Ve středu 26. března 2025 se podařilo týmu Multimediaexpo.cz
dokončit zcela nový balíček 1 000 000 fotografií na plných 100 procent !
Nedostižná hranice 4 000 000 fotografií se února 2026 už nedožije...
FFresh emotion happy.png

Modus

Z Multimediaexpo.cz

(Rozdíly mezi verzemi)
m (1 revizi)
m (Nahrazení textu „</math>“ textem „\)</big>“)
 
(Nejsou zobrazeny 2 mezilehlé verze.)
Řádka 1: Řádka 1:
-
{{Wikipedia-cs|Modus|700}}
+
: ''Další významy jsou uvedeny v článku'': [[Modus (rozcestník)]].
 +
'''Modus''' [[náhodná veličina|náhodné veličiny]] <big>X</big> (označováno jako <big>\(\operatorname{Mod}(X)\)</big> nebo <big>\(\hat{x}\)</big>) je hodnota, která se v daném [[statistický soubor|statistickém souboru]] vyskytuje nejčastěji (je to hodnota znaku s největší relativní četností). Představuje jakousi typickou hodnotu sledovaného souboru a jeho určení předpokládá roztřídění souboru podle obměn znaku.
 +
== Definice ==
 +
Modus diskrétní [[náhodná veličina|náhodné veličiny]] je taková hodnota <big>x^</big>, která pro všechny hodnoty <big>xi</big> náhodné veličiny X splňuje podmínku
 +
:<big>P[X=x^]P[X=xi]</big>
 +
 +
Pro spojitou náhodnou veličinu <big>X</big> definujeme modus podmínkou
 +
:<big>f(x^)f(x)</big>,
 +
kde <big>f</big> je [[hustota pravděpodobnosti]] náhodné veličiny <big>X</big>.
 +
 +
== Vlastnosti ==
 +
Modus nemusí být [[rozdělení pravděpodobnosti|rozdělením pravděpodobnosti]] určen jednoznačně (tzn. že se stejnou nejvyšší frekvencí se může vyskytovat více hodnot). Rozdělení pravděpodobnosti s jedním modem se nazývají ''jednovrcholová'' (''unimodální''), rozdělení pravděpodobnosti s dvěma vrcholy se pak nazývají ''dvouvrcholová'' (''bimodální'').
 +
 +
Mezi aritmetickým průměrem, mediánem a modem unimodálních rozdělení četností existují určité vztahy, které charakterizují tvar rozdělení četností. U zcela symetrických jednovrcholových četností platí vztah:
 +
 +
<big>x¯=x~=x^</big>
 +
 +
tj. [[aritmetický průměr]], [[medián]] a modus jsou si rovny. Čím bude rozdělení četností asymetričtější, tím více se budou tyto tři střední hodnoty od sebe odlišovat.
 +
 +
Výhodou modu je, že ho lze snadno použít i pro nominální nebo ordinální data, kde např. [[aritmetický průměr]] použít nelze. Např. modus souboru { ''jablko, pomeranč, hruška, pomeranč, jablko, jablko, hruška'' } je ''jablko''.
 +
 +
== Související články ==
 +
* [[Charakteristika náhodné veličiny]]
 +
 +
 +
{{Článek z Wikipedie}}
[[Kategorie:Statistika]]
[[Kategorie:Statistika]]

Aktuální verze z 14. 8. 2022, 14:52

Další významy jsou uvedeny v článku: Modus (rozcestník).

Modus náhodné veličiny X (označováno jako Mod(X) nebo x^) je hodnota, která se v daném statistickém souboru vyskytuje nejčastěji (je to hodnota znaku s největší relativní četností). Představuje jakousi typickou hodnotu sledovaného souboru a jeho určení předpokládá roztřídění souboru podle obměn znaku.

Definice

Modus diskrétní náhodné veličiny je taková hodnota x^, která pro všechny hodnoty xi náhodné veličiny X splňuje podmínku

P[X=x^]P[X=xi]

Pro spojitou náhodnou veličinu X definujeme modus podmínkou

f(x^)f(x),

kde f je hustota pravděpodobnosti náhodné veličiny X.

Vlastnosti

Modus nemusí být rozdělením pravděpodobnosti určen jednoznačně (tzn. že se stejnou nejvyšší frekvencí se může vyskytovat více hodnot). Rozdělení pravděpodobnosti s jedním modem se nazývají jednovrcholová (unimodální), rozdělení pravděpodobnosti s dvěma vrcholy se pak nazývají dvouvrcholová (bimodální).

Mezi aritmetickým průměrem, mediánem a modem unimodálních rozdělení četností existují určité vztahy, které charakterizují tvar rozdělení četností. U zcela symetrických jednovrcholových četností platí vztah:

x¯=x~=x^

tj. aritmetický průměr, medián a modus jsou si rovny. Čím bude rozdělení četností asymetričtější, tím více se budou tyto tři střední hodnoty od sebe odlišovat.

Výhodou modu je, že ho lze snadno použít i pro nominální nebo ordinální data, kde např. aritmetický průměr použít nelze. Např. modus souboru { jablko, pomeranč, hruška, pomeranč, jablko, jablko, hruška } je jablko.

Související články