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



Podobné dokumenty
12. N á h o d n ý v ý b ě r

V. Normální rozdělení

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

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

PRAVDĚPODOBNOST A STATISTIKA

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

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

Pravděpodobnost a aplikovaná statistika

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ

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

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

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ

Popisná statistika. Zdeněk Janák 9. prosince 2007

Pravděpodobnost a aplikovaná statistika

Odhady parametrů 1. Odhady parametrů

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

Pojem času ve finančním rozhodování podniku

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

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

Náhodný výběr 1. Náhodný výběr

8. Odhady parametrů rozdělení pravděpodobnosti

Statistika pro metrologii

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

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

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

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

Elementární zpracování statistického souboru

PRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA

Pravděpodobnost a statistika Výpisky z cvičení Ondřeje Chocholy

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

Kvantily. Problems on statistics.nb 1

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

8.2.1 Aritmetická posloupnost

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL

z možností, jak tuto veličinu charakterizovat, je určit součet

Intervalové odhady parametrů některých rozdělení.

17. Statistické hypotézy parametrické testy

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

PRAVDĚPODOBNOST A STATISTIKA

MATICOVÉ HRY MATICOVÝCH HER

1 PSE Definice základních pojmů. (ω je elementární jev: A ω (A ω) nebo (A );

Spolehlivost a diagnostika

8.2.1 Aritmetická posloupnost I

Deskriptivní statistika 1

vají statistické metody v biomedicíně

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

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

UPLATNĚNÍ ZKOUŠEK PŘI PROHLÍDKÁCH MOSTŮ

Test hypotézy o parametru π alternativního rozdělení příklad

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

OVMT Přesnost měření a teorie chyb

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test, varianta B)

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE

2. Náhodná veličina. je konečná nebo spočetná množina;

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

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

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

Laboratorní práce č. 10 Úloha č. 9. Polarizace světla a Brownův pohyb:

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test, varianta C)

Vícekanálové čekací systémy

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz:

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

PRAVDĚPODOBNOST ... m n

Pravděpodobnost a statistika - absolutní minumum

2 EXPLORATORNÍ ANALÝZA

MOŽNOSTI STATISTICKÉHO POSOUZENÍ KVANTITATIVNÍCH VÝSLEDKŮ POŽÁRNÍCH ZKOUŠEK PRO POTŘEBY CERTIFIKACE A POSUZOVÁNÍ SHODY VÝROBKŮ

I. Výpočet čisté současné hodnoty upravené

Intervalové odhady parametrů

Pravděpodobnostní modely

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

Mendelova univerzita v Brně Statistika projekt

Úloha II.S... odhadnutelná

[ jednotky ] Chyby měření

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

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

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

AMC/IEM J - HMOTNOST A VYVÁŽENÍ

2 STEJNORODOST BETONU KONSTRUKCE

Lineární a adaptivní zpracování dat. 8. Modely časových řad I.

můžeme toto číslo považovat za pravděpodobnost jevu A.

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

4EK311 Operační výzkum. 4. Distribuční úlohy LP část 2

IAJCE Přednáška č. 12

2,3 ČTYŘI STANDARDNÍ METODY I, ČTYŘI STANDARDNÍ METODY II

PRAVDĚPODOBNOST A STATISTIKA. Bodové a intervalové odhady

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

Katedra pravděpodobnosti a matematické statistiky. χ 2 test nezávislosti

Vzorový příklad na rozhodování BPH_ZMAN

Ing. Pavel Hánek, Ph.D. Náčrt

Národní informační středisko pro podporu jakosti

8. Základy statistiky. 8.1 Statistický soubor

Prorážka DOC. ING. PAVEL HÁNEK, CSC. Uvedené materiály jsou doplňkem přednášek předmětu 154GP10

Aritmetická posloupnost, posloupnost rostoucí a klesající Posloupnosti

P2: Statistické zpracování dat

Náhodné jevy a pravděpodobnost

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

3. Charakteristiky a parametry náhodných veličin

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

Transkript:

Příklad 6: Z Prahy do Athé je 50 km V Praze byl osaze válec auta ovou svíčkou, jejíž životost má ormálí rozděleí s průměrem 0000 km a směrodatou odchylkou 3000 km Jaká je pravděpodobost, že automobil překoá vzdáleost tam i zpět, aiž bude uto tuto svíčku měit? N(µ,σ ) µ 0 000 σ 3 000 σ 3 000 50 0000 P(X > 50) P(U > ) P(U >,9) 3000 φ(,9) [ φ(,9)] φ(,9) 0,98 Příklad : Při provozu balícího automatu vzikají během směy áhodé poruchy Ze zkušeostí víme, že během směy dochází v průměru ke poruchám Jaká je pravděpodobost, že během 4 hodi (třísměého provozu) edojde ai jedou k poruše? Po(λ) poruchy za směu za 3 směy 3 6 poruch očekávaá hodota λ 6 - e λ k -6 0 λ e 6-6 P(X k) P(X 0) e 0, 0048 k! 0! Příklad 4: Pravděpodobost, že hasící systém továry (jev A) selže, je 0%, pravděpodobost, že selže poplachové zařízeí (jev B), je 0% a pravděpodobost, že selžou oba ajedou (A průik B), je 4% Jaká je pravděpodobost, že: a) Alespoň jede bude fugovat? (Doplěk jevu "selžou oba současě") b) Oba dva budou fugovat? B P(A) a + c 0% 0,0 A P(B) b + c 0% 0,0 b c a P(A B) c 4% 0,04 d a) P( A B ) P(A B) a + b + d c 0,04 0,96 b) P( A B ) - P(A B) d 0, 0, + 0,04 0,4

Příklad 5: Je zámo, že 90% výrobků odpovídá stadardu Byla vypracováa zjedodušeá kotrolí zkouška, která u stadardího výrobku dá kladý výsledek s pravděpodobostí 0,95, kdežto u výrobku estadardího s pravděpodobostí 0,0 Jaká je pravděpodobost, že výrobek, u ěhož zkouška dopadla kladě, je stadardí? Výrobek je Stadardí 0,9 je Nestadard 0, oz za Sta 0,95 oz za Nest 0,05 oz za Sta 0, oz za Nest 0,8 A je ozače za stadardí B je Stadardí B je Nestadardí P(B ) 0,90 P(A B ) 0,95 P(A B ) 0,0 P(B P(A B ) P(B ) 0,95 0,9 0,855 A) 0,9 P(A B ) P(B ) + P(A B ) P(B ) 0,95 0,9 + 0, 0, 0,85 Příklad 3: Určitý typ součástek je dodává v sériích po 00 kusech Při přejímací kotrole je z každé série áhodě vybráo 5 výrobků Série je přijata, jestliže mezi kotrolovaými výrobky eí žádý zmetek Jaká je pravděpodobost, že série bude přijata, jestliže obsahuje 0 zmetků? Hy(;M;N) N 00 M 0 N 5 M N - M k - k P(X k) N 0 00-0 0 5-0 P(X 0) 0, 00 5

Příklad 6: Aby sloužila lépe svým izeretům podikla rozhlasová staice zaměřeá a hudebí pořady u 500 posluchačů průzkum za účelem zjištěí, zda dávají předost klasické ebo populárí hudbě Výsledky pozorováí roztříděé podle věku byly ásledující: věk vážá populárí hudba hudba pod 5 let 45 08 5 50 ad 50 let 08 96 Sestrojte 99% iterval spolehlivosti pro podíl mládeže do 5 let, která dává předost populárí hudbě (v rámci celé populace) N 500 53 x 08 α 0,0 u 0,995,58,58 0,0564 0,0949 53 P(- P) 08 p ± u - α p 0, 06 53 P ( - P) p(- p) 0,06 0,94 0,0564 0,60% z 500 353; 9,49% z 500 4; 353 ± 4 (306; 400) Příklad : Podle aalýzy receptů ze stejého emocičího odděleí provedeého v lékárě vyplyulo, že lékař A apsal 0% receptů, z ichž % bylo předepsáo chybě a lékař B apsal 30% receptů, z ichž chybě předepsáa byla % a) Jaká je pravděpodobost chybě apsaého receptu v daém odděleí? b) Je-li recept předepsá chybě, jaká je pravděpodobost, že ho apsal lékař B? Odděleí A 0, B 0,3 Chybě 0,0 Dobře 0,99 Chybě 0,0 Dobře 0,98 A recept je apsá chybě B recept apsal lékař B B recept apsal lékař A a) P(A) 0, 0,0 + 0,3 0,0 0,03 b) P(B P(A B ) P(B ) 0,3 0,0 0,006 A) 0,465 P(A B ) P(B ) + P(A B ) P(B ) 0,0 0,3 + 0,0 0, 0,006 + 0,00 3

Příklad : Oil Exploratio podikla zoufalý hazardí pokus veškeré zbylé fody vložila a pokusých vrtů Šace, že vrt arazí a ropu, je u všech vrtů 0% a jedotlivé vrty jsou avzájem ezávislé Před bakrotem může firmu zachráit je úspěch tří a více vrtů Jaké je šace? Bi(,π) π 0, k 3 i -i P(X k) π ( π ) i k i P(X 3) (P(X0)+ P(X) + P(X)) 0,5583 0,44 Příklad : Uiverzálí peumatiky mají průměrou životost 56 000 mil se směrodatou odchylkou 8 000 mil a ormálí rozděleí a) Jaká je pravděpodobost, že daá peumatika vydrží 50 000 mil a více? b) Kolik procet peumatik vydrží méě ež 50 000 mil? c) Jaká je pravděpodobost, že peumatika bude mít životost od 50 000 do 60 000 mil? d) Jaká je pravděpodobost, že peumatika vydrží více ež 80 000 mil? N(µ,σ ) µ 56 000 σ 8 000 50000 56000 a) P(X > 50000) P(U > ) P(U > 0,5) φ ( 0,5) φ(0,5) 0,33 8000 b) P(X < 50000) 0,33 0,663,% c) 50000 56000 60000 56000 P(50000 < X < 60000) P < U < φ(0,5) φ( 0,5) 8000 8000 φ(0,5) ( φ(0,5)) 0,33 + 0,6946-0,46483 80000 56000 d) P(X > 80000) P(U > ) P(U > 3) φ (3) 0,99865 0,0035 8000 4

Příklad 8: Pojišťova uzavřela 00 životích pojistek s osobami určitého věku, o ichž je v úmrtostích tabulkách zjištěa pravděpodobost dožití dalších deseti let 0,85 Jedorázové pojisté čií 600 Kč a v případě úmrtí do deseti let vyplatí pojišťova pozůstalým 0 000 Kč Jaký zisk z těchto pojistek může za daých podmíek pojišťova očekávat? zisk E(X) pro P(X) x x P(X) 600,- 0,85 360-8 400,- 0,5-60 suma: 00 Zisk zisk pro * počet pojistek 00 00 0 000,- Kč Příklad 4: Pracovík pro odbyt u velké firmy a výrobu léčiv avštíví ročě 3 velkoprodejy s farmaky s 80% pravděpodobostí, že sjedá kotrakt Nechť X je součet všech prodejů za rok (0,, ebo 3) a) Sestavte tabulku rozděleí pravděpodobostí p(x) b) Jaká je pravděpodobost, že sjedá aspoň dva kotrakty? Bi(,π) P(X k) π k ( π ) -k k a) sjedaých P(x) obchodů 0 0,008 0,096 0,384 3 0,5 suma: b) P(x ) P(x) + P(x3) 0,384 + 0,5 0,896 Příklad 3: Z časového símku určité motáží operace vyplývá, že bylo provedeo pozorováí, zjištěý průměr doby trváí operace je průměr x 44 sec a směrodatá odchylka s 4 sec Sestrojte 95% iterval spolehlivosti pro očekávaou délku motáže x 44 σ 4 α 0,05 x ± u α - σ 4 4 44 ± u 0,95 44 ±,96 44 ±,63 (4,3; 46,63) 3 5

Příklad 9: Při průjezdu přes most byla kotrolováa rychlost jízdy 00 vozidel Bylo zjištěo, že 4 vozidel překročilo povoleou rychlost Sestrojte 95% iterval spolehlivosti pro podíl vozidel překračujících a mostě povoleou rychlost 00 x 4 α 0,05 p ± u - α P(- P) 4 p 00 0,4 ( - P) p(- p) 0,4 0,6 0,84 P u 0,95,96 0,84 4 ±,96 4 ± 8,3% 4 ± 8,3 4 ± 8 00 (6; 3) Příklad 6: Z populace USA v roce 980 bylo: 0% z Kaliforie 6% špaělského původu % špaělského původu a z Kaliforie Jaká je pravděpodobost, že áhodě vybraý Američa bude: a) z Kaliforie ebo špaělského původu b) ai z Kaliforie, ai špaělského původu c) špaělského původu, ale e z Kaliforie? A je z Kaliforie B je špaělského původu A a c b B d a) P(A B) P(A) + P(B) P(A B) a + c + b 0, + 0,06 0,0 0,4 b) A B P(A) P(B) + P(A B) d (A B) - 0,- 0,06 + 0,0 0,86 c) P(B A) P(B) - P(A B) b 0,06-0,0 0,04 6

Příklad : Autobusy městské dopravy odjíždějí ze staice v sedmimiutových itervalech Cestující může přijít a staici v libovolém okamžiku a) Jaká je pravděpodobost, že bude čekat méě ež miuty? b) Jaká je středí hodota a rozptyl doby jeho čekáí a odjezd ze staice? 0 < x < f(x) a) P(X 5) dx [ x] 5 5 0, 85 5 x b) E(X) x P(x) x f (x)dx x dx 3, 5 x Ω x ( Ω ) 0 D(X) E x 0 {[ X - E(X) ] } E(X ) - [ E(X) ] 6,333,5 4,0833 3 x E(X ) x dx 3 0 [ E(X) ] 3,5, 5 0 49 6,333 3 Příklad : Předpokládáme, že měsíčí výdaje domácosti a určité potraviářské zboží mají ormálí rozděleí se středí hodotou 90 Kč a směrodatou odchylkou 4 Kč Staovte pravděpodobost překročeí hraice 00 Kč a) pro výdaje áhodě vybraé domácosti, b) pro průměré výdaje třiceti áhodě vybraých domácostí (Věta Lideberg - Lévy o výběrovém průměru) N(µ,σ ) E(X) µ 90 D(X) σ 4 a) N(90,4 ) 00 90 P(X > 00) P U > φ (0,485) 0,65 0,35 4 4 b) x ~ N(90, ) 30 00-90 P(X > 00) P U > φ (3,94) 0,99995 0,00005 4 30