PRAVDĚPODOBNOST A STATISTIKA

Podobné dokumenty
PRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

PRAVDĚPODOBNOST A STATISTIKA. Metoda momentů Metoda maximální věrohodnosti

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

PRAVDĚPODOBNOST ... m n

můžeme toto číslo považovat za pravděpodobnost jevu A.

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

V. Normální rozdělení

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

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

PRAVDĚPODOBNOST A STATISTIKA

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

Intervalové odhady parametrů některých rozdělení.

Statistika pro metrologii

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

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

2. Náhodná veličina. je konečná nebo spočetná množina;

12. N á h o d n ý v ý b ě r

Pravděpodobnost a statistika Výpisky z cvičení Ondřeje Chocholy

Pravděpodobnost a aplikovaná statistika

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

Tento materiál vznikl díky Operačnímu programu Praha Adaptabilita CZ.2.17/3.1.00/33254

Náhodný výběr 1. Náhodný výběr

Testujeme hypotézu: proti alternativě. Jednoduché třídění:

Pravděpodobnost a aplikovaná statistika

Odhady parametrů 1. Odhady parametrů

z možností, jak tuto veličinu charakterizovat, je určit součet

8. Odhady parametrů rozdělení pravděpodobnosti

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

8. Analýza rozptylu.

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

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

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

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

P2: Statistické zpracování dat

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

Popisná statistika. Zdeněk Janák 9. prosince 2007

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

7. Odhady populačních průměrů a ostatních parametrů populace

Kvantová a statistická fyzika 2 (Termodynamika a statistická fyzika)

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

3. Charakteristiky a parametry náhodných veličin

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

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

Matematika přehled vzorců pro maturanty (zpracoval T. Jánský) Úpravy výrazů. Binomická věta

PRAVDĚPODOBNOST A STATISTIKA

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

3. Lineární diferenciální rovnice úvod do teorie

Číselné charakteristiky náhodných veličin

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

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

Pravděpodobnostní model doby setrvání ministra školství ve funkci

Národní informační středisko pro podporu jakosti

Co je to statistika? Statistické hodnocení výsledků zkoušek. Úvod statistické myšlení. Úvod statistické myšlení. Popisná statistika

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

Úloha III.S... limitní

Pravděpodobnost a statistika - absolutní minumum

Pravděpodobnost a matematická statistika

6. P o p i s n á s t a t i s t i k a

1 Základní pojmy a vlastnosti

Intervalové odhady parametrů

PRAVDĚPODOBNOST A STATISTIKA

Národní informační středisko pro podporu kvality

Pravděpodobnost a matematická statistika

můžeme toto číslo považovat za pravděpodobnost jevu A.

Pravděpodobnost a matematická statistika

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

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

3. VYBRANÉ ZÁKONY ROZDĚLENÍ POUŽÍVANÉ VE SPOLEHLIVOSTI

c) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je transcendentí. xp 1 (p 1)! (x 1)p (x 2) p... (x d) p e x t f(t) d t = F (0)e x F (x),

n-rozměrné normální rozdělení pravděpodobnosti

Definice obecné mocniny

Směrnice 1/2011 Statistické vyhodnocování dat, verze 3 Verze 3 je shodná s původní Směrnicí 1/2011 verze 2, za čl. 2.3 je vložen nový odstavec

Pravděpodobnost a matematická statistika

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ

8. Zákony velkých čísel

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

Náhodné jevy a pravděpodobnost

Závislost slovních znaků

Deskriptivní statistika 1

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

Pravděpodobnost a matematická statistika

ILUSTRACE ZÁKONA VELKÝCH ČÍSEL POMOCÍ SIMULACÍ THE ILLUSTRATION OF THE LAW OF LARGE NUMBERS BY SIMULATIONS

Pevnost a životnost - Hru III 1. PEVNOST a ŽIVOTNOST. Hru III. Milan Růžička, Josef Jurenka, Zbyněk Hrubý.

Základy teorie pravděpodobnosti

Náhodný výběr, statistiky a bodový odhad

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

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

9 NÁHODNÉ VÝBĚRY A JEJICH ZPRACOVÁNÍ. Čas ke studiu kapitoly: 30 minut. Cíl:

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

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

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

Interval spolehlivosti pro podíl

11 TESTOVÁNÍ HYPOTÉZ Základní pojmy

(3n + 1) 3n Příklady pro samostatnou práci

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

Kombinatorika- 3. Základy diskrétní matematiky, BI-ZDM

PoznÁmky k přednášce

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL

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

Transkript:

PRAVDĚPODOBOST A STATISTIKA

Degeerovaé rozděleí D( ) áhodá veličia X s degeerovaým rozděleím X ~D(), R má základí rostor Z = { } a ravděodobostí fukci: ( ) 1 0 Charakteristiky: středí hodota: E(X ) roztyl: D( X ) 0 Pozámka: Jedá se o kostatí áhodou roměou.

Alterativí (Beroulliovo) rozděleí A() áhodá veličia X s alterativím rozděleím X ~A(), (0, 1) má základí rostor Z = {0,1} a ravděodobostí fukci: (0) (1) 1 Charakteristiky: středí hodota: E( X ) roztyl: D( X ) (1 ) koeficiet šikmosti: A 3 ( X ) 1 2 (1 ) koeficiet šičatosti: A 4 ( 1 6 (1 ) X ) (1 )

Klasické rozděleí (diskrétí rovoměré rozděleí) C() áhodá veličia X s klasickým rozděleím X~C(), má základí rostor Z = {1, 2,, } a ravděodobostí fukci: ( ) 1 Z Charakteristiky: středí hodota: roztyl: mediá: 1 E( X ) 2 2 1 D( X ) 12 1 liché ~ 2 sudé 2 koeficiet šikmosti: A3 ( X ) 0

Biomické rozděleí Bi(,) áhodá veličia X s biomickým rozděleím X~Bi(,),, (0, 1) má základí rostor Z = {0,1, 2,, } a ravděodobostí fukci: ( ) (1 ) Charakteristiky: středí hodota: E( X ) roztyl: mediá: koeficiet šikmosti: koeficiet šičatosti: D( X ) (1 ) ~ ( 1) 1, ( 1) 1 2 A3( X ) (1 ) 1 6 (1 ) A4 ( X ) (1 )

Biomické rozděleí Bi(,) Biomické rozděleí výběr s vraceím ázev rozděleí ochází ze skutečosti, že ravděodobosti () jsou čley biomického rozvoje 1 1 ( (1 )) ( )

Biomické rozděleí Bi(,0.5) středí hodota: roztyl: E( X ) 2 D( X ) 4 koeficiet šikmosti: A3 ( X ) 0 koeficiet šičatosti: A X 2 4( )

Biomické rozděleí Bi(,) Ad2) Pro áhodou roměou oisující očet adutí 6 ři 10okusech je jedo zda hodím jedou kostkou 10 - A(1/6), ebo 10 kostkami 1 -Bi(10,1/6).

Zobecěé biomické rozděleí Bi( 1,, k, 1,, k ) áhodé veličiy X 1,, X k s zobecěým biomickým rozděleím, 1,, k, 1,, k (0, 1) fukci: Charakteristiky: ( k i1 i! k i1 i 1 1,, k ) 2 1! 2! k! 1 má ravděodobostí k středí hodota: E( X,, X k ) ( 1,, 1 k )

Geometrické rozděleí Ge() áhodá veličia X s geometrickým rozděleím X~Ge(), (0, 1) má základí rostor Z = {0,1, 2,,, } a ravděodobostí fukci: ( ) (1 ) Pokus oakujeme tak dlouho, až astae úsěch. () je ravděodobost, že rovedeme eúsěšých okusů. Charakteristiky: středí hodota: roztyl: mediá: E( X ) 1 1 D( X ) 2 ~ 0

egativí biomické (Pascalovo) rozděleí B(k,) áhodá veličia X s egativě biomickým rozděleím X~B(k,), k, (0, 1) má základí rostor Z = {0,1, 2,,, } a ravděodobostí fukci: k 1 k ( ) (1 ) Pokus oakujeme tak dlouho, až astae k úsěchů. () je ravděodobost, že rovedeme eúsěšých okusů řed k-tým úsěšým okusem. Charakteristiky: středí hodota: roztyl: mediá: E( X ) k 1 1 D( X ) k 2 ~ k 1

Pascalovo (egativí biomické ) rozděleí Ps(k,) Pojmeováo odle Blaise Pascala (1623 1862).

Zobecěé Pascalovo (egativí biomické) rozděleí Ps(k,) áhodá veličia X s ascalovým rozděleím X~Ps(k,), kr, k >0, (0, 1) má základí rostor Z = {0,1, 2,,, } a ravděodobostí fukci: k 1 k ( ) (1 ) kde místo faktoriálu oužijeme Gama fukci: k k t! ( k 1) t e dt 0

áhodá veličia X s hyergeometrickým rozděleím X~H(,M,), kde libovolé celé číslo, 1 M <, 1 <, základí rostor Z = {ma{0, M-+},, mi{m,} ravděodobostí fukci: Hyergeometrické rozděleí H(,M,) Charakteristiky: středí hodota: roztyl: mediá: M M ) ( M X E ) ( 1 1 ) ( M M X D 2 1 1 1, 2 1 1 ~ M M S1P áhodá roměá vybraá rozděleí

Hyergeometrické rozděleí H(,M,) Hyergeometrické rozděleí výběr bez vraceím

Poissoovo rozděleí Po(λ) áhodá veličia X s Poissoovým rozděleím X~Po(λ), λ R, λ>0 má základí rostor Z = {0,1, 2,,, } a ravděodobostí fukci: ( ) e! Charakteristiky: středí hodota: roztyl: E(X ) D(X ) mediá: ~ 1, koeficiet šikmosti: A3 ( X ) 1

Poissoovo rozděleí Po(λ) Poissoovo rozděleí rozděleí, které oisuje výskyt áhodého jevu v ředem daém časovém úseku. λ lze ovažovat jako růměrý očet událostí za časový úsek

Poissoův roces zkoumá ravděodobost, že se v časovém itervalu délky t stae rávě událostí. Podmíky: 1) očet událostí v disjukích itervalech jsou ezávislé 2) ravděodobost, že se během itervalu délky dt stae rávě jeda událost je rova λdt 3) ravděodobost, že se během itervalu délky dt stae dvě a více událostí je rova 0dt Hustota ravděodobosti, že se v časovém itervalu délky t stae rávě událostí. t t f ( t) e! Pro evý časový iterval délky t ozačme: λt=τ f ( t) t e!

Aroimace diskrétích rozděleí Za vhodých odmíek lze jedo rozděleí ahradit jiým aroimace Biomického rozděleí: V rai můžeme Biomické rozděleí Bi(,)ahradit Poissoovým Po(λ) za těchto odmíek: < 0.1 a > 30. Tedy λ=. Bi(,) Po() Chyba aroimace je < 10-2.

Aroimace diskrétích rozděleí Za vhodých odmíek lze jedo rozděleí ahradit jiým aroimace Biomického rozděleí:

Aroimace diskrétích rozděleí Aroimace Hyergeometrického rozděleí: Biomické rozděleí výběr s vraceím Hyergeometrické rozděleí výběr vez vracei Pokud budeme mít velký očet rvků a očet vybraých rvků bude malý, tak výsledek okusu bude málo ovlivě vraceím. Pokud 0,1, tak lze Hyergeometrické rozděleí ahradit Biomickým. M H(,M,) Bi(, )