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

Podobné dokumenty
4EK211 Základy ekonometrie

Poznámky k předmětu Aplikovaná statistika, 4. téma

Poznámky k předmětu Aplikovaná statistika, 4. téma

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Jan Kracík

Regresní analýza 1. Regresní analýza

z Matematické statistiky 1 1 Konvergence posloupnosti náhodných veličin

letní semestr Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy Matematická statistika vektory

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

PRAVDĚPODOBNOST A STATISTIKA

Všechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a

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

PRAVDĚPODOBNOST A STATISTIKA

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

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

Charakterizace rozdělení

NÁHODNÝ VEKTOR. 4. cvičení

1 Rozptyl a kovariance

Náhodný vektor a jeho charakteristiky

Cvičení ze statistiky - 5. Filip Děchtěrenko

Normální (Gaussovo) rozdělení

Testování hypotéz o parametrech regresního modelu

Testování hypotéz o parametrech regresního modelu

PRAVDĚPODOBNOST A STATISTIKA

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

Statistická analýza jednorozměrných dat

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

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

Regresní a korelační analýza

Normální (Gaussovo) rozdělení

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

Pravděpodobnost a aplikovaná statistika

Statistika II. Jiří Neubauer

4EK211 Základy ekonometrie

Téma 22. Ondřej Nývlt

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

Stručný úvod do testování statistických hypotéz

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

Charakteristika datového souboru

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

Testování hypotéz. testujeme (většinou) tvrzení o parametru populace. tvrzení je nutno předem zformulovat

Zápočtová práce STATISTIKA I

Eukleidovský prostor a KSS Eukleidovský prostor je bodový prostor, ve kterém je definována vzdálenost dvou bodů (metrika)

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

Matematické modelování Náhled do ekonometrie. Lukáš Frýd

Malé statistické repetitorium Verze s řešením

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

Regresní a korelační analýza

NMAI059 Pravděpodobnost a statistika

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

AVDAT Náhodný vektor, mnohorozměrné rozdělení

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

MATEMATICKÁ STATISTIKA - XP01MST

Testování statistických hypotéz

Testování hypotéz. 1. vymezení základních pojmů 2. testování hypotéz o rozdílu průměrů 3. jednovýběrový t-test

NALG 001 Lineární algebra a geometrie 1, zimní semestr MFF UK Doba řešení: 3 hodiny

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 Zobrazení 1 ZOBRAZENÍ 1. Zobrazení a algebraické struktury. (a) Ukažte, že zobrazení f : x

Testy statistických hypotéz

Minikurz aplikované statistiky. Minikurz aplikované statistiky p.1

Úvod do lineární algebry

JAK MODELOVAT VÝSLEDKY NÁH. POKUSŮ? Martina Litschmannová

Vícerozměrná rozdělení

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2015

PRAVDĚPODOBNOST A STATISTIKA

AVDAT Klasický lineární model, metoda nejmenších

Problematika analýzy rozptylu. Ing. Michael Rost, Ph.D.

Kontingenční tabulky, korelační koeficienty

Zpracování náhodného vektoru. Ing. Michal Dorda, Ph.D.

ÚVOD DO TEORIE ODHADU. Martina Litschmannová

Diskrétní náhodná veličina. November 12, 2008

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

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

PRAVDĚPODOBNOST A STATISTIKA

Aproximace binomického rozdělení normálním

α 1 α 2 + α 3 = 0 2α 1 + α 2 + α 3 = 0

Pravděpodobnost a matematická statistika

12. cvičení z PST. 20. prosince 2017

13.1. Úvod Cílem regresní analýzy je popsat závislost hodnot znaku Y na hodnotách

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

ALGEBRA. Téma 5: Vektorové prostory

(Cramerovo pravidlo, determinanty, inverzní matice)

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

10. N á h o d n ý v e k t o r

Výběrové charakteristiky a jejich rozdělení

1 Determinanty a inverzní matice

15. T e s t o v á n í h y p o t é z

Testování statistických hypotéz

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

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

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

Matematika B101MA1, B101MA2

PRAVDĚPODOBNOST A STATISTIKA. Testování hypotéz o rozdělení

Praktická statistika. Petr Ponížil Eva Kutálková

Cvičení ze statistiky - 8. Filip Děchtěrenko

Operace s maticemi

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

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

Transkript:

AKM - 1-2 CVIČENÍ Opakování maticové algebry Mějme matice A, B regulární, potom : ( AB) = B A 1 1 ( A ) = ( A ) ( A ) = A ( A + B) = A + B 1 1 1 ( AB) = B A, kde A je řádu mxn a B nxk Čtvercová matice A je symetrická, pokud platí A=A AI=IA=A A+0=0+A=A AB BA Příklad 11: Mějme dvě čtvercové matice A a B a) Spočtěte součet a rozdíl matic b) Spočtěte součin matic c) Existují k maticím A a B matice inverzní? d) Spočtěte determinant e) Určete transpozice matic Příklad 12: Mějme dvě matice A a B A 1 4 1 2 =, = 2 8 B 5 2 1 1 2 1 1 2 1 A =, 3 1 2 1 3 5 2 B = 2 2 5 3 Spočtěte součin matic A a B v přípustném pořadí Zapište transpozici výsledné matice Příklad 13: Mějme matici Y 1 2 3 Y = 4 5 6 6 9 12 a) Jsou řádkové vektory matice Y lineárně nezávislé? b) Jakou hodnost má matice Y?

Příklad 14: Je matice A symetrická? 1 0 0 A = 0 1 1 1 0 1 Příklad 15: Nechť X je libovolná matice typu nxk Je součin matic X X nutně matice symetrická? Využijte některých pravidel výše Příklad 16: Mějme sloupcový vektor u = ( u1, u2,, u5) a) Jaký rozměr má matice b) Jaký rozměr má matice u u? Zapište prvky této matice uu? Zapište prvky této matice Příklad 17: Mějme náhodný vektor y řádu nx1 Zapište E(y) a var(y) Příklad 18: Mějme matici A 1 3 4 A = 3 5 0 a) Chceme zjistit, jaký je průměr řádků matice A toho můžeme dosáhnout násobením matice A vhodným řádkovým vektorem zleva Najděte tedy takový vektor, aby byl výsledkem součinu řádkový vektor [2 4 2] b) Chceme získat vážený součet sloupců matice A s vahami 03, 05, 02 c) Najděte matici C takovou, aby maticovým součinem CA vznikla matice, která odpovídá matici A s prohozenými řádky d) Najděte matici C takovou, aby maticovým součinem AC vznikla matice, která odpovídá matici A s opačným pořadím sloupců

E( c) = c D( c ) = 0 E( cx ) = ce( X ) Opakování statistiky 2 D( cx ) = c D( X ) E( X + Y) = E( X ) + E( Y) E( X Y) = E( X ) E( Y) Nezávislé náhodné veličiny X a Y: D( X ± Y) = D( X ) + D( Y) Závislé náhodné veličiny X a Y: D( X ± Y) = D( X ) + D( Y) ± 2cov( X, Y) Příklad 19: Co jsou: a) Střední hodnota b) Medián c) Modus d) Rozptyl e) Kovariance f) Korelace g) Šikmost h) Špičatost Příklad 110: Porovnejte rozptyl a špičatost následujících dvou rozdělení: Příklad 111: a) Jsou-li dvě náhodné veličiny negativně korelované, co nám to říká o jejich kovarianci? b) Jakých hodnot může nabývat kovariance dvou náhodných veličin? Jak je to s korelací? c) Víme-li, že cov(x,y) = 0, jsou náhodné veličiny X a Y nutně nezávislé? Vysvětlete d) Nechť jsou náhodné veličiny X a Y nezávislé Je možné, že cov(x,y) = 0,58? e) Která z následujících možností může nastat (jaký vztah je mezi kovariancí a korelací): a corr(x,y) = -1,56 b corr(x,y) = 0,28 a cov(x,y) = 0 c corr(x,y) = 0,28 a cov(x,y) = -0,5 d corr(x,y) = 0,28 a cov(x,y) = 0,5

Příklad 112: Když v televizních zprávách uslyšíte: Průměrná měsíční mzda je 25 000 Kč, vztahuje se termín průměrná mzda ke střední hodnotě, mediánu nebo modu? Jakou charakteristiku byste vy zvolili a proč? Jaké rozdělení mají mzdy v populaci? Příklad 113: Rozdělení diskrétní náhodné veličiny X je dáno následující tabulkou a) Nakreslete graf distribuční funkce veličiny X (pozn: F( x) = P( X x) ) b) Spočtěte E(X) c) Spočtěte var(x) Příklad 114: Jaká je střední hodnota z hodu šestistěnnou kostkou? Příklad 115: Jsou dány dvě nezávislé náhodné veličiny X a Y, pro které platí: Spočtěte: E(X) = 10, var(x) = 1 E(Y) = 5, var(y) = 2 a) E(4X) b) E(X+5) c) E(X+Y) d) E(4X-3Y) e) var(4x) f) var(x+5) g) var(x+y) h) var(4x+3y) i) var(x-y) j) var(2x-y+5) Příklad 116: Následující tabulka udává sdružené rozdělení náhodných veličin X a Y Rozhodněte, zda jsou veličiny X a Y nezávislé Dále spočtěte: a) E(X Y=1) a E(Y X=1) b) E(X) a E(Y) c) var(x) a var(y)

Příklad 117: Házíme dvěma mincemi A a B (možné hodnoty kódujeme vždy jako 0 a 1), z výsledků hodláme spočítat náhodné veličiny X a Y následujícím způsobem: X = mince A, Y = mince A + mince B a) Sestavte tabulku sdruženého pravděpodobnostního rozdělení veličin X a Y b) Jsou veličiny X a Y nezávislé? Svoji odpověď zdůvodněte c) Jsou veličiny X a Y pozitivně korelované, negativně korelované, nebo nekorelované? Svoji odpověď zdůvodněte d) Určete P(Y = 2 X = 1), P(Y = 2 X = 0) a E(Y X = 1) e) Jsou-li obecně dvě náhodné veličiny nekorelované, znamená to nutně, že jsou nezávislé? Svou odpověď zdůvodněte Příklad 118: a) Jakou byste očekávali korelaci mezi mzdami a vzděláním? b) Jakou relaci byste v průměru očekávali mezi mzdami lidí se základní a střední školou, tj E(mzda vzdělání = 9)? E(mzda vzdělání = 13) Naznačte vztah mezd a vzdělání proložením regresní přímkou Dají se očekávat konstantní přírůstky průměrné mzdy s rostoucím vzděláním? Příklad 119: Populační rozdělení výšky mužů (X) má střední hodnotu 180 cm a směrodatnou odchylku 4 cm O rozdělení této náhodné veličiny nic jiného nevíme Náhodně vybereme 10 jedinců a změříme hodnotu náhodné veličiny X každého z nich, tj, jejich výšku (získáme tak hodnoty x 1, x 2,, x 10 ) Z těchto získaných hodnot spočítáme prostý aritmetický průměr Jelikož vybíráme jedince náhodně, je i veličina X náhodná 10 i= 1 X = a) Jaká je střední hodnota X a jaký je rozptyl? b) (Zákon velkých čísel) Namísto 10 lidí uvažujeme obecně n lidí Co se stane s E( X ) a var( X ), jestliže n roste nade všechny meze? Příklad 120: Uvažujme náhodný výběr (x 1, x 2, x 3, x 4 ) z populace, v níž má sledovaný znak X neznámou 2 střední hodnotu (označme µ ) a neznámý rozptyl (označme σ ) a) Je výběrový průměr 4 i= 1 X = x i nestrannou odhadovou statistikou (nebo stručně 10 nestranným odhadem) populační střední hodnoty µ? (Odhadová statistika parametru s je nestranná, je-li E(s) = µ ) b) Uvažujme namísto prostého aritmetického průměru vážený průměr podle předpisu: ω = 0,1x + 0, 2x + 0,3x + 0, 4x 1 2 3 4 Je ω nestranným odhadem µ? c) Které z obou odhadových statistik z a) a b) byste věřili při odhadu µ více? 10 x i

Příklad 121: V televizních novinách bylo uvedeno, že týdenní průměrná doba, kterou děti do 5 let věku stráví u televize je 22,6 hodin se směrodatnou odchylkou 6,1 hodin Firma zaměřená na sociologické výzkumy však tvrdí, že je tento odhad značně podhodnocen a skutečná týdenní průměrná doba trávená dětmi do 5 let věku u televize je významně vyšší Předpokládáme, že náhodná veličina X (průměrná týdenní doba strávená dětmi do 5 let věku u televize) má normální rozdělení a) Formulujte nulovou a alternativní hypotézu b) Firma provedla výzkum u 60 dětí (na základě prohlášení rodičů) a spočítala výběrový průměr 25,2 hodin Rozhodla se provést test na 5% hladině významnosti co znamená α = 0,05? c) Je tato hodnota statisticky významně vyšší než deklarovaná střední hodnota 22,6? d) Jak by se výsledek testu změnil (uvažujte stále α = 0,05), kdyby výběrový průměr činil ne 25,2, ale 23,4 hodin? e) Představte si, že populační rozptyl neznáte a odhadnete jej na základě výběrového rozptylu Hodnota směrodatné odchylky pak vyšla 6,1 hodin Jak se řešení problému změní? Příklad 122: Diktátor nejmenované země využil referenda k legitimizaci své moci a tvrdí, že byl podpořen 60% voličů OSN zveřejněným výsledkům příliš nedůvěřuje a najala vás, abyste ověřili pravdivost těchto výsledků Poněkud omezený rozpočet vám umožňuje získat údaje o 400 náhodně vybraných voličích Po sběru dat vyšlo najevo, že z výběrového vzorku 400 lidí hlasovalo pro diktátora přesně 200 estujte na hladině významnosti α = 0,05 hypotézu o pravdivosti diktátorova tvrzení oproti jednostranné alternativě, že diktátor počet svých voličů nadhodnotil a) Pro daný hlas zaveďte znak X, který nabývá hodnoty 1, pokud jedinec diktátora volil a hodnoty 0, pokud jej nevolil Jaká je střední hodnota X v celé populaci? Jaký je rozptyl X? b) Formulujte vhodně statistické hypotézy, na základě kterých se pokusíte vyvrátit tvrzení diktátora Zvažte a okomentujte, jak nejlépe postavit nulovou hypotézu a zda volit jednostrannou či oboustrannou alternativní hypotézu c) estujte Vámi definované hypotézy na hladině významnosti α = 005 Pokuste se vlastními slovy popsat, co vlastně znamená hladina významnosti 1% d) Učiňte závěr