WYKŁAD 1. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady
|
|
- Seweryn Czarnecki
- 5 lat temu
- Przeglądów:
Transkrypt
1 WYKŁAD Zdarzeia losowe i prawdopodobieństwo Zmiea losowa i jej rozkłady
2 Metody statystycze metody opisu metody wioskowaia statystyczego sytetyczy liczbowy opis właściwości zbioru daych ocea charakterystyk populacji geeralej a podstawie daych częściowych = metody rachuku prawdopodobieństwa statystyka opisowa statystyka matematycza
3 Defiicja prawdopodobieństwa (klasycza) Laplace'a (8) Prawdopodobieństwem zajścia zdarzeia A azywamy iloraz liczby zdarzeń sprzyjających zdarzeiu A do liczby wszystkich możliwych przypadków, zakładając, że wszystkie przypadki wzajemie się wykluczają i są jedakowo możliwe. Jeda kostka do gry Pierre Simo de Laplace (749-87) Prawdopodobieństwo wyrzuceia 6 oczek? P(6)=/6
4 Defiicja prawdopodobieństwa częstościowa (statystycza) R.vo Mises a (93) p. rzut moetą W długiej serii doświadczeń obserwuje się pojawieie się zdarzeia A. Jeśli częstość zdarzeia A wyzaczoą jako iloraz k(a) i przy wzrastaiu długości serii zbliża się do pewej liczby p oscylując wokół tej liczby i jeśli wahaia częstości zdarzeia A przejawiają tedecję malejącą przy wzrastającym, to liczba p azywa się prawdopodobieństwem zdarzeia A.
5 ZMIENNA LOSOWA JEDNOWYMIAROWA Def., Zmieą losową jest zmiea, która przyjmuje róże wartości liczbowe, wyzaczoe przez los. (A.D. Aczel ) Def. Niech Ω będzie zbiorem zdarzeń elemetarych daego doświadczeia. Fukcję X(ω) przyporządkowującą każdemu zdarzeiu elemetaremu ω Ω jedą i tylko jedą liczbę X(ω)=x azywamy zmieą losową. (J. Jóźwiak, J.Podgórski)
6 TYPY ZMIENNEJ LOSOWEJ X skokowe (dyskrete) czyli przyjmujące skończoą lub co ajwyżej przeliczalą liczbę wartości ciągłe czyli: wartości rzeczywiste z pewego przedziału
7 Rozkład zmieej losowej skokowej = fukcja prawdopodobieństwa to uporządkoway zbiór wszystkich wartości zmieej xi wraz z przyporządkowaymi im prawdopodobieństwami p, p, p...p. 3, Fukcja prawdopodobieństwa: p i = P(X = x i ), gdzie i p i gdy zmiea losowa X przyjmuje skończoą liczbę wartości, lub i p i gdy zmiea losowa X przyjmuje ieskończoą liczbę wartości, ()
8 Rozkład prawdopodobieństwa Rozkład dystrybuaty x i 0 3 F(x) /8 4/8 7/8 Dystrybuata zmieej losowej X jest to fukcja F(x) określoa a zbiorze liczb rzeczywistych F(x) = P(X x), czyli jest to prawdopodobieństwo, że zmiea losowa X przyjmie wartość ie większą od wartości x. Dla zmieej losowej X skokowej, która przyjmuje wartości x, x,... z prawdopodobieństwami p, p,..., dystrybuata ma postać: F x PX x i pi x x i x x i x
9 Własości dystrybuaty: F dla x, 0 x, lim Fx 0 x oraz lim Fx, x F x jest fukcją iemalejącą (dla x<x zachodzi x F ) F i przedziałami stałą, x F x jest fukcją prawostroie ciągłą. P(a < X b) = F(b) F(a)
10 Rozkład prawdopodobieństwa P(0<X )=? Rozkład dystrybuaty x i 0 3 F(x) /8 4/8 7/8 P(0<X )=P(X=)+P(X=)=3/8+3/8=6/8 P(a < X b) = F(b) F(a) P(0<X )=F() - F(0)=7/8 -/8=6/8
11 ROZKŁAD DWUPUNKTOWY Zmiea losowa p. rzut moetą: reszka=0; orzeł=, Założeie: przeprowadzamy doświadczeie, którego rezultatem mogą być dwa wzajemie wykluczające się zdarzeia losowe A oraz A prawdopodobieństwo realizacji zdarzeia A wyosi p, przy czym 0<p<, prawdopodobieństwo zdarzeia A wyosi q=-p, przyporządkowując zdarzeiu A liczbę oraz zdarzeiu A liczbę 0, otrzymujemy zmieą losową X, której fukcja prawdopodobieństwa ma postać: Fukcja prawdopodobieństwa, p. P X p, PX p 0 ; 0 p
12 ROZKŁAD DWUMIANOWY Założeie Jacob Beroulli ( ) zmiea losowa X jest liczbą sukcesów zaobserwowaych w eksperymecie przeprowadzoym zgodie ze schematem Beroulliego, Schemat Beroulliego wykoujemy doświadczeie, którego rezultatem może być zdarzeie A (sukces) z prawdopodobieństwem p lub zdarzeie przeciwe (porażka) A z prawdopodobieństwem q=-p, doświadczeie powtarzamy -krotie w sposób iezależy co ozacza, że prawdopodobieństwo sukcesu pozostaje w pojedyczych próbach stałe i rówe p, liczba sukcesów jaką zaobserwujemy w wyiku -krotego powtórzeia doświadczeia, może być rówa k=0,,,...,.
13 ROZKŁAD DWUMIANOWY Zmiea losowa X ma rozkład dwumiaowy, jeśli przyjmuje wartości k= 0,,, z prawdopodobieństwami określoymi wzorem Liczbę doświadczeń oraz prawdopodobieństwo sukcesu p azywamy parametrami tego rozkładu
14 Rozkład zmieej losowej ciągłej opisay jest przez fukcją gęstości prawdopodobieństwa f(x), określoą a zbiorze liczb rzeczywistych jako: f x lim x0 P x X x x x
15 f(x) f(x) Rozkład ormaly zmieej X ~ N(m, σ) rozkład Gaussa f x xm e krzywa Gaussa Własości Jest symetrycza względem prostej x=m Osiąga maksimum rówe m x Jej ramioa mają pukty przegięcia dla x=m-σ i x=m+σ
16 Rozkład ormaly Reguła 3 sigm Prawdopodobieństwo tego, że zmiea losowa X o rozkładzie ormalym N(m, σ) przyjmie wartość różiącą się od średie o:
17 Rozkład ormaly Stadaryzacja zmieej losowej X~ N(m,σ)
18 Parametry zmieej losowej Momety zwykłe rzędu k (k=,, ) zmieej losowej X azywamy wartość oczekiwaą k-tej potęgi tej zmieej, tz.: - zmiea losowa skokowa - zmiea losowa ciągła
19 Parametry zmieej losowej Średia zmieej losowej= wartość oczekiwaa zmieej losowej= adzieja matematycza= momet zwykły pierwszego rzędu Def. Wartością oczekiwaej zmieej losowej X azywamy wyrażeie: E X i xf x i p x i dx dla zmieej losowej skokowej dla zmieej losowej ciąglej gdzie pi ozaczają wartości fukcję fukcji prawdopodobieństwa zmieej losowej X przyjmującej wartości xi (i=,,...), atomiast f(x) jest fukcją gęstości prawdopodobieństwa.
20 Parametry zmieej losowej Właściwości E(X) E(b) = b E(aX) = ae(x) E E(aX+b) = ae(x)+b Jeśli Y = X - E(X) to E(Y) = 0 E(X±Y) = E(X)±E(Y) E(XY) = E(X)*E(Y) jeśli X i Y są iezależe
21 Parametry zmieej losowej Momety cetraly rzędu k (k=,, ) zmieej losowej X azywamy wartość k oczekiwaą fukcji g(x)=[x-e(x)] tej zmieej, tz.: - zmiea losowa skokowa - zmiea losowa ciągła
22 Parametry zmieej losowej Wariacja zmieej losowej = momet cetraly drugiego rzędu
23 Wartość oczekiwaa i wariacja, p X E X E X E i i i i. p p X D X D X D i i i i ROZKŁAD DWUMIANOWY Parametry zmieej losowej
24 Parametry zmieej losowej Właściwości D²(X)=E[X-E(X)]² D²(b) = 0 D²(X+b) = D²(X) D²(aX) = a²d²(x) D²(aX+b) = a²d²(x) Jeśli to D²(Y) = Jeśli c E(X) to D²(X) < E(X-c)² D²(X±Y) = D²(X) + D²(Y) jeśli X i Y są ieskorelowae
25 PRÓBA LOSOWA Próbą losową prostą azywamy ciąg -zmieych losowych iezależych i posiadających jedakowe rozkłady takie jak rozkład zmieej losowej X w populacji geeralej Populacja geerala Próba losowa
26 STATYSTYKI Z PRÓBY STATYSTYKA (z próby) Statystyką (z próby) azywamy zmieą losową Z będącą fukcją zmieych losowych X, X, X staowiących próbę losową Przykłady: wyzaczoe z daych z próby losowej p.: średia arytmetycza, częstość względa, wariacja
27 STATYSTYKI Z PRÓBY STATYSTYKA (z próby) Statystyka jako fukcja zmieych losowych sama jest zmieą losową, która posiada pewie rozkład Rozkład statystyki Z =z(x, X, X3, X) azywa się rozkładem z próby Rozkład statystyki z próby zależy od: rozkładu zmieej losowej X w populacji geeralej liczebości próby
28 STATYSTYKI Z PRÓBY STATYSTYKA (z próby) Rozkład statystyki z próby przy ustaloym azywamy dokładym rozkładem statystyki. Rozkłady dokłade są wykorzystywae w przypadku tzw. małych prób. Rozkład graiczy statystyki (o ile taki istieje) jest wykorzystyway, gdy ie moża zaleźć dokładego rozkładu statystyki z próby. Wymaga to tzw. dużej próby.
29 STATYSTYKI Z PRÓBY ROZKŁAD ŚREDNIEJ ARYTMETYCZNEJ Z PRÓBY DLA POPULACJI NORMALNEJ ZE ZNANYM ODCHYLENIEM STANDARDOWYM ROZKŁAD DOKŁADNY Założeia X ma rozkład N(m,σ) Pobieramy -elemetową próbę losową prostą (X, X, X) Średia arytmetycza z próby posiada rozkład ormaly o stadardowym i odchyleiu
30 f(x) STATYSTYKI Z PRÓBY ROZKŁAD ŚREDNIEJ ARYTMETYCZNEJ Z PRÓBY DLA POPULACJI NORMALNEJ ZE ZNANYM ODCHYLENIEM STANDARDOWYM ROZKŁAD DOKŁADNY X:N(5;) X:N(5;0,) =00
31 STATYSTYKI Z PRÓBY ROZKŁAD ŚREDNIEJ ARYTMETYCZNEJ Z PRÓBY DLA POPULACJI NORMALNEJ Z NIEZNANYM ODCHYLENIEM STANDARDOWYM ROZKŁAD mała DOKŁADNY próba W.S.Gosset odkrył w 908r rozkład statystyczy zależy od pomiarów x i, a iezależy od wariacji => rozkład t-studeta. Założeia: Cecha X ma w populacji rozkład ormaly ze średia m i William Sealy Gosset ( ). odchyleiem stadardowym σ, Z populacji pobieramy -elemetową losową próbą (X, X,, X ) Do wioskowaia o średiej korzystamy ze statystyki t-studeta:
32 STATYSTYKI Z PRÓBY Liczba stopi swobody v liczba iezależych wyików obserwacji pomiejszoa o liczbę iezależych związków, które łączą te wyiki ze sobą. Liczbę stopi swobody moża utożsamiać z liczbą iezależych zmieych losowych, które wpływają a wyik. X
33 STATYSTYKI Z PRÓBY Rozkład t-studeta 30
34 TWIERDZENIA GRANICZNE W twierdzeiach tych rozpatruje się ciągi zmieych losowych {X}, których rozkłady przy wzroście wskaźika do ieskończoości mogą być zbieże do pewego rozkładu. Taki rozkład jest azyway rozkładem graiczym (asymptotyczym) ciągu zmieych losowych {X}. Twierdzeia graicze formułują waruki, przy zachowaiu, których dla ciągu zmieych losowych istieje asymptotyczy rozkład oraz określają, jaka jest postać tego rozkładu.
35 TWIERDZENIA GRANICZNE Wyróżiamy dwa rodzaje twierdzeń graiczych: twierdzeia lokale dotyczą zbieżości ciągu fukcji prawdopodobieństw zmieych losowych typu skokowego lub zbieżości ciągu fukcji gęstości zmieych losowych typu ciągłego twierdzeia itegrale dotyczą zbieżości ciągu dystrybuat zmieych losowych
36 TWIERDZENIA GRANICZNE Wśród twierdzeń graiczych ważą rolę odgrywają twierdzeia o rozkładach graiczych sum iezależych zmieych losowych, w tym o zbieżości dystrybuat stadaryzowaych sum iezależych zmieych losowych do dystrybuaty rozkładu ormalego. Poza twierdzeiami o zbieżości do rozkładu ormalego istote zaczeie mają tzw. prawa wielkich liczb, w których rozkładem graiczym jest rozkład jedopuktowy.
37 Abraham de Moivre ( ) TWIERDZENIA GRANICZNE Itegrale twierdzeie graicze twierdzeie mówiące o zbieżości ciągu dystrybuat Twierdzeie de Moivre`a - Laplace`a Pierre Simo de Laplace (749-87) Niech {X } będzie ciągiem zmieych losowych o rozkładzie dwumiaowym z parametrami i 0<p< oraz iech {U } będzie ciągiem stadaryzowaych zmieych X : X p U, pq Wtedy dla ciągu dystrybuat {F (u)} zmieych losowych U zachodzi dla każdej wartości u
38 Wiosek Ciąg zmieych losowych {X } o rozkładzie dwumiaowym z parametrami i p (iestadaryzowaych) jest zbieży do rozkładu ormalego N p; pq Wiosek Jeśli rozpatrzymy ciąg zmieych, to z twierdzeia de Moivre'a-Laplace'a wyika, że zmiea ta ma asymptotyczy rozkład ormaly TWIERDZENIA GRANICZNE Twierdzeie de Moivre`a - Laplace`a N p, pq X
39 J.W.Lideberg (876-93) Itegrale twierdzeie graicze twierdzeie mówiące o zbieżości ciągu dystrybuat Cetrale twierdzeie graicze Lideberga-Levy`ego Paul Levy (886-97) Jeśli {Xk} jest ciągiem iezależych zmieych losowych o jedakowych rozkładach (idetyczych wartościach oczekiwaych E(Xk)=E(X) oraz skończoych wariacjach D²(Xk)=D²(X), to ciąg dystrybuat {F(t)} zmieych losowych T określoych wzorem spełia: TWIERDZENIA GRANICZNE T Z E( X ) D( X ) Dla każdej wartości t
40 TWIERDZENIA GRANICZNE Cetrale twierdzeie graicze Lideberga-Levy`ego Wiosek Zmiea losowa Z określoa wzorem ma asymptotyczy rozkład ormaly Wiosek Jeśli dla określoych wyżej zmieych losowych Z rozpatrzymy zmieą i wariacji o wartości oczekiwaej to z twierdzeia L-L otrzymujemy, że ciąg zmieych {V} jest zbieży do rozkładu ormalego
41 STATYSTYKI Z PRÓBY Zmiea Statystyka Stadaryzacja Rozkład X~ N(m, σ) średia X~ N(m,?) mała próba 30 X~ iezay rozkład duża próba > 30 X~ dwumiaowy duża próba 00 średia średia częstość X : Nm ; x X : Nm; X : Nm; W X U U U X m X m W p p( p) N(0; ) t-studet v=- N(0; ) N(0; )
42 STATYSTYKI Z PRÓBY x Zmiea Statystyka Stadaryzacja Rozkład X~ N(m, σ) X~ N(m, σ) różica dwóch średich N(0; ) X~ N(m, σ) X~ N(m, σ) mała próba 30 różica dwóch średich t-studet X, X ~ iezae rozkłady duża próba + > 30 różica dwóch średich, N(0; ) X, X ~ dwumiaowe rozkłady duża próba + 00 różica dwóch częstości, N(0; ), : m m N X X m m X X U s m m X X t p, : m m N X X m m X X U ; : p p p p p p N W W ) ( ) ( ) ( ) ( p p p p p p W W U v=+-
Rozkłady statystyk z próby Twierdzenia graniczne
Rozkłady statystyk z róby Twierdzeia graicze PRÓBA LOSOWA Próbą losową rostą azyway ciąg -zieych losowych iezależych i osiadających jedakowe rozkłady takie jak rozkład zieej losowej w oulacji geeralej
Bardziej szczegółowoWYKŁAD 2. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady
WYKŁAD 2 Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady Metody statystyczne metody opisu metody wnioskowania statystycznego syntetyczny liczbowy opis właściwości zbioru danych ocena
Bardziej szczegółowoZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE
RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 8. ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE 1 Zbieżość ciągu zmieych losowych z prawdopodobieństwem 1 (prawie apewo) Ciąg zmieych losowych (X ) jest
Bardziej szczegółowoSTATYSTKA I ANALIZA DANYCH LAB II
STATYSTKA I ANALIZA DANYCH LAB II 1. Pla laboratorium II rozkłady prawdopodobieństwa Rozkłady prawdopodobieństwa dwupuktowy, dwumiaowy, jedostajy, ormaly. Związki pomiędzy rozkładami prawdopodobieństw.
Bardziej szczegółowoNiezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne
Wykład 4 Niezależość zmieych, fukcje i charakterystyki wektora losowego, cetrale twierdzeia graicze Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki
Bardziej szczegółowoCharakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja
Charakterystyki liczbowe zmieych losowych: wartość oczekiwaa i wariacja dr Mariusz Grządziel Wykłady 3 i 4;,8 marca 24 Wartość oczekiwaa zmieej losowej dyskretej Defiicja. Dla zmieej losowej dyskretej
Bardziej szczegółowoTwierdzenia graniczne:
Twierdzeia graicze: Tw. ierówośd Markowa Jeżeli P(X > 0) = 1 oraz EX 0: P X k 1 k EX. Tw. ierówośd Czebyszewa Jeżeli EX = m i 0 < σ = D X 0: P( X m tσ) 1 t. 1. Z partii towaru o wadliwości
Bardziej szczegółowo1 Twierdzenia o granicznym przejściu pod znakiem całki
1 Twierdzeia o graiczym przejściu pod zakiem całki Ozaczeia: R + = [0, ) R + = [0, ] (X, M, µ), gdzie M jest σ-ciałem podzbiorów X oraz µ: M R + - zbiór mierzaly, to zaczy M Twierdzeie 1.1. Jeżeli dae
Bardziej szczegółowoX i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.
Zagadieia estymacji Puktem wyjścia badaia statystyczego jest wylosowaie z całej populacji pewej skończoej liczby elemetów i zbadaie ich ze względu a zmieą losową cechę X Uzyskae w te sposób wartości x,
Bardziej szczegółowoZdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe
Metody probabilistycze i statystyka Wykład 1 Zdarzeia losowe, defiicja prawdopodobieństwa, zmiee losowe Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki
Bardziej szczegółowoKurs Prawdopodobieństwo Wzory
Kurs Prawdoodobieństwo Wzory Elemety kombiatoryki Klasycza deiicja rawdoodobieństwa gdzie: A - liczba zdarzeń srzyjających A - liczba wszystkich zdarzeń P A Tel. 603 088 74 Prawdoodobieństwo deiicja Kołmogorowa
Bardziej szczegółowoLista 6. Estymacja punktowa
Estymacja puktowa Lista 6 Model metoda mometów, rozkład ciągły. Zadaie. Metodą mometów zaleźć estymator iezaego parametru a w populacji jedostajej a odciku [a, a +. Czy jest to estymator ieobciążoy i zgody?
Bardziej szczegółowo1 Dwuwymiarowa zmienna losowa
1 Dwuwymiarowa zmiea loowa 1.1 Dwuwymiarowa zmiea loowa kokowa X = x i, Y = y k = p ik przy czym i, k N oraz p ik = 1; i k p i = X = x i = p ik dla i N; p k = Y = y k = p ik dla k N; k i F 1 x = p i dla
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład VI: Metoda Mote Carlo 17 listopada 2014 Zastosowaie: przybliżoe całkowaie Prosta metoda Mote Carlo Przybliżoe obliczaie całki ozaczoej Rozważmy całkowalą fukcję f : [0, 1] R. Chcemy zaleźć przybliżoą
Bardziej szczegółowoStatystyka matematyczna. Wykład II. Estymacja punktowa
Statystyka matematycza. Wykład II. e-mail:e.kozlovski@pollub.pl Spis treści 1 dyskretych Rozkłady zmieeych losowych ciągłych 2 3 4 Rozkład zmieej losowej dyskretej dyskretych Rozkłady zmieeych losowych
Bardziej szczegółowoĆwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona
Ćwiczeie r 4 Porówaie doświadczalego rozkładu liczby zliczeń w zadaym przedziale czasu z rozkładem Poissoa Studeta obowiązuje zajomość: Podstawowych zagadień z rachuku prawdopodobieństwa, Zajomość rozkładów
Bardziej szczegółowoP ( i I A i) = i I P (A i) dla parami rozłącznych zbiorów A i. F ( ) = lim t F (t) = 0, F (+ ) = lim t + F (t) = 1.
Podstawy teorii miary probabilistyczej. Zbiory mierzale σ ciało zbiorów Załóżmy, że mamy jakiś zbiór Ω. Niech F będzie taką rodzią podzbiorów Ω, że: Ω F A F A F i I A i F i I A i F Wtedy rodzię F azywamy
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA. WYKŁAD 0 (powt. wiadomości z r. p-stwa)
STATYSTYKA MATEMATYCZNA WYKŁAD 0 (powt. wiadomości z r. p-stwa) Literatura M. Cieciura, J. Zacharski, Metody probabilistycze w ujęciu praktyczym, L. Kowalski, Statystyka, 005 R.Leiter, J.Zacharski, "Zarys
Bardziej szczegółowo1 Układy równań liniowych
Katarzya Borkowska, Wykłady dla EIT, UTP Układy rówań liiowych Defiicja.. Układem U m rówań liiowych o iewiadomych azywamy układ postaci: U: a x + a 2 x 2 +... + a x =b, a 2 x + a 22 x 2 +... + a 2 x =b
Bardziej szczegółowod wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistyczna Definicja Odwzorowanie X: Ω R nazywamy 1-wymiarowym wektorem
d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistycza Defiicja Odwzorowaie X: Ω R d azywamy d-wymiarowym wektorem losowym jeśli dla każdego (x 1, x 2,,x d ) є R d zbiór Uwaga {ω є Ω: X(ω)
Bardziej szczegółowoEstymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności)
IV. Estymacja parametrów Estymacja: Puktowa (ocea, błędy szacuku Przedziałowa (przedział ufości Załóżmy, że rozkład zmieej losowej X w populacji geeralej jest opisay dystrybuatą F(x;α, gdzie α jest iezaym
Bardziej szczegółowoEstymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7
Metody probabilistycze i statystyka Estymacja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze
Bardziej szczegółowoEstymacja przedziałowa
Metody probabilistycze i statystyka Estymacja przedziałowa Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze
Bardziej szczegółowoTrzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w
Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to
Bardziej szczegółowoZadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.
Z adaie Niech,,, będą iezależymi zmieymi losowymi o idetyczym rozkładzie ormalym z wartością oczekiwaą 0 i wariacją. Wyzaczyć wariację zmieej losowej. Wskazówka: pokazać, że ma rozkład Γ, ODP: Zadaie Niech,,,
Bardziej szczegółowoSTATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2
STATYSTYKA Rafał Kucharski Uiwersytet Ekoomiczy w Katowicach 2015/16 ROND, Fiase i Rachukowość, rok 2 Rachuek prawdopodobieństwa Rzucamy 10 razy moetą, dla której prawdopodobieństwo wyrzuceia orła w pojedyczym
Bardziej szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa aaliza daych doświadczalych Wykład 6.04.06 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 05/06 Własości rozkładu ormalego Cetrale twierdzeie graicze Fukcja charakterystycza
Bardziej szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa aaliza daych doświadczalych Wykład 7 8.04.06 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 05/06 Cetrale twierdzeie graicze - przypomieie Sploty Pobieraie próby, estymatory
Bardziej szczegółowoWykład 13: Zbieżność według rozkładu. Centralne twierdzenie graniczne.
Rachuek prawopoobieństwa MA064 Wyział Elektroiki, rok aka 2008/09, sem leti Wykłaowca: r hab A Jurlewicz Wykła 3: Zbieżość weług rozkłau Cetrale twierzeie graicze Zbieżości ciągu zmieych losowych weług
Bardziej szczegółowo1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o
1. Wioskowaie statystycze. W statystyce idetyfikujemy: Cecha-Zmiea losowa Rozkład cechy-rozkład populacji Poadto miaem statystyki określa się także fukcje zmieych losowych o tym samym rozkładzie. Rozkłady
Bardziej szczegółowo3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej
PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elemety kombiatoryki 2. Zmiee losowe i ich rozkłady 3. Populacje i próby daych, estymacja parametrów 4. Testowaie hipotez 5. Testy parametrycze 6. Testy
Bardziej szczegółowoLista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym
Lista 5 Zadaia a zastosowaie ierówosci Markowa i Czebyszewa. Zadaie 1. Niech zmiea losowa X ma rozkład jedostajy a odciku [0, 1]. Korzystając z ierówości Markowa oszacować od góry prawdopodobieństwo, że
Bardziej szczegółowoZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA
ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA Mamy populację geeralą i iteresujemy się pewą cechą X jedostek statystyczych, a dokładiej pewą charakterystyką liczbową θ tej cechy (p. średią wartością
Bardziej szczegółowo16 Przedziały ufności
16 Przedziały ufości zapis wyiku pomiaru: sugeruje, że rozkład błędów jest symetryczy; θ ± u(θ) iterpretacja statystycza przedziału [θ u(θ), θ + u(θ)] zależy od rozkładu błędów: P (Θ [θ u(θ), θ + u(θ)])
Bardziej szczegółowoPRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1).
TATYTYKA MATEMATYCZNA WYKŁAD 3 RZEDZIAŁY UFNOŚCI Niech θ - iezay parametr rozkład cechy. Niech będzie liczbą z przedział 0,. Jeśli istieją statystyki, U i U ; U U ; których rozkład zależy od θ oraz U θ
Bardziej szczegółowo0.1 ROZKŁADY WYBRANYCH STATYSTYK
0.1. ROZKŁADY WYBRANYCH STATYSTYK 1 0.1 ROZKŁADY WYBRANYCH STATYSTYK Zadaia 0.1.1. Niech X 1,..., X będą iezależymi zmieymi losowymi o tym samym rozkładzie. Obliczyć ES 2 oraz D 2 ( 1 i=1 X 2 i ). 0.1.2.
Bardziej szczegółowoStatystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407
Statystyka i Opracowaie Daych W7. Estymacja i estymatory Dr Aa ADRIAN Paw B5, pok407 ada@agh.edu.pl Estymacja parametrycza Podstawowym arzędziem szacowaia iezaego parametru jest estymator obliczoy a podstawie
Bardziej szczegółowoWykład 8: Zbieżność według rozkładu. Centralne twierdzenie graniczne.
Rachuek prawopoobieństwa MA5 Wyział Elektroiki, rok aka 20/2, sem leti Wykłaowca: r hab A Jurlewicz Wykła 8: Zbieżość weług rozkłau Cetrale twierzeie graicze Zbieżości ciągu zmieych losowych weług rozkłau
Bardziej szczegółowoRozkład normalny (Gaussa)
Rozład ormaly (Gaussa) Wyprowadzeie rozładu Gaussa w modelu Laplace a błędów pomiarowych. Rozważmy pomiar wielości m, tóry jest zaburzay przez losowych efetów o wielości e ażdy, zarówo zaiżających ja i
Bardziej szczegółowoStatystyka i rachunek prawdopodobieństwa
Statystyka i rachuek prawdopodobieństwa Filip A. Wudarski 22 maja 2013 1 Wstęp Defiicja 1. Statystyka matematycza opisuje i aalizuje zjawiska masowe przy użyciu metod rachuku prawdopodobieństwa. Defiicja
Bardziej szczegółowoZDARZENIE ELEMENTARNE to możliwy wynik doświadczenia losowego. Wszystkie takie możliwe wyniki tworzą zbiór zdarzeń elementarnych.
STATYSTYKA to auka, której przedmiotem zaiteresowaia są metody pozyskiwaia i prezetacji, a przede wszystkim aalizy daych opisujących zjawiska masowe. Metody statystycze oparte są a rachuku prawdopodobieństwa.
Bardziej szczegółowobędą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,
Zadaie iech X, X,, X 6 będą iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), a Y, Y,, Y6 iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), gdzie, są iezaymi
Bardziej szczegółowo1 Zmienne losowe. Własności dystrybuanty F (x) = P (X < x): F1. 0 F (x) 1 dla każdego x R, F2. lim F (x) = 0 oraz lim F (x) = 1,
1 Zmiee loowe Właości dytrybuaty F x = X < x: F1. 0 F x 1 dla każdego x R, F2. lim F x = 0 oraz lim F x = 1, x x + F3. F jet fukcją iemalejącą, F4. lim x x 0 F x = F x 0 dla każdego x R, F5. a X < b =
Bardziej szczegółowoWokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych
Wokół testu Studeta Wprowadzeie Rozkłady prawdopodobieństwa występujące w testowaiu hipotez dotyczących rozkładów ormalych Rozkład ormaly N(µ, σ, µ R, σ > 0 gęstość: f(x σ (x µ π e σ Niech a R \ {0}, b
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
TATYTYKA MATEMATYCZNA ROZKŁADY PODTAWOWYCH TATYTYK zmiea losowa odpowiedik badaej cechy, (,,..., ) próba losowa (zmiea losowa wymiarowa, i iezależe zmiee losowe o takim samym rozkładzie jak (taką próbę
Bardziej szczegółowoWykład 3 Jednowymiarowe zmienne losowe
Wykład 3 Jednowymiarowe zmienne losowe Niech (Ω, F, P ) będzie ustaloną przestrzenią probabilistyczną Definicja 1 Jednowymiarowa zmienna losowa (o wartościach rzeczywistych), określoną na przestrzeni probabilistycznej
Bardziej szczegółowoElementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I)
Elemety statystyki opisowej Izolda Gorgol wyciąg z prezetacji (wykład I) Populacja statystycza, badaie statystycze Statystyka matematycza zajmuje się opisywaiem i aalizą zjawisk masowych za pomocą metod
Bardziej szczegółowoZADANIA NA ĆWICZENIA 3 I 4
Agata Boratyńska Statystyka aktuariala... 1 ZADANIA NA ĆWICZENIA 3 I 4 1. Wygeeruj szkody dla polis z kolejych lat wg rozkładu P (N = 1) = 0, 1 P (N = 0) = 0, 9, gdzie N jest liczbą szkód z jedej polisy.
Bardziej szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa aaliza daych doświadczalych Wykład 7 7.04.07 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 06/07 Cetrale twierdzeie graicze - przypomieie Sploty Pobieraie próby, estymatory
Bardziej szczegółowoJEDNOWYMIAROWA ZMIENNA LOSOWA
JEDNOWYMIAROWA ZMIENNA LOSOWA Nech E będze zborem zdarzeń elemetarych daego dośwadczea. Fucję X(e) przyporządowującą ażdemu zdarzeu elemetaremu e E jedą tylo jedą lczbę X(e)=x azywamy ZMIENNĄ LOSOWĄ. Przyład:
Bardziej szczegółowoStatystyka matematyczna dla leśników
Statystyka matematycza dla leśików Wydział Leśy Kieruek leśictwo Studia Stacjoare I Stopia Rok akademicki 0/0 Wykład 5 Testy statystycze Ogóle zasady testowaia hipotez statystyczych, rodzaje hipotez, rodzaje
Bardziej szczegółowoWIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI. Zmienna losowa i jej rozkład
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI Zmienna losowa i jej rozkład ZMIENNA LOSOWA Funkcja X przyporządkowująca każdemu zdarzeniu elementarnemu jedną i tylko jedną liczbę x. zmienna losowa skokowa skończona
Bardziej szczegółowoPodstawowe rozkłady zmiennych losowych typu dyskretnego
Podstawowe rozkłady zmieych losowych typu dyskretego. Zmiea losowa X ma rozkład jedopuktowy, skocetroway w pukcie x 0 (ozaczay przez δ(x 0 )), jeżeli P (X = x 0 ) =. EX = x 0, V arx = 0. e itx0.. Zmiea
Bardziej szczegółowosą niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X
Prawdoodobieństwo i statystyka 5..008 r. Zadaie. Załóżmy że 3 są iezależymi zmieymi losowymi o jedakowym rozkładzie Poissoa z wartością oczekiwaą λ rówą 0. Obliczyć v = var( 3 + + + 3 = 9). (A) v = 0 (B)
Bardziej szczegółowoPodstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja
Podstawowe ozaczeia i wzory stosowae a wykładzie i laboratorium Część I: estymacja 1 Ozaczeia Zmiee losowe (cechy) ozaczamy a wykładzie dużymi literami z końca alfabetu. Próby proste odpowiadającymi im
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA. rachunek prawdopodobieństwa
STATYSTYKA MATEMATYCZNA rachunek prawdopodobieństwa treść Zdarzenia losowe pojęcie prawdopodobieństwa prawo wielkich liczb zmienne losowe rozkłady teoretyczne zmiennych losowych Zanim zajmiemy się wnioskowaniem
Bardziej szczegółowoModa (Mo, D) wartość cechy występującej najczęściej (najliczniej).
Cetrale miary położeia Średia; Moda (domiata) Mediaa Kwatyle (kwartyle, decyle, cetyle) Moda (Mo, D) wartość cechy występującej ajczęściej (ajlicziej). Mediaa (Me, M) dzieli uporządkoway szereg liczbowy
Bardziej szczegółowoStatystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 2013/2014 Wykład 3 Zmienna losowa i jej rozkłady Zdarzenia losowe Pojęcie prawdopodobieństwa
Bardziej szczegółowoθx θ 1, dla 0 < x < 1, 0, poza tym,
Zadaie 1. Niech X 1,..., X 8 będzie próbą z rozkładu ormalego z wartością oczekiwaą θ i wariacją 1. Niezay parametr θ jest z kolei zmieą losową o rozkładzie ormalym z wartością oczekiwaą 0 i wariacją 1.
Bardziej szczegółowon n X n = σ σ = n n n Ponieważ zmienna losowa standaryzowana ma rozkład normalny N(0, 1), więc
5.3. Zagadieia estymacji 87 Rozważmy teraz dokładiej zagadieie szacowaia wartości oczekiwaej m zmieej losowej X o rozkładzie ormalym N(m, F), w którym odchyleie stadardowe F jest zae. Niech X, X,..., X
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Zadaie. Wykoujemy rzuty symetryczą kością do gry do chwili uzyskaia drugiej szóstki. Niech Y ozacza zmieą losową rówą liczbie rzutów w których uzyskaliśmy ie wyiki iż szóstka a zmieą losową rówą liczbie
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Matematyka ubezpieczeń majątkowych 6..003 r. Zadaie. W kolejych okresach czasu t =,, 3, 4, 5 ubezpieczoy, charakteryzujący się parametrem ryzyka Λ, geeruje szkód. Dla daego Λ = λ zmiee N, N,..., N 5 są
Bardziej szczegółowoStatystyka opisowa. () Statystyka opisowa 24 maja / 8
Część I Statystyka opisowa () Statystyka opisowa 24 maja 2010 1 / 8 Niech x 1, x 2,..., x będą wyikami pomiarów, p. temperatury, ciśieia, poziomu rzeki, wielkości ploów itp. Przykład 1: wyiki pomiarów
Bardziej szczegółowoSTATYSTYKA wykład 5-6
TATYTYKA wykład 5-6 Twierdzenia graniczne Rozkłady statystyk z próby Wanda Olech Twierdzenia graniczne Jeżeli rozpatrujemy ciąg zmiennych losowych {X ; X ;...; X n }, to zdarza się, że ich rozkłady przy
Bardziej szczegółowoWykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2
Wykład 5 Przedziały ufości Zwykle ie zamy parametrów populacji, p. Chcemy określić a ile dokładie y estymuje Kostruujemy przedział o środku y, i taki, że mamy 95% pewości, że zawiera o Nazywamy go 95%
Bardziej szczegółowoPrzestrzeń probabilistyczna
Przestrzeń probabilistyczna (Ω, Σ, P) Ω pewien niepusty zbiór Σ rodzina podzbiorów tego zbioru P funkcja określona na Σ, zwana prawdopodobieństwem. Przestrzeń probabilistyczna (Ω, Σ, P) Ω pewien niepusty
Bardziej szczegółowoWybrane rozkłady zmiennych losowych. Statystyka
Wybrane rozkłady zmiennych losowych Statystyka Rozkład dwupunktowy Zmienna losowa przyjmuje tylko dwie wartości: wartość 1 z prawdopodobieństwem p i wartość 0 z prawdopodobieństwem 1- p x i p i 0 1-p 1
Bardziej szczegółowo0.1 Statystyczne Podstawy Modelu Regresji
0.1 Statystycze Podstawy Modelu Regresji iech daa będzie przestrzeń probabilistycza (Ω, F, P ). Fukcję X : Ω R, określoą a przestrzei zdarzeń elemetarych Ω, o wartościach rzeczywistych, takich że x R {ω
Bardziej szczegółowoStatystyka w rozumieniu tego wykładu to zbiór metod służących pozyskiwaniu, prezentacji, analizie danych.
Statystyka w rozumieiu tego wykładu to zbiór metod służących pozyskiwaiu, prezetacji, aalizie daych. Celem geeralym stosowaia tych metod, jest otrzymywaie, a podstawie daych, użyteczych uogólioych iformacji
Bardziej szczegółowoJednowymiarowa zmienna losowa
1 Jednowymiarowa zmienna losowa Przykład Doświadczenie losowe - rzut kostką do gry. Obserwujemy ilość wyrzuconych oczek. Teoretyczny model eksperymentu losowego - przestrzeń probabilistyczna (Ω, S, P ),
Bardziej szczegółowoRozkłady prawdopodobieństwa zmiennych losowych
Rozkłady prawdopodobieństwa zmiennych losowych Rozkład dwumianowy Rozkład normalny Marta Zalewska Zmienna losowa dyskretna (skokowa) jest to zmienna, której zbór wartości jest skończony lub przeliczalny.
Bardziej szczegółowoKURS STATYSTYKA. Lekcja 3 Parametryczne testy istotności ZADANIE DOMOWE. Strona 1
KURS STATYSTYKA Lekcja 3 Parametrycze testy istotości ZADANIE DOMOWE www.etrapez.pl Stroa Część : TEST Zazacz poprawą odpowiedź (tylko jeda jest prawdziwa). Pytaie Statystykę moża rozumieć jako: a) próbkę
Bardziej szczegółowoa 1, a 2, a 3,..., a n,...
III. Ciągi liczbowe. 1. Defiicja ciągu liczbowego. Defiicja 1.1. Ciągiem liczbowym azywamy fukcję a : N R odwzorowującą zbiór liczb aturalych N w zbiór liczb rzeczywistych R i ozaczamy przez { }. Używamy
Bardziej szczegółowoEstymacja przedziałowa:
Estymacja przedziałowa: Zamiast szukad ajlepszego estymatora, tak jak w estymacji puktowej będziemy poszukiwad przedziału, do którego będzie ależał szukay parametr z odpowiedio dużym prawdopodobieostwem.
Bardziej szczegółowoStatystyka opisowa. (n m n m 1 ) h (n m n m 1 ) + (n m n m+1 ) 2 +1), gdy n jest parzyste
Statystyka opisowa Miary statystycze: 1. miary położeia a) średia z próby x = 1 x = 1 x = 1 x i - szereg wyliczający x i i - szereg rozdzielczy puktowy x i i - szereg rozdzielczy przedziałowy, gdzie x
Bardziej szczegółowo40:5. 40:5 = 500000υ5 5p 40, 40:5 = 500000 5p 40.
Portfele polis Poieważ składka jest ustalaa jako wartość oczekiwaa rzeczywistego, losowego kosztu ubezpieczeia, więc jest tym bliższa średiej wydatków im większa jest liczba ubezpieczoych Polisy grupuje
Bardziej szczegółowoLiczebnośd (w tys.) n
STATYSTYKA Statystyka bada prawidłowości w zjawiskach masowych (tz. takich, które mogą występowad ieograiczoą ilośd razy). Przedmiotem badao statyki są zbiory (populacje), których elemetami są wszelkiego
Bardziej szczegółowoEstymacja parametrów populacji
Estymacja parametrów populacji Estymacja parametrów populacji Estymacja polega a szacowaiu wartości parametrów rozkładu lub postaci samego rozkładu zmieej losowej, a podstawie próby statystyczej. Estymacje
Bardziej szczegółowoĆwiczenia 3 ROZKŁAD ZMIENNEJ LOSOWEJ JEDNOWYMIAROWEJ
Ćwiczenia 3 ROZKŁAD ZMIENNEJ LOSOWEJ JEDNOWYMIAROWEJ Zadanie 1. Zmienna losowa przyjmuje wartości -1, 0, 1 z prawdopodobieństwami równymi odpowiednio: ¼, ½, ¼. Należy: a. Wyznaczyć rozkład prawdopodobieństwa
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Zadaie 1 Rzucamy 4 kości do gry (uczciwe). Prawdopodobieństwo zdarzeia iż ajmiejsza uzyskaa a pojedyczej kości liczba oczek wyiesie trzy (trzy oczka mogą wystąpić a więcej iż jedej kości) rówe jest: (A)
Bardziej szczegółowoPEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA
PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA 1. Trójkę (Ω, F, P ), gdzie Ω, F jest σ-ciałem podzbiorów Ω, a P jest prawdopodobieństwem określonym na F, nazywamy przestrzenią probabilistyczną. 2. Rodzinę F
Bardziej szczegółowoParametryczne Testy Istotności
Parametrycze Testy Istotości Wzory Parametrycze testy istotości schemat postępowaia pukt po pukcie Formułujemy hipotezę główą H odośie jakiegoś parametru w populacji geeralej Hipoteza H ma ajczęściej postać
Bardziej szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa aaliza daych doświadczalych Wykład 7 3.04.08 dr iż. Łukasz Graczykowski lukasz.graczykowski@pw.edu.pl Semestr leti 07/08 Wielowymiarowy rozkład Gaussa - przypomieie Cetrale twierdzeie graicze
Bardziej szczegółowoRozkłady zmiennych losowych
Rozkłady zmiennych losowych Wprowadzenie Badamy pewną zbiorowość czyli populację pod względem występowania jakiejś cechy. Pobieramy próbę i na podstawie tej próby wyznaczamy pewne charakterystyki. Jeśli
Bardziej szczegółowoz przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X
Matematyka ubezpieczeń majątkowych.0.0 r. Zadaie. Mamy day ciąg liczb q, q,..., q z przedziału 0,. Rozważmy trzy zmiee losowe: o X X X... X, gdzie X i ma rozkład dwumiaowy o parametrach,q i, i wszystkie
Bardziej szczegółowoPrzykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych
Rozdział 1 Zmienne losowe, ich rozkłady i charakterystyki 1.1 Definicja zmiennej losowej Niech Ω będzie przestrzenią zdarzeń elementarnych. Definicja 1 Rodzinę S zdarzeń losowych (zbiór S podzbiorów zbioru
Bardziej szczegółowoStatystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowaie daych Podstawy wioskowaia statystyczego. Prawo wielkich liczb. Cetrale twierdzeie graicze. Estymacja i estymatory Dr Aa ADRIAN Paw B5, pok407 ada@agh.edu.pl Wprowadzeie Jeśli S
Bardziej szczegółowoModel ciągły wyceny opcji Blacka Scholesa - Mertona. Wzór Blacka - Scholesa na wycenę opcji europejskiej.
Model ciągły wycey opcji Blacka Scholesa - Mertoa Wzór Blacka - Scholesa a wyceę opcji europejskiej. Model Blacka Scholesa- Mertoa Przełomowe prace z zakresu wycey opcji: Fischer Black, Myro Scholes The
Bardziej szczegółowoStatystyczna analiza danych w programie STATISTICA 7.1 PL (wykład 1) Dariusz Gozdowski
Statystyczna analiza danych w programie STATISTICA 7.1 PL (wykład 1) Dariusz Gozdowski Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW STATYSTYKA to nauka, której przedmiotem
Bardziej szczegółowooznaczają łączne wartości szkód odpowiednio dla k-tego kontraktu w t-tym roku. O składnikach naszych zmiennych zakładamy, że:
Zadaie. Niech zmiee losowe: X t,k = μ + α k + β t + ε t,k, k =,2,, K oraz t =,2,, T, ozaczają łącze wartości szkód odpowiedio dla k-tego kotraktu w t-tym roku. O składikach aszych zmieych zakładamy, że:
Bardziej szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa aaliza daych doświadczalych Wykład 5 4.03.07 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 06/07 Metody Mote Carlo Najważiejsze rozkłady prawdopodobieństwa Metoda akceptacji-odrzuceń
Bardziej szczegółowo1 Przedziały ufności. ). Obliczamy. gdzie S pochodzi z rozkładu B(n, 1 2. P(2 S n 2) = 1 P(S 2) P(S n 2) = 1 2( 2 n +n2 n +2 n ) = 1 (n 2 +n+2)2 n.
Przedziały ufości W tym rozdziale będziemy zajmować się przede wszystkim zadaiami związaymi z przedziałami ufości Będą as rówież iteresować statystki pozycyje oraz estymatory ajwiększej wiarygodości (Eg
Bardziej szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa aaliza daych doświadczalych Wykład 7 5.04.09 dr iż. Łukasz Graczykowski lukasz.graczykowski@pw.edu.pl Semestr leti 08/09 Wielowymiarowy rozkład Gaussa - przypomieie Cetrale twierdzeie graicze
Bardziej szczegółowoTestowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15
Testowaie hipotez ZałoŜeia będące przedmiotem weryfikacji azywamy hipotezami statystyczymi. KaŜde przypuszczeie ma swoją alteratywę. Jeśli postawimy hipotezę, Ŝe średica pia jedoroczych drzew owej odmiay
Bardziej szczegółowoWybrane rozkłady zmiennych losowych. Statystyka
Wybrane rozkłady zmiennych losowych Statystyka Rozkład dwupunktowy Zmienna losowa przyjmuje tylko dwie wartości: wartość 1 z prawdopodobieństwem p i wartość 0 z prawdopodobieństwem 1- p x i p i 0 1-p 1
Bardziej szczegółowoSTATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś
1 STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr iż Krzysztof Bryś Pojȩcia wstȩpe populacja - ca ly zbiór badaych przedmiotów lub wartości. próba - skończoy podzbiór populacji podlegaj acy badaiu.
Bardziej szczegółowoROZKŁADY ZMIENNYCH LOSOWYCH
ROZKŁADY ZMIENNYCH LOSOWYCH ZMIENNA LOSOWA Defcja. Zmeą losową jest fukcja: X: E -> R która każdemu zdarzeu elemetaremu E przypsuje lczbę rzeczywstą e X ( e) R DYSTRYBUANTA Dystrybuatą zmeej losowej X
Bardziej szczegółowoElementy Rachunek prawdopodobieństwa
Elementy rachunku prawdopodobieństwa Rachunek prawdopodobieństwa zajmuje się analizą praw rządzących zdarzeniami losowymi Pojęciami pierwotnymi są: zdarzenie elementarne ω oraz zbiór zdarzeń elementarnych
Bardziej szczegółowoStatystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Bardziej szczegółowo