201 a 4ST210

VYSOKÁ 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

Více

0,063 0,937 0,063 0, P 0,048 0,078 0,95. = funkce CONFIDENCE.NORM(2α; p(1 p)

0,063 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

Více

NEPARAMETRICKÉ METODY

NEPARAMETRICKÉ 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

Více

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.

Odhady 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

Více

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

ZÁKLADNÍ 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

Více

ESTIMATION OF DENSITY FUNCTION PARAMETERS WITH CENSORED DATA FROM PRODUCT LIFE TESTS

ESTIMATION 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

Více

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost 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,

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST 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

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST 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

Více

V. Normální rozdělení

V. 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,

Více

Testování statistických hypotéz

Testování 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

Více

PE 301 Podniková ekonomika 2. Garant: Eva KISLINGEROVÁ. Téma Metody mezipodnikového srovnávání. Téma 12. Eva Kislingerová

PE 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

Více

OBJEKTOVÁ ALGEBRA. Zdeněk Pezlar. Ústav Informatiky, Provozně-ekonomická fakulta MZLU, Brno, ČR. Abstrakt

OBJEKTOVÁ 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

Více

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA VZORCE PRO 4ST201

VYSOKÁ 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

Více

Strukturální model nekryté úrokové parity a jeho empirická verifikace 1

Strukturální 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

Více

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ

TESTOVÁNÍ 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

Více

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:

Odhady 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

Více

Investiční činnost. Existují různá pojetí investiční činnosti: Z pohledu ekonomické teorie. Podnikové pojetí investic

Investiční 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

Více

Náhodný výběr 1. Náhodný výběr

Náhodný 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

Více

Deskriptivní statistika 1

Deskriptivní 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

Více

Pravděpodobnostní model doby setrvání ministra školství ve funkci

Pravděpodobnostní 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

Více

Testování statistických hypotéz

Testování 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

Více

Základy teorie chyb a zpracování fyzikálních měření Jiří Novák

Základy 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

Více

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA VZORCE PRO 4ST201

VYSOKÁ 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

Více

14. Testování statistických hypotéz Úvod statistické hypotézy Definice 14.1 Statistickou hypotézou parametrickou neparametrickou. nulovou testovanou

14. 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,

Více

Odhady parametrů základního. Ing. Michal Dorda, Ph.D.

Odhady parametrů základního. Ing. Michal Dorda, Ph.D. Odhady parametrů základího souboru Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt celou populac, provádíme

Více

Mezní stavy konstrukcí a jejich porušov. Hru IV. Milan RůžR. zbynek.hruby.

Mezní 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

Více

Metody zkoumání závislosti numerických proměnných

Metody 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

Více

Seznámíte se s principem integrace substituční metodou a se základními typy integrálů, které lze touto metodou vypočítat.

Seznámíte 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

Více

vají statistické metody v biomedicíně

vají 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

Více

Cvičení 6.: Bodové a intervalové odhady střední hodnoty, rozptylu a koeficientu korelace, test hypotézy o střední hodnotě při známém rozptylu

Cvičení 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

Více

7. cvičení 4ST201-řešení

7. 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

Více

Časové řady elementární charakteristiky

Časové 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

Více

Úloha II.S... odhadnutelná

Úloha 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

Více

Přednáška VI. Intervalové odhady. Motivace Směrodatná odchylka a směrodatná chyba Centrální limitní věta Intervaly spolehlivosti

Přednáška 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

Více

Parciální funkce a parciální derivace

Parciální 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

Více

8 DALŠÍ SPOJITÁ ROZDĚLENÍ PRAVDĚPODOBNOSTI

8 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 -

Více

Intervalové odhady parametrů

Intervalové 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

Více

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA VZORCE PRO 4ST201

VYSOKÁ 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

Více

Časová zátěž Na prostudování této kapitoly a splnění úkolů s ní spojených budete potřebovat asi 8 hodin studia.

Časová 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

Více

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

Ilustrativní 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

Více

Rizika prognózy tržeb na základě historických dat a jejich důsledky pro vypočtenou hodnotu podniku

Rizika 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

Více

P2: Statistické zpracování dat

P2: 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

Více

Intervalový odhad. nazveme levostranným intervalem pro odhad parametru Θ. Statistiku. , kde číslo α je blízké nule, nazveme horním

Intervalový 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

Více

Cvičení 6.: Výpočet střední hodnoty a rozptylu, bodové a intervalové odhady střední hodnoty a rozptylu

Cvičení 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

Více

SP NV Normalita-vlastnosti

SP 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

Více

3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě.

3. 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

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojního inženýrství. Matematika IV. Semestrální práce

VYSOKÉ 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

Více

vají statistické metody v biomedicíně Literatura Statistika v biomedicínsk nském výzkumu a ve zdravotnictví

vají 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

Více

7 ANALÝZA ČASOVÝCH ŘAD TRENDOVÁ SLOŽKA

7 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

Více

DIMENZOVÁNÍ KOMPOZITNÍCH PROFILŮ PREFEN

DIMENZOVÁNÍ 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

Více

Pravděpodobnostní modely

Pravděpodobnostní 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

Více

Modelování vlivu parametrického buzení na kmitání vetknutého nosníku

Modelování 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

Více

Interval spolehlivosti pro podíl

Interval 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

Více

Přednáška VIII. Testování hypotéz o kvantitativních proměnných

Přednáška 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?

Více

7. Odhady populačních průměrů a ostatních parametrů populace

7. 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

Více

Odhad parametrů normálního rozdělení a testy hypotéz o těchto parametrech * Věty o výběru z normálního rozdělení

Odhad 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 = (

Více

STATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson

STATISTIKA. 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,

Více

DIFERENCIÁLNÍ ROVNICE

DIFERENCIÁLNÍ 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

Více

Národní informační středisko pro podporu jakosti

Národní 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,

Více

VÝKONOVÉ DIODY 5000 A 0,1 A I FAV 50 V U RRM V

VÝKONOVÉ 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

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST 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

Více

Geometrické modelování. Diferenciáln

Geometrické 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

Více

Číslo materiálu VY_32_INOVACE_CTE_2.MA_17_Klopné obvody RS, JK, D, T. Střední odborná škola a Střední odborné učiliště, Dubno Ing.

Číslo 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

Více

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

Přednáška 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

Více

2. ZÁKLADY TEORIE SPOLEHLIVOSTI

2. 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,

Více

Návrh rozložení výroby jednotlivých výrobků do směn sloužící ke snížení zmetkovitosti

Návrh 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:

Více

Využijeme znalostí z předchozích kapitol, především z 9. kapitoly, která pojednávala o regresní analýze, a rozšíříme je.

Využijeme 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

Více

12. N á h o d n ý v ý b ě r

12. 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

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST 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,

Více

Odezva na obecnou periodickou budící funkci. Iva Petríková Katedra mechaniky, pružnosti a pevnosti

Odezva 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

Více

Analýza citlivosti NPV projektu na bázi ukazatele EVA

Analýza 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

Více

popsat charakteristické rysy teorie spolehlivosti technické a matematické aspekty teorie spolehlivosti

popsat 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

Více

Přírodovědecká fakulta NÁHODNÉ PROCESY. Ivan Křivý

Přírodovědecká 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

Více

8. Odhady parametrů rozdělení pravděpodobnosti

8. 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

Více

Evakuace osob v objektech zdravotnických zařízení

Evakuace 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,

Více

UPLATNĚNÍ ZKOUŠEK PŘI PROHLÍDKÁCH MOSTŮ

UPLATNĚNÍ 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,

Více

Základní požadavky a pravidla měření

Základní 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

Více

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE

ČESKÉ 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

Více

EKONOMETRIE 9. přednáška Zobecněný lineární regresní model

EKONOMETRIE 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

Více

Studie proveditelnosti (Osnova)

Studie 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