Příklad 1 (Metoda maximální věrohodnosti): V pojišťovně naměřili ...
Příklad 1 (Metoda maximální věrohodnosti): V pojišťovně naměřili ...
Příklad 1 (Metoda maximální věrohodnosti): V pojišťovně naměřili ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
<strong>Příklad</strong> 1 (<strong>Metoda</strong> <strong>maximální</strong> <strong>věrohodnosti</strong>):<br />
V <strong>pojišťovně</strong> <strong>naměřili</strong> doby mezi dvěma hlášenými událostmi postpně rovny<br />
1.5 dne, 2.3 dne, 0.8 dne, 1.2 dne, 3.1 dne a 1.1 dne. Předpokládejme, že tyto<br />
doby pocházejí z exponenciálního rozdělení. Metodou <strong>maximální</strong> <strong>věrohodnosti</strong><br />
spočtěte odhad parametru λ.<br />
(0.6)<br />
<strong>Příklad</strong> 2 (Intervalový odhad):<br />
Roční spotřeba teplé vody měřená ve 100 dvoučlenných domácnostech je průměrně<br />
30m 3 . Výběrový rozptyl byl spočten na 64(m 6 ). Rozdělení veličiny<br />
popisující spotřebu není známo. Spočtěte na hladině 0.95 (asymptotický) oboustranný<br />
interval spolehlivosti pro střední hodnotu spotřeby teplé vody.<br />
(Použijte kvantil u0.975 = 1.96.)<br />
([29.216; 30.784])<br />
<strong>Příklad</strong> 3 (t-test):<br />
U sedmi prodávaných obrazů byla sledována jejich odhadní a poté skutečná<br />
cena. Pozorování (v tis. Kč) jsou zaznamenána v následující tabulce:<br />
odhadní 120 200 140 130 150 210 130<br />
skutečná 170 700 120 200 250 240 100<br />
Testujte na hladině 5%, zda střední hodnoty odhadních a skutečných cen jsou<br />
stejné.<br />
(Použijte kvantil t0.975,6 = 2.45 nebo t0.95,6 = 1.94.)<br />
.<br />
(T0 = 3.6, při obou možných alternativách zamítáme)<br />
<strong>Příklad</strong> 4 (χ 2 test dobré shody):<br />
Programátoři vyvinuli dva různé programy pro třídění posloupností čísel, které<br />
pak testovali na 100 různých náhodně vygenerovaných posloupnostech. První<br />
program setřídil 60 z těchto posloupností rychleji než druhý, zbylých 40 pak<br />
bylo rychlejších při použití druhého programu. Testujte na hladině 5%, zda<br />
oba programy třídí posloupnosti stejně rychle.<br />
(Použijte kvantil χ 2 0.95,1 = 3.84.)<br />
(χ 2 = 4, zamítáme)<br />
<strong>Příklad</strong> 5 (Test nezávislosti v kontingenční tabulce):<br />
V bance sledovali na 1000 klientech schopnost splácení úvěru v závislosti na<br />
1
výši platu a získali následující pozorování:<br />
plat v Kč < 20 000 20 000 - 50 000 >50 000<br />
splatil 250 460 190<br />
nesplatil 50 40 10<br />
Testujte na hladině 5%, zda je splacení úvěru závislé na výši platů.<br />
(Použijte kvantil χ 2 0.95,2 = 5.99.)<br />
(χ 2 = 20, zamítáme)<br />
<strong>Příklad</strong> 6 (Stacionarita náhodného procesu):<br />
Uvažujte procesy<br />
1. Xt = 1 + 2Yt, kde t ∈ Z a Yt jsou nezávislé, stejně rozdělené náhodné<br />
veličiny,<br />
2. Xt = t + (−1) t X, kde X je náhodná veličina, která nabývá hodnot 1<br />
nebo -1 s pravděpodobnostmi 0.5.<br />
Rozhodněte, zda jsou tyto procesy striktně nebo slabě stacionární a své rozhodnutí<br />
zdůvodněte.<br />
(1.) striktně i slabě ANO, 2.) striktně NE, slabě ANO)<br />
<strong>Příklad</strong> 7 (Klasifikace stavů Markovského řetězce s diskrétním časem):<br />
Uvažujme Markovský řetězec s maticí pravděpodobností přechodu<br />
⎛<br />
⎞<br />
P =<br />
⎜<br />
⎝<br />
Klasifikujte jednotlivé stavy.<br />
(1,2 přechodný, 3,4 trvalý nenulový)<br />
0 1 1 0 2 2<br />
1 1 0 2 2 0<br />
0 0 1 1<br />
2 2<br />
0 0 1 1<br />
2 2<br />
<strong>Příklad</strong> 8 (Matice pravděpodobností přechodu v Markovském řetězci<br />
s diskrétním časem):<br />
Vnitřní hodnocení podniku, které se provádí jednou za rok, má pět stupňů:<br />
A...výborné<br />
B...dobré<br />
C...špatné<br />
2<br />
⎟<br />
⎠ .
D...velmi špatné<br />
E...krach.<br />
K postupu do vyšší hodnotící třídy dojde, když má podnik na konci roku výnos<br />
aspoň 1 mil. Kč, k sestupu dojde, pokud dojde na konci roku ke ztrátě alespoň<br />
1 mil. Kč. Pohybuje-li se výnos mezi těmito hodnotami, zůstává hodnocení<br />
z minulého roku nezměněné. Dojde-li ke krachu, nelze činnost podniku obnovit.<br />
Pravděpodobnost, že podnik bude mít výnos větší než 1 mil. Kč, je<br />
0.25, pravděpodobnost, že podnik bude mít ztrátu větší než 1 mil. Kč, je 0.15.<br />
Sestavte matici pravděpodobností přechodů mezi jednotlivými hodnotícími třídami<br />
meziročně a po dvou letech (tj. matice 1. a 2.řádu).<br />
<strong>Příklad</strong> 9 (Stacionární rozdělení Markovského řetězce s diskrétním<br />
časem):<br />
Uvažujme Markovský řetězec s maticí pravděpodobností přechodu<br />
⎛ ⎞<br />
Najděte stacionární rozdělení.<br />
(2/5,3/10,3/10)<br />
P = ⎝<br />
1<br />
2<br />
1<br />
2<br />
1<br />
6<br />
1<br />
2 0<br />
1 0 2<br />
1 1<br />
3 2<br />
<strong>Příklad</strong> 10 (Matice pravděpodobností přechodu a matice intenzit<br />
Markovského řetězce se spojitým časem):<br />
Uvažujme proces Xt se spojitým časem t ∈ (0, ∞), který nabývá hodnot 1, 2<br />
a 3 tak, že<br />
⎠ .<br />
P (Xt+h = j|Xt = i) =min( 1 1<br />
h, )<br />
2 2<br />
pro i = j,<br />
max(1 − h, 0) pro i = j,<br />
kde i, j = 1, 2, 3, tj. s pravděpodobností 1h<br />
řetězec přejde za dobu h do některé<br />
2<br />
jiné hodnoty, jinak zůstane, pokud h ≤ 1, a pokud h > 1, už ve svém původním<br />
stavu nemůže zůstat. Sestavte matici pravděpodobností přechodu P(t) a<br />
matici intenzit Q.<br />
3