1. (18 bod ) Náhodná veli ina X je po et rub p i 400 nezávislých hodech mincí. a) Pomocí ƒeby²evovy nerovnosti odhadn te pravd podobnost

Podobné dokumenty
na za átku se denuje náhodná veli ina

Cvi ení 7. Docházka a testík - 15 min. Distfun 10 min. Úloha 1

Vektor náhodných veli in - práce s více prom nnými

T i hlavní v ty pravd podobnosti

ST2 - Cvi ení 1 STATISTICKÁ INDUKCE

ST2 - Cvi ení 1 STATISTICKÁ INDUKCE

12. prosince n pro n = n = 30 = S X

Domácí úkol 2. Obecné pokyny. Dbejte na formáln správný zápis výpo tu! Pro vy íslení výsledku pro binomické rozd lení pouºijte nap. Maple nebo Matlab.

12. cvičení z PSI prosince (Test střední hodnoty dvou normálních rozdělení se stejným neznámým rozptylem)

Pravd podobnost a statistika - cvi ení. Simona Domesová místnost: RA310 (budova CPIT) web:

3 D leºitá rozd lení náhodné veli iny

P íklad 1 (Náhodná veli ina)

prosince oboustranný symetrický 95% interval spolehlivosti pro střední hodnotu životnosti τ. X i. X = 1 n.. Podle CLV má veličina

Limity funkcí v nevlastních bodech. Obsah

5. Odhady parametrů. KGG/STG Zimní semestr

12. cvičení z PST. 20. prosince 2017

Aproximace binomického rozdělení normálním

PRAVDĚPODOBNOST A STATISTIKA

Ergodické Markovské et zce

Testy pro více veli in

Skalární sou in. Úvod. Denice skalárního sou inu

1 Pravd podobnost - plán p edná²ek. 2 Pravd podobnost - plán cvi ení

Integrování jako opak derivování

Práce s daty. 2. února Do tohoto adresá e stáhn te ze stránek soubory data.dat a Nacti_data.sci.

Testování statistických hypotéz

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Tutoriál č. 5: Bodové a intervalové odhady, testování hypotéz.

Jarqueův a Beryho test normality (Jarque-Bera Test, JB test)

Kuželosečky a kvadriky ve škole i kolem

Vybrané funkce v programu Scilab z oblasti pravd podobnost a statistika. Pavla Pecherková, Ivan Nagy

brmiversity: Um lá inteligence a teoretická informatika

Statistika. Teorie odhadu statistická indukce. Roman Biskup. (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at) .

ROZDĚLENÍ SPOJITÝCH NÁHODNÝCH VELIČIN

Aplikace pravd podobnostních model v kurzovém sázení

11. cvičení z PSI prosince hodnota pozorovaná četnost n i p X (i) = q i (1 q), i N 0.

Testování statistických hypotéz

2. Ur íme sudost/lichost funkce a pr se íky s osami. 6. Na záv r na rtneme graf vy²et ované funkce. 8x. x 2 +4

Rovnice a nerovnice. Posloupnosti.

Text m ºe být postupn upravován a dopl ován. Datum poslední úpravy najdete u odkazu na staºení souboru. Veronika Sobotíková

8.1. Definice: Normální (Gaussovo) rozdělení N(µ, σ 2 ) s parametry µ a. ( ) ϕ(x) = 1. označovat písmenem U. Její hustota je pak.

Vybranné funkce v programu Scilab z oblasti pravd podobnost a statistika. Pavla Pecherková, Ivan Nagy, Pavel Provinský

Příklady na testy hypotéz o parametrech normálního rozdělení

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.

1. Spo t te limity (m ºete pouºívat l'hospitalovo pravidlo) x cotg x 1. c) lim. g) lim e x 1. cos(x) =

15. T e s t o v á n í h y p o t é z

Reálná ísla a posloupnosti Jan Malý

Charakterizace rozdělení

4EK211 Základy ekonometrie

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ ZÁKLADNÍ POJMY

Zápo tová písemná práce. 1 z p edm tu 01MAB3 varianta A

Testy. Pavel Provinský. 19. listopadu 2013

1 Spo jité náhodné veli iny

Vybraná rozdělení náhodné veličiny

Cvičení ze statistiky - 8. Filip Děchtěrenko

Intervalové Odhady Parametrů

Výběrové charakteristiky a jejich rozdělení

15. T e s t o v á n í h y p o t é z

X = x, y = h(x) Y = y. hodnotám x a jedné hodnotě y. Dostaneme tabulku hodnot pravděpodobnostní

Rozhodnutí / Skutečnost platí neplatí Nezamítáme správně chyba 2. druhu Zamítáme chyba 1. druhu správně

Text m ºe být postupn upravován a dopl ován. Datum poslední úpravy najdete u odkazu na staºení souboru. Veronika Sobotíková

Zápo tová písemná práce. 1 z p edm tu 01MAB3 varianta A

Státní maturita 2010 Maturitní generálka 2010 Matematika: didaktický test - základní úrove obtíºnosti MAGZD10C0T01 e²ené p íklady

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

Normální (Gaussovo) rozdělení

5. T e s t o v á n í h y p o t é z

Charakteristika datového souboru

2 ) 4, Φ 1 (1 0,005)

Úvod do teorie odhadu. Ing. Michael Rost, Ph.D.

charakteristiky KGG/STG Zimní semestr Základní statistické charakteristiky, Teoretická rozdělení 1

Limitní věty teorie pravděpodobnosti. Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel

Statistika pro geografy. Rozd lení etností DEPARTMENT OF GEOGRAPHY

DISKRÉTNÍ ROZDĚLENÍ PRAVDĚPODOBNOSTI. 5. cvičení

Regrese a nelineární regrese

Téma 22. Ondřej Nývlt

ÚVOD DO TEORIE ODHADU. Martina Litschmannová

8. Normální rozdělení

Zápo tová písemná práce. 1 z p edm tu 01RMF varianta A

Vektory. Vektorové veli iny

Intervalové odhady. Interval spolehlivosti pro střední hodnotu v N(µ, σ 2 ) Interpretace intervalu spolehlivosti. Interval spolehlivosti ilustrace

Určujeme neznámé hodnoty parametru základního souboru. Pomocí výběrové charakteristiky vypočtené z náhodného výběru.

Dolní odhad síly pro ztrátu stability obecného prutu

nazvu obecnou PDR pro neznámou funkci

y = 0, ,19716x.

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz

Binární operace. Úvod. Pomocný text

Intervalové odhady. Interval spolehlivosti pro střední hodnotu v N(µ, σ 2 ) Interpretace intervalu spolehlivosti. Interval spolehlivosti ilustrace

Pravděpodobnost a aplikovaná statistika

Intervalové Odhady Parametrů II Testování Hypotéz

Popisná statistika I

e²ení systém lineárních rovnic pomocí s ítací, dosazovací a srovnávací metody

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 1

Testování statistických hypotéz. Obecný postup

jevu, čas vyjmutí ze sledování byl T j, T j < X j a T j je náhodná veličina.

4ST201 STATISTIKA CVIČENÍ Č. 7

P íklady k prvnímu testu - Pravd podobnost

Pr b h funkce I. Obsah. Maxima a minima funkce

Testování hypotéz. Analýza dat z dotazníkových šetření. Kuranova Pavlina

Tomáš Karel LS 2012/2013

Seminá e. Ing. Michal Valenta PhD. Databázové systémy BI-DBS ZS 2010/11, sem. 1-13

Zápočtová práce STATISTIKA I

S t a t i s t i k a. Ivan Nagy, Pavla Pecherková

Transkript:

(8 bod ) Náhodná veli ina X je po et rub p i nezávislých hodech mincí a) Pomocí ƒeby²evovy nerovnosti odhadn te pravd podobnost P ( X EX < ) (9 bod ) b) Formulujte centrální limitní v tu a pomocí ní vypo t te íslo ε tak, aby P = P ( X EX < ε) kde P je odhad z a) získaný pomocí ƒeby²evovy nerovnosti (9 bod ) a) Náhodná veli ina X má binomické rozd lení Bi(, ), pro které je EX = =, DX = =, σ(x) = = Po dosazení do ƒeby²evovy nerovnosti dostaneme odhad P P ( X EX < ε) DX ε P = P ( X EX < ) = 9 = 8 9 = 8889 b) Pro posloupnost (X i ) i N nezávislých náhodných veli in, které mají st ední hodnotu µ X a rozptyl σx, posloupnost distribu ních funkcí normovaných náhodných veli in n norm i= konverguje pro n k distribu ní funkci Φ normovaného normálního rozd lení N(, ) (v kaºdém bod ) Protoºe je binomické rozd lení sou tem alternativních rozd lení, spl uje p edpoklady centrální limitní v ty Vzhledem k tomu, ºe n =, m ºeme p edpokládat, ºe má náhodná veli ina X p ibliºn normální rozd lení N(, ) Její distribu ní funkci m ºeme vyjád it pomocí distribu ní funkce normovaného normálního rozd lení ve tvaru ( ) u F X (u) = Φ, u R Pro interval spolehlivosti pro hodnotu P dostaneme podmínku X i P ( X EX < a) = P (EX a < X < EX + a) = F X (EX + a) F X (EX a) = ( ) ( ) + a + a ( ( ) a a = Φ Φ = Φ Φ = ) = Φ ) Pro poºadovanou pravd podobnost P dostaneme P = Φ Φ = ) ) + P = 889 = 9 Tedy a = q U (9) = =

(8 bod ) P i uvedení do provozu byl dávkova se ízen tak, aby jeho sm rodatná odchylka byla rovna p esn hodnot P edpokládejme, ºe veli ina X p edstavující velikost dané dávky má normální rozd lení Po ase byla provedena kontrola pomocí zm ení n = dávek, jejichº hodnoty byly: (9, 9, 98,, 9,,, 7,, ) a) Otestujte na hladin významnosti α = % hypotézu, ºe sm rodatná odchylka σ se nezm nila ( bod ) b) M ºeme se spolehlivostí α = 9 % tvrdit, ºe sm rodatná odchylka σ se nezvý²ila? ( bod ) c) Ur ete z vý²e uvedeného náhodného výb ru symetrický oboustranný 9% interval spolehlivosti pro odhad rozptylu veli iny X ( bod ) d) Je v na²em p íkladu p edpoklad normálnosti rozd lení p im ený (i kdyº veli ina má jen nezáporné hodnoty)? Zd vodn te ( body) Veli ina X má rozd lení N(µ, σ ) Poloºme σ = a) Test rozptylu normálního rozd lení; výb rový pr m r, rozptyl a sm rodatná odchylka: x = =, s x = 9 =, s x = 7, n =, 9 Hypotézy: H : σ = (= σ ), H : σ Testovací statistika je T = (n ) S X σ, její realizace je t = (n ) s x σ Zamítací kritérium je t / q χ (n )( α ), q χ (n )( α ) = q χ (9)(), q χ (9)(97) = To neplatí, takºe H NEZAMÍTÁME = 7, 9 = 9 = 8 b) Dal²í test rozptylu normálního rozd lení: Hypotézy: H : σ (= σ), H : σ > Testovací statistika a její realizace je stejná, t = 8 Zamítací kritérium je t > q χ (n )( α) = q χ (9)(9) = 9 To platí, takºe H ZAMÍTÁME Page

Alternativn p es intervaly spolehlivosti: takºe NEM šeme tvrdit ) = σ / (n )s x, = 9, ) q χ (n ) ( α) 9 = 7, ) c) Intervalový odhad rozptylu σ je daný jako (n )s x q χ (n )( α ) σ (n )s x q χ (n )( α ) = 9 9 σ 9 7 = 7 d) Velikost dávky X je ur ována mnoha r znými nezávislými vlivy, takºe je na míst (díky CLV) p edpokládat normálnost tvaru N(µ, σ ) P itom st ední hodnotu µ odhadujeme výb rovým pr m rem x = a sm rodatnou odchylku budeme p edpokládat hodnotu ze zadání tj σ = Pak je P (X ) = Φ( ) = Φ( ) P itom z tabulek kvantilu je Φ (99999) =, takºe hodnota pravd podobnost P (X ) = Φ( ) uº je velmi malá ( bod ) Markov v et zec má matici p echodu, a) Oklasikujte v²echny stavy ( body) b) Stanovte v²echny uzav ené mnoºiny stav ( body) c) Stanovte rozd lení pravd podobností stav po t ech krocích, jestliºe za ínáme ve stavu ( body) d) Stanovte asymptotické rozd lení pravd podobností stav, jestliºe za ínáme ve stavu (7 bod ) a) Nakreslíme si p íslu²ný orientovaný graf p i azený matici: Page

První t i stavy jsou p echodné, zbývající dva absorp ní b) {, {}, {}, {, }} ( c),,,, ) d) Permutací stav (,,,, ) = (,,,, ) dostaneme ' ' ' ' ' a matici p echodu ve tvaru ( ) I =, R Q ( ) I =, R =, Q = Fundamentální matice je F = (I Q) = = 8 = Page

Matice F R = 9 udává pravd podobnosti dosaºení absorp ních stav z p echodných Její první ádek odpovídá zadání, ºe za ínáme ve stavu ( Asymptotické pravd podobnosti p echodných stav jsou nulové, dohromady, ),,, po zm n po adí stav, (,,,, ) p i jejich p vodním po adí Page