ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE

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

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

Deskriptivní statistika 1

Odhady parametrů 1. Odhady parametrů

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

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

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ

Popisná statistika. Zdeněk Janák 9. prosince 2007

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

Pravděpodobnost a aplikovaná statistika

Mendelova univerzita v Brně Statistika projekt

Náhodný výběr 1. Náhodný výběr

Intervalové odhady parametrů některých rozdělení.

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojního inženýrství. Matematika IV. Semestrální práce

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

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

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

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

12. N á h o d n ý v ý b ě r

Pravděpodobnost a aplikovaná statistika

Vzorový příklad na rozhodování BPH_ZMAN

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

Elementární zpracování statistického souboru

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

PRAVDĚPODOBNOST A STATISTIKA

Pravděpodobnost a aplikovaná statistika

vají statistické metody v biomedicíně

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013.

Přednáška VIII. Testování hypotéz o kvantitativních proměnných

Intervalové odhady parametrů

P2: Statistické zpracování dat

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

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

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

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL

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

17. Statistické hypotézy parametrické testy

Pravděpodobnostní model doby setrvání ministra školství ve funkci

Testování statistických hypotéz

PRAVDĚPODOBNOST A STATISTIKA

Katedra pravděpodobnosti a matematické statistiky. χ 2 test nezávislosti

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

7. cvičení 4ST201-řešení

,6 32, ,6 29,7 29,2 35,9 32,6 34,7 35,3

Testujeme hypotézu: proti alternativě. Jednoduché třídění:

8.2.1 Aritmetická posloupnost I

NEPARAMETRICKÉ METODY

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

V. Normální rozdělení

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

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

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

Intervalový odhad. nazveme levostranným intervalem pro odhad parametru Θ. Statistiku. , kde číslo α je blízké nule, nazveme horním

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

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

Závislost slovních znaků

Pravděpodobnostní modely

Kvantily. Problems on statistics.nb 1

Test hypotézy o parametru π alternativního rozdělení příklad

Úloha II.S... odhadnutelná

8.2.1 Aritmetická posloupnost

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ

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

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

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

8. Analýza rozptylu.

TECHNICKÁ UNIVERZITA V LIBERCI

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

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

Iterační výpočty projekt č. 2

PRAVDĚPODOBNOST A STATISTIKA

Základy statistiky. Zpracování pokusných dat Praktické příklady. Kristina Somerlíková

8. Odhady parametrů rozdělení pravděpodobnosti

Mod(x) = 2, Med(x) = = 2

Z mých cvičení dostalo jedničku 6 studentů, dvojku 8 studentů, trojku 16 studentů a čtyřku nebo omluveno 10 studentů.

TECHNICKÁ UNIVERZITA V LIBERCI. Ekonomická fakulta. Semestrální práce. Statistický rozbor dat z dotazníkového šetření školní zadání

PRAVDĚPODOBNOST A STATISTIKA

Národní informační středisko pro podporu jakosti

Úloha III.S... limitní

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

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

Číselné charakteristiky náhodných veličin

VÁŽENÝ ARITMETICKÝ PRŮMĚR S REÁLNÝMI VAHAMI

13 Popisná statistika

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

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2

7. Odhady populačních průměrů a ostatních parametrů populace

STUDIUM MAXWELLOVA ZÁKONA ROZDĚLENÍ RYCHLSOTÍ MOLEKUL POMOCÍ DERIVE 6

KONEČNĚ ROZDĚLENÁ ZPOŽDĚNÍ. POLYNOMICKY ROZDĚLENÉ ZPOŽDĚNÍ.

OVMT Přesnost měření a teorie chyb

Statistika. Poznámky z přednášek

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

Úvod do teorie měření

8. cvičení 4ST201-řešení

Odhad parametrů normálního rozdělení a testy hypotéz o těchto parametrech * Věty o výběru z normálního rozdělení

Metody zkoumání závislosti numerických proměnných

8. Základy statistiky. 8.1 Statistický soubor

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

Testy. Pavel Provinský. 19. listopadu 2013

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

Transkript:

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta dopraví Statistika Semestrálí práce Zdražováí pohoých hmot Jméa: Martia Jelíková, Jakub Štoudek Studijí skupia: 2 37 Rok: 2012/2013

Obsah Úvod... 2 Použité začeí... 3 Naměřeé hodoty... 3 Bodový odhad... 4 Itervalový odhad... 5 Test hypotéz... 6 Závěr... 7 Použité zdroje... 8 Sezam příloh... 9 Příloha č. 1 Bodový odhad... 10 Příloha č. 2 Itervalový odhad... 11 Příloha č. 3 Test hypotéz... 12 1

Úvod Semestrálí práce z předmětu Statistika zkoumá, jak řidiči reagují a zdražováí pohoých hmot. Našim úkolem je zjistit, jak moc cea pohoé hmoty ovliví počet ajetých kilometrů. Přesěji jaká je mezí cea, kterou jsou lidé ochoti zaplatit za jede litr, ež začou omezovat svůj počet ajetých kilometrů, popřípadě využívat jié dopraví prostředky. Hodoty použité v této práci jsme získali z dotazíkového šetřeí zveřejěého a iteretu. Data jsme zpracovali pomocí matematických metod a vzorců za pomoci počítačového programu MATLAB. Použité příkazy jsou v závěru práce jako přílohy. Program MATLAB ám umožil výpočty, jako je itervalový odhad, bodový odhad a test hypotéz. 2

Použité začeí: µ - středí hodota s - směrodatá odchylka t - studetovo rozděleí α - hladia výzamosti - počet x - aritmetický průměr s 2 - výběrový rozptyl m o - modus m e - mediá Naměřeé hodoty: Jak je již výše zmíěo, pomocí dotazíku jsme zjistili potřebé hodoty. Vyšla ám tříděá data, kde x jsou cey zdražováí a y je četost a z ich jsme ásledě dopočetli: zvýšeí cey o x = [5,15,25] četost y = [42,85,94] celkový počet = 221 aritmetický průměr x = 17,3529 modus m o = 20 mediá m e = 15 3

Bodový odhad Z použitých zdrojů jsme si dohledali vzoreček a výpočet odhadu středí hodoty, který je a dále vzoreček a odhad rozptylu: μ = x = 1 i=1 x i σ 2 = s 2 = 1 x i x 2 i=1 Výpočet X = [5,15,25] Y = [42,85,94 = 221 Středí hodota x = 1 x i i=1 x = 17,3529 Rozptyl a směrodatá odchylka s 2 = 1 x i x 2 i=1 s 2 = 56,0028 s = 7,4835 Výsledek Vypočetli jsme, že bodový rozptyl vychází x = (17,3526 ± 7,4835) Kč, což je zdražeí, při kterém by spotřebitelé rapidě omezili spotřebu. 4

Itervalový odhad Vzorec pro výpočet je odhad středí hodoty µ, ale áš případ je kdy ezáme σ 2, z toho důvodu použijeme tyto vzorce: x μ s ~t 1 p tα 2 x μ s tα 2 = 1 α x tα 2 s μ x + tα 2 s Výpočet X = [5,15,25] Y = [42,85,94 = 221 Itervalový odhad α = 5% s = 7,5004 x = 17,3529 tα 2 = 1,9708 = 221 μ = 17,3529 1,9708 7,5004 7,5004 ; 17,3529 + 1,9708 221 221 μ = 16,3586; 18,3473 Výsledek Itervalový odhad a hraici 95 % ám vyšel μ = 16,3586; 18,3473 Kč, teto iterval představuje zdražeí v koruách, kdy by lidé omezili spotřebu pohoých hmot. 5

Test hypotéz Pro test hypotéz se využívá ásledující vzorec, ze kterého ám vyjde iterval, a s ím porováme zvoleé zdražeí a určíme, zda hypotézu zamíteme ebo aopak. p 0 x μ s t 2 = 1 α Hypotéza zdražeí H 0 = 25 Kč/l H A = zpožděí > 25 Kč/l Výpočet X = [5,15,25] Y = [42,85,94 = 221 Itervalový odhad α = 5% s = 7,5004 x = 17,3529 tα 2 = 1,9708 = 221 μ = 17,3529 1,9708 7,5004 221 ; μ = 16,3586, Výsledek Hypotéza zdražeí ám ukázala, že H 0 ezamítáme, eboť zdražeí o 25 Kč/l spadá do vypočteého itervalu, který ám vyšel μ = 16,3586, Kč. 6

Závěr Semestrálí práce z předmětu Statistika byla velmi zajímavá, eboť zvoleé téma této práce je velmi aktuálí a v deší době tuto problematiku řeší téměř každý. Zdražováí pohoých hmot je velmi často zmiňovaé téma eje u ás v médiích, ale i v celém světě. Naše práce ukázala, že i kdyby adále cea pohoých hmot rostla, lidé by ji i přesto dále kupovali, což je celkem logické, eboť mozí z ich musejí dojíždět za prací. Omezili by počet ajetých kilometrů, až v případě kdyby cea vzrostla o téměř 20 Kč za litr. Spotřebitelé by byli ochoti jezdit beze změy až do té doby, kdy by cea jedoho litru pohoých hmot stála 55 Kč, pak by svoji spotřebu začali výrazě omezovat. 7

Použité zdroje HÁTLE, J., LIKĚŠ, J.: Základy počtu pravděpodobosti a matematické statistiky. SNTL Alfa, 1972 www.fd.cvut.cz/persoal/agyiva/prpstat/stat/statistika 8

Sezam příloh Příloha č. 1 Bodový odhad Příloha č. 2 Itervalový odhad Příloha č. 3 Test hypotéz 9

Příloha č. 1 Bodový odhad %% BODOVY ODHAD X=[5,15,25] Y=[42,85,94] =sum(y); mesice %jedotlive zdrazei %cetost %pocet lidi kteri zmei pocet ujetych km Sx=X*Y' %soucet Sx=3835 prumer=1/*sx %bodovy odhad, metoda maximali verohodosti, Gaussovo-ormali rozdelei prumer=17.3529 Z=[5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 25 25] %etridea data S2=1/*sum((Z-prumer).^2) %rozptyl S2=56.0028 S=sqrt(S2) S=7.4835 %smerodata odchylka 10

Příloha č. 2 Itervalový odhad %% INTERVALOVY ODHAD X=[5,15,25] Y=[42,85,94] %jedotlive zdrazei %cetost Z=[5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 25 25] %etridea data =legth(z); mesice t=t_iv(1-0.025,-1) vyzamosti 5% t=1.9708 prumer=mea(z) prumer=17.3529 S=std(Z) S=7.5004 %pocet lidi kteri zmei pocet ujetych km %studetovo rozdelei, a hraici %prumer %smerodata odchylka itervalovy_odhad=[prumer-s/sqrt()*t,prumer+s/sqrt()*t] %itervalovvy odhad itervalovy_odhad=<16.3586,18.3473> 11

Příloha č. 3 Test hypotéz %% TEST HYPOTEZY X=[5,15,25] Y=[42,85,94] %jedotlive zdrazei %cetost Z=[5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 25 25] %etridea data =legth(z); mesice t=t_iv(1-0.025,-1) vyzamosti 5% t=1.9708 prumer=mea(z) prumer=17.3529 S=std(Z) S=7.5004 %pocet lidi kteri zmei pocet ujetych km %studetovo rozdelei, a hraici %prumer %smerodata odchylka hypoteza=[prumer-s/sqrt()*t,if.] hypoteza=<16.3586,if) 12