Náhodné (statistické) chyby přímých měření
|
|
- Marcel Bezucha
- před 6 lety
- Počet zobrazení:
Transkript
1 Náhodné (statistické) chyby přímých měření Hodnoty náhodných chyb se nedají stanovit předem, ale na základě počtu pravděpodobnosti lze zjistit, která z možných naměřených hodnot je více a která je méně pravděpodobná. Dva základní problémy: 1) Jakým způsobem ze souboru naměřených hodnot zjistit výsledek měření, který se nejvíce blíží správné (tj. skutečné) hodnotě měřené veličiny? 2) Jakým způsobem charakterizovat odchylku výsledku měření od správné hodnoty, tj. jak určit velikost náhodné chyby?
2 Náhodná veličina (n. v.) Na soubory naměřených hodnot pohlížíme jako na soubory náhodných veličin, které se řídí statistickými zákony a výsledcích lze vyslovit pouze pravděpodobnostní výroky. Náhodnou veličinu lze charakterizovat pravděpodobností, s jakou nabývá svých hodnot. N. v. může být buď spojitá nebo nespojitá. Příklad hustota pravděpodobnosti 0,004 0,003 0,002 0,001 0, hodnota Měření délky: 13,3 cm; 13,2 cm; 13,1 cm; 13,2 cm; 13,0 cm. Jednotlivé naměřené délky považuje za náhodné (spojité) veličiny (délka může nabývat libovolné hodnoty).
3 Opakování počtu pravděpodobnosti
4 Klasická definice pravděpodobnosti: Pravděpodobnost Počet případů příznivých Počet případů možných Jakých hodnot může pravděpodobnost daného jevu nabývat? Příklad Jaká je pravděpodobnost, že při hodu hrací kostkou padne číslo 6?
5 Statistická definice pravděpodobnosti n krát opakujeme daný experiment m krát zaznamenáme úspěch (příznivý případ). Pravděpodobnost lim n m n Příklad Hodíme desetkrát hrací kostkou. Padnou tato čísla: 5, 4, 1, 6, 5, 4, 2, 6, 3, 4 Odhadněte pravděpodobnost toho, že padne číslo 6.
6 Nespojitá náhodná veličina Může nabývat jen konečně mnoha nebo spočetně mnoha hodnot. Jedná se často o hodnoty celočíselné (např. počet impulzů, počet částic, ) získaných čítáním. Předem zadané hodnoty x nabývá s pravděpodobností P(x).
7 Měříme opakovaně n krát za shodných podmínek stejnou veličinu. Danou hodnotu x naměříme m krát. Číslu m říkáme četnost měřené hodnoty x. Tento graf nazýváme histogram
8 Při měření intenzity pozadí ionizujícího záření byly naměřeny následující hodnoty: číslo měření intenzita (imp/10s) 1 3 Nakreslete histogram: graf četnosti intenzity jako funkce měřené hodnoty četnost takto kreslíme četnost hodnoty intenzita (imp/10s)
9 Za jakých podmínek bude relativní četnost rovna pravděpodobnosti naměření dané hodnoty? Relativní četnost je definována jako m n Pravděpodobnost je definována jako lim n m n
10 Graf závislosti pravděpodobnosti na naměřené hodnotě nazýváme rozdělení diskrétní náhodné proměnné. pravděpodobnost hodnota Pravděpodobnost naměření hodnoty x i budeme značit P xi
11 Jaká je hodnota výrazu: všechna i P x i
12 Doposud jsme se věnovali diskrétní náhodné proměnné. To je taková proměnná, která nabývá jen určitých hodnot. (Př.: výsledek hodu kostkou, posloupnost čísel při tahu sportky apod.) Fyzikální veličiny však obvykle mohou nabývat libovolné hodnoty. Náhodná proměnná spojená s takovou fyzikální veličinou bude tzv. spojitá (spojitá n. v.). Spojitá náhodná veličina může nabývat hodnot, které se od sebe libovolně málo liší, ale žádné dvě nejsou stejné. Toto je však pouze teorie. Ve skutečnosti je každá měřená hodnota diskrétní diskretizaci provádí měřící přístroj. Tento digitální voltmetr naměří hodnoty 1,295, 1,296 nebo 1,297 ale nic mezi tím.
13 Přestože se ve skutečnosti se spojitými náhodnými proměnnými (veličinami) při měření v praxi nesetkáme, používají se spojitá rozdělení častěji lépe se s nimi počítá s využitím aparátu matematické analýzy. Formalismus popisu náhodných proměnných je ale odlišný. pravděpodobnost hodnota hustota pravděpodobnosti 0,004 0,003 0,002 0,001 0, hodnota Jaká je pravděpodobnost, že naměříme hodnotu frekvence elektromagnetického záření 2, GHz? Přesně!
14 Pravděpodobnost naměření určité konkrétní hodnoty spojité náhodné proměnné nemá smysl, je vždy rovna nule. Smysl má pouze pravděpodobnost naměření hodnoty v určitém intervalu. Definujeme tzv. hustotu pravděpodobnosti px ( ) dp dx
15 Analogie hustota (hmotnosti) a hustota pravděpodobnosti hustota (hmotnosti) m V průměrná hustota nehomogenního kusu látky o hmotnosti m a objemu V Pokud se hustota tělesa mění místo od místa (těleso není homogenní), má smysl definovat lokální hustotu: dm dv Hustota v bodě = hmotnost nekonečně malého kousku děleno objemem tohoto kousku.
16 Známe-li střední hustotu, můžeme hmotnost tělesa spočítat takto: m V Známe-li lokální hustotu, hmotnost tělesa se spočítá takto: m V dv Pravděpodobnosti naměření hodnoty x z intervalu (x 1, x 2 ) se spočítá jako: P( x, x ) p( x) dx 1 2 x x 2 1 hustota pravděpodobnosti 0,004 0,003 0,002 0,001 0, hodnota
17 Čemu je roven výraz: p( x) dx? hustota pravděpodobnosti 0,004 0,003 0,002 0,001 0, hodnota
18 Úkol: Seřaďte podle velikosti od nejmenšího po největší 1) pravděpodobnost naměření hodnoty v intervalu (50,100) 2) pravděpodobnost naměření hodnoty v intervalu (100,150) 3) pravděpodobnost naměření hodnoty v intervalu (250,300) p(x) P( x1, x2) p( x) dx x x x
19 Základními parametry rozdělení jsou: diskrétní rozdělení spojité rozdělení střední hodnota n Px x ( ) i i i 1 D x p x dx n počet všech možností D definiční obor rozptyl (disperze) n D Px ( xi ) i 1 i 2 2 D ( x ) p( x) dx D
20 Úkol: Které rozdělení má větší střední hodnotu (černé nebo červené)? hustota pravděpodobnosti 0,006 0,005 0,004 0,003 0,002 0,001 D x p( x) dx 0, hodnota
21 Úkol: Které rozdělení má větší disperzi (černé nebo červené)? 0,006 2 D ( x ) p( x) dx D hustota pravděpodobnosti 0,005 0,004 0,003 0,002 0,001 0, hodnota Proč je červené rozdělení nižší než černé?
22 Střední hodnota určuje polohu rozdělení na ose x a disperze jeho šířku. Disperze však nemůže být přímo jakkoliv definovanou šířkou nemá vhodnou jednotku. n 2 2 x ( ) i i i 1 D D P x D ( x ) p( x) dx Proto definujeme tzv. směrodatnou odchylku σ vztahem: D 0,006 hustota pravděpodobnosti 0,005 0,004 0,003 0,002 0,001 0, hodnota
23 Intervaly spolehlivosti Hledáme velikost intervalu pro zvolenou hodnotu pravděpodobnosti, přičemž předpokládáme, že máme naměřeno nekonečně mnoho hodnot. Interval, jemuž přísluší pravděpodobnost P, nazýváme P-procentní interval spolehlivosti (také konfidenční interval). (μ kσ, μ kσ), kde k 0.
24 Normální (Gaussovo) rozdělení P( x1, x2) p( x) dx p( x) x x e 2 ( x ) střední hodnota: µ disperze: D=σ 2 σ je směrodatná odchylka Je nejčastější používaný model rozdělení náhodné veličiny. 0, Používá se pro náhodné jevy, které vznikly složením vlivů, které jsou nezávislé, je jich velký počet a každý z těchto vlivů ovlivňuje skutečnou hodnotu n. v. jen malým příspěvkem. Přímo měřené fyzikální veličiny zpravidla těmto předpokladům vyhovují (u přesných měření je třeba nejdříve vyšetřit, jakým rozdělením pravděpodobnosti lze n. v. popsat). hustota pravděpodobnosti 0,004 0,003 0,002 0,001 hodnota
25 Jak souvisí σ s tvarem křivky? µ = 500 σ = 100 µ = 300 σ = 100 hustota pravděpodobnosti 0,004 0,003 0,002 0,001 0, hodnota hustota pravděpodobnosti 0,004 0,003 0,002 0,001 0, hodnota 0,0025 µ = 500 σ = 200 hustota pravděpodobnosti 0,0020 0,0015 0,0010 0,0005 0, hodnota
26 Inflexní bod je bod na křivce, ve kterém křivost mění znaménko z kladného na záporné nebo ze záporného na kladné. Křivka se mění z konkávní (kladná křivost) na konvexní (záporná křivost) nebo obráceně. µ = 500 σ = 100 hustota pravděpodobnosti 0,004 0,003 0,002 0,001 0, hodnota µ µ - σ µ + σ inflexní bod
27 µ = 500 σ = 100 hustota pravděpodobnosti 0,004 0,003 0,002 0,001 0, hodnota µ µ - σ µ + σ inflexní bod ( x ) 1 p x dx e dx ( ) 0,68 2 Měříme-li veličinu, která se řídí normálním rozdělením se střední hodnotou µ a směrodatnou odchylkou σ, je pravděpodobnost toho, že při dalším měření naměříme hodnotu z intervalu (µ - σ, µ + σ) rovna 68%.
28 Úkol: Odhadněte, jaká je pravděpodobnost naměření hodnoty z intervalu (µ - 3σ, µ + 3σ). hustota pravděpodobnosti 0,004 0,003 0,002 0,001 0, hodnota µ µ - σ µ + σ inflexní bod
29 Definujeme tzv. krajní (mezní) chybu vztahem: k = 3.σ Pravděpodobnost naměření hodnoty v intervalu (µ - 3σ, µ + 3σ) (tzv. 3σ interval) je rovna 99,7 %. krajní (mezní) chyba = jistota
30 Definujeme tzv. pravděpodobnou chybu pro P = 0,5 (= 50 %): k = 2/3 Pravděpodobnost naměření hodnoty v intervalu (µ - 2/3σ, µ + 2/3σ) je rovna 50 % (tento interval vymezuje právě polovinu obsahu plochy pod normální křivkou). Při běžných měřeních často stačí pracovat s tímto intervalem.
31 Hodnoty čísla k pro pravděpodobnost P při různém počtu měření N
32 Vlastnosti spojité n. v., která se řídí normálním rozdělením
33 Odhady střední hodnoty a směrodatné odchylky pro konečný počet měření Měříme náhodnou veličinu x a chceme určit odhad její střední hodnoty a chyby, tedy výraz: x (hodnota chyba) jednotky x ( x s x ) Opakujeme n krát měření za stejných podmínek, odhad střední hodnoty získáme jako: 1 n x x aritmetický průměr i n i 1 a odhad směrodatné odchylky (chyby) n jednoho měření 2 ( xi x) i 1 sx n 1
34 Příklad Při měření intenzity pozadí ionizujícího záření byly naměřeny následující hodnoty: číslo měření Intenzita Vypočtěte odhad střední hodnoty a směrodatné odchylky. 1 3,0 2 4,0 3 3,0 4 3,0 5 4,0 s x n i 1 ( x x) i n 1 2
35 Příklad Při měření intenzity pozadí ionizujícího záření byly naměřeny následující hodnoty: číslo měření intenzita (imp/10s) Vypočtěte odhad střední hodnoty a směrodatné odchylky. Řešení Vlastnosti aritmetického průměru
36 Směrodatná odchylka při malém počtu měření Při malém počtu měření se spojitá n. v. neřídí normálním rozdělením, ale tzv. Studentovým neboli t-rozdělením Křivka je plošší (tím více, čím nižší je N) pro dosažení stejné psti P výskytu naměřené hodnoty v nějakém intervalu symetrickém kolem μ je třeba u t-rozdělení zvolit interval (μ kσ, μ + kσ) širší.
37 Kritéria pro vyloučení hrubých chyb měření Připomeňme si: Pravděpodobnost naměření hodnoty v intervalu (µ - 3σ, µ + 3σ) je rovna (tzv. 3σ interval) je 99,7 % (= jistota) krajní (mezní) chyba
38 Směrodatná odchylka jednoho měření však není pro celý soubor N měření dostačující. Pokud bychom znovu provedli N měření, dospěli bychom k jiné hodnotě arit. průměru (i když je střední hodnota μ stejná). x 1 n xi n i 1 s x n i 1 ( x x) i nn ( 1) 2 x ( x s ) x
39 Shrnutí postup při zpracování hodnot získaných přímým měřením
40 Cvičení 1. Určení střední hodnoty a chyby při malém počtu měření Posuvným měřidlem byly naměřeny tyto hodnoty délky: 3,12 cm; 3,00 cm; 3,06 cm. Předpokládejte, že měřené hodnoty jsou zatíženy jen náhodnými chybami. Vypočtěte odhad střední hodnoty a směrodatnou odchylku jednoho měření a aritmetického průměru. Určete interval spolehlivosti pro P= 0,995 a P = 0,5. Vypočtěte relativní chyby.
41 Cvičení 2. Určení střední hodnoty a chyby při malém počtu měření V tabulce jsou zaznamenány naměřené hodnoty hmotnosti. Předpokládejte, že měřené hodnoty jsou zatíženy jen náhodnými chybami. Vypočtěte odhad střední hodnoty a směrodatnou odchylku jednoho měření a aritmetického průměru. Určete interval spolehlivosti pro P = 0,999, P = 0,995 a P = 0,5. Vypočtěte relativní chyby.
42 Cvičení 3. Určení střední hodnoty a chyby při malém počtu měření - použití přísnějšího kritéria pro vyloučení hrubých chyb
43 Cvičení 3. Určení střední hodnoty a chyby při malém počtu měření - použití přísnějšího kritéria pro vyloučení hrubých chyb V tabulce jsou zaznamenány naměřené hodnoty hmotnosti. Předpokládejte, že měřené hodnoty jsou zatíženy jen náhodnými chybami. Vypočtěte odhad střední hodnoty a směrodatnou odchylku jednoho měření a aritmetického průměru. Pro vyloučení hrubých chyb užijte t-kritérium.
44 Cvičení 4. Určení střední hodnoty a chyby při dostatečném počtu měření V tabulce jsou zaznamenány naměřené hodnoty průměru drátu (průměr drátu byl měřen na deseti různých místech, vždy ve dvou navzájem kolmých směrech). Předpokládejte, že měřené hodnoty jsou zatíženy jen náhodnými chybami), měření bylo provedeno mikrometrem. Vypočtěte odhad střední hodnoty a směrodatnou odchylku jednoho měření a aritmetického průměru. Určete interval spolehlivosti pro P = 0,997 a P = 0,5. Vypočtěte relativní chyby.
Náhodné chyby přímých měření
Náhodné chyby přímých měření Hodnoty náhodných chyb se nedají stanovit předem, ale na základě počtu pravděpodobnosti lze zjistit, která z možných naměřených hodnot je více a která je méně pravděpodobná.
VíceÚvod do práce v laboratoři
Úvod do práce v laboratoři Zdeněk Bochníček Literatura: PÁNEK, Petr. Úvod do fyzikálních měření. Brno: skripta PřF MU, 2001 HORÁK, Zdeněk. Praktická fysika. SNTL Praha, 1958 BROŽ, Jaromír a kol. Základy
VíceChyby 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
Více10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.
0 cvičení z PST 5 prosince 208 0 (intervalový odhad pro rozptyl) Soubor (70, 84, 89, 70, 74, 70) je náhodným výběrem z normálního rozdělení N(µ, σ 2 ) Určete oboustranný symetrický 95% interval spolehlivosti
VíceNáhodná 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
VíceNormální (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
VíceNěkdy lze výsledek pokusu popsat jediným číslem, které označíme X (nebo jiným velkým písmenem). Hodíme dvěma kostkami jaký padl součet?
Náhodné veličiny Náhodné veličiny Někdy lze výsledek pokusu popsat jediným číslem, které označíme X (nebo jiným velkým písmenem). Příklad Vytáhneme tři karty z balíčku zajímá nás, kolik je mezi nimi es.
VíceVýběrové 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
VíceI. 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
Vícep(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
VícePraktická 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
VíceVšechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a
Všechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a báli jste se zeptat Jedinečnou funkcí statistiky je, že umožňuje vědci číselně vyjádřit nejistotu v jeho závěrech. (G. W. Snedecor)
VíceKGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 4. Teoretická rozdělení Mgr. David Fiedor 9. března 2015 Osnova Úvod 1 Úvod 2 3 4 5 Vybraná rozdělení náhodných proměnných normální rozdělení normované normální rozdělení
VíceVybraná 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.
VíceNÁHODNÁ VELIČINA. 3. cvičení
NÁHODNÁ VELIČINA 3. cvičení Náhodná veličina Náhodná veličina funkce, která každému výsledku náhodného pokusu přiřadí reálné číslo. Je to matematický model popisující více či méně dobře realitu, který
VíceDiskrétní 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.
VíceNormální (Gaussovo) rozdělení
Normální (Gaussovo) rozdělení f x = 1 2 exp x 2 2 2 f(x) je funkce hustoty pravděpodobnosti, symetrická vůči poloze maxima x = μ μ střední hodnota σ směrodatná odchylka (tzv. pološířka křivky mezi inflexními
VíceTéma 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
VíceCharakterizují kvantitativně vlastnosti předmětů a jevů.
Měřicí aparatura 1 / 34 Fyzikální veličiny Charakterizují kvantitativně vlastnosti předmětů a jevů. Můžeme je dělit: Podle rozměrů: Bezrozměrné (index lomu, poměry) S rozměrem fyzikální veličiny velikost
VíceZáklady 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
Více2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení
2 Zpracování naměřených dat Důležitou součástí každé experimentální práce je statistické zpracování naměřených dat. V této krátké kapitole se budeme věnovat určení intervalů spolehlivosti získaných výsledků
VíceUrčete 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
VíceNáhodná proměnná. Náhodná proměnná může mít rozdělení diskrétní (x 1. , x 2. ; x 2. spojité (<x 1
Náhodná proměnná Náhodná proměnná může mít rozdělení diskrétní (x 1, x 2,,x n ) spojité () Poznámky: 1. Fyzikální veličiny jsou zpravidla spojité, ale změřené hodnoty jsou diskrétní. 2. Pokud
VíceMatematika III. 4. října Vysoká škola báňská - Technická univerzita Ostrava. Matematika III
Vysoká škola báňská - Technická univerzita Ostrava 4. října 2018 Podmíněná pravděpodobnost Při počítání pravděpodobnosti můžeme k náhodnému pokusu přidat i nějakou dodatečnou podmínku. Podmíněná pravděpodobnost
VíceJiří 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
VícePravděpodobnost 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
VíceÚvod 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
VíceDobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze
Dobývání znalostí Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze Dobývání znalostí Pravděpodobnost a učení Doc. RNDr. Iveta Mrázová,
VíceCvičení ze statistiky - 5. Filip Děchtěrenko
Cvičení ze statistiky - 5 Filip Děchtěrenko Minule bylo.. Začali jsme pravděpodobnost Klasická a statistická definice pravděpodobnosti Náhodný jev Doplněk, průnik, sjednocení Podmíněná pravděpodobnost
VíceDiskrétní náhodná veličina
Lekce Diskrétní náhodná veličina Výsledek náhodného pokusu může být vyjádřen slovně to vede k zavedení pojmu náhodného jevu Výsledek náhodného pokusu můžeme někdy vyjádřit i číselně, což vede k pojmu náhodné
VíceTéma 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
VíceÚvod do teorie měření. Eva Hejnová
Úvod do teorie měření Eva Hejnová Literatura: Novák, R. Úvod do teorie měření. Ústí nad Labem: UJEP, 2003 Sprušil, B., Zieleniecová, P.: Úvod do teorie fyzikálních měření. Praha: SPN, 1985 Brož, J. a kol.
Více( + ) ( ) f x x f x. x bude zmenšovat nekonečně přesný. = derivace funkce f v bodě x. nazýváme ji derivací funkce f v bodě x. - náš základní zápis
1.. Derivace elementárních funkcí I Předpoklad: 1 Shrnutí z minulé hodin: Chceme znát jakým způsobem se mění hodnot funkce f ( f ( + f ( přibližná hodnota změn = přesnost výpočtu se bude zvětšovat, kdž
VíceKGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 5. Odhady parametrů základního souboru Mgr. David Fiedor 16. března 2015 Vztahy mezi výběrovým a základním souborem Osnova 1 Úvod, pojmy Vztahy mezi výběrovým a základním
VíceMATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci
MATEMATICKÁ STATISTIKA Dana Černá http://www.fp.tul.cz/kmd/ Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci Matematická statistika Matematická statistika se zabývá matematickým
VíceP13: 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
VíceTéma 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
VíceUrčujeme neznámé hodnoty parametru základního souboru. Pomocí výběrové charakteristiky vypočtené z náhodného výběru.
1 Statistické odhady Určujeme neznámé hodnoty parametru základního souboru. Pomocí výběrové charakteristiky vypočtené z náhodného výběru. Odhad lze provést jako: Bodový odhad o Jedna číselná hodnota Intervalový
VíceEXPERIMENTÁLNÍ MECHANIKA 2 Přednáška 5 - Chyby a nejistoty měření. Jan Krystek
EXPERIMENTÁLNÍ MECHANIKA 2 Přednáška 5 - Chyby a nejistoty měření Jan Krystek 9. května 2019 CHYBY A NEJISTOTY MĚŘENÍ Každé měření je zatíženo určitou nepřesností způsobenou nejrůznějšími negativními vlivy,
VíceÚvod do teorie měření. Eva Hejnová
Úvod do teorie měření Eva Hejnová Podmínky získání zápočtu: Podmínkou pro získání zápočtu je účast na cvičeních (maximálně tři absence) a úspěšné splnění jednoho písemného testu alespoň na 50 % max. počtu
VíceNáhodná 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
VíceÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A4. Cvičení, letní semestr DOMÁCÍ ÚLOHY. Jan Šafařík
Vysoké učení technické v Brně Stavební fakulta ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE Matematika 0A4 Cvičení, letní semestr DOMÁCÍ ÚLOHY Jan Šafařík Brno c 200 (1) 120 krát jsme házeli hrací kostkou.
VíceAnalýza dat na PC I.
CENTRUM BIOSTATISTIKY A ANALÝZ Lékařská a Přírodovědecká fakulta, Masarykova univerzita Analýza dat na PC I. Popisná analýza v programu Statistica IBA výuka Základní popisná statistika Popisná statistika
VícePosouzení přesnosti měření
Přesnost měření Posouzení přesnosti měření Hodnotu kvantitativně popsaného parametru jakéhokoliv objektu zjistíme jedině měřením. Reálné měření má vždy omezenou přesnost V minulosti sloužila k posouzení
VíceFyzikální korespondenční seminář MFF UK
Úloha I.S... náhodná 10 bodů; průměr 7,04; řešilo 45 studentů a) Zkuste vlastními slovy popsat, co je to náhodná veličina a jaké má vlastnosti (postačí vlastními slovy objasnit následující pojmy: náhodná
VíceÚvod do teorie měření. Eva Hejnová
Úvod do teorie měření Eva Hejnová Program semináře 1. Základní pojmy - metody měření, druhy chyb, počítání s neúplnými čísly, zaokrouhlování 2. Chyby přímých měření - aritmetický průměr a směrodatná odchylka,
VícePravděpodobnost 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
Více8 Střední hodnota a rozptyl
Břetislav Fajmon, UMAT FEKT, VUT Brno Této přednášce odpovídá kapitola 10 ze skript [1]. Také je k dispozici sbírka úloh [2], kde si můžete procvičit příklady z kapitol 2, 3 a 4. K samostatnému procvičení
VíceInovace bakalářského studijního oboru Aplikovaná chemie
http://aplchem.upol.cz CZ.1.07/2.2.00/15.0247 Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. Základy zpracování dat chemometrie, statistika Doporučenáliteratura
Více5. Náhodná veličina. 2. Házíme hrací kostkou dokud nepadne šestka. Náhodná veličina nabývá hodnot z posloupnosti {1, 2, 3,...}.
5. Náhodná veličina Poznámka: Pro popis náhodného pokusu jsme zavedli pojem jevového pole S jako množiny všech možných výsledků a pravděpodobnost náhodných jevů P jako míru výskytů jednotlivých výsledků.
Více2. Základní typy dat Spojitá a kategoriální data Základní popisné statistiky Frekvenční tabulky Grafický popis dat
2. Základní typy dat Spojitá a kategoriální data Základní popisné statistiky Frekvenční tabulky Grafický popis dat Anotace Realitu můžeme popisovat různými typy dat, každý z nich se specifickými vlastnostmi,
Více4. cvičení 4ST201. Pravděpodobnost. Obsah: Pravděpodobnost Náhodná veličina. Co je třeba znát z přednášek
cvičící 4. cvičení 4ST201 Obsah: Pravděpodobnost Náhodná veličina Vysoká škola ekonomická 1 Pravděpodobnost Co je třeba znát z přednášek 1. Náhodný jev, náhodný pokus 2. Jev nemožný, jev jistý 3. Klasická
VíceZáklady biostatistiky II. Veřejné zdravotnictví 3.LF UK - II
Základy biostatistiky II Veřejné zdravotnictví 3.LF UK - II Teoretické rozložení-matematické modely rozložení Naměřená data Výběrové rozložení Teoretické rozložení 1 e 2 x 2 Teoretické rozložení-matematické
VíceSTATISTICKÉ ODHADY Odhady populačních charakteristik
STATISTICKÉ ODHADY Odhady populačních charakteristik Jak stanovit charakteristiky rozložení sledované veličiny v základní populaci? Populaci většinou nemáme celou k dispozici, musíme se spokojit jen s
VíceJAK MODELOVAT VÝSLEDKY NÁH. POKUSŮ? Martina Litschmannová
JAK MODELOVAT VÝSLEDKY NÁH. POKUSŮ? Martina Litschmannová Opakování Základní pojmy z teorie pravděpodobnosti Co je to náhodný pokus? Děj, jehož výsledek není předem jednoznačně určen podmínkami, za nichž
VícePRAVDĚPODOBNOST 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
VíceSTATISTICKÉ ZJIŠŤOVÁNÍ
STATISTICKÉ ZJIŠŤOVÁNÍ ÚVOD Základní soubor Všechny ryby v rybníce, všechny holky/kluci na škole Cílem určit charakteristiky, pravděpodobnosti Průměr, rozptyl, pravděpodobnost, že Maruška kápne na toho
VíceLimitní věty teorie pravděpodobnosti. 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 Jestliže opakujeme nezávisle nějaký pokus, můžeme z pozorovaných hodnot sestavit rozdělení relativních četností
VíceOdhad parametrů N(µ, σ 2 )
Odhad parametrů N(µ, σ 2 ) Mějme statistický soubor x 1, x 2,, x n modelovaný jako realizaci náhodného výběru z normálního rozdělení N(µ, σ 2 ) s neznámými parametry µ a σ. Jaký je maximální věrohodný
VíceTomáš Karel LS 2012/2013
Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není
VíceInferenční statistika - úvod. z-skóry normální rozdělení pravděpodobnost rozdělení výběrových průměrů
Inferenční statistika - úvod z-skóry normální rozdělení pravděpodobnost rozdělení výběrových průměrů Pravděpodobnost postupy induktivní statistiky vycházejí z teorie pravděpodobnosti pravděpodobnost, že
VíceRozdělení náhodné veličiny. Distribuční funkce. Vlastnosti distribuční funkce
Náhodná veličina motivace Náhodná veličina Často lze výsledek náhodného pokusu vyjádřit číslem: číslo, které padlo na kostce, výška náhodně vybraného studenta, čas strávený čekáním na metro, délka života
VíceSTANOVENÍ 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.
VíceCharakterizace 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
VíceChyby měřidel a metody měření vybraných fyzikálních veličin
Chyby měřidel a metody měření vybraných fyzikálních veličin Viz oskenovaný text ze skript Sprušil, Zieleniecová: Úvod do teorie fyzikálních měření http://physics.ujep.cz/~ehejnova/utm/materialy_studium/chyby_meridel.pdf
VíceTest z teorie VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY
VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY Test z teorie 1. Střední hodnota pevně zvolené náhodné veličiny je a) náhodná veličina, b) konstanta, c) náhodný jev, d) výběrová charakteristika. 2. Výběrový
VíceInduktivní statistika. z-skóry pravděpodobnost
Induktivní statistika z-skóry pravděpodobnost normální rozdělení Z-skóry umožňují najít a popsat pozici každé hodnoty v rámci rozdělení hodnot a také srovnávání hodnot pocházejících z měření na rozdílných
VíceCharakteristika datového souboru
Zápočtová práce z předmětu Statistika Vypracoval: 10. 11. 2014 Charakteristika datového souboru Zadání: Při kontrole dodržování hygienických norem v kuchyni se prováděl odběr vzduchu a pomocí filtru Pallflex
VíceJevy a náhodná veličina
Jevy a náhodná veličina Výsledky některých jevů jsou vyjádřeny číselně -na hrací kostce padne číslo 1, 4, 6.., jiným jevům můžeme čísla přiřadit (stupeň školního vzdělání: ZŠ, SŠ, VŠ) Data jsme rozdělili
Více1 Náhodný výběr a normální rozdělení 1.1 Teoretická a statistická pravděpodobnost
1 Náhodný výběr a normální rozdělení 1.1 Teoretická a statistická pravděpodobnost Ve světě kolem nás eistují děje, jejichž výsledek nelze předem jednoznačně určit. Například nemůžete předem určit, kolik
VíceMATEMATICKÁ 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
Více7. 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,
VíceNáhodná veličina a její charakteristiky. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáte. Proto je proměnná, která
Náhodná veličina a její charakteristiky Náhodná veličina a její charakteristiky Představte si, že provádíte náhodný pokus, jehož výsledek jste schopni ohodnotit nějakým číslem. Před provedením pokusu jeho
Více8. 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
VíceVýpočet pravděpodobností
Výpočet pravděpodobností Pravděpodobnostní kalkulátor v programu STATISTICA Cvičení 5 Statistické metody a zpracování dat 1 (podzim 2016) Brno, říjen 2016 Ambrožová Klára Trocha teorie Náhodné jevy mají
VícePřednáška. Diskrétní náhodná proměnná. Charakteristiky DNP. Základní rozdělení DNP
IV Přednáška Diskrétní náhodná proměnná Charakteristiky DNP Základní rozdělení DNP Diskrétní náhodná veličina Funkce definovaná na Ω, přiřazující každému elementárnímu jevu E prvky X(E) D R kde D je posloupnost
VíceStatistické vyhodnocování ankety pilotního projektu Kvalita výuky na Západočeské univerzitě v Plzni
Statistické vyhodnocování ankety pilotního projektu Kvalita výuky na Západočeské univerzitě v Plzni Kvantifikace dat Pro potřeby statistického zpracování byly odpovědi převedeny na kardinální intervalovou
VícePravděpodobnost a statistika (BI-PST) Cvičení č. 9
Pravděpodobnost a statistika (BI-PST) Cvičení č. 9 R. Blažek, M. Jiřina, J. Hrabáková, I. Petr, F. Štampach, D. Vašata Katedra aplikované matematiky Fakulta informačních technologií České vysoké učení
Vícea způsoby jejího popisu Ing. Michael Rost, Ph.D.
Podmíněná pravděpodobnost, náhodná veličina a způsoby jejího popisu Ing. Michael Rost, Ph.D. Podmíněná pravděpodobnost Pokud je jev A vázán na uskutečnění jevu B, pak tento jev nazýváme jevem podmíněným
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Náhodná proměnná Náhodná veličina slouží k popisu výsledku pokusu. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáme. Přesto bychom chtěli tento pokus
VícePRAVDĚPODOBNOST A STATISTIKA aneb Krátký průvodce skripty [1] a [2]
PRAVDĚPODOBNOST A STATISTIKA aneb Krátký průvodce skripty [1] a [2] Použitá literatura: [1]: J.Reif, Z.Kobeda: Úvod do pravděpodobnosti a spolehlivosti, ZČU Plzeň, 2004 (2. vyd.) [2]: J.Reif: Metody matematické
VíceE(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
VíceÚloha 5: Spektrometrie záření α
Petra Suková, 3.ročník 1 Úloha 5: Spektrometrie záření α 1 Zadání 1. Proveďte energetickou kalibraci α-spektrometru a určete jeho rozlišení. 2. Určeteabsolutníaktivitukalibračníhoradioizotopu 241 Am. 3.
Více15. T e s t o v á n í h y p o t é z
15. T e s t o v á n í h y p o t é z Na základě hodnot náhodného výběru činíme rozhodnutí o platnosti hypotézy o hodnotách parametrů rozdělení nebo o jeho vlastnostech. Rozeznáváme dva základní typy testů:
Více8.1. 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
VícePravděpodobnost a statistika (BI-PST) Cvičení č. 4
Pravděpodobnost a statistika (BI-PST) Cvičení č. 4 J. Hrabáková, I. Petr, F. Štampach, D. Vašata Katedra aplikované matematiky Fakulta informačních technologií České vysoké učení technické v Praze ZS 2014/2015
VíceNávrh a vyhodnocení experimentu
Návrh a vyhodnocení experimentu Návrh a vyhodnocení experimentů v procesech vývoje a řízení kvality vozidel Ing. Bohumil Kovář, Ph.D. FD ČVUT Ústav aplikované matematiky kovar@utia.cas.cz Mladá Boleslav
VíceROZDĚLENÍ NÁHODNÝCH VELIČIN
ROZDĚLENÍ NÁHODNÝCH VELIČIN 1 Vytvořeno s podporou projektu Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny společného základu (reg. č. CZ.1.07/2.2.00/28.0021)
VíceIntervalové odhady. Interval spolehlivosti pro střední hodnotu v N(µ, σ 2 ) Interpretace intervalu spolehlivosti. Interval spolehlivosti ilustrace
Intervalové odhady Interval spolehlivosti pro střední hodnotu v Nµ, σ 2 ) Situace: X 1,..., X n náhodný výběr z Nµ, σ 2 ), kde σ 2 > 0 známe měli jsme: bodové odhady odhadem charakteristiky je číslo) nevyjadřuje
VíceZápočtová práce STATISTIKA I
Zápočtová práce STATISTIKA I Obsah: - úvodní stránka - charakteristika dat (původ dat, důvod zpracování,...) - výpis naměřených hodnot (v tabulce) - zpracování dat (buď bodové nebo intervalové, podle charakteru
VíceBiostatistika Cvičení 7
TEST Z TEORIE 1. Střední hodnota pevně zvolené náhodné veličiny je a) náhodná veličina, b) konstanta, c) náhodný jev, d) výběrová charakteristika. 2. Výběrový průměr je a) náhodná veličina, b) konstanta,
VíceÚvod do teorie odhadu. Ing. Michael Rost, Ph.D.
Úvod do teorie odhadu Ing. Michael Rost, Ph.D. Náhodný výběr Náhodným výběrem ze základního souboru populace, která je popsána prostřednictvím hustoty pravděpodobnosti f(x, θ), budeme nazývat posloupnost
VícePravděpodobnostní rozdělení
Náhodná proměnná Pravděpodobnostní rozdělení Základy logiky a matematiky, ISS FSV UK Martin Štrobl Tento pomocný materiál neobsahuje všechnu látku k danému tématu, pouze se zaměřuje na pochopení důležitých
VíceANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK
ANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK www.biostatisticka.cz POPISNÉ STATISTIKY - OPAKOVÁNÍ jedna kvalitativní
VíceIntervalové odhady. Interval spolehlivosti pro střední hodnotu v N(µ, σ 2 ) Interpretace intervalu spolehlivosti. Interval spolehlivosti ilustrace
Intervalové odhady Interval spolehlivosti pro střední hodnotu v Nµ, σ 2 ) Situace: X 1,..., X n náhodný výběr z Nµ, σ 2 ), kde σ 2 > 0 známe měli jsme: bodové odhady odhadem charakteristiky je číslo) nevyjadřuje
Více3/8.4 PRAKTICKÉ APLIKACE PŘI POUŽÍVÁNÍ NEJISTOT
PROKAZOVÁNÍ SHODY VÝROBKŮ část 3, díl 8, kapitola 4, str. 1 3/8.4 PRAKTICKÉ APLIKACE PŘI POUŽÍVÁNÍ NEJISTOT Vyjadřování standardní kombinované nejistoty výsledku zkoušky Výsledek zkoušky se vyjadřuje v
Více