Náhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů.

Podobné dokumenty
Teoretická rozdělení

jako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.

12. N á h o d n ý v ý b ě r

2. Náhodná veličina. je konečná nebo spočetná množina;

Cvičení 3 - teorie. Teorie pravděpodobnosti vychází ze studia náhodných pokusů.

V. Normální rozdělení

P2: Statistické zpracování dat

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

Deskriptivní statistika 1

STATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson

Cvičení 6.: Výpočet střední hodnoty a rozptylu, bodové a intervalové odhady střední hodnoty a rozptylu

Náhodný výběr 1. Náhodný výběr

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou

PRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti.

Pravděpodobnost a aplikovaná statistika

1 PSE Definice základních pojmů. (ω je elementární jev: A ω (A ω) nebo (A );

Intervalové odhady parametrů některých rozdělení.

Cvičení 6.: Bodové a intervalové odhady střední hodnoty, rozptylu a koeficientu korelace, test hypotézy o střední hodnotě při známém rozptylu

Při sledování a studiu vlastností náhodných výsledků poznáme charakter. podmínek různé výsledky. Ty odpovídají hodnotám jednotlivých realizací

z možností, jak tuto veličinu charakterizovat, je určit součet

Pro statistické šetření si zvolte si statistický soubor např. všichni žáci třídy (několika tříd, školy apod.).

PRAVDĚPODOBNOST A STATISTIKA

f x a x DSM2 Cv 9 Vytvořující funkce Vytvořující funkcí nekonečné posloupnosti a0, a1,, a n , reálných čísel míníme formální nekonečnou řadu ( )

PRAVDĚPODOBNOST A STATISTIKA

Statistika pro metrologii

Přijímací řízení akademický rok 2013/2014 NavMg. studium Kompletní znění testových otázek matematika a statistika

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.

4. B o d o v é o d h a d y p a r a m e t r ů

Kombinatorika- 3. Základy diskrétní matematiky, BI-ZDM

2. Znát definici kombinačního čísla a základní vlastnosti kombinačních čísel. Ovládat jednoduché operace s kombinačními čísly.

3. Charakteristiky a parametry náhodných veličin

MATICOVÉ HRY MATICOVÝCH HER

i 1 n 1 výběrový rozptyl, pro libovolné, ale pevně dané x Roznačme n 1 Téma 6.: Základní pojmy matematické statistiky

Číselné charakteristiky náhodných veličin

14. B o d o v é o d h a d y p a r a m e t r ů

7. KOMBINATORIKA, BINOMICKÁ VĚTA. Čas ke studiu: 2 hodiny. Cíl

Pravděpodobnostní modely

8. Odhady parametrů rozdělení pravděpodobnosti

Odhady parametrů základního. Ing. Michal Dorda, Ph.D.

PRAVDĚPODOBNOST A STATISTIKA

Přednáška VI. Intervalové odhady. Motivace Směrodatná odchylka a směrodatná chyba Centrální limitní věta Intervaly spolehlivosti

Odhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:

Intervalové odhady parametrů

Mezní stavy konstrukcí a jejich porušov. Hru IV. Milan RůžR. zbynek.hruby.

4.2 Elementární statistické zpracování Rozdělení četností

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

Statistika je vědní obor zabývající se zkoumáním jevů, které mají hromadný charakter.

6. P o p i s n á s t a t i s t i k a

Sekvenční logické obvody(lso)

1.3. POLYNOMY. V této kapitole se dozvíte:

Matematika I, část II

Elementární zpracování statistického souboru

Pravděpodobnost a aplikovaná statistika

Vzorový příklad na rozhodování BPH_ZMAN

13 Popisná statistika

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL

Pravděpodobnost a statistika Výpisky z cvičení Ondřeje Chocholy

Odhady parametrů 1. Odhady parametrů

1. K o m b i n a t o r i k a

35! n! n k! = n k k! n k! k! = n k

S polynomy jste se seznámili již v Matematice 1. Připomeňme definici polynomické

POLYNOM. 1) Základní pojmy. Polynomem stupně n nazveme funkci tvaru. a se nazývají koeficienty polynomu. 0, n N. Čísla. kde

n=1 ( Re an ) 2 + ( Im a n ) 2 = 0 Im a n = Im a a n definujeme předpisem: n=1 N a n = a 1 + a a N. n=1

1. JEV JISTÝ a. je jev, který nikdy nenastane b. je jev, jehož pravděpodobnost = ½ c. je jev, jehož pravděpodobnost = 0 d.

Pravděpodobnost a statistika - absolutní minumum

Popisná statistika - zavedení pojmů. 1 Jednorozměrný statistický soubor s kvantitativním znakem

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A

České vysoké učení technické v Praze. Fakulta dopravní. Semestrální práce. Statistika

základním prvkem teorie křivek v počítačové grafice křivky polynomiální n

1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE

6. Posloupnosti a jejich limity, řady

vají statistické metody v biomedicíně

14. Testování statistických hypotéz Úvod statistické hypotézy Definice 14.1 Statistickou hypotézou parametrickou neparametrickou. nulovou testovanou

2.4. INVERZNÍ MATICE

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

Seznámíte se s pojmem Riemannova integrálu funkce jedné proměnné a geometrickým významem tohoto integrálu.

Náhodné jevy a pravděpodobnost

Analýza a zpracování signálů. 3. Číselné řady, jejich vlastnosti a základní operace, náhodné signály

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

Teorie odhadů 2 Teorie odhadů... 3 Odhad parametrů... 4

8. Základy statistiky. 8.1 Statistický soubor

Úloha II.S... odhadnutelná

Seriál XXX.II Zpracování dat fyzikálních měření

b c a P(A B) = c = 4% = 0,04 d

OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN

Kvantová a statistická fyzika 2 (Termodynamika a statistická fyzika)

PŘÍKLAD NA PRŮMĚRNÝ INDEX ŘETĚZOVÝ NEBOLI GEOMETRICKÝ PRŮMĚR

3. Lineární diferenciální rovnice úvod do teorie

vají statistické metody v biomedicíně Literatura Statistika v biomedicínsk nském výzkumu a ve zdravotnictví

1 Uzavřená Gaussova rovina a její topologie

NEPARAMETRICKÉ METODY

Abstrakt. Co jsou to komplexní čísla? K čemu se používají? Dá se s nimi dělat

Katedra pravděpodobnosti a matematické statistiky. χ 2 test nezávislosti

DIFERENCIÁLNÍ POČET FUNKCE JEDNÉ PROMĚNNÉ. 1) Pojem funkce, graf funkce

( )! ( ) ( ) ( ) = ( ) ( ) ( ) ( ) ( )

0,063 0,937 0,063 0, P 0,048 0,078 0,95. = funkce CONFIDENCE.NORM(2α; p(1 p)

Iterační výpočty projekt č. 2

Transkript:

Náhodu bychom mohli defiovat jako součet velkého počtu drobých epozaých vlivů. V rámci přírodích věd se setkáváme s pokusy typu za určitých podmíek vždy astae určitý důsledek. Např. jestliže za ormálího tlaku zahřejeme vodu a C, bude se přeměňovat v páru. Oproti těmto pokusům existují takové pokusy, kdy i při dodržeí všech podmíek mohou astat růzé výsledky. Např. i přes sebepečlivější dodržeí výrobího postupu jsou ěkteré výrobky ekvalití. Náhodý pokus je realizace čiostí ebo procesů, jejichž výsledek elze s jistotou předpovědět. Náhodá veličia je proměá, jejíž hodota je určea výsledkem áhodého pokusu (áhodou veličiu začíme velkými písmey X, hodoty; jichž abývá začíme malými písmey x, x, x, ) Příkladem takového áhodého pokusu může být hod micí. Náhodá veličia výsledek pokusu má pak dvě obměy x = pade rub x = pade líc Náhodá veličia může být diskrétí ebo spojitá. Didkrétí áhodá veličia může abývat pouze koečého počtu obmě (apř. počet dětí v rodiě). Spojitá áhodá veličia může abývat ekoečého počtu obmě (apř. výše průměrého platu). Hodotám áhodé veličiy lze přiřazovat pravděpodobosti. Záko rozděleí áhodé veličiy (teoretické rozděleí) je pravidlo, které každé hodotě áhodé veličiy (ebo každému itervalu hodot) přiřazuje pravděpodobost, že áhodá veličia abude této hodoty (ebo hodoty z tohoto itervalu). Př: Hážeme-li hrací kostkou, záko rozděleí áhodé veličiy přiřadí hodotě pravděpodobost /6, hodotě také /6 atd. až hodotě 6 také /6. Podle povahy áhodé veličiy dělíme teoretická rozděleí a diskrétí a spojitá. Distribučí fukce F udává pravděpodobost, že áhodá veličia abude hodoty meší ebo rové, ež právě zvoleá hodota x

diskrétí áhodá veličia - tato kumulativí pravděpodobost je vyjádřea součtem dílčích pravděpodobostí Př: Zvolíme-li ve zmiňovaém případě hrací kostky hodotu x třeba distibučí fukce F = /6, tj. / (může padout ebo F = /6 + /6). spojitá áhodá veličia - tato kumulativí pravděpodobost je vyjádřea itegrálem, jehož dolí mez je obvykle -, horí mez odpovídá zvoleé hodotě x. Parametry teoretických rozděleí: - středí hodota (popisuje polohu áhodé veličiy) a začí se E(X) - rozptyl (popisuje variabilitu áhodé veličiy) a začí se D(X). Teoretická rozděleí Nejdříve se zaměříme a Diskrétí rozděleí. Nejjedoduší je Alterativí rozděleí A(p) Některé áhodé pokusy mohou mít pouze dva růzé výsledky: - pokus je úspěšý - pokus je eúspěšý Příslušá áhodá veličia X se pak azývá alterativí (dvoudobá, ula-jedičková). Vlastosti: středí hodota E(X) = p rozptyl D(X) = p.( - p) Používáme ozačeí: P(A) = P(X = ) = p P(A ) = P(X = ) = - p Př: Jak jsme si ukázali v předchozí kapitole je pravděpodobost arozeí chlapce 5%. Ozačme áhodou veličiu X... pohlaví arozeého dítěte. Tuto áhodou veličiu můžeme popsat alterativím rozděleím. P(A) = P(X = ) =,5... arodí se chlapec (sledovaý jev) P(A ) = P(X = ) =,9... arodí se děvče (alterativí jev) Máme-li sadu takovýchto áhodých pokusů (apř. ), můžeme prvděpodobost počtu sledovaých jevů v této sadě popsat pomocí biomického rozděleí. Biomické rozděleí (, p)

pčet provedeých pokusů p pravděpodobost sledovaého jevu Náhodá veličia Y s koečým počtem odděleých hodot: Y sledovaý jev eastae Y sledovaý jev astae x.. Y sledovaý jev astae x Př: V případě, že budeme mít děti, je pravděpodobost, že mezi imi ebude žádý chlapec rova: Y =,9.,9.,9; tj. =, 9 =,76 zhruba,8 %... chlapců, děvčata Uvažujeme, že pravděpodobost arozeí chlapce ebo dívky jsou ezávislé jevy (ezáleží, co astalo v předchozím pokusu), potom se pravděpodobost jedotlivých jevů ásobí [P(A B) = P(A).P(B)]. Pravděpodobost, že mezi dětmi bude chlapec je rova: Y =,5.,9.,9 Chlapec však emusí být utě prvorozeý. Musíme uvažovat, že může být a druhém ebo a třetím místě. Vytváříme vlastě jedoprvkové podmožiy ze tří prvků. Výsledek musíme tedy vyásobit kombiačím číslem (kombiačí číslo viz. Rozšiřující text). Y =,5.,9.,9; tj. =,5., 9 =,67 zhruba 6,7 %... chlapec, děvčata Pravděpodobost, že mezi dětmi budou chlapci je rova: Y =,5.,5.,9 Opět musíme uvažovat, že chlapci mohou být a růzých místech. Vytváříme dvouprvkové podmožiy ze tří prvků. Výsledek musíme tedy vyásobit kombiačím číslem.

Y =,5.,5.,9, tj. =,5., 9 =,8 zhruba 8, % A posledí možost pravděpodobost, že mezi dětmi budou chlapci je rova: Y =,5.,5.,5 Vytváříme tříprvkové podmožiy ze tří prvků. Výsledek musíme tedy vyásobit kombiačím číslem. Y =,5., 9 =,7 zhruba, % Y Pro přehledost si výsledky shreme do tabulky. Y j P j počet % Y, 9,8,5., 9 6,7 Y,5., 9 8, Y,5., 9, Ve výpočtu pravděpodobosti Y můžeme doplit kombiačí číslo pro ulaprvkovou podmožiu ze tří prvků a pravděpodobost arozeí chlapce a ultou,5, dostáváme tak,5., 9. Výsledky můžeme zobecit. Pravděpodobostí fukce P j = j p j. (-p) -j určuje pravděpodobost, že sledovaý jev astae právě j - krát.

(-j krát eastae a je j způsobů, jak může astat) Sečteme-li všechy pravděpodobosti, musíme dostat %. Vlastosti: středí hodota E(X) = p rozptyl D(X) = p.( - p) Graf pravděpodobostí fukce z ašeho příkladu vypadá ásledově: Pj Biomické rozděleí Bi(=; p=,5),5,,,, j Biomické rozděleí eí obecě symetrické. Symetrické je pouze v případě, že p =,5.

Pj Biomické rozděleí Bi(=6; p=,5),5,,,, 5 6 j V případě, že p <,5 biomické rozděleí je zešikmeé vlevo. Pj Biomické rozděleí Bi(=6; p=,5),5,,,, 5 6 j V případě, že p >,5 biomické rozděleí je zešikmeé vpravo.

Pj Biomické rozděleí Bi(=6; p=,75),5,,,, 5 6 j Distribučí fukce F(X j ) = krát. j P i, určuje pravděpodobost, že sledovaý jev astae ejvýše j - V ašem příkladě můžeme apř. vypočítat jaká je pravděpodobost, že budeme mít ejvýše chlapce. F(X ) dostaeme jako součet pravděpodobostí, že ebudeme mít žádého, jedoho a dva chlapce. F(X ) = P + P + P =,8 +,67 +,8 =,867, tj. 86,7% Graf distribučí fukce pro áš příklad vypadá ásledově:

Pj Biomické rozděleí Bi(=; p=,5) Distribučí fukce,9,8,7,6,5,,,, j Hodoty distribučí fukce můžeme hledat také ve statistických tabulkách (viz. rozšiřující text). Biomické rozděleí má velký výzam v teorii pravděpodobosti a v matematické statistice. Většia jevů má sice více možých výsledků ež pouze dva alterativí výsledky, ale my se můžeme omezit a jev, který ás zajímá s pravděbodobostí p a zbylé jevy mají pak pravděpodobost (-p). Např. při hodu kostkou je šest možých výsledků, ale my se můžeme zaměřit jeom a jede (třeba, že pade ) s pravděpodobostí /6 a alterativí jev je epade s pravděpodobostí 5/6. Stejě tak při sledováí určitého zaku v populaci, apř. barva očí se můžeme zaměřt třeba a modré oči atd. Poissoovo rozděleí Po (λ) Je-li dostatečě velké ( > ) a blíží-li se p k (p,), lze biomické rozděleí aproximovat poissoovým rozděleím s jediým parametrem λ =.p Pravděpodobostí fukce má tvar:

x P x e, x,,... x! e =,78 8... Eulerovo číslo Vlastosti: středí hodota E(X) = λ p rozptyl D(X) = λ p.( - p) Poissoovo rozděleí je oproti Biomickému rozděleí sažší a výpočet pravděpodobosti. Př: Při výrobě žárovek je podle zkušeosti 8% vadých. Jaká je pravděpodobost, že v krabici se ks žárovek bude právě 8 vadých? Výpočet provedeme ejprve pomocí biomického rozděleí a pak pomocí Poissoova. Bi (; p) = Bi (;,8) =... počet ks v krabici p =,8... pravděpodobost vadé žárovky j = 8... jev vadá žárovka astae právě 8x P j = P 8 = j 8 p j. (-p) -j,8 8. (-,8) -8 P 8 =.99.98.97.96.95.9.9...5.6.7.8.,8 8. (,9) 9 P 8 = 868789., 677 7., 66 =,55, tj.,6%. Pravděpodobost, že bude právě 8 žárovek vadých je,6%. Pomocí Poissoova rozděleí: λ =.,8 = 8 Po (λ) = Po (8) x P x e, x,,... x!

P(8) = 8 8 8 67776 e =., 56. 8! =,96, tj. %. Vidíme, že výsledky se liší pouze o desetiy proceta a výpočet je jedodušší. Rozšiřující text: Kombiačí čísla počítáme podle vztahu!, j j! j! kde! je faktoriál čísla a počítá se jako souči všech čísel od až do.! =...... (apř. 5! =...5 = ) Rozepíšeme-li si kombiačí číslo apř.!!.( )!!!.6!.9.8.7.6.5...,......5.6 vidíme, že ve zlomku můžeme zkrátit 6 faktoriál (6!). Pro výpočet je výhodé psát kombiačí číslo tak, že do jmeovatele zlomku rozepíšeme k faktoriál (k!)a do čitatele stejý počet čiitelů (čísla, která ásobíme) jako máme dole a začíáme od ejvětšího.....9.8.7....9.8.7 Můžeme pak krátit ve zlomku..7... Kombiačí čísla můžeme alézt pomocí Pascalova trojúhelíku: = = =

= = 6 atd. začí kolika prvkovou máme možiu a kombiačí čísla udávají kolika způsoby můžeme vytvářet podmožiy. Např. pro = si můžeme představit tři prvky (kupříkladu ) ám říká, že prázdou podmožiu ze tří prvků můžeme vybrat jedím způsobem (evybereme ic). ám říká, že jedo-prvkovou podmožiu ze tří prvků můžeme vybrat třemi způsoby (buď vybereme ebo a ebo ). ám říká, že dvou-prvkovou podmožiu ze tří prvků můžeme vybrat třemi způsoby (buď vybereme ebo a ebo ). ám říká, že tří-prvkovou podmožiu ze tří prvků můžeme vybrat jedím způsobem ( ). Vidíme, že Pascalův trojúhelík je symetrický: Obecě platí k k, což můžeme s výhodou využít při výpočtu Následující řádek v Pascalově trojúhelíku dostaeme sečteím čísel ad hledaým kombiačím číslem. =

= Tak apř. A tak bychom mohli pokračovat. Obecě platí k k k