1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru

Podobné dokumenty
, jsou naměřené a vypočtené hodnoty závisle

Odhady a testy hypotéz o regresních přímkách

jsou varianty znaku) b) při intervalovém třídění (hodnoty x

Generování dvojrozměrných rozdělení pomocí copulí

1 Měření závislosti statistických znaků. 1.1 Dvourozměrný statistický soubor

Měření závislostí. Statistická závislost číselných znaků

PRAVDĚPODOBNOST A STATISTIKA

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

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

Odhady parametrů 1. Odhady parametrů

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

Úvod do korelační a regresní analýzy

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST A STATISTIKA

Metody zkoumání závislosti numerických proměnných

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz:

1. Základy měření neelektrických veličin

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

12. N á h o d n ý v ý b ě r

[ jednotky ] Chyby měření

S1P Popisná statistika. Popisná statistika. Libor Žák

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

Úvod do teorie měření

11. Regresní analýza. Čas ke studiu kapitoly: 60 minut. Cíl VÝKLAD Úvod

PRAVDĚPODOBNOST A STATISTIKA

STATISTICKÉ MINIMUM PRO STUDENTY BAKALÁŘSKÉHO STUDIA NA TECHNICKÝCH OBORECH BOHUMIL MINAŘÍK

Spolehlivost a diagnostika

11. Časové řady Pojem a klasifikace časových řad

4.2 Elementární statistické zpracování Rozdělení četností

9. Měření závislostí ve statistice Pevná a volná závislost

Lineární regrese ( ) 2

PRAVDĚPODOBNOST A STATISTIKA. Bodové a intervalové odhady

Téma 11 Prostorová soustava sil

PRAVDĚPODOBNOST A STATISTIKA

3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě.

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

Přednáška č. 2 náhodné veličiny

SP2 Korelační analýza. Korelační analýza. Libor Žák

Chyby přímých měření. Úvod

a další charakteristikou je četnost výběrového souboru n.

v. Úkolem regrese (vyrovnání) argumentu y je nalézt vhodnou regresní funkci Y f (x)

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013.

Doc. Ing. Dagmar Blatná, CSc.

Testování statistických hypotéz

Pravděpodobnost a aplikovaná statistika

VY_52_INOVACE_J 05 01

Mendelova univerzita v Brně Statistika projekt

Regresní a korelační analýza

Jednoduchá lineární regrese

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

4.1 Regresní úloha a regresní funkce

V. Normální rozdělení

Téma 2 Přímková a rovinná soustava sil

} kvantitativní znaky

Model poptávky po železniční osobní dopravě Českých drah, a. s. na tuzemském přepravním trhu

Optimalizace portfolia

Náhodný výběr 1. Náhodný výběr

12. Neparametrické hypotézy

Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n

Interpolační křivky. Interpolace pomocí spline křivky. f 1. f 2. f n. x... x 2

PRAVDĚPODOBNOST A STATISTIKA

OVMT Přesnost měření a teorie chyb

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ

III. METODY MĚŘENÍ A ZPRACOVÁNÍ MĚŘENÍ

Intervalové odhady parametrů některých rozdělení.

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

Soustava momentů. k s. Je-li tedy ve vzorci obecného momentu s = 1, získáme vzorec aritmetického průměru.

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

Úvod do zpracování měření

Téma 5: Analýza závislostí

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2

14. Korelace Teoretické základy korelace Způsoby měření závislostí pro různé typy dat

PRAVDĚPODOBNOST A STATISTIKA

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC

Deskriptivní statistika 1

Statistika. Jednotlivé prvky této množiny se nazývají prvky statistického souboru (statistické jednotky).

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ PRÁCE

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

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

Správnost vztahu plyne z věty o rovnosti úhlů s rameny na sebe kolmými (obr. 13).

1.7.4 Těžiště, rovnovážná poloha

APLIKOVANÁ STATISTIKA

MATICOVÉ HRY MATICOVÝCH HER

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

Popisná statistika. Zdeněk Janák 9. prosince 2007

1.3. POLYNOMY. V této kapitole se dozvíte:

PRAVDĚPODOBNOST A STATISTIKA

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

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

} kvantitativní znaky. korelace, regrese. Prof. RNDr. Jana Zvárov. Obecné principy

IV. MKP vynucené kmitání

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

KVALITA REGRESNÍHO MODELU Radek Fajfr

Lineární regresní model (VJ REGMOD-2)

T e c h n i c k á z p r á v a. Pokyn pro vyhodnocení nejistoty měření výsledků kvantitativních zkoušek. Technická zpráva č.

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

Statistická rozdělení

6. Posloupnosti a jejich limity, řady

Pravděpodobnost a aplikovaná statistika

Transkript:

Lekce Normálí rozděleí v rově V této lekc se udeme věovat měřeí korelačí závslost dvojce áhodých velč (dvousložkového áhodého vektoru) Vcházet udeme z ormálího rozděleí pravděpodoost áhodého vektoru v rově Jedím z pět parametrů tohoto rozděleí je korelačí koefcet jako charakterstka tezt závslost dvojce áhodých velč Po zavedeí podmíěých rozděleí dospějeme k podmíěým charakterstkám úrově a varalt Sdružeé regresí přímk ojasíme jako stop vrcholů podmíěých rozděleí (podmíěých středích hodot) v rově áhodých proměých Budeme se zaývat výpočtem výěrových charakterstk statstk z áhodého výěru z ormálího rozděleí v rově výěrového korelačího koefcetu a výěrových sdružeých regresích přímek dvourozměrý áhodý výěr; dvousložkový áhodý vektor; elpsa rozptlu; korelačí koefcet; kovarace; áhodý vektor; ormálí rozděleí v rově; podmíěá hustota; podmíěá středí hodota; regresí koefcet; regresí přímka; sdružeé regresí přímk Rozděleí pravděpodoost dvousložkového áhodého vektoru mohou ýt jejch rozdě- Pro dvojc áhodých velč (dvousložkový áhodý vektor) leí pravděpodoost popsáa: Každé z ch zcela samostatě a zolovaě pomocí ěkteré z fukcí rozděleí pravděpodoost: dstručí pravděpodoostí hustot které jsou fukcem jedé proměé (tak jak jsme je pozal v lekcích o áhodých velčách) a udeme je azývat margálím fukcem Oě společě pomocí ěkteré fukce rozděleí pravděpodoost která je fukcí dvou proměých tj F ( ) P( ) f ( ) Tto fukce se azývají sdružeé smultáí fukce Každé z ch soustavou tzv podmíěých fukcí z chž každá charakterzuje rozděleí pravděpodoost jedé áhodé velč za určtých podmíek kladeých a druhou velču Např pro dvě spojté velč jde o podmíěé hustot f ( ) resp f ( ) Už je ám zámo že zvláštím případem vztahu mez velčam je případ kd (apř pro spojté velč) f ( ) f ( ) f ( ) V tomto případě je-l jejch sdružeá hustota rova souču margálích hustot se jedá o ezávslé velč Podroěj se udeme případem dvojce spojtých áhodých velč zaývat v dalším odstavc o dvourozměrém ormálím rozděleí Musíme také začít rozlšovat očejé charakterstk (středí hodota rozptl aj) každé z velč a sstém podmíěých charakterstk Podmíěé středí hodot E ( ) E( ) měří úroveň vžd jedé z oou velč př splěí podmík kladeé a druhou velču Podoě apř podmíěé rozptl D ( ) D ( ) měří jejch varaltu Normálí rozděleí dvousložkového áhodého vektoru Normálí rozděleí dvou áhodých velč je rozděleí s celkem pět parametr které mají opět úzký vztah k charakterstkám každé z áhodých velč a (avíc) teztě jejch vzájemé závslost: Charakterstkam úrově (středím hodotam) jsou parametr µ µ 6

E ( ) µ E( ) µ Charakterstkam varalt (rozptl) jsou jsou směrodaté odchlk) D ( ) D ( ) (přčemž Korelačí koefcet Charakterstkou tezt závslost oou áhodých velč je pak korelačí koefcet ρ kde je kovarace velč Přtom platí ρ ρ + Kovarace spojté áhodé velč [ E( )][ E( )] f ( dd ) Hustota pravděpodoost ormálího rozděleí v rově je pravdelá zvoovtá plocha (vz or ) s vrcholem v odě o souřadcích µ µ a kde jsou opět parametr měřítka Vodorové řez touto plochou mají růzé tvar v závslost a hodotách a zejméa a hodotě korelačího koefcetu ρ Or Dvourozměré ormálí rozděleí Jsou-l ezávslé áhodé velč ( ρ 0 f ( ) f ( ) f ( ) ) jsou os řezů rovoěžé s osam oou áhodých velč a tvar stop řezu závsí a hodotách směrodatých odchlek Je-l avíc má stopa tvar kružce (vz or ) je-l jde o elpsu Jsou-l áhodé velč aopak závslé ( ρ 0 f ( ) f ( ) f ( ) ) mají řezé stop vžd tvar elps jejíž os jsou akloěé vůč o- sám áhodých velč tzv elpsa rozptlu Svírá-l hlaví osa elps s osam áhodých velč ostré úhl je ρ > 0 a mez velčam je poztví závslost (opět a or ) V opačém případě je ρ < 0 a mez velčam je egatví závslost 0r Kružce a elpsa rozptlu ρ 0 ρ > 0 7

Doplňte orázek o případ ρ ; < ρ < 0 Sdružeé regresí přímk Svslé řez Gaussovou plochou vžd ve směru jedé z os áhodých velč odřezávají jedotlvá podmíěá rozděleí a jejch stop jsou jedotlvé podmíěé hustot f ( ) f ( ) Vrchol podmíěých rozděleí jsou podmíěé středí hodot (vz or 3) E ( ) µ + ρ ( µ ) E( ) µ + ρ ( µ ) Or 3 Podmíěá ormálí rozděleí Podmíěé středí hodot jsou leárím fukcem podmíek a azývají se sdružeé regresí přímk Jejch směrce β ρ β ρ jsou sdružeé regresí koefcet Regresí přímk ajdeme jako stop vrcholů podmíěých rozděleí v rově áhodých velč a můžeme je vdět a or 4 Or 4 Sdružeé regresí přímk E ( ) E ( ) E ( ) E ( ) ρ 0 ρ > 0 8

Doplňte orázek 4 o případ ρ ; < ρ < 0 Zatímco u ormálího rozděleí pokud ρ 0 jsou středí hodot podmíěých rozděleí leárím (regresím) fukcem podmíek jsou jejch rozptl ezávsle a podmíce kostatí a rov D ( ) D ( ) D ( ) D ( ) Příklad Určt sdružeé regresí přímk pro µ 50 µ 00 0 30 ρ 0 5 30 Řešeí: E ( ) 00 + ( 05) ( 50) 00 075( 50) 0 0 E ( ) 50 + ( 05) ( 00) 50 033( 00) 30 Např pro 60 je E ( ) 9 5 zatímco pro 0 je E ( ) 43 4 Ověřte že platí že souč směrc sdružeých regresích přímek je rove ρ Or 5 Graf sdružeých regresích přímek (k příkladu ) E ( ) E ( ) Na or 5 jsou zázorě vpočteé od a oou regresích přímkách Všměte s také průsečíku o- ou přímek Jeho souřadce odpovídají vrcholu dvourozměrého ormálího rozděleí µ 50 µ 00 3 Dvourozměrý áhodý výěr a statstk Dvourozměrý áhodý výěr o rozsahu je tvoře uspořádaým dvojcem áhodých vel- T č a jeho realzace je tvořea uspořádaým dvojcem číselých hodot [ ] Kromě jž z dřívějška zámých výěrových charakterstk (statstk) je výěrová kovarace COV COV ( )( ) a její realzace cov cov ( )( ) T 9

COV Bezrozměrý výěrový korelačí koefcet R R R kde VAR VAR R + měří teztu závslost uvtř áhodého výěru Určtému áhodému výěru přísluší realzace výěrového korelačího koefcetu r kde opět r + cov var var Výěrové regresí koefcet VAR VAR R B R jsou rozměré směr- VAR VAR ce sdružeých regresích přímek a jejch realzace Sdružeé regresí přímk sestavíme jako + B + B ( ) ( ) B var var r r var var a jejch realzace + ( ) + ( ) Teto tvar regresích přímek (který udeme používat adále) se ovkle ozačuje jako trasformovaý Do tzv směrcového tvaru převedeme přímk rozásoeím závork a pravé straě tj kde a ( ) + a + a jsou tzv asolutí čle ( ) + a + Př výpočtu r často praktck postupujeme podle výpočtových vzorců r Příklad Př zkoušeí traktoru l př áhodě voleých otáčkách motoru měře za turodmchadlem teplota vzduchu ve C a tlak v kpa Blo provedeo měřeí a hodot jsou shromáždě v taulce ( C) 85 36 5 88 3 06 95 55 47 76 77 (kpa) 7 93 5 55 99 6 6 93 5 67 33 Vpočteme teztu této závslost pomocí korelačího koefcetu a určíme rovce sdružeých regresích přímek pro vztah mez teplotou vzduchu ve C a tlakem v kpa Vpočteme 54 98034 860 3484 4930 z čehož 55 ; 7 ; var 86; var 66 3 a 4930 55 7 r 09404 ( 98034 55 )( 3484 7 ) 0

4930 55 7 66 3 3458 alteratvě 0 9404 3458 98034 55 86 4930 55 7 86 0657 alteratvě 0 9404 0 657 3484 7 66 3 Všměte s že zároveň platí r Kromě toho s můžeme všmout že r mají zásadě stejá zaméka (rozhoduje zaméko kovarace) Je-l cov 0 aývá korelačí koefcet oě směrce ulové hodot Všměte s že z kostrukce jedotlvých vzorců skutečě vplývá že směrce sdružeých regresích přímek z prcpu emohou mít růzá zaméka a emůže ýt jeda směrce ulová a druhá eulová Sdružeé regresí přímk se ted realzoval ve tvaru 7 + 3458( 55) 55 + 0657( 7) Sdružeé regresí přímk umožňují př zámé hodotě jedé velč staovt očekávaou hodotu druhé velč Teto odhad je tím spolehlvější čím líže je korelačí koefcet jedé z oou svých krajích hodot Po vzoru or 5 proveďte grafcké zázorěí vpočteých sdružeých regresích přímek! Povšměte s souřadc průsečíku těchto přímek Doplňte do grafu aměřeé hodot Přímk převeďte do směrcového tvaru Kolk čí očekávaá hodota tlaku př teplotě 80 C? Kolk čí očekávaá teplota př tlaku 0 kpa? Vpočtěte a ukažte v grafu ( ) Zatímco korelačí koefcet je ezrozměrý a ereaguje a leárí trasformac hodot směrce sdružeých regresích přímek jsou rozměré velč a reagují a leárí trasformac Rozměr rozměr je (u ašeho příkladu kokrétě kpa a C) Pro sdružeý regresí koe- rozměr fcet je tomu aopak Příklad 3 Bude-l teplota místo v Celsových stupích měřea ve F ( F 8 C+3) korelačí koefcet se ezměí ale prví z oou přímek ude mít rovc 66 3 7 + 09404 [ ( 8 55 + 3) ] 8 86 tj 7 + 07477( 3) Určete Zopakujte s reakc charakterstk úrově a varalt áhodé velč (datového souoru) a leárí trasformac rovc sdružeé regresí přímk (teplota je opět v F) ( ) Příklad 4 Bl sledová tetýž vztah mez teplotou ve C ( ) a tlakem v kpa ( ) Z provedeých 0 měřeí př áhodě zvoleých otáčkách motoru l staove tto potřeé hodot 54; 4836; 8; 7790; 077

Proveďte veškeré výpočt po vzoru příkladu ( 3) Tetokrát výjmečě uvádíme hlaví výsledk které udeme opakovaě používat v dalších dvou lekcích: r 0 8439; 09455; 0 753 Σ Jedím z pět parametrů sdružeého ormálího rozděleí v rově je korelačí koefcet Korelačí koefcet měří teztu závslost dvojce ormálě rozděleých áhodých velč je defová jako kovarace děleá součem směrodatých odchlek a aývá hodot v tervalu od do + 3 Stop vrcholů podmíěých rozděleí v rově áhodých velč jsou sdružeé regresí přímk které měří průěh závslost 4 Směrce sdružeých regresích přímek se azývají regresí koefcet 5 Korelačí koefcet a sdružeé regresí přímk jsou rověž výěrovým charakterstkam statstkam které lze staovt pro dvourozměrý áhodý výěr 6 Kokrétímu áhodému výěru pak odpovídají číselé hodot realzace těchto statstk 7 Klíčovou rol sehrává hodota a zaméko kovarace které předurčují vztah mez vpočteým hodotam korelačího koefcetu a s- družeým regresím koefcet ( ) Pro 80 60 6 Pro 0 43 8 ( ) 3 + 88( 7) kotrola (zaokrouhleo) ( 3) Nejdůležtější výsledk jsou uvede přímo u příkladu 0 7477 88 09404 Rozhoděte které z dále uvedeých dvojc mohou a které emohou ýt sdružeým regresím přímkam Pokud ao určete korelačí koefcet a přímk grafck zázorěte Pokud e zdůvoděte kde je cha 0 0( 0) 0 06( 0) 0 0( 0) 0 09( + 0) 0 + 0( 0) 0 09( 0) 0 0 0 0( 0) 0 0 05( 0) 0 ( 0) Sdružé regresí přímk z předchozího úkolu převeďte do směrcového tvaru