V. Normální rozdělení

Podobné dokumenty
Intervalové odhady parametrů některých rozdělení.

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

PRAVDĚPODOBNOST A STATISTIKA

Odhady parametrů 1. Odhady parametrů

12. N á h o d n ý v ý b ě r

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

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

8. Odhady parametrů rozdělení pravděpodobnosti

Intervalové odhady parametrů

Náhodný výběr 1. Náhodný výběr

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

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

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

Pravděpodobnost a aplikovaná statistika

Cvičení 6.: Bodové a intervalové odhady střední hodnoty, rozptylu a koeficientu korelace, test hypotézy o střední hodnotě při známém rozptylu

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

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

Pravděpodobnost a aplikovaná statistika

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

Popisná statistika. Zdeněk Janák 9. prosince 2007

0,063 0,937 0,063 0, P 0,048 0,078 0,95. = funkce CONFIDENCE.NORM(2α; p(1 p)

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

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

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

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

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

Intervalový odhad. nazveme levostranným intervalem pro odhad parametru Θ. Statistiku. , kde číslo α je blízké nule, nazveme horním

Kvantily. Problems on statistics.nb 1

7. Odhady populačních průměrů a ostatních parametrů populace

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ

8. Analýza rozptylu.

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

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

vají statistické metody v biomedicíně

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojního inženýrství. Matematika IV. Semestrální práce

UPLATNĚNÍ ZKOUŠEK PŘI PROHLÍDKÁCH MOSTŮ

Číselné charakteristiky náhodných veličin

Úloha II.S... odhadnutelná

vají statistické metody v biomedicíně Literatura Statistika v biomedicínsk nském výzkumu a ve zdravotnictví

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

Úloha III.S... limitní

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

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

PRAVDĚPODOBNOST A STATISTIKA

Testujeme hypotézu: proti alternativě. Jednoduché třídění:

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL

14. Testování statistických hypotéz Úvod statistické hypotézy Definice 14.1 Statistickou hypotézou parametrickou neparametrickou. nulovou testovanou

PRAVDĚPODOBNOST A STATISTIKA. Bodové a intervalové odhady

3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě.

Interval spolehlivosti pro podíl

Pravděpodobnost a statistika Výpisky z cvičení Ondřeje Chocholy

n-rozměrné normální rozdělení pravděpodobnosti

PRAVDĚPODOBNOST A STATISTIKA

Odhad parametrů normálního rozdělení a testy hypotéz o těchto parametrech * Věty o výběru z normálního rozdělení

2. Náhodná veličina. je konečná nebo spočetná množina;

MOŽNOSTI STATISTICKÉHO POSOUZENÍ KVANTITATIVNÍCH VÝSLEDKŮ POŽÁRNÍCH ZKOUŠEK PRO POTŘEBY CERTIFIKACE A POSUZOVÁNÍ SHODY VÝROBKŮ

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

Národní informační středisko pro podporu jakosti

NEPARAMETRICKÉ METODY

PRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení

Přednáška VIII. Testování hypotéz o kvantitativních proměnných

FITOVÁNÍ ROZDĚLENÍ PRAVDĚPODOBNOSTI PRO APLIKACE

Statistika pro metrologii

8 DALŠÍ SPOJITÁ ROZDĚLENÍ PRAVDĚPODOBNOSTI

3. Charakteristiky a parametry náhodných veličin

OVMT Přesnost měření a teorie chyb

Správnost vztahu plyne z věty o rovnosti úhlů s rameny na sebe kolmými (obr. 13).

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i

Pravděpodobnostní model doby setrvání ministra školství ve funkci

Pravděpodobnost vs. statistika. Data. Teorie pravděpodobnosti pracuje s jednou nebo více teoretickými náhodnými

PRAVDĚPODOBNOST A STATISTIKA

7. cvičení 4ST201-řešení

3. Lineární diferenciální rovnice úvod do teorie

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

Kapitola 6. : Neparametrické testy o mediánech

3. VYBRANÉ ZÁKONY ROZDĚLENÍ POUŽÍVANÉ VE SPOLEHLIVOSTI

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

Náhodný výběr, statistiky a bodový odhad

DVOUVÝBĚROVÉ PODMÍNĚNÉ POŘADOVÉ TESTY VANALÝZEPŘEŽITÍ

6. P o p i s n á s t a t i s t i k a

Mendelova univerzita v Brně Statistika projekt

Seriál XXX.II Zpracování dat fyzikálních měření

PRAVDĚPODOBNOST ... m n

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013.

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST A STATISTIKA

Základy statistiky. Zpracování pokusných dat Praktické příklady. Kristina Somerlíková

Přednášky část 7 Statistické metody vyhodnocování dat

Deskriptivní statistika 1

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2

Pravděpodobnostní modely

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

Teorie odhadů 2 Teorie odhadů... 3 Odhad parametrů... 4

Zhodnocení přesnosti měření

Metody zkoumání závislosti numerických proměnných

PRAVDĚPODOBNOST A STATISTIKA

Transkript:

V. Normálí rozděleí 1. Náhodá veličia X má ormovaé ormálí rozděleí N(0; 1). Určete: a) P (X < 1, 5); P (X > 0, 3); P ( 1, 135 < x <, 3). b) P (X > ); P (X < 3X + ). c) číslo ε takové, že P ( X < ε) = 0, 95. Řešeí: Hledaé pravděpodobosti vyčíslíme pomocí distribučí fukce Φ, jejíž hodoty odečteme z tabulek. Je pak a) P (X < 1, 5) = Φ(1, 5) = 0, 93; P (X > 0, 3) = 1 Φ( 0, 3) = 1 (1 Φ(0, 3) = Φ(0, 3) = 0, 66; P ( 1, 135 < X <, 3) = Φ(, 3) Φ( 1, 135) = Φ(, 3) 1 + Φ(1, 135) = 0, 987 1 + 0, 875 = 0, 8595. b) P (X > ) = P ( X > ) = P (X < ) + P (X > ) = Φ( ) + 1 Φ( ) = 1 Φ( ) + 1 Φ( ) = (1 Φ(1, 1)) = (1 0, 91)) = 57. P (X < 3X + ) = P (X 3X < 0) = P ((X )(X 1) < 0) = P (1 < X < ) = Φ() Φ(1) = 0, 977 0, 81 = 36. c) Je 0, 95 = P ( X < ε) = P ( ε < X < ε) = Φ(ε) Φ( ε) = Φ(ε) 1 Φ(ε) = 1 (1 + 0, 95) = 0, 975 ε = 1, 96.. Náhodá veličia X má ormálí rozděleí N(1; ). Určete: a) P (X < 3, 178); P (X > 1, 56); P (, 138 < X <, 36). b) P (X > 5); P (X > 3X ). c) číslo ε takové, že P ( X 1 < ε) = 0, 9. Řešeí: Požadovaé pravděpodobosti vypočítáme pomocí distribučí fukce. Pro uvažovaé rozděleí je E(X) = µ = 1 a D(X) =, tedy =. Distribučí fukce tohoto rozděleí F (x) = Φ( x 1 ). Je pak a) P (X < 3, 3178) = F (3, 178) = Φ( 3,178 1 ) = Φ(1, 089) = 0, 8618; P (X > 1, 56) = 1 F ( 1, 56) = 1 Φ( 1,56 1 ) = 1 Φ( 1, 8) = Φ(1, 8) = 0, 8906; P (, 138 < X <, 36) = F (, 36) F (, 138) = Φ(,36 1 ) Φ(,138 1 ) = Φ(0, 618) Φ(, 569) = Φ(0, 618) 1 + Φ(, 569) = 0, 731 1 + 0, 995 = 0, 76. b) P (X > 5) = P ( X > 5) = P (X < 5) + P (X > 5) = F ( 5) + 1 F ( 5) = Φ ( ) ( ) 5 1 + 1 Φ 5 1 = Φ( 1, 618) + 1 Φ(0, 618) = Φ(1, 618) Φ(0, 618) = 0, 97 0, 731 = 0, 3 P (X > 3X + ) = P (X 3X > 0) = P ((X )(X + 1) > 0) = P (X < 1)+P (X > ) = F ( 1)+1 F () = Φ( 1 1 )+1 Φ( 1 ) = Φ( 1)+1 Φ(1, 5) = 1 Φ(1) + 1 Φ(1, 5) = 0, 81 0, 933 = 0, 6. 1

c) 0, 9 = P ( X 1 < ε) = P (1 ε < X < 1 + ε) = F (1 + ε) F (1 ε) = = Φ ( ) ( ) ( ) ( ( ) 1+ε 1 Φ 1+ε 1 = Φ ε Φ ε ) = Φ ε 1. Tedy ( ε Φ = 0, 95 ε = u 0,95 =.1, 65 = 3, 9. ) 3. Odvoďte vztah mezi kvatily x p ormálího rozděleí N(µ; ) a kvatily u p ormovaého ormálího rozděleí N(0; 1). Řešeí: Ozačme F distribučí fukci ormálího rozděleí N(µ; ). Potom je F (x) = Φ( x µ ) a tudíž F (x p ) = p Φ( x p µ ) = p x p µ = u p x p = u p + µ.. Náhodá veličia X má ormálí rozděleí N(1; ) a P (X > 15) = 0,. Určete parametr. 0, = P (X > 15) = 1 F (15) = 1 Φ( 15 1 ) = 1 Φ( 3 ). Φ( 3 ) = 0, 8 3 = u 0,8 = 3 u 0,8 = 3 0,8 = 3, 571 a = 1, 755. 5. Náhodá veličia X má ormálí rozděleí N( ; ) a P (X < 0) = 0, 7. Určete parametr. ( ) ( ) 0 ( ) 0, 7 = P (X < 0) = F (0) = Φ = Φ. ( ) Φ = 0, 7 = u 0,7 = = u 0,7 0, 55 = 3, 8095 a = 1, 515. 6. Náhodá veličia X má ormálí rozděleí N(µ; 9) a P (X < ) = 0, 96. Určete parametr µ. 0, 96 = P (X < ) = F () = Φ( µ 3 ) µ 3 = u 0,96. µ = 3u 0,96 = 3.1, 75 = 1, 5.

7. Náhodá veličia X má ormálí rozděleí N(µ; 16) a P (X > 6) = 0, 9. Určete parametr µ. ( ) ( ) 6 µ 6 + µ 0, 9 = P (X > 6) = 1 F ( 6) = 1 Φ = Φ µ = 6 + u 0,9 = 6 +.1, 8 = 0, 88. 6 + µ = u 0,9. 8. Náhodá veličia X má ormálí rozděleí N(µ; ) a P (X < 85) = 0, 9, P (X < 95) = 0, 95. Určete parametry rozděleí a pravděpodobost P (X > 60). ( ) x µ F (x) = Φ. Je pak ( ) 85 µ 0, 9 = F (85) = Φ 85 µ = u 0,9 = 1, 8 µ + 1, 8 = 85; ( ) 95 µ 0, 95 = F (95) = Φ 95 µ = u 0,95 = 1, 65 µ + 1, 65 = 95; (1, 65 1, 8) = 95 85 0, 365 = 10 = 7, 398, = 750, 65. µ = 85 1, 8 = 85 1, 8.7, 398 = 9, 93. Potom je ( ) 60 9, 93 P (X > 60) = 1 F (60) = 1 Φ = 1 Φ(0, 367) = 7, 398 = 1 0, 631 = 0, 3569. 9. Délka výrobku je áhodá veličia, která má ormálí rozděleí se středí hodotou µ = 7, 5cm a směrodatou odchylkou = mm. Kotrolou projdou výrobky delší ež 73mm. Jaká je pravděpodobost P k, že áhodě vybraý výrobek bude delší ež 8, cm. Řešeí: Délka výrobku je áhodá veličia X, která má rozděleí N(75; 16), kde počítáme vše v milimetrech. Jestliže ozačíme F její distribučí fukci, je pravděpodobost toho, že výrobek projde kotrolou rova ( ) 73 75 P (X > 73) = 1 F (73) = 1 Φ = 1 Φ( 0, 5) = Φ(0, 5) = 0, 691. Sledovaý jev X > 8 je ale podmíěý, kde podmíkou je X > 73. Tedy P ((X > 8) (X > 73)) P (X > 8) P k = P (X > 8 X > 73) = = P (X > 73) P (X > 73). Je ale ( ) 8 75 P (X > 8) = 1 F (8) = 1 Φ = 1 Φ(1, 75) = 1 0, 960 = 0, 0, tedy 3

P k = 0, 0 0, 691 = 0.0579 10. Náhodá veličia X má ormovaé ormálí rozděleí N(0; 1). Pro hodoty koeficietu spolehlivosti a) 1 α = 0, 9, b) 1 α = 0, 95 a c) 1 α = 0, 99 staovte jedostraé a oboustraé itervaly spolehlivosti. Řešeí: Pro oboustraý iterval spolehlivosti dostaeme podmíku: P ( X < a) = 1 α P ( a < X < a) = Φ(a) Φ( a) = Φ(a) 1 = 1 α Tedy podle tabulek kvatilů je Φ(a) = 1 1 α a = u 1 α. a) a = u 0,95 = 1, 65; b) a = u 0,975 = 1, 96; c) a = u 0,995 =, 55. Pro jedostraé itervaly dostaeme: 1 α = P (X < a) = Φ(a) a = u 1 α. Tedy a) a = u 0,9 = 1, 8; b) a = u 0,95 = 1, 65; c) a = u 0,99 =, 31. Pro levostraý iterval dostaeme podmíku: 1 α = P (X > a) = 1 Φ(a) a = u α. Je tedy a) a = u 0,1 = u 0,9 = 1, 8; b) a = u 0,05 = u 0,95 = 1, 65; c) a = u 0,01 = u 0,99 =, 31. 11. Při baleí balíčku 1 kg cukru je váha balíčků áhodá veličia, která má ormálí rozděleí N(1; 10 ). jaká je pravděpodobost, že v krabici, která obsahuje dvacet balíčků se bude váha krabice lišit od 0kg ejvýše o dkg. Řešeí: Ozačme si X i, 1 i 0 váhu i tého balíčku v krabici. Váhy jedotlivých balíčků jsou a sobě ezávislé, tudíž jsou to ezávislé áhodé veličiy. Je tedy váha krabice áhodou veličiou, která je výběrovým úhrem X = 0 Ta má ovšem také ormálí rozděleí se středí hodotou E( X) = 0.1 = 0 a rozptylem D( X) = 0.10 = 0, 00, tedy rozděleí N(0; 0, 00). Protože je 0 dkg=0,0kg, pak počítáme pravděpodobost X i. P = P ( X 0 0, 0) = P (0 0, 0 X 0 + 0, 0).

Jestliže si ozačíme F distribučí fukci áhodé veličiy X, je F (x) = Φ ( ) x 0 0, 00 a tedy pro hledaou pravděpodobost dostaeme P = F (0 + 0, 0) F (0 0, 0) = Φ ( ) ( ) 0 + 0, 0 0 0 0, 0 0 Φ = 0, 00 0, 00 = Φ ( ) ( ) ( ) 0, 0 0, 0 0, 0 Φ = Φ 1 = 0, 00 0, 00 0, 00 = Φ(0, 89) 1 =.0, 8135 1 = 0, 67. 1. Chyby při měřeí mají ormálí rozděleí N(0; 0, 01). Kolik měřeí musíme provést, aby byla chyba průměru měřeí meší ež ε = 0, 0 s pravděpodobostí P = 0, 95. Řešeí: Jestliže si ozačíme hodotu i tého měřeí jako M + X i, kde M je hledaá hodota a X i je chyba i tého měřeí, tedy áhodá veličia, pak průměr všech měřeí má hodotu ( 1 ) M + X i = M + 1 ( ) X i = M + X, kde áhodá veličia X představuje chybu průměru měřeí. Protože jsou jedotlivá měřeí a sobě ezávislá, má áhodá veličia X ormálí rozděleí s parametry E(X) = 0 a D(X) = 0,01. Jestliže si ozačíme F distribučí fukci áhodé veličiy X, pak ( ) x F (x) = Φ. Potom musí platit tedy 0, 95 = P ( X < 0, 0) = P ( 0, 0 < X < 0, 0) = F (0, 0) F ( 0, 0) = ( ) ( ) ( ) 0, 0 0, 0 0, 0 = Φ Φ = Φ 1, Φ(0, ) = 0, 975 0, = u 0,975 = 1, 96 = 1, 96 0, =, 9, 9 =, 01. K získáí požadovaé přesosti musíme provést alespoň 5 měřeí. 5