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

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

7. KOMBINATORIKA, BINOMICKÁ VĚTA. Čas ke studiu: 2 hodiny. Cíl

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

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

Statistika pro metrologii

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

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

12. N á h o d n ý v ý b ě r

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

Kombinatorika- 3. Základy diskrétní matematiky, BI-ZDM

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.

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

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

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

Náhodné jevy a pravděpodobnost

( )! ( ) ( ) ( ) = ( ) ( ) ( ) ( ) ( )

Náhodný výběr 1. Náhodný výběr

1.1. Definice Reálným vektorovým prostorem nazýváme množinu V, pro jejíž prvky jsou definovány operace sčítání + :V V V a násobení skalárem : R V V

Matematika NÁRODNÍ SROVNÁVACÍ ZKOUŠKY BŘEZNA 2018

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

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

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

Permutace s opakováním

Matematika NÁRODNÍ SROVNÁVACÍ ZKOUŠKY DUBNA 2018

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

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

Permutace s opakováním

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

1.3. POLYNOMY. V této kapitole se dozvíte:

1. Číselné obory, dělitelnost, výrazy

Matematika přehled vzorců pro maturanty (zpracoval T. Jánský) Úpravy výrazů. Binomická věta

Název školy: Gymnázium Jana Nerudy, škola hl. města Prahy. Předmět, mezipředmětové vztahy: matematika a její aplikace

2. Náhodná veličina. je konečná nebo spočetná množina;

Náhodné jevy, jevové pole, pravděpodobnost

2.4. INVERZNÍ MATICE

PRAVDĚPODOBNOST A STATISTIKA

6. Posloupnosti a jejich limity, řady

MATEMATIKA PŘÍKLADY K PŘÍJÍMACÍM ZKOUŠKÁM BAKALÁŘSKÉ STUDIUM MGR. RADMILA STOKLASOVÁ, PH.D.

8. Odhady parametrů rozdělení pravděpodobnosti

Odhady parametrů 1. Odhady parametrů

Diskrétní matematika

Přednáška 7, 14. listopadu 2014

Odhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení

Přijímací řízení akademický rok 2013/2014 Bc. studium Kompletní znění testových otázek matematika

Přijímací řízení akademický rok 2012/2013 Kompletní znění testových otázek matematické myšlení

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

jsou reálná a m, n jsou čísla přirozená.

PRAVDĚPODOBNOST ... m n

Deskriptivní statistika 1

1 Základní matematické pojmy Logika Množiny a jejich zobrazení... 7

8.2.1 Aritmetická posloupnost

Matematika NÁRODNÍ SROVNÁVACÍ ZKOUŠKY BŘEZNA 2018

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

Pravděpodobnost a statistika Výpisky z cvičení Ondřeje Chocholy

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

ZÁKLADY DISKRÉTNÍ MATEMATIKY

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

P(n) = n * (n - 1) * (n - 2) *... 2 * 1 To odpovídá zápisu, ve kterém využíváme faktoriál:

8.2.1 Aritmetická posloupnost I

Užití binomické věty

DISKRÉTNÍ MATEMATIKA PRO INFORMATIKY

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

Aplikovaná informatika. Podklady předmětu Aplikovaná informatika pro akademický rok 2006/2007 Radim Farana. Obsah. Algoritmus

f x a x DSM2 Cv 9 Vytvořující funkce Vytvořující funkcí nekonečné posloupnosti a0, a1,, a n , reálných čísel míníme formální nekonečnou řadu ( )

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

Matematická analýza I

3. Lineární diferenciální rovnice úvod do teorie

Matematika NÁRODNÍ SROVNÁVACÍ ZKOUŠKY ÚNORA 2018

11. přednáška 16. prosince Úvod do komplexní analýzy.

Matematika I. Název studijního programu. RNDr. Jaroslav Krieg České Budějovice

Kombinatorika. RNDr. Antonín Slavík, Ph.D. online prostředí, Operační program Praha Adaptabilita, registrační číslo CZ.2.17/3.1.00/31165.

Klasická pravděpodobnost

Matematika NÁRODNÍ SROVNÁVACÍ ZKOUŠKY ÚNORA 2019

VLASTNOSTI ÚLOH CELOČÍSELNÉHO PROGRAMOVÁNÍ

Digitální učební materiál

Základy statistiky. Zpracování pokusných dat Praktické příklady. Kristina Somerlíková

Sekvenční logické obvody(lso)

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

Iterační výpočty projekt č. 2

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

Definice obecné mocniny

8.2.7 Geometrická posloupnost

Cvičení 1.1. Dokažte Bernoulliovu nerovnost (1 + x) n 1 + nx, n N, x 2. Platí tato nerovnost obecně pro všechna x R a n N?

Elementární zpracování statistického souboru

P2: Statistické zpracování dat

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

1 Trochu o kritériích dělitelnosti

vají statistické metody v biomedicíně

Pravděpodobnost a matematická statistika

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.

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

Petr Otipka Vladislav Šmajstrla

6. ČÍSELNÉ POSLOUPNOSTI A ŘADY 6.1. ČÍSELNÉ POSLOUPNOSTI

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

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

Mocninné řady - sbírka příkladů

2 STEJNORODOST BETONU KONSTRUKCE

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

Závislost slovních znaků

M - Posloupnosti VARIACE

Transkript:

1 PSE 1 Náhodý pokus, áhodý jev. Operace s jevy. Defiice pravděpodobosti jevu, vlastosti ppsti. Klasická defiice pravděpodobosti a její použití, základí kombiatorické vzorce. 1.1 Teoretická část 1.1.1 Defiice základích pojmů Náhodý pokus je každý proces, jehož výsledek je při jiak stejých počátečích podmíkách ejistý; výsledek ejsme schopi s jistotou předpovědět; možiu všech možých výsledků áhodého pokusu ozačujeme Ω. Náhodý jev je jev A je podmožia možiy Ω (A Ω; áhodé jevy začíme velkými latiskými písmey z počátku abecedy A,B,C,... ; celá možia Ω je jev jistý; prázdá možia je jev emožý. Elemetárí jevy jsou ω i jsou miimálí jevy růzé od jevu emožého (ω je elemetárí jev: A ω (A ω ebo (A ; elemetárí jevy jsou párově eslučitelé (ω 1, ω 2 růzé elemetárí jevy, pak ω 1 ω 2 ; každý jev A lze vyjádřit jako možiu elemetárích jevů (A {ω 1, ω 2,... }. Operace s jevy, protože jevy mají charakter moži, můžeme je graficky zázorňovat pomocí Véových diagramů A B rovoceé jevy Ā (ebo Ac ebo A Ω\A jev opačý, doplěk jevu A B jev A je podjevem jevu B A B průik jevů,jev A a zároveň jev B A B sjedoceí jevů, jev A ebo jev B (ebo oba jevy A\B rozdíl jevů, platí jev A, ale ikoliv jev B A B jevy disjuktí, jevy eslučitelé A i Ω úplý systém jevů záko jediečosti: A, B! A B a! A B záko komutativí: A B B A, resp. A B B A záko asociativí: (A B C A (B C resp. (A B C A (B C záko idetity: A A A, resp. A Ω Ω A Ω A záko komplemetu: A Ā Ω, resp. A Ā 1

záko distributiví: (A B C = (A C (B C resp. (A B C = (A C (B C de Morgaovy vzorce: A B A B, resp. A B A B obecěji echt A i, i = 1, 2,..., A jsou jevy A i A i, A i A i 1.1.2 Defiice pravděpodobosti Pravděpodobost jevu - každému jevu A přiřazujeme reálé číslo P(A; pravděpodobost (ppst lze chápat jako předpověd poměrých četostí výsledků při mohoásobém opakováí daého pokusu; ppst lze chápat jako kvatitativí ohodoceí stupě jistoty. Existují růzé možosti matematického zavedeí pravděpodobosti - klasická ppst, geometrická ppst, statistická ppst a axiomatická ppst. Klasická defiice pravděpodobosti - předpoklady: Ω = {ω 1, ω 2, ω 3,..., ω N } možia možých výsledků pokusu je koečá a eprázdá (0 < N < ; N p 1, p 2, p 3,..., p N jsou ezáporá čísla splňující p i = 1; p 1 = p 2 = = p N = 1 všechy výsledky pokusu jsou stejě možé; N každý jev A lze popsat možiou jevů {ω i1, ω i2,..., ω ik } kde ω i jsou výsledky pokusu přízivé jevu A; pak kde P(A = N A N N A je počet výsledků přízivých jevu A N je počet všech možých výsledků Geometrická defiice pravděpodobosti - předpoklady Ω jsme schopi vyjádřit jako eprázdou omezeou oblast v R (apříklad pomocí omezeé přímky v R 1, omezeé plochy v R 2, omezeého tělesa v R 3 jev A jsme schopi vyjádřit jako podoblast oblasti Ω, pak P(A = λ(a λ(ω kde λ(a je míra oblasti A (délka, obsah plochy, objem tělesa a λ(ω je míra oblasti Ω (délka, obsah plochy, objem tělesa. 2

Vlastosti pravděpodobosti - pro všechy jevy A i, i = 1, 2, 3,... platí 0 P(A i 1 jsou-li A i a A j eslučitelé, potom P(A i A j = P(A i + P(A j resp. obecěji jsou-li A i, i = 1, 2,... eslučitelé, potom P( i A i = i P(A i P(Ω = 1, P( = 0 A i A j P(A i P(A j P(A i = 1 P(A i A i A j P(A j \A i = P(A j P(A i P(A i A j P(A i + P(A j P(A i A j = P(A i + P(A j P(A i A j 1.1.3 Základí kombiatorické vzorce Pro určováí počtu možých výsledků používáme vzorce pro permutace, variace a kombiace. permutace prvků (kolika způsoby lze uspořádat tici prvků ; uspořádáí prvků skupiy M v daém pořadí počet permutací P =! pokud M se skládá z i 1, i 2,..., i k stejých prvků, je počet permutací P =! i 1!i 2!...i k! počet permutací s opakováím P = variace prvků kté třídy (kolika způsoby lze z tici prvků vybrat ktici, přičemž záleží a pořadí výběru počet variací V k =! ( k! počet variací s opakováím V k = k = ( 1... ( k + 1 kombiace prvků kté třídy (kolika způsoby lze z tici prvků vybrat ktici, přičemž ezáleží a pořadí výběru počet kombiací C k = ( k =! ( k!k! počet kombiací s opakováím C k = ( +k 1 k biomické číslo lze přibližě určit za použití Stirligovy formule pro určeí hodoty k! log k! log 2πk + k(log k log e 3

vlastosti kombiačích čísel ( ( k = k ( ( 0 = = 1 ( ( k + ( k+1 = +1 k+1 ( ( 0 + ( 1 + + = 2 ( ( 0 1 + + ( 1 ( = 0 4

1.2 Příklady 1. 120 studetů absolvovalo zkoušku z matematiky a fyziky. 82 studetů udělalo zkoušku z matematiky, 85 studetů zkoušku z fyziky, 77 studetů udělalo obě zkoušky. Určete: (a Kolik studetů udělalo zkoušku z fyziky ebo z matematiky? (b Kolik studetů eudělalo zkoušku z fyziky? (c Kolik studetů eudělalo zkoušku z matematiky? (d Kolik studetů udělalo zkoušku z fyziky a eudělalo zkoušku z matematiky? (e Kolik studetů udělalo zkoušku z matematiky a eudělalo zkoušku z fyziky? 2. Jev A spočívá v tom, že áhodě vybraé přirozeé číslo je dělitelé pěti a jev B v tom, že toto číslo má a posledím místě ulu. Určete, co zameají jevy (a A B; (b A B; (c Ā B; (d A B; (e A B. 3. Výrobek je v rámci výstupí kotroly podrobe třem růzým zkouškám. Jev A spočívá v tom, že výrobek obstojí při prví zkoušce, jev B spočívá v tom, že výrobek obstojí při druhé zkoušce a jev C v tom, že výrobek obstojí při třetí zkoušce. Vyjádřete v možiové symbolice, že výrobek obstojí (a je v prví zkoušce; (b v prví a druhé zkoušce, ale eobstojí ve třetí zkoušce; (c ve všech třech zkouškách; (d alespoň v jedé zkoušce; (e alespoň ve dvou zkouškách; (f maximálě ve dvou zkouškách. 4. Charakterizujte možiu elemetárích áhodých jevů pro áhodé pokusy (a hod dvěmi micemi; (b otočeí ruletou. 5. Kolik růzých čísel lze vytvořit z číslic 0, 1, 2, 3 a 4. (a smí-li každá z číslic být v čísle obsažea ejvýše jedou, [261] (b je-li počet stejých číslic v čísle eomezeý. 5 [ekoečě]

Obrázek 1: Příklad 8 - úloha o setkáí 6. V sérii 12 výrobků jsou 3 vadé. Kolika způsoby lze vybrat (a šest výrobků, [924] (b šest výrobků, všechy bez vady, [84] (c šest výrobků, z toho jede vadý, [378] (d šest výrobků, z toho ejvýše dva vadé, [840] (e šest výrobků, z toho alespoň dva vadé. [462] 7. V urě je 6 bílých a 3 čeré koule. Kolika způsoby lze z ury vytáhout 4 koule, mají-li mezi imi být alespoň dvě bílé? [120] 8. Úloha o setkáí: Dva přátelé (X a Y se domluvili, že přijdou a určité místo v době mezi poledem a jedou hodiou odpolede. Na místo přijde v tomto časovém itervalu každý z ich zcela áhodě a ezávisle a příchodu toho druhého. Každý bude čekat patáct miut a příchod druhého, e déle ež do jedé hodiy odpolede. Úkolem je určit ppst., že se za těchto podmíek sejdou. Pravděpodobost setkáí odpovídá podílu obsahu vyšrafovaé plochy vzhledem k celkové ploše a je P = 7 16. 6

1.3 Literatura s dalšími příklady Trial KMA kapitola 30.1 Kombiatorika Trial KMA kapitola 30.2 Náhodé jevy Trial KMA kapitola 30.2 Defiice pravděpodobosti Polák, Josef: Středoškolská matematika v úlohách. Straa 74 126 Reif, Jiří Kobeda, Zdeěk: Úvod do pravděpodobosti a spolehlivosti. Straa 9 16 7