The wiki page is under active construction, expect bugs.

Differences

This shows you the differences between two versions of the page.

Link to this comparison view

Both sides previous revisionPrevious revision
Next revision		Previous revision
statnice:bakalar:b0b01pst [2025/06/08 17:49] – zapleka3statnice:bakalar:b0b01pst [2025/06/09 23:58] (current) – [Základní typy rozdělení] mistrjirka
Line 196: Line 196:
 {{:statnice:bakalar:pasted:20250526-103420.png}} {{:statnice:bakalar:pasted:20250526-103420.png}}
  
- 
-=== Smíšená náhodná veličina === 
-Nabývá jak diskrétních, tak spojitých hodnot. Distribuční funkce je kombinací schodové a spojité části. Hustota pravděpodobnosti je definována jako: 
-$$ 
-f(t) = \sum_{i} p_i \delta(t - t_i) + f_c(t),$$ 
-kde $p_i$ jsou pravděpodobnosti diskrétních hodnot $t_i$ a $f_c(t)$ je hustota spojité části. 
  
 === Smíšená náhodná veličina === === Smíšená náhodná veličina ===
Line 284: Line 278:
 ==== Základní typy rozdělení ==== ==== Základní typy rozdělení ====
 === Diskrétní rozdělení === === Diskrétní rozdělení ===
-**Binomické rozdělení** – popisuje počet úspěchů v $n$ nezávislých Bernoulliho pokusech, kde každý pokus má pravděpodobnost úspěchu $p$. Distribuční funkce je dána jako:+**Binomické rozdělení** – popisuje počet úspěchů v $n$ nezávislých Bernoulliho pokusech, kde každý pokus má pravděpodobnost úspěchu $p$. Distribuční funkce je dána jako: 
 $$ $$
 P(X = k) = \binom{n}{k} p^k (1 - p)^{n - k}, \quad k = 0, 1, \ldots, n$$ P(X = k) = \binom{n}{k} p^k (1 - p)^{n - k}, \quad k = 0, 1, \ldots, n$$
-**Poissonovo rozdělení** – popisuje počet událostí, které nastanou v pevném časovém intervalu, pokud jsou tyto události nezávislé a nastávají s konstantní průměrnou rychlostí $\lambda$. Distribuční funkce je dána jako:+Střední hodnota $EX = np$, rozptyl $varX = np(1-p)$.  
 + 
 +**Poissonovo rozdělení** – popisuje počet událostí v pevném intervalu při konstantní intenzitě $\lambda$. Distribuční funkce je: 
 $$ $$
 P(X = k) = \frac{\lambda^k e^{-\lambda}}{k!}, \quad k = 0, 1, 2, \ldots$$ P(X = k) = \frac{\lambda^k e^{-\lambda}}{k!}, \quad k = 0, 1, 2, \ldots$$
-**Geometrické rozdělení** – popisuje počet pokusů potřebných k dosažení prvního úspěchu v sérii nezávislých Bernoulliho pokusů. Distribuční funkce je dána jako:+Střední hodnota i rozptyl $EX = varX = \lambda$. 
 + 
 +**Geometrické rozdělení** – popisuje **počet neúspěchů před prvním úspěchem** v sérii nezávislých Bernoulliho pokusů s pravděpodobností úspěchu $p$. Distribuční funkce je:
 $$ $$
-P(X = k) = (1 - p)^{k - 1} p, \quad k = 1, 2, \ldots$$ +P(X = k) = p(1 - p)^{k}, \quad k = 0, 1, 2, \ldots$$ 
-**Alternativní rozdělení** – popisuje počet pokusů potřebných k dosažení prvního úspěchu v sérii nezávislých Bernoulliho pokusů, ale s různými pravděpodobnostmi úspěchu v jednotlivých pokusech. Distribuční funkce je dána jako: +Střední hodnota $EX = \frac{1-p}{p}$, rozptyl $varX = \frac{1-p}{p^2}$. 
-$$ +*(Pozn.: V některých definicích se udává počet pokusů do prvního úspěchu $(k=1,2,\ldots)$, materiály však explicitně uvádějí $k=0$).* 
-P(X = k) = \prod_{i=1}^{k-1} (1 - p_i) p_k, \quad k = 1, 2, \ldots$$ + 
-**Rovnoměrné rozdělení** – popisuje náhodnou veličinu, která může nabývat hodnot v intervalu $[a, b]$ s rovnoměrnou pravděpodobností. Distribuční funkce je dána jako:+**Alternativní (Bernoulliho) rozdělení** - popisuje **jediný pokus** s pravděpodobností úspěchu $p$. Nabývá hodnot: 
 +  * $X=1$ (úspěch) s $P(X=1)=p$ 
 +  * $X=0$ (neúspěch) s $P(X=0)=1-p$ 
 +  * Střední hodnota $EX=p$, rozptyl $varX=p(1-p)$.  
 +  * (Pozn.: Popis "počet pokusů do prvního úspěchu s různými $p_i$" neodpovídá Alt(p) v materiálech).* 
 + 
 +**Rovnoměrné rozdělení** – popisuje náhodnou veličinu nabývající hodnot $a, a+1, \ldots, b$ s rovnoměrnou pravděpodobností:
 $$ $$
 P(X = k) = \frac{1}{b - a + 1}, \quad k = a, a + 1, \ldots, b$$ P(X = k) = \frac{1}{b - a + 1}, \quad k = a, a + 1, \ldots, b$$
-**Hypergeometrické rozdělení** – popisuje počet úspěchů v náhodném výběru $n$ položek z populace o velikosti $N$, která obsahuje $K$ úspěšných položek. Distribuční funkce je dána jako: + 
-$$ +**Hypergeometrické rozdělení**  
-P(X = k) = \frac{\binom{K}{k} \binom{N - K}{n - k}}{\binom{N}{n}}, \quad k = 0, 1, \ldots, \min(K, n)$$ +  * popisuje počet úspěchů při $n$ náhodných výběrech bez vracení z populace $N$ s $K$ úspěšnými položkami:  
-Napřiklad "M" losů z nichž "J" vyhrává, tak udává počet výherních losů, z výtažených "S" losů. +$$ P(X = k) = \frac{\binom{K}{k} \binom{N - K}{n - k}}{\binom{N}{n}}, \quad k = \max(0, n - (N - K)), \ldots, \min(K, n)$$ 
-$$ +Střední hodnota $E(X) = n \frac{K}{N}$.
-E(x) = \frac{(J \cdot S)}{M} +
-$$+
  
 === Spojitá rozdělení === === Spojitá rozdělení ===
-**Rovnoměrné rozdělení** – popisuje náhodnou veličinu, která může nabývat hodnot v intervalu $[a, b]$ s rovnoměrnou pravděpodobností. Distribuční funkce je dána jako:+**Rovnoměrné rozdělení** – popisuje náhodnou veličinu na intervalu $[a, b]$ s konstantní hustotou: 
 +$$ 
 +f(x) = \begin{cases} 
 +\frac{1}{b - a}, & a < x < b \\ 
 +0, & \text{jinak} 
 +\end{cases}$$ 
 +Distribuční funkce:
 $$ $$
 F(x) = \begin{cases} F(x) = \begin{cases}
Line 316: Line 324:
 \end{cases} \end{cases}
 $$ $$
-Hustota je tvaru +$E[X] = \frac{b-a}{2}$ 
-$$ +$\text{Var}(X) = \frac{(b-a)^2}{12}$ 
-f(x) = \begin{cases} +**Normální rozdělení** – symetrické rozdělení se střední hodnotou $\mu$ a rozptylem $\sigma^2$.  Hustota:
-\frac{1}{b - a}, & a < x < b \\ +
-0, & \text{jinak} +
-\end{cases}+
 $$ $$
 +f(x) = \frac{1}{\sigma\sqrt{2\pi}} e^{-\frac{(x-\mu)^2}{2\sigma^2}}$$
 +Distribuční funkce $\Phi(x)$ nemá uzavřený tvar. Speciální případ: **N(0,1)** s hustotou $f(x) = \frac{1}{\sqrt{2\pi}} e^{-\frac{x^2}{2}}$. 
  
-**Normální rozdělení** – popisuje náhodnou veličinu, která má symetrické rozdělení kolem střední hodnoty $\mu$ a standardní odchylky $\sigma$. Distribuční funkce je dána jako:+**Exponenciální rozdělení** – popisuje **dobu mezi událostmi v Poissonově procesu** s intenzitou $\lambda$: 
 +Hustota:
 $$ $$
-\Phi(x) = \frac{1}{\sqrt{2\pi}} \int_{-\infty}^{x} e^{-\frac{t^2}{2}}\,dt. +f(x) = \lambda e^{-\lambda x}, \quad x \geq 0$$ 
-$$ +Distribuční funkce:
- +
-Hustota je tvaru +
-$$ +
-f(x) = \frac{1}{\sqrt{2 \pi}} e^{-\frac{x^2}{2}} +
-$$ +
-**Exponenciální rozdělení** – popisuje čas mezi událostmi v Poissonově procesu. Distribuční funkce je dána jako:+
 $$ $$
 F(x) = 1 - e^{-\lambda x}, \quad x \geq 0$$ F(x) = 1 - e^{-\lambda x}, \quad x \geq 0$$
-Hustota pravděpodobnosti je dána jako: 
-$$ 
-f(x) = \lambda e^{-\lambda x}, \quad x \geq 0$$ 
- 
 ===== 2. Náhodné vektory a jejich popis ===== ===== 2. Náhodné vektory a jejich popis =====
 **Náhodné vektory a jejich popis** – nezávislost náhodných veličin, kovariance a korelace. **Náhodné vektory a jejich popis** – nezávislost náhodných veličin, kovariance a korelace.
Line 704: Line 702:
  
  
-==== Odhady konkrétních parametrů ==== 
-  * **Odhady střední hodnoty** ($\mu$): 
-    * Výběrový průměr $\overline{X}_n = \frac{1}{n} \sum_{i=1}^{n} X_i$ je nestranným a konzistentním odhadem střední hodnoty $E[X]$.  
-  * **Odhady rozptylu ($\sigma^2$)**: 
-    * Výběrový rozptyl $S^2_n = \frac{1}{n-1} \sum_{i=1}^{n}(X_i - \overline{X}_n)^2$ je nestranným a konzistentním odhadem rozptylu $D[X]$.  
-  * **Odhady směrodatné odchylky ($\sigma$)**: 
-    * Výběrová směrodatná odchylka $S_n = \sqrt{S^2_n}$ je odhadem směrodatné odchylky $\sigma$.  
-<markdown> 
-* **Odhady momentů**: 
-</markdown> 
-    * Pro odhad $k$-tého obecného momentu $E[X^k]$ se používá výběrový $k$-tý obecný moment $m_{X^k} = \frac{1}{n}\sum_{j=1}^{n}x_j^k$.  
  
 ==== Odhady konkrétních parametrů ==== ==== Odhady konkrétních parametrů ====
Line 969: Line 956:
  
   \draw[->, >=latex] (A) to[bend left] node[above] {0.5} (B);   \draw[->, >=latex] (A) to[bend left] node[above] {0.5} (B);
-  \draw[->, >=latex] (A) to[bend left] node[below] {0.3} (C);+  \draw[->, >=latex] (A) to[bend left] node[below] {0.5} (C);
   \draw[->, >=latex] (B) to[loop above] node {1.0} (B);   \draw[->, >=latex] (B) to[loop above] node {1.0} (B);
   \draw[->, >=latex] (C) to[bend left] node[above] {0.1} (A);   \draw[->, >=latex] (C) to[bend left] node[above] {0.1} (A);
Line 982: Line 969:
 |       | A     | B     | C     | |       | A     | B     | C     |
 |-------|-------|-------|-------| |-------|-------|-------|-------|
-| **A** | 0.0   | 0.5   | 0.3   |+| **A** | 0.0   | 0.5   | 0.5   |
 | **B** | 0.0   | 1.0   | 0.0   | | **B** | 0.0   | 1.0   | 0.0   |
 | **C** | 0.1   | 0.2   | 0.7   | | **C** | 0.1   | 0.2   | 0.7   |
  
 **Jak číst tuto matici:** **Jak číst tuto matici:**
-  * První řádek: Pokud jsme ve stavu **A**, máme 0% šanci zůstat v A, 50% šanci jít do B a 30% do C.+  * První řádek: Pokud jsme ve stavu **A**, máme 0% šanci zůstat v A, 50% šanci jít do B a 50% do C.
   * Druhý řádek: Ze stavu **B** se nikam jinam nedostaneme, zůstáváme v B (s pravděpodobností 1).   * Druhý řádek: Ze stavu **B** se nikam jinam nedostaneme, zůstáváme v B (s pravděpodobností 1).
   * Třetí řádek: Ze stavu **C** máme 10% šanci jít do A, 20% do B a 70% zůstat v C.   * Třetí řádek: Ze stavu **C** máme 10% šanci jít do A, 20% do B a 70% zůstat v C.

Trace:

Navigation

Playground

QR Code
QR Code statnice:bakalar:b0b01pst (generated for current page)