Metody probabilistyczne egzamin

Wielkość: px
Rozpocząć pokaz od strony:

Download "Metody probabilistyczne egzamin"

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,.

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 szczegółowo

Lista 6. Estymacja punktowa

Lista 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 szczegółowo

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Trzeba 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 szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo 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 szczegółowo

Wykład 1. Elementy rachunku prawdopodobieństwa. Przestrzeń probabilistyczna.

Wykład 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 szczegółowo

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

ZAGADNIENIE 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 szczegółowo

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,

będą 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 szczegółowo

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

Charakterystyki 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 szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo 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 szczegółowo

WARTOŚĆ PIENIĄDZA W CZASIE

WARTOŚĆ 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 szczegółowo

Twierdzenia graniczne:

Twierdzenia 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 szczegółowo

Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne

Niezależność 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 szczegółowo

Lista 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. 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 szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka 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 szczegółowo

są niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X

są 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 szczegółowo

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe

Zdarzenia 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 szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka 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 szczegółowo

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X

z 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 szczegółowo

1 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.

1 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 szczegółowo

ZADANIA NA ĆWICZENIA 3 I 4

ZADANIA 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 szczegółowo

1 Twierdzenia o granicznym przejściu pod znakiem całki

1 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 szczegółowo

θx θ 1, dla 0 < x < 1, 0, poza tym,

θx 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 szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo 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 szczegółowo

Statystyka matematyczna. Wykład II. Estymacja punktowa

Statystyka 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 szczegółowo

Estymacja przedziałowa

Estymacja 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 szczegółowo

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych

Wokół 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 szczegółowo

1 Układy równań liniowych

1 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 szczegółowo

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona

Ćwiczenie 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 szczegółowo

oznaczają łączne wartości szkód odpowiednio dla k-tego kontraktu w t-tym roku. O składnikach naszych zmiennych zakładamy, że:

oznaczają 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 szczegółowo

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE

ZBIEŻNOŚĆ 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 szczegółowo

X 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.

X 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 szczegółowo

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek

Znajdowanie 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 szczegółowo

ZADANIA - ZESTAW 2. Zadanie 2.1. Wyznaczyć m (n)

ZADANIA - 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 szczegółowo

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

ma 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 szczegółowo

P = 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 +

P = 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 szczegółowo

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej

3. 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 szczegółowo

VII MIĘDZYNARODOWA OLIMPIADA FIZYCZNA (1974). Zad. teoretyczne T3.

VII 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 szczegółowo

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2

Wykład 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 szczegółowo

PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI

PRÓBNY 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 szczegółowo

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

Statystyka 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 szczegółowo

0.1 ROZKŁADY WYBRANYCH STATYSTYK

0.1 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 szczegółowo

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12

Korelacja 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 szczegółowo

1 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 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 szczegółowo

STATYSTYKA I ANALIZA DANYCH

STATYSTYKA 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 szczegółowo

16 Przedziały ufności

16 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 szczegółowo

Zadanie 3. ( ) Udowodnij, że jeśli (X n, F n ) jest martyngałem, to. X i > t) E X n. . t. P(sup

Zadanie 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 szczegółowo

ĆWICZENIE PROJEKTOWE NR 4 POSADOWIENIE NA PALACH Wybrane schematy i tablice z PN-83/B :

ĆWICZENIE 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 szczegółowo

UWAGI O WZORZE NA MOMENTY ROZKŁADU PRAWDOPODOBIEŃSTWA PÓLYI. Tadeusz Gerstenkorn. 1. Wstęp. 2. Rozkład G. Pólyi

UWAGI 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 szczegółowo

Przejmowanie ciepła przy kondensacji pary

Przejmowanie 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 szczegółowo

STATYSTKA I ANALIZA DANYCH LAB II

STATYSTKA 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 szczegółowo

Internetowe Kółko Matematyczne 2004/2005

Internetowe 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 szczegółowo

Funkcja generująca rozkład (p-two)

Funkcja 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 szczegółowo

Informatyka Stosowana-egzamin z Analizy Matematycznej Każde zadanie należy rozwiązać na oddzielnej, podpisanej kartce!

Informatyka 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 szczegółowo

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n

Matematyka 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 szczegółowo

O liczbach naturalnych, których suma równa się iloczynowi

O 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 szczegółowo

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa

WERSJA 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 szczegółowo

ELEMENTY MATEMATYKI FINANSOWEJ. Wprowadzenie

ELEMENTY 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 szczegółowo

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7

Estymacja. 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 szczegółowo

Matematyka finansowa 08.10.2007 r. Komisja Egzaminacyjna dla Aktuariuszy. XLIII Egzamin dla Aktuariuszy z 8 października 2007 r.

Matematyka 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 szczegółowo

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

3. 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 szczegółowo

Zmienna losowa N ma rozkład ujemny dwumianowy z parametrami (, q) = 7,

Zmienna 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 szczegółowo

ROZKŁAD NORMALNY. 2. Opis układu pomiarowego

ROZKŁAD 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 szczegółowo

MMF ćwiczenia nr 1 - Równania różnicowe

MMF 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 szczegółowo

STATYSTYCZNY OPIS UKŁADU CZĄSTEK

STATYSTYCZNY 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 szczegółowo

KONKURS Z MATEMATYKI DLA UCZNIÓW SZKÓŁ PODSTAWOWYCH

KONKURS 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 szczegółowo

Podstawowe rozkłady zmiennych losowych typu dyskretnego

Podstawowe 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 szczegółowo

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

MINIMALIZACJA 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 szczegółowo

WYBRANE DZIAŁY ANALIZY MATEMATYCZNEJ. Wykład 0 Wprowadzenie ( ) ( ) dy x dx ( )

WYBRANE 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 szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY 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 szczegółowo

2 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

2 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 szczegółowo

Zadania z Matematyka 2 - SIMR 2008/ szeregi zadania z rozwiązaniami. n 1. n n. ( 1) n n. n n + 4

Zadania 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 szczegółowo

Konkurs Matematyczny dla uczniów gimnazjów województwa lubuskiego 19 stycznia 2012 r. zawody II stopnia (rejonowe)

Konkurs 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 szczegółowo

PRZYKŁADY ROZWIAZAŃ STACJONARNEGO RÓWNANIA SCHRӦDINGERA. Ruch cząstki nieograniczony z klasycznego punktu widzenia. mamy do rozwiązania równanie 0,,

PRZYKŁADY 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 szczegółowo

I. Podzielność liczb całkowitych

I. 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 szczegółowo

9. 1. KOŁO. Odcinki w okręgu i kole

9. 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 szczegółowo

PRACA 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. 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 szczegółowo

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11

RÓWNANIA 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 szczegółowo

PRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1).

PRZEDZIAŁY 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 szczegółowo

Komputerowa analiza danych doświadczalnych

Komputerowa 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 szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA 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 szczegółowo

GEOMETRIA PŁASZCZYZNY

GEOMETRIA 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 szczegółowo

P ( 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.

P ( 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 szczegółowo

ROZWIĄZUJEMY PROBLEM RÓWNOWAŻNOŚCI MASY BEZWŁADNEJ I MASY GRAWITACYJNEJ.

ROZWIĄZUJEMY 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 szczegółowo

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i =

Teoria. 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 szczegółowo

Moda (Mo, D) wartość cechy występującej najczęściej (najliczniej).

Moda (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 szczegółowo

Analiza możliwości wykorzystania wybranych modeli wygładzania wykładniczego do prognozowania wartości WIG-u

Analiza 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 szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo 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 szczegółowo

KRYTERIA OCENIANIA ODPOWIEDZI Próbna Matura z OPERONEM. Matematyka Poziom rozszerzony

KRYTERIA 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 szczegółowo

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty

MODELE 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 szczegółowo

Matematyka I. Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr zimowy 2018/2019 Wykład 11

Matematyka 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 szczegółowo

Statystyka opisowa - dodatek

Statystyka 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 szczegółowo

Graf skierowany. Graf zależności dla struktur drzewiastych rozgrywających parametrycznie

Graf 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 szczegółowo

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2

STATYSTYKA. 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 szczegółowo

I kolokwium z Analizy Matematycznej

I 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 szczegółowo

Uniwersytet Warszawski Teoria gier dr Olga Kiuila LEKCJA 2

Uniwersytet 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 szczegółowo

Wstęp do Rachunku Prawdopodobieństwa, IIr. WMS

Wstęp 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 szczegółowo

Damian Doroba. Ciągi. 1. Pierwsza z granic powinna wydawać się oczywista. Jako przykład może służyć: lim n = lim n 1 2 = lim.

Damian 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 szczegółowo

500 1,1. b) jeŝeli w kolejnych latach stopy procentowe wynoszą odpowiednio 10%, 9% i 8%, wówczas wartość obecna jest równa: - 1 -

500 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 szczegółowo

PODSTAWY BIOSTATYSTYKI ĆWICZENIA

PODSTAWY 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