PRAVDĚPODOBNOST A STATISTIKA

Podobné dokumenty
PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

SP NV Normalita-vlastnosti

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA

SP2 Korelační analýza. Korelační analýza. Libor Žák

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA

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.

12. N á h o d n ý v ý b ě r

Spolehlivost a diagnostika

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

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru

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

8. Zákony velkých čísel

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

V. Normální rozdělení

Pravděpodobnost a aplikovaná statistika

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

Generování dvojrozměrných rozdělení pomocí copulí

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

PRAVDĚPODOBNOST A STATISTIKA. Bodové a intervalové odhady

SP2 Korelační analýza. Korelační analýza. Libor Žák

AVDAT Náhodný vektor, mnohorozměrné rozdělení

STEJNOMĚRNÁ KONVERGENCE POSLOUPNOSTI A ŘADY FUNKCÍ

PRAVDĚPODOBNOST A STATISTIKA

Nekonečné řady. 1. Nekonečné číselné řady 1.1. Definice. = L L nekonečnou posloupnost reálných čísel. a) Označme { a }

Náhodný výběr 1. Náhodný výběr

Pravděpodobnost a aplikovaná statistika

nazveme číselným vektorem. Čísla a Definice. Vektor, jehož všechny složky se rovnají nule, se nazývá nulový vektor o r = (0, 0, 0,, 0).

DUM č. 19 v sadě. 13. Ma-1 Příprava k maturitě a PZ algebra, logika, teorie množin, funkce, posloupnosti, řady, kombinatorika, pravděpodobnost

Statistika II. Jiří Neubauer

8. Analýza rozptylu.

8. Elementární funkce

Intervalové odhady parametrů některých rozdělení.

a další charakteristikou je četnost výběrového souboru n.

6. ČÍSELNÉ POSLOUPNOSTI A ŘADY 6.1. ČÍSELNÉ POSLOUPNOSTI

Metody zkoumání závislosti numerických proměnných

1. LINEÁRNÍ ALGEBRA. , x = opačný vektor

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

Odhady parametrů 1. Odhady parametrů

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

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

Kapitola 1. Nekonečné číselné řady. Definice 1.1 Nechť {a n } n=1 je posloupnost reálných čísel. Symbol. a n nebo a 1 + a 2 + a

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

n-rozměrné normální rozdělení pravděpodobnosti

POSLOUPNOSTI A ŘADY,

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

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

Vlastnosti posloupností

Statistická rozdělení

Matematická statistika

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

Popisná statistika. Zdeněk Janák 9. prosince 2007

Analytická geometrie

Analytická geometrie

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

Téma 22. Ondřej Nývlt

Entropie, relativní entropie a sdílená (vazební) informace

n = 2 Sdružená distribuční funkce (joint d.f.) n. vektoru F (x, y) = P (X x, Y y)

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

8.2.7 Geometrická posloupnost

6.2. ČÍSELNÉ ŘADY. V této kapitole se dozvíte:

Přednáška č. 2 náhodné veličiny

Pravděpodobnost a statistika Výpisky z cvičení Ondřeje Chocholy

Odhady a testy hypotéz o regresních přímkách

PRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení

Úvod do korelační a regresní analýzy

EKONOMETRIE 9. přednáška Zobecněný lineární regresní model

8.1 Úvod. Definice: [MA1-18:P8.1] výpočet obsahu plochy pod grafem funkce. (nejdříve jen pro a < b ) a = x 0 < x 1 <... < x n = b.

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

Univerzita Karlova v Praze Pedagogická fakulta

M - Posloupnosti VARIACE

Výstup a n. Vstup. obrázek 1: Blokové schéma a graf paralelní soustavy

Optimalizace portfolia

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

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

8. Odhady parametrů rozdělení pravděpodobnosti

7 LIMITNÍ VĚTY. Čas ke studiu kapitoly: 70 minut. Cíl:

v. Úkolem regrese (vyrovnání) argumentu y je nalézt vhodnou regresní funkci Y f (x)

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

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA

1. Zjistěte, jestli následující formule jsou tautologie. V případě záporné odpovědi určete k dané formuli konjunktivní a disjunktivní normální formu.

Základní elementární funkce.

3. Charakteristiky a parametry náhodných veličin

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

PRAVDĚPODOBNOST A STATISTIKA

S1P Popisná statistika. Popisná statistika. Libor Žák

6. ZÁKLADY STATIST. ODHADOVÁNÍ. Θ parametrický prostor. Dva základní způsoby odhadu neznámého vektoru parametrů bodový a intervalový.

Testování statistických hypotéz

Náhodné vektory a matice

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

8 DALŠÍ SPOJITÁ ROZDĚLENÍ PRAVDĚPODOBNOSTI

Užitečné zdroje příkladů jsou: Materiály ke cvičením z Kalkulu 3 od Kristýny Kuncové:

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

Dynamická pevnost a životnost Kumulace poškození

Transkript:

SP Náhodý vektor PRAVĚPOOBNOS A SAISIKA Lbor Žák

SP Náhodý vektor Lbor Žák Náhodý vektor přpomeutí pomů z SP V prví část kurzu SP s rozšíříme pomy o áhodém vektoru z SP: Nechť e áhodý vektor eho složky: sou áhodé proměé defové prvděpodobostím prostoru P Pomy: sdružeí dstrbučí fukce dskrétí áhodý vektor spotý áhodý vektor sdružeá hustot prvděpodobost dskrétí áhodý vektor sdružeá prvděpodobostí fukce mrgálí dstrbučí fukce mrgálí prvděpodobostí fukce mrgálí hustot prvděpodobost ezávslost

Sředí hodot: SP Náhodý vektor Lbor Žák B B Kovrce složek : 0 bb b b m m Náhodý vektor přpomeutí pomů z SP

SP Náhodý vektor Lbor Žák Náhodý vektor přpomeutí pomů z SP Vrčí mtce vektoru : vr vr vr vr vr B B vr B Kovrčí mtce vektorů Y: cov Y cov Y cov Y Y Y Y Y cov B c Y Bcov Y cov Y cov Y

Korelce složek : SP Náhodý vektor Lbor Žák Korelčí mtce vektorů Y: cor Y Náhodý vektor přpomeutí pomů z SP 0 S S sg bb b b m Y cor Y cor cor Y Y cor cor Y Y c

lší pomy vlstost: SP Náhodý vektor Lbor Žák Náhodý vektor přpomeutí pomů z SP cov cov vr S

SP Náhodý vektor Lbor Žák Náhodý vektor přpomeutí pomů z SP Multomcké rozděleí Mup p k Náhodý vektor k s multomckým rozděleím k Mup p k N p p 0 k p x hrkterstky: středí hodot: rozptyl: k má prvděpodobostí fukc: p x p x! p k x x xk p p x! x! xk! k p p k vr dg p pp p x k k

SP Náhodý vektor Lbor Žák Náhodý vektor přpomeutí pomů z SP -rozměré ormálí rozděleí N Náhodý vektor s -rozměrý ormálím rozděleím N R Σ e symetrcká poztvě deftí mtce má prvděpodobostí fukc: f x Σ exp x μ Σ x μ hrkterstky: středí hodot: rozptyl: vr μ Σ

SP Náhodý vektor Lbor Žák Náhodý vektor přpomeutí pomů z SP -rozměré ormálí rozděleí N σ σ ρ

SP Náhodý vektor Lbor Žák Náhodý vektor přpomeutí pomů z SP -rozměré ormálí rozděleí N Pltí: Nechť áhodý vektor má rozděleí ~ N R B e reálá regulárí mtce typu x. Pk Y B ~ N Bμ BΣB

SP Náhodý vektor Lbor Žák lší vlstost Nechť. m e mtceeíž prvky sou áhodé proměé defové prvděpodobostím prostoru P. Pk tuto mtc zýváme áhodou mtcí. Mtce Pro středí hodotu áhodé mtce pltí: B B se zývá středí hodot áhodé mtce Nechť e áhodý vektor A e regulárí mtce x pk A A r Avr kde rz e stop mtce Z. m B A B A

SP Náhodý vektor Lbor Žák lší vlstost Nechť Y Y Y m sou áhodé vektory. ále ozčme: dg Y dg Pk pro korelčí mtc specálě: cor Y cor Y Y m cov Y vr cor Y Y Y m pltí:

SP Náhodý vektor Lbor Žák Podmíěé rozděleí Nechť e áhodý vektor. eto vektor rozdělme dvě část. hceme ít rozděleí pro z předpokldu že část bývá předem zvoleých hodot x. Nechť e dskrétí áhodý vektor s prvděpodobostí fukcí px= px x mrgálí prvděpodobostí fukcí p x pro část. Nechť x e pevě zvoleé p x 0. Pk fukc proměé x : p x x p x zýváme podmíěou prvděpodobostí fukcí z podmíky = x. p x x

SP Náhodý vektor Lbor Žák Podmíěé rozděleí Nechť e áhodý vektor. eto vektor rozdělme dvě část. hceme ít rozděleí pro z předpokldu že část bývá předem zvoleých hodot x. Nechť e spotý áhodý vektor s hustotou prvděpodobost fx= fx x mrgálí hustotou prvděpodobost f x pro část. Nechť x e pevě zvoleé f x 0. Pk fukc proměé x : f x x zýváme podmíěou hustotou prvděpodobostí z podmíky =x. f x f x x

SP Náhodý vektor Lbor Žák Podmíěé rozděleí Pltí: pokud pro kždé x pltí: px x p f x x f x ebo x pk složky áhodého vektoru sou ezávslé.

SP Náhodý vektor Lbor Žák Podmíěé rozděleí Nechť e áhodý vektor. eto vektor rozdělme dvě část. hceme ít rozděleí pro z předpokldu že část bývá předem zvoleých hodot x. Nechť x e pevě zvoleé p x 0 f x 0.. Pk fukc proměé x : p t x Fx x pt x p x tx tx F x x f t x tx dt tx f t x f x dt zýváme podmíěou dstrbučí fukcí z podmíky =x.

SP Náhodý vektor Lbor Žák Podmíěé rozděleí Nechť S S e fukce áhodého vektoru trsformová áhodá velč. Pk fukce proměé x S x x px g x S x x f x x dx g x x xz zýváme podmíěou středí hodotou áhodé velč S z podmíky =x. zčíme: S x S Fukce S se tké zývá regresí fukce velčy S vzhledem k to fukce popsue k se měí středí hodot velčy S v závslost hodotách proměé. Využtí e zemé v regresí lýze.

SP Náhodý vektor Lbor Žák Podmíěé rozděleí Pltí: Nechť S = S e fukce áhodého vektoru S e koečá. Pk S e koečá pro skoro všech x pltí: S S Pltí: Nechť S = S S = S mí koečé středí hodoty. Pk pro b R pltí: skoro stě. Specálě: S bs S bs

SP Náhodý vektor Lbor Žák Podmíěé rozděleí Nechť S =S e fukce áhodého vektoru. S. Pk zýváme podmíěý rozptyl áhodé velč S z podmíky =x. S S S Fukce S se tké zývá skedstcká fukce velčy S vzhledem k. to fukce popsue k se měí rozptyl velčy S v závslost hodotách proměé. Rozděleí u kterých e tto fukce kosttí se zýví homoskedstcká.

SP Náhodý vektor Lbor Žák Podmíěé rozděleí Pltí: Nechť ~ N μ Σ e p-rozměrý áhodý vektor. Středí hodotu rozptyl lze rozdělt část : μ μ μ Σ Σ Σ Σ Σ Pk podmíěé rozděleí z podmíky = x má rozděleí: N p μ ΣΣ x μ Σ Σ Σ Σ