Rozpoznvanie obrazcov k r 2019 20 tatistika Doc
Rozpoznávanie obrazcov šk. r. 2019 -20 Štatistika Doc. RNDr. Milan Ftáčnik, CSc.
Rekapitulácia �Definícia pravdepodobnosti a jej vlastnosti �Podmienená pravdepodobnosť �Bayesov vzorec �Náhodná premenná, distribučná funkcia a funkcia hustoty pravdepodobnosti �Rozdelenia pravdepodobnosti (binomické, rovnomerné, normálne) �Číselné charakteristiky náhodnej premennej Rozpoznávanie obrazcov 2019 -20 2
Štatistika � Rozpoznávanie obrazcov 2019 -20 3
Štatistika II �Súbor vybraných jednotiek nazývame výberový súbor, alebo tiež náhodný výber zo základného súboru �Parameter rozdelenia – popisuje populáciu (základný súbor) - nepoznáme jeho hodnotu �Funkcia jednej alebo viac náhodných premenných, ktorá nezávisí na hodnotách neznámych parametrov sa nazýva štatistika Rozpoznávanie obrazcov 2019 -20 4
Štatistika III � Rozpoznávanie obrazcov 2019 -20 5
� Bodové odhady Rozpoznávanie obrazcov 2019 -20 6
Bodové odhady II � Rozpoznávanie obrazcov 2019 -20 7
Bodové odhady III � Každý výber – iný bodový odhad � Pravdepodobnosť, že určíme parameter náhodnej veličiny presne je nulová � Pri spojitej premennej – pre interval vieme pravdepodobnosť odhadu Rozpoznávanie obrazcov 2019 -20 8
Intervalový odhad Interval spoľahlivosti � Rozpoznávanie obrazcov 2019 -20 9
Intervalový odhad II � Rozpoznávanie obrazcov 2019 -20 10
Príklad � Rozpoznávanie obrazcov 2019 -20 11
Príklad II �náhodný výber 100 výrobkov �priemerná váha 2, 2 kg �smerodajná odchýlka váhy výrobkov σ = 0, 6 kg �Určite 95 -percentný obojstranný interval spoľahlivosti strednej hodnoty váhy Rozpoznávanie obrazcov 2019 -20 12
Špeciálne (výberové) rozdelenia � Rozpoznávanie obrazcov 2019 -20 13
Špeciálne (výberové) rozdelenia II � Rozpoznávanie obrazcov 2019 -20 14
Špeciálne (výberové) rozdelenia III � Rozpoznávanie obrazcov 2019 -20 15
Špeciálne (výberové) rozdelenia IV � Rozpoznávanie obrazcov 2019 -20 16
Špeciálne (výberové) rozdelenia V � Rozpoznávanie obrazcov 2019 -20 17
Testovanie hypotéz � Rozpoznávanie obrazcov 2019 -20 18
Čo rieši testovanie hypotéz? � Rozpoznávanie obrazcov 2019 -20 19
Testovacie štatistiky � Rozpoznávanie obrazcov 2019 -20 20
Testovacie štatistiky II � Rozpoznávanie obrazcov 2019 -20 21
Použitie kritickej oblasti � Rozpoznávanie obrazcov 2019 -20 22
Použitie kritickej oblasti II f(g) 1 -a a/2 GD kritická oblasť, oblasť zamietnutia H 0 oblasť prijatia H 0 Rozpoznávanie obrazcov 2019 -20 a/2 GH kritická oblasť, oblasť zamietnutia H 0 23
Postup � Rozpoznávanie obrazcov 2019 -20 24
Postup II � Rozpoznávanie obrazcov 2019 -20 25
Možné výsledky Rozpoznávanie obrazcov 2019 -20 26
P-hodnota � Rozpoznávanie obrazcov 2019 -20 27
Použitie P-hodnota II � f(g) 1 -p p/2 -G Rozpoznávanie obrazcov 2019 -20 p/2 G 28
Použitie p-hodnoty II Rozpoznávanie obrazcov 2019 -20 29
Príklad � Rozpoznávanie obrazcov 2019 -20 30
Príklad II � Rozpoznávanie obrazcov 2019 -20 31
Literatúra k štatistike http: //mi 21. vsb. cz/modul/vybrane-kapitoly-zpravdepodobnosti Dagmar Markechová, Beáta Stehlíková, Anna Tirpáková: Štatistické metódy a ich aplikácie Javier R. Movellan: Introduction to Probability Theory and Statistics Mirko Navara: Pravdepodobnost a matematická statistika Rozpoznávanie obrazcov 2019 -20 32
Vlastné čísla, vlastné vektory � Rozpoznávanie obrazcov 2019 -20 33
Príklad Rozpoznávanie obrazcov 2019 -20 34
Druhý príklad Rozpoznávanie obrazcov 2019 -20 35
Druhý príklad II Rozpoznávanie obrazcov 2019 -20 36
Singulárne číslo, singulárne vektory � Rozpoznávanie obrazcov 2019 -20 37
Singulárne číslo, singulárne vektory II � Rozpoznávanie obrazcov 2019 -20 38
Singulárne vektory II � Rozpoznávanie obrazcov 2019 -20 39
SVD – singulárny rozklad matice � Rozpoznávanie obrazcov 2019 -20 40
Singulárny rozklad matice II � Rozpoznávanie obrazcov 2019 -20 41
Singulárny rozklad matice III �Pre počet nenulových vlastných čísel r platí r = rank(A) <= min(N, D) a úsporná forma SVD je Rozpoznávanie obrazcov 2019 -20 42
Nelineárne programovanie � Rozpoznávanie obrazcov 2019 -20 43
Nelineárne programovanie II Rozpoznávanie obrazcov 2019 -20 44
Nelineárne programovanie III � Rozpoznávanie obrazcov 2019 -20 45
Nelineárne programovanie IV �Ak zmeníme podmienku viazanosti z rovností na nerovnosti, tak dostaneme �Riešime �čo prevedieme na Rozpoznávanie obrazcov 2019 -20 46
Nelineárne programovanie V �Aj pri nerovnostiach existuje minimum f(x) a vektor Lagrangeových multiplikátorov, ktorý spĺňa tzv. Kuhn-Tuckerove podmienky Rozpoznávanie obrazcov 2019 -20 47
Koniec odbočky �ale nie matematiky Rozpoznávanie obrazcov 2019 -20 48
- Slides: 48