Professional Documents
Culture Documents
Vzorce 2018
Vzorce 2018
STATISTIKA
VZORCE PRO 4ST201 a 4ST210
verze 2018
poslední aktualizace: 1. 9. 2018
KSTP 2018
Popisná statistika
ni k k
pi =
n
ni = n pi = 1 i = 1, 2, ..., k
i =1 i =1
xi xn i i k
x = xi pi
i =1 i =1
x= x= k
n
n i =1
i
i =1
n
n i =1
i
1
xH = n
xH = k
xH = k
1 ni pi
x
i =1
x
i =1
x i =1
i i i
n
xG = n x
i =1
i = n x1 x2 ... xn
R = xmax − xmin
2
n n
n
( xi − x ) 2
xi2 xi
i =1 i =1
s =
2 i =1
sx2 = x 2 − x 2 = −
n
x
n n
2
k
k k
(x − x ) n i
2
i x n xi ni
2
i i
− k
i =1 i =1 i =1
s =
2
sx = x − x = k
2 2 2
x k
n i ni ni
i =1 i =1 i =1
k k k
sx2 = (xi − x ) 2 pi sx2 = x 2 − x 2 = xi2 pi − ( xi pi )2
i =1 i =1 i =1
k k k
six2 ni
i =1
(xi − x )2ni
i =1
xn
i =1
i i
s =s +s =
2
x
2 2
x k
+ k
x= k
ni
i =1
n
i =1
i n
i =1
i
k k k
sx2 = six2 pi + (xi − x ) 2 pi x = xi pi
i =1 i =1 i =1
sx
sx = sx2 vx =
x
1
Pravděpodobnost
Počet pravděpodobnosti
P ( A ) = 1 − P(A)
m
P(A) =
n
P(A B) ≤ min(P(A), P(B)) P(A B) = P(A) P(B)
P(A B) = P(A) + P(B) − P(A B) P(A B) = P(A) + P(B)
Náhodné veličiny
P(x) = P(X = x) F(x) = P(X x) = P( x j ) P(x1 X x2 ) = P(x) = F (x2 ) − F (x1 )
xj x x1 x x2
2
E (X ) = x P(x) D(X ) = E (X ) − E (X ) = x P(x) − xP(x)
2 2 2
x x x
x
f (x) = F (x) f (x )dx = 1 F(x) = P(X x) = f (t )dt
− −
x2
xP , 0 < P < 1 F ( xP ) = P xP = F −1 ( P )
2
x f (x)dx D( X ) = x f ( x)dx − xf ( x)dx = D(X )
2
E (X ) =
− − −
Pravděpodobnostní rozdělení
Alternativní rozdělení A()
P ( x ) = x (1 − )1− x x = 0, 1, 0 1
E(X) = D ( X ) = (1 − )
2
pravděpodobnost
Hypergeometrické rozdělení Hg(M, N, n)
M N −M
x n−x
P (x ) = , x = max ( 0,M − N + n ) , ..., min(M, n), 1 ≤ n < N, 1 ≤ M < N
N
n
M M M N −n
E (X ) = n D(X ) = n 1 −
N N N N −1
3
Matematická statistika
n
(X i − X )2
S= i =1
n −1
Bodové a intervalové odhady parametrů (teoretické intervaly spolehlivosti)
střední hodnota ˆ = X N = NX
normální rozdělení
a) 2 známý
P X − u1− / 2 X + u1− / 2 = 1−
n n
P X − u1− = 1− , P X + u1− = 1−
n n
b) 2 neznámý
S S
P X − t1− / 2 X + t1− / 2 = 1− T ~ t(n – 1)
n n
S S
P X − t1− = 1− , P X + t1− = 1−
n n
S S
P X − u1− E (X ) = 1 − , P E (X ) X + u1− = 1−
n n
P(1 − P) P(1 − P)
P P − u1− / 2 P + u1− / 2 = 1 −
n n
P(1 − P) P(1 − P)
P P − u1− = 1 − P P + u1− = 1 −
n n
4
matematická statistika
Testování statistických hypotéz
Střední hodnota normálního rozdělení
H0 H1 Testové kritérium Kritický obor
= 0 > 0 2 známý W ={u; u u1-}
< 0 X − 0 W ={u; u -u1-}
0 U= n U ~ N(0,1) W ={u; u u1-/2}
2 neznámý W ={t; t t1-}
X − 0 W ={t; t -t1-}
T= n T ~ t(n – 1) W ={t; t t1-/2}
S
5
Analýza závislostí
Kontingenční tabulka (r x s)
r s r s ni+ n+ j
nij = ni+ = n+ j = n nij =
n
nij 5
i=1 j =1 i=1 j =1
G G
C= V= , m = min (r, s)
G+n n (m − 1)
Analýza rozptylu
nj nj
S y .m = ( y j − y ) n j
k
S y = ( y ji − y ) = Sy.m + Sy.ν S y. = ( y ji − y j )
k 2 k
2 2
j =1 i =1 j =1 j =1 i =1
S y .m
P2 =
Sy
F = k −1 F ~ F(k – 1, n – k)
S y .v
n−k
Regrese a korelace
regresní přímka y = 0 + 1x + ,
n
Y = b0 + b1 x, yˆ = ˆ0 + ˆ1 x minimum 0 , 1 (y −
i =1
i 0 − 1 xi ) 2
n
( x − x )( y − y )
i i
sxy = i =1
= xy − x . y
n
n yi xi − xi
yi = xy − x . y = sxy
b1 = ˆ1 =
n xi2 − ( xi )
2
x2 − x 2 sx2
ˆ
b0 = 0 =
yi xi2 − yi xi xi
= y − ˆ1x
n xi − ( xi )
2 2
6
analýza závislostí
n
S y = ( yi − y )
n n n
ST = ( yˆi − y ) S R = ( yi − yˆi ) = ˆi2
2 2 2
SR SR
Sy = ST + SR sR2 = sR = = sR2
n− p n− p
ST n −1
R2 = I 2 = 2
I ADJ = RADJ
2
= 1 − (1 − I 2 )
Sy n− p
korelační koeficient
n n n
n xi yi − xi yi
xy − x y sxy
ryx = rxy = i =1 i =1 i =1
= =
n
n xi2 − ( xi ) 2
n n
n yi2 − ( yi ) 2
n
(x 2
− x2 )( y 2
− y2 ) sx s y
i =1 i =1 i =1 i =1
7
Časové řady
T T −1
y1 + y2 y2 + y3 y +y
t =1
y t + + ... + T −1 T
1
2
1
y1 + yt + yT
2
y= y= 2 2 2 = t =2
T T −1 T −1
y1 + y2 y + y3 y +y
d1 + 2 d 2 + ... + T −1 T dT −1
y= 2 2 2
d1 + d 2 + ... + dT −1
T
yt yT − y1
yt = yt − yt−1 y = t =2
=
T −1 T −1
yt yT
kt = k = T −1 k2 k3 ... kT = T −1 t = kt − 1 = k −1
yt −1 y1
Modelování trendu
Trendové funkce
Tt = 0 + 1t Tˆt = ˆ0 + ˆ1t Tt = 0 + 1t + 2t2 Tˆt = ˆ0 + ˆ1t + ˆ2t 2
T
( yt − yˆt )2
T
(ˆt − ˆt −1 )
2
t =1 t =2
MSE = DW = T
T
ˆt2
t =1
Klouzavé průměry
yt − p + ... + yt −1 + yt + yt +1 + ... + yt + p
m = 2p + 1 Tˆt = yt =
m
m = 2p Tˆt = yt =
1
2m
(
yt − p + 2 yt − p +1 + ... + 2 yt −1 + 2 yt + 2 yt +1 + ... + 2 yt + p −1 + yt + p )
Modelování sezónnosti
Regresní metoda s umělými proměnnými (lineární trend, sezónnost délky 4)
yt = Tt + St + εt = 0 + 1t + 1D1t + 2D2t + 3D3t + 4D4t + t
yt* = 0* + 1*t + 1*D1t + 2*D2t + 3*D3t + t
ˆ1* + ˆ2* + ˆ3*
sˆ = Sˆ j = ˆ j = ˆ j − sˆ, j = 1, 2, 3 Sˆ4 = ˆ4 = − sˆ ˆ0 = ˆ0* + sˆ
4
s
Sˆ j = 0
j =1
8
Indexní analýza
Individuální indexy jednoduché
Q
p= IQ = Iq Ip
q
p q Q1
Ip = 1 p = p1 − p0 Iq = 1 q = q1 − q0 IQ = Q = Q1 − Q0
p0 q0 Q0
yt yt I
I t /1 = = I 2/1 I 3/2 ... I t / t −1 I t / t −1 = = t /1
y1 yt −1 I t −1/1
I Σq =
q1 = Iq . q0 = q1 q = q1 − q0
q0 q0 q1
Iq
I ΣQ =
Q = p q
1 1 1
=
IQ . Q = Q0 1
Q = Q1 − Q0
Q p q0 0 0 Q 0
Q
IQ 1
Q
Q1 p1q1
1
Q
p 1
q1 = q1 = p = p1 − p0 = p q
p p1q1
Ip = 1 = 1
− 0 0
p0 Q0 p0 q0 Q 0 q1 q 0
q0 q0 Q
p 0
Souhrnné indexy
Ip ( L ) =
p1q0 = Ip . p0q0 = Ip . Q0 Ip ( P ) =
pq = pq
1 1 1 1
=
Q 1
p0q0 p0q0 Q0 p q pq
0 1 1 1 Q
Ip 1
Ip
Ip ( F ) = Ip ( L ) . Ip ( P )
Iq ( L ) =
p q 0 1
=
Iq . p q 0 0
=
Iq . Q 0
Iq ( P ) =
pq
1 1
=
pq 1 1
=
Q 1
p q 0 0 p q 0 0 Q 0 pq
1 0
pq
Iq 1 1 Q
Iq 1
Iq ( F ) = Iq ( L ) Iq ( P )