Definicja Mówimy, że zmienna losowa X ma rozkład gamma, jeśli jej funkcja gęstości jest określona wzorem

Wielkość: px
Rozpocząć pokaz od strony:

Download "Definicja Mówimy, że zmienna losowa X ma rozkład gamma, jeśli jej funkcja gęstości jest określona wzorem"

Transkrypt

1 .. Pewne rozłady zmiennej osowej ciągłej 5 Rozład gamma Definicja.7. Mówimy, że zmienna osowa X ma rozład gamma, jeśi jej funcja gęstości jest oreśona wzorem gdzie b > 0 i p > 0 oznaczają pewne stałe. Przypomnijmy, że funcją gamma nazywamy całę Euera drugiego rodzaju daną wzorem Mamy przy tym oraz gdy wartość n jest iczbą naturaną. Przyład.7. Zmienna osowa X podega rozładowi gamma da b = i p =. Obiczyć prawdopodobieństwo, że zmienna ta przyjmie wartość nie więszą od oraz wyznaczyć dystrybuantę. Zgodnie z definicją.7 funcja gęstości ma postać Ponieważ '() =, więc oraz 0 da x 0, p = b p x p e bx da ( ) x > 0, Γ p Γ( p) = x e dx, p> 0. 0 Szczegónym przypadiem rozładu gamma jest rozład wyładniczy, tóry otrzymujemy da b = 8 i p =. Wówczas x Γ( p+ ) = p Γ( p) Γ( n+ ) = n!, 0 da x 0, = x xe da x > 0. Γ( ) x x x e P( X ) = x e dx = ( x e + e ) = 06, 0 e 0 0 da x 0, F( x) = x ( x+ ) e da x > 0. 0 da x 0, = λx λ e da x > 0.

2 5 III. Zmienne osowe jednowymiarowe Rozład beta Definicja.8. Zmienna osowa X ma rozład beta, jeżei jej gęstość jest oreśona wzorem 0 da x < 0, f x B p q x p x q ( ) = ( ) da 0 (, ) x, 0 da x >, gdzie p > 0 i q > 0 oznaczają pewne stałe. Przypomnijmy, że funcją beta nazywamy całę Euera pierwszego rodzaju, tórą oreśa wzór oraz że zachodzą następujące zaeżności: gdzie m i n oznaczają iczby naturane. Przyład.8. Zmienna osowa X podega rozładowi beta da p = i q =. Obiczyć prawdopodobieństwo, że przyjmie ona wartość mniejszą od 0,. Na podstawie definicji.8 funcja gęstości dana jest wzorem Ponieważ więc p q B( p, q) = x ( x) dx, p> 0, q > 0 0 q B( p, q) = B( p, q ), p+ q Γ( p) Γ( q) B( p, q) =, Γ( p+ q) ( n )! B( p, n) = p ( p+ ) K ( p+ n ), ( n )!( m )! Bmn (, ) =. ( m+ n )! 0 da x < 0 ub x >, = x ( x) da 0 x. B(, ) ( + )! 4! = = =, B(, )!! 0, 0, P( X < 0, ) = x ( x) dx = 4 x x = 0,

3 .. Pewne rozłady zmiennej osowej ciągłej 5 Rozład Cauchy ego Definicja.9. Mówimy, że zmienna osowa X ma rozład Cauchy ego, gdy jej gęstość jest oreśona wzorem = π α + ( x a) gdzie " > 0, a a oznacza dowoną iczbę rzeczywistą,!4 < x < +4.. W przypadu a = 0 i " = wyres gęstości jej następujący: α, Da a = 0 dystrybuanta tego rozładu ma postać Rozład Lapace a α dt t x F( x) = = arctg = + arctg. π t + α π α π α Definicja.0. Mówimy, e zmienna osowa X podega rozładowi Lapace a, jeśi jej gęstość prawdopodobieństwa jest oreśona wzorem gdzie 8 > 0 i!4 < x < +4. Wyres tej funcji jest następujący: x x = exp( x ), λ λ

4 54 III. Zmienne osowe jednowymiarowe Rozład Maxwea Definicja.. Mówimy, że zmienna osowa X ma rozład Maxwea, gdy jej gęstość prawdopodobieństwa dana jest wzorem przy czym 8 > 0. 0 da x 0, / = 4λ x exp( λx ) da x > 0, π Wyres powyższej funcji gęstości da 8 = / jest następujący: Zadania. Zmienna osowa X ma rozład według gęstości danej wzorem A. Obiczyć stałą C. B. Podać dystrybuantę. C. Obiczyć P(B/6 X B/4). 0 da x < 0, π = C sin x da 0 x, π 0 da x >.. Zmienna osowa X podega rozładowi według gęstości danej wzorem A. Obiczyć stałą a. B. Podać dystrybuantę. C. Obiczyć P( X e). 0 da x <, = n x da x a, 0 da x > a.

5 .4. Funcje zmiennych osowych 55. Strzała minutowa zegara eetrycznego zmienia położenie w ońcu ażdej minuty. Jeżei strzała wsazuje a minut, to rzeczywisty czas t jest zmienną osową przyjmującą wartości z przedziału [a, a + ]. Znaeźć gęstość prawdopodobieństwa zmiennej t. 4. Zmienna osowa przyjmuje wartości z przedziału [, 7], przy czym prawdopodobieństwo przyjęcia przez nią wartości z wycina przedziału [, 4] jest pięć razy więsze od prawdopodobieństwa przyjęcia wartości z wycina o tej samej długości z przedziału [, ), a taże z przedziału (4, 7]. Podać gęstość, dystrybuantę i obiczyć P(,6 X 4,7). 5. Zmienna osowa X podega rozładowi według trójąta utworzonego przez oś Ox oraz proste y = ax + a i y =!x + 4. Dobrać odpowiednio stałą a i podać gęstość prawdopodobieństwa tej zmiennej. 6. Zmienna osowa podega rozładowi według trójąta utworzonego przez oś Ox oraz proste y = ax (a > 0) i y = a x Dobrać odpowiednio stałą a i podać gęstość prawdo- podobieństwa tej zmiennej. 7. Zmienna osowa X podega rozładowi według gęstości danej wzorem 0 da x <, x = da x, 4 0 da x >. Wyznaczyć dystrybuantę oraz obiczyć P(,4 X ). Wyonać wyresy gęstości i dystrybuanty. Zaznaczyć wartość obiczonego prawdopodobieństwa na wyonanych wyresach. 8. Zmienna osowa podega rozładowi według trapezu równoramiennego o podstawie x i ącie nachyenia " = B/6, przy czym a x b. Napisać równanie gęstości. 9. Zmienna osowa podega rozładowi według trójąta równoramiennego o podstawie a x a. Napisać równanie gęstości. 0. Zmienna osowa X przyjmuje wartości x =, x = i x = 4 z prawdopodobieństwami odpowiednio /, /4 i 5/. Wyznaczyć wartości dystrybuanty F(), F(,5), F(4) i F(6).. Pewna gra poega na rzucie trzema monetami i otrzymaniu wygranej 0 zł w przypadu wyrzucenia trzech orłów i przegraniu 6 zł w pozostałych przypadach. Tratując wygraną jao zmienną osową podać jej funcję prawdopodobieństwa i dystrybuantę..4. Funcje zmiennych osowych Ograniczymy się do podania twierdzenia. Twierdzenie.. Jeżei zmienna X jest zmienną osową, a funcja g(x) jest funcją B-mierzaną, to zmienna Y=g(X) jest też zmienną osową. Dowód pomijamy.

6 56 III. Zmienne osowe jednowymiarowe Funcję g(x) nazywa się funcją B-mierzaną, gdy oreśony przez nierówność g(x) < y zbiór argumentów x jest zbiorem boreowsim da ażdej wartości y. W szczegóności ażda funcja ciągła jest B-mierzana..5. Oreśenia momentów Momenty są charaterystyami iczbowymi rozładów zmiennych osowych, tóre umożiwiają szybie porównanie rozładów między sobą. Definicja.. Momentem rzędu ( =,,...) wzgędem iczby c zmiennej osowej X nazywamy da zmiennej osowej soowej sumę a da zmiennej osowej ciągłej całę jeśi odpowiednio szereg ub cała są bezwzgędnie zbieżne, gdzie p oznacza prawdopodobieństwo przyjęcia przez zmienną osową X wartości x, a f(x) gęstość prawdopodobieństwa. Uwagi. Jeśi zmienna osowa X jest soowa o sończonej iczbie puntów soowych x ub ciągła o gęstości ograniczonej i więszej od zera na przedziae sończonym [a, b], to warune bezwzgędnej zbieżności odpada, bo w pierwszym przypadu mamy do czynienia z sumą sończoną, a w drugim z całą oznaczoną.. Z definicji wynia, że moment zaeży tyo od rozładu. Jeśi zatem X i X oznaczają dwie zmienne osowe o tym samym rozładzie, to momenty tych zmiennych są równe. Może jedna zdarzyć się, że rozład nie ma momentów. Definicja.. Jeżei c = 0, to moment nazywamy zwyłym i oznaczamy przez m, tj. m = x p da zmiennej osowej soowej, m x = + x dx da zmiennej osowej ciągłej. Definicja.4. Moment zwyły rzędu pierwszego nazywamy wartością przeciętną (wartością oczeiwaną, nadzieją matematyczną) i oznaczamy symboem E(X), tj. E( X) = x p µ = ( x c) p, + µ = ( x c) dx, da zmiennej osowej soowej,

7 .5. Oreśenia momentów 57 + E( X) = x dx da zmiennej osowej ciągłej. Przyład.9. Zmienna osowa X podega rozładowi P(X = x ) = p, =,,..., gdzie p = ( x = ),. Zbadać istnienie momentu rzędu pierwszego. Na podstawie definicji.4 naeży obiczyć sumę ioczynów wartości zmiennej osowej przez odpowiadające im prawdopodobieństwa. Mamy x p ( ) ( ) = = = = = = n. Poprzestanie na tych obiczeniach prowadzi do błędnego wniosu, że wartość oczeiwana istnieje. Mamy jedna co oznacza, że szereg nie jest bezwzgędnie zbieżny (jest to szereg harmoniczny rzędu pierwszego). Przyład.0. Zmienna osowa X ma rozład Cauchy ego postaci Zbadać istnienie wartości oczeiwanej w tym rozładzie. Mamy co oznacza, że rozład Cauchy ego nie ma momentu rzędu pierwszego. Wynia z tego, że rozład ten nie ma żadnego momentu. Definicja.5. Jeśi w definicji. przyjmiemy c = m = E(X), to tai moment nazywamy momentem centranym rzędu i oznaczamy przez :, czyi µ = ( ) x m p + µ = x ( x m ) dx p = =, = = =, < x <+. π + x + + xx π dx x π x dx π x = = + = n( ), 0 da zmiennej osowej soowej, da zmiennej osowej ciągłej.

8 58 III. Zmienne osowe jednowymiarowe Definicja.6. Moment centrany rzędu drugiego : nazywamy wariancją, a pierwiaste z niego odchyeniem standardowym. Wariancję oznaczamy przez F ub D (X), a odchyenie standardowe przez F ub D(X), tj. D ( X) = [ x E( X)] p + D ( X) = [ x E( X)] dx da zmiennej osowej soowej, da zmiennej osowej ciągłej. Moment centrany można przedstawić za pomocą wartości oczeiwanej: µ = E X E X W przypadu zmiennej osowej soowej mamy bowiem (( ( )) ). µ = ( x m ) p = ξ p = E( ξ) = E(( X m ) ) = E(( X E( X)) ), gdzie przyjęto oznaczenie ( x m ) = ξ. W przypadu zmiennej osowej ciągłej uzasadnienie jest podobne. Przyład.0. Wyrazić trzy pierwsze momenty centrane poprzez momenty zwyłe. Rozważymy przypade zmiennej osowej soowej (da zmiennej osowej ciągłej rozumowanie jest podobne). Mamy: µ = E( X E( X)) = ( x m ) p = x p m p = m m = 0, = x p m xp + m p = m m + m = m m = xp m x p + m xp m p m mm m m m mm m = + = +. µ = E(( X E( X)) ) = ( x m ) p µ = E(( X E( X)) ) = ( x m ) p Momenty m = E(X) (wartość oczeiwana) i : = D (X) (wariancja) odgrywają dużą roę w rachunu prawdopodobieństwa i statystyce matematycznej i datego ich własności rozważymy w oejnych puntach.,.6. Własności wartości oczeiwanej Definicja.7. Wartością oczeiwaną funcji g zmiennej osowej X (funcji g(x), gdzie X oznacza zmienną osową) nazywamy wyrażenie E( g( x)) = g( x) p,

9 .6. Własności wartości oczeiwanej 59 gdy zmienna osowa X jest soowa o puntach soowych x i soach p oraz wyrażenie E( g( x)) = g( x) dx, gdy zmienna osowa X jest ciągła i ma gęstość f(x). Uwaga: W powyższej definicji szereg i cała powinny być bezwzgędnie zbieżne. Podstawowe własności wartości oczeiwanej podamy w iu twierdzeniach. Twierdzenie.4. Jeśi g (X) i g (X) oznaczają dwie jednoznaczne funcje zmiennej osowej X oraz jeśi istnieją wartości oczeiwane E(g (X)) i E(g (X)), to Dowód. Rozpatrzymy przypade zmiennej osowej soowej (da zmiennej osowej ciągłej dowód jest podobny). Zauważmy przede wszystim, że wartość oczeiwana sumy istnieje, bo szereg z prawej strony jest bezwzgędnie zbieżny, co wynia z nierówności i fatu, że z założenia oba szeregi po prawej stronie tej nierówności są bezwzgędnie zbieżne. Z bezwzgędnej zbieżności szeregów wynia ich zbieżność, a więc Twierdzenie.5. Wartość oczeiwana stałej a równa się tej stałej, tj. + E( g( X) + g( X)) = E( g( X)) + E( g( X)). E( g ( X) + g ( X)) = ( g ( x ) + g ( x )) p g ( x ) + g ( x ) p g ( x ) p + g ( x ) p ( g ( x ) + g ( x )) = g ( x ) + g ( x ) = E( g ( X)) + E( g ( X)). Ea ( ) = a. Dowód jest oczywisty. Twierdzenie.6. Zachodzi równość n n n E(( ax) ) = a E( X ), gdzie a oznacza pewną stałą, a n iczbę naturaną. Dowód (da zmiennej osowej soowej). Mamy n n n n n n n E(( ax) ) = ( ax ) p = a ( x p ) = a E( X ).

10 60 III. Zmienne osowe jednowymiarowe Bezpośrednią onsewencją twierdzeń.4.6 jest Twierdzenie.7. Wartość oczeiwana przeształcenia iniowego zmiennej osowej X jest równa przeształceniu iniowemu wartości oczeiwanej tej zmiennej, tj. EaX ( + b) = aex ( ) + b, gdzie a i b oznaczają pewne stałe. Twierdzenie.8. Jeżei zmienna osowa Y ma postać Y = X!E(X), to E(Y) = 0. Dowód. Wartość oczeiwana jest stałą, a więc wartość oczeiwana z tej wartości jest niej równa (na podstawie twierdzenia.5), czyi E(E(X)) = E(X). Uwzgędniając twierdzenie.7 mamy E( Y) = E( X E( X)) = E( X) E( E( X)) = E( X) E( X) = 0. Twierdzenie.9 (nierówność Schwarza). Jeśi X i Y oznaczają zmienne osowe o rozładach, da tórych istnieją momenty zwyłe rzędu pierwszego i drugiego, to E( X Y) E( X ) E( Y ). Dowód. Niech Z = (X!aY) oznacza zmienną osową z parametrem a, tóry jest iczbą rzeczywistą. Na podstawie twierdzeń.4 i.6 wartość oczeiwana tej zmiennej osowej jest równa EZ ( ) = E(( X ay) ) = EX ( ) + E( a XY ) + EaY ( ) = E( X ) ae( X Y) + a E( Y ). Wartość oczeiwana E(Z) jest nieujemna, bo zmienna osowa Z jest nieujemna. Rozwiążmy nierówność E( X ) ae( X Y) + a E( Y ) 0. Aby ta nierówność była prawdziwa, wyróżni ) tego trójmianu wadratowego (z uwagi na wartość a) musi być niedodatni, czyi 4 = ( E( X Y)) E( X ) E( Y ) 0. Z nierówności tej wynia nierówność podana w twierdzeniu. Przyład.. Zmienna osowa X przyjmuje wartości x, x,..., x n, ażdą z jednaowym prawdopodobieństwem p. Obiczyć wartość oczeiwaną tej zmiennej osowej. Jeżei zmienna osowa X przyjmuje ażdą z n wartości z jednaowym prawdopodobieństwem p, to p =, sąd p = /n. Wówczas n E( X) = x p = px = x, n = = = czyi wartość oczeiwana podanej zmiennej osowej jest średnią arytmetyczną. Przyład.. Zmienna osowa X przyjmuje wartości x, x,..., x i z prawdopodobieństwami odpowiednio n p, n p,..., n i p. Obiczyć wartość oczeiwaną tej zmiennej. n n

11 .6. Własności wartości oczeiwanej 6 Zadania Suma wszystich prawdopodobieństw musi być równa, tj. sąd n p+ n p+ K + n p=, i p =. n + n + K + n i Jeśi oznaczymy n = n + n n i, to otrzymamy p = /n. Poszczegóne prawdopodobieństwa będą zatem równe tóre można interpretować jao częstości wzgędne sucesów w n doświadczeniach. Da wartości oczeiwanej otrzymujemy Oazuje się, że w tym przypadu wartość oczeiwana jest tzw. średnią arytmetyczną ważoną.. Rzucamy sześcienną ostą do gry. Obiczyć wartość oczeiwaną iczby wyrzuconych ocze.. Rzucamy dwiema sześciennymi ostami do gry. Jaa jest wartość oczeiwana sumy otrzymanej iczby ocze na obu ostach?. Zorganizowano dwa turnieje: I i II. Gracz może wybrać tyo jeden z nich. Orientuje się, że w turnieju I ma szansę wygrania pierwszej nagrody w wysoości 00 zł, drugiej 800 zł i trzeciej 00 zł z prawdopodobieństwami odpowiednio 0,, 0,6 i 0,, a w turnieju II nagrody o tej samej wysoości ma szansę wygrać z prawdopodobieństwami odpowiednio 0,, 0, i 0,4. W tórym turnieju jest orzystniej uczestniczyć graczowi? 4. Zorganizowano następującą oterię: rzucamy trzema ostami i w przypadu trzech szóste wygrywamy 00 zł pus stawę, a w przypadu dwóch szóste wygrywamy 0 zł pus stawę. Ie powinna wynosić stawa, aby gra była sprawiediwa? Uwaga: Gra jest sprawiediwa, gdy wartość oczeiwana zmiennej osowej opisującej grę jest równa zero. 5. W urnie mamy 6 u białych i 4 czarne. Ciągniemy z urny ue ze zwrotem, a ż do otrzymania ui białej, ecz co najwyżej trzy razy. Obiczyć w tych warunach wartość oczeiwaną iczby ciągnięć. 6. Obiczyć wartość oczeiwaną da rozładu jednostajnego. n n n ni,, K,, n n i n E( X) = x = xn. n n = = 7. Zmienna osowa X podega rozładowi Bernouiego. Obiczyć wartość oczeiwaną tej zmiennej. i

12 6 III. Zmienne osowe jednowymiarowe 8. Zmienna osowa X podega rozładowi Poissona. Obiczyć wartość oczeiwaną tej zmiennej..7. Wsaźnii rozrzutu Znajomość tzw. wsaźniów rozrzutu jest onieczna, gdy przy rozpatrywaniu dwu ub więcej rozładów zmiennej osowej stwierdza się, że wartości oczeiwane w tych rozładach są taie same, a trzeba rozstrzygnąć, tóry rozład jest w danych warunach epszy. Na przyład otrzymanie tych samych średnich trafień przy strzeaniu do tarczy nie rozstrzyga, tóry ze strzeców jest epszy. Decyzję można podjąć po zbadaniu rozrzutów, czyi supień trafień woół ceu. Jednym ze wsaźniów rozrzutu jest odchyenie standardowe, czyi pierwiaste z wariancji. W oejnych twierdzeniach podano podstawowe własności wariancji i odchyenia standardowego. Twierdzenie.0. Da ażdej wartości c m zachodzi nierówność Dowód. Mamy D ( X) < E(( X c) ). E(( X c) ) = E(( X m + m c) ) = E(( X m ) ) + ( m c) E( X m ) + E(( m c) ). Ae E(( X m ) ) = E(( X E( X)) ) = D ( X), na podstawie twierdzenia.8 a na podstawie twierdzenia.5 E( X m ) = E( X E( X)) =, 0 E(( m c) ) = ( m c). Zatem da c m. E(( X c) ) = D ( X) + ( m c) > D ( X) Twierdzenie.. Dodanie stałej do wartości zmiennej osowej nie zmienia jej wariancji, tj. Dowód. Mamy D ( X + b) = D ( X). D ( X + b) = E(( X + b E( X + b)) ) = E(( X + b E( X) E( b)) ) = E(( X + b E( X) b) ) = E(( X E( X)) ) = D ( X). Twierdzenie.. Jeżei Y = ax, to D ( Y) = a D ( X),

13 .7. Wsaźnii rozrzutu 6 czyi σ = DY ( ) = a D( X). Dowód. Mamy D ( Y) = D ( ax ) = E(( ax E( ax )) ) = E(( ax ) axe( ax ) + ( E( ax )) ) = E(( ax ) ) E( ax E( ax )) + ( E( ax )) = E(( ax ) ) E( ax ) E( ax ) + ( E( ax )) = E(( ax ) ) ( E( ax )) = a E( X ) a ( E( X)) = a ( E( X ) E ( X)) = a D ( X), co ończy dowód. Twierdzenie.. Wariancja dowonej stałej b jest równa zeru, tj. D ( b) = 0. Dowód wynia bezpośrednio z twierdzenia.5 i definicji wariancji. Przyład.. Sep ma do wyboru zaup z hurtowni jednej z dwóch partii onserw A i B po 00 sztu, ażda o jednaowej cenie i jaości. Dane są ciężary (w g) pusze partii A i B (odpowiednio A i B ) oraz iczby pusze n o wadze A i m o wadze B : A 0,7 0,8 0,9,0,,, n B 0,7 0,8 0,9,0,,, n Którą partię naeży poecić do wyboru? Zmienna osowa da upujących z partii A przyjmuje wartości A z prawdopodobieństwami n /00, a z partii B wartości B z prawdopodobieństwami m /00 (ciężary obu partii są jednaowe i wynoszą 00). Mamy E(A) = E(B) = (w g), tzn naeżałoby sprzedać puszę jao ważącą g. Mogłoby wydawać się, że partie A i B są równoważne. Lepsza jest jedna ta paria, tórej ciężary pusze są bardziej zbiżone do nominanych ( g). Lepsza jest zatem paria, tóra przy jednaowych wartościach oczeiwanych ma mniejszy rozrzut. Obiczamy zatem wariancje: D oraz ( A) = [( 07, ) + ( 08, ) + ( 09, ) (, 0 ) + (, ) 8+ (, ) 9 + (, ) ] = 0, 044

14 64 III. Zmienne osowe jednowymiarowe Ponieważ D (A) < D (B), więc naeży wybrać partię A. Przyład.4. Obiczyć wariancję rozładu jednostajnego. Ponieważ Zadania m D a na podstawie zadania 6 po p..6 wiemy, że więc wystarczy obiczyć m. Mamy Zatem. Rzucamy sześcienną ostą do gry. Obiczyć wariancję iczby wyrzuconych ocze na ostce.. Rzucamy dwiema sześciennymi ostami do gry. Obiczyć wariancję sumy iczb ocze otrzymanych na ostach.. Obiczyć wariancję rozładu Bernouiego. 4. Obiczyć wariancję rozładu Poissona. ( B) = [( 07, ) 0+ ( 08, ) 0+ ( 09, ) 00 + (, 0 ) 8+ (, ) 5+ (, ) + (, ) 4] = 0, D ( X) = E( X ) ( E( X)) = m m, m b a b = E( X) = +, x f x b a x dx b a x b a ab b = ( ) = = = ( a + + ). a ( a b) D ( X) = ( a + ab+ b ) ( a + ab+ b ) = 4 5. Rzucamy dwie ości do gry. Oznaczmy przez X zmienną osową przyjmującą wartości równe iczbie ocze na pierwszej ostce, a przez X zmienną osową przyjmującą wartość, o ie na pierwszej ostce jest piąta i na drugiej ostce jest piąta, natomiast wartość 0 w pozostałych przypadach. A. Znaeźć rozład zmiennej osowej X = X + X. B. Wyznaczyć dystrybuantę zmiennej osowej X i wyonać jej wyres. C. Obiczyć P(4 X < 6) oraz zaznaczyć obiczone prawdopodobieństwo na wyresie dystrybuanty. D. Obiczyć wartość oczeiwaną i odchyenie standardowe zmiennej osowej X..

15 .7. Wsaźnii rozrzutu Myśiwy ma trzy naboje i strzea do chwii trafienia do ceu ub do chwii wystrzeenia wszystich naboi. Liczba naboi jest zmienną osową. A. Podać rozład tej zmiennej wiedząc, że prawdopodobieństwo trafienia ceu przy ażdym strzae jest równe 0,8. B. Obiczyć wartość oczeiwaną i odchyenie standardowe. 7. A. Da jaiej wartości C funcja Cx da 0 x, = 0 da x < 0 i x > jest gęstością prawdopodobieństwa? B. Znaeźć dystrybuantę wyznaczonego rozładu i wyonać jej wyres. C. Obiczyć P( X < 4) i zaznaczyć wartość obiczonego prawdopodobieństwa na wyresie dystrybuanty. D. Obiczyć wartość oczeiwaną i odchyenie standardowe. 8. Zmienna osowa X przyjmuje wartości!, i z prawdopodobieństwami odpowiednio 0,5, 0,5 i 0,5. A. Znaeźć rozład zmiennej osowej Y = X. B. Obiczyć E(Y) i D(Y).

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 5.

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 5. RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 5. PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA Rozłady soowe Rozład jednopuntowy Oreślamy: P(X c) 1 gdzie c ustalona liczba. 1 EX c, D 2 X 0 (tylo ten rozład ma zerową wariancję!!!)

Bardziej szczegółowo

III. ZMIENNE LOSOWE JEDNOWYMIAROWE

III. 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 szczegółowo

Podstawy rachunku prawdopodobieństwa (przypomnienie)

Podstawy rachunku prawdopodobieństwa (przypomnienie) . Zdarzenia odstawy rachunu prawdopodobieństwa (przypomnienie). rawdopodobieństwo 3. Zmienne losowe 4. rzyład rozładu zmiennej losowej. Zdarzenia (events( events) Zdarzenia elementarne Ω - zbiór zdarzeń

Bardziej szczegółowo

Wybrane rozkłady zmiennych losowych i ich charakterystyki

Wybrane rozkłady zmiennych losowych i ich charakterystyki Rozdział 1 Wybrane rozłady zmiennych losowych i ich charaterystyi 1.1 Wybrane rozłady zmiennych losowych typu soowego 1.1.1 Rozład równomierny Rozpatrzmy esperyment, tóry może sończyć się jednym z n możliwych

Bardziej szczegółowo

σ-ciało zdarzeń Niech Ω będzie niepustym zbiorem zdarzeń elementarnych, a zbiór F rodziną podzbiorów zbioru Ω spełniającą warunki: jeśli A F, to A F;

σ-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 szczegółowo

Ćwiczenia 7 - Zmienna losowa i jej rozkład. Parametry rozkładu.

Ćwiczenia 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 szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Zadanie Rozważmy następujący model strzelania do tarczy. Współrzędne puntu trafienia (, Y ) są niezależnymi zmiennymi losowymi o jednaowym rozładzie normalnym N ( 0, σ ). Punt (0,0) uznajemy za środe tarczy,

Bardziej szczegółowo

Zestaw 2: Zmienne losowe. 0, x < 1, 2, 2 x, 1 1 x, 1 x, F 9 (x) =

Zestaw 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 szczegółowo

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 4 Przekształcenia zmiennej losowej, momenty

WYKŁADY 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 szczegółowo

Rozdział 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 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 szczegółowo

Jednowymiarowa zmienna losowa

Jednowymiarowa 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 szczegółowo

Wykład 3 Jednowymiarowe zmienne losowe

Wykład 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 szczegółowo

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych

Przykład 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 szczegółowo

Laboratorium nr 7. Zmienne losowe typu skokowego.

Laboratorium 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 szczegółowo

Przykładowe zadania na egzamin z matematyki - dr Anita Tlałka - 1

Przykładowe zadania na egzamin z matematyki - dr Anita Tlałka - 1 Przykładowe zadania na egzamin z matematyki - dr Anita Tlałka - 1 Zadania rozwiązywane na wykładzie Zadania rozwiązywane na ćwiczeniach Przy rozwiązywaniu zadań najistotniejsze jest wykazanie się rozumieniem

Bardziej szczegółowo

Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x 1, x 2,...}, to mówimy, że jest to zmienna dyskretna.

Jeśli 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 szczegółowo

Zmienne 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. 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 szczegółowo

Metody probabilistyczne Rozwiązania zadań

Metody probabilistyczne Rozwiązania zadań Metody robabilistyczne Rozwiązania zadań 6. Momenty zmiennych losowych 8.11.2018 Zadanie 1. Poaż, że jeśli X Bn, to EX n. Odowiedź: X rzyjmuje wartości w zbiorze {0, 1,..., n} z rawdoodobieństwami zadanymi

Bardziej szczegółowo

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 2 ZADANIA - ZESTAW 2

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 2 ZADANIA - ZESTAW 2 ZADANIA - ZESTAW 2 Zadanie 2.1 Zmienna losowa X ma rozkład określony funkcją prawdopodobieństwa: x k 1 0 2 p k 1/ 1/6 1/2 a) wyznaczyć dystrybuantę tej zmiennej losowej i naszkicować jej wykres, b) obliczyć

Bardziej szczegółowo

Rozkłady prawdopodobieństwa zmiennych losowych

Rozkłady 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 szczegółowo

Aby przygotować się do kolokwiów oraz do egzaminów należy ponownie przeanalizować zadania

Aby przygotować się do kolokwiów oraz do egzaminów należy ponownie przeanalizować zadania Chemia Budowlana - Wydział Chemiczny - 1 Aby przygotować się do kolokwiów oraz do egzaminów należy ponownie przeanalizować zadania rozwiązywane na wykładzie, rozwiązywane na ćwiczeniach, oraz samodzielnie

Bardziej szczegółowo

= = a na podstawie zadania 6 po p. 3.6 wiemy, że. b 1. a 2 ab b 2

= = a na podstawie zadania 6 po p. 3.6 wiemy, że. b 1. a 2 ab b 2 64 III. Zienne losowe jednowyiarowe D Ponieważ D (A) < D (B), więc należy wybrać partię A. Przykład 3.4. Obliczyć wariancję rozkładu jednostajnego. Ponieważ a na podstawie zadania 6 po p. 3.6 wiey, że

Bardziej szczegółowo

Lista 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 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 szczegółowo

Przestrzeń probabilistyczna

Przestrzeń 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 szczegółowo

1 Przestrzeń zdarzeń elementarnych

1 Przestrzeń zdarzeń elementarnych Przestrzeń zdarzeń elementarnych Przestrzeń zdarzeń elementarnych jest pojęciem pierwotnym w teorii prawdopodobieństwa. W zastosowaniach tej teorii zdarzenia elementarne interpretuje się jao możliwe przypadi,

Bardziej szczegółowo

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 3.

RACHUNEK 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 szczegółowo

Rachunek prawdopodobieństwa i statystyka

Rachunek prawdopodobieństwa i statystyka Rachunek prawdopodobieństwa i statystyka Przestrzeń probabilistyczna Niech Ω będzie dowolnym zbiorem, zwanym przestrzenią zdarzeń elementarnych. Elementy ω tej przestrzeni nazywamy zdarzeniami elementarnymi.

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka

Rachunek 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 szczegółowo

Statystyka matematyczna

Statystyka 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 szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo 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 szczegółowo

Rozkłady 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,

Rozkłady 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 szczegółowo

Różne rozkłady prawdopodobieństwa

Różne rozkłady prawdopodobieństwa Różne rozłady prawdopodobieństwa. Rozład dwupuntowy D(p). Zmienna losowa ξ ma rozład D(p), jeżeli P p {ξ = 0} = p oraz P p {ξ = } = p. Eξ = p D ξ = p( p). Rozład dwumianowy Bin(n, p). Zmienna losowa ξ

Bardziej szczegółowo

PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA

PEWNE 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 szczegółowo

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA

STATYSTYKA 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 szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo 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 szczegółowo

Zmienne losowe ciągłe i ich rozkłady

Zmienne 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 szczegółowo

Materiały dydaktyczne. Matematyka. Semestr III. Wykłady

Materiały dydaktyczne. Matematyka. Semestr III. Wykłady Materiały dydatyczne Matematya Semestr III Wyłady Aademia Morsa w Szczecinie ul. Wały Chrobrego - 70-500 Szczecin WIII RÓWNANIA RÓŻNICZKOWE ZWYCZAJNE PIERWSZEGO RZĘDU. Pojęcia wstępne. Równania różniczowe

Bardziej szczegółowo

Modelowanie zależności. Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski

Modelowanie 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 szczegółowo

zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych

zadania 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 szczegółowo

Wykład 3 Momenty zmiennych losowych.

Wykład 3 Momenty zmiennych losowych. Wykład 3 Momenty zmiennych losowych. Wrocław, 18 października 2017r Momenty zmiennych losowych Wartość oczekiwana - przypomnienie Definicja 3.1: 1 Niech X będzie daną zmienną losową. Jeżeli X jest zmienną

Bardziej szczegółowo

Wykład 3 Momenty zmiennych losowych.

Wykład 3 Momenty zmiennych losowych. Wykład 3 Momenty zmiennych losowych. Wrocław, 19 października 2016r Momenty zmiennych losowych Wartość oczekiwana - przypomnienie Definicja 3.1: 1 Niech X będzie daną zmienną losową. Jeżeli X jest zmienną

Bardziej szczegółowo

Literatura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.

Literatura. 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 szczegółowo

Funkcja tworząca Funkcja charakterystyczna. Definicja i własności Funkcja tworząca momenty

Funkcja tworząca Funkcja charakterystyczna. Definicja i własności Funkcja tworząca momenty momenty Oprócz omówionych już do tej pory charakterystyk rozkładów bardzo wygodnym i skutecznym narzędziem badanie zmiennej losowej są tzw. transformaty jej rozkładu: funkcje tworzące i funkcje charakterystyczne.

Bardziej szczegółowo

Biostatystyka, # 3 /Weterynaria I/

Biostatystyka, # 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 szczegółowo

Szkice do zajęć z Przedmiotu Wyrównawczego

Szkice 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 szczegółowo

Zmienne losowe ciągłe i ich rozkłady

Zmienne 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 szczegółowo

Matematyka z el. statystyki, # 3 /Geodezja i kartografia II/

Matematyka 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 szczegółowo

Metody probabilistyczne

Metody probabilistyczne Metody probabilistyczne 6. Momenty zmiennych losowych Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 8.11.2018 1 / 47 Funkcje zmiennych losowych Mierzalna funkcja Y

Bardziej szczegółowo

4,5. Dyskretne zmienne losowe (17.03; 31.03)

4,5. 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 szczegółowo

Dyskretne zmienne losowe

Dyskretne 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 szczegółowo

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 1 ZADANIA - ZESTAW 1. . (odp. a)

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 1 ZADANIA - ZESTAW 1. . (odp. a) ZADANIA - ZESTAW 1 Zadanie 11 Rzucamy trzy razy monetą A i - zdarzenie polegające na tym, że otrzymamy orła w i - tym rzucie Oreślić zbiór zdarzeń elementarnych Wypisać zdarzenia elementarne sprzyjające

Bardziej szczegółowo

Rozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład

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 szczegółowo

WYKŁAD 2. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady

WYKŁAD 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 szczegółowo

Zadania zestaw 1: Zadania zestaw 2

Zadania 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 szczegółowo

Najczęściej spotykane rozkłady dyskretne:

Najczęściej spotykane rozkłady dyskretne: I. Rozkład dwupunktowy: Najczęściej spotykane rozkłady dyskretne: Def. Zmienna X ma rozkład dwupunktowy z prawdopodobieostwem 1 przyjmuje tylko dwie wartości, tzn. P(X = x 1 ) = p i P(X = x 2 ) = 1 p =

Bardziej szczegółowo

Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów.

Wykład 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 szczegółowo

Ważne rozkłady i twierdzenia c.d.

Ważne rozkłady i twierdzenia c.d. Ważne rozkłady i twierdzenia c.d. Funkcja charakterystyczna rozkładu Wielowymiarowy rozkład normalny Elipsa kowariacji Sploty rozkładów Rozkłady jednostajne Sploty z rozkładem normalnym Pobieranie próby

Bardziej szczegółowo

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 3 ZADANIA - ZESTAW 3

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 3 ZADANIA - ZESTAW 3 ZADANIA - ZESTAW 3 Zadanie 3. L Prawdopodobieństwo trafienia celu w jednym strzale wynosi 0,6. Do celu oddano niezależnie 0 strzałów. Oblicz prawdopodobieństwo, że cel został trafiony: a) jeden raz, b)

Bardziej szczegółowo

Rachunek prawdopodobieństwa- wykład 6

Rachunek 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 szczegółowo

Zmienne losowe. dr Mariusz Grządziel Wykład 12; 20 maja 2014

Zmienne 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 szczegółowo

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa

WYKŁADY 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 szczegółowo

Wykład 7: Warunkowa wartość oczekiwana. Rozkłady warunkowe.

Wykład 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 szczegółowo

Rachunek prawdopodobieństwa Rozdział 5. Rozkłady łączne

Rachunek 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 szczegółowo

Informacja o przestrzeniach Hilberta

Informacja o przestrzeniach Hilberta Temat 10 Informacja o przestrzeniach Hilberta 10.1 Przestrzenie unitarne, iloczyn skalarny Niech dana będzie przestrzeń liniowa X. Załóżmy, że każdej parze elementów x, y X została przyporządkowana liczba

Bardziej szczegółowo

Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów.

Wykład 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 szczegółowo

Zmienne losowe skokowe

Zmienne 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 szczegółowo

Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe

Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe 4.4. Momenty zmiennych losowych Katarzyna Rybarczyk-Krzywdzińska Wprowadzenie Przykład 1 Rzucamy raz kostką Ile wynosi średnia liczba oczek, jaka

Bardziej szczegółowo

Funkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju

Funkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju Funkcje charakterystyczne zmiennych losowych, linie regresji -go i 2-go rodzaju Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

Układy równań i równania wyższych rzędów

Układy równań i równania wyższych rzędów Rozdział Układy równań i równania wyższych rzędów Układy równań różniczkowych zwyczajnych Wprowadzenie W poprzednich paragrafach zajmowaliśmy się równaniami różniczkowymi y = f(x, y), których rozwiązaniem

Bardziej szczegółowo

Wykład 2 Zmienne losowe i ich rozkłady

Wykład 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 szczegółowo

Rozkłady zmiennych losowych

Rozkłady zmiennych losowych ZIP 007/008 (zaoczne) Rozłady zmiennych losowych I. X zmienna losowa soowa. Rozład zero jedynowy X rzybiera dwie wartości: i 0 Jeśli P(X ), to (X ) q P gdyż P(X ) P(X ) Rozład zmiennej losowej jest rozładem

Bardziej szczegółowo

Rachunek Prawdopodobieństwa i Statystyka

Rachunek 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 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

5 Przegląd najważniejszych rozkładów

5 Przegląd najważniejszych rozkładów 5 Przegląd najważniejszych rozkładów 5. Rozkład Bernoulliego W niezmieniających się warunkach wykonujemy n razy pewne doświadczenie. W wyniku każdego doświadczenia może nastąpić zdarzenie A lub A. Zakładamy,

Bardziej szczegółowo

1 Warunkowe wartości oczekiwane

1 Warunkowe wartości oczekiwane Warunkowe wartości oczekiwane W tej serii zadań rozwiążemy różne zadania związane z problemem warunkowania.. (Eg 48/) Załóżmy, że X, X, X 3, X 4 są niezależnymi zmiennymi losowymi o jednakowym rozkładzie

Bardziej szczegółowo

PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA. Piotr Wiącek

PODSTAWOWE 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 szczegółowo

Przykłady do zadania 8.1 : 0 dla x 1, c x 4/3 dla x > 1. (b) Czy można dobrać stałą c tak, aby funkcja f(x) = była gęstością pewnego

Przykłady do zadania 8.1 : 0 dla x 1, c x 4/3 dla x > 1. (b) Czy można dobrać stałą c tak, aby funkcja f(x) = była gęstością pewnego Rachunek prawdopodobieństwa MAP64 Wydział Elektroniki, rok akad. 8/9, sem. letni Wykładowca: dr hab. A. Jurlewicz Przykłady do listy 8: Zmienne losowe typu ciągłego. Gęstość prawdopodobieństwa. Rozkład

Bardziej szczegółowo

WYMAGANIA Z WIEDZY I UMIEJĘTNOŚCI NA POSZCZEGÓLNE STOPNIE SZKOLNE DLA KLASY 3g. zakres rozszerzony

WYMAGANIA Z WIEDZY I UMIEJĘTNOŚCI NA POSZCZEGÓLNE STOPNIE SZKOLNE DLA KLASY 3g. zakres rozszerzony WYMAGANIA Z WIEDZY I UMIEJĘTNOŚCI NA POSZCZEGÓLNE STOPNIE SZKOLNE DLA KLASY 3g zares rozszerzony 1. Wielomiany bardzo zna pojęcie jednomianu jednej zmiennej; potrafi wsazać jednomiany podobne; potrafi

Bardziej szczegółowo

Wykład z analizy danych: powtórzenie zagadnień z rachunku prawdopodobieństwa

Wykład 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 szczegółowo

Statystyka matematyczna. Wykład III. Estymacja przedziałowa

Statystyka matematyczna. Wykład III. Estymacja przedziałowa Statystyka matematyczna. Wykład III. e-mail:e.kozlovski@pollub.pl Spis treści Rozkłady zmiennych losowych 1 Rozkłady zmiennych losowych Rozkład χ 2 Rozkład t-studenta Rozkład Fischera 2 Przedziały ufności

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 7 a szeregi Fouriera (zarówno w przypadku ciągłym, jak i dyskretnym) jest szczegónym przypadkiem aproksymacji funkcjami ortogonanymi. Anaitycznie rozwiązanie zadania aproksymacji trygonometrycznej

Bardziej szczegółowo

Prawa wielkich liczb, centralne twierdzenia graniczne

Prawa 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 szczegółowo

Statystyka. Magdalena Jakubek. kwiecień 2017

Statystyka. 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 szczegółowo

n(n + 1) 2 k = k = 1, P = 1 (1 + 1)/2 = 2/2 = 1 = L. n(n + 1) 2 + (n + 1) = n(n + 1)(2n + 1) 6 k 2 = n(n + 1)(2n + 1) 6 + (n + 1) 2 = n + 1

n(n + 1) 2 k = k = 1, P = 1 (1 + 1)/2 = 2/2 = 1 = L. n(n + 1) 2 + (n + 1) = n(n + 1)(2n + 1) 6 k 2 = n(n + 1)(2n + 1) 6 + (n + 1) 2 = n + 1 Materiały do zajęć wyrównawczych z matematyi da studentów informatyi, ro aademici 013/14 Zestaw zadań 5 odpowiedzi uwaga: nieco inna oejność zadań 1. Udowodnij, że 1 n(n 1 (1a Odpowiedź: Da n 1 mamy L

Bardziej szczegółowo

W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych:

W 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 szczegółowo

Metody probabilistyczne

Metody probabilistyczne Metody probabilistyczne. Twierdzenia graniczne Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 20.2.208 / 26 Motywacja Rzucamy wielokrotnie uczciwą monetą i zliczamy

Bardziej szczegółowo

W2 Podstawy rachunku prawdopodobieństwa (przypomnienie)

W2 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 szczegółowo

Przykłady 6.1 : charakterystyki liczbowe rozkładów dyskretnych

Przykłady 6.1 : charakterystyki liczbowe rozkładów dyskretnych Rachunek Prawdopodobieństwa MAP8 Wydział Matematyki, Matematyka Stosowana Przykłady 6. Wartość oczekiwana, wariancja, mediana, kwartyle rozkładu prawdopodobieństwa. Transformacje zmiennej losowej. Opracowanie:

Bardziej szczegółowo

Sygnały stochastyczne

Sygnały stochastyczne Sygnały stochastyczne Zmienne losowe E zbiór zdarzeń elementarnych (zbiór możliwych wyniów esperymentu) e E zdarzenie elementarne (wyni esperymentu) B zbiór wybranych podzbiorów zbioru E β B zdarzenie

Bardziej szczegółowo

Ćwiczenia 1. Klasyczna definicja prawdopodobieństwa, prawdopodobieństwo geometryczne, własności prawdopodobieństwa, wzór włączeń i wyłączeń

Ćwiczenia 1. Klasyczna definicja prawdopodobieństwa, prawdopodobieństwo geometryczne, własności prawdopodobieństwa, wzór włączeń i wyłączeń Agata Boratyńska Ćwiczenia z rachunku prawdopodobieństwa 1 Ćwiczenia 1. Klasyczna definicja prawdopodobieństwa, prawdopodobieństwo geometryczne, własności prawdopodobieństwa, wzór włączeń i wyłączeń UWAGA:

Bardziej szczegółowo

SZEREG TRYGONOMETRYCZNY FOURIERA

SZEREG TRYGONOMETRYCZNY FOURIERA SZEREG TRYGONOMETRYCZNY FOURIERA Rozważmy ciag funkcji: 1, cos πx πx 2πx, sin, cos, sin 2πx,..., cos nπx, sin nπx,...}, gdzie jest pewną iczbą dodatnią. Zauważmy, że na przedziae , da dowonych dwóch

Bardziej szczegółowo

5.Dzienne zużycie energii (1=100kWh) pewnej firmy jest zmienną losową. 0, gdy x 0 lub x 3

5.Dzienne zużycie energii (1=100kWh) pewnej firmy jest zmienną losową. 0, gdy x 0 lub x 3 LISTA 4 1.Liczba komputerów, które mogą być zarażone wirusem poprzez pewną sieć ma rozkład Poissona z parametrem λ = 7. Prawdopodobieństwo,że wirus uaktywni się w zarażonym komputerze wynosi p. Jakie jest

Bardziej szczegółowo

Zmienna losowa i jej rozkład Dystrybuanta zmiennej losowej Wartość oczekiwana zmiennej losowej

Zmienna 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 szczegółowo

12DRAP - parametry rozkładów wielowymiarowych

12DRAP - 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 szczegółowo

Lista 5. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym

Lista 5. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym Lista 5 Zadania na zastosowanie nierównosci Markowa i Czebyszewa. Zadanie 1. Niech zmienna losowa X ma rozkład jednostajny na odcinku [0, 1]. Korzystając z nierówności Markowa oszacować od góry prawdopodobieństwo,

Bardziej szczegółowo

Przykłady do zadania 3.1 :

Przykłady do zadania 3.1 : Rachunek prawdopodobieństwa MAP5 Wydział Elektroniki, rok akad. /, sem. letni Wykładowca: dr hab. A. Jurlewicz Przykłady do listy 3: Zmienne losowe dyskretne. Rozkłady Bernoulliego (dwumianowy), Pascala,

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA. rachunek prawdopodobieństwa

STATYSTYKA 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 szczegółowo

3.1 Zagadnienie brzegowo-początkowe dla struny ograniczonej. = f(x, t) dla x [0; l], l > 0, t > 0 (3.1)

3.1 Zagadnienie brzegowo-początkowe dla struny ograniczonej. = f(x, t) dla x [0; l], l > 0, t > 0 (3.1) Temat 3 Metoda Fouriera da równań hiperboicznych 3.1 Zagadnienie brzegowo-początkowe da struny ograniczonej Rozważać będziemy następujące zagadnienie. Znaeźć funkcję u (x, t) spełniającą równanie wraz

Bardziej szczegółowo

Rozkłady statystyk z próby

Rozkłady 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 szczegółowo