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

Podobné dokumenty
Pravděpodobnost a statistika I KMA/K413

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

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

PRAVDĚPODOBNOST A STATISTIKA

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

Téma 22. Ondřej Nývlt

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

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

Výběrové charakteristiky a jejich rozdělení

NUMP403 (Pravděpodobnost a Matematická statistika I)

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

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Jan Kracík

Základy teorie pravděpodobnosti

Pravděpodobnost a aplikovaná statistika

AVDAT Náhodný vektor, mnohorozměrné rozdělení

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

3. Mocninné a Taylorovy řady

f (k) (x 0 ) (x x 0 ) k, x (x 0 r, x 0 + r). k! f(x) = k=1 Řada se nazývá Taylorovou řadou funkce f v bodě x 0. Přehled některých Taylorových řad.

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

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

NMAI059 Pravděpodobnost a statistika

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

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

PRAVDĚPODOBNOST A STATISTIKA

Diskrétní náhodná veličina. November 12, 2008

1 Pravděpodobnostní prostor

Charakterizace rozdělení

Inovace bakalářského studijního oboru Aplikovaná chemie

III. Diferenciál funkce a tečná rovina 8. Diferenciál funkce. Přírůstek funkce. a = (x 0, y 0 ), h = (h 1, h 2 ).

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

Statistika II. Jiří Neubauer

PRAVDĚPODOBNOST A STATISTIKA

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

10. N á h o d n ý v e k t o r

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

ROZDĚLENÍ SPOJITÝCH NÁHODNÝCH VELIČIN

Poznámky k předmětu Aplikovaná statistika, 4. téma

Náhodný vektor a jeho charakteristiky

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

NÁHODNÁ VELIČINA. 3. cvičení

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

1 Rozptyl a kovariance

Definice spojité náhodné veličiny zjednodušená verze

( + ) ( ) f x x f x. x bude zmenšovat nekonečně přesný. = derivace funkce f v bodě x. nazýváme ji derivací funkce f v bodě x. - náš základní zápis

Poznámky k předmětu Aplikovaná statistika, 4. téma

MATEMATICKÁ STATISTIKA

4. Přednáška: Kvazi-Newtonovské metody:

MATEMATICKÁ STATISTIKA - XP01MST

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

VŠB-TU OSTRAVA, FAKULTA ELEKTROTECHNIKY A INFORMATIKY, KATEDRA APLIKOVANÉ MATEMATIKY. Statistika. Vzorce a tabulky

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

Distribuční funkce je funkcí neklesající, tj. pro všechna

Náhodná veličina a rozdělení pravděpodobnosti

Rozdělení náhodné veličiny. Distribuční funkce. Vlastnosti distribuční funkce

Pojmy z kombinatoriky, pravděpodobnosti, znalosti z kapitoly náhodná veličina, znalost parciálních derivací, dvojného integrálu.

8. Normální rozdělení

MATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci

NÁHODNÝ VEKTOR. 4. cvičení

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

Derivace funkce. Obsah. Aplikovaná matematika I. Isaac Newton. Mendelu Brno. 2 Derivace a její geometrický význam. 3 Definice derivace

Požadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory

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

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

Intuitivní pojem pravděpodobnosti

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

Mgr. Rudolf Blažek, Ph.D. prof. RNDr. Roman Kotecký Dr.Sc.

Komplexní analýza. Holomorfní funkce. Martin Bohata. Katedra matematiky FEL ČVUT v Praze

Matematika III 10. týden Číselné charakteristiky střední hodnota, rozptyl, kovariance, korelace

Reprezentace přirozených čísel ve Fibonacciho soustavě František Maňák, FJFI ČVUT, 2005

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení

n = 2 Sdružená distribuční funkce (joint d.f.) n. vektoru F (x, y) = P (X x, Y y)

Odhady Parametrů Lineární Regrese

1 Báze a dimenze vektorového prostoru 1

Pravděpodobnost a statistika (BI-PST) Cvičení č. 7

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

Minikurz aplikované statistiky. Minikurz aplikované statistiky p.1

Bakalářské studium na MFF UK v Praze Obecná matematika Zaměření: Stochastika. 1 Úvodní poznámky. Verze: 13. června 2013

Geometrická zobrazení

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

G( x) %, ν%, λ. x, x, N, N nezáporné přídatné proměnné, ( ) 2 Matematické programování

Univerzita Karlova v Praze procesy II. Zuzana. funkce

7.3.9 Směrnicový tvar rovnice přímky

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

Pravděpodobnost a statistika

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

7. Rozdělení pravděpodobnosti ve statistice

Diskrétní náhodná veličina

19 Hilbertovy prostory

Derivace funkce. Přednáška MATEMATIKA č Jiří Neubauer

Dodatek 2: Funkce dvou proměnných 1/9

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

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

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

Projekty - Úvod do funkcionální analýzy

Pravděpodobnost a matematická statistika

Dnešní látka Variačně formulované okrajové úlohy zúplnění prostoru funkcí. Lineární zobrazení.

Kapitola 2: Spojitost a limita funkce 1/20

Náhodné (statistické) chyby přímých měření

Transkript:

Přednáša 02 Přírodovědecá faulta Katedra matematiy KMA/P506 Pravděpodobnost a statistia KMA/P507 Statistia na PC jiri.cihlar@ujep.cz

Náhodné veličiny

Záladní definice Nechť je dán pravděpodobnostní prostor B P. Zobrazení prostoru elementárních jevů do množiny všech reálných čísel R nazýváme náhodnou veličinou právě tehdy dyž pro aždé reálné platí:. ; B Pro aždou náhodnou veličinu definujme její distribuční funci pro aždé reálné tato: F P ;

Vlastnosti distribuční funce Pro aždé reálné platí: 0 F istribuční funce F je nelesající v R. Platí že lim F 0 a lim. F istribuční funce je zleva spojitá v aždém bodě. Pro libovolná reálná čísla 2 platí že: P 2 F 2 F

isrétní a spojité náhodné veličiny U disrétních náhodných veličin je oborem hodnot onečná nebo spočetná množina. Zavádí se u nich tzv. pravděpodobnostní funce. U spojitých náhodných veličin je oborem hodnot interval reálných čísel. Zavádí se u nich tzv. hustota pravděpodobnosti.

Přílad disrétní náhodné veličiny Součet o na dvou hozených ostách 0 2 4 6 8 0 2 R atd. 6 5 4 3 2 2 3 4 5 6

Pravděpodobnostní funce 6 36 P A 0 2 4 6 8 0 2

istribuční funce 0 F A 05 0 2 4 6 8 0 2

Přílad spojité náhodné veličiny Součet dvou reálných čísel z intervalu 0 ; 0 2 R atd. 0

Výpočet distribuční funce b b 0 a 0 a

Graf distribuční funce 0 F B 05 0 2

Graf hustoty pravděpodobnosti f B 0 2

Náhodné vetory

Náhodným vetorem n-rozměrnou náhodnou veličinou nazýváme taové zobrazení pro teré eistuje sdružená distribuční funce: efinice Náhodné veličiny budeme nazývat nezávislé právě tehdy dyž platí: 3 2 n n R i i i n P F n 2 2 2 2 2 2 n n F F F F n n

Střední hodnota a rozptyl

efinice střední hodnoty náhodné veličiny Pro disrétní náhodné veličiny definujeme střední hodnotu tato: P Pro spojité náhodné veličiny definujeme střední hodnotu analogicy tato: f d Střední hodnota je číslo!

Přináší KOLO ŠTĚSTÍ zis? Na pouti hodláme provozovat hru KOLO ŠTĚSTÍ. Za možnost zatočit KOLM zaplatí zájemce 20 Kč. Jeho možné výhry jsou na obrázu. 50 0 0 00 0 Udělejme si předběžnou alulaci našeho zisu! 0 0 30 0 0 0 50

Pro střední hodnotu platí tyto vztahy: Vlastnosti střední hodnoty i i i i i i Střední hodnota je lineární operátor!

efinice rozptylu: Rozptyl náhodné veličiny 2 Vlastnosti rozptylu: 0 2 2 2 efinice směrodatné odchyly:

efinice ovariance: Kovariance náhodných veličin ále můžeme doázat: cov cov cov cov 2 cov 2

Pro nezávislé veličiny platí: Tvrzení o nezávislých veličinách 0 cov

Momenty Momentová vytvořující funce

Momenty náhodné veličiny: efinice momentů náhodné veličiny Centrované momenty náhodné veličiny: Normované momenty náhodné veličiny: M CM NM

Tvrzení o momentech Střední hodnota je prvním momentem. První centrální moment je vždy roven nule. ruhým centrálním momentem je rozptyl. První normovaný moment je roven nule a druhý normovaný moment je roven jedné. Třetí normovaný moment se nazývá oeficient šimosti. Čtvrtý normovaný moment zmenšený o číslo 3 se nazývá oeficient špičatosti.

Momentová vytvořující funce efinice: m z e z Platí: m z 0 z Pomocí derivací momentové vytvořující funce v bodě 0 můžeme zísat momenty náhodné veličiny. m z M z0

Vlastnosti momentové vytvořující funce Věta: Nechť a b a 0. Pa platí: m bz z e m az Věta: Nechť náhodné veličiny i jsou nezávislé a Pa platí: m n i i z m z i

ůležitá věta o onvergenci Věta: Nechť posloupnost náhodných veličin n má tu vlastnost že posloupnost jejich momentových vytvořujících funcí onverguje momentové vytvořující funci náhodné veličiny. Pa posloupnost distribučních funcí veličin n onverguje distribuční funci náhodné veličiny.

ěuji za pozornost