SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 2: Statistika a pravděpodobnost

Podobné dokumenty
PRAVDĚPODOBNOST A STATISTIKA OPAKOVÁNÍ, pro rozpoznávání

a) Základní informace o souboru Statistika: Základní statistika a tabulky: Popisné statistiky: Detaily

Hodnocení způsobilosti procesu. Řízení jakosti

Základy. analýzy hlavních komponent a multivariačních regresních metod pro spektrální analýzu

6. T e s t o v á n í h y p o t é z

V praxi pracujeme s daty nominálními (nabývají pouze dvou hodnot), kategoriálními (nabývají více

Tvorba trendové funkce a extrapolace pro roční časové řady

Příklady k třetímu testu - Matlab

Řešení: a) Označme f hustotu a F distribuční funkci náhodné veličiny X. Obdobně označme g hustotu a G distribuční funkci náhodné veličiny Y.

Základy matematické statistiky

Téma 2: Pravděpodobnostní vyjádření náhodných veličin

Isingův model. H s J s s h s

Regresní a korelační analýza

Pravděpodobnost a aplikovaná statistika

IDENTIFIKACE BIMODALITY V DATECH

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Jan Kracík

Diskrétní rozdělení Náhodná veličina má diskrétní rozdělení pravděpodobnosti, jestliže existuje seznam hodnot

1. Alternativní rozdělení A(p) (Bernoulli) je diskrétní rozdělení, kdy. p(0) = P (X = 0) = 1 p, p(1) = P (X = 1) = p, 0 < p < 1.

STANOVENÍ SPOLEHLIVOSTI GEOTECHNICKÝCH KONSTRUKCÍ. J. Pruška, T. Parák

Zápočtová práce STATISTIKA I

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

2. Je dáno jevové pole (Ω;A) a na něm nezáporná normovaná funkce. Definujte distrubuční funkci náhodného vektoru.

KGG/STG Statistika pro geografy

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

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

Pravděpodobnost a statistika I KMA/K413

Simulace systému hromadné obsluhy Nejčastější chyby v semestrálních pracích

Úvod. Analýza závislostí. Přednáška STATISTIKA II - EKONOMETRIE. Jiří Neubauer

MÍRY ZÁVISLOSTI (KORELACE A REGRESE)

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ. FAKULTA STROJNÍHO INŽENÝRSTVÍ Ústav materiálového inženýrství - odbor slévárenství

Zpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi.

Nerovnice s absolutní hodnotou

2.8.9 Parametrické rovnice a nerovnice s absolutní hodnotou

Testy nezávislosti kardinálních veličin

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

Katedra matematiky Matematika a byznys Příklady odhadů a předpovědí časových posloupností

Cvičení ze statistiky - 6. Filip Děchtěrenko

Organizační pokyny k přednášce. Matematická statistika. Přehled témat. Co je statistika?

Základy teorie pravděpodobnosti

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D. 1

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

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

ROZDĚLENÍ SPOJITÝCH NÁHODNÝCH VELIČIN

Kvantové počítače algoritmy (RSA a faktorizace čísla)

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.

Praktická statistika. Petr Ponížil Eva Kutálková

Robust ledna 5. února 2010, Králíky

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

Peer Group User Quick Reference Cards

VÍCEROZMĚRNÝ STATISTICKÝ SOUBOR

(Auto)korelační funkce Statistické vyhodnocování exp. dat M. Čada ~ cada

Mnohorozměrná statistická data

Cvičení 3. Posudek únosnosti ohýbaného prutu. Software FREET Simulace metodou Monte Carlo Simulace metodou LHS

Statistické metody v ekonomii

VÝUKOVÝ MATERIÁL. Pro vzdělanější Šluknovsko. 32 Inovace a zkvalitnění výuky prostřednictvím ICT Bc. David Pietschmann.

VOLBA TYPU REGULÁTORU PRO BĚŽNÉ REGULAČNÍ SMYČKY

Charakteristika datového souboru

Pravděpodobnost a matematická 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.

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

KIV/ZI Základy informatiky. MS Excel maticové funkce a souhrny

3.2.4 Podobnost trojúhelníků II

Gymnázium a Střední odborná škola, Rokycany, Mládežníků 1115

STROPNÍ DÍLCE PŘEDPJATÉ STROPNÍ PANELY SPIROLL

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

Lokální a globální extrémy funkcí jedné reálné proměnné

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Biostatistika a matematické metody epidemiologie- stručné studijní texty

Mnohorozměrná statistická data

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza

1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností,

Náhodné veličiny jsou nekorelované, neexistuje mezi nimi korelační vztah. Když jsou X; Y nekorelované, nemusí být nezávislé.

FAKULTA STAVEBNÍ VUT V BRNĚ PŘIJÍMACÍ ŘÍZENÍ DO MNSP STAVEBNÍ INŽENÝRSTVÍ PRO AKADEMICKÝ ROK

Lineární Regrese Hašovací Funkce

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

Některé zákony rozdělení pravděpodobnosti. 1. Binomické rozdělení

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

UŽITÍ DERIVACÍ, PRŮBĚH FUNKCE

3. Ve zbylé množině hledat prvky, které ve srovnání nikdy nejsou napravo (nevedou do nich šipky). Dát do třetí

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Úloha E301 Čistota vody v řece testem BSK 5 ( Statistická analýza jednorozměrných dat )

Semestrální projekt. do předmětu Statistika. Vypracoval: Adam Mlejnek Oponenti: Patrik Novotný Jakub Nováček Click here to buy 2

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

z Matematické statistiky 1 1 Konvergence posloupnosti náhodných veličin

Cvičení 9. Posudek únosnosti ohýbaného prutu metodou LHS v programu FREET. Software FREET Simulace metodou LHS

Intervalové Odhady Parametrů

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

Jméno autora: Mgr. Zdeněk Chalupský Datum vytvoření: Číslo DUM: VY_32_INOVACE_13_FY_A

Základy biostatistiky II. Veřejné zdravotnictví 3.LF UK - II

Cvičení ze statistiky - 2. Filip Děchtěrenko

Jan Březina. Technical University of Liberec. 17. března 2015


4EK211 Základy ekonometrie

Aritmetika s didaktikou I.

(a) = (a) = 0. x (a) > 0 a 2 ( pak funkce má v bodě a ostré lokální maximum, resp. ostré lokální minimum. Pokud je. x 2 (a) 2 y (a) f.

12. N á h o d n ý v ý b ě r

1 Klasická pravděpodobnost. Bayesův vzorec. Poslední změna (oprava): 11. května 2018 ( 6 4)( 43 2 ) ( 49 6 ) 3. = (a) 1 1 2! + 1 3!

METODY DESKRIPTIVNÍ STATISTIKY

Transkript:

SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 2: Statistika a pravděpodobnost Drahomír Novák Jan Eliáš 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 1

část 2 Statistika a pravděpodobnost 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 2

Rozdělovací funkce (pdf) označení f ( x) vlastnosti nezáporná f ( x) 0 jednotková plocha f ( x)dx 1 Obrázek 1. pdf 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 3

Distribuční funkce (cdf) označení F definice ( x) F ( x) P( x) vlastnosti lim F ( x) 1 x lim F ( x) 0 x F ( x) 0 neklesající x Obrázek 3. cdf 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 4

Charakteristiky rozdělení střední hodnota = těžiště rozdělovací funkce rozptyl 100p% kvantil x f ( x)dx 2 Var( ) ( ) ( )d - směrodatná odchylka x f x x = Var( ) Q F 1 ( p) p Obrázek 2. charakteristiky medián Q 1 0.5 F (0.5) 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 5

Co je a co není platná cdf nebo pdf Obrázek 4. Testování kritérií cdf a pdf 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 6

Sdružená hustota pravděpodobnosti Rozdělení pravděpodobnost dvou či více veličin f,y,z, (x,y,z, ) Obrázek 5. Sdružená hustota pravděpodobnosti 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 7

Statistická závislost veličiny a Y jsou nezávislé právě když f ( x, y) f ( x) f ( y) Y Y Obrázek 6. Nezávislé a závislé veličiny 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 8

Pearsonův korelační koeficient míra lineární závislosti r = 0 mohou či nemusí být závislé r 0 závislé r > 0 pozitivní korelace, r < 0 negativní korelace limity A i, j Cov var i, var i j j, 1, 1 Y ( Y, ) xy f ( x, y)dxdy Y y Y 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 9

náhodná veličina Korelační matice Diagonální Symetrická Pozitivně definitní 1 A 1,2 A 1,NVar 1 A 2,NVar 1 Symetrie korelační matice 1 1 náhodná veličina 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 10

2D reprezentace závislosti 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 11

Příklady ne/závislých veličin poslední řádek = nulová Pearsonova korelace, jinak ale závislé náhodné veličiny Obrázek 7. Příklady Personovy korelační míry 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 12

Neparametrické pořadové míry korelace Spearman, nezávislá na typu rozdělení, robustní, místo samotných hodnot používá jejich pořadí A k i, j 3 NSim R 2 ki Rkj 6 1, 1, 1 N Sim Kendallovo tau τ τ q,p, j 1,2, N i ji j, R ki pořadí vzorku i v seřazeném výběru Odolné k defektům v datech, používají jen pořadí 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 13

Srovnání korelačních měr pro praktické spolehlivostní výpočty je rozdíl nepodstatný, protože je beztak často minimální znalost skutečné závislosti vstupních veličin Pearson klasická Neparametrická - robustní Obrázek 8. Spearmanova versus Pearsonova korelace 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 14

Rovnoměrné (obdelníkové) rozdělení dva parametry a spodní mez b horní mez lze ho jednoduše simulovat na počítači Obrázek 9. Rovnoměrné rozdělení 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 15

Normální (Gaussovo) rozdělení dva parametry m střední hodnota s směrodatná odchylka výsledek centrálního limitního teorému (součet mnoha veličin vždy vede na Normální rozdělení) například geometrické veličiny, IQ, Obrázek 10. Normalní rozdělení 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 16

Standardizované normální rozdělení střední hodnota 0 směrodatná odchylka 1 symbol F Obrázek 11. Standardizované normální rozdělení 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 17

Lognormální rozdělení dva parametry m střední hodnota v logprostoru s směrodatná odchylka v log-prostoru omezeno zdola nulou např. pevnost, hustota, nejistoty, Youngův modul, Obrázek 12. Lognormální rozdělení 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 18

Weibullovo rozdělení (2-parametrické) dva parametry m parametr tvaru l parametr měřítka výsledek teorie extrémních hodnot (minimum z mnoha veličin může vést na Weibullovo rozdělení) např. pevnost, omezeno zdola nulou Obrázek 13. Weibullovo rozdělení 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 19

Beta rozdělení dva parametry a, b parametry tvaru oboustranně omezené meze mohou být jednoduše upraveny z intervalu [0,1] na libovolný reálný interval => další dva parametry Obrázek 14. Beta rozdělení 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 20

Určení vhodného rozdělení střední část může být určena z histogramů, ale pro spolehlivostní výpočty jsou nejdůležitější okrajové části!!! nutnost určení rozdělení teoreticky (z fyzikálních principů) Statistické testy: Kolmogorov-Smirnov Chi-square test Obrázek 15. Hledání optimálního rozdělení 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 21

Stochastický proces v čase ne pouze jednotlivé hodnoty ale také jejich časová posloupnost např. meteorol. data, výška hladiny, rychlost větru stacionární proces charakteristiky procesu (střední hodnota, rozptyl, vyšší statistické momenty + korelace) se s časem nemění A klasický histogram E histogram extrémních hodnot auto-korelační funkce, spektrální hustota stochastická metoda konečných prvků nestacionární proces Obrázek 16. Stochastický proces 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 22

Náhodné pole prostorová závislost Pevnost materiálu, Youngův modul, veličiny se mění v prostoru spíše spojitě spojitost lze zajistit požadováním kladné korelační závislosti 2 jejíž velikost je dána vzdáleností d is correlation length ij xi xj exp d více veličin lze reprezentovat více náhodnými poli s vzájemnou korelací Obrázek 17. Náhodné pole ve 2D Obrázek 18. Náhodné pole ve 3D 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 23