10 ODHADY PARAMETR NORMÁLNÍHO ROZDLENÍ

Rozměr: px
Začít zobrazení ze stránky:

Download "10 ODHADY PARAMETR NORMÁLNÍHO ROZDLENÍ"

Transkript

1 Ig. Martia Litschmaová tatistika I., cvieí 0 ODHADY ARAMETR NORMÁLNÍHO ROZDLENÍ V raktických íadech vtšiou edokážeme es urit arametry ákladího souboru (oulace). K jejich odhadu oužíváme charakteristiky íslušých výbrových souboru výbrové charakteristiky. Z metodického hlediska oužíváme dva tyy odhad arametr: bodový odhad, kdy arametr ákladího souboru aroimujeme jediým íslem a itervalový odhad (kofideí iterval), kdy teto arametr aroimujeme itervalem, v mž arametr leží s daou ravdodobostí. Této ravdodobosti íkáme solehlivost odhadu a oaujeme ji (-), aýváme hladiou výamosti. Dobrý (vrohodý) odhad musí slovat urité vlastosti. Mei ákladí vlastosti vrohodých odhad atí: estraost (evychýleost, ekresleost) vydatost (eficiece) koistece dostateost V raktických alikacích, astji ež bodový odhad, urujeme itervalový odhad íslušého arametru. Teto odhad je rereetová itervalem (T D ; T H ), v mž hledaý arametr leží s edem ureou ravdodobostí (solehlivostí), kterou oaujeme (-). Itervaly solehlivosti kostruujeme jako jedostraé ebo dvoustraé. V ásledující tabulce ajdete ehled itervalových odhad ro arametry ormálího rodleí vet oužitých výbrových charakteristik. Itervaly solehlivosti ro arametry ormálího rodleí Odhadovaý arametr, áme, eáme Vhodá výbrová charakteristika ( ) π ( π ) Rodleí výbrové char. Mee oboustraého itervalu solehlivosti Dolí me levostraého itervalu solehlivosti Horí me ravostraého itervalu solehlivosti T D T H T D T H µ Z N(0;) µ T t t t, t, t -,, χ χ ( ) ( ) ( ) ( ),,, itervalový odhad je odvoe ( ) itervalového odhadu π N(0;), ( ), ( ), ( ), ( ) ( ) ( ), ( ) - 3 -

2 Ig. Martia Litschmaová tatistika I., cvieí Velikost výbru má ímý vliv a esost odhadu arametr ákladího souboru: ím vtší rosah výbru, tím esjší je itervalový odhad. Ekoomické a asové dvody ás však mohdy utí volit rosah výbru co ejmeší. V rai roto hledáme komromis, který ro ožadovaou esost výotu (íustou chybu odhadu ) ovede k co ejmešímu rosahu výbru. Odhadovaý arametr Rosah výbru, áme, eáme, t π ( ) Itervalové odhady mžeme oužít také ke srováváí stedích hodot, res. relativích etostí dvou oulací: Odhadovaý vtah mei arametry Vhodá výbrová charakteristika Rodleí výbrové char. Mee oboustraého itervalu solehlivosti Dolí me levostraého itervalu solehlivosti Horí me ravostraého itervalu solehlivosti T D T H T D T H -, áme ; ( ) ( ) Z µ µ N(0;) ( ) ( ) ( ) ( ) -, eáme ; ( ) ( ) T µ µ t ( ), t ( ), t ( ), t ( ), t - ( ) ( ) ( ) π π N(0; ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) 0.. Útvar kotroly odiku Ediso testoval životost žárovek. Kotroloi vybrali rodukce odiku áhod 50 žárovek a došli k ávru, že rmrá doba života tchto 50-ti žárovek je 950 hodi a íslušá výbrová smrodatá odchylka doby života je 00 hodi. Urete 95%-í iterval solehlivosti životosti žárovek firmy Ediso. ešeí: Chceme ajít 95%-í iterval solehlivosti ro stedí hodotu životosti žárovek firmy Ediso, iemž eáme smrodatou odchylku životosti tchto žárovek. Máme k disoici iformace ocháející výbru o rosahu 50 žárovek, tj. rosah výbru je vyšší ež 30 a roto k aleeí íslušého itervalového odhadu mžeme oužít ásledující vtah (jde o itervalový odhad stedí hodoty ro ámé, kde jsme oložili s) : µ < < olehlivost itervalového odhadu: 95 0,

3 Ig. Martia Litschmaová tatistika I., cvieí Hladia výamosti: 0,95 0, 05 0,05; 0, 975, 96 (vi. Tabulka ) 0,975 Výbrový soubor: 950 hodi 00 hodi Dosadíme: 950,96 < µ < 950,96 0, o úrav dostáváme: ( 9,3 < µ < 977,7) 0, 95 T., že s 95%-í solehlivostí mžeme tvrdit, že životost žárovek firmy Ediso se ohybuje v romeí 9 hodi 8 miut až 977 hodi 4 miut. ešeí ve tatgrahicsu: tatgrahics ám umožuje urovat itervalové odhady tchto arametr ormálího rodleí: stedí hodota, smrodatá odchylka, relativí etost (odíl). ro odhad stedí hodoty se oužívá oue výbrová statistika T (t. že tatgrahics eumožuje odhadovat stedí hodotu ro íad, kdy áme smrodatou odchylku). V ašem íad chceme urit itervalový odhad stedí hodoty. V meu Describe volíme oložku Hyothesis Tests V ok Hyothesi Test adáme ožadovaé údaje: aškrteme ole Normal Mea (stedí hodota ormálího rodleí), ole Null Hyothesis ás v tuto chvíli eajímá, jako amle mea ( výbrová stedí hodota rmr) adáme 950, jako amle igma ( výbrová smrodatá odchylka) adáme 00 a do ole amle ie ( rosah výbru) aíšeme

4 Ig. Martia Litschmaová tatistika I., cvieí V tetovém výstuu ajdeme oboustraý 95% í iterval solehlivosti ro stedí hodotu. orovejte jišté výsledky s ruím výotem. (Rodíly jsou sobey esjším staoveím íslušých kvatil). Chceme-li astavit jiou solehlivost odhadu (res. hladiu výamosti), oíad chceme.li urit který jedostraých odhad, astaveí rovedeme v ok Aalysis Otio (RC a tetový výstu). Je ejmé, že v oli Alha astavíme hladiu výamosti. Je-li aškrtuto ole Not Equal (eí rovo), tatgrahics oskyte jako výstu oboustraý iterval solehlivosti, aškrteme-li Less Tha (meší ež), dostaeme ravostraý iterval solehlivosti, res. jeho horí me a obdob aškrteme-li Greather Tha (vtší ež), dostaeme levostraý iterval solehlivosti, res. jeho dolí me. 0.. Obchodí etec TETO si v dubu 006 adal studii týkající se otu ákaíku v rodej TETO oruba v átek odolede (od :00 do 8:00) hodi. o jedom msíci sledováí rodejy jsme ískali tyto údaje: Datum oet ákaík v TETO oruba (:00-8:00) hodi a) Objaste, ro jsme eískali výbrový soubor o rosahu aleso 30 hodot a jaké jsou dsledky volby výbru o malém rosahu. b) Urete ro maagmet etce TETO 95%-í iterval solehlivosti otu ákaíku v rodej TETO oruba v átek odolede

5 Ig. Martia Litschmaová tatistika I., cvieí ešeí: ada) adb) ro ískáí výbru o rosahu miimál 30 hodot bychom museli daou rodeju sledovat miimál 30 átku (tj. déle ež l roku), což by vedlo jedak k výšeí fiaí ároosti studie, jedak bychom museli dlouho ekat a výsledky. Z tchto dvodu jsme volili meší rosah výbru (5) odovídající msíímu sledováí rodejy. Nevýhodou malého rosahu výbru je íká esost odhadu (omr široký iterval). Urujeme itervalový odhad stedí hodoty s eámou smrodatou odchylkou a malým rosahem výbru, roto ro jeho výoet oužijeme ásledující vtah: s t < < µ t,, s olehlivost itervalového odhadu: 0, 95 Hladia výamosti: 0,95 0, 05 0,05; 0, 975 t, 78 (vi. Tabulka ) 0,975, 4 Výbrový soubor: 5 i i ,6 5 s i ( ) i ( ,6)... ( ,6) 4 69,3 s 5, 5 5, 5, Dosadíme: 357,6,78 < µ < 357,6,78 0, o úrav dostáváme: ( 88, < µ < 453,0) 0, 95 T., že s 95%-í solehlivostí mžeme tvrdit, že ávštvost TETO oruba se v libovolý átek v odoledích hodiách bude ohybovat v romeí 88 až 453 ákaík. ást b vyešte omocí tatgrahicsu (vi.. 0..) - 7 -

6 Ig. Martia Litschmaová tatistika I., cvieí 0.3. Automat vyrábí ístové kroužky o daém rmru. i kotrole kvality bylo áhod vybráo 80 kroužk a vyotea smrodatá odchylka jejich rmru 0,04mm. Odhadte 95%-í levostraý iterval solehlivosti ro rotyl a smrodatou odchylku rmru ístových kroužk. ešeí: Nejdíve ajdeme 95%-í levostraý iterval solehlivosti ro rotyl. ro jeho aleeí oužije ásledující vtah: ( ) <, olehlivost itervalového odhadu: 0, 95 00, 7 (vi. Tabulka 3) 0,95; 79 Výbrový soubor: ( ) 0,04 0,006 mm 80 o dosaeí: 79 0,006 < 0, 95 00,7 ( 0,003 < ) 0, 95 Jedoduchou úravou ak ískáme 95%-í levostraý iterval solehlivosti ro smrodatou odchylku: ( 0,003 < ) 0, 95 ( 0,035 < ) 0, 95 95%-í solehlivostí tedy mžeme tvrdit, že rotyl rmru ístových kroužk je vtší ež,.0-3 mm (res., že s 95%-í solehlivostí je smrodatá odchylka rmru ístových kroužk vtší ež 4,6.0 - mm). ešeí ve tatgrahicsu: tatgrahics ám umožuje alét itervalové odhady ro smrodatou odchylku, ikoliv ro rotyl. Zvolíme meu Describe, oložku Hyothesis Tests. V ok Hyothesis Tests aškrteme Normal sigma a dolíme íslušé arametry výbru. ole Null Hyothesis ás ot eajímá, v oli amle igma (výbrová smrodatá odchylka) dolíme hodotu 0,04 a jako amle ie (rosah výbru) dosadíme

7 Ig. Martia Litschmaová tatistika I., cvieí Automaticky se ám vygeeroval oboustraý 95% í iterval solehlivosti ro sigma, my však ožadujeme iterval levostraý, tj. oue dolí me tohoto itervalu (uvedeá me má být s ožadovaou solehlivosti meší ež skuteá smrodatá odchylka). roto v ok Aalysis Otio (RC a tetový výstu) aškrteme Greather tha (vtší ež). Je ejmé, že: ( 0,035 ) 0, 95 <. Chtli-li bychom ožadovaý iterval solehlivosti urit ro rotyl, musíme udaou dolí me umocit a druhou i kotrole data soteby uritého druhu masové koervy ve skladech rodukt masého rmyslu bylo áhod vybráo 30 koerv a jišto, že 59 ich má rošlou áruí lhtu. taovte 95% iterval solehlivosti ro odhad roceta koerv s rošlou áruí lhtou. ešeí: ro aleeí 95%-ího itervalu solehlivosti ro relativí etost oužijeme ásledující vtah: ( ) ( ) π < < olehlivost itervalového odhadu: 0, 95 Hladia výamosti: 0,95 0, 05 0,05; 0, 975, 96 (vi. Tabulka ) 0, Výbrový soubor: 0, o dosaeí: ( 0,8) 0,8 ( 0,8 ) 0,8 0,8,96 0,8,96 < π < 0, ( 0,38 < π < 0,) 0, 95 95%-í solehlivostí mžeme tvrdit, že mei masovými koervami se v daém skladu acháí mei 3,8% a,% koerv s rošlou áruí lhtou

8 Ig. Martia Litschmaová tatistika I., cvieí ešeí ve tatgrahicsu: Ot volíme meu Describe, oložku Hyothesis Tests. V ok Hyothesis Tests aškrteme Biomial roortio a dolíme íslušé arametry výbru. ole Null Hyothesis ás ot eajímá, v oli amle roortio (výbrová relativí etost, výbrový odíl) dolíme hodotu 0,8 a jako amle ie (rosah výbru) dosadíme 30. Automaticky se ám vygeeroval oboustraý 95% í iterval solehlivosti ro relativí etost: Rodíly oroti vyoteým hodotám jsou sobey aokrouhlovaím Výbrovým šeteím bychom chtli odhadout rmrou mdu racovík uritého výrobího odvtví. Z vyerávajícího šeteí, které robíhalo ed kolika msíci, víme, že smrodatá odchylka med byla 750,-K. Odhad chceme rovést s 95% solehlivosti a jsme ochoti iustit maimálí chybu ve výši 50,-K. Jak velký musíme rovést výbr, abychom ajistili ožadovaou esost a solehlivost? ešeí: Chceme odhadou rosah výbru ro itervalový odhad stedí hodoty áme-li smrodatou odchylku (vyerávající šeteí koumáí celého ákladího souboru (oulace)). 0,95 0,05 0,975,96 ( Tabulka ) 0, K 50 K Rosah výbru odhademe v tomto íad odle vtahu:

9 Ig. Martia Litschmaová tatistika I., cvieí o dosaeí: 750, ,4 Chceme-li dosáhout íusté chyby ve výši maimál 50,- K, musíme ro aleeí 95%- ího itervalového odhadu rovést výbrové šeteí a souboru o rosahu miimál 865 racovík. ešeí ve tatgrahicsu: tatgrahics ám umožuje odhadout rosah výbru a áklad ožadovaé maimálí íusté chyby (res. relativí chyby). A to ro odhad stedí hodoty, smrodaté odchylky a relativí etosti. Zvolíme meu Describe, oložku amle ie Determiatio. V ok amle ie Determiatio aškrteme Normal Mea a astavíme adaé arametry (tj. Hyothesis igma (odhadovaá smrodatá odchylka) 750). V ok amle ie Determiatio Otios adáme velikost íusté chyby v oli, které se výraí o oaeí Absolute Error ( 50). olehlivost odhadu (Cofidece Level) se shoduje s edastaveou hodotou (95%)

10 Ig. Martia Litschmaová tatistika I., cvieí V tetovém výstuu ak ajdeme hledaou iformaci: 0.6. Diskety dvou velkých výrobc - oik a 5M byly odrobey koušce kvality. Diskety obou výrobc jsou baley o 0-ti kusech. Ve 40-ti balících fy oik bylo aleeo 4 vadých disket, ve 30-ti balících 5M bylo aleeo 4 vadých disket. Urete 95%-í iterval solehlivosti ro rodíl v rocetu vadých disket v celkové rodukci firem oik a 5M. ešeí: Oame si roceto vadých disket v rodukci fy oik a roceto vadých disket v rodukci fy 5M. ro ureí ožadovaého itervalu oužijeme vtah: ( ) ( ) < ( π π ) < ( ) ( ) olehlivost itervalového odhadu: 0, 95 Hladia výamosti: 0,95 0, 05 0,05; 0, 975, 96 (vi. Tabulka ) 0,975 Výbrové soubory: oik: ,030 ( výbrový odíl vadých disket fy oik) - 3 -

11 Ig. Martia Litschmaová tatistika I., cvieí 5M: ,03 ( výbrový odíl vadých disket fy 5M ) 4 4 0, o dosaeí: ((,007) 0,07 < ( π π ) < ( 0,007) 0,07) 0, 95 0 (,00 < ( π π ) < 0,04) 0, 95 0 (,0 % < ( π π ) <,4 %) 0, 95 95%-í solehlivostí mžeme tvrdit, že rodíl mei odílem vadých disket firmy oik a odílem vadých disket firmy 5M je v romeí,0 % a,4%. T., že emžeme íci, které diskety jsou kvalitjší. V íad, že by rodíl mei odílem vadých disket firmy oik a odílem vadých disket firmy 5M byl áorý ( π π < 0), amealo by to, že diskety firmy oik jsou kvalitjší (obsahují meší odíl vadých) ež diskety firmy 5M ( π < π ). Obdob v íad, že by rodíl mei odílem vadých disket firmy oik a odílem vadých disket firmy 5M byl kladý ( π π > 0), amealo by to, že diskety firmy oik mají horší kvalitu (obsahují vtší odíl vadých) ež diskety firmy 5M ( π > π ). V ašem íad víme, že rodíl mei odílem vadých disket firmy oik a odílem vadých disket firmy 5M mže být jak kladý, tak i áorý a roto emžeme íci, které diskety jsou kvalitjší. Ale to už jsme se dostali k testováí hyoté, jimž se budeme abývat v ásledující kaitole. ešeí ve tatgrahicsu: Také orováváí arametr dvou ormálích rodleí umožuje tatgrahics. Mžeme de hledat itervalové odhady ro rodíl stedích hodot dvou oulací, ro rodíl odíl dvou oulací a ro omr mei smrodatými odchylkami dvou oulací. Výše uvedeé itervalové odhady ajdeme v meu Comare, v oložce Hyothesis Tests V ok Hyothesis Tests (Comare) aškrteme ole Biomial roortio a vylíme ožadovaé arametry amle roortio (výbrový odíl ro. výbr (oik) 0,030), amle ie (rosah výbru ro. výbr (oik) 800), amle roortio (výbrový odíl ro. výbr (5M) 0,03), amle ie (rosah výbru ro. výbr (5M)

12 Ig. Martia Litschmaová tatistika I., cvieí 600). Hodota uvedeá v oli Null Hyothesis for Diferece of roortios emá a ureí itervalového odhadu ro rodíl odíl výam. V tetovém výstuu ajdeme oboustraý iterval solehlivosti ro rodíl odíl. Chtli-li bychom ajít jedostraé odhady, o. mit hladiu výamosti (solehlivost odhadu), mu rovedeme v ok Aalysis Otio (RC a tetový výstu)

6 VYBRANÁ ROZDLENÍ DISKRÉTNÍ NÁHODNÉ VELIINY

6 VYBRANÁ ROZDLENÍ DISKRÉTNÍ NÁHODNÉ VELIINY 6 VYBRANÁ ROZDLENÍ DISKRÉTNÍ NÁHODNÉ VELIINY Rozdleí áhodé veliiy je edis, terým defiujeme ravdodobost jev, jež lze touto áhodou veliiou osat. Záladím rozdleím oisujícím výbry bez vraceí je hyergeometricé

Více

Po prostudování tohoto odstavce budete:

Po prostudování tohoto odstavce budete: 0 ODHADY ARAMETR ZÁKLADNÍHO OUBORU as ke sudiu kaioly: 90 miu Cíl: o rosudováí ohoo odsavce budee: roum ojmm: bodový odhad iervalový odhad á vlasosi bodového odhadu um kosruova iervalové odhady ro vybraé

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

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

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

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

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

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

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

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

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

10 ODHADY PARAMETRŮ ZÁKLADNÍHO SOUBORU. Čas ke studiu kapitoly: 90 minut. Cíl: Po prostudování tohoto odstavce budete:

10 ODHADY PARAMETRŮ ZÁKLADNÍHO SOUBORU. Čas ke studiu kapitoly: 90 minut. Cíl: Po prostudování tohoto odstavce budete: 0 ODHADY ARAMETRŮ ZÁKLADNÍHO OUBORU Čas ke sudiu kaioly: 90 miu Cíl: o rosudováí ohoo odsavce budee: roumě ojmům: bodový odhad iervalový odhad á vlasosi bodového odhadu umě kosruova iervalové odhady ro

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

2. Úvod do indexní analýzy

2. Úvod do indexní analýzy 2. Úvod do idexí aalýzy 2.. Motivace Tato kaitola se zabývá srováváím ukazatelů v datových souborech, které se liší buď časově ebo rostorově ebo věcě. Nejdůležitější je srováváí ukazatelů z časového hlediska.

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

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

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

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

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

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

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

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

PRAVDĚPODOBNOST ... m n

PRAVDĚPODOBNOST ... m n RVDĚODONOST - matematická discilía, která se zabývá studiem zákoitostí, jimiž se řídí hromadé áhodé jevy - vytváří ravděodobostí modely, omocí ichž se saží ostihout rocesy, ovlivěé áhodou. Náhodé okusy:

Více

Pro orientaci v této problematice jsme se seznámili s nkolika novými pojmy:

Pro orientaci v této problematice jsme se seznámili s nkolika novými pojmy: Ig. Marta Ltschmaová Statsta I., cveí 8 LIMITNÍ VTY Lmtí vty jsou tvrzeí, terá jsou dležtá pro pops pravdpodobostích model v pípad rostoucího potu áhodých pous.. ro oretac v této problematce jsme se sezáml

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

Úvod do zpracování měření

Úvod do zpracování měření Laboratorí cvičeí ze Základů fyziky Fakulta techologická, UTB ve Zlíě Cvičeí č. Úvod do zpracováí měřeí Teorie chyb Opakujeme-li měřeí téže fyzikálí veličiy za stejých podmíek ěkolikrát za sebou, dostáváme

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

Zobrazení čísel v počítači

Zobrazení čísel v počítači Zobraeí ísel v poítai, áklady algoritmiace Ig. Michala Kotlíková Straa 1 (celkem 10) Def.. 1 slabika = 1 byte = 8 bitů 1 bit = 0 ebo 1 (ve dvojkové soustavě) Zobraeí celých ísel Zobraeí ísel v poítai Ke

Více

Metodika: Goniometrický tvar komplexního ísla, binomická rovnice

Metodika: Goniometrický tvar komplexního ísla, binomická rovnice ! " #$ % # & ' ( ) * + ), - Idvduálí výuka matematka Vít Ržka, kvte Metodka: Goometrcký tvar komplexího ísla, bomcká rovce Úvod Téma goometrcký tvar komplexího ísla je možé probírat soubž s výkladem pojmu

Více

7 VYBRANÁ ROZDLENÍ SPOJITÉ NÁHODNÉ VELIINY

7 VYBRANÁ ROZDLENÍ SPOJITÉ NÁHODNÉ VELIINY 7 VYBRANÁ ROZDLENÍ SPOJITÉ NÁHODNÉ VELIINY Pro nezáornou náhodnou veliinu X se sojitým rozdlením definujeme ro F(t) 1 (tj. F(t)

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

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

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

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

Směrnice 1/2011 Statistické vyhodnocování dat, verze 3 Verze 3 je shodná s původní Směrnicí 1/2011 verze 2, za čl. 2.3 je vložen nový odstavec

Směrnice 1/2011 Statistické vyhodnocování dat, verze 3 Verze 3 je shodná s původní Směrnicí 1/2011 verze 2, za čl. 2.3 je vložen nový odstavec Směrice /0 Statitické vyhodocováí dat, verze 3 Verze 3 e hodá ůvodí Směricí /0 verze, za čl..3 e vlože ový odtavec. Statitické metody ro zkoušeí zůobiloti Statitická aalýza oužívaá ro aalýzu výledků zkoušky

Více

Národní informační středisko pro podporu kvality

Národní informační středisko pro podporu kvality Národí iformačí středisko ro odoru kvality Testováí zůsobilosti a výkoosti výrobího rocesu RNDr. Jiří Michálek, Sc Ústav teorie iformace a automatizace AVČR UKAZATELE ZPŮSOBILOSTI 3 UKAZATELE ZPŮSOBILOSTI

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

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

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

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

Definice obecné mocniny

Definice obecné mocniny Defiice obecé mociy Zavedeí obecé mociy omocí ity číselé oslouosti lze rovést ěkolika zůsoby Níže uvedeý zůsob využívá k defiici eoeciálí fukce itu V dalším budeme otřebovat ásledující dvě erovosti: Lemma

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

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

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

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n 8.3. Limity ěkterých posloupostí Předpoklady: 83 Pedagogická pozámka: Tuto a tři ásledující hodiy je možé probrat za dvě vyučovací hodiy. V této hodiě je možé vyechat dokazováí limit v příkladu 3. Opakováí

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

Test hypotézy o parametru π alternativního rozdělení příklad

Test hypotézy o parametru π alternativního rozdělení příklad Test hypotézy o parametru π alterativího rozděleí příklad Podik předpokládá, že o jeho ový výrobek bude mít zájem 7 % osloveých domácostí. Proběhl předběžý průzkum, v ěmž bylo osloveo 4 áhodě vybraých

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

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

Odhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení

Odhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení Odhad parametru p biomického rozděleí a test hypotézy o tomto parametru Test hypotézy o parametru p biomického rozděleí Motivačí úloha Předpokládejme, že v důsledku realizace jistého áhodého pokusu P dochází

Více

Základy statistiky. Zpracování pokusných dat Praktické příklady. Kristina Somerlíková

Základy statistiky. Zpracování pokusných dat Praktické příklady. Kristina Somerlíková Základy statistiky Zpracováí pokusých dat Praktické příklady Kristia Somerlíková Data v biologii Zak ebo skupia zaků popisuje přírodí jevy, úlohou výzkumíka je vybrat takovou skupiu zaků, které charakterizují

Více

Problémy hodnocení výkonnosti a způsobilosti řízení procesů v rámci nesplnění normality rozdělení dominantního znaku jakosti

Problémy hodnocení výkonnosti a způsobilosti řízení procesů v rámci nesplnění normality rozdělení dominantního znaku jakosti Jiří Zmatlík 1, Pavel Zdvořák Problémy hodoceí výkoosti a zůsobilosti řízeí rocesů v rámci eslěí ormality rozděleí domiatího zaku jakosti Klíčová slova: eshodý rodukt, zaky jakosti měřitelé a zaky jakosti

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

MATICOVÉ HRY MATICOVÝCH HER

MATICOVÉ HRY MATICOVÝCH HER MATICOVÉ HRY FORMULACE, KONCEPCE ŘEŠENÍ, SMÍŠENÉ ROZŠÍŘENÍ MATICOVÝCH HER, ZÁKLADNÍ VĚTA MATICOVÝCH HER CO JE TO TEORIE HER A ČÍM SE ZABÝVÁ? Teorie her je ekoomická vědí disciplía, která se zabývá studiem

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

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n 8.3. Limity ěkterých posloupostí Předpoklady: 83 Opakováí z miulé hodiy: 8 Hodoty poslouposti + se pro blížící se k ekoeču blíží k a to tak že mezi = posloupostí a číslem eexistuje žádá mezera říkáme že

Více

Komplexní čísla. Definice komplexních čísel

Komplexní čísla. Definice komplexních čísel Komplexí čísla Defiice komplexích čísel Komplexí číslo můžeme adefiovat jako uspořádaou dvojici reálých čísel [a, b], u kterých defiujeme operace sčítáí, ásobeí, apod. Stadardě se komplexí čísla zapisují

Více

můžeme toto číslo považovat za pravděpodobnost jevu A.

můžeme toto číslo považovat za pravděpodobnost jevu A. RVDĚODONOST - matematická discilía, která se zabývá studiem zákoitostí, jimiž se řídí hromadé áhodé jevy - vytváří ravděodobostí modely, omocí ichž se saží ostihout áhodé rocesy. Náhodé okusy: rocesy,

Více

11 TESTOVÁNÍ HYPOTÉZ Základní pojmy

11 TESTOVÁNÍ HYPOTÉZ Základní pojmy EOVÁNÍ YPOÉZ. Základí ojmy V Kaitole jsme se sezámili s ostuem, jak odhadout ezámé arametry základího souboru oulace v říadě, že emáme k disozici všechy jeho rvky, ale je jeho část - áhodý výběr. V raxi

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

Entropie, relativní entropie a sdílená (vazební) informace

Entropie, relativní entropie a sdílená (vazební) informace Etroie, relativí etroie a sdíleá vazebí iformace Pojem iformace je říliš rozsáhlý a to, abchom jej komleě osali jedoduchou defiicí. Pro libovolou distribuci ravděodobosti můžeme defiovat tzv. etroii, jež

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

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

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i : ometové míry polohy zahrují růzé druhy průměrů pomocí kterých můžeme charakterzovat cetrálí tedec dat ometové míry polohy jsou jedoduché číselé charakterstky které se vyčíslují ze všech prvků výběru

Více

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT 2 IDENIFIKACE H-MAICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNO omáš Novotý ČESKÉ VYSOKÉ UČENÍ ECHNICKÉ V PRAZE Faulta eletrotechicá Katedra eletroeergetiy. Úvod Metody založeé a loalizaci poruch pomocí H-matic

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

2 EXPLORATORNÍ ANALÝZA

2 EXPLORATORNÍ ANALÝZA Počet automobilů Ig. Martia Litschmaová EXPLORATORNÍ ANALÝZA.1. Níže uvedeá data představují částečý výsledek zazameaý při průzkumu zatížeí jedé z ostravských křižovatek, a to barvu projíždějících automobilů.

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

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

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

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

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

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

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

b c a P(A B) = c = 4% = 0,04 d

b c a P(A B) = c = 4% = 0,04 d Příklad 6: Z Prahy do Athé je 50 km V Praze byl osaze válec auta ovou svíčkou, jejíž životost má ormálí rozděleí s průměrem 0000 km a směrodatou odchylkou 3000 km Jaká je pravděpodobost, že automobil překoá

Více

Směrnice 1/2011 Statistické vyhodnocování dat, verze 4 Verze 4 je shodná se Směrnicí 1/2011 verze 3, pouze byla rozšířena o robustní analýzu

Směrnice 1/2011 Statistické vyhodnocování dat, verze 4 Verze 4 je shodná se Směrnicí 1/2011 verze 3, pouze byla rozšířena o robustní analýzu Směrce /0 Stattcké vyhodocováí dat, verze 4 Verze 4 e hodá e Směrcí /0 verze 3, ouze byla rozšířea o robutí aalýzu. Stattcké metody ro zkoušeí zůoblot Cílem tattcké aalýzy výledků zkoušek ř zkouškách zůoblot

Více

c) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je transcendentí. xp 1 (p 1)! (x 1)p (x 2) p... (x d) p e x t f(t) d t = F (0)e x F (x),

c) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je transcendentí. xp 1 (p 1)! (x 1)p (x 2) p... (x d) p e x t f(t) d t = F (0)e x F (x), a) Vyslovte a dokažte Liouvillovu větu o šaté aroximovatelosti algebraického čísla řádu d b) Defiujte Liouvillovo číslo c) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je trascedetí 2 a) Defiujte

Více

Téma 6: Indexy a diference

Téma 6: Indexy a diference dexy a dferece Téma 6: dexy a dferece ředáška 9 dvdálí dexy a dferece Základí ojmy Vedle elemetárího statstckého zracováí dat se hromadé jevy aalyzjí tzv. srováváím růzých kazatelů. Statstcký kazatel -

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

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

9 NÁHODNÉ VÝBĚRY A JEJICH ZPRACOVÁNÍ. Čas ke studiu kapitoly: 30 minut. Cíl:

9 NÁHODNÉ VÝBĚRY A JEJICH ZPRACOVÁNÍ. Čas ke studiu kapitoly: 30 minut. Cíl: 9 ÁHODÉ VÝBĚR A JEJICH ZPRACOVÁÍ Čas ke studu katol: 30 mut Cíl: Po rostudováí tohoto odstavce budete rozumět ojmům Základí soubor, oulace, výběr, výběrové šetřeí, výběrová statstka a budete zát základí

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBOST A STATISTIKA Degeerovaé rozděleí D( ) áhodá veličia X s degeerovaým rozděleím X ~D(), R má základí rostor Z = { } a ravděodobostí fukci: ( ) 1 0 Charakteristiky: středí hodota: E(X ) roztyl:

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

2 STEJNORODOST BETONU KONSTRUKCE

2 STEJNORODOST BETONU KONSTRUKCE STEJNORODOST BETONU KONSTRUKCE Cíl kapitoly a časová áročost studia V této kapitole se sezámíte s možostmi hodoceí stejorodosti betou železobetoové kostrukce a prakticky provedete jede z možých způsobů

Více

Mendelova univerzita v Brně Statistika projekt

Mendelova univerzita v Brně Statistika projekt Medelova uverzta v Brě Statstka projekt Vypracoval: Marek Hučík Obsah 1. Úvod... 3. Skupové tříděí... 3 o Data:... 3 o Počet hodot:... 3 o Varačí rozpětí:... 3 o Počet tříd:... 4 o Šířka tervalu:... 4

Více

ODRAZ A LOM SVTLA. Odraz svtla lom svtla index lomu úplný odraz svtla píklady

ODRAZ A LOM SVTLA. Odraz svtla lom svtla index lomu úplný odraz svtla píklady ODRAZ A LOM SVTLA Odraz svtla lo svtla idex lou úplý odraz svtla píklady Každý z Vás se urit kdy díval do vody. Na klidé vodí hladi vidl kro svého obrazu také kaey ebo písek a d. Na základí škole jste

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

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

Těžiště a moment setrvačnosti Nalezení práce polohy těžiště a momentu setrvačnosti vůči zadané ose u homogenních těles v třírozměrném prostoru.

Těžiště a moment setrvačnosti Nalezení práce polohy těžiště a momentu setrvačnosti vůči zadané ose u homogenních těles v třírozměrném prostoru. Těžiště a momet setrvačosti Naleeí práce polohy těžiště a mometu setrvačosti vůči adaé ose u homogeích těles v tříroměrém prostoru. Př. 1 Najděte těžiště a momet setrvačosti kulové vrstvy vůči rotačí ose

Více

11 TESTOVÁNÍ PARAMETRICKÝCH HYPOTÉZ

11 TESTOVÁNÍ PARAMETRICKÝCH HYPOTÉZ TESTOVÁNÍ PARAMETRICKÝCH HYPOTÉZ Pojmem tetováí tatitických hypotéz ozaujeme ozhodováí o pavdivoti paametických, ep. epaametických hypotéz o populaci. V tomto ozhodovacím poceu opoti ob tojí ulová a alteativí

Více

VaR analýza citlivosti, korekce

VaR analýza citlivosti, korekce VŠB-TU Ostrava, Ekoomická fakulta, katedra fiací.-. září 008 VaR aalýza citlivosti, korekce Fratišek Vávra, Pavel Nový Abstrakt Práce se zabývá rozbory citlivosti ěkterých postupů, zahrutých pod zkratkou

Více

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

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a)

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a) Předáša 7 Derivace a difereciály vyšších řádů Budeme poračovat v ahrazováí fuce f(x v oolí bodu a polyomy, tj hledat vhodé ostaty c ta, aby bylo pro malá x a f(x c 0 + c 1 (x a + c 2 (x a 2 + c 3 (x a

Více

Úlohy domácího kola kategorie C

Úlohy domácího kola kategorie C 47. ročík Matematické olympiády Úlohy domácího kola kategorie C 1. Pro libovolé trojciferé číslo určíme jeho bytky při děleí čísly 2, 3, 4,..., 10 a ískaých devět čísel pak sečteme. Zjistěte ejmeší možou

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

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

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

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

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