České vysoké učení technické v Praze. Fakulta dopravní. Semestrální práce. Statistika

Podobné dokumenty
Pravděpodobnost a aplikovaná statistika

P2: Statistické zpracování dat

Deskriptivní statistika 1

12. N á h o d n ý v ý b ě r

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

STATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson

Náhodný výběr 1. Náhodný výběr

Odhady parametrů 1. Odhady parametrů

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL

8. Základy statistiky. 8.1 Statistický soubor

Statistika. Statistické funkce v tabulkových kalkulátorech MSO Excel a OO.o Calc

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT

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

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

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

Elementární zpracování statistického souboru

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

2 STEJNORODOST BETONU KONSTRUKCE

Pro statistické šetření si zvolte si statistický soubor např. všichni žáci třídy (několika tříd, školy apod.).

Mendelova univerzita v Brně Statistika projekt

1 ROVNOMĚRNOST BETONU KONSTRUKCE

NEPARAMETRICKÉ METODY

b c a P(A B) = c = 4% = 0,04 d

13 Popisná statistika

vají statistické metody v biomedicíně Literatura Statistika v biomedicínsk nském výzkumu a ve zdravotnictví

Popisná statistika. Zdeněk Janák 9. prosince 2007

Pravděpodobnost a aplikovaná statistika

vají statistické metody v biomedicíně

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

2. Náhodná veličina. je konečná nebo spočetná množina;

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

OVMT Přesnost měření a teorie chyb

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT

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

Popisná statistika - zavedení pojmů. 1 Jednorozměrný statistický soubor s kvantitativním znakem

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

8. Odhady parametrů rozdělení pravděpodobnosti

Závislost slovních znaků

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013.

Zhodnocení přesnosti měření

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ

Intervalové odhady parametrů některých rozdělení.

2 EXPLORATORNÍ ANALÝZA

z možností, jak tuto veličinu charakterizovat, je určit součet

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

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

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

Iterační výpočty projekt č. 2

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

Seriál XXX.II Zpracování dat fyzikálních měření

Analýza a zpracování signálů. 3. Číselné řady, jejich vlastnosti a základní operace, náhodné signály

Parametr populace (populační charakteristika) je číselná charakteristika sledované vlastnosti

6. P o p i s n á s t a t i s t i k a

VY_52_INOVACE_J 05 01

1. Měření ve fyzice, soustava jednotek SI

MATICOVÉ HRY MATICOVÝCH HER

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojního inženýrství. Matematika IV. Semestrální práce

1.2. NORMA A SKALÁRNÍ SOUČIN

Intervalové odhady parametrů

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT

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

V. Normální rozdělení

Úloha II.S... odhadnutelná

STATISTIKA. Základní pojmy

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

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

MOŽNOSTI STATISTICKÉHO POSOUZENÍ KVANTITATIVNÍCH VÝSLEDKŮ POŽÁRNÍCH ZKOUŠEK PRO POTŘEBY CERTIFIKACE A POSUZOVÁNÍ SHODY VÝROBKŮ

Vyhledávání v tabulkách

Doc. Ing. Dagmar Blatná, CSc.

PŘÍKLAD NA PRŮMĚRNÝ INDEX ŘETĚZOVÝ NEBOLI GEOMETRICKÝ PRŮMĚR

Matematika I, část II

Tento projekt je spolufinancován Evropským sociálním fondem a Státním rozpočtem ČR InoBio CZ.1.07/2.2.00/

1. Základy měření neelektrických veličin

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

(Teorie statistiky a aplikace v programovacím jazyce Visual Basic for Applications)

1 Úvod { }.[ ] A= A A, (1.1)

10.3 GEOMERTICKÝ PRŮMĚR

Statistika pro metrologii

Interval spolehlivosti pro podíl

Pravděpodobnostní modely

Úloha III.S... limitní

Petr Šedivý Šedivá matematika

Pravděpodobnostní model doby setrvání ministra školství ve funkci

Kvantová a statistická fyzika 2 (Termodynamika a statistická fyzika)

PRAVDĚPODOBNOST A STATISTIKA

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

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

Generování dvojrozměrných rozdělení pomocí copulí

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

8 DALŠÍ SPOJITÁ ROZDĚLENÍ PRAVDĚPODOBNOSTI

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

3. VYBRANÉ ZÁKONY ROZDĚLENÍ POUŽÍVANÉ VE SPOLEHLIVOSTI

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

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

Národní informační středisko pro podporu jakosti

3. Charakteristiky a parametry náhodných veličin

Odhad parametrů normálního rozdělení a testy hypotéz o těchto parametrech * Věty o výběru z normálního rozdělení

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

Transkript:

České vysoké učeí techické v Praze Fakulta dopraví Semestrálí práce Statistika Čekáí vlaku ve staicích a trase Klado Ostrovec Praha Masarykovo ádraží Zouzalová Barbora 2 35 Michálek Tomáš 2 35 sk. 2 35 2012/2013

Úloha: Protože deě cestujeme do školy a ze školy vlakem, tak jsme se rozhodli pro vypracováí statistiky doby čekáí ve vlakové staici. Každý vlak stojí jiou dobu ve stejé staici, ěkdy se tam otevřou pouze dveře a jidy se tam čeká apříklad 15 miut a protijedoucí vlak. Měřeí: Měřeí jsme prováděli celý týde, tz. od podělí do pátku v týdu od 19.11 23.11. Trasa začíala a staici Klado Ostrovec a kočila a staici Praha Masarykovo áměstí. Na trase, a které jsme měřili, se achází 12 staic, což zameá 11 zastaveí vlaku. Měřeí jsme prováděli v růzých časech, aby se aše hodoty lišily a ebyly stejé. Z ašeho měřeí jsme získali 55 hodot, z toho 3 hodoty jsou 0, protože a daé trase se achází 1 staice a zameí, která se jmeuje Pavlov, a v úterý, čtvrtek a pátek zde ikdo evystupoval ai eastupoval. Obr. č. 1 Mapa trasy Klado Ostrovec Praha Masarykovo ádraží 2

V ásledujícím obrázku jsme vyzačili aše staice a ozačili pořadové číslo zastávky. Do ásledující tabulky jsme vložili aše aměřeá data, která jsme ásledě přepočítali a hodoty pouze a miuty, které jsme poté použili v ašem výpočtu. Hodoty jsme přepočítali pomocí vzorce: 1 počet vteři výsledek 60 mi 3

Naměřeé hodoty: P.Č. Podělí Úterý Středa Čtvrtek Pátek 1 1 mi 16 s 1,27 mi 1 mi 9 s 1,15 mi 1 mi 37 s 1,62 mi 1 mi 1,00 mi 1 mi 22 s 1, 37 mi 2 59 s 0,98 mi 54 s 0,90 mi 49 s 0,82 mi 1 mi 1 s 1,02 mi 59 s 0,98 mi 3 5 mi 22 s 5,37 mi 5 mi 41 s 5,68 mi 3 mi 12 s 3,20 mi 5 mi 57 s 5,95 mi 4 mi 48 s 4,80 mi 4 4 mi 2 s 4,03 mi 1 mi 12 s 1,20 mi 1 mi 39 s 1,65 mi 3 mi 49 s 3,82 mi 3 mi 20 s 3,33 mi 5 38 s 0,63 mi 0 s 0,00 mi 47 s 0,78 mi 0 s 0,00 mi 0 s 0,00 mi 6 1 mi 15 s 1,25 mi 57 s 0,95 mi 1 mi 32 s 1,53 mi 1 mi 31 s 1,52 mi 1 mi 22 s 1,37 mi 7 1 mi 49 s 1,82 mi 2 mi 1 s 2,02 mi 1 mi 51 s 1,85 mi 2 mi 3 s 2,05 mi 2 mi 23 s 2,38 mi 8 7 mi 33 s 7,55 mi 1 mi 6 s 1,10 mi 8 mi 23 s 8,38 mi 59 s 0,98 mi 3 mi 30 s 3,50 mi 9 1 mi 2 s 1,04 mi 1 mi 5 s 1,08 mi 45 s 0,75 mi 51 s 0,85 mi 1 mi 9 s 1,15 mi 10 56 s 0,93 mi 1 mi 26 s 1,43 mi 2 mi 16 s 2,27 mi 1 mi 43 s 0,72 mi 1 mi 38 s 1,63 mi 11 32 s 0,53 mi 23 s 0,38 mi 36 s 0,60 mi 39 s 0,65 mi 34 s 0,57 mi Teorie: 1) Aritmetický průměr - je statistická veličia, která v jistém smyslu vyjadřuje typickou hodotu popisující soubor moha hodot. - Aritmetický průměr se obvykle začí vodorovým pruhem ad ázvem proměé, popř. řeckým písmeem μ. Defiice 1 1 x x x x x i, aritmetického průměru je 1 2... i 1 tz. součet všech hodot vyděleý jejich počtem. V běžé řeči se obvykle obecým slovem průměr myslí právě aritmetický průměr. 2) Modus - Modus áhodé veličiy X (ozačováo jako Mod(X)) je hodota, která se v daém statistickém souboru vyskytuje ejčastěji (je to hodota zaku s ejvětší relativí četostí). - Představuje jakousi typickou hodotu sledovaého souboru a jeho určeí předpokládá roztříděí souboru podle obmě zaku. - Modus diskrétí áhodé veličiy je taková hodota ˆx, která pro všechy hodoty x i áhodé veličiy X splňuje podmíku P X xˆ PX x [ ] i 4

- Pro spojitou áhodou veličiu X defiujeme modus podmíkou f ( xˆ ) f ( x) 3) Mediá - Mediá (ozačová Me ebo x ) je hodota, jež dělí řadu podle velikosti seřazeých výsledků a dvě stejě početé poloviy. - Ve statistice patří mezi míry cetrálí tece. Platí, že ejméě 50 % hodot je meších ebo rových a ejméě 50 % hodot je větších ebo rových mediáu. - Pro alezeí mediáu daého souboru stačí hodoty seřadit podle velikosti a vzít hodotu, která se alézá uprostřed sezamu. - Pokud má soubor sudý počet prvků, obvykle se za mediá ozačuje aritmetický průměr hodot a místech 2 4) Rozptyl - Rozptyl je defiová jako středí hodota kvadrátů odchylek od středí hodoty. a 1. 2 - Rozptyl áhodé veličiy X se ozačuje 2 ( X ), S 2 ( X ), D( X ) ebo var( X ) - Odchylku od středí hodoty, která má rozměr stejý jako áhodá veličia, zachycuje směrodatá odchylka. - Pro diskrétí áhodou veličiu jej můžeme defiovat 2 2 2 2 vztahem xi E( X ) pi xi pi E( X ) i1 i1 x i jsou hodoty, kterých může áhodá veličia X abývat (s pravděpodobostmi p i ) EX ( ) je středí hodota veličiy X 5

Zdrojový kód: fpritf('naše aměřeé hodoty udaé v miutách:'); x=[1.27,0.98,5.37,4.03,0.63,1.25,1.82,7.55,1.04,0.93,0.53,1.15,0.90,5.68,1. 20,0.00,0.95,2.02,1.10,1.08,1.43,0.38,1.62,0.82,3.20,1.65,0.78,1.53,1.85,8. 38,0.75,2.27,0.60,1.00,1.02,5.95,3.82,0.00,1.52,2.05,0.98,0.85,0.72,0.65,0. 57,1.63,1.15,3.50,2.38,1.37,0.00,3.33,4.80,0.98,1.37] uqx=uique(x) =legth(x); fpritf('počet aměřeých hodot je:%f\\',); sumx=sum(x); fpritf('celková doba měřeí všech ašich hodot byla:%f[mi]\\',sumx); prumer=sumx/; fpritf('průměrá doba čekáí vlaku ve staici je:%f[mi]\\',prumer); mi=mi(x); fpritf('nejkratší doba, která byla aměřea ve vlakové staici je:%f[mi]\\',mi); modus=mode(x) fpritf('modus ašeho datového souboru je:%f\\',modus); sigma2=(sum((prumer-x).^2))/(-1); fpritf('náš výběrový rozptyl je:%f\\',sigma2) Zjištěí mediáu: z=x; =legth(x); u=1; while u==1; u=0; for i=1:-1; if z(i)>z(i+1); p=z(i); z(i)=z(i+1); z(i+1)=p; u=1; if fix(/2)~=/2; med=z(fix(/2)+1) else med=(z(/2)+z(/2+1))/2; fpritf('mediá ašeho datového souboru je:%f[mi]\\',med); Výpočty v Matlabu: >> fpritf('naše aměřeé hodoty udaé v miutách:'); Naše aměřeé hodoty udaé v miutách:>> >> x=[1.27,0.98,5.37,4.03,0.63,1.25,1.82,7.55,1.04,0.93,0.53,1.15,0.90,5.68,1. 20,0.00,0.95,2.02,1.10,1.08,1.43,0.38,1.62,0.82,3.20,1.65,0.78,1.53,1.85,8. 38,0.75,2.27,0.60,1.00,1.02,5.95,3.82,0.00,1.52,2.05,0.98,0.85,0.72,0.65,0. 57,1.63,1.15,3.50,2.38,1.37,0.00,3.33,4.80,0.98,1.37] >> uqx=uique(x) 6

uqx = Colums 1 through 11 0 0.3800 0.5300 0.5700 0.6000 0.6300 0.6500 0.7200 0.7500 0.7800 0.8200 Colums 12 through 22 0.8500 0.9000 0.9300 0.9500 0.9800 1.0000 1.0200 1.0400 1.0800 1.1000 1.1500 Colums 23 through 33 1.2000 1.2500 1.2700 1.3700 1.4300 1.5200 1.5300 1.6200 1.6300 1.6500 1.8200 Colums 34 through 44 1.8500 2.0200 2.0500 2.2700 2.3800 3.2000 3.3300 3.5000 3.8200 4.0300 4.8000 Colums 45 through 49 5.3700 5.6800 5.9500 7.5500 8.3800 >> =legth(x); >> fpritf('počet aměřeých hodot je:%f\\',); Počet aměřeých hodot je:55.000000 >> sumx=sum(x); >> fpritf('celková doba měřeí všech ašich hodot byla:%f[mi]\\',sumx); Celková doba měřeí všech ašich hodot byla:104.380000[mi] >> prumer=sumx/; 7

>> fpritf('průměrá doba čekáí vlaku ve staici je:%f[mi]\\',prumer); Průměrá doba čekáí vlaku ve staici je:1.897818[mi] >> mi=mi(x); >> fpritf('nejkratší doba, která byla aměřea ve vlakové staici je:%f[mi]\\',mi); Nejkratší doba, která byla aměřea ve vlakové staici je:0.000000[mi] >> modus=mode(x) modus = 0 >> fpritf('modus ašeho datového souboru je:%f\\',modus); Modus ašeho datového souboru je:0.000000 >> sigma2=(sum((prumer-x).^2))/(-1); >> fpritf('náš výběrový rozptyl je:%f\\',sigma2) Náš výběrový rozptyl je:3.344569 Mediá datového souboru: >> z=x; >> =legth(x); >> u=1; >> while u==1; u=0; for i=1:-1; if z(i)>z(i+1); p=z(i); z(i)=z(i+1); z(i+1)=p; u=1; 8

>> if fix(/2)~=/2; med=z(fix(/2)+1) else med=(z(/2)+z(/2+1))/2; med = 1.2000 >> >> fpritf('mediá ašeho datového souboru je:%f[mi]\\',med); Mediá ašeho datového souboru je:1.200000[mi] Naše výsledky: Průměr: 1.897818[mi] Modus: 0.000000 Mediá: 1.200000[mi] Rozptyl: 3.344569 Závěr: V aší semestrálí práci jsme vypočítali průměrou dobu čekáí vlaku ve staici, kterou jsme vyhodotili z ámi aměřeých dat. Miuty čekáí vlaku ve staici se vcelku dosti odlišují, ěkdy se ve staici čeká i déle jak 8 miut, ale to je zapříčiěo čekáím a vlak z opačého směru. Někdy se ám při jízdě do školy i stae, že vlak ečeká vůbec a ěkdy tam čekáme třeba i déle jak 10 miut, což se ale v průběhu ašeho měřeí estalo. Měřeí probíhalo ve vlaku liky OS5 eboli osobí vlak. Teto vlak vždy jezdí přes všechy staice a trase Klado Ostrovec Praha Masarykovo ádraží, vyjma staice Pavlov, která je staice a zameí. 9

Zdroje: www.idos.cz www.wikipedie.cz Pozámky z hodi cvičeí předmětu Statistika 10