VÝPOČET OC.

Slides:



Advertisements
Podobné prezentace
Základní typy rozdělení pravděpodobnosti diskrétní náhodné veličiny
Advertisements

TEORETICKÉ MODELY některých DISKRÉTNÍCH NV
Statistická indukce Teorie odhadu.
Vybraná rozdělení diskrétní náhodné veličiny
MARKOVSKÉ ŘETĚZCE.
ROZDĚLENÍ NÁHODNÝCH VELIČIN
ZÁRUKY JAKOSTI A RIZIKA PŘI STATISTICKÉ PŘEJÍMCE
Limitní věty.
BINOMICKÉ ROZDĚLENÍ (Bernoulliovo schéma)
NORMOVANÉ NORMÁLNÍ ROZDĚLENÍ
Odhady parametrů základního souboru
Výpočet a interpretace ukazatelů asociace v epidemiologických studiích
Regresní analýza a korelační analýza
Pravděpodobnost a statistika opakování základních pojmů
Generování náhodných veličin (1) Diskrétní rozdělení
Obsah prezentace Náhodná proměnná Rozdělení náhodné proměnné.
Náhodná veličina.
25. října 2004Statistika (D360P03Z) 4. předn.1 Statistika (D360P03Z) akademický rok 2004/2005 doc. RNDr. Karel Zvára, CSc. KPMS MFF UK
Náhodná proměnná Rozdělení.
Příklad přejímací kontroly A Příklad uvádí, jak ovlivní střední hodnota a směrodatná odchylka pravděpodobnost chyby (vadného výrobku). Ptáme se, kolik.
také Gaussovo rozdělení (normal or Gaussian distribution)
STANOVENÍ NEJISTOT PŘI VÝPOŠTU KONTAMINACE ZASAŽENÉHO ÚZEMÍ
Statistická přejímka Ing. Zdeněk Aleš, Ph.D.
Vybraná rozdělení spojité náhodné veličiny
Generování náhodných veličin (2) Spojitá rozdělení
Nechť (, , P) je pravděpodobnostní prostor:
Aplikovaná statistika
2.2. Pravděpodobnost srážky
Pravděpodobnost a genetická prognóza
Některá diskrétní a spojitá rozdělení náhodné veličiny.
Diskrétní rozdělení Karel Zvára 1.
Náhodný jev A E na statistickém experimentu E - je určen vybranou množinou výsledků experimentu: výsledku experimentu lze přiřadit číslo, náhodnou proměnnou.
1 Národní informační středisko pro podporu jakosti.
Data s diskrétním rozdělením
ZÁKLADNÍ SOUBOR Základní soubor (populace) je většinou myšlenková konstrukce, která obsahuje veškerá data, se kterými pracujeme a není vždy snadné jej.
Statistická přejímka statistická přejímka představuje postupy zaměřené na následnou přejímací kontrolu (vstupní, mezioperační, výstupní) produktů cílem.
Generování náhodných veličin Diskrétní a spojitá rozdělení Simulační modely ek.procesů 4.přednáška.
Normální (Gaussovo) rozdělení
Vybraná rozdělení spojité náhodné veličiny
Základy statistické indukce Základní soubor, náhodný výběr Základní statistický soubor (stručněji základní soubor) je statistický soubor, z něhož pořizujeme.
Experimentální fyzika I. 2
Rozdělení diskrétních veličin. Příklady diskrétních náhodných veličin Pokus jev nastaljev nenastal pnS hod mincírublíc1/2počet hodůpočet rubů celkem narození.
Náhodné výběry a jejich zpracování Motto: Chceme-li vědět, jak chutná víno v sudu, nemusíme vypít celý sud. Stačí jenom malý doušek a víme na čem jsme.
Náhodné výběry a jejich zpracování Motto: Chceme-li vědět, jak chutná víno v sudu, nemusíme vypít celý sud. Stačí jenom malý doušek a víme na čem jsme.
2. Vybrané základní pojmy matematické statistiky
© Institut biostatistiky a analýz INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ ANALÝZA A KLASIFIKACE DAT prof. Ing. Jiří Holčík, CSc.
Distribuční funkce diskrétní náhodná proměnná spojitá náhodná proměnná
Základy pedagogické metodologie
(Popis náhodné veličiny)
Molekulová fyzika 3. přednáška „Statistický přístup jako jediná funkční strategie kinetické teorie“
Poissonovo rozdělení diskrétní náhodné veličiny
Inferenční statistika - úvod
Náhodná veličina. Nechť (, , P) je pravděpodobnostní prostor:
POZNÁMKA: Pokud chcete změnit obrázek na tomto snímku, vyberte obrázek a odstraňte ho. Potom klikněte na ikonu Obrázek v zástupném textu a vložte vlastní.
Pravděpodobnost Přednáška č.2. Deterministický a náhodný děj Každý děj probíhá za uskutečnění jistého souboru podmínek Deterministický děj-děj, ve kterém.
ROZDĚLENÍ SPOJITÝCH NÁHODNÝCH VELIČIN Rovnoměrné rozdělení R(a,b) rozdělení s konstantní hustotou pravděpodobnosti v intervalu (a,b) a  x  b distribuční.
POZNÁMKA: Pokud chcete změnit obrázek na tomto snímku, vyberte obrázek a odstraňte ho. Potom klikněte na ikonu Obrázek v zástupném textu a vložte vlastní.
Některá rozdělení náhodných veličin
Spojitá náhodná veličina
Náhodná veličina.
Základy statistické indukce
Induktivní statistika
Základy zpracování geologických dat Rozdělení pravděpodobnosti
Spojitá a kategoriální data Základní popisné statistiky
ORDINÁLNÍ VELIČINY Měření variability ordinálních proměnných
Rozdělení pravděpodobnosti
Plánování přesnosti měření v IG Úvod – základní nástroje TCHAVP
Poissonovo rozdělení diskrétní náhodné veličiny
Základy statistiky.
Náhodné výběry a jejich zpracování
Transkript prezentace:

VÝPOČET OC

Operativní charakteristika (OC) udává pravděpodobnost přijetí dávky na základě přejímacího plánu, v závislosti na podílu neshodných jednotek, nebo neshod, v dávce. Pravděpodobnost, že ve výběru rozsahu n bude nejvíce Ac neshodných jednotek odpovídá hodnotě distribuční funkce v bodě p. Nejpřesněji můžeme vyjádřit tuto pravděpodobnost pomocí hypergeometrického rozdělení, které pro praxi, dostatečně přesně, aproximujeme binomickým rozdělením, resp. Poissonovým rozdělením.

Uvažujeme obvykle dávku rozsahu N, náhodný výběr rozsahu n, počet jednotek M se znakem A v dávce a počet jednotek x se znakem A ve výběru. Pravděpodobnost výskytu x jednotek se znakem A ve výběru rozsahu n, za předpokladu že dávka je rozsahu N a obsahuje právě M jednotek se znakem A je přesně vyjádřena hypergeometrickým rozdělením pravděpodobnosti. Pokud je n  /  N  <  0,1 můžeme tuto pravděpodobnost aproximovat binomickým rozdělením pravděpodobnosti, když položíme M / N = p . Pokud je n  /  N  <  0,1 a navíc, pokud M  /  N  =  p  <  0,1 můžeme tuto pravděpodobnost aproximovat Poissonovým rozdělením pravděpodobnosti.

HYPERGEOMETRICKÉ ROZDĚLENÍ Aplikuje se tam, kde náhodná veličina x nabývá celočíselných hodnot x (x = 0, 1, …, n) počtu výskytu prvku se znakem A při náhodném výběru n prvků ze souboru N prvků, v němž M prvků je se znakem A. ( n  N ; M  N) Náhodný jev, že vybraný prvek bude mít znak A má v každém pokusu jinou pravděpodobnost že nastane

pravděpodobnostní funkce : h(x, n, N, M) = pro x = 0, 1, …, n distribuční funkce : H(x, n, N, M) = 0 pro x < 0 , = pro 0  x  n , = 1 pro x > n . Střední hodnota: E(x) = ; rozptyl: D(x) =

POZNÁMKA : V uvedených výrazech se vyskytuje kombinační číslo n nad k které udává počet všech možností, kterými lze vybrat k prvků ze souboru n prvků bez opakování (nezáleží na pořadí prvků ve výběru) kde k ! je faktoriál čísla k k ! = 1 • 2 • 3 • … • (k-1) • k 0 ! = 1 a udává počet permutací, tj. počet skupin k prvků přeskupených ve všech možných pořadí. Platí

HYPGEOMDIST(úspěch; celkem; základ_úspěch; základ_celkem) Vrací pravděpodobnost daného počtu nepříznivých výsledků x ve výběru (pravděpodobnostní funkci), je-li dána velikost výběru n, počet možných nepříznivých výsledků v celém souboru M a rozsah celého souboru N. úspěch x je počet neshodných jednotek ve výběru, celkem n je rozsah výběru, základ_úspěch M je počet neshodných jednotek v celé dávce základ_celkem N je velikost dávky Hodnota pravděpodobnostní funkce hypergeometrického rozdělení se stanoví pomocí funkce HYPERGEOMDIST takto: h(x, n, N, M) = HYPERGEOMDIST(x; n; M; N) =

Výpočet pravděpodobnostní funkce pomocí funkce HYPGEOMDIST

BINOMICKÉ ROZDĚLENÍ  Aplikuje se tam, kde náhodná veličina  nabývá celočíselných hodnot x (x =0, 1, 2, ... , n) počtu výskytů náhodného jevu při n nezávislých pokusech;  náhodný jev má v každém pokusu stejnou pravděpodobnost p , že nastane.

pravděpodobnostní funkce : b (x, n, p ) = pro x = 0, 1, 2 ,..., n . distribuční funkce : B ( x, n, p ) = 0 pro x  0 , = pro 0  x  n , = 1 pro x  n . Střední hodnota : E (  ) = n p rozptyl : D (  ) = n p (1–p) .

BINOMDIST(úspěch; pokusy; prst_úspěchu; počet) Vrací hodnotu distribuční funkce, nebo pravděpodobnostní funkce náhodné veličiny, která se řídí binomickým rozdělením. úspěch x je počet úspěšných pokusů, pokusy n je počet nezávislých pokusů, prst_úspěchu p je pravděpodobnost úspěchu počet je logická hodnota, která určuje tvar funkce. Pokud je PRAVDA, pak BINOMDIST vrací distribuční funkci, pokud je NEPRAVDA, vrací pravděpodobnostní funkci. Pravděpodobnostní funkce binomického rozdělení se stanoví pomocí funkce BINOMDIST takto: b (x, n, p ) = = BINOMDIST(x; n; p; 0), pro x = 0, 1, …, n. Distribuční funkce binomického rozdělení se stanoví pomocí funkce BINOMDIST takto: B(x; n, p) = = BINOMDIST(x; n; p; 1), pro x = 0, 1, …, n .

Výpočet pravděpodobnostní a distribuční funkce pomocí funkce BINOMDIST

POISSONOVO ROZDĚLENÍ  Aplikuje se tam, kde náhodná veličina  nabývá celočíselných hodnot x (x =0, 1, 2, ... , n) počtu výskytů náhodného jevu, který je málo pravděpodobný a může nastat v kterémkoli okamžiku během časové jednotky (v kterémkoli bodě délkové, plošné či objemové jednotky a pod.) ;   udává střední hodnotu počtu výskytů tohoto jevu za jednotku času, případně na jednotce délky, plochy, objemu atd. a je parametrem Poissonova rozdělení.

pravděpodobnostní funkce : p (x,  ) = pro x = 0, 1, 2 ,..., n a parametr   0 . distribuční funkce : P( x,  ) = 0 pro x  0 , = pro 0  x  n . Střední hodnota : E (  ) =  Rozptyl : D (  ) =  .

POISSON(x; střední; součet) Vrací hodnotu distribuční funkce nebo pravděpodobnostní funkce Poissonova rozdělení. x je počet případů nastání sledovaného jevu, střední  - je předpokládaná střední hodnota (parametr rozdělení), součet je logická hodnota, která určuje, zda funkce vrátí hodnotu distribuční funkce, pokud za součet dosadíme PRAVDA , nebo vrátí hodnotu pravděpodobnostní funkce, pokud za součet dosadíme NEPRAVDA (0). Pravděpodobnostní funkce Poissonova rozdělení se stanoví pomocí funkce POISSON takto: b (x, n, p ) = pro x = 0, 1, …, n. Distribuční funkce Poissonova rozdělení se stanoví pomocí funkce POISSON takto: B (x, n, p ) = pro x = 0, 1, …, n. .

Výpočet pravděpodobnostní a distribuční funkce pomocí funkce POISSON