Statistika pro informatiku (MI-SPI) Cvičení č. 6

Podobné dokumenty
Pravděpodobnost a statistika (BI-PST) Cvičení č. 4

Cvičení 11. Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc.

Markovské metody pro modelování pravděpodobnosti

Pravděpodobnost a statistika (BI-PST) Cvičení č. 9

Pravděpodobnost a statistika (BI-PST) Cvičení č. 2

14. cvičení z PSI. 9. ledna Pro každý stav platí, že všechny hrany z něj vycházející mají stejnou pravděpodobnost.

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

Stochastické modely Informace k závěrečné zkoušce

Mgr. Rudolf Blažek, Ph.D. prof. RNDr. Roman Kotecký Dr.Sc.

13. cvičení z PSI ledna 2017

4. Aplikace matematiky v ekonomii

Kapitola 4: Extrémy funkcí dvou proměnných 1/5

A6M33SSL: Statistika a spolehlivost v lékařství Teorie spolehlivosti

Cvičení 5. Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc.

Výběrové charakteristiky a jejich rozdělení

Cvičení 10. Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc.


13. Lineární procesy

Cvičení 3. Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc.

Miroslav Hanzelka, Václav Rozhoň června 2013

14. cvičení z PSI. 9. ledna 2018

Úvod do teorie odhadu. Ing. Michael Rost, Ph.D.

Základy matematiky pro FEK

16 Fourierovy řady Úvod, základní pojmy

Matematika 2 pro PEF PaE

Odhady Parametrů Lineární Regrese

Statistika II. Jiří Neubauer

Agent pracující v částečně pozorovatelném prostředí udržuje na základě senzorického modelu odhaduje, jak se svět může vyvíjet.

Lineární algebra : Násobení matic a inverzní matice

18 Fourierovy řady Úvod, základní pojmy

Matematické přístupy k pojištění automobilů. Silvie Kafková září 2013, Podlesí

Úvod do teorie her ZVYŠOVÁNÍ ODBORNÝCH KOMPETENCÍ AKADEMICKÝCH PRACOVNÍKŮ OSTRAVSKÉ UNIVERZITY V OSTRAVĚ A SLEZSKÉ UNIVERZITY V OPAVĚ

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

Základy teorie odhadu parametrů bodový odhad

A0M15EZS Elektrické zdroje a soustavy ZS 2011/2012 cvičení 1. Jednotková matice na hlavní diagonále jsou jedničky, všude jinde nuly

Lineární algebra : Změna báze

)(x 2 + 3x + 4),

ROVNICE NA ČASOVÝCH ŠKÁLÁCH A NÁHODNÉ PROCESY. Michal Friesl

Limitní věty teorie pravděpodobnosti. Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel

Přijímací zkouška na navazující magisterské studium 2017

Soustavy lineárních rovnic

4. cvičení 4ST201. Pravděpodobnost. Obsah: Pravděpodobnost Náhodná veličina. Co je třeba znát z přednášek

fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu (reg. č. CZ.1.07/2.2.00/28.

Determinanty. Determinanty. Přednáška MATEMATIKA č. 3. Jiří Neubauer

Bayesovské metody. Mnohorozměrná analýza dat

Komplexní analýza. Reziduová věta a její aplikace. Martin Bohata. Katedra matematiky FEL ČVUT v Praze

Lineární algebra : Lineární (ne)závislost

Lineární algebra - I. část (vektory, matice a jejich využití)

Pravděpodobnost a aplikovaná statistika

Lineární algebra : Skalární součin a ortogonalita

Inženýrská statistika pak představuje soubor postupů a aplikací teoretických principů v oblasti inženýrské činnosti.

LDF MENDELU. Simona Fišnarová (MENDELU) Základy lineárního programování VMAT, IMT 1 / 25

DMA Přednáška Rekurentní rovnice. takovou, že po dosazení odpovídajících členů do dané rovnice dostáváme pro všechna n n 0 + m pravdivý výrok.

Diferenˇcní rovnice Diferenciální rovnice Matematika IV Matematika IV Program

Komplexní analýza. Fourierovy řady. Martin Bohata. Katedra matematiky FEL ČVUT v Praze

Pravděpodobnost a statistika (BI-PST) Cvičení č. 1

Teorie informace: řešené příklady 2014 Tomáš Kroupa

Náhodný pokus Náhodným pokusem (stručněji pokusem) rozumíme každé uskutečnění určitého systému podmínek resp. pravidel.

Poznámky k předmětu Aplikovaná statistika, 4. téma

P 1 = P 1 1 = P 1, P 1 2 =

Matematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic

Značení 1.1 (posloupnost výsledků pokusu). Mějme posloupnost opakovaných (i závislých) pokusů,

Matematická analýza ve Vesmíru. Jiří Bouchala

Apriorní rozdělení. Jan Kracík.

Poznámky k předmětu Aplikovaná statistika, 4. téma

Intervalové Odhady Parametrů

Ukázka závěrečného testu

5.1. Klasická pravděpodobnst

Úvod do informatiky. Miroslav Kolařík. Zpracováno dle učebního textu prof. Bělohlávka: Úvod do informatiky, KMI UPOL, Olomouc 2008.

KGG/STG Statistika pro geografy

Pravděpodobnost a statistika

MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA VEKTORY, MATICE

MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA VEKTORY, MATICE

Množinu všech matic typu m n nad tělesem T budeme označovat M m n (T ), množinu všech čtvercových matic stupně n nad T pak M n (T ).

pravděpodobnosti Pravděpodobnost je teorií statistiky a statistika je praxí teorie pravděpodobnosti.

Cvičení 1. Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc.

Aplikovaná numerická matematika

Zdrojem většiny příkladů je sbírka úloh 1. cvičení ( ) 2. cvičení ( )

Aritmetika s didaktikou I.

Úvod do teorie her

Náhodné jevy. Teorie pravděpodobnosti. Náhodné jevy. Operace s náhodnými jevy

19 Hilbertovy prostory

prof. RNDr. Roman Kotecký DrSc., Dr. Rudolf Blažek, PhD Pravděpodobnost a statistika Katedra teoretické informatiky Fakulta informačních technologií

SOUSTAVY LINEÁRNÍCH ROVNIC

4EK211 Základy ekonometrie

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

PRAVDĚPODOBNOST A STATISTIKA. Odhady parametrů Postačující statistiky

Teorie informace II: obtížnější řešené příklady 2014 Tomáš Kroupa

Derivace funkce. Přednáška MATEMATIKA č Jiří Neubauer

NMAI059 Pravděpodobnost a statistika

Národní informační středisko pro podporu kvality

Učební texty k státní bakalářské zkoušce Matematika Základy teorie funkcí více proměnných. študenti MFF 15. augusta 2008

Operační výzkum. Teorie her cv. Hra v normálním tvaru. Optimální strategie. Maticové hry.

Teorie her a ekonomické rozhodování. 7. Hry s neúplnou informací

0.1 Úvod do lineární algebry

Diskrétní matematika. DiM /01, zimní semestr 2016/2017

MKI Funkce f(z) má singularitu v bodě 0. a) Stanovte oblast, ve které konverguje hlavní část Laurentova rozvoje funkce f(z) v bodě 0.

Někdy lze výsledek pokusu popsat jediným číslem, které označíme X (nebo jiným velkým písmenem). Hodíme dvěma kostkami jaký padl součet?

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava luk76/la1

12. cvičení z PSI prosince (Test střední hodnoty dvou normálních rozdělení se stejným neznámým rozptylem)

Transkript:

Statistika pro informatiku (MI-SPI) Cvičení č. 6 Přednášející: Rudolf Blažek Cvičící: J. Hrabáková, K. Klouda, M. Kupsa, D. Vašata Katedra aplikované matematiky Fakulta informačních technologií České vysoké učení technické v Praze 1. dubna 2015 LS 2014/2015 Blažek, Hrabáková, Klouda, Kupsa, Vašata MI-SPI, Cvičení č. 6 LS 2014/2015 1 / 11

Opakování teorie Stacionární distribuce π: π = π P Podmínky detailní rovnováhy: π i p ij = π j p ji i, j (Pokud π splňuje podmínku detailní rovnováhy pak je stacionární distribucí, detailní rovnováha je vždy splněna v birth and death řetězcích) Věta Je-li markovský řetězec s přechodovou maticí P aperiodický, ireducibilní a má stacionární distribuci π, pak i, j lim n (Pn ) i,j = π j. Blažek, Hrabáková, Klouda, Kupsa, Vašata MI-SPI, Cvičení č. 6 LS 2014/2015 2 / 11

Opakování teorie Definice Množina stavů C S se nazývá ireducibilní pokud ( i, j C) ( k) tak, že (P k ) i,j > 0 (tj. z každého stavu se dostanu do každého stavu). Markovský řetězec nazýváme ireducibilní pokud je S ireducibilní. Definice Periodou d(i) stavu s i rozumíme největšího společného dělitele (gcd) čísel k takových, že (P k ) i,i > 0: d(i) = gcd{k (P k ) i,i > 0}. Markovský řetězec se nazývá aperiodický pokud perioda každého stavu je rovna 1. Blažek, Hrabáková, Klouda, Kupsa, Vašata MI-SPI, Cvičení č. 6 LS 2014/2015 3 / 11

Příklad 6.1 Pozorováním jisté silnice jsem zjistili, že tři z každých čtyř nákladních vozů jsou následovány osobním automobilem, zatímco pouze jeden osobní automobil z pěti je následován nákladním vozem. Jaký je podíl osobních automobilů a nákladních vozů na silnici? Blažek, Hrabáková, Klouda, Kupsa, Vašata MI-SPI, Cvičení č. 6 LS 2014/2015 4 / 11

Příklad 6.2 Obchod může během dne prodat 0, 1, 2, 3 kusy daného zboží s pravděpodobnostmi 0.3, 0.4, 0.2, 0.1. Vždy po zavírací době proběhne kontrola zásob. Pokud je počet kusů menší nebo roven 2 doplní se do skladu zboží na plný stav (3 kusy). Předpokládejme, že prodej jednoho kusu přinese zisk $12 a skladování jednoho neprodaného kusu stojí $2 za den. a) Spočtěte dlouhodobý zisk. b) Spočtěte dlouhodobý zisk, pokud budeme doplňovat až při 1 a méně zbývajících kusech. Blažek, Hrabáková, Klouda, Kupsa, Vašata MI-SPI, Cvičení č. 6 LS 2014/2015 5 / 11

Příklad 6.3 Máme tři stroje a každý z nich se může porouchat s pravděpodobností 0.1 každý den. Pokud je alespoň jeden rozbitý je pravděpodobnost 0.5, že jej opravář spraví do dalšího dne. Předpokládáme, že se neporouchají dva stroje ve stejný den. Uvažujme počet funkčních strojů jako markovský proces. (a) Sestavte jeho matici přechodu. (b) Zjistěte pravděpodobnost, že budou v pátek dva stroje funkční pokud ve středu fungoval jen jeden. (c) Najděte stacionární rozdělení tohoto procesu. Blažek, Hrabáková, Klouda, Kupsa, Vašata MI-SPI, Cvičení č. 6 LS 2014/2015 6 / 11

Příklad 6.4 V jistém městě nemají nikdy dva slunečné dny v řadě po sobě. Každý den může být buď deštivo, zataženo, nebo slunečno. Pokud je jeden den slunečno pak je stejně pravděpodobné, že následující den bude deštivo nebo zataženo. Pokud je zataženo (deštivo), stav počasí se nezmění s pravděpodobností 1 2, pokud se stav počasí změní, jsou ostatní dvě možnosti stejně pravděpodobné. Jaký je podíl slunečných, deštivých a zatažených dní z dlouhodobého hlediska? Blažek, Hrabáková, Klouda, Kupsa, Vašata MI-SPI, Cvičení č. 6 LS 2014/2015 7 / 11

Příklad 6.5 Jistá osoba má 3 deštníky, některé doma a některé v kanceláři. Když ráno odchází z domova (večer z kanceláře) a venku prší vezme si s sebou deštník, pokud zde nějaký má. Pokud ne, tak zmokne. Nezávisle na minulosti je pravděpodobnost deště při každé cestě 0.2. Uvažujme markovský řetězec X n = počet deštníků na současné pozici. (a) Sestavte jeho matici přechodu. (b) Spočtěte procento cest, při kterých zmokne. Blažek, Hrabáková, Klouda, Kupsa, Vašata MI-SPI, Cvičení č. 6 LS 2014/2015 8 / 11

Příklad 6.6 Z generace na generaci se mění úroveň příjmů rodiny mezi třemi skupinami: Nízký, Střední, Vysoký podle následujících pravděpodobností: N S V N 0.6 0.3 0.1 P = S 0.2 0.7 0.1 V 0.1 0.3 0.6 Jaké jsou podíly populace v jednotlivých příjmových třídách? Blažek, Hrabáková, Klouda, Kupsa, Vašata MI-SPI, Cvičení č. 6 LS 2014/2015 9 / 11

Příklad 6.7 Na začátku každého dne se provádí kontrola zařízení a vyhodnocuje se stav opotřebení: 1 = nový, 2, 3 a 4 = porouchaný. Předpokládejme, že vybrané pravděpodobnosti přechodu jsou 1 2 3 4 1 0.95 0.05 0 0 P = 2 0 0.9 0.1 0 3 0 0 0.875 0.125 Předpokládejme, že oprava porouchaného zařízení trvá 3 dny. a) Najděte podíl času kdy zařízení nepracuje. Blažek, Hrabáková, Klouda, Kupsa, Vašata MI-SPI, Cvičení č. 6 LS 2014/2015 10 / 11

Příklad 6.7 Na začátku každého dne se provádí kontrola zařízení a vyhodnocuje se stav opotřebení: 1 = nový, 2, 3 a 4 = porouchaný. Předpokládejme, že vybrané pravděpodobnosti přechodu jsou 1 2 3 4 1 0.95 0.05 0 0 P = 2 0 0.9 0.1 0 3 0 0 0.875 0.125 Předpokládejme, že oprava porouchaného zařízení trvá 3 dny. a) Najděte podíl času kdy zařízení nepracuje. ( Nápověda: Pro vytvoření markovského řetězce přidejte stavy 5 a 6 s pravděpodobnostmi přechodu P(X 1 = 5 X 0 = 4) = 1, P(X 1 = 6 X 0 = 5) = 1, P(X 1 = 1 X 0 = 6) = 1.) Blažek, Hrabáková, Klouda, Kupsa, Vašata MI-SPI, Cvičení č. 6 LS 2014/2015 10 / 11

Příklad 6.7 - pokračování b) Předpokládejme, že můžeme provést preventivní údržbu, pokud je zařízení ve stavu 3 a tato údržba trvá 1 den a vrací zařízení do stavu 1. Pak matice přechodu bude 1 2 3 1 0.95 0.05 0 P = 2 0 09 0.1 3 1 0 0 Najděte podíl času kdy zařízení nepracuje. Blažek, Hrabáková, Klouda, Kupsa, Vašata MI-SPI, Cvičení č. 6 LS 2014/2015 11 / 11