PRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení

Podobné dokumenty
PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

PRAVDĚPODOBNOST A STATISTIKA. Metoda momentů Metoda maximální věrohodnosti

PRAVDĚPODOBNOST ... m n

můžeme toto číslo považovat za pravděpodobnost jevu A.

jako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých

Náhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů.

4. B o d o v é o d h a d y p a r a m e t r ů

PRAVDĚPODOBNOST A STATISTIKA

12. N á h o d n ý v ý b ě r

14. B o d o v é o d h a d y p a r a m e t r ů

V. Normální rozdělení

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

2. Náhodná veličina. je konečná nebo spočetná množina;

Náhodný výběr 1. Náhodný výběr

z možností, jak tuto veličinu charakterizovat, je určit součet

Při sledování a studiu vlastností náhodných výsledků poznáme charakter. podmínek různé výsledky. Ty odpovídají hodnotám jednotlivých realizací

Tento materiál vznikl díky Operačnímu programu Praha Adaptabilita CZ.2.17/3.1.00/33254

Statistika pro metrologii

Pravděpodobnost a statistika Výpisky z cvičení Ondřeje Chocholy

Intervalové odhady parametrů některých rozdělení.

Pravděpodobnost a aplikovaná statistika

8. Analýza rozptylu.

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:

Pravděpodobnost a aplikovaná statistika

Odhady parametrů 1. Odhady parametrů

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti.

Testujeme hypotézu: proti alternativě. Jednoduché třídění:

Kvantová a statistická fyzika 2 (Termodynamika a statistická fyzika)

8. Odhady parametrů rozdělení pravděpodobnosti

Matematika přehled vzorců pro maturanty (zpracoval T. Jánský) Úpravy výrazů. Binomická věta

PRAVDĚPODOBNOST A STATISTIKA

3. Lineární diferenciální rovnice úvod do teorie

3. Charakteristiky a parametry náhodných veličin

Přednáška VI. Intervalové odhady. Motivace Směrodatná odchylka a směrodatná chyba Centrální limitní věta Intervaly spolehlivosti

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.

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

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

Mezní stavy konstrukcí a jejich porušov. Hru IV. Milan RůžR. zbynek.hruby.

Entropie, relativní entropie a sdílená (vazební) informace

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

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

P2: Statistické zpracování dat

Číselné charakteristiky náhodných veličin

STATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson

Kombinatorika- 3. Základy diskrétní matematiky, BI-ZDM

2. Znát definici kombinačního čísla a základní vlastnosti kombinačních čísel. Ovládat jednoduché operace s kombinačními čísly.

Definice obecné mocniny

7. Odhady populačních průměrů a ostatních parametrů populace

8. Zákony velkých čísel

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

Přijímací řízení akademický rok 2013/2014 NavMg. studium Kompletní znění testových otázek matematika a statistika

Statistika je vědní obor zabývající se zkoumáním jevů, které mají hromadný charakter.

Pravděpodobnost a statistika - absolutní minumum

n=1 ( Re an ) 2 + ( Im a n ) 2 = 0 Im a n = Im a a n definujeme předpisem: n=1 N a n = a 1 + a a N. n=1

ILUSTRACE ZÁKONA VELKÝCH ČÍSEL POMOCÍ SIMULACÍ THE ILLUSTRATION OF THE LAW OF LARGE NUMBERS BY SIMULATIONS

Popisná statistika. Zdeněk Janák 9. prosince 2007

Cvičení 6.: Výpočet střední hodnoty a rozptylu, bodové a intervalové odhady střední hodnoty a rozptylu

i 1 n 1 výběrový rozptyl, pro libovolné, ale pevně dané x Roznačme n 1 Téma 6.: Základní pojmy matematické statistiky

procesy II Zuzana 1 Katedra pravděpodobnosti a matematické statistiky Univerzita Karlova v Praze

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.

1 Základní pojmy a vlastnosti

Co je to statistika? Statistické hodnocení výsledků zkoušek. Úvod statistické myšlení. Úvod statistické myšlení. Popisná statistika

Úloha III.S... limitní

Pravděpodobnostní model doby setrvání ministra školství ve funkci

Intervalové odhady parametrů

Pravděpodobnost a matematická statistika

n-rozměrné normální rozdělení pravděpodobnosti

Pravděpodobnost a matematická statistika

Pravděpodobnost a matematická statistika

PoznÁmky k přednášce

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

Pravděpodobnost a matematická statistika

Pevnost a životnost - Hru III 1. PEVNOST a ŽIVOTNOST. Hru III. Milan Růžička, Josef Jurenka, Zbyněk Hrubý.

6. P o p i s n á s t a t i s t i k a

NMSA331 Matematická statistika 1

můžeme toto číslo považovat za pravděpodobnost jevu A.

PRAVDĚPODOBNOST A STATISTIKA

Interval spolehlivosti pro podíl

Národní informační středisko pro podporu jakosti

Pravděpodobnost a matematická statistika

Národní informační středisko pro podporu kvality

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

1. JEV JISTÝ a. je jev, který nikdy nenastane b. je jev, jehož pravděpodobnost = ½ c. je jev, jehož pravděpodobnost = 0 d.

1 PSE Definice základních pojmů. (ω je elementární jev: A ω (A ω) nebo (A );

3. VYBRANÉ ZÁKONY ROZDĚLENÍ POUŽÍVANÉ VE SPOLEHLIVOSTI

n=0 a n, n=0 a n = ±. n=0 n=0 a n diverguje k ±, a píšeme n=0 n=0 b n = t. Pak je konvergentní i řada n=0 (a n + b n ) = s + t. n=0 k a n a platí n=0

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ

O Jensenově nerovnosti

Deskriptivní statistika 1

Pro statistické šetření si zvolte si statistický soubor např. všichni žáci třídy (několika tříd, školy apod.).

Náhodné jevy a pravděpodobnost

PRAVDĚPODOBNOST A STATISTIKA. Bodové a intervalové odhady

Obsah. 1 Mocninné řady Definice a vlastnosti mocninných řad Rozvoj funkce do mocninné řady Aplikace mocninných řad...

11.1 Úvod. Definice : [MA1-18:P11.1] definujeme pro a C: nedefinujeme: Posloupnosti komplexních čísel

Základní teoretický aparát a další potřebné znalosti pro úspěšné studium na strojní fakultě a k řešení technických problémů

Transkript:

S1P áhodá roměá vybraá rozděleí PRAVDĚPODOBOST A STATISTIKA áhodá roměá vybraá rozděleí

S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Degeerovaé rozděleí D( ) áhodá veličia X s degeerovaým rozděleím X ~D(), R má základí rostor Z = { } a ravděodobostí fukci: ( ) 1 0 Charakteristiky: středí hodota: E(X ) roztyl: D( X ) 0 Pozámka: Jedá se o kostatí áhodou roměou.

S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Alterativí (Beroulliovo) rozděleí A() áhodá veličia X s alterativím rozděleím X ~A(), (0, 1) má základí rostor Z = {0,1} a ravděodobostí fukci: (0) (1) 1 Charakteristiky: středí hodota: E( X ) roztyl: D( X ) (1 ) koeficiet šikmosti: A 3 ( X ) 1 2 (1 ) koeficiet šičatosti: A 4 ( 1 6 (1 ) X ) (1 )

S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Klasické rozděleí (diskrétí rovoměré rozděleí) C() áhodá veličia X s klasickým rozděleím X~C(), má základí rostor Z = {1, 2,, } a ravděodobostí fukci: ( ) 1 Z Charakteristiky: středí hodota: roztyl: mediá: 1 E( X ) 2 2 1 D( X ) 12 1 liché ~ 2 sudé 2 koeficiet šikmosti: A3 ( X ) 0

S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Biomické rozděleí Bi(,) áhodá veličia X s biomickým rozděleím X~Bi(,),, (0, 1) má základí rostor Z = {0,1, 2,, } a ravděodobostí fukci: ( ) (1 ) Charakteristiky: středí hodota: E( X ) roztyl: mediá: koeficiet šikmosti: koeficiet šičatosti: D( X ) (1 ) ~ ( 1) 1, ( 1) 1 2 A3( X ) (1 ) 1 6 (1 ) A4 ( X ) (1 )

S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Biomické rozděleí Bi(,) Biomické rozděleí výběr s vraceím ázev rozděleí ochází ze skutečosti, že ravděodobosti () jsou čley biomického rozvoje 1 1 ( (1 )) ( )

S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Biomické rozděleí Bi(,0.5) středí hodota: roztyl: E( X ) 2 D( X ) 4 koeficiet šikmosti: A3 ( X ) 0 koeficiet šičatosti: A X 2 4( )

S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Biomické rozděleí Bi(,) Vlastosti: 1) ro =1 dostáváme: Bi(1,)=A() 2) echť X, 1, X jsou áhodé roměé, stochasticky ezávislé (vektor), X Bi(, ), ak i i X Bi(, ) i1 i 3) echť X, 1, X jsou áhodé roměé, stochasticky ezávislé (vektor), X A( ), ak i X Bi(, ) i1 i ad3): Pro áhodou roměou oisující očet adutí 6 ři 10 okusech je jedo zda hodím jedou kostkou 10 - A(1/6), ebo 10 kostkami 1 - Bi(10,1/6). i1 i

S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Multiomické rozděleí Mu(, 1,, k ) áhodé veličiy X 1,, X k s multiomickým rozděleím, (X 1,, X k ) Mu(, 1,, k ), 1,, k, 1,, k (0, 1) k i1 i i1 má ravděodobostí fukci: Charakteristiky: k i 1 (! 1 1,, k ) 2 1! 2! k! k středí hodota: E( X,, X k ) ( 1,, 1 k ) Multiomické rozděleí je zobecěí biomického rozděleí, kdy místo astoueí dvou jevů uvažujeme astoueí k jevů.

S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Geometrické rozděleí Ge() áhodá veličia X s geometrickým rozděleím X~Ge(), (0, 1) má základí rostor Z = {0,1, 2,,, } a ravděodobostí fukci: ( ) (1 ) Pokus oakujeme tak dlouho, až astae úsěch. () je ravděodobost, že rovedeme eúsěšých okusů. Charakteristiky: středí hodota: roztyl: mediá: E( X ) 1 1 D( X ) 2 ~ 0

S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P egativí biomické (Pascalovo) rozděleí B(k,) áhodá veličia X s egativě biomickým rozděleím X~B(k,), k, (0, 1) má základí rostor Z = {0,1, 2,,, } a ravděodobostí fukci: k 1 k ( ) (1 ) Pokus oakujeme tak dlouho, až astae k úsěchů. () je ravděodobost, že rovedeme eúsěšých okusů řed k-tým úsěšým okusem. Charakteristiky: středí hodota: roztyl: mediá: E( X ) k 1 1 D( X ) k 2 ~ k 1

S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Pascalovo (egativí biomické ) rozděleí Ps(k,) Pojmeováo odle Blaise Pascala (1623 1862).

S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Zobecěé Pascalovo (egativí biomické) rozděleí Ps(k,) áhodá veličia X s ascalovým rozděleím X~Ps(k,), kr, k >0, (0, 1) má základí rostor Z = {0,1, 2,,, } a ravděodobostí fukci: k 1 k ( ) (1 ) kde místo faktoriálu oužijeme Gama fukci: k k t! ( k 1) t e dt 0

áhodá veličia X s hyergeometrickým rozděleím X~H(,M,), kde libovolé celé číslo, 1 M <, 1 <, základí rostor Z = {ma{0, M-+},, mi{m,} ravděodobostí fukci: Hyergeometrické rozděleí H(,M,) Charakteristiky: středí hodota: roztyl: mediá: M M ) ( M X E ) ( 1 1 ) ( M M X D 2 1 1 1, 2 1 1 ~ M M S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P

S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Hyergeometrické rozděleí H(,M,) Hyergeometrické rozděleí výběr bez vraceím

S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Poissoovo rozděleí Po(λ) áhodá veličia X s Poissoovým rozděleím X~Po(λ), λ R, λ>0 má základí rostor Z = {0,1, 2,,, } a ravděodobostí fukci: ( ) e! Charakteristiky: středí hodota: roztyl: E(X ) D(X ) mediá: ~ 1, koeficiet šikmosti: A3 ( X ) 1

S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Poissoovo rozděleí Po(λ) Poissoovo rozděleí rozděleí, které oisuje výskyt áhodého jevu v ředem daém časovém úseku. λ lze ovažovat jako růměrý očet událostí za časový úsek Platí: echť X, X jsou áhodé roměé, stochasticky ezávislé 1, (vektor), X i Po( i ), ak X Po( ) i1 i i1 i

S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Poissoův roces zkoumá ravděodobost, že se v časovém itervalu délky t stae rávě událostí. Podmíky: 1) očet událostí v disjukích itervalech jsou ezávislé 2) ravděodobost, že se během itervalu délky dt stae rávě jeda událost je rova λdt 3) ravděodobost, že se během itervalu délky dt stae dvě a více událostí je rova 0dt Hustota ravděodobosti, že se v časovém itervalu délky t stae rávě událostí. t t f ( t) e! Pro evý časový iterval délky t ozačme: λt=τ f ( t) t e!

S1P áhodá roměá vybraá rozděleí Aroimace diskrétích rozděleí Za vhodých odmíek lze jedo rozděleí ahradit jiým aroimace Biomického rozděleí: Platí (věta Poissoova): echť X 1,, X, jsou áhodé roměé, stochasticky ezávislé (vektor), X (, ). Dále echť a, Bi lim 0 lim ak lim (1 ) e! Tedy ro latí: Bi(, ) Po( ) V rai můžeme Biomické rozděleí Bi(,) ahradit Poissoovým Po() za těchto odmíek: < 0.1 a > 30. Chyba aroimace je < 10-2.

S1P áhodá roměá vybraá rozděleí Aroimace diskrétích rozděleí Za vhodých odmíek lze jedo rozděleí ahradit jiým aroimace Biomického rozděleí:

S1P áhodá roměá vybraá rozděleí Aroimace diskrétích rozděleí Aroimace Hyergeometrického rozděleí: Biomické rozděleí výběr s vraceím Hyergeometrické rozděleí výběr vez vracei Pokud budeme mít velký očet rvků a očet vybraých rvků bude malý, tak výsledek okusu bude málo ovlivě vraceím. Pokud 0,1, tak lze Hyergeometrické rozděleí ahradit Biomickým. M H(,M,) Bi(, )