Cvičení 1. Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc.

Rozměr: px
Začít zobrazení ze stránky:

Download "Cvičení 1. Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc."

Transkript

1 1 Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. Katedra počítačových systémů Katedra teoretické informatiky Fakulta informačních technologií České vysoké učení technické v Praze Rudolf Blažek 2011 BI-PST, LS 2010/11 Evropský sociální fond Praha & EU: Investujeme do vaší budoucnos@

2 Pravděpodobnost & Statistika Vše začalo hazardními hrami! 2

3 Věštění & Hazardní hry Starobylé Civilizace: Házení několika kostiček prstů s očíslovanými stranami (astragali = talus = knucklebone) Egyptské Hrobky Kostky nalezeny v hrobech z doby 2000 let před Kristem Renezance Hazardní hry s kostkami 3

4 Chevalier de Méré, 1654 Dva lidé, A a B, hrají opakovaně férové (50:50) náhodné hry dokud jeden hráč nevyhraje 6x. Oba hráči vsadili stejnou částku, vítěz bere vše. Série her je předčasně přerušena: A vyhrál 5x a B vyhrál 3x. Jak by si měli rozdělit vloženou sázku? 4

5 Blaire Pascal and Pierre de Fermat A by měl dostat 7/8 celkové výhry. Proč? 5

6 Blaire Pascal and Pierre de Fermat A by měl dostat 7/8 celkové výhry. Nápověda: A vyhrál 5x a B vyhrál 3x. Pokud by se ve hře pokračovalo, jak by B mohl vyhrát 6x? Hráči A stačí vyhrát pouze jednou Takže B už nesmí prohrát P(BBB) = 1/2 x 1/2 x 1/2 = 1/8 6

7 Házení mincí Měl bych hrát následující hru? Hoď 2x mincí (Head / Tail; Panna / Orel) Vyhraji, pokud se výsledky liší: HT or TH Pravděpodobnost výhry P(HT, TH) = P(HT) + P(TH) = P(H1)P(T2) + P(T1)P(H2) Vyvážená mince: (1/2) (1/2) + (1/2) (1/2) = 1/2 P(H) = 1/4: (1/4) (3/4) + (3/4) (1/4) = 3/8 P(H) = 3/4: (3/4) (1/4) + (1/4) (3/4) = 3/8 Ujistěte se, že mince je vyvážená! 7

8 Statistické Metody Pravděpodobnost versus statistické metody 8

9 Statistické Metody Pravděpodobnost Vyberu náhodně 30 kuliček (s vracením) Vidím do krabičky: V krabičče mám 60% červených kuliček Nevidím do dlaně P(20 z 30 je červených) =? (0.6) 20 (0.4) 10 =

10 Statistické Metody Statistika Vyberu náhodně 30 kuliček (s vracením) Vidím do dlaně: 20 z 30 je červených Nevidím do krabičky Kolik procent kuliček v krabičce je asi červených? 10

11 Statistické Metody Statistika: Bodové a intervalové odhady Vyberu náhodně 30 kuliček (s vracením) Vidím do dlaně: 20 z 30 je červených Kolik procent kuliček Nevidím do krabičky v krabičce je asi červených? Bodový odhad: cca 2/3 = 66.67% Intervalový odhad s 95% spolehlivostí: 48.76% 84.57% 11

12 Statistické Metody Statistika: Testování hypotéz Vyberu náhodně 30 kuliček (s vracením) Vidím do dlaně: 20 z 30 je červených Nevidím do krabičky Je v krabičce 40% červených kuliček? Závěr s 95% jistotou: NE Protože na 95% věřím: 48.76% 84.57% 12

13 Základy Pravděpodobnosti P (A) = size of A size of Vennův Diagram! A P (A) = area(a) area( ) Pravděpodobnost negace, doplňku P (Ā) =1 P (A) 13

14 Základy Pravděpodobnosti Pravděpodobnost sjednocení (A nebo B)! A B P (A B) = area(a B) area( ) area(a B) =area(a)+area(b) area(a B) P (A B) =P (A)+P (B) P (A B) P (A B) =P (A)+P (B) pro disjunktní jevy (A B = ) 14

15 Prostor elementárních jevů a pravděpodobnost Cvičení Pravděpodobnost Pravděpodobnostní zákon Každému náhodnému jevu A přiřadíme jeho pravděpodobnost P(A). Ta musí splňovat přirozené axiomy: Definice (Axiomy pravděpodobnosti) Nezápornost. P(A) 0 pro každý jev A. Normalizace. Pravděpodobnost souboru všech elementárních jevů je 1, P( ) =1. (Množina je ve svém souhrnu vyčerpávající.) Aditivita. Jsou-li A a B dva disjunktní jevy (jinými slovy vzájemně exklusivní), je pravděpodobnost jejich sjednocení součtem jejich pravděpodobností, P(A [ B) =P(A)+P(B). Obecněji, je-li A 1, A 2,... posloupnost disjunktních jevů (A i \ A j =? pro i 6= j), pak P([ i 1 A i )= X i 1 P(A i ). RomanRudolf Kotecký, Blažek, Rudolf Ph.D. Blažek (ČVUT) (FIT ČVUT) Základní Pravděpodobnost pojmy pravděpodobnosti a statistika BI-PST, LSBI-PST, 2010/11, LS2010/11 Přednáška 1 8 / 1815

16 Základy Pravděpodobnosti Dokažte, že pro jevy A, B a C platí P(A [ B [ C) =P(A) +P(B) +P c P(A \ B) P(B \ C) P(C \ A) + P(A \ B \ C) 16

17 Základy pravděpodobnosti Student si musí vybrat přesně dva ze tří volitelných předmětů Kreslení; Francoužština; Matematika Víme, že si vybere Kreslení s pravděpodobností 5/8 Francoužštinu s pravděpodobností 5/8 Kreslení a Francoužštinu zároveň s pravděpodobností 1/4 Jaká je pravděpodobnost, že student si vybere Matematiku? Kreslení nebo Matematiku? Rada: Nakreslete si Vennův diagram 17

Pravděpodobnost a statistika (BI-PST) Cvičení č. 1

Pravděpodobnost a statistika (BI-PST) Cvičení č. 1 Pravděpodobnost a statistika (BI-PST) Cvičení č. 1 Katedra aplikované matematiky Fakulta informačních technologií České vysoké učení technické v Praze ZS 2014/2015 (FIT ČVUT) BI-PST, Cvičení č. 1 ZS 2014/2015

Více

Cvičení 5. Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc.

Cvičení 5. Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. 5 Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. Katedra počítačových systémů Katedra teoretické informatiky Fakulta informačních technologií České vysoké učení technické v

Více

Cvičení 3. Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc.

Cvičení 3. Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. Cvičení 3 Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. Katedra počítačových systémů Katedra teoretické informatiky Fakulta informačních technologií České vysoké učení technické

Více

Intervalové Odhady Parametrů

Intervalové Odhady Parametrů Parametrů Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. Katedra počítačových systémů Katedra teoretické informatiky Fakulta informačních technologií České vysoké učení technické v Praze

Více

Intervalové Odhady Parametrů II Testování Hypotéz

Intervalové Odhady Parametrů II Testování Hypotéz Parametrů II Testování Hypotéz Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. Katedra počítačových systémů Katedra teoretické informatiky Fakulta informačních technologií České vysoké učení

Více

Cvičení 10. Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc.

Cvičení 10. Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. 10 Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. Katedra počítačových systémů Katedra teoretické informatiky Fakulta informačních technologií České vysoké učení technické

Více

Mgr. Rudolf Blažek, Ph.D. prof. RNDr. Roman Kotecký Dr.Sc.

Mgr. Rudolf Blažek, Ph.D. prof. RNDr. Roman Kotecký Dr.Sc. Náhodné veličiny III Mgr. Rudolf Blažek, Ph.D. prof. RNDr. Roman Kotecký Dr.Sc. Katedra teoretické informatiky Fakulta informačních technologií České vysoké učení technické v Praze c Rudolf Blažek, Roman

Více

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobnost a aplikovaná statistika MGR. JANA SEKNIČKOVÁ, PH.D. 1. KAPITOLA - PRAVDĚPODOBNOST 2.10.2017 Kontakt Mgr. Jana Sekničková, Ph.D. jana.seknickova@vse.cz Katedra softwarového inženýrství Fakulta

Více

Pravděpodobnost a statistika (BI-PST) Cvičení č. 2

Pravděpodobnost a statistika (BI-PST) Cvičení č. 2 Pravděpodobnost a statistika (BI-PST) Cvičení č. 2 J. Hrabáková, I. Petr, F. Štampach, D. Vašata Katedra aplikované matematiky Fakulta informačních technologií České vysoké učení technické v Praze ZS 2014/2015

Více

Cvičení 11. Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc.

Cvičení 11. Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. 11 Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. Katedra počítačových systémů Katedra teoretické informatiky Fakulta informačních technologií České vysoké učení technické

Více

B) EX = 0,5, C) EX = 1, F) nemáme dostatek informací.

B) EX = 0,5, C) EX = 1, F) nemáme dostatek informací. Hlasovací otázka 9 Náhodná veličina X nabývá jen dvou různých hodnot, 0 a 1. Předpokládejme P(X = 0) = 0,5. Co můžeme říci o EX? Hlasovací otázka 9 Náhodná veličina X nabývá jen dvou různých hodnot, 0

Více

Pravděpodobnost je. Martina Litschmannová Katedra aplikované matematiky, FEI, VŠB-TU Ostrava

Pravděpodobnost je. Martina Litschmannová Katedra aplikované matematiky, FEI, VŠB-TU Ostrava Pravděpodobnost je Martina Litschmannová Katedra aplikované matematiky, FEI, VŠB-TU Ostrava ŠKOMAM, 24. 1. 2017 Čím se zabývá teorie pravděpodobnosti? Pokus děj, který probíhá, resp. nastává opakovaně

Více

Odhady Parametrů Lineární Regrese

Odhady Parametrů Lineární Regrese Odhady Parametrů Lineární Regrese Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. Katedra počítačových systémů Katedra teoretické informatiky Fakulta informačních technologií České vysoké

Více

SEMINÁRNÍ PRÁCE Z MATEMATIKY

SEMINÁRNÍ PRÁCE Z MATEMATIKY SEMINÁRNÍ PRÁCE Z MATEMATIKY PETROHRADSKÝ PARADOX TEREZA KIŠOVÁ 4.B 28.10.2016 MOTIVACE: K napsání této práce mě inspiroval název tématu. Když jsem si o petrohradském paradoxu zjistila nějaké informace

Více

2. přednáška - PRAVDĚPODOBNOST

2. přednáška - PRAVDĚPODOBNOST 2. přednáška - PRAVDĚPODOBNOST NÁHODNÝ POKUS A JEV Každá opakovatelná činnost prováděná za stejných nebo přibližně stejných podmínek, jejíž výsledek je nejistý a závisí na náhodě, se nazývá náhodný pokus.

Více

prof. RNDr. Roman Kotecký DrSc., Dr. Rudolf Blažek, PhD Pravděpodobnost a statistika Katedra teoretické informatiky Fakulta informačních technologií

prof. RNDr. Roman Kotecký DrSc., Dr. Rudolf Blažek, PhD Pravděpodobnost a statistika Katedra teoretické informatiky Fakulta informačních technologií prof. RNDr. Roman Kotecký DrSc., Dr. Rudolf Blažek, PhD Katedra teoretické informatiky Fakulta informačních technologií České vysoké učení technické v Praze c Rudolf Blažek, Roman Kotecký, 2011 Pravděpodobnost

Více

Diskrétní matematika. DiM /01, zimní semestr 2016/2017

Diskrétní matematika. DiM /01, zimní semestr 2016/2017 Diskrétní matematika Petr Kovář petr.kovar@vsb.cz Vysoká škola báňská Technická univerzita Ostrava DiM 470-2301/01, zimní semestr 2016/2017 O tomto souboru Tento soubor je zamýšlen především jako pomůcka

Více

Inovace bakalářského studijního oboru Aplikovaná chemie

Inovace bakalářského studijního oboru Aplikovaná chemie http://aplchem.upol.cz CZ.1.07/2.2.00/15.0247 Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. Základy zpracování dat chemometrie, statistika Doporučenáliteratura

Více

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC Přednáška 03 Přírodovědecká fakulta Katedra matematiky KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC jiri.cihlar@ujep.cz Diskrétní rozdělení Důležitá diskrétní rozdělení pravděpodobnosti

Více

Diskrétní matematika. DiM /01, zimní semestr 2018/2019

Diskrétní matematika. DiM /01, zimní semestr 2018/2019 Diskrétní matematika Petr Kovář petr.kovar@vsb.cz Vysoká škola báňská Technická univerzita Ostrava DiM 470-2301/01, zimní semestr 2018/2019 O tomto souboru Tento soubor je zamýšlen především jako pomůcka

Více

TEORIE PRAVDĚPODOBNOSTI. 2. cvičení

TEORIE PRAVDĚPODOBNOSTI. 2. cvičení TEORIE RAVDĚODONOSTI 2. cvičení Základní pojmy Klasická def. Statistická def. Geometrická def. odmíněná prav. ayesův teorém Test Základní pojmy Náhodný pokus - je každý konečný děj, jehož výsledek není

Více

Přednáška. Diskrétní náhodná proměnná. Charakteristiky DNP. Základní rozdělení DNP

Přednáška. Diskrétní náhodná proměnná. Charakteristiky DNP. Základní rozdělení DNP IV Přednáška Diskrétní náhodná proměnná Charakteristiky DNP Základní rozdělení DNP Diskrétní náhodná veličina Funkce definovaná na Ω, přiřazující každému elementárnímu jevu E prvky X(E) D R kde D je posloupnost

Více

Náhodné jevy. Teorie pravděpodobnosti. Náhodné jevy. Operace s náhodnými jevy

Náhodné jevy. Teorie pravděpodobnosti. Náhodné jevy. Operace s náhodnými jevy Teorie pravděpodobnosti Náhodný pokus skončí jedním z řady možných výsledků předem nevíme, jak skončí (náhoda) příklad: hod kostkou, zítřejší počasí,... Pravděpodobnost zkoumá náhodné jevy (mohou, ale

Více

Pravděpodobnost a matematická statistika

Pravděpodobnost a matematická statistika Pravděpodobnost a matematická statistika Příklady k přijímacím zkouškám na doktorské studium 1 Popisná statistika Určete aritmetický průměr dat, zadaných tabulkou hodnot x i a četností n i x i 1 2 3 n

Více

Inženýrská statistika pak představuje soubor postupů a aplikací teoretických principů v oblasti inženýrské činnosti.

Inženýrská statistika pak představuje soubor postupů a aplikací teoretických principů v oblasti inženýrské činnosti. Přednáška č. 1 Úvod do statistiky a počtu pravděpodobnosti Statistika Statistika je věda a postup jak rozvíjet lidské znalosti použitím empirických dat. Je založena na matematické statistice, která je

Více

Pravděpodobnost a statistika

Pravděpodobnost a statistika Pravděpodobnost a statistika 1 Náhodné pokusy a náhodné jevy Činnostem, jejichž výsledek není jednoznačně určen podmínkami, za kterých probíhají, a které jsou (alespoň teoreticky) neomezeně opakovatelné,

Více

Pravděpodobnost a statistika (BI-PST) Cvičení č. 4

Pravděpodobnost a statistika (BI-PST) Cvičení č. 4 Pravděpodobnost a statistika (BI-PST) Cvičení č. 4 J. Hrabáková, I. Petr, F. Štampach, D. Vašata Katedra aplikované matematiky Fakulta informačních technologií České vysoké učení technické v Praze ZS 2014/2015

Více

Pravděpodobnost Podmíněná p. Úplná p. III. Pravděpodobnost. III. Pravděpodobnost Statistika A (ZS 2015)

Pravděpodobnost Podmíněná p. Úplná p. III. Pravděpodobnost. III. Pravděpodobnost Statistika A (ZS 2015) III Pravděpodobnost Pravděpodobnost Podmíněná p. Úplná p. Odkud se bere pravděpodobnost? 1. Pravděpodobnost, že z balíčku zamíchaných karet vytáhmene dvě esa je přibližně 0:012. Modely a teorie. 2. Pravděpodobnost,

Více

Informační a znalostní systémy

Informační a znalostní systémy Informační a znalostní systémy Teorie pravděpodobnosti není v podstatě nic jiného než vyjádření obecného povědomí počítáním. P. S. de Laplace Pravděpodobnost a relativní četnost Pokusy, výsledky nejsou

Více

Dobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze

Dobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze Dobývání znalostí Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze Dobývání znalostí Pravděpodobnost a učení Doc. RNDr. Iveta Mrázová,

Více

Tomáš Karel LS 2012/2013

Tomáš Karel LS 2012/2013 Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není

Více

Lékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.)

Lékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.) Lékařská biofyzika, výpočetní technika I Biostatistika Josef Tvrdík (doc. Ing. CSc.) Přírodovědecká fakulta, katedra informatiky josef.tvrdik@osu.cz konzultace úterý 14.10 až 15.40 hod. http://www1.osu.cz/~tvrdik

Více

Cvičení z logiky II.

Cvičení z logiky II. Cvičení z logiky II. RNDr. Kateřina Trlifajová PhD. Katedra teoretické informatiky Fakulta informačních technologíı České vysoké učení technické v Praze c Kateřina Trlifajová, 2010 BI-MLO, ZS 2011/12 https://edux.fit.cvut.cz/courses/bi-mlo/lectures/

Více

III. Úplná pravděpodobnost. Nezávislé pokusy se dvěma výsledky. Úplná pravděpodobnost Nezávislé pokusy se dvěma výsledky Náhodná veličina

III. Úplná pravděpodobnost. Nezávislé pokusy se dvěma výsledky. Úplná pravděpodobnost Nezávislé pokusy se dvěma výsledky Náhodná veličina III Přednáška Úplná pravděpodobnost Nezávislé pokusy se dvěma výsledky Náhodná veličina Pravděpodobnost při existenci neslučitelných hypotéz Věta Mějme jev. Pokud H 1,H 2, : : :,H n tvoří úplnou skupinu

Více

Teorie pravěpodobnosti 1

Teorie pravěpodobnosti 1 Teorie pravěpodobnosti 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Náhodný jev a pravděpodobnost Každou zákonitost sledovanou v přírodě lze zjednodušeně charakterizovat jako

Více

Tomáš Karel LS 2012/2013

Tomáš Karel LS 2012/2013 Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není

Více

Ing. Michael Rost, Ph.D.

Ing. Michael Rost, Ph.D. Statistika úvodní přednáška Ing. Michael Rost, Ph.D. Jihočeská univerzita v Českých Budějovicích Cíle základního kurzu: seznámit posluchače se základy počtu pravděpodobnosti, seznámit posluchače s aspekty

Více

IB112 Základy matematiky

IB112 Základy matematiky IB112 Základy matematiky Základy kombinatoriky a kombinatorická pravděpodobnost Jan Strejček Obsah IB112 Základy matematiky: Základy kombinatoriky a kombinatorická pravděpodobnost 2/57 Výběry prvků bez

Více

Pravděpodobnost a její vlastnosti

Pravděpodobnost a její vlastnosti Pravděpodobnost a její vlastnosti 1 Pravděpodobnost a její vlastnosti Náhodné jevy Náhodný jev je výsledek pokusu (tj. realizace určitého systému podmínek) a jeho charakteristickým rysem je, že může, ale

Více

Zákony pro lidi - Monitor změn (zdroj: https://apps.odok.cz/attachment/-/down/1ornamnbrspx) Návrh VYHLÁŠKA

Zákony pro lidi - Monitor změn (zdroj: https://apps.odok.cz/attachment/-/down/1ornamnbrspx) Návrh VYHLÁŠKA Návrh VYHLÁŠKA ze dne... 2017 o způsobu zasílání a oznamování informací a dat provozovateli hazardních her a jejich parametrů a rozsahu Ministerstvo financí stanoví podle 133 odst. 1 písm. a) zákona č.

Více

Pascalova sázka. Masarykova univerzita, Přírodovědecká fakulta Ústav matematiky a statistiky

Pascalova sázka. Masarykova univerzita, Přírodovědecká fakulta Ústav matematiky a statistiky Pascalova sázka O náhodě, pravděpodobnosti, poznávání a rozhodování Zdeněk Pospíšil Masarykova univerzita, Přírodovědecká fakulta Ústav matematiky a statistiky Univerzita třetího věku 1. dubna 2016 Úvod

Více

Cvičení ze statistiky - 5. Filip Děchtěrenko

Cvičení ze statistiky - 5. Filip Děchtěrenko Cvičení ze statistiky - 5 Filip Děchtěrenko Minule bylo.. Začali jsme pravděpodobnost Klasická a statistická definice pravděpodobnosti Náhodný jev Doplněk, průnik, sjednocení Podmíněná pravděpodobnost

Více

Logika II. RNDr. Kateřina Trlifajová PhD. Katedra teoretické informatiky Fakulta informačních technologíı BI-MLO, ZS 2011/12

Logika II. RNDr. Kateřina Trlifajová PhD. Katedra teoretické informatiky Fakulta informačních technologíı BI-MLO, ZS 2011/12 Logika II. RNDr. Kateřina Trlifajová PhD. Katedra teoretické informatiky Fakulta informačních technologíı České vysoké učení technické v Praze c Kateřina Trlifajová, 2010 BI-MLO, ZS 2011/12 Evropský sociální

Více

Pravděpodobnost a statistika

Pravděpodobnost a statistika Pravděpodobnost a statistika Teorie pravděpodobnosti popisuje vznik náhodných dat, zatímco matematická statistika usuzuje z dat na charakter procesů, jimiž data vznikla. NÁHODNOST - forma existence látky,

Více

Matematika III. 27. září Vysoká škola báňská - Technická univerzita Ostrava. Matematika III

Matematika III. 27. září Vysoká škola báňská - Technická univerzita Ostrava. Matematika III Vysoká škola báňská - Technická univerzita Ostrava 27. září 2018 Teorie pravděpodobnosti Teorie pravděpodobnosti je odvětvím matematiky, které studuje matematické modely náhodných pokusu, tedy zabývá se

Více

pravděpodobnosti a Bayesova věta

pravděpodobnosti a Bayesova věta NMUMP0 (Pravděpodobnost a matematická statistika I) Nezávislost, podmíněná pravděpodobnost, věta o úplné pravděpodobnosti a Bayesova věta. Házíme dvěma pravidelnými kostkami. (a) Jaká je pravděpodobnost,

Více

Diskrétní pravděpodobnost

Diskrétní pravděpodobnost Diskrétní pravděpodobnost Jiří Koula Definice. Konečným pravděpodobnostním prostorem nazveme dvojici(ω, P), kde Ω jekonečnámnožina {ω 1,..., ω n}apfunkcepřiřazujícíkaždépodmnožiněωčíslo zintervalu 0,1,splňujícíP(

Více

Matematika III. 4. října Vysoká škola báňská - Technická univerzita Ostrava. Matematika III

Matematika III. 4. října Vysoká škola báňská - Technická univerzita Ostrava. Matematika III Vysoká škola báňská - Technická univerzita Ostrava 4. října 2018 Podmíněná pravděpodobnost Při počítání pravděpodobnosti můžeme k náhodnému pokusu přidat i nějakou dodatečnou podmínku. Podmíněná pravděpodobnost

Více

Historie matematiky a informatiky Cvičení 4

Historie matematiky a informatiky Cvičení 4 Historie matematiky a informatiky Cvičení 4 Doc. RNDr. Alena Šolcová, Ph. D., KAM, FIT ČVUT v Praze 2014 Evropský sociální fond Investujeme do vaší budoucnosti Alena Šolcová Čísla speciálních tvarů a jejich

Více

4. cvičení 4ST201. Pravděpodobnost. Obsah: Pravděpodobnost Náhodná veličina. Co je třeba znát z přednášek

4. cvičení 4ST201. Pravděpodobnost. Obsah: Pravděpodobnost Náhodná veličina. Co je třeba znát z přednášek cvičící 4. cvičení 4ST201 Obsah: Pravděpodobnost Náhodná veličina Vysoká škola ekonomická 1 Pravděpodobnost Co je třeba znát z přednášek 1. Náhodný jev, náhodný pokus 2. Jev nemožný, jev jistý 3. Klasická

Více

Intuitivní pojem pravděpodobnosti

Intuitivní pojem pravděpodobnosti Pravděpodobnost Intuitivní pojem pravděpodobnosti Intuitivní pojem pravděpodobnosti Pravděpodobnost zkoumaného jevu vyjadřuje míru naděje, že tento jev nastane. Řekneme-li, že má nějaký jev pravděpodobnost

Více

Testování a spolehlivost. 4. Laboratoř Spolehlivostní modely 1

Testování a spolehlivost. 4. Laboratoř Spolehlivostní modely 1 Testování a spolehlivost ZS 2011/2012 4. Laboratoř Spolehlivostní modely 1 Martin Daňhel Katedra číslicového návrhu Fakulta informačních technologí ČVUT v Praze Příprava studijního programu Informatika

Více

Historie matematiky a informatiky Cvičení 1

Historie matematiky a informatiky Cvičení 1 Historie matematiky a informatiky Cvičení 1 Doc. RNDr. Alena Šolcová, Ph. D., KAM, FIT ČVUT v Praze 2014 Evropský sociální fond Investujeme do vaší budoucnosti Alena Šolcová Kapitola z teorie čísel Co

Více

Diskrétní náhodná veličina. November 12, 2008

Diskrétní náhodná veličina. November 12, 2008 Diskrétní náhodná veličina November 12, 2008 (Náhodná veličina (náhodná proměnná)) Náhodná veličina (nebo též náhodná proměnná) je veličina X, jejíž hodnota je jednoznačně určena výsledkem náhodného pokusu.

Více

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC Přednáša 04 Přírodovědecá faulta Katedra matematiy KMA/P506 Pravděpodobnost a statistia KMA/P507 Statistia na PC jiri.cihlar@ujep.cz Záon velých čísel Lemma Nechť náhodná veličina nabývá pouze nezáporných

Více

Logika III. RNDr. Kateřina Trlifajová PhD. Katedra teoretické informatiky Fakulta informačních technologíı BI-MLO, ZS 2011/12

Logika III. RNDr. Kateřina Trlifajová PhD. Katedra teoretické informatiky Fakulta informačních technologíı BI-MLO, ZS 2011/12 Logika III. RNDr. Kateřina Trlifajová PhD. Katedra teoretické informatiky Fakulta informačních technologíı České vysoké učení technické v Praze c Kateřina Trlifajová, 2010 BI-MLO, ZS 2011/12 Evropský sociální

Více

Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel

Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Definice P(A/B) pravděpodobnost nastoupení jevu A za předpokladu, že nastal jev B (P(B) > 0) definujeme vztahem

Více

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Název školy Gymnázium, Šternberk, Horní nám. 5 Číslo projektu CZ.1.07/1.5.00/34.0218 Šablona III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Označení materiálu VY_32_INOVACE_Hor016 Vypracoval(a),

Více

Tomáš Karel LS 2012/2013

Tomáš Karel LS 2012/2013 Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není

Více

Pravděpodobnost a statistika (BI-PST) Cvičení č. 7

Pravděpodobnost a statistika (BI-PST) Cvičení č. 7 Pravděpodobnost a statistika (BI-PST) Cvičení č. 7 R. Blažek, M. Jiřina, J. Hrabáková, I. Petr, F. Štampach, D. Vašata Katedra aplikované matematiky Fakulta informačních technologií České vysoké učení

Více

Pravděpodobnost (pracovní verze)

Pravděpodobnost (pracovní verze) Pravděpodobnost (pracovní verze) 1. Definice pojmů Jednoduchý/náhodný pokus (simple experiment) Akt vedoucí k jednomu výsledku - např. hod kostkou, zatočení ruletou, vytažení karty z balíčku, výběr osoby

Více

Cvičení z logiky I. RNDr. Kateřina Trlifajová PhD. Katedra teoretické informatiky Fakulta informačních technologíı BI-MLO, ZS 2011/12

Cvičení z logiky I. RNDr. Kateřina Trlifajová PhD. Katedra teoretické informatiky Fakulta informačních technologíı BI-MLO, ZS 2011/12 Cvičení z logiky I. RNDr. Kateřina Trlifajová PhD. Katedra teoretické informatiky Fakulta informačních technologíı České vysoké učení technické v Praze c Kateřina Trlifajová, 2010 BI-MLO, ZS 2011/12 Evropský

Více

Dobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze

Dobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze Dobývání znalostí Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze Dobývání znalostí Bayesovské modely Doc. RNDr. Iveta Mrázová, CSc.

Více

Určeno studentům středního vzdělávání s maturitní zkouškou, 4. ročník, okruh Základy počtu pravděpodobnosti

Určeno studentům středního vzdělávání s maturitní zkouškou, 4. ročník, okruh Základy počtu pravděpodobnosti PRAVDĚPODOBNOST anotace Určeno studentům středního vzdělávání s maturitní zkouškou, 4. ročník, okruh Základy počtu pravděpodobnosti VM vytvořil: Mgr. Marie Zapadlová Období vytvoření VM: září 2013 Klíčová

Více

prof. RNDr. Čestmír Burdík DrCs. prof. Ing. Edita Pelantová CSc. BI-ZMA ZS 2009/2010

prof. RNDr. Čestmír Burdík DrCs. prof. Ing. Edita Pelantová CSc. BI-ZMA ZS 2009/2010 Základní pojmy prof. RNDr. Čestmír Burdík DrCs. prof. Ing. Edita Pelantová CSc. Katedra matematiky České vysoké učení technické v Praze c Čestmír Burdík, Edita Pelantová 2009 Základy matematické analýzy

Více

NÁHODNÁ ČÍSLA. F(x) = 1 pro x 1. Náhodná čísla lze generovat některým z následujících generátorů náhodných čísel:

NÁHODNÁ ČÍSLA. F(x) = 1 pro x 1. Náhodná čísla lze generovat některým z následujících generátorů náhodných čísel: NÁHODNÁ ČÍSLA TYPY GENERÁTORŮ, LINEÁRNÍ KONGRUENČNÍ GENERÁTORY, TESTY NÁHODNOSTI, VYUŽITÍ HODNOT NÁHODNÝCH VELIČIN V SIMULACI CO JE TO NÁHODNÉ ČÍSLO? Náhodné číslo definujeme jako nezávislé hodnoty z rovnoměrného

Více

Cvičení ze statistiky - 7. Filip Děchtěrenko

Cvičení ze statistiky - 7. Filip Děchtěrenko Cvičení ze statistiky - 7 Filip Děchtěrenko Minule bylo.. Probrali jsme spojité modely Tyhle termíny by měly být známé: Rovnoměrné rozdělení Střední hodnota Mccalova transformace Normální rozdělení Přehled

Více

Populace vs. data. popisná (deskriptivní) popis konkrétních dat. letní semestr 2012 1

Populace vs. data. popisná (deskriptivní) popis konkrétních dat. letní semestr 2012 1 ? Šárka Hudecová Katedra i a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy letní semestr 2012 1? Statistika = věda o získávání, zpracování a interpretaci informace obsažené v

Více

PRAVDĚPODOBNOST Náhodné pokusy. Náhodný jev

PRAVDĚPODOBNOST Náhodné pokusy. Náhodný jev RAVDĚODOBNOST Náhodné pokusy okusy ve fyzice, chemii při splnění stanov. podmínek vždy stejný výsledek ř. Změna skupenství vody při 00 C a tlaku 00 ka okusy v praxi, vědě, výzkumu při dodržení stejných

Více

Matematika I 2a Konečná pravděpodobnost

Matematika I 2a Konečná pravděpodobnost Matematika I 2a Konečná pravděpodobnost Jan Slovák Masarykova univerzita Fakulta informatiky 24. 9. 2012 Obsah přednášky 1 Pravděpodobnost 2 Nezávislé jevy 3 Geometrická pravděpodobnost Viděli jsme už

Více

, 1. skupina (16:15-17:45) Jméno: se. Postup je třeba odůvodnit (okomentovat) nebo uvést výpočet. Výsledek bez uvedení jakéhokoliv

, 1. skupina (16:15-17:45) Jméno: se. Postup je třeba odůvodnit (okomentovat) nebo uvést výpočet. Výsledek bez uvedení jakéhokoliv 42206, skupina (6:5-7:45) Jméno: Zápočtový test z PSI Nezapomeňte podepsat VŠECHNY papíry, které odevzdáváte Škrtejte zřetelně a stejně zřetelně pište i věci, které platí Co je škrtnuto, nebude bráno v

Více

6. Pravděpodobnost a statistika. 6.1. Pravděpodobnost

6. Pravděpodobnost a statistika. 6.1. Pravděpodobnost 6. Pravděpodobnost a statistika 6.1. Pravděpodobnost Pravděpodobnost (hovorově šance; značka je P z anglického probability) je hodnota vyčíslující jistotu resp. nejistotu výskytu určité události. K pojmu

Více

PRAVDĚPODOBNOST A STATISTIKA 1 Metodický list č 1.

PRAVDĚPODOBNOST A STATISTIKA 1 Metodický list č 1. Metodický list č 1. Název tématického celku: Elementární statistické zpracování 1 - Kolekce a interpretace statistických dat, základní pojmy deskriptivní statistiky. Cíl: Základním cílem tohoto tematického

Více

Pravděpodobnost a statistika pro SŠ

Pravděpodobnost a statistika pro SŠ Pravděpodobnost a statistika pro SŠ RNDr. Blanka Šedivá, Ph.D., katedra matematiky, Fakulta aplikovaných věd Západočeské univerzity v Plzni sediva@kma.zcu.cz 28. března 2012 Počátky teorie pravděpodobnosti

Více

STATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7

STATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7 Inovace předmětu STATISTIKA Obsah 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7 1 1. Inovace předmětu STATISTIKA Předmět Statistika se na bakalářském oboru

Více

Základy teorie pravděpodobnosti

Základy teorie pravděpodobnosti Základy teorie pravděpodobnosti Náhodný jev Pravděpodobnost náhodného jevu Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 15. srpna 2012 Statistika

Více

náhodný jev je podmnožinou

náhodný jev je podmnožinou Pravděpodobnost Dovednosti a cíle - Chápat jev A jako podmnožinu množiny, která značí množinu všech výsledků náhodného děje. - Umět zapsat jevy pomocí množinových operací a obráceně umět z množinového

Více

Vytěžování znalostí z dat

Vytěžování znalostí z dat Pavel Kordík, Jan Motl (ČVUT FIT) Vytěžování znalostí z dat BI-VZD, 2012, Přednáška 7 1/27 Vytěžování znalostí z dat Pavel Kordík, Jan Motl Department of Computer Systems Faculty of Information Technology

Více

Pravděpodobnost je Martina Litschmannová MODAM 2014

Pravděpodobnost je Martina Litschmannová MODAM 2014 ravděpodobnost je Martina Litschmannová MODAM 2014 Jak osedlat náhodu? Řecká mytologie: Bratři Zeus, oseidon, Hádes hráli v kostky astragalis. Zeus vyhrál nebesa, oseidon moře a Hádes peklo. Jak osedlat

Více

Všechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a

Všechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a Všechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a báli jste se zeptat Jedinečnou funkcí statistiky je, že umožňuje vědci číselně vyjádřit nejistotu v jeho závěrech. (G. W. Snedecor)

Více

HERNÍ PLÁN A POPIS HRY

HERNÍ PLÁN A POPIS HRY Přijímané mince: 10, 20, 50 Kč Přijímané bankovky: 100, 200, 500, 1000, 2000, 5000 Kč Maximální sázka do hry: 50 Kč Maximální výhra z jedné hry: 50 000 Kč Výherní podíl: 93-97 % Výplata kreditu je možná

Více

Pravděpodobnost kolem nás

Pravděpodobnost kolem nás Brno, 17. 6. 2011 Pravděpodobnost kolem nás - jak spravedlivě losovat? - je možnost volby vždy výhodou? - který šifrovací zámek chrání nejlépe? - je známka z testu věrohodná? - proč prosperuje casino?

Více

WORKSHOP III. Téma: Bonusy, hry nad rámec HP Vytvořeno: Odborem 34 Státní dozor nad sázkovými hrami a loteriemi Praha 4.

WORKSHOP III. Téma: Bonusy, hry nad rámec HP Vytvořeno: Odborem 34 Státní dozor nad sázkovými hrami a loteriemi Praha 4. WORKSHOP III. Téma: Bonusy, hry nad rámec HP Vytvořeno: Odborem 34 Státní dozor nad sázkovými hrami a loteriemi Praha 4. srpna 2016 Body tematického okruhu úvod novinky v zákoně č. 186/2016 Sb., o hazardních

Více

Tomáš Karel LS 2012/2013

Tomáš Karel LS 2012/2013 Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není

Více

Statistické metody - nástroj poznání a rozhodování anebo zdroj omylů a lží

Statistické metody - nástroj poznání a rozhodování anebo zdroj omylů a lží Statistické metody - nástroj poznání a rozhodování anebo zdroj omylů a lží Zdeněk Karpíšek Jsou tři druhy lží: lži, odsouzeníhodné lži a statistiky. Statistika je logická a přesná metoda, jak nepřesně

Více

5 Pravděpodobnost. Sestavíme pravděpodobnostní prostor, který modeluje vytažení dvou ponožek ze šuplíku. Elementární jevy

5 Pravděpodobnost. Sestavíme pravděpodobnostní prostor, který modeluje vytažení dvou ponožek ze šuplíku. Elementární jevy Typické příklady pro zápočtové písemky DiM 70-30 (Kovář, Kovářová, Kubesa) (verze: November 5, 08) 5 Pravděpodobnost 5.. Jiří má v šuplíku rozházených osm párů ponožek, dva páry jsou černé, dva páry modré,

Více

TEMATICKÝ PLÁN VÝUKY

TEMATICKÝ PLÁN VÝUKY TEMATICKÝ PLÁN VÝUKY Studijní obor: 23-41 - M/1 Strojírenství Zaměření: Předmět: Matematika Ročník: 4. Počet hodin týdně: 4 Počet hodin celkem: Tento plán vychází z rámcového vzdělávacího programu pro

Více

Testování a spolehlivost. 6. Laboratoř Ostatní spolehlivostní modely

Testování a spolehlivost. 6. Laboratoř Ostatní spolehlivostní modely Testování a spolehlivost ZS 2011/2012 6. Laboratoř Ostatní spolehlivostní modely Martin Daňhel Katedra číslicového návrhu Fakulta informačních technologií ČVUT v Praze Příprava studijního programu Informatika

Více

Základy matematické analýzy

Základy matematické analýzy Základy matematické analýzy Spojitost funkce Ing. Tomáš Kalvoda, Ph.D. 1, Ing. Daniel Vašata 2 1 tomas.kalvoda@fit.cvut.cz 2 daniel.vasata@fit.cvut.cz Katedra aplikované matematiky Fakulta informačních

Více

Návrh a vyhodnocení experimentu

Návrh a vyhodnocení experimentu Návrh a vyhodnocení experimentu Návrh a vyhodnocení experimentů v procesech vývoje a řízení kvality vozidel Ing. Bohumil Kovář, Ph.D. FD ČVUT Ústav aplikované matematiky kovar@utia.cas.cz Mladá Boleslav

Více

Návrh a vyhodnocení experimentu

Návrh a vyhodnocení experimentu Návrh a vyhodnocení experimentu Návrh a vyhodnocení experimentů v procesech vývoje a řízení kvality vozidel Ing. Bohumil Kovář, Ph.D. FD ČVUT Ústav aplikované matematiky kovar@utia.cas.cz Mladá Boleslav

Více

UNIVERZITA PARDUBICE

UNIVERZITA PARDUBICE UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Licenční studium chemometrie na téma Statistické zpracování dat Semestrální práce ze 6. soustředění Předmět: 3.3 Tvorba nelineárních

Více

Obsah. Základy teorie pravděpodobnosti Náhodný jev Pravděpodobnost náhodného jevu Pravděpodobnost. Pravděpodobnost. Děj pokus jev

Obsah. Základy teorie pravděpodobnosti Náhodný jev Pravděpodobnost náhodného jevu Pravděpodobnost. Pravděpodobnost. Děj pokus jev Obsah Základy teorie pravděpodobnosti Náhodný jev Pravděpodobnost náhodného jevu Definice pojmů Náhodný jev Pravděpodobnost Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi;-) roman.biskup(at)email.cz

Více

Příklad 1. Řešení 1 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 11

Příklad 1. Řešení 1 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 11 Příklad 1 Vyhláška Ministerstva zdravotnictví předpokládala, že doba dojezdu k pacientovi od nahlášení požadavku nepřekročí 17 minut. Hodnoty deseti náhodně vybraných dob příjezdu sanitky k nemocnému byly:

Více

5. Náhodná veličina. 2. Házíme hrací kostkou dokud nepadne šestka. Náhodná veličina nabývá hodnot z posloupnosti {1, 2, 3,...}.

5. Náhodná veličina. 2. Házíme hrací kostkou dokud nepadne šestka. Náhodná veličina nabývá hodnot z posloupnosti {1, 2, 3,...}. 5. Náhodná veličina Poznámka: Pro popis náhodného pokusu jsme zavedli pojem jevového pole S jako množiny všech možných výsledků a pravděpodobnost náhodných jevů P jako míru výskytů jednotlivých výsledků.

Více

MATEMATIKA III V PŘÍKLADECH

MATEMATIKA III V PŘÍKLADECH VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ MATEMATIKA III V PŘÍKLADECH Cvičení 3 Pravděpodobnost jevů Mgr. Petr Otipka Ostrava 2013 Mgr. Petr Otipka Vysoká škola báňská Technická

Více

13. cvičení z PSI ledna 2017

13. cvičení z PSI ledna 2017 cvičení z PSI - 7 ledna 07 Asymptotické pravděpodobnosti stavů Najděte asymptotické pravděpodobnosti stavů Markovova řetězce s maticí přechodu / / / 0 P / / 0 / 0 0 0 0 0 0 jestliže počáteční stav je Řešení:

Více

7. Rozdělení pravděpodobnosti ve statistice

7. Rozdělení pravděpodobnosti ve statistice 7. Rozdělení pravděpodobnosti ve statistice Statistika nuda je, má však cenné údaje, neklesejte na mysli, ona nám to vyčíslí Jednou z úloh statistiky je odhad (výpočet) hodnot statistického znaku x i,

Více