PRAVDĚPODOBNOST A STATISTIKA

Podobné dokumenty
SP2 Korelační analýza. Korelační analýza. Libor Žák

Metody zkoumání závislosti numerických proměnných

PRAVDĚPODOBNOST A STATISTIKA

, jsou naměřené a vypočtené hodnoty závisle

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2

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

Úvod do korelační a regresní analýzy

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA

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

PRAVDĚPODOBNOST A STATISTIKA. Bodové a intervalové odhady

PRAVDĚPODOBNOST A STATISTIKA

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

Úvod do teorie měření

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

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

Lineární regrese ( ) 2

Odhady a testy hypotéz o regresních přímkách

8. Analýza rozptylu.

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013.

a další charakteristikou je četnost výběrového souboru n.

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru

Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n

PRAVDĚPODOBNOST A STATISTIKA

} kvantitativní znaky

Měření závislostí. Statistická závislost číselných znaků

11. Regresní analýza. Čas ke studiu kapitoly: 60 minut. Cíl VÝKLAD Úvod

TECHNICKÁ UNIVERZITA V LIBERCI

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

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

Úvod do zpracování měření

jsou varianty znaku) b) při intervalovém třídění (hodnoty x

8 NELINEÁRNÍ REGRESNÍ MODELY

Odhady parametrů 1. Odhady parametrů

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

Interpolační křivky. Interpolace pomocí spline křivky. f 1. f 2. f n. x... x 2

12. N á h o d n ý v ý b ě r

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

Generování dvojrozměrných rozdělení pomocí copulí

12. Neparametrické hypotézy

Lineární regresní model (VJ REGMOD-2)

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

V. Normální rozdělení

1 Měření závislosti statistických znaků. 1.1 Dvourozměrný statistický soubor

Statistika. Jednotlivé prvky této množiny se nazývají prvky statistického souboru (statistické jednotky).

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ

Metody statistické analýzy. doc. Ing. Dagmar Blatná, CSc.

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

Fakulta elektrotechniky a informatiky Statistika STATISTIKA

9. Měření závislostí ve statistice Pevná a volná závislost

Testujeme hypotézu: proti alternativě. Jednoduché třídění:

Spolehlivost a diagnostika

} kvantitativní znaky. korelace, regrese. Prof. RNDr. Jana Zvárov. Obecné principy

PRAVDĚPODOBNOST A STATISTIKA

Jednoduchá lineární regrese

Chyby přímých měření. Úvod

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika

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

Intervalové odhady parametrů některých rozdělení.

Optimalizace portfolia

Regresní a korelační analýza

Intervalové odhady parametrů

Přednáška č. 2 náhodné veličiny

UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY. Přírodovědecká fakulta ANALÝZA DAT. 2. upravené vydání. Josef Tvrdík

Statistická analýza dat

Náhodný výběr 1. Náhodný výběr

S1P Popisná statistika. Popisná statistika. Libor Žák

PRAVDĚPODOBNOST A STATISTIKA

Testování statistických hypotéz

III. METODY MĚŘENÍ A ZPRACOVÁNÍ MĚŘENÍ

B a k a l ářská práce

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA. VZORCE PRO 4ST201 a 4ST210

Pravděpodobnost a aplikovaná statistika

Přednáška V. Úvod do teorie odhadu. Pojmy a principy teorie odhadu Nestranné odhady Metoda maximální věrohodnosti Průměr vs.

Testy statistických hypotéz

Doc. Ing. Dagmar Blatná, CSc.

3. Lineární diferenciální rovnice úvod do teorie

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

14. Korelace Teoretické základy korelace Způsoby měření závislostí pro různé typy dat

Závislost slovních znaků

Interpolace a aproximace. Interpolace algebraickým polynomem a aproximace metodou nejmenších čtverců

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

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

Základy statistiky. Zpracování pokusných dat Praktické příklady. Kristina Somerlíková

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz:

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

8 DALŠÍ SPOJITÁ ROZDĚLENÍ PRAVDĚPODOBNOSTI

11. Časové řady Pojem a klasifikace časových řad

L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y

Mendelova univerzita v Brně Statistika projekt

EKONOMETRIE 9. přednáška Zobecněný lineární regresní model

KVALITA REGRESNÍHO MODELU Radek Fajfr

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ

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

UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ANALÝZA DAT. Josef Tvrdík

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA. VZORCE PRO 4ST201 a 4ST210

8. Zákony velkých čísel

Transkript:

Matematka IV PRAVDĚPODOBNOT A TATITIKA Lbor Žák

Matematka IV Lbor Žák Regresí aalýza Regresí aalýza zkoumá závslost mez ezávslým proměým X ( X,, X k a závsle proměou Y. Tato závslost se vjadřuje ve tvaru regresí fukce : β (,..., m, (, β (,, k kde jsou ezámé parametr a. (,, k Př měřeí může být pro ezávsle proměé aměřeo více hodot. odota odpovídá středí hodotě aměřeých hodot pro pevé,,. ( k (, β E( Y X

Matematka IV Lbor Žák Regresí aalýza Př měřeí jsme dostal vektorů o délce (k+ realzací áhodého vektoru: ( X, Y ( X,, X k, Y (, = (,,,,...,,k,, =,,. Pomocí těchto aměřeých hodot se sažíme odhadou parametr β ( m,...,

Matematka IV Lbor Žák Regresí aalýza Předpokládejme, že záme tvar regresí fukce ezáme β,...,. ( m (, β a β (...,, K odhadu regresích koefcetů, m vužjeme metodu ejmeších čtverců mmalzujeme tzv. rezduálí součet čtverců: e (, β Teto součet lze brát jako fukc proměých (,, m β ( m,..., A pomocí parcálích dervací hledáme její mmum: 0 Dostaeme m rovc pro m ezámých parametrů j β ( m,...,

Matematka IV Lbor Žák Regresí aalýza leárí regresí fukce. Regresí fukc leárím tvaru: β ( m,..., (, β budeme dále uvažovat v ásledujícím m f j j ( kde jsou ezámé parametr a j jsou zámé (předem zvoleé fukce, které eobsahují. j,..., f m Nechť = (,,,,...,,k jsou aměřeé hodot. Ozačme: Matce F (m : f F se azývá matce pláu. j f j ( j,..., m,..., f f m f f m

Matematka IV Lbor Žák Regresí aalýza leárí regresí fukce. Předpoklad leárího regresího modelu:

Matematka IV Lbor Žák Regresí aalýza leárí regresí fukce. Předpoklad leárího regresího modelu lze ekvvaletě vjádřt ve tvaru: m kde E N(0, Y j f j j ( jsou ekorelovaé áhodé velč. E Ozačme:

Matematka IV Lbor Žák Leárí regresí fukce bodové odhad Př hledáí regresího modelu provedeme ejprve bodové odhad parametrů β...,. Tto odhad ozačíme: (, m, b ( b,..., bm,

Matematka IV Lbor Žák Leárí regresí fukce tervalové odhad Itervalové odhad počítáme jak pro koefcet pro fukčí hodotu. β (,..., m,, tak

Matematka IV Lbor Žák Leárí regresí fukce testováí hpotéz β (,..., m, Test hpotéz provádíme pro koefcet.

Matematka IV Lbor Žák Leárí regresí fukce testováí hpotéz Př testováí celého modelu zkoumáme, zda avržeý model se lší od artmetckého průměru hodot. Pokud model uvažujeme ve tvaru: tak testujeme hpotézu: Ozačme T (celková varablta : Ozačme A (varablta modelu : Testovací krtérum: W f j j ( j : (,, k (0,,0 F T A 0, F Doplěk krtckého oboru:, kde je kvatl Fsherova-edecorova rozděleí s k=m-, k=-m stup volost. m T T e e m A m e m F ( m, m

Matematka IV Lbor Žák Leárí regresí fukce Kvaltu modelu lze také vjádřt pomocí koefcetu víceásobé korelace a koefcetu determace: Koefcetu determace lze s vužtím předcházejícího ozačeí apsat ve tvaru: r e T ebo r A T

Matematka IV Lbor Žák Leárí regresí fukce přímka V leárím regresím modelu: zvolíme: m=, f (=, f (=, Pak regresí fukce má tvar: Matce pláu: Pak ( m j j j f F T FF

Matematka IV Lbor Žák Leárí regresí fukce přímka Dále g F det( det(

Matematka IV Lbor Žák Leárí regresí fukce přímka Bodové odhad regresích koefcetů: Bodový odhad regresí fukce: Bodový odhad rozptlu: kde b b b b b det( b b m ( b b m m s

Matematka IV Lbor Žák Leárí regresí fukce přímka Pro výpočet tervalových odhadů a pro testováí hpotéz dostáváme: h ( ( det( ( h det( h det( h Koefcet víceásobé korelace r je rove koefcetu korelace mez X a Y

Matematka IV Lbor Žák Leárí regresí fukce přímka sdružeá hpotéza Př testováí hpotéz o hodotě parametru: ostatí regresí koefcet abývají hodot, které b odpovídal modelu pro pevě zvoleý koefcet 0. Nejsou to hodot regresího modelu z kterého se vcházelo. Pokud bchom chtěl otestovat více koefcetů současě, jedá se o sdružeou hpotézu. Pro regresí přímku dostáváme: Testovací krtérum: : 0 : (, ( 0, 0 b 0 F ( b 0, b 0 s b 0 F ( b 0 ( 0( 0 ( b b b 0 s W 0, F Doplěk krtckého oboru:, kde je kvatl Fsherova- edecorova rozděleí s k=, k=- stup volost. F (,

Matematka IV Lbor Žák Leárí regresí fukce přímka Příklad: U vbraých studetů FI VUT bl změřea váha a výška. Otestujte hpotézu, že váha je rova výšce -00 počtěte bodové odhad, Na hladě výzamost ověřte hpotéz: : 00 : (, ( 00, : Pokud přšel ový studet s výškou 80 cm, kde b se vsktovala jeho váha se spolehlvostí 95%? výška váha 8,00 96,00 85,00 9,00 86,00 73,00 9,00 8,00 7,00 76,00 6,00 53,00 73,00 60,00 8,00 7,00 85,00 90,00 70,00 55,00