Statystyka. Wydział Zarządzania Uniwersytetu Łódzkiego
|
|
- Halina Król
- 5 lat temu
- Przeglądów:
Transkrypt
1 Statystyka Wydział Zarządzania Uniwersytetu Łódzkiego 2017
2 Zmienna losowa i jej rozkład
3 Mając daną przestrzeń probabilistyczną, czyli parę (&, P) stanowiącą model pewnego doświadczenia losowego (gdzie & jest przestrzenią zdarzeń elementarnych, P jest prawdopodobieństwem określonym dla zdarzeń losowych zawartych w przestrzeni &), wygodnie jest nieraz przejść do innej przestrzeni probabilistycznej - na drodze odpowiedniego przekształcenia przestrzeni zdarzeń elementarnych & - otrzymując model doświadczenia losowego związanego z wyjściowym doświadczeniem losowym. Rozważmy, na przykład doświadczenie polegające na rzucie parą kostek sześciennych. Ω = {(i, j) :i, j = 1,2,,6} P(i, j) = 1 36 (i, j = 1,2,,6)
4 Przypuśćmy, że interesuje nas teraz suma oczek na obu kostkach. Obserwację sumy oczek na kostkach można traktować jako inne doświadczenie losowe, związane jednak z poprzednim. Suma oczek jest to słowny opis funkcji X :Ω! określonej na przestrzeni & w następujący sposób: X(i, j) = i + j (i, j = 1,2,,6). Funkcja ta przekształca przestrzeń & na zbiór & X = {2, 3,, 12} stanowiący odpowiednią przestrzeń zdarzeń elementarnych nowego doświadczenia losowego. W naturalny sposób możemy na & X określić prawdopodobieństwo P X za pomocą prawdopodobieństwa P: P(k) = P(i, j) (k Ω ). X i+ j=k
5 Zmienna losowa Zmienna losowa to funkcja X :Ω!, która wynikom doświadczenia losowego (zdarzeniom elementarnym) przyporządkowuje wartości liczbowe i dla której zbiór {ω Ω : X(ω ) x} jest zdarzeniem losowym dla każdej liczby rzeczywistej x.
6 Pewne oznaczenia Niech X :Ω!, będzie zmienną losową, x, a, b będą liczbami rzeczywistymi, a G niech będzie podzbiorem zbioru liczb rzeczywistych. Wprowadźmy pewne oznaczenia, które uproszczą zapis. Pełny zapis Zapis skrócony {ω Ω : X(ω ) x} X x {ω Ω : X(ω ) = x} X = x {ω Ω : X(ω ) G} X G {ω Ω :a X(ω ) b} a X b
7 Zmienna losowa skokowa i ciągła Zmienne losowe przyjmujące skończoną lub co najwyżej przeliczalną liczbę wartości nazywamy skokowymi lub dyskretnymi. Zmienną losową, której wartością może być każda liczba rzeczywista z pewnego, dopuszczalnego przedziału, określamy jako zmienną losową typu ciągłego.
8 Zmienna losowa typu skokowego Przyporządkowanie wszystkim wartościom skokowej zmiennej losowej prawdopodobieństw ich realizacji, które sumują się do jedności nazywamy funkcją prawdopodobieństwa zmiennej losowej. Mówimy wtedy, że został określony rozkład prawdopodobieństwa tej zmiennej. Niech x i (i = 1, 2,, k) oznaczają wszystkie wartości zmiennej X. Wtedy funkcja prawdopodobieństwa jest dana wzorem: gdzie P(X = x ) = p(x ) = p (i = 1,2,,k), i i i k p = p + p + + p = 1. i 1 2 k i=1
9 Zmienna losowa typu skokowego Funkcję prawdopodobieństwa zmiennej losowej skokowej można określić za pomocą tabeli: x i x 1 x 2! x k p i p 1 p 2! p k Funkcję prawdopodobieństwa wielu zmiennych skokowych można podać również wzorem analitycznym, np. zmienne o rozkładzie dwumianowym (Bernoulliego).
10 Zmienna losowa typu skokowego Rozkład prawdopodobieństwa zmiennej losowej skokowej można przedstawić graficznie za pomocą diagramu słupkowego: Prawdopodobieńsrwo 0,6 0,5 0,3 0,2 0,0 x_1 x_2 x_3 x_4 x_5 x_6 x_7 Wartości zmiennej skokowej
11 X(i, j) = i + j (i, j = 1,2,,6). P(k) = P(i, j) (k Ω ). X i+ j=k ,18 0,12 0, x i p i /36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
12 Zmienna losowa typu skokowego Rozkład prawdopodobieństwa zmiennej losowej skokowej X można określić za pomocą funkcji zwanej dystrybuantą zmiennej losowej. Jest to funkcja F określona dla każdej liczby rzeczywistej x następującym wzorem: x i x F(x) = P( X x) = p(x ). i Zgodnie z powyższym wartość dystrybuanty F(a) jest prawdopodobieństwem, że zmienna losowa X przyjmie wartość nie większą niż a.
13 x i p i /6 1/6 1/6 1/6 1/6 1/6 F(x) = 0, dla x < 1, 1 6, dla 1 x < 2, 2 6, dla 2 x < 3, 3 6, dla 3 x < 4, 4 6, dla 4 x < 5, 5 6, dla 5 x < 6, 1, dla x 6.
14 x i p i /6 1/6 1/6 1/6 1/6 1/6 F 1 5/6 4/6 3/6 2/6 1/ x
15 Zmienna losowa typu skokowego Znajomość funkcji prawdopodobieństwa lub - równoważnie - dystrybuanty pozwala na obliczenie prawdopodobieństw tego, że zmienna losowa przyjmie wartość z dowolnego przedziału. Na podstawie funkcji prawdopodobieństwa: ( ) = p i a<x i b P a < X b Na podstawie dystrybuanty:. P( a < X b) = P(X b) P(X a) = F(b) F(a).
16 x i p i /6 1/6 1/6 1/6 1/6 1/6 ( ) = p i 2<x i 4 P 2 < X 4 = = 1 3.
17 P( 2 < X 4) = F(4) F(2) = = 1 3. F 1 5/6 4/6 3/6 2/6 1/ x
18 Podstawowe parametry rozkładu zmiennej losowej Rozkład zmiennej losowej scharakteryzowany jest syntetycznymi miarami zwanymi parametrami rozkładu zmiennej losowej. Do podstawowych parametrów rozkładu należą: wartość oczekiwana zmiennej losowej, wariancja i odchylenie standardowe zmiennej losowej. Wartość oczekiwana (Expected value) zmiennej losowej X, oznaczana jako E(X), jest określona w przypadku zmiennej losowej skokowej wzorem: E(X) = n x i p i. i=1
19 Podstawowe parametry rozkładu zmiennej losowej x i p i /6 1/6 1/6 1/6 1/6 1/6 E(X) = = 3,5.
20 Podstawowe parametry rozkładu zmiennej losowej Wariancja (Variance) skokowej zmiennej losowej X, oznaczana jako Var(X), jest określona w przypadku zmiennej losowej skokowej wzorem: lub Var(X) = Var(X) = n i=1 n (x i E(X)) 2 p i i=1 (x i ) 2 p i E(X) ( ) 2. Wariancję zmiennej losowej X oznacza się również symbolami: V(X) albo D 2 (X).
21 Podstawowe parametry rozkładu zmiennej losowej x i p i /6 1/6 1/6 1/6 1/6 1/6 Var(X) = ( 3,5 ) 2 = = 15,17 12,25 = 2,92.
22 Podstawowe parametry rozkładu zmiennej losowej Pierwiastek kwadratowy z wariancji jest odchyleniem standardowym (Standard deviation) zmiennej losowej. Oznaczamy go symbolem SD(X) albo D(X). SD(X) = Var(X) x i p i /6 1/6 1/6 1/6 1/6 1/6 SD(X) = 2,92 = 1,71.
23 Zmienna losowa typu ciągłego Zmienną losową, której wartością może być każda liczba rzeczywista z pewnego dopuszczalnego przedziału tych liczb, określamy jako zmienną losową typu ciągłego. Przykładami takiej zmiennej mogą być: czas obsługi klienta przy kasie w sklepie, waga ryby złowionej przez wędkarza, okres użytkowania urządzenia między awariami, wiek wylosowanej osoby.
24 Zmienna losowa typu ciągłego Ponieważ każda liczba rzeczywista z dopuszczalnego przedziału może być wartością zmiennej losowej typu ciągłego, to rozkład prawdopodobieństwa takiej zmiennej losowej nie może być określony w taki sam sposób, jak rozkład zmiennej skokowej, czyli za pomocą funkcji prawdopodobieństwa przyporządkowującej każdej możliwej wartości zmiennej dodatnie prawdopodobieństwo realizacji. Rozkład zmiennej typu ciągłego opisuje się za pomocą nieujemnej funkcji f, zwanej funkcją gęstości prawdopodobieństwa, która ma następującą własność: dla każdego a i b, przy czym a b. b a f (x)dx = P(a < X b),
25 Zmienna losowa typu ciągłego f(x) P(a < X b) b a f (x)dx a b x
26 Zmienna losowa typu ciągłego Zgodnie z powyższą definicją dla funkcji gęstości musi zachodzić: + f (x)dx = 1, ponieważ prawdopodobieństwo tego, że zmienna X przyjmie wartość z przedziału (-, + ), czyli jakąkolwiek wartość, musi być równe 1. f(x) x
27 Zmienna losowa typu ciągłego Dystrybuanta zmiennej losowej ciągłej jako funkcja F, której wartość dla dowolnego x określa się jako prawdopodobieństwo tego, że X x, jest więc równa F(x) = P(X x) = x f (t)dt f(t) x t
28 Zmienna losowa typu ciągłego Dystrybuanta jest niemalejącą funkcją różniczkowalną, której pochodna jest funkcją gęstości w punktach ciągłości funkcji f: F '(x) = f (x). Poniżej przedstawiony jest wykres dystrybuanty. F(x) 1 F(b) P( a < X b) F(a) 0 a b x
29 Zmienna losowa typu ciągłego Podobnie jak w przypadku zmiennej typu skokowego, prawdopodobieństwo tego, że zmienna X typu ciągłego przyjmuje wartości z przedziału (a, b] obliczamy jako P(a < X b) = F(b) F(a). F(x) 1 F(b) P( a < X b) F(a) 0 a b x
30 Zmienna losowa typu ciągłego Zauważmy przy okazji, że dla zmiennej losowej typu ciągłego, zgodnie z powyższym wzorem, dla dowolnej liczby a otrzymujemy: P(X = a) = P(a < X a) = F(a) F(a) = 0. Prawdopodobieństwo trafienia dokładnie w środek tarczy równe jest zero.
31 Zmienna losowa typu ciągłego Z powyższego wynikają wzory: P(X < a) = P(X a), P(X > a) = 1 P(X a) = 1 F(a), P(a < X < b) = P(a X b) = P(a X < b) = P(a < X b) = F(b) F(a). f(x) a b x
32 Zmienna losowa typu ciągłego Wartość oczekiwaną zmiennej typu ciągłego określa wzór: E(X) = + x f (x)dx. Odpowiednio, wariancję i odchylenie standardowe zmiennej ciągłej określają wzory: Var(X) = + ( x E(X) ) 2 f (x)dx, SD(X) = Var(X).
33 Pociągi metra kursują co 6 minut. Załóżmy, że pasażer przychodzi na stację, nie kierując się rozkładem jazdy. Czas oczekiwania na pociąg jest więc zmienną losową, która może przyjąć każdą wartość rzeczywistą z przedziału [0, 6]. Jest to zmienna typu ciągłego. Znajdźmy funkcję gęstości tej zmiennej. Ponieważ pasażer nie kieruje się rozkładem jazdy, więc prawdopodobieństwo czasu oczekiwania dla każdego podprzedziału o jednakowej długości [a, b] [0, 6] jest jednakowe, tzn. P(a X b) = P(a + λ X b + λ). Warunek ten jest spełniony dla funkcji stałej. Niech zatem f (x) = c dla x [0,6]. oraz f (x) = 0 dla x [0,6].
34 Ponieważ P(0 X 6) = 1, to c = 1/6. f(x) 1/6 P(0 X 6) = x Dystrybuantę tej zmiennej losowej można łatwo znaleźć na podstawie rysunku f(x) F(x) = P(X x) = 1 6 x dla x [0,6] 1/6 0 x 6 x
35 F(x) = 0 dla x < 0, 1 x 6 dla x [0,6], 1 dla x > 6. f(x) F(x) 1 1/6 0 6 x 0 6 x
36 Możemy teraz obliczyć prawdopodobieństwo oczekiwania od 2 do 4 minut. Za pomocą funkcji gęstości: f(x) 1/6 P(2 X 4) = (4 2) 1 6 = x Za pomocą dystrybuanty: F(x) 1 2/3 1/3 P(2 X 4) = F(4) F(2) = x
37 Przypuśćmy, że pasażer zbliżający się do peronu przyspiesza, gdy widzi zbliżający się pociąg, a zwalnia, gdy widzi już odjeżdżający pociąg. Wtedy krzywa gęstości mogłaby wyglądać następująco: f(x) 1/6 0 6 x
38 Inaczej sytuacja wyglądałaby, gdyby pasażerowie metra prali pod uwagę rozkład jazdy pociągów. Przypuśćmy, że pociągi kursują rzadziej, co 30 minut, co powoduje, że pasażerowie interesują się rozkładem jazdy i biorą go pod uwagę. Wówczas krzywa gęstości prawdopodobieństwa oczekiwania na pociąg przypuszczalnie miałaby następującą postać: f(x) 1/ x
39 Zmienna losowa dwuwymiarowa Przypuśćmy, że każdemu zdarzeniu elementarnemu będącemu rezultatem pewnego doświadczenia losowego przyporządkowuje się parę liczb (x, y). Przyporządkowanie to określa dwuwymiarową zmienną losową, którą oznaczamy jako (X, Y). Niech X i Y będą zmiennymi losowymi skokowymi i wartości jakie przyjmuje zmienna X oznaczmy przez x i (i = 1, 2,, k), wartości jakie przyjmuje zmienna Y oznaczmy przez y j (j = 1, 2,, l). Rozkład prawdopodobieństwa zmiennej (X, Y) opisuje w takim przypadku funkcja prawdopodobieństwa określona wzorem: P(X = x i, Y = y j ) = p ij (i = 1,2,,k, j = 1,2,,l), przy czym k l p ij = 1. i=1 j=1
40 Zmienna losowa dwuwymiarowa Powyższą funkcję prawdopodobieństwa można zapisać w postaci następującej tabeli: y j x i y 1 y 2 y l p i x 1 p 11 p 12 p 1l p 1 x 2 p 21 p 22 p 2l p 2 x k p k1 p k2 p kl p k p j p 1 p 2 p l 1
41 Zmienna losowa dwuwymiarowa Na podstawie funkcji prawdopodobieństwa łącznego rozkładu zmiennych X i Y (prawdopodobieństwa p ij ) można dla tych zmiennych wyznaczyć tak zwane rozkłady brzegowe (inaczej bezwarunkowe). Rozkład brzegowy zmiennej X określa się za pomocą prawdopodobieństw otrzymanych przez zsumowanie prawdopodobieństw rozkładu dwuwymiarowego w wierszach tablicy: x i y j y 1 y 2 y l p i x 1 p 11 p 12 p 1l p 1 x 2 p 21 p 22 p 2l p 2 x k p k1 p k2 p kl p k p j p 1 p 2 p l 1
42 Zmienna losowa dwuwymiarowa P(X = x i ) = l p ij = p i j=1 (i = 1,2,,k), Rozkład brzegowy zmiennej Y określa się za pomocą prawdopodobieństw otrzymanych przez zsumowanie prawdopodobieństw rozkładu dwuwymiarowego w kolumnach tablicy: x i y j y 1 y 2 y l p i x 1 p 11 p 12 p 1l p 1 x 2 p 21 p 22 p 2l p 2 x k p k1 p k2 p kl p k p j p 1 p 2 p l 1
43 Zmienna losowa dwuwymiarowa przy czym P(Y = y j ) = l k i=1 p j = 1 j=1 p ij = p j oraz ( j = 1,2,,l), k p i = 1. i=1 x i y j y 1 y 2 y l p i x 1 p 11 p 12 p 1l p 1 x 2 p 21 p 22 p 2l p 2 x k p k1 p k2 p kl p k p j p 1 p 2 p l 1
44 Liczba pracujących Liczba samochodów Z 3000 rodzin losujemy jedną i rejestrujemy dla niej liczbę pracujących członków rodziny (x) i liczbę samochodów osobowych, które posiada ta rodzina (y). W ten sposób zostaje określona dwuwymiarowa zmienna losowa (X, Y). Otrzymujemy: P(X = 1, Y = 0) = P(X = 3, Y = 1) = = 0,16, P(X = 1, Y = 1) = = 0,32, = 0,04, P(X = 3, Y = 2) = = 0,05.
45 Liczba pracujących Liczba samochodów Wykres bąbelkowy Liczba samochodów Liczba pracujących
46 Pełną funkcję prawdopodobieństwa tych zmiennych (wraz z rozkładami brzegowymi) przedstawiono w poniższej tabeli: y j x i p i 1 0,16 0,32 0,02 0,50 2 0,03 0,34 0,03 0,40 3 0,01 0,04 0,05 0,10 p j 0,20 0,70 0,10 1
47 Zmienna losowa dwuwymiarowa Na podstawie dwuwymiarowego rozkładu można także określić tak zwane rozkłady warunkowe każdej ze zmiennych. Rozkład warunkowy zmiennej X to rozkład określony, przy warunku, że druga zmienna Y przyjęła ustaloną wartość. Korzystając ze wzoru na prawdopodobieństwo warunkowe mamy: P(X = x i Y = y s ) = P(X = x i, Y = y s ) P(Y = y s ) = p is p s (i = 1,2,,k). x i y j y 1 y 2 y l p i x 1 p 11 p 12 p 1l p 1 x 2 p 21 p 22 p 2l p 2 x k p k1 p k2 p kl p k p j p 1 p 2 p l 1
48 Zmienna losowa dwuwymiarowa Podobnie, rozkład warunkowy zmiennej Y to rozkład określony, przy warunku, że druga zmienna X przyjęła ustaloną wartość. Korzystając ze wzoru na prawdopodobieństwo warunkowe mamy: P(Y = y j X = x r ) = P(X = x r, Y = y j ) P(X = x r ) = p rj p r ( j = 1,2,,l). x i y j y 1 y 2 y l p i x 1 p 11 p 12 p 1l p 1 x 2 p 21 p 22 p 2l p 2 x k p k1 p k2 p kl p k p j p 1 p 2 p l 1
49 Na podstawie poniższej tabeli wyznaczymy na przykład rozkład warunkowy zmiennej X przy warunku Y = 0. x i y j p i 1 0,16 0,32 0,02 0,50 2 0,03 0,34 0,03 0,40 3 0,01 0,04 0,05 0,10 p j 0,20 0,70 0,10 1 P(X = 1 Y = 0) = 0,16 0,20 P(X = 3 Y = 0) = 0,01 0,20 = 0,05. = 0,80, P(X = 2 Y = 0) = 0,03 0,20 = 0,15, Nasuwa się pytanie: Czy występuje zależność między liczbą zarobkujących w rodzinie a liczbą samochodów w rodzinie?
50 Niezależność zmiennych losowych Pytanie: Czy występuje zależność między liczbą zarobkujących w rodzinie a liczbą samochodów w rodzinie? Jeśli stwierdzimy fakt takiego powiązania, to będzie nas interesować charakter tego związku, np. jak zmienia się liczba samochodów, gdy rośnie liczba pracujących. Mówimy, że zmienne X i Y są niezależne, jeśli wszystkie zdarzenia typu X = x i i Y = y j są niezależne, tzn. dla każdej pary (i, j) P(X = x i, Y = y j ) = P(X = x i ) P(Y = y j ) lub zapisując powyższe symbolami: p ij = p i p j.
51 Zmienne X i Y z poprzedniego przykładu nie są niezależne, gdyż dla pary (i, j) = (1, 1) otrzymujemy: p 11 = 0,16 0,5 0,2 = p 1 p 1. y j x i p i 1 0,16 0,32 0,02 0,50 2 0,03 0,34 0,03 0,40 3 0,01 0,04 0,05 0,10 p j 0,20 0,70 0,10 1
52 Kowariancja i współczynnik korelacji Jeśli chcemy w sposób syntetyczny scharakteryzować zależność między dwoma zmiennymi losowymi, możemy posłużyć się dwoma parametrami: kowariancją i współczynnikiem korelacji. Kowariancję zmiennych losowych X i Y, którą oznaczać będziemy jako cov(x, Y) definiuje się jako wartość oczekiwaną odchyleń obu zmiennych od wartości oczekiwanych w ich rozkładach brzegowych: cov(x,y ) = E( ( X E(X) ) ( Y E(Y ))), co można też przedstawić w postaci: cov(x,y ) = E(X Y ) E(X) E(Y ).
53 Kowariancja i współczynnik korelacji Jeśli chcemy w sposób syntetyczny scharakteryzować zależność między dwoma zmiennymi losowymi, możemy posłużyć się dwoma parametrami: kowariancją i współczynnikiem korelacji. Kowariancję zmiennych losowych X i Y, którą oznaczać będziemy jako cov(x, Y) definiuje się jako wartość oczekiwaną odchyleń obu zmiennych od wartości oczekiwanych w ich rozkładach brzegowych: cov(x,y ) = E( ( X E(X) ) ( Y E(Y ))), co można też przedstawić w postaci: cov(x,y ) = E(X Y ) E(X) E(Y ).
54 Kowariancja i współczynnik korelacji Dla zmiennych typu skokowego wzory na kowariancję przyjmują zatem postać: cov(x,y ) = k l i=1 j=1 ( x i E(X) ) ( y j E(Y )) p ij albo w postaci: cov(x,y ) = k l i=1 j=1 x i y j p ij E(X)E(Y ).
55 Kowariancja i współczynnik korelacji cov(x,y ) = k l i=1 j=1 ( x i E(X) ) ( y j E(Y )) p ij Jeśli we wspólnym rozkładzie zmiennych X i Y małym wartościom zmiennej X odpowiadają małe wartości zmiennej Y, to odchylenia x i - E(X) i y j - E(Y) mają w większości przypadków jednakowe znaki (oba dodatnie albo oba ujemne), ich iloczyny są przeważnie dodatnie i w konsekwencji cov(x, Y) > 0. Dodatnia wartość kowariancji oznacza zatem, że przy wzroście wartości X wartości Y na ogół również rosną, przy czym relacja ta ma charakter symetryczny. Mówimy w takim przypadku, że zmienne X i Y są dodatnio skorelowane.
56 Kowariancja i współczynnik korelacji cov(x,y ) = k l i=1 j=1 ( x i E(X) ) ( y j E(Y )) p ij Jeśli natomiast małym wartościom zmiennej X odpowiadają duże wartości zmiennej Y, a dużym wartościom zmiennej X - małe wartości zmiennej Y, to odchylenia x i - E(X) i y j - E(Y) mają w większości przypadków przeciwne znaki, ich iloczyny są więc przeważnie ujemne i w konsekwencji cov(x, Y) < 0. Ujemna wartość kowariancji oznacza zatem, że przy wzroście wartości X wartości Y na ogół maleją, przy czym relacja ta ma charakter symetryczny. Mówimy w takim przypadku, że zmienne X i Y są ujemnie skorelowane.
57 Kowariancja i współczynnik korelacji Może się też zdarzyć, że przy wzroście X poziom wartości Y, ogólnie rzecz biorąc, nie zmienia się. Wtedy cov(x, Y) = 0 i mówimy, że zmienne X i Y nie są skorelowane. Taka sytuacja ma na przykład miejsce, gdy zmienne X i Y są niezależne. Wadą kowariancji jest to, że jej wartość zależy od jednostek pomiaru obu cech, więc kowariancja nie może określać stopnia intensywności (siły) zależności. Aby pozbyć się tej wady wprowadza się współczynnik korelacji: ρ = cov(x,y ) SD(X) SD(Y ) = cov(x,y ) Var(X) Var(Y ).
58 Kowariancja i współczynnik korelacji ρ = cov(x,y ) SD(X) SD(Y ) = cov(x,y ) Var(X) Var(Y ). Iloczyn w mianowniku niweluje wpływ jednostek pomiaru X i Y i w rezultacie wartość ρ zależy wyłącznie od intensywności skorelowania zmiennych. Wykazuje się, że: 1 ρ 1 Jeśli ρ = 0, to cov(x, Y)=0, więc zmienne nie są skorelowane; jeśli współczynnik ρ = -1, to zmienne są ujemnie skorelowane; jeśli ρ = 1, to zmienne są skorelowane dodatnio.
59 y j x i p i 1 0,16 0,32 0,02 0,50 2 0,03 0,34 0,03 0,40 3 0,01 0,04 0,05 0,10 p j 0,20 0,70 0,10 1 więc E(X) = 1 0, , ,10 = 1,6, E(Y ) = 0 0, , ,10 = 0,9, E(XY ) = k l x i y j p ij = 1 0 0, ,05 = 1,58, i=1 j=1 cov(x,y ) = k l i=1 j=1 x i y j p ij E(X)E(Y ) = 1,58 1,6 0,9 = 0,14.
60 y j x i p i 1 0,16 0,32 0,02 0,50 2 0,03 0,34 0,03 0,40 3 0,01 0,04 0,05 0,10 p j 0,20 0,70 0,10 1 Ponadto SD(X) = 1 2 0, , ,10 = 0,44, SD(Y ) = 0 2 0, , ,10 = 0,29, więc współczynnik korelacji jest równy ρ = cov(x,y ) SD(X) SD(Y ) = 0,14 0,44 0,29 = 0,392. Uzyskany wynik, bliższy 0 niż 1, wskazuje na niezbyt silne skorelowanie dodatnie obu zmiennych.
61 Własności wartości oczekiwanej i wariancji E(c) = 0, gdzie c jest stałą, E(cX) = ce(x), E(X + Y) = E(X) + E(Y), Var(c) = 0, Var(cX) = c 2 Var(X), Var(X + Y) = Var(X) + Var(Y) + 2cov(X, Y), Var(X + Y) = Var(X) + Var(Y) dla zmiennych niezależnych X i Y.
Rozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład
Rozdział 1 Wektory losowe 1.1 Wektor losowy i jego rozkład Definicja 1 Wektor X = (X 1,..., X n ), którego każda współrzędna jest zmienną losową, nazywamy n-wymiarowym wektorem losowym (krótko wektorem
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 szczegółowoRozkład normalny Parametry rozkładu zmiennej losowej Zmienne losowe wielowymiarowe
Statystyka i opracowanie danych W4 Rozkład normalny Parametry rozkładu zmiennej losowej Zmienne losowe wielowymiarowe Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Rozkład normalny wykres funkcji gęstości
Bardziej szczegółowoRozdział 1. Zmienne losowe, ich rozkłady i charakterystyki. 1.1 Definicja zmiennej losowej
Rozdział 1 Zmienne losowe, ich rozkłady i charakterystyki 1.1 Definicja zmiennej losowej Zbiór możliwych wyników eksperymentu będziemy nazywać przestrzenią zdarzeń elementarnych i oznaczać Ω, natomiast
Bardziej szczegółowoRACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 3.
RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 3. ZMIENNA LOSOWA JEDNOWYMIAROWA. Zmienną losową X nazywamy funkcję (praktycznie każdą) przyporządkowującą zdarzeniom elementarnym liczby rzeczywiste. X : Ω R (dokładniej:
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 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 szczegółowoBiostatystyka, # 3 /Weterynaria I/
Biostatystyka, # 3 /Weterynaria I/ dr n. mat. Zdzisław Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Głęboka 28, p. 221 bud. CIW, e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoLiteratura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.
Literatura Krysicki W., Bartos J., Dyczka W., Królikowska K, Wasilewski M., Rachunek Prawdopodobieństwa i Statystyka Matematyczna w Zadaniach, cz. I. Leitner R., Zacharski J., Zarys matematyki wyŝszej
Bardziej szczegółowoZmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014
Zmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014 Zmienne losowe i ich rozkłady Doświadczenie losowe: Rzut monetą Rzut kostką Wybór losowy n kart z talii 52 Gry losowe
Bardziej szczegółowoStatystyka i eksploracja danych
Wykład II: i charakterystyki ich rozkładów 24 lutego 2014 Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa,
Bardziej szczegółowoZmienne losowe ciągłe i ich rozkłady
Statystyka i opracowanie danych W3 Zmienne losowe ciągłe i ich rozkłady Dr Anna ADRIAN Paw B5, pok47 adan@agh.edu.pl Plan wykładu Rozkład Poissona. Zmienna losowa ciągła Dystrybuanta i funkcja gęstości
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 szczegółowoRachunek Prawdopodobieństwa i Statystyka
Rachunek Prawdopodobieństwa i Statystyka W 2. Probabilistyczne modele danych Zmienne losowe. Rozkład prawdopodobieństwa i dystrybuanta. Wartość oczekiwana i wariancja zmiennej losowej Dr Anna ADRIAN Zmienne
Bardziej szczegółowoJeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x 1, x 2,...}, to mówimy, że jest to zmienna dyskretna.
Wykład 4 Rozkłady i ich dystrybuanty Dwa typy zmiennych losowych Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x, x 2,...}, to mówimy, że jest to zmienna dyskretna.
Bardziej szczegółowoĆwiczenia 7 - Zmienna losowa i jej rozkład. Parametry rozkładu.
Ćwiczenia 7 - Zmienna losowa i jej rozkład. Parametry rozkładu. A Teoria Definicja A.1. Niech (Ω, F, P) będzie przestrzenią probabilistyczną. Zmienną losową określoną na przestrzeni Ω nazywamy dowolną
Bardziej szczegółowoMatematyka z el. statystyki, # 3 /Geodezja i kartografia II/
Matematyka z el. statystyki, # 3 /Geodezja i kartografia II/ Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Akademicka 15, p.211a bud. Agro II, e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoWykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe
Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe Nierówność Czebyszewa Niech X będzie zmienną losową o skończonej wariancji V ar(x). Wtedy wartość oczekiwana E(X) też jest skończona i
Bardziej szczegółowoModelowanie zależności. Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski
Modelowanie zależności pomiędzy zmiennymi losowymi Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski P Zmienne losowe niezależne - przypomnienie Dwie rzeczywiste zmienne losowe X i Y
Bardziej szczegółowoIII. ZMIENNE LOSOWE JEDNOWYMIAROWE
III. ZMIENNE LOSOWE JEDNOWYMIAROWE.. Zmienna losowa i pojęcie rozkładu prawdopodobieństwa W dotychczas rozpatrywanych przykładach każdemu zdarzeniu była przyporządkowana odpowiednia wartość liczbowa. Ta
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 szczegółowo4,5. Dyskretne zmienne losowe (17.03; 31.03)
4,5. Dyskretne zmienne losowe (17.03; 31.03) Definicja 1 Zmienna losowa nazywamy dyskretna (skokowa), jeśli zbiór jej wartości x 1, x 2,..., można ustawić w ciag. Zmienna losowa X, która przyjmuje wszystkie
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład VII: Rozkład i jego charakterystyki 22 listopada 2016 Uprzednio wprowadzone pojęcia i ich własności Definicja zmiennej losowej Zmienna losowa na przestrzeni probabilistycznej (Ω, F, P) to funkcja
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 szczegółowoDyskretne zmienne losowe
Dyskretne zmienne losowe dr Mariusz Grządziel 16 marca 2009 Definicja 1. Zmienna losowa nazywamy dyskretna (skokowa), jeśli zbiór jej wartości x 1, x 2,..., można ustawić w ciag. Zmienna losowa X, która
Bardziej szczegółowoWykład 2 Zmienne losowe i ich rozkłady
Wykład 2 Zmienne losowe i ich rozkłady Magdalena Frąszczak Wrocław, 11.10.2017r Zmienne losowe i ich rozkłady Doświadczenie losowe: Rzut monetą Rzut kostką Wybór losowy n kart z talii 52 Gry losowe Doświadczenie
Bardziej szczegółowozdarzenie losowe - zdarzenie którego przebiegu czy wyniku nie da się przewidzieć na pewno.
Rachunek prawdopodobieństwa Podstawowym celem rachunku prawdopodobieństwa jest określanie szans zajścia pewnych zdarzeń. Pojęcie podstawowe rachunku prawdopodobieństwa to: zdarzenie losowe - zdarzenie
Bardziej szczegółowoZmienne losowe ciągłe i ich rozkłady
Rachunek Prawdopodobieństwa i Statystyka - W3 Zmienne losowe ciągłe i ich rozkłady Dr Anna ADRIAN Paw B5, pok47 adan@agh.edu.pl Plan wykładu Zmienna losowa ciągła Dystrybuanta i unkcja gęstości rozkładu
Bardziej szczegółowo12DRAP - parametry rozkładów wielowymiarowych
DRAP - parametry rozkładów wielowymiarowych Definicja.. Jeśli h : R R, a X, Y ) jest wektorem losowym o gęstości fx, y) to EhX, Y ) = hx, y)fx, y)dxdy. Jeśli natomiast X, Y ) ma rozkład dyskretny skupiony
Bardziej szczegółowoElementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa
Spis treści Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis treści Spis treści 1 Wstęp Bardzo często interesujący
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 szczegółowoStatystyka matematyczna
Statystyka matematyczna Wykład 6 Magdalena Alama-Bućko 8 kwietnia 019 Magdalena Alama-Bućko Statystyka matematyczna 8 kwietnia 019 1 / 1 Rozkłady ciagłe Magdalena Alama-Bućko Statystyka matematyczna 8
Bardziej szczegółowoStatystyka. Wydział Zarządzania Uniwersytetu Łódzkiego
Statystyka Wydział Zarządzania Uniwersytetu Łódzkiego 2017 Podstawowe rozkłady zmiennych losowych Rozkłady zmiennych skokowych Rozkład zero-jedynkowy Rozpatrujemy doświadczenie, którego rezultatem może
Bardziej szczegółowoW2 Podstawy rachunku prawdopodobieństwa (przypomnienie)
W2 Podstawy rachunku prawdopodobieństwa (przypomnienie) Henryk Maciejewski Jacek Jarnicki Marek Woda www.zsk.iiar.pwr.edu.pl Rachunek prawdopodobieństwa - przypomnienie 1. Zdarzenia 2. Prawdopodobieństwo
Bardziej szczegółowoRachunek prawdopodobieństwa- wykład 6
Rachunek prawdopodobieństwa- wykład 6 Zmienne losowe dyskretne. Charakterystyki liczbowe zmiennych losowych dyskretnych dr Marcin Ziółkowski Instytut Matematyki i Informatyki Uniwersytet Humanistyczno-Przyrodniczy
Bardziej szczegółowoZestaw 2: Zmienne losowe. 0, x < 1, 2, 2 x, 1 1 x, 1 x, F 9 (x) =
Zestaw : Zmienne losowe. Które z poniższych funkcji są dystrybuantami? Odpowiedź uzasadnij. Wskazówka: naszkicuj wykres. 0, x 0,, x 0, F (x) = x, F (x) = x, 0 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 szczegółowoZmienne losowe. Statystyka w 3
Zmienne losowe Statystyka w Zmienna losowa Zmienna losowa jest funkcją, w której każdej wartości R odpowiada pewien podzbiór zbioru będący zdarzeniem losowym. Zmienna losowa powstaje poprzez przyporządkowanie
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład II: Zmienne losowe i charakterystyki ich rozkładów 13 października 2014 Zmienne losowe Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Definicja zmiennej losowej i jej
Bardziej szczegółowo1 Zmienne losowe wielowymiarowe.
1 Zmienne losowe wielowymiarowe. 1.1 Definicja i przykłady. Definicja1.1. Wektorem losowym n-wymiarowym(zmienna losowa n-wymiarowa )nazywamywektorn-wymiarowy,któregoskładowymisązmiennelosowex i dlai=1,,...,n,
Bardziej szczegółowoStatystyka Opisowa z Demografią oraz Biostatystyka. Zmienne losowe. Aleksander Denisiuk. denisjuk@euh-e.edu.pl
Statystyka Opisowa z Demografią oraz Biostatystyka Zmienne losowe Aleksander Denisiuk denisjuk@euh-e.edu.pl Elblaska Uczelnia Humanistyczno-Ekonomiczna ul. Lotnicza 2 82-300 Elblag oraz Biostatystyka p.
Bardziej szczegółowoRachunek prawdopodobieństwa Rozdział 5. Rozkłady łączne
Rachunek prawdopodobieństwa Rozdział 5. Rozkłady łączne 5.2. Momenty rozkładów łącznych. Katarzyna Rybarczyk-Krzywdzińska rozkładów wielowymiarowych Przypomnienie Jeśli X jest zmienną losową o rozkładzie
Bardziej szczegółowoRozkłady i ich dystrybuanty 16 marca F X (t) = P (X < t) 0, gdy t 0, F X (t) = 1, gdy t > c, 0, gdy t x 1, 1, gdy t > x 2,
Wykład 4. Rozkłady i ich dystrybuanty 6 marca 2007 Jak opisać cały rozkład jedną funkcją? Aby znać rozkład zmiennej X, musimy umieć obliczyć P (a < X < b) dla dowolnych a < b. W tym celu wystarczy znać
Bardziej szczegółowoLista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie
Lista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie Jarosław Kotowicz Instytut Matematyki Uniwersytet w
Bardziej szczegółowoStatystyka. Magdalena Jakubek. kwiecień 2017
Statystyka Magdalena Jakubek kwiecień 2017 1 Nauka nie stara się wyjaśniać, a nawet niemal nie stara się interpretować, zajmuje się ona głównie budową modeli. Model rozumiany jest jako matematyczny twór,
Bardziej szczegółowoZmienne losowe. Rozkład prawdopodobieństwa i dystrybuanta. Wartość oczekiwana i wariancja zmiennej losowej
Statystyka i opracowanie danych Probabilistyczne modele danych Zmienne losowe. Rozkład prawdopodobieństwa i dystrybuanta. Wartość oczekiwana i wariancja zmiennej losowej Dr Anna ADRIAN Zmienne losowe Zmienna
Bardziej szczegółowoWykład z analizy danych: powtórzenie zagadnień z rachunku prawdopodobieństwa
Wykład z analizy danych: powtórzenie zagadnień z rachunku prawdopodobieństwa Marek Kubiak Instytut Informatyki Politechnika Poznańska Plan wykładu Podstawowe pojęcia rachunku prawdopodobieństwa Rozkład
Bardziej szczegółowoZmienna losowa. Rozkład skokowy
Temat: Zmienna losowa. Rozkład skokowy Kody kolorów: żółty nowe pojęcie pomarańczowy uwaga * - materiał nadobowiązkowy Anna Rajfura, Matematyka i statystyka matematyczna na kierunku Rolnictwo SGGW 1 Zagadnienia
Bardziej szczegółowoWykład 13. Podstawowe pojęcia rachunku prawdopodobieństwa
Wykład 13. Podstawowe pojęcia rachunku prawdopodobieństwa dr Mariusz Grzadziel Katedra Matematyki, Uniwersytet Przyrodniczy we Wrocławiu semestr zimowy, rok akademicki 2015 2016 Doświadczenie losowe Doświadczenie
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 szczegółowoWYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa
WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa Agata Boratyńska Agata Boratyńska Rachunek prawdopodobieństwa, wykład 2 i 3 1 / 19 Zmienna losowa Definicja Dana jest przestrzeń probabilistyczna
Bardziej szczegółowoW rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych:
W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych: Zmienne losowe skokowe (dyskretne) przyjmujące co najwyżej przeliczalnie wiele wartości Zmienne losowe ciągłe
Bardziej szczegółowo1 Elementy kombinatoryki i teorii prawdopodobieństwa
1 Elementy kombinatoryki i teorii prawdopodobieństwa 1.1 Elementy kombinatoryki W rozwiązywaniu pewnych problemów związanych z obliczaniem prawdopodobieństwa o skończonej liczbie zdażeń elementarnych bardzo
Bardziej szczegółowoZMIENNE LOSOWE. Zmienna losowa (ZL) X( ) jest funkcją przekształcającą przestrzeń zdarzeń elementarnych w zbiór liczb rzeczywistych R 1 tzn. X: R 1.
Opracowała: Joanna Kisielińska ZMIENNE LOSOWE Zmienna losowa (ZL) X( ) jest funkcją przekształcającą przestrzeń zdarzeń elementarnych w zbiór liczb rzeczywistych R tzn. X: R. Realizacją zmiennej losowej
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 szczegółowoZmienne losowe skokowe
Zmienne losowe skokowe 1.1 Rozkład prawdopodobieństwa i dystrybuanta Zad.1 Niech zmienna losowa X przyjmuje wartości równe liczbie wyrzuconych oczek przy pojedynczym rzucie kostką do gry, czyli =1,2,3,,6.
Bardziej szczegółowoDefinicja 7.4 (Dystrybuanta zmiennej losowej). Dystrybuantą F zmiennej losowej X nazywamy funkcję: Własności dystrybuanty zmiennej losowej:
Definicja 7.4 (Dystrybuanta zmiennej losowej). Dystrybuantą F zmiennej losowej X nazywamy funkcję: F (t) P (X t) < t < Własności dystrybuanty zmiennej losowej: jest niemalejąca: 0 F (t) jest prawostronnie
Bardziej szczegółowoPRAWDOPODOBIEŃSTWO. ZMIENNA LOSOWA. TYPY ROZKŁADÓW
PRAWDOPODOBIEŃSTWO. ZMIENNA LOSOWA. TYPY ROZKŁADÓW Rachunek prawdopodobieństwa (probabilitis - prawdopodobny) zajmuje się badaniami pewnych prawidłowości (regularności) zachodzących przy wykonywaniu doświadczeń
Bardziej szczegółowoWYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 4 Przekształcenia zmiennej losowej, momenty
WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 4 Przekształcenia zmiennej losowej, momenty Agata Boratyńska Agata Boratyńska Rachunek prawdopodobieństwa, wykład 4 / 9 Przekształcenia zmiennej losowej X
Bardziej szczegółowoTemat: Zmienna losowa. Rozkład skokowy. Rozkład ciągły. Kody kolorów: Ŝółty nowe pojęcie pomarańczowy uwaga. Anna Rajfura, Matematyka
Temat: Zmienna losowa. Rozkład skokowy. Rozkład ciągły Kody kolorów: Ŝółty nowe pojęcie pomarańczowy uwaga 1 Zagadnienia 1. Przypomnienie wybranych pojęć rachunku prawdopodobieństwa. Zmienna losowa. Rozkład
Bardziej szczegółowoRozkłady dwóch zmiennych losowych
Rozkłady dwóch zmiennych losowych Uogólnienie pojęć na rozkład dwóch zmiennych Dystrybuanta i gęstość prawdopodobieństwa Rozkład brzegowy Prawdopodobieństwo warunkowe Wartości średnie i odchylenia standardowe
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład IV: 27 października 2014 Współczynnik korelacji Brak korelacji a niezależność Definicja współczynnika korelacji Współczynnikiem korelacji całkowalnych z kwadratem zmiennych losowych X i Y nazywamy
Bardziej szczegółowoWartość oczekiwana Mediana i dominanta Wariancja Nierówności związane z momentami. Momenty zmiennych losowych Momenty wektorów losowych
Przykład(Wartość średnia) Otrzymaliśmy propozycję udziału w grze polegającej na jednokrotnym rzucie symetryczną kostką. Jeśli wypadnie 1 wygrywamy2zł,;jeśliwypadnie2,płacimy1zł;za3wygrywamy 4zł;za4płacimy5zł;za5wygrywamy3złiwreszcieza6
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 szczegółowoRozkład zmiennej losowej Polega na przyporządkowaniu każdej wartości zmiennej losowej prawdopodobieństwo jej wystąpienia.
Rozkład zmiennej losowej Polega na przyporządkowaniu każdej wartości zmiennej losowej prawdopodobieństwo jej wystąpienia. D A R I U S Z P I W C Z Y Ń S K I 2 2 ROZKŁAD ZMIENNEJ LOSOWEJ Polega na przyporządkowaniu
Bardziej szczegółowozadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych
zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych 1. [E.A 5.10.1996/zad.4] Funkcja gęstości dana jest wzorem { 3 x + 2xy + 1 y dla (x y) (0 1) (0 1) 4 4 P (X > 1 2 Y > 1 2 ) wynosi:
Bardziej szczegółowoσ-ciało zdarzeń Niech Ω będzie niepustym zbiorem zdarzeń elementarnych, a zbiór F rodziną podzbiorów zbioru Ω spełniającą warunki: jeśli A F, to A F;
Zdarzenie losowe i zdarzenie elementarne Zdarzenie (zdarzenie losowe) - wyni pewnej obserwacji lub doświadczenia; może być ilościowy lub jaościowy. Zdarzenie elementarne - najprostszy wyni doświadczenia
Bardziej szczegółowoRozkład normalny Parametry rozkładu zmiennej losowej Zmienne losowe wielowymiarowe
Rachunek Prawdopodobieństwa istatystyka W4 Rozkład normalny Parametry rozkładu zmienne losowe Zmienne losowe wielowymiarowe Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Rozkład normalny - standaryzaca
Bardziej szczegółowoWażne rozkłady i twierdzenia
Ważne rozkłady i twierdzenia Rozkład dwumianowy i wielomianowy Częstość. Prawo wielkich liczb Rozkład hipergeometryczny Rozkład Poissona Rozkład normalny i rozkład Gaussa Centralne twierdzenie graniczne
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA
STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA Zadanie 0.1 Zmienna losowa X ma rozkład określony funkcją prawdopodobieństwa: x k 0 4 p k 1/3 1/6 1/ obliczyć EX, D X. (odp. 4/3;
Bardziej szczegółowoPodstawowe modele probabilistyczne
Wrocław University of Technology Podstawowe modele probabilistyczne Maciej Zięba maciej.zieba@pwr.edu.pl Rozpoznawanie Obrazów, Lato 2018/2019 Pojęcie prawdopodobieństwa Prawdopodobieństwo reprezentuje
Bardziej szczegółowoWykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów.
Rachunek prawdopodobieństwa MAP1181 Wydział PPT, MS, rok akad. 213/14, sem. zimowy Wykładowca: dr hab. Agnieszka Jurlewicz Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów.
Bardziej szczegółowoP (A B) = P (A), P (B) = P (A), skąd P (A B) = P (A) P (B). P (A)
Wykład 3 Niezależność zdarzeń, schemat Bernoulliego Kiedy dwa zdarzenia są niezależne? Gdy wiedza o tym, czy B zaszło, czy nie, NIE MA WPŁYWU na oszacowanie prawdopodobieństwa zdarzenia A: P (A B) = P
Bardziej szczegółowoPrawa wielkich liczb, centralne twierdzenia graniczne
, centralne twierdzenia graniczne Katedra matematyki i ekonomii matematycznej 17 maja 2012, centralne twierdzenia graniczne Rodzaje zbieżności ciągów zmiennych losowych, centralne twierdzenia graniczne
Bardziej szczegółowoWykład 7: Warunkowa wartość oczekiwana. Rozkłady warunkowe.
Rachunek prawdopodobieństwa MAP3040 WPPT FT, rok akad. 2010/11, sem. zimowy Wykładowca: dr hab. Agnieszka Jurlewicz Wykład 7: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Warunkowa wartość oczekiwana.
Bardziej szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa analiza danych doświadczalnych Wykład 3 11.03.2016 dr inż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Wykłady z poprzednich lat (dr inż. H. Zbroszczyk): http://www.if.pw.edu.pl/~gos/student
Bardziej szczegółowoZmienna losowa i jej rozkład Dystrybuanta zmiennej losowej Wartość oczekiwana zmiennej losowej
Zmienna losowa i jej rozkład Dystrybuanta zmiennej losowej Wartość oczekiwana zmiennej losowej c Copyright by Ireneusz Krech ikrech@ap.krakow.pl Instytut Matematyki Uniwersytet Pedagogiczny im. KEN w Krakowie
Bardziej szczegółowoPODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA. Piotr Wiącek
PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA Piotr Wiącek ROZKŁAD PRAWDOPODOBIEŃSTWA Jest to miara probabilistyczna określona na σ-ciele podzbiorów borelowskich pewnej przestrzeni metrycznej. σ-ciało podzbiorów
Bardziej szczegółowoSzkice do zajęć z Przedmiotu Wyrównawczego
Szkice do zajęć z Przedmiotu Wyrównawczego Matematyka Finansowa sem. letni 2011/2012 Spis treści Zajęcia 1 3 1.1 Przestrzeń probabilistyczna................................. 3 1.2 Prawdopodobieństwo warunkowe..............................
Bardziej szczegółowoSIMR 2017/18, Statystyka, Przykładowe zadania do kolokwium - Rozwiązania
SIMR 7/8, Statystyka, Przykładowe zadania do kolokwium - Rozwiązania. Dana jest gęstość prawdopodobieństwa zmiennej losowej ciągłej X : { a( x) dla x [, ] f(x) = dla pozostałych x Znaleźć: i) Wartość parametru
Bardziej szczegółowog) wartość oczekiwaną (przeciętną) i wariancję zmiennej losowej K.
TEMAT 1: WYBRANE ROZKŁADY TYPU SKOKOWEGO ROZKŁAD DWUMIANOWY (BERNOULLIEGO) Zadanie 1-1 Prawdopodobieństwo nieprzekroczenia przez pewien zakład pracy dobowego limitu zużycia energii elektrycznej (bez konieczności
Bardziej szczegółowoZadania zestaw 1: Zadania zestaw 2
Zadania zestaw 1: Zadania zestaw 2 Zadania zestaw 3. 1 Rozkład zmiennej losowej skokowej X przedstawia tabela. x i m 0 n p i 0,4 0,3 0,3 a) Wyznacz m i n jeśli: są całkowite, m
Bardziej szczegółowoWykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów.
Rachunek prawdopodobieństwa MAT1332 Wydział Matematyki, Matematyka Stosowana Wykładowca: dr hab. Agnieszka Jurlewicz Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów. Warunkowa
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.
Bardziej szczegółowoII WYKŁAD STATYSTYKA. 12/03/2014 B8 sala 0.10B Godz. 15:15
II WYKŁAD STATYSTYKA 12/03/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 2 Rachunek prawdopodobieństwa zdarzenia elementarne zdarzenia losowe zmienna losowa skokowa i ciągła prawdopodobieństwo i gęstość prawdopodobieństwa
Bardziej szczegółowoMatematyka dla biologów Zajęcia nr 12.
Matematyka dla biologów Zajęcia nr 12. Rachunek prawdopodobieństwa Dariusz Wrzosek Zajęcia nr 12. 9 stycznia 2019 1 / 32 Zmienne losowe Przebieg różnych zjawisk losowych wygodnie jest opisywać za pomoca
Bardziej szczegółowoPrawdopodobieństwo. Prawdopodobieństwo. Jacek Kłopotowski. Katedra Matematyki i Ekonomii Matematycznej SGH. 16 października 2018
Katedra Matematyki i Ekonomii Matematycznej SGH 16 października 2018 Definicja σ-algebry Definicja Niech Ω oznacza zbiór niepusty. Rodzinę M podzbiorów zbioru Ω nazywamy σ-algebrą (lub σ-ciałem) wtedy
Bardziej szczegółowoLaboratorium nr 7. Zmienne losowe typu skokowego.
Laboratorium nr 7. Zmienne losowe typu skokowego.. Zmienna losowa X ma rozkład dany tabelką: - 0 3 0, 0,3 0, 0,3 0, Naszkicować dystrybuantę zmiennej X. Obliczyć EX oraz VarX.. Zmienna losowa ma rozkład
Bardziej szczegółowoRachunek prawdopodobieństwa Rozdział 4. Zmienne losowe
Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe 4.0. Rozkłady zmiennych losowych, dystrybuanta. Katarzyna Rybarczyk-Krzywdzińska Wprowadzenie Rozważmy eksperymenty 1 gra Bolka w ruletkę w kasynie;
Bardziej szczegółowoRozkłady statystyk z próby
Rozkłady statystyk z próby Rozkłady statystyk z próby Przypuśćmy, że wykonujemy serię doświadczeń polegających na 4 krotnym rzucie symetryczną kostką do gry, obserwując liczbę wyrzuconych oczek Nr kolejny
Bardziej szczegółowoZmienne losowe. dr Mariusz Grządziel Wykład 12; 20 maja 2014
Zmienne losowe dr Mariusz Grządziel Wykład 2; 20 maja 204 Definicja. Zmienna losowa nazywamy dyskretna (skokowa), jeśli zbiór jej wartości x, x 2,..., można ustawić w ciag. Zmienna losowa X, która przyjmuje
Bardziej szczegółowoMetody probabilistyczne opracowane notatki 1. Zdefiniuj zmienną losową, rozkład prawdopodobieństwa. Przy jakich założeniach funkcje: F(x) = sin(x),
Metody probabilistyczne opracowane notatki 1. Zdefiniuj zmienną losową, rozkład prawdopodobieństwa. Przy jakich założeniach funkcje: Fx sinx, Fx a e x mogą być dystrybuantami?. Podaj twierdzenie Lindeberga
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka
Rachunek prawdopodobieństwa i statystyka Momenty Zmienna losowa jest wystarczająco dokładnie opisana przez jej rozkład prawdopodobieństwa. Względy praktyczne dyktują jednak potrzebę znalezienia charakterystyk
Bardziej szczegółowoWstęp do rachunku prawdopodobieństwa
Wstęp do rachunku prawdopodobieństwa Rozdział 06: Zmienne losowe. Katarzyna Rybarczyk-Krzywdzińska semestr zimowy 2015/2016 Wprowadzenie Przykład 6.1 Adam, Bolek i Czesiu wstąpili do kasyna. Postanowili
Bardziej szczegółowoRachunek prawdopodobieństwa Rozdział 4. Zmienne losowe
Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe 4.1. Zmienne losowe dyskretne. Katarzyna Rybarczyk-Krzywdzińska Definicja/Rozkład Zmienne losowe dyskretne Definicja Zmienną losową, która skupiona
Bardziej szczegółowoZmienne losowe, statystyki próbkowe. Wrocław, 2 marca 2015
Zmienne losowe, statystyki próbkowe Wrocław, 2 marca 2015 Zasady zaliczenia 2 kolokwia (każde po 20 punktów) projekt (20 punktów) aktywność Zasady zaliczenia 2 kolokwia (każde po 20 punktów) projekt (20
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 szczegółowoKONSPEKT FUNKCJE cz. 1.
KONSPEKT FUNKCJE cz. 1. DEFINICJA FUNKCJI Funkcją nazywamy przyporządkowanie, w którym każdemu elementowi zbioru X odpowiada dokładnie jeden element zbioru Y Zbiór X nazywamy dziedziną, a jego elementy
Bardziej szczegółowo6. Zmienne losowe typu ciagłego ( ) Pole trapezu krzywoliniowego
6. Zmienne losowe typu ciagłego (2.04.2007) Pole trapezu krzywoliniowego Przypomnienie: figurę ograniczoną przez: wykres funkcji y = f(x), gdzie f jest funkcją ciągłą; proste x = a, x = b, a < b, oś OX
Bardziej szczegółowo(C. Gauss, P. Laplace, Bernoulli, R. Fisher, J. Spława-Neyman) Wikipedia 2008
STATYSTYKA MATEMATYCZNA - dział matematyki stosowanej oparty na rachunku prawdopodobieństwa; zajmuje się badaniem zbiorów na podstawie analizy ich części. Nauka, której przedmiotem zainteresowania są metody
Bardziej szczegółowo