Metody probabilistyczne egzamin
|
|
- Lidia Kwiecień
- 5 lat temu
- Przeglądów:
Transkrypt
1 Imię i azwisko: N ideksu: Metody pobabilistycze egzami Data: Godzia: 3:00 Zadaie [8pkt] Podaj aksjomaty Kołmogoowa dla miay pawdopodobieństwa P zdefiiowaej a σ-ciele zdazeń F 2 Ω. Odpowiedz zwięźle, bez ozpisywaia się. Odpowiedź: wykład 2, slajd 8 Zadaie 2 [6pkt] Świetie pospeujące kasyo z Bee otwozyło filię w Staddle, w któej wpowadziło zupełie ową, ietypową gę. Gacz ozpoczya gę z puktem, a ga toczy się dokładie 5 ud. W każdej udzie gacz i kupie zucają kostką: gacz zwykłą, uczciwą kostką sześciościeą, atomiast kupie uczciwą kostką sześciościeą a któej dwa azy występuje cyfa, dwa azy cyfa 2 i dwa azy cyfa 3, ie ma atomiast cyf od 4 w góę. Ruda jest okeślaa jako zwycięska, jeżeli gacz i kupie wyzucą a kostkach tę samą watość. W każdej zwycięskiej udzie liczba puktów gacza jest podwajaa. Kasyo wypłaca agody wg pzeliczika: pukt = seba moeta. Niech zmiea losowa N ozacza liczbę zwycięski ud, a zmiea losowa W liczbę puktów gacza po ozegaiu wszystkich ud, tj. wysokość wypłacoej agody. (a) W każdej udzie, jakie jest pawdopodobieństwo, że uda okaże się zwycięska? [2pkt] 6, bo takie jest pawdopodobieństwo wyzuceia takiej samej watości jak ustaloy wyik kupiea (b) Podaj azwę i paamety ozkładu pawdopodobieństwa zmieej losowej N. [2pkt] Rozkład dwumiaowy B(5, 6 ) (c) Oblicz śedią liczbę zwycięskich ud. [pkt] EN = 5 6 = 5 6 (d) Podaj, w fomie fukcji pawdopodobieństwa, ozkład pawdopodobieństwa zmieej losowej W. [2pkt] ( ) ( 5 k ( ) 5 5 k P (W = 2 k ) = P (N = k) = k {0,,..., 5} k 6) 6 (e) Oblicz śedią liczbę puktów, któe zdobędzie gacz w ciągu gy. [4pkt] To iestety jest tochę pacochłoe EW = = ,64 (f) Ile miimalie sebych moet kasyo musi pobieać jako opłatę za pzystąpieie do gy, żeby z pawdopodobieństwem pzyajmiej 90% gacz stacił a gze? Odpowiedź uzasadij. [3pkt] Wykozystujemy pawdopodobieństwa obliczoe w popzedim pukcie i obsewujemy, że Podczas gdy P (W 4) = P (N 2) = = ,965 P (W 2) = P (N ) = = ,804 Zatem kasyo musi pobieać pzyajmiej 4 sebe moety jako opłatę za gę / 7
2 (g) Ile miimalie sebych moet kasyo musi pobieać jako opłatę za pzystąpieie do gy, żeby długotemiowo ie stacić a powadzeiu gy? [2pkt] Co ajmiej tyle co śedia watość wygaej EW Zadaie 3 [6pkt] Niestety, kasyo w Staddle od samego początku ma duży poblem: do szefa kasya zgłosił się jede z gaczy, któy twiedzi, że używae pzez kasyo kostki są zaczaowae. Gacz miaowicie twiedzi, że a każdej z pięciu kostek sześciościeych (o stadadowo umeowaych ściakach:, 2,..., 6) 6-tka wypada z pawdopodobieństwem 5 6. Szef odpowiedział a to: a 99% asze kostki są uczciwe... (a) Pzypisz symbole astępującym zdazeiom i wykozystaj podczas dalszego ozwiązywaia zadaia: [pkt] kostki są uczciwe; H kostki są ieuczciwe; H 2 wypadły cztey 6-tki i jede iy wyik w jedoczesym zucie wszystkimi pięcioma kostkami. E (b) Jakie jest pawdopodobieństwo, że kostki są uczciwe, a jakie, że kostki są ieuczciwe? [pkt] P (H ) = P (H 2 ) = 00 (c) Jakie jest pawdopodobieństwo, że wypadły cztey 6-tki i jede iy wyik pod waukiem, że kostki są uczciwe? [2pkt] ( ) ( 5 4 ( ) 5 P (E H ) = = 4 6) (d) Jakie jest pawdopodobieństwo, że wypadły cztey 6-tki i jede iy wyik pod waukiem, że kostki są ieuczciwe? [2pkt] ( ) (5 5 4 ( ) P (E H 2 ) = = 4 6) (e) Jakie jest pawdopodobieństwo zdazeia wypadły cztey 6-tki i jede iy wyik? [3pkt] P (E) = P (E H )P (H ) + P (E H 2 )P (H 2 ) = = po czym zucił jedocześie wszystkimi pięcioma kostkami i wyzucił cztey 6-tki oaz jede iy wyik. (f) Bioąc pod uwagę wyik zutu jakie jest pawdopodobieństwo, że kostki są uczciwe? [4pkt] P (H E) = P (E H )P (H ) P (E) = = % (g) Bioąc pod uwagę wyik zutu jakie jest pawdopodobieństwo, że kostki są ieuczciwe? [pkt] P (H 2 E) = P (H E) = % 2 / 7
3 (h) Czy gacz powiie pzyjąć do wiadomości zapewieia szefa czy aczej dążyć temat? Odpowiedź uzasadij. [2pkt] Raczej dążyć temat, poieważ P (H 2 E) > P (H E), a więc dowody (słabo!) pzemawiają za H 2. Zadaie 4 [3pkt] Rzucamy N azy kostką (załóż N 2), uzyskując w te sposób ciąg N cyf ze zbiou {, 2, 3, 4, 5, 6}. (a) Wyzacz pawdopodobieństwo zdazeia A, że żade sąsiadujące cyfy się ie powtazają (p. dla N = 7 ciąg, 4, 2, 5, 6, 4, ma taką własość, a ciąg 3, 4, 2, 2, 5, 6, ie ma). Zób to staaie: zdefiiuj Ω, wyzacz Ω, A i oblicz pawdopodobieństwo z modelu klasyczego. [6pkt] Ω moża zdefiiować jakie wszystkie możliwe ciągi o długości N złożoe z cyf z {, 2, 3, 4, 5, 6}, czyli Ω = 6 N. Ciągi spzyjające zdazeiu A mają dowolą piewszą cyfę, a każda koleja może zostać wybaa tylko z pięciu możliwych (poieważ jeda ówa popzediej jest zaboioa). Czyli A = 6 5 N, a stąd P (A) = ( ) 5 N. 6 (b) Oblicz watość oczekiwaą liczby dwucyfowych liczb (złożoych z sąsiadujących cyf), któe są podziele pzez 3. Pzykład: pzy N = 5 i ciągu 2, 4,, 5, 3 dostajemy liczby 24, 4, 5, 53, z któych piewsza i tzecia są podziele pzez 3. Uwaga: Wykozystaj addytywość watości oczekiwaej, wyaźie zdefiiuj odpowiedie zmiee losowe! Wskazówka: liczba jest podziela pzez 3 wtedy i tylko wtedy gdy suma jej cyf jest podziela pzez 3. [7pkt] Niech zmiea losowa X i {0, }, i =,..., N, okeśla czy dwucyfowa liczba zaczyająca się a pozycji i jest podziela pzez 3 (X i = ), czy ie jest podziela pzez 3 (X i = 0). Na 36 możliwych dwucyfowych liczb, 2,..., 65, 66 mamy 2 liczb podzielych pzez 3: 2, 5, 2, 24, 33, 36, 42, 45, 5, 54, 63, 66. Stąd otzymujemy EX i = P (X i = ) = 2 36 = 3. Zauważmy teaz, że zmiea Y = X + X X N jest sumayczą liczbą dwucyfowych liczb podzielych pzez 3. Tym samym: EY = E(X + X X N ) = EX + EX EX N = N 3 Zadaie 5 [pkt] Niech X, X 2,... będzie ciągiem iezależych zmieych losowych o jedakowym ozkładzie z EX i = µ i D 2 (X i ) = σ 2. Niech X = i= X i będzie śedią aytmetyczą z piewszych zmieych. (a) Udowodij, że E(X ) = µ oaz D 2 (X ) = σ2, wyaźie zazaczając z jakich paw kozystasz [6pkt]. (b) Na podstawie ieówości Czebyszewa i wyików z popzediego puktu udowodij słabe pawo wielkich liczb Chińczya, tz. że dla dowolego ɛ > 0: lim P ( X µ > ɛ) = [5pkt] Odpowiedź zajduje się a slajdach -4 wykładu. Zadaie 6 [2pkt] Czas oczekiwaia a wyik zapytaia do bazy daych (w milisekudach) dobze modeloway jest ciągłą zmieą losową X o gęstości pawdopodobieństwa: { c f(x) = x dla x > 3 0 dla x 3 / 7
4 (poszę zauważyć, że czas wyosi zawsze co ajmiej ms, ale może być zaczie dłuższy) (a) Wyzacz stałą omalizacyją ozkładu c. [3pkt] stąd c = 2. = f(x) dx = cx 3 dx = c 2 x 2 = c 2, (b) Wyzacz watość oczekiwaą EX. [3pkt] EX = xf(x) dx = 2 xx 3 dx = 2x = 2. (c) Wyzacz waiację D 2 (X). Wskazówka: użyj wzou skócoego możeia dla waiacji. [3pkt] Poieważ D 2 (X) = E(X 2 ) (EX) 2 = E(X 2 ) 4, pozostaje policzyć E(X 2 ): E(X 2 ) = Czyli waiacja jest ieskończoa. x 2 f(x) dx = 2 x 2 x 3 dx = 2 l x = (d) Oblicz pawdopodobieństwo, że czas zgłoszeia będzie dłuższy iż 0 milisekud. [3pkt] P (X > 0) = 0 f(x) dx = 2 x 3 dx = x 2 = = 00 Wskazówka: do policzeia wszystkich puktów wystaczy zajomość jedej całki: { l x dla α = x α dx = +α xα+ dla α. Zadaie 7 [2pkt] Iloaz iteligecji (IQ) został zapojektoway w te sposób, aby ozkład tej cechy w całej populacji był ozkładem omalym o watości oczekiwaej µ = 00 i odchyleiu stadadowym σ = 5. Czyli jeśli X to zmiea losowa opisująca IQ osoby wybaej losowo z populacji, to X N(00, 5 2 ). Odpowiedz a poiższe pytaia, wyiki wpiew pzedstawiając za pomocą wyażeń zawieających dystybuatę stadadowego ozkład omalego Φ(x), a astępie podaj kokete wyiki liczbowe kozystając z (iektóych z) astępujących watości: Φ(0) = 0.5, Φ() = 0.84, Φ(2) = 0.977, Φ(3) = (a) Małgosia zobiła test iteligecji uzyskując IQ = 45. Jaka część populacji jest badziej iteligeta od Małgosi? Wpiew pzedstaw cześć populacji iteligetiejszą od Małgosi jako pawdopodobieństwo pewego zdazeia dotyczącego zmieej losowej X, a astępie oblicz to pawdopodobieństwo. Część populacji iteligetiejsza od Małgosi to dokładie pawdopodobieństwo tego, że losowo wybaa z populacji osoba będzie miała IQ wyższe, iż 45, tz. P (X > 45). Skoo X N(00, 5 2 ) to Z = X 00 5 N(0, ), więc: ( ) X P (X > 45) = P > = P (Z > 3) = Φ(3) = / 7
5 (b) Wyzacz jaka część populacji ma IQ pomiędzy 65 a 5. Tu wkadł się błąd: powio być 70 zamiast 65. Wtedy część populacji z IQ pomiędzy 70 a 5 jest ówa P (70 X 5). Pzekształcając ( P (70 X 5) = P X 00 ) 5 00 = P ( 2 Z ) = Φ() Φ( 2) = Φ() ( Φ(2) ) = = 0.88 Moża było też zostawić 65, ale wtedy w wyiku otzymujemy P ( 35 5 Z ) = Φ() Φ( 7 3 ), i tego dugiego wyiku ie ma wśód wymieioych, więc tzeba to tak zostawić. Oczywiście uzam oba podejścia. Zadaie 8 [2pkt] Jaś staje pzed zadaiem estymacji iezaej watości oczekiwaej µ = EX czasu życia bateii motowaej w samochodach elektyczych z póby X,..., X. Poieważ słyszał wcześiej, że czas życia takich bateii wyosi ok. 8 lat, postaawia użyć astępującego estymatoa: µ = α 8 + ( α) X, dla X = X i, i= gdzie α [0, ] jest współczyikiem okeślającym pzetag między tym, co Jasiu uzyska z póby, a tym co wiedział wcześiej. W szczególości, α = 0 daje stadadowy estymato watości oczekiwaej. (a) Wyzacz obciążeie estymatoa µ, tz. E µ µ. Czy estymato jest obciążoy? [5pkt] Policzymy watość oczekiwaą: Obciążeie wyosi więc E[ µ] µ = (8 µ)α. E[ µ] = 8α + ( α)e[x ] = 8α + µ( α) (b) Wyzacz waiację tego estymatoa, D 2 ( µ). W obębie wyiku powia się pojawić waiacja ozkładu σ 2 = D 2 (X). [5pkt] Zgodie z pawem skalowaia waiacji D 2 (ay + b) = a 2 D 2 (Y ). Pzyjmując za Y = X, b = 8α i a = α mamy: D 2 ( µ) = ( α) 2 D 2 (X ) = ( α) 2 σ2. (c) Jakość estymatoów, ówież tych obciążoych, moża ogólie miezyć za pomocą tzw. błędu kwadatowego estymatoa, zdefiiowaego jako: błąd kwadatowy = (obciążeie) 2 + waiacja. Na podstawie popzedich wyików wyzacz błąd kwadatowy estymatoa µ i okeśl czy poszczególe człoy (kwadat obciążeia i waiacja) osą czy maleją z watością α? W jakiej sytuacji duża watość paametu α (zacząco większa od zea) byłaby wskazaa? [2pkt] 5 / 7
6 Błąd wyosi α 2 (8 µ) 2 + ( α) 2 σ2. Kwadat obciążeia ośie więc z α (za wyjątkiem sytuacji gdy µ = 8), atomiast waiacja maleje z α. Jeśli pawdziwa watość µ jest blisko 8 (czyli Jasio tafiłby ze swoim początkowym oszacowaiem), to zapewe wato wziąć większą watość α, poieważ zmiejszy to waiację, a obciążeie i tak jest małe. Oczywiście ie zamy pawdziwej watości µ (bo po co byśmy ją wtedy estymowali), więc ie jesteśmy w staie tego okeślić a pioi. Dla dociekliwych (ale ie tzeba było tego obić!): zakładając, że zamy µ i σ 2 możemy zaleźć miimum błędu, pzyówując jego pochodą po α do zea: 2α(8 µ) 2 2( α) σ2 = 0 α = σ2 σ 2 + (8 µ)2 Zadaie 9 (adobowiązkowe i badzo tude!!) [5pkt] Pijay golfista jedym udezeiem kija posyła piłeczkę w losowym kieuku (kąt wybay jedostajie a okęgu) a odległość 0 metów. Oblicz pawdopodobieństwo, że po tzech udezeiach piłeczka zajduje się ie dalej iż 0 metów od pozycji statowej. Uwaga: możesz ozwiązać postszą wesję zadaia i policzyć pawdopodobieństwo zajścia powyższego po dwóch udezeiach [7pkt]. 6 / 7
7 Niech pozycja statowa to pukt O, po piewszym zucie jesteśmy w pukcie A, po dugim w B, po tzecim w C. Niech = 0 (odległość zutu). Wesja z dwoma zutami: O A Wystaczy zauważyć, że pukt B (miejsce piłeczki po dwóch zutach) będzie w odległości ie dalszej iż od puktu O wtedy i tylko wtedy, gdy zajdzie się a pogubioym łuku. A więc pawdopodobieństwo tego zdazeia to stosuek długości pogubioego łuku do obwodu całego okęgu. Poieważ długość kątowa łuku ówa jest podwojoej długości kąta w aysowaym tójkącie ówoboczym, mamy więc długość łuku ówą 2 3π (kąt 20). A więc pawdopodobieństwo wyosi 3, bo obwód okęgu to 2π. Wesja z tzema zutami: Niech α okeśla kąt pod jakim została zucoa piłka w dugim zucie w stosuku do kąta w piewszym zucie. Z symetii te kąt został wybay jedostajie a okęgu. O β B α A Pukt C (miejsce piłeczki po tzech zutach) będzie w odległości ie dalszej iż od puktu O wtedy i tylko wtedy, gdy zajdzie się a pogubioym łuku. Tzeba więc tylko policzyć długość kątową tego łuku, czyli β. Pzedstawiam wesję studeta Kamila Piechowiaka, któa okazuje się postsza iż moja własa. :) Wystaczy spojzeć, że kąt β to jede z kątów ombu o długości. Poieważ suma kątów w ombie musi być ówa 360 = 2π, a jede z kątów ombu to π α, to wychodzi a to, że β = α. Tzeba tylko uważać a to, że cały te ysuek działa dopóki α jest pomiędzy 0 a π (poieważ dla większych α otzymujemy β = 2π α), ale a szczęście dla większych α mamy odbicie lustzae względem osi X, więc wystaczy zliczyć pawdopodobieństwo po α [0, π] i podwoić. Niech S ozacza zdazeie, że pukt C zajduje się a łuku. Właśie doszliśmy do tego, że P (S α) = β 2π = α 2π dla α [0, π] oaz P (S α) = P (S α). Jeśli f(α) = 2π jest gęstością ozkładu α, to: 2π π P (S) = P (S α)f(α) dα = 2 P (S α) 0 0 2π dα = π 2π 2 α dα = α 2 0 2π 2 π 2 = / 7
Zadanie 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 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 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 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 szczegółowoWykład 1. Elementy rachunku prawdopodobieństwa. Przestrzeń probabilistyczna.
Podstawowe pojęcia. Wykład Elementy achunku pawdopodobieństwa. Pzestzeń pobabilistyczna. Doświadczenie losowe-doświadczenie (zjawisko, któego wyniku nie możemy pzewidzieć. Pojęcie piewotne achunku pawdopodobieństwa
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 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 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 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 szczegółowoWARTOŚĆ PIENIĄDZA W CZASIE
WARTOŚĆ PIENIĄDZA W CZASIE Czyiki wpływające a zmiaę watości pieiądza w czasie:. Spadek siły abywczej. 2. Możliwość iwestowaia. 3. Występowaie yzyka. 4. Pefeowaie bieżącej kosumpcji pzez człowieka. Watość
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 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 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 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 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 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 szczegółowoMatematyka ubezpieczeń majątkowych r.
Zadanie. W kolejnych okesach czasu t =,,3,... ubezpieczony, chaakteyzujący się paametem yzyka Λ, geneuje szkód. Dla danego Λ = λ zmienne N t N, N, N 3,... są waunkowo niezależne i mają (bzegowe) ozkłady
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 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 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 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 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 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 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 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 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 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 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 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 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 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 szczegółowoZnajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek
Zajdowaie pozostałych pierwiastków liczby zespoloej, gdy zay jest jede pierwiastek 1 Wprowadzeie Okazuje się, że gdy zamy jede z pierwiastków stopia z liczby zespoloej z, to pozostałe pierwiastki możemy
Bardziej szczegółowoZADANIA - ZESTAW 2. Zadanie 2.1. Wyznaczyć m (n)
ZADANIA - ZESTAW Zadaie.. Wyzaczyć m (), D ( ) dla procesu symetryczego (p = q =,) błądzeia przypadkowego. Zadaie.. Narysuj graf łańcucha Markowa symetrycze (p = q =,) błądzeie przypadkowe z odbiciem.
Bardziej szczegółowoma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y
Zadaie. Łącza wartość szkód z pewego ubezpieczeia W = Y + Y +... + YN ma rozkład złożoy Poissoa z oczekiwaą liczbą szkód rówą λ i rozkładem wartości pojedyczej szkody takim, że ( Y { 0,,,3,... }) =. Niech:
Bardziej szczegółowoP = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +
Zadaia róże W tym rozdziale zajdują się zadaia ietypowe, często dotyczące łańcuchów Markowa oraz własości zmieych losowych. Pojawią się także zadaia z estymacji Bayesowskiej.. (Eg 8/) Rozważamy łańcuch
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 szczegółowoVII MIĘDZYNARODOWA OLIMPIADA FIZYCZNA (1974). Zad. teoretyczne T3.
KOOF Szczeci: www.of.szc.pl VII MIĘDZYNAODOWA OLIMPIADA FIZYCZNA (1974). Zad. teoretycze T3. Źródło: Komitet Główy Olimpiady Fizyczej; Olimpiada Fizycza XXIII XXIV, WSiP Warszawa 1977 Autor: Waldemar Gorzkowski
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 szczegółowoPRÓBNY EGZAMIN MATURALNY Z MATEMATYKI
PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI ODPOWIEDZI DO ARKUSZA ROZSZERZONEGO Zadanie ( pkt) A Zadanie ( pkt) C Zadanie ( pkt) A, bo sinα + cosα sinα + cosα cos sinα sin cosα + π π + π sin α π A więc musi
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 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 szczegółowoKorelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12
Wykład Korelacja i regresja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Wykład 8. Badaie statystycze ze względu
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 szczegółowoSTATYSTYKA I ANALIZA DANYCH
TATYTYKA I ANALIZA DANYCH Zad. Z pewej partii włókie weły wylosowao dwie próbki włókie, a w każdej z ich zmierzoo średicę włókie różymi metodami. Otrzymao astępujące wyiki: I próbka: 50; średia średica
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 szczegółowoZadanie 3. ( ) Udowodnij, że jeśli (X n, F n ) jest martyngałem, to. X i > t) E X n. . t. P(sup
Szkice rozwiązań zadań z serii dwuastej oraz części zadań z kartkówki. Zadaie 1. Niech (X, F ) będzie martygałem. Czy X jest domykaly, jeśli ciąg EX l X jest zbieży? X jest zbieży prawie a pewo? X jest
Bardziej szczegółowoĆWICZENIE PROJEKTOWE NR 4 POSADOWIENIE NA PALACH Wybrane schematy i tablice z PN-83/B :
ĆWICZENIE PROJEKTOWE NR 4 POSADOWIENIE NA PALACH Wybae schematy i tablice z PN-83/B-048 : http://www.uwm.edu.pl/edu/piotsokosz/mg.htm UWAGA! Rysuki ie są w skali!!! N = 900 kn M = 500 knm G, I L =0.3 0.0m
Bardziej szczegółowoUWAGI O WZORZE NA MOMENTY ROZKŁADU PRAWDOPODOBIEŃSTWA PÓLYI. Tadeusz Gerstenkorn. 1. Wstęp. 2. Rozkład G. Pólyi
UWAGI O WZORZE NA MOMENTY ROZKŁADU PRAWDOPODOBIEŃSTWA PÓLYI Tadeusz Gesteko Emeytoway pofeso Uiwesytetu Łódzkiego ISSN 1644-6739 e-issn 2449-9765 DOI: 10.15611/sps.2015.13.09 Steszczeie: Rozkład pawdopodobieństwa
Bardziej szczegółowoPrzejmowanie ciepła przy kondensacji pary
d iż. Michał Stzeszewski 004-01 Pzejowaie ciepła pzy kodesacji pay Zadaia do saodzielego ozwiązaia v. 0.9 1. powadzeie Jeżeli paa (asycoa lub pzegzaa) kotaktuje się z powiezchią o tepeatuze T s iższej
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 szczegółowoInternetowe Kółko Matematyczne 2004/2005
Iteretowe Kółko Matematycze 2004/2005 http://www.mat.ui.toru.pl/~kolka/ Zadaia dla szkoły średiej Zestaw I (20 IX) Zadaie 1. Daa jest liczba całkowita dodatia. Co jest większe:! czy 2 2? Zadaie 2. Udowodij,
Bardziej szczegółowoFunkcja generująca rozkład (p-two)
Fucja geerująca rozład (p-wo Defiicja: Fucją geerującą rozład (prawdopodobieńswo (FGP dla zmieej losowej przyjmującej warości całowie ieujeme, azywamy: [ ] g E P Twierdzeie: (o jedozaczości Jeśli i są
Bardziej szczegółowoInformatyka Stosowana-egzamin z Analizy Matematycznej Każde zadanie należy rozwiązać na oddzielnej, podpisanej kartce!
Iformatyka Stosowaa-egzami z Aalizy Matematyczej Każde zadaie ależy rozwiązać a oddzielej, podpisaej kartce! y, Daa jest fukcja f (, + y, a) zbadać ciągłość tej fukcji f b) obliczyć (,) (, (, (,) c) zbadać,
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n
Maemayka ubezpieczeń mająkowych 9.0.006 r. Zadaie. Rozważamy proces adwyżki ubezpieczyciela z czasem dyskreym posaci: U = u + c S = 0... S = W + W +... + W W W W gdzie zmiee... są iezależe i mają e sam
Bardziej szczegółowoO liczbach naturalnych, których suma równa się iloczynowi
O liczbach aturalych, których suma rówa się iloczyowi Lew Kurladczyk i Adrzej Nowicki Toruń UMK, 10 listopada 1998 r. Liczby aturale 1, 2, 3 posiadają szczególą własość. Ich suma rówa się iloczyowi: Podobą
Bardziej szczegółowoWERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa
Matematyka fiasowa 8.05.0 r. Komisja Egzamiacyja dla Aktuariuszy LX Egzami dla Aktuariuszy z 8 maja 0 r. Część I Matematyka fiasowa WERJA EU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut
Bardziej szczegółowoELEMENTY MATEMATYKI FINANSOWEJ. Wprowadzenie
ELEMENTY MATEMATYI FINANSOWEJ Wpowadzeie Pieiądz ma okeśloą watość, któa ulega zmiaie w zależości od czasu, w jakim zostaje o postawioy do aszej dyspozycji. Watość tej samej omialie kwoty będzie ia dziś
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 szczegółowoMatematyka finansowa 08.10.2007 r. Komisja Egzaminacyjna dla Aktuariuszy. XLIII Egzamin dla Aktuariuszy z 8 października 2007 r.
Matematyka fiasowa 08.10.2007 r. Komisja Egzamiacyja dla Aktuariuszy XLIII Egzami dla Aktuariuszy z 8 paździerika 2007 r. Część I Matematyka fiasowa WERSJA TESTU A Imię i azwisko osoby egzamiowaej:...
Bardziej szczegółowo3. Regresja liniowa Założenia dotyczące modelu regresji liniowej
3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi
Bardziej szczegółowoZmienna losowa N ma rozkład ujemny dwumianowy z parametrami (, q) = 7,
Matematyka ubezpieczeń majątkowych.0.008 r. Zadaie. r, Zmiea losowa N ma rozkład ujemy dwumiaowy z parametrami (, q), tz.: Pr( N k) (.5 + k) (.5) k! Γ Γ * Niech k ozacza taką liczbę aturalą, że: * k if{
Bardziej szczegółowoROZKŁAD NORMALNY. 2. Opis układu pomiarowego
ROZKŁAD ORMALY 1. Opis teoetyczny do ćwiczenia zamieszczony jest na stonie www.wtc.wat.edu.pl w dziale DYDAKTYKA FIZYKA ĆWICZEIA LABORATORYJE (Wstęp do teoii pomiaów). 2. Opis układu pomiaowego Ćwiczenie
Bardziej szczegółowoMMF ćwiczenia nr 1 - Równania różnicowe
MMF ćwiczeia - Rówaia óżicowe Rozwiązać ówaia óżicowe piewszego zędu: (a) y + y =, y = (b) y + y =!, y = Wsk Podzielić ówaie pzez! i podstawić z = y /( )! Rozwiązać ówaia óżicowe dugiego zędu: (a) + 6,
Bardziej szczegółowoSTATYSTYCZNY OPIS UKŁADU CZĄSTEK
WYKŁAD 6 STATYSTYCZNY OPIS UKŁADU CZĄSTK Zespół statcz moża opisać: ) Klasczie pzestzeń fazowa P ( P PN, q, q q N) q Każda kofiguacja N cząstek zespołu statczego opisaa jest puktem w pzestzei fazowej.
Bardziej szczegółowoKONKURS Z MATEMATYKI DLA UCZNIÓW SZKÓŁ PODSTAWOWYCH
Konkusy w województwie podkapackim w oku szkolnym 08/09 KONKURS Z MTEMTYKI L UZNIÓW SZKÓŁ POSTWOWYH ETP REJONOWY KLUZ OPOWIEZI Zasady pzyznawania punktów za każdą popawną odpowiedź punkt za błędną odpowiedź
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 szczegółowoMINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU
Przedmiot: Iformatyka w logistyce Forma: Laboratorium Temat: Zadaie 2. Automatyzacja obsługi usług logistyczych z wykorzystaiem zaawasowaych fukcji oprogramowaia Excel. Miimalizacja pustych przebiegów
Bardziej szczegółowoWYBRANE DZIAŁY ANALIZY MATEMATYCZNEJ. Wykład 0 Wprowadzenie ( ) ( ) dy x dx ( )
Rówaia óżiczkowe zwyczaje Rówaie postaci: Wykład Wpowadzeie dy x dx ( x y ( x) ) = f () Gdzie f ( x y ) jest fukcją dwóch zmieych okeśloą i ciągłą w pewym obszaze płaskim D azywamy ówaiem óżiczkowym zwyczajym
Bardziej szczegółowoPODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH
PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH POMIAR FIZYCZNY Pomiar bezpośredi to doświadczeie, w którym przy pomocy odpowiedich przyrządów mierzymy (tj. porówujemy
Bardziej szczegółowo2 n < 2n + 2 n. 2 n = 2. 2 n 2 +3n+2 > 2 0 = 1 = 2. n+2 n 1 n+1 = 2. n+1
Tekst a iebiesko jest kometarzem lub treścią zadaia. Zadaie 1. Zbadaj mootoiczość i ograiczoość ciągów. a = + 3 + 1 Ciąg jest mootoiczie rosący i ieograiczoy poieważ różica kolejych wyrazów jest dodatia.
Bardziej szczegółowoZadania z Matematyka 2 - SIMR 2008/ szeregi zadania z rozwiązaniami. n 1. n n. ( 1) n n. n n + 4
Zadaia z Matematyka - SIMR 00/009 - szeregi zadaia z rozwiązaiami. Zbadać zbieżość szeregu Rozwiązaie: 0 4 4 + 6 0 : Dla dostateczie dużych 0 wyrazy szeregu są ieujeme 0 a = 4 4 + 6 0 0 Stosujemy kryterium
Bardziej szczegółowoKonkurs Matematyczny dla uczniów gimnazjów województwa lubuskiego 19 stycznia 2012 r. zawody II stopnia (rejonowe)
Kod ucznia:. Ilość punktów: Konkus Matematyczny dla uczniów gimnazjów województwa lubuskiego 19 stycznia 2012. zawody II stopnia (ejonowe) Witamy Cię na dugim etapie Konkusu Matematycznego. Pzed pzystąpieniem
Bardziej szczegółowoPRZYKŁADY ROZWIAZAŃ STACJONARNEGO RÓWNANIA SCHRӦDINGERA. Ruch cząstki nieograniczony z klasycznego punktu widzenia. mamy do rozwiązania równanie 0,,
PRZYKŁADY ROZWIAZAŃ STACJONARNEGO RÓWNANIA SCHRӦDINGERA Ruch cząstki ieograiczoy z klasyczego puktu widzeia W tym przypadku V = cost, przejmiemy V ( x ) = 0, cząstka porusza się wzdłuż osi x. Rozwiązujemy
Bardziej szczegółowoI. Podzielność liczb całkowitych
I Podzielość liczb całkowitych Liczba a = 57 przy dzieleiu przez pewą liczbę dodatią całkowitą b daje iloraz k = 3 i resztę r Zaleźć dzieik b oraz resztę r a = 57 = 3 b + r, 0 r b Stąd 5 r b 8, 3 więc
Bardziej szczegółowo9. 1. KOŁO. Odcinki w okręgu i kole
9.. KOŁO Odcinki w okęgu i kole Cięciwa okęgu (koła) odcinek łączący dwa dowolne punkty okęgu d Śednica okęgu (koła) odcinek łączący dwa dowolne punkty okęgu pzechodzący pzez śodek okęgu (koła) Pomień
Bardziej szczegółowoPRACA MOC ENERGIA. Z uwagi na to, że praca jest iloczynem skalarnym jej wartość zależy również od kąta pomiędzy siłą F a przemieszczeniem r
PRACA MOC ENERGIA Paca Pojęcie pacy używane jest zaówno w fizyce (w sposób ścisły) jak i w życiu codziennym (w sposób potoczny), jednak obie te definicje nie pokywają się Paca w sensie potocznym to każda
Bardziej szczegółowoRÓWNANIA RÓŻNICZKOWE WYKŁAD 11
RÓWNANIA RÓŻNICZKOWE WYKŁAD Szeregi potęgowe Defiicja Fukcja y = f () jest klasy C jeżeli jest -krotie różiczkowala i jej -ta pochoda jest fukcją ciągłą. Defiicja Fukcja y = f () jest klasy C, jeżeli jest
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 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 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 szczegółowoGEOMETRIA PŁASZCZYZNY
GEOMETRIA PŁASZCZYZNY. Oblicz pole tapezu ównoamiennego, któego podstawy mają długość cm i 0 cm, a pzekątne są do siebie postopadłe.. Dany jest kwadat ABCD. Punkty E i F są śodkami boków BC i CD. Wiedząc,
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 szczegółowoROZWIĄZUJEMY PROBLEM RÓWNOWAŻNOŚCI MASY BEZWŁADNEJ I MASY GRAWITACYJNEJ.
ROZWIĄZUJEMY PROBLEM RÓWNOWAŻNOŚCI MASY BEZWŁADNEJ I MASY GRAWITACYJNEJ. STRESZCZENIE Na bazie fizyki klasycznej znaleziono nośnik ładunku gawitacyjnego, uzyskano jedność wszystkich odzajów pól ( elektycznych,
Bardziej szczegółowoTeoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i =
Zastosowaie symboli Σ i Π do zapisu sum i iloczyów Teoria Niech a, a 2,..., a będą dowolymi liczbami. Sumę a + a 2 +... + a zapisuje się zazwyczaj w postaci (czytaj: suma od k do a k ). Zak Σ to duża grecka
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 szczegółowoAnaliza możliwości wykorzystania wybranych modeli wygładzania wykładniczego do prognozowania wartości WIG-u
Zbigiew Taapaa Aaliza możliwości wykozysaia wybaych modeli wygładzaia wykładiczego do pogozowaia waości WIG-u Wydział Cybeeyki Wojskowej Akademii Techiczej w Waszawie Seszczeie W aykule pzedsawioo aalizę
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Prawdopodobieństwo i statystyka.0.00 r. Zadaie Rozważy astępującą, uproszczoą wersję gry w,,woję. Talia składa się z 5 kart. Dobrze potasowae karty rozdajey dwó graczo, każdeu po 6 i układay w dwie kupki.
Bardziej szczegółowoKRYTERIA OCENIANIA ODPOWIEDZI Próbna Matura z OPERONEM. Matematyka Poziom rozszerzony
KRYTERIA OCENIANIA ODPOWIEDZI Póbna Matua z OPERONEM Matematyka Poziom ozszezony Listopad 0 W ni niej szym sche ma cie oce nia nia za dań otwa tych są pe zen to wa ne pzy kła do we po paw ne od po wie
Bardziej szczegółowoMODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty
MODELE MATEMATYCZNE W UBEZPIECZENIACH WYKŁAD 2: RENTY. PRZEPŁYWY PIENIĘŻNE. TRWANIE ŻYCIA 1. Rety Retą azywamy pewie ciąg płatości. Na razie będziemy je rozpatrywać bez żadego związku z czasem życiem człowieka.
Bardziej szczegółowoMatematyka I. Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr zimowy 2018/2019 Wykład 11
Matematyka I Bezpieczeństwo jądrowe i ochroa radiologicza Semestr zimowy 2018/2019 Wykład 11 Całka ozaczoa podstawowe pojęcia Defiicja podziału odcika Podziałem P odcika < a, b > a części azywamy zbiór
Bardziej szczegółowoStatystyka opisowa - dodatek
Statystyka opisowa - dodatek. *Jak obliczyć statystyki opisowe w dużych daych? Liczeie statystyk opisowych w dużych daych może sprawiać problemy. Dla przykładu zauważmy, że aiwa implemetacja średiej arytmetyczej
Bardziej szczegółowoGraf skierowany. Graf zależności dla struktur drzewiastych rozgrywających parametrycznie
Gaf skieowany Gaf skieowany definiuje się jako upoządkowaną paę zbioów. Piewszy z nich zawiea wiezchołki gafu, a dugi składa się z kawędzi gafu, czyli upoządkowanych pa wiezchołków. Ruch po gafie możliwy
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 szczegółowoI kolokwium z Analizy Matematycznej
I kolokwium z Aalizy Matematyczej 4 XI 0 Grupa A. Korzystając z zasady idukcji matematyczej udowodić ierówość dla wszystkich N. Rozwiązaie:... 4 < + Nierówość zachodzi dla, bo 4
Bardziej szczegółowoUniwersytet Warszawski Teoria gier dr Olga Kiuila LEKCJA 2
LEKCJA 2 Pzykład: Dylemat Cykoa (albo Poke Dogowy) Dwie osoby wsiadają w samochody, ozpędzają się i z dużą pędkością jadą na siebie - ten kto piewszy zahamuje lub zjedzie z tasy jest "cykoem" i pzegywa.
Bardziej szczegółowoWstęp do Rachunku Prawdopodobieństwa, IIr. WMS
Wstęp do Rachunku Prawdopodobieństwa, IIr. WMS przykładowe zadania na. kolokwium czerwca 6r. Poniżej podany jest przykładowy zestaw zadań. Podczas kolokwium na ich rozwiązanie przeznaczone będzie ok. 85
Bardziej szczegółowoDamian Doroba. Ciągi. 1. Pierwsza z granic powinna wydawać się oczywista. Jako przykład może służyć: lim n = lim n 1 2 = lim.
Damia Doroba Ciągi. Graice, z których korzystamy. k. q.. 5. dla k > 0 dla k 0 0 dla k < 0 dla q > 0 dla q, ) dla q Nie istieje dla q ) e a, a > 0. Opis. Pierwsza z graic powia wydawać się oczywista. Jako
Bardziej szczegółowo500 1,1. b) jeŝeli w kolejnych latach stopy procentowe wynoszą odpowiednio 10%, 9% i 8%, wówczas wartość obecna jest równa: - 1 -
Zdyskotowae pzepływy pieięŝe - Pzepływy pieięŝe płatości ozłoŝoe w czasie - Pzepływy występujące w kilku óŝych okesach ie są poówywale z uwagi a zmiaę watość pieiądza w czasie - śeby poówywać pzepływy
Bardziej szczegółowoPODSTAWY BIOSTATYSTYKI ĆWICZENIA
PODSTAWY BIOSTATYSTYKI ĆWICZENIA FILIP RACIBORSKI FILIP.RACIBORSKI@WUM.EDU.PL ZAKŁAD PROFILAKTYKI ZAGROŻEŃ ŚRODOWISKOWYCH I ALERGOLOGII WUM ZADANIE 1 Z populacji wyborców pobrao próbkę 1000 osób i okazało
Bardziej szczegółowo