PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

Podobné dokumenty
PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

3. Charakteristiky a parametry náhodných veličin

PRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení

12. N á h o d n ý v ý b ě r

PRAVDĚPODOBNOST A STATISTIKA

Náhodný výběr 1. Náhodný výběr

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST ... m n

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

5. Lineární diferenciální rovnice n-tého řádu

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

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA

Entropie, relativní entropie a sdílená (vazební) informace

Pravděpodobnost a aplikovaná statistika

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)

můžeme toto číslo považovat za pravděpodobnost jevu A.

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

Odhady parametrů 1. Odhady parametrů

SP2 Korelační analýza. Korelační analýza. Libor Žák

2. Náhodná veličina. je konečná nebo spočetná množina;

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

NEPARAMETRICKÉ METODY

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

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

V. Normální rozdělení

Matematická statistika (Opravená a rozšířená verze textu přednášky z LS 2001/2002)

6.1 Systémy hromadné obsluhy

3. Charakteristiky a parametry náhodných veličin

n-rozměrné normální rozdělení pravděpodobnosti

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

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

1. Přirozená topologie v R n

PRAVDĚPODOBNOST A STATISTIKA

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

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

1.1. Primitivní funkce a neurčitý integrál

8. Odhady parametrů rozdělení pravděpodobnosti

3. Lineární diferenciální rovnice úvod do teorie

Definice obecné mocniny

PRAVDĚPODOBNOST A STATISTIKA

Statistika pro metrologii

Intervalové odhady parametrů

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

8. Analýza rozptylu.

Přednáška č. 2 náhodné veličiny

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

Národní informační středisko pro podporu kvality

Pravděpodobnostní model doby setrvání ministra školství ve funkci

PRAVDĚPODOBNOST A STATISTIKA

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

PRAVDĚPODOBNOST A STATISTIKA. Bodové a intervalové odhady

Testujeme hypotézu: proti alternativě. Jednoduché třídění:

Statistická rozdělení

Diskrétní Fourierova transformace

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

MODELY HROMADNÉ OBSLUHY Models of queueing systems

Pravděpodobnost a aplikovaná statistika

8 DALŠÍ SPOJITÁ ROZDĚLENÍ PRAVDĚPODOBNOSTI

Markovovy řetězce s diskrétním časem (Discrete Time Markov Chain)

Číselné charakteristiky náhodných veličin

Pravděpodobnost a aplikovaná statistika

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.

Náhodné jevy, jevové pole, pravděpodobnost

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

Intervalové odhady parametrů některých rozdělení.

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

PRAVDĚPODOBNOST A STATISTIKA. Metoda momentů Metoda maximální věrohodnosti

PRAVDĚPODOBNOST A STATISTIKA

12. Regrese Teoretické základy

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


c) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je transcendentí. xp 1 (p 1)! (x 1)p (x 2) p... (x d) p e x t f(t) d t = F (0)e x F (x),

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

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

Geometrické modelování. Diferenciáln

6. KOMBINATORIKA Základní pojmy Počítání s faktoriály a kombinačními čísly Variace

z možností, jak tuto veličinu charakterizovat, je určit součet

8. cvičení 4ST201-řešení

2 Diferenciální počet funkcí více reálných proměnných

STATISTIKA. Základní pojmy

PoznÁmky k přednášce

Pravděpodobnost a matematická statistika

Pravděpodobnost a matematická statistika

Statistika je vědní obor zabývající se zkoumáním jevů, které mají hromadný charakter.

6. Posloupnosti a jejich limity, řady

Matematická analýza I

NMSA331 Matematická statistika 1

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

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

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

Dynamická pevnost a životnost Statistika

Pravděpodobnost a matematická statistika

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

Pravděpodobnost a matematická statistika

3. ELEMENTÁRNÍ FUNKCE A POSLOUPNOSTI. 3.1 Základní elementární funkce. Nejprve uvedeme základní elementární funkce: KONSTANTNÍ FUNKCE

17. Statistické hypotézy parametrické testy

8. cvičení 4ST201. Obsah: Neparametrické testy. Chí-kvadrát test dobréshody Kontingenční tabulky Analýza rozptylu (ANOVA) Neparametrické testy

UNIVERZITA PALACKÉHO V OLOMOUCI

Transkript:

SP Náhodý vetor ezávislost fuce NV PRAVDĚPODONOST A STATISTIKA Náhodý vetor ezávislost fuce áhodého vetoru Libor Žá

Náhodý vetor stochasticá ezávislost Náhodé veličiy... defiovaé a ravděodobostím rostoru Ω P jsou stochasticy ezávislé vzhledem P rávě dyž Platí: Nechť je áhodý vetor jsou říslušá margiálí distribučí fuce ro i. Pa áhodé veličiy... jsou stochasticy ezávislé rávě dyž Libor Žá : P P P Β T i F i i : T F F F R SP Náhodý vetor ezávislost fuce NV

SP Náhodý vetor ezávislost fuce NV Libor Žá Náhodý vetor stochasticá ezávislost Dále latí: T Nechť je disrétí áhodý vetor i i i jsou říslušá margiálí ravděodobostí fuce ro i. Pa áhodé veličiy... jsou stochasticy ezávislé rávě dyž T R : T Nechť je sojitý áhodý vetor f i i i jsou říslušá margiálí hustoty ravděodobosti ro i. Pa áhodé veličiy... jsou stochasticy ezávislé rávě dyž T R : f f f

SP Náhodý vetor Libor Žá Náhodý vetor T ezávislost Poud ro všecha R latí: F F F a složy áhodého vetoru azýváme ezávislé. V říadě disrétího áhodého vetoru dostáváme: V říadě sojitého áhodého vetoru dostáváme: f f f

SP Náhodý vetor ezávislost fuce NV Libor Žá Náhodý vetor stochasticá ezávislost Dále latí: Nechť ezávislé a T je áhodý vetor a... jsou stochasticy a oud eistují středí hodoty E i i a E E E b oud eistují a jsou oečé středí hodoty E i a C 0 i j i j i D i D i i i c echť i a j jsou ezávislé áhodé roměé a i j 0 j d ro borelovsé fuce y jsou áhodé veličiy i g i i Y g i stochasticy ezávislé. i i

Náhodý vetor fuce áhodého vetoru Nechť je zobrazeí se složami Zobrazeí se azývá regulárí v možiě dyž: M je otevřeá Fuce mají sojité rví derivace 3 de je Jaobiá Libor Žá g R R : T g g g g M R 0 det : g J M j i j i g J. g g g SP Náhodý vetor ezávislost fuce NV

SP Náhodý vetor ezávislost fuce NV Libor Žá Náhodý vetor fuce áhodého vetoru T Nechť je sojitý áhodý vetor s hustotou ravděodobosti a y g je regulárí a rosté zobrazeí a f otevřeé možiě G ro iž latí: G f d Pa áhodý vetor f Y y Y g f g má hustotu: ydet J g 0 y y g jia G

SP Náhodý vetor ezávislost fuce NV Libor Žá Náhodý vetor fuce áhodého vetoru T Nechť je disrétí áhodý vetor s ravděodobostí fucí a g : R R je borelovsá fuce. Pa ravděodobostí fuce Y y trasformovaé áhodé veličiy Y g je dáa vztahem: Y y Gy Gy R g y 0 jia

SP Náhodý vetor ezávislost fuce NV Libor Žá Náhodý vetor fuce áhodého vetoru T Nechť je sojitý áhodý vetor s hustotou ravděodobosti f a R g : R je borelovsá fuce. Pa hustota f Y y trasformovaé áhodé veličiy Y g je dáa vztahem f y y G Y y f d d Gy R g y 0 jia

SP Náhodý vetor ezávislost fuce NV Libor Žá Náhodý vetor vybraá rozděleí a fuce NV Nechť jsou stochasticy ezávislé sojité áhodé roměé s hustotou ravděodobosti f f. Pa áhodá veličia Y= + má hustotu: ebo Jedá se o ovoluci hustot f f. f Y f Y f f y y d f y f y d

SP Náhodý vetor ezávislost fuce NV Libor Žá Fuce áhodého vetoru - řílady Přílad: T Nechť je áhodý vetor se sdružeou hustotou ravděodobosti: 0 [ ] 6 0 f 0 jia Určete ty rozděleí Y Přílad: T Nechť je áhodý vetor a... jsou stochasticy ezávislé ~ A i. Určete ty rozděleí Y. i Y í i

SP Náhodý vetor ezávislost fuce NV Libor Žá Fuce áhodého vetoru - řílady Přílad: Nechť ~ N0. Určete ty rozděleí Y. Platí: Nechť U i ~ N0 i Pa jsou stochasticy ezávislé veličiy. Y i U i ~ Platí: Nechť ~ ~ jsou stochasticy ezávislé veličiy. Pa Y ~

SP Náhodý vetor ezávislost fuce NV Libor Žá Fuce áhodého vetoru - řílady Platí: Nechť ~ N0 ~ jsou stochasticy ezávislé.. Pa Y ~ t Platí: Nechť ~ ~ jsou stochasticy ezávislé.. Pa Y ~ F

SP Náhodý vetor Dodate Libor Žá Gama fuce Γ Gama fuce ědy taé ozačovaá jao Eulerův itegrál druhého druhu je zobecěím fatoriálu ro obor omleích čísel. Pro >0 je defiovaá ve tvaru: Vlastosti: a je sojitá ro aždé >0 a má sojitou derivaci 0 t t e dt b!! N c d e t t e l t dt 0 3

SP Náhodý vetor Dodate Libor Žá Gama fuce Γ Graf Γ ro reálé

SP Náhodý vetor Dodate Libor Žá Gama fuce Γz z-omleí reálá část Γz imagiárí část Γz absolutí hodota Γz

SP Náhodý vetor Dodate Libor Žá Gama fuce Γz z-omleí absolutí hodota Γz

eta fuce taé ozačovaá jao Eulerův itegrál rvího druhu je zobecěím ombiačího čísla. Pro >0 je defiovaá ve tvaru: Vlastosti: a b c d eta fuce Libor Žá 0 0 : 0 dt t t 0 0 : 0 dt t t 0 : 0 SP Náhodý vetor Dodate

Náhodá veličia s Gama rozděleím ~Γ λ je zobecěím Erlagova rozděleí ro R λr λ>0 má hustotu ravděodobosti: Gama rozděleí Γ λ Libor Žá Charateristiy: - stejé jao u Erlagova rozděleí středí hodota: roztyl: oef. šimosti: oef. šičatosti: jia e f 0 0 E D A 3 A 6 3 3 6 4 SP Náhodý vetor Dodate

SP Náhodý vetor Dodate Libor Žá Gama rozděleí Γ λ ѳ = /λ

Náhodá veličia s eta rozděleím ~ α β α β R α β >0 má záladí rostor Z = R a hustotu ravděodobosti: eta rozděleí α β Charateristiy: středí hodota: roztyl: Libor Žá Rozděleí ; odovídá rovoměrému sojitému rozděleí a itervalu 0 f E D f SP Náhodý vetor Dodate

SP Náhodý vetor Dodate Libor Žá eta rozděleí α β

SP Náhodý vetor Dodate Libor Žá Pearsoovo χ rozděleí χ Náhodá veličia má arsoovo χ rozděleí χ s stui volosti N. Hustota ravděodobosti: f 0 e 0 jia Charateristiy: středí hodota: E roztyl: oef. šimosti: D 4 A3 0

SP Náhodý vetor Dodate Libor Žá Pearsoovo χ rozděleí χ Pozáma: Seciálí říad Γ-rozdělei s arametry = / a λ = ½. Rozdělei součtu vadratů ezávislých ormovaých ormálích veliči.

SP Náhodý vetor Dodate Libor Žá Studetovo t - rozděleí t Náhodá veličia má Studetovo t- rozděleí t s stui volosti N. Hustota ravděodobosti: f 0 0 jia Charateristiy: středí hodota: roztyl: E 0 ro D ro 3 oef. šimosti: mediá: A3 0 ro 4 ~ 0

SP Náhodý vetor Dodate Libor Žá Studetovo t - rozděleí t

Náhodá veličia má Fischerovo F- rozděleí F s stui volosti N. Hustota ravděodobosti: Fischerovo-Sedecorovo rozděleí F Charateristiy: středí hodota: roztyl: Libor Žá Pozáma: je beta fuce ro E 0 d 5 ro 4 D f SP Náhodý vetor Dodate

SP Náhodý vetor Dodate Libor Žá Fischerovo-Sedecorovo rozděleí F