http://www.kiwiki.info/api.php?action=feedcontributions&feedformat=atom&user=JillieKiwiki - Príspevky používateľa [sk]2026-04-16T14:11:11ZPríspevky používateľaMediaWiki 1.34.0http://www.kiwiki.info/index.php?title=Testovanie_%C5%A1tatistick%C3%BDch_hypot%C3%A9z,_parametrick%C3%A9_testovanie_jedn%C3%A9ho_s%C3%BAboru,_porovn%C3%A1vanie_dvoch_s%C3%BAborov,_test_dobrej_zhody&diff=9548Testovanie štatistických hypotéz, parametrické testovanie jedného súboru, porovnávanie dvoch súborov, test dobrej zhody2011-03-20T10:52:08Z<p>Jillie: /* Test dobrej zhody */</p>
<hr />
<div>{{Kolokviálna skúška (hlavička)}} <br />
<br />
== Testovanie štatistických hypotéz ==<br />
<br />
<br />
Štatistická hypotéza je istá domnienka (tvrdenie) o vlastnostiach rozdelenia pravdepodobnosti náhodnej premennej X alebo viacerých náhodných premenných. Testovanie štatistickej hypotézy (môžeme povedať aj overovanie pravdivosti domnienky) je postup, pri ktorom na základe náhodného výberu zo základného súboru rozhodneme, či na zvolenej hladine významnosti (t. j. so spoľahlivosťou 1) danú hypotézu zamietame (neprijmeme) alebo nezamietame (prijmeme). V prípade zamietnutia prijmeme alternatívnu (opačnú) hypotézu.<br />
<br />
<br />
'''Základné pojmy testovania štatistických hypotéz:'''<br />
<br />
1. Nulová hypotéza H<sub>0</sub> je hypotéza (domnienka), ktorej platnosť overujeme. Je napr.tvaru H<sub>0</sub> : Q = Q<sub>0</sub>, kde Q je parameter základného súboru a Q<sub>0</sub> je konkrétna konštanta. Môžeme ju zapísať aj v tvare H<sub>0</sub> : Q - Q<sub>0</sub> = 0 (porovnávanie s nulou), a preto je štandardne používaný názov nulová hypotéza.<br />
<br />
2. Alternatívna hypotéza H<sub>1</sub> je hypotéza (domnienka), ktorú prijímame v prípade neprijatia nulovej hypotézy. Jej tvar závisí od samotnej formulácie testovania. Má tri základné tvary:<br />
a) pravostranná alternatívna hypotéza : H<sub>1</sub> : Q > Q<sub>0</sub>;<br />
b) ľavostranná alternatívna hypotéza : H<sub>1</sub> : Q < Q<sub>0</sub>;<br />
c) obojstranná alternatívna hypotéza : H<sub>1</sub> : Q ҂ Q<sub>0</sub>.<br />
<br />
3. Testovacia charakteristika G je istá konkrétna funkcia (presnejšie náhodná premenná) G = g(x1; x2; : : : ; xn), ktorá závisí od náhodného<br />
výberu. Pre každú dvojicu H<sub>0</sub> a H<sub>1</sub> má špeciálny tvar a rozdelenie pravdepodobnosti.<br />
<br />
4. Kritická oblasť Kα alebo oblasť zamietnutia je množina (spravidla interval(y), ktorá je určená kvantilom testovacej charakteristiky<br />
<br />
5. Hypotézu H<sub>0</sub> zamietame na hladine významnosti práve vtedy, keď hodnota testovacej charakteristiky G ϵ K (t. j. prijímame alternatívnu hypotézu H<sub>1</sub>).<br />
<br />
<br />
'''Etapy testovania štatistických hypotéz:'''<br />
<br />
1. Formulujeme predpoklady o náhodných premenných, ktorých sa testovanie týka.<br />
<br />
2. Zvolíme hladinu významnosti α resp. koecient spoľahlivosti γ = 1-α .<br />
<br />
3. Formulujeme nulovú hypotézu H<sub>0</sub> a alternatívnu hypotézu H<sub>1</sub>.<br />
<br />
4. Zo získaného náhodného výberu vyčíslime hodnotu príslušnej testovacej charakteristiky G = g(x1; x2; : : : ; xn).<br />
<br />
5. Na základe zodpovedajúceho kvantilu určíme kritickú oblasť Kα.<br />
<br />
6. Urobíme záver testovania, ktorý spočíva<br />
- buď v zamietnutí H<sub>0</sub> (a teda prijatí H<sub>1</sub>)<br />
- alebo v prijatí (nezamietnutí) H<sub>0</sub>.<br />
<br />
<br />
== Parametrické testovanie jedného súboru ==<br />
<br />
<br />
Proti sebe postavíme dve disjunktné hypotézy:<br />
- nulovú hypotézu H<sub>0</sub> : θ ҂ θ<sub>0</sub><br />
- alternatívnu hypotézu (opačné tvrdenie k nulovej hypotéze) H<sub>1</sub> : θ = θ<sub>0</sub> (obojstranný test).<br />
<br />
V prípade jednostranného testu staviame proti nulovej hypotéze H<sub>0</sub> : θ = θ<sub>0</sub> alternatívnu hypotézu:<br />
- pre pravostranný test H<sub>1</sub> : θ < θ<sub>0</sub><br />
- pre ľavostranný test H<sub>1</sub> : θ > θ<sub>0</sub> <br />
<br />
K rozhodovaniu použijeme vhodnú funkciu náhodnej veličiny, ktorú nazveme testovacia štatistika (kritérium). Obor hodnôt testovacej štatistiky rozdelíme na dve disjunktné (jedna odporuje druhej) časti:<br />
- obor prijatia hypotézy H<sub>0</sub><br />
- obor zamietnutia (neprijatia) hypotézy H<sub>0</sub><br />
<br />
<br />
== Porovnávanie dvoch súborov ==<br />
<br />
Často sa v praxi stretávame so situáciou, keď chceme porovnávať dva súbory. Tým máme na mysli porovnávať parametre týchto dvoch súborov, tj. či je jeden väčší alebo menší ako druhý resp. či sa rovnajú. Porovnávať budeme zrejme stredné hodnoty týchto súborov, tj. parameter µ<sub>1</sub> prvého súboru s parametrom µ <sub>2</sub> druhého súboru. Ako vieme najlepšími odhadmi parametra µ je výberový priemer x.<br />
Pri porovnávaní priemerov dvoch súborov môžeme testovať niekoľko hypotéz. Zaujímať nás môže, či sa priemery rovnajú alebo nie (obojstranný test), alebo či jeden menší resp. väčší ako druhý (jednostranný test). Pre uvedené situácie môžeme sformulovať nasledovné hypotézy:<br />
- H<sub>0</sub> : µ <sub>1</sub> = µ <sub>2</sub> <br />
proti <br />
- H<sub>1</sub> : µ <sub>1</sub> ҂ µ <sub>2</sub> alebo H<sub>1</sub> : µ <sub>1</sub> > µ <sub>2</sub> alebo H<sub>1</sub> : µ <sub>1</sub> < µ <sub>2</sub><br />
<br />
<br />
== Test dobrej zhody ==<br />
Testujeme nimi rozdelenie početnosti ako celku.<br />
Možno nimi riešiť napr. nasledovné úlohy:<br />
• či empirický súbor pochádza zo ZS s určitými charakteristikami,<br />
• či určité teoretické rozdelenie pravdepodobností možno použiť ako model pre sledovaný výberový súbor,<br />
• či dva náhodné výbery pochádzajú z jedného súboru, a pod. <br />
<br />
Testy dobrej zhody môžu byť:<br />
<br />
a) parametrické<br />
<br />
• Pearsonov test<br />
<br />
• Fischerov test<br />
<br />
• Romanovského test<br />
<br />
b) neparametrické <br />
<br />
• Kolmogorov <br />
<br />
• Smirnov test - pre jeden výber alebo pre dva výbery.</div>Jilliehttp://www.kiwiki.info/index.php?title=Testovanie_%C5%A1tatistick%C3%BDch_hypot%C3%A9z,_parametrick%C3%A9_testovanie_jedn%C3%A9ho_s%C3%BAboru,_porovn%C3%A1vanie_dvoch_s%C3%BAborov,_test_dobrej_zhody&diff=9547Testovanie štatistických hypotéz, parametrické testovanie jedného súboru, porovnávanie dvoch súborov, test dobrej zhody2011-03-20T10:49:38Z<p>Jillie: </p>
<hr />
<div>{{Kolokviálna skúška (hlavička)}} <br />
<br />
== Testovanie štatistických hypotéz ==<br />
<br />
<br />
Štatistická hypotéza je istá domnienka (tvrdenie) o vlastnostiach rozdelenia pravdepodobnosti náhodnej premennej X alebo viacerých náhodných premenných. Testovanie štatistickej hypotézy (môžeme povedať aj overovanie pravdivosti domnienky) je postup, pri ktorom na základe náhodného výberu zo základného súboru rozhodneme, či na zvolenej hladine významnosti (t. j. so spoľahlivosťou 1) danú hypotézu zamietame (neprijmeme) alebo nezamietame (prijmeme). V prípade zamietnutia prijmeme alternatívnu (opačnú) hypotézu.<br />
<br />
<br />
'''Základné pojmy testovania štatistických hypotéz:'''<br />
<br />
1. Nulová hypotéza H<sub>0</sub> je hypotéza (domnienka), ktorej platnosť overujeme. Je napr.tvaru H<sub>0</sub> : Q = Q<sub>0</sub>, kde Q je parameter základného súboru a Q<sub>0</sub> je konkrétna konštanta. Môžeme ju zapísať aj v tvare H<sub>0</sub> : Q - Q<sub>0</sub> = 0 (porovnávanie s nulou), a preto je štandardne používaný názov nulová hypotéza.<br />
<br />
2. Alternatívna hypotéza H<sub>1</sub> je hypotéza (domnienka), ktorú prijímame v prípade neprijatia nulovej hypotézy. Jej tvar závisí od samotnej formulácie testovania. Má tri základné tvary:<br />
a) pravostranná alternatívna hypotéza : H<sub>1</sub> : Q > Q<sub>0</sub>;<br />
b) ľavostranná alternatívna hypotéza : H<sub>1</sub> : Q < Q<sub>0</sub>;<br />
c) obojstranná alternatívna hypotéza : H<sub>1</sub> : Q ҂ Q<sub>0</sub>.<br />
<br />
3. Testovacia charakteristika G je istá konkrétna funkcia (presnejšie náhodná premenná) G = g(x1; x2; : : : ; xn), ktorá závisí od náhodného<br />
výberu. Pre každú dvojicu H<sub>0</sub> a H<sub>1</sub> má špeciálny tvar a rozdelenie pravdepodobnosti.<br />
<br />
4. Kritická oblasť Kα alebo oblasť zamietnutia je množina (spravidla interval(y), ktorá je určená kvantilom testovacej charakteristiky<br />
<br />
5. Hypotézu H<sub>0</sub> zamietame na hladine významnosti práve vtedy, keď hodnota testovacej charakteristiky G ϵ K (t. j. prijímame alternatívnu hypotézu H<sub>1</sub>).<br />
<br />
<br />
'''Etapy testovania štatistických hypotéz:'''<br />
<br />
1. Formulujeme predpoklady o náhodných premenných, ktorých sa testovanie týka.<br />
<br />
2. Zvolíme hladinu významnosti α resp. koecient spoľahlivosti γ = 1-α .<br />
<br />
3. Formulujeme nulovú hypotézu H<sub>0</sub> a alternatívnu hypotézu H<sub>1</sub>.<br />
<br />
4. Zo získaného náhodného výberu vyčíslime hodnotu príslušnej testovacej charakteristiky G = g(x1; x2; : : : ; xn).<br />
<br />
5. Na základe zodpovedajúceho kvantilu určíme kritickú oblasť Kα.<br />
<br />
6. Urobíme záver testovania, ktorý spočíva<br />
- buď v zamietnutí H<sub>0</sub> (a teda prijatí H<sub>1</sub>)<br />
- alebo v prijatí (nezamietnutí) H<sub>0</sub>.<br />
<br />
<br />
== Parametrické testovanie jedného súboru ==<br />
<br />
<br />
Proti sebe postavíme dve disjunktné hypotézy:<br />
- nulovú hypotézu H<sub>0</sub> : θ ҂ θ<sub>0</sub><br />
- alternatívnu hypotézu (opačné tvrdenie k nulovej hypotéze) H<sub>1</sub> : θ = θ<sub>0</sub> (obojstranný test).<br />
<br />
V prípade jednostranného testu staviame proti nulovej hypotéze H<sub>0</sub> : θ = θ<sub>0</sub> alternatívnu hypotézu:<br />
- pre pravostranný test H<sub>1</sub> : θ < θ<sub>0</sub><br />
- pre ľavostranný test H<sub>1</sub> : θ > θ<sub>0</sub> <br />
<br />
K rozhodovaniu použijeme vhodnú funkciu náhodnej veličiny, ktorú nazveme testovacia štatistika (kritérium). Obor hodnôt testovacej štatistiky rozdelíme na dve disjunktné (jedna odporuje druhej) časti:<br />
- obor prijatia hypotézy H<sub>0</sub><br />
- obor zamietnutia (neprijatia) hypotézy H<sub>0</sub><br />
<br />
<br />
== Porovnávanie dvoch súborov ==<br />
<br />
Často sa v praxi stretávame so situáciou, keď chceme porovnávať dva súbory. Tým máme na mysli porovnávať parametre týchto dvoch súborov, tj. či je jeden väčší alebo menší ako druhý resp. či sa rovnajú. Porovnávať budeme zrejme stredné hodnoty týchto súborov, tj. parameter µ<sub>1</sub> prvého súboru s parametrom µ <sub>2</sub> druhého súboru. Ako vieme najlepšími odhadmi parametra µ je výberový priemer x.<br />
Pri porovnávaní priemerov dvoch súborov môžeme testovať niekoľko hypotéz. Zaujímať nás môže, či sa priemery rovnajú alebo nie (obojstranný test), alebo či jeden menší resp. väčší ako druhý (jednostranný test). Pre uvedené situácie môžeme sformulovať nasledovné hypotézy:<br />
- H<sub>0</sub> : µ <sub>1</sub> = µ <sub>2</sub> <br />
proti <br />
- H<sub>1</sub> : µ <sub>1</sub> ҂ µ <sub>2</sub> alebo H<sub>1</sub> : µ <sub>1</sub> > µ <sub>2</sub> alebo H<sub>1</sub> : µ <sub>1</sub> < µ <sub>2</sub><br />
<br />
<br />
== Test dobrej zhody ==<br />
Testujeme nimi rozdelenie početnosti ako celku.<br />
Možno nimi riešiť napr. nasledovné úlohy:<br />
• či empirický súbor pochádza zo ZS s určitými charakteristikami,<br />
• či určité teoretické rozdelenie pravdepodobností možno použiť ako model pre sledovaný výberový súbor,<br />
• či dva náhodné výbery pochádzajú z jedného súboru, a pod. <br />
<br />
Testy dobrej zhody môžu byť:<br />
a) parametrické<br />
• Pearsonov test<br />
• Fischerov test<br />
• Romanovského test<br />
b) neparametrické – napr. Kolmogorov –Smirnov test a to pre jeden výber alebo pre dva výbery.</div>Jilliehttp://www.kiwiki.info/index.php?title=Testovanie_%C5%A1tatistick%C3%BDch_hypot%C3%A9z,_parametrick%C3%A9_testovanie_jedn%C3%A9ho_s%C3%BAboru,_porovn%C3%A1vanie_dvoch_s%C3%BAborov,_test_dobrej_zhody&diff=9546Testovanie štatistických hypotéz, parametrické testovanie jedného súboru, porovnávanie dvoch súborov, test dobrej zhody2011-03-20T10:48:36Z<p>Jillie: Vytvorená stránka „{{Kolokviálna skúška (hlavička)}} == Testovanie štatistických hypotéz == Štatistická hypotéza je istá domnienka (tvrdenie) o vlastnostiach rozdelenia pravdep…“</p>
<hr />
<div>{{Kolokviálna skúška (hlavička)}} <br />
<br />
== Testovanie štatistických hypotéz ==<br />
<br />
<br />
Štatistická hypotéza je istá domnienka (tvrdenie) o vlastnostiach rozdelenia pravdepodobnosti náhodnej premennej X alebo viacerých náhodných premenných. Testovanie štatistickej hypotézy (môžeme povedať aj overovanie pravdivosti domnienky) je postup, pri ktorom na základe náhodného výberu zo základného súboru rozhodneme, či na zvolenej hladine významnosti (t. j. so spoľahlivosťou 1) danú hypotézu zamietame (neprijmeme) alebo nezamietame (prijmeme). V prípade zamietnutia prijmeme alternatívnu (opačnú) hypotézu.<br />
<br />
'''Základné pojmy testovania štatistických hypotéz:'''<br />
<br />
1. Nulová hypotéza H<sub>0</sub> je hypotéza (domnienka), ktorej platnosť overujeme. Je napr.tvaru H<sub>0</sub> : Q = Q<sub>0</sub>, kde Q je parameter základného súboru a Q<sub>0</sub> je konkrétna konštanta. Môžeme ju zapísať aj v tvare H<sub>0</sub> : Q - Q<sub>0</sub> = 0 (porovnávanie s nulou), a preto je štandardne používaný názov nulová hypotéza.<br />
<br />
2. Alternatívna hypotéza H<sub>1</sub> je hypotéza (domnienka), ktorú prijímame v prípade neprijatia nulovej hypotézy. Jej tvar závisí od samotnej formulácie testovania. Má tri základné tvary:<br />
a) pravostranná alternatívna hypotéza : H<sub>1</sub> : Q > Q<sub>0</sub>;<br />
b) ľavostranná alternatívna hypotéza : H<sub>1</sub> : Q < Q<sub>0</sub>;<br />
c) obojstranná alternatívna hypotéza : H<sub>1</sub> : Q ҂ Q<sub>0</sub>.<br />
<br />
3. Testovacia charakteristika G je istá konkrétna funkcia (presnejšie náhodná premenná) G = g(x1; x2; : : : ; xn), ktorá závisí od náhodného<br />
výberu. Pre každú dvojicu H<sub>0</sub> a H<sub>1</sub> má špeciálny tvar a rozdelenie pravdepodobnosti.<br />
<br />
4. Kritická oblasť Kα alebo oblasť zamietnutia je množina (spravidla interval(y), ktorá je určená kvantilom testovacej charakteristiky<br />
<br />
5. Hypotézu H<sub>0</sub> zamietame na hladine významnosti práve vtedy, keď hodnota testovacej charakteristiky G ϵ K (t. j. prijímame alternatívnu hypotézu H<sub>1</sub>).<br />
<br />
'''Etapy testovania štatistických hypotéz:'''<br />
<br />
1. Formulujeme predpoklady o náhodných premenných, ktorých sa testovanie týka.<br />
<br />
2. Zvolíme hladinu významnosti α resp. koecient spoľahlivosti γ = 1-α .<br />
<br />
3. Formulujeme nulovú hypotézu H<sub>0</sub> a alternatívnu hypotézu H<sub>1</sub>.<br />
<br />
4. Zo získaného náhodného výberu vyčíslime hodnotu príslušnej testovacej charakteristiky G = g(x1; x2; : : : ; xn).<br />
<br />
5. Na základe zodpovedajúceho kvantilu určíme kritickú oblasť Kα.<br />
<br />
6. Urobíme záver testovania, ktorý spočíva<br />
- buď v zamietnutí H<sub>0</sub> (a teda prijatí H<sub>1</sub>)<br />
- alebo v prijatí (nezamietnutí) H<sub>0</sub>.<br />
<br />
<br />
== Parametrické testovanie jedného súboru ==<br />
<br />
<br />
Proti sebe postavíme dve disjunktné hypotézy:<br />
- nulovú hypotézu H<sub>0</sub> : θ ҂ θ<sub>0</sub><br />
- alternatívnu hypotézu (opačné tvrdenie k nulovej hypotéze) H<sub>1</sub> : θ = θ<sub>0</sub> (obojstranný test).<br />
<br />
V prípade jednostranného testu staviame proti nulovej hypotéze H<sub>0</sub> : θ = θ<sub>0</sub> alternatívnu hypotézu:<br />
- pre pravostranný test H<sub>1</sub> : θ < θ<sub>0</sub><br />
- pre ľavostranný test H<sub>1</sub> : θ > θ<sub>0</sub> <br />
<br />
K rozhodovaniu použijeme vhodnú funkciu náhodnej veličiny, ktorú nazveme testovacia štatistika (kritérium). Obor hodnôt testovacej štatistiky rozdelíme na dve disjunktné (jedna odporuje druhej) časti:<br />
- obor prijatia hypotézy H<sub>0</sub><br />
- obor zamietnutia (neprijatia) hypotézy H<sub>0</sub><br />
<br />
<br />
== Porovnávanie dvoch súborov ==<br />
<br />
Často sa v praxi stretávame so situáciou, keď chceme porovnávať dva súbory. Tým máme na mysli porovnávať parametre týchto dvoch súborov, tj. či je jeden väčší alebo menší ako druhý resp. či sa rovnajú. Porovnávať budeme zrejme stredné hodnoty týchto súborov, tj. parameter µ<sub>1</sub> prvého súboru s parametrom µ <sub>2</sub> druhého súboru. Ako vieme najlepšími odhadmi parametra µ je výberový priemer x.<br />
Pri porovnávaní priemerov dvoch súborov môžeme testovať niekoľko hypotéz. Zaujímať nás môže, či sa priemery rovnajú alebo nie (obojstranný test), alebo či jeden menší resp. väčší ako druhý (jednostranný test). Pre uvedené situácie môžeme sformulovať nasledovné hypotézy:<br />
- H<sub>0</sub> : µ <sub>1</sub> = µ <sub>2</sub> <br />
proti <br />
- H<sub>1</sub> : µ <sub>1</sub> ҂ µ <sub>2</sub> alebo H<sub>1</sub> : µ <sub>1</sub> > µ <sub>2</sub> alebo H<sub>1</sub> : µ <sub>1</sub> < µ <sub>2</sub><br />
<br />
<br />
== Test dobrej zhody ==<br />
Testujeme nimi rozdelenie početnosti ako celku.<br />
Možno nimi riešiť napr. nasledovné úlohy:<br />
• či empirický súbor pochádza zo ZS s určitými charakteristikami,<br />
• či určité teoretické rozdelenie pravdepodobností možno použiť ako model pre sledovaný výberový súbor,<br />
• či dva náhodné výbery pochádzajú z jedného súboru, a pod. <br />
<br />
Testy dobrej zhody môžu byť:<br />
a) parametrické<br />
• Pearsonov test<br />
• Fischerov test<br />
• Romanovského test<br />
b) neparametrické – napr. Kolmogorov –Smirnov test a to pre jeden výber alebo pre dva výbery.</div>Jilliehttp://www.kiwiki.info/index.php?title=Diskusia:%C4%8Co_n%C3%A1m_pon%C3%BAka_umel%C3%A1_inteligencia%3F&diff=8408Diskusia:Čo nám ponúka umelá inteligencia?2010-11-28T19:31:08Z<p>Jillie: </p>
<hr />
<div>'''Hodnotenie:'''<br />
<br />
'''Obsah''' - text je stručný a má dostatok príkladov na spresnenie, čo prispelo k lepšiemu pochopeniu problematiky - '''2 body'''<br />
<br />
'''Náročnosť problematiky''' - problematika sama o sebe je viac menej nenáročná - '''2 body'''<br />
<br />
'''Spôsob spracovania''' - jednoducho a prehľadne spracovaná problematika, mala viac pohľadov na danú problematiku – '''1 bod'''<br />
<br />
'''Zvolený názov''' - zvolený názov práce vystihuje jej obsah - '''1 bod'''<br />
<br />
'''Formálna stránka''' - práca je členená do odsekov a je prehľadná - '''2 body'''<br />
<br />
'''Celkový počet bodov: 8''' -- [[Redaktor:Jillie|Jillie]] 20:30, 28. november 2010 (CET) Krajčíková Katarína</div>Jilliehttp://www.kiwiki.info/index.php?title=Diskusia:%C4%8Co_n%C3%A1m_pon%C3%BAka_umel%C3%A1_inteligencia%3F&diff=8407Diskusia:Čo nám ponúka umelá inteligencia?2010-11-28T19:30:31Z<p>Jillie: Vytvorená stránka „'''Hodnotenie:''' '''Obsah''' - text je stručný a má dostatok príkladov na spresnenie, čo prispelo k lepšiemu pochopeniu problematiky - '''2 body''' '''Náročnosť…“</p>
<hr />
<div>'''Hodnotenie:'''<br />
<br />
'''Obsah''' - text je stručný a má dostatok príkladov na spresnenie, čo prispelo k lepšiemu pochopeniu problematiky - '''2 body'''<br />
<br />
'''Náročnosť problematiky''' - problematika sama o sebe je viac menej nenáročná - '''2 body'''<br />
<br />
'''Spôsob spracovania''' - jednoducho a prehľadne spracovaná problematika, mala viac pohľadov na danú problematiku – '''1 bod'''<br />
<br />
'''Zvolený názov''' - zvolený názov práce vystihuje jej obsah - '''1 bod'''<br />
<br />
'''Formálna stránka''' - práca je členená do odsekov a je prehľadná - '''2 body'''<br />
<br />
'''Celkový počet bodov: 8'''--[[Redaktor:Jillie|Jillie]] 20:30, 28. november 2010 (CET) Krajčíková Katarína</div>Jilliehttp://www.kiwiki.info/index.php?title=Umel%C3%A1_inteligencia_-_ak%C3%BD_vplyv_m%C3%A1_na_bud%C3%BAcnos%C5%A5%3F&diff=8107Umelá inteligencia - aký vplyv má na budúcnosť?2010-11-19T13:36:57Z<p>Jillie: Vytvorená stránka „{{Expertné systemy (esej)}} {{Hlavička_FM |Krajčíková Katarína |Ing. Andrea Julény |2010/2011 |esej |Manažérstvo kvality produkcie, druhý ročník, II. stupeň }…“</p>
<hr />
<div>{{Expertné systemy (esej)}}<br />
{{Hlavička_FM<br />
|Krajčíková Katarína<br />
|Ing. Andrea Julény<br />
|2010/2011<br />
|esej<br />
|Manažérstvo kvality produkcie, druhý ročník, II. stupeň <br />
}}<br />
<br />
{{Abstrakt<br />
|Téma, ktorou sa vo svojej práci budem zaoberať, je umelá inteligencia. Budem sa snažiť vysvetliť čo je to umelá inteligencia, čo je schopná robiť dnes a čo bude schopná robiť v budúcnosti.<br />
|The theme, which in my work I deal with is artificial intelligence. I will try to explain what is artificial intelligence, what is capable of doing today and what will be able to do in the future.<br />
}}<br />
<br />
==Úvod:==<br />
Umelá inteligencia je v súčasnej dobe vo svete veľmi diskutovaný pojem. Veľa ľudí očakáva od umelej inteligencie určité nahradenie človeka. Napriek tomu nemožno a ani nebude možné nahradiť charakter ľudského zmýšľania. Umelá inteligencia je však exaktná veda s ďaleko rozsiahlymi dôsledkami pre budúcnosť ľudstva. Technika by nám mala slúžiť na to, aby nám život uľahčovala a nie nás ovládala.<br />
<br />
==Umelá inteligencia a jej vplyv na budúcnosť ľudstva==<br />
<br />
V začiatkoch umelej inteligencie bolo potrebné vyriešiť problém komunikácie stoj – človek a zabezpečiť komunikáciu v ich prirodzenom jazyku. Tak vznikli prvé programovacie jazyky, používajúce štatistické modely a prezentácie znalostí. Najväčší dôraz sa kládol na prácu so symbolmi. Aj keď práca so symbolmi bola zložitá, napriek tomu sa začali využívať symbolické subsystémy. Vznikali expertné systémy, ktoré dláždili cestu umelej inteligencii. Začala sa vo veľkom rozrastať výpočtová technika a medzi prvé praktické výsledky patrí zautomatizovanie výrobnej linky. <br />
Kladie sa množstvo otázok, či v budúcnosti bude možné, aby ľudí nahradili stroje a či vôbec tieto stroje budú schopné napodobniť človeka. Ako prvý sa touto témou zaoberal zakladateľ informatiky a počítačový špecialista Alan Turing. Presadzoval názor, podľa ktorého by myslenie človeka bolo možno imitovať programom v počítači a tak dal základ vednej disciplíne o umelej inteligencii. V roku 1950 vytvoril test, ktorý pozostáva s testovacej osoby a počítača. Testovacia osoba, čiže človek kladie sériu otázok a vypočúva dvoch neznámych respondentov, ľudskú bytosť a počítač a snaží sa určiť, ktorý z nich je počítač. Tento test sa zakladá na myšlienke, že stroj možno považovať za inteligentný, pokiaľ osoba komunikujúca s týmto počítačom nie je schopná rozlíšiť reakciu počítača a človeka. Niektorí tento test berú ako konečný cieľ umelej inteligencie. Existujú však už dosť sofistikované programy, ktoré dokážu množstvo neskúsených ľudí zmiasť. <br />
Preto je dôležité sa zamyslieť nad tým, čo to vlastne inteligencia je. Je to niečo, čo meriame pomocou IQ testov? Ak to nevieme presne definovať ako potom vieme čo je to inteligencia umelá? Preto sa často umelá inteligencia popisuje len ako Turingov test, ktorý ale nedáva odpoveď na to, čo vlastne inteligencia je. Môže to byť kopírovanie ľudských kognitívnych procesov bez ľudskej inteligencie? Alebo je to schopnosť človeka myslieť? Odpovede na tieto otázky nie sú jednoznačné a je to len hra pojmov. Ale ak sa zaoberáme hlbšie týmito pojmami, môže sa nám naskytnúť otázka či sme len sme len stroje s dobrým algoritmom, silným paralelným procesorom, alebo sme ľudia ktorí dokážu niečo viac ako milovať, dávať, odpúšťať. Napriek všetkému pri slove umelá inteligencia si ľudia prestavujú humanoidných robotov, alebo nejaký chytrí program na hranie šachu, či čiernu skrinku, ktorá sa sama učí. Ale presne definovať čo je inteligentné a čo už inteligentné nie je presne nevieme a ani to nie je definovať ľahké. V spojení umelá inteligencie slovko umelá môžeme chápať ako niečo neprirodzené, respektíve vytvorené človekom. Inteligencia môže byť funkcia získavať a aplikovať vedomosti, mentálna schopnosť ako uvažovanie, plánovanie, riešenie problémov, myslenie, spracovanie myšlienky, jazyk a učenie sa, schopnosť prispôsobiť sa prostrediu, spracovať, pochopiť a profitovať so skúseností. Niet pochýb o tom, že vzniká úplne nová situácia, kedy sme schopní vytvárať umelú inteligenciu. Jej vývoj a aplikácie budú mať ďalekosiahle dôsledky nielen na prostredie ale aj na človeka. Vytvárame si konkurenta a ak s ním chceme držať krok budeme sa musieť či sa nám to páči alebo nie meniť aj my sami. Pán predsa nemôže byť hlúpejší ako sluha a tvorca hlúpejší ako jeho výtvor. Samozrejme umelá inteligencia bude mať v istých veciach navrch ale posledné slovo musí mať vždy človek. <br />
21. storočie je možno posledné storočie, v ktorom bude žiť človek ako taký, a možno aj jedno z posledných, v ktorých bude existovať človek ako ľudská bytosť, alebo bude mať aspoň niečo s ňou spoločné. Človek je to, čo chodí vzpriamene a po dvoch nohách, v hlave má mozog, správne reaguje, komunikuje, vie čítať a písať, má city a zmysel pre humor. Dnešné umelé inteligencie a roboty majú veľa vlastností, ktoré sa doteraz pripisovali iba človeku. Dôležitou filozofiou výskumu bolo vytvoriť tvar tela a na základe toho vyvinúť vnútorné myslenie a reč. Preto umelú inteligenciu bolo možné vytvoriť iba v robotovi, ktorý sa bude podobať na človeka. Väčšina vedcov nepochybuje o tom, že niektoré stroje, teda roboty s umelou inteligenciou sú schopné vnímať, učiť sa, komunikovať, reagovať, hovoriť a tvoriť ako ľudia a už dnes im nemožno odoprieť vedomie a internacionalitu. Neexistuje žiadna prekážka, ktorá by im bránila dosiahnuť úroveň inteligencie človeka. Samozrejme momentálne existuje veľké množstvo nádherných robotov, agentov, umelých bytostí, ktoré si v nejakom virtuálnom svete žijú svojím životom, problém je iba v tom, že momentálne je to skôr vedecká hračka, ktorá sa dá veľmi úspešne zostrojiť. Umelá inteligencia ktorá budí dojem že je naozaj živá - komunikuje, reaguje na okolie, môže mať dokonca pocity a tak ďalej, je to však iba prvý dojem a funguje to dobre len za veľmi obmedzených podmienok. <br />
A ako bude vyzerať človek na konci 21. storočia má už teraz vplyv vývoj technológii a vedeckých odborov ako nanotechnológia, genetika a molekulárna biológia, medicína, neurovedy. Svoje zohrá aj prostredie kde budú ľudia žiť. Je dosť pravdepodobné že ľudstvo začne používať inteligentných nanorobotov v mozgu, ktorí budú priamo komunikovať s neurónmi a spravia nás odolnejšími voči chorobám, budeme myslieť rýchlejšie, žiť lepšie a staneme sa transparentnými. Spoja sa stroje a ľudia. Budú to inteligentné stroje, ktoré nás vymenia. Už teraz robia stovky vecí, ktoré robili ľudia a to na rovnakej, ba až vyššej úrovni. Teraz sme ľudská civilizácia strojov – využívame techniku na rozšírenie svojich fyzických i psychických obzorov. Stroje robia veci rýchlejšie ako ľudia, ale zároveň neexistuje nič, čo stroj dokáže a človek nie. Strojom v prvom rade chýba to, čomu my hovoríme zdravý ľudský rozum. Nie je mysliteľné, aby sme sa stali závislými na strojoch, aby sa z nás stala záhaľčivá a tupá civilizácia, ktorá nemá prehľad, nevie robiť kompetentné rozhodnutia a ktorá stratila zmysel svojej existencie. <br />
<br />
== Záver ==<br />
<br />
Umelá inteligencia rieši rôzne úlohy a problémy. To že je to inteligencia neznamená, že bude s nami hovoriť, ale znamená to, že vie riešiť niekedy aj špecifické problémy, pre ktoré bola navrhnutá. Súčasná umelá inteligencia je práve v tomto stupni a najbližšiu dobu nám ovládnutie Zeme super inteligentnými ľuďmi vôbec nehrozí. Zatiaľ sme my tí múdrejší čo ovládajú svet a stoje tie s ktorými pracujeme. <br />
<br />
==Literatúra==<br />
<br />
[1]<br />
BENIKOVSKÝ, Branislav. FILOZOFICKÉ ASPEKTY UMELEJ INTELIGENCIE. KOŠICE, 2003. 9 s. Semestrálna práca. TECHNICKÁ UNIVERZITA KOŠICE. Dostupné z WWW: <neuron-ai.tuke.sk/~benikovs/velka%20esej.doc>.<br />
<br />
[2]<br />
HAVEL, Ivan M. . Přirozené a umělé myšlení jako filosofický problém. Glosy-info [online]. 2004, [cit. 2010-11-15]. Dostupný z WWW: <http://glosy.info/texty/prirozene-a-umele-mysleni-jako-filosoficky-problem/>.<br />
<br />
[3]<br />
Turingův test [online], posledná aktualizácie 19. 9. 2010 19:38 [cit. 2010-11-15], Wikipedie. Dostupné z WWW: <http://cs.wikipedia.org/Turing%C5%AFv_test ></div>Jillie