Pravdepodobnosť a štatistika
|
|
- Ευθύμιος Μαρής
- 6 χρόνια πριν
- Προβολές:
Transcript
1 Prírodovedecká fakulta UPJŠ Košice Pravdepodobosť a štatistika pozámky z predášok letého semestra predmetu Pravdepodobosť a štatistika predáša: RDr. Valéria Skřiváková, CSc. Verzia. júla 003 : Zostavil Róbert ovotý ovotyr Typeset by L A TEX. Illustratios by jpicedt. Fuctio plots by guplot.
2 PRAVDEPODOBOSŤ A ŠTATISTIKA pozámky z predášok v letom semestri 9 TESTOVAIE ŠTATISTICKÝCH HYPOTÉZ 39 Obsah 4 iektoré špeciále rozdeleia 4 4. iektoré diskréte typy rozdeleí Biomické rozdeleie Bi, p Poissoovo rozdeleie Poλ Geometrické rozdeleie Geop iektoré spojité typy rozdeleí Rovomeré rozdeleie Ra, b Expoeciále rozdeleie Exδ ormále rozdeleie a, Chí-kvadrát rozdeleie χ -rozdeleie Studetovo rozdeleie t-rozdeleie Fischerovo-Sedecorovo rozdeleie F -rozdeleie Cetrále limité vety 3 6 áhodé vektory viacrozmeré áhodé veličiy 4 6. Združeé a margiále rozdeleie Diskréte a absolúte spojité rozdeleie v R Podmieeé rozdeleie v R Charakteristiky áhodého vektora Regresia ako tred závislosti a ak je ezáme Potom testovým kritériom je g X X a a S +S S + S + pričom uvedeé g t +. b ak. A opäť rozlíšime dva prípady: X X a a, S + S i. Ak > 30 a > 30, môžeme t-rozdeleie aproximovať ormovaým ormálym rozdeleím. Testové kritérium a kritický obor bude: g X X a a 0, S + S W 0 {x, x : g u α } ii. Ak 30, 30, použijeme testové kritérium: g X X a a S + S tγ. kde γ je ezámy počet stupňov voľosti t-rozdeleia. Určíme ho asledove: II Matematická štatistika 7 Popisá štatistika a áhodý výber 7. Základé pojmy a metódy áhodý výber a výberové charakteristiky Štatistika a jej rozdeleie Kritický obor: t α γ t α S + t α S S + S W 0 {x, x : g u α } 8 Teória odhadov 9 8. Bodové odhady Itervalové odhady Testovaie štatistických hypotéz Základé pojmy a metódy iektoré parametrické testy jedovýberové Metódy hľadaia ajlepšieho kritického oboru W Príklady kritických oborov W 0 pre ormále a expoeciále rozdeleie Testy zhody pre dva ezávislé výbery Testy zhody dvoch stredých hodôt Testy zhody dvoch rozptylov Testy zhody dvoch rozptylov V tomto prípade ide o tzv. F -testy. Hypotézy položíme asledove: H 0 :, H :. ak a, a sú záme, použijeme asledové testové kritérium a kritický obor: g S 0 S 0 S 0 S F, 0 W 0 {x, x : g F α/, g F α/, }. ak a, a sú ezáme, použijeme toto testové kritérium a kritický obor: g S S S S F, W 0 {x, x : g F α/, g F α/, } Pri testovaí zhody dvoch stredých hodôt pre, ezáme musíme ajprv otestovať zhodu dvoch rozptylov! Predáša RDr. Valéria Skřiváková, CSc., Prírodovedecká fakulta UPJŠ Košice. eautorizovaý text. Zostaveé dňa. júla 003, :. Zostavil Róbert ovotý, ovotyr
3 38 PRAVDEPODOBOSŤ A ŠTATISTIKA pozámky z predášok v letom semestri LITERATÚRA 3. ech V Exδ. Budeme testovať parameter δ. Hypotézy položíme asledove: H 0 : δ δ 0, H : δ δ < δ 0, alebo H : δ > δ 0, alebo H : δ δ 0 Potom použitá štatistika a príslušé kritické obory budú: g X δ { χ W 0 X : X χ α }, δ ak δ < δ0 Literatúra [] Rieča a kol.: Pravdepodobosť a matematická štatistika, Bratislava 984 [] Potocký a kol.: Zbierka úloh z pravdepodobosti a matematickej štatistiky, Bratislava 986 [3] Skřiváková: Pravdepodobosť v príkladoch, Košice 999 [4] Aděl: Matematika áhody, Praha 000 W 0 { X : g χ α }, ak δ > δ0 { W 0 X : g χ α g χ }, α ak δ δ 0 Tu je potrebé dopísať asledové časti: Odvodeie ajlepšieho kritického oboru W 0 eparametrické testy zamiekový test, Dixoov test Párový t-test 9.3 Testy zhody pre dva ezávislé výbery Uvažujme dva ezávislé výbery z ormáleho rozdeleia. V X, X,..., X a,, X V X, X,..., X a,, X Potom X X ezávislé. a, a, a a,. kovariaciu pozáme, je rová 0, pretože výbery sú Rozlišujeme dva typy testovaej zhody: A. test zhody dvoch stredých hodôt B. test zhody dvoch rozptylov 9.3. Testy zhody dvoch stredých hodôt Hypotézy položíme asledove: Rozlišujeme dva prípady: H 0 : a a, H : a a. ak, sú záme ide o u-test. Testovým kritériom a kritickým oborom sú: g X X a a + W 0 {x, x : g u α } X X a a +. ak, sú záme ide o t-testy. Opäť máme dve možosti: 0, Teto materiál pokrýva látku z letého semestra predmetu Pravdepodobosť a štatistika, ktorý predáša RDr. Valéria Skřiváková a Prírodovedeckej fakulte UPJŠ v Košiciach. Jeho obsahom sú defiície, vety a dôkazy, ktoré odzeli a predáškach v akademickom roku 00/003. Materiál bol vytvoreý výhrade pre iterú potrebu študetov PrírF UPJŠ Košice. Text ebol autorizovaý a môže obsahovať chyby, preklepy, či chýbajúce časti budem však rád, keď ich ozámite a adrese ovotyr@skmi.sciece.upjs.sk. a teto materiál sa evzťahuje žiada záruka. Predáša RDr. Valéria Skřiváková, CSc., Prírodovedecká fakulta UPJŠ Košice. eautorizovaý text. Zostaveé dňa. júla 003, :. Zostavil Róbert ovotý, ovotyr
4 4 PRAVDEPODOBOSŤ A ŠTATISTIKA pozámky z predášok v letom semestri 9 TESTOVAIE ŠTATISTICKÝCH HYPOTÉZ 37 4 iektoré špeciále rozdeleia 4. iektoré diskréte typy rozdeleí 4.. Biomické rozdeleie Bi, p Defiícia 4. Hovoríme, že diskréta áhodá veličia X má biomické rozdeleie s parametrami, p, ak adobúda hodoty x k k, k 0,,..., s pravdepodobosťami p k P X k p k p k, p 0,,, k 0,,..., k Iterpretácia biomického rozdeleia. Beroulliho schéma realizujeme ezávislých pokusov s možými výsledkami ω, ω, pričom P {ω} p, p 0,. Priraďme situácii astal jav ω hodotu a eastal jav ω hodotu 0. Potom áhodá veličia X majúca biomické rozdeleie s parametrami, p reprezetuje počet úspešých pokusov z pokusov.. distribučá fukcia k0 F x k<x k0 p k p k k. charakteristická fukcia ϕt e itk p k p k pe it k p k pe it + p k k F x 9.. Príklady kritických oborov W 0 pre ormále a expoeciále rozdeleie. ech V a,. a test parametra a, ak je záme v ďalšom bude používaá ekaoická prologovská otácia?-a záme poz. sadzač b test parametra a, ak je ezáme;?-a ezáme c test parametra, ak a je záme;?- a záme d test parametra, ak a je ezáme;?- a ezáme a?-a záme H 0 : a a 0, H : a a < a 0 alebo H : a 0 > a a alebo H : a a 0 je záme, preto použijeme štatistiku Kritické obory budú b?-a ezáme W 0 W 0 W 0 g X a { X : X a { X : X a { X : X a 0, u α }, ak a < a 0 } u α, ak a > a 0 u α }, ak a a x g X a t S W 0 {X : g t α }, ak a < a 0 W 0 {X : g t α }, ak a > a 0 c?- a záme W 0 { X : g t α }, ak a a 0 3. charakteristiky polohy a variability Dôkaz: Obr. : Distribučá fukcia biomického rozdeleia ϕ t pe it + p ipe it EX p DX p p ϕ 0 i p i m m EX p ϕ t ip [ pe it + p pie it e it + pe it + p ie it] g S 0 χ W 0 { X : g χ α }, ak < 0 W 0 { X : g χ α }, ak > 0 { W 0 X : g χ α g χ }, α ak 0 d?- a ezáme g S χ W 0 { X : g χ α }, ak < 0 W 0 { X : g χ α }, ak > 0 { } W 0 X : g χ α g χ α, ak 0 Predáša RDr. Valéria Skřiváková, CSc., Prírodovedecká fakulta UPJŠ Košice. eautorizovaý text. Zostaveé dňa. júla 003, :. Zostavil Róbert ovotý, ovotyr
5 36 PRAVDEPODOBOSŤ A ŠTATISTIKA pozámky z predášok v letom semestri 4 IEKTORÉ ŠPECIÁLE ROZDELEIA 5 4. zistiť, či realizácia testovacieho kritéria g je z W 0 a urobiť záver pre prax a ak g 0 W 0, potom H 0 zamietame a prijímame H b ak g 0 / W 0, potom H 0 ezamietam a daej hladie výzamosti slabší záver. Môžeme urobiť ový výber alebo zmeíme hladiu výzamosti. Deleie testov. podľa toho, čo testujú a parametrické testy b eparametrické testy. podľa počtu zrealizovaých výberov a jedovýberové b dvoj- a viacvýberové 9. iektoré parametrické testy jedovýberové Budeme predpokladať, že výber pochádza buď z ormáleho alebo expoeciáleho rozdeleia, teda V a,, resp. V Exδ. ϕ 0 i p p + EX p + p DX p p p p p p 4.. Poissoovo rozdeleie Poλ Defiícia 4. Hovoríme, že diskréta áhodá veličia X má Poissoovo rozdeleie s parametrom λ, ak adobúda hodoty x k, k 0,,... s pravdepodobosťami p k P X k λk k! e λ, λ > 0, k 0,,,... Iterpretácia Poissoovho rozdeleia. áhodá veličia X majúca Poissoovo rozdeleie s parametrom λ reprezetuje počet prípadov, v ktorých astal sledovaý jav pri eobmedzeej realizácii daého pokusu za jedotku času. apr. počet zákazíkov v obchode za časovú jedotku.. distribučá fukcia F x λ k k! e λ e λ λ k k! k<x k<x Parametrický test testuje ezámy parameter θ rozdeleia F x, θ pre θ Θ, z ktorého výber V pochádza. Uvažujme hypotézu H 0 : θ θ 0, kde θ 0 je skutočá hodota parametra alebo hodota, o ktorej si myslím, že je skutočá :-. Potom pre H prichádza do úvahy jeda z asledových hypotéz: H : θ θ 0, H : θ > θ 0, H : θ < θ 0 Prvá z uvedeých hypotéz je tzv. obojstraá alteratíva hypotéza, zvyšé dve sú jedostraé alteratíve hypotézy. Hypotéza H 0 je tu azývaá jedoduchou hypotézou, ostaté zase zložeými alteratívymi hypotézami. F x Metódy hľadaia ajlepšieho kritického oboru W 0. eyma-pearsso pri jedostraých alteratívych hypotézach. test podielom pomerom vierohodostí pri obojstraých alteratívych hypotézach eymaova-pearssoova metóda. Za kritický obor vezmeme: { } W 0 X : LX, θ LX, θ 0 cα, kde θ 0 je skutočá hodota parametra θ, θ je hodota θ v alteratívej hypotéze a cα je koštata závislá iba od hladiy výzamosti malo by byť cα 0, iak ie je čo odhadovať. V dôkaze sa ukáže, že W 0 v tomto tvare zaručí miimále β. Podiel vierohodostí. Kritický obor položíme: { LX, W 0 X : θ } LX, θ 0 L α, kde θ je maximály vierohodý odhad parametra θ, θ 0 je skutočá hodota θ a L α je koštata závislá iba od hladiy výzamosti. L α, lebo podľa defiície LX, θ > LX, θ 0. Obr. : Distribučá fukcia Poissoovho rozdeleia. Pre x idúce do ekoeča sa bude výška schodíkov zmešovať, úroveň sa edosiahe v žiadom koečom bode.. charakteristická fukcia itk λk ϕt e k! e λ e λ k0 λe it k0 Posledá suma je vlaste Taylorov rozvoj výrazu e. Teda máme 3. charakteristiky polohy a variability ϕt e λ e λeit e λeit EX λ DX λ k! k Predáša RDr. Valéria Skřiváková, CSc., Prírodovedecká fakulta UPJŠ Košice. eautorizovaý text. Zostaveé dňa. júla 003, :. Zostavil Róbert ovotý, ovotyr
6 6 PRAVDEPODOBOSŤ A ŠTATISTIKA pozámky z predášok v letom semestri 9 TESTOVAIE ŠTATISTICKÝCH HYPOTÉZ 35 Dôkaz: ϕ t e λeit λie it 4..3 Geometrické rozdeleie Geop ϕ 0 i λ i m EX λ ϕ t iλ e λeit λie it e it + e λeit ie it ϕ 0 i λλ + EX λλ + DX λ + λ λ λ Defiícia 4.3 Hovoríme, že diskréta áhodá veličia X má geometrické rozdeleie s parametrom p, ak adobúda hodoty x k k, k 0,,... s pravdepodobosťami p k P X k p p k, p 0,, k 0,,... Iterpretácia geometrického rozdeleia. áhodá veličia X majúca geometrické rozdeleie s parametrom p vyjadruje počet eúspechov pred prvým úspechom pri eobmedzeej realizácii pokusov v Beroulliho schéme.. distribučá fukcia F x p p k. charakteristická fukcia ϕx e itk p p k p p e it k k0 k<x Pozrime sa a čley. Z defiície je p 0,, teda aj p 0,. Už sme si ukázali, že e it. Teda aj ich súči je v absolútej hodote meší ako. To ale zameá, že suma je kovergetý geometrický rad. Teda. 3. charakteristika polohy a variability ϕx k0 p pe it EX p p DX p p Dôkaz: Dôkaz ie je áročý, preechávame ho čitateľovi. 4. iektoré spojité typy rozdeleí 4.. Rovomeré rozdeleie Ra, b Defiícia 4.4 Hovoríme, že spojitá áhodá veličia X má rovomeré rozdeleie a itervale a, b, ak má hustotu pre x a, b fx b a a < b; a, b R 0 iak 3. Opäť vyjdeme z obojstraého itervalu spoľahlivosti, ktorý si však predstavíme v tvare X < a < X +, u α Podľa zadaia chceme, aby < a hľadáme. Po dosadeí a výpočte získame > Testovaie štatistických hypotéz 9. Základé pojmy a metódy Štatistická hypotéza H každý predpoklad týkajúci sa rozdeleia F x, θ, z ktorého V pochádza. Testovaie štatistických hypotéz overovaie správosti ášho predpokladu Testovacie kritérium gx,..., X je vhode zvoleá štatistika Kritický obor W je tá časť možiy všetkých realizácií áhodého výberu V, ktoré vedie k zamietutiu testovaej hypotézy. Kritická hodota k α tá hodota, ktorá delí možiy všetkých realizácií V a kritickú oblasť a jej doplok. ulová hypotéza H 0 testovaá hypotéza. Alteratíva hypotéza H hypotéza, ktorú staviame proti ulovej hypotéze H emusí byť doplok H 0 9. Chyby pri testovaí štatistických hypotéz. chyba. druhu testovaú hypotézu H 0 zamietame, hoci je správa. chyba. druhu hypotézu H 0 ezamietame, hoci je espráva Defiícia 9. Pravdepodobosť chyby. druhu je číslo α a azýva sa hladia výzamosti testu. Pravdepodobosť chyby. druhu je číslo β α P g 0 W H 0 β P g 0 / W H a číslo β sa azýva sila testu β P q 0 W H pravdepodobosť, že správe zamietam ulovú hypotézu Pozámka 9. Ideále by bolo, keby sa dalo α, β súčase miimalizovať. Dá sa ukázať, že zižovaím α sa zvyšuje β a aopak. Preto sa zvolí α ľubovoľe malé a hľadá sa kritický obor, ktorý zabezpečí pre daé α miimále β. Dostaeme ajlepší kritický obor a hladie α oz. W α, W 0. ajčastejšou voľbou je α 0,05, príp. 0,, resp. 0,0. Postup pri testovaí štatistických hypotéz. vysloviť hypotézy H 0, H. zvoliť testové kritérium g a hladiu výzamosti α 3. ájsť ajlepší kritický obor W 0 9 apr. môžeme položiť ulovú hypotézu stredá hodota je 5 a alteratívu hypotézu stredá hodota ie je 5 v tomto prípade je alteratíva hypotéza doplkom ulovej. V prípade stredá hodota je 5 a stredá hodota je väčšia ako 5, už alteratíva hypotéza doplkom ie je. Predáša RDr. Valéria Skřiváková, CSc., Prírodovedecká fakulta UPJŠ Košice. eautorizovaý text. Zostaveé dňa. júla 003, :. Zostavil Róbert ovotý, ovotyr
7 34 PRAVDEPODOBOSŤ A ŠTATISTIKA pozámky z predášok v letom semestri 4 IEKTORÉ ŠPECIÁLE ROZDELEIA 7 iv. Má platiť: P χ X < < χ α α δ α Výsledý iterval spoľahlivosti: X P χ < δ < X χ α α α Pozámka 8.4. Iterval spoľahlivosti má byť čo ajkratší, pre symetrické rozdeleia typu 0,, t to astáva pre α α α, Takéto hodoty sa však používajú aj pri esymetrickom rozdeleí χ.. Ak chceme odhad le z jedej stray, použijeme taký istý postup. Odvodeé odhady sú obojstraé. Možo však uvažovať aj jedostraý odhad resp. jedostraý iterval spoľahlivosti, kedy ezámy parameter je odhad iba zdola príp. iba zhora. Potom rozozávame ľavostraý 8 iterval spoľahlivosti zdola položíme α α, α 0 pravostraý iterval spoľahlivosti zhora položíme α 0, α α Príklad 8.5 Podik dodáva do obchodu balíčky sušieok, ktorých hmotosť má rozdeleie a, 5. áhodým výberom 5 balíčkov sa zistila priemerá hmotosť 50 g. Určte:. 95%-ý iterval spoľahlivosti pre stredú hmotosť. horú medzu stredej hmotosti, ktorá z pravdepodobosťou 0,95 ebude prekročeá 3. aký by mal byť miimály rozsah výberu, ak chceme zaručiť chybu odhadu stredej hmotosti mešiu ako g s pravdepodobosťou 0,95 Riešeie: Zo zadaia V a, 5, 5.. Chceme iterval spoľahlivosti pre parameter a, ak 5 je záme te je takýto: X u α < a < X + u α Bodovým odhadom a je X 50, 5, 5. Chceme 95%-ú spoľahlivosť, teda α 0,95 0,05, α/ 0,05. Môžeme dosadiť: 50 u α < a < 50 + u α Kvatily ájdeme v tabuľkách a po dosadeí ám vyjde požadovaý iterval spoľahlivosti: 48,04 < a < 5,96. a výpočet horej medze potrebujeme vlaste určiť pravostraý iterval spoľahlivosti. Využijeme výpočet z predchádzajúceho bodu: a < X + u α Teraz však položíme α α 0,05. Dosadíme, kvatily ájdeme v tabuľkách a získame 8 Pozor! V publikácii Potocký a kol. je to aopak! a < 5,64 fx a b x Obr. 3: Hustota rovomerého rozdeleia spojitej áhodej veličiy Iterpretácia rovomerého rozdeleia. áhodá veličia X s rovomerým rozdeleím Ra, b reprezetuje dobu čakaia a pravidele sa opakujúcu udalosť. apr. doba čakaia a MHD ak prídeme a zastávku v áhodom okamihu, čas čakaia má rovomeré rozdeleie miimále čakáme 0 miút, maximále miút, kde je časový iterval medzi príchodmi spojov.. distribučá fukcia 0 ak x < a 0 ak x b F x ft dt x b a dt x a ak x a, b b a. charakteristická fukcia Pozámka 4. F x a a Obr. 4: Distribučá fukcia rovomerého rozdeleia ϕt eitb e ita ib at b e itx fx dx b a t R {0} b a e itx dx b a [ e itx EX, DX sa počítajú z defiície, ie podľa vzťahu ϕ k 0 i k m k, lebo bod 0 emôžeme v tomto prípade dosadiť. 3. charakteristika polohy a variability EX x fx dx b x dx [ x b a a b a [ ] EX x 3 b b a b3 a 3 3 a 3b a a + ab + b b DX a + ab + b a + b a ab + b 3 ] b it ] b a b a a b a EX a + b a b Predáša RDr. Valéria Skřiváková, CSc., Prírodovedecká fakulta UPJŠ Košice. eautorizovaý text. Zostaveé dňa. júla 003, :. Zostavil Róbert ovotý, ovotyr
8 8 PRAVDEPODOBOSŤ A ŠTATISTIKA pozámky z predášok v letom semestri 8 TEÓRIA ODHADOV Expoeciále rozdeleie Exδ Defiícia 4.5 Hovoríme, že spojitá áhodá veličia má expoeciále rozdeleie s parametrom δ ak má hustotu fx δ e x/δ ak x > 0 0 ak x 0 Iterpretácia expoeciáleho rozdeleia áhodá veličia X s expoeciálym rozdeleím Exδ reprezetuje dobu čakaia a áhode sa vyskytujúce udalosti dobu čakaia a obsluhu, doba životosti súčiastky.. distribučá fukcia x 0 ak x 0 F x ft dt x δ e t/δ dt [ ] e t/δ x [e x/δ ] e x/δ ak x > 0 δ charakteristická fukcia ϕt 0 δ δ 5 δ 0 δ 5 Obr. 5: Hustota rozdeleia Exδ δ 5 δ 0 δ Obr. 6: Distribučá fukcia rozdeleia Exδ e itx δ e x/δ dx δ [e it x] δ δit e δit x δ dx δ 0 δit 0 itδ, t R [ e δit x V ďalšom budeme pojem áhodá veličia majúca expoeciále resp. ié rozdeleie ozačovať ako X Exδ. δ δit δ ] 0 b Hľadáme iterval spoľahlivosti pre parameter a, ak je ezáme. i. Vhodým bodovým odhadom pre a je X. ii. Vhodou štatistikou je g X a t S S slúži ako odhad pre ezámy parameter iii. g t α, g t α iv. Má platiť: P t α < X a < t α α S Výsledý iterval spoľahlivosti určíme ho podobe ako v predchádzajúcom prípade: X S t α < a < X + S t α c Hľadáme iterval spoľahlivosti pre parameter, ak a je záme. i. Vhodým bodovým odhadom pre je S0 X i a, kde a EX i košt ii. Vhodou štatistikou je g S 0 iii. g χ, g α χ α iv. Má platiť: χ P χ < S 0 α < χ α α V tomto prípade však musíme dať pozor ato, že rozdeleie χ ie je symetrické. Výsledý iterval spoľahlivosti bude teda po úpravách: P S 0 χ α < < S 0 χ α α d Hľadáme iterval spoľahlivosti pre parameter, ak a je ezáme.. V Exδ i. Vhodým bodovým odhadom pre je S ii. Vhodou štatistikou je g S χ iii. g χ, g α χ α iv. Má platiť: P χ < S α < χ α α Opäť musíme vziať do úvahy asymetriu rozdeleia χ. Výsledý iterval spoľahlivosti po úpravách: S P χ < < S χ α α Teraz máme le jede prípad - budeme odhadovať parameter δ i. Vhodým bodovým odhadom δ je X ii. Vhodou štatistikou je g X δ iii. g χ, g α χ α χ α Predáša RDr. Valéria Skřiváková, CSc., Prírodovedecká fakulta UPJŠ Košice. eautorizovaý text. Zostaveé dňa. júla 003, :. Zostavil Róbert ovotý, ovotyr
9 3 PRAVDEPODOBOSŤ A ŠTATISTIKA pozámky z predášok v letom semestri 4 IEKTORÉ ŠPECIÁLE ROZDELEIA 9 g je α -kvatil štatistiky g. Z podmieky P g g α vyplýva, že P g < g α, čo je ekvivaleté tomu, že F g P g < g α. Ďalej opäť použijeme spojitosť a rýdzu mootóosť fukcie F, a obe stray rovosti aplikujeme F. g je teda α -kvatil štatistiky g. F F g F α g F α Príklady koštrukcie pre itervaly spoľahlivosti. V a,. Pre itervaly spoľahlivosti rozdeleia a, máme 4 prípady: a iterval spoľahlivosti pre parameter a, ak je záme b iterval spoľahlivosti pre parameter a, ak je ezáme c iterval spoľahlivosti pre parameter, ak a je záme d iterval spoľahlivosti pre parameter, ak a je ezáme. V Exδ. V a, a Hľadáme iterval spoľahlivosti pre parameter a, ak je záme. Postup: i. Vhodým bodovým odhadom pre a je X. ii. Vhodou štatistikou je g X a 0, iii. g u α, g u α u-kvatily sú kvatily ormovaého ormáleho rozdeleia iv. Má platiť: aším cieľom je vyjadriť parameter a: P P g < g < g α P u α < X a < u α α P u α < X a < u α α P u α X < a < u α X α X u α < a < X u α α Teraz využijeme vlastosť, že u α u α ormovaé ormále rozdeleie je symetrické: P X u α < a < X + u α α 3. charakteristiky polohy a variability Dôkaz: ϕ t EX δ, DX δ iδ iδ itδ itδ + i t δ iδ t δ it + ϕ 0 iδ EX δ ϕ iδ t itδ 3 iδ i δ itδ 3 δ ϕ 0 i 0 3 EX δ 0 3 δ DX EX E X δ δ δ 4..3 ormále rozdeleie a, Defiícia 4.6 Hovoríme, že spojitá áhodá veličia X má ormále Gaussovo rozdeleie s parametrami a,, ak má hustotu fx π x a e pre x R, a,, > 0 Iterpretácia ormáleho rozdeleia. áhodú chybu v meraí.. distribučá fukcia áhodá veličia X a, reprezetuje apr. x F x ft dt x e t a dt π Teto itegrál ale emá primitívu fukciu medzi elemetárymi fukciami. Preto sa hodoty F x aproximujú pre špeciály prípad a 0,, čím dostaeme tzv. ormovaé štadardizovaé ormále rozdeleie , -5,5 5, Obr. 7: Hustota rozdeleia a, pre rôze hodoty a, Iterval spoľahlivosti je teda X u α ; X + u α. charakteristická fukcia Parameter čítame sigma kvadrát. ϕt e ita t Predáša RDr. Valéria Skřiváková, CSc., Prírodovedecká fakulta UPJŠ Košice. eautorizovaý text. Zostaveé dňa. júla 003, :. Zostavil Róbert ovotý, ovotyr
10 0 PRAVDEPODOBOSŤ A ŠTATISTIKA pozámky z predášok v letom semestri 8 TEÓRIA ODHADOV 3 3. charakteristiky polohy a variability ormovaé ormále rozdeleie. ϕ t e ita t ia t eita t ia t ϕ 0 ia EX a ϕ t e ita t ia t ia t + e ita t ϕ 0 i a + EX a + DX EX E X a + a U X EX DX ech X a,. Potom áhodá veličia X a 0, Dôkaz: Ak X a, práve vtedy, keď ϕ X t e ita t. Chceme dokázať, že U 0, práve vtedy, keď ϕ U t e t. Počítajme: ϕ U t ϕ X a v.?? t ϕ δ X+ a t e it a ϕx t e it a e i t a / t e ita e ita / t e t Pozámka 4. Distribučá fukcia ormovaého ormáleho rozdeleia sa zvyke ozačovať Φu. Veta 4. pravidlo 3 ech X a,. Potom P X a < 3 0,9973. Dôkaz: X a P X a < 3 P < 3 Z vlastostí ormovaého ormáleho rozdeleia má áhodá veličia X a U 0,. Teda máme P U < 3 P U 3, 3 Φ3 Φ 3 Φ3 Φ3 Φ3 0, ,9973 Pozámka 4.3 Výzam rozdeleia 0, Z ormovaého ormáleho rozdeleia sa dajú odvodiť tri špeciále typy rozdeleí χ, t a F -rozdeleie, ktoré sú dôležité v matematickej štatistike. Súčet veľkého počtu ezávislých áhodých veličí má za veľmi všeobecých podmieok približe ormovaé ormále rozdeleie. To je podstatou cetrálych limitých viet Chí-kvadrát rozdeleie χ -rozdeleie Defiícia 4.7 Hovoríme, že áhodé veličiy X, X,..., X sú ezávislé, ak sú ezávislé im odpovedajúce javy, t. j. platí P X < x, X < x, X 3 < x 3 P X i < x i a ájdeie maxima tejto fukcie je potrebé ájsť body, v ktorej adobúda prvá derivácia ulovú hodotu a z ich vybrať bod, v ktorom druhá derivácia je záporá. Overeie druhej derivácie: λ l Lx, λ x i λ λ x i 0 λ x i X λ λ l Lx, λ λ λ λ λ x i λ λ čiže aozaj: X je maximálym vierohodým odhadom parametra λ. 8. Itervalové odhady Cieľom je a základe realizácie áhodého výberu V skoštruovať taký iterval θ, θ, ktorý s vopred daou pravdepodobosťou obsahuje ezámy parameter θ. Defiícia 8.8 ech áhodý výber V F x, θ, kde θ Θ. Iterval θ, θ, kde θ, θ, pre ktorý platí < 0 P θ < θ < θ θθ0 α, 8.6 kde α 0,, θ 0 je skutočou hodotou parametra θ a θ, θ 0 Θ; sa azýva 00 α%-ý iterval spoľahlivosti pre parameter θ. Číslo α sa azýva koeficiet spoľahlivosti. Pozámka 8.3 Číslo α si volíme ajčastejšie α 0,05 príp. 0,0 alebo 0,, tz. dostaeme 95% 90%, 99% iterval spoľahlivosti. Postup pri koštrukcii itervalu spoľahlivosti. Vychádzame z ejakého vhodého bodového odhadu parametra θ. Doplíme bodový odhad a vhodú štatistiku g 3. ájdeme čísla g, g také, že P g g α, P g g α, 8.7 kde α + α α, g < g, α, α, α 0,, g, g R. 4. Sčítaím rovíc 8.6 a 8.7 dostaeme P g g + P g g α + α α P g < g < g α Zo vzťahu 8.8 ekvivaletými úpravami získame tvar 8.6. P g < g < g α 8.8 Čísla g, g vo vzťahu 8.7 sú vlaste kvatily, ak distribučá fukcia štatistiky g je spojitá a rastúca. Zo spojitosti distribučej fukcie tiež vyplýva, že P g g α P g < g, čo je vlaste iverzá fukcia F. Teda F g α g F α, Predáša RDr. Valéria Skřiváková, CSc., Prírodovedecká fakulta UPJŠ Košice. eautorizovaý text. Zostaveé dňa. júla 003, :. Zostavil Róbert ovotý, ovotyr
11 30 PRAVDEPODOBOSŤ A ŠTATISTIKA pozámky z predášok v letom semestri 4 IEKTORÉ ŠPECIÁLE ROZDELEIA Defiícia 8.4 Hovoríme, že bodový odhad g gx,..., X je ajlepším estraým odhadom parametra θ rozdeleia F x, θ, ak platí:. Eg θ. Dg Dg, pre g ľubovoľý estraý odhad Defiícia 8.5 Hovoríme, že bodový odhad g gx,..., X je kozistetým odhadom parametra θ rozdeleia F x, θ, ak platí: ε > 0 : lim P Eg θ ε 0 Pozámka 8. a určeie kozistetosti bodového odhadu sa epoužíva defiícia, ale postačujúca podmieka: lim Eg θ & lim Dg 0 g je kozistetý odhad Metóda hľadaia vhodého bodového bodového odhadu metóda maximálej vierohodosti Defiícia 8.6 ech áhodý výber V pochádza z rozdeleia daého hustotou zákoom rozdeleia f i x i, θ, kde θ Θ. Vierohodostou fukciou azývame fukciu Lx, θ Lx,..., x, θ f i x i, θ Defiícia 8.7 Maximále vierohodým odhadom parametra θ rozdeleia F x, θ azývame taký bod θ, v ktorom vierohodostá fukcia adobúda maximum, t. j. Hľadaie θ. 0 θ θ. Lx,θ θ Lx,θ θ θ θ < 0 θ Θ : Lx, θ Lx, θ V prípade, že hustota je expoeciáleho typu, tak θ ájdeme ako bod, v ktorom adobúda maximum fukcia l Lx, θ. Príklad 8. ech V Poλ. ájdite maximály vierohodý odhad parametra λ. Riešeie: X Poλ p k P X x k λk k! e λ. Počítajme vierohodostú fukciu: Lx, λ λ xi x i! e λ xi λ ii x i! e λ V tomto prípade bude výhodejšie počítať maximum logaritmu vierohodostej fukcie. xi llx, λ l λ l x i! λ x i l λ l x i! λ Defiícia 4.8 Hovoríme, že spojitá áhodá veličia Y má chí-kvadrát rozdeleie o stupňoch voľosti, ak má hustotu f y Γ y e y ak y > 0 0 ak y 0 Ozačujeme Y χ Vlastosti rozdeleia chí-kvadrát. χ 5 χ 0 χ Obr. 8: Hustota rozdeleia χ. Rozdeleie χ ie je symetrické 3. Kvatily sa tabelizujú pre,..., 00. Pre > 00 sa toto rozdeleie aproximuje ormálym rozdeleím,.. Charakteristická fukcia, charakteristiky polohy a variability. 3. Platí asledová vlastosť: ϕt, EY, DY it Y χ Y kde X i 0, a veličiy X i sú ezávislé Studetovo rozdeleie t-rozdeleie X i, Defiícia 4.9 Hovoríme, že spojitá áhodá veličia T má Studetovo rozdeleie t-rozdeleie o stupňoch voľosti, ak má hustotu f t + β, + t 3 Čím väčšie je, tým má rozdeleie bližšie k symetrickému. pre t,, Predáša RDr. Valéria Skřiváková, CSc., Prírodovedecká fakulta UPJŠ Košice. eautorizovaý text. Zostaveé dňa. júla 003, :. Zostavil Róbert ovotý, ovotyr
12 PRAVDEPODOBOSŤ A ŠTATISTIKA pozámky z predášok v letom semestri 8 TEÓRIA ODHADOV Obr. 9: Hustota rozdeleia t Platí: ϕ g t ϕ X t ϕ Xi ϕ t. Predstavme si čley v dolom idexe v tvare Xi ax + b a /, X bude tvoriť suma, a b bude ulové. Veta??, bod 3. hovorí, že ϕ ax+b e itb ϕ X at. Použijeme ju a áš prípad: ϕ g t e 0 ϕ t vl. ϕ ϕ Xi δ t. Použijeme teraz predpoklad o expoeciálom rozdeleí a teda posledý ϕ g t i δ t δ it }{{} košt. pre i Xi it it Ak sa pozrieme a posledý čle a a rovosť v 7.5, zistíme, že ϕ g t je práve v tomto tvare, až a parameter, ktorý je v posledom člee dvojásobý. Preto Vlastosti t-rozdeleia. Rozdeleie t je symetrické. Kvatily sú tabelovaé pre 30. Pre väčšie sa toto rozdeleie aproximuje pomocou rozdeleia 0,.. Charakteristiky polohy a variability. 3. Platí: ET 0, DT, pre > T t T kde X i 0, a veličiy X i sú ezávislé. X X i 4..6 Fischerovo-Sedecorovo rozdeleie F -rozdeleie Defiícia 4.0 Hovoríme, že spojitá áhodá veličia Z má Fischerovo-Sedecorovo rozdeleie F -rozdeleie s, stupňami voľosti, ak má hustotu fz β z + + z ak z > 0, 0 ak z 0 Vlastosti F -rozdeleia. Rozdeleie F, ie je symetrické. Kvatily sú tabelovaé pre 00, 00. Pre > 00 alebo > 00 odhadujeme toto rozdeleie ormálym rozdeleím EZ, DZ. Pre iterpoláciu kvatilov v tabuľkách sa používa vzťah. Charakteristiky polohy a variability. F α, F α, EZ, DZ + + 4, > Teória odhadov g X χ. Úlohou teórie odhadov je a základe áhodého výberu V čo ajlepšie odhadúť ezámy parameter θ rozdeleia F x, θ. Rozozávame dva typy: bodový odhad itervalový odhad 8. Bodové odhady Úlohou bodového odhadu je ahradiť ezámu hodotu parametra θ hodotou vhode zvoleej štatistiky. Defiícia 8. ech V F x, θ, kde θ Θ. Bodovým odhadom parametra θ azývame ľubovoľú vhode zvoleú fukciu áhodého výberu štatistiku g, takú, že Kritéria vhodosti bodového odhadu estraosť evychýleosť kozistetosť výdatosť... g gx,..., X Defiícia 8. ech V F x, θ, kde θ Θ. Hovoríme, že bodový odhad g gx,..., X je estraým evychýleým odhadom parametra θ, ak platí: Eg EgX,..., X θ Defiícia 8.3 Hovoríme, že bodový odhad g gx,..., X je asymptoticky estraým odhadom parametra θ rozdeleia F x, θ, ak platí: lim EgX,..., X θ Predáša RDr. Valéria Skřiváková, CSc., Prírodovedecká fakulta UPJŠ Košice. eautorizovaý text. Zostaveé dňa. júla 003, :. Zostavil Róbert ovotý, ovotyr
13 8 PRAVDEPODOBOSŤ A ŠTATISTIKA pozámky z predášok v letom semestri 5 CETRÁLE LIMITÉ VETY 3 3. Počítajme: g S def. X i X X i a X a [ ] X i a + X a X i a X a X i a X a X i a + X a Použijeme teraz trik: upravíme sumu X i a: X i a X i a X i a X a a pokračujeme vo výpočte g g X i a X a X i a + X a 5 X i a X a + X a 5 Xi a X a Xi a X a V poslede uvedeom rozdieli má mešeec rozdeleie χ pozri začiatok dôkazu bodu. Ak sa pozrieme do mešiteľa a výraz pod mociou, tak vidíme, že teto výraz má rozdeleie 0,. Jeho mocia má však rozdeleie χ 6?. Celý rozdiel má teda tiež rozdeleie χ 7, čo sme chceli dokázať. 4. Z vlastostí t-rozdeleia vzťah 4. vieme, že T X X i t, ak X 0, a sú X i sú ezávislé. je potrebé dopísať dôkaz Veta 7.4 ech V Exδ. Potom g X δ χ. Dôkaz: Dôkaz vykoáme metódou charakteristických fukcií. Z vlastostí rozdeleí platí: 6 Je iekde vpredu taká veta 7 Je veta o tom, že súčet zachováva rozdeleie? X Exδ akk ϕ X t itδ 7.4 Y χ akk ϕ Y t it / áhodá veličia Z F, práve vtedy, keď Z Y Y X i, X i kde Y i χ i, pre i, a X,..., X, X,..., X 0, a sú avyše ezávislé. 5 Cetrále limité vety Podstatou cetrálych limitých viet je fakt, že súčet veľkého počtu ezávislých áhodých veličí za veľmi všeobecých podmieok má asymptoticky ormále rozdeleie. Tieto podmieky spresia asledové tri vety. Veta 5. Moivre-Laplace ech S X i, kde X i sú ezávislé áhodé veličiy s rozdeleím X i Bi, p Ap vykoávame le jede pokus. Potom ormovaá veličia Ŝ má približe ormovaé ormále rozdeleie: Ŝ S p 0,, p p t. j. Veta 5. Feller-Lideberg ech S lim F s Φs Ŝ X i, kde X i sú ezávislé áhodé veličiy s idetickým rozdeleím a s koečou stredou hodotou EX i a < a koečou disperziou DX i < pre i,...,. Potom áhodá veličia Ŝ má približe ormovaé ormále rozdeleie: Ŝ S a 0,, Veta 5.3 Ljapuov ech S X i, kde X i sú ezávislé áhodé veličiy s koečou stredou hodotou EX i < pre i,..., a koečou disperziou DX i < pre i,...,. ech platí Ljapuovova podmieka 3 E X i EX i 3 lim DX i Potom áhodá veličia Ŝ má približe ormovaé ormále rozdeleie: 0 S EX i Ŝ 0, DX i Predáša RDr. Valéria Skřiváková, CSc., Prírodovedecká fakulta UPJŠ Košice. eautorizovaý text. Zostaveé dňa. júla 003, :. Zostavil Róbert ovotý, ovotyr
14 4 PRAVDEPODOBOSŤ A ŠTATISTIKA pozámky z predášok v letom semestri 7 POPISÁ ŠTATISTIKA A ÁHODÝ VÝBER 7 6 áhodé vektory viacrozmeré áhodé veličiy 6. Združeé a margiále rozdeleie ech je daý pravdepodobostý priestor Ω, A, P. Uvažujme kartézsky súči itervalov I, x, x..., x, kde x i R, pre i,...,. Defiícia 6. Zobrazeie X X, X,... X : Ω R sa azýva áhodým vektorom v R, ak vzorom ľubovoľého itervalu v R typu I je jav, t. j. platí X I {ω Ω : X ω < x, X ω < x,..., X ω < x } A Pozámka 6. Vektor X, X,..., X je áhodý vektor práve vtedy, ak zložky X i sú áhodé veličiy. Defiícia 6. Reála fukcia F X : R 0, defiovaá vzťahom F X x, x,..., x P X < x, X < x,..., X < x sa azýva združeou distribučou fukciou áhodého vektora X,..., X. Distribučé fukcie zložiek áhodého vektora F i x i pre i,..., azývame margiále distribučé fukcie. Veta 6. ech F X x,..., x je združeou distribučou fukciou áhodého vektora X X,..., X. Potom platí: lim F x,..., x a lim F x,..., x 0 i:xi i:xi F x,..., x je eklesajúca vzhľadom a každú premeú F x,..., x je zľava spojitá vzhľadom a každú premeú Dôkaz: Dôkaz je podobý ako v prípade R pozri miulý semester. Veta 6. ech F x,..., x je združeou distribučou fukciou áhodého vektora X,..., X. Potom pre margiále distribučé fukcie zložiek platí: F Xi F i x i lim x j j i F x,..., x Dôkaz: Dôkaz urobíme pre. Bez ujmy a všeobecosti chceme dokázať, že F x lim F x, x. Uvažujme postuposť reálych čísel {x } x takú, že pre ide {x }. Potom lim F x, x x lim x F x, x lim x P X < x, X < x Ozačme A {ω Ω : X ω < x X ω < x }. Postuposť javov {A } je rastúca ezabudite si to premyslieť! a preto podľa pozámky?? je lim A A. Pokračujeme vo výpočte výrazu : lim P A spojitosť P P lim A x x P A Máme V X,..., X. Jedotlivé zložky X i a, práve vtedy, keď ϕ Xi t e it a t Zaškatuľkovaé sú práve EX i a a DX i. Pre X by teda malo platiť: ϕ Xt e it a t. Overme to: ϕ Xt ϕ vl. ϕxt t Xi ϕ Xi t Jedotlivé veličiy X i sú ezávislé, môžeme teda použiť vetu 6.5, bod 3. t ϕ Xt ϕ Xi e i a t t e i a t t e ita čo sme chceli overiť. 7.3 Štatistika a jej rozdeleie Defiícia 7. ech V F x, θ, θ Θ. Štatistikou azývame takú fukciu áhodého výberu V, rozdeleie ktorej ezávisí od parametra θ rozdeleia F x, θ, z ktorého výber pochádza. g gx,..., X Veta 7.3 ech V a,. Potom pre asledové štatistiky platí:. g X a. g S 0 0, χ 3. g S χ 4. g X a S t Dôkaz:. Overme, či g X a 0,. V X,..., X a,, teda aj jedotlivé zložky X i a,. Z vety 7. vieme, že X a, t,. Teda E X a, D X a môžeme rozdeleie ormovať, čím dostávame X a / X a 0,. Platí 5, že Y X i χ práve vtedy, keď X i 0, a áhodé veličiy X i sú ezávislé. Chceme ukázať, že uvedeá štatistika g sa dá apísať v tomto tvare. g S 0 X i a Xi a Z predpokladu X i a,, teda Xi a 0,. Potrebujeme overiť ešte ezávislosť, ale tá je zaručeá už z defiície áhodého výberu V je tvoreý ezávislými áhodými veličiami. Overili sme oba predpoklady a teda z ekvivalecie vyplýva požadovaé rozdeleie χ. 5 ale skäde? Predáša RDr. Valéria Skřiváková, CSc., Prírodovedecká fakulta UPJŠ Košice. eautorizovaý text. Zostaveé dňa. júla 003, :. Zostavil Róbert ovotý, ovotyr
15 6 PRAVDEPODOBOSŤ A ŠTATISTIKA pozámky z predášok v letom semestri. charakteristiky variability výberové rozptyly S S 0 S X i X X i a, a EX i je košt. pre všetky i X i X eskôr ukážeme, že S [čítame: S kvadrát] ie je dobrou charakteristikou variability. Výberový rozptyl S 0 [S 0 kvadrát] budeme používať, ak pozáme stredú hodotu. Ak ju epozáme, použijeme výberový rozptyl S [S kvadrát]. 3. charakteristiky závislosti výberový korelačý koeficiet kde K X,Y R X,Y K X,Y, S X S Y X i Y i X Ȳ a S X X X. Veta 7. ech áhodý výber V pochádza z rozdeleia F x, θ, ktoré má koečú stredú hodotu EX i a pre i,..., a koečú disperziu DX, pre i,...,. Potom. E X a. D X 3. ES 0 ES 4. ES Dôkaz:. EX E. DX D X i 3. ES0 E X i D EX i EXi a a a X i }{{} ezávislé DX i DXi a X i a EX i a EX i EX DX 4. Druhú erovosť v 3 a dôkaz 4 zatiaľ poechávame a pozorého čitateľa Veta 7. ech V a,. Potom X a,. Dôkaz: Dôkaz urobíme metódou charakteristických fukcií. Už vieme, že parametrami ormáleho rozdeleia, z ktorého pochádza X, sú a, pozri predošlá veta. Chceme ukázať, že X má práve ormále rozdeleie. 6 ÁHODÉ VEKTORY VIACROZMERÉ ÁHODÉ VELIČIY 5 P {ω Ω : X ω < x X ω < x } P {ω Ω : X ω < x } {ω Ω : X ω < x } distr. záko P {ω Ω : X ω < x } {ω Ω : X ω < x } Pozrime sa teraz a prieik pod pravdepodobostou fukciou. Prvý čle tvorí vlaste X < x, druhý čle je celý pravdepodobostý priestor Ω pretože x a zjedocujeme rastúcu postuposť. Ich prieik je teda práve prvý čle prieiku a teda môžeme pokračovať vo výpočte: P X < x F x F X x Pozámka 6. Podľa vety 6., ak pozáme združeú distribučú fukciu, vieme určiť jedozače všetky margiále distribučé fukcie. Vo všeobecosti to aopak eplatí; ak pozáme margiále distribučé fukcie, evieme jedozače skoštruovať združeú distribučú fukciu. Výimku tvorí prípad ezávislých áhodých veličí. Ak P X < x,... X < x P X i < x i, potom F x,..., x F i x i. 6. Diskréte a absolúte spojité rozdeleie v R Defiícia 6.3 Hovoríme, že áhodý vektor X, Y má diskréte rozdeleie, ak existujú postuposti reálych čísel {x i } i I, {y j } j J a odpovedajúca postuposť kladých čísel {p ij } i I,j J tak, že platí: p ij P X x i, Y y j & p ij a F x, y xi<x yj<y p ij i I j J Pravdepodobosť p ij sa azýva združeý záko rozdeleia áhodého vektora X, Y. Defiícia 6.4 Hovoríme, že áhodý vektor X, Y má absolúte spojité rozdeleie, ak existuje ezáporá, v R itegrovateľá fukcia fx, y taká, že platí: fx, y dy dx & F x, y x y fu, v dv du Fukcia fx, y sa azýva združeou hustotou áhodého vektora X, Y a platí fx, y F x, y x y Veta 6.3 ech p ij je združeý záko rozdeleia diskréteho áhodého vektora X, Y. Potom pre margiále zákoy zložiek platí: p i p ij a p j p ij j i Predáša RDr. Valéria Skřiváková, CSc., Prírodovedecká fakulta UPJŠ Košice. eautorizovaý text. Zostaveé dňa. júla 003, :. Zostavil Róbert ovotý, ovotyr
16 6 PRAVDEPODOBOSŤ A ŠTATISTIKA pozámky z predášok v letom semestri 7 POPISÁ ŠTATISTIKA A ÁHODÝ VÝBER 5 Dôkaz: Bez ujmy a všeobecosti dokážeme prvý vzťah druhý vzťah sa dokáže aalogicky. Vyjdeme z margiálej distribučej fukcie v. 6. def. F x lim F x, y lim y y xi<x yi<y p ij xi<x lim y yi<y p ij Ak y a počítame sumu cez všetky y j < y, je to v podstate to isté ako výpočet sumy pre všetky j. Máme teda F x p ij, z čoho p i p ij xi<x j j }{{} pi Veta 6.4 ech fx, y je združeou hustotou spojitého áhodého vektora X, Y. Potom pre margiále hustoty zložiek platí: f x fx, y dy a f y fx, y dx Dôkaz: Opäť bez ujmy a všeobecosti dokážeme prvý vzťah a opäť vyjdeme z margiálej distribučej fukcie: F x v. 6. lim y x F x, y def. lim lim y y y x y fu, v dv du fu, v dv du x fu, v dv du Ozačme v posledom dvojom itegráli fu fu, v dv a to sa ám hodí do defiície, pretože F x x fu du. Stačí už le premeovať premeé vo vyjadreí fu a dostaeme požadovaé tvrdeie. Pozámka 6.3 V časti 6. sme vybudovali aparát potrebý a dokázaie vety??, bod 3. EaX ± by aex ± bey Dôkaz: Podľa vety o preose itegrácie pre fukciu dvoch premeých platí: EaX ± by ax ± by fx, y dy dx }{{} gx,y a x fx, y dy v. 6.3 a x f x dx ± b dx ± b y fx, y dx dy y f y dy a EX ± b EY 6.3 Podmieeé rozdeleie v R Defiícia 6.5 ech X, Y je diskréty áhodý vektor so združeým zákoom rozdeleia p ij P X x i, Y y j, i I, j J. určíme variačé rozpätie R x max x mi. určíme počet itervalov k typicky 5 k 5 3. určíme dĺžku itervalu a i, b i : h. R, pričom h vhode zaokrúhlime ahor ak by sme k zaokrúhľovali adol, posledá hodota by emusela patriť do žiadeho itervalu 4. zostrojíme tabuľku početostí pre itervaly, pričom početosť itervalu bude počet hodôt, ktoré padú do itervalu. Za reprezetata itervalu berieme považujeme stred itervalu x i. 5. akreslíme histogram stĺpčeky šírky h 6. vypočítame charakteristiky zaku x k x i m i x kor a i + h j i m j m i x kor x i + h m i+ m i m i m i+ m i 7. áhodý výber a výberové charakteristiky evýhodou popisej štatistiky je utosť vyčerpávajúceho zisťovaia, čo v praxi často zameá potrebu fiacií, času atď. Rovako meraie môže v iektorých prípadoch spôsobiť zičeie meraého prvku, čo opäť zemožňuje opakovaé zisťovaie. Upustíme teda od tohto spôsobu zisťovaia a budeme realizovať áhodé reprezetatíve výbery o rozsahu. Prvky reprezetatívej vzorky sú ositeľmi hodôt sledovaého zaku x i, možo ich považovať za áhodé veličiy X i. Defiícia 7. -rozmerý áhodý vektor V X,..., X, kde X i pre i,..., sú ezávislé áhodé veličiy s idetickým áhodým rozdeleím F i x i, θ F x, θ, sa azýva áhodý výber o rozsahu z rozdeleia F x, θ. oz. V F x, θ Pozámka 7.. θ je ezámy parameter s hodotami z parametrického priestoru Θ.. Keďže zložky V sú ezávislé, pre distribučú fukciu áhodého vektora platí: F x,..., x, θ F i x i, θ Charakteristiky áhodého výberu sú dobrými odhadmi skutočých charakteristík základého štatistického súboru.. charakteristika polohy výberový priemer X X i Predáša RDr. Valéria Skřiváková, CSc., Prírodovedecká fakulta UPJŠ Košice. eautorizovaý text. Zostaveé dňa. júla 003, :. Zostavil Róbert ovotý, ovotyr
17 4 PRAVDEPODOBOSŤ A ŠTATISTIKA pozámky z predášok v letom semestri 6 ÁHODÉ VEKTORY VIACROZMERÉ ÁHODÉ VELIČIY 7 mediá x prostredá hodota. Hodoty usporiadame podľa veľkosti a ájdeme prostredú hodotu. x + ak je epáre x x + x ak je páre V prípade, že je páre, v podstate umelo vytvoríme prostredý čle. Charakteristiky variability štatistického zaku aalógia k DX s [s-kvadrát]. s K x i x m i x i x Aalogicky podľa výpočtového tvaru DX m m máme aalógia k QX s x i x QX x 0,75 x 0,5 Hodoty x 0,5 a x 0,75 určíme podobe ako pri mediáe. Dohoda: ak hodota x existuje, zarátame ju dvakrát, iak ie. variačé rozpätie R x max x mi variačý koeficiet zaku x V x s x x 00% Ak V x < 30%, hovoríme o dobrej charakteristike. V prípade, že V x > 50%, je potrebé použiť ié charakteristiky polohy. charakteristiky závislosti zakov. a každom prvku štatistického súboru sledujeme dva zaky korelačý koeficiet rx, y Výraz kx, y je kovariacia odhad. rovica regresej priamky kx, y s x s y, kde kx, y x i xy i ȳ. regresá priamka: y ȳ rx, y sy s x x x. regresá priamka: x x rx, y sx s y y ȳ resp. iý tvar. regresej priamky: y ȳ rx, y sy s x x x Pozámka 7. Ak je rôzych hodôt štatistického zaku veľa 0, potom dáta triedime do itervalov typu a i, b i alebo a i, b i tak, že každý krajý bod je tam práve raz. Postup: Potom podmieeé rozdeleie áhodého vektora X za predpokladu Y defiujeme ako P X x i Y y j P X x i, Y y j, i I, j J, pričom P Y y j > 0 P Y y j Odpovedajúca podmieeá distribučá fukcia je daá vzťahom F x y xi<x P X x i Y y j Defiícia 6.6 ech X, Y je spojitý áhodý vektor, ktorého rozdeleie je daé združeou hustotou fx, y. Potom podmieeá hustota áhodej veličiy X za podmieky Y defiujeme ako fx y fx, y f y Odpovedajúca podmieeá distribučá fukcia je defiovaá vzťahom F x y Pozámka 6.4. Aalogicky defiujeme fukciu F y x. x ft y dt. Môžeme defiovať aj podmieeé charakteristiky podľa vzťahu EX k Y spoj. 6.4 Charakteristiky áhodého vektora x k fx y dx. Charakteristika polohy áhodého vektora X, X,..., X je defiovaá ako vektor stredých hodôt EX,..., X EX,..., EX. Defiícia 6.7 Kovariačou maticou K X áhodého vektora X X,..., X azývame symetrickú maticu daú prvkami K ii DX i, i,..., K ij E[X i EX i X j EX j ] covx i, X j, i,..., ; i Číslo K ij covx i, X j azývame kovariaciou áhodých vektorov X i, X j. Defiícia 6.8 Korelačou maticou áhodého vektora X X,..., X azývame symetrickú maticu R X ϱ ij i,j s prvkami ϱ ii, i,..., ϱ ij covx i, Y j DXi DX j, i, j,...,, pričom DX i > 0, i,..., Číslo ϱ ij ϱx i, X j sa azýva korelačý koeficiet áhodých vektorov X i, X j, pričom i j. Pozámka 6.5. Disperzia variacia, rozptyl je špeciálym prípadom kovariacie pre i j. Predáša RDr. Valéria Skřiváková, CSc., Prírodovedecká fakulta UPJŠ Košice. eautorizovaý text. Zostaveé dňa. júla 003, :. Zostavil Róbert ovotý, ovotyr
18 8 PRAVDEPODOBOSŤ A ŠTATISTIKA pozámky z predášok v letom semestri 7 POPISÁ ŠTATISTIKA A ÁHODÝ VÝBER 3. Výpočtový tvar kovariacie je Tabuľkové spracovaie dát. Usporiadame dáta do eklesajúcej postuposti covx i, X j E[X i EX i X j EX j ] E[X i X j X i EX j X j EX i +EX i EX j ] }{{}}{{} košt. košt. EX i X j EX i EX j EX j EX i + EX i EX j EX i X j EX i EX j. Veta 6.5 ech áhodé veličiy X, Y sú ezávislé. Potom platí:. EX Y EX EY. DX ± Y DX + DY 3. ϕ X+Y t ϕ X t ϕ Y t Dôkaz:. ech X, Y sú ezávislé. To je však práve vtedy, ak zodpovedajúce javy sú ezávislé a teda F x, y F x F y, ale aj fx, y f x f y. Podľa vety o preose itegrácie: EX }{{ Y } gx x y fx, y dy dx ezávislosť Podľa vety z matematickej aalýzy možo posledý čle apísať ako: x f x dx y f y dy EX EY xy f x f y dy dx x x... x Ak sa údaje opakujú, vziká tabuľka početostí, obsahuje absolúte a relatíve početosti, kumulatíve početosti a kumulatíve relatíve početosti. x i x x... x K absolúta početosť m i m m... m K K m i relatíva početosť kumulatíva početosť kumulatíva relatíva početosť mi m m... K m i m m + m... K mi m m+m... mk K m i K mi K m i K mi Keďže podľa zákoa veľkých čísel mi p i pre, môžeme defiovať empirickú distribučú fukciu z ameraých hodôt. Distribučú fukciu odhademe z tabuľky kumulatívych relatívych početostí. F x m i xi<x Grafické metódy. Polygó je spojicový diagram spájajúci ajčastejšie body [x i, m i ]. Histogram je stĺpcový diagram. Používa sa v prípade veľkého možstva hodôt do 0 v tomto m i. Pre kovariaciu platí, že covx, Y EX Y EX EY a EX EY EX EY 0. Podľa vety??, bodu 3. o vlastostiach disperzie, platí rovosť DX ± Y DX + DY ± covx, Y DX+DY. Čle covx, Y je však rový ule, preto dostávame požadovaú rovosť. 3. Vyjdime z defiície charakteristickej fukcie: ϕ X+Y t Ee itx+y Ee itx e ity. Pozrime sa bližšie a obidva čley vo vútri. Premeé i, t v expoete sú koštaty, áhodé veličiy X a Y sú ezávislé. Potom sú ale ezávislé aj čley itx a ity a dokoca aj čley e itx a e ity. Ďalej podľa už dokázaého bodu máme po úprave Ee itx Ee ity ϕ X t ϕ Y t, čo sme chceli dokázať.... Pozámka 6.6 Posledú vetu možo zovšeobeciť: stredú hodotu súčiu ezávislých veličí možo spočítať ako súči ich stredých hodôt, disperziu súčtu ezávislých veličí možo vyrátať ako súčet ich disperzií, a charakteristickú fukciu súčtu ezávislých áhodých veličí možo vypočítať ako súči charakteristických fukcií jedotlivých áhodých veličí. Skrátee zapísaé: E X i EX i, D X i DX i, t ϕ Xi t ϕ Xi Veta 6.6 vlastosti ϱx, Y ech ϱx, Y je korelačý koeficiet áhodého vektora X, Y. Potom platí:. ak X, Y sú ezávislé, potom ϱx, Y 0. ak X, Y sú lieáre závislé, potom ϱx, Y prípade zadelíme hodoty do itervalov. Výpočtové metódy. Charakteristiky polohy štatistického zaku: aritmetický priemer x budeme ho používať ako odhad stredej hodoty. x x i K x i m i modus x ajpočetejšia hodota zaku x x i Predáša RDr. Valéria Skřiváková, CSc., Prírodovedecká fakulta UPJŠ Košice. eautorizovaý text. Zostaveé dňa. júla 003, :. Zostavil Róbert ovotý, ovotyr
19 PRAVDEPODOBOSŤ A ŠTATISTIKA pozámky z predášok v letom semestri 6 ÁHODÉ VEKTORY VIACROZMERÉ ÁHODÉ VELIČIY 9 Časť II Matematická štatistika História koree už v staroveku. Starovek sčítaie ľudu a majetku vojeské a daňové účely Egypt, Čía, Mezopotámia Stredovek vzik a kosolidácia ových štátov zisťovaie geografických údajov, hospodársky a politický popis štátu. status stav štátu. ovovek 7. stor. politická aritmetika v aglosaských krajiách Petty, Grad. Vzik zárodkov poisťovíctva a z toho vyplývajúca tvorba úmrtostých tabuliek Huyges. Do 0. storočia tzv. popisá štatistika, hlavý pricíp je vyčerpávajúce zisťovaie čím viac údajov, tým lepšie výsledky. 0. stor. využívaie aparátu pravdepodobosti v jadre. Vzik matematickej iduktívej štatistiky pricíp spočívajúci v áhodom výbere 7 Popisá štatistika a áhodý výber 7. Základé pojmy a metódy Štatistický súbor skupia prvkov, ktoré sú predmetom štatistického skúmaia a ktoré majú spoločú vlastosť. apr. skupia študetov a predáške, skupia výrobkov vyrobeých a jedom stroji Rozsah štatistického súboru počet prvkov štatistického súboru. Ozačujeme. Štatistický zak sledovaá vlastosť prvkov. Ozačujeme x. apr. váha, výška, vedomosti, farba očí. Štatistické dáta ameraé hodoty štatistického zaku Oz. x, x,..., x. Deleie štatistických zakov kvatitatíve dajú sa jedozače čísele vyjadriť kvalitatíve edajú sa vyjadriť jedozače číslom, saha je ich kvatifikovať Etapy štatistickej práce. štatistické zisťovaie hromadeie dát. spracovaie štatistických dát 3. vyhodocovaie výsledkov; záver pre prax Štatistické zisťovaie hromadeie dát. Štatisticky sa zisťujú dáta, je potrebá dôkladá evidecia. Získame východzie dáta x, x,..., x. Spracovaie štatistických dát.. tabuľkové. grafické 3. výpočtové Spracovaie sa koá troma spôsobmi: 3. ak X, Y sú ľubovoľé áhodé veličiy, tak ϱx, Y Dôkaz:. Ak X, Y sú ezávislé, potom podľa vety 6.5, bodu platí, že EX Y EX EY. Pre kovariaciu platí: covx, Y EX Y EX EY 0. Ale potom ϱx, Y covx,y 0. }{{} DX DY EX EY. ech X, Y sú lieáre závislé. Bez ujmy a všeobecosti môžeme predpokladať, že Y ax+b. Počítajme: ϱx, Y z výp. tvaru EX Y EX EY E[X ax + b] EX EaX + b DX DY DX DaX + b V ďalšom kroku využijeme vlastosti stredej hodoty a disperzie. Ďalej si všimeme čle DaX + b v meovateli. Veličiy ax a b sú zrejme ezávislé, môžeme teda použiť vetu 6.5, pričom však Db 0. Teda ϱx, Y vl. E, D aex + b EX aex b EX DX a DX Teraz odmocíme čley v meovateli. Keďže DX > 0, máme po vyásobeím oboch DX a ich ásledom odmoceí čle DX. Koštata a po odmoceí ám však dá a. V čitateli ám po sčítaí vypadú čley b EX a zo zvyšých dvoch čleov vyjmeme a pred zátvorku. ϱx, Y aex EX a DX Z posledých alteratív teda vyplýva, že ϱx, Y. a DX a DX a { ak a > 0 a ak a < 0 3. ech X, Y sú ľubovoľé. Uvažujme výraz E[tX EX + Y EY] 0. Ak výraz vo vútri stredej hodoty ebude záporý, tak aj stredá hodota bude ezáporá. Upravujme postupe teto výraz: E[t EX EX + X EY + tx EXY EY] 0 t DX + DY + t covx, Y 0 Uvažujme kvadratickú rovicu s premeou t. Počítajme diskrimiat za predpokladu, že rovica má ajviac jede reály koreň. 4 cov X, Y 4 DX EY 0 cov X, Y DX DY, 6. a cov X, Y Postupe predelíme zlomok výraz je ezáporý vyplýva to z erovostí 6. a 6., aby sme a pravej strae získali a odmocíme s ohľadom a absolúte hodoty: cov X,Y DX DY covx,y DX DY covx,y DX DY 0 ϱx, Y Predáša RDr. Valéria Skřiváková, CSc., Prírodovedecká fakulta UPJŠ Košice. eautorizovaý text. Zostaveé dňa. júla 003, :. Zostavil Róbert ovotý, ovotyr
20 0 PRAVDEPODOBOSŤ A ŠTATISTIKA pozámky z predášok v letom semestri 6 ÁHODÉ VEKTORY VIACROZMERÉ ÁHODÉ VELIČIY Pozámka 6.7. K tvrdeiu ak X, Y sú ezávislé, potom ϱx, Y 0 obráteá veta eplatí.. K tvrdeiu ak X, Y sú lieáre závislé, potom ϱx, Y platí aj opačé tvrdeie. Korelačý koeficiet ϱx, Y je mierou lieárej závislosti. V matematickej štatistike sa používa: ak ϱx, Y > 0,8, hovorieva sa o silej lieárej závislosti, ak 0,3 ϱx, Y 0,8 ide o mieru lieáru závislosť, ak ϱx, Y < 0,3, hovoríme o slabej lieárej závislosti. 6.5 Regresia ako tred závislosti Tred smer závislosti áhodých veličí X, Y sa dá graficky zázoriť tzv. regresou čiarou. Y X Y X Y X Y Obr. 0: Lieára, parabolická, hyperbolická závislosť a ezávislosť V praxi sa ajčastejšie používa lieára závislosť, ktorej zodpovedá regresá priamka 4. Defiícia 6.9 Regresou priamkou závislosti Y a X. regresou priamkou azývame priamku kde koeficiety a, b spĺňajú podmieku y ax + b, X Sa,b a Sa,b b 0 stacioáry bod 0 stacioáry bod. difereciál má byť kladý Upravme ajprv košt. {}}{ Sa, b E[Y EY ax EX + EY aex b] E [ Y EY + a X EX + + ax EXY EY + Y EY a X EX ] Aplikujme E : DY + a DX + EY aex b a covx, Y + 0 Počítajme parciálu deriváciu podľa a: Sa, b a Sa, b b adx + EY aex b EX covx, Y EY aex b Obe parciále derivácie položíme rové 0, teda ich môžeme upraviť adx + EY aex b EX covx, Y EY aex b Postupou úpravou dostaeme a covx, Y DX a[dx + E X] + bex covx, Y + EX EY b EY a EX covx, Y DY DY ϱx, Y DX DY DX DX Potrebujeme však ešte overiť, že druhý difereciál je aozaj kladý. Túto úlohu však preechávame a čitateľa. a E[Y ax + b] je miimále koeficiety miimalizujú stredú kvadratickú odchýlku. Koeficiety a, b azývame regresými koeficietami. Veta 6.7 ech ϱx, Y je korelačý koeficiet áhodých veličí X, Y. Pre. regresú priamku závislosti Y a X platí: DY y EY ϱx, Y x EX DX Potom a ϱx, Y DY DX, b EY aex. Dôkaz: Dôkaz vykoáme použitím metódy ajmeších štvorcov. Chceme miimalizovať výraz Sa, b EY ax + b. Má platiť: 4 Dá sa jedoduchšie popísať ako apr. hyperbola. V okolí hyperboly vieme často priamkou dobre aproximovať. Predáša RDr. Valéria Skřiváková, CSc., Prírodovedecká fakulta UPJŠ Košice. eautorizovaý text. Zostaveé dňa. júla 003, :. Zostavil Róbert ovotý, ovotyr
Pravdepodobnosť a štatistika
Prírodovedecká fakulta UPJŠ Košice Pravdepodobosť a štatistika ( pozámky z predášok letého semestra predmetu Pravdepodobosť a štatistika predáša: RNDr. Valéria Skřiváková, CSc. Verzia. júla 003 : Zostavil
Διαβάστε περισσότεραRegresná analýza x, x,..., x
Regresá aalýza Základé pojmy Regresá aalýza skúma fukčý vzťah (priebeh závislosti), podľa ktorého sa meí závisle premeá Y pri zmeách ezávislých veličí x, x,..., x k. x = ( x, x,..., x ) i i i i T Y = (Y,
Διαβάστε περισσότερα3. prednáška. Komplexné čísla
3. predáška Komplexé čísla Úvodé pozámky Vieme, že existujú také kvadratické rovice, ktoré emajú riešeie v obore reálych čísel. Študujme kvadratickú rovicu x x + 5 = 0 Použitím štadardej formule pre výpočet
Διαβάστε περισσότεραZNAKY. Ordinálne znaky = možno usporiadať, ale nie je podstatná veľkosť rozdielu!
ZNAKY Merateľé = kvatitatíve Majú veľkosť = ordiále Počítateľé = kvalitatíve Bez veľkosti = omiále Číselé charakteristiky (veľkosť, premelivosť, tvar rozdeleia) = možo odhadovať itervalovým odhadom a testovať
Διαβάστε περισσότεραMatematika Funkcia viac premenných, Parciálne derivácie
Matematika 2-01 Funkcia viac premenných, Parciálne derivácie Euklidovská metrika na množine R n všetkých usporiadaných n-íc reálnych čísel je reálna funkcia ρ: R n R n R definovaná nasledovne: Ak X = x
Διαβάστε περισσότερα1 Koeficient kovariancie
Koreláciou rozumieme vzájomý lieáry vz tah závislos t) dvoch áhodých premeých X a Y 1. Teto vz tah môˇze by t priamy tj. s rastúcimi hodotami jedej premeej rastú hodoty druhej premeej a aopak alebo epriamy
Διαβάστε περισσότεραx j hodnota štatistického znaku x - aritmetický priemer ni absolútna početnosť m počet tried hšt ti ti kéh m počet tried hšt ti ti kéh
4. Bodový odhad Pricíp bodového odhadu spočíva v odhade ezámych parametrov (stredej hodoty, rozptylu, smerodajej odchýlky, atď.) prostredíctvom výberových charakteristík, ktoré sú reprezetovaé jedým číslom
Διαβάστε περισσότερα6 Limita funkcie. 6.1 Myšlienka limity, interval bez bodu
6 Limita funkcie 6 Myšlienka ity, interval bez bodu Intuitívna myšlienka ity je prirodzená, ale definovať presne pojem ity je značne obtiažne Nech f je funkcia a nech a je reálne číslo Čo znamená zápis
Διαβάστε περισσότεραMatematika prednáška 4 Postupnosti a rady 4.5 Funkcionálne rady - mocninové rady - Taylorov rad, MacLaurinov rad
Matematika 3-13. prednáška 4 Postupnosti a rady 4.5 Funkcionálne rady - mocninové rady - Taylorov rad, MacLaurinov rad Erika Škrabul áková F BERG, TU Košice 15. 12. 2015 Erika Škrabul áková (TUKE) Taylorov
Διαβάστε περισσότεραPríklady na precvičovanie číselné rady a kritériá ich konvergencie a divergencie
Príklady a precvičovaie číselé rady a kritériá ich kovergecie a divergecie Ústredým problémom teórie reálych číselých radov je vyšetrovaie ich kovergecie, resp divergecie Ak {a } = je daá postuposť reálych
Διαβάστε περισσότερα1. Limita, spojitost a diferenciálny počet funkcie jednej premennej
. Limita, spojitost a diferenciálny počet funkcie jednej premennej Definícia.: Hromadný bod a R množiny A R: v každom jeho okolí leží aspoň jeden bod z množiny A, ktorý je rôzny od bodu a Zadanie množiny
Διαβάστε περισσότεραJednotkový koreň (unit root), diferencovanie časového radu, unit root testy
Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy Beáta Stehlíková Časové rady, FMFI UK, 2012/2013 Jednotkový koreň(unit root),diferencovanie časového radu, unit root testy p.1/18
Διαβάστε περισσότεραCvičenie č. 4,5 Limita funkcie
Cvičenie č. 4,5 Limita funkcie Definícia ity Limita funkcie (vlastná vo vlastnom bode) Nech funkcia f je definovaná na nejakom okolí U( ) bodu. Hovoríme, že funkcia f má v bode itu rovnú A, ak ( ε > )(
Διαβάστε περισσότεραZÁKLADNÉ ŠTATISTICKÉ METÓDY
TECHNICKÁ UNIVERZITA V KOŠICIACH S T R O J N Í C K A F A K U L T A ZÁKLADNÉ ŠTATISTICKÉ METÓDY Duša Kežo, Miriam Adrejiová, Gabriela Ižaríková 2011 RECENZOVALI: prof. RNDr. Marti Bača, CSc. prof. RNDr.
Διαβάστε περισσότεραUNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY TEÓRIA FOURIEROVÝCH RADOV
UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY TEÓRIA FOURIEROVÝCH RADOV Bratislava Marti Varísky UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY
Διαβάστε περισσότεραMotivácia Denícia determinantu Výpo et determinantov Determinant sú inu matíc Vyuºitie determinantov. Determinanty. 14. decembra 2010.
14. decembra 2010 Rie²enie sústav Plocha rovnobeºníka Objem rovnobeºnostena Rie²enie sústav Príklad a 11 x 1 + a 12 x 2 = c 1 a 21 x 1 + a 22 x 2 = c 2 Dostaneme: x 1 = c 1a 22 c 2 a 12 a 11 a 22 a 12
Διαβάστε περισσότεραUniverzita Karlova v Praze Matematicko-fyzikální fakulta DIPLOMOVÁ PRÁCA
Uiverzita Karlova v Praze Matematicko-fyzikálí fakulta DIPLOMOVÁ PRÁCA Vladislav Gajdošík Kozistecia a asymptotická reprezetácia odhadu LWS Katedra pravděpodobosti a matematické statistiky Vedúci diplomovej
Διαβάστε περισσότεραTomáš Madaras Prvočísla
Prvočísla Tomáš Madaras 2011 Definícia Nech a Z. Čísla 1, 1, a, a sa nazývajú triviálne delitele čísla a. Cele číslo a / {0, 1, 1} sa nazýva prvočíslo, ak má iba triviálne delitele; ak má aj iné delitele,
Διαβάστε περισσότεραChí kvadrát test dobrej zhody. Metódy riešenia úloh z pravdepodobnosti a štatistiky
Chí kvadrát test dobrej zhody Metódy riešenia úloh z pravdepodobnosti a štatistiky www.iam.fmph.uniba.sk/institute/stehlikova Test dobrej zhody I. Chceme overiť, či naše dáta pochádzajú z konkrétneho pravdep.
Διαβάστε περισσότεραStart. Vstup r. O = 2*π*r S = π*r*r. Vystup O, S. Stop. Start. Vstup P, C V = P*C*1,19. Vystup V. Stop
1) Vytvorte algoritmus (vývojový diagram) na výpočet obvodu kruhu. O=2xπxr ; S=πxrxr Vstup r O = 2*π*r S = π*r*r Vystup O, S 2) Vytvorte algoritmus (vývojový diagram) na výpočet celkovej ceny výrobku s
Διαβάστε περισσότεραKomplexné čísla, Diskrétna Fourierova transformácia 1
Komplexné čísla, Diskrétna Fourierova transformácia Komplexné čísla C - množina všetkých komplexných čísel komplexné číslo: z = a + bi, kde a, b R, i - imaginárna jednotka i =, t.j. i =. komplexne združené
Διαβάστε περισσότεραMIDTERM (A) riešenia a bodovanie
MIDTERM (A) riešenia a bodovanie 1. (7b) Nech vzhl adom na štandardnú karteziánsku sústavu súradníc S 1 := O, e 1, e 2 majú bod P a vektory u, v súradnice P = [0, 1], u = e 1, v = 2 e 2. Aký predpis bude
Διαβάστε περισσότεραJednotkový koreň (unit root), diferencovanie časového radu, unit root testy
Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy Beáta Stehlíková Časové rady, FMFI UK, 2013/2014 Jednotkový koreň(unit root),diferencovanie časového radu, unit root testy p.1/27
Διαβάστε περισσότεραObvod a obsah štvoruholníka
Obvod a štvoruholníka D. Štyri body roviny z ktorých žiadne tri nie sú kolineárne (neležia na jednej priamke) tvoria jeden štvoruholník. Tie body (A, B, C, D) sú vrcholy štvoruholníka. strany štvoruholníka
Διαβάστε περισσότεραpriradí skalár ( αβ, ) C sa nazýva skalárny súčin vtedy a len vtedy, ak platia tieto 4 axiómy:,
2. predáška lieára algebra II 2. predáška Lieára algebra II skaláry súči, orma, metrika, ortogoálosť, ortoormálosť, ortogoály doplok, lieáre operátory, maticová reprezetácia, hodosť a defekt operátorov
Διαβάστε περισσότερα7 Derivácia funkcie. 7.1 Motivácia k derivácii
Híc, P Pokorný, M: Matematika pre informatikov a prírodné vedy 7 Derivácia funkcie 7 Motivácia k derivácii S využitím derivácií sa stretávame veľmi často v matematike, geometrii, fyzike, či v rôznych technických
Διαβάστε περισσότεραZáklady matematickej štatistiky
1. Náhodný výber, výberové momenty a odhad parametrov Katedra Matematických metód Fakulta Riadenia a Informatiky Žilinská Univerzita v Žiline 6. mája 2015 1 Náhodný výber 2 Výberové momenty 3 Odhady parametrov
Διαβάστε περισσότεραPrognózovanie OBSAH PREDNÁŠKY
Progózovaie OBSAH PREDNÁŠKY Progózovaie cieľ, postup, klasifikácia metód Kvatitatíve metódy Rôze typy priemerov, lieára regresia, metóda harmoických váh Kvalitatíve metódy Odhad predajcov, skupiový posudok,
Διαβάστε περισσότεραKATEDRA DOPRAVNEJ A MANIPULAČNEJ TECHNIKY Strojnícka fakulta, Žilinská Univerzita
132 1 Absolútna chyba: ) = - skut absolútna ochýlka: ) ' = - spr. relatívna chyba: alebo Chyby (ochýlky): M systematické, M náhoné, M hrubé. Korekcia: k = spr - = - Î' pomerná korekcia: Správna honota:
Διαβάστε περισσότεραPolynómy, algebraické rovnice, korene a rozklad racionálnej funkcie. priesvitka 1
Polyómy, algebraické rovice, koree a rozklad racioálej fukcie priesvitka Polyómy Defiícia: Polyóm -tého stupňa premeej x (komplexej) je defiovaý vzťahom k P( x) = a0 + ax+ ax +... + ax = akx kde a0, a,...,
Διαβάστε περισσότερα7. FUNKCIE POJEM FUNKCIE
7. FUNKCIE POJEM FUNKCIE Funkcia f reálnej premennej je : - každé zobrazenie f v množine všetkých reálnych čísel; - množina f všetkých usporiadaných dvojíc[,y] R R pre ktorú platí: ku každému R eistuje
Διαβάστε περισσότεραARMA modely čast 2: moving average modely (MA)
ARMA modely čast 2: moving average modely (MA) Beáta Stehlíková Časové rady, FMFI UK, 2014/2015 ARMA modely časť 2: moving average modely(ma) p.1/24 V. Moving average proces prvého rádu - MA(1) ARMA modely
Διαβάστε περισσότερα2.4 OPAKOVATEĽNOSŤ A REPRODUKOVATEĽNOSŤ NORMOVANÝCH SKÚŠOK A VYJADRENIE NEISTÔT MERANÍ
.4 OPAKOVATEĽNOSŤ A REPRODUKOVATEĽNOSŤ NORMOVANÝCH SKÚŠOK A VYJADRENIE NEISTÔT MERANÍ Normovaé metódy okrem kompletých postpov popisjú aj spôsob spracovaia a vyhodoteia výsledkov meraia. Pri dodržaí podmieok
Διαβάστε περισσότεραÚvod do lineárnej algebry. Monika Molnárová Prednášky
Úvod do lineárnej algebry Monika Molnárová Prednášky 2006 Prednášky: 3 17 marca 2006 4 24 marca 2006 c RNDr Monika Molnárová, PhD Obsah 2 Sústavy lineárnych rovníc 25 21 Riešenie sústavy lineárnych rovníc
Διαβάστε περισσότεραMatematika 2. časť: Funkcia viac premenných Letný semester 2013/2014
Matematika 2 časť: Funkcia viac premenných Letný semester 2013/2014 RNDr. Jana Pócsová, PhD. Ústav riadenia a informatizácie výrobných procesov Fakulta BERG Technická univerzita v Košiciach e-mail: jana.pocsova@tuke.sk
Διαβάστε περισσότερα2.1 Charakteristiky polohy
2 POPISNÉ CHARAKTERISTIKY Výsledkom prvého kroku spracovaia štatistických údajov je usporiadaie aalyzovaých hodôt do kotigečých alebo frekvečých tabuliek. Častokrát, predovšetkým pri porovávaí viacerých
Διαβάστε περισσότεραMatematika 2. časť: Analytická geometria
Matematika 2 časť: Analytická geometria RNDr. Jana Pócsová, PhD. Ústav riadenia a informatizácie výrobných procesov Fakulta BERG Technická univerzita v Košiciach e-mail: jana.pocsova@tuke.sk Súradnicové
Διαβάστε περισσότεραx x x2 n
Reálne symetrické matice Skalárny súčin v R n. Pripomeniem, že pre vektory u = u, u, u, v = v, v, v R platí. dĺžka vektora u je u = u + u + u,. ak sú oba vektory nenulové a zvierajú neorientovaný uhol
Διαβάστε περισσότεραEkvačná a kvantifikačná logika
a kvantifikačná 3. prednáška (6. 10. 004) Prehľad 1 1 (dokončenie) ekvačných tabliel Formula A je ekvačne dokázateľná z množiny axióm T (T i A) práve vtedy, keď existuje uzavreté tablo pre cieľ A ekvačných
Διαβάστε περισσότεραPríklady na precvičovanie Fourierove rady
Príklady na precvičovanie Fourierove rady Ďalším významným typom funkcionálnych radov sú trigonometrické rady, pri ktorých sú jednotlivé členy trigonometrickými funkciami. Konkrétne, jedná sa o rady tvaru
Διαβάστε περισσότερα24. Základné spôsoby zobrazovania priestoru do roviny
24. Základné spôsoby zobrazovania priestoru do roviny Voľné rovnobežné premietanie Presné metódy zobrazenia trojrozmerného priestoru do dvojrozmernej roviny skúma samostatná matematická disciplína, ktorá
Διαβάστε περισσότεραFUNKCIE N REÁLNYCH PREMENNÝCH
FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY UNIVERZITY KOMENSKÉHO V BRATISLAVE FUNKCIE N REÁLNYCH PREMENNÝCH RNDr. Kristína Rostás, PhD. PREDMET: Matematická analýza ) 2010/2011 1. DEFINÍCIA REÁLNEJ FUNKCIE
Διαβάστε περισσότερα2 ODHADY PARAMETROV ZÁKLADNÉHO SÚBORU
ODHADY PARAMETROV ZÁKLADNÉHO SÚBOR.1 Bodové odhady Každý záko rozdeleia pravdepodobosti diskrétej aj spojitej áhodej premeej závisí od jedého alebo viacerých parametrov. V praxi často hľadáme vhodý pravdepodobostý
Διαβάστε περισσότεραLimita postupnosti II.
JKPo09-T List Limita postuposti II. Mgr. Jaa Králiková U: Pojem ity by si už mal pozať. Teraz si zopakujeme a rozšírime aše pozatky. Ž: Ak máme daú postuposť {a } =, ktorej hodoty sa blížia k ejakému číslu
Διαβάστε περισσότεραGoniometrické rovnice a nerovnice. Základné goniometrické rovnice
Goniometrické rovnice a nerovnice Definícia: Rovnice (nerovnice) obsahujúce neznámu x alebo výrazy s neznámou x ako argumenty jednej alebo niekoľkých goniometrických funkcií nazývame goniometrickými rovnicami
Διαβάστε περισσότεραMetódy vol nej optimalizácie
Metódy vol nej optimalizácie Metódy vol nej optimalizácie p. 1/28 Motivácia k metódam vol nej optimalizácie APLIKÁCIE p. 2/28 II 1. PRÍKLAD: Lineárna regresia - metóda najmenších štvorcov Na základe dostupných
Διαβάστε περισσότεραM6: Model Hydraulický systém dvoch zásobníkov kvapaliny s interakciou
M6: Model Hydraulický ytém dvoch záobníkov kvapaliny interakciou Úlohy:. Zotavte matematický popi modelu Hydraulický ytém. Vytvorte imulačný model v jazyku: a. Matlab b. imulink 3. Linearizujte nelineárny
Διαβάστε περισσότερα6. Mocniny a odmocniny
6 Moci odoci Číslo zýve oceec (leo zákld oci), s zýv ociteľ (leo epoet) Číslo s zýv -tá oci čísl Moci s piodzeý epoeto pe ľuovoľé eále číslo pe kždé piodzeé číslo je v ožie eálch čísel defiová -tá oci
Διαβάστε περισσότεραARMA modely čast 2: moving average modely (MA)
ARMA modely čast 2: moving average modely (MA) Beáta Stehlíková Časové rady, FMFI UK, 2011/2012 ARMA modely časť 2: moving average modely(ma) p.1/25 V. Moving average proces prvého rádu - MA(1) ARMA modely
Διαβάστε περισσότεραAlgebraické štruktúry I algebraické štruktúry, grupa, základné vlastnosti grupy, morfizmy
6. kapitola Algebraické štruktúry I algebraické štruktúry, grupa, základé vlastosti grupy, morfizmy 6. Biáre operácie Jede z častých prístupov v matematike je kombiovať elemety možiy, pričom sa požadujú
Διαβάστε περισσότεραIntegrovanie racionálnych funkcií
Integrovanie racionálnych funkcií Tomáš Madaras 2009-20 Z teórie funkcií už vieme, že každá racionálna funkcia (t.j. podiel dvoch polynomických funkcií) sa dá zapísať ako súčet polynomickej funkcie a funkcie
Διαβάστε περισσότεραLineárna algebra I - pole skalárov, lineárny priestor, lineárna závislosť, dimenzia, podpriestor, suma podpriestorov, izomorfizmus
1. prednáška Lineárna algebra I - pole skalárov, lineárny priestor, lineárna závislosť, dimenzia, podpriestor, suma podpriestorov, izomorfizmus Matematickým základom kvantovej mechaniky je teória Hilbertových
Διαβάστε περισσότεραPríklady na precvičovanie komplexné čísla, postupnosti a funkcie
Príklady a precvičovaie komplexé čísla, postuposti a fukcie Príklad 1 Vypočítajte: Riešeé príklady a) 1 + i 1 i 1 i 1 + i, b) 1 + i)6, c) 1 + i Riešeie: a) Elemetárym vypočtom dostaeme 1 + i 1 i 1 i 1
Διαβάστε περισσότεραZáklady metodológie vedy I. 9. prednáška
Základy metodológie vedy I. 9. prednáška Triedenie dát: Triedny znak - x i Absolútna početnosť n i (súčet všetkých absolútnych početností sa rovná rozsahu súboru n) ni fi = Relatívna početnosť fi n (relatívna
Διαβάστε περισσότεραDeliteľnosť a znaky deliteľnosti
Deliteľnosť a znaky deliteľnosti Medzi základné pojmy v aritmetike celých čísel patrí aj pojem deliteľnosť. Najprv si povieme, čo znamená, že celé číslo a delí celé číslo b a ako to zapisujeme. Nech a
Διαβάστε περισσότεραKatedra informatiky Fakulty matematiky, fyziky a informatiky Univerzity Komenského v Bratislave ÚVOD DO DISKRÉTNYCH ŠTRUKTÚR.
Katedra iformatiky Fakulty matematiky, fyziky a iformatiky Uiverzity Komeského v ratislave ÚVOD DO DISKRÉTNYCH ŠTRUKTÚR Eduard Toma RTISLV 008 OSH EDURD TOMN OSH PREDHOVOR 4 PREHĽD OZNČENÍ 5 ZÁKLDY MTEMTICKEJ
Διαβάστε περισσότερα,Zohrievanie vody indukčným varičom bez pokrievky,
Farba skupiny: zelená Označenie úlohy:,zohrievanie vody indukčným varičom bez pokrievky, Úloha: Zistiť, ako závisí účinnosť zohrievania vody na indukčnom variči od priemeru použitého hrnca. Hypotéza: Účinnosť
Διαβάστε περισσότεραHANA LAURINCOVÁ KLASICKÝ VS. NEPARAMETRICKÝ PRÍSTUP Štatistika Poistná matematika
UNIVERZITA KOMENSKÉHO, BRATISLAVA FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY KATEDRA POISTNEJ MATEMATIKY A ŠTATISTIKY PARCIÁLNA A MNOHONÁSOBNÁ KORELÁCIA: KLASICKÝ VS. NEPARAMETRICKÝ PRÍSTUP (Bakalárska práca)
Διαβάστε περισσότεραMotivácia pojmu derivácia
Derivácia funkcie Motivácia pojmu derivácia Zaujíma nás priemerná intenzita zmeny nejakej veličiny (dráhy, rastu populácie, veľkosti elektrického náboja, hmotnosti), vzhľadom na inú veličinu (čas, dĺžka)
Διαβάστε περισσότεραSpojité rozdelenia pravdepodobnosti. Pomôcka k predmetu PaŠ. RNDr. Aleš Kozubík, PhD. 26. marca Domovská stránka. Titulná strana.
Spojité rozdelenia pravdepodobnosti Pomôcka k predmetu PaŠ Strana z 7 RNDr. Aleš Kozubík, PhD. 6. marca 3 Zoznam obrázkov Rovnomerné rozdelenie Ro (a, b). Definícia.........................................
Διαβάστε περισσότεραObsah. 1.1 Reálne čísla a ich základné vlastnosti... 7 1.1.1 Komplexné čísla... 8
Obsah 1 Číselné obory 7 1.1 Reálne čísla a ich základné vlastnosti............................ 7 1.1.1 Komplexné čísla................................... 8 1.2 Číselné množiny.......................................
Διαβάστε περισσότεραNumerické metódy Učebný text pre bakalárske štúdium
Imrich Pokorný Numerické metódy Učebný text pre bakalárske štúdium Strana 1 z 48 1 Nepresnosť numerického riešenia úloh 4 1.1 Zdroje chýb a ich klasifikácia................... 4 1.2 Základné pojmy odhadu
Διαβάστε περισσότεραVektorový priestor V : Množina prvkov (vektory), na ktorej je definované ich sčítanie a ich
Tuesday 15 th January, 2013, 19:53 Základy tenzorového počtu M.Gintner Vektorový priestor V : Množina prvkov (vektory), na ktorej je definované ich sčítanie a ich násobenie reálnym číslom tak, že platí:
Διαβάστε περισσότεραVLASTNÉ ČÍSLA A JORDANOV KANONICKÝ TVAR. Michal Zajac. 3 T b 1 = T b 2 = = = 2b
VLASTNÉ ČÍSLA A JORDANOV KANONICKÝ TVAR Michal Zajac Vlastné čísla a vlastné vektory Pripomeňme najprv, že lineárny operátor T : L L je vzhl adom na bázu B = {b 1, b 2,, b n } lineárneho priestoru L určený
Διαβάστε περισσότεραPrechod z 2D do 3D. Martin Florek 3. marca 2009
Počítačová grafika 2 Prechod z 2D do 3D Martin Florek florek@sccg.sk FMFI UK 3. marca 2009 Prechod z 2D do 3D Čo to znamená? Ako zobraziť? Súradnicové systémy Čo to znamená? Ako zobraziť? tretia súradnica
Διαβάστε περισσότεραTESTOVANIE ŠTATISTICKÝCH HYPOTÉZ. Zdroje: Kompendium statistického zpracování dat, VPS s r. o.
TESTOVANIE ŠTATISTICKÝCH HYPOTÉZ Zdroje: Kompendium statistického zpracování dat, VPS s r. o. Témy prednášky ŠTATISTIKA, HYPOTÉZA TESTY ŠTATISTICKÝCH HYPOTÉZ (Testy štatistickej významnosti) t-test (STUDENTOV)
Διαβάστε περισσότεραReálna funkcia reálnej premennej
(ÚMV/MAN3a/10) RNDr. Ivan Mojsej, PhD ivan.mojsej@upjs.sk 18.10.2012 Úvod V každodennom živote, hlavne pri skúmaní prírodných javov, procesov sa stretávame so závislosťou veľkosti niektorých veličín od
Διαβάστε περισσότεραPriamkové plochy. Ak každým bodom plochy Φ prechádza aspoň jedna priamka, ktorá (celá) na nej leží potom plocha Φ je priamková. Santiago Calatrava
Priamkové plochy Priamkové plochy Ak každým bodom plochy Φ prechádza aspoň jedna priamka, ktorá (celá) na nej leží potom plocha Φ je priamková. Santiago Calatrava Priamkové plochy rozdeľujeme na: Rozvinuteľné
Διαβάστε περισσότεραAnalýza vlastností funkcií mierky a waveletov v ortogonálnom prípade. - funkcia mierky a wavelet spĺňajúca relácie zmeny rozlíšenia
Aalýza vlastostí fucií miery a waveletov v ortogoálom prípade Ozačeie: ϕ ( t), ψ ( t) - fucia miery a wavelet spĺňajúca relácie zmey rozlíšeia h ( ), g ( ) - zjedodušeé ozačeie oeficietov pre zmeu rozlíšeia
Διαβάστε περισσότερα4. Απαγορεύεται η χρήση υπολογιστή χειρός. Απαγορεύεται η χρήση κινητού, και ως υπολογιστή χειρός.
ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ, ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΙΘΑΝΟΤΗΤΕΣ, ΙΩΑΝΝΗΣ ΚΟΝΤΟΓΙΑΝΝΗΣ, ΣΤΑΥΡΟΣ ΤΟΥΜΠΗΣ ΤΕΛΙΚΗ ΕΞΕΤΑΣΗ, ΙΟΥΝΙΟΣ 207 ΟΝΟΜΑ ΦΟΙΤΗΤΗ:.............................. Οδηγίες. Συμπληρώστε το όνομά
Διαβάστε περισσότεραPostupnosti. Definícia :
Postuposti Defiícia : Postuposť je fukcia, ktorej defiičým oborom je možia všetkých prirodzeých čísel alebo jej podmožia typu { 1,,3... k }. Postuposť defiovaú a možie všetkých prirodzeých čísel, azývame
Διαβάστε περισσότερα1. písomná práca z matematiky Skupina A
1. písomná práca z matematiky Skupina A 1. Vypočítajte : a) 84º 56 + 32º 38 = b) 140º 53º 24 = c) 55º 12 : 2 = 2. Vypočítajte zvyšné uhly na obrázku : β γ α = 35 12 δ a b 3. Znázornite na číselnej osi
Διαβάστε περισσότεραDefinícia parciálna derivácia funkcie podľa premennej x. Definícia parciálna derivácia funkcie podľa premennej y. Ak existuje limita.
Teória prednáška č. 9 Deinícia parciálna deriácia nkcie podľa premennej Nech nkcia Ak eistje limita je deinoaná okolí bod [ ] lim. tak túto limit nazýame parciálno deriácio nkcie podľa premennej bode [
Διαβάστε περισσότεραPlanárne a rovinné grafy
Planárne a rovinné grafy Definícia Graf G sa nazýva planárny, ak existuje jeho nakreslenie D, v ktorom sa žiadne dve hrany nepretínajú. D sa potom nazýva rovinný graf. Planárne a rovinné grafy Definícia
Διαβάστε περισσότεραVeľkosť výberového súboru
Veľkosť výberového súboru Podľa Kah,H.A., Sempos,C.T.: Statistical Methods i Epidemiology. Oxford Uiv. Press, 1989 spracoval Doc. MUDr. Marti Rusák, CSc Často sa pýtame, aký veľký súbor potrebujem a preukázaie
Διαβάστε περισσότεραSúčtové vzorce. cos (α + β) = cos α.cos β sin α.sin β cos (α β) = cos α.cos β + sin α.sin β. tg (α β) = cotg (α β) =.
Súčtové vzorce Súčtové vzorce sú goniometrické hodnoty súčtov a rozdielov dvoch uhlov Sem patria aj goniometrické hodnoty dvojnásobného a polovičného uhla a pridám aj súčet a rozdiel goniometrických funkcií
Διαβάστε περισσότεραF (x) = kx. F (x )dx. F = kx. U(x) = U(0) kx2
F (x) = kx x k F = F (x) U(0) U(x) = x F = kx 0 F (x )dx U(x) = U(0) + 1 2 kx2 x U(0) = 0 U(x) = 1 2 kx2 U(x) x 0 = 0 x 1 U(x) U(0) + U (0) x + 1 2 U (0) x 2 U (0) = 0 U(x) U(0) + 1 2 U (0) x 2 U(0) =
Διαβάστε περισσότερα4 Reálna funkcia reálnej premennej a jej vlastnosti
Reálna unkcia reálnej premennej a jej vlastnosti Táto kapitola je venovaná štúdiu reálnej unkcie jednej reálnej premennej. Pojem unkcie patrí medzi základné pojmy v matematike. Je to vlastne matematický
Διαβάστε περισσότεραNumerické metódy matematiky I
Prednáška č. 7 Numerické metódy matematiky I Riešenie sústav lineárnych rovníc ( pokračovanie ) Prednáška č. 7 OBSAH 1. Metóda singulárneho rozkladu (SVD) Úvod SVD štvorcovej matice SVD pre menej rovníc
Διαβάστε περισσότεραŠtatistické riadenie procesov Regulačné diagramy 3-1
Charakteristika Štatistické riadenie procesov Regulačné diagramy 3-1 3 Regulačné diagramy Cieľ kapitoly Po preštudovaní tejto kapitoly budete vedieť: čo je to regulačný diagram, aké je jeho teoretické
Διαβάστε περισσότεραm i N 1 F i = j i F ij + F x
N m i i = 1,..., N m i Fi x N 1 F ij, j = 1, 2,... i 1, i + 1,..., N m i F i = j i F ij + F x i mi Fi j Fj i mj O P i = F i = j i F ij + F x i, i = 1,..., N P = i F i = N F ij + i j i N i F x i, i = 1,...,
Διαβάστε περισσότεραTechnická univerzita v Košiciach Fakulta elektrotechniky a informatiky MATEMATIKA II. Zbierka riešených a neriešených úloh
Technická univerzita v Košiciach Fakulta elektrotechniky a informatiky MATEMATIKA II Zbierka riešených a neriešených úloh Anna Grinčová Jana Petrillová Košice 06 Technická univerzita v Košiciach Fakulta
Διαβάστε περισσότερα3. Striedavé prúdy. Sínusoida
. Striedavé prúdy VZNIK: Striedavý elektrický prúd prechádza obvodom, ktorý je pripojený na zdroj striedavého napätia. Striedavé napätie vyrába synchrónny generátor, kde na koncoch rotorového vinutia sa
Διαβάστε περισσότεραMatematická štatistika
Matematcká štatstka Trochu hstóre: Starovek sčítae ľudu a majetku (vojeské a daňové účely) Egypt, Čía, Mezopotáma Stredovek vzk a kosoldáca ových štátov zsťovae geografckých údajov, hospodársky a poltcký
Διαβάστε περισσότεραFunkcie - základné pojmy
Funkcie - základné pojmy DEFINÍCIA FUNKCIE Nech A, B sú dve neprázdne číselné množiny. Ak každému prvku x A je priradený najviac jeden prvok y B, tak hovoríme, že je daná funkcia z množiny A do množiny
Διαβάστε περισσότεραTeória funkcionálneho a logického programovania
Prírodovedecká fakulta UPJŠ Košice Teória fucionálneho a logického programovania (poznámky z prednášok z akademického roka 2002/2003) prednáša: Prof. RNDr. Peter Vojtáš, DrSc. 2 TEÓRIA FUNKCIONÁLNEHO A
Διαβάστε περισσότεραGramatická indukcia a jej využitie
a jej využitie KAI FMFI UK 29. Marec 2010 a jej využitie Prehľad Teória formálnych jazykov 1 Teória formálnych jazykov 2 3 a jej využitie Na počiatku bolo slovo. A slovo... a jej využitie Definícia (Slovo)
Διαβάστε περισσότεραÚvod 2 Predhovor... 2 Sylaby a literatúra... 2 Označenia... 2
Obsah Úvod Predhovor Sylaby a literatúra Označenia Euklidovské vektorové priestory 3 Skalárny súčin 3 Gram-Schmidtov ortogonalizačný proces 8 Kvadratické formy 6 Definícia a základné vlastnosti 6 Kanonický
Διαβάστε περισσότεραLimity okolo nás. T (konečná) = 0, U (konečná) = mgr, max. max
Obsh Obsh Úvod 6 Limit okolo ás 7 Limit fukcie Limit rcioálch fukcií Limit ircioálch fukcií 8 5 Limit goiometrických cklometrických fukcií 5 6 Limit epoeciálch logritmických fukcií 7 Limit hperbolických
Διαβάστε περισσότερα2. prednáška. Teória množín I. množina operácie nad množinami množinová algebra mohutnosť a enumerácia karteziánsky súčin
2. prednáška Teória množín I množina operácie nad množinami množinová algebra mohutnosť a enumerácia karteziánsky súčin Verzia: 27. 9. 2009 Priesvtika: 1 Definícia množiny Koncepcia množiny patrí medzi
Διαβάστε περισσότεραObsah. 1.1 Základné pojmy a vzťahy Základné neurčité integrály Cvičenia Výsledky... 11
Obsah Neurčitý integrál 7. Základné pojmy a vzťahy.................................. 7.. Základné neurčité integrály............................. 9.. Cvičenia..........................................3
Διαβάστε περισσότεραModerné vzdelávanie pre vedomostnú spoločnosť Projekt je spolufinancovaný zo zdrojov EÚ M A T E M A T I K A
M A T E M A T I K A PRACOVNÝ ZOŠIT II. ROČNÍK Mgr. Agnesa Balážová Obchodná akadémia, Akademika Hronca 8, Rožňava PRACOVNÝ LIST 1 Urč typ kvadratickej rovnice : 1. x 2 3x = 0... 2. 3x 2 = - 2... 3. -4x
Διαβάστε περισσότεραZložené funkcie a substitúcia
3. kapitola Zložené funkcie a substitúcia Doteraz sme sa pri funkciách stretli len so závislosťami medzi dvoma premennými. Napríklad vzťah y=x 2 nám hovoril, ako závisí premenná y od premennej x. V praxi
Διαβάστε περισσότερα1 Prevod miestneho stredného slnečného času LMT 1 na iný miestny stredný slnečný čas LMT 2
1 Prevod miestneho stredného slnečného času LMT 1 na iný miestny stredný slnečný čas LMT 2 Rozdiel LMT medzi dvoma miestami sa rovná rozdielu ich zemepisných dĺžok. Pre prevod miestnych časov platí, že
Διαβάστε περισσότερα4. Výrokové funkcie (formy), ich definičný obor a obor pravdivosti
4. Výrokové funkcie (formy), ich definičný obor a obor pravdivosti Výroková funkcia (forma) ϕ ( x) je formálny výraz (formula), ktorý obsahuje znak x, pričom x berieme z nejakej množiny M. Ak za x zvolíme
Διαβάστε περισσότεραMetodicko pedagogické centrum. Národný projekt VZDELÁVANÍM PEDAGOGICKÝCH ZAMESTNANCOV K INKLÚZII MARGINALIZOVANÝCH RÓMSKYCH KOMUNÍT
Moderné vzdelávanie pre vedomostnú spoločnosť / Projekt je spolufinancovaný zo zdrojov EÚ Kód ITMS: 26130130051 číslo zmluvy: OPV/24/2011 Metodicko pedagogické centrum Národný projekt VZDELÁVANÍM PEDAGOGICKÝCH
Διαβάστε περισσότεραMASARYKOVA UNIVERZITA PŘÍRODOVĚDECKÁ FAKULTA ÚSTAV MATEMATIKY A STATISTIKY. Diplomová práce BRNO 2015 MICHAELA NEMEŠOVÁ
MASARYKOVA UNIVERZITA PŘÍRODOVĚDECKÁ FAKULTA ÚSTAV MATEMATIKY A STATISTIKY Diplomová práce BRNO 2015 MICHAELA NEMEŠOVÁ MASARYKOVA UNIVERZITA PŘÍRODOVĚDECKÁ FAKULTA ÚSTAV MATEMATIKY A STATISTIKY Metody
Διαβάστε περισσότεραMATEMATICKÁ ANALÝZA 1
UNIVERZITA PAVLA JOZEFA ŠAFÁRIKA V KOŠICIACH Prírodovedecká fakulta Ústav matematických vied Božena Mihalíková, Ján Ohriska MATEMATICKÁ ANALÝZA Vysokoškolský učebný text Košice, 202 202 doc. RNDr. Božena
Διαβάστε περισσότεραd) Rovnici < 0 nevyhovuje žiadne prirodzené íslo.
. A Výroky a operácie s výrokmi. Negácia kvatifikovaých a zložeých výrokov.. Rozhodite o pravdivosti: a) íslo je druhou mociou prirodzeého ísla. b) Eistuje aspo jedo páre prvoíslo. c) Riešeím rovice (
Διαβάστε περισσότεραKombinatorické identity Peter πtr Korcsok
Kobatorcké detty Peter πtr Korcsok ØÖ Øº Tátopredáškapredvádzazákladékobatorckéetódydokazovaa V prvej čast je každá techka struče popísaá a dopleá jedoduchý rešeý príklado, druhú časť poskytuje čtateľov
Διαβάστε περισσότερα