VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA VZORCE PRO 4ST201

Podobné dokumenty
VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA VZORCE PRO 4ST201

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA VZORCE PRO 4ST201

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA. VZORCE PRO 4ST201 a 4ST210

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA. VZORCE PRO 4ST201 a 4ST210

1 3VYSOK KOLA EKONOMICK 0 9 V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravd їpodobnosti STATISTIKA VZORCE PRO 4ST201

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Katedra statistiky a pravděpodobnosti STATISTIKA VZORCE. k bakalářské zkoušce

PRAVDĚPODOBNOST A STATISTIKA. Testy hypotéz

SP2 Korelační analýza. Korelační analýza. Libor Žák

STATISTICKÝ ODHAD A TESTOVÁNÍ PRŮKAZNOSTI EKONOMETRICKÉHO MODELU Výběrové metody Výhody a nevýhody Využití při statistické indukci Rozsah výběru

PRAVDĚPODOBNOST A STATISTIKA

8 DALŠÍ SPOJITÁ ROZDĚLENÍ PRAVDĚPODOBNOSTI

PRAVDĚPODOBNOST A STATISTIKA

Intervalové odhady parametrů některých rozdělení.

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA

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

V. Normální rozdělení

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

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

Interval spolehlivosti pro podíl


SP NV Normalita-vlastnosti


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

Směrnice 1/2011 Statistické vyhodnocování dat, verze 3 Verze 3 je shodná s původní Směrnicí 1/2011 verze 2, za čl. 2.3 je vložen nový odstavec

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2

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

Náhodný výběr 1. Náhodný výběr

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

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

PRAVDĚPODOBNOST A STATISTIKA

8. Analýza rozptylu.

Pravděpodobnost a aplikovaná statistika

8. Odhady parametrů rozdělení pravděpodobnosti

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

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013.

12. N á h o d n ý v ý b ě r

3. Charakteristiky a parametry náhodných veličin

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

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

Geometrické modelování. Diferenciáln

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

Téma 5: Analýza závislostí

Pravděpodobnost a aplikovaná statistika

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

Odhady parametrů 1. Odhady parametrů

Statistická rozdělení

Lineární a adaptivní zpracování dat. 12. Adaptivní filtrace a predikce III.

Téma 4: Výběrová šetření

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

Testujeme hypotézu: proti alternativě. Jednoduché třídění:

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

Statistické metody ve veřejné správě ŘEŠENÉ PŘÍKLADY

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

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

stavební obzor 1 2/

1.6. Srovnání empirických a teoretických parametrů (4.-5.předn.)

Matematická rozcvička pro KMA/MAT1 a KMA/MT1

Odhady a testy hypotéz o regresních přímkách

8 DALŠÍ SPOJITÁ ROZDLENÍ PRAVDPODOBNOSTI

1 Měření závislosti statistických znaků. 1.1 Dvourozměrný statistický soubor

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

5 DISKRÉTNÍ ROZDĚLENÍ PRAVDĚPODOBNOSTI. Čas ke studiu kapitoly: 120 minut. Cíl: Po prostudování tohoto odstavce budete umět:

vají statistické metody v biomedicíně

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

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

B A B A B A B A A B A B B

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

Směrnice 1/2011 Statistické vyhodnocování dat, verze 4 Verze 4 je shodná se Směrnicí 1/2011 verze 3, pouze byla rozšířena o robustní analýzu

Matematická rozcvička pro KMA/MAT1 a KMA/MT1

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

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

14 JEDNODUCHÁ REGRESE. Čas ke studiu kapitoly: 60 minut. Cíl: Po prostudování této kapitoly budete. Výklad:

Parciální diferenciální rovnice. Dirichletova úloha pro Laplaceovu (Poissonovu) rovnici Rovnice vedení tepla

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ

PRAVDĚPODOBNOST A STATISTIKA. Metoda momentů Metoda maximální věrohodnosti

PRAVDĚPODOBNOST A STATISTIKA

Testování statistických hypotéz

Testování statistických hypotéz

n-rozměrné normální rozdělení pravděpodobnosti

Jednoduchá lineární závislost

Intervalové odhady parametrů

} kvantitativní znaky

Limitní věty teorie pravděpodobnosti. Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel

Téma 6: Indexy a diference


Metody zkoumání závislosti numerických proměnných

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

PRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení

3. cvičení 4ST201 - řešení

Spojité (kontinuální) - nap. podle vykázaného zisku, tržeb, náklad Nespojité (diskrétní) - nap. podle potu len v rodin

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

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

1. Parametrické vyjádření přímky Přímku v prostoru můžeme vyjádřit jen parametricky, protože obecná rovnice přímky v prostoru neexistuje.

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

Matematická statistika I přednášky

Dobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze

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

Dva případy chybného rozhodnutí při testování: a) Testační statistika padne mimo obor přijetí nulové H hypotézy O, tj.

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

Transkript:

VYOKÁ ŠKOLA EKONOMICKÁ V RAZE FAKULTA INFORMATIKY A TATITIKY Kaedra a a ravděodobo TATITIKA VZORCE RO 4T verze 4. oledí aualzace: 6.8.6 KT 6

oá aa oá aa =,,..., () ()...,,,, z z z z z H H H G... R = ma m ) ( V

ravděodobo oče ravděodobo A m A ( A) ravděodobo ( AB) m( ( A ), ( B)) ( AB) ( A) ( B) ( A B) ( A) ( B) ( AB) ( AB) ( A) ( B ) Náhodé velč ( X ) F ( X ) ( ) ( X ) F( ) F( ) E( X ) ( ) D( X ) DX f F( ) f d F ( X ) f d X F( ) F( ) f d, F F E( X ) f d DX D( X ) f d f d ravděodoboí rozděleí Aleraví rozděleí A[] ) ( =,, E( X ) D( X ) ( ) Bomcé rozděleí B[ ; ],,,...,,, E( X ) D( X ) ( ) ooovo rozděleí o[] () e!,,...,, E( X ) D( X )

Hergeomercé rozděleí H[N;M;] ravděodobo M N M (, ma(,m N ),..., m(m, ), >, N, M N N ) M M M N E( X ) D( X ) N N N N Normovaé ormálí rozděleí N [;] u, ( u) ( u) u u E( U ) D( U) Normálí rozděleí [ ; ] Nµ, µ, > E( X ) D( X ) u F ( u) X ( X ) u ( u U u ) ( u ) ( u ) Chí-vadrá rozděleí [], N Rozděleí (udeovo) [], N [ ] [ ] F - rozděleí (Fherovo- edecorovo) F[;],, N, F [ ; ] F [ ; ]

Maemacá aa odhad ( ) Odhad aramerů ředí hodoa e μ = ˆ e Nμ = N ormálí rozděleí a) zámé u / u / u, u b) ezámé / [ ] / [ ] [ ], [ ] obecé rozděleí, ezámé, velý výběr ( > 3) u E X u / / u E( X ), E( X ) u rozl (ormálí rozděleí) e ˆ aramer aleravího rozděleí (odhad relaví čeo záladího ouboru) e π = ˆ = e Nπ = N ( ) ( ) u / u / ( ) ( ) u, u 4

Teováí hoéz ředí hodoa ormálího rozděleí eováí hoéz H H Teové rérum Krcý obor > < zámé ( ) U ezámé T U ~ N[;] ( ) ředí hodoa, obecé rozděleí, velý výběr T ~ [ ] Wα={u; u u } Wα={u; u u } Wα={u; u u /} Wα={; } Wα={; } Wα={; /} H H Teové rérum Krcý obor EX EX EX EX ezámé ( > 3) U ( ) U N[;] aramer aleravího rozděleí (velé výběr Wα={u; u u } Wα={u; u u } Wα={u; u u /} H H Teové rérum Krcý obor U U N[;] ) ( Rovo ředích hodo dvou rozděleí velé ezávlé výběr H H Teové rérum Krcý obor ( ) E( X ), E( X ) D( X ), D( X ), ezámé U U N[;] závlé výběr z ormálího rozděleí (árový -e) Wα={u; u u } Wα={u; u u } Wα={u; u u /} Wα={u; u u } Wα={u; u u } Wα={u; u u /} H H Teové rérum Krcý obor ( ) > < Chí-vadrá e dobré hod T d d T ~ [ ] d =, =,,..., Wα={; } Wα={; } Wα={ ; /} H a H Teové rérum Krcý obor H:,,, G H: o ( H, ), G [ ] W { G; G }, 5

Aalýza závloí Kogečí abula (r ). j j. j r j.. j j j 5 aalýza závloí H H Teové rérum Krcý obor j. o. j H r ( j j ) r G j ( ) G r W { G; G } j j C G G G V, m = m (r, ) ( m ) r ( ) G.... Aalýza rozlu j =.m +.ν. m. j j,m j H H Teové rérum Krcý obor... o H F m. v. F ~ F[ ; ] W { F ; F F } Regree a orelace regreí říma, Y b b. b,b b b m. b b b b

aalýza závloí Jé regreí fuce Y b b b Y b b b... b T Y R Y e = R + T R R R = R R R I T ADJ ADJ ( ) I R I Te hoéz o regreích aramerech H H Teové rérum Krcý obor = b T T ~ [ ] W { ; / } b Te o modelu ( = + ) H H Teové rérum Krcý obor = c =... = o H T F R W { ; F ~ F[ ; ] F F F } Korelačí oefce r r Te o ulovo orelačího oefceu H H Teové rérum Krcý obor r T r T ~ [ ] W ; a /

Čaové řad čaové řad 3 d d... d d d... d = - 3... I/ I I I... I I/ I / / 3/ / Klouzavé růměr m = + /...... m m =.. m m Deomozce čaové řad T C T C ˆT b b T T ˆT b b b M ( ˆ T ) e E D ( e e ) e Regreí meoda umělým roměým (leárí red, ezóo dél 4) T 3 3 a a a3 a 4 j a a,,, 3 4 4 4j a ˆT ( b a ) b 8

Ideí aalýza deí aalýza Q = q IQ I Iq q Q I Iq q q q IQ Q Q Q q Q q Iq. q q I(Σ q) q q q Q q IQ. Q Q I(Σ Q) Iq Q Q q Q Q Q q Q q q I Q q Q q q Q IQ Δ( q ) q q ( Q ) Q Q q q q q q I. q I. Q ( L) I q q Q q q Q I q q Q I I I I. I ( F ) ( L ) ( ) q Iq. q Iq. Q ( L) Iq q q Q q q Q q q Q Iq Iq Iq Iq Iq Iq ( F ) ( L) 9