rozdelenia Exp a pod..
Download
Report
Transcript rozdelenia Exp a pod..
Teoretické rozdelenia
• Spojité:
– Rovnomerné
– Exponenciálne
– Normálne
– Lognormálne
– Chí-kvadrát (2 – rozdelenie))
– Studentovo (t – rozdelenie)
– Fisherovo (F – rozdelenie)
Prednáška č.6
Základy štatistiky
1
Rovnomerné rozdelenie
R(c,d)
• Rovnako pravdepodobné výsledky
• Funkcia hustoty:
1
pre c x d
f (x)
d c
• Stredná hodnota a štand. odchýlka:
c d
dc
E(X)
σ(X)
2
12
f(x)
1
d c
c
d
x
E(X)
Median
Prednáška č.6
Základy štatistiky
2
Rovnomerné rozdelenie
Príklad
• Predstavte si, že ste výrobný
manažér vo firme na plnenie
nápojov. Prístroj má do každej
plechovky naplniť 12 jednotiek
sýtiaceho plynu. V skutočnosti
sa to pohybuje od 11,5 do 12,5
jednotiek. Predpokladáte, že
tento proces má rovnomerné
rozdelenie. Aká je P, že v
plechovke je menej ako 11,8
jednotiek plynu?
SODA
Prednáška č.6
Základy štatistiky
3
Rovnomerné rozdelenie
Príklad pre R(11,5;12,5)
f(x)
1,0
11,5 11,8
x
12,5
1
1
1
1,0
dc
12,5 11,5
1
P(11,5 x 11,8) =
= (základňa)(výška) =
= (11,8 – 11,5)(1) = 0,30
Prednáška č.6
Základy štatistiky
4
Exponenciálne rozdelenie
Ex()
• popisuje čas alebo vzdialenosť medzi
udalosťami
• „doba čakania“ do nastania určitého
javu (čakanie v rade)
• f-cia hustoty:
1 x θ
f(x) e
x 0, 0
θ
• Distribučná f-cia:
x θ
F(x) 1 e
• Charakteristiky: E(X) =
(X)=
f(X)
= 0,5
= 2,0
X
Prednáška č.6
Základy štatistiky
5
Exponenciálne rozdelenie
Ex()
• Distribučná f-cia:
F(x) P( X x) 1 e x θ
1 F(x) P( X x) 1 (1 e x θ )
e x θ
f(x)
A P ( x a) e
x
a
Prednáška č.6
a
Základy štatistiky
6
Exponenciálne rozdelenie
Ex()
• Exponenciálne a Poissonovo
rozdelenie vyjadrujú ten istý jav
z dvoch pohľadov
• Po() – P výskytu určitého
počtu javov za jednotku času
• Ex() – P dĺžky intervalu medzi
dvoma nastaniami javu
• Použitie: v teórii spoľahlivosti,
v tzv. teórii hromadnej obsluhy
(teória front - modeluje dobu
čakania vo fronte resp. v rade)
Prednáška č.6
Základy štatistiky
7
Exponenciálne rozdelenie
Príklad Ex(10)
• Na registráciu na internáte
prichádzajú študenti priemerne
každých 10 minút. Ich príchod
sa riadi exponenciálnym
rozdelením. Aká je P, že viac
ako 30 minút nepríde žiaden
študent na registráciu?
P ( x a) e a
P ( x 30) e 30 10
0.049787
5%
Prednáška č.6
Základy štatistiky
8
Normálne rozdelenie
N(,2)
• Laplaceovo - Gaussovo
rozdelenie
• Modeluje veľa náhodných
procesov alebo spojitých javov
• Limitné rozdelenie, ktoré sa
používa na aproximáciu
mnohých diskrétnych rozdelení
(napr. binomického)
• Základ klasického štatistického
úsudku (indukcie a dedukcie)
→ parametrické metódy
Prednáška č.6
Základy štatistiky
9
Normálne rozdelenie
Vlastnosti N( ,2)
• „zvonovitý“ & symetrický tvar
• E(X), medián, modus sa
rovnajú (sú v jednom bode →
vo vrchole „zvona“)
• NP má nekonečný definičný
obor (- , )
• Inflexné body sú: x μ σ
f(X )
X
E(X) = medián = modus
Prednáška č.6
Základy štatistiky
10
Normálne rozdelenie
N( ,2)
Funkcia hustoty f(x) :
= stredná hodnota NP X (resp.
populácie ) a (- < < )
= štandard. odchýlka NP X (resp.
populácie ) a 0
= 3.14159
e=
x=
2.71828
hodnota NP X (- < x < )
1
f(x)
e
σ 2π
E(X) =
Prednáška č.6
D(X) = 2 1 = 0
Základy štatistiky
(x μ) 2
2 σ2
2 = 0
11
Normálne rozdelenie
Zmena parametrov ,2
f(X)
B
A
C
X
A = B
A B
A C
A = C
Zmena tvaru
Posun po osi x
Prednáška č.6
Základy štatistiky
12
Normálne rozdelenie
N( ,2)
Distribučná funkcia F(x) :
x
F(x)
x
f(t)dt
1
σ 2π
e
(t μ) 2
2σ 2
dt
d
P(c x d) f(x) dx?
c
f(x)
c
Prednáška č.6
d
Základy štatistiky
x
13
Normálne rozdelenie
N( ,2)
f(X)
Parametrami normálneho
rozdelenia sú a 2 →
nekonečne veľa kriviek!
X
Pre každú krivku je
potrebná vlastná tabuľka!
Nekonečne veľa tabuliek!
Prednáška č.6
Základy štatistiky
14
Normované normálne
rozdelenie N(0,1)
(Standardize the Normal Distribution)
X
Z
= 1
=0
X
Z
Normované
normálne
rozdelenie
N(0,1)
Normálne
rozdelenie
N( ,2)
Jedna tabuľka!
Prednáška č.6
Základy štatistiky
15
Normované normálne
rozdelenie N(0,1)
• Funkcia hustoty f(z):
1
f(z)
e
2π
z2
2
• Distribučná funkcia (z)
platí:
f(-z) = f(z)
(-z) = 1 - (z)
b μ
a μ
P(a X b P
Z
σ
σ
b μ
a μ
Φ
Φ
σ
σ
Prednáška č.6
Základy štatistiky
16
Normovanie - Príklad
(Standardizing)
X μ 6 ,2 5
Z
0 ,12
σ
10
N(5,102)
N(0,1)
= 10
=1
= 5 6.2 X
Prednáška č.6
Základy štatistiky
= 0 .12 Z
17
Príklad – Tabuľky N(0,1)
Tabuľka N(0,1) - časť
Z
.00
.01
.02
0.0 .0000 .0040 .0080
0,0478
0.1 .0398 .0438 .0478
0.2 .0793 .0832 .0871
=1
0.3 .1179 .1217 .1255
= 0 .12 Z
Pravdepodobnosti
Prednáška č.6
Základy štatistiky
Plocha je zveličená!
18
Hľadanie Z hodnoty
Príklad
Tabuľky N(0,1) - časť
Ako získame z,
ak P(z) = 0,1217?
Z
.00
.01
0.2
0.0 .0000 .0040 .0080
0.1 .0398 .0438 .0478
0.2 .0793 .0832 .0871
0,1217
=0
=1
?
0.3 .1179 .1217 .1255
Z
z = 0,31
Plocha je zveličená!
Prednáška č.6
Základy štatistiky
19
Hľadanie X hodnoty
Príklad
Normované
normálne
rozdelenie
Normálne
rozdelenie
N(5,102)
N(0,1)
=1
= 10
0,1217
= 5
? X
0,1217
= 0 .31 Z
X μ Z 5 0 ,3110 8 ,1
X = 8,1
Plochy sú zveličené!
Prednáška č.6
Základy štatistiky
20
Normálne rozdelenie
Príklad
• Ste kontrolórom kvality žiaroviek
v továrni na ich výrobu. Životnosť
týchto žiaroviek (v hod.) sa riadi
N(2000,2002).
• Aká je P, že žiarovky vydržia
svietiť:
– 2000 až 2400 hodín?
– menej ako 1470 hodín?
Prednáška č.6
Základy štatistiky
21
Riešenie
P(2000 X 2400)
Z
X
2400 2000
2,0
200
N(2000,2002)
N(0,1)
=1
= 200
0,4772
= 2000 2400
Prednáška č.6
X
Základy štatistiky
= 0 2.0
Z
22
Riešenie
P(X 1470)
X μ 1470 2000
Z
2 ,65
σ
200
N(2000,2002)
N(0,1)
= 200
=1
.5000
0,0040
1470 = 2000
Prednáška č.6
X
Základy štatistiky
.4960
-2.65 = 0
Z
23