PRAVDĚPODOBNOST A STATISTIKA

Podobné dokumenty
PRAVDĚPODOBNOST A STATISTIKA

7 LIMITNÍ VĚTY. Čas ke studiu kapitoly: 70 minut. Cíl:

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

8. Zákony velkých čísel

PRAVDĚPODOBNOST A STATISTIKA

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

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

Náhodné jevy, jevové pole, pravděpodobnost

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST A STATISTIKA. Bodové a intervalové odhady

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA

a další charakteristikou je četnost výběrového souboru n.

SP NV Normalita-vlastnosti

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

Pro orientaci v této problematice jsme se seznámili s nkolika novými pojmy:

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

Náhodný výběr 1. Náhodný výběr

8. Odhady parametrů rozdělení pravděpodobnosti

Odhady parametrů 1. Odhady parametrů

PRAVDĚPODOBNOST A STATISTIKA

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

Intervalové odhady parametrů některých rozdělení.

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013.

procesy II Zuzana 1 Katedra pravděpodobnosti a matematické statistiky Univerzita Karlova v Praze

12. N á h o d n ý v ý b ě r

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i

V. Normální rozdělení

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

Číselné charakteristiky náhodných veličin

n=0 a n, n=0 a n = ±. n=0 n=0 a n diverguje k ±, a píšeme n=0 n=0 b n = t. Pak je konvergentní i řada n=0 (a n + b n ) = s + t. n=0 k a n a platí n=0

Generování dvojrozměrných rozdělení pomocí copulí

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

12. Neparametrické hypotézy

Pravděpodobnost a aplikovaná statistika

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

PRAVDĚPODOBNOST A STATISTIKA

Testy statistických hypotéz

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

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

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz:

je číselná posloupnost. Pro všechna n položme s n = ak. Posloupnost

Spolehlivost a diagnostika

Pravděpodobnost a aplikovaná statistika

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

Metody zkoumání závislosti numerických proměnných

Intervalové odhady parametrů

Přednáška č. 2 náhodné veličiny

S1P Popisná statistika. Popisná statistika. Libor Žák

7 LIMITNÍ VTY. as ke studiu kapitoly: 70 minut. Cíl:

MATICOVÉ HRY MATICOVÝCH HER

6. Posloupnosti a jejich limity, řady

Posloupnosti a číselné řady. n + 1. n n n n. n n n. = lim. n2 sin n! lim. = 0, je lim. lim. lim. 1 + b + b b n) = 1 b

11. Popisná statistika

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

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

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

Nekonečné řady. 1. Nekonečné číselné řady 1.1. Definice. = L L nekonečnou posloupnost reálných čísel. a) Označme { a }

Interval spolehlivosti pro podíl

Mendelova univerzita v Brně Statistika projekt

Výstup a n. Vstup. obrázek 1: Blokové schéma a graf paralelní soustavy

1 Základní pojmy a vlastnosti

Statistická rozdělení

z možností, jak tuto veličinu charakterizovat, je určit součet

3. Charakteristiky a parametry náhodných veličin

6. ČÍSELNÉ POSLOUPNOSTI A ŘADY 6.1. ČÍSELNÉ POSLOUPNOSTI

Přednáška V. Úvod do teorie odhadu. Pojmy a principy teorie odhadu Nestranné odhady Metoda maximální věrohodnosti Průměr vs.

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

STEJNOMĚRNÁ KONVERGENCE POSLOUPNOSTI A ŘADY FUNKCÍ

Úvod do korelační a regresní analýzy

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

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

, jsou naměřené a vypočtené hodnoty závisle

11.1 Úvod. Definice : [MA1-18:P11.1] definujeme pro a C: nedefinujeme: Posloupnosti komplexních čísel

1 Nekonečné řady s nezápornými členy

Úvod do teorie měření

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

Petr Šedivý Šedivá matematika

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

Testování statistických hypotéz

NMAF061, ZS Zápočtová písemná práce VZOR 5. ledna e bx2 x 2 e x2. F (b) =

VY_52_INOVACE_J 05 01

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

Užitečné zdroje příkladů jsou: Materiály ke cvičením z Kalkulu 3 od Kristýny Kuncové:

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ

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

3. Charakteristiky a parametry náhodných veličin

Obsah. 1 Mocninné řady Definice a vlastnosti mocninných řad Rozvoj funkce do mocninné řady Aplikace mocninných řad...

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru

Náhodný výběr, statistiky a bodový odhad

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

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

3. Lineární diferenciální rovnice úvod do teorie

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

UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ANALÝZA DAT. Josef Tvrdík

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

Mocninné řady - sbírka příkladů

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

Transkript:

SP Záko velkých čísel, cetrálí lmtí věta PRAVDĚPODOBNOST A STATISTIKA Lbor Žák

SP Záko velkých čísel, cetrálí lmtí věta Lbor Žák Kovergece podle pravděpodobost Posloupost áhodých proměých,,,, koverguje podle pravděpodobost k číslu a R, jestlže pro každé ε R, ε > 0 platí: lm P a ebo lm P a 0 Posloupost áhodých proměých,, koverguje,, podle pravděpodobost k áhodé velčě, jestlže pro každé ε R, ε > 0 platí: lm P ebo lm P 0 Tato kovergece se také azývá slabá kovergece.

SP Záko velkých čísel, cetrálí lmtí věta Lbor Žák Kovergece podle pravděpodobost Posloupost áhodých proměých,,,, záko velkých čísel, když posloupost Y,, Y, Y, Y E koverguje podle pravděpodobost k číslu 0: Tedy: lm Y 0 ebo lm P P Y 0 0 splňuje slabý, kde

SP Záko velkých čísel, cetrálí lmtí věta Lbor Žák Kovergece podle pravděpodobost Platí: (Čebyševova věta) Nechť posloupost áhodých proměých a) jsou ekorelovaé (po dvou ezávslé) b) mají koečou středí hodotu: c) pro jejch rozptyly D platí: Pak posloupost,,,, E lm 0,,,, splňuje slabý záko velkých čísel. Pokud místo c) je : c) pro jejch rozptyly platí: D c, pak je splěo c) a posloupost,,,, splňuje slabý záko velkých čísel.

SP Záko velkých čísel, cetrálí lmtí věta Lbor Žák Kovergece podle pravděpodobost Platí: (Beroulova věta) Nechť posloupost áhodých proměých a) jsou po dvou ezávslé b) mají Alteratví rozděleí s parametrem p: : ~ A( p) Pak posloupost,,,,, kde koverguje podle pravděpodobost k číslu p.,,,,

SP Záko velkých čísel, cetrálí lmtí věta Lbor Žák Kovergece podle pravděpodobost Platí: Nechť posloupost áhodých proměých a) jsou po dvou ezávslé b) mají stejé rozděleí c) mají koečé středí hodoty a rozptyly: Pak posloupost,,,,,,,, : E splňuje slabý záko velkých čísel. : D Modfkace: Pak posloupost,,,,, kde koverguje podle pravděpodobost k číslu. lm P

SP Záko velkých čísel, cetrálí lmtí věta Lbor Žák Kovergece podle pravděpodobost Platí: (Markova věta) Nechť posloupost áhodých proměých lm D 0 Pak posloupost,,,, (eí potřeba ezávslost).,,,, splňuje slabý záko velkých čísel Platí: (Chčova věta) Nechť posloupost áhodých proměých,,,, a) jsou po dvou ezávslé b) mají stejé rozděleí c) mají koečé středí hodoty: : E Pak posloupost,,,, splňuje slabý záko velkých čísel. Tedy: lm P. Neí potřeba zát formace o rozptylu.

SP Záko velkých čísel, cetrálí lmtí věta Lbor Žák Kovergece skoro jstě Posloupost áhodých proměých skoro jstě k číslu a R, jestlže platí: P,,,, koverguje : lm ( ) a ebo symbolcky zapsaé P lm a Posloupost áhodých proměých,,,, skoro jstě k áhodé velčě, jestlže platí: koverguje P : lm ( ) ( ) ebo symbolcky zapsaé P lm Tato kovergece se také azývá slá kovergece.

SP Záko velkých čísel, cetrálí lmtí věta Lbor Žák Kovergece skoro jstě Posloupost áhodých proměých,,,, záko velkých čísel, když posloupost Y,, Y, Y, Y E koverguje skoro jstě k číslu 0. Tedy P : lmy ( ) 0 splňuje slý, kde

SP Záko velkých čísel, cetrálí lmtí věta Lbor Žák Kovergece skoro jstě Platí: (Kolmogorova věta) Nechť posloupost áhodých proměých,,,, a) jsou po dvou ezávslé b) mají stejé rozděleí c) mají koečé středí hodoty: : E Pak posloupost,,,, splňuje slý záko velkých čísel. Tedy posloupost,,,, koverguje skoro jstě k číslu. P : lm ( )

SP Záko velkých čísel, cetrálí lmtí věta Lbor Žák Kovergece v dstrbuc Posloupost áhodých proměých,,,, s dstrbučím fukcem F x ) koverguje v dstrbuc k číslu a R, jestlže platí: ( x R : lm F kde F a (x) je dstrbučí fukce kostatí áhodé proměé. ( x) F a ( x) Posloupost áhodých proměých s,, dstrbučím,, fukcem F ( x ) koverguje v dstrbuc áhodé velčě s dstrbučí fukcí F(x) jestlže platí: kde C * ( F) I F x C( F) : lm F ( x) F( x) je moža bodů spojtost dstrbučí fukce F(x) Dstrbučí fukce F se azývá asymptotcká dstrbučí fukce.

SP Záko velkých čísel, cetrálí lmtí věta Lbor Žák Kovergece v dstrbuc Platí (cetrálí lmtí věta): Nechť posloupost áhodých proměých a) jsou po dvou ezávslé b) mají stejé rozděleí c) mají koečé středí hodoty a rozptyly: : E : D Pak posloupost stadardzovaých průměrů Y koverguje v dstrbuc k ormovaému ormálímu rozděleí. y C( ) : lm F ( y) ( y) Y,,,, y C( ) : lm P t y e dt y

SP Záko velkých čísel, cetrálí lmtí věta Lbor Žák Kovergece v dstrbuc Platí (cetrálí lmtí věta - modfkace): Nechť posloupost áhodých proměých a) jsou po dvou ezávslé b) mají stejé rozděleí c) mají koečé středí hodoty a rozptyly: : E Pak platí: y C( ) : lm P y ( y) a posloupost průměrů,,,, koverguje v dstrbuc k ormálímu rozděleí N,. y C( F) : lm P y F( y ),,,, : D

SP Záko velkých čísel, cetrálí lmtí věta Lbor Žák Kovergece v dstrbuc Platí (Ljapuovova věta): Nechť posloupost áhodých proměých a) jsou po dvou ezávslé b) c) E S 3 3, D 0, E h,,,, 3 3 3 K K h h lm 0 S Pak posloupost stadardzovaých průměrů Y koverguje v dstrbuc k ormovaému ormálímu rozděleí. y C( ) : lm F ( y) ( y) Y

SP Záko velkých čísel, cetrálí lmtí věta Lbor Žák Kovergece v dstrbuc Platí (Itegrálí Movre-Laplaceova věta): Nechť posloupost áhodých proměých Y,, Y, Y, udává počet úspěchů v ezávslých pokusech s pravděpodobostí úspěchu v. pokuse p. Pak posloupost Z p p( p) koverguje v dstrbuc k ormovaému ormálímu rozděleí. Y y C( ) : lm F ( y) ( y) Pozámka: Movre-Laplaceova věta se používá k aproxmac bomckého rozděleí. Praktcké použtí pro: p( p) 9, p Z

SP Záko velkých čísel, cetrálí lmtí věta Lbor Žák Kovergece v dstrbuc Příklad: Zaměstaec pravdelě cestuje do zaměstá ze zaměstá tramvaj, která jezd každých pět mut. Jeho příchod a zastávku vzhledem k odjezdu tramvaje je zcela áhodý. S jakou pravděpodobost pročeká a cestě tam zpět během 0 pracovích dů méě ež 0 mut? Příklad: Nalezěte přblžou hodotu pravděpodobost toho, že počet šestek, které padou ve 000 hodech homogeí hrací kostkou, bude mez 900 a 00. Příklad: Chceme odhadout ezámy podíl p osob s kreví skupou A v daé velké populac. U kolka osob musíme zjstt skupu, abychom s pravděpodobostí 0,9 odhadl ezámou pravděpodobost s chybou ejvýše 0,05?