Náhodný výběr 1. Náhodný výběr

Rozměr: px
Začít zobrazení ze stránky:

Download "Náhodný výběr 1. Náhodný výběr"

Transkript

1 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 áhodé veličiy ebo áhodého vektoru z jejich hodot získaých měřeím, statistickým šetřeím, epřímým pozorováím apod. Tyto metody jsou v podstatě zaměřey a řešeí dvou základích úloh matematické statistiky: odhady parametrů a rozděleí, testováí statistických hypotéz o parametrech a rozděleích. Tyto úlohy se dle potřeby kombiují, když apř. odhadujeme ebo testujeme číselé charakteristiky rozděleí, vyšetřujeme závislosti áhodých veliči apod. Metody matematické statistiky jsou založey a ásledujících pojmech. 1. Pojmy Opakujeme-li -krát ezávisle pokus, jehož výsledkem je hodota áhodé veličiy X s distribučí fukcí F (x, ϑ), kde ϑ je reálý parametr (případě vektor parametrů aebo jejich fukce) daého rozděleí pravděpodobosti, pozorujeme vlastě áhodý vektor X = (X 1,..., X ) a předpokládáme, že jeho složky jsou ezávislé áhodé veličiy X i se stejou distribučí fukcí (pravděpodobostí fukcí aebo hustotou pravděpodobosti) jako má pozorovaá áhodá veličia X. Náhodý vektor X se azývá áhodý výběr (z áhodé veličiy X ebo z jejího rozděleí pravděpodobosti) a číslo je rozsah áhodého výběru. Aalogicky defiujeme áhodý výběr z áhodého vektoru.. Vlastosti Náhodý výběr X = (X 1,..., X ) má simultáí distribučí fukci a simultáí pravděpodobostí fukci F (x;ϑ) = F (x 1,..., x ;ϑ) = p (x;ϑ) = p (x 1,..., x ;ϑ) = F (x i ;ϑ) p (x i ;ϑ), kde p (x i ;ϑ) je pravděpodobostí fukce i-té složky, i = 1,...,, jestliže pozorovaá áhodá veličia X je diskrétí, resp. simultáí hustotu pravděpodobosti f (x;ϑ) = f (x 1,..., x ;ϑ) = f (x i ;ϑ), kde f (x i ;ϑ) je hustota pravděpodobosti i-té složky X i, jestliže pozorovaá áhodá veličia X je spojitá. 3. Pojmy Číselý vektor x = (x 1,..., x ), který získáme při realizaci áhodého výběru, kde x i je pozorovaá hodota složky, i = 1,...,, je statistický soubor s rozsahem. Možia všech hodot áhodého výběru, tj. možia všech statistických souborů, tvoří výběrový prostor. 4. Pozámka Statistický soubor je jiak řečeo pozorovaá hodota áhodého výběru, což zameá, že při opakovaých realizacích áhodého výběru obdržíme obecě (a áhodě) růzé statistické soubory. Zpracováí statistického souboru je popsáo v kapitole Popisá statistika. 5. Příklad Jestliže áhodá veličia Xmá biomické rozděleí pravděpodobosti Bi (1, p) s parametrem p (0; 1), má pravděpodobostí fukci p(x) = p x (1 p) 1 x, kde x {0; 1}. Náhodý výběr z tohoto rozděleí pravděpodobosti má simultáí pravděpodobostí fukci x i p(x 1,..., x ) = p (1 p) x i,

2 Náhodý výběr kde x i {0; 1}. Výběrový prostor je možia všech statistických souborů x = (x 1,..., x ), tj. možia {0; 1}. 6. Pojmy Fukce áhodého výběru T (X 1,..., X ) se azývá výběrová charakteristika ebo statistika. Její hodota a statistickém souboru t = T (x 1,..., x ) je empirická charakteristika ebo pozorovaá hodota statistiky T. 7. Pozámka Výběrovou charakteristiku (statistiku) T (a tím také empirickou charakteristiku t) volíme tak, abývala a výběrovém prostoru s velkou pravděpodobostí hodot blízkých ezámé ebo předpokládaé teoretické charakteristice, apř. parametru ϑ pozorovaé áhodé veličiy X. Z toho vyplývá základí pricip statistické idukce v matematické statistice, který je schematicky vyjádře a Obrázku 1. Obrázek 1: Základí pricip statistické idukce 8. Pojmy Používáme zejméa tyto výběrové charakteristiky: 1. výběrový průměr X = 1. výběrový rozptyl S = 1 X i, ( Xi X ), 3. výběrová směrodatá odchylka S = S, 1 (X i X)(Y i Y ) 4. výběrový koeficiet korelace R = S(X) S(Y ) pro áhodý výběr z áhodého vektoru (X, Y ), kde S (X) a S (Y ) jsou výběrové směrodaté odchylky áhodých veliči X a Y. 9. Vlastosti Základí vlastosti výběrového průměru X a výběrového rozptylu S jsou: 1. Jestliže pozorovaá áhodá veličia X má středí hodotu E (X), pak E ( X ) = E (X).. Jestliže pozorovaá áhodá veličia X má rozptyl D (X), pak D ( X ) = D (X), σ ( X ) = σ (X), E ( S ) = 1 D (X). Hodoty výběrových charakteristik jsou empirické charakteristiky, které získáme po zpracováí statistického souboru. Např. aritmetický průměr x je pozorovaá hodota výběrového průměru apod. Tyto

3 Náhodý výběr 3 hodoty jsou však áhodé, jiak řečeo empirické charakteristiky se při opakovaých realizacích áhodého výběru áhodě měí. Avšak z předcházejícího plye, že apř. pro rozptyl výběrového průměru D ( X ) 0, takže pro dostatečě velké je takřka jistě aritmetický průměr blízký ezámé středí hodotě. Přitom ale σ ( X ) 0 pouze s rychlostí 1/, což zameá, že apř. pro dosažeí dvojásobé přesosti aproximace ezámé středí hodoty E (X) aritmetickým průměrem x musíme zvýšit rozsah áhodého výběru čtyřikrát atd. Ve statistické literatuře se hovoří o tzv. statistické kletbě. 10. Pozámka Protože 1 < 1, je E ( S ) < D (X), takže empirické hodoty s se vzhledem ke skutečému (a obvykle ezámému) rozptylu častěji vychylují doleva (do meších hodot) od D (X). Proto se mohdy defiuje výběrový rozptyl Ŝ ve tvaru Ŝ = 1 S = 1 1 ( Xi X ) ) a pro teto výběrový rozptyl je E (Ŝ = D (X). Odpovídající rozptyl statistického souboru pak je ŝ = 1 s = 1 1 (x i x). Statistika Ŝ má však větší rozptyl ež statistika S, ale pro velká (řádově 100 a více) je rozdíl mezi těmito statistikami zaedbatelý. Aalogicky defiujeme výběrovou směrodatou odchylku Ŝ a směrodatou odchylku statistického souboru ŝ. Růzé defiice uvedeých charakteristik je uto respektovat při zpracováí statistického souboru a PC pomocí statistických programů a také ve vzorcích jak pro odhady parametrů, tak i pro testováí statistických hypotéz. Stochastické vlastosti ejčastěji používaých výběrových charakteristik vyjadřují jejich ásledující tzv. statistická rozděleí pravděpodobosti. Potřebé hodoty těchto rozděleí jsou tabelováy aebo se počítají a PC pomocí statistických programů (apř. Statistica, S-Plus, Statgraphics, QCExpert, Miitab, Adstat aj.) ebo statistických fukcí (apř. Excel). 1. Normálí rozděleí pravděpodobosti N ( µ, σ ), kde µ, σ jsou reálá čísla, σ > 0, áhodé veličiy X (viz kapitolu Rozděleí pravděpodobosti pro aplikace), zejméa pak ormovaé ormálí rozděleí pravděpodobosti N (0; 1) áhodé veličiy U = X µ σ s distribučí fukcí Φ (u ), jejíž hodoty jsou tabelováy v tabulce T1. Pro kvatily u P je u P = u 1 P, kdep (0; 1). Tabulka T1 také obsahuje ejčastěji používaé kvatily pro P = 0, 95; 0, 975; 0, 99; 0, 995. Normálí rozděleí má řadu velmi důležitých vlastostí. Např. jestliže ezávislé áhodé ( veličiy X i mají rozděleí N(µ i ; σi ) pro, pak áhodá veličia ) X i má ormálí rozděleí N µ i ;. σi. Pearsoovo rozděleí (chí-kvadrát rozděleí) χ (k ) s k stupi volosti, kde k je přirozeé číslo, má hustotu pravděpodobosti f(x) = { 1 k Γ( k ) e x x k 1 pro x (0; ), 0 pro x ( ; 0, kde Γ (z ) = t z 1 e t dt, z > 0, je tzv. gama fukce. Graf hustoty pravděpodobosti Pearsoova 0 rozděleí, které je kladě asymetrické, je zázorě a Obrázku a jeho základí číselé charakteristiky jsou: E (X) = k, D (X) = k, A (X) = 4/ k > 0. Jestliže U 1,..., U k jsou ezávislé áhodé veličiy s ormovaým ormálím rozděleím, pak áhodá veličia k Ui má Pearsoovo rozděleí. Kvatily χ P tohoto rozděleí jsou tabelováy v tabulce T3.

4 Náhodý výběr 4 Obrázek : Grafy hustoty pravděpodobosti Pearsoova rozděleí χ (k) 3. Studetovo rozděleí (t rozděleí) S (k ) s k stupi volosti, kde k je přirozeé číslo, má hustotu pravděpodobosti f(x) = Γ ( ) k+1 ( πkγ k ) ) k+1 (1 + x, x ( ; ). k Graf hustoty pravděpodobosti Studetova rozděleí, které je symetrické vzhledem k x = 0, je zázorě a Obrázku 3 a jeho základí číselé charakteristiky jsou: E (X) = 0 pro k > 1, D (X) = k/(k ) pro k >, A (X) = 0 pro k > 3, x 0,5 = 0. Obrázek 3: Grafy hustoty pravděpodobosti Studetova rozděleí S(k) Studetovo rozděleí s jedím stupěm volosti je tzv. Cauchyovo rozděleí. Pro k koverguje Studetovo rozděleí k ormovaému ormálímu rozděleí N (0; 1). Jestliže U a V jsou ezávislé áhodé veličiy, přičemž U má ormovaé ormálí rozděleí a V má Pearsoovo rozděleí χ (k), pak áhodá veličia U V k má Studetovo rozděleí S(k). Kvatily tp tohoto rozděleí jsou tabelováy v tabulce T a pro je t P = t 1 P. 4. Fisherovo-Sedecorovo rozděleí (F rozděleí) F (k 1, k ) s k 1, k stupi volosti, kde jsou přirozeá čísla, má hustotu pravděpodobosti

5 Náhodý výběr 5 kde B (z 1, z ) = ( 1 f(x) = k1 ) ( ) k1 ( ) k k 1 B, k k x k 1 1 +k k1 k x pro x (0; ), 0 pro x ( ; 0, 1 0 t z1 1 (1 t) z 1 dt = Γ(z1)Γ(z) Γ(z 1+z ), z 1 > 0, z > 0, je tzv. beta fukce. Graf hustoty rozděleí, které je kladě asymetrické, je zázorě a Obrázku 4 a jeho základí číselé charakteristiky jsou: E (X) = k /(k ) pro k >, D (X) = k (k1+k ) pro k k 1(k ) (k > 4. 4) Obrázek 4: Grafy hustoty pravděpodobosti Fisherova-Sedecorova rozděleí F(k 1, k ) Jestliže V 1 a V jsou ezávislé áhodé veličiy, přičemž V 1 má Pearsoovo rozděleí χ (k 1 ) a V má Pearsoovo rozděleí χ (k ), pak áhodá veličia V1/k1 V /k má Fisherovo-Sedecorovo rozděleí. Kvatily F P (k 1, k ) tohoto rozděleí jsou tabelováy v tabulce T4 a pro P (0; 1) je F P (k 1, k ) = = 1/F 1 P (k, k 1 ). Nejčastěji řešeé úlohy při aplikacích metod matematické statistiky se týkají pozorovaých áhodých veliči s ormálím rozděleím pravděpodobosti. Využíváme přitom ásledující vlastosti tohoto rozděleí. 11. Vlastosti Jestliže pozorovaá áhodá veličia Xmá ormálí rozděleí N(µ; σ ), pak platí: 1. X má ormálí rozděleí N(µ; σ ),. X µ σ má ormálí rozděleí N(0; 1), 3. X µ S 1 má Studetovo rozděleí S ( 1), 4. S σ má Pearsoovo rozděleí χ ( 1).

6 Náhodý výběr 6 1. Vlastosti Jestliže pozorovaá áhodá veličia Xmá ormálí rozděleí N ( µ (X), σ (X) ) a pozorovaá áhodá veličia Y má ormálí rozděleí N ( µ (Y ), σ (Y ) ), Xa Y jsou ezávislé a také áhodé výběry (X 1,..., X 1 ), (Y 1,..., Y ) jsou ezávislé, pak statistika: 1.. X Y (µ(x) µ(y )) σ (X) + σ (Y ) 1 má ormálí rozděleí, X Y (µ(x) µ(y )) 1 ( 1+ ) 1S (X)+ S (Y ) 1+ má pro σ (X) = σ (Y ) Studetovo rozděleí S ( 1 + ), 3. 1S (X) 1 1 S (Y ) 1 má pro σ (X) = σ (Y ) Fisherovo-Sedecorovo rozděleí F( 1 1, 1). 13. Vlastosti Jestliže X 1, X,... je posloupost ezávislých áhodých veliči s libovolým stejým rozděleím pravděpodobosti (apř. i asymetrickým ebo diskrétím), které má středí hodotu µ 0 a směrodatou odchylku σ 0, pak posloupost áhodých veliči 1 X i µ 0 σ 0 koverguje (v distribuci) k áhodé veličiě U s ormovaým ormálím rozděleím N(0; 1). Z předcházející vlastosti plye, že při dostatečě velkém rozsahu áhodého výběru můžeme rozděleí pravděpodobosti výběrového aritmetického průměru pro libovolou pozorovaou ( ) áhodou veličiu X se středí hodotou a rozptylem σ0 aproximovat ormálím rozděleím N µ 0 ; σ 0. To také zameá, že při dostatečě velkém rozsahu statistického souboru má smysl aproximovat apř. středí hodotu µ 0 aritmetickým průměrem x. 14. Příklad Rozděleí pravděpodobosti výběrového průměru X pro áhodý výběr z biomického rozděleí pravděpodobosti (viz Příklad 5) lze pro dostatečě velký rozsah výběru dobře aproximovat rozděleím ormálím N(p; p(1 p) ), eboť µ 0 = p a σ0 = p(1 p). Tato aproximace rozděleí pravděpodobosti výběrového průměru je dostačující pro > 9 p(1 p).

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

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

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

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

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

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

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 4. KAPITOLA STATISTICKÉ CHARAKTERISTIKY 16.10.2017 23.10.2017 Přehled témat 1. Pravděpodobost (defiice, využití, výpočet pravděpodobostí

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

4. B o d o v é o d h a d y p a r a m e t r ů

4. B o d o v é o d h a d y p a r a m e t r ů 4. B o d o v é o d h a d y p a r a m e t r ů Na základě hodot áhodého výběru z rozděleí určitého typu odhadujeme parametry tohoto rozděleí, tak aby co ejlépe odpovídaly hodotám výběru. Formulujme tudíž

Více

14. B o d o v é o d h a d y p a r a m e t r ů

14. B o d o v é o d h a d y p a r a m e t r ů 4. B o d o v é o d h a d y p a r a m e t r ů Na základě hodot áhodého výběru z rozděleí určitého typu odhadujeme parametry tohoto rozděleí, tak aby co ejlépe odpovídaly hodotám výběru. Formulujme tudíž

Více

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

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

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

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

2. Náhodná veličina. je konečná nebo spočetná množina;

2. Náhodná veličina. je konečná nebo spočetná množina; . Náhodá veličia Většia áhodých pokusů koaých v přírodích ebo společeských vědách má iterpretaci pomocí reálé hodoty. Při takovýchto dějích přiřazujeme tedy reálá čísla áhodým jevům. Proto je důležité

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

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

jako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých

jako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých 9 Limití věty. V aplikacích teorie pravděpodobosti (matematická statistika, metody Mote Carlo se užívají tvrzeí vět o kovergeci posloupostí áhodých veliči. Podle povahy kovergece se limití věty teorie

Více

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Náhodá veličia Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 45/004. Náhodá veličia Většia áhodých pokusů má jako výsledky reálá čísla. Budeme tedy dále áhodou veličiou rozumět proměou, která

Více

Číselné charakteristiky náhodných veličin

Číselné charakteristiky náhodných veličin Číselé charakteristiky áhodých veliči Motivace Doposud jsme pozali fukcioálí charakteristiky áhodých veliči (apř. distribučí fukce, pravděpodobostí fukce, hustota pravděpodobosti), které plě popisují pravděpodobostí

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

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

Při sledování a studiu vlastností náhodných výsledků poznáme charakter. podmínek různé výsledky. Ty odpovídají hodnotám jednotlivých realizací

Při sledování a studiu vlastností náhodných výsledků poznáme charakter. podmínek různé výsledky. Ty odpovídají hodnotám jednotlivých realizací 3. Náhodý výběr Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých realizací

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru SP Náhodý vetor ezávislost fuce NV PRAVDĚPODONOST A STATISTIKA Náhodý vetor ezávislost fuce áhodého vetoru Libor Žá Náhodý vetor stochasticá ezávislost Náhodé veličiy... defiovaé a ravděodobostím rostoru

Více

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou 1 Zápis číselých hodot a ejistoty měřeí Zápis číselých hodot Naměřeé hodoty zapisujeme jako číselý údaj s určitým koečým počtem číslic. Očekáváme, že všechy zapsaé číslice jsou správé a vyjadřují tak i

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

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

Popisná statistika. Zdeněk Janák 9. prosince 2007

Popisná statistika. Zdeněk Janák 9. prosince 2007 Popisá statistika Zdeěk Jaák jaak@physics.mui.cz 9. prosice 007 Výsledkem měřeí atmosférické extikce z pozorováí komet a observatoři Skalaté Pleso jsou tyto hodoty extikčích koeficietů ve vlové délce 46

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru SP Náhodý vetor ezávislost fuce NV PRAVDĚPODONOST A STATISTIKA Náhodý vetor ezávislost fuce áhodého vetoru Libor Žá Náhodý vetor stochasticá ezávislost Náhodé veličiy... defiovaé a ravděodobostím rostoru

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

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

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

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

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojího ižeýrství Ústav strojíreské techologie ISBN 978-80-214-4352-5 VYSOCE PŘESNÉ METODY OBRÁBĚNÍ doc. Ig. Jaroslav PROKOP, CSc. 1 1 Fakulta strojího ižeýrství,

Více

i 1 n 1 výběrový rozptyl, pro libovolné, ale pevně dané x Roznačme n 1 Téma 6.: Základní pojmy matematické statistiky

i 1 n 1 výběrový rozptyl, pro libovolné, ale pevně dané x Roznačme n 1 Téma 6.: Základní pojmy matematické statistiky Téma 6.: Základí pojmy matematické statistiky Vlastosti důležitých statistik odvozeých z jedorozměrého áhodého výběru: Nechť X,..., X je áhodý výběr z rozložeí se středí hodotou μ, rozptylem σ a distribučí

Více

17. Statistické hypotézy parametrické testy

17. Statistické hypotézy parametrické testy 7. Statistické hypotézy parametrické testy V této části se budeme zabývat statistickými hypotézami, pomocí vyšetřujeme jedotlivé parametry populace. K takovýmto šetřeím většiou využíváme ám již dobře zámé

Více

Kvantily. Problems on statistics.nb 1

Kvantily. Problems on statistics.nb 1 Problems o statistics.b Kvatily 5.. Nechť x a, kde 0 < a

Více

8. Analýza rozptylu.

8. Analýza rozptylu. 8. Aalýza rozptylu. Lieárí model je popis závislosti, který je využívá v řadě disciplí matematické statistiky. Uvedeme jeho popis a tvrzeí, která budeme využívat. Setkáme se s ím jedak v aalýze rozptylu,

Více

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2 SP3 Neparametrcké testy hypotéz PRAVDĚPODOBNOST A STATISTIKA Neparametrcké testy hypotéz čast Lbor Žák SP3 Neparametrcké testy hypotéz Lbor Žák Neparametrcké testy hypotéz - úvod Neparametrcké testy statstckých

Více

Popisná statistika - zavedení pojmů. 1 Jednorozměrný statistický soubor s kvantitativním znakem

Popisná statistika - zavedení pojmů. 1 Jednorozměrný statistický soubor s kvantitativním znakem Popisá statistika - zavedeí pojmů Popisá statistika - zavedeí pojmů Soubor idividuálích údajů o objektech azýváme základí soubor ebo také populace. Zkoumaé objekty jsou tzv. statistické jedotky a sledujeme

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

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

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL Elea Mielcová, Radmila Stoklasová a Jaroslav Ramík; Statistické programy POPISNÁ STATISTIKA V PROGRAMU MS EXCEL RYCHLÝ NÁHLED KAPITOLY Žádý výzkum se v deší době evyhe statistickému zpracováí dat. Je jedo,

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

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

procesy II Zuzana 1 Katedra pravděpodobnosti a matematické statistiky Univerzita Karlova v Praze

procesy II Zuzana 1 Katedra pravděpodobnosti a matematické statistiky Univerzita Karlova v Praze limití Náhodé limití Katedra pravděpodobosti a matematické statistiky Uiverzita Karlova v Praze email: praskova@karli.mff.cui.cz 9.4.-22.4. 200 limití Outlie limití limití efiice: Řekeme, že stacioárí

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

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

n-rozměrné normální rozdělení pravděpodobnosti

n-rozměrné normální rozdělení pravděpodobnosti -rozměré ormálí rozděleí pravděpodobosti. Ortogoálí a pozitivě defiití symetrické matice. Reálá čtvercová matice =Ha i j L řádu se azývá ortogoálí, je-li regulárí a iverzí matice - je rova traspoovaé matici

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

PRAVDĚPODOBNOST A STATISTIKA. Bodové a intervalové odhady

PRAVDĚPODOBNOST A STATISTIKA. Bodové a intervalové odhady SP Bodové a tervalové odhady PRAVDĚPODOBNOST A STATISTIKA Bodové a tervalové odhady Lbor Žák SP Bodové a tervalové odhady Lbor Žák Bodové a tervalové odhady Nechť je áhodá proměá, která má dstrbučí fukc

Více

Náhodný výběr, statistiky a bodový odhad

Náhodný výběr, statistiky a bodový odhad Lekce Náhodý výběr, statistiky a bodový odhad Parametr rozděleí pravděpodobosti je ezámá kostata, jejíž přímé určeí eí možé. Nástrojem pro odhad ezámých parametrů je áhodý výběr a jeho charakteristiky

Více

Pravděpodobnost a statistika Výpisky z cvičení Ondřeje Chocholy

Pravděpodobnost a statistika Výpisky z cvičení Ondřeje Chocholy Pravděpodobost a statistika Výpisky z cvičeí Odřeje Chocholy Ja Štětia 9. listopadu 9 Cviˇceí 3.9.9 Úloha: Máme 4 kostky. Ω = {a, b, c, d}, Ω = 6 4 A = 6 5 4 3 P(A) = 6 5 4 3 6 4 Naejvýš l kostek: m...

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

3. Lineární diferenciální rovnice úvod do teorie

3. Lineární diferenciální rovnice úvod do teorie 3 338 8: Josef Hekrdla lieárí difereciálí rovice úvod do teorie 3 Lieárí difereciálí rovice úvod do teorie Defiice 3 (lieárí difereciálí rovice) Lieárí difereciálí rovice -tého řádu je rovice, která se

Více

České vysoké učení technické v Praze. Fakulta dopravní. Semestrální práce. Statistika

České vysoké učení technické v Praze. Fakulta dopravní. Semestrální práce. Statistika České vysoké učeí techické v Praze Fakulta dopraví Semestrálí práce Statistika Čekáí vlaku ve staicích a trase Klado Ostrovec Praha Masarykovo ádraží Zouzalová Barbora 2 35 Michálek Tomáš 2 35 sk. 2 35

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

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

Seriál XXX.II Zpracování dat fyzikálních měření

Seriál XXX.II Zpracování dat fyzikálních měření Seriál: Zpracováí dat fyzikálích měřeí V miulém díle seriálu jsme se sezámili s tím, co je to áhodá veličia, hustota pravděpodobosti a jak se dá v ěkterých případech odhadout typ rozděleí áhodé veličiy

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

Úloha III.S... limitní

Úloha III.S... limitní Úloha III.S... limití 10 bodů; průměr 7,81; řešilo 6 studetů a) Zkuste vlastími slovy popsat postup kostrukce itervalových odhadů středí hodoty v případě obecého rozděleí měřeých dat (postačí vlastími

Více

1 Základní pojmy a vlastnosti

1 Základní pojmy a vlastnosti Základí pojmy a vlastosti DEFINICE (Trigoometrický polyom a řada). Fukce k = (a cos(x) + b si(x)) se azývá trigoometrický polyom. Řada = (a cos(x) + b si(x)) se azývá trigoometrická řada. TVRZENÍ (Ortogoalita).

Více

Statistika pro metrologii

Statistika pro metrologii Statistika pro metrologii T. Rössler Teto projekt je spolufiacová Evropským sociálím fodem a státím rozpočtem České republiky v rámci projektu Vzděláváí výzkumých pracovíků v Regioálím cetru pokročilých

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

PoznÁmky k přednášce

PoznÁmky k přednášce NMSA331 Matematická statistika 1 PozÁmky k předášce Naposledy upraveo de 15. úora 2019. Katedra pravd podobosti a matematické statistiky Matematicko-fysikálí fakulta Uiversity Karlovy Teto učebí text představuje

Více

Náhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů.

Náhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů. Náhodu bychom mohli defiovat jako součet velkého počtu drobých epozaých vlivů. V rámci přírodích věd se setkáváme s pokusy typu za určitých podmíek vždy astae určitý důsledek. Např. jestliže za ormálího

Více

Pevnost a životnost - Hru III 1. PEVNOST a ŽIVOTNOST. Hru III. Milan Růžička, Josef Jurenka, Zbyněk Hrubý.

Pevnost a životnost - Hru III 1. PEVNOST a ŽIVOTNOST. Hru III. Milan Růžička, Josef Jurenka, Zbyněk Hrubý. evost a životost - Hr III EVNOT a ŽIVOTNOT Hr III Mila Růžička, Josef Jreka, Zbyěk Hrbý zbyek.hrby@fs.cvt.cz evost a životost - Hr III tatistické metody vyhodocováí dat evost a životost - Hr III 3 tatistické

Více

6. P o p i s n á s t a t i s t i k a

6. P o p i s n á s t a t i s t i k a 6. P o p i s á s t a t i s t i k a 6.. Pozámka: Při statistickém zkoumáí ás zajímají hromadé jevy a procesy, u kterých zkoumáme zákoitosti, které se projevují u velkého počtu prvků. Prvky zkoumáí azýváme

Více

3. Charakteristiky a parametry náhodných veličin

3. Charakteristiky a parametry náhodných veličin 3. Charateristiy a parametry áhodých veliči Úolem této apitoly je zavést pomocý aparát, terým budeme dále popisovat pomocí jedoduchých prostředů áhodé veličiy. Taovýmto aparátem jsou tzv. parametry ebo

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

MOŽNOSTI STATISTICKÉHO POSOUZENÍ KVANTITATIVNÍCH VÝSLEDKŮ POŽÁRNÍCH ZKOUŠEK PRO POTŘEBY CERTIFIKACE A POSUZOVÁNÍ SHODY VÝROBKŮ

MOŽNOSTI STATISTICKÉHO POSOUZENÍ KVANTITATIVNÍCH VÝSLEDKŮ POŽÁRNÍCH ZKOUŠEK PRO POTŘEBY CERTIFIKACE A POSUZOVÁNÍ SHODY VÝROBKŮ PŘÍSPĚVKY THE SCIENCE FOR POPULATION PROTECTION 0/008 MOŽNOSTI STATISTICKÉHO POSOUZENÍ KVANTITATIVNÍCH VÝSLEDKŮ POŽÁRNÍCH ZKOUŠEK PRO POTŘEBY CERTIFIKACE A POSUZOVÁNÍ SHODY VÝROBKŮ STATISTICAL ASSESSMENT

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

z možností, jak tuto veličinu charakterizovat, je určit součet

z možností, jak tuto veličinu charakterizovat, je určit součet 6 Charakteristiky áhodé veličiy. Nejdůležitější diskrétí a spojitá rozděleí. 6.1. Číselé charakteristiky áhodé veličiy 6.1.1. Středí hodota Uvažujme ejprve diskrétí áhodou veličiu X s rozděleím {x }, {p

Více

NMSA331 Matematická statistika 1

NMSA331 Matematická statistika 1 NMSA331 Matematická statistika 1 POZNÁMKY K PŘEDNÁŠCE Naposledy upraveo de 29. prosice 2018. Katedra pravd podobosti a matematické statistiky Matematicko-fysikálí fakulta Uiversity Karlovy Teto učebí text

Více

1.3. POLYNOMY. V této kapitole se dozvíte:

1.3. POLYNOMY. V této kapitole se dozvíte: 1.3. POLYNOMY V této kapitole se dozvíte: co rozumíme pod pojmem polyom ebo-li mohočle -tého stupě jak provádět základí početí úkoy s polyomy, kokrétě součet a rozdíl polyomů, ásobeí, umocňováí a děleí

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

Pro statistické šetření si zvolte si statistický soubor např. všichni žáci třídy (několika tříd, školy apod.).

Pro statistické šetření si zvolte si statistický soubor např. všichni žáci třídy (několika tříd, školy apod.). STATISTIKA Statistické šetřeí Proveďte a vyhodoťte statistické šetřeí:. Zvolte si statistický soubor. 2. Zvolte si určitý zak (zaky), které budete vyhodocovat. 3. Určete absolutí a relativí četosti zaků,

Více

Testujeme hypotézu: proti alternativě. Jednoduché třídění:

Testujeme hypotézu: proti alternativě. Jednoduché třídění: Y,, Y je áhodý výběr z N(μ, σ ) Y,, Y je áhodý výběr z N(μ, σ ) Y,, Y je áhodý výběr z N(μ, σ ) Testujeme hypotézu: proti alterativě H : μ = μ = = μ H : e všechy středí hodoty μ,, μ jsou si rovy Jedoduché

Více

8.2.1 Aritmetická posloupnost I

8.2.1 Aritmetická posloupnost I 8.2. Aritmetická posloupost I Předpoklady: 80, 802, 803, 807 Pedagogická pozámka: V hodiě rozdělím třídu a dvě skupiy a každá z ich dělá jede z prvích dvou příkladů. Čley posloupostí pak při kotrole vypíšu

Více

Pravděpodobnost vs. statistika. Data. Teorie pravděpodobnosti pracuje s jednou nebo více teoretickými náhodnými

Pravděpodobnost vs. statistika. Data. Teorie pravděpodobnosti pracuje s jednou nebo více teoretickými náhodnými Pravděpodobost vs. Teorie pravděpodobosti pracuje s jedou ebo více teoretickými áhodými veličiami, jejichž je zámo odvozovali jsme y těchto atd. Šárka Hudecová Katedra pravděpodobosti a matematické Matematicko-fyzikálí

Více

Dynamická pevnost a životnost Statistika

Dynamická pevnost a životnost Statistika DŽ statistika Dyamická pevost a životost tatistika Mila Růžička, Josef Jreka, Zbyěk Hrbý mechaika.fs.cvt.cz zbyek.hrby@fs.cvt.cz DŽ statistika tatistické metody vyhodocováí dat DŽ statistika 3 tatistické

Více

Katedra pravděpodobnosti a matematické statistiky. χ 2 test nezávislosti

Katedra pravděpodobnosti a matematické statistiky. χ 2 test nezávislosti Katedra pravděpodobosti a matematické statistiky Oborový semiář χ 2 test ezávislosti Petr Míchal 27 listopadu 2017 Situace 2 X {1,, I}, Y {1,, J} Jsou X a Y ezávislé? K dispozici máme áhodý vyběr (X 1,

Více

Přednášky část 7 Statistické metody vyhodnocování dat

Přednášky část 7 Statistické metody vyhodnocování dat DŽ ředášky část 7 tatistické metody vyhodocováí dat Mila Růžička mechaika.fs.cvt.cz mila.rzicka@fs.cvt.cz DŽ tatistické metody vyhodocováí dat Jak velké rozptyly lze očekávat mezi dosažeými pevostmi ebo

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA SP Záko velkých čísel, cetrálí lmtí věta PRAVDĚPODOBNOST A STATISTIKA Lbor Žák SP Záko velkých čísel, cetrálí lmtí věta Lbor Žák Kovergece podle pravděpodobost Posloupost áhodých proměých,,,, koverguje

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

Závislost slovních znaků

Závislost slovních znaků Závislost slovích zaků Závislost slovích (kvalitativích) zaků Obměy slovího zaku Alterativí zaky Možé zaky Tříděí věcé sloví řady: seřazeí obmě je subjektiví záležitostí (podle abecedy), možé i objektiví

Více

2. Znát definici kombinačního čísla a základní vlastnosti kombinačních čísel. Ovládat jednoduché operace s kombinačními čísly.

2. Znát definici kombinačního čísla a základní vlastnosti kombinačních čísel. Ovládat jednoduché operace s kombinačními čísly. 0. KOMBINATORIKA, PRAVDĚPODOBNOST, STATISTIKA Dovedosti :. Chápat pojem faktoriál a ovládat operace s faktoriály.. Zát defiici kombiačího čísla a základí vlastosti kombiačích čísel. Ovládat jedoduché operace

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

Univerzita Karlova v Praze Matematicko-fyzikální fakulta. Michaela Kurková. Katedra pravděpodobnosti a matematické statistiky

Univerzita Karlova v Praze Matematicko-fyzikální fakulta. Michaela Kurková. Katedra pravděpodobnosti a matematické statistiky Uiverzita Karlova v Praze Matematicko-fyzikálí fakulta BAKALÁŘSKÁ PRÁCE Michaela Kurková Dvouvýběrový T-test v případě estejých rozptylů Katedra pravděpodobosti a matematické statistiky Vedoucí bakalářské

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

a další charakteristikou je četnost výběrového souboru n.

a další charakteristikou je četnost výběrového souboru n. Předáška č. 8 Testováí rozptylu, testy relatví četost, testy dobré shody, test ezávslost kvaltatvích zaků Testy rozptylu Testy se používají k ověřeí hypotézy o určté velkost rozptylu a k ověřeí vztahu

Více

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A Nejstoty měřeí Pro každé přesé měřeí potřebujeme formac s jakou přesostí bylo měřeí provedeo. Nejstota měřeí vyjadřuje terval ve kterém se achází skutečá hodota měřeé velčy s určtou pravděpodobostí. Nejstota

Více

Iterační metody řešení soustav lineárních rovnic

Iterační metody řešení soustav lineárních rovnic Iteračí metody řešeí soustav lieárích rovic Matice je: diagoálě domiatí právě tehdy, když pozitivě defiití (symetrická matice) právě tehdy, když pro x platí x, Ax a ij Tyto vlastosti budou důležité pro

Více

Pravděpodobnost a statistika - absolutní minumum

Pravděpodobnost a statistika - absolutní minumum Pravděpodobost a statistika - absolutí miumum Jaromír Šrámek 4108, 1.LF, UK Obsah 1. Základy počtu pravděpodobosti 1.1 Defiice pravděpodobosti 1.2 Náhodé veličiy a jejich popis 1.3 Číselé charakteristiky

Více

1 PSE Definice základních pojmů. (ω je elementární jev: A ω (A ω) nebo (A );

1 PSE Definice základních pojmů. (ω je elementární jev: A ω (A ω) nebo (A ); 1 PSE 1 Náhodý pokus, áhodý jev. Operace s jevy. Defiice pravděpodobosti jevu, vlastosti ppsti. Klasická defiice pravděpodobosti a její použití, základí kombiatorické vzorce. 1.1 Teoretická část 1.1.1

Více

8.2.1 Aritmetická posloupnost

8.2.1 Aritmetická posloupnost 8.. Aritmetická posloupost Předpoklady: 80, 80, 803, 807 Pedagogická pozámka: V hodiě rozdělím třídu a dvě skupiy a každá z ich dělá jede z prvích dvou příkladů. Př. : V továrě dokočí každou hodiu motáž

Více

Generování dvojrozměrných rozdělení pomocí copulí

Generování dvojrozměrných rozdělení pomocí copulí Pravděpodobost a matematcká statstka eerováí dvojrozměrých rozděleí pomocí copulí umbelova copule PRAHA 005 Vpracoval: JAN ZÁRUBA OBSAH: CÍL PRÁCE TEORIE Metoda verzí trasformace O copulích Sklarova věta

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení

PRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení S1P áhodá roměá vybraá rozděleí PRAVDĚPODOBOST A STATISTIKA áhodá roměá vybraá rozděleí S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Degeerovaé rozděleí D( ) áhodá veličia X s degeerovaým

Více

Statistika je vědní obor zabývající se zkoumáním jevů, které mají hromadný charakter.

Statistika je vědní obor zabývající se zkoumáním jevů, které mají hromadný charakter. Statistika Cíle: Chápat pomy statistický soubor, rozsah souboru, statistická edotka, statistický zak, umět sestavit tabulku rozděleí četostí, umět zázorit spoicový diagram a sloupcový diagram / kruhový

Více

1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE

1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE 1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE V této kapitole se dozvíte: jak je axiomaticky defiová vektor a vektorový prostor včetě defiice sčítáí vektorů a ásobeí vektorů skalárem;

Více