(motto: Jestliže má jednotlivec rád čísla, pokládá se to za neurózu. Celá společnost se ale sklání před statistickými čísly. Alfred Paul Schmidt)

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

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

tazatel Průměr ve Počet respondentů Rozptyl ve

22. Pravděpodobnost a statistika

Pravděpodobnost a statistika

5. Jev B je částí jebu A. Co můžeme říct o podmíněné pravděpodobnosti? (1b)

Řešené příklady z pravděpodobnosti:

Tomáš Karel LS 2012/2013

4. cvičení 4ST201 - řešení

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

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

Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady

pravděpodobnosti a Bayesova věta

Tomáš Karel LS 2012/2013

MATEMATIKA III V PŘÍKLADECH

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

Projekt ŠABLONY NA GVM Gymnázium Velké Meziříčí registrační číslo projektu: CZ.1.07/1.5.00/

pravděpodobnost, náhodný jev, počet všech výsledků

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

Diskrétní náhodná veličina

Pracovní list č. 3 Charakteristiky variability

Modely diskrétní náhodné veličiny. Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel

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

Pravděpodobnost kolem nás

5) Ve třídě 1.A se vyučuje 11 různých předmětů. Kolika způsoby lze sestavit rozvrh na 1 den, vyučuje-li se tento den 6 různých předmětů?

23. Matematická statistika

Tomáš Karel LS 2013/2014

Náhodná veličina a rozdělení pravděpodobnosti

2. Friesl, M.: Posbírané příklady z pravděpodobnosti a statistiky. Internetový zdroj (viz odkaz).

S1P Příklady 02. Náhodná proměnná (veličina) Mějme krabičku o rozměrech 1 x 2 x 3 cm. Na stranách jsou obrázky: :

Klasická pravděpodobnost a geometrická pravděpodobnost

NÁHODNÁ VELIČINA. 3. cvičení

Praktická statistika. Petr Ponížil Eva Kutálková

Zápočtová práce STATISTIKA I

Pravděpodobnost a matematická statistika

Pravděpodobnost a aplikovaná statistika

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

náhodný jev je podmnožinou

PRAVDĚPODOBNOST A JEJÍ UŽITÍ

Pravděpodobnost a její vlastnosti

Výběrové charakteristiky a jejich rozdělení

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

Úloha č. 2 - Kvantil a typická hodnota. (bodově tříděná data): (intervalově tříděná data): Zadání úlohy: Zadání úlohy:

Komplexní čísla, Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady

PRAVDĚPODOBNOST A STATISTIKA

Diskrétní náhodná veličina. November 12, 2008

TEST 1 (40 bodů) (9 4)! 2. Nejméně kolikrát musíme hodit kostkou, abychom měli alespoň 80% pravděpodobnost, že padne alespoň jedna šestka?

(bridžové karty : 52 karet celkem, z toho 4 esa) [= 0, 0194] = 7, = 4, = 1, = 9, = 1, 77 10

Pravděpodobnost Podmíněná p. Úplná p. III. Pravděpodobnost. III. Pravděpodobnost Statistika A (ZS 2015)

Příklad 1. Řešení 1a. Řešení 1b. Řešení 1c ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 7

1. Házíme hrací kostkou. Určete pravděpodobností těchto jevů: a) A při jednom hodu padne šestka;

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

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Jan Kracík

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

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2016

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

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

Příklad 1 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 5

Teoretická rozdělení

5 Pravděpodobnost. Sestavíme pravděpodobnostní prostor, který modeluje vytažení dvou ponožek ze šuplíku. Elementární jevy

KGG/STG Statistika pro geografy

AKM CVIČENÍ. Opakování maticové algebry. Mějme matice A, B regulární, potom : ( AB) = B A

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A4. Cvičení, letní semestr DOMÁCÍ ÚLOHY. Jan Šafařík

naopak více variant odpovědí, bude otázka hodnocena jako nesprávně zodpovězená.

Diskrétní matematika. DiM /01, zimní semestr 2018/2019

Tomáš Karel LS 2012/2013

B) EX = 0,5, C) EX = 1, F) nemáme dostatek informací.

Charakterizace rozdělení

Pravděpodobnost, náhoda, kostky

Radiologická fyzika pravděpodobnost měření a zpracování dat

Téma 2: Pravděpodobnostní vyjádření náhodných veličin

Základy teorie pravděpodobnosti

Téma 2: Pravděpodobnostní vyjádření náhodných veličin

Statistika pro geografy

matematická statistika 1 Klasická pravděpodobnost

Škola: Gymnázium, Brno, Slovanské náměstí 7 III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Název projektu: Inovace výuky na GSN

(iv) D - vybíráme 2 koule a ty mají různou barvu.

Diskrétní matematika. DiM /01, zimní semestr 2016/2017

Chyby měření 210DPSM

STATISTIKA 1. RNDr. K. Hrach, Ph.D. Zápočet: odevzdání seminární práce (úkoly na PC) Zkouška: písemná (bez kalkulačky, bez vzorců)

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

MATEMATIKA III V PŘÍKLADECH

JAK MODELOVAT VÝSLEDKY NÁH. POKUSŮ? Martina Litschmannová

Pravděpodobnost a statistika (BI-PST) Cvičení č. 1

a) 7! 5! b) 12! b) 6! 2! d) 3! Kombinatorika

Zápočtová písemka z Matematiky III (BA04) skupina A

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

4EK211 Základy ekonometrie

Významná diskrétní rozdělení pravděpodobnosti

PRAVDĚPODOBNOST A STATISTIKA

Jevy a náhodná veličina

Test z matematiky. Přijímací zkoušky na bakalářský obor Bioinformatika

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT

Náhodná veličina X má Poissonovo rozdělení se střední hodnotou lambda. Poissonovo rozdělení je definováno jako. P(X=k) = 0,036

Pravděpodobnost a aplikovaná statistika

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2017

TEST Z TEORIE EXPLORAČNÍ ANALÝZA DAT

Číselné charakteristiky

Transkript:

Popisná státistiká (motto: Jestliže má jednotlivec rád čísla, pokládá se to za neurózu. Celá společnost se ale sklání před statistickými čísly. Alfred Paul Schmidt) 1. Příklad V pobočce banky za celý den vložilo 11 lidí celkem 4,- Kč, rozptyl vkladů byl 1 1. Ve stejný den si vybralo 37 lidí dohromady taktéž 4,-Kč, rozptyl výběrů byl 3 5. Byla v tento den větší variabilita vkladů nebo výběrů? Vklady: 11 v,35 4 11 Výběry:: 35 v,5875 4 37. Příklad Průměrná výše vkladů v Pražské obchodní bance se v letech 1-4 zvýšila o 5 %. Variabilita vkladů měřená rozptylem vzrostla o 96 %. Jak se změnila relativní variabilita vkladů? Nový průměr = 1,5 * starý průměr; Nový rozptyl = 1,96 * starý rozptyl; 1,96 ss 1,96 n s 1,1 s 1,5 xs 1,5 v v v Relativní variabilita vzrostla o 1 %. 3. Příklad Firma odebírá materiál společností v poměru 4% a 6%. První společnost si účtuje průměrně za standardní dodávku tisíc Kč se směrodatnou odchylkou tisíc Kč; druhá 3 tisic Kč se směrodatnou odchylkou 8 tisíc Kč. Jaký celkový průměr a rozptyl plateb může firma očekávat? p i x i s i p i *x i s i *p i (x i -x) *p i 1. Společnost,4 8 16 144. Společnost,6 3 8 18 384 96 1 XXX XXX 6 4 4 Průměr: 6 s = 4 + 4 = 64

4. Příklad Máme následující údaje o počtech dětí na matku a relativním počtu matek: Počet dětí Počet matek % 1 35% 5% 3 1% 4 6% 5 3% 6 1% Vypočítejte rozptyl, směrodatnou odchylku a variační koeficient. x i p i x i *p i x i *p i, 1,35,35,35,5,5 1 3,1,3,9 4,6,4,96 5,3,15,75 6,1,6,36 Součty: 1 1,6 4,3 s = 4,3-1,6 = 1,76; s = 1,33; v = 1,33/1,76 =,83 5. Příklad Byly zjištěny následující hodnoty: Průměrná mzda (tis. Kč) Variační koeficient Počet pracovníků Muži,35 35 Ženy,5 15 Určete míry absolutní i relativní variability mezd. Průměrná mzda Variační Počet (tis. Kč) koeficient pracovníků x i *n i s i s i *n i (x i -x) *n i Muži,35 35 77 59,9 75,15 1,6 Ženy,5 15 3 5 375 9,4 XXX 5 17 XXX 45,15 4 Průměr: 17/5 = 1,4 s = 45,15/5 + 4/5 = 49,843; s = 7,6; v =,33

Právdě podobnost 5. Příklad Házíme šestistěnnou hrací kostkou, o které předpokládáme, že hází všechna čísla se stejnou pravděpodobností. Jaká je pravděpodobnost, že: a.) při jednom hodu padne šestka; 1. hod: P(A) = m/n = 1/6 b.) při jednom hodu padne sudé číslo; P(S 1 ) = 3/6 = 1/ c.) při dvou hodech padne dvakrát šestka;. hod P(B) = 1/6 V obou zároveň P(A B) = P(A) * P(B) = 1/6 * 1/6 = 1/36 d.) při dvou hodech nepadne ani jednou šestka; Nepadne v 1. hodu: P(nonA) = 1 - P(A) = 5/6 Nepadne ani jednou: P(nonA nonb) = 5/6 * 5/6 = 5/36 e.) při dvou hodech padne právě jednou šestka; P (A nonb) + P (nona B) = 1/6 * 5/6 + 5/6 * 1/6 = 1/36 f.) při dvou hodech padne alespoň jednou šestka; e.) + c.) = 11/36 nebo 1 - d.) = 11/36 nebo P(A) + P(B) - P(A B) = 11/36 g.) při dvou hodech padne alespoň jedno sudé číslo? P(S 1 S ) + P(nonS 1 S 1 ) + P(S 1 nons ) = 3/4 nebo 1 - P(nonS 1 nons ) = 3/4 6. Příklad Tři absolventi střední školy - pan Novák, pan Svoboda a pan Mařík skládají přijímací zkoušky na tři různé vysoké školy. Rodiče těchto studentů odhadují jejich šance na úspěch na 7% pro studenta Nováka, 4% pro studenta Svobodu a na 6% pro studenta Maříka. Jaká je pravděpodobnost že: a.) všichni tři uspějí? P(N S M) =,7 *,4 *,6 =,168 b.) ani jeden z nich neuspěje? P(nonN nons nonm) =,3 *,6 *,4 =,7 c.) uspěje jen student Novák? P(N nons nonm) =,7 *,6 *,4 =,168 d.) uspěje právě jeden z nich? P(N nons nonm) + P(nonN S nonm) + P(nonN nons M) =,168 +,18 +,48 =,34 e.) neuspěje jen student Svoboda? P(N nons M) =,7 *,6 *,6 =,5 f.) uspějí právě dva z nich? P(nonN S M) + P(N nons M) + P(N S nonm) =,7 +,5 +,11 =,436 g.) uspěje alespoň jeden? d.) + f.) + a.) nebo 1 - b.) =,98

7. Příklad Student zná 5 zkušebních otázek z 3. Pro splnění zkoušky musí znát alespoň jednu ze tří náhodně vybraných otázek, jaká je pravděpodobnost, že zkoušku nesplní? P = 5/3 * 4/9 * 3/8 =,46 8. Příklad Sportovní střelec zasáhne cíl při každém výstřelu s pravděpodobností p =,8. Vypočtěte pravděpodobnost,že při 5 výstřelech budou v cíli a) právě zásahy, 5 b) nejvýše jeden zásah, 3,8,,51 5 5 P X P P 1 c) alespoň zásahy. P( X ) 1 P( X 1) 1,67,9938 5 1 4 ( 1) () (1),8,,8,,3,64,67 Ná hodná vělič iná 9. Příklad Ve váčku kuliček jsou dvě kuličky bílé. Vybereme pět kuliček. Určete rozdělení náhodné veličiny, kterou představuje počet bílých kuliček v tomto výběru s vracením. Jinými slovy: jaké počty bílých kuliček a s jakou pravděpodobností mohou nastat v případě s vracením? x P(x) 5 5,1,9,5949 5 1 4 1,1,9,385 1 5 3,1,9,79 5 3 3,1,9,81 3 5 4 1 4,1,9,45 4 5 5 5,1,9,1 Součet 1

1. Příklad Uvažujme terč, který je tvořen středem a mezikružím. Zásah do středu je hodnocen body, zásah do mezikruží 1 body. Určitý střelec střílí tak, že zasáhne střed s pravděpodobností,6, mezikruží s pravděpodobností,3 a netrefí se vůbec do terče s pravděpodobností,1. Náhodná veličina X je součet bodů získaných tímto střelcem po dvou hodech. Určete hodnoty její pravděpodobnostní a distribuční funkce. x P(x) F(x),1*,1=,1,1 1,1*,3+,3*,1=,6,7,1*,6+,6*,1+,3*,3=,1,8 3,3*,6+,6*,3=,36,64 4,6*,6=,36 1 Součet 1 XXX 11. Příklad Náhodná veličina X má pravděpodobnostní funkci: P(x) =(6 - x)/15 pro x = 1,,, 5 P(x) = jinak. a) Vyjádřete pravděpodobnostní funkci ve formě tabulky. b) Určete distribuční funkci a graficky ji vyjádřete. c) Vypočítejte modus, střední hodnotu a rozptyl této náhodne veličiny. x P(x) F(x) x*p(x) x*p(x) 1,33,33,33,33,7,6,53 1,7 3,,8,6 1,8 4,13,93,53,13 5,7 1,,33 1,67 Součty 1 XXX,33 7, E(X) =,33; D(X) = 7 -,33 = 1,56; Modus = 1 (nejpravděpodobnější)