Téma 1: Pravděpodobnost

Podobné dokumenty
Charakteristiky úrovně

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a)

3. cvičení 4ST201 - řešení

Digitální učební materiál

Soustava momentů. k s. Je-li tedy ve vzorci obecného momentu s = 1, získáme vzorec aritmetického průměru.

Náhodné jevy, jevové pole, pravděpodobnost

- metody, kterými lze z napozorovaných hodnot NV získat co nejlepší odhady neznámých parametrů jejího rozdělení.

2. TEORIE PRAVDĚPODOBNOSTI

3. cvičení 4ST201. Míry variability

7 VYUŽITÍ METOD OPERAČNÍ ANALÝZY V TECHNOLOGII DOPRAVY

ZÁKLADY POPISNÉ STATISTIKY

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC

Statistické charakteristiky (míry)

Téma 5: Analýza závislostí

PRAVDĚPODOBNOST A STATISTIKA

8. Zákony velkých čísel

1.1. Primitivní funkce a neurčitý integrál

Odhady a testy hypotéz o regresních přímkách

9 Kombinatorika, teorie pravděpodobnosti a matematická statistika

PRAVDĚPODOBNOST A STATISTIKA. Testy hypotéz

Téma 4: Výběrová šetření

5. Lineární diferenciální rovnice n-tého řádu

k(k + 1) = A k + B. s n = n 1 n + 1 = = 3. = ln 2 + ln. 2 + ln

Přednáška č. 2 náhodné veličiny

NEPARAMETRICKÉ METODY

n 3 lim 3 1 = lim Je vidět, že posloupnost je neklesající, tedy z Leibnize řada konverguje, ( 1) k 1 k=1

Interval spolehlivosti pro podíl

Dvourozměrná tabulka rozdělení četností

Analytická geometrie

2. Matice a determinanty

1. Rozdělení četností a grafické znázornění Předpokládejme, že při statistickém šetření nás zajímá jediný statistický znak x, který nabývá

Markovovy řetězce s diskrétním časem (Discrete Time Markov Chain)

3.3.3 Rovinná soustava sil a momentů sil

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

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

1.3. ORTOGONÁLNÍ A ORTONORMÁLNÍ BÁZE

Lekce Úroveň a její měření. aritmetický průměr; geometrický průměr; harmonický průměr; medián; mocninový

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

U. Jestliže lineární zobrazení Df x n n

8 DALŠÍ SPOJITÁ ROZDĚLENÍ PRAVDĚPODOBNOSTI

Testování statistických hypotéz

8.1.2 Vzorec pro n-tý člen

Popisná statistika. (Descriptive statistics)

Funkce. RNDr. Yvetta Bartáková. Gymnázium, SOŠ a VOŠ Ledeč nad Sázavou

Dvojný integrál. Dvojný integrál na obdélníkové oblasti

8.1.2 Vzorec pro n-tý člen

10 - Přímá vazba, Feedforward

Kódování Obsah. Galoisova tělesa. Radim Farana Podklady pro výuku. Galoisova tělesa. Cyklické kódy. BCH kódy.

Příklady k přednášce 3 - Póly, nuly a odezvy

Popis datového souboru

Teorie plasticity PLASTICITA

Optimalizace portfolia

,6 32, ,6 29,7 29,2 35,9 32,6 34,7 35,3

Náhoda. Pravděpodobnost výhry při sázce na barvu: p = 18/37 = 0,486 Průměrný zisk při n sázkách částky č: - n.č + 2.č.n.p = n.č.

[ jednotky ] Chyby měření

u, v, w nazýváme číslo u.( v w). Chyba! Chybné propojení.,

SPOTŘEBITELSKÝ ÚVĚR. Na začátku provedeme inicializaci proměnných jejich vynulováním příkazem "restart". To oceníme při opakovaném použití dokumentu.

a 1 = 2; a n+1 = a n + 2.

Analytická geometrie

VY_52_INOVACE_J 05 01

6. Posloupnosti a jejich limity, řady

ARITMETICKÉ POSLOUPNOSTI s-tého STUPNĚ. Daniela Bittnerová

1 Měření závislosti statistických znaků. 1.1 Dvourozměrný statistický soubor

4.2 Elementární statistické zpracování Rozdělení četností

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

Příklady k přednášce 3 - Póly, nuly a odezvy

3. Charakteristiky a parametry náhodných veličin

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

Intervalové odhady parametrů některých rozdělení.

Téma 3: Popisná statistika

S k l á d á n í s i l

2. Vícekriteriální a cílové programování

3. část: Teorie hromadné obsluhy. Ing. Michal Dorda, Ph.D.

Počítačová analýza fraktálních množin

1 STATISTICKÁ ŠETŘENÍ

Popisné (deskriptivní) metody. Statistické metody a zpracování dat. II. Popisné statistické metody. Rozdělení četností. Skupinové rozdělení četností

Lineární regrese ( ) 2

8.2.6 Geometrická posloupnost

Odhady parametrů 1. Odhady parametrů

Doc. Ing. Dagmar Blatná, CSc.

Posloupnosti ( 1) ( ) 1. Různým způsobem (rekurentně i jinak) zadané posloupnosti. 2. Aritmetická posloupnost

3.4.7 Můžeme ušetřit práci?

Projekt OPVK - CZ.1.07/1.1.00/ Matematika pro všechny. Univerzita Palackého v Olomouci

1. Úvod do základních pojmů teorie pravděpodobnosti

Úvodem. Vážení čtenáři,

Agregace vzájemné spojování destabilizovaných částic ve větší celky, případně jejich adheze na povrchu jiných materiálů

DISKRÉTNÍ MATEMATIKA II

Momenty a momentové charakteristiky

LABORATORNÍ CVIČENÍ Z FYZIKY. Měření objemu tuhých těles přímou metodou

Měření a charakteristiky variability

Jednoduchá lineární závislost

Podmíněná pravděpodobnost, spolehlivost soustav

Mocnost bodu ke kružnici

MATICOVÉ HRY MATICOVÝCH HER

Mocnost bodu ke kružnici

1 STATISTICKÁ ŠETŘENÍ

3. Lineární diferenciální rovnice úvod do teorie

Aritmetická posloupnost, posloupnost rostoucí a klesající Posloupnosti

VÁŽENÝ ARITMETICKÝ PRŮMĚR S REÁLNÝMI VAHAMI

Transkript:

ravděpodobot Téma : ravděpodobot ředáša - ravděpodobot áhodého evu Náhodý pou a áhodý ev Náhodý pou - aždá čot, eíž výlede eí edozačě urče podmíam, za terých probíhá apř hod otou, měřeí dély, běh a 00 metrů, loováí v loter, Výledem áhodého pouu e áhodý ev apř padlo 5 o, déla e 5,7cm, doažeý ča e 3,8, vyloovaý lo e 65430, ev tý př provedeí áhodého pouu atae vždy ev emožý ev, terý emůže dy atat elemetárí ev E- rozumí e ím eedodušší výlede áhodého pouu, terý emá myl dále rozládat Možu všech elemetárích evů azýváme protor elemetárích evů Může být buď oečý {E, E,, E } ebo eoečý {E, E,, E, } př hodu otou e {,, 3, 4, 5, 6} Lbovolý áhodý ev e podmoža protoru áhodých evů př hodu hrací otou pade udé čílo, t {, 4, 6} Vztahy mez evy odpovídaí možovým relacím: ev e čátí evu, poud atae ev atae ev evy a ou rovoceé, ev atae právě dyž atae ev - 7 -

ravděpodobot prů evů a, oučaě atae ev edoceí evů a, atae alepoň ede z evů a evy a e azývaí elučtelé, etlže př edom áhodém pouu emohou oučaě atat rozdílem dvou evů -, terý atae právě dyž atae ev a eatae ev - 8 -

ravděpodobot opačý ev evu e te, terý zameá že ev eatal, ozačue e latí tyto vztahy Z obrázu e patré, že,, ro větší počet evů platí tzv de Morgaova pravdla U, U ravděpodobot áhodého evu xomy teore pravděpodobot ravděpodobot evu e ezáporé čílo 0 ravděpodobot tého evu e rova edé 3 ravděpodobot edoceí oečého ebo početého počtu elučtelých evů e rova oučtu pravděpodobotí edotlvých evů - 9 -

ravděpodobot Z axomů vyplývaí další vlatot pravděpodobot: 0 0 Vzhledem tomu, že evy a ou elučtelé a, platí tedy 0 3 Jevy, ou elučtelé a, taže 4 Je-l, pa 0 Jetlže, e a pro ev platí Jevy a ou elučtelé, a proto, eboť 0 5 Je-l, pa rotože, plye z předchozí vlatot, že Stattcá defce pravděpodobot, de e počet pouů, e četot evu př pouech S rotoucím počtem pouů e relatví četot evu blíží pravděpodobot atoupeí evu Klacá defce pravděpodobot Jetlže moža elemetárích evů {E, E,, E } e oečá a všechy evy ou teě možé, potom e pravděpodobot evu dáa m, de m e počet výledů přízvých evu, e počet všech možých výledů - 0 -

ravděpodobot - - Geometrcá defce pravděpodobot oužíváme tehdy, můžeme-l áhodé evy zobrazt geometrcy a přímce, v rově ebo v protoru Moža elemetárích evů má eoečý počet prvů vytvářeících určtou oblat, terá e omezeá a uzavřeá a má velot V vyádřeou délou, případě obahem č obemem Jev tvoří oblat o velot V, potom e pravděpodobot evu dáa V V Ja u lacé ta u geometrcé pravděpodobot platí podmía, aby všechy elemetárí evy byly teě možé u geometrcé pravděpodobot e tato teá možot ulová ředáša odmíěá pravděpodobot ravdlo o čítáí pravděpodobotí ravděpodobot edoceí dvou lbovolých evů e rová oučtu pravděpodobotí těchto evů zmešeému o pravděpodobot ech průu ro lbovolých evů,,, má pravdlo o čítáí tvar Např Jou-l áhodé evy, elučtelé, potom To e možé zobect a lbovolý počet elučtelých evů

ravděpodobot odmíěá pravděpodobot pravděpodobot atoupeí evu za předpoladu, že atal ev > 0 defue vztahem: ravdlo o áobeí pravděpodobotí Z předchozí defce lze vyádřt pravděpodobot oučaého atoupeí evů : ravdlo o áobeí pravděpodobotí lze rozšířt a prů evů Např Jetlže, říáme, že ev e ezávlý a evu Nezávlot dvou evů e oboutraá Je-l ev ezávlý a evu, pa taé ev e ezávlý a evu, tedy Jou-l evy a ezávlé, pa Daý vztah e utou potačuící podmíou ezávlot Měme možu áhodých evů,,,, U této možy evů rozlšueme ezávlot podvoou t ezávlot aždé dvoce evů a ezávlot vzáemou Jevy azýváme vzáemě ezávlé dále e ezávlé, právě dyž pro lbovolou podmožu { r } možy {,, } evů, r, platí r Teto vztah muí platt pro všechy dvoce, troce, atd až -tce áhodých evů,, ro upu ezávlých evů pa platí r Formule úplé pravděpodobot a ayeův vzorec hceme určt pravděpodobot evu, dyž záme pravděpodobot a pravděpodobot,,,, pro,,,, teré tvoří úplou upu elučtelých evů ro ě platí U - -

ravděpodobot - 3 - ravděpodobot evu e odmíěé pravděpodobot lze vypočítat z ayeova vzorce, terý vyplývá z věty o áobeí pravděpodobotí a z formule úplé pravděpodobot:,,,, 3 4 5 6 7