NUMP403 (Pravděpodobnost a Matematická statistika I)

Podobné dokumenty
Příklady: - počet členů dané domácnosti - počet zákazníků ve frontě - počet pokusů do padnutí čísla šest - životnost televizoru - věk člověka

Alternativní rozdělení. Alternativní rozdělení. Binomické rozdělení. Binomické rozdělení

Pravděpodobnost a statistika (BI-PST) Cvičení č. 4

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC

6 5 = 0, = 0, = 0, = 0, 0032

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC

(iv) D - vybíráme 2 koule a ty mají různou barvu.

Základy teorie pravděpodobnosti

PRAVDĚPODOBNOST A STATISTIKA

Pravděpodobnost a statistika I KMA/K413

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC

PRAVDĚPODOBNOST A STATISTIKA

Minikurz aplikované statistiky. Minikurz aplikované statistiky p.1

Definice spojité náhodné veličiny zjednodušená verze

Náhodná veličina Číselné charakteristiky diskrétních náhodných veličin Spojitá náhodná veličina. Pravděpodobnost

Někdy lze výsledek pokusu popsat jediným číslem, které označíme X (nebo jiným velkým písmenem). Hodíme dvěma kostkami jaký padl součet?

Přednáška. Další rozdělení SNP. Limitní věty. Speciální typy rozdělení. Další rozdělení SNP Limitní věty Speciální typy rozdělení

PRAVDĚPODOBNOST A STATISTIKA. Odhady parametrů Postačující statistiky

Poznámky k předmětu Aplikovaná statistika, 5.téma

Poznámky k předmětu Aplikovaná statistika, 4. téma

Mgr. Rudolf Blažek, Ph.D. prof. RNDr. Roman Kotecký Dr.Sc.

Náhodná veličina. Michal Fusek. 10. přednáška z ESMAT. Ústav matematiky FEKT VUT, Michal Fusek

Fyzikální korespondenční seminář MFF UK

Pravděpodobnost a aplikovaná statistika

Poznámky k předmětu Aplikovaná statistika, 4. téma

Základním pojmem v kombinatorice je pojem (k-prvková) skupina, nebo také k-tice prvků, kde k je přirozené číslo.

MATEMATIKA III V PŘÍKLADECH

Cvičení 5. Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc.

1 Klasická pravděpodobnost. Bayesův vzorec. Poslední změna (oprava): 11. května 2018 ( 6 4)( 43 2 ) ( 49 6 ) 3. = (a) 1 1 2! + 1 3!

Určete zákon rozložení náhodné veličiny, která značí součet ok při hodu a) jednou kostkou, b) dvěma kostkami, c) třemi kostkami.

Diskrétní náhodná veličina. November 12, 2008

1 Gaussova kvadratura

Statistika II. Jiří Neubauer

Téma 22. Ondřej Nývlt

7.3.9 Směrnicový tvar rovnice přímky

PRAVDĚPODOBNOST A STATISTIKA

Výběrové charakteristiky a jejich rozdělení

Příklad 1: Házíme dvěma kostkami. Stanovte pravděpodobnost jevu, že na kostkách padne součet menší než 5.

Klasická pravděpodobnost a geometrická pravděpodobnost

Testování hypotéz. December 10, 2008

7.3.9 Směrnicový tvar rovnice přímky

prof. RNDr. Roman Kotecký DrSc., Dr. Rudolf Blažek, PhD Pravděpodobnost a statistika Katedra teoretické informatiky Fakulta informačních technologií

Rozdělení náhodné veličiny. Distribuční funkce. Vlastnosti distribuční funkce

ROZDĚLENÍ NÁHODNÝCH VELIČIN

NMAI059 Pravděpodobnost a statistika

z Matematické statistiky 1 1 Konvergence posloupnosti náhodných veličin

Zápočtová písemka z Matematiky III (BA04) skupina A

Náhodný vektor a jeho charakteristiky

Řešení. Označme po řadě F (z) Odtud plyne, že

a způsoby jejího popisu Ing. Michael Rost, Ph.D.

1. Pravděpodobnost a statistika (MP leden 2010)

Matematika III. 4. října Vysoká škola báňská - Technická univerzita Ostrava. Matematika III

Náhodná veličina a rozdělení pravděpodobnosti

Náhodná veličina a její charakteristiky. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáte. Proto je proměnná, která

Evgeny Kalenkovich. z Teorie pravděpodobnosti I

NÁHODNÁ VELIČINA. 3. cvičení

1. Úvod do základních pojmů teorie pravděpodobnosti

1 Rozptyl a kovariance

S1P Příklady 02. Náhodná proměnná (veličina) Mějme krabičku o rozměrech 1 x 2 x 3 cm. Na stranách jsou obrázky: :

χ 2 testy. Test nekorelovanosti.

Diskrétní náhodná veličina

Vybraná rozdělení náhodné veličiny

Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel

Buckinghamův Π-teorém (viz Barenblatt, Scaling, 2003)

Všechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a

Kombinace s opakováním

1. A c B c, 2. (A C) B, 3. A B C.

AVDAT Náhodný vektor, mnohorozměrné rozdělení

VŠB-TU OSTRAVA, FAKULTA ELEKTROTECHNIKY A INFORMATIKY, KATEDRA APLIKOVANÉ MATEMATIKY. Statistika. Vzorce a tabulky

f (k) (x 0 ) (x x 0 ) k, x (x 0 r, x 0 + r). k! f(x) = k=1 Řada se nazývá Taylorovou řadou funkce f v bodě x 0. Přehled některých Taylorových řad.

Vstupní tok požadavků

Značení 1.1 (posloupnost výsledků pokusu). Mějme posloupnost opakovaných (i závislých) pokusů,

DISKRÉTNÍ NÁHODNÉ VELIČINY (II)

Godunovovy metody pro 1D-Eulerovy rovnice

NÁHODNÉ VELIČINY JAK SE NÁHODNÁ ČÍSLA PŘEVEDOU NA HODNOTY NÁHODNÝCH VELIČIN?

Pravděpodobnost a statistika (BI-PST) Cvičení č. 7

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2017

Definice 7.1 Nechť je dán pravděpodobnostní prostor (Ω, A, P). Zobrazení. nebo ekvivalentně

SP2 01 Charakteristické funkce

Přednáška. Diskrétní náhodná proměnná. Charakteristiky DNP. Základní rozdělení DNP

I. D i s k r é t n í r o z d ě l e n í

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Jan Kracík

Matematika III. 27. září Vysoká škola báňská - Technická univerzita Ostrava. Matematika III

p(x) = P (X = x), x R,

Obsah přednášky. 1. Principy Meta-learningu 2. Bumping 3. Bagging 4. Stacking 5. Boosting 6. Shrnutí

Základním pojmem v kombinatorice je pojem (k-prvková) skupina, nebo také k-tice prvků, kde k je přirozené číslo.

1. Klasická pravděpodobnost

naopak více variant odpovědí, bude otázka hodnocena jako nesprávně zodpovězená.

Příklad 2 (klasický pravděpodobnostní prostor hod dvěma desetistěnnými kostkami). Uvažujme

Náhodná veličina X má Poissonovo rozdělení se střední hodnotou lambda. Poissonovo rozdělení je definováno jako. P(X=k) = 0,036

Pravděpodobnost a statistika pro FEL

X = x, y = h(x) Y = y. hodnotám x a jedné hodnotě y. Dostaneme tabulku hodnot pravděpodobnostní

Student(ka): Písemná část státní závěrečné zkoušky Fyzika (učitelství) červen Bodové hodnocení: Hodnotil(a): Celkové hodnocení testu:

MATEMATIKA. O paradoxech spojených s losováním koulí

Náhodné (statistické) chyby přímých měření

PRAVDĚPODOBNOST A STATISTIKA. Bayesovské odhady

Charakterizace rozdělení

Rozlišujeme dva základní typy šifrování a to symetrické a asymetrické. Symetrické

Rovnoměrné rozdělení

Významná diskrétní rozdělení pravděpodobnosti

Transkript:

NUMP0 (Pravděpodobnost a Matematicá statistia I Střední hodnota disrétního rozdělení. V apce máte jednu desetiorunu, dvě dvacetioruny a jednu padesátiorunu. Zloděj Vám z apsy náhodně vybere tři mince. (a Spočítejte Vaši očeávanou ztrátu. (b Spočítejte rozptyl Vaší ztráty. (c Poté, co Vás zloděj oradl, se rozdělí se svým omplicem (spravedlivě a následně si oupí líste na tramvaj za Kč. Spočítejte střední hodnotu a rozptyl peněz, teré mu zbydou.. Test obsahuje n otáze, e aždé z nich jsou uvedeny možné odpovědi a, b, c, d. U aždé otázy je právě jedna odpověd správná. Předpoládejme, že student zašrtává odpovědi zcela náhodně. Označme X počet správně zodpovězených otáze. (a Odvod te rozdělení veličiny X. Ja se toto rozdělení nazývá? (Znáte ho z přednášy. (b Jaý je očeávaný počet správně zodpovězených otáze? (c Spočtěte rozptyl správně zodpovězených otáze.. Cyril má na svazu 8 líčů a snaží se odemnout dveře (e terým pasuje právě jeden líč. Náhodně vybere líč a vyzouší ho. Po aždém neúspěšném pousu mu líče spadnou na zem a další líč znovu volí zcela náhodně. Ta poračuje, doud onečně dveře neotevře. (a Jaé je rozdělení počtu všech neúspěšných Cyrilových pousů? (b Jaý je očeávaný počet neúspěšných pousů? (c Jaý je rozptyl počtu neúspešných pousů?.(a Určete limitní rozdělení z příladu., jestliže n a np λ > 0 (de p je pravděpodobnost úspěšného zodpovězení onrétní otázy. (b Určete střední hodnotu a rozptyl rozdělení z bodu (a. 5.(a Necht X má Poissonovo rozdělení s parametrem λ, X má Poissonovo rozdělení s parametrem λ a X a X jsou nezávislé náhodné veličiny. Určete rozdělení náhodné veličiny Y X + X. (b Necht počet příchozích hovorů na ústředně během daného časového intervalu se řídí Poissonovým rozdělením (parametr λ je přímo úměrný délce časového intervalu. Průměrně přijde během hodiny dvacet hovorů. Jaé je rozdělení počtu příchozích hovorů během deseti minut? Jaá je pravděpodobnost, že během následující minuty přijme ústředna alespoň dva hovory? Jaé je rozdělení doby čeání na další hovor? Určete jeho hustotu. Jaá je rozdělení doby čeání na další hovor, víme-li, že hovor nepřišel během časového intervalu [0, T ]?

NUMP0 (Pravděpodobnost a Matematicá statistia I Opaování z přednášy Náhodná veličina X je měřitelné zobrazení (funce z prostoru (Ω, A do (R, B. Střední hodnota veličiny X je definována jao EX Ω X(ωdP(ω. Vyjadřuje očeávanou hodnotu veličiny X. Rozptyl veličiny X je Var X E(X EX EX (EX (jestliže EX a EX existují. Rozptyl je vždy nezáporné číslo! Jestliže a, b R a X je náhodná veličina, pa platí E(a + bx a + bex, Var (a + bx b Var X. Jestliže X,..., X K jsou náhodné veličiny, pa ( K E X i i K EX i. i Jsou-li veličiny nezávislé, pa i Var ( K X i i K Var X i. i Disrétní rozdělení: Nabývá-li náhodná veličina X s ladnou pravděpodobností nejvýše spočetně mnoha (tj. onečně nebo spočetně hodnot x, x,..., říáme, že má disrétní rozdělení. Rozdělení X je charaterizováno pravděpodobnostmi p P(X x,,,..., a platí p. Střední hodnota X se spočítá jao EX x P(X x x p (existuje-li. Rozptyl X spočteme Var X EX (EX ( x P(X x x P(X x.

NUMP0 (Pravděpodobnost a Matematicá statistia I.(a Řešení P (X 50 0 + 0 + 0, P (X 80 0 + 0 + 50, P (X 90 0 + 0 + 50. (b (c Y X EX 50 + 80 + 90 75. Var X (50 75 + (80 75 + (90 75 5., tedy EY E( X EX 7.5.5,.(a (b (c Var Y Var ( X 5 Var X 56.5. P (X ( Jde o binomicé rozdělení s parametry n a p. ( n, 0,,..., n. ( n ( n EX p ( p n p ( p n 0 n! (n!(! p ( p n (n! np (n!(! p ( p n ( n np p ( p n np(p + ( p n np. EX ( ( 0 n(n p p ( p n (( + p ( p n + p ( p n + np p ( p n p ( p n n! (n!(! p ( p n + np p ( p n + np n(n p + np Var X EX (EX n(n p + np n p np( p.

NUMP0 (Pravděpodobnost a Matematicá statistia I.(a (b (c 0 P (X ( 7, 0,,... 8 8 EX p ( p ( pp p ( pp ( pp p de p 7, tedy EX 7. 8 EX p ( p 0 ( p ( pp p + p p ( p p p, (( + p ( p p (p ( pp p ( p ( p + ( pp ( p + p p p + ( pp p p ( p + ( pp p p p p p p p + ( p( + p pp ( p ( p, p p ( p pro p 7, tedy Var X 56. 8 Var X EX (EX p( + p ( p p ( p p ( p,.(a (b P (X lim lim lim λ! ( n p ( p n ( n(n...(n + λ! n (n...(n + n ( pn (( p p np ( p λ ( (pn λ! (( p p np lim n(n...(n + lim lim n (( p p np λ! e λ. EX 0 λ! e λ λe λ λ (! e λ λe λ λ, λ ( p EX 0 λ! e λ ( λ e λ + 0 λ! e λ e λ λ λ (! + λ λ + λ, Var X EX (EX λ + λ λ λ.

NUMP0 (Pravděpodobnost a Matematicá statistia I 5.(a P (Y P (X + X e λ λ i i! e (λ +λ! e λ λ i ( i! P (X i, X i e (λ +λ! i!( i! λi λ i e (λ +λ! e (λ +λ (λ + λ, 0,,...! P (X ip (X i i!( i! λi λ i ( λ i i λ i (b Je-li X (60 počet příchozích hovorů za hodinu, pa EX (60 λ 0. Rozdělení X (0 počtu příchozích hovorů během deseti minut je tedy Poissonovo s parametrem λ 0 0, tedy P (X 6 (0 e 0 ( 0, pro 0,,...! P (X ( e! 0 e! e ( + e. Necht Y je čas mezi dvěma hovory (v minutách. Pa F Y (t P (Y < t P (Y t P (X (t 0 e t ( t 0 0! e t. h Y (t F Y (t e t, t > 0. F Y Y >T (t P (Y < t Y > T P (Y t Y > T P (X (t 0 P (X (T 0 e t e T P (Y t P (Y > T e t T F Y (t T, t T. 5