STATISTIKAIng Jan Popelka PhDodbornyacute asistentKatedra informatiky a geoinformatikyUniverzita Jana Evangelisty Purkyně v Uacutestiacute nad Labememail janpopelkaujepczWWW httpmostujepcz~popelka
PRAVDĚPODOBNOST
3
STATISTIKA ndash 3HODINA
Zaacutekladniacute pojmy Zaacutekladniacute pravidla pro počiacutetaacuteniacute s pravděpodobnostmi Definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Vybranaacute diskreacutetniacute rozděleniacute Spojitaacute naacutehodnaacute veličina Vybranaacute spojitaacute rozděleniacute
4
PRAVDĚPODOBNOST
PRAVDA a PODOBNOST
Pravděpodobnyacute = podobnyacute pravdě
= podobnyacute skutečnosti
= do jakeacute miacutery je pravdivyacute
5
PRAVDĚPODOBNOST - JEVY
Hromadneacute naacutehodneacute jevy (stochastickeacute jevy)
Jsou hromadneacute ndash opakujiacute se I když probiacutehajiacute ve stejnyacutech podmiacutenkaacutech
nemajiacute stejnyacute průběh Vyacutesledek nemůžeme s jistotou
předpovědět lze jen vyjmenovat množinu očekaacutevanyacutech vyacutesledků
Lze vyčiacuteslit pravděpodobnost s jakou lze očekaacutevat vyacutesledek z vyacuteše uvedeneacute množiny
Přiacuteklad hod kostkou ndash jeden hod je naacutehodnyacutem pokusem pokud hod opakuji viacutecekraacutet jde o hromadnyacute jev Vyacutesledkem je počet ok na kostce (podmiacutenky pokusu musejiacute byacutet vždy stejneacute = stejnaacute kostka)
Biologickeacute jevy ekonomickeacute jevy sociaacutelniacute jevy vyacuteskyt poruch
Chemickeacute fyzikaacutelniacute nebo astronomickeacute jevy
6
PRAVDĚPODOBNOST - JEVY
Hromadneacute nenaacutehodneacute jevy (deterministickeacute jevy) Majiacute stejnyacute průběh pokud probiacutehajiacute ve stejnyacutech podmiacutenkaacutech Vyacutesledek jevu můžeme s jistotou předpovědět Fyzikaacutelniacute jevy astronomickeacute jevy chemickeacute procesy
Přiacuteklad
Hod kostkou ndash hod je deterministickyacutem pokusem pokud sleduji zda padne směrem k zemi (podmiacutenky pokusu musejiacute byacutet vždy stejneacute)
7
PRAVDĚPODOBNOST - JEVY
Hromadneacute naacutehodneacute a nenaacutehodneacute jevyRozvoj vědy a lidskeacuteho myšleniacute vede k předefinovaacuteniacute řady jevů z kategorie naacutehodnyacutech do kategorie nenaacutehodnyacutech
Přiacuteklad Nemoc ndash dřiacuteve mohlo byacutet infekčniacute onemocněniacute braacuteno jako naacutehoda (někdo onemocniacute a někdo ne) dnes umiacuteme určit podmiacutenky kdy člověk onemocniacute a kdy ne (vliv imunitniacuteho systeacutemu)
Přiacuteklad Pohyb planet ndash dřiacuteve byl pohyb planet po obloze považovaacuten naacutehodnyacute již od starověkyacutech civilizaciacute viacuteme že se řiacutediacute přesnyacutemi pravidly
Přiacuteklad Hod kostkou ndash dnes jej považujeme za ideaacutelniacute přiacuteklad naacutehodneacuteho jevu v budoucnu třeba bude znaacutem přesnyacute model kteryacute předpoviacute vyacutesledek hodu
8
PRAVDĚPODOBNOST - JEVY
Naacutehodnyacute (stochastickyacute) jev je vyacutesledkem naacutehodneacuteho pokusu (značiacute se A B C hellip )
Hod kostkou je naacutehodnyacutem pokusem a počet ok na kostce je vyacutesledek neboli naacutehodnyacute jev
Jednoducheacute (elementaacuterniacute) jevy ndash jsou všechny možneacute vyacutesledky naacutehodneacuteho pokusu nelze je rozložit na jevy jednoduššiacute
Přiacuteklad Na kostce padne čiacuteslo 2
Složeneacute jevy ndash lze je rozložit na jevy jednoducheacute
Přiacuteklad Na kostce padne čiacuteslo sudeacute Jev lze rozložit na jednoducheacute jevy - padne čiacuteslo 2 4 nebo 6
9
PRAVDĚPODOBNOST - JEVY
Prostor elementaacuterniacutech jevů (E) je množina všech vyacutesledků naacutehodneacuteho pokusu tedy všech elementaacuterniacutech jevů Prostor může byacutet konečnyacute spočetnyacute nebo nespočetnyacute
Přiacuteklad Na šestistěnneacute kostce jsou elementaacuterniacute jevy hodnoty 123456 Prostor elementaacuterniacutech jevů lze zapsat E = (1)(2)(3)(4)(5)(6)
Přiacuteklad Hod dvěma mincemi
E=(orelorel)(pannapanna)(orelpanna) (pannaorel)
Přiacuteklad Ve Sportce je 13 983 816 elementaacuterniacutech jevů Pokud vsadiacuteme takovyacuteto počet různyacutech tiketůvyhrajeme prvniacute cenu
49
6
10
PRAVDĚPODOBNOST - JEVY
Jistyacute jev - za danyacutech podmiacutenek nastane vždy
Přiacuteklad Na šestistěnneacute kostce vždy padne nějakeacute čiacuteslo od 1 do 6
Přiacuteklad Na šestistěnneacute kostce vždy padne buď čiacuteslo sudeacute nebo čiacuteslo licheacute
Nemožnyacute jev - za danyacutech podmiacutenek nenastane nikdy
Přiacuteklad Na šestistěnneacute kostce nikdy nepadne čiacuteslo 0
11
PRAVDĚPODOBNOST - OPERACE S JEVY
Opačnyacute jev (Ā) ndash je jev kteryacute nastane pouze tehdy když nenastane jev A
sjednoceniacute opačnyacutech jevů je jistyacute jev opačneacute jevy jsou jevy neslučitelneacute (disjunktniacute) - nemohou
nastat zaacuteroveň (buď nastane jeden nebo druhyacute)
Přiacuteklad Při hodu minciacute nikdy nepadne panna a orel zaacuteroveň Vždy padne jen jedna možnost
12
PRAVDĚPODOBNOST - OPERACE S JEVY
Opačnyacute jev (Ā) ndash je jev kteryacute nastane pouze tehdy když nenastane jev A
Pravidla sjednoceniacute opačnyacutech jevů je jistyacute jev opačneacute jevy jsou jevy neslučitelneacute (disjunktniacute) - nemohou
nastat zaacuteroveň (buď nastane jeden nebo druhyacute)
Např Při hodu minciacute nikdy nepadne panna a orel zaacuteroveň Vždy padne jen jedna možnost
13
PRAVDĚPODOBNOST - DEFINICE
Klasickaacute definice (Laplaceova)
Přiacuteklad Jakaacute je pravděpodobnost hlavniacute vyacutehry ve Sportce
Ve Sportce je 13 983 816 možnyacutech přiacutepadů (možnyacutech kombinaciacute šesti čiacutesel ze 49 možnyacutech)
Hlavniacute vyacutehra je jen jedinaacute šestice (počet přiacuteznivyacutech kombinaciacute šesti čiacutesel je jedna jedinaacute) Pravděpodobnost hlavniacute vyacutehry je podle klasickeacute definice pravděpodobnosti
P(A) = přiacutezniveacute možneacute
P(A) = 113 983 816 = 0000 000 072 tj 0000 007 2
14
PRAVDĚPODOBNOST - DEFINICE
Klasickaacute definice (Laplaceova)
Naacutehodnyacute pokus maacute konečnyacute počet n elementaacuterniacutech jevů ktereacute mohou nastat se stejnou možnostiacute (n tzv možnyacutech přiacutepadů)
Sledovanyacute naacutehodnyacute jev A je určen jako sjednoceniacute určiteacuteho počtu (m) z těchto možnyacutech el jevů tedy jev A nastaacutevaacute při m přiacutepadech z n možnyacutech (m je počet tzv přiacuteznivyacutech přiacutepadů)
Za těchto okolnostiacute pravděpodobnost jevu A je rovna
P(A) = mn
15
PRAVDĚPODOBNOST - DEFINICE
Matematickaacute definice (Kolmogorovova)
Pravděpodobnost je definovaacutena jako funkce kteraacute přiřazuje naacutehodneacutemu jevu reaacutelneacute čiacuteslo a pro toto přiřazeniacute platiacute tři axiomy
1 Pravděpodobnost naacutehodneacuteho jevu A je nezaacuteporneacute čiacuteslo P(A) ge 0
2 Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1
3 Pravděpodobnost sjednoceniacute dvou vzaacutejemně neslučitelnyacutech (disjunktivniacutech) jevů A a B je rovna součtu jejich pravděpodobnostiacuteplatiacute-li pak 0 BA P(A B) = P(A) + P(B)
16
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)Přiacuteklad Jakaacute je pravděpodobnost narozeniacute holčičky
Statistickaacute definice odvozuje pravděpodobnost na zaacutekladě pokusu Pokusem mohou byacutet porody na uacutezemiacute Českeacute republiky za uplynulyacute rok kdy se narodilo 61 483 chlapců a 58 359 diacutevek
Pravděpodobnost narozeniacute holčičky je přibližně 58 359 119 842 = 0486 tedy 4869 Pro porovnaacuteniacute za rok 2003 45 55493 658 = 0486 tedy 4864
S rostouciacutem počtem sledovanyacutech naacutehodnyacutech pokusů se zjištěnaacute relativniacute četnost bude přibližovat odhadovaneacute pravděpodobnosti
17
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Provedli jsme n-kraacutet naacutehodnyacute pokus V teacuteto seacuterii pokusů nastal naacutehodnyacute jev A m-kraacutet
Relativniacute četnost pokusu A (tj poměr mn) se přibližuje (konverguje) k pravděpodobnosti tohoto jevu pro velkyacute počet naacutehodnyacutech pokusů
( )P(A) limn
m A
n
18
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1 Pravděpodobnost nemožneacuteho jevu Oslash je nula P(Oslash) = 0 Pravděpodobnost libovolneacuteho naacutehodneacuteho jevu A je
0 le P(A) le 1
19
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Pravděpodobnost uacutemrtiacute v Uacutesteckeacutem kraji podle věku (2009-2010)
Věk Muži Ženy0 044 044
10 003 001 20 008 002 30 009 003 40 022 009 50 063 030 60 187 084 70 424 214 80 954 636 90 2371 2212
100 5354 6253 105 10000 10000
20
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost smrti uacuterazem Pravděpodobnost smrti sebevraždou Pravděpodobnost smrti vraždou
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (konec 18 stoletiacute)
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (normalizace)
4
13
01
1 1 01
5 16 01
21
NAacuteHODNAacute VELIČINA
Naacutehodnaacute veličina je kvantitativniacute zobrazeniacute vyacutesledků naacutehodneacuteho pokusu Naacutehodnaacute veličina se značiacute X (velkeacute X) a konkreacutetniacute hodnoty kteryacutech může nabyacutevat xi
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu hodnot
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot z konečneacuteho nebo nekonečneacuteho intervalu
počet ok na kostce počet poruch stroje za rok počet zaacutekazniacuteků na pokladně za hodinu počet mrtvyacutech stromů na 1 ha lesa
Vyacuteška člověka ve 20 letech porodniacute vaacuteha vyacuterobniacute odchylka doba životnosti vyacuterobku cena akcie
22
DISKREacuteTNIacute ROZDĚLENIacute
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu
hodnot
23
DISKREacuteTNIacute ROZDĚLENIacute
Pravděpodobnost že naacutehodnaacute veličina nabyla konkreacutetniacute hodnoty xi zapisujeme
P(X = xi) = P(xi) = pi
Rozděleniacute pravděpodobnostiacute je vztah mezi hodnotami resp intervaly naacutehodneacute veličiny X a jejich pravděpodobnostmi pi
24
DISKREacuteTNIacute ROZDĚLENIacute
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Pravděpodobnost narozeniacute chlapce je 052Popis rozděleniacute prostřednictviacutem tabulkyNaacutehodnaacute veličina X nabyacutevaacute hodnot 0123 (kolik chlapců může byacutet mezi třemi novorozenci)
Počet chlapců (xi) Pravděpodobnost P(X=xi)Pravděpodobnost P(X= xi)
0 (tři diacutevky) = 048∙048∙048 = 011
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 012∙3 = 036
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 013∙3 = 039
3 (tři chlapci) = 052∙052∙052 = 014
Celkem 100 100
25
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Pravděpodobnostniacute funkce pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty x
P(x) = P(X = x)
Vlastnosti pravděpodobnostniacute funkce
bull funkce je omezenaacute 0 le P(x) le 1
bull pravděpodobnostniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
26
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Popis rozděleniacute prostřednictviacutem grafu pravděpodobnostniacute fce P(x)
Rozděleniacute počtu chlapců mezi třemi novorozenci
000501
01502
02503
03504
045
0 1 2 3 4
Počet chlapců (naacutehodnaacute veličina X)
Pra
vděp
od
ob
no
st p
(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
27
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Popis rozděleniacute funkčniacutem zaacutepisem pravděpodobnostniacute fce P(x)
Počet chlapců (x) Pravděpodobnost P(X=x) Funkčniacute zaacutepis
0 (tři diacutevky) = 048∙048∙048 = 1∙0520∙(1-052)3
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 3∙0521∙(1-052)2
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 3∙0522∙(1-052)1
3 (tři chlapci) = 052∙052∙052 = 1∙0523∙(1-052)0
Celkem 100 100
( ) 1n xxn
P xx
Pravděpodobnostniacute funkci přiacutekladu lze obecně zapsat
)(
Pozn
xnx
n
x
n
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
28
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)Vlastnosti distribučniacute funkce
bull 0 le F(x) le 1 omezenaacute funkce
bull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkce
bull P(a lt X le b) = F(b) - F(a)
bull distribučniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
bull F(x) = P(X le x) = ΣP(x)
29
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem tabulky(bude doplněn sloupec distribučniacute funkce) Hodnoty F(x) vyjadřujiacute pravděpodobnost že se narodiacute x nebo meacuteně chlapců
Počet chlapců (x) P(x) = P(X=x) F(x) = P(Xlex)
0 (tři diacutevky) 011 011
1 (chlapec dvě diacutevky) 036 011+036 = 047
2 (dva chlapci a diacutevka) 039 011+036+039 = 086
3 (tři chlapci) 014 011+036+039+014 = 1
Celkem 100 -
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
PRAVDĚPODOBNOST
3
STATISTIKA ndash 3HODINA
Zaacutekladniacute pojmy Zaacutekladniacute pravidla pro počiacutetaacuteniacute s pravděpodobnostmi Definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Vybranaacute diskreacutetniacute rozděleniacute Spojitaacute naacutehodnaacute veličina Vybranaacute spojitaacute rozděleniacute
4
PRAVDĚPODOBNOST
PRAVDA a PODOBNOST
Pravděpodobnyacute = podobnyacute pravdě
= podobnyacute skutečnosti
= do jakeacute miacutery je pravdivyacute
5
PRAVDĚPODOBNOST - JEVY
Hromadneacute naacutehodneacute jevy (stochastickeacute jevy)
Jsou hromadneacute ndash opakujiacute se I když probiacutehajiacute ve stejnyacutech podmiacutenkaacutech
nemajiacute stejnyacute průběh Vyacutesledek nemůžeme s jistotou
předpovědět lze jen vyjmenovat množinu očekaacutevanyacutech vyacutesledků
Lze vyčiacuteslit pravděpodobnost s jakou lze očekaacutevat vyacutesledek z vyacuteše uvedeneacute množiny
Přiacuteklad hod kostkou ndash jeden hod je naacutehodnyacutem pokusem pokud hod opakuji viacutecekraacutet jde o hromadnyacute jev Vyacutesledkem je počet ok na kostce (podmiacutenky pokusu musejiacute byacutet vždy stejneacute = stejnaacute kostka)
Biologickeacute jevy ekonomickeacute jevy sociaacutelniacute jevy vyacuteskyt poruch
Chemickeacute fyzikaacutelniacute nebo astronomickeacute jevy
6
PRAVDĚPODOBNOST - JEVY
Hromadneacute nenaacutehodneacute jevy (deterministickeacute jevy) Majiacute stejnyacute průběh pokud probiacutehajiacute ve stejnyacutech podmiacutenkaacutech Vyacutesledek jevu můžeme s jistotou předpovědět Fyzikaacutelniacute jevy astronomickeacute jevy chemickeacute procesy
Přiacuteklad
Hod kostkou ndash hod je deterministickyacutem pokusem pokud sleduji zda padne směrem k zemi (podmiacutenky pokusu musejiacute byacutet vždy stejneacute)
7
PRAVDĚPODOBNOST - JEVY
Hromadneacute naacutehodneacute a nenaacutehodneacute jevyRozvoj vědy a lidskeacuteho myšleniacute vede k předefinovaacuteniacute řady jevů z kategorie naacutehodnyacutech do kategorie nenaacutehodnyacutech
Přiacuteklad Nemoc ndash dřiacuteve mohlo byacutet infekčniacute onemocněniacute braacuteno jako naacutehoda (někdo onemocniacute a někdo ne) dnes umiacuteme určit podmiacutenky kdy člověk onemocniacute a kdy ne (vliv imunitniacuteho systeacutemu)
Přiacuteklad Pohyb planet ndash dřiacuteve byl pohyb planet po obloze považovaacuten naacutehodnyacute již od starověkyacutech civilizaciacute viacuteme že se řiacutediacute přesnyacutemi pravidly
Přiacuteklad Hod kostkou ndash dnes jej považujeme za ideaacutelniacute přiacuteklad naacutehodneacuteho jevu v budoucnu třeba bude znaacutem přesnyacute model kteryacute předpoviacute vyacutesledek hodu
8
PRAVDĚPODOBNOST - JEVY
Naacutehodnyacute (stochastickyacute) jev je vyacutesledkem naacutehodneacuteho pokusu (značiacute se A B C hellip )
Hod kostkou je naacutehodnyacutem pokusem a počet ok na kostce je vyacutesledek neboli naacutehodnyacute jev
Jednoducheacute (elementaacuterniacute) jevy ndash jsou všechny možneacute vyacutesledky naacutehodneacuteho pokusu nelze je rozložit na jevy jednoduššiacute
Přiacuteklad Na kostce padne čiacuteslo 2
Složeneacute jevy ndash lze je rozložit na jevy jednoducheacute
Přiacuteklad Na kostce padne čiacuteslo sudeacute Jev lze rozložit na jednoducheacute jevy - padne čiacuteslo 2 4 nebo 6
9
PRAVDĚPODOBNOST - JEVY
Prostor elementaacuterniacutech jevů (E) je množina všech vyacutesledků naacutehodneacuteho pokusu tedy všech elementaacuterniacutech jevů Prostor může byacutet konečnyacute spočetnyacute nebo nespočetnyacute
Přiacuteklad Na šestistěnneacute kostce jsou elementaacuterniacute jevy hodnoty 123456 Prostor elementaacuterniacutech jevů lze zapsat E = (1)(2)(3)(4)(5)(6)
Přiacuteklad Hod dvěma mincemi
E=(orelorel)(pannapanna)(orelpanna) (pannaorel)
Přiacuteklad Ve Sportce je 13 983 816 elementaacuterniacutech jevů Pokud vsadiacuteme takovyacuteto počet různyacutech tiketůvyhrajeme prvniacute cenu
49
6
10
PRAVDĚPODOBNOST - JEVY
Jistyacute jev - za danyacutech podmiacutenek nastane vždy
Přiacuteklad Na šestistěnneacute kostce vždy padne nějakeacute čiacuteslo od 1 do 6
Přiacuteklad Na šestistěnneacute kostce vždy padne buď čiacuteslo sudeacute nebo čiacuteslo licheacute
Nemožnyacute jev - za danyacutech podmiacutenek nenastane nikdy
Přiacuteklad Na šestistěnneacute kostce nikdy nepadne čiacuteslo 0
11
PRAVDĚPODOBNOST - OPERACE S JEVY
Opačnyacute jev (Ā) ndash je jev kteryacute nastane pouze tehdy když nenastane jev A
sjednoceniacute opačnyacutech jevů je jistyacute jev opačneacute jevy jsou jevy neslučitelneacute (disjunktniacute) - nemohou
nastat zaacuteroveň (buď nastane jeden nebo druhyacute)
Přiacuteklad Při hodu minciacute nikdy nepadne panna a orel zaacuteroveň Vždy padne jen jedna možnost
12
PRAVDĚPODOBNOST - OPERACE S JEVY
Opačnyacute jev (Ā) ndash je jev kteryacute nastane pouze tehdy když nenastane jev A
Pravidla sjednoceniacute opačnyacutech jevů je jistyacute jev opačneacute jevy jsou jevy neslučitelneacute (disjunktniacute) - nemohou
nastat zaacuteroveň (buď nastane jeden nebo druhyacute)
Např Při hodu minciacute nikdy nepadne panna a orel zaacuteroveň Vždy padne jen jedna možnost
13
PRAVDĚPODOBNOST - DEFINICE
Klasickaacute definice (Laplaceova)
Přiacuteklad Jakaacute je pravděpodobnost hlavniacute vyacutehry ve Sportce
Ve Sportce je 13 983 816 možnyacutech přiacutepadů (možnyacutech kombinaciacute šesti čiacutesel ze 49 možnyacutech)
Hlavniacute vyacutehra je jen jedinaacute šestice (počet přiacuteznivyacutech kombinaciacute šesti čiacutesel je jedna jedinaacute) Pravděpodobnost hlavniacute vyacutehry je podle klasickeacute definice pravděpodobnosti
P(A) = přiacutezniveacute možneacute
P(A) = 113 983 816 = 0000 000 072 tj 0000 007 2
14
PRAVDĚPODOBNOST - DEFINICE
Klasickaacute definice (Laplaceova)
Naacutehodnyacute pokus maacute konečnyacute počet n elementaacuterniacutech jevů ktereacute mohou nastat se stejnou možnostiacute (n tzv možnyacutech přiacutepadů)
Sledovanyacute naacutehodnyacute jev A je určen jako sjednoceniacute určiteacuteho počtu (m) z těchto možnyacutech el jevů tedy jev A nastaacutevaacute při m přiacutepadech z n možnyacutech (m je počet tzv přiacuteznivyacutech přiacutepadů)
Za těchto okolnostiacute pravděpodobnost jevu A je rovna
P(A) = mn
15
PRAVDĚPODOBNOST - DEFINICE
Matematickaacute definice (Kolmogorovova)
Pravděpodobnost je definovaacutena jako funkce kteraacute přiřazuje naacutehodneacutemu jevu reaacutelneacute čiacuteslo a pro toto přiřazeniacute platiacute tři axiomy
1 Pravděpodobnost naacutehodneacuteho jevu A je nezaacuteporneacute čiacuteslo P(A) ge 0
2 Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1
3 Pravděpodobnost sjednoceniacute dvou vzaacutejemně neslučitelnyacutech (disjunktivniacutech) jevů A a B je rovna součtu jejich pravděpodobnostiacuteplatiacute-li pak 0 BA P(A B) = P(A) + P(B)
16
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)Přiacuteklad Jakaacute je pravděpodobnost narozeniacute holčičky
Statistickaacute definice odvozuje pravděpodobnost na zaacutekladě pokusu Pokusem mohou byacutet porody na uacutezemiacute Českeacute republiky za uplynulyacute rok kdy se narodilo 61 483 chlapců a 58 359 diacutevek
Pravděpodobnost narozeniacute holčičky je přibližně 58 359 119 842 = 0486 tedy 4869 Pro porovnaacuteniacute za rok 2003 45 55493 658 = 0486 tedy 4864
S rostouciacutem počtem sledovanyacutech naacutehodnyacutech pokusů se zjištěnaacute relativniacute četnost bude přibližovat odhadovaneacute pravděpodobnosti
17
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Provedli jsme n-kraacutet naacutehodnyacute pokus V teacuteto seacuterii pokusů nastal naacutehodnyacute jev A m-kraacutet
Relativniacute četnost pokusu A (tj poměr mn) se přibližuje (konverguje) k pravděpodobnosti tohoto jevu pro velkyacute počet naacutehodnyacutech pokusů
( )P(A) limn
m A
n
18
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1 Pravděpodobnost nemožneacuteho jevu Oslash je nula P(Oslash) = 0 Pravděpodobnost libovolneacuteho naacutehodneacuteho jevu A je
0 le P(A) le 1
19
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Pravděpodobnost uacutemrtiacute v Uacutesteckeacutem kraji podle věku (2009-2010)
Věk Muži Ženy0 044 044
10 003 001 20 008 002 30 009 003 40 022 009 50 063 030 60 187 084 70 424 214 80 954 636 90 2371 2212
100 5354 6253 105 10000 10000
20
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost smrti uacuterazem Pravděpodobnost smrti sebevraždou Pravděpodobnost smrti vraždou
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (konec 18 stoletiacute)
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (normalizace)
4
13
01
1 1 01
5 16 01
21
NAacuteHODNAacute VELIČINA
Naacutehodnaacute veličina je kvantitativniacute zobrazeniacute vyacutesledků naacutehodneacuteho pokusu Naacutehodnaacute veličina se značiacute X (velkeacute X) a konkreacutetniacute hodnoty kteryacutech může nabyacutevat xi
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu hodnot
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot z konečneacuteho nebo nekonečneacuteho intervalu
počet ok na kostce počet poruch stroje za rok počet zaacutekazniacuteků na pokladně za hodinu počet mrtvyacutech stromů na 1 ha lesa
Vyacuteška člověka ve 20 letech porodniacute vaacuteha vyacuterobniacute odchylka doba životnosti vyacuterobku cena akcie
22
DISKREacuteTNIacute ROZDĚLENIacute
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu
hodnot
23
DISKREacuteTNIacute ROZDĚLENIacute
Pravděpodobnost že naacutehodnaacute veličina nabyla konkreacutetniacute hodnoty xi zapisujeme
P(X = xi) = P(xi) = pi
Rozděleniacute pravděpodobnostiacute je vztah mezi hodnotami resp intervaly naacutehodneacute veličiny X a jejich pravděpodobnostmi pi
24
DISKREacuteTNIacute ROZDĚLENIacute
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Pravděpodobnost narozeniacute chlapce je 052Popis rozděleniacute prostřednictviacutem tabulkyNaacutehodnaacute veličina X nabyacutevaacute hodnot 0123 (kolik chlapců může byacutet mezi třemi novorozenci)
Počet chlapců (xi) Pravděpodobnost P(X=xi)Pravděpodobnost P(X= xi)
0 (tři diacutevky) = 048∙048∙048 = 011
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 012∙3 = 036
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 013∙3 = 039
3 (tři chlapci) = 052∙052∙052 = 014
Celkem 100 100
25
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Pravděpodobnostniacute funkce pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty x
P(x) = P(X = x)
Vlastnosti pravděpodobnostniacute funkce
bull funkce je omezenaacute 0 le P(x) le 1
bull pravděpodobnostniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
26
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Popis rozděleniacute prostřednictviacutem grafu pravděpodobnostniacute fce P(x)
Rozděleniacute počtu chlapců mezi třemi novorozenci
000501
01502
02503
03504
045
0 1 2 3 4
Počet chlapců (naacutehodnaacute veličina X)
Pra
vděp
od
ob
no
st p
(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
27
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Popis rozděleniacute funkčniacutem zaacutepisem pravděpodobnostniacute fce P(x)
Počet chlapců (x) Pravděpodobnost P(X=x) Funkčniacute zaacutepis
0 (tři diacutevky) = 048∙048∙048 = 1∙0520∙(1-052)3
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 3∙0521∙(1-052)2
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 3∙0522∙(1-052)1
3 (tři chlapci) = 052∙052∙052 = 1∙0523∙(1-052)0
Celkem 100 100
( ) 1n xxn
P xx
Pravděpodobnostniacute funkci přiacutekladu lze obecně zapsat
)(
Pozn
xnx
n
x
n
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
28
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)Vlastnosti distribučniacute funkce
bull 0 le F(x) le 1 omezenaacute funkce
bull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkce
bull P(a lt X le b) = F(b) - F(a)
bull distribučniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
bull F(x) = P(X le x) = ΣP(x)
29
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem tabulky(bude doplněn sloupec distribučniacute funkce) Hodnoty F(x) vyjadřujiacute pravděpodobnost že se narodiacute x nebo meacuteně chlapců
Počet chlapců (x) P(x) = P(X=x) F(x) = P(Xlex)
0 (tři diacutevky) 011 011
1 (chlapec dvě diacutevky) 036 011+036 = 047
2 (dva chlapci a diacutevka) 039 011+036+039 = 086
3 (tři chlapci) 014 011+036+039+014 = 1
Celkem 100 -
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
3
STATISTIKA ndash 3HODINA
Zaacutekladniacute pojmy Zaacutekladniacute pravidla pro počiacutetaacuteniacute s pravděpodobnostmi Definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Vybranaacute diskreacutetniacute rozděleniacute Spojitaacute naacutehodnaacute veličina Vybranaacute spojitaacute rozděleniacute
4
PRAVDĚPODOBNOST
PRAVDA a PODOBNOST
Pravděpodobnyacute = podobnyacute pravdě
= podobnyacute skutečnosti
= do jakeacute miacutery je pravdivyacute
5
PRAVDĚPODOBNOST - JEVY
Hromadneacute naacutehodneacute jevy (stochastickeacute jevy)
Jsou hromadneacute ndash opakujiacute se I když probiacutehajiacute ve stejnyacutech podmiacutenkaacutech
nemajiacute stejnyacute průběh Vyacutesledek nemůžeme s jistotou
předpovědět lze jen vyjmenovat množinu očekaacutevanyacutech vyacutesledků
Lze vyčiacuteslit pravděpodobnost s jakou lze očekaacutevat vyacutesledek z vyacuteše uvedeneacute množiny
Přiacuteklad hod kostkou ndash jeden hod je naacutehodnyacutem pokusem pokud hod opakuji viacutecekraacutet jde o hromadnyacute jev Vyacutesledkem je počet ok na kostce (podmiacutenky pokusu musejiacute byacutet vždy stejneacute = stejnaacute kostka)
Biologickeacute jevy ekonomickeacute jevy sociaacutelniacute jevy vyacuteskyt poruch
Chemickeacute fyzikaacutelniacute nebo astronomickeacute jevy
6
PRAVDĚPODOBNOST - JEVY
Hromadneacute nenaacutehodneacute jevy (deterministickeacute jevy) Majiacute stejnyacute průběh pokud probiacutehajiacute ve stejnyacutech podmiacutenkaacutech Vyacutesledek jevu můžeme s jistotou předpovědět Fyzikaacutelniacute jevy astronomickeacute jevy chemickeacute procesy
Přiacuteklad
Hod kostkou ndash hod je deterministickyacutem pokusem pokud sleduji zda padne směrem k zemi (podmiacutenky pokusu musejiacute byacutet vždy stejneacute)
7
PRAVDĚPODOBNOST - JEVY
Hromadneacute naacutehodneacute a nenaacutehodneacute jevyRozvoj vědy a lidskeacuteho myšleniacute vede k předefinovaacuteniacute řady jevů z kategorie naacutehodnyacutech do kategorie nenaacutehodnyacutech
Přiacuteklad Nemoc ndash dřiacuteve mohlo byacutet infekčniacute onemocněniacute braacuteno jako naacutehoda (někdo onemocniacute a někdo ne) dnes umiacuteme určit podmiacutenky kdy člověk onemocniacute a kdy ne (vliv imunitniacuteho systeacutemu)
Přiacuteklad Pohyb planet ndash dřiacuteve byl pohyb planet po obloze považovaacuten naacutehodnyacute již od starověkyacutech civilizaciacute viacuteme že se řiacutediacute přesnyacutemi pravidly
Přiacuteklad Hod kostkou ndash dnes jej považujeme za ideaacutelniacute přiacuteklad naacutehodneacuteho jevu v budoucnu třeba bude znaacutem přesnyacute model kteryacute předpoviacute vyacutesledek hodu
8
PRAVDĚPODOBNOST - JEVY
Naacutehodnyacute (stochastickyacute) jev je vyacutesledkem naacutehodneacuteho pokusu (značiacute se A B C hellip )
Hod kostkou je naacutehodnyacutem pokusem a počet ok na kostce je vyacutesledek neboli naacutehodnyacute jev
Jednoducheacute (elementaacuterniacute) jevy ndash jsou všechny možneacute vyacutesledky naacutehodneacuteho pokusu nelze je rozložit na jevy jednoduššiacute
Přiacuteklad Na kostce padne čiacuteslo 2
Složeneacute jevy ndash lze je rozložit na jevy jednoducheacute
Přiacuteklad Na kostce padne čiacuteslo sudeacute Jev lze rozložit na jednoducheacute jevy - padne čiacuteslo 2 4 nebo 6
9
PRAVDĚPODOBNOST - JEVY
Prostor elementaacuterniacutech jevů (E) je množina všech vyacutesledků naacutehodneacuteho pokusu tedy všech elementaacuterniacutech jevů Prostor může byacutet konečnyacute spočetnyacute nebo nespočetnyacute
Přiacuteklad Na šestistěnneacute kostce jsou elementaacuterniacute jevy hodnoty 123456 Prostor elementaacuterniacutech jevů lze zapsat E = (1)(2)(3)(4)(5)(6)
Přiacuteklad Hod dvěma mincemi
E=(orelorel)(pannapanna)(orelpanna) (pannaorel)
Přiacuteklad Ve Sportce je 13 983 816 elementaacuterniacutech jevů Pokud vsadiacuteme takovyacuteto počet různyacutech tiketůvyhrajeme prvniacute cenu
49
6
10
PRAVDĚPODOBNOST - JEVY
Jistyacute jev - za danyacutech podmiacutenek nastane vždy
Přiacuteklad Na šestistěnneacute kostce vždy padne nějakeacute čiacuteslo od 1 do 6
Přiacuteklad Na šestistěnneacute kostce vždy padne buď čiacuteslo sudeacute nebo čiacuteslo licheacute
Nemožnyacute jev - za danyacutech podmiacutenek nenastane nikdy
Přiacuteklad Na šestistěnneacute kostce nikdy nepadne čiacuteslo 0
11
PRAVDĚPODOBNOST - OPERACE S JEVY
Opačnyacute jev (Ā) ndash je jev kteryacute nastane pouze tehdy když nenastane jev A
sjednoceniacute opačnyacutech jevů je jistyacute jev opačneacute jevy jsou jevy neslučitelneacute (disjunktniacute) - nemohou
nastat zaacuteroveň (buď nastane jeden nebo druhyacute)
Přiacuteklad Při hodu minciacute nikdy nepadne panna a orel zaacuteroveň Vždy padne jen jedna možnost
12
PRAVDĚPODOBNOST - OPERACE S JEVY
Opačnyacute jev (Ā) ndash je jev kteryacute nastane pouze tehdy když nenastane jev A
Pravidla sjednoceniacute opačnyacutech jevů je jistyacute jev opačneacute jevy jsou jevy neslučitelneacute (disjunktniacute) - nemohou
nastat zaacuteroveň (buď nastane jeden nebo druhyacute)
Např Při hodu minciacute nikdy nepadne panna a orel zaacuteroveň Vždy padne jen jedna možnost
13
PRAVDĚPODOBNOST - DEFINICE
Klasickaacute definice (Laplaceova)
Přiacuteklad Jakaacute je pravděpodobnost hlavniacute vyacutehry ve Sportce
Ve Sportce je 13 983 816 možnyacutech přiacutepadů (možnyacutech kombinaciacute šesti čiacutesel ze 49 možnyacutech)
Hlavniacute vyacutehra je jen jedinaacute šestice (počet přiacuteznivyacutech kombinaciacute šesti čiacutesel je jedna jedinaacute) Pravděpodobnost hlavniacute vyacutehry je podle klasickeacute definice pravděpodobnosti
P(A) = přiacutezniveacute možneacute
P(A) = 113 983 816 = 0000 000 072 tj 0000 007 2
14
PRAVDĚPODOBNOST - DEFINICE
Klasickaacute definice (Laplaceova)
Naacutehodnyacute pokus maacute konečnyacute počet n elementaacuterniacutech jevů ktereacute mohou nastat se stejnou možnostiacute (n tzv možnyacutech přiacutepadů)
Sledovanyacute naacutehodnyacute jev A je určen jako sjednoceniacute určiteacuteho počtu (m) z těchto možnyacutech el jevů tedy jev A nastaacutevaacute při m přiacutepadech z n možnyacutech (m je počet tzv přiacuteznivyacutech přiacutepadů)
Za těchto okolnostiacute pravděpodobnost jevu A je rovna
P(A) = mn
15
PRAVDĚPODOBNOST - DEFINICE
Matematickaacute definice (Kolmogorovova)
Pravděpodobnost je definovaacutena jako funkce kteraacute přiřazuje naacutehodneacutemu jevu reaacutelneacute čiacuteslo a pro toto přiřazeniacute platiacute tři axiomy
1 Pravděpodobnost naacutehodneacuteho jevu A je nezaacuteporneacute čiacuteslo P(A) ge 0
2 Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1
3 Pravděpodobnost sjednoceniacute dvou vzaacutejemně neslučitelnyacutech (disjunktivniacutech) jevů A a B je rovna součtu jejich pravděpodobnostiacuteplatiacute-li pak 0 BA P(A B) = P(A) + P(B)
16
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)Přiacuteklad Jakaacute je pravděpodobnost narozeniacute holčičky
Statistickaacute definice odvozuje pravděpodobnost na zaacutekladě pokusu Pokusem mohou byacutet porody na uacutezemiacute Českeacute republiky za uplynulyacute rok kdy se narodilo 61 483 chlapců a 58 359 diacutevek
Pravděpodobnost narozeniacute holčičky je přibližně 58 359 119 842 = 0486 tedy 4869 Pro porovnaacuteniacute za rok 2003 45 55493 658 = 0486 tedy 4864
S rostouciacutem počtem sledovanyacutech naacutehodnyacutech pokusů se zjištěnaacute relativniacute četnost bude přibližovat odhadovaneacute pravděpodobnosti
17
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Provedli jsme n-kraacutet naacutehodnyacute pokus V teacuteto seacuterii pokusů nastal naacutehodnyacute jev A m-kraacutet
Relativniacute četnost pokusu A (tj poměr mn) se přibližuje (konverguje) k pravděpodobnosti tohoto jevu pro velkyacute počet naacutehodnyacutech pokusů
( )P(A) limn
m A
n
18
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1 Pravděpodobnost nemožneacuteho jevu Oslash je nula P(Oslash) = 0 Pravděpodobnost libovolneacuteho naacutehodneacuteho jevu A je
0 le P(A) le 1
19
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Pravděpodobnost uacutemrtiacute v Uacutesteckeacutem kraji podle věku (2009-2010)
Věk Muži Ženy0 044 044
10 003 001 20 008 002 30 009 003 40 022 009 50 063 030 60 187 084 70 424 214 80 954 636 90 2371 2212
100 5354 6253 105 10000 10000
20
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost smrti uacuterazem Pravděpodobnost smrti sebevraždou Pravděpodobnost smrti vraždou
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (konec 18 stoletiacute)
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (normalizace)
4
13
01
1 1 01
5 16 01
21
NAacuteHODNAacute VELIČINA
Naacutehodnaacute veličina je kvantitativniacute zobrazeniacute vyacutesledků naacutehodneacuteho pokusu Naacutehodnaacute veličina se značiacute X (velkeacute X) a konkreacutetniacute hodnoty kteryacutech může nabyacutevat xi
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu hodnot
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot z konečneacuteho nebo nekonečneacuteho intervalu
počet ok na kostce počet poruch stroje za rok počet zaacutekazniacuteků na pokladně za hodinu počet mrtvyacutech stromů na 1 ha lesa
Vyacuteška člověka ve 20 letech porodniacute vaacuteha vyacuterobniacute odchylka doba životnosti vyacuterobku cena akcie
22
DISKREacuteTNIacute ROZDĚLENIacute
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu
hodnot
23
DISKREacuteTNIacute ROZDĚLENIacute
Pravděpodobnost že naacutehodnaacute veličina nabyla konkreacutetniacute hodnoty xi zapisujeme
P(X = xi) = P(xi) = pi
Rozděleniacute pravděpodobnostiacute je vztah mezi hodnotami resp intervaly naacutehodneacute veličiny X a jejich pravděpodobnostmi pi
24
DISKREacuteTNIacute ROZDĚLENIacute
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Pravděpodobnost narozeniacute chlapce je 052Popis rozděleniacute prostřednictviacutem tabulkyNaacutehodnaacute veličina X nabyacutevaacute hodnot 0123 (kolik chlapců může byacutet mezi třemi novorozenci)
Počet chlapců (xi) Pravděpodobnost P(X=xi)Pravděpodobnost P(X= xi)
0 (tři diacutevky) = 048∙048∙048 = 011
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 012∙3 = 036
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 013∙3 = 039
3 (tři chlapci) = 052∙052∙052 = 014
Celkem 100 100
25
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Pravděpodobnostniacute funkce pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty x
P(x) = P(X = x)
Vlastnosti pravděpodobnostniacute funkce
bull funkce je omezenaacute 0 le P(x) le 1
bull pravděpodobnostniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
26
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Popis rozděleniacute prostřednictviacutem grafu pravděpodobnostniacute fce P(x)
Rozděleniacute počtu chlapců mezi třemi novorozenci
000501
01502
02503
03504
045
0 1 2 3 4
Počet chlapců (naacutehodnaacute veličina X)
Pra
vděp
od
ob
no
st p
(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
27
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Popis rozděleniacute funkčniacutem zaacutepisem pravděpodobnostniacute fce P(x)
Počet chlapců (x) Pravděpodobnost P(X=x) Funkčniacute zaacutepis
0 (tři diacutevky) = 048∙048∙048 = 1∙0520∙(1-052)3
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 3∙0521∙(1-052)2
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 3∙0522∙(1-052)1
3 (tři chlapci) = 052∙052∙052 = 1∙0523∙(1-052)0
Celkem 100 100
( ) 1n xxn
P xx
Pravděpodobnostniacute funkci přiacutekladu lze obecně zapsat
)(
Pozn
xnx
n
x
n
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
28
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)Vlastnosti distribučniacute funkce
bull 0 le F(x) le 1 omezenaacute funkce
bull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkce
bull P(a lt X le b) = F(b) - F(a)
bull distribučniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
bull F(x) = P(X le x) = ΣP(x)
29
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem tabulky(bude doplněn sloupec distribučniacute funkce) Hodnoty F(x) vyjadřujiacute pravděpodobnost že se narodiacute x nebo meacuteně chlapců
Počet chlapců (x) P(x) = P(X=x) F(x) = P(Xlex)
0 (tři diacutevky) 011 011
1 (chlapec dvě diacutevky) 036 011+036 = 047
2 (dva chlapci a diacutevka) 039 011+036+039 = 086
3 (tři chlapci) 014 011+036+039+014 = 1
Celkem 100 -
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
4
PRAVDĚPODOBNOST
PRAVDA a PODOBNOST
Pravděpodobnyacute = podobnyacute pravdě
= podobnyacute skutečnosti
= do jakeacute miacutery je pravdivyacute
5
PRAVDĚPODOBNOST - JEVY
Hromadneacute naacutehodneacute jevy (stochastickeacute jevy)
Jsou hromadneacute ndash opakujiacute se I když probiacutehajiacute ve stejnyacutech podmiacutenkaacutech
nemajiacute stejnyacute průběh Vyacutesledek nemůžeme s jistotou
předpovědět lze jen vyjmenovat množinu očekaacutevanyacutech vyacutesledků
Lze vyčiacuteslit pravděpodobnost s jakou lze očekaacutevat vyacutesledek z vyacuteše uvedeneacute množiny
Přiacuteklad hod kostkou ndash jeden hod je naacutehodnyacutem pokusem pokud hod opakuji viacutecekraacutet jde o hromadnyacute jev Vyacutesledkem je počet ok na kostce (podmiacutenky pokusu musejiacute byacutet vždy stejneacute = stejnaacute kostka)
Biologickeacute jevy ekonomickeacute jevy sociaacutelniacute jevy vyacuteskyt poruch
Chemickeacute fyzikaacutelniacute nebo astronomickeacute jevy
6
PRAVDĚPODOBNOST - JEVY
Hromadneacute nenaacutehodneacute jevy (deterministickeacute jevy) Majiacute stejnyacute průběh pokud probiacutehajiacute ve stejnyacutech podmiacutenkaacutech Vyacutesledek jevu můžeme s jistotou předpovědět Fyzikaacutelniacute jevy astronomickeacute jevy chemickeacute procesy
Přiacuteklad
Hod kostkou ndash hod je deterministickyacutem pokusem pokud sleduji zda padne směrem k zemi (podmiacutenky pokusu musejiacute byacutet vždy stejneacute)
7
PRAVDĚPODOBNOST - JEVY
Hromadneacute naacutehodneacute a nenaacutehodneacute jevyRozvoj vědy a lidskeacuteho myšleniacute vede k předefinovaacuteniacute řady jevů z kategorie naacutehodnyacutech do kategorie nenaacutehodnyacutech
Přiacuteklad Nemoc ndash dřiacuteve mohlo byacutet infekčniacute onemocněniacute braacuteno jako naacutehoda (někdo onemocniacute a někdo ne) dnes umiacuteme určit podmiacutenky kdy člověk onemocniacute a kdy ne (vliv imunitniacuteho systeacutemu)
Přiacuteklad Pohyb planet ndash dřiacuteve byl pohyb planet po obloze považovaacuten naacutehodnyacute již od starověkyacutech civilizaciacute viacuteme že se řiacutediacute přesnyacutemi pravidly
Přiacuteklad Hod kostkou ndash dnes jej považujeme za ideaacutelniacute přiacuteklad naacutehodneacuteho jevu v budoucnu třeba bude znaacutem přesnyacute model kteryacute předpoviacute vyacutesledek hodu
8
PRAVDĚPODOBNOST - JEVY
Naacutehodnyacute (stochastickyacute) jev je vyacutesledkem naacutehodneacuteho pokusu (značiacute se A B C hellip )
Hod kostkou je naacutehodnyacutem pokusem a počet ok na kostce je vyacutesledek neboli naacutehodnyacute jev
Jednoducheacute (elementaacuterniacute) jevy ndash jsou všechny možneacute vyacutesledky naacutehodneacuteho pokusu nelze je rozložit na jevy jednoduššiacute
Přiacuteklad Na kostce padne čiacuteslo 2
Složeneacute jevy ndash lze je rozložit na jevy jednoducheacute
Přiacuteklad Na kostce padne čiacuteslo sudeacute Jev lze rozložit na jednoducheacute jevy - padne čiacuteslo 2 4 nebo 6
9
PRAVDĚPODOBNOST - JEVY
Prostor elementaacuterniacutech jevů (E) je množina všech vyacutesledků naacutehodneacuteho pokusu tedy všech elementaacuterniacutech jevů Prostor může byacutet konečnyacute spočetnyacute nebo nespočetnyacute
Přiacuteklad Na šestistěnneacute kostce jsou elementaacuterniacute jevy hodnoty 123456 Prostor elementaacuterniacutech jevů lze zapsat E = (1)(2)(3)(4)(5)(6)
Přiacuteklad Hod dvěma mincemi
E=(orelorel)(pannapanna)(orelpanna) (pannaorel)
Přiacuteklad Ve Sportce je 13 983 816 elementaacuterniacutech jevů Pokud vsadiacuteme takovyacuteto počet různyacutech tiketůvyhrajeme prvniacute cenu
49
6
10
PRAVDĚPODOBNOST - JEVY
Jistyacute jev - za danyacutech podmiacutenek nastane vždy
Přiacuteklad Na šestistěnneacute kostce vždy padne nějakeacute čiacuteslo od 1 do 6
Přiacuteklad Na šestistěnneacute kostce vždy padne buď čiacuteslo sudeacute nebo čiacuteslo licheacute
Nemožnyacute jev - za danyacutech podmiacutenek nenastane nikdy
Přiacuteklad Na šestistěnneacute kostce nikdy nepadne čiacuteslo 0
11
PRAVDĚPODOBNOST - OPERACE S JEVY
Opačnyacute jev (Ā) ndash je jev kteryacute nastane pouze tehdy když nenastane jev A
sjednoceniacute opačnyacutech jevů je jistyacute jev opačneacute jevy jsou jevy neslučitelneacute (disjunktniacute) - nemohou
nastat zaacuteroveň (buď nastane jeden nebo druhyacute)
Přiacuteklad Při hodu minciacute nikdy nepadne panna a orel zaacuteroveň Vždy padne jen jedna možnost
12
PRAVDĚPODOBNOST - OPERACE S JEVY
Opačnyacute jev (Ā) ndash je jev kteryacute nastane pouze tehdy když nenastane jev A
Pravidla sjednoceniacute opačnyacutech jevů je jistyacute jev opačneacute jevy jsou jevy neslučitelneacute (disjunktniacute) - nemohou
nastat zaacuteroveň (buď nastane jeden nebo druhyacute)
Např Při hodu minciacute nikdy nepadne panna a orel zaacuteroveň Vždy padne jen jedna možnost
13
PRAVDĚPODOBNOST - DEFINICE
Klasickaacute definice (Laplaceova)
Přiacuteklad Jakaacute je pravděpodobnost hlavniacute vyacutehry ve Sportce
Ve Sportce je 13 983 816 možnyacutech přiacutepadů (možnyacutech kombinaciacute šesti čiacutesel ze 49 možnyacutech)
Hlavniacute vyacutehra je jen jedinaacute šestice (počet přiacuteznivyacutech kombinaciacute šesti čiacutesel je jedna jedinaacute) Pravděpodobnost hlavniacute vyacutehry je podle klasickeacute definice pravděpodobnosti
P(A) = přiacutezniveacute možneacute
P(A) = 113 983 816 = 0000 000 072 tj 0000 007 2
14
PRAVDĚPODOBNOST - DEFINICE
Klasickaacute definice (Laplaceova)
Naacutehodnyacute pokus maacute konečnyacute počet n elementaacuterniacutech jevů ktereacute mohou nastat se stejnou možnostiacute (n tzv možnyacutech přiacutepadů)
Sledovanyacute naacutehodnyacute jev A je určen jako sjednoceniacute určiteacuteho počtu (m) z těchto možnyacutech el jevů tedy jev A nastaacutevaacute při m přiacutepadech z n možnyacutech (m je počet tzv přiacuteznivyacutech přiacutepadů)
Za těchto okolnostiacute pravděpodobnost jevu A je rovna
P(A) = mn
15
PRAVDĚPODOBNOST - DEFINICE
Matematickaacute definice (Kolmogorovova)
Pravděpodobnost je definovaacutena jako funkce kteraacute přiřazuje naacutehodneacutemu jevu reaacutelneacute čiacuteslo a pro toto přiřazeniacute platiacute tři axiomy
1 Pravděpodobnost naacutehodneacuteho jevu A je nezaacuteporneacute čiacuteslo P(A) ge 0
2 Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1
3 Pravděpodobnost sjednoceniacute dvou vzaacutejemně neslučitelnyacutech (disjunktivniacutech) jevů A a B je rovna součtu jejich pravděpodobnostiacuteplatiacute-li pak 0 BA P(A B) = P(A) + P(B)
16
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)Přiacuteklad Jakaacute je pravděpodobnost narozeniacute holčičky
Statistickaacute definice odvozuje pravděpodobnost na zaacutekladě pokusu Pokusem mohou byacutet porody na uacutezemiacute Českeacute republiky za uplynulyacute rok kdy se narodilo 61 483 chlapců a 58 359 diacutevek
Pravděpodobnost narozeniacute holčičky je přibližně 58 359 119 842 = 0486 tedy 4869 Pro porovnaacuteniacute za rok 2003 45 55493 658 = 0486 tedy 4864
S rostouciacutem počtem sledovanyacutech naacutehodnyacutech pokusů se zjištěnaacute relativniacute četnost bude přibližovat odhadovaneacute pravděpodobnosti
17
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Provedli jsme n-kraacutet naacutehodnyacute pokus V teacuteto seacuterii pokusů nastal naacutehodnyacute jev A m-kraacutet
Relativniacute četnost pokusu A (tj poměr mn) se přibližuje (konverguje) k pravděpodobnosti tohoto jevu pro velkyacute počet naacutehodnyacutech pokusů
( )P(A) limn
m A
n
18
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1 Pravděpodobnost nemožneacuteho jevu Oslash je nula P(Oslash) = 0 Pravděpodobnost libovolneacuteho naacutehodneacuteho jevu A je
0 le P(A) le 1
19
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Pravděpodobnost uacutemrtiacute v Uacutesteckeacutem kraji podle věku (2009-2010)
Věk Muži Ženy0 044 044
10 003 001 20 008 002 30 009 003 40 022 009 50 063 030 60 187 084 70 424 214 80 954 636 90 2371 2212
100 5354 6253 105 10000 10000
20
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost smrti uacuterazem Pravděpodobnost smrti sebevraždou Pravděpodobnost smrti vraždou
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (konec 18 stoletiacute)
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (normalizace)
4
13
01
1 1 01
5 16 01
21
NAacuteHODNAacute VELIČINA
Naacutehodnaacute veličina je kvantitativniacute zobrazeniacute vyacutesledků naacutehodneacuteho pokusu Naacutehodnaacute veličina se značiacute X (velkeacute X) a konkreacutetniacute hodnoty kteryacutech může nabyacutevat xi
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu hodnot
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot z konečneacuteho nebo nekonečneacuteho intervalu
počet ok na kostce počet poruch stroje za rok počet zaacutekazniacuteků na pokladně za hodinu počet mrtvyacutech stromů na 1 ha lesa
Vyacuteška člověka ve 20 letech porodniacute vaacuteha vyacuterobniacute odchylka doba životnosti vyacuterobku cena akcie
22
DISKREacuteTNIacute ROZDĚLENIacute
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu
hodnot
23
DISKREacuteTNIacute ROZDĚLENIacute
Pravděpodobnost že naacutehodnaacute veličina nabyla konkreacutetniacute hodnoty xi zapisujeme
P(X = xi) = P(xi) = pi
Rozděleniacute pravděpodobnostiacute je vztah mezi hodnotami resp intervaly naacutehodneacute veličiny X a jejich pravděpodobnostmi pi
24
DISKREacuteTNIacute ROZDĚLENIacute
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Pravděpodobnost narozeniacute chlapce je 052Popis rozděleniacute prostřednictviacutem tabulkyNaacutehodnaacute veličina X nabyacutevaacute hodnot 0123 (kolik chlapců může byacutet mezi třemi novorozenci)
Počet chlapců (xi) Pravděpodobnost P(X=xi)Pravděpodobnost P(X= xi)
0 (tři diacutevky) = 048∙048∙048 = 011
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 012∙3 = 036
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 013∙3 = 039
3 (tři chlapci) = 052∙052∙052 = 014
Celkem 100 100
25
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Pravděpodobnostniacute funkce pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty x
P(x) = P(X = x)
Vlastnosti pravděpodobnostniacute funkce
bull funkce je omezenaacute 0 le P(x) le 1
bull pravděpodobnostniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
26
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Popis rozděleniacute prostřednictviacutem grafu pravděpodobnostniacute fce P(x)
Rozděleniacute počtu chlapců mezi třemi novorozenci
000501
01502
02503
03504
045
0 1 2 3 4
Počet chlapců (naacutehodnaacute veličina X)
Pra
vděp
od
ob
no
st p
(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
27
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Popis rozděleniacute funkčniacutem zaacutepisem pravděpodobnostniacute fce P(x)
Počet chlapců (x) Pravděpodobnost P(X=x) Funkčniacute zaacutepis
0 (tři diacutevky) = 048∙048∙048 = 1∙0520∙(1-052)3
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 3∙0521∙(1-052)2
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 3∙0522∙(1-052)1
3 (tři chlapci) = 052∙052∙052 = 1∙0523∙(1-052)0
Celkem 100 100
( ) 1n xxn
P xx
Pravděpodobnostniacute funkci přiacutekladu lze obecně zapsat
)(
Pozn
xnx
n
x
n
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
28
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)Vlastnosti distribučniacute funkce
bull 0 le F(x) le 1 omezenaacute funkce
bull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkce
bull P(a lt X le b) = F(b) - F(a)
bull distribučniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
bull F(x) = P(X le x) = ΣP(x)
29
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem tabulky(bude doplněn sloupec distribučniacute funkce) Hodnoty F(x) vyjadřujiacute pravděpodobnost že se narodiacute x nebo meacuteně chlapců
Počet chlapců (x) P(x) = P(X=x) F(x) = P(Xlex)
0 (tři diacutevky) 011 011
1 (chlapec dvě diacutevky) 036 011+036 = 047
2 (dva chlapci a diacutevka) 039 011+036+039 = 086
3 (tři chlapci) 014 011+036+039+014 = 1
Celkem 100 -
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
5
PRAVDĚPODOBNOST - JEVY
Hromadneacute naacutehodneacute jevy (stochastickeacute jevy)
Jsou hromadneacute ndash opakujiacute se I když probiacutehajiacute ve stejnyacutech podmiacutenkaacutech
nemajiacute stejnyacute průběh Vyacutesledek nemůžeme s jistotou
předpovědět lze jen vyjmenovat množinu očekaacutevanyacutech vyacutesledků
Lze vyčiacuteslit pravděpodobnost s jakou lze očekaacutevat vyacutesledek z vyacuteše uvedeneacute množiny
Přiacuteklad hod kostkou ndash jeden hod je naacutehodnyacutem pokusem pokud hod opakuji viacutecekraacutet jde o hromadnyacute jev Vyacutesledkem je počet ok na kostce (podmiacutenky pokusu musejiacute byacutet vždy stejneacute = stejnaacute kostka)
Biologickeacute jevy ekonomickeacute jevy sociaacutelniacute jevy vyacuteskyt poruch
Chemickeacute fyzikaacutelniacute nebo astronomickeacute jevy
6
PRAVDĚPODOBNOST - JEVY
Hromadneacute nenaacutehodneacute jevy (deterministickeacute jevy) Majiacute stejnyacute průběh pokud probiacutehajiacute ve stejnyacutech podmiacutenkaacutech Vyacutesledek jevu můžeme s jistotou předpovědět Fyzikaacutelniacute jevy astronomickeacute jevy chemickeacute procesy
Přiacuteklad
Hod kostkou ndash hod je deterministickyacutem pokusem pokud sleduji zda padne směrem k zemi (podmiacutenky pokusu musejiacute byacutet vždy stejneacute)
7
PRAVDĚPODOBNOST - JEVY
Hromadneacute naacutehodneacute a nenaacutehodneacute jevyRozvoj vědy a lidskeacuteho myšleniacute vede k předefinovaacuteniacute řady jevů z kategorie naacutehodnyacutech do kategorie nenaacutehodnyacutech
Přiacuteklad Nemoc ndash dřiacuteve mohlo byacutet infekčniacute onemocněniacute braacuteno jako naacutehoda (někdo onemocniacute a někdo ne) dnes umiacuteme určit podmiacutenky kdy člověk onemocniacute a kdy ne (vliv imunitniacuteho systeacutemu)
Přiacuteklad Pohyb planet ndash dřiacuteve byl pohyb planet po obloze považovaacuten naacutehodnyacute již od starověkyacutech civilizaciacute viacuteme že se řiacutediacute přesnyacutemi pravidly
Přiacuteklad Hod kostkou ndash dnes jej považujeme za ideaacutelniacute přiacuteklad naacutehodneacuteho jevu v budoucnu třeba bude znaacutem přesnyacute model kteryacute předpoviacute vyacutesledek hodu
8
PRAVDĚPODOBNOST - JEVY
Naacutehodnyacute (stochastickyacute) jev je vyacutesledkem naacutehodneacuteho pokusu (značiacute se A B C hellip )
Hod kostkou je naacutehodnyacutem pokusem a počet ok na kostce je vyacutesledek neboli naacutehodnyacute jev
Jednoducheacute (elementaacuterniacute) jevy ndash jsou všechny možneacute vyacutesledky naacutehodneacuteho pokusu nelze je rozložit na jevy jednoduššiacute
Přiacuteklad Na kostce padne čiacuteslo 2
Složeneacute jevy ndash lze je rozložit na jevy jednoducheacute
Přiacuteklad Na kostce padne čiacuteslo sudeacute Jev lze rozložit na jednoducheacute jevy - padne čiacuteslo 2 4 nebo 6
9
PRAVDĚPODOBNOST - JEVY
Prostor elementaacuterniacutech jevů (E) je množina všech vyacutesledků naacutehodneacuteho pokusu tedy všech elementaacuterniacutech jevů Prostor může byacutet konečnyacute spočetnyacute nebo nespočetnyacute
Přiacuteklad Na šestistěnneacute kostce jsou elementaacuterniacute jevy hodnoty 123456 Prostor elementaacuterniacutech jevů lze zapsat E = (1)(2)(3)(4)(5)(6)
Přiacuteklad Hod dvěma mincemi
E=(orelorel)(pannapanna)(orelpanna) (pannaorel)
Přiacuteklad Ve Sportce je 13 983 816 elementaacuterniacutech jevů Pokud vsadiacuteme takovyacuteto počet různyacutech tiketůvyhrajeme prvniacute cenu
49
6
10
PRAVDĚPODOBNOST - JEVY
Jistyacute jev - za danyacutech podmiacutenek nastane vždy
Přiacuteklad Na šestistěnneacute kostce vždy padne nějakeacute čiacuteslo od 1 do 6
Přiacuteklad Na šestistěnneacute kostce vždy padne buď čiacuteslo sudeacute nebo čiacuteslo licheacute
Nemožnyacute jev - za danyacutech podmiacutenek nenastane nikdy
Přiacuteklad Na šestistěnneacute kostce nikdy nepadne čiacuteslo 0
11
PRAVDĚPODOBNOST - OPERACE S JEVY
Opačnyacute jev (Ā) ndash je jev kteryacute nastane pouze tehdy když nenastane jev A
sjednoceniacute opačnyacutech jevů je jistyacute jev opačneacute jevy jsou jevy neslučitelneacute (disjunktniacute) - nemohou
nastat zaacuteroveň (buď nastane jeden nebo druhyacute)
Přiacuteklad Při hodu minciacute nikdy nepadne panna a orel zaacuteroveň Vždy padne jen jedna možnost
12
PRAVDĚPODOBNOST - OPERACE S JEVY
Opačnyacute jev (Ā) ndash je jev kteryacute nastane pouze tehdy když nenastane jev A
Pravidla sjednoceniacute opačnyacutech jevů je jistyacute jev opačneacute jevy jsou jevy neslučitelneacute (disjunktniacute) - nemohou
nastat zaacuteroveň (buď nastane jeden nebo druhyacute)
Např Při hodu minciacute nikdy nepadne panna a orel zaacuteroveň Vždy padne jen jedna možnost
13
PRAVDĚPODOBNOST - DEFINICE
Klasickaacute definice (Laplaceova)
Přiacuteklad Jakaacute je pravděpodobnost hlavniacute vyacutehry ve Sportce
Ve Sportce je 13 983 816 možnyacutech přiacutepadů (možnyacutech kombinaciacute šesti čiacutesel ze 49 možnyacutech)
Hlavniacute vyacutehra je jen jedinaacute šestice (počet přiacuteznivyacutech kombinaciacute šesti čiacutesel je jedna jedinaacute) Pravděpodobnost hlavniacute vyacutehry je podle klasickeacute definice pravděpodobnosti
P(A) = přiacutezniveacute možneacute
P(A) = 113 983 816 = 0000 000 072 tj 0000 007 2
14
PRAVDĚPODOBNOST - DEFINICE
Klasickaacute definice (Laplaceova)
Naacutehodnyacute pokus maacute konečnyacute počet n elementaacuterniacutech jevů ktereacute mohou nastat se stejnou možnostiacute (n tzv možnyacutech přiacutepadů)
Sledovanyacute naacutehodnyacute jev A je určen jako sjednoceniacute určiteacuteho počtu (m) z těchto možnyacutech el jevů tedy jev A nastaacutevaacute při m přiacutepadech z n možnyacutech (m je počet tzv přiacuteznivyacutech přiacutepadů)
Za těchto okolnostiacute pravděpodobnost jevu A je rovna
P(A) = mn
15
PRAVDĚPODOBNOST - DEFINICE
Matematickaacute definice (Kolmogorovova)
Pravděpodobnost je definovaacutena jako funkce kteraacute přiřazuje naacutehodneacutemu jevu reaacutelneacute čiacuteslo a pro toto přiřazeniacute platiacute tři axiomy
1 Pravděpodobnost naacutehodneacuteho jevu A je nezaacuteporneacute čiacuteslo P(A) ge 0
2 Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1
3 Pravděpodobnost sjednoceniacute dvou vzaacutejemně neslučitelnyacutech (disjunktivniacutech) jevů A a B je rovna součtu jejich pravděpodobnostiacuteplatiacute-li pak 0 BA P(A B) = P(A) + P(B)
16
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)Přiacuteklad Jakaacute je pravděpodobnost narozeniacute holčičky
Statistickaacute definice odvozuje pravděpodobnost na zaacutekladě pokusu Pokusem mohou byacutet porody na uacutezemiacute Českeacute republiky za uplynulyacute rok kdy se narodilo 61 483 chlapců a 58 359 diacutevek
Pravděpodobnost narozeniacute holčičky je přibližně 58 359 119 842 = 0486 tedy 4869 Pro porovnaacuteniacute za rok 2003 45 55493 658 = 0486 tedy 4864
S rostouciacutem počtem sledovanyacutech naacutehodnyacutech pokusů se zjištěnaacute relativniacute četnost bude přibližovat odhadovaneacute pravděpodobnosti
17
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Provedli jsme n-kraacutet naacutehodnyacute pokus V teacuteto seacuterii pokusů nastal naacutehodnyacute jev A m-kraacutet
Relativniacute četnost pokusu A (tj poměr mn) se přibližuje (konverguje) k pravděpodobnosti tohoto jevu pro velkyacute počet naacutehodnyacutech pokusů
( )P(A) limn
m A
n
18
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1 Pravděpodobnost nemožneacuteho jevu Oslash je nula P(Oslash) = 0 Pravděpodobnost libovolneacuteho naacutehodneacuteho jevu A je
0 le P(A) le 1
19
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Pravděpodobnost uacutemrtiacute v Uacutesteckeacutem kraji podle věku (2009-2010)
Věk Muži Ženy0 044 044
10 003 001 20 008 002 30 009 003 40 022 009 50 063 030 60 187 084 70 424 214 80 954 636 90 2371 2212
100 5354 6253 105 10000 10000
20
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost smrti uacuterazem Pravděpodobnost smrti sebevraždou Pravděpodobnost smrti vraždou
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (konec 18 stoletiacute)
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (normalizace)
4
13
01
1 1 01
5 16 01
21
NAacuteHODNAacute VELIČINA
Naacutehodnaacute veličina je kvantitativniacute zobrazeniacute vyacutesledků naacutehodneacuteho pokusu Naacutehodnaacute veličina se značiacute X (velkeacute X) a konkreacutetniacute hodnoty kteryacutech může nabyacutevat xi
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu hodnot
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot z konečneacuteho nebo nekonečneacuteho intervalu
počet ok na kostce počet poruch stroje za rok počet zaacutekazniacuteků na pokladně za hodinu počet mrtvyacutech stromů na 1 ha lesa
Vyacuteška člověka ve 20 letech porodniacute vaacuteha vyacuterobniacute odchylka doba životnosti vyacuterobku cena akcie
22
DISKREacuteTNIacute ROZDĚLENIacute
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu
hodnot
23
DISKREacuteTNIacute ROZDĚLENIacute
Pravděpodobnost že naacutehodnaacute veličina nabyla konkreacutetniacute hodnoty xi zapisujeme
P(X = xi) = P(xi) = pi
Rozděleniacute pravděpodobnostiacute je vztah mezi hodnotami resp intervaly naacutehodneacute veličiny X a jejich pravděpodobnostmi pi
24
DISKREacuteTNIacute ROZDĚLENIacute
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Pravděpodobnost narozeniacute chlapce je 052Popis rozděleniacute prostřednictviacutem tabulkyNaacutehodnaacute veličina X nabyacutevaacute hodnot 0123 (kolik chlapců může byacutet mezi třemi novorozenci)
Počet chlapců (xi) Pravděpodobnost P(X=xi)Pravděpodobnost P(X= xi)
0 (tři diacutevky) = 048∙048∙048 = 011
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 012∙3 = 036
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 013∙3 = 039
3 (tři chlapci) = 052∙052∙052 = 014
Celkem 100 100
25
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Pravděpodobnostniacute funkce pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty x
P(x) = P(X = x)
Vlastnosti pravděpodobnostniacute funkce
bull funkce je omezenaacute 0 le P(x) le 1
bull pravděpodobnostniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
26
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Popis rozděleniacute prostřednictviacutem grafu pravděpodobnostniacute fce P(x)
Rozděleniacute počtu chlapců mezi třemi novorozenci
000501
01502
02503
03504
045
0 1 2 3 4
Počet chlapců (naacutehodnaacute veličina X)
Pra
vděp
od
ob
no
st p
(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
27
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Popis rozděleniacute funkčniacutem zaacutepisem pravděpodobnostniacute fce P(x)
Počet chlapců (x) Pravděpodobnost P(X=x) Funkčniacute zaacutepis
0 (tři diacutevky) = 048∙048∙048 = 1∙0520∙(1-052)3
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 3∙0521∙(1-052)2
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 3∙0522∙(1-052)1
3 (tři chlapci) = 052∙052∙052 = 1∙0523∙(1-052)0
Celkem 100 100
( ) 1n xxn
P xx
Pravděpodobnostniacute funkci přiacutekladu lze obecně zapsat
)(
Pozn
xnx
n
x
n
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
28
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)Vlastnosti distribučniacute funkce
bull 0 le F(x) le 1 omezenaacute funkce
bull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkce
bull P(a lt X le b) = F(b) - F(a)
bull distribučniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
bull F(x) = P(X le x) = ΣP(x)
29
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem tabulky(bude doplněn sloupec distribučniacute funkce) Hodnoty F(x) vyjadřujiacute pravděpodobnost že se narodiacute x nebo meacuteně chlapců
Počet chlapců (x) P(x) = P(X=x) F(x) = P(Xlex)
0 (tři diacutevky) 011 011
1 (chlapec dvě diacutevky) 036 011+036 = 047
2 (dva chlapci a diacutevka) 039 011+036+039 = 086
3 (tři chlapci) 014 011+036+039+014 = 1
Celkem 100 -
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
6
PRAVDĚPODOBNOST - JEVY
Hromadneacute nenaacutehodneacute jevy (deterministickeacute jevy) Majiacute stejnyacute průběh pokud probiacutehajiacute ve stejnyacutech podmiacutenkaacutech Vyacutesledek jevu můžeme s jistotou předpovědět Fyzikaacutelniacute jevy astronomickeacute jevy chemickeacute procesy
Přiacuteklad
Hod kostkou ndash hod je deterministickyacutem pokusem pokud sleduji zda padne směrem k zemi (podmiacutenky pokusu musejiacute byacutet vždy stejneacute)
7
PRAVDĚPODOBNOST - JEVY
Hromadneacute naacutehodneacute a nenaacutehodneacute jevyRozvoj vědy a lidskeacuteho myšleniacute vede k předefinovaacuteniacute řady jevů z kategorie naacutehodnyacutech do kategorie nenaacutehodnyacutech
Přiacuteklad Nemoc ndash dřiacuteve mohlo byacutet infekčniacute onemocněniacute braacuteno jako naacutehoda (někdo onemocniacute a někdo ne) dnes umiacuteme určit podmiacutenky kdy člověk onemocniacute a kdy ne (vliv imunitniacuteho systeacutemu)
Přiacuteklad Pohyb planet ndash dřiacuteve byl pohyb planet po obloze považovaacuten naacutehodnyacute již od starověkyacutech civilizaciacute viacuteme že se řiacutediacute přesnyacutemi pravidly
Přiacuteklad Hod kostkou ndash dnes jej považujeme za ideaacutelniacute přiacuteklad naacutehodneacuteho jevu v budoucnu třeba bude znaacutem přesnyacute model kteryacute předpoviacute vyacutesledek hodu
8
PRAVDĚPODOBNOST - JEVY
Naacutehodnyacute (stochastickyacute) jev je vyacutesledkem naacutehodneacuteho pokusu (značiacute se A B C hellip )
Hod kostkou je naacutehodnyacutem pokusem a počet ok na kostce je vyacutesledek neboli naacutehodnyacute jev
Jednoducheacute (elementaacuterniacute) jevy ndash jsou všechny možneacute vyacutesledky naacutehodneacuteho pokusu nelze je rozložit na jevy jednoduššiacute
Přiacuteklad Na kostce padne čiacuteslo 2
Složeneacute jevy ndash lze je rozložit na jevy jednoducheacute
Přiacuteklad Na kostce padne čiacuteslo sudeacute Jev lze rozložit na jednoducheacute jevy - padne čiacuteslo 2 4 nebo 6
9
PRAVDĚPODOBNOST - JEVY
Prostor elementaacuterniacutech jevů (E) je množina všech vyacutesledků naacutehodneacuteho pokusu tedy všech elementaacuterniacutech jevů Prostor může byacutet konečnyacute spočetnyacute nebo nespočetnyacute
Přiacuteklad Na šestistěnneacute kostce jsou elementaacuterniacute jevy hodnoty 123456 Prostor elementaacuterniacutech jevů lze zapsat E = (1)(2)(3)(4)(5)(6)
Přiacuteklad Hod dvěma mincemi
E=(orelorel)(pannapanna)(orelpanna) (pannaorel)
Přiacuteklad Ve Sportce je 13 983 816 elementaacuterniacutech jevů Pokud vsadiacuteme takovyacuteto počet různyacutech tiketůvyhrajeme prvniacute cenu
49
6
10
PRAVDĚPODOBNOST - JEVY
Jistyacute jev - za danyacutech podmiacutenek nastane vždy
Přiacuteklad Na šestistěnneacute kostce vždy padne nějakeacute čiacuteslo od 1 do 6
Přiacuteklad Na šestistěnneacute kostce vždy padne buď čiacuteslo sudeacute nebo čiacuteslo licheacute
Nemožnyacute jev - za danyacutech podmiacutenek nenastane nikdy
Přiacuteklad Na šestistěnneacute kostce nikdy nepadne čiacuteslo 0
11
PRAVDĚPODOBNOST - OPERACE S JEVY
Opačnyacute jev (Ā) ndash je jev kteryacute nastane pouze tehdy když nenastane jev A
sjednoceniacute opačnyacutech jevů je jistyacute jev opačneacute jevy jsou jevy neslučitelneacute (disjunktniacute) - nemohou
nastat zaacuteroveň (buď nastane jeden nebo druhyacute)
Přiacuteklad Při hodu minciacute nikdy nepadne panna a orel zaacuteroveň Vždy padne jen jedna možnost
12
PRAVDĚPODOBNOST - OPERACE S JEVY
Opačnyacute jev (Ā) ndash je jev kteryacute nastane pouze tehdy když nenastane jev A
Pravidla sjednoceniacute opačnyacutech jevů je jistyacute jev opačneacute jevy jsou jevy neslučitelneacute (disjunktniacute) - nemohou
nastat zaacuteroveň (buď nastane jeden nebo druhyacute)
Např Při hodu minciacute nikdy nepadne panna a orel zaacuteroveň Vždy padne jen jedna možnost
13
PRAVDĚPODOBNOST - DEFINICE
Klasickaacute definice (Laplaceova)
Přiacuteklad Jakaacute je pravděpodobnost hlavniacute vyacutehry ve Sportce
Ve Sportce je 13 983 816 možnyacutech přiacutepadů (možnyacutech kombinaciacute šesti čiacutesel ze 49 možnyacutech)
Hlavniacute vyacutehra je jen jedinaacute šestice (počet přiacuteznivyacutech kombinaciacute šesti čiacutesel je jedna jedinaacute) Pravděpodobnost hlavniacute vyacutehry je podle klasickeacute definice pravděpodobnosti
P(A) = přiacutezniveacute možneacute
P(A) = 113 983 816 = 0000 000 072 tj 0000 007 2
14
PRAVDĚPODOBNOST - DEFINICE
Klasickaacute definice (Laplaceova)
Naacutehodnyacute pokus maacute konečnyacute počet n elementaacuterniacutech jevů ktereacute mohou nastat se stejnou možnostiacute (n tzv možnyacutech přiacutepadů)
Sledovanyacute naacutehodnyacute jev A je určen jako sjednoceniacute určiteacuteho počtu (m) z těchto možnyacutech el jevů tedy jev A nastaacutevaacute při m přiacutepadech z n možnyacutech (m je počet tzv přiacuteznivyacutech přiacutepadů)
Za těchto okolnostiacute pravděpodobnost jevu A je rovna
P(A) = mn
15
PRAVDĚPODOBNOST - DEFINICE
Matematickaacute definice (Kolmogorovova)
Pravděpodobnost je definovaacutena jako funkce kteraacute přiřazuje naacutehodneacutemu jevu reaacutelneacute čiacuteslo a pro toto přiřazeniacute platiacute tři axiomy
1 Pravděpodobnost naacutehodneacuteho jevu A je nezaacuteporneacute čiacuteslo P(A) ge 0
2 Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1
3 Pravděpodobnost sjednoceniacute dvou vzaacutejemně neslučitelnyacutech (disjunktivniacutech) jevů A a B je rovna součtu jejich pravděpodobnostiacuteplatiacute-li pak 0 BA P(A B) = P(A) + P(B)
16
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)Přiacuteklad Jakaacute je pravděpodobnost narozeniacute holčičky
Statistickaacute definice odvozuje pravděpodobnost na zaacutekladě pokusu Pokusem mohou byacutet porody na uacutezemiacute Českeacute republiky za uplynulyacute rok kdy se narodilo 61 483 chlapců a 58 359 diacutevek
Pravděpodobnost narozeniacute holčičky je přibližně 58 359 119 842 = 0486 tedy 4869 Pro porovnaacuteniacute za rok 2003 45 55493 658 = 0486 tedy 4864
S rostouciacutem počtem sledovanyacutech naacutehodnyacutech pokusů se zjištěnaacute relativniacute četnost bude přibližovat odhadovaneacute pravděpodobnosti
17
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Provedli jsme n-kraacutet naacutehodnyacute pokus V teacuteto seacuterii pokusů nastal naacutehodnyacute jev A m-kraacutet
Relativniacute četnost pokusu A (tj poměr mn) se přibližuje (konverguje) k pravděpodobnosti tohoto jevu pro velkyacute počet naacutehodnyacutech pokusů
( )P(A) limn
m A
n
18
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1 Pravděpodobnost nemožneacuteho jevu Oslash je nula P(Oslash) = 0 Pravděpodobnost libovolneacuteho naacutehodneacuteho jevu A je
0 le P(A) le 1
19
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Pravděpodobnost uacutemrtiacute v Uacutesteckeacutem kraji podle věku (2009-2010)
Věk Muži Ženy0 044 044
10 003 001 20 008 002 30 009 003 40 022 009 50 063 030 60 187 084 70 424 214 80 954 636 90 2371 2212
100 5354 6253 105 10000 10000
20
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost smrti uacuterazem Pravděpodobnost smrti sebevraždou Pravděpodobnost smrti vraždou
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (konec 18 stoletiacute)
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (normalizace)
4
13
01
1 1 01
5 16 01
21
NAacuteHODNAacute VELIČINA
Naacutehodnaacute veličina je kvantitativniacute zobrazeniacute vyacutesledků naacutehodneacuteho pokusu Naacutehodnaacute veličina se značiacute X (velkeacute X) a konkreacutetniacute hodnoty kteryacutech může nabyacutevat xi
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu hodnot
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot z konečneacuteho nebo nekonečneacuteho intervalu
počet ok na kostce počet poruch stroje za rok počet zaacutekazniacuteků na pokladně za hodinu počet mrtvyacutech stromů na 1 ha lesa
Vyacuteška člověka ve 20 letech porodniacute vaacuteha vyacuterobniacute odchylka doba životnosti vyacuterobku cena akcie
22
DISKREacuteTNIacute ROZDĚLENIacute
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu
hodnot
23
DISKREacuteTNIacute ROZDĚLENIacute
Pravděpodobnost že naacutehodnaacute veličina nabyla konkreacutetniacute hodnoty xi zapisujeme
P(X = xi) = P(xi) = pi
Rozděleniacute pravděpodobnostiacute je vztah mezi hodnotami resp intervaly naacutehodneacute veličiny X a jejich pravděpodobnostmi pi
24
DISKREacuteTNIacute ROZDĚLENIacute
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Pravděpodobnost narozeniacute chlapce je 052Popis rozděleniacute prostřednictviacutem tabulkyNaacutehodnaacute veličina X nabyacutevaacute hodnot 0123 (kolik chlapců může byacutet mezi třemi novorozenci)
Počet chlapců (xi) Pravděpodobnost P(X=xi)Pravděpodobnost P(X= xi)
0 (tři diacutevky) = 048∙048∙048 = 011
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 012∙3 = 036
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 013∙3 = 039
3 (tři chlapci) = 052∙052∙052 = 014
Celkem 100 100
25
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Pravděpodobnostniacute funkce pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty x
P(x) = P(X = x)
Vlastnosti pravděpodobnostniacute funkce
bull funkce je omezenaacute 0 le P(x) le 1
bull pravděpodobnostniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
26
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Popis rozděleniacute prostřednictviacutem grafu pravděpodobnostniacute fce P(x)
Rozděleniacute počtu chlapců mezi třemi novorozenci
000501
01502
02503
03504
045
0 1 2 3 4
Počet chlapců (naacutehodnaacute veličina X)
Pra
vděp
od
ob
no
st p
(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
27
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Popis rozděleniacute funkčniacutem zaacutepisem pravděpodobnostniacute fce P(x)
Počet chlapců (x) Pravděpodobnost P(X=x) Funkčniacute zaacutepis
0 (tři diacutevky) = 048∙048∙048 = 1∙0520∙(1-052)3
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 3∙0521∙(1-052)2
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 3∙0522∙(1-052)1
3 (tři chlapci) = 052∙052∙052 = 1∙0523∙(1-052)0
Celkem 100 100
( ) 1n xxn
P xx
Pravděpodobnostniacute funkci přiacutekladu lze obecně zapsat
)(
Pozn
xnx
n
x
n
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
28
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)Vlastnosti distribučniacute funkce
bull 0 le F(x) le 1 omezenaacute funkce
bull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkce
bull P(a lt X le b) = F(b) - F(a)
bull distribučniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
bull F(x) = P(X le x) = ΣP(x)
29
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem tabulky(bude doplněn sloupec distribučniacute funkce) Hodnoty F(x) vyjadřujiacute pravděpodobnost že se narodiacute x nebo meacuteně chlapců
Počet chlapců (x) P(x) = P(X=x) F(x) = P(Xlex)
0 (tři diacutevky) 011 011
1 (chlapec dvě diacutevky) 036 011+036 = 047
2 (dva chlapci a diacutevka) 039 011+036+039 = 086
3 (tři chlapci) 014 011+036+039+014 = 1
Celkem 100 -
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
7
PRAVDĚPODOBNOST - JEVY
Hromadneacute naacutehodneacute a nenaacutehodneacute jevyRozvoj vědy a lidskeacuteho myšleniacute vede k předefinovaacuteniacute řady jevů z kategorie naacutehodnyacutech do kategorie nenaacutehodnyacutech
Přiacuteklad Nemoc ndash dřiacuteve mohlo byacutet infekčniacute onemocněniacute braacuteno jako naacutehoda (někdo onemocniacute a někdo ne) dnes umiacuteme určit podmiacutenky kdy člověk onemocniacute a kdy ne (vliv imunitniacuteho systeacutemu)
Přiacuteklad Pohyb planet ndash dřiacuteve byl pohyb planet po obloze považovaacuten naacutehodnyacute již od starověkyacutech civilizaciacute viacuteme že se řiacutediacute přesnyacutemi pravidly
Přiacuteklad Hod kostkou ndash dnes jej považujeme za ideaacutelniacute přiacuteklad naacutehodneacuteho jevu v budoucnu třeba bude znaacutem přesnyacute model kteryacute předpoviacute vyacutesledek hodu
8
PRAVDĚPODOBNOST - JEVY
Naacutehodnyacute (stochastickyacute) jev je vyacutesledkem naacutehodneacuteho pokusu (značiacute se A B C hellip )
Hod kostkou je naacutehodnyacutem pokusem a počet ok na kostce je vyacutesledek neboli naacutehodnyacute jev
Jednoducheacute (elementaacuterniacute) jevy ndash jsou všechny možneacute vyacutesledky naacutehodneacuteho pokusu nelze je rozložit na jevy jednoduššiacute
Přiacuteklad Na kostce padne čiacuteslo 2
Složeneacute jevy ndash lze je rozložit na jevy jednoducheacute
Přiacuteklad Na kostce padne čiacuteslo sudeacute Jev lze rozložit na jednoducheacute jevy - padne čiacuteslo 2 4 nebo 6
9
PRAVDĚPODOBNOST - JEVY
Prostor elementaacuterniacutech jevů (E) je množina všech vyacutesledků naacutehodneacuteho pokusu tedy všech elementaacuterniacutech jevů Prostor může byacutet konečnyacute spočetnyacute nebo nespočetnyacute
Přiacuteklad Na šestistěnneacute kostce jsou elementaacuterniacute jevy hodnoty 123456 Prostor elementaacuterniacutech jevů lze zapsat E = (1)(2)(3)(4)(5)(6)
Přiacuteklad Hod dvěma mincemi
E=(orelorel)(pannapanna)(orelpanna) (pannaorel)
Přiacuteklad Ve Sportce je 13 983 816 elementaacuterniacutech jevů Pokud vsadiacuteme takovyacuteto počet různyacutech tiketůvyhrajeme prvniacute cenu
49
6
10
PRAVDĚPODOBNOST - JEVY
Jistyacute jev - za danyacutech podmiacutenek nastane vždy
Přiacuteklad Na šestistěnneacute kostce vždy padne nějakeacute čiacuteslo od 1 do 6
Přiacuteklad Na šestistěnneacute kostce vždy padne buď čiacuteslo sudeacute nebo čiacuteslo licheacute
Nemožnyacute jev - za danyacutech podmiacutenek nenastane nikdy
Přiacuteklad Na šestistěnneacute kostce nikdy nepadne čiacuteslo 0
11
PRAVDĚPODOBNOST - OPERACE S JEVY
Opačnyacute jev (Ā) ndash je jev kteryacute nastane pouze tehdy když nenastane jev A
sjednoceniacute opačnyacutech jevů je jistyacute jev opačneacute jevy jsou jevy neslučitelneacute (disjunktniacute) - nemohou
nastat zaacuteroveň (buď nastane jeden nebo druhyacute)
Přiacuteklad Při hodu minciacute nikdy nepadne panna a orel zaacuteroveň Vždy padne jen jedna možnost
12
PRAVDĚPODOBNOST - OPERACE S JEVY
Opačnyacute jev (Ā) ndash je jev kteryacute nastane pouze tehdy když nenastane jev A
Pravidla sjednoceniacute opačnyacutech jevů je jistyacute jev opačneacute jevy jsou jevy neslučitelneacute (disjunktniacute) - nemohou
nastat zaacuteroveň (buď nastane jeden nebo druhyacute)
Např Při hodu minciacute nikdy nepadne panna a orel zaacuteroveň Vždy padne jen jedna možnost
13
PRAVDĚPODOBNOST - DEFINICE
Klasickaacute definice (Laplaceova)
Přiacuteklad Jakaacute je pravděpodobnost hlavniacute vyacutehry ve Sportce
Ve Sportce je 13 983 816 možnyacutech přiacutepadů (možnyacutech kombinaciacute šesti čiacutesel ze 49 možnyacutech)
Hlavniacute vyacutehra je jen jedinaacute šestice (počet přiacuteznivyacutech kombinaciacute šesti čiacutesel je jedna jedinaacute) Pravděpodobnost hlavniacute vyacutehry je podle klasickeacute definice pravděpodobnosti
P(A) = přiacutezniveacute možneacute
P(A) = 113 983 816 = 0000 000 072 tj 0000 007 2
14
PRAVDĚPODOBNOST - DEFINICE
Klasickaacute definice (Laplaceova)
Naacutehodnyacute pokus maacute konečnyacute počet n elementaacuterniacutech jevů ktereacute mohou nastat se stejnou možnostiacute (n tzv možnyacutech přiacutepadů)
Sledovanyacute naacutehodnyacute jev A je určen jako sjednoceniacute určiteacuteho počtu (m) z těchto možnyacutech el jevů tedy jev A nastaacutevaacute při m přiacutepadech z n možnyacutech (m je počet tzv přiacuteznivyacutech přiacutepadů)
Za těchto okolnostiacute pravděpodobnost jevu A je rovna
P(A) = mn
15
PRAVDĚPODOBNOST - DEFINICE
Matematickaacute definice (Kolmogorovova)
Pravděpodobnost je definovaacutena jako funkce kteraacute přiřazuje naacutehodneacutemu jevu reaacutelneacute čiacuteslo a pro toto přiřazeniacute platiacute tři axiomy
1 Pravděpodobnost naacutehodneacuteho jevu A je nezaacuteporneacute čiacuteslo P(A) ge 0
2 Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1
3 Pravděpodobnost sjednoceniacute dvou vzaacutejemně neslučitelnyacutech (disjunktivniacutech) jevů A a B je rovna součtu jejich pravděpodobnostiacuteplatiacute-li pak 0 BA P(A B) = P(A) + P(B)
16
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)Přiacuteklad Jakaacute je pravděpodobnost narozeniacute holčičky
Statistickaacute definice odvozuje pravděpodobnost na zaacutekladě pokusu Pokusem mohou byacutet porody na uacutezemiacute Českeacute republiky za uplynulyacute rok kdy se narodilo 61 483 chlapců a 58 359 diacutevek
Pravděpodobnost narozeniacute holčičky je přibližně 58 359 119 842 = 0486 tedy 4869 Pro porovnaacuteniacute za rok 2003 45 55493 658 = 0486 tedy 4864
S rostouciacutem počtem sledovanyacutech naacutehodnyacutech pokusů se zjištěnaacute relativniacute četnost bude přibližovat odhadovaneacute pravděpodobnosti
17
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Provedli jsme n-kraacutet naacutehodnyacute pokus V teacuteto seacuterii pokusů nastal naacutehodnyacute jev A m-kraacutet
Relativniacute četnost pokusu A (tj poměr mn) se přibližuje (konverguje) k pravděpodobnosti tohoto jevu pro velkyacute počet naacutehodnyacutech pokusů
( )P(A) limn
m A
n
18
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1 Pravděpodobnost nemožneacuteho jevu Oslash je nula P(Oslash) = 0 Pravděpodobnost libovolneacuteho naacutehodneacuteho jevu A je
0 le P(A) le 1
19
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Pravděpodobnost uacutemrtiacute v Uacutesteckeacutem kraji podle věku (2009-2010)
Věk Muži Ženy0 044 044
10 003 001 20 008 002 30 009 003 40 022 009 50 063 030 60 187 084 70 424 214 80 954 636 90 2371 2212
100 5354 6253 105 10000 10000
20
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost smrti uacuterazem Pravděpodobnost smrti sebevraždou Pravděpodobnost smrti vraždou
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (konec 18 stoletiacute)
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (normalizace)
4
13
01
1 1 01
5 16 01
21
NAacuteHODNAacute VELIČINA
Naacutehodnaacute veličina je kvantitativniacute zobrazeniacute vyacutesledků naacutehodneacuteho pokusu Naacutehodnaacute veličina se značiacute X (velkeacute X) a konkreacutetniacute hodnoty kteryacutech může nabyacutevat xi
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu hodnot
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot z konečneacuteho nebo nekonečneacuteho intervalu
počet ok na kostce počet poruch stroje za rok počet zaacutekazniacuteků na pokladně za hodinu počet mrtvyacutech stromů na 1 ha lesa
Vyacuteška člověka ve 20 letech porodniacute vaacuteha vyacuterobniacute odchylka doba životnosti vyacuterobku cena akcie
22
DISKREacuteTNIacute ROZDĚLENIacute
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu
hodnot
23
DISKREacuteTNIacute ROZDĚLENIacute
Pravděpodobnost že naacutehodnaacute veličina nabyla konkreacutetniacute hodnoty xi zapisujeme
P(X = xi) = P(xi) = pi
Rozděleniacute pravděpodobnostiacute je vztah mezi hodnotami resp intervaly naacutehodneacute veličiny X a jejich pravděpodobnostmi pi
24
DISKREacuteTNIacute ROZDĚLENIacute
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Pravděpodobnost narozeniacute chlapce je 052Popis rozděleniacute prostřednictviacutem tabulkyNaacutehodnaacute veličina X nabyacutevaacute hodnot 0123 (kolik chlapců může byacutet mezi třemi novorozenci)
Počet chlapců (xi) Pravděpodobnost P(X=xi)Pravděpodobnost P(X= xi)
0 (tři diacutevky) = 048∙048∙048 = 011
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 012∙3 = 036
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 013∙3 = 039
3 (tři chlapci) = 052∙052∙052 = 014
Celkem 100 100
25
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Pravděpodobnostniacute funkce pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty x
P(x) = P(X = x)
Vlastnosti pravděpodobnostniacute funkce
bull funkce je omezenaacute 0 le P(x) le 1
bull pravděpodobnostniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
26
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Popis rozděleniacute prostřednictviacutem grafu pravděpodobnostniacute fce P(x)
Rozděleniacute počtu chlapců mezi třemi novorozenci
000501
01502
02503
03504
045
0 1 2 3 4
Počet chlapců (naacutehodnaacute veličina X)
Pra
vděp
od
ob
no
st p
(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
27
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Popis rozděleniacute funkčniacutem zaacutepisem pravděpodobnostniacute fce P(x)
Počet chlapců (x) Pravděpodobnost P(X=x) Funkčniacute zaacutepis
0 (tři diacutevky) = 048∙048∙048 = 1∙0520∙(1-052)3
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 3∙0521∙(1-052)2
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 3∙0522∙(1-052)1
3 (tři chlapci) = 052∙052∙052 = 1∙0523∙(1-052)0
Celkem 100 100
( ) 1n xxn
P xx
Pravděpodobnostniacute funkci přiacutekladu lze obecně zapsat
)(
Pozn
xnx
n
x
n
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
28
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)Vlastnosti distribučniacute funkce
bull 0 le F(x) le 1 omezenaacute funkce
bull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkce
bull P(a lt X le b) = F(b) - F(a)
bull distribučniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
bull F(x) = P(X le x) = ΣP(x)
29
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem tabulky(bude doplněn sloupec distribučniacute funkce) Hodnoty F(x) vyjadřujiacute pravděpodobnost že se narodiacute x nebo meacuteně chlapců
Počet chlapců (x) P(x) = P(X=x) F(x) = P(Xlex)
0 (tři diacutevky) 011 011
1 (chlapec dvě diacutevky) 036 011+036 = 047
2 (dva chlapci a diacutevka) 039 011+036+039 = 086
3 (tři chlapci) 014 011+036+039+014 = 1
Celkem 100 -
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
8
PRAVDĚPODOBNOST - JEVY
Naacutehodnyacute (stochastickyacute) jev je vyacutesledkem naacutehodneacuteho pokusu (značiacute se A B C hellip )
Hod kostkou je naacutehodnyacutem pokusem a počet ok na kostce je vyacutesledek neboli naacutehodnyacute jev
Jednoducheacute (elementaacuterniacute) jevy ndash jsou všechny možneacute vyacutesledky naacutehodneacuteho pokusu nelze je rozložit na jevy jednoduššiacute
Přiacuteklad Na kostce padne čiacuteslo 2
Složeneacute jevy ndash lze je rozložit na jevy jednoducheacute
Přiacuteklad Na kostce padne čiacuteslo sudeacute Jev lze rozložit na jednoducheacute jevy - padne čiacuteslo 2 4 nebo 6
9
PRAVDĚPODOBNOST - JEVY
Prostor elementaacuterniacutech jevů (E) je množina všech vyacutesledků naacutehodneacuteho pokusu tedy všech elementaacuterniacutech jevů Prostor může byacutet konečnyacute spočetnyacute nebo nespočetnyacute
Přiacuteklad Na šestistěnneacute kostce jsou elementaacuterniacute jevy hodnoty 123456 Prostor elementaacuterniacutech jevů lze zapsat E = (1)(2)(3)(4)(5)(6)
Přiacuteklad Hod dvěma mincemi
E=(orelorel)(pannapanna)(orelpanna) (pannaorel)
Přiacuteklad Ve Sportce je 13 983 816 elementaacuterniacutech jevů Pokud vsadiacuteme takovyacuteto počet různyacutech tiketůvyhrajeme prvniacute cenu
49
6
10
PRAVDĚPODOBNOST - JEVY
Jistyacute jev - za danyacutech podmiacutenek nastane vždy
Přiacuteklad Na šestistěnneacute kostce vždy padne nějakeacute čiacuteslo od 1 do 6
Přiacuteklad Na šestistěnneacute kostce vždy padne buď čiacuteslo sudeacute nebo čiacuteslo licheacute
Nemožnyacute jev - za danyacutech podmiacutenek nenastane nikdy
Přiacuteklad Na šestistěnneacute kostce nikdy nepadne čiacuteslo 0
11
PRAVDĚPODOBNOST - OPERACE S JEVY
Opačnyacute jev (Ā) ndash je jev kteryacute nastane pouze tehdy když nenastane jev A
sjednoceniacute opačnyacutech jevů je jistyacute jev opačneacute jevy jsou jevy neslučitelneacute (disjunktniacute) - nemohou
nastat zaacuteroveň (buď nastane jeden nebo druhyacute)
Přiacuteklad Při hodu minciacute nikdy nepadne panna a orel zaacuteroveň Vždy padne jen jedna možnost
12
PRAVDĚPODOBNOST - OPERACE S JEVY
Opačnyacute jev (Ā) ndash je jev kteryacute nastane pouze tehdy když nenastane jev A
Pravidla sjednoceniacute opačnyacutech jevů je jistyacute jev opačneacute jevy jsou jevy neslučitelneacute (disjunktniacute) - nemohou
nastat zaacuteroveň (buď nastane jeden nebo druhyacute)
Např Při hodu minciacute nikdy nepadne panna a orel zaacuteroveň Vždy padne jen jedna možnost
13
PRAVDĚPODOBNOST - DEFINICE
Klasickaacute definice (Laplaceova)
Přiacuteklad Jakaacute je pravděpodobnost hlavniacute vyacutehry ve Sportce
Ve Sportce je 13 983 816 možnyacutech přiacutepadů (možnyacutech kombinaciacute šesti čiacutesel ze 49 možnyacutech)
Hlavniacute vyacutehra je jen jedinaacute šestice (počet přiacuteznivyacutech kombinaciacute šesti čiacutesel je jedna jedinaacute) Pravděpodobnost hlavniacute vyacutehry je podle klasickeacute definice pravděpodobnosti
P(A) = přiacutezniveacute možneacute
P(A) = 113 983 816 = 0000 000 072 tj 0000 007 2
14
PRAVDĚPODOBNOST - DEFINICE
Klasickaacute definice (Laplaceova)
Naacutehodnyacute pokus maacute konečnyacute počet n elementaacuterniacutech jevů ktereacute mohou nastat se stejnou možnostiacute (n tzv možnyacutech přiacutepadů)
Sledovanyacute naacutehodnyacute jev A je určen jako sjednoceniacute určiteacuteho počtu (m) z těchto možnyacutech el jevů tedy jev A nastaacutevaacute při m přiacutepadech z n možnyacutech (m je počet tzv přiacuteznivyacutech přiacutepadů)
Za těchto okolnostiacute pravděpodobnost jevu A je rovna
P(A) = mn
15
PRAVDĚPODOBNOST - DEFINICE
Matematickaacute definice (Kolmogorovova)
Pravděpodobnost je definovaacutena jako funkce kteraacute přiřazuje naacutehodneacutemu jevu reaacutelneacute čiacuteslo a pro toto přiřazeniacute platiacute tři axiomy
1 Pravděpodobnost naacutehodneacuteho jevu A je nezaacuteporneacute čiacuteslo P(A) ge 0
2 Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1
3 Pravděpodobnost sjednoceniacute dvou vzaacutejemně neslučitelnyacutech (disjunktivniacutech) jevů A a B je rovna součtu jejich pravděpodobnostiacuteplatiacute-li pak 0 BA P(A B) = P(A) + P(B)
16
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)Přiacuteklad Jakaacute je pravděpodobnost narozeniacute holčičky
Statistickaacute definice odvozuje pravděpodobnost na zaacutekladě pokusu Pokusem mohou byacutet porody na uacutezemiacute Českeacute republiky za uplynulyacute rok kdy se narodilo 61 483 chlapců a 58 359 diacutevek
Pravděpodobnost narozeniacute holčičky je přibližně 58 359 119 842 = 0486 tedy 4869 Pro porovnaacuteniacute za rok 2003 45 55493 658 = 0486 tedy 4864
S rostouciacutem počtem sledovanyacutech naacutehodnyacutech pokusů se zjištěnaacute relativniacute četnost bude přibližovat odhadovaneacute pravděpodobnosti
17
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Provedli jsme n-kraacutet naacutehodnyacute pokus V teacuteto seacuterii pokusů nastal naacutehodnyacute jev A m-kraacutet
Relativniacute četnost pokusu A (tj poměr mn) se přibližuje (konverguje) k pravděpodobnosti tohoto jevu pro velkyacute počet naacutehodnyacutech pokusů
( )P(A) limn
m A
n
18
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1 Pravděpodobnost nemožneacuteho jevu Oslash je nula P(Oslash) = 0 Pravděpodobnost libovolneacuteho naacutehodneacuteho jevu A je
0 le P(A) le 1
19
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Pravděpodobnost uacutemrtiacute v Uacutesteckeacutem kraji podle věku (2009-2010)
Věk Muži Ženy0 044 044
10 003 001 20 008 002 30 009 003 40 022 009 50 063 030 60 187 084 70 424 214 80 954 636 90 2371 2212
100 5354 6253 105 10000 10000
20
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost smrti uacuterazem Pravděpodobnost smrti sebevraždou Pravděpodobnost smrti vraždou
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (konec 18 stoletiacute)
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (normalizace)
4
13
01
1 1 01
5 16 01
21
NAacuteHODNAacute VELIČINA
Naacutehodnaacute veličina je kvantitativniacute zobrazeniacute vyacutesledků naacutehodneacuteho pokusu Naacutehodnaacute veličina se značiacute X (velkeacute X) a konkreacutetniacute hodnoty kteryacutech může nabyacutevat xi
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu hodnot
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot z konečneacuteho nebo nekonečneacuteho intervalu
počet ok na kostce počet poruch stroje za rok počet zaacutekazniacuteků na pokladně za hodinu počet mrtvyacutech stromů na 1 ha lesa
Vyacuteška člověka ve 20 letech porodniacute vaacuteha vyacuterobniacute odchylka doba životnosti vyacuterobku cena akcie
22
DISKREacuteTNIacute ROZDĚLENIacute
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu
hodnot
23
DISKREacuteTNIacute ROZDĚLENIacute
Pravděpodobnost že naacutehodnaacute veličina nabyla konkreacutetniacute hodnoty xi zapisujeme
P(X = xi) = P(xi) = pi
Rozděleniacute pravděpodobnostiacute je vztah mezi hodnotami resp intervaly naacutehodneacute veličiny X a jejich pravděpodobnostmi pi
24
DISKREacuteTNIacute ROZDĚLENIacute
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Pravděpodobnost narozeniacute chlapce je 052Popis rozděleniacute prostřednictviacutem tabulkyNaacutehodnaacute veličina X nabyacutevaacute hodnot 0123 (kolik chlapců může byacutet mezi třemi novorozenci)
Počet chlapců (xi) Pravděpodobnost P(X=xi)Pravděpodobnost P(X= xi)
0 (tři diacutevky) = 048∙048∙048 = 011
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 012∙3 = 036
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 013∙3 = 039
3 (tři chlapci) = 052∙052∙052 = 014
Celkem 100 100
25
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Pravděpodobnostniacute funkce pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty x
P(x) = P(X = x)
Vlastnosti pravděpodobnostniacute funkce
bull funkce je omezenaacute 0 le P(x) le 1
bull pravděpodobnostniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
26
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Popis rozděleniacute prostřednictviacutem grafu pravděpodobnostniacute fce P(x)
Rozděleniacute počtu chlapců mezi třemi novorozenci
000501
01502
02503
03504
045
0 1 2 3 4
Počet chlapců (naacutehodnaacute veličina X)
Pra
vděp
od
ob
no
st p
(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
27
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Popis rozděleniacute funkčniacutem zaacutepisem pravděpodobnostniacute fce P(x)
Počet chlapců (x) Pravděpodobnost P(X=x) Funkčniacute zaacutepis
0 (tři diacutevky) = 048∙048∙048 = 1∙0520∙(1-052)3
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 3∙0521∙(1-052)2
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 3∙0522∙(1-052)1
3 (tři chlapci) = 052∙052∙052 = 1∙0523∙(1-052)0
Celkem 100 100
( ) 1n xxn
P xx
Pravděpodobnostniacute funkci přiacutekladu lze obecně zapsat
)(
Pozn
xnx
n
x
n
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
28
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)Vlastnosti distribučniacute funkce
bull 0 le F(x) le 1 omezenaacute funkce
bull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkce
bull P(a lt X le b) = F(b) - F(a)
bull distribučniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
bull F(x) = P(X le x) = ΣP(x)
29
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem tabulky(bude doplněn sloupec distribučniacute funkce) Hodnoty F(x) vyjadřujiacute pravděpodobnost že se narodiacute x nebo meacuteně chlapců
Počet chlapců (x) P(x) = P(X=x) F(x) = P(Xlex)
0 (tři diacutevky) 011 011
1 (chlapec dvě diacutevky) 036 011+036 = 047
2 (dva chlapci a diacutevka) 039 011+036+039 = 086
3 (tři chlapci) 014 011+036+039+014 = 1
Celkem 100 -
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
9
PRAVDĚPODOBNOST - JEVY
Prostor elementaacuterniacutech jevů (E) je množina všech vyacutesledků naacutehodneacuteho pokusu tedy všech elementaacuterniacutech jevů Prostor může byacutet konečnyacute spočetnyacute nebo nespočetnyacute
Přiacuteklad Na šestistěnneacute kostce jsou elementaacuterniacute jevy hodnoty 123456 Prostor elementaacuterniacutech jevů lze zapsat E = (1)(2)(3)(4)(5)(6)
Přiacuteklad Hod dvěma mincemi
E=(orelorel)(pannapanna)(orelpanna) (pannaorel)
Přiacuteklad Ve Sportce je 13 983 816 elementaacuterniacutech jevů Pokud vsadiacuteme takovyacuteto počet různyacutech tiketůvyhrajeme prvniacute cenu
49
6
10
PRAVDĚPODOBNOST - JEVY
Jistyacute jev - za danyacutech podmiacutenek nastane vždy
Přiacuteklad Na šestistěnneacute kostce vždy padne nějakeacute čiacuteslo od 1 do 6
Přiacuteklad Na šestistěnneacute kostce vždy padne buď čiacuteslo sudeacute nebo čiacuteslo licheacute
Nemožnyacute jev - za danyacutech podmiacutenek nenastane nikdy
Přiacuteklad Na šestistěnneacute kostce nikdy nepadne čiacuteslo 0
11
PRAVDĚPODOBNOST - OPERACE S JEVY
Opačnyacute jev (Ā) ndash je jev kteryacute nastane pouze tehdy když nenastane jev A
sjednoceniacute opačnyacutech jevů je jistyacute jev opačneacute jevy jsou jevy neslučitelneacute (disjunktniacute) - nemohou
nastat zaacuteroveň (buď nastane jeden nebo druhyacute)
Přiacuteklad Při hodu minciacute nikdy nepadne panna a orel zaacuteroveň Vždy padne jen jedna možnost
12
PRAVDĚPODOBNOST - OPERACE S JEVY
Opačnyacute jev (Ā) ndash je jev kteryacute nastane pouze tehdy když nenastane jev A
Pravidla sjednoceniacute opačnyacutech jevů je jistyacute jev opačneacute jevy jsou jevy neslučitelneacute (disjunktniacute) - nemohou
nastat zaacuteroveň (buď nastane jeden nebo druhyacute)
Např Při hodu minciacute nikdy nepadne panna a orel zaacuteroveň Vždy padne jen jedna možnost
13
PRAVDĚPODOBNOST - DEFINICE
Klasickaacute definice (Laplaceova)
Přiacuteklad Jakaacute je pravděpodobnost hlavniacute vyacutehry ve Sportce
Ve Sportce je 13 983 816 možnyacutech přiacutepadů (možnyacutech kombinaciacute šesti čiacutesel ze 49 možnyacutech)
Hlavniacute vyacutehra je jen jedinaacute šestice (počet přiacuteznivyacutech kombinaciacute šesti čiacutesel je jedna jedinaacute) Pravděpodobnost hlavniacute vyacutehry je podle klasickeacute definice pravděpodobnosti
P(A) = přiacutezniveacute možneacute
P(A) = 113 983 816 = 0000 000 072 tj 0000 007 2
14
PRAVDĚPODOBNOST - DEFINICE
Klasickaacute definice (Laplaceova)
Naacutehodnyacute pokus maacute konečnyacute počet n elementaacuterniacutech jevů ktereacute mohou nastat se stejnou možnostiacute (n tzv možnyacutech přiacutepadů)
Sledovanyacute naacutehodnyacute jev A je určen jako sjednoceniacute určiteacuteho počtu (m) z těchto možnyacutech el jevů tedy jev A nastaacutevaacute při m přiacutepadech z n možnyacutech (m je počet tzv přiacuteznivyacutech přiacutepadů)
Za těchto okolnostiacute pravděpodobnost jevu A je rovna
P(A) = mn
15
PRAVDĚPODOBNOST - DEFINICE
Matematickaacute definice (Kolmogorovova)
Pravděpodobnost je definovaacutena jako funkce kteraacute přiřazuje naacutehodneacutemu jevu reaacutelneacute čiacuteslo a pro toto přiřazeniacute platiacute tři axiomy
1 Pravděpodobnost naacutehodneacuteho jevu A je nezaacuteporneacute čiacuteslo P(A) ge 0
2 Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1
3 Pravděpodobnost sjednoceniacute dvou vzaacutejemně neslučitelnyacutech (disjunktivniacutech) jevů A a B je rovna součtu jejich pravděpodobnostiacuteplatiacute-li pak 0 BA P(A B) = P(A) + P(B)
16
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)Přiacuteklad Jakaacute je pravděpodobnost narozeniacute holčičky
Statistickaacute definice odvozuje pravděpodobnost na zaacutekladě pokusu Pokusem mohou byacutet porody na uacutezemiacute Českeacute republiky za uplynulyacute rok kdy se narodilo 61 483 chlapců a 58 359 diacutevek
Pravděpodobnost narozeniacute holčičky je přibližně 58 359 119 842 = 0486 tedy 4869 Pro porovnaacuteniacute za rok 2003 45 55493 658 = 0486 tedy 4864
S rostouciacutem počtem sledovanyacutech naacutehodnyacutech pokusů se zjištěnaacute relativniacute četnost bude přibližovat odhadovaneacute pravděpodobnosti
17
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Provedli jsme n-kraacutet naacutehodnyacute pokus V teacuteto seacuterii pokusů nastal naacutehodnyacute jev A m-kraacutet
Relativniacute četnost pokusu A (tj poměr mn) se přibližuje (konverguje) k pravděpodobnosti tohoto jevu pro velkyacute počet naacutehodnyacutech pokusů
( )P(A) limn
m A
n
18
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1 Pravděpodobnost nemožneacuteho jevu Oslash je nula P(Oslash) = 0 Pravděpodobnost libovolneacuteho naacutehodneacuteho jevu A je
0 le P(A) le 1
19
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Pravděpodobnost uacutemrtiacute v Uacutesteckeacutem kraji podle věku (2009-2010)
Věk Muži Ženy0 044 044
10 003 001 20 008 002 30 009 003 40 022 009 50 063 030 60 187 084 70 424 214 80 954 636 90 2371 2212
100 5354 6253 105 10000 10000
20
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost smrti uacuterazem Pravděpodobnost smrti sebevraždou Pravděpodobnost smrti vraždou
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (konec 18 stoletiacute)
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (normalizace)
4
13
01
1 1 01
5 16 01
21
NAacuteHODNAacute VELIČINA
Naacutehodnaacute veličina je kvantitativniacute zobrazeniacute vyacutesledků naacutehodneacuteho pokusu Naacutehodnaacute veličina se značiacute X (velkeacute X) a konkreacutetniacute hodnoty kteryacutech může nabyacutevat xi
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu hodnot
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot z konečneacuteho nebo nekonečneacuteho intervalu
počet ok na kostce počet poruch stroje za rok počet zaacutekazniacuteků na pokladně za hodinu počet mrtvyacutech stromů na 1 ha lesa
Vyacuteška člověka ve 20 letech porodniacute vaacuteha vyacuterobniacute odchylka doba životnosti vyacuterobku cena akcie
22
DISKREacuteTNIacute ROZDĚLENIacute
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu
hodnot
23
DISKREacuteTNIacute ROZDĚLENIacute
Pravděpodobnost že naacutehodnaacute veličina nabyla konkreacutetniacute hodnoty xi zapisujeme
P(X = xi) = P(xi) = pi
Rozděleniacute pravděpodobnostiacute je vztah mezi hodnotami resp intervaly naacutehodneacute veličiny X a jejich pravděpodobnostmi pi
24
DISKREacuteTNIacute ROZDĚLENIacute
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Pravděpodobnost narozeniacute chlapce je 052Popis rozděleniacute prostřednictviacutem tabulkyNaacutehodnaacute veličina X nabyacutevaacute hodnot 0123 (kolik chlapců může byacutet mezi třemi novorozenci)
Počet chlapců (xi) Pravděpodobnost P(X=xi)Pravděpodobnost P(X= xi)
0 (tři diacutevky) = 048∙048∙048 = 011
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 012∙3 = 036
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 013∙3 = 039
3 (tři chlapci) = 052∙052∙052 = 014
Celkem 100 100
25
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Pravděpodobnostniacute funkce pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty x
P(x) = P(X = x)
Vlastnosti pravděpodobnostniacute funkce
bull funkce je omezenaacute 0 le P(x) le 1
bull pravděpodobnostniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
26
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Popis rozděleniacute prostřednictviacutem grafu pravděpodobnostniacute fce P(x)
Rozděleniacute počtu chlapců mezi třemi novorozenci
000501
01502
02503
03504
045
0 1 2 3 4
Počet chlapců (naacutehodnaacute veličina X)
Pra
vděp
od
ob
no
st p
(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
27
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Popis rozděleniacute funkčniacutem zaacutepisem pravděpodobnostniacute fce P(x)
Počet chlapců (x) Pravděpodobnost P(X=x) Funkčniacute zaacutepis
0 (tři diacutevky) = 048∙048∙048 = 1∙0520∙(1-052)3
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 3∙0521∙(1-052)2
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 3∙0522∙(1-052)1
3 (tři chlapci) = 052∙052∙052 = 1∙0523∙(1-052)0
Celkem 100 100
( ) 1n xxn
P xx
Pravděpodobnostniacute funkci přiacutekladu lze obecně zapsat
)(
Pozn
xnx
n
x
n
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
28
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)Vlastnosti distribučniacute funkce
bull 0 le F(x) le 1 omezenaacute funkce
bull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkce
bull P(a lt X le b) = F(b) - F(a)
bull distribučniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
bull F(x) = P(X le x) = ΣP(x)
29
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem tabulky(bude doplněn sloupec distribučniacute funkce) Hodnoty F(x) vyjadřujiacute pravděpodobnost že se narodiacute x nebo meacuteně chlapců
Počet chlapců (x) P(x) = P(X=x) F(x) = P(Xlex)
0 (tři diacutevky) 011 011
1 (chlapec dvě diacutevky) 036 011+036 = 047
2 (dva chlapci a diacutevka) 039 011+036+039 = 086
3 (tři chlapci) 014 011+036+039+014 = 1
Celkem 100 -
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
10
PRAVDĚPODOBNOST - JEVY
Jistyacute jev - za danyacutech podmiacutenek nastane vždy
Přiacuteklad Na šestistěnneacute kostce vždy padne nějakeacute čiacuteslo od 1 do 6
Přiacuteklad Na šestistěnneacute kostce vždy padne buď čiacuteslo sudeacute nebo čiacuteslo licheacute
Nemožnyacute jev - za danyacutech podmiacutenek nenastane nikdy
Přiacuteklad Na šestistěnneacute kostce nikdy nepadne čiacuteslo 0
11
PRAVDĚPODOBNOST - OPERACE S JEVY
Opačnyacute jev (Ā) ndash je jev kteryacute nastane pouze tehdy když nenastane jev A
sjednoceniacute opačnyacutech jevů je jistyacute jev opačneacute jevy jsou jevy neslučitelneacute (disjunktniacute) - nemohou
nastat zaacuteroveň (buď nastane jeden nebo druhyacute)
Přiacuteklad Při hodu minciacute nikdy nepadne panna a orel zaacuteroveň Vždy padne jen jedna možnost
12
PRAVDĚPODOBNOST - OPERACE S JEVY
Opačnyacute jev (Ā) ndash je jev kteryacute nastane pouze tehdy když nenastane jev A
Pravidla sjednoceniacute opačnyacutech jevů je jistyacute jev opačneacute jevy jsou jevy neslučitelneacute (disjunktniacute) - nemohou
nastat zaacuteroveň (buď nastane jeden nebo druhyacute)
Např Při hodu minciacute nikdy nepadne panna a orel zaacuteroveň Vždy padne jen jedna možnost
13
PRAVDĚPODOBNOST - DEFINICE
Klasickaacute definice (Laplaceova)
Přiacuteklad Jakaacute je pravděpodobnost hlavniacute vyacutehry ve Sportce
Ve Sportce je 13 983 816 možnyacutech přiacutepadů (možnyacutech kombinaciacute šesti čiacutesel ze 49 možnyacutech)
Hlavniacute vyacutehra je jen jedinaacute šestice (počet přiacuteznivyacutech kombinaciacute šesti čiacutesel je jedna jedinaacute) Pravděpodobnost hlavniacute vyacutehry je podle klasickeacute definice pravděpodobnosti
P(A) = přiacutezniveacute možneacute
P(A) = 113 983 816 = 0000 000 072 tj 0000 007 2
14
PRAVDĚPODOBNOST - DEFINICE
Klasickaacute definice (Laplaceova)
Naacutehodnyacute pokus maacute konečnyacute počet n elementaacuterniacutech jevů ktereacute mohou nastat se stejnou možnostiacute (n tzv možnyacutech přiacutepadů)
Sledovanyacute naacutehodnyacute jev A je určen jako sjednoceniacute určiteacuteho počtu (m) z těchto možnyacutech el jevů tedy jev A nastaacutevaacute při m přiacutepadech z n možnyacutech (m je počet tzv přiacuteznivyacutech přiacutepadů)
Za těchto okolnostiacute pravděpodobnost jevu A je rovna
P(A) = mn
15
PRAVDĚPODOBNOST - DEFINICE
Matematickaacute definice (Kolmogorovova)
Pravděpodobnost je definovaacutena jako funkce kteraacute přiřazuje naacutehodneacutemu jevu reaacutelneacute čiacuteslo a pro toto přiřazeniacute platiacute tři axiomy
1 Pravděpodobnost naacutehodneacuteho jevu A je nezaacuteporneacute čiacuteslo P(A) ge 0
2 Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1
3 Pravděpodobnost sjednoceniacute dvou vzaacutejemně neslučitelnyacutech (disjunktivniacutech) jevů A a B je rovna součtu jejich pravděpodobnostiacuteplatiacute-li pak 0 BA P(A B) = P(A) + P(B)
16
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)Přiacuteklad Jakaacute je pravděpodobnost narozeniacute holčičky
Statistickaacute definice odvozuje pravděpodobnost na zaacutekladě pokusu Pokusem mohou byacutet porody na uacutezemiacute Českeacute republiky za uplynulyacute rok kdy se narodilo 61 483 chlapců a 58 359 diacutevek
Pravděpodobnost narozeniacute holčičky je přibližně 58 359 119 842 = 0486 tedy 4869 Pro porovnaacuteniacute za rok 2003 45 55493 658 = 0486 tedy 4864
S rostouciacutem počtem sledovanyacutech naacutehodnyacutech pokusů se zjištěnaacute relativniacute četnost bude přibližovat odhadovaneacute pravděpodobnosti
17
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Provedli jsme n-kraacutet naacutehodnyacute pokus V teacuteto seacuterii pokusů nastal naacutehodnyacute jev A m-kraacutet
Relativniacute četnost pokusu A (tj poměr mn) se přibližuje (konverguje) k pravděpodobnosti tohoto jevu pro velkyacute počet naacutehodnyacutech pokusů
( )P(A) limn
m A
n
18
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1 Pravděpodobnost nemožneacuteho jevu Oslash je nula P(Oslash) = 0 Pravděpodobnost libovolneacuteho naacutehodneacuteho jevu A je
0 le P(A) le 1
19
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Pravděpodobnost uacutemrtiacute v Uacutesteckeacutem kraji podle věku (2009-2010)
Věk Muži Ženy0 044 044
10 003 001 20 008 002 30 009 003 40 022 009 50 063 030 60 187 084 70 424 214 80 954 636 90 2371 2212
100 5354 6253 105 10000 10000
20
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost smrti uacuterazem Pravděpodobnost smrti sebevraždou Pravděpodobnost smrti vraždou
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (konec 18 stoletiacute)
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (normalizace)
4
13
01
1 1 01
5 16 01
21
NAacuteHODNAacute VELIČINA
Naacutehodnaacute veličina je kvantitativniacute zobrazeniacute vyacutesledků naacutehodneacuteho pokusu Naacutehodnaacute veličina se značiacute X (velkeacute X) a konkreacutetniacute hodnoty kteryacutech může nabyacutevat xi
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu hodnot
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot z konečneacuteho nebo nekonečneacuteho intervalu
počet ok na kostce počet poruch stroje za rok počet zaacutekazniacuteků na pokladně za hodinu počet mrtvyacutech stromů na 1 ha lesa
Vyacuteška člověka ve 20 letech porodniacute vaacuteha vyacuterobniacute odchylka doba životnosti vyacuterobku cena akcie
22
DISKREacuteTNIacute ROZDĚLENIacute
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu
hodnot
23
DISKREacuteTNIacute ROZDĚLENIacute
Pravděpodobnost že naacutehodnaacute veličina nabyla konkreacutetniacute hodnoty xi zapisujeme
P(X = xi) = P(xi) = pi
Rozděleniacute pravděpodobnostiacute je vztah mezi hodnotami resp intervaly naacutehodneacute veličiny X a jejich pravděpodobnostmi pi
24
DISKREacuteTNIacute ROZDĚLENIacute
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Pravděpodobnost narozeniacute chlapce je 052Popis rozděleniacute prostřednictviacutem tabulkyNaacutehodnaacute veličina X nabyacutevaacute hodnot 0123 (kolik chlapců může byacutet mezi třemi novorozenci)
Počet chlapců (xi) Pravděpodobnost P(X=xi)Pravděpodobnost P(X= xi)
0 (tři diacutevky) = 048∙048∙048 = 011
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 012∙3 = 036
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 013∙3 = 039
3 (tři chlapci) = 052∙052∙052 = 014
Celkem 100 100
25
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Pravděpodobnostniacute funkce pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty x
P(x) = P(X = x)
Vlastnosti pravděpodobnostniacute funkce
bull funkce je omezenaacute 0 le P(x) le 1
bull pravděpodobnostniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
26
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Popis rozděleniacute prostřednictviacutem grafu pravděpodobnostniacute fce P(x)
Rozděleniacute počtu chlapců mezi třemi novorozenci
000501
01502
02503
03504
045
0 1 2 3 4
Počet chlapců (naacutehodnaacute veličina X)
Pra
vděp
od
ob
no
st p
(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
27
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Popis rozděleniacute funkčniacutem zaacutepisem pravděpodobnostniacute fce P(x)
Počet chlapců (x) Pravděpodobnost P(X=x) Funkčniacute zaacutepis
0 (tři diacutevky) = 048∙048∙048 = 1∙0520∙(1-052)3
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 3∙0521∙(1-052)2
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 3∙0522∙(1-052)1
3 (tři chlapci) = 052∙052∙052 = 1∙0523∙(1-052)0
Celkem 100 100
( ) 1n xxn
P xx
Pravděpodobnostniacute funkci přiacutekladu lze obecně zapsat
)(
Pozn
xnx
n
x
n
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
28
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)Vlastnosti distribučniacute funkce
bull 0 le F(x) le 1 omezenaacute funkce
bull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkce
bull P(a lt X le b) = F(b) - F(a)
bull distribučniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
bull F(x) = P(X le x) = ΣP(x)
29
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem tabulky(bude doplněn sloupec distribučniacute funkce) Hodnoty F(x) vyjadřujiacute pravděpodobnost že se narodiacute x nebo meacuteně chlapců
Počet chlapců (x) P(x) = P(X=x) F(x) = P(Xlex)
0 (tři diacutevky) 011 011
1 (chlapec dvě diacutevky) 036 011+036 = 047
2 (dva chlapci a diacutevka) 039 011+036+039 = 086
3 (tři chlapci) 014 011+036+039+014 = 1
Celkem 100 -
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
11
PRAVDĚPODOBNOST - OPERACE S JEVY
Opačnyacute jev (Ā) ndash je jev kteryacute nastane pouze tehdy když nenastane jev A
sjednoceniacute opačnyacutech jevů je jistyacute jev opačneacute jevy jsou jevy neslučitelneacute (disjunktniacute) - nemohou
nastat zaacuteroveň (buď nastane jeden nebo druhyacute)
Přiacuteklad Při hodu minciacute nikdy nepadne panna a orel zaacuteroveň Vždy padne jen jedna možnost
12
PRAVDĚPODOBNOST - OPERACE S JEVY
Opačnyacute jev (Ā) ndash je jev kteryacute nastane pouze tehdy když nenastane jev A
Pravidla sjednoceniacute opačnyacutech jevů je jistyacute jev opačneacute jevy jsou jevy neslučitelneacute (disjunktniacute) - nemohou
nastat zaacuteroveň (buď nastane jeden nebo druhyacute)
Např Při hodu minciacute nikdy nepadne panna a orel zaacuteroveň Vždy padne jen jedna možnost
13
PRAVDĚPODOBNOST - DEFINICE
Klasickaacute definice (Laplaceova)
Přiacuteklad Jakaacute je pravděpodobnost hlavniacute vyacutehry ve Sportce
Ve Sportce je 13 983 816 možnyacutech přiacutepadů (možnyacutech kombinaciacute šesti čiacutesel ze 49 možnyacutech)
Hlavniacute vyacutehra je jen jedinaacute šestice (počet přiacuteznivyacutech kombinaciacute šesti čiacutesel je jedna jedinaacute) Pravděpodobnost hlavniacute vyacutehry je podle klasickeacute definice pravděpodobnosti
P(A) = přiacutezniveacute možneacute
P(A) = 113 983 816 = 0000 000 072 tj 0000 007 2
14
PRAVDĚPODOBNOST - DEFINICE
Klasickaacute definice (Laplaceova)
Naacutehodnyacute pokus maacute konečnyacute počet n elementaacuterniacutech jevů ktereacute mohou nastat se stejnou možnostiacute (n tzv možnyacutech přiacutepadů)
Sledovanyacute naacutehodnyacute jev A je určen jako sjednoceniacute určiteacuteho počtu (m) z těchto možnyacutech el jevů tedy jev A nastaacutevaacute při m přiacutepadech z n možnyacutech (m je počet tzv přiacuteznivyacutech přiacutepadů)
Za těchto okolnostiacute pravděpodobnost jevu A je rovna
P(A) = mn
15
PRAVDĚPODOBNOST - DEFINICE
Matematickaacute definice (Kolmogorovova)
Pravděpodobnost je definovaacutena jako funkce kteraacute přiřazuje naacutehodneacutemu jevu reaacutelneacute čiacuteslo a pro toto přiřazeniacute platiacute tři axiomy
1 Pravděpodobnost naacutehodneacuteho jevu A je nezaacuteporneacute čiacuteslo P(A) ge 0
2 Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1
3 Pravděpodobnost sjednoceniacute dvou vzaacutejemně neslučitelnyacutech (disjunktivniacutech) jevů A a B je rovna součtu jejich pravděpodobnostiacuteplatiacute-li pak 0 BA P(A B) = P(A) + P(B)
16
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)Přiacuteklad Jakaacute je pravděpodobnost narozeniacute holčičky
Statistickaacute definice odvozuje pravděpodobnost na zaacutekladě pokusu Pokusem mohou byacutet porody na uacutezemiacute Českeacute republiky za uplynulyacute rok kdy se narodilo 61 483 chlapců a 58 359 diacutevek
Pravděpodobnost narozeniacute holčičky je přibližně 58 359 119 842 = 0486 tedy 4869 Pro porovnaacuteniacute za rok 2003 45 55493 658 = 0486 tedy 4864
S rostouciacutem počtem sledovanyacutech naacutehodnyacutech pokusů se zjištěnaacute relativniacute četnost bude přibližovat odhadovaneacute pravděpodobnosti
17
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Provedli jsme n-kraacutet naacutehodnyacute pokus V teacuteto seacuterii pokusů nastal naacutehodnyacute jev A m-kraacutet
Relativniacute četnost pokusu A (tj poměr mn) se přibližuje (konverguje) k pravděpodobnosti tohoto jevu pro velkyacute počet naacutehodnyacutech pokusů
( )P(A) limn
m A
n
18
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1 Pravděpodobnost nemožneacuteho jevu Oslash je nula P(Oslash) = 0 Pravděpodobnost libovolneacuteho naacutehodneacuteho jevu A je
0 le P(A) le 1
19
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Pravděpodobnost uacutemrtiacute v Uacutesteckeacutem kraji podle věku (2009-2010)
Věk Muži Ženy0 044 044
10 003 001 20 008 002 30 009 003 40 022 009 50 063 030 60 187 084 70 424 214 80 954 636 90 2371 2212
100 5354 6253 105 10000 10000
20
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost smrti uacuterazem Pravděpodobnost smrti sebevraždou Pravděpodobnost smrti vraždou
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (konec 18 stoletiacute)
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (normalizace)
4
13
01
1 1 01
5 16 01
21
NAacuteHODNAacute VELIČINA
Naacutehodnaacute veličina je kvantitativniacute zobrazeniacute vyacutesledků naacutehodneacuteho pokusu Naacutehodnaacute veličina se značiacute X (velkeacute X) a konkreacutetniacute hodnoty kteryacutech může nabyacutevat xi
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu hodnot
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot z konečneacuteho nebo nekonečneacuteho intervalu
počet ok na kostce počet poruch stroje za rok počet zaacutekazniacuteků na pokladně za hodinu počet mrtvyacutech stromů na 1 ha lesa
Vyacuteška člověka ve 20 letech porodniacute vaacuteha vyacuterobniacute odchylka doba životnosti vyacuterobku cena akcie
22
DISKREacuteTNIacute ROZDĚLENIacute
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu
hodnot
23
DISKREacuteTNIacute ROZDĚLENIacute
Pravděpodobnost že naacutehodnaacute veličina nabyla konkreacutetniacute hodnoty xi zapisujeme
P(X = xi) = P(xi) = pi
Rozděleniacute pravděpodobnostiacute je vztah mezi hodnotami resp intervaly naacutehodneacute veličiny X a jejich pravděpodobnostmi pi
24
DISKREacuteTNIacute ROZDĚLENIacute
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Pravděpodobnost narozeniacute chlapce je 052Popis rozděleniacute prostřednictviacutem tabulkyNaacutehodnaacute veličina X nabyacutevaacute hodnot 0123 (kolik chlapců může byacutet mezi třemi novorozenci)
Počet chlapců (xi) Pravděpodobnost P(X=xi)Pravděpodobnost P(X= xi)
0 (tři diacutevky) = 048∙048∙048 = 011
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 012∙3 = 036
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 013∙3 = 039
3 (tři chlapci) = 052∙052∙052 = 014
Celkem 100 100
25
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Pravděpodobnostniacute funkce pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty x
P(x) = P(X = x)
Vlastnosti pravděpodobnostniacute funkce
bull funkce je omezenaacute 0 le P(x) le 1
bull pravděpodobnostniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
26
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Popis rozděleniacute prostřednictviacutem grafu pravděpodobnostniacute fce P(x)
Rozděleniacute počtu chlapců mezi třemi novorozenci
000501
01502
02503
03504
045
0 1 2 3 4
Počet chlapců (naacutehodnaacute veličina X)
Pra
vděp
od
ob
no
st p
(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
27
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Popis rozděleniacute funkčniacutem zaacutepisem pravděpodobnostniacute fce P(x)
Počet chlapců (x) Pravděpodobnost P(X=x) Funkčniacute zaacutepis
0 (tři diacutevky) = 048∙048∙048 = 1∙0520∙(1-052)3
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 3∙0521∙(1-052)2
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 3∙0522∙(1-052)1
3 (tři chlapci) = 052∙052∙052 = 1∙0523∙(1-052)0
Celkem 100 100
( ) 1n xxn
P xx
Pravděpodobnostniacute funkci přiacutekladu lze obecně zapsat
)(
Pozn
xnx
n
x
n
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
28
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)Vlastnosti distribučniacute funkce
bull 0 le F(x) le 1 omezenaacute funkce
bull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkce
bull P(a lt X le b) = F(b) - F(a)
bull distribučniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
bull F(x) = P(X le x) = ΣP(x)
29
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem tabulky(bude doplněn sloupec distribučniacute funkce) Hodnoty F(x) vyjadřujiacute pravděpodobnost že se narodiacute x nebo meacuteně chlapců
Počet chlapců (x) P(x) = P(X=x) F(x) = P(Xlex)
0 (tři diacutevky) 011 011
1 (chlapec dvě diacutevky) 036 011+036 = 047
2 (dva chlapci a diacutevka) 039 011+036+039 = 086
3 (tři chlapci) 014 011+036+039+014 = 1
Celkem 100 -
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
12
PRAVDĚPODOBNOST - OPERACE S JEVY
Opačnyacute jev (Ā) ndash je jev kteryacute nastane pouze tehdy když nenastane jev A
Pravidla sjednoceniacute opačnyacutech jevů je jistyacute jev opačneacute jevy jsou jevy neslučitelneacute (disjunktniacute) - nemohou
nastat zaacuteroveň (buď nastane jeden nebo druhyacute)
Např Při hodu minciacute nikdy nepadne panna a orel zaacuteroveň Vždy padne jen jedna možnost
13
PRAVDĚPODOBNOST - DEFINICE
Klasickaacute definice (Laplaceova)
Přiacuteklad Jakaacute je pravděpodobnost hlavniacute vyacutehry ve Sportce
Ve Sportce je 13 983 816 možnyacutech přiacutepadů (možnyacutech kombinaciacute šesti čiacutesel ze 49 možnyacutech)
Hlavniacute vyacutehra je jen jedinaacute šestice (počet přiacuteznivyacutech kombinaciacute šesti čiacutesel je jedna jedinaacute) Pravděpodobnost hlavniacute vyacutehry je podle klasickeacute definice pravděpodobnosti
P(A) = přiacutezniveacute možneacute
P(A) = 113 983 816 = 0000 000 072 tj 0000 007 2
14
PRAVDĚPODOBNOST - DEFINICE
Klasickaacute definice (Laplaceova)
Naacutehodnyacute pokus maacute konečnyacute počet n elementaacuterniacutech jevů ktereacute mohou nastat se stejnou možnostiacute (n tzv možnyacutech přiacutepadů)
Sledovanyacute naacutehodnyacute jev A je určen jako sjednoceniacute určiteacuteho počtu (m) z těchto možnyacutech el jevů tedy jev A nastaacutevaacute při m přiacutepadech z n možnyacutech (m je počet tzv přiacuteznivyacutech přiacutepadů)
Za těchto okolnostiacute pravděpodobnost jevu A je rovna
P(A) = mn
15
PRAVDĚPODOBNOST - DEFINICE
Matematickaacute definice (Kolmogorovova)
Pravděpodobnost je definovaacutena jako funkce kteraacute přiřazuje naacutehodneacutemu jevu reaacutelneacute čiacuteslo a pro toto přiřazeniacute platiacute tři axiomy
1 Pravděpodobnost naacutehodneacuteho jevu A je nezaacuteporneacute čiacuteslo P(A) ge 0
2 Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1
3 Pravděpodobnost sjednoceniacute dvou vzaacutejemně neslučitelnyacutech (disjunktivniacutech) jevů A a B je rovna součtu jejich pravděpodobnostiacuteplatiacute-li pak 0 BA P(A B) = P(A) + P(B)
16
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)Přiacuteklad Jakaacute je pravděpodobnost narozeniacute holčičky
Statistickaacute definice odvozuje pravděpodobnost na zaacutekladě pokusu Pokusem mohou byacutet porody na uacutezemiacute Českeacute republiky za uplynulyacute rok kdy se narodilo 61 483 chlapců a 58 359 diacutevek
Pravděpodobnost narozeniacute holčičky je přibližně 58 359 119 842 = 0486 tedy 4869 Pro porovnaacuteniacute za rok 2003 45 55493 658 = 0486 tedy 4864
S rostouciacutem počtem sledovanyacutech naacutehodnyacutech pokusů se zjištěnaacute relativniacute četnost bude přibližovat odhadovaneacute pravděpodobnosti
17
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Provedli jsme n-kraacutet naacutehodnyacute pokus V teacuteto seacuterii pokusů nastal naacutehodnyacute jev A m-kraacutet
Relativniacute četnost pokusu A (tj poměr mn) se přibližuje (konverguje) k pravděpodobnosti tohoto jevu pro velkyacute počet naacutehodnyacutech pokusů
( )P(A) limn
m A
n
18
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1 Pravděpodobnost nemožneacuteho jevu Oslash je nula P(Oslash) = 0 Pravděpodobnost libovolneacuteho naacutehodneacuteho jevu A je
0 le P(A) le 1
19
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Pravděpodobnost uacutemrtiacute v Uacutesteckeacutem kraji podle věku (2009-2010)
Věk Muži Ženy0 044 044
10 003 001 20 008 002 30 009 003 40 022 009 50 063 030 60 187 084 70 424 214 80 954 636 90 2371 2212
100 5354 6253 105 10000 10000
20
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost smrti uacuterazem Pravděpodobnost smrti sebevraždou Pravděpodobnost smrti vraždou
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (konec 18 stoletiacute)
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (normalizace)
4
13
01
1 1 01
5 16 01
21
NAacuteHODNAacute VELIČINA
Naacutehodnaacute veličina je kvantitativniacute zobrazeniacute vyacutesledků naacutehodneacuteho pokusu Naacutehodnaacute veličina se značiacute X (velkeacute X) a konkreacutetniacute hodnoty kteryacutech může nabyacutevat xi
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu hodnot
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot z konečneacuteho nebo nekonečneacuteho intervalu
počet ok na kostce počet poruch stroje za rok počet zaacutekazniacuteků na pokladně za hodinu počet mrtvyacutech stromů na 1 ha lesa
Vyacuteška člověka ve 20 letech porodniacute vaacuteha vyacuterobniacute odchylka doba životnosti vyacuterobku cena akcie
22
DISKREacuteTNIacute ROZDĚLENIacute
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu
hodnot
23
DISKREacuteTNIacute ROZDĚLENIacute
Pravděpodobnost že naacutehodnaacute veličina nabyla konkreacutetniacute hodnoty xi zapisujeme
P(X = xi) = P(xi) = pi
Rozděleniacute pravděpodobnostiacute je vztah mezi hodnotami resp intervaly naacutehodneacute veličiny X a jejich pravděpodobnostmi pi
24
DISKREacuteTNIacute ROZDĚLENIacute
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Pravděpodobnost narozeniacute chlapce je 052Popis rozděleniacute prostřednictviacutem tabulkyNaacutehodnaacute veličina X nabyacutevaacute hodnot 0123 (kolik chlapců může byacutet mezi třemi novorozenci)
Počet chlapců (xi) Pravděpodobnost P(X=xi)Pravděpodobnost P(X= xi)
0 (tři diacutevky) = 048∙048∙048 = 011
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 012∙3 = 036
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 013∙3 = 039
3 (tři chlapci) = 052∙052∙052 = 014
Celkem 100 100
25
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Pravděpodobnostniacute funkce pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty x
P(x) = P(X = x)
Vlastnosti pravděpodobnostniacute funkce
bull funkce je omezenaacute 0 le P(x) le 1
bull pravděpodobnostniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
26
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Popis rozděleniacute prostřednictviacutem grafu pravděpodobnostniacute fce P(x)
Rozděleniacute počtu chlapců mezi třemi novorozenci
000501
01502
02503
03504
045
0 1 2 3 4
Počet chlapců (naacutehodnaacute veličina X)
Pra
vděp
od
ob
no
st p
(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
27
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Popis rozděleniacute funkčniacutem zaacutepisem pravděpodobnostniacute fce P(x)
Počet chlapců (x) Pravděpodobnost P(X=x) Funkčniacute zaacutepis
0 (tři diacutevky) = 048∙048∙048 = 1∙0520∙(1-052)3
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 3∙0521∙(1-052)2
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 3∙0522∙(1-052)1
3 (tři chlapci) = 052∙052∙052 = 1∙0523∙(1-052)0
Celkem 100 100
( ) 1n xxn
P xx
Pravděpodobnostniacute funkci přiacutekladu lze obecně zapsat
)(
Pozn
xnx
n
x
n
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
28
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)Vlastnosti distribučniacute funkce
bull 0 le F(x) le 1 omezenaacute funkce
bull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkce
bull P(a lt X le b) = F(b) - F(a)
bull distribučniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
bull F(x) = P(X le x) = ΣP(x)
29
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem tabulky(bude doplněn sloupec distribučniacute funkce) Hodnoty F(x) vyjadřujiacute pravděpodobnost že se narodiacute x nebo meacuteně chlapců
Počet chlapců (x) P(x) = P(X=x) F(x) = P(Xlex)
0 (tři diacutevky) 011 011
1 (chlapec dvě diacutevky) 036 011+036 = 047
2 (dva chlapci a diacutevka) 039 011+036+039 = 086
3 (tři chlapci) 014 011+036+039+014 = 1
Celkem 100 -
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
13
PRAVDĚPODOBNOST - DEFINICE
Klasickaacute definice (Laplaceova)
Přiacuteklad Jakaacute je pravděpodobnost hlavniacute vyacutehry ve Sportce
Ve Sportce je 13 983 816 možnyacutech přiacutepadů (možnyacutech kombinaciacute šesti čiacutesel ze 49 možnyacutech)
Hlavniacute vyacutehra je jen jedinaacute šestice (počet přiacuteznivyacutech kombinaciacute šesti čiacutesel je jedna jedinaacute) Pravděpodobnost hlavniacute vyacutehry je podle klasickeacute definice pravděpodobnosti
P(A) = přiacutezniveacute možneacute
P(A) = 113 983 816 = 0000 000 072 tj 0000 007 2
14
PRAVDĚPODOBNOST - DEFINICE
Klasickaacute definice (Laplaceova)
Naacutehodnyacute pokus maacute konečnyacute počet n elementaacuterniacutech jevů ktereacute mohou nastat se stejnou možnostiacute (n tzv možnyacutech přiacutepadů)
Sledovanyacute naacutehodnyacute jev A je určen jako sjednoceniacute určiteacuteho počtu (m) z těchto možnyacutech el jevů tedy jev A nastaacutevaacute při m přiacutepadech z n možnyacutech (m je počet tzv přiacuteznivyacutech přiacutepadů)
Za těchto okolnostiacute pravděpodobnost jevu A je rovna
P(A) = mn
15
PRAVDĚPODOBNOST - DEFINICE
Matematickaacute definice (Kolmogorovova)
Pravděpodobnost je definovaacutena jako funkce kteraacute přiřazuje naacutehodneacutemu jevu reaacutelneacute čiacuteslo a pro toto přiřazeniacute platiacute tři axiomy
1 Pravděpodobnost naacutehodneacuteho jevu A je nezaacuteporneacute čiacuteslo P(A) ge 0
2 Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1
3 Pravděpodobnost sjednoceniacute dvou vzaacutejemně neslučitelnyacutech (disjunktivniacutech) jevů A a B je rovna součtu jejich pravděpodobnostiacuteplatiacute-li pak 0 BA P(A B) = P(A) + P(B)
16
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)Přiacuteklad Jakaacute je pravděpodobnost narozeniacute holčičky
Statistickaacute definice odvozuje pravděpodobnost na zaacutekladě pokusu Pokusem mohou byacutet porody na uacutezemiacute Českeacute republiky za uplynulyacute rok kdy se narodilo 61 483 chlapců a 58 359 diacutevek
Pravděpodobnost narozeniacute holčičky je přibližně 58 359 119 842 = 0486 tedy 4869 Pro porovnaacuteniacute za rok 2003 45 55493 658 = 0486 tedy 4864
S rostouciacutem počtem sledovanyacutech naacutehodnyacutech pokusů se zjištěnaacute relativniacute četnost bude přibližovat odhadovaneacute pravděpodobnosti
17
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Provedli jsme n-kraacutet naacutehodnyacute pokus V teacuteto seacuterii pokusů nastal naacutehodnyacute jev A m-kraacutet
Relativniacute četnost pokusu A (tj poměr mn) se přibližuje (konverguje) k pravděpodobnosti tohoto jevu pro velkyacute počet naacutehodnyacutech pokusů
( )P(A) limn
m A
n
18
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1 Pravděpodobnost nemožneacuteho jevu Oslash je nula P(Oslash) = 0 Pravděpodobnost libovolneacuteho naacutehodneacuteho jevu A je
0 le P(A) le 1
19
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Pravděpodobnost uacutemrtiacute v Uacutesteckeacutem kraji podle věku (2009-2010)
Věk Muži Ženy0 044 044
10 003 001 20 008 002 30 009 003 40 022 009 50 063 030 60 187 084 70 424 214 80 954 636 90 2371 2212
100 5354 6253 105 10000 10000
20
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost smrti uacuterazem Pravděpodobnost smrti sebevraždou Pravděpodobnost smrti vraždou
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (konec 18 stoletiacute)
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (normalizace)
4
13
01
1 1 01
5 16 01
21
NAacuteHODNAacute VELIČINA
Naacutehodnaacute veličina je kvantitativniacute zobrazeniacute vyacutesledků naacutehodneacuteho pokusu Naacutehodnaacute veličina se značiacute X (velkeacute X) a konkreacutetniacute hodnoty kteryacutech může nabyacutevat xi
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu hodnot
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot z konečneacuteho nebo nekonečneacuteho intervalu
počet ok na kostce počet poruch stroje za rok počet zaacutekazniacuteků na pokladně za hodinu počet mrtvyacutech stromů na 1 ha lesa
Vyacuteška člověka ve 20 letech porodniacute vaacuteha vyacuterobniacute odchylka doba životnosti vyacuterobku cena akcie
22
DISKREacuteTNIacute ROZDĚLENIacute
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu
hodnot
23
DISKREacuteTNIacute ROZDĚLENIacute
Pravděpodobnost že naacutehodnaacute veličina nabyla konkreacutetniacute hodnoty xi zapisujeme
P(X = xi) = P(xi) = pi
Rozděleniacute pravděpodobnostiacute je vztah mezi hodnotami resp intervaly naacutehodneacute veličiny X a jejich pravděpodobnostmi pi
24
DISKREacuteTNIacute ROZDĚLENIacute
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Pravděpodobnost narozeniacute chlapce je 052Popis rozděleniacute prostřednictviacutem tabulkyNaacutehodnaacute veličina X nabyacutevaacute hodnot 0123 (kolik chlapců může byacutet mezi třemi novorozenci)
Počet chlapců (xi) Pravděpodobnost P(X=xi)Pravděpodobnost P(X= xi)
0 (tři diacutevky) = 048∙048∙048 = 011
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 012∙3 = 036
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 013∙3 = 039
3 (tři chlapci) = 052∙052∙052 = 014
Celkem 100 100
25
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Pravděpodobnostniacute funkce pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty x
P(x) = P(X = x)
Vlastnosti pravděpodobnostniacute funkce
bull funkce je omezenaacute 0 le P(x) le 1
bull pravděpodobnostniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
26
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Popis rozděleniacute prostřednictviacutem grafu pravděpodobnostniacute fce P(x)
Rozděleniacute počtu chlapců mezi třemi novorozenci
000501
01502
02503
03504
045
0 1 2 3 4
Počet chlapců (naacutehodnaacute veličina X)
Pra
vděp
od
ob
no
st p
(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
27
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Popis rozděleniacute funkčniacutem zaacutepisem pravděpodobnostniacute fce P(x)
Počet chlapců (x) Pravděpodobnost P(X=x) Funkčniacute zaacutepis
0 (tři diacutevky) = 048∙048∙048 = 1∙0520∙(1-052)3
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 3∙0521∙(1-052)2
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 3∙0522∙(1-052)1
3 (tři chlapci) = 052∙052∙052 = 1∙0523∙(1-052)0
Celkem 100 100
( ) 1n xxn
P xx
Pravděpodobnostniacute funkci přiacutekladu lze obecně zapsat
)(
Pozn
xnx
n
x
n
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
28
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)Vlastnosti distribučniacute funkce
bull 0 le F(x) le 1 omezenaacute funkce
bull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkce
bull P(a lt X le b) = F(b) - F(a)
bull distribučniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
bull F(x) = P(X le x) = ΣP(x)
29
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem tabulky(bude doplněn sloupec distribučniacute funkce) Hodnoty F(x) vyjadřujiacute pravděpodobnost že se narodiacute x nebo meacuteně chlapců
Počet chlapců (x) P(x) = P(X=x) F(x) = P(Xlex)
0 (tři diacutevky) 011 011
1 (chlapec dvě diacutevky) 036 011+036 = 047
2 (dva chlapci a diacutevka) 039 011+036+039 = 086
3 (tři chlapci) 014 011+036+039+014 = 1
Celkem 100 -
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
14
PRAVDĚPODOBNOST - DEFINICE
Klasickaacute definice (Laplaceova)
Naacutehodnyacute pokus maacute konečnyacute počet n elementaacuterniacutech jevů ktereacute mohou nastat se stejnou možnostiacute (n tzv možnyacutech přiacutepadů)
Sledovanyacute naacutehodnyacute jev A je určen jako sjednoceniacute určiteacuteho počtu (m) z těchto možnyacutech el jevů tedy jev A nastaacutevaacute při m přiacutepadech z n možnyacutech (m je počet tzv přiacuteznivyacutech přiacutepadů)
Za těchto okolnostiacute pravděpodobnost jevu A je rovna
P(A) = mn
15
PRAVDĚPODOBNOST - DEFINICE
Matematickaacute definice (Kolmogorovova)
Pravděpodobnost je definovaacutena jako funkce kteraacute přiřazuje naacutehodneacutemu jevu reaacutelneacute čiacuteslo a pro toto přiřazeniacute platiacute tři axiomy
1 Pravděpodobnost naacutehodneacuteho jevu A je nezaacuteporneacute čiacuteslo P(A) ge 0
2 Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1
3 Pravděpodobnost sjednoceniacute dvou vzaacutejemně neslučitelnyacutech (disjunktivniacutech) jevů A a B je rovna součtu jejich pravděpodobnostiacuteplatiacute-li pak 0 BA P(A B) = P(A) + P(B)
16
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)Přiacuteklad Jakaacute je pravděpodobnost narozeniacute holčičky
Statistickaacute definice odvozuje pravděpodobnost na zaacutekladě pokusu Pokusem mohou byacutet porody na uacutezemiacute Českeacute republiky za uplynulyacute rok kdy se narodilo 61 483 chlapců a 58 359 diacutevek
Pravděpodobnost narozeniacute holčičky je přibližně 58 359 119 842 = 0486 tedy 4869 Pro porovnaacuteniacute za rok 2003 45 55493 658 = 0486 tedy 4864
S rostouciacutem počtem sledovanyacutech naacutehodnyacutech pokusů se zjištěnaacute relativniacute četnost bude přibližovat odhadovaneacute pravděpodobnosti
17
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Provedli jsme n-kraacutet naacutehodnyacute pokus V teacuteto seacuterii pokusů nastal naacutehodnyacute jev A m-kraacutet
Relativniacute četnost pokusu A (tj poměr mn) se přibližuje (konverguje) k pravděpodobnosti tohoto jevu pro velkyacute počet naacutehodnyacutech pokusů
( )P(A) limn
m A
n
18
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1 Pravděpodobnost nemožneacuteho jevu Oslash je nula P(Oslash) = 0 Pravděpodobnost libovolneacuteho naacutehodneacuteho jevu A je
0 le P(A) le 1
19
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Pravděpodobnost uacutemrtiacute v Uacutesteckeacutem kraji podle věku (2009-2010)
Věk Muži Ženy0 044 044
10 003 001 20 008 002 30 009 003 40 022 009 50 063 030 60 187 084 70 424 214 80 954 636 90 2371 2212
100 5354 6253 105 10000 10000
20
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost smrti uacuterazem Pravděpodobnost smrti sebevraždou Pravděpodobnost smrti vraždou
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (konec 18 stoletiacute)
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (normalizace)
4
13
01
1 1 01
5 16 01
21
NAacuteHODNAacute VELIČINA
Naacutehodnaacute veličina je kvantitativniacute zobrazeniacute vyacutesledků naacutehodneacuteho pokusu Naacutehodnaacute veličina se značiacute X (velkeacute X) a konkreacutetniacute hodnoty kteryacutech může nabyacutevat xi
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu hodnot
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot z konečneacuteho nebo nekonečneacuteho intervalu
počet ok na kostce počet poruch stroje za rok počet zaacutekazniacuteků na pokladně za hodinu počet mrtvyacutech stromů na 1 ha lesa
Vyacuteška člověka ve 20 letech porodniacute vaacuteha vyacuterobniacute odchylka doba životnosti vyacuterobku cena akcie
22
DISKREacuteTNIacute ROZDĚLENIacute
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu
hodnot
23
DISKREacuteTNIacute ROZDĚLENIacute
Pravděpodobnost že naacutehodnaacute veličina nabyla konkreacutetniacute hodnoty xi zapisujeme
P(X = xi) = P(xi) = pi
Rozděleniacute pravděpodobnostiacute je vztah mezi hodnotami resp intervaly naacutehodneacute veličiny X a jejich pravděpodobnostmi pi
24
DISKREacuteTNIacute ROZDĚLENIacute
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Pravděpodobnost narozeniacute chlapce je 052Popis rozděleniacute prostřednictviacutem tabulkyNaacutehodnaacute veličina X nabyacutevaacute hodnot 0123 (kolik chlapců může byacutet mezi třemi novorozenci)
Počet chlapců (xi) Pravděpodobnost P(X=xi)Pravděpodobnost P(X= xi)
0 (tři diacutevky) = 048∙048∙048 = 011
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 012∙3 = 036
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 013∙3 = 039
3 (tři chlapci) = 052∙052∙052 = 014
Celkem 100 100
25
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Pravděpodobnostniacute funkce pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty x
P(x) = P(X = x)
Vlastnosti pravděpodobnostniacute funkce
bull funkce je omezenaacute 0 le P(x) le 1
bull pravděpodobnostniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
26
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Popis rozděleniacute prostřednictviacutem grafu pravděpodobnostniacute fce P(x)
Rozděleniacute počtu chlapců mezi třemi novorozenci
000501
01502
02503
03504
045
0 1 2 3 4
Počet chlapců (naacutehodnaacute veličina X)
Pra
vděp
od
ob
no
st p
(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
27
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Popis rozděleniacute funkčniacutem zaacutepisem pravděpodobnostniacute fce P(x)
Počet chlapců (x) Pravděpodobnost P(X=x) Funkčniacute zaacutepis
0 (tři diacutevky) = 048∙048∙048 = 1∙0520∙(1-052)3
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 3∙0521∙(1-052)2
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 3∙0522∙(1-052)1
3 (tři chlapci) = 052∙052∙052 = 1∙0523∙(1-052)0
Celkem 100 100
( ) 1n xxn
P xx
Pravděpodobnostniacute funkci přiacutekladu lze obecně zapsat
)(
Pozn
xnx
n
x
n
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
28
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)Vlastnosti distribučniacute funkce
bull 0 le F(x) le 1 omezenaacute funkce
bull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkce
bull P(a lt X le b) = F(b) - F(a)
bull distribučniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
bull F(x) = P(X le x) = ΣP(x)
29
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem tabulky(bude doplněn sloupec distribučniacute funkce) Hodnoty F(x) vyjadřujiacute pravděpodobnost že se narodiacute x nebo meacuteně chlapců
Počet chlapců (x) P(x) = P(X=x) F(x) = P(Xlex)
0 (tři diacutevky) 011 011
1 (chlapec dvě diacutevky) 036 011+036 = 047
2 (dva chlapci a diacutevka) 039 011+036+039 = 086
3 (tři chlapci) 014 011+036+039+014 = 1
Celkem 100 -
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
15
PRAVDĚPODOBNOST - DEFINICE
Matematickaacute definice (Kolmogorovova)
Pravděpodobnost je definovaacutena jako funkce kteraacute přiřazuje naacutehodneacutemu jevu reaacutelneacute čiacuteslo a pro toto přiřazeniacute platiacute tři axiomy
1 Pravděpodobnost naacutehodneacuteho jevu A je nezaacuteporneacute čiacuteslo P(A) ge 0
2 Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1
3 Pravděpodobnost sjednoceniacute dvou vzaacutejemně neslučitelnyacutech (disjunktivniacutech) jevů A a B je rovna součtu jejich pravděpodobnostiacuteplatiacute-li pak 0 BA P(A B) = P(A) + P(B)
16
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)Přiacuteklad Jakaacute je pravděpodobnost narozeniacute holčičky
Statistickaacute definice odvozuje pravděpodobnost na zaacutekladě pokusu Pokusem mohou byacutet porody na uacutezemiacute Českeacute republiky za uplynulyacute rok kdy se narodilo 61 483 chlapců a 58 359 diacutevek
Pravděpodobnost narozeniacute holčičky je přibližně 58 359 119 842 = 0486 tedy 4869 Pro porovnaacuteniacute za rok 2003 45 55493 658 = 0486 tedy 4864
S rostouciacutem počtem sledovanyacutech naacutehodnyacutech pokusů se zjištěnaacute relativniacute četnost bude přibližovat odhadovaneacute pravděpodobnosti
17
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Provedli jsme n-kraacutet naacutehodnyacute pokus V teacuteto seacuterii pokusů nastal naacutehodnyacute jev A m-kraacutet
Relativniacute četnost pokusu A (tj poměr mn) se přibližuje (konverguje) k pravděpodobnosti tohoto jevu pro velkyacute počet naacutehodnyacutech pokusů
( )P(A) limn
m A
n
18
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1 Pravděpodobnost nemožneacuteho jevu Oslash je nula P(Oslash) = 0 Pravděpodobnost libovolneacuteho naacutehodneacuteho jevu A je
0 le P(A) le 1
19
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Pravděpodobnost uacutemrtiacute v Uacutesteckeacutem kraji podle věku (2009-2010)
Věk Muži Ženy0 044 044
10 003 001 20 008 002 30 009 003 40 022 009 50 063 030 60 187 084 70 424 214 80 954 636 90 2371 2212
100 5354 6253 105 10000 10000
20
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost smrti uacuterazem Pravděpodobnost smrti sebevraždou Pravděpodobnost smrti vraždou
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (konec 18 stoletiacute)
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (normalizace)
4
13
01
1 1 01
5 16 01
21
NAacuteHODNAacute VELIČINA
Naacutehodnaacute veličina je kvantitativniacute zobrazeniacute vyacutesledků naacutehodneacuteho pokusu Naacutehodnaacute veličina se značiacute X (velkeacute X) a konkreacutetniacute hodnoty kteryacutech může nabyacutevat xi
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu hodnot
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot z konečneacuteho nebo nekonečneacuteho intervalu
počet ok na kostce počet poruch stroje za rok počet zaacutekazniacuteků na pokladně za hodinu počet mrtvyacutech stromů na 1 ha lesa
Vyacuteška člověka ve 20 letech porodniacute vaacuteha vyacuterobniacute odchylka doba životnosti vyacuterobku cena akcie
22
DISKREacuteTNIacute ROZDĚLENIacute
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu
hodnot
23
DISKREacuteTNIacute ROZDĚLENIacute
Pravděpodobnost že naacutehodnaacute veličina nabyla konkreacutetniacute hodnoty xi zapisujeme
P(X = xi) = P(xi) = pi
Rozděleniacute pravděpodobnostiacute je vztah mezi hodnotami resp intervaly naacutehodneacute veličiny X a jejich pravděpodobnostmi pi
24
DISKREacuteTNIacute ROZDĚLENIacute
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Pravděpodobnost narozeniacute chlapce je 052Popis rozděleniacute prostřednictviacutem tabulkyNaacutehodnaacute veličina X nabyacutevaacute hodnot 0123 (kolik chlapců může byacutet mezi třemi novorozenci)
Počet chlapců (xi) Pravděpodobnost P(X=xi)Pravděpodobnost P(X= xi)
0 (tři diacutevky) = 048∙048∙048 = 011
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 012∙3 = 036
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 013∙3 = 039
3 (tři chlapci) = 052∙052∙052 = 014
Celkem 100 100
25
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Pravděpodobnostniacute funkce pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty x
P(x) = P(X = x)
Vlastnosti pravděpodobnostniacute funkce
bull funkce je omezenaacute 0 le P(x) le 1
bull pravděpodobnostniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
26
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Popis rozděleniacute prostřednictviacutem grafu pravděpodobnostniacute fce P(x)
Rozděleniacute počtu chlapců mezi třemi novorozenci
000501
01502
02503
03504
045
0 1 2 3 4
Počet chlapců (naacutehodnaacute veličina X)
Pra
vděp
od
ob
no
st p
(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
27
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Popis rozděleniacute funkčniacutem zaacutepisem pravděpodobnostniacute fce P(x)
Počet chlapců (x) Pravděpodobnost P(X=x) Funkčniacute zaacutepis
0 (tři diacutevky) = 048∙048∙048 = 1∙0520∙(1-052)3
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 3∙0521∙(1-052)2
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 3∙0522∙(1-052)1
3 (tři chlapci) = 052∙052∙052 = 1∙0523∙(1-052)0
Celkem 100 100
( ) 1n xxn
P xx
Pravděpodobnostniacute funkci přiacutekladu lze obecně zapsat
)(
Pozn
xnx
n
x
n
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
28
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)Vlastnosti distribučniacute funkce
bull 0 le F(x) le 1 omezenaacute funkce
bull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkce
bull P(a lt X le b) = F(b) - F(a)
bull distribučniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
bull F(x) = P(X le x) = ΣP(x)
29
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem tabulky(bude doplněn sloupec distribučniacute funkce) Hodnoty F(x) vyjadřujiacute pravděpodobnost že se narodiacute x nebo meacuteně chlapců
Počet chlapců (x) P(x) = P(X=x) F(x) = P(Xlex)
0 (tři diacutevky) 011 011
1 (chlapec dvě diacutevky) 036 011+036 = 047
2 (dva chlapci a diacutevka) 039 011+036+039 = 086
3 (tři chlapci) 014 011+036+039+014 = 1
Celkem 100 -
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
16
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)Přiacuteklad Jakaacute je pravděpodobnost narozeniacute holčičky
Statistickaacute definice odvozuje pravděpodobnost na zaacutekladě pokusu Pokusem mohou byacutet porody na uacutezemiacute Českeacute republiky za uplynulyacute rok kdy se narodilo 61 483 chlapců a 58 359 diacutevek
Pravděpodobnost narozeniacute holčičky je přibližně 58 359 119 842 = 0486 tedy 4869 Pro porovnaacuteniacute za rok 2003 45 55493 658 = 0486 tedy 4864
S rostouciacutem počtem sledovanyacutech naacutehodnyacutech pokusů se zjištěnaacute relativniacute četnost bude přibližovat odhadovaneacute pravděpodobnosti
17
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Provedli jsme n-kraacutet naacutehodnyacute pokus V teacuteto seacuterii pokusů nastal naacutehodnyacute jev A m-kraacutet
Relativniacute četnost pokusu A (tj poměr mn) se přibližuje (konverguje) k pravděpodobnosti tohoto jevu pro velkyacute počet naacutehodnyacutech pokusů
( )P(A) limn
m A
n
18
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1 Pravděpodobnost nemožneacuteho jevu Oslash je nula P(Oslash) = 0 Pravděpodobnost libovolneacuteho naacutehodneacuteho jevu A je
0 le P(A) le 1
19
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Pravděpodobnost uacutemrtiacute v Uacutesteckeacutem kraji podle věku (2009-2010)
Věk Muži Ženy0 044 044
10 003 001 20 008 002 30 009 003 40 022 009 50 063 030 60 187 084 70 424 214 80 954 636 90 2371 2212
100 5354 6253 105 10000 10000
20
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost smrti uacuterazem Pravděpodobnost smrti sebevraždou Pravděpodobnost smrti vraždou
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (konec 18 stoletiacute)
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (normalizace)
4
13
01
1 1 01
5 16 01
21
NAacuteHODNAacute VELIČINA
Naacutehodnaacute veličina je kvantitativniacute zobrazeniacute vyacutesledků naacutehodneacuteho pokusu Naacutehodnaacute veličina se značiacute X (velkeacute X) a konkreacutetniacute hodnoty kteryacutech může nabyacutevat xi
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu hodnot
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot z konečneacuteho nebo nekonečneacuteho intervalu
počet ok na kostce počet poruch stroje za rok počet zaacutekazniacuteků na pokladně za hodinu počet mrtvyacutech stromů na 1 ha lesa
Vyacuteška člověka ve 20 letech porodniacute vaacuteha vyacuterobniacute odchylka doba životnosti vyacuterobku cena akcie
22
DISKREacuteTNIacute ROZDĚLENIacute
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu
hodnot
23
DISKREacuteTNIacute ROZDĚLENIacute
Pravděpodobnost že naacutehodnaacute veličina nabyla konkreacutetniacute hodnoty xi zapisujeme
P(X = xi) = P(xi) = pi
Rozděleniacute pravděpodobnostiacute je vztah mezi hodnotami resp intervaly naacutehodneacute veličiny X a jejich pravděpodobnostmi pi
24
DISKREacuteTNIacute ROZDĚLENIacute
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Pravděpodobnost narozeniacute chlapce je 052Popis rozděleniacute prostřednictviacutem tabulkyNaacutehodnaacute veličina X nabyacutevaacute hodnot 0123 (kolik chlapců může byacutet mezi třemi novorozenci)
Počet chlapců (xi) Pravděpodobnost P(X=xi)Pravděpodobnost P(X= xi)
0 (tři diacutevky) = 048∙048∙048 = 011
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 012∙3 = 036
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 013∙3 = 039
3 (tři chlapci) = 052∙052∙052 = 014
Celkem 100 100
25
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Pravděpodobnostniacute funkce pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty x
P(x) = P(X = x)
Vlastnosti pravděpodobnostniacute funkce
bull funkce je omezenaacute 0 le P(x) le 1
bull pravděpodobnostniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
26
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Popis rozděleniacute prostřednictviacutem grafu pravděpodobnostniacute fce P(x)
Rozděleniacute počtu chlapců mezi třemi novorozenci
000501
01502
02503
03504
045
0 1 2 3 4
Počet chlapců (naacutehodnaacute veličina X)
Pra
vděp
od
ob
no
st p
(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
27
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Popis rozděleniacute funkčniacutem zaacutepisem pravděpodobnostniacute fce P(x)
Počet chlapců (x) Pravděpodobnost P(X=x) Funkčniacute zaacutepis
0 (tři diacutevky) = 048∙048∙048 = 1∙0520∙(1-052)3
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 3∙0521∙(1-052)2
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 3∙0522∙(1-052)1
3 (tři chlapci) = 052∙052∙052 = 1∙0523∙(1-052)0
Celkem 100 100
( ) 1n xxn
P xx
Pravděpodobnostniacute funkci přiacutekladu lze obecně zapsat
)(
Pozn
xnx
n
x
n
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
28
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)Vlastnosti distribučniacute funkce
bull 0 le F(x) le 1 omezenaacute funkce
bull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkce
bull P(a lt X le b) = F(b) - F(a)
bull distribučniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
bull F(x) = P(X le x) = ΣP(x)
29
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem tabulky(bude doplněn sloupec distribučniacute funkce) Hodnoty F(x) vyjadřujiacute pravděpodobnost že se narodiacute x nebo meacuteně chlapců
Počet chlapců (x) P(x) = P(X=x) F(x) = P(Xlex)
0 (tři diacutevky) 011 011
1 (chlapec dvě diacutevky) 036 011+036 = 047
2 (dva chlapci a diacutevka) 039 011+036+039 = 086
3 (tři chlapci) 014 011+036+039+014 = 1
Celkem 100 -
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
17
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Provedli jsme n-kraacutet naacutehodnyacute pokus V teacuteto seacuterii pokusů nastal naacutehodnyacute jev A m-kraacutet
Relativniacute četnost pokusu A (tj poměr mn) se přibližuje (konverguje) k pravděpodobnosti tohoto jevu pro velkyacute počet naacutehodnyacutech pokusů
( )P(A) limn
m A
n
18
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1 Pravděpodobnost nemožneacuteho jevu Oslash je nula P(Oslash) = 0 Pravděpodobnost libovolneacuteho naacutehodneacuteho jevu A je
0 le P(A) le 1
19
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Pravděpodobnost uacutemrtiacute v Uacutesteckeacutem kraji podle věku (2009-2010)
Věk Muži Ženy0 044 044
10 003 001 20 008 002 30 009 003 40 022 009 50 063 030 60 187 084 70 424 214 80 954 636 90 2371 2212
100 5354 6253 105 10000 10000
20
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost smrti uacuterazem Pravděpodobnost smrti sebevraždou Pravděpodobnost smrti vraždou
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (konec 18 stoletiacute)
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (normalizace)
4
13
01
1 1 01
5 16 01
21
NAacuteHODNAacute VELIČINA
Naacutehodnaacute veličina je kvantitativniacute zobrazeniacute vyacutesledků naacutehodneacuteho pokusu Naacutehodnaacute veličina se značiacute X (velkeacute X) a konkreacutetniacute hodnoty kteryacutech může nabyacutevat xi
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu hodnot
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot z konečneacuteho nebo nekonečneacuteho intervalu
počet ok na kostce počet poruch stroje za rok počet zaacutekazniacuteků na pokladně za hodinu počet mrtvyacutech stromů na 1 ha lesa
Vyacuteška člověka ve 20 letech porodniacute vaacuteha vyacuterobniacute odchylka doba životnosti vyacuterobku cena akcie
22
DISKREacuteTNIacute ROZDĚLENIacute
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu
hodnot
23
DISKREacuteTNIacute ROZDĚLENIacute
Pravděpodobnost že naacutehodnaacute veličina nabyla konkreacutetniacute hodnoty xi zapisujeme
P(X = xi) = P(xi) = pi
Rozděleniacute pravděpodobnostiacute je vztah mezi hodnotami resp intervaly naacutehodneacute veličiny X a jejich pravděpodobnostmi pi
24
DISKREacuteTNIacute ROZDĚLENIacute
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Pravděpodobnost narozeniacute chlapce je 052Popis rozděleniacute prostřednictviacutem tabulkyNaacutehodnaacute veličina X nabyacutevaacute hodnot 0123 (kolik chlapců může byacutet mezi třemi novorozenci)
Počet chlapců (xi) Pravděpodobnost P(X=xi)Pravděpodobnost P(X= xi)
0 (tři diacutevky) = 048∙048∙048 = 011
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 012∙3 = 036
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 013∙3 = 039
3 (tři chlapci) = 052∙052∙052 = 014
Celkem 100 100
25
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Pravděpodobnostniacute funkce pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty x
P(x) = P(X = x)
Vlastnosti pravděpodobnostniacute funkce
bull funkce je omezenaacute 0 le P(x) le 1
bull pravděpodobnostniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
26
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Popis rozděleniacute prostřednictviacutem grafu pravděpodobnostniacute fce P(x)
Rozděleniacute počtu chlapců mezi třemi novorozenci
000501
01502
02503
03504
045
0 1 2 3 4
Počet chlapců (naacutehodnaacute veličina X)
Pra
vděp
od
ob
no
st p
(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
27
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Popis rozděleniacute funkčniacutem zaacutepisem pravděpodobnostniacute fce P(x)
Počet chlapců (x) Pravděpodobnost P(X=x) Funkčniacute zaacutepis
0 (tři diacutevky) = 048∙048∙048 = 1∙0520∙(1-052)3
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 3∙0521∙(1-052)2
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 3∙0522∙(1-052)1
3 (tři chlapci) = 052∙052∙052 = 1∙0523∙(1-052)0
Celkem 100 100
( ) 1n xxn
P xx
Pravděpodobnostniacute funkci přiacutekladu lze obecně zapsat
)(
Pozn
xnx
n
x
n
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
28
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)Vlastnosti distribučniacute funkce
bull 0 le F(x) le 1 omezenaacute funkce
bull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkce
bull P(a lt X le b) = F(b) - F(a)
bull distribučniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
bull F(x) = P(X le x) = ΣP(x)
29
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem tabulky(bude doplněn sloupec distribučniacute funkce) Hodnoty F(x) vyjadřujiacute pravděpodobnost že se narodiacute x nebo meacuteně chlapců
Počet chlapců (x) P(x) = P(X=x) F(x) = P(Xlex)
0 (tři diacutevky) 011 011
1 (chlapec dvě diacutevky) 036 011+036 = 047
2 (dva chlapci a diacutevka) 039 011+036+039 = 086
3 (tři chlapci) 014 011+036+039+014 = 1
Celkem 100 -
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
18
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost jisteacuteho jevu E je jedna P(E) = 1 Pravděpodobnost nemožneacuteho jevu Oslash je nula P(Oslash) = 0 Pravděpodobnost libovolneacuteho naacutehodneacuteho jevu A je
0 le P(A) le 1
19
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Pravděpodobnost uacutemrtiacute v Uacutesteckeacutem kraji podle věku (2009-2010)
Věk Muži Ženy0 044 044
10 003 001 20 008 002 30 009 003 40 022 009 50 063 030 60 187 084 70 424 214 80 954 636 90 2371 2212
100 5354 6253 105 10000 10000
20
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost smrti uacuterazem Pravděpodobnost smrti sebevraždou Pravděpodobnost smrti vraždou
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (konec 18 stoletiacute)
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (normalizace)
4
13
01
1 1 01
5 16 01
21
NAacuteHODNAacute VELIČINA
Naacutehodnaacute veličina je kvantitativniacute zobrazeniacute vyacutesledků naacutehodneacuteho pokusu Naacutehodnaacute veličina se značiacute X (velkeacute X) a konkreacutetniacute hodnoty kteryacutech může nabyacutevat xi
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu hodnot
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot z konečneacuteho nebo nekonečneacuteho intervalu
počet ok na kostce počet poruch stroje za rok počet zaacutekazniacuteků na pokladně za hodinu počet mrtvyacutech stromů na 1 ha lesa
Vyacuteška člověka ve 20 letech porodniacute vaacuteha vyacuterobniacute odchylka doba životnosti vyacuterobku cena akcie
22
DISKREacuteTNIacute ROZDĚLENIacute
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu
hodnot
23
DISKREacuteTNIacute ROZDĚLENIacute
Pravděpodobnost že naacutehodnaacute veličina nabyla konkreacutetniacute hodnoty xi zapisujeme
P(X = xi) = P(xi) = pi
Rozděleniacute pravděpodobnostiacute je vztah mezi hodnotami resp intervaly naacutehodneacute veličiny X a jejich pravděpodobnostmi pi
24
DISKREacuteTNIacute ROZDĚLENIacute
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Pravděpodobnost narozeniacute chlapce je 052Popis rozděleniacute prostřednictviacutem tabulkyNaacutehodnaacute veličina X nabyacutevaacute hodnot 0123 (kolik chlapců může byacutet mezi třemi novorozenci)
Počet chlapců (xi) Pravděpodobnost P(X=xi)Pravděpodobnost P(X= xi)
0 (tři diacutevky) = 048∙048∙048 = 011
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 012∙3 = 036
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 013∙3 = 039
3 (tři chlapci) = 052∙052∙052 = 014
Celkem 100 100
25
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Pravděpodobnostniacute funkce pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty x
P(x) = P(X = x)
Vlastnosti pravděpodobnostniacute funkce
bull funkce je omezenaacute 0 le P(x) le 1
bull pravděpodobnostniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
26
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Popis rozděleniacute prostřednictviacutem grafu pravděpodobnostniacute fce P(x)
Rozděleniacute počtu chlapců mezi třemi novorozenci
000501
01502
02503
03504
045
0 1 2 3 4
Počet chlapců (naacutehodnaacute veličina X)
Pra
vděp
od
ob
no
st p
(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
27
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Popis rozděleniacute funkčniacutem zaacutepisem pravděpodobnostniacute fce P(x)
Počet chlapců (x) Pravděpodobnost P(X=x) Funkčniacute zaacutepis
0 (tři diacutevky) = 048∙048∙048 = 1∙0520∙(1-052)3
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 3∙0521∙(1-052)2
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 3∙0522∙(1-052)1
3 (tři chlapci) = 052∙052∙052 = 1∙0523∙(1-052)0
Celkem 100 100
( ) 1n xxn
P xx
Pravděpodobnostniacute funkci přiacutekladu lze obecně zapsat
)(
Pozn
xnx
n
x
n
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
28
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)Vlastnosti distribučniacute funkce
bull 0 le F(x) le 1 omezenaacute funkce
bull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkce
bull P(a lt X le b) = F(b) - F(a)
bull distribučniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
bull F(x) = P(X le x) = ΣP(x)
29
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem tabulky(bude doplněn sloupec distribučniacute funkce) Hodnoty F(x) vyjadřujiacute pravděpodobnost že se narodiacute x nebo meacuteně chlapců
Počet chlapců (x) P(x) = P(X=x) F(x) = P(Xlex)
0 (tři diacutevky) 011 011
1 (chlapec dvě diacutevky) 036 011+036 = 047
2 (dva chlapci a diacutevka) 039 011+036+039 = 086
3 (tři chlapci) 014 011+036+039+014 = 1
Celkem 100 -
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
19
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova)
Pravděpodobnost uacutemrtiacute v Uacutesteckeacutem kraji podle věku (2009-2010)
Věk Muži Ženy0 044 044
10 003 001 20 008 002 30 009 003 40 022 009 50 063 030 60 187 084 70 424 214 80 954 636 90 2371 2212
100 5354 6253 105 10000 10000
20
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost smrti uacuterazem Pravděpodobnost smrti sebevraždou Pravděpodobnost smrti vraždou
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (konec 18 stoletiacute)
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (normalizace)
4
13
01
1 1 01
5 16 01
21
NAacuteHODNAacute VELIČINA
Naacutehodnaacute veličina je kvantitativniacute zobrazeniacute vyacutesledků naacutehodneacuteho pokusu Naacutehodnaacute veličina se značiacute X (velkeacute X) a konkreacutetniacute hodnoty kteryacutech může nabyacutevat xi
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu hodnot
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot z konečneacuteho nebo nekonečneacuteho intervalu
počet ok na kostce počet poruch stroje za rok počet zaacutekazniacuteků na pokladně za hodinu počet mrtvyacutech stromů na 1 ha lesa
Vyacuteška člověka ve 20 letech porodniacute vaacuteha vyacuterobniacute odchylka doba životnosti vyacuterobku cena akcie
22
DISKREacuteTNIacute ROZDĚLENIacute
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu
hodnot
23
DISKREacuteTNIacute ROZDĚLENIacute
Pravděpodobnost že naacutehodnaacute veličina nabyla konkreacutetniacute hodnoty xi zapisujeme
P(X = xi) = P(xi) = pi
Rozděleniacute pravděpodobnostiacute je vztah mezi hodnotami resp intervaly naacutehodneacute veličiny X a jejich pravděpodobnostmi pi
24
DISKREacuteTNIacute ROZDĚLENIacute
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Pravděpodobnost narozeniacute chlapce je 052Popis rozděleniacute prostřednictviacutem tabulkyNaacutehodnaacute veličina X nabyacutevaacute hodnot 0123 (kolik chlapců může byacutet mezi třemi novorozenci)
Počet chlapců (xi) Pravděpodobnost P(X=xi)Pravděpodobnost P(X= xi)
0 (tři diacutevky) = 048∙048∙048 = 011
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 012∙3 = 036
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 013∙3 = 039
3 (tři chlapci) = 052∙052∙052 = 014
Celkem 100 100
25
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Pravděpodobnostniacute funkce pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty x
P(x) = P(X = x)
Vlastnosti pravděpodobnostniacute funkce
bull funkce je omezenaacute 0 le P(x) le 1
bull pravděpodobnostniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
26
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Popis rozděleniacute prostřednictviacutem grafu pravděpodobnostniacute fce P(x)
Rozděleniacute počtu chlapců mezi třemi novorozenci
000501
01502
02503
03504
045
0 1 2 3 4
Počet chlapců (naacutehodnaacute veličina X)
Pra
vděp
od
ob
no
st p
(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
27
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Popis rozděleniacute funkčniacutem zaacutepisem pravděpodobnostniacute fce P(x)
Počet chlapců (x) Pravděpodobnost P(X=x) Funkčniacute zaacutepis
0 (tři diacutevky) = 048∙048∙048 = 1∙0520∙(1-052)3
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 3∙0521∙(1-052)2
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 3∙0522∙(1-052)1
3 (tři chlapci) = 052∙052∙052 = 1∙0523∙(1-052)0
Celkem 100 100
( ) 1n xxn
P xx
Pravděpodobnostniacute funkci přiacutekladu lze obecně zapsat
)(
Pozn
xnx
n
x
n
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
28
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)Vlastnosti distribučniacute funkce
bull 0 le F(x) le 1 omezenaacute funkce
bull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkce
bull P(a lt X le b) = F(b) - F(a)
bull distribučniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
bull F(x) = P(X le x) = ΣP(x)
29
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem tabulky(bude doplněn sloupec distribučniacute funkce) Hodnoty F(x) vyjadřujiacute pravděpodobnost že se narodiacute x nebo meacuteně chlapců
Počet chlapců (x) P(x) = P(X=x) F(x) = P(Xlex)
0 (tři diacutevky) 011 011
1 (chlapec dvě diacutevky) 036 011+036 = 047
2 (dva chlapci a diacutevka) 039 011+036+039 = 086
3 (tři chlapci) 014 011+036+039+014 = 1
Celkem 100 -
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
20
PRAVDĚPODOBNOST - DEFINICE
Statistickaacute definice (von Misessova) Pravděpodobnost smrti uacuterazem Pravděpodobnost smrti sebevraždou Pravděpodobnost smrti vraždou
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (konec 18 stoletiacute)
Pravděpodobnost smrti uacuterazem sebevraždou a vraždou (normalizace)
4
13
01
1 1 01
5 16 01
21
NAacuteHODNAacute VELIČINA
Naacutehodnaacute veličina je kvantitativniacute zobrazeniacute vyacutesledků naacutehodneacuteho pokusu Naacutehodnaacute veličina se značiacute X (velkeacute X) a konkreacutetniacute hodnoty kteryacutech může nabyacutevat xi
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu hodnot
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot z konečneacuteho nebo nekonečneacuteho intervalu
počet ok na kostce počet poruch stroje za rok počet zaacutekazniacuteků na pokladně za hodinu počet mrtvyacutech stromů na 1 ha lesa
Vyacuteška člověka ve 20 letech porodniacute vaacuteha vyacuterobniacute odchylka doba životnosti vyacuterobku cena akcie
22
DISKREacuteTNIacute ROZDĚLENIacute
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu
hodnot
23
DISKREacuteTNIacute ROZDĚLENIacute
Pravděpodobnost že naacutehodnaacute veličina nabyla konkreacutetniacute hodnoty xi zapisujeme
P(X = xi) = P(xi) = pi
Rozděleniacute pravděpodobnostiacute je vztah mezi hodnotami resp intervaly naacutehodneacute veličiny X a jejich pravděpodobnostmi pi
24
DISKREacuteTNIacute ROZDĚLENIacute
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Pravděpodobnost narozeniacute chlapce je 052Popis rozděleniacute prostřednictviacutem tabulkyNaacutehodnaacute veličina X nabyacutevaacute hodnot 0123 (kolik chlapců může byacutet mezi třemi novorozenci)
Počet chlapců (xi) Pravděpodobnost P(X=xi)Pravděpodobnost P(X= xi)
0 (tři diacutevky) = 048∙048∙048 = 011
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 012∙3 = 036
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 013∙3 = 039
3 (tři chlapci) = 052∙052∙052 = 014
Celkem 100 100
25
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Pravděpodobnostniacute funkce pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty x
P(x) = P(X = x)
Vlastnosti pravděpodobnostniacute funkce
bull funkce je omezenaacute 0 le P(x) le 1
bull pravděpodobnostniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
26
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Popis rozděleniacute prostřednictviacutem grafu pravděpodobnostniacute fce P(x)
Rozděleniacute počtu chlapců mezi třemi novorozenci
000501
01502
02503
03504
045
0 1 2 3 4
Počet chlapců (naacutehodnaacute veličina X)
Pra
vděp
od
ob
no
st p
(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
27
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Popis rozděleniacute funkčniacutem zaacutepisem pravděpodobnostniacute fce P(x)
Počet chlapců (x) Pravděpodobnost P(X=x) Funkčniacute zaacutepis
0 (tři diacutevky) = 048∙048∙048 = 1∙0520∙(1-052)3
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 3∙0521∙(1-052)2
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 3∙0522∙(1-052)1
3 (tři chlapci) = 052∙052∙052 = 1∙0523∙(1-052)0
Celkem 100 100
( ) 1n xxn
P xx
Pravděpodobnostniacute funkci přiacutekladu lze obecně zapsat
)(
Pozn
xnx
n
x
n
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
28
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)Vlastnosti distribučniacute funkce
bull 0 le F(x) le 1 omezenaacute funkce
bull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkce
bull P(a lt X le b) = F(b) - F(a)
bull distribučniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
bull F(x) = P(X le x) = ΣP(x)
29
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem tabulky(bude doplněn sloupec distribučniacute funkce) Hodnoty F(x) vyjadřujiacute pravděpodobnost že se narodiacute x nebo meacuteně chlapců
Počet chlapců (x) P(x) = P(X=x) F(x) = P(Xlex)
0 (tři diacutevky) 011 011
1 (chlapec dvě diacutevky) 036 011+036 = 047
2 (dva chlapci a diacutevka) 039 011+036+039 = 086
3 (tři chlapci) 014 011+036+039+014 = 1
Celkem 100 -
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
21
NAacuteHODNAacute VELIČINA
Naacutehodnaacute veličina je kvantitativniacute zobrazeniacute vyacutesledků naacutehodneacuteho pokusu Naacutehodnaacute veličina se značiacute X (velkeacute X) a konkreacutetniacute hodnoty kteryacutech může nabyacutevat xi
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu hodnot
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot z konečneacuteho nebo nekonečneacuteho intervalu
počet ok na kostce počet poruch stroje za rok počet zaacutekazniacuteků na pokladně za hodinu počet mrtvyacutech stromů na 1 ha lesa
Vyacuteška člověka ve 20 letech porodniacute vaacuteha vyacuterobniacute odchylka doba životnosti vyacuterobku cena akcie
22
DISKREacuteTNIacute ROZDĚLENIacute
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu
hodnot
23
DISKREacuteTNIacute ROZDĚLENIacute
Pravděpodobnost že naacutehodnaacute veličina nabyla konkreacutetniacute hodnoty xi zapisujeme
P(X = xi) = P(xi) = pi
Rozděleniacute pravděpodobnostiacute je vztah mezi hodnotami resp intervaly naacutehodneacute veličiny X a jejich pravděpodobnostmi pi
24
DISKREacuteTNIacute ROZDĚLENIacute
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Pravděpodobnost narozeniacute chlapce je 052Popis rozděleniacute prostřednictviacutem tabulkyNaacutehodnaacute veličina X nabyacutevaacute hodnot 0123 (kolik chlapců může byacutet mezi třemi novorozenci)
Počet chlapců (xi) Pravděpodobnost P(X=xi)Pravděpodobnost P(X= xi)
0 (tři diacutevky) = 048∙048∙048 = 011
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 012∙3 = 036
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 013∙3 = 039
3 (tři chlapci) = 052∙052∙052 = 014
Celkem 100 100
25
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Pravděpodobnostniacute funkce pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty x
P(x) = P(X = x)
Vlastnosti pravděpodobnostniacute funkce
bull funkce je omezenaacute 0 le P(x) le 1
bull pravděpodobnostniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
26
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Popis rozděleniacute prostřednictviacutem grafu pravděpodobnostniacute fce P(x)
Rozděleniacute počtu chlapců mezi třemi novorozenci
000501
01502
02503
03504
045
0 1 2 3 4
Počet chlapců (naacutehodnaacute veličina X)
Pra
vděp
od
ob
no
st p
(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
27
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Popis rozděleniacute funkčniacutem zaacutepisem pravděpodobnostniacute fce P(x)
Počet chlapců (x) Pravděpodobnost P(X=x) Funkčniacute zaacutepis
0 (tři diacutevky) = 048∙048∙048 = 1∙0520∙(1-052)3
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 3∙0521∙(1-052)2
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 3∙0522∙(1-052)1
3 (tři chlapci) = 052∙052∙052 = 1∙0523∙(1-052)0
Celkem 100 100
( ) 1n xxn
P xx
Pravděpodobnostniacute funkci přiacutekladu lze obecně zapsat
)(
Pozn
xnx
n
x
n
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
28
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)Vlastnosti distribučniacute funkce
bull 0 le F(x) le 1 omezenaacute funkce
bull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkce
bull P(a lt X le b) = F(b) - F(a)
bull distribučniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
bull F(x) = P(X le x) = ΣP(x)
29
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem tabulky(bude doplněn sloupec distribučniacute funkce) Hodnoty F(x) vyjadřujiacute pravděpodobnost že se narodiacute x nebo meacuteně chlapců
Počet chlapců (x) P(x) = P(X=x) F(x) = P(Xlex)
0 (tři diacutevky) 011 011
1 (chlapec dvě diacutevky) 036 011+036 = 047
2 (dva chlapci a diacutevka) 039 011+036+039 = 086
3 (tři chlapci) 014 011+036+039+014 = 1
Celkem 100 -
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
22
DISKREacuteTNIacute ROZDĚLENIacute
Diskreacutetniacute naacutehodnaacute veličina nabyacutevaacute konečneacuteho nebo spočetneacuteho počtu
hodnot
23
DISKREacuteTNIacute ROZDĚLENIacute
Pravděpodobnost že naacutehodnaacute veličina nabyla konkreacutetniacute hodnoty xi zapisujeme
P(X = xi) = P(xi) = pi
Rozděleniacute pravděpodobnostiacute je vztah mezi hodnotami resp intervaly naacutehodneacute veličiny X a jejich pravděpodobnostmi pi
24
DISKREacuteTNIacute ROZDĚLENIacute
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Pravděpodobnost narozeniacute chlapce je 052Popis rozděleniacute prostřednictviacutem tabulkyNaacutehodnaacute veličina X nabyacutevaacute hodnot 0123 (kolik chlapců může byacutet mezi třemi novorozenci)
Počet chlapců (xi) Pravděpodobnost P(X=xi)Pravděpodobnost P(X= xi)
0 (tři diacutevky) = 048∙048∙048 = 011
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 012∙3 = 036
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 013∙3 = 039
3 (tři chlapci) = 052∙052∙052 = 014
Celkem 100 100
25
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Pravděpodobnostniacute funkce pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty x
P(x) = P(X = x)
Vlastnosti pravděpodobnostniacute funkce
bull funkce je omezenaacute 0 le P(x) le 1
bull pravděpodobnostniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
26
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Popis rozděleniacute prostřednictviacutem grafu pravděpodobnostniacute fce P(x)
Rozděleniacute počtu chlapců mezi třemi novorozenci
000501
01502
02503
03504
045
0 1 2 3 4
Počet chlapců (naacutehodnaacute veličina X)
Pra
vděp
od
ob
no
st p
(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
27
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Popis rozděleniacute funkčniacutem zaacutepisem pravděpodobnostniacute fce P(x)
Počet chlapců (x) Pravděpodobnost P(X=x) Funkčniacute zaacutepis
0 (tři diacutevky) = 048∙048∙048 = 1∙0520∙(1-052)3
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 3∙0521∙(1-052)2
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 3∙0522∙(1-052)1
3 (tři chlapci) = 052∙052∙052 = 1∙0523∙(1-052)0
Celkem 100 100
( ) 1n xxn
P xx
Pravděpodobnostniacute funkci přiacutekladu lze obecně zapsat
)(
Pozn
xnx
n
x
n
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
28
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)Vlastnosti distribučniacute funkce
bull 0 le F(x) le 1 omezenaacute funkce
bull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkce
bull P(a lt X le b) = F(b) - F(a)
bull distribučniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
bull F(x) = P(X le x) = ΣP(x)
29
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem tabulky(bude doplněn sloupec distribučniacute funkce) Hodnoty F(x) vyjadřujiacute pravděpodobnost že se narodiacute x nebo meacuteně chlapců
Počet chlapců (x) P(x) = P(X=x) F(x) = P(Xlex)
0 (tři diacutevky) 011 011
1 (chlapec dvě diacutevky) 036 011+036 = 047
2 (dva chlapci a diacutevka) 039 011+036+039 = 086
3 (tři chlapci) 014 011+036+039+014 = 1
Celkem 100 -
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
23
DISKREacuteTNIacute ROZDĚLENIacute
Pravděpodobnost že naacutehodnaacute veličina nabyla konkreacutetniacute hodnoty xi zapisujeme
P(X = xi) = P(xi) = pi
Rozděleniacute pravděpodobnostiacute je vztah mezi hodnotami resp intervaly naacutehodneacute veličiny X a jejich pravděpodobnostmi pi
24
DISKREacuteTNIacute ROZDĚLENIacute
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Pravděpodobnost narozeniacute chlapce je 052Popis rozděleniacute prostřednictviacutem tabulkyNaacutehodnaacute veličina X nabyacutevaacute hodnot 0123 (kolik chlapců může byacutet mezi třemi novorozenci)
Počet chlapců (xi) Pravděpodobnost P(X=xi)Pravděpodobnost P(X= xi)
0 (tři diacutevky) = 048∙048∙048 = 011
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 012∙3 = 036
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 013∙3 = 039
3 (tři chlapci) = 052∙052∙052 = 014
Celkem 100 100
25
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Pravděpodobnostniacute funkce pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty x
P(x) = P(X = x)
Vlastnosti pravděpodobnostniacute funkce
bull funkce je omezenaacute 0 le P(x) le 1
bull pravděpodobnostniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
26
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Popis rozděleniacute prostřednictviacutem grafu pravděpodobnostniacute fce P(x)
Rozděleniacute počtu chlapců mezi třemi novorozenci
000501
01502
02503
03504
045
0 1 2 3 4
Počet chlapců (naacutehodnaacute veličina X)
Pra
vděp
od
ob
no
st p
(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
27
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Popis rozděleniacute funkčniacutem zaacutepisem pravděpodobnostniacute fce P(x)
Počet chlapců (x) Pravděpodobnost P(X=x) Funkčniacute zaacutepis
0 (tři diacutevky) = 048∙048∙048 = 1∙0520∙(1-052)3
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 3∙0521∙(1-052)2
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 3∙0522∙(1-052)1
3 (tři chlapci) = 052∙052∙052 = 1∙0523∙(1-052)0
Celkem 100 100
( ) 1n xxn
P xx
Pravděpodobnostniacute funkci přiacutekladu lze obecně zapsat
)(
Pozn
xnx
n
x
n
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
28
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)Vlastnosti distribučniacute funkce
bull 0 le F(x) le 1 omezenaacute funkce
bull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkce
bull P(a lt X le b) = F(b) - F(a)
bull distribučniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
bull F(x) = P(X le x) = ΣP(x)
29
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem tabulky(bude doplněn sloupec distribučniacute funkce) Hodnoty F(x) vyjadřujiacute pravděpodobnost že se narodiacute x nebo meacuteně chlapců
Počet chlapců (x) P(x) = P(X=x) F(x) = P(Xlex)
0 (tři diacutevky) 011 011
1 (chlapec dvě diacutevky) 036 011+036 = 047
2 (dva chlapci a diacutevka) 039 011+036+039 = 086
3 (tři chlapci) 014 011+036+039+014 = 1
Celkem 100 -
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
24
DISKREacuteTNIacute ROZDĚLENIacute
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Pravděpodobnost narozeniacute chlapce je 052Popis rozděleniacute prostřednictviacutem tabulkyNaacutehodnaacute veličina X nabyacutevaacute hodnot 0123 (kolik chlapců může byacutet mezi třemi novorozenci)
Počet chlapců (xi) Pravděpodobnost P(X=xi)Pravděpodobnost P(X= xi)
0 (tři diacutevky) = 048∙048∙048 = 011
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 012∙3 = 036
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 013∙3 = 039
3 (tři chlapci) = 052∙052∙052 = 014
Celkem 100 100
25
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Pravděpodobnostniacute funkce pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty x
P(x) = P(X = x)
Vlastnosti pravděpodobnostniacute funkce
bull funkce je omezenaacute 0 le P(x) le 1
bull pravděpodobnostniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
26
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Popis rozděleniacute prostřednictviacutem grafu pravděpodobnostniacute fce P(x)
Rozděleniacute počtu chlapců mezi třemi novorozenci
000501
01502
02503
03504
045
0 1 2 3 4
Počet chlapců (naacutehodnaacute veličina X)
Pra
vděp
od
ob
no
st p
(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
27
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Popis rozděleniacute funkčniacutem zaacutepisem pravděpodobnostniacute fce P(x)
Počet chlapců (x) Pravděpodobnost P(X=x) Funkčniacute zaacutepis
0 (tři diacutevky) = 048∙048∙048 = 1∙0520∙(1-052)3
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 3∙0521∙(1-052)2
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 3∙0522∙(1-052)1
3 (tři chlapci) = 052∙052∙052 = 1∙0523∙(1-052)0
Celkem 100 100
( ) 1n xxn
P xx
Pravděpodobnostniacute funkci přiacutekladu lze obecně zapsat
)(
Pozn
xnx
n
x
n
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
28
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)Vlastnosti distribučniacute funkce
bull 0 le F(x) le 1 omezenaacute funkce
bull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkce
bull P(a lt X le b) = F(b) - F(a)
bull distribučniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
bull F(x) = P(X le x) = ΣP(x)
29
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem tabulky(bude doplněn sloupec distribučniacute funkce) Hodnoty F(x) vyjadřujiacute pravděpodobnost že se narodiacute x nebo meacuteně chlapců
Počet chlapců (x) P(x) = P(X=x) F(x) = P(Xlex)
0 (tři diacutevky) 011 011
1 (chlapec dvě diacutevky) 036 011+036 = 047
2 (dva chlapci a diacutevka) 039 011+036+039 = 086
3 (tři chlapci) 014 011+036+039+014 = 1
Celkem 100 -
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
25
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Pravděpodobnostniacute funkce pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty x
P(x) = P(X = x)
Vlastnosti pravděpodobnostniacute funkce
bull funkce je omezenaacute 0 le P(x) le 1
bull pravděpodobnostniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
26
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Popis rozděleniacute prostřednictviacutem grafu pravděpodobnostniacute fce P(x)
Rozděleniacute počtu chlapců mezi třemi novorozenci
000501
01502
02503
03504
045
0 1 2 3 4
Počet chlapců (naacutehodnaacute veličina X)
Pra
vděp
od
ob
no
st p
(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
27
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Popis rozděleniacute funkčniacutem zaacutepisem pravděpodobnostniacute fce P(x)
Počet chlapců (x) Pravděpodobnost P(X=x) Funkčniacute zaacutepis
0 (tři diacutevky) = 048∙048∙048 = 1∙0520∙(1-052)3
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 3∙0521∙(1-052)2
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 3∙0522∙(1-052)1
3 (tři chlapci) = 052∙052∙052 = 1∙0523∙(1-052)0
Celkem 100 100
( ) 1n xxn
P xx
Pravděpodobnostniacute funkci přiacutekladu lze obecně zapsat
)(
Pozn
xnx
n
x
n
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
28
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)Vlastnosti distribučniacute funkce
bull 0 le F(x) le 1 omezenaacute funkce
bull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkce
bull P(a lt X le b) = F(b) - F(a)
bull distribučniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
bull F(x) = P(X le x) = ΣP(x)
29
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem tabulky(bude doplněn sloupec distribučniacute funkce) Hodnoty F(x) vyjadřujiacute pravděpodobnost že se narodiacute x nebo meacuteně chlapců
Počet chlapců (x) P(x) = P(X=x) F(x) = P(Xlex)
0 (tři diacutevky) 011 011
1 (chlapec dvě diacutevky) 036 011+036 = 047
2 (dva chlapci a diacutevka) 039 011+036+039 = 086
3 (tři chlapci) 014 011+036+039+014 = 1
Celkem 100 -
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
26
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci Popis rozděleniacute prostřednictviacutem grafu pravděpodobnostniacute fce P(x)
Rozděleniacute počtu chlapců mezi třemi novorozenci
000501
01502
02503
03504
045
0 1 2 3 4
Počet chlapců (naacutehodnaacute veličina X)
Pra
vděp
od
ob
no
st p
(x)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
27
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Popis rozděleniacute funkčniacutem zaacutepisem pravděpodobnostniacute fce P(x)
Počet chlapců (x) Pravděpodobnost P(X=x) Funkčniacute zaacutepis
0 (tři diacutevky) = 048∙048∙048 = 1∙0520∙(1-052)3
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 3∙0521∙(1-052)2
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 3∙0522∙(1-052)1
3 (tři chlapci) = 052∙052∙052 = 1∙0523∙(1-052)0
Celkem 100 100
( ) 1n xxn
P xx
Pravděpodobnostniacute funkci přiacutekladu lze obecně zapsat
)(
Pozn
xnx
n
x
n
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
28
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)Vlastnosti distribučniacute funkce
bull 0 le F(x) le 1 omezenaacute funkce
bull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkce
bull P(a lt X le b) = F(b) - F(a)
bull distribučniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
bull F(x) = P(X le x) = ΣP(x)
29
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem tabulky(bude doplněn sloupec distribučniacute funkce) Hodnoty F(x) vyjadřujiacute pravděpodobnost že se narodiacute x nebo meacuteně chlapců
Počet chlapců (x) P(x) = P(X=x) F(x) = P(Xlex)
0 (tři diacutevky) 011 011
1 (chlapec dvě diacutevky) 036 011+036 = 047
2 (dva chlapci a diacutevka) 039 011+036+039 = 086
3 (tři chlapci) 014 011+036+039+014 = 1
Celkem 100 -
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
27
PRAVDĚPODOBNOSTNIacute FUNKCE P(x)
Popis rozděleniacute funkčniacutem zaacutepisem pravděpodobnostniacute fce P(x)
Počet chlapců (x) Pravděpodobnost P(X=x) Funkčniacute zaacutepis
0 (tři diacutevky) = 048∙048∙048 = 1∙0520∙(1-052)3
1 (chlapec dvě diacutevky) = 052∙048∙048∙3 = 3∙0521∙(1-052)2
2 (dva chlapci a diacutevka) = 052∙052∙048∙3 = 3∙0522∙(1-052)1
3 (tři chlapci) = 052∙052∙052 = 1∙0523∙(1-052)0
Celkem 100 100
( ) 1n xxn
P xx
Pravděpodobnostniacute funkci přiacutekladu lze obecně zapsat
)(
Pozn
xnx
n
x
n
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
28
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)Vlastnosti distribučniacute funkce
bull 0 le F(x) le 1 omezenaacute funkce
bull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkce
bull P(a lt X le b) = F(b) - F(a)
bull distribučniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
bull F(x) = P(X le x) = ΣP(x)
29
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem tabulky(bude doplněn sloupec distribučniacute funkce) Hodnoty F(x) vyjadřujiacute pravděpodobnost že se narodiacute x nebo meacuteně chlapců
Počet chlapců (x) P(x) = P(X=x) F(x) = P(Xlex)
0 (tři diacutevky) 011 011
1 (chlapec dvě diacutevky) 036 011+036 = 047
2 (dva chlapci a diacutevka) 039 011+036+039 = 086
3 (tři chlapci) 014 011+036+039+014 = 1
Celkem 100 -
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
28
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro nespojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)Vlastnosti distribučniacute funkce
bull 0 le F(x) le 1 omezenaacute funkce
bull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkce
bull P(a lt X le b) = F(b) - F(a)
bull distribučniacute funkce diskreacutetniacute naacutehodneacute veličiny je nespojitaacute
bull F(x) = P(X le x) = ΣP(x)
29
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem tabulky(bude doplněn sloupec distribučniacute funkce) Hodnoty F(x) vyjadřujiacute pravděpodobnost že se narodiacute x nebo meacuteně chlapců
Počet chlapců (x) P(x) = P(X=x) F(x) = P(Xlex)
0 (tři diacutevky) 011 011
1 (chlapec dvě diacutevky) 036 011+036 = 047
2 (dva chlapci a diacutevka) 039 011+036+039 = 086
3 (tři chlapci) 014 011+036+039+014 = 1
Celkem 100 -
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
29
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem tabulky(bude doplněn sloupec distribučniacute funkce) Hodnoty F(x) vyjadřujiacute pravděpodobnost že se narodiacute x nebo meacuteně chlapců
Počet chlapců (x) P(x) = P(X=x) F(x) = P(Xlex)
0 (tři diacutevky) 011 011
1 (chlapec dvě diacutevky) 036 011+036 = 047
2 (dva chlapci a diacutevka) 039 011+036+039 = 086
3 (tři chlapci) 014 011+036+039+014 = 1
Celkem 100 -
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
30
DISTRIBUČNIacute FUNKCE F(x)
Popis rozděleniacute prostřednictviacutem grafu distribučniacute funkce F(x)
0 1 2 3 40
02
04
06
08
1
12
Rozděleniacute počtu chlapců mezi třemi novorozenci
Počet chlapců (naacutehodnaacute veličina X)
F(x
)
Přiacuteklad Popište rozděleniacute pravděpodobnostiacute naacutehodneacute veličiny počet narozenyacutech chlapců mezi třemi novorozenci
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
31
BINOMICKEacute BI(n)
Graf pravděpodobnostniacute funkce P(x)
x
p(x)
0 2 4 6 8 100
005
01
015
02
025
03
x
F(x
)
0 2 4 6 8 100
02
04
06
08
1
Graf distribučniacute funkce F(x)
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
32
BINOMICKEacute BI(n)
Aplikace Naacutehodnyacute vyacuteběr s vraceniacutem prvkůPravděpodobnost že se v seacuterii n nezaacutevislyacutech naacutehodnyacutech pokusů objeviacute sledovanyacute jev praacutevě x kraacutet Např bdquohod viacutece kostkamildquo
Pravděpodobnostniacute funkce x = 012n 0ltπlt1
Parametryπ pravděpodobnost naacutehodneacuteho jevu n počet opakovaacuteniacute
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(počet uacutespěšnyacutech pokusů - x celkovyacute počet pokusů - n pravděpodobnost uacutespěchu ndash π pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
( ) 1n xxn
P xx
nXE )(
)1()( nXD
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
33
BINOMICKEacute BI(n)
Přiacuteklad Jakaacute je pravděpodobnost že při hodu pěti kostkami padne třikraacutet čiacuteslo sudeacute
5 335(3) 1 05 1 05 0313 tj 313
3n xxn
Px
52505)( nXE
251)501(505)1()( nXD
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(3 5 05 0)
Parametryπ = 05 (pravděpodobnost naacutehodneacuteho jevu ndash padne sudeacute čiacuteslo)n = 5 (počet opakovaacuteniacute ndash počet hodů) x = 3 (uacutespěšneacute pokusy)
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
34
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
4 224(2) 1 03 1 03 0264 tj 264
2n xxn
Px
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = BINOMDIST(2 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu = zaspiacute)n = 4 (počet opakovaacuteniacute = počet dnů) x = 2 (uacutespěšneacute pokusy = zaspaacuteniacute)
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
35
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute 2x v tyacutednu
0 05 1 15 2 25 3 35 4 450
005
01
015
02
025
03
035
04
045
Binomickeacute rozděleniacute Bi(403)
Počet zaspaacuteniacute za tyacuteden (x)
P(x
)
Graf pravděpodobnostniacute funkce P(x)
P(2) = 0264
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
36
BINOMICKEacute BI(n)
Přiacuteklad Konkreacutetniacute student FŽP maacute pravděpodobnost zaspaacuteniacute na vyacuteuku 03 4x v tyacutednu je vyacuteuka od 800 Jakaacute je pravděpodobnost že zaspiacute alespoň 1x
( 1) (1) (2) (3) (4) 1 (0)
1 024 076 tj 76
P X P P P P P
( ) 4 03 12E X n
( ) (1 ) 4 03 (1 03) 036D X n
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = 1-BINOMDIST(0 4 03 0)
Parametryπ = 03 (pravděpodobnost naacutehodneacuteho jevu ndash zaspiacute)n = 4 (počet opakovaacuteniacute ndash počet dnů) alespoň 1x tzn x ge 1(zaspaacuteniacute)
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
37
POISSONOVO PO()
Graf pravděpodobnostniacute funkce P(x) Graf distribučniacute funkce F(x)
104
x
p(x)
0 5 10 15 20 25 300
004
008
012
016
02
104
x
p(x)
0 5 10 15 20 25 300
02
04
06
08
1
= 10λ
= 4λ
λ = 10
λ = 4
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
38
POISSONOVO PO()
Aplikace Počet udaacutelostiacute v časoveacute jednotce počet čaacutestic v jednotce plochy nebo objemu Např bdquodoba obsluhyldquo bdquochybovost vyacuterobkůldquo
Pravděpodobnostniacute funkce k = 012
Parametry středniacute počet udaacutelostiacute v časoveacute jednotce jednotce plochy nebo objemu
Středniacute hodnota
Rozptyl
MS Excel = POISSON (počet udaacutelostiacute - k průměrnyacute počet udaacutelostiacute - pravděpodobnostniacute fce - 0 nebo distribučniacute funkce - 1)
)(XE
)(XD
( )
x
P x ex
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
39
POISSONOVO PO()
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel = POISSON (15 10 0)
10)( XE
10)( XD
151010
(15) 0035 tj 35 15
x
P e ex
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
Parametry = 10 = (3060)20 (počet aut za 20 minut)
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
400 5 10 15 20 25 300
002
004
006
008
01
012
014
Poissonovo rozděleniacute Po(10)
Počet naacutevštěvniacuteků za 20 minut (x)
P(x
)
POISSONOVO PO()
Za hodinu přijede k čerpaciacute stanici 30 automobilů Jakaacute je pravděpodobnost že za 20 minut jich přijede 15
P(15) = 0035
Graf pravděpodobnostniacute funkce P(x)
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
41
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Pravděpodobnostniacute funkce
max(0n-N+M) le x le min(M n)
ParametryN počet jednotek v zaacutekladniacutem souboruM počet jednotek se sledovanou vlastnostiacuten počet naacutehodně vybranyacutech jednotek (vyacuteběr)
( )
M N M
x n xP x
N
n
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
42
HYPERGEOMETRICKEacute HY(NMn)
Aplikace Naacutehodnyacute vyacuteběr bez vraceniacute prvků (počet prvků vyacuteběruse snižuje) Např bdquotahaacuteniacute barevnyacutech kuličekldquo bdquozjišťovaacuteniacute vadnyacutech vyacuterobků při přejiacutemce zbožiacuteldquo
Středniacute hodnota rozptyl
MS Excel = HYPGEOMDIST (počet uacutespěšnyacutech pokusů - k počet naacutehodně vybranyacutech jednotek - n počet jednotek se sledovanou vlastnostiacute ndash M počet jednotek v souboru - N)
11)()(
N
nN
N
M
N
MnXD
N
MnXE
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
43
HYPERGEOMETRICKEacute HY(NMn)
Vyacutepočet
Středniacute hodnota
Rozptyl
MS Excel =HYPGEOMDIST(22412)
( ) 1 04041
M M N nD X n
N N N
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
ParametryN = 12 (studentů ve třiacutedě) M = 4 (se připravujiacute) n = 2 (vybraniacute)
4 12 4
2 2 2(2) 0091 tj 91
12
2
M N M
x n xP
N
n
( ) 0667M
E X nN
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
44
HYPERGEOMETRICKEacute HY(NMn)
Ze 12 studentů se průběžně připravujiacute 4 Jakaacute je pravděpodobnost že při dotaacutezaacuteniacute 2 naacutehodně vybranyacutech studentů budou oba vědět
0 05 1 15 2 250
01
02
03
04
05
06
Hypergeometrickeacute rozděleniacute Hy(1242)
Počet připravenyacutech studentů (x)
P(x
)
P(2) = 0091
Graf pravděpodobnostniacute funkce P(x)
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
45
CHARAKTERISTIKY ROZDĚLENIacute
Obecnyacute způsob vyacutepočtu středniacute hodnoty diskreacutetniacute naacutehodneacute veličiny
Obecnyacute způsob vyacutepočtu rozptylu diskreacutetniacute naacutehodneacute veličiny1
( )n
i ii
E X x p
2 2 2
1
( ) ( ) ( ) ( )n
i ii
D X x E X p E X E X
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
46
SPOJITAacute ROZDĚLENIacute
Spojitaacute naacutehodnaacute veličina nabyacutevaacute libovolnyacutech hodnot
z konečneacuteho nebo nekonečneacuteho intervalu
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
47
Diskreacutetniacute rozděleniacute
Spojiteacute rozděleniacute
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
48
DISTRIBUČNIacute FUNKCE F(x)
Distribučniacute funkce (někdy takeacute kumulativniacute distribučniacute funkce) pro spojitou naacutehodnou veličinu udaacutevaacute pravděpodobnost že naacutehodnaacute veličina X nabude hodnoty menšiacute než je zvolenaacute hodnota x nebo stejně velkeacute
F(x) = P(X le x)
Vlastnosti distribučniacute funkcebull 0 le F(x) le 1 omezenaacute funkcebull pro a lt b platiacute F(a) le F(b) neklesajiacuteciacute funkcebull P (a lt X le b) = F(b) - F(a)bull distribučniacute funkce spojiteacute naacutehodneacute veličiny je spojitaacute
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
49
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Pravděpodobnostniacute funkce pro spojitou naacutehodnou veličinu
neexistuje
Pravděpodobnost že se trefiacuteme praacutevě do určiteacute hodnoty z nekonečneacuteho počtu možnyacutech hodnot spojiteacute veličiny je nulovaacute
Paradox nuloveacute pravděpodobnosti P(X = x) = 0
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
50
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Kvůli paradoxu nuloveacute pravděpodobnosti je zavedena novaacute funkce
hustota pravděpodobnosti ndash f(x)
bull f(x) ge 0 pro všechna x
bull v oblasti - infin a + infin se jejiacute hodnota bliacutežiacute nule
lim ( ) 0
lim ( ) 0
x
x
f x
f x
Přiacuteklady hustoty pravď
00
00
00
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
51
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy pod křivkou hustoty pravděpodobnosti je 1
a jde o pravděpodobnost
( ) 1f x dx
( ) 1P X
Přiacuteklady hustoty pravď
Obsah = 1
Obsah = 1
Obsah = 1
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
52
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Hustota pravděpodobnosti ndash f(x)
bull obsah plochy mezi hodnotami a b se vypočte pomociacute určiteacuteho integraacutelu
a jde o pravděpodobnost
( )b
a
f x dx
( )P a X b
Přiacuteklady hustoty pravď
a b
a b
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
53
HUSTOTA PRAVDĚPODOBNOSTI f(x)
Vztah mezi hustotou f(x) a distribučniacute funkciacute F(x)
)()()(
x
dttfxXPxFd ( )
( ) ( )d
F xf x F x
x
Distribučniacute funkce F(x) je integraacutelem hustoty f(x) Hustota f(x) je derivaciacute distribučniacute funkce F(x)
Hustota pravděpodobnosti a distribučniacute funkce
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
54
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute ROZDĚLENIacute N(2)
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
55
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Aplikace V přiacutepadech kdy na koliacutesaacuteniacute naacutehodneacute veličiny působiacute velkyacute počet nepatrnyacutech a vzaacutejemně nezaacutevislyacutech jevů Např bdquovyacuteška a vaacuteha v populacildquo bdquochyby měřeniacuteldquo
Distribučniacute funkce F(x)
Hustotniacute funkce f(x)
Parametryμ středniacute hodnota σ2 rozptyl
Středniacute hodnota
Rozptyl
MS Excel = NORMDIST (hodnota sledovaneacuteho jevu ndash x středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ hustota pravď ndash 0 nebo distribučniacute funkce ndash 1)
dzexFx z
2
2
2
)(
2
1)(
)(XE2)( XD
2
2
2
)(
2
1)(
x
exf x
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
56
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Vlastnosti normaacutelniacuteho rozděleniacute
Pravidlo třiacute sigma v rozmeziacute plusmn 1 ležiacute 683 všech možnyacutech hodnotv rozmeziacute plusmn 2 ležiacute 955 všech možnyacutech hodnotv rozmeziacute plusmn 3 ležiacute 997 všech možnyacutech hodnot
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
57
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(Xgt125) = 1- P(Xle125) = 1 ndash F(125)
MS Excel = 1 - NORMDIST (125 100 15 1)
Vyacutesledek P(Xgt125) = 1 ndash 0952 = 0048
Pravděpodobnost ziacuteskaacuteniacute viacutece než 125 bodů je 48
Pozn Protože P(X=125) = 0 pak P(Xgt125) = 1- P(Xle125) =1- P(Xlt125)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakaacute je pravděpodobnost ziacuteskaacuteniacute viacutece jak 125 bodů
Parametryμ = 100 σ2 = 152 = 225 Naacutehodnaacute veličina maacute normaacutelniacute rozděleniacute N(100 225)
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
58
(GAUSS-LAPLACEOVO)NORMAacuteLNIacute N(2)
Řešeniacute P(X le x) = F(x) = 05 kolik je x
MS Excel = NORMINV(05 100 15)
Vyacutesledek N(100 225)05 = = 100
Polovina osob dosaacutehne nejvyacuteše 100 bodů
Pozn Excel maacute vlastniacute funkce pro počiacutetaacuteniacute kvantilů spojityacutech rozděleniacuteMS Excel = NORMINV (kvantil ndash p středniacute hodnota ndash μ směrodatnaacute odchylka ndash σ)
Počet bodů z testu inteligence maacute normaacutelniacute rozděleniacute se středniacute hodnotou 100 a směrodatnou odchylkou 15 Jakyacute je mediaacuten rozděleniacute
Znaacuteme pravděpodobnost ale neznaacuteme hodnotu Počiacutetaacuteme mediaacuten tedy 50 kvantil rozděleniacute
x~
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
59
NORMOVANEacute NORMAacuteLNIacute U
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
Pozn Normovaneacute normaacutelniacute rozděleniacute je zeleneacute (μ = 0 σ2 = 1)
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
60
NORMOVANEacute NORMAacuteLNIacute U
Aplikace Usnadněniacute vyacutepočtů pravděpodobnosti a kvantilů normaacutelniacuteho rozděleniacute Statistickaacute indukce
Libovolneacute normaacutelniacute rozděleniacute lze převeacutest na normovaneacute pomociacute vzorce
Parametryμ = 0σ2 = 1
Středniacute hodnota
Rozptyl
MS Excel = NORMSDIST (hodnota sledovaneacuteho jevu ndash x)
0)( XE1)( XD
X
U
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
61
Vyacutepočet kvantilů normovaneacuteho normaacutelniacuteho rozděleniacute up
u095 hellip je 95 kvantil normovaneacuteho normaacutelniacutehorozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 95 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = NORMSINV (kvantil ndash p)
NORMOVANEacute NORMAacuteLNIacute U
164
u095 = 164
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
62
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Pozn V grafu je parametr n značen jako k
Graf hustoty pravděpodobnosti f(x) Graf distribučniacute funkce F(x)
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
63
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
S = X12 + X2
2 + X12 + hellip + Xn
2 kde X1X2 hellip Xn ~ N(01)
Parametryn hellip počet stupňů volnosti
Středniacute hodnota
Rozptyl
MS Excel = CHIDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nXE )(
nXD 2)(
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
Vyacutepočet kvantilů chiacute-kvadraacutet rozděleniacute χ2p
(n)
χ2090
(12) hellip je 90 kvantil chiacute-kvadraacutet rozděleniacute
Tedy hodnota kteraacute je většiacutenebo rovna jak 90 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a pro různeacute stupně volnosti n jsou uvedeny ve statistickyacutech tabulkaacutechMS Excel = CHIINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
(PEARSONOVO) CHIacute-KVADRAacuteT χ2(n)
χ2090
(12) = 1855
1855
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
65
STUDENTOVO t(n)
Graf hustoty pravděpodobnosti f(x)
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
66
STUDENTOVO t(n)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z normovaneacuteho normaacutelniacuteho rozděleniacute jako
kde X1~ N(01) a X2 ~ χ2(n)
Parametryn hellip počet stupňů volnosti
MS Excel = TDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
nX
XT
2
1
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
67
Vyacutepočet kvantilů rozděleniacute t(n)
t099 (9) hellip je 99 kvantil
Studentova t rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 99 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti n uvedeny ve statistickyacutech tabulkaacutechMS Excel = TINV (upravenyacute kvantil ndash 2(1-p) počet stupňů volnosti ndash n) pokud p gt05= -1TINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n) pokud p lt05
STUDENTOVO t(n)
t099(9) = 282
282
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
68
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Graf hustoty pravděpodobnosti f(x)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci
Odvozeneacute z chiacute-kvadraacutet rozděleniacute jako
kde X1 ~ χ2(n) a X2 ~ χ2(m)
Parametryn hellip počet stupňů volnostim hellip počet stupňů volnosti
MS Excel = FDIST (hodnota sledovaneacuteho jevu ndash x počet stupňů volnosti ndash n)
mXn
X
T2
1
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
70
Vyacutepočet kvantilů rozděleniacute F(mn)
F06 (1012) hellip je 60 kvantil
F rozděleniacute
Tedy hodnota kteraacute je většiacute nebo rovna jak 60 hodnot rozděleniacute
Aplikace Kvantily se velmi často využiacutevajiacute ve statistickeacute indukci a jsou pro různeacute stupně volnosti m a n uvedeny ve statistickyacutech tabulkaacutechMS Excel = FINV (upravenyacute kvantil ndash 1-p počet stupňů volnosti ndash n)
FISHER-SNEDECORF-ROZDĚLENIacute F(mn)
115
F06 (1012) = 115
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
71
BETA ROZDĚLENIacute B(αβ)
Graf hustoty pravděpodobnosti f(x)
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
72
SPOJITAacute ROZDĚLENIacute V MS EXCEL
Rozděleniacute Distribučniacute funkce Kvantil Funkce kvantilu
Normaacutelniacute N(μσ2)
=NORMDIST (xμσ1) 1
1pro vyacutepočet hustotniacute funkce se zadaacute parametr 0
Np(μσ2) =NORMINV(pμσ)
Normovaneacute normaacutelniacute N(01)
=NORMSDIST(x) up =NORMSINV(p)
Chiacute-kvadraacutet 2(v) =CHIDIST(xv) p2(v) =CHIINV(1-pv)
Studentovo t(v) =TDIST(xv) tp(v)
=TINV(2(1-p)v) pro p gt05=-1TINV(2pv) pro p lt 05
F rozděleniacute F(v1 v2)
=FDIST(xv1v2) Fp(v1v2) =FINV(1-pv1v2)
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
73
KVANTILY ROZDĚLENIacute V ONLINE KALKULAacuteTORECH
Vyacutepočty kvantilů zaacutekladniacutech i řady dalšiacute rozděleniacute lze provaacutedět i pomociacute online kalkulaacutetorů Vyacutepočet může byacutet i jednoduššiacute než pomociacute funkciacute MS Excel
bull Quantile Calculator (wwwsolvemymathcom) 13 spojityacutech a 4 nespojitaacute rozděleniacute
bull SOCR Distributome (socruclaedu)přes 70 spojityacutech a nespojityacutech rozděleniacute s grafickyacutem rozhraniacutem pro zobrazeniacute pravděpodobnostniacutech funkciacute a hustot pravděpodobnostiacute a vyacutepočet kvantilů
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA
74
Naacutehodnyacute jev a nenaacutehodnyacute jev Klasickaacute definice pravděpodobnosti Statistickaacute definice pravděpodobnosti Diskreacutetniacute naacutehodnaacute veličina Pravděpodobnostniacute funkce Distribučniacute funkce Spojitaacute naacutehodnaacute veličina Hustota pravděpodobnosti Normaacutelniacute rozděleniacute Kvantily
PRAVDĚPODOBNOSTDŮLEŽITEacute POJMY ndash 3 PŘEDNAacuteŠKA