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

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

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

PRAVDĚPODOBNOST A STATISTIKA

Přednáška č. 2 náhodné veličiny

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA

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

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

Po prostudování tohoto odstavce budete umt porozumt konstrukci F-pomru rozhodovat se pomocí testu zvaného analýza rozptylu

Odhady parametrů 1. Odhady parametrů

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

8. Zákony velkých čísel

Statistická rozdělení

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

Digitální učební materiál

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013.

[ jednotky ] Chyby měření

Generování dvojrozměrných rozdělení pomocí copulí

Doc. Ing. Dagmar Blatná, CSc.

Metodika: Goniometrický tvar komplexního ísla, binomická rovnice

2. TEORIE PRAVDĚPODOBNOSTI

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a)

Náhodné jevy, jevové pole, pravděpodobnost

Výsledky této ásti regresní analýzy jsou asto na výstupu z poítae prezentovány ve form tabulky analýzy rozptylu.

3. Charakteristiky a parametry náhodných veličin

k(k + 1) = A k + B. s n = n 1 n + 1 = = 3. = ln 2 + ln. 2 + ln

1 Popis statistických dat. 1.1 Popis nominálních a ordinálních znaků

Testování statistických hypotéz

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

STATISTICKÁ ANALÝZA. Doc. RNDr. Zden k Karpíšek, CSc. P ehledový u ební text pro doktorské studium. Vysoké u ení technické v Brn

NEPARAMETRICKÉ METODY

Pravděpodobnost a aplikovaná statistika

VÁŽENÝ ARITMETICKÝ PRŮMĚR S REÁLNÝMI VAHAMI

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

a další charakteristikou je četnost výběrového souboru n.

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

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

3. Charakteristiky a parametry náhodných veličin

n 3 lim 3 1 = lim Je vidět, že posloupnost je neklesající, tedy z Leibnize řada konverguje, ( 1) k 1 k=1

3. cvičení 4ST201 - řešení

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz:

P1: Úvod do experimentálních metod

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT

6 VYBRANÁ ROZDLENÍ DISKRÉTNÍ NÁHODNÉ VELIINY

2. Vícekriteriální a cílové programování

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

Mendelova univerzita v Brně Statistika projekt

PRAVDĚPODOBNOST A STATISTIKA

Petr Šedivý Šedivá matematika

8. Odhady parametrů rozdělení pravděpodobnosti

10.2 VÁŽENÝ ARITMETICKÝ PRŮMĚR

Lineární regrese ( ) 2

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

PRAVDĚPODOBNOST A STATISTIKA

Náhoda. Pravděpodobnost výhry při sázce na barvu: p = 18/37 = 0,486 Průměrný zisk při n sázkách částky č: - n.č + 2.č.n.p = n.č.

P. Girg. 23. listopadu 2012

Základy teorie pravděpodobnosti a teorie grafů

12. Neparametrické hypotézy

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

4. Opakované pokusy a Bernoulliho schema

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

4.2 Elementární statistické zpracování Rozdělení četností

PRAVDĚPODOBNOST A STATISTIKA. Bodové a intervalové odhady

Spolehlivost a diagnostika

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

PŘÍKLAD NA VÁŽENÝ ARITMETICKÝ PRŮMĚR Z INTERVALOVÉHO ROZDĚLENÍ ČETNOSTI

a) Hypotézy o parametru jedné populace (o stední hodnot, mediánu, rozptylu, relativní

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

9 Kombinatorika, teorie pravděpodobnosti a matematická statistika

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

Jednotlivé mezivýsledky, získané v prbhu analýzy rozptylu, jsou prbžn a systematicky zaznamenávány v tabulce ANOVA. Prmrný tverec. volnosti SS B.

Statistické charakteristiky (míry)

Intervalové odhady parametrů

8.1.2 Vzorec pro n-tý člen

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

Intervalové odhady parametrů některých rozdělení.

- metody, kterými lze z napozorovaných hodnot NV získat co nejlepší odhady neznámých parametrů jejího rozdělení.

Úvod do teorie měření

U. Jestliže lineární zobrazení Df x n n

Domácí práce z p edm tu D01M6F Statistika

Náhodným (stochastickým) procesem nazveme zobrazení, které každé hodnot X t. Promnná t má ve vtšin pípad význam asu. je spojitá,

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

IV. NEJISTOTY MENÍ A ZPRACOVÁNÍ VÝSLEDK

je hustota pravdpodobnosti nebo pravdpodobnostní funkce náhodného výbru X (X 1, X 2,, X n ). , jako odhad. Nech f ( x;θ)

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

1 EXPLORATORNÍ ANALÝZA PROMNNÝCH. as ke studiu kapitoly: 120 minut. Cíl: Po prostudování této kapitoly budete umt použít

Metody zkoumání závislosti numerických proměnných

MA1: Cvičné příklady posloupnosti, řady, mocninné řady Stručná řešení

DISKRÉTNÍ MATEMATIKA II

Univerzita Karlova v Praze Pedagogická fakulta

V. Normální rozdělení

SP NV Normalita-vlastnosti

SP2 Korelační analýza. Korelační analýza. Libor Žák

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

Číselné charakteristiky náhodných veličin

11. Časové řady Pojem a klasifikace časových řad

8.1.2 Vzorec pro n-tý člen

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

6. Posloupnosti a jejich limity, řady

Transkript:

Ig. Marta Ltschmaová Statsta I., cveí 8 LIMITNÍ VTY Lmtí vty jsou tvrzeí, terá jsou dležtá pro pops pravdpodobostích model v pípad rostoucího potu áhodých pous.. ro oretac v této problematce jsme se sezáml s ola ovým pojmy: Jestlže posloupost áhodých vel overguje podle pravdpodobost áhodé vel, pa: ε > 0 : lm < ε ( Jestlže posloupost áhodých vel { } overguje áhodé vel v dstrbuc, pa: lm ( x F( x, F F(x v tomto pípad azýváme asymptotcou dstrbuí fucí. Velce hrubý odhad pravdpodobost odchyly áhodé vely od její stedí hodoty ám umožuje ebyševova erovost: ε > 0 : D ε ( E ε Chceme-l odhadout pravdpodobost, že odchyla áhodé vely od její stedí hodoty je ásobem smrodaté odchyly ( σ, pa použjeme upraveou verz ebyševovy erovost, dy za dosadíme.: σ, > 0 : ( E σ Kovergec prmru v posloupost ezávslých vel se zabývá záo velých ísel, terý íá, že prmr ezávslých áhodých vel se stejým stedím hodotam overguje podle pravdpodobost jejch stedí hodot. Dsledem záoa velých ísel je Beroullho vta. Beroullho vta íá, že relatví etost sledovaého jevu overguje podle pravdpodobost jeho pravdpodobost. To ám umožuje expermetál odhadovat ezámou pravdpodobost pomocí pozorovaé relatví etost (vz. lascá defce pravdpodobost. Kovergecí rozdleí ormálímu rozdleí se zabývá cetrálí lmtí vta, terá má dv dílí formulace: Ldebergovu-Lévyho vtu a Movreovo-Laplaceovu vtu. Ldebergova-Lévyho vta íá, že pro dost velé má souet prmr áhodých vel se stejým rozdleím, stejým prmrem a stejým rozptylem pblž ormálí rozdleí: Jestlže,,, jsou ezávslé áhodé vely se stejým (lbovolým rozdleím, stejým stedím hodotam E E E µ a se stejým (oeým rozptyly D D D, pa platí: σ - -

Ig. Marta Ltschmaová Statsta I., cveí N ( µ ; σ N µ ; σ Movreova-Laplaceova vta vyjaduje overgec bomcého rozdleí ormálímu rozdleí: Nech B( ; p, pa: pro dostate velá : N( p; p( p emž pomr dobré výsledy dává tato aproxmace v pípad, že: p ( p > ebo m { p ; ( p } > 5 Mez dležté aplace cetrálí lmtí vty pa patí možost aproxmace výbrové relatví etost ormálím rozdleím: ( π π p Nπ ;, možost aproxmace ossoova rozdleí rozdleím ormálím: Nech o( λt rozdleím s parametry: N( λ t, λt, pa pro dostate velé t mžeme aproxmovat ormálím a možost aproxmace prmrého potu událost za asovou jedotu ormálím rozdleím: λ Nech Y je prmrý poet výsytu událost za asovou jedotu, pa: Y Nλ, t Na závr zbývá ppomeout, že chceme-l dostat co ejlepší výsledy p aproxmac dsrétího rozdleí rozdleím spojtým, ezapomeeme p výpotech a opravu a spojtost. 8.. Odhadte pravdpodobost, že áhodá vela je od své stedí hodoty vzdáleá o více ež 3. ešeí: ( E 3 σ ( 0, σ > 0 : 3 Hledaá pravdpodobost eperauje %. (Je to opravdu hrubý odhad, srovejte s s pravdlem 6 sgma platým pro ormálí rozdleí. - 3 -

Ig. Marta Ltschmaová Statsta I., cveí 8.. ravdpodobost vyrobeí zmetu je 0,5. Odhadte pravdpodobost, že p vyrobeí 000 výrob bude 400 600 zmet. ešeí:... poet zmet v 000 výrobcích, proto: B ( 000 ;0,5 E. p 500; D. p. ( p 50; σ D 50 ravdpodobost, že poet zmet bude v rozmezí 400 až 600 lze vyjádt ve tvaru: ( 400 < < 600 ( 500 < 00 ( 500 00 Vyjádíme-l s povoleou odchylu od stedí hodoty (00 jao ásobe smrodaté odchyly ( 50, mžeme z ebyševovy erovost zjstt, že: 00 50 0000 ( 500 00 500 50 0, 05 z ehož lze jedoduše odvodt, že: 50 00 50 ( 400 < < 600 > 0, 75 (Je-l ( 500 00 0, 05, pa ( 500 00 > 0,75 ( 0,05 ppomeme, že jde o velce hrubý odhad.,. Zovu s 8.3. Dlouhodobým przumem bylo zjšto, že doba potebá objeveí a odstraí poruchy stroje má stedí hodotu 40 mut a smrodatou odchylu 30 mut. Jaá je pravdpodobost, že doba potebá objeveí a opraveí 00 poruch eperoí 70 hod? ešeí:... doba potebá objeveí a odstraí -té poruchy Víme, že: E 40 mut a D 30 mut, rozdleí áhodé vely ezáme... celová doba do objeveí sté poruchy 00 Na zálad Ldebergovy-Lévyho vty víme, že souet áhodých vel se stejým rozdleím (emusíme vdt jaým, stejým stedím hodotam a stejým rozptyly mžeme aproxmovat ormálím rozdleím s parametry: µ E, σ D, proto: - 4 -

Ig. Marta Ltschmaová Statsta I., cveí N ( 00 40;00 30 Nyí jž eí problém urt hledaou pravdpodobost (esmíme je zapomeout a užíváí stejých jedote, v ašem pípad mut (70h 400 mut: 400 4000 ( < 400 F( 400 Φ Φ( 0,67 0, 74 0000 8.4. Žvotost eletrcého holícího stroju Adam má expoecálí rozdleí se stedí hodotou roy. Urete pravdpodobost, že prmrá žvotost 50-t prodaých stroj Adam bude vyšší ež 7 msíc. ešeí:... žvotost -tého holícího stroju Adam λ λ... prmrá žvotost 50-t stroj Adam Exp E roy ro D λ 4 ro 50 50 50 50 Z Ldebergovy-Lévyho vty víme, že: N µ ; σ V ašem pípad: 50 4 N; 50 50 Nyí, dyž záme rozdleí prmré žvotost 50-t stroj Adam, mžeme ešeí doot (7 msíc,5 ro:,5 (,5 (,5 > F Φ Φ(,53 0,37 0, 063 4 50 8.5. Na telefoí ústedu je apojeo úastí. Každý z ch bude volat telefoí ústedu bhem hody s pravdpodobostí 0%. Jaá je pravdpodobost, že bhem ásledující hody zavolá ústedu: - 5 -

Ig. Marta Ltschmaová Statsta I., cveí a práv 300 úastí? b více ež 30 úastí? c mez 00 a 450 úastíy(vet? ešeí: poet úastí volajících ústedu bhem ásledující hody (z Z defce áhodé vely je zejmé, že má bomcé rozdleí: B( ;0, jehož pravdpodobostí fuce je: ( p ( p! 300 0, 300 700! 300! 300 0, 0, 0, ada ( ( ( 300 ( 300 ( 700, Zde arážíme a problém. S pomocí alulay edoážeme urt žádý z výše uvedeých fatorál. roto v tomto pípad provedeme alespo pblžý výpoet (aproxmac. Z Movreovy-Laplaceovy vty víme, že bomcé rozdleí mžeme aproxmovat rozdleím ormálím: Movreova-Laplaceova vta: Nech B( ; p ; E p; D p( - p N( p; p( p, pa dostate velá : V ašem pípad: B ( ;0, ; E 0, 300; D 0, 0, 70, proto mohu aproxmovat ormálím rozdleím s parametry 300; 70 N(300;70 Nyí musíme vyešt ješt jedu omplac. aproxmac dsrétí áhodé vely spojtou dochází tomu, že výpoet pravdpodobostí fuce elze jedoduše provést (pravdpodobostí fuce spojté áhodé vely je ulová. roto se provádí tzv. oprava a spojtost. ( 300 0 Je-l defováo jao poet úastí volajících bhem ásledující hody ústedu, mžeme tvrdt, že pravdpodobost, že píští hodu bude volat 300 úastí je stejá jao pravdpodobost, že bude volat alespo,5 a mé ež 300,5 úastí. (V tervalu,5;300,5 je pouze 300 úastí. - 6 -

Ig. Marta Ltschmaová Statsta I., cveí (,5 < 300,5 ( 300 (,5 < 300,5 jž eí pro spojtou áhodou velu ulová a ta mžeme provést aproxmaí výpoet. Této úprav se íá oprava a spojtost. ( 300 (,5 < 300,5 ( < 300 ( <,5 F Φ ( 300,5 F(,5 ( 0,03 Φ( 0,03 Φ( 0,03 [ Φ( 0,03 ] Φ( 0,03 0,5 0,04 300,5 300,5 300 Φ Φ 70 70 adb ( > 30 ( 0, ( 0, - ( 0, ( 0, 3 30 0 I zde astává problém. Vdíme, že vyísleí píslušých sout (sum by ám zabralo spoustu asu (poud bychom to vbec s pomocí alulay doázal. roto v tomto pípad pstoupíme pblžému výpotu (aproxmac. Nyí mžeme provést pblžý výpoet: ( > 30 ( 30 N(300;70 Zovu astává problém zpsobeý aproxmací dsrétího rozdleí spojtým a proto zde pstoupíme oprav a spojtost: ( > 30 ( 30 ( < 30,5 30,5 300 ( > 30 F(30,5 Φ Φ( 0,64 0,73 0, 6 70 adc ( 00 450 ( 0, ( 0, 450 00 Opt máme ve výše uvedeém vztahu velý poet sítac a vysoé fatorály, proto hledáme pblžý výslede pomocí cetrálí lmtí vty (Movreovy-Laplaceovy vty. Zárove zde budeme provádt opravu a spojtost: - 7 -

Ig. Marta Ltschmaová Statsta I., cveí ( 00 450 ( 450 ( < 00 ( < 450,5 ( < 00 F Φ ( 450,5 F( 00 (,6 Φ( 6,0 Φ(,6 [ Φ( 6,0 ] Φ(,6 + Φ( 6,0 + 450,5 300 00 300 Φ Φ 70 70 oužtá aproxmace ám dává velm dobré výsledy (velm blízé suteým, protože je spla podmía, že: ( p > 7 >. p ( 8.6. Seretáa etra píše a stroj rychlost 50 úhoz / m. této rychlost udlá prmr 3 chyby za 0 mut. Jaá je pravdpodobost, že p 30-t mutovém dtátu udlá více ež 0 chyb? ešeí: Defujme s áhodou velu jao poet chyb v dtátu (za 30 mut. Tato áhodá vela (poet událost v asovém tervalu má ossoovo rozdleí s parametrem t (prmrý poet chyb za 30 mut, E D. 0! o( 0 0! 0 0! ( > 0 ( 0 e e + + + 0,706 0, 4 0 Teto výpoet byl poud pracý. roveme srovávací výpoet pomocí cetrálí lmtí vty: Víme, že ossoovu áhodou velu s parametrem t mžeme aproxmovat pro dostate velá t ormálím rozdleím s parametry: t, t. a: N( ; ( > 0 ( 0 ( < 0,5 F( 0,5 Φ Φ( 0,5 0,6 0,30! 0,5 Vyhodoceí aproxmace pro teto pípad: Aproxmaí postup byl mohem rychlejší, výsledy obou postup se ám lší o,5%, což je as 5% -í chyba (0,05/0,4. - 8 -

Ig. Marta Ltschmaová Statsta I., cveí 8.7. Výletí lu má osost 5000g. Hmotost cestujících je áhodá vela se stedí hodotou 70g a smrodatou odchylou 0g. Kol cestujících mže luem cestovat, aby pravdpodobost petížeí luu byla meší ež 0,00? ešeí: celová hmotost všech cestujících N ( µ ; σ N( 70; 400 ( > 5000 F ( 5000 < 0,00 < 0,00 5000 70 Φ < 0,00 400 0, 3 5000 70 < Φ 400 5000 70 < 400 60 < 70 + 5000 3600 < 400 700000 + 5000000 0 < 4 7036 + 50000 < 64,5 > 7 max 64 luem mže cestovat maxmál 64 osob. - -