Vyjadrovacie prostriedky v štatistike

Slides:



Advertisements
Podobné prezentácie
BOX – JENKINSOVE MODELY
Advertisements

Abstrakt Mgr. Imrich IŠTVAN, PhD..
Editovanie nových záznamov Modifikácia zadaní
E.3. Porovnanie kvality modelov
Základy Ethernetu Dávid Miľo 3.A.
Algorithmic Chemistry in Genetic Programming Informatics and Information Technologies Student Research Conference, 2006 Vojtech Szöcs Vedúci projektu:
HUBBLOV VESMÍRNY ĎALEKOHĽAD
Ing. Adriana Bindzárová
Gymnázium J.G.Tajovského Kvantová mechanika Doplnok
Chlieb z hľadiska fyziky
Kruh a Kružnica.
Rozloženie nadpisu Podnadpis.
MODELOVANIE ČASOVÝCH RADOV
Makroekonomický jav „...a aby nám žiaci neutiekli...“
Intel procesor Lukáš Beď 4.A
ŠTATISTICKÁ INDUKCIA.
Štatistika a spracovanie údajov
Náhoda a pravdepodobnosť
5.2 ZÁPICHY Tvar a rozmery stanovuje norma STN Zápichy sú technologické prvky, ktoré uľahčujú opracovanie rotačných a rovinných plôch.
Ako sú na tom naši štvrtáci v čítaní, matematike a prírodovede?
Albert Einstein – život a dielo
Spracovanie postupnosti pohľadu pravdepodobnostnými modelmi
Pravdepodobnosť podmienená.
Rekurzívne funkcie.
Rovnice a ich riešenia Dušan Vágner 3.B.
Lineárna nerovnica.
Úvod do jazyka C Algoritmizácia úloh.
Zobrazenie pravidelného ihlana v kótovanom premietaní
Logaritmická rovnica.
Demografické prognózy a projekcie
Gymnázium Pavla Jozefa Šafárika - Pavol Jozef Šafárik Gimnázium Rožňava Kód ITMS projektu: Názov projektu: Kvalitou vzdelávania otvárame brány.
Matematika a Fyzika v umení
H u s t o t a l á t k y Dva rovnako veľké valčeky.
H u s t o t a l á t k y Dva rovnako veľké valčeky.
Magnetické pole PaedDr. Jozef Beňuška
Dopyt, ponuka, rovnovážna cena
Základné nástroje manažérstva kvality (Kontrolná tabuľka a histogram)
Binárne Relácie Szendreyová Alžbeta.
Vplyv vína na ľudský organizmus
Prozodické vlastnosti reči I. Časová modulácia reči (PD č. 4)
Kvadratická funkcia y = ax2 + bx + c.
Interpolačné metódy Medzi základné interpolačné metódy patria:
Čierne diery.
Testovanie štatistických hypotéz
EXPONENCIÁLNE FUNKCIE
Exponenciálna rovnica
VIRTUÁLNÍ HOSPITACE Biológia Osmtické javy v bunke
Mgr. Jozef Uríček M a t e m a t i k a 8. r o č n í k
SLNKO.
Y = log x y = x2 + 3x + 7 y = x Funkcia y = 3x+ 5 y = sin x y = x + 4.
Grafický výstup - 2D help plot
Spracovanie digitálneho videa a vyhodnocovanie jeho kvality - základy
optimálne programovanie
Atóm a jeho stavba.
Simplexová metóda Algoritmus primárne simplexovej metódy možno ideovo vyjadriť nasledovným spôsobom: Stanovenie bázického prípustného riešenia (bázy s.
Rovnice a ich riešenia.
Testovanie štatistických hypotéz v programe Excel
Leonhard Paul Euler Ján Murín, III.F.
Nastavte na tejto snímke vlastné pozadie – konkrétne dvojfarebný prechod, ktorý pôjde „šikmo nahor“
Lineárne r o v n i c e Mgr. Ján Nandráži spracovala: E. Hlačinová.
Problém výberu portfólia
ŠTATISTIKA A EFKÁRI IVONA MAGYAROVÁ 3.F BANSKÁ BYSTRICA 2006.
PhDr. Tatiana ARBE, OEMP ÚM STU
Rozpoznávanie obrazcov a spracovanie obrazu
Kapowtech RoboSuite Team10.
Štatistika Martin Čuka 2010/ B.
PRAVDEPODOBNOSTNÝ POJEM doc. Ing. Kristína Machová, CSc.
Umiestnenia benchmarkov Štruktúry súborov Použitie súborov
Nepriama úmernosť – tabuľka, rovnica a graf
Prepis prezentácie:

Vyjadrovacie prostriedky v štatistike ukazovateľ -číslo štatistická tabuľka Nadpis /hľadisko: -vecné -priestorové -časové Hlavička Legenda Pole štat. tabuľky - údaj nie je x z logických dôvodov tam číslo nesmie byť 0,00 údaj existuje, ale na zvolené des. miesto je hodnota nulová · údaj nie je zistený, ale môže sa zistiť Sumárny riadok Štatistika UVM

graf Nadpis /hľadisko: -vecné -priestorové -časové popularizačný: ide o pútavosť, nemusia byť presné výpočtové: musia byť presné Štatistika UVM

Pravdepodobnosť Diskrétne rozdelenia pravdepodobnosti Alternatívne rozdelenie Binomické rozdelenie Poissonovo rozdelenie Rovnomerné rozdelenie Spojité rozdelenia pravdepodobnosti Normálne (Gaussovo) rozdelenie χ2 – rozdelenie Studentovo t – rozdelenie Fischerovo - Snedecorovo F – rozdelenie Teória pravdepodobnosti vychádza z pojmu náhodného javu. Náhodný jav je taký jav, ktorý v istom pokuse vykonanom pri určitých podmienkach môže nastať, ale nemusí nevyhnutne nastať. 2 definície: -klasická -štatistická Štatistika UVM

-klasická definícia pravdepodobnosti : 2 podmienky -konečný počet možných výskytov -každý z nich má rovnakú pravdepodobnosť pravdepodobnosť javu A P(A)=m/n m -počet priaznivých prípadov /výskyt javu A/ n -počet možných prípadov -štatistická definícia pravdepodobnosti : nie sú splnené vyššie spomenuté 2 podmienky P(A)=mA/n mA -výskyt javu A n -počet pokusov relatívna početnosť početnosť rastom n sa ustaľuje okolo nejakej konštanty; P(A) pravdepodobnosti P0;1 P(0) – jav nemožný P(1) – jav istý Štatistika UVM

Diskrétne rozdelenia pravdepodobnosti Rozdelenie pravdepodobnosti popisuje pravdepodobnostná funkcia. Táto funkcia priraďuje každej hodnote xi náhodnej premennej pravdepodobnosť P(xi). alternatívne binomické Poissonovo rovnomerné Alternatívne rozdelenie pravdepodobnosti dva stavy 0 a 1 P(0) = p P(1) = 1-p = q Binomické rozdelenie pravdepodobnosti parametre BR: p, q, n Štatistika UVM

f(x) – pravdepodobnosť v bode x n – počet pokusov x – výskyt nejakého javu (0,1,2,3,4,5....) p – pravdepodobnosť nekvalitnej vlastnosti q – pravdepodobnosť kvalitnej vlastnosti - binomický koeficient Poissonovo rozdelenie pravdepodobnosti p  0,1 q  0,9 n  30 n.p =  Rovnomerné rozdelenie pravdepodobnosti Ak náhodná veličina X nadobúda hodnoty xi s rovnakou pravdepodobnosťou tak hovoríme že veličina má rovnomerné rozdelenie pravdepodobnosťou. napr. športka Štatistika UVM

Spojité rozdelenie pravdepodobnosti Rozdelenie pravdepodobnosti. spojitej náhodnej veličiny popisujeme funkciou, ktorá sa nazýva hustota pravdepodob. Normálne rozdelenie Studentovo t- rozdelenie 2 – rozdelenie Fischerovo – Snedecorovo F rozdelenie Pravdepodobnosť že premenná x je z intervalu a1 a2 je plocha, ktorú zhora ohraničuje krivka hustoty pravdepodobnosti na intervale a1, a2. P(a1<x<a2) = p Štatistika UVM

Normálne (Gaussovo) rozdelenie pravdepodobnosti Hustota pravdepodobnosti normálneho rozdelenia je daná funkciou Normálne rozdelenie má dva parametre, strednú hodnotu µ a smerodajnú odchýlku , skrátene N(µ,). V štatistickej praxi sa náhodná premenná x s normálnym rozdelením transformuje na štandardnú normálnu premennú u. Hustota pravdepodobnosti nadobúda tvar: Štatistika UVM

Studentovo rozdelenie Fischerovo F – rozdelenie Štatistika UVM