NÁHODNÁ VELIČINA. Podle typu výběrového prostoru rozlišujeme dva základní druhy NV Diskrétní (nespojitou) náhodnou veličinu Spojitou náhodnou veličinu

Podobné dokumenty
Základy teorie pravděpodobnosti

Diskrétní náhodná veličina. November 12, 2008

Někdy lze výsledek pokusu popsat jediným číslem, které označíme X (nebo jiným velkým písmenem). Hodíme dvěma kostkami jaký padl součet?

Náhodná veličina a rozdělení pravděpodobnosti

Distribuční funkce je funkcí neklesající, tj. pro všechna

a způsoby jejího popisu Ing. Michael Rost, Ph.D.

Matematika III. 4. října Vysoká škola báňská - Technická univerzita Ostrava. Matematika III

Cvičení ze statistiky - 5. Filip Děchtěrenko

Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel

Téma 2: Pravděpodobnostní vyjádření náhodných veličin

7. Rozdělení pravděpodobnosti ve statistice

8 Střední hodnota a rozptyl

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Jan Kracík

Náhodná veličina a její charakteristiky. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáte. Proto je proměnná, která

Téma 2: Pravděpodobnostní vyjádření náhodných veličin

Náhodná veličina Číselné charakteristiky diskrétních náhodných veličin Spojitá náhodná veličina. Pravděpodobnost

III. Úplná pravděpodobnost. Nezávislé pokusy se dvěma výsledky. Úplná pravděpodobnost Nezávislé pokusy se dvěma výsledky Náhodná veličina

PRAVDĚPODOBNOST A STATISTIKA

4. cvičení 4ST201. Pravděpodobnost. Obsah: Pravděpodobnost Náhodná veličina. Co je třeba znát z přednášek

NÁHODNÁ VELIČINA. 3. cvičení

ÚVOD. Rozdělení slouží: K přesnému popisu pravděpodobnostního chování NV Střední hodnota, rozptyl, korelace atd.

Téma 22. Ondřej Nývlt

Určete zákon rozložení náhodné veličiny, která značí součet ok při hodu a) jednou kostkou, b) dvěma kostkami, c) třemi kostkami.

Výběrové charakteristiky a jejich rozdělení

Pravděpodobnost a aplikovaná statistika

Rozdělení náhodné veličiny. Distribuční funkce. Vlastnosti distribuční funkce

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC

, 1. skupina (16:15-17:45) Jméno: se. Postup je třeba odůvodnit (okomentovat) nebo uvést výpočet. Výsledek bez uvedení jakéhokoliv

Náhodná veličina. Michal Fusek. 10. přednáška z ESMAT. Ústav matematiky FEKT VUT, Michal Fusek

letní semestr Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy Matematická statistika

Náhodný vektor a jeho charakteristiky

Rovnoměrné rozdělení

JAK MODELOVAT VÝSLEDKY NÁH. POKUSŮ? Martina Litschmannová

Náhodné chyby přímých měření

Tomáš Karel LS 2012/2013

PRAVDĚPODOBNOST A STATISTIKA

Chyby měření 210DPSM

I. D i s k r é t n í r o z d ě l e n í

Příklady: - počet členů dané domácnosti - počet zákazníků ve frontě - počet pokusů do padnutí čísla šest - životnost televizoru - věk člověka

p(x) = P (X = x), x R,

NÁHODNÉ VELIČINY JAK SE NÁHODNÁ ČÍSLA PŘEVEDOU NA HODNOTY NÁHODNÝCH VELIČIN?

1 Náhodný výběr a normální rozdělení 1.1 Teoretická a statistická pravděpodobnost

Minikurz aplikované statistiky. Minikurz aplikované statistiky p.1

ROZDĚLENÍ NÁHODNÝCH VELIČIN

pravděpodobnosti Pravděpodobnost je teorií statistiky a statistika je praxí teorie pravděpodobnosti.

Definice 7.1 Nechť je dán pravděpodobnostní prostor (Ω, A, P). Zobrazení. nebo ekvivalentně

Inovace bakalářského studijního oboru Aplikovaná chemie

Tomáš Karel LS 2012/2013

Pravdepodobnosť. Rozdelenia pravdepodobnosti

JAK MODELOVAT VÝSLEDKY

Jevy a náhodná veličina

10. N á h o d n ý v e k t o r

Náhodné (statistické) chyby přímých měření

2. Základní typy dat Spojitá a kategoriální data Základní popisné statistiky Frekvenční tabulky Grafický popis dat

Pravděpodobnost a statistika I KMA/K413

Všechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a

Diskrétní náhodná veličina

KGG/STG Statistika pro geografy

Pojem a úkoly statistiky

Praktická statistika. Petr Ponížil Eva Kutálková

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) =

Náhodný vektor. Náhodný vektor. Hustota náhodného vektoru. Hustota náhodného vektoru. Náhodný vektor je dvojice náhodných veličin (X, Y ) T = ( X

Výpočet pravděpodobností

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y

Cvičení 5. Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc.

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y

4. ZÁKLADNÍ TYPY ROZDĚLENÍ PRAVDĚPODOBNOSTI DISKRÉTNÍ NÁHODNÉ VELIČINY

Náhodný vektor. Náhodný vektor. Hustota náhodného vektoru. Hustota náhodného vektoru. Náhodný vektor je dvojice náhodných veličin (X, Y ) T = ( X

NMAI059 Pravděpodobnost a statistika

Náhodná proměnná. Náhodná proměnná může mít rozdělení diskrétní (x 1. , x 2. ; x 2. spojité (<x 1

Přednáška. Diskrétní náhodná proměnná. Charakteristiky DNP. Základní rozdělení DNP

Marie Duží

Poznámky k předmětu Aplikovaná statistika, 4. téma

2. LIMITA A SPOJITOST FUNKCE

Malé statistické repetitorium Verze s řešením

Pravděpodobnost a statistika (BI-PST) Cvičení č. 4

AVDAT Náhodný vektor, mnohorozměrné rozdělení

Pravděpodobnost a statistika

ROZDĚLENÍ SPOJITÝCH NÁHODNÝCH VELIČIN

STATISTICKÉ ZJIŠŤOVÁNÍ

1 Pravděpodobnostní prostor

Lékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.)

letní semestr Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy Matematická statistika vektory

PRAVDĚPODOBNOST A STATISTIKA

IV. Základní pojmy matematické analýzy IV.1. Rozšíření množiny reálných čísel

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2014

P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod.

MATEMATICKÁ STATISTIKA

Design Experimentu a Statistika - AGA46E

MATEMATICKÁ STATISTIKA - XP01MST

Tomáš Karel LS 2013/2014

Poznámky k předmětu Aplikovaná statistika, 4. téma

2 Hlavní charakteristiky v analýze přežití

Zápočtová písemka z Matematiky III (BA04) skupina A

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC

7.1 Extrémy a monotonie

VYBRANÁ ROZDĚLENÍ. DISKRÉTNÍ NÁH. VELIČINY Martina Litschmannová

Transkript:

NÁHODNÁ VELIČINA

NÁHODNÁ VELIČINA Provedeme náhodný pokus (vybereme nějaké lidi, výrobky) A jejich výsledkem je nějaké reálné číslo (počet VŠ, počet vadných výrobků) Kdyţ je moţné přiřadit číslo můţeme zavést funkci Funkce se pak nazývá náhodná veličina Počet vadných výrobků, počet blbců na přednášce, velikost poprsí slečen v aule Náhodnou veličinu značíme X 1,X 2 (velikost poprsí slečen v aule) Konkrétní realizace 1, 2 poprsí A,B,C čísla (1,2,3, atd. ) Výběrový prostor (M) Mnoţina moţných hodnot náhodné veličiny X Výběrový prostor pro poprsí je (1-7 asi) M={;=1,2,3,4,5,6,7} Výběrový prostor pro poprsí v cm od 75-120cm Podle typu výběrového prostoru rozlišujeme dva základní druhy NV Diskrétní (nespojitou) náhodnou veličinu Spojitou náhodnou veličinu

Diskrétní (nespojitá) náhodná veličina Můţe nabývat pouze konečně nebo spočetně nekonečně mnoha hodnot Spojitá náhodná veličina Můţe nabývat všech hodnot z určitého konečného nebo nekonečného intervalu (1;8) nebo (- ; )

ROZDĚLENÍ NÁHODNÉ VELIČINY Známe náhodnou veličinu (velikost poprsí) Známe i výběrový prostor (M) (1,2 7) Ale pro úplné poznání třeba znát pravděpodobnosti moţných hodnot (3%slečen má 7-ky, 30% 2-ky atd.) Pokud známe uvedený vztah je dán zákon rozdělení náhodné veličiny Pravidlo, které kaţdé hodnotě z výběrového prostoru Přiřazuje pravděpodobnost, ţe náhodná veličina nabude této hodnoty (hodnoty z určitého intervalu) Nejjednodušší moţnost zadání zákona rozdělení nespojité náhodné veličiny: Řada rozdělení kaţdé hodnotě z VP přiřazuje pravděpodobnost i 1 n P( i ) P( 1 ) P( n ) 1 i 1 2 3 4 5 6 7 P( i ) 0,2 0,3 0,2 0,15 0,07 0,05 0,03 1

Distribuční funkce Další moţnost (základní) pro popis zákona rozdělení náhodné veličiny Distribuční funkce F() říká, s jakou pravděpodobností nabude NV Hodnoty menší-rovna neţ zvolené F()=P(X ) X velikost poprsí konkrétní hodnota (3-ky) F(3)=P(X poprsí 3) F() Základní vlastnosti: 0 F() 1 pro kaţdé F() je neklesající funkcí kdyţ 1 < 2, musí platit, ţe F( 1 ) F( 2 ) Jestliţe výběrový prostor náhodné veličiny X patří do intervalu (a,b) M(a,b) Pak F(a)=0, F(b)=1 Obecně F(- )=0, F( )=1 Graf distribuční funkce odpovídá grafu kumulativních četností

Důležité odvození To ţe náhodná veličina X nabude hodnoty menší nebo rovno 2, lze zapsat: F()=P(X ) počátek 1 2 konec Etrémně důležité Při sloţitějších tvarech distribučních funkcí Pravděpodobnost, ţe náhodná veličina leţí v určitém intervalu Najdu v tabulkách hodnoty F() pro daný interval a mám pravděpodobnost

Pravděpodobnostní funkce Další moţnost pro popis zákona rozdělení NESPOJITÉ náhodné veličiny P()=P(X=) Kaţdému (konkrétní velikost poprsí) přiřazuje pravděpodobnost Ţe náhodná veličina X(velikost poprsí obecně) nabude této konkrétní hodnoty Náhodně vyberu jednu slečnu v aule a mám 20% šanci, ţe bude mít 3-ky P()=1 Díky pravděpodobností funkci můţeme určit pravděpodobnost, ţe NV nabude hodnoty v konkrétním intervalu ( 1 ; 2 )

Kuba rád prsíčka a je indiferentní mezi velikosti 5-7 S jakou pravděpodobností při náhodném výběru v aule, najde takovou slečnu? =0,07+0,05+0,03=0,15 Kuba při náhodném výběru má 15% šanci, ţe si najde vysněnou slečnu Pozor na znaménko větší-rovno znamená, ţe daná hodnota patří do intervalu i 1 2 3 4 5 6 7 P( i ) 0,2 0,3 0,2 0,15 0,07 0,05 0,03 1

Zobrazení distribuční a pravděpodobností funkce pro diskrétní NV Pravděpodobnostní rozdělení DISKRÉTNÍ NV Najdeme všechny moţné hodnoty (velikost poprsí) a zjistíme pravděpodobnosti Můţeme sestrojit pravděpodobnostní i distribuční funkci Graf distribuční funkce odpovídá grafu kumulativních četností P()=P(X=) F() P 0,3 0,03 1 2 3 4 5 6 7 1 0,97 0,92 0,85 0,7 0,5 0,2 1 2 3 4 5 6 7 F()= 0 pro <1 0,2 pro 1 <2 0,5 pro 2 <3 0,7 pro 3 <4 0,85 pro 4 <5 0,92 pro 5 <6 0,97 pro 6 <7 1 pro 7 P(X 10)=1 i 1 2 3 4 5 6 7 P( i ) 0,2 0,3 0,2 0,15 0,07 0,05 0,03 1

Pravděpodobnostní funkce Distribuční funkce P(1)=0,2 P(2)=0,3 P(3)=0,2 P(4)=0,15 P(5)=0,07 P(6)=0,05 P(7)=0,03 Pro spojitou NV Nelze určit pravděpodobností funkci F(0)=0 F(1)=0,2 F(2)=0,5 F(3)=0,7 F(4)=0,85 F(5)=0,92 F(6)=0,97 F(7)=1 F(10)=1 P(X 1) P(X 2) P(X 3) P(X 4) P(X 5) P(X 6) P(X 7) P(X 10) P()=P(X=) i 1 2 3 4 5 6 7 P( i ) 0,2 0,3 0,2 0,15 0,07 0,05 0,03 1

Distribuční funkce a spojitá náhodná veličina Náhodná veličina můţe v daném intervalu nabývat libovolný počet hodnot Nelze přiřadit jednotlivé veličině pravděpodobnost ALE lze přiřadit pravděpodobnost libovolně malému intervalu Kde f(t) je hustota pravděpodobnosti a platí, ţe: Hustota pravděpodobnosti není pravděpodobnost toho, ţe X má hodnotu Můţe být větší neţ 1! Ale pomůţe nám k výpočtu F() f()

Vlastnosti distribuční funkce f() 0 Pro - << platí Jaká je pravděpodobnost, ţe NV padne do intervalu (0;5)? 1!! f() Pravděpodobnost, ţe NV padne do intervalu (;+Δ) je dána červenou plochou 0 +Δ 5

Jaká je pravděpodobnost, ţe náhodná veličina bude leţet v intervalu (1;2)? Jsme u spojité NV proto P(X=a)=0, nemusíme rozlišovat: f() 0 1 2 5

Známe hustotu pravděpodobnosti :f()=1/4. 1/2 Dále víme, ţe náhodná veličina můţe nabývat hodnot pouze (0;4) a) P(X>1)? b) Jak vypadá F()? f() 0,9 0,8 0,7 F() 1,2 1 F(4) 0,6 0,5 0,4 0,3 0,8 0,6 0,4 F(1) 0,5 0,2 0,2 0,1 0 0 1 2 3 4 5 0 0 2 4 6