b c a P(A B) = c = 4% = 0,04 d
|
|
- Iveta Vacková
- před 8 lety
- Počet zobrazení:
Transkript
1 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 vzdáleost tam i zpět, aiž bude uto tuto svíčku měit? N(µ,σ ) µ σ σ P(X > 50) P(U > ) P(U >,9) 3000 φ(,9) [ φ(,9)] φ(,9) 0,98 Příklad : Při provozu balícího automatu vzikají během směy áhodé poruchy Ze zkušeostí víme, že během směy dochází v průměru ke poruchám Jaká je pravděpodobost, že během 4 hodi (třísměého provozu) edojde ai jedou k poruše? Po(λ) poruchy za směu za 3 směy 3 6 poruch očekávaá hodota λ 6 - e λ k -6 0 λ e 6-6 P(X k) P(X 0) e 0, 0048 k! 0! Příklad 4: Pravděpodobost, že hasící systém továry (jev A) selže, je 0%, pravděpodobost, že selže poplachové zařízeí (jev B), je 0% a pravděpodobost, že selžou oba ajedou (A průik B), je 4% Jaká je pravděpodobost, že: a) Alespoň jede bude fugovat? (Doplěk jevu "selžou oba současě") b) Oba dva budou fugovat? B P(A) a + c 0% 0,0 A P(B) b + c 0% 0,0 b c a P(A B) c 4% 0,04 d a) P( A B ) P(A B) a + b + d c 0,04 0,96 b) P( A B ) - P(A B) d 0, 0, + 0,04 0,4
2 Příklad 5: Je zámo, že 90% výrobků odpovídá stadardu Byla vypracováa zjedodušeá kotrolí zkouška, která u stadardího výrobku dá kladý výsledek s pravděpodobostí 0,95, kdežto u výrobku estadardího s pravděpodobostí 0,0 Jaká je pravděpodobost, že výrobek, u ěhož zkouška dopadla kladě, je stadardí? Výrobek je Stadardí 0,9 je Nestadard 0, oz za Sta 0,95 oz za Nest 0,05 oz za Sta 0, oz za Nest 0,8 A je ozače za stadardí B je Stadardí B je Nestadardí P(B ) 0,90 P(A B ) 0,95 P(A B ) 0,0 P(B P(A B ) P(B ) 0,95 0,9 0,855 A) 0,9 P(A B ) P(B ) + P(A B ) P(B ) 0,95 0,9 + 0, 0, 0,85 Příklad 3: Určitý typ součástek je dodává v sériích po 00 kusech Při přejímací kotrole je z každé série áhodě vybráo 5 výrobků Série je přijata, jestliže mezi kotrolovaými výrobky eí žádý zmetek Jaká je pravděpodobost, že série bude přijata, jestliže obsahuje 0 zmetků? Hy(;M;N) N 00 M 0 N 5 M N - M k - k P(X k) N P(X 0) 0, 00 5
3 Příklad 6: Aby sloužila lépe svým izeretům podikla rozhlasová staice zaměřeá a hudebí pořady u 500 posluchačů průzkum za účelem zjištěí, zda dávají předost klasické ebo populárí hudbě Výsledky pozorováí roztříděé podle věku byly ásledující: věk vážá populárí hudba hudba pod 5 let ad 50 let Sestrojte 99% iterval spolehlivosti pro podíl mládeže do 5 let, která dává předost populárí hudbě (v rámci celé populace) N x 08 α 0,0 u 0,995,58,58 0,0564 0, P(- P) 08 p ± u - α p 0, P ( - P) p(- p) 0,06 0,94 0,0564 0,60% z ; 9,49% z 500 4; 353 ± 4 (306; 400) Příklad : Podle aalýzy receptů ze stejého emocičího odděleí provedeého v lékárě vyplyulo, že lékař A apsal 0% receptů, z ichž % bylo předepsáo chybě a lékař B apsal 30% receptů, z ichž chybě předepsáa byla % a) Jaká je pravděpodobost chybě apsaého receptu v daém odděleí? b) Je-li recept předepsá chybě, jaká je pravděpodobost, že ho apsal lékař B? Odděleí A 0, B 0,3 Chybě 0,0 Dobře 0,99 Chybě 0,0 Dobře 0,98 A recept je apsá chybě B recept apsal lékař B B recept apsal lékař A a) P(A) 0, 0,0 + 0,3 0,0 0,03 b) P(B P(A B ) P(B ) 0,3 0,0 0,006 A) 0,465 P(A B ) P(B ) + P(A B ) P(B ) 0,0 0,3 + 0,0 0, 0, ,00 3
4 Příklad : Oil Exploratio podikla zoufalý hazardí pokus veškeré zbylé fody vložila a pokusých vrtů Šace, že vrt arazí a ropu, je u všech vrtů 0% a jedotlivé vrty jsou avzájem ezávislé Před bakrotem může firmu zachráit je úspěch tří a více vrtů Jaké je šace? Bi(,π) π 0, k 3 i -i P(X k) π ( π ) i k i P(X 3) (P(X0)+ P(X) + P(X)) 0,5583 0,44 Příklad : Uiverzálí peumatiky mají průměrou životost mil se směrodatou odchylkou mil a ormálí rozděleí a) Jaká je pravděpodobost, že daá peumatika vydrží mil a více? b) Kolik procet peumatik vydrží méě ež mil? c) Jaká je pravděpodobost, že peumatika bude mít životost od do mil? d) Jaká je pravděpodobost, že peumatika vydrží více ež mil? N(µ,σ ) µ σ a) P(X > 50000) P(U > ) P(U > 0,5) φ ( 0,5) φ(0,5) 0, b) P(X < 50000) 0,33 0,663,% c) P(50000 < X < 60000) P < U < φ(0,5) φ( 0,5) φ(0,5) ( φ(0,5)) 0,33 + 0,6946-0, d) P(X > 80000) P(U > ) P(U > 3) φ (3) 0, ,
5 Příklad 8: Pojišťova uzavřela 00 životích pojistek s osobami určitého věku, o ichž je v úmrtostích tabulkách zjištěa pravděpodobost dožití dalších deseti let 0,85 Jedorázové pojisté čií 600 Kč a v případě úmrtí do deseti let vyplatí pojišťova pozůstalým Kč Jaký zisk z těchto pojistek může za daých podmíek pojišťova očekávat? zisk E(X) pro P(X) x x P(X) 600,- 0, ,- 0,5-60 suma: 00 Zisk zisk pro * počet pojistek ,- Kč Příklad 4: Pracovík pro odbyt u velké firmy a výrobu léčiv avštíví ročě 3 velkoprodejy s farmaky s 80% pravděpodobostí, že sjedá kotrakt Nechť X je součet všech prodejů za rok (0,, ebo 3) a) Sestavte tabulku rozděleí pravděpodobostí p(x) b) Jaká je pravděpodobost, že sjedá aspoň dva kotrakty? Bi(,π) P(X k) π k ( π ) -k k a) sjedaých P(x) obchodů 0 0,008 0,096 0, ,5 suma: b) P(x ) P(x) + P(x3) 0, ,5 0,896 Příklad 3: Z časového símku určité motáží operace vyplývá, že bylo provedeo pozorováí, zjištěý průměr doby trváí operace je průměr x 44 sec a směrodatá odchylka s 4 sec Sestrojte 95% iterval spolehlivosti pro očekávaou délku motáže x 44 σ 4 α 0,05 x ± u α - σ ± u 0,95 44 ±,96 44 ±,63 (4,3; 46,63) 3 5
6 Příklad 9: Při průjezdu přes most byla kotrolováa rychlost jízdy 00 vozidel Bylo zjištěo, že 4 vozidel překročilo povoleou rychlost Sestrojte 95% iterval spolehlivosti pro podíl vozidel překračujících a mostě povoleou rychlost 00 x 4 α 0,05 p ± u - α P(- P) 4 p 00 0,4 ( - P) p(- p) 0,4 0,6 0,84 P u 0,95,96 0,84 4 ±,96 4 ± 8,3% 4 ± 8,3 4 ± 8 00 (6; 3) Příklad 6: Z populace USA v roce 980 bylo: 0% z Kaliforie 6% špaělského původu % špaělského původu a z Kaliforie Jaká je pravděpodobost, že áhodě vybraý Američa bude: a) z Kaliforie ebo špaělského původu b) ai z Kaliforie, ai špaělského původu c) špaělského původu, ale e z Kaliforie? A je z Kaliforie B je špaělského původu A a c b B d a) P(A B) P(A) + P(B) P(A B) a + c + b 0, + 0,06 0,0 0,4 b) A B P(A) P(B) + P(A B) d (A B) - 0,- 0,06 + 0,0 0,86 c) P(B A) P(B) - P(A B) b 0,06-0,0 0,04 6
7 Příklad : Autobusy městské dopravy odjíždějí ze staice v sedmimiutových itervalech Cestující může přijít a staici v libovolém okamžiku a) Jaká je pravděpodobost, že bude čekat méě ež miuty? b) Jaká je středí hodota a rozptyl doby jeho čekáí a odjezd ze staice? 0 < x < f(x) a) P(X 5) dx [ x] 5 5 0, 85 5 x b) E(X) x P(x) x f (x)dx x dx 3, 5 x Ω x ( Ω ) 0 D(X) E x 0 {[ X - E(X) ] } E(X ) - [ E(X) ] 6,333,5 4, x E(X ) x dx 3 0 [ E(X) ] 3,5, ,333 3 Příklad : Předpokládáme, že měsíčí výdaje domácosti a určité potraviářské zboží mají ormálí rozděleí se středí hodotou 90 Kč a směrodatou odchylkou 4 Kč Staovte pravděpodobost překročeí hraice 00 Kč a) pro výdaje áhodě vybraé domácosti, b) pro průměré výdaje třiceti áhodě vybraých domácostí (Věta Lideberg - Lévy o výběrovém průměru) N(µ,σ ) E(X) µ 90 D(X) σ 4 a) N(90,4 ) P(X > 00) P U > φ (0,485) 0,65 0, b) x ~ N(90, ) P(X > 00) P U > φ (3,94) 0, ,
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
VíceV. Normální rozdělení
V. Normálí rozděleí 1. Náhodá veličia X má ormovaé ormálí rozděleí N(0; 1). Určete: a) P (X < 1, 5); P (X > 0, 3); P ( 1, 135 < x ); P (X < 3X + ). c) číslo ε takové, že P ( X < ε) = 0,
Více0,063 0,937 0,063 0, P 0,048 0,078 0,95. = funkce CONFIDENCE.NORM(2α; p(1 p)
. Příklad Při průzkumu trhu projevilo 63 z dotázaých zákazíků zájem o iovovaý výrobek, který má být uvede a trh se zákazíky. Odvoďte a odhaděte proceto a počet zájemců v populaci s 95% spolehlivostí. Následě
Víceveličiny 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
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Bodové a itervalové odhady Nechť X je áhodá proměá, která má distribučí fukci F(x, ϑ). Předpokládejme, že záme tvar distribučí fukce (víme jaké má rozděleí) a ezáme parametr
Více6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.
6 Itervalové odhady parametrů základího souboru V předchozích kapitolách jsme se zabývali ejprve základím zpracováím experimetálích dat: grafické zobrazeí dat, výpočty výběrových charakteristik kapitola
VíceZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)
ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU) Základy teorie pravděpodobosti měřeí chyba měřeí Provádíme kvalifikovaý odhad áhodá systematická výsledek ejistota výsledku Základy teorie pravděpodobosti
VícePravděpodobnost a aplikovaná statistika
Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 6. KAPITOLA CENTRÁLNÍ LIMITNÍ VĚTA 6.11.2017 Opakováí: Čebyševova erovost příklad Pravděpodobost vyrobeí zmetku je 0,5. Odhaděte pravděpodobost,
VíceTESTOVÁNÍ STATISTICKÝCH HYPOTÉZ
TESTOVÁNÍ STATISTICKÝC YPOTÉZ je postup, pomocí ěhož a základě áhodého výběru ověřujeme určité předpoklady (hypotézy) o základím souboru STATISTICKÁ YPOTÉZA předpoklad (tvrzeí) o parametru G základího
VíceCvičení 6.: Výpočet střední hodnoty a rozptylu, bodové a intervalové odhady střední hodnoty a rozptylu
Cvičeí 6: Výpočet středí hodoty a rozptylu, bodové a itervalové odhady středí hodoty a rozptylu Příklad 1: Postupě se zkouší spolehlivost čtyř přístrojů Další se zkouší je tehdy, když předchozí je spolehlivý
Víceodhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti.
10 Cvičeí 10 Statistický soubor. Náhodý výběr a výběrové statistiky aritmetický průměr, geometrický průměr, výběrový rozptyl,...). Bodové odhady parametrů. Itervalové odhady parametrů. Jedostraé a oboustraé
VíceVYSOCE 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,
VícePopisná 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
VícePravděpodobnost 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
VíceOdhady parametrů 1. Odhady parametrů
Odhady parametrů 1 Odhady parametrů Na statistický soubor (x 1,..., x, který dostaeme statistickým šetřeím, se můžeme dívat jako a výběrový soubor získaý realizací áhodého výběru z áhodé veličiy X. Obdobě:
Více2. 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
VícePojem času ve finančním rozhodování podniku
Pojem času ve fiačím rozhodováí podiku 1.1. Výzam faktoru času a základí metody jeho vyjádřeí Fiačí rozhodováí podiku je ovlivěo časem. Peěží prostředky získaé des mají větší hodotu ež tytéž peíze získaé
VíceČeské 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
VíceCvičení 6.: Bodové a intervalové odhady střední hodnoty, rozptylu a koeficientu korelace, test hypotézy o střední hodnotě při známém rozptylu
Cvičeí 6: Bodové a itervalové odhady středí hodoty, rozptylu a koeficietu korelace, test hypotézy o středí hodotě při zámém rozptylu Příklad : Bylo zkoumáo 9 vzorků půdy s růzým obsahem fosforu (veličia
VíceNáhodný výběr 1. Náhodný výběr
Náhodý výběr 1 Náhodý výběr Matematická statistika poskytuje metody pro popis veliči áhodého charakteru pomocí jejich pozorovaých hodot, přesěji řečeo jde o určeí důležitých vlastostí rozděleí pravděpodobosti
Více8. Odhady parametrů rozdělení pravděpodobnosti
Pozámky k předmětu Aplikovaá statistika, 8 téma 8 Odhady parametrů rozděleí pravděpodobosti Zaměříme se a odhad středí hodoty a rozptylu a to dvěma způsoby Předpokládejme, že máme áhodý výběr X 1,, X z
VíceStatistika 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
VíceOdhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:
Odhady parametrů polohy a rozptýleí pro často se vyskytující rozděleí dat v laboratoři se vyčíslují podle ásledujících vztahů: a : Laplaceovo (oboustraé expoeciálí rozděleí se vyskytuje v případech, kdy
VíceSTATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson
STATISTIKA Statistika se těší pochybému vyzameáí tím, že je ejvíce epochopeým vědím oborem. H. Leviso Charakterizace statistického souboru Statistický soubor Prvek souboru Zak prvku kvatitativí teplota,
Vícei 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
VícePřednáška VI. Intervalové odhady. Motivace Směrodatná odchylka a směrodatná chyba Centrální limitní věta Intervaly spolehlivosti
Předáška VI. Itervalové odhady Motivace Směrodatá odchylka a směrodatá chyba Cetrálí limití věta Itervaly spolehlivosti Opakováí estraé a MLE Jaký je pricip estraých odhadů? Jaký je pricip odhadů metodou
VíceElementární zpracování statistického souboru
Elemetárí zpracováí statistického souboru Obsah kapitoly 4. Elemetárí statistické zpracováí - parametrizace vhodými empirickými parametry Studijí cíle Naučit se výsledky měřeí parametrizovat vhodými empirickými
VícePRAVDĚPODOBNOST 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
VícePRAVDĚPODOBNOST 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
VícePRAVDĚPODOBNOST 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:
VícePravděpodobnost 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...
VíceNáhodu 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
Vícejako 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
Více8.2.1 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
Více1 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,
Vícez 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
VíceIntervalové odhady parametrů některých rozdělení.
4. Itervalové odhady parametrů rozděleí. Jedou ze základích úloh mtematické statistiky je staoveí hodot parametrů rozděleí, ze kterého máme k dispozici áhodý výběr. Nejčastěji hledáme odhady dvou druhů:
Více17. 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
Vícevají statistické metody v biomedicíně Literatura Statistika v biomedicínsk nském výzkumu a ve zdravotnictví
Statistika v biomedicísk ském výzkumu a ve zdravotictví Prof. RNDr. Jaa Zvárov rová,, DrSc. EuroMISE Cetrum Ústav iformatiky AV ČR R v.v.i. Literatura Edice Biomedicísk ská statistika vydáva vaá a Uiverzitě
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOT A TATITIKA Přpomeutí pojmů,, P m θ, R θ R - pravděpodobostí prostor - parametrcký prostor - parametrcká fukce,, T - áhodý vektor defovaý a pravděpodobostím prostoru,, P θ s hustotou f x,
VíceMATICOVÉ 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
Více1 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
VíceSpolehlivost a diagnostika
Spolehlvost a dagostka Složté systémy a jejch spolehlvost: Co je spolehlvost? Vlv spolehlvost kompoetů systému Návrh systému z hledska spolehlvost Aplkace - žvotě důležté systémy - vojeské aplkace Teore
Více8.2.1 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
VíceDeskriptivní statistika 1
Deskriptiví statistika 1 1 Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 1145/2004. Základí charakteristiky souboru Pro lepší představu používáme k popisu vlastostí zkoumaého jevu určité charakteristiky
Vícevají statistické metody v biomedicíně
Statistika v biomedicísk ském m výzkumu a ve zdravotictví Prof. RNDr. Jaa Zvárov rová,, DrSc. EuroMISE Cetrum Ústav iformatiky AV ČR R v.v.i. Proč se používaj vají statistické metody v biomedicíě Biomedicísk
VícePři 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
VíceOdhady parametrů základního. Ing. Michal Dorda, Ph.D.
Odhady parametrů základího souboru Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt celou populac, provádíme
VíceUPLATNĚNÍ ZKOUŠEK PŘI PROHLÍDKÁCH MOSTŮ
3..- 4.. 2009 DIVYP Bro, s.r.o., Filipova, 635 00 Bro, http://www.divypbro.cz UPLATNĚNÍ ZKOUŠEK PŘI PROHLÍDKÁCH MOSTŮ autoři: prof. Ig. Mila Holický, PhD., DrSc., Ig. Karel Jug, Ph.D., doc. Ig. Jaa Marková,
VíceTest 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
VíceMod(x) = 2, Med(x) = = 2
Pracoví list č.. Při zjišťováí počtu ezletilých dětí ve třiceti vybraých rodiách byly získáy tyto výsledky:,,,,,,,,,,,,,,,,,,,,,,,,,,,,,. Uspořádejte získaé údaje do tabulky rozděleí četostí a vyjádřete
VíceOVMT Přesnost měření a teorie chyb
Přesost měřeí a teorie chyb Základí pojmy Naměřeé údaje ejsou ikdy absolutě přesé, protože skutečé podmíky pro měřeí se odlišují od ideálích. Při každém měřeí vzikají odchylky od správých hodot chyby.
VícePODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test, varianta B)
Přijímací řízeí pro akademický rok 24/5 a magisterský studijí program: PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemý test, variata B) Zde alepte své uiverzití číslo U každé otázky či podotázky v ásledujícím
VíceČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta dopraví Statistika Semestrálí práce Zdražováí pohoých hmot Jméa: Martia Jelíková, Jakub Štoudek Studijí skupia: 2 37 Rok: 2012/2013 Obsah Úvod... 2 Použité
Více2. 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
VíceSeznámíte se s pojmem Riemannova integrálu funkce jedné proměnné a geometrickým významem tohoto integrálu.
2. URČITÝ INTEGRÁL 2. Určitý itegrál Průvodce studiem V předcházející kapitole jsme se sezámili s pojmem eurčitý itegrál, který daé fukci přiřazoval opět fukci (přesěji možiu fukcí). V této kapitole se
VíceOdhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.
Odhady parametrů základího souboru Ig. Mchal Dorda, Ph.D. Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl σ atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt
VíceMezní stavy konstrukcí a jejich porušov. Hru IV. Milan RůžR. zbynek.hruby.
ováí - Hru IV /6 ováí Hru IV Mila RůžR ůžička, Josef Jureka,, Zbyěk k Hrubý zbyek.hruby hruby@fs.cvut.cz ováí - Hru IV /6 ravděpodobostí úavové diagramy s uvažováím předpětí R - plocha ve čtyřrozměrém
VíceLaboratorní práce č. 10 Úloha č. 9. Polarizace světla a Brownův pohyb:
ruhlář Michal 8.. 5 Laboratorí práce č. Úloha č. 9 Polarizace světla a Browův pohyb: ϕ p, C 4% 97,kPa Úkol: - Staovte polarizačí schopost daého polaroidu - Určete polarimetrem úhel stočeí kmitavé roviy
VícePODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test, varianta C)
Přijímací řízeí pro akademický rok 24/ a magisterský studijí program: PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemý test, variata C) Zde alepte své uiverzití číslo U každé otázky či podotázky v ásledujícím
VíceVícekanálové čekací systémy
Vícekaálové čekací systémy taice obsluhy sestává z ěkolika kaálů obsluhy, racujících aralelě a avzájem ezávisle. Vstuy i výstuy systému mají oissoovský charakter. Jedotky vstuující do systému obsadí ejrve
VíceTest dobré shody se používá nejčastěji pro ověřování těchto hypotéz:
Ig. Marta Ltschmaová Statstka I., cvčeí 1 TESTOVÁNÍ NEPARAMETRICKÝCH HYPOTÉZ Dosud jsme se zabýval testováím parametrcký hypotéz, což jsou hypotézy o parametrech rozděleí (populace). Statstckým hypotézám
VíceNejistoty 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
VícePRAVDĚPODOBNOST ... 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:
VícePravděpodobnost 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
Více2 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.
VíceMOŽNOSTI 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
VíceI. Výpočet čisté současné hodnoty upravené
I. Výpočet čisté současé hodoty upraveé Příklad 1 Projekt a výrobu laserových lamp pro dermatologii vyžaduje ivestici 4,2 mil. Kč. Předpokládají se rovoměré peěží příjmy po zdaěí ve výši 1,2 mil. Kč ročě
VíceIntervalové odhady parametrů
Itervalové odhady parametrů Petr Pošík Části dokumetu jsou převzaty (i doslově) z Mirko Navara: Pravděpodobost a matematická statistika, https://cw.felk.cvut.cz/lib/ee/fetch.php/courses/a6m33ssl/pms_prit.pdf
VícePravděpodobnostní modely
Pravděpodobostí modely Meu: QCEpert Pravděpodobostí modely Modul hledá metodou maimálí věrohodosti (MLE Maimum Likelihood Estimate) statistický model (rozděleí) který ejlépe popisuje data. Je přitom k
VíceIntervalový odhad. nazveme levostranným intervalem pro odhad parametru Θ. Statistiku. , kde číslo α je blízké nule, nazveme horním
Lekce Itervalový odhad Itervalový odhad je jedou ze stadardích statistických techik Cílem je sestrojit iterval (kofidečí iterval, iterval spolehlivosti, který s vysokou a avíc předem daou pravděpodobostí
VíceMendelova 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
VíceÚloha II.S... odhadnutelná
Úloha II.S... odhadutelá 10 bodů; průměr 7,17; řešilo 35 studetů a) Zkuste vlastími slovy popsat, k čemu slouží itervalový odhad středí hodoty v ormálím rozděleí a uveďte jeho fyzikálí iterpretaci (postačí
Více[ jednotky ] Chyby měření
Chyby měřeí Provedeme-l určté měřeí za stejých podmíek vícekrát, jedotlvá měřeí se mohou odlšovat (z důvodu koečé rozlšovací schopost měř. přístrojů, áhodých vlvů apod.). Chyba měřeí: e = x x x...přesá
VíceOdhad 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
VícePevnost 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
VíceCvičení 3 - teorie. Teorie pravděpodobnosti vychází ze studia náhodných pokusů.
Cvičeí 3 - teorie Téma: Teorie pravděpodobosti Teorie pravděpodobosti vychází ze studia áhodých pokusů. Náhodý pokus Proces, který při opakováí dává ze stejých podmíek rozdílé výsledky. Výsledek pokusu
VíceAMC/IEM J - HMOTNOST A VYVÁŽENÍ
ČÁST JAR-OPS 3 AMC/IEM J - HMOTNOST A VYVÁŽENÍ ACJ OPS 3.605 Hodoty hmotostí Viz JAR-OPS 3.605 V souladu s ICAO Ae 5 a s meziárodí soustavou jedotek SI, skutečé a omezující hmotosti vrtulíků, užitečé zatížeí
Více2 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
VíceLineární a adaptivní zpracování dat. 8. Modely časových řad I.
Lieárí a adaptiví zpracováí dat 8. Modely časových řad I. Daiel Schwarz Ivestice do rozvoje vzděláváí Cíl, motivace Popis a idetifikace systémů BLACK BOX Cíl, motivace Popis a idetifikace systémů BLACK
Vícemůžeme 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,
VícePosloupnosti a číselné řady. n + 1. n + 1 + n n + 1 + n. n n + 1 + n. = lim. n2 sin n! lim. = 0, je lim. lim. lim. 1 + b + b 2 + + b n) = 1 b
Najděte itu Poslouposti a číselé řady ) + Protože + = + x ) + + =, je + + + + ) + = = 0 + + Najděte itu 3 si! + Protože je si! a 3 = 0, je 3 si! = 0 Najděte itu + a + a + + a + b + b, a
Více4EK311 Operační výzkum. 4. Distribuční úlohy LP část 2
4EK311 Operačí výzkum 4. Distribučí úlohy LP část 2 4.1 Dopraví problém obecý model miimalizovat za podmíek: m z = c ij x ij i=1 j=1 j=1 m i=1 x ij = a i, i = 1, 2,, m x ij = b j, j = 1, 2,, x ij 0, i
VíceIAJCE Přednáška č. 12
Složitost je úvod do problematiky Úvod praktická realizace algoritmu = omezeí zejméa: o časem o velikostí paměti složitost = vztah daého algoritmu k daým prostředkům: časová složitost každé možiě vstupích
Více2,3 ČTYŘI STANDARDNÍ METODY I, ČTYŘI STANDARDNÍ METODY II
2,3 ČTYŘI STADARDÍ METODY I, ČTYŘI STADARDÍ METODY II 1.1.1 Statické metody a) ARR - Average Rate of Retur průměrý ročí čistý zisk (po zdaěí) ARR *100 % ( 20 ) ivestic do projektu V čitateli výrazu ( 20
VícePRAVDĚPODOBNOST 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
VíceIlustrativní příklad ke zkoušce z B_PS_A léto 2014.
Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95
VíceKatedra 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,
VíceVzorový příklad na rozhodování BPH_ZMAN
Vzorový příklad a rozhodováí BPH_ZMAN Základí charakteristiky a začeí symbol verbálí vyjádřeí iterval C g g-tý cíl g = 1,.. s V i i-tá variata i = 1,.. m K j j-té kriterium j = 1,.. v j x ij u ij váha
VíceIng. Pavel Hánek, Ph.D. Náčrt
Ig. Pavel Háek, Ph.D. haek00@zf.jcu.cz jedoduché metody pro měřeí polohopisu ortogoálí metoda měří se staičeí a kolmice, pravý úhel se realizuje s využitím petagou, délky se měří pásmem kostrukčí oměré
VíceNárodní informační středisko pro podporu jakosti
Národí iformačí středisko pro podpor jakosti Kozltačí středisko statistických metod při NIS-PJ Výpočet koeficietů reglačích diagramů pro obecé riziko Ig. Václav Chmelík, CSc Ústav strojíreské techologie,
Více8. Základy statistiky. 8.1 Statistický soubor
8. Základy statistiky 7. ročík - 8. Základy statistiky Statistika je vědí obor, který se zabývá zpracováím hromadých jevů. Tvoří základ pro řadu procesů řízeí, rozhodováí a orgaizováí, protoţe a základě
VíceProrážka DOC. ING. PAVEL HÁNEK, CSC. Uvedené materiály jsou doplňkem přednášek předmětu 154GP10
Prorážka DOC. ING. PAVEL HÁNEK, CSC. Uvedeé materiály jsou doplňkem předášek předmětu 154GP10 014 HLAVNÍ PROJEKČNÍ PRVKY Směr pokud možo volit přímý tuel. U siličích t. miimálí poloměr 300 m, u železičích
VíceAritmetická posloupnost, posloupnost rostoucí a klesající Posloupnosti
8 Aritmetická posloupost, posloupost rostoucí a klesající Poslouposti Posloupost je fukci s defiičím oborem celých kladých čísel - apř.,,,,,... 3 4 5 Jako fukci můžeme také posloupost zobrazit do grafu:
VíceP2: Statistické zpracování dat
P: Statistické zpracováí dat Úvodem - Statistika: věda, zabývající se shromažďováím, tříděím a ásledým popisem velkých datových souborů. - Základem statistiky je teorie pravděpodobosti, založeá a popisu
VíceNáhodné jevy a pravděpodobnost
Lekce Náhodé jevy a pravděpodobost Výklad pravděpodobosti musí začít evyhutelě od základích pojmů Pravděpodobost, velmi zjedodušeě řečeo, pojedává o áhodých jevech (slově vyjádřeých výsledcích áhodých
Vícen=0 a n, n=0 a n = ±. n=0 n=0 a n diverguje k ±, a píšeme n=0 n=0 b n = t. Pak je konvergentní i řada n=0 (a n + b n ) = s + t. n=0 k a n a platí n=0
Nekoečé řady, geometrická řada, součet ekoečé řady Defiice Výraz a 0 a a a, kde {a i } i0 je libovolá posloupost reálých čísel, azveme ekoečou řadou Číslo se azývá -tý částečý součet Defiice Nekoečá řada
Více3. 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
Více14. 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