4. Na obrázku je rozdělovací funkce (hustota pravděpodobnosti) náhodné veličiny X. Jakou hodnotu musí mít parametr k?

Rozměr: px
Začít zobrazení ze stránky:

Download "4. Na obrázku je rozdělovací funkce (hustota pravděpodobnosti) náhodné veličiny X. Jakou hodnotu musí mít parametr k?"

Transkript

1 A 1. Stanovte pravděpodobnost, že náhodná veličina X nabyde hodnoty menší než 6: P( X 6). Veličina X má rozdělení se střední hodnotou 6 a směrodatnou odchylkou 5: N(6,5). a) 0 b) 1/3 c) ½ 2. Je možné, aby hodnota distribuční funkce veličiny X v bodě 1 byla rovna 0,5, (F(1)=0,5) a současně v bodě 2 byla rovna 0,3, (f(2)=0,3)? a) ano b) ne c) nelze rozhodnout 3. Náhodná veličina X má distribuční funkci F(x)=0 pro x 0, F(x)=(6x-x²)/9 pro x (0,3), F(x)=1 pro x 3. Stanovte pravděpodobnost, že X nabývá hodnot, mezi 1 a 2 (P(x)=(1,2))). a) 1/3 b) 6/9 c) 6/9 4. Na obrázku je rozdělovací funkce (hustota pravděpodobnosti) náhodné veličiny X. Jakou hodnotu musí mít parametr k? a) 1/3 b) ¼ c) ½ 5. Veličiny X a Y nejsou korelovány (p(x,y)=0). Jsou tyto veličiny staticky závislé? a) Ano b) Ne c) Nelze rozhodnout 6. Mějme tři pozorování dvojici náhodných veličin X a Y zapsané v tabulce vpravo. Pozorování naznačují, že veličiny jsou: a) Statisticky závislé s pozitivním korelačním koeficientem b) Statisticky závislé s negativním korelačním koeficientem c) Statisticky nezávislé X Y 0,5 11,4 1,8 8,2-2 16,9 7. Jaké je hodnota variačního koeficientu náhodné veličiny X, COV(X), jestliže její střední hodnota µ(x)=6 a směrodatná odchylka G(x)=3. a) 3 b) ½ c) 2

2 8. Která z následujících funkcí je rozdělovací funkcí náhodné veličiny X na obrázku? x <a,b) a) F(x)= { 0 x <a,b) f(x) x (a,b> b) F(x)= { 0 x (a,b> c) F(x)= { 0 x (a,b> x (a,b> 0 a b x 9. Dvouparametrické lognormální rozdělení: a) Je omezená zleva hodnotou x=0 b) Je omezená z obou stran c) Neni omezena ani zleva ani zprava 10. Pravděpodobnost poruchy je vyjádřena jako (f(x) sdružená rozdělovací funkce, F(X) je sdružená distribuční funkce, g(x) je funkce mezního stavu). a) g(x) 0 f(x) dx b) g(x) 0 F(X) dx c) g(x) 0 f(x) dx d) g(x) 0 F(X) dx 11. Při rezervě spolehlivosti vyjádřené jako Z=R-E lze pravděpodobnost poruchy vyjádřit jako (f je rozdělovací funkce, F je distribuční funkce) a) fe(x) FR(x) dx b) fe(x) FR(x) dx c) FE(x) fr(x) dx d) FE(x) fr(x) dx 12. Stanovte Cornellův index spolehlivosti, znáte-li střední hodnotu µz=10 a směrodatnou odchylku βz=2, rezervy spolehlivosti. a) 0,2 b) 3 c) Index spolehlivosti podle Hasoféra a Linda je definován jako: a) Vzdálenost mezi návrhovým bodem P a bodem s největší hodnotou sdružení hustoty pravděpodobnosti v prostoru původních náhodných veličin

3 b) Vzdálenost mezi návrhovým bodem P a počátkem soustavy souřadnic v prostoru původních náhodných veličin c) Vzdálenost mezi návrhovým bodem P a počátkem soustavy souřadnic v prostoru náhodných veličin transformovaných na normální nekorelované veličiny 14. Aproximační metoda ve standardizovaném prostoru hranici poruchy (g(x)=0) její hodnotu v návrhovém bodě má zkratku. a) LHS b) FORM c) SORM 15. Z indexu spolehlivosti β lze pravděpodobnost poruchy vyjádřit pomocí vztahu ( fí je rozdělovací, φ je distribuční funkce normální rozdělení). a) Pf= fí (β) b) Pf= fí (-β) c) Pf= φ (β) d) Pf= φ (-β) 16. Metoda Simulated annealing (simulované žíhání) je: a) Pravděpodobní metoda pro určení korelačních koeficientů při citlivostní analýze b) Optimalizační metoda pro zavedení statistické závislosti v rámci simulačních metod c) Neparametrická metoda vhodná ke stanovení potřebného počtu simulací u metody LHS 17. Cornellův index spolehlivosti vede na dobrý odhad pravděpodobnosti poruchy jestliže: a) Je rozdělení rezervy spolehlivosti blízko normálnímu rozdělení b) Jsou všechny vstupní veličiny statisticky nezávislé a normálně rozdělené c) Jestliže je rozdělení rezervy spolehlivosti symetrické 18. Při použití metody Monte Carlo simulací k odhadu pravděpodobnosti poruchy 0,0001 je variační koeficient CoV odhadu pravděpodobnosti poruchy roven: a) 0,2 b) ½ c) ¼ 19. U simulační metody Importace sampling jsou realizace náhodné veličiny X generovány podle: a) Proměnné účelově vytvořené distribuční funkce Hi (X), která je pro každou realizaci i proměnná b) Skutečné distribuční funkce veličiny X c) Proměnné účelově vytvořené distribuční funkce A nebo C 20. Jaká je pravděpodobnost poruchy sériového systému na obrázku? Pravděpodobnosti poruchy jednotlivých částí jsou pf1, pf2, pf3. a) 0,192 b) 0,096 c) 0,808 Pf1=0,4 Pf2=0,2 Pf3=0,6

4 B 1. Rozdělovací funkce náhodné veličiny X je pro libovolné X>5 rovna 0. Jaká je hodnota distribuční funkce této veličiny v bodě 10? a) 0 b) 0.5 c) 1 2. Je možné, aby hodnota rozdělovací funkce (hustoty pravděpodobnosti) veličiny X v bodě 1 byla rovna 0.2 (f)1) = 0.2) a současně v bodě 2 byla rovna 1.8 (f(2) = 1.8)? a) Ano b) Ne c) Nelze rozhodnout 3. Náhodná veličina X má distribuční funkci F(x)= 0 pro X 10, F(x) = (x²-20x+100)/25 pro z (10, 15) a F(x) = 1 pro X 15.Stanovte pravděpodobnost, že X nabývá hodnot mezi 12 a 14 (P(X (12, 14))) a) 20/25 b) 12/25 c) 6/25 4. Na obrázku je rozdělovací funkce (hustota pravděpodobnosti) náhodné veličiny X. Jakou hodnotu musí mít parametr k? a) 2/3 b) ¼ c) ½ 5. Mějme tři pozorování dvojice náhodných veličin X a Y zapsané v tabulce vpravo. Pozorování naznačují, že veličiny jsou: a) Statisticky závislé s pozitivním korelačním koeficientem b) Statisticky závislé s negativním korelačním koeficientem c) Statisticky nezávislé 6. Veličiny X a Y nejsou korelovány (p(x,y) =0). Jsou tyto veličiny statisticky závislé? a) Nelze rozhodnout b) Ne c) Ano X Y 2,2-8,9 10,8 0,2 7,6-2,9

5 7. Jaké je hodnota variačního koeficientu náhodné veličiny X, COV(X), jestliže její střední hodnota µ(x)=9 a směrodatná odchylka G(x)=3. d) 3 e) 1/3 f) 6 8. Která z následujících funkcí je rozdělovací funkcí náhodné veličiny X na obrázku? x <a,b) b) F(x)= { 0 x <a,b) b) F(x)= { 0 x (a,b> x (a,b> f(x) b) F(x)= { 0 x (a,b> x (a,b> 0 a b x 9. Normální rozdělení: a) Je omezená zleva hodnotot x=0 b) Je omezená z obou stran c) Neni omezena ani zleva ani zprava 10. Při rezervě spolehlivosti vyjádřené jako Z=R-E lze pravděpodobnost poruchy vyjádřit jako (f je rozdělovací funkce, F je distribuční funkce) a) R>E FE(x) fr(x) dx b) FE(x) fr(x) dx c) E>R fe(x) FR(x) dx d) fe(x) FR(x) dx 11. Pravděpodobnost poruchy je vyjádřena jako (f(x) sdružená rozdělovací funkce, F(X) je sdružená distribuční funkce, g(x) je funkce mezního stavu). a) g(x) 0 f(x) dx b) g(x) 0 f(x) dx c) g(x) 0 F(X) dx d) g(x) 0 F(X) dx

6 12. Stanovte Cornellův index spolehlivosti, znáte-li střední hodnotu µz=8 a směrodatnou odchylku βz=4, rezervy spolehlivosti. a) ½ b) 2 c) Index spolehlivosti podle Hasoféra a Linda je definován jako: a) Vzdálenost mezi návrhovým bodem P a bodem s největší hodnotou sdružení hustoty pravděpodobnosti v prostoru původních náhodných veličin b) Vzdálenost mezi návrhovým bodem P a počátkem soustavy souřadnic v prostoru náhodných veličin transformovaných na normální nekorelované veličiny c) Vzdálenost mezi návrhovým bodem P a počátkem soustavy souřadnic v prostoru původních náhodných veličin 15. Z indexu spolehlivosti β lze pravděpodobnost poruchy vyjádřit pomocí vztahu ( fí je rozdělovací, φ je distribuční funkce normální rozdělení). a) Pf=1- φ (β) b) Pf=1- fí (β) c) Pf=1- φ (-β) d) Pf=1- fí (-β) 16. Cornellův index spolehlivosti vede na dobrý odhad pravděpodobnosti poruchy jestliže: a) Jsou všechny vstupní veličiny statisticky nezávislé a normálně rozdělené b) Je rozdělení rezervy spolehlivosti blízko normálnímu rozdělení c) Jestliže je rozdělení rezervy spolehlivosti symetrické 17. U simulační metody Importace sampling jsou realizace náhodné veličiny X generovány podle: a) Proměnné účelově vytvořené distribuční funkce b) proměnné účelově vytvořené distribuční funkce Hi (X), která je pro každou realizaci i odlišná c) Skutečné distribuční funkce veličiny X 18. Při použití metody Monte Carlo 1000 simulací k odhadu pravděpodobnosti poruchy 0,004 je variační koeficient CoV odhadu pravděpodobnosti poruchy roven: a) 1/2 b) 1/4 d) 0,2

7 19. Metoda Simulated annealing (simulované žíhání) je: a) Optimalizační metoda pro zavedení statistické závislosti v rámci simulačních metod b) Numetrická metoda vhodná ke stanovení potřebného počtu simulací u metody LHS c) Gradientní metoda pro určení korelačních koeficientů při citlivostní analýze 20. Jaká je pravděpodobnost poruchy sériového systému na obrázku? Pravděpodobnosti poruchy jednotlivých částí jsou pf1, pf2, pf3. a) 0,496 b) 0,006 c) 0,8304 Pf1=0,3 Pf2=0,2 Pf3=0,9 21. Cornellův index spolehlivosti je definován jako: a) -R c) = /Z 22. Neparametrická pořadová statistická korelace se používá pro: a) Citlivostní analýzu b) Odhad kvality dat c) Výpočet indexu spolehlivosti

8 A 1. Pravděpodobnost poruchy je vyjádřena jako (f je hustota pravděpodobnosti a g je funkce mezního stavu): b) p f f ( x) dx g( x) 0 2. Importace sampling je metoda pro: a) Zavedení statistické závislosti v rámci statistické simulace typu Monte Carlo b) Odhad teoretické pravděpodobnosti poruchy c) Stratifikovanou simulací oblasti poruchy 3. Rezerva spolehlivosti je vyjádřena jako (E je účinek zařízení,r je únosnost odolnosti). a) Z = E - R b) Z = R - E c) Z = R I E 4. Při použití metody Monte Carlo simulací k odhadu pravděpodobnosti u poruchy 1.0 E-6, variační koeficientcov odhadu je definován jako a) 0.1 b) 0.6 c) Cornellův index spolehlivosti je definován jako a) β = E R b) β = Z /σz c) β = σz /Z 6. Neparametrická pořadová statistická korelace se používá pro: a) Citlivostní analýzu b) Odhad kvality dat c) Výpočet indexu spolehlivosti 7. Metoda Simulated annealing (simulované žíhání) je metoda pro : a) Odhad pravděpodobnosti poruchy b) Stratifikovanou simulaci typu Monte Carlo c) Zavedení statistické závislosti v rámci simulačních metod za použití stochastické optimalizace

9 8. Index spolehlivosti beta pro mezní stavy únosnosti podle Eurocodu 1 má hodnotu: a) 3. b) 4.7 c) Pravděpodobnost poruchy je vyjádřena jako: a) P1 = Φ(-β) b) P1 = Φ(β) c) P1 = Φ(0)β 10. FORM je: a) Simulační metoda b) Aproximační metoda c) Hybridní metoda 11. Riziko je definováno jako: a) Index spolehlivosti x očekávaná škoda b) Index rizika x očekávaná škoda c) Pravděpodobnost poruchy x očekávaná škoda 12. Normální rozdělení pravděpodobnosti je rozdělení: a) Dvouparametrické b) Tříparametrické c) Hybridní 13. Index spolehlivosti je: a) Nejdelší vzdálenost mezi počátkem souřadnic a tzv. návrhovým bodem b) Nejkratší vzdálenost mezi počátkem souřadnic a tzv. návrhovým bodem c) Nejkratší vzdálenost mezi počátkem souřadnic a tzv. bodem poruchy 14. Statistická závislost mezi 2 náhodnými veličinami je popsána: a) Korelačním koeficientem z intervalu (0,1) b) Korelačním koeficientem z intervalu (0,-1) c) Korelačním koeficientem z intervalu (-1,1) 15. Pravděpodobnost poruchy paralelního systému se 2 prvky, s pravděpodobnostmi poruchy pf1 a pf2 se získá: a) Součtem těchto pravděpodobností b) Rozdílem těchto pravděpodobností c) Násobením těchto pravděpodobností

10 B 1. Pravděpodobnost poruchy je vyjádřena jako (f je hustota pravděpodobnosti a g je funkce mezního stavu): a) p f f ( g) dx g( x) 0 2. Latin Hypercube Sampling je metoda pro: a) Zavedení statistické závislosti v rámci statistické simulace typu Monte Carlo b) Stratifikovanou simulací typu Monte Carlo pro snížení počtu simulací c) Stratifikovanou simulací oblasti poruchy 3. Rezerva spolehlivosti je vyjádřena jako (E je účinek zařízení,r je únosnost odolnosti a) Z = (R-E)I R b) Z = R - E c) Z = R I E 4. Při použití metody Monte Carlo simulací k odhadu pravděpodobnostiu poruchy 1.0 E-6, variační koeficientcov odhadu je definován jako a) 0.1 b) 0.6 c) Hasofer Lindův index spolehlivosti je definován jako : a) Nejdelší vzdálenost počátku souřadnic a návrhového bodu b) Nejkratší vzdálenost počátku souřadnic a návrhového bodu c) Převrácená hodnota pravděpodobnosti poruchy 6. Kendallovo tau je měřítkem pro: a) Neparametrickou pořadovou korelaci b) Odhad kvality dat c) Výpočet indexu spolehlivosti 7. Metoda Simulated annealing (simulované žíhání) je metoda pro : a) Odhad pravděpodobnosti poruchy b) Stratifikovanou simulaci typu Monte Carlo c) Zavedení statistické závislosti v rámci simulačních metod za použití stochastické optimalizace

11 8. Index spolehlivosti beta pro mezní stavy únosnosti podle Eurocodu 1 má hodnotu: a) 3. b) 4.7 c) Spolehlivost je vyjádřena jako: a) 1- P1 b) Pf = Φ(-β) c) β 10. FORM je: a) Simulační metoda b) Aproximační metoda c) Hybridní metoda 11. Riziko je definováno jako: a) Index spolehlivosti x očekávaná škoda b) Index rizika x očekávaná škoda c) Pravděpodobnost poruchy x očekávaná škoda 12. Lognormální rozdělení pravděpodobností je rozdělení: a) Dvouparametrické b) Dvouparametrické nebo tříparametrické c) Hybridní 13. Indexu spolehlivosti 4.7 odpovídá pravděpodobností poruchy: a) b) c) Statistická závislost mezi 2 náhodnými veličinami je popsána: a) Korelačním maticí řádu 4x4 b) Korelačním koeficientem z intervalu (0,-1) c) Korelačním koeficientem z intervalu (-1,1) 15. Pravděpodobnost poruchy sériového systému se 2 prvky, s pravděpodobnostmi poruchy pf1 a pf2 se získá: d) Součtem těchto pravděpodobností e) Rozdílem těchto pravděpodobností f) Násobením těchto pravděpodobností

SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 5: Aproximační techniky

SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 5: Aproximační techniky SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 5: Aproximační techniky Drahomír Novák Jan Eliáš 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 1 část 5 Aproximační techniky 2012 Spolehlivost

Více

Téma 4: Stratifikované a pokročilé simulační metody

Téma 4: Stratifikované a pokročilé simulační metody 0.007 0.006 0.005 0.004 0.003 0.002 0.001 Dlouhodobé nahodilé Std Distribution: Gumbel Min. EV I Mean Requested: 140 Obtained: 141 Std Requested: 75.5 Obtained: 73.2-100 0 100 200 300 Mean Std Téma 4:

Více

STANOVENÍ SPOLEHLIVOSTI GEOTECHNICKÝCH KONSTRUKCÍ. J. Pruška, T. Parák

STANOVENÍ SPOLEHLIVOSTI GEOTECHNICKÝCH KONSTRUKCÍ. J. Pruška, T. Parák STANOVENÍ SPOLEHLIVOSTI GEOTECHNICKÝCH KONSTRUKCÍ J. Pruška, T. Parák OBSAH: 1. Co je to spolehlivost, pravděpodobnost poruchy, riziko. 2. Deterministický a pravděpodobnostní přístup k řešení problémů.

Více

Téma 3 Metoda LHS, programový systém Atena-Sara-Freet

Téma 3 Metoda LHS, programový systém Atena-Sara-Freet Spolehlivost a bezpečnost staveb, 4.ročník bakalářského studia Téma 3 Metoda LHS, programový systém Atena-Sara-Freet Parametrická rozdělení Metoda Latin Hypercube Sampling (LHS) aplikovaná v programu Freet

Více

Charakterizace rozdělení

Charakterizace rozdělení Charakterizace rozdělení Momenty f(x) f(x) f(x) μ >μ 1 σ 1 σ >σ 1 g 1 g σ μ 1 μ x μ x x N K MK = x f( x) dx 1 M K = x N CK = ( x M ) f( x) dx ( xi M 1 C = 1 K 1) N i= 1 K i K N i= 1 K μ = E ( X ) = xf

Více

Téma 1: Spolehlivost a bezpečnost stavebních nosných konstrukcí

Téma 1: Spolehlivost a bezpečnost stavebních nosných konstrukcí Téma 1: Spolehlivost a bezpečnost stavebních nosných konstrukcí Přednáška z předmětu: Spolehlivost a bezpečnost staveb 4. ročník bakalářského studia Katedra stavební mechaniky Fakulta stavební Vysoká škola

Více

Systém rizikové analýzy při sta4ckém návrhu podzemního díla. Jan Pruška

Systém rizikové analýzy při sta4ckém návrhu podzemního díla. Jan Pruška Systém rizikové analýzy při sta4ckém návrhu podzemního díla Jan Pruška Definice spolehlivos. Spolehlivost = schopnost systému (konstrukce) zachovávat požadované vlastnos4 po celou dobu životnos4 = pravděpodobnost,

Více

Cvičení 3. Posudek únosnosti ohýbaného prutu. Software FREET Simulace metodou Monte Carlo Simulace metodou LHS

Cvičení 3. Posudek únosnosti ohýbaného prutu. Software FREET Simulace metodou Monte Carlo Simulace metodou LHS Spolehlivost a bezpečnost staveb, 4. ročník bakalářského studia (všechny obory) Cvičení 3 Posudek únosnosti ohýbaného prutu Software FREET Simulace metodou Monte Carlo Simulace metodou LHS Katedra stavební

Více

Cvičení 9. Posudek únosnosti ohýbaného prutu metodou LHS v programu FREET. Software FREET Simulace metodou LHS

Cvičení 9. Posudek únosnosti ohýbaného prutu metodou LHS v programu FREET. Software FREET Simulace metodou LHS Pravděpodobnostní posuzování konstrukcí 4. ročník bakalářského studia obor Konstrukce staveb Cvičení 9 Posudek únosnosti ohýbaného prutu metodou LHS v programu FREET Software FREET Simulace metodou LHS

Více

Poznámky k předmětu Aplikovaná statistika, 4. téma

Poznámky k předmětu Aplikovaná statistika, 4. téma Poznámky k předmětu Aplikovaná statistika, 4. téma 4. Náhodné vektory V praxi se nám může hodit postihnout více vlastností jednoho objektu najednou, např. výšku, váhu a pohlaví člověka; rychlost chemické

Více

SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 4: FReET úvod

SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 4: FReET úvod SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 4: FReET úvod Drahomír Novák Jan Eliáš 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 1 část 4 FReET - úvod 2012 Spolehlivost konstrukcí, Drahomír

Více

Téma 22. Ondřej Nývlt

Téma 22. Ondřej Nývlt Téma 22 Ondřej Nývlt nyvlto1@fel.cvut.cz Náhodná veličina a náhodný vektor. Distribuční funkce, hustota a pravděpodobnostní funkce náhodné veličiny. Střední hodnota a rozptyl náhodné veličiny. Sdružené

Více

Poznámky k předmětu Aplikovaná statistika, 4. téma

Poznámky k předmětu Aplikovaná statistika, 4. téma Poznámky k předmětu Aplikovaná statistika, 4. téma 4. Náhodné vektory V praxi se nám může hodit postihnout více vlastností jednoho objektu najednou, např. výšku, váhu a pohlaví člověka; rychlost chemické

Více

Téma 1: Spolehlivost a bezpečnost stavebních nosných konstrukcí

Téma 1: Spolehlivost a bezpečnost stavebních nosných konstrukcí Téma 1: Spolehlivost a bezpečnost stavebních nosných konstrukcí Přednáška z předmětu: Pravděpodobnostní posuzování konstrukcí 4. ročník bakalářského studia Katedra stavební mechaniky Fakulta stavební Vysoká

Více

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Jan Kracík

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Jan Kracík Pravděpodobnost a statistika, Biostatistika pro kombinované studium Letní semestr 2017/2018 Tutoriál č. 2:, náhodný vektor Jan Kracík jan.kracik@vsb.cz náhodná veličina rozdělení pravděpodobnosti náhodné

Více

n = 2 Sdružená distribuční funkce (joint d.f.) n. vektoru F (x, y) = P (X x, Y y)

n = 2 Sdružená distribuční funkce (joint d.f.) n. vektoru F (x, y) = P (X x, Y y) 5. NÁHODNÝ VEKTOR 5.1. Rozdělení náhodného vektoru Náhodný vektor X = (X 1, X 2,..., X n ) T n-rozměrný vektor, složky X i, i = 1,..., n náhodné veličiny. Vícerozměrná (n-rozměrná) náhodná veličina n =

Více

Téma 10: Spolehlivost a bezpečnost stavebních nosných konstrukcí

Téma 10: Spolehlivost a bezpečnost stavebních nosných konstrukcí Téma 10: Spolehlivost a bezpečnost stavebních nosných konstrukcí Přednáška z předmětu: Pravděpodobnostní posuzování konstrukcí 4. ročník bakalářského studia Katedra stavební mechaniky Fakulta stavební

Více

NÁHODNÝ VEKTOR. 4. cvičení

NÁHODNÝ VEKTOR. 4. cvičení NÁHODNÝ VEKTOR 4. cvičení Náhodný vektor Náhodným vektorem rozumíme sloupcový vektor X=(X, X,, X n ) složený z náhodných veličin X, X,, X n, který je charakterizován sdruženým rozdělením pravděpodobnosti.

Více

Náhodný vektor a jeho charakteristiky

Náhodný vektor a jeho charakteristiky Náhodný vektor a jeho číselné charakteristiky 1 Náhodný vektor a jeho charakteristiky V následující kapitole budeme věnovat pozornost pouze dvourozměřnému náhodnému vektoru, i když uvedené pojmy a jejich

Více

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobnost a aplikovaná statistika MGR. JANA SEKNIČKOVÁ, PH.D. 2. KAPITOLA PODMÍNĚNÁ PRAVDĚPODOBNOST 3. KAPITOLA NÁHODNÁ VELIČINA 9.11.2017 Opakování Uveďte příklad aplikace geometrické definice pravděpodobnosti

Více

Simulace. Simulace dat. Parametry

Simulace. Simulace dat. Parametry Simulace Simulace dat Menu: QCExpert Simulace Simulace dat Tento modul je určen pro generování pseudonáhodných dat s danými statistickými vlastnostmi. Nabízí čtyři typy rozdělení: normální, logaritmicko-normální,

Více

Náhodné veličiny jsou nekorelované, neexistuje mezi nimi korelační vztah. Když jsou X; Y nekorelované, nemusí být nezávislé.

Náhodné veličiny jsou nekorelované, neexistuje mezi nimi korelační vztah. Když jsou X; Y nekorelované, nemusí být nezávislé. 1. Korelační analýza V životě většinou nesledujeme pouze jeden statistický znak. Sledujeme více statistických znaků zároveň. Kromě vlastností statistických znaků nás zajímá také jejich těsnost (velikost,

Více

Regresní analýza 1. Regresní analýza

Regresní analýza 1. Regresní analýza Regresní analýza 1 1 Regresní funkce Regresní analýza Důležitou statistickou úlohou je hledání a zkoumání závislostí proměnných, jejichž hodnoty získáme při realizaci experimentů Vzhledem k jejich náhodnému

Více

Téma 2: Pravděpodobnostní vyjádření náhodných veličin

Téma 2: Pravděpodobnostní vyjádření náhodných veličin 0.025 0.02 0.015 0.01 0.005 Nominální napětí v pásnici Std Mean 140 160 180 200 220 240 260 Std Téma 2: Pravděpodobnostní vyjádření náhodných veličin Přednáška z předmětu: Spolehlivost a bezpečnost staveb

Více

Statistická analýza jednorozměrných dat

Statistická analýza jednorozměrných dat Statistická analýza jednorozměrných dat Prof. RNDr. Milan Meloun, DrSc. Univerzita Pardubice, Pardubice 31.ledna 2011 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem

Více

7. Rozdělení pravděpodobnosti ve statistice

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

Více

Diskrétní náhodná veličina. November 12, 2008

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

Více

Katedra geotechniky a podzemního stavitelství

Katedra geotechniky a podzemního stavitelství Katedra geotechniky a podzemního stavitelství Modelování v geotechnice Stochastické modelování (prezentace pro výuku předmětu Modelování v geotechnice) doc. RNDr. Eva Hrubešová, Ph.D. Inovace studijního

Více

Příklady ke čtvrtému testu - Pravděpodobnost

Příklady ke čtvrtému testu - Pravděpodobnost Příklady ke čtvrtému testu - Pravděpodobnost 6. dubna 0 Instrukce: Projděte si všechny příklady. Každý příklad se snažte pochopit. Pak vymyslete a vyřešte příklad podobný. Tím se ujistíte, že příkladu

Více

Změna hodnoty pozice v důsledku změn tržních cen.

Změna hodnoty pozice v důsledku změn tržních cen. Tržní riziko Změna hodnoty pozice v důsledku změn tržních cen. Akciové riziko Měnové riziko Komoditní riziko Úrokové riziko Odvozená rizika... riz. volatility, riz. korelace Pozice (saldo hodnoty očekávaných

Více

Určete zákon rozložení náhodné veličiny, která značí součet ok při hodu a) jednou kostkou, b) dvěma kostkami, c) třemi kostkami.

Určete zákon rozložení náhodné veličiny, která značí součet ok při hodu a) jednou kostkou, b) dvěma kostkami, c) třemi kostkami. 3.1. 3.2. Třikrát vystřelíme na cíl. Pravděpodobnost zásahu při každém výstřelu je p = 0,7. Určete: a) pravděpodobnostní funkci počtu zásahů při třech nezávislých výsledcích, b) distribuční funkci a její

Více

8. Normální rozdělení

8. Normální rozdělení 8. Normální rozdělení 8.. Definice: Normální (Gaussovo) rozdělení N(µ, 2 ) s parametry µ a > 0 je rozdělení určené hustotou ( ) f(x) = (x µ) 2 e 2 2, x (, ). Rozdělení N(0; ) s parametry µ = 0 a = se nazývá

Více

1. Náhodný vektor (X, Y ) má diskrétní rozdělení s pravděpodobnostní funkcí p, kde. p(x, y) = a(x + y + 1), x, y {0, 1, 2}.

1. Náhodný vektor (X, Y ) má diskrétní rozdělení s pravděpodobnostní funkcí p, kde. p(x, y) = a(x + y + 1), x, y {0, 1, 2}. VIII. Náhodný vektor. Náhodný vektor (X, Y má diskrétní rozdělení s pravděpodobnostní funkcí p, kde p(x, y a(x + y +, x, y {,, }. a Určete číslo a a napište tabulku pravděpodobnostní funkce p. Řešení:

Více

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2015

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2015 Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 05 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia

Více

Téma 5: Přímý Optimalizovaný Pravděpodobnostní Výpočet POPV

Téma 5: Přímý Optimalizovaný Pravděpodobnostní Výpočet POPV Téma 5: Přímý Optimalizovaný Pravděpodobnostní Výpočet POPV Přednáška z předmětu: Spolehlivost a bezpečnost staveb 4. ročník bakalářského studia Katedra stavební mechaniky Fakulta stavební Vysoká škola

Více

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

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

Více

AVDAT Náhodný vektor, mnohorozměrné rozdělení

AVDAT Náhodný vektor, mnohorozměrné rozdělení AVDAT Náhodný vektor, mnohorozměrné rozdělení Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Opakování, náhodná veličina, rozdělení Náhodná veličina zobrazuje elementární

Více

Kontingenční tabulky, korelační koeficienty

Kontingenční tabulky, korelační koeficienty Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz Budeme předpokládat, že X a Y jsou kvalitativní náhodné veličiny, obor hodnot X obsahuje r hodnot (kategorií,

Více

1 Rozptyl a kovariance

1 Rozptyl a kovariance Rozptyl a kovariance Nechť X je náhodná veličina s konečnou střední hodnotou EX Potom rozptyl náhodné veličiny X definujeme jako: DX E(X EX, pokud střední hodnota na pravé straně existuje Podobně jako

Více

VLIV STATISTICKÉ ZÁVISLOSTI NÁHODNÝCH VELIČIN NA SPOLEHLIVOST KONSTRUKCE

VLIV STATISTICKÉ ZÁVISLOSTI NÁHODNÝCH VELIČIN NA SPOLEHLIVOST KONSTRUKCE IV. ročník celostátní konference SPOLEHLIVOST KONSTRUKCÍ Téma: Posudek - poruchy - havárie 25 23.až 24.4.2003 Dům techniky Ostrava ISBN 80-02-055-7 VLIV STATISTICKÉ ZÁVISLOSTI NÁHODNÝCH VELIČIN NA SPOLEHLIVOST

Více

Vícerozměrná rozdělení

Vícerozměrná rozdělení Vícerozměrná rozdělení 7. září 0 Učivo: Práce s vícerozměrnými rozděleními. Sdružené, marginální, podmíněné rozdělení pravděpodobnosti. Vektorová střední hodnota. Kovariance, korelace, kovarianční matice.

Více

MATEMATICKÁ STATISTIKA - XP01MST

MATEMATICKÁ STATISTIKA - XP01MST MATEMATICKÁ STATISTIKA - XP01MST 1. Úvod. Matematická statistika (statistics) se zabývá vyšetřováním zákonitostí, které v sobě obsahují prvek náhody. Zpracováním hodnot, které jsou výstupem sledovaného

Více

6.1 Normální (Gaussovo) rozdělení

6.1 Normální (Gaussovo) rozdělení 6 Spojitá rozdělení 6.1 Normální (Gaussovo) rozdělení Ze spojitých rozdělení se v praxi setkáme nejčastěji s normálním rozdělením. Toto rozdělení je typické pro mnoho náhodných veličin z rozmanitých oborů

Více

Náhodná veličina a rozdělení pravděpodobnosti

Náhodná veličina a rozdělení pravděpodobnosti 3.2 Náhodná veličina a rozdělení pravděpodobnosti Bůh hraje se světem hru v kostky. Jsou to ale falešné kostky. Naším hlavním úkolem je zjistit, podle jakých pravidel byly označeny, a pak toho využít pro

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. Prostá regresní a korelační analýza 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Problematika závislosti V podstatě lze rozlišovat mezi závislostí nepodstatnou, čili náhodnou

Více

Téma 2: Pravděpodobnostní vyjádření náhodných veličin

Téma 2: Pravděpodobnostní vyjádření náhodných veličin 0.025 0.02 0.015 0.01 0.005 Nominální napětí v pásnici Std Mean 140 160 180 200 220 240 260 Std Téma 2: Pravděpodobnostní vyjádření náhodných veličin Přednáška z předmětu: Pravděpodobnostní posuzování

Více

PRAVDĚPODOBNOSTNÍ ANALÝZA SPOLEHLIVOSTI A ŽIVOTNOSTI ŽELEZOBETONOVÝCH MOSTŮ

PRAVDĚPODOBNOSTNÍ ANALÝZA SPOLEHLIVOSTI A ŽIVOTNOSTI ŽELEZOBETONOVÝCH MOSTŮ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA STAVEBNÍ ÚSTAV STAVEBNÍ MECHANIKY FACULTY OF CIVIL ENGINEERING INSTITUTE OF STRUCTURAL MECHANICS PRAVDĚPODOBNOSTNÍ ANALÝZA SPOLEHLIVOSTI

Více

Téma 3: Metoda Monte Carlo

Téma 3: Metoda Monte Carlo y Náhodná proměnná D Téma 3: Metoda Monte Carlo Přednáška z předmětu: Pravděpodobnostní posuzování konstrukcí 4. ročník bakalářského studia 1,0 1,00 0,80 0,60 0,40 0,0 0,00 0,00 0,0 0,40 0,60 0,80 1,00

Více

4. Aplikace matematiky v ekonomii

4. Aplikace matematiky v ekonomii 4. Aplikace matematiky v ekonomii 1 Lineární algebra Soustavy 1) Na základě statistických údajů se zjistilo, že závislost množství statku z poptávaného v průběhu jednoho týdne lze popsat vztahem q d =

Více

Změna hodnoty pozice v důsledku změn tržních cen.

Změna hodnoty pozice v důsledku změn tržních cen. Tržní riziko Změna hodnoty pozice v důsledku změn tržních cen. Akciové riziko Měnové riziko Komoditní riziko Úrokové riziko Odvozená rizika... riz. volatility, riz. korelace Pozice (saldo hodnoty očekávaných

Více

8.1. Definice: Normální (Gaussovo) rozdělení N(µ, σ 2 ) s parametry µ a. ( ) ϕ(x) = 1. označovat písmenem U. Její hustota je pak.

8.1. Definice: Normální (Gaussovo) rozdělení N(µ, σ 2 ) s parametry µ a. ( ) ϕ(x) = 1. označovat písmenem U. Její hustota je pak. 8. Normální rozdělení 8.. Definice: Normální (Gaussovo) rozdělení N(µ, ) s parametry µ a > 0 je rozdělení určené hustotou ( ) f(x) = (x µ) e, x (, ). Rozdělení N(0; ) s parametry µ = 0 a = se nazývá normované

Více

Matematika III 10. týden Číselné charakteristiky střední hodnota, rozptyl, kovariance, korelace

Matematika III 10. týden Číselné charakteristiky střední hodnota, rozptyl, kovariance, korelace Matematika III 10. týden Číselné charakteristiky střední hodnota, rozptyl, kovariance, korelace Jan Slovák Masarykova univerzita Fakulta informatiky 28. 11 2. 12. 2016 Obsah přednášky 1 Literatura 2 Střední

Více

AVDAT Klasický lineární model, metoda nejmenších

AVDAT Klasický lineární model, metoda nejmenších AVDAT Klasický lineární model, metoda nejmenších čtverců Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Lineární model y i = β 0 + β 1 x i1 + + β k x ik + ε i (1) kde y i

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOST A STATISTIKA Náhodný výběr Nechť X je náhodná proměnná, která má distribuční funkci F(x, ϑ). Předpokládejme, že známe tvar distribuční funkce (víme jaké má rozdělení) a neznáme parametr

Více

Časové rezervy. Celková rezerva činnosti

Časové rezervy. Celková rezerva činnosti Časové rezervy Celková rezerva činnosti CR Volná rezerva činnosti VR Nezávislá rezerva činnosti - NR Celková rezerva činnosti Maximální počet časových jednotek, které jsou k dispozici pro provedení činnosti,

Více

Pojmy z kombinatoriky, pravděpodobnosti, znalosti z kapitoly náhodná veličina, znalost parciálních derivací, dvojného integrálu.

Pojmy z kombinatoriky, pravděpodobnosti, znalosti z kapitoly náhodná veličina, znalost parciálních derivací, dvojného integrálu. 6. NÁHODNÝ VEKTOR Průvodce studiem V počtu pravděpodobnosti i v matematické statistice se setkáváme nejen s náhodnými veličinami, jejichž hodnotami jsou reálná čísla, ale i s takovými, jejichž hodnotami

Více

spolehlivosti stavebních nosných konstrukcí

spolehlivosti stavebních nosných konstrukcí Principy posuzování spolehlivosti stavebních nosných konstrukcí Spolehlivost a bezpečnost staveb 4. ročník bakalářského studia Ing. Martin Krejsa, Ph.D. Katedra stavební mechaniky Fakulta stavební Vysoká

Více

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) =

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) = Základní rozdělení pravděpodobnosti Diskrétní rozdělení pravděpodobnosti. Pojem Náhodná veličina s Binomickým rozdělením Bi(n, p), kde n je přirozené číslo, p je reálné číslo, < p < má pravděpodobnostní

Více

P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod.

P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod. P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod. Matematický přístup k výsledkům únavových zkoušek Náhodnost výsledků únavových zkoušek. Únavové

Více

Normální (Gaussovo) rozdělení

Normální (Gaussovo) rozdělení Normální (Gaussovo) rozdělení Normální (Gaussovo) rozdělení popisuje vlastnosti náhodné spojité veličiny, která vzniká složením různých náhodných vlivů, které jsou navzájem nezávislé, kterých je velký

Více

Náhodné vektory a matice

Náhodné vektory a matice Náhodné vektory a matice Jiří Militký Katedra textilních materiálů Technická Universita Liberec, Červeně označené slide jsou jen pro doplnění informací a nezkouší se. Symbolika A B Jev jistý S (nastane

Více

ŘEŠENÉ ÚLOHY Z OBLASTI SPOLEHLIVOSTI STAVEBNÍCH KONSTRUKCÍ

ŘEŠENÉ ÚLOHY Z OBLASTI SPOLEHLIVOSTI STAVEBNÍCH KONSTRUKCÍ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA STAVEBNÍ ŘEŠENÉ ÚLOHY Z OBLASTI SPOLEHLIVOSTI STAVEBNÍCH KONSTRUKCÍ Václav Sadílek Jiří Doležel Miroslav Vořechovský BRNO 21 (16. března 211) PODĚKOVÁNÍ Skripta vznikla

Více

Kontingenční tabulky, korelační koeficienty

Kontingenční tabulky, korelační koeficienty Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Mějme kategoriální proměnné X a Y. Vytvoříme tzv. kontingenční tabulku. Budeme tedy testovat hypotézu

Více

Výběrové charakteristiky a jejich rozdělení

Výběrové charakteristiky a jejich rozdělení Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Statistické šetření úplné (vyčerpávající) neúplné (výběrové) U výběrového šetření se snažíme o to, aby výběrový

Více

Chyby měření 210DPSM

Chyby měření 210DPSM Chyby měření 210DPSM Jan Zatloukal Stručný přehled Zdroje a druhy chyb Systematické chyby měření Náhodné chyby měření Spojité a diskrétní náhodné veličiny Normální rozdělení a jeho vlastnosti Odhad parametrů

Více

Vybraná rozdělení náhodné veličiny

Vybraná rozdělení náhodné veličiny 3.3 Vybraná rozdělení náhodné veličiny 0,16 0,14 0,12 0,1 0,08 0,06 0,04 0,02 0 Rozdělení Z 3 4 5 6 7 8 9 10 11 12 13 14 15 Život je umění vytvářet uspokojivé závěry na základě nedostatečných předpokladů.

Více

Téma 2: Pravděpodobnostní vyjádření náhodných veličin

Téma 2: Pravděpodobnostní vyjádření náhodných veličin 0.05 0.0 0.05 0.0 0.005 Nominální napětí v pásnici Std Mean 40 60 80 00 0 40 60 Std Téma : Pravděpodobnostní vyjádření náhodných veličin Přednáška z předmětu: Spolehlivost a bezpečnost staveb 4. ročník

Více

I. D i s k r é t n í r o z d ě l e n í

I. D i s k r é t n í r o z d ě l e n í 6. T y p y r o z d ě l e n í Poznámka: V odst. 5.5-5.10 jsme uvedli příklady náhodných veličin a jejich distribučních funkcí. Poznali jsme, že se od sebe liší svým typem. V příkladech 5.5, 5.6 a 5.8 jsme

Více

Základy teorie pravděpodobnosti

Základy teorie pravděpodobnosti Základy teorie pravděpodobnosti Náhodná veličina Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 12. února 2012 Statistika by Birom Základy teorie

Více

p(x) = P (X = x), x R,

p(x) = P (X = x), x R, 6. T y p y r o z d ě l e n í Poznámka: V odst. 5.5-5.10 jsme uvedli příklady náhodných veličin a jejich distribučních funkcí. Poznali jsme, že se od sebe liší svým typem. V příkladech 5.5, 5.6 a 5.8 jsme

Více

Posouzení únosnosti plošného základu část 2 Ověření spolehlivosti návrhu plně pravděpodobnostní metodou

Posouzení únosnosti plošného základu část 2 Ověření spolehlivosti návrhu plně pravděpodobnostní metodou 40 STAVEBNÍ OBZOR 2/2012 Posouzení únosnosti plošného základu část 2 Ověření spolehlivosti návrhu plně pravděpodobnostní metodou doc. Ing. Miroslav VOŘECHOVSKÝ, Ph.D. doc. Ing. Lumír MIČA, Ph.D. Ing. Jiří

Více

Úvod do problematiky měření

Úvod do problematiky měření 1/18 Lord Kelvin: "Když to, o čem mluvíte, můžete změřit, a vyjádřit to pomocí čísel, něco o tom víte. Ale když to nemůžete vyjádřit číselně, je vaše znalost hubená a nedostatečná. Může to být začátek

Více

X = x, y = h(x) Y = y. hodnotám x a jedné hodnotě y. Dostaneme tabulku hodnot pravděpodobnostní

X = x, y = h(x) Y = y. hodnotám x a jedné hodnotě y. Dostaneme tabulku hodnot pravděpodobnostní ..08 8cv7.tex 7. cvičení - transformace náhodné veličiny Definice pojmů a základní vzorce Je-li X náhodná veličina a h : R R je měřitelná funkce, pak náhodnou veličinu Y, která je definovaná vztahem X

Více

24.11.2009 Václav Jirchář, ZTGB

24.11.2009 Václav Jirchář, ZTGB 24.11.2009 Václav Jirchář, ZTGB Síťová analýza 50.let V souvislosti s potřebou urychlit vývoj a výrobu raket POLARIS v USA při závodech ve zbrojení za studené války se SSSR V roce 1958 se díky aplikaci

Více

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

Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Výsledky některých náhodných pokusů jsou přímo vyjádřeny číselně (např. při hodu kostkou padne 6). Náhodnou veličinou

Více

AKM CVIČENÍ. Opakování maticové algebry. Mějme matice A, B regulární, potom : ( AB) = B A

AKM CVIČENÍ. Opakování maticové algebry. Mějme matice A, B regulární, potom : ( AB) = B A AKM - 1-2 CVIČENÍ Opakování maticové algebry Mějme matice A, B regulární, potom : ( AB) = B A 1 1 ( A ) = ( A ) ( A ) = A ( A + B) = A + B 1 1 1 ( AB) = B A, kde A je řádu mxn a B nxk Čtvercová matice

Více

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2017

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2017 Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 207 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia

Více

Pravděpodobnost a matematická statistika

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

Více

Zápočtová písemka z Matematiky III (BA04) skupina A

Zápočtová písemka z Matematiky III (BA04) skupina A skupina A 0 pro x < 1, ae x pro x 1, ), Pravděpodobnost P (X ) a P (X =.). E (X) a E ( X 1). Hustotu transformované náhodné veličiny Y = (X + 1). F(x) = x 3 pro x (0, 9), Hustotu f(x). Pravděpodobnost

Více

Normální rozložení a odvozená rozložení

Normální rozložení a odvozená rozložení I Normální rozložení a odvozená rozložení I.I Normální rozložení Data, se kterými pracujeme, pocházejí z různých rozložení. Mohou být vychýlena (doleva popř. doprava, nebo v nich není na první pohled vidět

Více

NÁHODNÉ VELIČINY JAK SE NÁHODNÁ ČÍSLA PŘEVEDOU NA HODNOTY NÁHODNÝCH VELIČIN?

NÁHODNÉ VELIČINY JAK SE NÁHODNÁ ČÍSLA PŘEVEDOU NA HODNOTY NÁHODNÝCH VELIČIN? NÁHODNÉ VELIČINY GENEROVÁNÍ SPOJITÝCH A DISKRÉTNÍCH NÁHODNÝCH VELIČIN, VYUŽITÍ NÁHODNÝCH VELIČIN V SIMULACI, METODY TRANSFORMACE NÁHODNÝCH ČÍSEL NA HODNOTY NÁHODNÝCH VELIČIN. JAK SE NÁHODNÁ ČÍSLA PŘEVEDOU

Více

teorie elektronických obvodů Jiří Petržela citlivostní a toleranční analýza

teorie elektronických obvodů Jiří Petržela citlivostní a toleranční analýza Jiří Petržela citlivostní a toleranční analýza motivace pasivní prvky obvodů jsou prodávány v sortimentních řadách hodnotu konkrétního prvku neznáme, zjistíme měřením s jistotou známe pouze interval, ve

Více

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11.

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11. UNIVERZITA OBRANY Fakulta ekonomiky a managementu Aplikace STAT1 Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 Jiří Neubauer, Marek Sedlačík, Oldřich Kříž 3. 11. 2012 Popis a návod k použití aplikace

Více

Praktická statistika. Petr Ponížil Eva Kutálková

Praktická statistika. Petr Ponížil Eva Kutálková Praktická statistika Petr Ponížil Eva Kutálková Zápis výsledků měření Předpokládejme, že známe hodnotu napětí U = 238,9 V i její chybu 3,3 V. Hodnotu veličiny zapíšeme na tolik míst, aby až poslední bylo

Více

6. Lineární regresní modely

6. Lineární regresní modely 6. Lineární regresní modely 6.1 Jednoduchá regrese a validace 6.2 Testy hypotéz v lineární regresi 6.3 Kritika dat v regresním tripletu 6.4 Multikolinearita a polynomy 6.5 Kritika modelu v regresním tripletu

Více

Nové úpravy simulační metody Latin Hypercube Sampling

Nové úpravy simulační metody Latin Hypercube Sampling Nové úpravy simulační metody Latin Hypercube Sampling a možnosti využití Miroslav Vořechovský 1 Abstract A new technique is proposed to improve the performance of Latin hypercube sampling. To reduce error

Více

MOŽNOSTI A VYLEPŠENÍ SIMULAČNÍ METODY LHS LIMITATIONS OF AND IMPROVEMENTS TO LHS

MOŽNOSTI A VYLEPŠENÍ SIMULAČNÍ METODY LHS LIMITATIONS OF AND IMPROVEMENTS TO LHS MOŽNOSTI A VYLEPŠENÍ SIMULAČNÍ METODY LHS Abstract LIMITATIONS OF AND IMPROVEMENTS TO LHS Miroslav Vořechovský 1 A new technique is proposed to improve the performance of Latin hypercube sampling. To reduce

Více

Odhad stavu matematického modelu křižovatek

Odhad stavu matematického modelu křižovatek Odhad stavu matematického modelu křižovatek Miroslav Šimandl, Miroslav Flídr a Jindřich Duník Katedra kybernetiky & Výzkumné centrum Data-Algoritmy-Rozhodování Fakulta aplikovaných věd Západočeská univerzita

Více

Zpracování náhodného vektoru. Ing. Michal Dorda, Ph.D.

Zpracování náhodného vektoru. Ing. Michal Dorda, Ph.D. Ing. Michal Dorda, Ph.D. 1 Př. 1: Cestující na vybraném spoji linky MHD byli dotazováni za účelem zjištění spokojenosti s kvalitou MHD. Legenda 1 Velmi spokojen Spokojen 3 Nespokojen 4 Velmi nespokojen

Více

Statistická analýza jednorozměrných dat

Statistická analýza jednorozměrných dat Statistická analýza jednorozměrných dat Prof. RNDr. Milan Meloun, DrSc. Univerzita Pardubice, Pardubice 31.ledna 2011 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem

Více

2. Směrná úroveň spolehlivosti 3. Návaznost na současné předpisy 2. Ověření spolehlivosti požadované úřady, vlastníkem, pojišťovnami

2. Směrná úroveň spolehlivosti 3. Návaznost na současné předpisy 2. Ověření spolehlivosti požadované úřady, vlastníkem, pojišťovnami Hodnocení existujících konstrukcí Zásady hodnocení podle ISO a TS DG6P0M050 Optimalizace sledování a hodnocení. Hodnocení musí vycházet ze skutečného stavu konstrukce, nutno ověřit průzkumem stavu objektu,

Více

Náhodná veličina Číselné charakteristiky diskrétních náhodných veličin Spojitá náhodná veličina. Pravděpodobnost

Náhodná veličina Číselné charakteristiky diskrétních náhodných veličin Spojitá náhodná veličina. Pravděpodobnost Pravděpodobnost Náhodné veličiny a jejich číselné charakteristiky Petr Liška Masarykova univerzita 19.9.2014 Představme si, že provádíme pokus, jehož výsledek dokážeme ohodnotit číslem. Před provedením

Více

Markov Chain Monte Carlo. Jan Kracík.

Markov Chain Monte Carlo. Jan Kracík. Markov Chain Monte Carlo Jan Kracík jan.kracik@vsb.cz Princip Monte Carlo integrace Cílem je (přibližný) výpočet integrálu I(g) = E f [g(x)] = g(x)f (x)dx. (1) Umíme-li generovat nezávislé vzorky x (1),

Více

SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 8: Normové předpisy

SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 8: Normové předpisy SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 8: Normové předpisy Drahomír Novák Jan Eliáš 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 1 část 8 Normové předpisy 2012 Spolehlivost konstrukcí,

Více

Cvičení 2. Vyjádření náhodně proměnných veličin, Posudek spolehlivosti metodou SBRA, Posudek metodou LHS.

Cvičení 2. Vyjádření náhodně proměnných veličin, Posudek spolehlivosti metodou SBRA, Posudek metodou LHS. Spolehlivost a bezpečnost staveb 4. ročník bakalářského studia Cvičení 2 Vyjádření náhodně proměnných veličin, Posudek spolehlivosti metodou SBRA, Posudek metodou LHS. Zpracování naměřených dat Tvorba

Více

Pravděpodobnost, náhoda, kostky

Pravděpodobnost, náhoda, kostky Pravděpodobnost, náhoda, kostky Radek Pelánek IV122, jaro 2015 Výhled pravděpodobnost náhodná čísla lineární regrese detekce shluků Dnes lehce nesourodá směs úloh souvisejících s pravděpodobností krátké

Více

Testování statistických hypotéz

Testování statistických hypotéz Testování statistických hypotéz 1 Testování statistických hypotéz 1 Statistická hypotéza a její test V praxi jsme nuceni rozhodnout, zda nějaké tvrzeni o parametrech náhodných veličin nebo o veličině samotné

Více