Náhodné jevy, jevové pole, pravděpodobnost

Podobné dokumenty
PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST A STATISTIKA

6. Posloupnosti a jejich limity, řady

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

PRAVDĚPODOBNOST A STATISTIKA

1. Úvod do základních pojmů teorie pravděpodobnosti

8. Zákony velkých čísel

Digitální učební materiál

PRAVDĚPODOBNOST A STATISTIKA. Bodové a intervalové odhady

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

z možností, jak tuto veličinu charakterizovat, je určit součet

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC

Přednáška č. 2 náhodné veličiny

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

ZÁKLADY TEORIE PRAVDĚPODOBNOTI

1.1 Definice a základní pojmy

4.2 Elementární statistické zpracování Rozdělení četností

3. Charakteristiky a parametry náhodných veličin

2. TEORIE PRAVDĚPODOBNOSTI

Cvičení 3 - teorie. Teorie pravděpodobnosti vychází ze studia náhodných pokusů.

Matematická analýza I

Testování statistických hypotéz

PRAVDĚPODOBNOST A STATISTIKA

Podmíněná pravděpodobnost, spolehlivost soustav

5. Posloupnosti a řady

Matematika 1. Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D / 13. Posloupnosti

[ jednotky ] Chyby měření

Univerzita Karlova v Praze Pedagogická fakulta

12. N á h o d n ý v ý b ě r

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

Matematika 1. Ivana Pultarová Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D Posloupnosti

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A

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

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

MATEMATICKÁ INDUKCE. 1. Princip matematické indukce

Mocninné řady - sbírka příkladů

1. Základy měření neelektrických veličin

S1P Popisná statistika. Popisná statistika. Libor Žák

11. Časové řady Pojem a klasifikace časových řad

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

Matematika I, část II

6. FUNKCE A POSLOUPNOSTI

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

3. Lineární diferenciální rovnice úvod do teorie

Pravděpodobnost a aplikovaná statistika

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

Téma 1: Pravděpodobnost

1 Trochu o kritériích dělitelnosti

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

je číselná posloupnost. Pro všechna n položme s n = ak. Posloupnost

1. Číselné obory, dělitelnost, výrazy

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

Generování dvojrozměrných rozdělení pomocí copulí

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

= + nazýváme tečnou ke grafu funkce f

Chyby měření: 1. hrubé chyby - nepozornost, omyl, únava pozorovatele... - významně převyšuje rozptyl náhodné chyby 2. systematické chyby - chybné

DIFERENCIÁLNÍ POČET FUNKCE JEDNÉ PROMĚNNÉ. 1) Pojem funkce, graf funkce

MATICOVÉ HRY MATICOVÝCH HER

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n

DIM PaS Připomenutí poznatků ze střední školy. Faktoriály a kombinační čísla základní vzorce: n = k. (binomická věta) Příklady: 1.

U. Jestliže lineární zobrazení Df x n n

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n

Mendelova univerzita v Brně Statistika projekt

Vlastnosti posloupností

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

S1P Příklady 01. Náhodné jevy

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

1. K o m b i n a t o r i k a

a logaritmickou funkci a goniometrické funkce. 6.1 Násobení řad. Podívejme se neprve na násobení mnohočlenů x = x x n a y = y y n.

Definice obecné mocniny

Znegujte následující výroky a rozhodněte, jestli platí výrok, nebo jeho negace:

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

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

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

Přednáška 7, 14. listopadu 2014

Statistika pro metrologii

Univerzita Karlova v Praze Pedagogická fakulta

Posloupnosti a číselné řady. n + 1. n n n n. n n n. = lim. n2 sin n! lim. = 0, je lim. lim. lim. 1 + b + b b n) = 1 b

3. Charakteristiky a parametry náhodných veličin

8.2.1 Aritmetická posloupnost I

I. TAYLORŮV POLYNOM ( 1

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

Diskrétní matematika

ZS 2018/19 Po 10:40 T5

Kombinatorika- 3. Základy diskrétní matematiky, BI-ZDM

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

, jsou naměřené a vypočtené hodnoty závisle

Spolehlivost a diagnostika

11. přednáška 16. prosince Úvod do komplexní analýzy.

I. TAYLORŮV POLYNOM. Taylorovy řady některých funkcí: Pro x R platí: sin(x) =

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

8.2.1 Aritmetická posloupnost

1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE

1 Uzavřená Gaussova rovina a její topologie

Téma 6: Indexy a diference

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz:

Kapitola 5 - Matice (nad tělesem)

Transkript:

S Náhodé jevy pravděpodobost Náhodé jevy jevové pole pravděpodobost Lbor Žák

S Náhodé jevy pravděpodobost Lbor Žák Základí pojmy Expermet česky též vědecký pokus je soubor jedáí a pozorováí jehož účelem je ověřt verfkovat ebo vyvrátt falzfkovat hypotézu ebo pozatek které ěco tvrdí o příčých vztazích určtých feoméů. okus je hlaví ástroj emprckého rozšřováí vědeckého pozáí. Determstcký pokus vede vždy j jedému možému výsledku. Náhodý stochastcký pokus vede k jedomu z více možých výsledků. Náhodý jev je tvrzeí o výsledku áhodého pokusu o kterém lze po uskutečěí pokusu jedozačě rozhodout zda je čí eí pravdvé. Základí prostor Ω je moža všech možých výsledků pokusu. Náhodým jevem pak rozumíme lbovolou podmožu základího prostoru Ω Náhodý jev se azývá elemetárí áhodým jevem pokud eexstují růzé áhodé jevy C takové že C. Ozačeí : ω Jstý jev: = Ω Nemožý jev: =

S Náhodé jevy pravděpodobost Lbor Žák Náhodý jev podmoža tedy pro áhodé jevy platí vlastost mož a podmož. Např. podjev: sjedoceí jevů: průk jevů: rozdíl jevů: opačý jev: eslučtelé jevy: Dále platí: Základí pojmy C C C C C C C C

S Náhodé jevy pravděpodobost Lbor Žák Jevové pole a jeho vlastost Jevové pole a Ω je moža áhodých jevů systém podmož základého prostoru které splňují: 2 Dvojce 2 Vlastost: 3 se azývá jevové pole. 2 2 2 3

S Náhodé jevy pravděpodobost Lbor Žák Jevové pole a jeho vlastost ozámka Má-l základí prostor Ω alespoň dva prvky eí determstcký pokus pak lze sestrojt mmálí a maxmálí jevové pole: m max říklad Házíte kostkou 6 stra. Napšte ejmeší jevové pole které obsahuje jevy {2} a {2346}.

S Náhodé jevy pravděpodobost Lbor Žák ravděpodobost a její vlastost Kolmogorova axomatcká defce pravděpodobost Nechť je jevové pole. otom zobrazeí které každému jevu přřazuje číslo azveme pravděpodobostí a jevovém pol když toto zobrazeí splňuje: 0 pro každý jev ezáporost 2 ormovaost 3 Nechť 2 3 je koečá spočetá posloupost po dvou dsjuktích jevů j pak I I ro daý jev hodotu azýváme pravděpodobostí jevu. Trojc azýváme pravděpodobostí prostor. ozámka - Na zadaém jevovém pol lze avrhout alespoň jedu pravděpodobost která odpovídá Kolmogorově axomatcké defc. - ravděpodobost eí určea jedozačě.

S Náhodé jevy pravděpodobost Lbor Žák ravděpodobost a její vlastost Vlastost: 2 - mootome 3 - obor hodot 4 - komplemetarta 5 6 - subtradtvta 7 - subadtvta 8 0

ravděpodobost a její vlastost S Náhodé jevy pravděpodobost Lbor Žák Další vlastost: - spočetá subadtvta 2 - spojtost zdola 3 - spojtost shora 4 - absolutí kovergece 5 - věta o sčítáí pravděpodobostí 6 7 - oferroho erovost lm 2 lm 2 j max m 2 j j k k j j j

S Náhodé jevy pravděpodobost Lbor Žák ravděpodobost a její vlastost ozámka: latí: 0 Nemusí platt: 0

S Náhodé jevy pravděpodobost Lbor Žák Klascká pravděpodobost ředpoklady: ak Ω je koečá moža m pro každý elemetárí jev počet přízvých jevů / počet všech jevů latí: 0

S Náhodé jevy pravděpodobost Lbor Žák Klascká pravděpodobost - příklady Házíte jedou deálí kostkou. S jakou pravděpodobostí - pade číslo 4? - pade lché číslo? - pade číslo meší ež 5? - pade číslo lché a meší ež 5? Házíte dvěma kostkam. S jakou pravděpodobostí - pade a kostkách stejé číslo? - bude součet a kostkách rove 6? - bude součet lchý? - bude souč lchý? - bude souč prvočíslo?

S Náhodé jevy pravděpodobost Lbor Žák Klascká pravděpodobost - příklady Házíte 0x jedou deálí kostkou. Určete pravděpodobost a padutí 6 v 0 hodu b padutí 6 až v 0 hodu c padutí 6 v 0 hodech v každém hodu alespoň v jedom hodu z 0 d padutí právě jedé 6 v 0 hodech e padutí alespoň jedé 6 v 0 hodech f padutí ejvýše jedé 6 v 0 hodech g padutí právě tří 6 v 0 hodech za sebou h padutí právě tří 6 v 0 hodech padutí ejvýše tří 6 v 0 hodech j padutí právě dvou 6 v prvích 5 hodech a epadutí 6 v dalších 2 hodech a padutí ejvýše jedé 6 v posledích třech hodech

S Náhodé jevy pravděpodobost Lbor Žák Klascká pravděpodobost - příklady V klobouku máte 5 čerých č a 7 bílých b králíků. Náhodě bez vraceí vytáhete 4 králíky. S jakou pravděpodobostí - vytáhete králíky barvy b č b b bez ohledu a pořadí - vytáhete králíky barvy b č b b v tomto pořadí. - vytáhete alespoň dva čeré králíky. Na plese je tombola kde je 00 ce. Celkem se prodává 000 lístků do tomboly. Koupíte s 0 lístků. S jakou pravděpodobostí vyhrajete ějakou ceu?

S Náhodé jevy pravděpodobost Lbor Žák Rozšířeá klascká pravděpodobost Klascká pravděpodobost defovaá pomocí pravděpodobost elemetárích jevů ředpoklady: ak Ω je koečá ebo spočetá moža pro každý elemetárí jev záme a platí:

S Náhodé jevy pravděpodobost Lbor Žák Rozšířeá klascká pravděpodobost - příklady Mějme krabčku o rozměrech x 2 x 3 cm. Na straách jsou zapsáy číslce: Ω ={23456} ravděpodobost jedotlvých elemetárích jevů odpovídá velkost plochy lomeé celkovým povrchem. Spočtěte pravděpodobost že pade lché číslo.

S Náhodé jevy pravděpodobost Lbor Žák Rozšířeá klascká pravděpodobost - příklady Mějme terč o poloměru prví kruh má poloměr: 2 k--tý kruh má poloměr: atd. k Ω ={23456 }=N. Na terč házíte špky. ravděpodobost jedotlvých elemetárích jevů zásahu do mezkruží odpovídá velkost jejch plochy. Spočtěte pravděpodobost že trefíte lché číslo.

S Náhodé jevy pravděpodobost Lbor Žák R Geometrcká pravděpodobost T Nechť x x R Systém všech podmož R obsahuje eměřtelé možy a kterých elze zavést pravděpodobost. roto se zavádí borelovské pole Β jehož prvky azýváme -rozměré borelovské možy. Mez borelovské možy patří ; R všechy jedobodové možy všechy koečé a spočeté možy tervaly všech typů všechy uzavřeé č otevřeé oblast všecha koečá č spočetá sjedoceí č průky výše uvedeých mož. Dvojce ; se azývá měřtelý prostor. R R Β Β Nechť ; je měřtelý prostor Mírou možy Β rozumíme: m za předpokladu že Remaův tergrál vpravo exstuje. R Β dx dx Nechť ; je měřtelý prostor je borelovská moža o íž předpokládáme že má koečou a eulovou míru. Dále echt' je systém všech borelovských podmož možy. ak geometrckou pravděpodobostí soustředěou a možě rozumíme fukc daou předpsem : R m m

S Náhodé jevy pravděpodobost Lbor Žák Geometrcká pravděpodobost příklady dam a Eva se domluvl že se sejdou mez 5 a 6 hodou. ravděpodobost jejch příchodu mez 5 a 6 hodou je stejá. a určete pravděpodobost že se setkají pokud každý čeká 0 mut; b určete pravděpodobost že přjdou ve stejý čas; c určete pravděpodobost že se setkají pokud dam čeká 20 m a Eva 5 m; d kolk mut by a sebe musel čekat oba stejě aby pravděpodobost že se setkají byla 075.