Wkażdym doświadczeniu losowym można wyróżnić
|
|
- Dagmara Szewczyk
- 5 lat temu
- Przeglądów:
Transkrypt
1 geometryczne Przestrzeń zdarzeń elementarnych Algebra zdarzeń Zdarzenia probabilizowalne Wkażdym doświadczeniu losowym można wyróżnić pewne najprostsze, elementarne wyniki(zdarzenia), charakteryzujące się tym, że każde powtórzenie doświadczenia kończy się jednym i tylko jednym z nich. Oprócz zdarzeń elementarnych można rozpatrywać również inne zdarzenia złożone. Niech Ω będzie dowolną przestrzenią lub zbiorem punktów ω. Przestrzeń Ω nosi nazwę przestrzeni zdarzeń elementarnych, a jej elementy ω nazywają się zdarzeniami elementarnymi. Są to pojęcia pierwotne. Zdarzeniem losowym(zdarzeniem) nazywamy każdy podzbiór przestrzeni zdarzeń elementarnych Ω.
2 geometryczne Przestrzeń zdarzeń elementarnych Algebra zdarzeń Zdarzenia probabilizowalne Będziemy mówili, że zaszło zdarzenie A, gdy w wyniku doświadczenia losowego wybrano w przestrzeni Ω element ω A. oznaczamy zawsze wielkimi literami, najczęściej z początkualfabetu: A,B,C,... Przykład(rzut monetą symetryczną) Możliwesądwazdarzeniaelementarne:O(ω 1 )ir(ω 2 ).Zatem Ω ={ω 1,ω 2 }. Przykład(rzut kością symetryczną) Wtymdoświadczeniu Ω ={ω 1,ω 2...,ω 6 }.Zdarzeniewypadła parzystaliczbaoczek(zdarzeniezłożone)to, A ={ω 2,ω 4,ω 6 }.
3 geometryczne Przestrzeń zdarzeń elementarnych Algebra zdarzeń Zdarzenia probabilizowalne Przykład(n-krotny rzut monetą symetryczną) Każdemu wynikowi odpowiada n-elementowy ciąg np. OOORROO. Zatem zbiór Ω składa się ze wszystkich możliwych n-elementowych ciągówtejpostaci.oczywiścietakichciągówjest2 n. Przykład(praca centrali telefonicznej) Obserwujemy pracę centrali telefonicznej w pewnym ustalonym odcinku czasu i notujemy liczbę zgłoszeń. Oczywiście ta liczba jest skończona, ale nie wiemy jaka jest jej górna granica. W takiej sytuacji prościej jest przyjąć, że wynikami obserwacji mogą być wszystkieliczbynaturalne.zatem Ω ={0,1,2,...}.
4 geometryczne Przestrzeń zdarzeń elementarnych Algebra zdarzeń Zdarzenia probabilizowalne Przykład(strzelanie do tarczy) Strzelamy do tarczy prostokątnej w układzie współrzędnych i każdemu strzałowi przyporządkowujemy współrzędne na tarczy. Wówczas zbiór zdarzeń elementarnych stanowi cała płaszczyzna Ω ={(x,y) : <x<, <y< }, gdzie x, y są liczbami rzeczywistymi.
5 geometryczne Przestrzeń zdarzeń elementarnych Algebra zdarzeń Zdarzenia probabilizowalne Zgodnie z definicją zdarzenia utożsamiamy ze zbiorami, zatem wszelkie wiadomości dotyczące zbiorów można przenieść na zdarzenia. W szczególności na zdarzeniach można wykonywać takie same działania jak na zbiorach. Zdarzeniem pewnym nazywamy całą przestrzeń zdarzeń elementarnych Ω. Zdarzeniem niemożliwym nazywamy podzbiór pusty przestrzeni Ω. Zdarzenie A jest zatem pewne jeśli zachodzi przy każdej realizacji rozpatrywanego doświadczenia. Natomiast jest niemożliwe, jeżeli nie zachodzi przy żadnej realizacji doświadczenia.
6 geometryczne Przestrzeń zdarzeń elementarnych Algebra zdarzeń Zdarzenia probabilizowalne Różnicę zdarzeń Ω\A nazywamy zdarzeniem przeciwnym do zdarzenia A(dopełnieniemzdarzenia A)ioznaczamy A (A C lub Ā).
7 geometryczne Przestrzeń zdarzeń elementarnych Algebra zdarzeń Zdarzenia probabilizowalne Mówimy, że zdarzenia A i B się wykluczają(wyłączają), jeżeli nie mają żadnego wspólnego elementu przestrzeni zdarzeń elementarnych Ω,tzn.jeżeli A B = Mówimy,żezdarzenia A 1,A 2,...,A n tworząukładzupełny zdarzeń, jeżeli wykluczają się parami i ich suma jest zdarzeniem pewnym tj. n A i = Ω, i=1 A i A j =,dla i j, i,j =1,2,...,n.
8 geometryczne Przestrzeń zdarzeń elementarnych Algebra zdarzeń Zdarzenia probabilizowalne Rysunek: Zupełny układ zdarzeń.
9 geometryczne Przestrzeń zdarzeń elementarnych Algebra zdarzeń Zdarzenia probabilizowalne Do tej pory nadaliśmy zdarzeniom losowym postać abstrakcyjnych zbiorów. Jest to pierwszy etap budowy rachunku prawdopodobieństwa jako teorii aksjomatycznej. Teraz należy tym zdarzeniom przypisać prawdopodobieństwo, które byłoby teoretycznym odpowiednikiem obserwowalnej częstości zachodzenia tego zdarzenia przy dużej liczbie powtórzeń doświadczenia losowego. Niestety nie zawsze da się to zrobić. Z taką sytuacją mamy do czynienia w przypadku zbiorów niemierzalnych. Z tego powodu w każdej przestrzeni zdarzeń elementarnych Ω będziemy wyróżniać pewną klasę F zdarzeń, dla których określimy prawdopodobieństwo. Zdarzenia te będziemy nazywali zdarzeniami probabilizowalnymi. Zdarzenia nie należące do tej klasy nazwiemy natomiast zdarzaniami nieprobabilizowalnymi.
10 geometryczne Przestrzeń zdarzeń elementarnych Algebra zdarzeń Zdarzenia probabilizowalne JakiezatemwarunkimusispełniaćklasaF,abybyłsensuznaćją za klasę zdarzeń probabilizowalnych. Oczywiście jeśli chcemy mówić o prawdopodobieństwie jakiegoś zdarzenia A(tzn. A F), to musi mieć sens również mówienie o prawdopodobieństwie zdarzeniaprzeciwnego(a F).Podobniejeślichcemymówićo prawdopodobieństwiezdarzeń AiB(tzn. A,B F),tomusimy móc również mówić o prawdopodobieństwie ich alternatywy, koniunkcjiiróżnicy(a B F, A B F, A\B F).Niestety jak się już przekonaliśmy w pewnych sytuacjach mamy do czynienia z nieskończonymi ciągami zdarzeń, zatem dla nich też musimy móc określać prawdopodobieństwa alternatywy i koniunkcji.
11 geometryczne Przestrzeń zdarzeń elementarnych Algebra zdarzeń Zdarzenia probabilizowalne Niepusta klasa F podzbiorów zbioru Ω nazywa się σ-algebrą (σ-ciałem) zbiorów, jeżeli spełnia następujące warunki: 1 o Ω F, 2 o jeżeli A i F,dla n =1,2,...,to 3 o jeżeli A F,to A F. i=1 A i F, Dowolne co najwyżej przeliczalne działania mnogościowe wykonywane na zbiorach σ-algebry F dają w wyniku zbiór również należący do σ-algebry F. Przestrzeń Ω wraz z σ-algebrą F jej podzbiorów nazywamy przestrzenią mierzalną i oznaczmy (Ω, F).
12 geometryczne Przestrzeń zdarzeń elementarnych Algebra zdarzeń Zdarzenia probabilizowalne Kolejne pytanie jakie powstaje, to jaką σ-algebrę wybrać. Należy rozróżnić dwa przypadki: przestrzeń zdarzeń Ω jest co najwyżej przeliczalna, przestrzeń zdarzeń Ω jest nieprzeliczalna.
13 geometryczne Przestrzeń zdarzeń elementarnych Algebra zdarzeń Zdarzenia probabilizowalne W tej pierwszej sytuacji jako σ-algebrę przyjmuje się klasę wszystkichzdarzeń,oznaczaną2 Ω.Wconajwyżejprzeliczalnych przestrzeniach nie ma zatem zdarzeń nieprobabilizowalnych, każde zdarzenie ma prawdopodobieństwo. Zdarzenia takie pojawiają się dopiero nieprzeliczalnych przestrzeniach Ω. Z takich przestrzeni nieprzeliczalnych rozpatrywać będziemy jedynie podzbiory przestrzenieuklidesowych R k.wtakiejsytuacjizaσ-algebrę przyjmiemy klasę podzbiorów borelowskich przestrzeni Ω, oznaczanąb(r k ).
14 geometryczne Przestrzeń zdarzeń elementarnych Algebra zdarzeń Zdarzenia probabilizowalne Klasę B(R) zbiorów borelowskich na prostej rzeczywistej można zdefiniować jako klasę wszystkich zbiorów, które można otrzymać z przedziałów otwartych(domkniętych, półotwartych) za pomocą co najwyżej przeliczalnej liczby operacji mnogościowych. W szczególności zbiorami borelowskimi są wszystkie przedziały postaci (a,b), [a,b], (a,b], [a,b), (,b), (,b], (a, ), [a, ), wszystkie zbiory jednopunktowe, wszystkie zbiory przeliczalne, wszystkie zbiory otwarte, wszystkie zbiory domknięte, cała prosta oraz zbiór pusty. Podobnie możemy zdefiniować klasę zbiorów borelowskichb(r 2 )napłaszczyźnie.jesttozatemklasa wszystkich zbiorów płaskich, które można otrzymać z prostokątów za pomocą co najwyżej przeliczalnej liczby operacji mnogościowych. Analogicznie postępujemy dla wyższych wymiarów. określa się tylko na zbiorach należących do σ-algebry. Dla pozostałych się go nie wyznacza.
15 geometryczne Własności prawdopodobieństwa Dyskretna przestrzeń probabilistyczna Klasyczna definicja prawdopodobieństwa Weźmy pod uwagę ustaloną przestrzeń zdarzeń elementarnych Ω wraz σ-algebrą F. Prawdopodobieństwem(miarą probabilistyczną, rozkładem prawdopodobieństwa) na przestrzeni mierzalnej (Ω, F) nazywamy funkcję rzeczywistą określoną na zbiorach z F i spełniającą następujące aksjomaty: A1. P(A) 0,dlakażdego A F, A2. P(Ω) =1, A3.jeżeli (A n )jestciągiemtakichzdarzeńnależącychdof,że A i A j =,dla i j,to P( A n ) = P(A n )(przeliczalnaaddytywność). n=1 n=1 Trójka (Ω, F, P) nazywa się przestrzenią probabilistyczną.
16 geometryczne Własności prawdopodobieństwa Dyskretna przestrzeń probabilistyczna Klasyczna definicja prawdopodobieństwa Wprowadzony układ aksjomatów jest niesprzeczny i niezupełny, tzn. nie wyznacza konkretnych wartości liczbowych funkcji P. Nie mówi zatem jak liczyć prawdopodobieństwo. ta jest bardzo ogólna, pozwala dla konkretnego eksperymentu rozpatrywać wiele różnych przestrzeni probabilistycznych. Przykład(rzut monetą symetryczną) Przeanalizujmy ponownie rzut monetą symetryczną. Przykład(rzut dwoma kośćmi) Przeanalizujmy doświadczenie polegające na dwukrotnym rzucie symetryczną kostką.
17 geometryczne Własności prawdopodobieństwa Dyskretna przestrzeń probabilistyczna Klasyczna definicja prawdopodobieństwa Widzimy, że zbiór Ω pełni rolę pomocniczą, natomiast główna informacja o eksperymencie zawarta jest w F oraz P. Oczywiście powstaje pytanie jakie wartości przyjąć za prawdopodobieństwa zdarzeń elementarnych. Należy je tak wybrać, aby w długich seriach n powtórzeń równały się one częstości pojawiania się konkretnych wyników. Powinniśmy kierować się zdrowym rozsądkiem, a nie ścisłością matematyczną. Z tego powodu niezupełność układu aksjomatów jest korzystna, pozwala tym samym zdarzeniom przyporządkować różne prawdopodobieństwa w zależności od konkretnej sytuacji. Podobnie ta sama przestrzeń probabilistyczna nadaje się do opisu różnych zjawisk, trzeba tylko odpowiednio interpretować zdarzenia elementarne i przypisać im prawdopodobieństwa.
18 geometryczne Własności prawdopodobieństwa Dyskretna przestrzeń probabilistyczna Klasyczna definicja prawdopodobieństwa Zauważmy, że cały czas była mowa o przyporządkowywaniu prawdopodobieństw, a nie o ich obliczaniu. W oparciu o przyjęte aksjomaty można pokazać szereg twierdzeń, które pozwolą na obliczanie prawdopodobieństw pewnych zdarzeń, gdy znane są prawdopodobieństwa innych zdarzeń. Oznacza to, że pewne prawdopodobieństwa mierzymy doświadczalnie, a pozostałe wyliczamy w oparciu o odpowiednie twierdzenia. Przestrzeń probabilistyczna stanowi formalny odpowiednik powszechnie stosowanego terminu doświadczenie losowe. Można powiedzieć, że stanowi ona model probabilistyczny doświadczenia losowego. Badaniem takich modeli zajmuje się rachunek prawdopodobieństwa. Wszystkie pokazywane twierdzenia dotyczą właśnie takich modeli, a nie rzeczywistych doświadczeń. Użyteczność modeli polega na tym, że jeśli znajdziemy prawdopodobieństwo pewnego zdarzenia w modelu, to wiemy, że w długiej serii doświadczeń częstość zdarzenia będzie w przybliżeniu taka sama.
19 geometryczne Własności prawdopodobieństwa Dyskretna przestrzeń probabilistyczna Klasyczna definicja prawdopodobieństwa Możemy zatem wyróżnić następujące etapy rozwiązywania zadania dotyczącego doświadczenia losowego: 1 Konstrukcja modelu probabilistycznego doświadczenia losowego, czyli przestrzeni probabilistycznej. 2 Rozwiązanie zadania w tym modelu(odpowiada on doświadczeniu). 3 Interpretacja rozwiązania otrzymanego z modelu do doświadczenia losowego. Tylko w etapie drugim potrzebna jest nam cała teoria prawdopodobieństwa. Najczęściej najtrudniejszy jest etap pierwszy, jest on zarazem najważniejszy.
20 geometryczne Własności prawdopodobieństwa Dyskretna przestrzeń probabilistyczna Klasyczna definicja prawdopodobieństwa Theorem Niech A,B,A n F.manastępujące własności: 1 jeśli A B,to P(A) P(B), 2 P(A) 1, 3 P(A ) =1 P(A), 4 P( ) =0, 5 P(B\A) = P(B) P(A B), 6 jeśli A B,to P(B\A) = P(B) P(A), 7 P(A B) = P(A)+P(B) P(A B).
21 geometryczne Własności prawdopodobieństwa Dyskretna przestrzeń probabilistyczna Klasyczna definicja prawdopodobieństwa Jeśli zbiór zdarzeń jest co najwyżej przeliczalny, można podać prosty i intuicyjny opis wszystkich możliwych prawdopodobieństw. Theorem Jeśli Ω ={ω 1,ω 2,...}jestzbioremprzeliczalnym,aF =2 Ω oraz P({ω i }) = p i, i =1,2,... p n =1, n=1 todladowolnego A Ωmamy P(A) = {n:ω n A} p n.
22 geometryczne Własności prawdopodobieństwa Dyskretna przestrzeń probabilistyczna Klasyczna definicja prawdopodobieństwa Twierdzenie to mówi, że w tym przypadku prawdopodobieństwo jest jednoznacznie wyznaczone przez prawdopodobieństwa zdarzeń elementarnych.dlategokażdyciąg (p i )spełniającypowyższe warunki wyznacza prawdopodobieństwo na Ω. Układliczb p 1,p 2,...,gdzie p n 0oraz n=1 p n =1nazywasię dyskretnym rozkładem prawdopodobieństwa. Przykład(rzut monetą do pierwszego sukcesu) Rzucamy symetryczną monetą do chwili wyrzucenia orła. Skonstruować zbiór zdarzeń elementarnych i wybrać odpowiednie prawdopodobieństwo.
23 geometryczne Własności prawdopodobieństwa Dyskretna przestrzeń probabilistyczna Klasyczna definicja prawdopodobieństwa (Klasyczna definicja prawdopodobieństwa) Niech Ωbędziezbioremskończonymiskładasięzn równoprawnych elementów. dowolnego zdarzenia losowego A Ω określa się wzorem P(A) = n(a) n(ω), gdzie n(a) oznacza liczbę wyników sprzyjających zdarzeniu A.
24 geometryczne Własności prawdopodobieństwa Dyskretna przestrzeń probabilistyczna Klasyczna definicja prawdopodobieństwa ta została podana przez Laplace a w 1812 roku. Jak widać określa ona prawdopodobieństwo za pomocą zdarzeń równoprawdopodobnych. Powstaje w ten sposób błędne koło. Nie należy więc używać tej definicji jako definicji prawdopodobieństwa, a jedynie jako metodę obliczania aksjomatycznie zdefiniowanego prawdopodobieństwa w pewnych sytuacjach. Klasyczna definicja może być stosowana jedynie do zbiorów skończonych. Ponadto jedynie do takich, których wyniki są jednakowo prawdopodobne.
25 geometryczne Własności prawdopodobieństwa Dyskretna przestrzeń probabilistyczna Klasyczna definicja prawdopodobieństwa Przykład(1) Skreślamy siedem spośród czterdziestu dziewięciu liczb. Jakie jest prawdopodobieństwo tego, że maszyna losująca(bez zwracania) sześćz49kulekznumeramiod1do49,wylosujedokładniecztery nasze liczby? Przykład(2) Zpudła,wktórymjestpięćparbutów,dzieckowyciągadwabuty. Jakie jest prawdopodobieństwo tego, że są one z jednej pary. Przykład(3) Spośród 5 kul niebieskich, 3 kul czerwonych oraz 2 kul zielonych, wybrano bez zwracania 6 kul. Jakie jest prawdopodobieństwo tego, że wśród wylosowanych kul:(a) są dokładnie 3 kule niebieskie;(b) są3kuleniebieskiei2kuleczerwone?
26 geometryczne Własności prawdopodobieństwa Dyskretna przestrzeń probabilistyczna Klasyczna definicja prawdopodobieństwa Przykład(4) Ze zbioru liczb naturalnych dwucyfrowych wybieramy losowo jedną liczbę. Oblicz prawdopodobieństwo otrzymania liczby podzielnej przez 15. Przykład(5) Rzucamy dwa razy symetryczną sześcienną kostką do gry. Oblicz prawdopodobieństwo otrzymania iloczynu oczek równego 5. Przykład(6) Rzucamy 3 razy symetryczną, sześcienną kostką do gry. Jakie jest prawdopodobieństwo, że w każdym rzucie wypadnie mniej niż pięć oczek?
27 geometryczne Przykład(punkt na odcinku) Dany jest przedział [0,1]. Wybieramy z tego przedziału w sposób losowy punkt x. Zakładamy, że prawdopodobieństwa wylosowania dowolnego punktu są równe. Jakie jest prawdopodobieństwo, że x [0,1/3]? Dośćczęsto Ωjestpodzbiorem R n,naktórymistniejenaturalna miara(np. miara Lebesgue a), przy czym Ω ma miarę skończoną. Mówimy wtedy o prawdopodobieństwie geometrycznym, a rozwiązanie sprowadza się do znalezienia miary(pola, objętości) podzbioru R n.wiadomo,żejedynąmiarąbędącąuogólnieniem długości jest miara Lebesgue a(uogólnia znaną ze szkoły miarę Jordana długość, pole, objętość), zatem w dalszym rozważaniach taką właśnie miarę wybierzemy. Miarę Lebesgue a zbioru A R n będziemyoznaczaćλ n (A).
28 geometryczne Niech Ω B(R n ),takim,że0<λ n (Ω)< orazf=b(ω). dowolnego zdarzenia losowego A F definiujemy P(A) = λ n(a) λ n (Ω). Tak określone prawdopodobieństwo nazywamy geometrycznym.
29 geometryczne Przykład(spotkanie) Dwóch przyjaciół, którzy razem jeżdżą tramwajem do pracy z tej samej stacji przychodzą na stację losowo pomiędzy godziną 7.00 a 7.20 rano. Osoba, która przyjdzie pierwsza, czeka na drugą maksymalnie 5 minut. Jaka jest szansa, że pojadą do pracy razem?
Wkażdym doświadczeniu losowym można wyróżnić
Wkażdym doświadczeniu losowym można wyróżnić pewne najprostsze, elementarne wyniki(zdarzenia), charakteryzujące się tym, że każde powtórzenie doświadczenia kończy się jednym i tylko jednym z nich. Oprócz
Bardziej szczegółowoRachunek prawdopodobieństwa
Rachunek prawdopodobieństwa Sebastian Rymarczyk srymarczyk@afm.edu.pl Tematyka zajęć 1. Elementy kombinatoryki. 2. Definicje prawdopodobieństwa. 3. Własności prawdopodobieństwa. 4. Zmienne losowe, parametry
Bardziej szczegółowoPodstawy metod probabilistycznych. dr Adam Kiersztyn
Podstawy metod probabilistycznych dr Adam Kiersztyn Przestrzeń zdarzeń elementarnych i zdarzenia losowe. Zjawiskiem lub doświadczeniem losowym nazywamy taki proces, którego przebiegu i ostatecznego wyniku
Bardziej szczegółowoMetody probabilistyczne
Metody probabilistyczne 2. Aksjomatyczna definicja prawdopodobieństwa Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 10.10.2017 1 / 33 Klasyczna definicja prawdopodobieństwa
Bardziej szczegółowoRachunek prawdopodobieństwa Rozdział 2. Aksjomatyczne ujęcie prawdopodobieństwa
Rachunek prawdopodobieństwa Rozdział 2. Aksjomatyczne ujęcie prawdopodobieństwa Rozdział 2.3: Przykłady przestrzeni probabilistycznych. Katarzyna Rybarczyk-Krzywdzińska Przestrzeń probabilistyczna Przestrzeń
Bardziej szczegółowoPrawdopodobieństwo. Prawdopodobieństwo. Jacek Kłopotowski. Katedra Matematyki i Ekonomii Matematycznej SGH. 16 października 2018
Katedra Matematyki i Ekonomii Matematycznej SGH 16 października 2018 Definicja σ-algebry Definicja Niech Ω oznacza zbiór niepusty. Rodzinę M podzbiorów zbioru Ω nazywamy σ-algebrą (lub σ-ciałem) wtedy
Bardziej szczegółowoPodstawy nauk przyrodniczych Matematyka
Podstawy nauk przyrodniczych Matematyka Elementy rachunku prawdopodobieństwa dr inż. Małgorzata Szeląg Zakład Genetyki Molekularnej Człowieka tel. 61 829 59 04 malgorzata.szelag@amu.edu.pl Pokój 1.118
Bardziej szczegółowoRachunek prawdopodobieństwa- wykład 2
Rachunek prawdopodobieństwa- wykład 2 Pojęcie dyskretnej przestrzeni probabilistycznej i określenie prawdopodobieństwa w tej przestrzeni dr Marcin Ziółkowski Instytut Matematyki i Informatyki Uniwersytet
Bardziej szczegółowoZdarzenia losowe i prawdopodobieństwo
Rozdział 1 Zdarzenia losowe i prawdopodobieństwo 1.1 Klasyfikacja zdarzeń Zdarzenie elementarne pojęcie aprioryczne, które nie może być zdefiniowane. Odpowiednik pojęcia punkt w geometrii. Zdarzenie elementarne
Bardziej szczegółowoRACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 1. L. Kowalski, Statystyka, 2005
RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 1. Literatura: Marek Cieciura, Janusz Zacharski, Metody probabilistyczne w ujęciu praktycznym, L. Kowalski, Statystyka, 2005 R.Leitner, J.Zacharski, "Zarys matematyki
Bardziej szczegółowoRachunek prawdopodobieństwa Rozdział 2. Aksjomatyczne ujęcie prawdopodobieństwa
Rachunek prawdopodobieństwa Rozdział 2. Aksjomatyczne ujęcie prawdopodobieństwa 2.1. σ ciało (algebra) zdarzeń Katarzyna Rybarczyk-Krzywdzińska losowe Zdarzenie losowe to pewien podzbiór przestrzeni zdarzeń
Bardziej szczegółowoSTATYSTYKA. 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 Wybrane litery alfabetu greckiego α alfa β beta Γ γ gamma δ delta ɛ, ε epsilon η eta Θ θ theta
Bardziej szczegółowoRachunek 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 szczegółowoWykład 1: Przestrzeń probabilistyczna. Prawdopodobieństwo klasyczne. Prawdopodobieństwo geometryczne.
Rachunek prawdopodobieństwa MAP1151 Wydział Elektroniki, rok akad. 2011/12, sem. letni Wykładowca: dr hab. A. Jurlewicz Wykład 1: Przestrzeń probabilistyczna. Prawdopodobieństwo klasyczne. Prawdopodobieństwo
Bardziej szczegółowoRACHUNEK PRAWDOPODOBIEŃSTWA - POJĘCIA WSTĘPNE MATERIAŁY POMOCNICZE - TEORIA
Wydział: WiLiŚ, Transport, sem.2 dr Jolanta Dymkowska RACHUNEK PRAWDOPODOBIEŃSTWA - POJĘCIA WSTĘPNE MATERIAŁY POMOCNICZE - TEORIA Przestrzeń probabilistyczna Modelem matematycznym (tj. teoretycznym, wyidealizowanym,
Bardziej szczegółowoPrawdopodobieństwo
Prawdopodobieństwo http://www.matemaks.pl/ Wstęp do rachunku prawdopodobieństwa http://www.matemaks.pl/wstep-do-rachunku-prawdopodobienstwa.html Rachunek prawdopodobieństwa pomaga obliczyć szansę zaistnienia
Bardziej szczegółowoStatystyka Astronomiczna
Statystyka Astronomiczna czyli zastosowania statystyki w astronomii historycznie astronomowie mieli wkład w rozwój dyscypliny Rachunek prawdopodobieństwa - gałąź matematyki Statystyka - metoda oceny właściwości
Bardziej szczegółowoIII. ZMIENNE LOSOWE JEDNOWYMIAROWE
III. ZMIENNE LOSOWE JEDNOWYMIAROWE.. Zmienna losowa i pojęcie rozkładu prawdopodobieństwa W dotychczas rozpatrywanych przykładach każdemu zdarzeniu była przyporządkowana odpowiednia wartość liczbowa. Ta
Bardziej szczegółowoa. zbiór wszystkich potasowań talii kart (w którym S dostaje 13 pierwszych kart, W - 13 kolejnych itd.);
03DRAP - Przykłady przestrzeni probabilistycznych Definicja 1 Przestrzeń probabilistyczna to trójka (Ω, F, P), gdzie Ω zbiór zdarzeń elementarnych, F σ ciało zdarzeń (podzbiorów Ω), P funkcja prawdopodobieństwa/miara
Bardziej szczegółowoWYKŁAD 1. Witold Bednorz, Paweł Wolff. Rachunek Prawdopodobieństwa, WNE, Instytut Matematyki Uniwersytet Warszawski
WYKŁAD 1 Witold Bednorz, Paweł Wolff Instytut Matematyki Uniwersytet Warszawski Rachunek Prawdopodobieństwa, WNE, 2010-2011 Wprowadzenie Gry hazardowe Wprowadzenie Gry hazardowe Klasyczna definicja prawdopodobieństwa.
Bardziej szczegółowoRachunek prawdopodobieństwa (Elektronika, studia niestacjonarne) Wykład 1
Rachunek prawdopodobieństwa (Elektronika, studia niestacjonarne) Wykład 1 Przygotowując wykład korzystam głównie z książki Jakubowski, Sztencel Wstęp do teorii prawdopodobieństwa. Jakubowski, Sztencel:
Bardziej szczegółowoPrzykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych
Rozdział 1 Zmienne losowe, ich rozkłady i charakterystyki 1.1 Definicja zmiennej losowej Niech Ω będzie przestrzenią zdarzeń elementarnych. Definicja 1 Rodzinę S zdarzeń losowych (zbiór S podzbiorów zbioru
Bardziej szczegółowoWYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I (SGH)
WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I (SGH) Agata Boratyńska Agata Boratyńska Rachunek prawdopodobieństwa, wykład 1 1 / 24 Warunki zaliczenia 1 Do egzaminu dopuszczeni wszyscy, którzy uczęszczali na
Bardziej szczegółowoWYKŁAD 3. Witold Bednorz, Paweł Wolff. Rachunek Prawdopodobieństwa, WNE, Uniwersytet Warszawski. 1 Instytut Matematyki
WYKŁAD 3 Witold Bednorz, Paweł Wolff 1 Instytut Matematyki Uniwersytet Warszawski Rachunek Prawdopodobieństwa, WNE, 2010-2011 Schemmat Bernouliego Rzucamy 10 razy moneta, próba Bernouliego jest pojedynczy
Bardziej szczegółowoRachunek prawdopodobieństwa (Elektronika, studia niestacjonarne) Wykład 2
Rachunek prawdopodobieństwa (Elektronika, studia niestacjonarne) Wykład 2 Przygotowując wykład korzystam głównie z książki Jakubowski, Sztencel Wstęp do teorii prawdopodobieństwa. Prawdopodobieństwo geometryczne
Bardziej szczegółowoPrawdopodobieństwo geometryczne
Prawdopodobieństwo geometryczne Krzysztof Jasiński Wydział Matematyki i Informatyki UMK, Toruń V Lieceum Ogólnokształące im. Jana Pawała II w Toruniu 13.03.2014 Krzysztof Jasiński (WMiI UMK) Prawdopodobieństwo
Bardziej szczegółowoRachunek prawdopodobieństwa Rozdział 4. Zmienne losowe
Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe 4.0. Rozkłady zmiennych losowych, dystrybuanta. Katarzyna Rybarczyk-Krzywdzińska Wprowadzenie Rozważmy eksperymenty 1 gra Bolka w ruletkę w kasynie;
Bardziej szczegółowo02DRAP - Aksjomatyczna definicja prawdopodobieństwa, zasada w-w
02DRAP - Aksjomatyczna definicja prawdopodobieństwa, zasada w-w A Zadania na ćwiczenia Zadanie A.1. Niech Ω = R oraz F będzie σ-ciałem generowanym przez rodzinę wszystkich przedziałów otwartych typu (,
Bardziej szczegółowoElementy rachunku prawdopodobieństwa (M. Skośkiewicz, A. Siejka, K. Walczak, A. Szpakowska)
Elementy rachunku prawdopodobieństwa (M. Skośkiewicz, A. Siejka, K. Walczak, A. Szpakowska) Twierdzenie (o mnożeniu) Podstawowe pojęcia i wzory kombinatoryczne. Niech,, będą zbiorami mającymi odpowiednio,,
Bardziej szczegółowoMatematyka z el. statystyki, # 2 /Geodezja i kartografia II/
Matematyka z el. statystyki, # 2 /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 szczegółowoWstęp do probabilistyki i statystyki Wykład 3. Prawdopodobieństwo i algebra zdarzeń
Wstęp do probabilistyki i statystyki Wykład 3. Prawdopodobieństwo i algebra zdarzeń dr inż. Krystyna Schneider, Katedra Elektroniki, AGH e-mail: kryschna@agh.edu.pl http://home.agh.edu.pl/~kryschna 1 Plan:
Bardziej szczegółowoP r a w d o p o d o b i eństwo Lekcja 1 Temat: Lekcja organizacyjna. Program. Kontrakt.
P r a w d o p o d o b i eństwo Lekcja 1 Temat: Lekcja organizacyjna. Program. Kontrakt. Lekcja 2 Temat: Podstawowe pojęcia związane z prawdopodobieństwem. Str. 10-21 1. Doświadczenie losowe jest to doświadczenie,
Bardziej szczegółowoW2 Podstawy rachunku prawdopodobieństwa (przypomnienie)
W2 Podstawy rachunku prawdopodobieństwa (przypomnienie) Henryk Maciejewski Jacek Jarnicki Marek Woda www.zsk.iiar.pwr.edu.pl Rachunek prawdopodobieństwa - przypomnienie 1. Zdarzenia 2. Prawdopodobieństwo
Bardziej szczegółowoRACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 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 szczegółowoRodzinę spełniającą trzeci warunek tylko dla sumy skończonej nazywamy ciałem (algebrą) w zbiorze X.
1 σ-ciała Definicja 1.1 (σ - ciało) σ - ciałem (σ - algebrą) w danym zbiorze X (zwanym przestrzenią) nazywamy rodzinę M pewnych podzbiorów zbioru X, spełniającą trzy warunki: 1 o M; 2 o jeśli A M, to X
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka matematyczna. Leszek Adamczyk Wykłady dla kierunku Fizyka Medyczna w semestrze letnim 2016/2017
Rachunek prawdopodobieństwa i statystyka matematyczna Leszek Adamczyk Wykłady dla kierunku Fizyka Medyczna w semestrze letnim 2016/2017 1 1 Wstęp Rachunek prawdopodobieństwa i statystyka to: działy matematyki
Bardziej szczegółowoZdarzenie losowe (zdarzenie)
Zdarzenie losowe (zdarzenie) Ćw. 1. Ze zbioru cyfr (l, 2,3,..., 9} losowo wybieramy jedną. a) Wypisz zdarzenia elementarne, sprzyjające: zdarzeniu A, że wybrano liczbę parzystą zdarzeniu B, że wybrano
Bardziej szczegółowoMetody probabilistyczne
Metody probabilistyczne 1. Prawdopodobieństwo klasyczne Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 03.10.2017 1 / 19 Rys historyczny Francja, XVII w.: gry hazardowe
Bardziej szczegółowoMETODY PROBABILISTYCZNE I STATYSTYKA
Andrzej Marciniak METODY PROBABILISTYCZNE I STATYSTYKA Wykłady dla studentów kierunku informatyka Państwowej Wyższej Szkoły Zawodowej w Kaliszu Wykłady są przeznaczone wyłącznie do indywidualnego użytku
Bardziej szczegółowoMNRP r. 1 Aksjomatyczna definicja prawdopodobieństwa (wykład) Grzegorz Kowalczyk
MNRP 18.03.2019r. Grzegorz Kowalczyk 1 Aksjomatyczna definicja prawdopodobieństwa (wykład) Definicja (σ - ciało) Niech Ω - dowolny zbiór. Rodzinę F P (Ω), gdzie P (Ω) jest rodziną wszystkich podzbiorów
Bardziej szczegółowoTeoria miary. Matematyka, rok II. Wykład 1
Teoria miary Matematyka, rok II Wykład 1 NAJBLIŻSZY CEL: Nauczyć się mierzyć wielkość zbiorów. Pierwsze przymiarki: - liczność (moc) zbioru - słabo działa dla zbiorów nieskończonych: czy [0, 1] powinien
Bardziej szczegółowoBiostatystyka, # 2 /Weterynaria I/
Biostatystyka, # 2 /Weterynaria I/ dr n. mat. Zdzisław Otachel 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 szczegółowoa. zbiór wszystkich potasowań talii kart (w którym S dostaje 13 pierwszych kart, W - 13 kolejnych itd.);
03DRAP - Przykłady przestrzeni probabilistycznych A Zadania na ćwiczenia Zadanie A1 (wskazówka: pierwsze ćwicznia i rozdział 23 przykł 1 i 2) Zbuduj model przestrzeni klasycznej (czyli takiej, w której
Bardziej szczegółowoWYKŁAD 2. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady
WYKŁAD 2 Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady Metody statystyczne metody opisu metody wnioskowania statystycznego syntetyczny liczbowy opis właściwości zbioru danych ocena
Bardziej szczegółowoStatystyka matematyczna
Statystyka matematyczna Wykład 1 Magdalena Alama-Bućko 26 lutego 2018 Magdalena Alama-Bućko Statystyka matematyczna 26 lutego 2018 1 / 16 Wykład : 10h (przez 10 tygodni po 45 minut) zaliczenie wykładu
Bardziej szczegółowoRozdział 1. Zmienne losowe, ich rozkłady i charakterystyki. 1.1 Definicja zmiennej losowej
Rozdział 1 Zmienne losowe, ich rozkłady i charakterystyki 1.1 Definicja zmiennej losowej Zbiór możliwych wyników eksperymentu będziemy nazywać przestrzenią zdarzeń elementarnych i oznaczać Ω, natomiast
Bardziej szczegółowoRachunek prawdopodobieństwa Rozdział 4. Zmienne losowe
Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe 4.1. Zmienne losowe dyskretne. Katarzyna Rybarczyk-Krzywdzińska Definicja/Rozkład Zmienne losowe dyskretne Definicja Zmienną losową, która skupiona
Bardziej szczegółowoMoneta 1 Moneta 2 Kostka O, R O,R 1,2,3,4,5, Moneta 1 Moneta 2 Kostka O O ( )
Nowa matura kombinatoryka i rachunek prawdopodobieństwa Zadania zamknięte (0 1 pkt) 1. Doświadczenie losowe polega na rzucie dwiema symetrycznymi monetami i sześcienną kostką do gry. Prawdopodobieństwo
Bardziej szczegółowoWykład 2. Prawdopodobieństwo i elementy kombinatoryki
Wstęp do probabilistyki i statystyki Wykład 2. Prawdopodobieństwo i elementy kombinatoryki dr hab.inż. Katarzyna Zakrzewska, prof.agh Katedra Elektroniki, AGH e-mail: zak@agh.edu.pl http://home.agh.edu.pl/~zak
Bardziej szczegółowoStatystyka i eksploracja danych
Wykład I: Formalizm statystyki matematycznej 17 lutego 2014 Forma zaliczenia przedmiotu Forma zaliczenia Literatura Zagadnienia omawiane na wykładach Forma zaliczenia przedmiotu Forma zaliczenia Literatura
Bardziej szczegółowoStatystyka. Wydział Zarządzania Uniwersytetu Łódzkiego
Statystyka Wydział Zarządzania Uniwersytetu Łódzkiego 2017 Rachunek Prawdopodobieństwa Brian Wynne podał następującą typologię zagrożeń znanych i niewiadomych: 1. ryzyko to wiadome nam przyszłe zagrożenia,
Bardziej szczegółowoMetody 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 szczegółowoRachunek prawdopodobieństwa Rozdział 4. Zmienne losowe
Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe 4.0. Rozkłady zmiennych losowych, dystrybuanta. Katarzyna Rybarczyk-Krzywdzińska semestr zimowy 2016/2017 Wprowadzenie Przykład 1 Bolek, Lolek i Tola
Bardziej szczegółowo51. Wykorzystywanie sumy, iloczynu i różnicy zdarzeń do obliczania prawdopodobieństw zdarzeń.
Matematyka lekcja 5 5. Wykorzystywanie sumy, iloczynu i różnicy zdarzeń do obliczania prawdopodobieństw zdarzeń. I. rzypomnij sobie:. Jak rysujemy drzewo stochastyczne i przy jego pomocy obliczamy prawdopodobieństwo
Bardziej szczegółowoPrawdopodobieństwo geometryczne
Prawdopodobieństwo geometryczne Bartosz Ziemkiewicz Wydział Matematyki i Informatyki UMK, Toruń Uniwersyteckie Koło Matematyczne 23 kwietnia 2009 r. Bartosz Ziemkiewicz (WMiI UMK) Prawdopodobieństwo geometryczne
Bardziej szczegółowoWstęp. Kurs w skrócie
Mariola Zalewska Zakład Metod Matematycznych i Statystycznych Zarządzania Wydział Zarządzania Uniwersystet Warszawski I rok DSM Rachunek Prawdopodobieństwa Wstęp Kombinatoryka Niezależność zdarzeń, Twierdzenie
Bardziej szczegółowoStatystyka matematyczna
Statystyka matematyczna Wykład 2 Magdalena Alama-Bućko 5 marca 2018 Magdalena Alama-Bućko Statystyka matematyczna 5 marca 2018 1 / 14 Prawdopodobieństwo klasyczne Ω - zbiór wszystkich zdarzeń elementarnych
Bardziej szczegółowoStatystyka matematyczna
Statystyka matematyczna Wykład 1 Magdalena Alama-Bućko 20 lutego 2017 Magdalena Alama-Bućko Statystyka matematyczna 20 lutego 2017 1 / 21 Wykład : 10h (przez 10 tygodni po 45 minut) Ćwiczenia : 15h (45
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład I: Formalizm teorii prawdopodonieństwa 6 października 2014 Forma zaliczenia przedmiotu Forma zaliczenia Literatura Dostępność treści wykładów 1 Zaliczenie ćwiczeń rachunkowych. 2 Egzamin dwuczęściowy:
Bardziej szczegółowoMetody probabilistyczne
Metody probabilistyczne 5. Zmienne losowe: wprowadzenie Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 8..208 / 42 Motywacja Często bardziej niż same zdarzenia losowe
Bardziej szczegółowoProbabilistyczne podstawy statystyki matematycznej. Dr inż. Małgorzata Michalcewicz-Kaniowska
Probabilistyczne podstawy statystyki matematycznej Dr inż. Małgorzata Michalcewicz-Kaniowska 1 Zdarzenia losowe, algebra zdarzeń Do podstawowych pojęć w rachunku prawdopodobieństwa zaliczamy: doświadczenie
Bardziej szczegółowoMatematyczne Podstawy Kognitywistyki
Matematyczne Podstawy Kognitywistyki Dorota Leszczyńska-Jasion Kombinatoryka, ci agi liczbowe, skończone przestrzenie probabilistyczne Przykłady zagadnień kombinatorycznych Rozważmy układ n miast o bardzo
Bardziej szczegółowoRachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń.
Rachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń. 3.1 Prawdopodobieństwo warunkowe Katarzyna Rybarczyk-Krzywdzińska Przykład 1 Alicja wylosowała jedną kartę z
Bardziej szczegółowoMatematyka podstawowa X. Rachunek prawdopodobieństwa
Matematyka podstawowa X Rachunek prawdopodobieństwa Zadania wprowadzające: 1. Rzucasz trzy razy monetą a) Napisz zbiór wszystkich wyników tego doświadczenia losowego. Ile ich jest? Wyrzuciłeś większą liczbę
Bardziej szczegółowoWYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa
WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa Agata Boratyńska Agata Boratyńska Rachunek prawdopodobieństwa, wykład 2 i 3 1 / 19 Zmienna losowa Definicja Dana jest przestrzeń probabilistyczna
Bardziej szczegółowoStatystyka i Rachunek Prawdopodobieństwa dla Bioinzynierii Lista zadań 2, 2018/19z (zadania na ćwiczenia)
Statystyka i Rachunek Prawdopodobieństwa dla Bioinzynierii Lista zadań 2, 2018/19z (zadania na ćwiczenia) 1 Przestrzeń probabilistyczna Zadanie 1 Rzucamy dwiema kostkami do gry. Opisać przestrzeń zdarzeń
Bardziej szczegółowoRACHUNEK PRAWDOPODOBIEŃSTWA ZADANIA Z ROZWIĄZANIAMI. Uwaga! Dla określenia liczebności zbioru (mocy zbioru) użyto zamiennie symboli: Ω lub
RACHUNEK PRAWDOPODOBIEŃSTWA ZADANIA Z ROZWIĄZANIAMI Uwaga! Dla określenia liczebności zbioru (mocy zbioru) użyto zamiennie symboli: Ω lub 1. W grupie jest 15 kobiet i 18 mężczyzn. Losujemy jedną osobę
Bardziej szczegółowoRachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń.
Rachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń. 3.1 Prawdopodobieństwo warunkowe Katarzyna Rybarczyk-Krzywdzińska semestr zimowy 2016/2017 Przykład 1 Alicja
Bardziej szczegółowo2 Rodziny zbiorów. 2.1 Algebry i σ - algebry zbiorów. M. Beśka, Wstęp do teorii miary, rozdz. 2 11
M. Beśka, Wstęp do teorii miary, rozdz. 2 11 2 Rodziny zbiorów 2.1 Algebry i σ - algebry zbiorów Niech X będzie niepustym zbiorem. Rodzinę indeksowaną zbiorów {A i } i I 2 X nazywamy rozbiciem zbioru X
Bardziej szczegółowoRachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń.
Rachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń. 3.2. Niezależność zdarzeń Katarzyna Rybarczyk-Krzywdzińska Niezależność dwóch zdarzeń Intuicja Zdarzenia losowe
Bardziej szczegółowoPrawdopodobieństwo warunkowe Twierdzenie o prawdopodobieństwie całkowitym
Edward Stachowski Prawdopodobieństwo warunkowe Twierdzenie o prawdopodobieństwie całkowitym W podstawie programowej obowiązującej na egzaminie maturalnym od 05r pojawiły się nowe treści programowe Wśród
Bardziej szczegółowoStatystyka podstawowe wzory i definicje
1 Statystyka podstawowe wzory i definicje Średnia arytmetyczna to suma wszystkich liczb (a 1, a 2,, a n) podzielona przez ich ilość (n) Przykład 1 Dany jest zbiór liczb {6, 8, 11, 2, 5, 3}. Oblicz średnią
Bardziej szczegółowoStatystyka matematyczna
Statystyka matematyczna Wykład 1 Magdalena Alama-Bućko 25 lutego 2019 Magdalena Alama-Bućko Statystyka matematyczna 25 lutego 2019 1 / 18 Wykład : 10h (przez 10 tygodni po 45 minut) Ćwiczenia : 15h (45
Bardziej szczegółowoĆwiczenia z metodyki nauczania rachunku prawdopodobieństwa
Ćwiczenia z metodyki nauczania rachunku prawdopodobieństwa 25 marca 209 Zadanie. W urnie jest b kul białych i c kul czarnych. Losujemy n kul bez zwracania. Jakie jest prawdopodobieństwo, że pierwsza kula
Bardziej szczegółowoWykład 13. Podstawowe pojęcia rachunku prawdopodobieństwa
Wykład 13. Podstawowe pojęcia rachunku prawdopodobieństwa dr Mariusz Grzadziel Katedra Matematyki, Uniwersytet Przyrodniczy we Wrocławiu semestr zimowy, rok akademicki 2015 2016 Doświadczenie losowe Doświadczenie
Bardziej szczegółowoRachunku prawdopodobieństwa: rys historyczny, aksjomatyka, prawdopodobieństwo warunkowe,
Rachunku prawdopodobieństwa: rys historyczny, aksjomatyka, prawdopodobieństwo warunkowe, niezależność zdarzeń dr Mariusz Grzadziel Katedra Matematyki, Uniwersytet Przyrodniczy we Wrocławiu Semestr letni
Bardziej szczegółowoRobert Kowalczyk. Zbiór zadań z teorii miary i całki
Robert Kowalczyk Zbiór zadań z teorii miary i całki 2 Zadanie 1 Pokazać, że poniższe dwie definicje σ-ciała M są równoważne: (i) Rodzinę M podzbiorów przestrzeni X nazywamy σ-ciałem jeżeli zachodzą następujące
Bardziej szczegółowo= 10 9 = Ile jest wszystkich dwucyfrowych liczb naturalnych podzielnych przez 3? A. 12 B. 24 C. 29 D. 30. Sposób I = 30.
Kombinatoryka i rachunek prawdopodobieństwa Zadania zamknięte (0 1 pkt) 1. Flagę, taką jak pokazano na rysunku, należy zszyć z trzech jednakowej szerokości pasów kolorowej tkaniny. Oba pasy zewnętrzne
Bardziej szczegółowoPrawdopodobieństwo i statystyka Wykład I: Przestrzeń probabilistyczna
9 października 2018 Zasady zaliczenia przedmiotu: Zaliczenie ćwiczeń rachunkowych. Zdanie egzaminu ustnego z treści wykładu. Literatura J. Jakubowski i R. Sztencel, Wstęp do teorii prawdopodobieństwa.
Bardziej szczegółowoTeoria miary. WPPT/Matematyka, rok II. Wykład 5
Teoria miary WPPT/Matematyka, rok II Wykład 5 Funkcje mierzalne Niech (X, F) będzie przestrzenią mierzalną i niech f : X R. Twierdzenie 1. NWSR 1. {x X : f(x) > a} F dla każdego a R 2. {x X : f(x) a} F
Bardziej szczegółowoA i. i=1. i=1. i=1. i=1. W dalszej części skryptu będziemy mieli najczęściej do czynienia z miarami określonymi na rodzinach, które są σ - algebrami.
M. Beśka, Wstęp do teorii miary, rozdz. 3 25 3 Miara 3.1 Definicja miary i jej podstawowe własności Niech X będzie niepustym zbiorem, a A 2 X niepustą rodziną podzbiorów. Wtedy dowolne odwzorowanie : A
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
5 marca 2011 Zasady 10 wyk ladów; egzamin pisemny; Literatura 1 A. Lomnicki Wprowadzenie do statystyki dla przyrodników PWN 1999. 2 W. Krysicki, J. Bartos, W. Dyczka, K. Królikowska, M. Wasilewski Rachunek
Bardziej szczegółowoWykład 2 Zmienne losowe i ich rozkłady
Wykład 2 Zmienne losowe i ich rozkłady Magdalena Frąszczak Wrocław, 11.10.2017r Zmienne losowe i ich rozkłady Doświadczenie losowe: Rzut monetą Rzut kostką Wybór losowy n kart z talii 52 Gry losowe Doświadczenie
Bardziej szczegółowoZmienne losowe i ich rozkłady
Zmienne losowe i ich rozkłady 29 kwietnia 2019 Definicja: Zmienną losową nazywamy mierzalną funkcję X : (Ω, F, P) (R n, B(R n )). Definicja: Niech A będzie zbiorem borelowskim. Rozkładem zmiennej losowej
Bardziej szczegółowoL.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 1 ZADANIA - ZESTAW 1. (odp. a) B A C, b) A, c) A B, d) Ω)
ZADANIA - ZESTAW 1 Zadanie 1.1 Rzucamy trzy razy monetą. A i - zdarzenie polegające na tym, że otrzymamy orła w i - tym rzucie. Określić zbiór zdarzeń elementarnych. Wypisać zdarzenia elementarne sprzyjające
Bardziej szczegółowoJednowymiarowa zmienna losowa
1 Jednowymiarowa zmienna losowa Przykład Doświadczenie losowe - rzut kostką do gry. Obserwujemy ilość wyrzuconych oczek. Teoretyczny model eksperymentu losowego - przestrzeń probabilistyczna (Ω, S, P ),
Bardziej szczegółowo2. Lesław Gajek, Marek Kałuszka, Wnioskowanie statystyczne. Modele i metody. Dla studentów.
Literatura:. Jerzy Greń, Statystyka matematyczna. Modele i zadania.. Lesław Gajek, Marek Kałuszka, Wnioskowanie statystyczne. Modele i metody. Dla studentów.. J. Koronacki, J. Mielniczuk, Statystyka dla
Bardziej szczegółowoKurs ZDAJ MATURĘ Z MATEMATYKI MODUŁ 14 Zadania statystyka, prawdopodobieństwo i kombinatoryka
1 TEST WSTĘPNY 1. (1p) Zestaw danych 3, 5, x, 7, 10, 12 jest uporządkowany niemalejąco. Mediana tego zestawu jest równa 6, więc liczba x jest równa A. 7 B. 6 C. 5 D. 4 2. (2p) Średnia arytmetyczna liczb:
Bardziej szczegółowoσ-ciało zdarzeń Niech Ω będzie niepustym zbiorem zdarzeń elementarnych, a zbiór F rodziną podzbiorów zbioru Ω spełniającą warunki: jeśli A F, to A F;
Zdarzenie losowe i zdarzenie elementarne Zdarzenie (zdarzenie losowe) - wyni pewnej obserwacji lub doświadczenia; może być ilościowy lub jaościowy. Zdarzenie elementarne - najprostszy wyni doświadczenia
Bardziej szczegółowoP (A B) = P (A), P (B) = P (A), skąd P (A B) = P (A) P (B). P (A)
Wykład 3 Niezależność zdarzeń, schemat Bernoulliego Kiedy dwa zdarzenia są niezależne? Gdy wiedza o tym, czy B zaszło, czy nie, NIE MA WPŁYWU na oszacowanie prawdopodobieństwa zdarzenia A: P (A B) = P
Bardziej szczegółowoElementy statystyki opisowej, teoria prawdopodobieństwa i kombinatoryka
Wymagania egzaminacyjne: a) oblicza średnią arytmetyczną, średnią ważoną, medianę i odchylenie standardowe danych; interpretuje te parametry dla danych empirycznych, b) zlicza obiekty w prostych sytuacjach
Bardziej szczegółowoDoświadczenie i zdarzenie losowe
Doświadczenie i zdarzenie losowe Doświadczenie losowe jest to takie doświadczenie, które jest powtarzalne w takich samych warunkach lub zbliżonych, a którego wyniku nie można przewidzieć jednoznacznie.
Bardziej szczegółowoBiostatystyka, # 3 /Weterynaria I/
Biostatystyka, # 3 /Weterynaria I/ dr n. mat. Zdzisław Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Głęboka 28, p. 221 bud. CIW, e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoĆwiczenia 7 - Zmienna losowa i jej rozkład. Parametry rozkładu.
Ćwiczenia 7 - Zmienna losowa i jej rozkład. Parametry rozkładu. A Teoria Definicja A.1. Niech (Ω, F, P) będzie przestrzenią probabilistyczną. Zmienną losową określoną na przestrzeni Ω nazywamy dowolną
Bardziej szczegółowoRACHUNEK PRAWDOPODOBIEŃSTWA I KOMBINATORYKA
RACHUNEK PRAWDOPODOBIEŃSTWA I KOMBINATORYKA Doświadczenia losowe Rachunek prawdopodobieństwa zajmuje się zdarzeniami jakie zachodzą, gdy przeprowadzamy doświadczenia losowe. Mówimy, że doświadczenie jest
Bardziej szczegółowoZadania do Rozdziału X
Zadania do Rozdziału X 1. 2. Znajdź wszystkie σ-ciała podzbiorów X, gdy X = (i) {1, 2}, (ii){1, 2, 3}. (b) Znajdź wszystkie elementy σ-ciała generowanego przez {{1, 2}, {2, 3}} dla X = {1, 2, 3, 4}. Wykaż,
Bardziej szczegółowoProjekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego
Materiały dydaktyczne na zajęcia wyrównawcze z matematyki dla studentów pierwszego roku kierunku zamawianego Biotechnologia w ramach projektu Era inżyniera pewna lokata na przyszłość Projekt Era inżyniera
Bardziej szczegółowoRozkłady prawdopodobieństwa zmiennych losowych
Rozkłady prawdopodobieństwa zmiennych losowych Rozkład dwumianowy Rozkład normalny Marta Zalewska Zmienna losowa dyskretna (skokowa) jest to zmienna, której zbór wartości jest skończony lub przeliczalny.
Bardziej szczegółowoWykład 11: Podstawowe pojęcia rachunku prawdopodobieństwa
Wykład : Podstawowe pojęcia rachunku prawdopodobieństwa dr Mariusz Grządziel 3 maja 203 Doświadczenie losowe Doświadczenie nazywamy losowym, jeśli: może być powtarzane (w zasadzie) w tych samych warunkach;
Bardziej szczegółowozdarzenie losowe - zdarzenie którego przebiegu czy wyniku nie da się przewidzieć na pewno.
Rachunek prawdopodobieństwa Podstawowym celem rachunku prawdopodobieństwa jest określanie szans zajścia pewnych zdarzeń. Pojęcie podstawowe rachunku prawdopodobieństwa to: zdarzenie losowe - zdarzenie
Bardziej szczegółowo